CommencerCommencez gratuitement

Prix d’ombre et marge d’écart : exercice, partie 2

Dans cet exercice, vous travaillez sur le plan de production d’une entreprise pour les 4 prochains mois. Votre objectif est de déterminer combien produire pour minimiser les coûts de production (fixes + variables) et de stockage tout en satisfaisant la demande des clients. Il existe des contraintes sur la capacité de production et la demande chaque mois.

Cet exercice fait partie du cours

<cours>Analyse de la chaîne d’approvisionnement en Python</cours>
Voir le cours

Instructions de l’exercice

Complétez le code, vers la fin de l’exemple de code, pour créer un DataFrame Pandas qui affiche la marge (slack) des contraintes.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

model = LpProblem("Production Planning", LpMinimize)
time = [1, 2, 3, 4]
s = LpVariable.dicts("stock_in", [0, 1, 2, 3, 4], lowBound=0, cat="Integer")
x = LpVariable.dicts("prod_in", time, lowBound=0, cat="Integer")
y = LpVariable.dicts("plant_on_", time, lowBound=0, cat="Binary")
model += lpSum([d.loc[t,"unit_prod"]*x[t] + d.loc[t,"unit_inv"]*s[t] 
                + d.loc[t,"fixed_setup"]*y[t] for t in time])
s[0] = 100
for t in time:
    model += s[t-1] + x[t] == d.loc[t,"demand"] + s[t]
    model += x[t] <= d.loc[t,"prod_cap"]*y[t]
model.solve()

# Print the Constraint Slack
o = [{'name':name, 'slack':____} 
     for ____, c in ____]
print(____)
Modifier et exécuter le code