Kendala untuk latihan studi kasus
Lanjutkan studi kasus model Capacitated Plant Location untuk produsen mobil. Anda diberikan empat data frame Pandas demand, var_cost, fix_cost, dan cap yang berisi permintaan per wilayah (ribu unit mobil), biaya produksi variabel (ribu $AS), biaya produksi tetap (ribu $AS), dan kapasitas produksi (ribu unit mobil). Dua list Python loc dan size juga telah dibuat, berisi lokasi yang berbeda dan dua jenis kapasitas pabrik. Semua variabel ini telah dicetak ke konsol untuk Anda lihat. Kode untuk menginisialisasi variabel keputusan, mendefinisikannya, dan membuat fungsi objektif telah disiapkan untuk Anda.
Latihan ini merupakan bagian dari kursus
Analitik Rantai Pasok dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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']