Voorbeeld van een planningsprobleem

Supply Chain Analytics in Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Verwachte vraag

Dag van de week Benodigde chauffeurs
0 = maandag 11
1 = dinsdag 14
2 = woensdag 23
3 = donderdag 21
4 = vrijdag 20
5 = zaterdag 15
6 = zondag 8

Vraag:

  • Hoeveel chauffeurs moeten we in totaal aannemen?

Beperking:

  • Elke chauffeur werkt 5 aaneengesloten dagen, gevolgd door 2 vrije dagen, wekelijks herhaald
Supply Chain Analytics in Python
Stap Definitie
Beslissingsvar X$_{\text{i}}$ = aantal chauffeurs dat werkt op dag _i_
Doel minimaliseer z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Onderworpen aan X$_{\text{0}}$ ≥ 11
X$_{\text{1}}$ ≥ 14
X$_{\text{2}}$ ≥ 23
X$_{\text{3}}$ ≥ 21
X$_{\text{4}}$ ≥ 20
X$_{\text{i}}$ ≥ 0 (i = 0, ..., 6)
Supply Chain Analytics in Python
Stap Definitie
Beslissingsvar X$_{\text{i}}$ = aantal chauffeurs dat werkt op dag _i_
Doel minimaliseer z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Onderworpen aan X$_{\text{0}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$ ≥ 11
X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$ ≥ 14
X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{6}}$ ≥ 23
X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ ≥ 21
X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ ≥ 15
X$_{\text{i}}$ ≥ 0 (i = 0, ..., 6)
Supply Chain Analytics in Python

Codevoorbeeld

# Initialize Class
model = LpProblem("Minimize Staffing", 
                   LpMinimize)
days = list(range(7))

# Define Decision Variables
x = LpVariable.dicts('staff_', days,
                      lowBound=0, cat='Integer')

# Define Objective
model += lpSum([x[i] for i in days])
# Define Constraints
model += x[0] + x[3] + x[4] + x[5] + x[6] >= 11
model += x[0] + x[1] + x[4] + x[5] + x[6] >= 14
model += x[0] + x[1] + x[2] + x[5] + x[6] >= 23
model += x[0] + x[1] + x[2] + x[3] + x[6] >= 21
model += x[0] + x[1] + x[2] + x[3] + x[4] >= 20
model += x[1] + x[2] + x[3] + x[4] + x[5] >= 15
model += x[2] + x[3] + x[4] + x[5] + x[6] >= 8

# Solve Model
model.solve()
Supply Chain Analytics in Python

Samenvatting

  • Onze eerste variabelen werkten niet
  • Beslissingsvariabelen om enkele beperkingen op te nemen
Supply Chain Analytics in Python

Laten we oefenen!

Supply Chain Analytics in Python

Preparing Video For Download...