ตัวแปรการตัดสินใจของกรณีศึกษา
ต่อจากกรณีศึกษาโมเดล Capacitated Plant Location ของโรงงานผลิตรถยนต์ คุณจะได้รับ Pandas DataFrame 4 ชุด ได้แก่ demand, var_cost, fix_cost และ cap ซึ่งเก็บข้อมูลความต้องการรายภูมิภาค (หน่วย: พันคัน) ต้นทุนการผลิตผันแปร (หน่วย: พัน USD) ต้นทุนการผลิตคงที่ (หน่วย: พัน USD) และกำลังการผลิต (หน่วย: พันคัน) ตามลำดับ โดยตัวแปรเหล่านี้ถูกแสดงผลในคอนโซลให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Supply Chain Analytics ด้วย Python
คำแนะนำการฝึกหัด
- เริ่มต้นสร้าง class
- กำหนดตัวแปรการตัดสินใจโดยใช้
LpVariable.dictsร่วมกับ list comprehension ของ Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Initialize Class
model = LpProblem("Capacitated Plant Location Model", ____)
# Define Decision Variables
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_",
[(i,j) for ____ in ____ for ____ in ____],
lowBound=____, upBound=____, cat=_____)
y = LpVariable.dicts("plant_",
[____ for ____ in ____ for ____ in ____], cat=____)