Cena dualna i slack – ćwiczenie, cz. 2
W tym ćwiczeniu pracujesz nad planem produkcji pewnej firmy na najbliższe 4 miesiące. Twoim celem jest określenie wielkości produkcji, która zminimalizuje koszty produkcji (stałe i zmienne) oraz koszty magazynowania, przy jednoczesnym zaspokojeniu popytu klientów. Model uwzględnia ograniczenia dotyczące zdolności produkcyjnych i popytu w każdym miesiącu.
To ćwiczenie jest częścią kursu
Analityka łańcucha dostaw w Pythonie
Instrukcje do ćwiczenia
Uzupełnij kod w dolnej części przykładowego kodu, aby utworzyć DataFrame biblioteki Pandas pokazujący wartości slack dla poszczególnych ograniczeń.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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(____)