Kapacitní umístění závodu – případová studie P2

Supply Chain Analytics v Pythonu

Aaren Stubberfield

SuSupply Chain Analytics Mgr.

Model kapacitního umístění závodu

Modelování

  • Výroba v regionálních závodech
    • Dva typy závodů (malá / velká kapacita)
  • Export výroby do jiných regionů
  • Otevírání / zavírání výrobních závodů

obrázek zeměkoule s regionální výrobou

Supply Chain Analytics v Pythonu

Rozhodovací proměnné

Co lze řídit:

  • x$_{\text{ij}}$ = množství vyrobené v místě _i_ a expedované do _j_
  • y$_{\text{is}}$ = 1, pokud je závod v místě _i_ s kapacitou _s_ otevřen, 0 pokud je uzavřen
    • s = závod s malou nebo velkou kapacitou
Supply Chain Analytics v Pythonu

Omezení

  • Celková výroba = Celková poptávka
    • $\sum_{i=1}^{n}$ x$_{ij}$ = D$_{\text{j}}$ pro $j = 1, ..., m$
    • $n$ = počet výrobních závodů
    • $m$ = počet trhů nebo regionálních poptávkových míst
Supply Chain Analytics v Pythonu

Omezení

  • Celková výroba ≤ Celková výrobní kapacita
    • $\sum_{j=1}^{m}$ x$_{ij}$ ≤ $\sum_{s=1}$ K$_{is}$y$_{is}$
    • K$_{is}$ = potenciální výrobní kapacita závodu _i_ velikosti _s_
Supply Chain Analytics v Pythonu
from pulp import *

# Initialize Class
model = LpProblem("Capacitated Plant Location Model", LpMinimize)

# Define Decision Variables
loc = ['A', 'B', 'C', 'D', 'E']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_", [(i,j) for i in loc for j in loc], 
                      lowBound=0, upBound=None, cat='Continuous')
y = LpVariable.dicts("plant_", [(i,s) for s in size for i in loc], cat='Binary')

# Define Objective Function
model += (lpSum([fix_cost.loc[i,s]*y[(i,s)] for s in size for i in loc])
          + lpSum([var_cost.loc[i,j]*x[(i,j)] for i in loc for j in loc]))
Supply Chain Analytics v Pythonu

Příklad kódu – pokračování

# Define the Constraints
for j in loc:
   model += lpSum([x[(i, j)] for i in loc]) == demand.loc[j,'Dmd']

for i in loc: model += lpSum([x[(i, j)] for j in loc]) <= lpSum([cap.loc[i,s]*y[(i,s)] for s in size])
Supply Chain Analytics v Pythonu

Shrnutí

Model kapacitního umístění závodu:

  • Omezení
    • Celková výroba = Celková poptávka
    • Celková výroba ≤ Celková výrobní kapacita
Supply Chain Analytics v Pythonu

Čas na opakování

Supply Chain Analytics v Pythonu

Preparing Video For Download...