ComeçarComece de graça

Função objetivo do estudo de caso

Dê continuidade ao estudo de caso do modelo de Localização de Plantas com Capacidade (Capacitated Plant Location) para uma fabricante de carros. Você recebeu quatro data frames do Pandas: demand, var_cost, fix_cost e cap, contendo a demanda regional (milhares de carros), custos variáveis de produção (milhares de US\(), custos fixos de produção (milhares de US\)) e capacidade de produção (milhares de carros). Duas listas em Python, loc e size, também foram criadas, contendo os diferentes locais e os dois tipos de capacidade de planta. Todas essas variáveis foram impressas no console para você visualizar. O código para inicializar e definir as variáveis de decisão já foi concluído para você.

Este exercício faz parte do curso

Análise de Cadeia de Suprimentos em Python

Ver curso

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Initialize, and Define Decision Vars.
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')

# Define objective function
model += (lpSum([fix_cost.loc[____,____] * ____[(____,____)] 
                 for s in ____ for i in ____])
          )
Editar e executar o código