Basis van PuLP-modelleren

Supply Chain Analytics in Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Wat is PuLP

PuLP is een modelleringsframework voor lineaire (LP) en geheelgetalprogrammering (IP) in Python
Onderhouden door de COIN-OR Foundation (Computational Infrastructure for Operations Research)
PuLP koppelt aan solvers
- CPLEX
- COIN
- Gurobi
- enz.

PuLP-voorbeeld – resourceplanning

Consultant voor een boetiekbanketbakkerij die 2 soorten taarten verkoopt
Maand van 30 dagen
Er is:
- 1 oven
- 2 bakkers
- 1 inpakker – werkt slechts 22 dagen

PuLP-voorbeeld – resourceplanning

Verschillende resourcebehoeften voor de 2 soorten taarten:

	Taart A	Taart B
Oven	0,5 dag	1 dag
Bakkers	1 dag	2,5 dag
Inpakkers	1 dag	2 dagen

	Taart A	Taart B
Winst	$20,00	$40,00

PuLP-voorbeeld – resourceplanning

Doel: winst maximaliseren
- Winst = 20*A + 40*B
Onder de voorwaarden:
- A ≥ 0
- B ≥ 0
- 0,5A + 1B ≤ 30
- 1A + 2,5B ≤ 60
- 1A + 2B ≤ 22

Gebruikelijk modelleerproces voor PuLP

Model initialiseren
Beslissingsvariabelen definiëren
Doelfunctie definiëren
Restricties definiëren
Model oplossen

Model initialiseren - LpProblem()

LpProblem(name='NoName', sense=LpMinimize)

name = Naam van het probleem in het .lp-uitvoerbestand, bijv. "My LP Problem"
sense = Maximaliseer of minimaliseer de doelstelling
- Minimaliseren = LpMinimize (standaard)
- Maximaliseren = LpMaximize

PuLP-voorbeeld – resourceplanning

Model initialiseren

from pulp import *

# Klasse initialiseren
model = LpProblem("Maximize Bakery Profits", LpMaximize)

Beslissingsvariabelen definiëren - LpVariable()

LpVariable(name, lowBound=None, upBound=None, cat='Continuous', e=None)

name = Naam van de variabele in het .lp-uitvoerbestand
lowBound = Ondergrens
upBound = Bovengrens
cat = Type variabele
- Integer
- Binary
- Continuous (standaard)
e = Voor kolomgebaseerd modelleren

PuLP-voorbeeld – resourceplanning

Klasse initialiseren
Variabelen definiëren

# Beslissingsvariabelen definiëren
A = LpVariable('A', lowBound=0, cat='Integer')
B = LpVariable('B', lowBound=0, cat='Integer')

PuLP-voorbeeld – resourceplanning

Klasse initialiseren
Variabelen definiëren
Doelfunctie definiëren

# Doelfunctie definiëren
model += 20 * A + 40 * B

PuLP-voorbeeld – resourceplanning

Klasse initialiseren
Variabelen definiëren
Doelfunctie definiëren
Restricties definiëren

# Restricties definiëren
model += 0.5 * A + 1 * B <= 30
model += 1 * A + 2.5 * B <= 60
model += 1 * A + 2 * B <= 22

PuLP-voorbeeld – resourceplanning

Klasse initialiseren
Variabelen definiëren
Doelfunctie definiëren
Restricties definiëren
Model oplossen

# Model oplossen
model.solve()
print("Produce {} Cake A".format(A.varValue))
print("Produce {} Cake B".format(B.varValue))

PuLP-voorbeeld – resourceplanning

from pulp import *

# Initialize Class
model = LpProblem("Maximize Bakery Profits",
                   LpMaximize)

# Define Decision Variables
A = LpVariable('A', lowBound=0,
                cat='Integer')
B = LpVariable('B', lowBound=0, 
                cat='Integer')

# Define Objective Function
model += 20 * A + 40 * B

# Define Constraints
model += 0.5 * A + 1 * B <= 30
model += 1 * A + 2.5 * B <= 60
model += 1 * A + 2 * B <= 22

# Solve Model
model.solve()
print("Produce {} Cake A".format(A.varValue))
print("Produce {} Cake B".format(B.varValue))

Samenvatting

PuLP is een Python-modeler voor LP/IP
5 stappen van het PuLP-modelleerproces herzien
1. Model initialiseren
2. Beslissingsvariabelen definiëren
3. Doelfunctie definiëren
4. Restricties definiëren
5. Model oplossen
Resourceplanning-voorbeeld afgerond

Laten we oefenen!

Supply Chain Analytics in Python