Granska modellspecifikationen

Du arbetar med att minimera transportkostnaderna för att skicka produkter från lager i New York och Atlanta till kunder i östra, södra, mellersta och västra USA. Modellspecifikationen från PuLP har skrivits ut i konsolen med hjälp av writeLP. Använd den för att hitta det bästa svaret.

Den här övningen är en del av kursen

Supply Chain Analytics i Python

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Supply Chain Analytics i Python

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

Linjärprogrammering (LP) är en viktig teknik inom supply chain-optimering. PuLP är ett lättanvänt ramverk för att arbeta med LP-problem och låter dig fokusera på modelleringen. I det här kapitlet lär du dig grunderna i LP-problem och börjar använda PuLP-ramverket för att lösa dem.

Exercise 1: Grunderna i optimering Exercise 2: LP eller IP – vad gäller?Exercise 3: Välja träningsrutin Exercise 4: Grunderna i PuLP-modellering Exercise 5: Kom igång med LpProblem()Exercise 6: Enkel övning i resursplanering Exercise 7: Använda lpSum Exercise 8: Prova på lpSum Exercise 9: Logistikplaneringsuppgift

I det här kapitlet fortsätter vi att lära oss modellera LP- och IP-problem i PuLP. Vi går igenom hur PuLP används för storskaliga problem. Dessutom inleder vi en fallstudie om hur man löser modellen för kapacitetsbegränsad anläggningsplacering.

Exercise 1: LpVariable-ordlistefunktionen Exercise 2: Logistikplaneringsuppgift 2 Exercise 3: Handelsresandeproblemet (TSP)Exercise 4: Exempel på ett schemaläggningsproblem Exercise 5: Schemaläggning av arbetare Exercise 6: Schemaläggning av förebyggande underhåll Exercise 7: Kapacitetsbegränsad anläggningslokalisering – fallstudie del 1 Exercise 8: Granska data för fallstudien Exercise 9: Beslutsvariablerna i fallstudien Exercise 10: Målfunktion för fallstudien Exercise 11: Logiska villkor Exercise 12: Övning i logiska villkor Exercise 13: Logiska villkor – övning 2

Det här kapitlet tar upp vanliga misstag vid formulering av begränsningar och går igenom processen för att lösa modellen. När vi väl har en lösning på vår LP-modell – hur vet vi att den är rimlig? Vi går också igenom ett tillvägagångssätt för rimlighets- och konsistenskontroll av resultaten. Vidare fortsätter vi med vår fallstudie om modellen för kapacitetsbegränsad anläggningsplacering och lägger till alla nödvändiga begränsningar.

Exercise 1: Vanliga misstag med bivillkor Exercise 2: Övning i beroende efterfrågerestriktioner Exercise 3: Övning i kombinerade bivillkor Exercise 4: Kapacitetsbegränsad anläggningslokalisering – fallstudie del 2 Exercise 5: Bivillkor för fallstudie Exercise 6: Lägga till logiska villkor i fallstudieövningen Exercise 7: Lös PuLP-modellen Exercise 8: Övning: välj modellstatus Exercise 9: Lös produktionsplaneringsövning Exercise 10: Rimlighetstest av lösningen Exercise 11: Granska modellspecifikationen

Aktuell övning

Exercise 12: Rimlighetscheck

I det avslutande kapitlet går vi igenom känslighetsanalys av begränsningar med hjälp av skuggpriser och slack. Vi tittar också på simuleringstestning av LP-modeller. Dessa tekniker gör det möjligt att besvara olika affärsfrågor om modellerna – till exempel tillgänglig kapacitet och marginalkostnader. Slutligen avslutar vi vår fallstudie och fokuserar på att använda känslighetsanalys och simuleringstestning för att besvara frågor om modellen.

Exercise 1: Känslighetsanalys med skuggpriser Exercise 2: Övning i känslighetsanalys Exercise 3: Skuggpris och slack – övning del 1 Exercise 4: Skuggpris och slack – del 2 Exercise 5: Kapacitetsbegränsad anläggningsplacering – fallstudie P3 Exercise 6: Lös modellens fallstudie Exercise 7: Känslighetsanalys – fallstudieövning Exercise 8: Lösning för simuleringstestning Exercise 9: Simuleringstestning – lösningsövning Exercise 10: Övning: Vad är risken?Exercise 11: Kapacitetsbegränsad anläggningslokalisering – fallstudie P4 Exercise 12: Simulationstest av kapacitetsbegränsad modell Exercise 13: Övning: tolka simuleringsresultat Exercise 14: Slutsummering