スケジューリング問題の例

Pythonで学ぶサプライチェーン分析

Aaren Stubberfield

Supply Chain Analytics Mgr.

需要見込み

曜日	必要ドライバー数
0 = 月曜	11
1 = 火曜	14
2 = 水曜	23
3 = 木曜	21
4 = 金曜	20
5 = 土曜	15
6 = 日曜	8

質問:

合計で何人のドライバーを採用すべきか?

制約:

各ドライバーは5連勤の後に2連休。これを毎週繰り返す

手順	定義
意思決定変数	X$_{\text{i}}$ = 曜日 _i_ に勤務するドライバー数
目的関数	最小化 z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
制約	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)

手順	定義
意思決定変数	X$_{\text{i}}$ = 曜日 _i_ に勤務するドライバー数
目的関数	最小化 z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
制約	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)

コーディング例

# 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()

まとめ

初期の変数は機能しなかった
いくつかの制約を反映するための意思決定変数

Practice time!

Pythonで学ぶサプライチェーン分析