Question

У меня есть скрипт, который производит автоматическое время смены в зависимости от доступности и различных ограничений.Это:

В любой данный период времени вы должны соответствовать минимальным требованиям к персоналу
У человека есть минимальное и максимальное количество часов, которое он может сделать
Работник может быть назначен на работу только в течение своего доступного времени
Человек может работать только в одну смену в день
Человек может начать работу не позднее 8 вечера * 10101

Чтобы получить общее представление о процессе, staff_availability df содержит сотрудников на выбор ['Person'], доступные минимальные и максимальные часы, в течение которых они могут работать ['MinHours'] - ['MaxHours'], сколько им платят ['HourlyWage'] и доступность, выраженные в виде часов ['Availability_Hr'] и 15-минутных сегментов ['Availability_15min_Seg'].

* * * *1023* содержит время суток ['Time'] и необходимый персонал ['People'] в эти периоды.

скрипт возвращает df 'availability_per_member', который показывает, сколько сотрудников доступно в каждый момент времени.Таким образом, 1 означает доступность для планирования, а 0 означает недоступность.Затем он направлен на распределение времени смены с учетом ограничений, используя pulp.

У меня вопрос к 5-му ограничению.Это проблема кодирования.Я прокомментировал это, чтобы скрипт работал.Ограничение и ошибка приведены ниже:

# Do not start people later than 8PM
for timeslot in timeslots:
    prob += (sum([staffed[(timeslot, person)] for person in persons])
    <= staffing_requirements.loc[person, 'Availability_Hr'] <= 52)

Ошибка:

KeyError: 'the label [C11] is not in the [index]'

Сценарий:

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as dates


staffing_requirements = pd.DataFrame({
    'Time' : ['0/1/1900 8:00:00','0/1/1900 9:59:00','0/1/1900 10:00:00','0/1/1900 12:29:00','0/1/1900 12:30:00','0/1/1900 13:00:00','0/1/1900 13:02:00','0/1/1900 13:15:00','0/1/1900 13:20:00','0/1/1900 18:10:00','0/1/1900 18:15:00','0/1/1900 18:20:00','0/1/1900 18:25:00','0/1/1900 18:45:00','0/1/1900 18:50:00','0/1/1900 19:05:00','0/1/1900 19:07:00','0/1/1900 21:57:00','0/1/1900 22:00:00','0/1/1900 22:30:00','0/1/1900 22:35:00','1/1/1900 3:00:00','1/1/1900 3:05:00','1/1/1900 3:20:00','1/1/1900 3:25:00'],                 
    'People' : [1,1,2,2,3,3,2,2,3,3,4,4,3,3,2,2,3,3,4,4,3,3,2,2,1],                      
    })

staff_availability = pd.DataFrame({
    'Person' : ['C1','C2','C3','C4','C5','C6','C7','C8','C9','C10','C11'],                 
    'MinHours' : [5,5,5,5,5,5,5,5,5,5,5],    
    'MaxHours' : [10,10,10,10,10,10,10,10,10,10,10],                 
    'HourlyWage' : [26,26,26,26,26,26,26,26,26,26,26],  
    'Availability_Hr' : ['8-18','8-18','8-18','9-18','9-18','9-18','12-1','12-1','17-3','17-3','17-3'],                              
    'Availability_15min_Seg' : ['1-41','1-41','1-41','5-41','5-41','5-41','17-69','17-79','37-79','37-79','37-79'],                              
    })

''' Generate availability at each point in time '''

staffing_requirements['Time'] = ['/'.join([str(int(x.split('/')[0])+1)] + x.split('/')[1:]) for x in staffing_requirements['Time']]
staffing_requirements['Time'] = pd.to_datetime(staffing_requirements['Time'], format='%d/%m/%Y %H:%M:%S')
formatter = dates.DateFormatter('%Y-%m-%d %H:%M:%S') 

# 15 Min
staffing_requirements = staffing_requirements.groupby(pd.Grouper(freq='15T',key='Time'))['People'].max().ffill()
staffing_requirements = staffing_requirements.reset_index(level=['Time'])

staffing_requirements.index = range(1, len(staffing_requirements) + 1) 

staff_availability.set_index('Person')

staff_costs = staff_availability.set_index('Person')[['MinHours', 'MaxHours', 'HourlyWage']]
availability = staff_availability.set_index('Person')[['Availability_15min_Seg']]
availability[['first_15min', 'last_15min']] =  availability['Availability_15min_Seg'].str.split('-', expand=True).astype(int)

availability_per_member =  [pd.DataFrame(1, columns=[idx], index=range(row['first_15min'], row['last_15min']+1))
 for idx, row in availability.iterrows()]

availability_per_member = pd.concat(availability_per_member, axis='columns').fillna(0).astype(int).stack()
availability_per_member.index.names = ['Timeslot', 'Person']
availability_per_member = (availability_per_member.to_frame()
                            .join(staff_costs[['HourlyWage']])
                            .rename(columns={0: 'Available'}))


''' Generate shift times based off availability  '''

import pulp
prob = pulp.LpProblem('CreateStaffing', pulp.LpMinimize) # Minimize costs

timeslots = staffing_requirements.index
persons = availability_per_member.index.levels[1]

# A member is either staffed or is not at a certain timeslot
staffed = pulp.LpVariable.dicts("staffed",
                                   ((timeslot, staffmember) for timeslot, staffmember 
                                in availability_per_member.index),
                                 lowBound=0,
                                 cat='Binary')

# Objective = cost (= sum of hourly wages)                              
prob += pulp.lpSum(
    [staffed[timeslot, staffmember] * availability_per_member.loc[(timeslot, staffmember), 'HourlyWage'] 
    for timeslot, staffmember in availability_per_member.index]
)

# Staff the right number of people
for timeslot in timeslots:
    prob += (sum([staffed[(timeslot, person)] for person in persons]) 
    >= staffing_requirements.loc[timeslot, 'People'])


# Do not staff unavailable persons
for timeslot in timeslots:
    for person in persons:
        if availability_per_member.loc[(timeslot, person), 'Available'] == 0:
            prob += staffed[timeslot, person] == 0

# Do not underemploy people
for person in persons:
    prob += (sum([staffed[(timeslot, person)] for timeslot in timeslots])
    >= staff_costs.loc[person, 'MinHours']*4) # timeslot is 15 minutes => 4 timeslots = hour

# Do not overemploy people
for person in persons:
    prob += (sum([staffed[(timeslot, person)] for timeslot in timeslots])
    <= staff_costs.loc[person, 'MaxHours']*4) # timeslot is 15 minutes => 4 timeslots = hour

# Do not start people later than 8PM
for timeslot in timeslots:
    prob += (sum([staffed[(timeslot, person)] for person in persons])
    <= staffing_requirements.loc[person, 'Availability_Hr'] <= 52)    

# If an employee works and then stops, they can't start again
num_slots = max(timeslots)
for timeslot in timeslots:
    if timeslot < num_slots:
        for person in persons:
            prob += staffed[timeslot+1, person] <= staffed[timeslot, person] + \
                (1 - (1./num_slots) *
                 sum([staffed[(s, person)] for s in timeslots if s < timeslot]))    


prob.solve()
print(pulp.LpStatus[prob.status])

output = []
for timeslot, staffmember in staffed:
    var_output = {
        'Timeslot': timeslot,
        'Staffmember': staffmember,
        'Staffed': staffed[(timeslot, staffmember)].varValue,
    }
    output.append(var_output)
output_df = pd.DataFrame.from_records(output)#.sort_values(['timeslot', 'staffmember'])
output_df.set_index(['Timeslot', 'Staffmember'], inplace=True)
if pulp.LpStatus[prob.status] == 'Optimal':
    print(output_df)

kabdulla · Answer 1 · 28 июня 2019

В комментариях обсуждается, является ли это проблемой ИЛИ или проблемой кодирования python / pulp.Я думаю, что это немного и то и другое.

Я не слежу за тем, как ваша версия без сдвигов, начинающаяся после кода 8 вечера, должна работать.Это может быть потому, что я не видел вашу математическую формулировку (как это было предложено в комментариях).

Я бы сделал так: вы не хотите, чтобы сдвиги начинались после 8 вечера.Я предполагаю, что это временной интервал 52 от вашей попытки сделать это.Учитывая, что вы не разрешаете разделенные сдвиги, самый простой способ применить это ограничение - сказать (в псевдокоде)

для каждого человека, если у него нет слотов до или в слоте в 8 вечера, тогда они не допускаютсялюбые слоты после 8 вечера.

И в коде:

for person in persons:
    prob += pulp.lpSum([staffed[timeslot, person] for timeslot in timeslots if timeslot > 52]) <= \
                pulp.lpSum([staffed[timeslot, person] for timeslot in timeslots if timeslot <= 52])*30

Чтобы увидеть, как это работает, рассмотрим два случая.

Во-первых, для человека, который не работает вили до 8 вечера (то есть timeslot <= 52).Для этого человека правая часть этого ограничения становится <=0, поэтому не может работать ни один слот после 8 вечера (timeslot > 52).

С другой стороны, если хотя бы одна смена запланирована до 8 вечераправая сторона становится <=30 (или <= большее число, если существует несколько сдвигов до 20:00), поэтому ограничение неактивно (после 20:00 есть только 27 возможных интервалов, так что до этого работает один интервалне накладывает никаких ограничений на работу после 20:00. </p>

Автоматизировать время смены с учетом ограничений

Пожалуйста, войдите или зарегистрируйтесь чтобы ответить на этот вопрос.

1 Ответ

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Автоматизировать время смены с учетом ограничений

Пожалуйста, войдите или зарегистрируйтесь чтобы ответить на этот вопрос.

1 Ответ

Пожалуйста, войдите или зарегистрируйтесь что бы добавить комментарий.

Похожие темы