影子价格与松弛量练习（第 2 部分）
在本练习中，您将为一家公司的未来 4 个月制定生产计划。目标是在满足客户需求的同时，确定各月应生产的数量，以最小化生产成本（固定成本 + 变动成本）与库存成本。每个月都有生产能力与需求方面的约束。
本练习是课程的一部分
Python 供应链分析
练习说明
请在示例代码底部附近补全代码，创建一个 Pandas DataFrame，用于展示各个约束的松弛量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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(____)