केस स्टडी अभ्यास के constraints
Capacitated Plant Location मॉडल की कार निर्माण केस स्टडी को आगे बढ़ाएँ। आपको चार Pandas डेटा फ़्रेम दिए गए हैं: demand, var_cost, fix_cost, और cap, जिनमें क्रमशः क्षेत्रीय डिमांड (हज़ार कारें), वैरिएबल प्रोडक्शन कॉस्ट (हज़ार $US), फ़िक्स्ड प्रोडक्शन कॉस्ट (हज़ार $US), और प्रोडक्शन कैपेसिटी (हज़ार कारें) हैं। दो Python लिस्ट loc और size भी बनाई गई हैं, जिनमें अलग-अलग लोकेशन और प्लांट कैपेसिटी के दो प्रकार शामिल हैं। ये सभी वैरिएबल आपकी सुविधा के लिए कंसोल पर प्रिंट किए गए हैं। डिसीज़न वैरिएबल्स को इनिशियलाइज़ करने, परिभाषित करने और ऑब्जेक्टिव फंक्शन बनाने का कोड आपके लिए पहले से पूरा कर दिया गया है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में सप्लाई चेन एनालिटिक्स
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Initialize, Define Decision Vars., and Objective Function
model = LpProblem("Capacitated Plant Location Model", LpMinimize)
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_", [(i,j) for i in loc for j in loc],
lowBound=0, upBound=None, cat='Continuous')
y = LpVariable.dicts("plant_",
[(i,s) for s in size for i in loc], cat='Binary')
model += (lpSum([fix_cost.loc[i,s] * y[(i,s)] for s in size for i in loc])
+ lpSum([var_cost.loc[i,j] * x[(i,j)] for i in loc for j in loc]))
# Define the constraints
for j in loc:
model += lpSum([____ for i in ____]) ____ demand.loc[____,'Dmd']