Exempel på ett schemaläggningsproblem

Supply Chain Analytics i Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

Förväntad efterfrågan

Veckodag Förare som behövs
0 = Måndag 11
1 = Tisdag 14
2 = Onsdag 23
3 = Torsdag 21
4 = Fredag 20
5 = Lördag 15
6 = Söndag 8

Fråga:

  • Hur många förare behöver vi anställa totalt?

Begränsning:

  • Varje förare arbetar 5 dagar i följd och har sedan 2 dagar ledigt, upprepat varje vecka
Supply Chain Analytics i Python
Steg Definition
Beslutsvariabel X$_{\text{i}}$ = antalet förare som arbetar dag _i_
Målsättning minimera z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Villkor 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)
Supply Chain Analytics i Python
Steg Definition
Beslutsvariabel X$_{\text{i}}$ = antalet förare som arbetar dag _i_
Målsättning minimera z = X$_{\text{0}}$ + X$_{\text{1}}$ + X$_{\text{2}}$ + X$_{\text{3}}$ + X$_{\text{4}}$ + X$_{\text{5}}$ + X$_{\text{6}}$
Villkor 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)
Supply Chain Analytics i Python

Kodexempel

# 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()
Supply Chain Analytics i Python

Sammanfattning

  • De ursprungliga variablerna fungerade inte
  • Beslutsvariabler kan inkludera en del av begränsningarna
Supply Chain Analytics i Python

Nu kör vi en övning!

Supply Chain Analytics i Python

Preparing Video For Download...