Exemple de problème d'horaires

Analytique de la chaîne d'approvisionnement avec Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Demande prévue

Jour de la semaine	Conducteurs requis
0 = lundi	11
1 = mardi	14
2 = mercredi	23
3 = jeudi	21
4 = vendredi	20
5 = samedi	15
6 = dimanche	8

Question :

Combien de conducteurs faut-il embaucher au total ?

Contrainte :

Chaque conducteur travaille 5 jours consécutifs, suivis de 2 jours de congé, chaque semaine

Étape	Définition
Var. de décision	X$_{\text{i}}$ = nombre de conducteurs au travail le jour _i_
Objectif	minimiser z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Sous contraintes	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)

Étape	Définition
Var. de décision	X$_{\text{i}}$ = nombre de conducteurs au travail le jour _i_
Objectif	minimiser z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Sous contraintes	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)

Exemple de code

# 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()

Résumé

Nos variables initiales ne fonctionnaient pas
Variables de décision pour intégrer certaines contraintes

Passons à la pratique !

Analytique de la chaîne d'approvisionnement avec Python