Verifica di sanità della soluzione

Analytics per la supply chain con Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

diagramma del flusso della strategia di soluzione

Controlla lo stato del modello

Infeasible: non esistono soluzioni fattibili.
- Rivedi i vincoli
Unbounded: la funzione obiettivo non è limitata; massimizzare/minimizzare tende all’infinito.
- Rivedi la funzione obiettivo
Undefined: la soluzione ottima può esistere ma non è stata trovata.
- Forse la migliore soluzione disponibile
- Rivedi come stai modellando il problema

Verifica se i risultati sono attesi

Le variabili decisionali e il valore dell’obiettivo sono nel range atteso?

In base alla conoscenza del problema
Se "Sì", hai una soluzione valida
Se "No", rivedi:
- Codice Python
- Dati
- Scrivi il file LP

Scrivi LP

writeLP(filename)

filename = nome del file da creare

Mostra:

Nome del problema
Funzione obiettivo e se minimizza o massimizza
Vincoli, inclusi i vincoli sulle variabili decisionali (Bounds)
Variabili decisionali

Esempio di codice

\* Aggregate Production Planning *\
Minimize
OBJ: 20 prod_('A',_0) + 17 prod_('A',_1) 
    + 18 prod_('A',_2) + 15 prod_('B',_0) 
    + 16 prod_('B',_1) + 15 prod_('B',_2)
Subject To
_C1: prod_('A',_0) >= 0
_C2: prod_('A',_1) >= 0
_C3: prod_('A',_2) >= 0
_C4: prod_('B',_0) >= 8
_C5: prod_('B',_1) >= 7
_C6: prod_('B',_2) >= 6

Bounds
0 <= prod_('A',_0)
0 <= prod_('A',_1)
0 <= prod_('A',_2)
0 <= prod_('B',_0)
0 <= prod_('B',_1)
0 <= prod_('B',_2)
Generals
prod_('A',_0)
prod_('A',_1)
prod_('A',_2)
prod_('B',_0)
prod_('B',_1)
prod_('B',_2)

Riepilogo

Strategia per la verifica

Controlla lo stato del modello
Controlla variabili decisionali e obiettivo nel range atteso
Usa writeLP() se serve

¡Vamos a practicar!

Analytics per la supply chain con Python