Skuggpris och slack – del 2
I den här övningen arbetar du med produktionsplanen för ett företag under de kommande 4 månaderna. Målet är att bestämma hur mycket som ska produceras för att minimera produktionskostnaderna (fasta och rörliga) samt lagerkostnaderna, samtidigt som kundernas efterfrågan uppfylls. Det finns begränsningar för produktionskapacitet och efterfrågan varje månad.
Den här övningen är en del av kursen
Supply Chain Analytics i Python
Övningsinstruktioner
Komplettera koden, nära slutet av exempelkoden, för att skapa en Pandas DataFrame som visar slack för begränsningarna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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(____)