การตรวจสอบความสมเหตุสมผลของคำตอบ

Supply Chain Analytics ด้วย Python

Aaren Stubberfield

Supply Chain Analytics Mgr.

แผนผังขั้นตอนการตรวจสอบคำตอบ

Supply Chain Analytics ด้วย Python

ตรวจสอบสถานะของโมเดล

  • Infeasible: ไม่มีคำตอบที่เป็นไปได้
    • ทบทวนข้อจำกัด
  • Unbounded: ฟังก์ชันวัตถุประสงค์ไม่มีขอบเขต การหาค่าสูงสุดหรือต่ำสุดจะเข้าสู่อินฟินิตี้
    • ทบทวนฟังก์ชันวัตถุประสงค์
  • Undefined: อาจมีคำตอบที่ดีที่สุด แต่ยังหาไม่พบ
    • อาจเป็นคำตอบที่ดีที่สุดเท่าที่มี
    • ทบทวนวิธีการสร้างแบบจำลองปัญหา
Supply Chain Analytics ด้วย Python

ตรวจสอบว่าผลลัพธ์อยู่ในช่วงที่คาดไว้หรือไม่

ตัวแปรการตัดสินใจ และค่าของวัตถุประสงค์อยู่ในช่วงที่คาดไว้หรือไม่?

  • พิจารณาจากความรู้และความเข้าใจในปัญหา
  • ถ้า "ใช่" แสดงว่าได้คำตอบที่ถูกต้องแล้ว
  • ถ้า "ไม่" ให้ทบทวน:
    • โค้ด Python
    • ข้อมูล
    • เขียน LP File
Supply Chain Analytics ด้วย Python

เขียน LP

writeLP(filename)
  • filename = ชื่อของไฟล์ที่จะสร้าง

แสดงข้อมูล:

  • ชื่อปัญหา
  • ฟังก์ชันวัตถุประสงค์ และระบุว่าเป็นการหาค่าต่ำสุดหรือสูงสุด
  • ข้อจำกัดต่าง ๆ รวมถึงขอบเขตของตัวแปรการตัดสินใจ
  • ตัวแปรการตัดสินใจ
Supply Chain Analytics ด้วย Python

ตัวอย่างโค้ด

\* Aggregate Production Planning *\
Minimize
OBJ: 20 prod_('A',_0) + 17 prod_('A',_1) 
    + 18 prod_('A',_2) + 15 prod_('B',_0) 
    + 16 prod_('B',_1) + 15 prod_('B',_2)
Subject To
_C1: prod_('A',_0) >= 0
_C2: prod_('A',_1) >= 0
_C3: prod_('A',_2) >= 0
_C4: prod_('B',_0) >= 8
_C5: prod_('B',_1) >= 7
_C6: prod_('B',_2) >= 6
Bounds
0 <= prod_('A',_0)
0 <= prod_('A',_1)
0 <= prod_('A',_2)
0 <= prod_('B',_0)
0 <= prod_('B',_1)
0 <= prod_('B',_2)
Generals
prod_('A',_0)
prod_('A',_1)
prod_('A',_2)
prod_('B',_0)
prod_('B',_1)
prod_('B',_2)
Supply Chain Analytics ด้วย Python

สรุป

กลยุทธ์การตรวจสอบความสมเหตุสมผล

  • ตรวจสอบสถานะของโมเดล
  • ตรวจสอบว่าตัวแปรการตัดสินใจและวัตถุประสงค์อยู่ในช่วงที่คาดไว้
  • ใช้ writeLP() เมื่อจำเป็น
Supply Chain Analytics ด้วย Python

มาฝึกกันเถอะ!

Supply Chain Analytics ด้วย Python

Preparing Video For Download...