Localizarea capacitată a fabricilor - studiu de caz P2

Analitică în lanțul de aprovizionare cu Python

Aaren Stubberfield

SuSupply Chain Analytics Mgr.

Modelul de localizare capacitată a fabricilor

Modelare

  • Producție la facilități regionale
    • Două dimensiuni de fabrică (mică / mare)
  • Export al producției către alte regiuni
  • Fabrici deschise / închise

imagine a unui glob cu producție regională

Analitică în lanțul de aprovizionare cu Python

Variabile de decizie

Ce putem controla:

  • x$_{\text{ij}}$ = cantitatea produsă la locația _i_ și livrată la _j_
  • y$_{\text{is}}$ = 1 dacă fabrica de la locația _i_ cu capacitatea _s_ este deschisă, 0 dacă este închisă
    • s = capacitate mică sau mare
Analitică în lanțul de aprovizionare cu Python

Constrângeri

  • Producție totală = Cerere totală
    • $\sum_{i=1}^{n}$ x$_{ij}$ = D$_{\text{j}}$ pentru $j = 1, ..., m$
    • $n$ = numărul de facilități de producție
    • $m$ = numărul de piețe sau puncte de cerere regionale
Analitică în lanțul de aprovizionare cu Python

Constrângeri

  • Producție totală ≤ Capacitate totală de producție
    • $\sum_{j=1}^{m}$ x$_{ij}$ ≤ $\sum_{s=1}$ K$_{is}$y$_{is}$
    • K$_{is}$ = capacitatea potențială de producție a fabricii _i_ de dimensiunea _s_
Analitică în lanțul de aprovizionare cu Python
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]))
Analitică în lanțul de aprovizionare cu Python

Exemplu de cod (continuare)

# 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])
Analitică în lanțul de aprovizionare cu Python

Rezumat

Modelul de localizare capacitată a fabricilor:

  • Constrângeri
    • Producție totală = Cerere totală
    • Producție totală ≤ Capacitate totală de producție
Analitică în lanțul de aprovizionare cu Python

Timp de recapitulare

Analitică în lanțul de aprovizionare cu Python

Preparing Video For Download...