python的运筹学工业场景模拟第二十三篇:产线自产+外协加工，设备产能外协上限约束，求解满足订单的最小总生产成本方案。

产线自产外协加工用 Python PuLP 求解最小成本生产方案某工程机械结构件厂主做挖掘机配重和动臂。旺季时自家焊接线和机加工线全月满产也只能出1200吨但客户订单砸下来要1800吨。生产主管第一反应全甩给外协厂——结果外协报价比自产贵40%而且外协厂那边同时接了5家客户的急单只能接800吨。最后硬着头皮自产外协混着来但因为没算清楚哪类产品自产划算、哪类外协划算导致把简单的小件拿去外协贵复杂的大件反而留给自家产线产能被占死白白多花了37万。后来用线性规划跑了一版把产品按自产成本 vs 外协成本 vs 产线工时约束排了个最优分配同样的订单量总成本降了21%。—— 参考北京理工大学《运筹学》第2章线性规划、第7章运输与分配问题一、实际应用场景描述在工程机械、汽车零部件、钣金加工、铸造锻造等离散制造行业企业普遍面临一个现实自有产线产能刚性订单波动巨大。旺季产能缺口靠外协加工外包来补但外协有上限供应商产能有限、质量参差不齐、单价更高。如何在自产产能 外协上限的双重约束下把不同产品合理地分配给自产和外协使得总成本最低、订单全部交付就是一个经典的带资源约束的生产分配问题。┌──────────────────────────────────────────────────────────────┐│ 产线自产 外协加工 · 最小成本分配系统 ││ ││ 【产品族】 ││ ┌──────────┬──────────┬──────────┬──────────┐ ││ │ 产品 │ 订单量 │ 自产单耗 │ 自产成本 │ ││ ├──────────┼──────────┼──────────┼──────────┤ ││ │ 配重块 │ 500吨 │ 0.15h/kg │ 8.5元/kg │ ││ │ 动臂 │ 300吨 │ 0.35h/kg │ 12.0元/kg│ ││ │ 斗杆 │ 400吨 │ 0.28h/kg │ 10.5元/kg│ ││ │ 油箱 │ 600吨 │ 0.08h/kg │ 6.0元/kg │ ││ └──────────┴──────────┴──────────┴──────────┘ ││ ││ 【产能资源】 ││ • 焊接产线: 最大 2000 机器小时/月 ││ • 机加工线: 最大 1500 机器小时/月 ││ • 外协厂A: 最大 400 吨/月, 单价 35% ││ • 外协厂B: 最大 600 吨/月, 单价 50% ││ ││ 【外协约束】 ││ • 配重块不能外协BB厂没有大型涂装线 ││ • 油箱优先自产质量要求高外协不良率翻倍 ││ ││ 【目标】 ││ Minimize: Σ(自产成本 外协成本) ││ Subject to: ││ 自产工时 ≤ 产线最大工时 ││ 外协量 ≤ 外协厂上限 ││ 自产量 外协量 订单量全部交付 ││ 产品-外协厂兼容性约束 ││ ││ 【本方案求解架构】 ││ ┌──────────────┐ ┌──────────────┐ ┌──────────────────┐││ │ 产品/订单数据│──►│ LP模型构建 │──►│ PuLP求解结果分析│││ │ 产能/外协参数│ │ 成本约束 │ │ 自产/外协分配方案 │││ └──────────────┘ └──────────────┘ └──────────────────┘│└──────────────────────────────────────────────────────────────┘二、引入痛点含量化对比2.1 现场真实困境某结构件厂生产计划主管的原话去年3月我们接了四个大客户的春季急单配重500吨、动臂300吨、斗杆400吨、油箱600吨总共1800吨。我算了下自家产能——焊接线2000小时、机加工1500小时全满也就1200吨左右。差600吨得走外协。问题是我没算清楚哪类产品该自产、哪类该外协。当时想的是把简单的油箱甩出去——结果外协厂B接了300吨油箱单价贵了50%而且回来发现焊缝不良率12%我们自己控制在2%以内返工又花了8万多。同时动臂自产占了焊接线大量工时导致配重反而没产能做——配重是自产利润最高的产品自产8.5元/kg vs 外协11.5元/kg差价最大。最后那个月总成本比如果分配合理多花了37万。后来我用PuLP把这个分配问题建了个线性规划模型跑出来最优方案是配重和油箱尽量自产利润高工时省动臂和斗杆多余的量走外协。同样的订单总成本从176万降到139万省了37万。而且外协不良率也降了——因为只把外协厂也能做好的产品送出去。2.2 经验分配 vs 运筹学最优分配量化对比指标 经验分配计划员凭感觉 LP最优分配本方案 改善效果自产总量 1000 吨 1180 吨 18%外协总量 800 吨 620 吨 -22.5%总生产成本 176 万元 139 万元 -21.0%外协不良返工费 8.2 万元 1.5 万元 -81.7%焊接线利用率 98%但产品组合差 99.2%最优组合 更合理订单交付率 100%但质量投诉3起 100%质量投诉0起 质量提升综合节约 - 约 45 万元/旺季月 净增关键发现外协不是甩包袱——把什么产品、多少量、给哪家外协厂直接决定了成本和质量。线性规划的价值在于把所有产品、所有产线、所有外协厂放在一个全局目标下统筹分配而不是哪个急就甩哪个。2.3 核心矛盾自产外协分配的核心矛盾是自产便宜但产能有限与外协灵活但单价高质量风险之间的权衡。贪心策略先保自产、剩下的全外协忽略了产品间的工时/利润差异——有些产品自产占产能多但利润薄不如外协有些产品自产省工时且利润厚必须留给自己做。线性规划把这道选择题变成了计算题。三、核心逻辑讲解大白话版3.1 用大白话解释自产外协分配想象你在经营一家饺子馆同时跟隔壁饺子店有合作关系场景- 你自己有2口锅产能每口锅一小时能煮50个饺子。- 周末晚上突然来了500个饺子的外卖订单。- 你自己2口锅全开一小时最多煮100个5小时才能煮完——但外卖骑手等不了那么久。- 隔壁店可以帮你煮外协但收你每个饺子贵2毛钱而且最多帮你煮200个产能上限。- 你的饺子有三种馅猪肉白菜煮得快、利润高、韭菜鸡蛋煮得慢、利润薄、三鲜煮得最慢、利润中等。贪心做法先煮猪肉白菜觉得最重要韭菜鸡蛋和三鲜来不及就甩给隔壁。结果猪肉白菜占锅时间短你很快煮完了但隔壁拿到的是韭菜鸡蛋煮得慢的隔壁也煮不过来还收你加急费。聪明做法线性规划- 算一下每种饺子煮一个需要多久工时消耗自己煮一个赚多少隔壁煮一个赚多少- 全局算让总利润最高总成本最低的分配方式。- 结果猪肉白菜和三鲜尽量自己煮利润高韭菜鸡蛋多给隔壁煮利润薄自己煮占锅时间长不划算。工业现场版- 饺子馆 自有产线- 隔壁店 外协厂- 3种馅 4种产品配重、动臂、斗杆、油箱- 锅 焊接线/机加工线- 煮饺子时间 单件工时- 聪明做法 线性规划全局最优分配大白话总结- 决策变量每种产品自产多少、外协给A多少、外协给B多少- 目标总成本最低- 约束产线工时不够用、外协厂有上限、订单必须全交- 核心洞察不是能不能做的问题是谁来做最划算的问题3.2 运筹学模型北理工《运筹学》标准建模带资源约束的生产分配模型线性规划集合定义- i \in I 产品集合- r \in R 自有产线资源集合- s \in S 外协厂集合决策变量- x_{ir} \ge 0 产品 i 在自有产线 r 上的自产量- y_{is} \ge 0 产品 i 分配给外协厂 s 的量目标函数最小化总成本\min \sum_{i \in I} \sum_{r \in R} c_{ir}^{in} \cdot x_{ir} \sum_{i \in I} \sum_{s \in S} c_{is}^{out} \cdot y_{is}约束条件1. 订单全部交付\sum_{r} x_{ir} \sum_{s} y_{is} D_i \quad \forall i \in I2. 自有产线工时约束\sum_{i \in I} t_{ir} \cdot x_{ir} \le H_r \quad \forall r \in R3. 外协厂产能上限\sum_{i \in I} y_{is} \le C_s \quad \forall s \in S4. 产品-外协厂兼容性某些产品不能给某些外协厂y_{is} 0 \quad \text{if } (i,s) \notin \text{Allowed}5. 非负约束 x_{ir} \ge 0, y_{is} \ge 0参考北理工《运筹学》- 第2章线性规划§2.1 数学模型、§2.3 单纯形法- 第7章运输与分配问题§7.1 运输问题本问题是运输问题的扩展——有产能约束多资源3.3 如何映射到代码中数学模型/概念 Python 代码产品集合 IProduct 数据类列表产线集合 RProductionLine 数据类列表外协厂集合 SOutsourceVendor 数据类列表订单量 D_iProduct.demand自产单位成本 c_{ir}^{in}Product.inhouse_cost外协单位成本 c_{is}^{out}vendor.premium_rate * product.inhouse_cost工时系数 t_{ir}Product.labor_hours_per_unit决策变量 x_{ir}, y_{is}pulp.LpVariable 字典交付约束prob inhouse_sum outsource_sum demand产线工时约束prob pulp.lpSum(hours) capacity外协上限prob pulp.lpSum(vendor_outsource) max_capacity兼容性约束 初始化时不创建该组合的变量四、OOP 代码实现精简可运行4.1 项目结构make_or_outsource/├── make_outsource.py # 核心代码单文件~300行├── README.md # 使用说明└── requirements.txt # 依赖库4.2 完整源代码可直接运行detailssummary/summary产线自产外协加工 · 最小成本生产分配参考: 北京理工大学《运筹学》第2章线性规划、第7章运输与分配问题作者: 工业控制与上位机开发工程师适用: CSDN技术博客完整发布版(单文件, ~300行)功能:- 定义产品、产线、外协厂及成本/产能参数- 用PuLP建立带资源约束的线性规划分配模型- 决策: 每种产品自产多少、外协给哪家多少- 目标: 最小化总生产成本自产外协- 输出详细分配方案成本分解对比分析运行:pip install pulppython make_outsource.pyfrom dataclasses import dataclass, fieldfrom typing import Dict, List, Optional, Tupleimport pulp# ─── 数据模型 ────────────────────────────────────────────────────────────dataclassclass Product:产品/零件定义id: strname: strdemand: float # 订单量 (吨/件)inhouse_cost: float # 自产单位成本 (元/kg或元/件)labor_hours_per_unit: float # 自产单耗工时 (小时/吨)allowed_vendors: List[str] field(default_factorylambda: [A, B])description: str dataclassclass ProductionLine:自有产线id: strname: strmax_hours: float # 最大可用工时 (小时/月)description: str dataclassclass OutsourceVendor:外协厂id: strname: strmax_capacity: float # 最大承接量 (吨/月)premium_rate: float 0.35 # 外协溢价率 (35% 单价是自产的1.35倍)description: str # ─── 问题定义与求解 ────────────────────────────────────────────────────────class MakeOrOutsourceProblem:自产外协分配问题参考: 北理工《运筹学》§2.1 线性规划问题及其数学模型def __init__(self,products: List[Product],lines: List[ProductionLine],vendors: List[OutsourceVendor],):self.products {p.id: p for p in products}self.lines {l.id: l for l in lines}self.vendors {v.id: v for v in vendors}# 校验兼容性for p in products:for v_id in p.allowed_vendors:if v_id not in self.vendors:raise ValueError(fProduct {p.id}: vendor {v_id} not defined)def solve(self, verbose: bool False) - Optional[Dict]:构建并求解LP模型Returns:结果字典包含分配方案和总成本products self.productslines self.linesvendors self.vendorsprob pulp.LpProblem(Make_vs_Outsource, pulp.LpMinimize)# ── 决策变量 ──# x[p_id] 自产总量所有产线合并简化模型x pulp.LpVariable.dicts(Inhouse, products.keys(), lowBound0, catContinuous)# y[p_id][v_id] 外协给vendor的量y {}for pid, prod in products.items():for vid in prod.allowed_vendors:y[(pid, vid)] pulp.LpVariable(fOutsource_{pid}_to_{vid},lowBound0,upBoundproducts[pid].demand, # 不能超过需求量catContinuous,)# ── 目标函数 ──total_cost pulp.lpSum(prod.inhouse_cost * x[pid] for pid, prod in products.items())for (pid, vid), var in y.items():outsource_unit_cost products[pid].inhouse_cost * (1 vendors[vid].premium_rate)total_cost outsource_unit_cost * varprob total_cost, Total_Production_Cost# ── 约束1: 订单全部交付 ──for pid, prod in products.items():outsource_sum pulp.lpSum(y.get((pid, vid), 0) for vid in prod.allowed_vendors)prob x[pid] outsource_sum prod.demand, fDemand_{pid}# ── 约束2: 自有产线工时 ──# 简化: 所有产线工时汇总为一个总工时池# (更精细的模型可以分产线但这里用总工时简化)total_hours_used pulp.lpSum(prod.labor_hours_per_unit * x[pid] for pid, prod in products.items())total_capacity sum(line.max_hours for line in lines.values())prob total_hours_used total_capacity, Total_Line_Capacity# ── 约束3: 外协厂产能上限 ──for vid, vendor in vendors.items():vendor_total pulp.lpSum(y.get((pid, vid), 0) for pid in productsif (pid, vid) in y)prob vendor_total vendor.max_capacity, fVendorCap_{vid}# ── 求解 ──solver pulp.PULP_CBC_CMD(msgverbose)status prob.solve(solver)if pulp.LpStatus[status] ! Optimal:print(f ❌ 求解失败: {pulp.LpStatus[status]})return None# ── 提取结果 ──results {status: pulp.LpStatus[status],total_cost: pulp.value(prob.objective),total_hours_used: pulp.value(total_hours_used),total_capacity: total_capacity,products: {},vendors: {},}for pid, prod in products.items():outsource_detail {}for vid in prod.allowed_vendors:val pulp.value(y.get((pid, vid), 0))if val and val 1e-3:outsource_unit_cost prod.inhouse_cost * (1 vendors[vid].premium_rate)outsource_detail[vid] {amount: val,unit_cost: outsource_unit_cost,total_cost: val * outsource_unit_cost,}inhouse_amt pulp.value(x[pid])results[products][pid] {name: prod.name,demand: prod.demand,inhouse: inhouse_amt,inhouse_cost: inhouse_amt * prod.inhouse_cost,outsource: outsource_detail,outsource_cost: sum(v[total_cost] for v in outsource_detail.values()),}for vid, vendor in vendors.items():vendor_total sum(pulp.value(y.get((pid, vid), 0)) for pid in products if (pid, vid) in y)results[vendors][vid] {name: vendor.name,used: vendor_total,capacity: vendor.max_capacity,utilization: vendor_total / vendor.max_capacity * 100 if vendor.max_capacity 0 else 0,}return results# ─── 结果报告 ────────────────────────────────────────────────────────────class ReportGenerator:结果报告生成器staticmethoddef print_results(results: Dict) - None:if not results:returnprint(f\n {*70})print(f 最优生产分配方案)print(f {*70})# 产品分配明细print(f\n {产品:10} {订单:8} {自产量:8} {自产成本:10} f{外协量:8} {外协成本:10} {小计})print(f {─*65})for pid, pdata in results[products].items():outsource_total_amt sum(v[amount] for v in pdata[outsource].values())outsource_total_cost pdata[outsource_cost]subtotal pdata[inhouse_cost] outsource_total_costprint(f {pdata[name]:10} {pdata[demand]:8.0f} f{pdata[inhouse]:8.1f} {pdata[inhouse_cost]:10.1f} f{outsource_total_amt:8.1f} {outsource_total_cost:10.1f} f{subtotal:.0f})print(f {─*65})print(f {总成本:30} {results[total_cost]:,.0f} 元)print(f {总工时利用:25} {results[total_hours_used]:.0f} / f{results[total_capacity]:.0f} 小时 f({results[total_hours_used]/results[total_capacity]*100:.1f}%))# 外协厂利用print(f\n 外协厂利用情况:)for vid, vdata in results[vendors].items():print(f {vdata[name]:15}: {vdata[used]:.1f} / f{vdata[capacity]:.0f} 吨 f({vdata[utilization]:.1f}%))# 外协明细print(f\n 外协分配明细:)for pid, pdata in results[products].items():if pdata[outsource]:for vid, vdata in pdata[outsource].items():print(f {pdata[name]:10} → {vid:5}: f{vdata[amount]:.1f} 吨 × {vdata[unit_cost]:.1f} 元/吨 f {vdata[total_cost]:,.0f} 元)staticmethoddef compare_with_chase(results: Dict, products: Dict[str, Product],vendors: Dict[str, OutsourceVendor]) - None:与全部自产剩余全外协的贪心策略对比# 贪心: 尽量自产自产不了的按产品顺序分配给外协chase_cost 0.0remaining_capacity sum(v.max_capacity for v in vendors.values())total_demand sum(p.demand for p in products.values())# 简化: 贪心自产按总工时约束算最大自产量total_hours sum(p.labor_hours_per_unit * p.demand for p in products.values())total_capacity 2000 1500 # 焊接机加工if total_hours total_capacity:# 产能够全部自产chase_inhouse total_demandchase_outsource 0.0chase_cost sum(p.inhouse_cost * p.demand for p in products.values())else:# 产能不够按产品顺序自产简化贪心chase_inhouse 0.0remaining_hours total_capacityfor p in products.values():max_from_hours remaining_hours / p.labor_hours_per_unitinhouse min(p.demand, max_from_hours)chase_inhouse inhouseremaining_hours - inhouse * p.labor_hours_per_unitchase_cost inhouse * p.inhouse_costchase_outsource total_demand - chase_inhouse# 外协成本平均溢价40%avg_premium sum(v.premium_rate for v in vendors.values()) / len(vendors)chase_cost chase_outsource * (sum(p.inhouse_cost * p.demand for p in products.values()) / total_demand) * (1 avg_premium)lp_cost results[total_cost]print(f\n {─*60})print(f 贪心策略 vs LP最优策略 对比:)print(f {─*60})print(f {指标:20} {贪心(凭经验):18} {LP最优:18} {差异})print(f {─*60})print(f {总成本(万元):20} {chase_cost/10000:18.1f} f{lp_cost/10000:18.1f} {chase_cost/10000 - lp_cost/10000:.1f})print(f {自产量(吨):20} {chase_inhouse:18.0f} f{sum(p[inhouse] for p in results[products].values()):18.0f})print(f {外协量(吨):20} {chase_outsource:18.0f} f{sum(sum(v[amount] for v in p[outsource].values()) for p in results[products].values()):18.0f})savings chase_cost - lp_costprint(f\n LP比贪心策略节省: {savings/10000:.1f} 万元)# ─── 演示 ────────────────────────────────────────────────────────────def demo() - None:运行完整演示print( * 78)print( 产线自产外协加工 · 最小成本生产分配)print( 参考: 北京理工大学《运筹学》第2章线性规划、第7章运输问题)print( * 78)# ── 产品定义 ──products [Product(idP1, name配重块,demand500.0, inhouse_cost8.5,labor_hours_per_unit0.15,allowed_vendors[A, B],description大型焊接件自产利润最高),Product(idP2, name动臂,demand300.0, inhouse_cost12.0,labor_hours_per_unit0.35,allowed_vendors[A], # 动臂精度要求高只给Adescription结构复杂焊接机加工),Product(idP3, name斗杆,demand400.0, inhouse_cost10.5,labor_hours_per_unit0.28,allowed_vendors[A, B],description中型结构件),Product(idP4, name油箱,demand600.0, inhouse_cost6.0,labor_hours_per_unit0.08,allowed_vendors[A], # 油箱焊接质量要求高description薄板焊接自产不良率低),]# ── 产线定义 ──lines [ProductionLine(L1, 焊接产线, 2000.0, CO2焊机×12台),ProductionLine(L2, 机加工线, 1500.0, 数控加工中心×6台),]# ── 外协厂定义 ──vendors [OutsourceVendor(A, 外协厂A, 400.0, 0.35, 本地老牌加工厂),OutsourceVendor(B, 外协厂B, 600.0, 0.50, 大型外协基地),]# ── 参数摘要 ──print(\n 生产系统参数:)print(f\n {产品:10} {订单(t):10} {自产成本:10} {工时/吨:10} {外协厂})print(f {─*55})for p in products:vendors_str ,.join(p.allowed_vendors)print(f {p.name:10} {p.demand:10.0f} {p.inhouse_cost:10.1f} f{p.labor_hours_per_unit:10.2f}h {vendors_str})print(f\n {产线:15} {最大工时:12})print(f {─*30})for l in lines:print(f {l.name:15} {l.max_hours:12.0f}h)print(f\n {外协厂:15} {最大产能:12} {溢价})print(f {─*35})for v in vendors:print(f {v.name:15} {v.max_capacity:12.0f}t ×{v.premium_rate*100:.0f}%)# ── 求解 ──print(f\n 正在求解线性规划模型 (PuLP CBC)...)problem MakeOrOutsourceProblem(products, lines, vendors)results problem.solve(verboseFalse)if not results:returnprint(f ✅ 求解成功! 状态: {results[status]})# ── 输出报告 ──ReportGenerator.print_results(results)# ── 对比贪心策略 ──prod_dict {p.id: p for p in products}vend_dict {v.id: v for v in vendors}ReportGenerator.compare_with_chase(results, prod_dict, vend_dict)# ── 经济分析 ──print(f\n 核心洞察:)print(f 配重块自产成本低工时省 → 尽量自产利润最大化)print(f 动臂工时消耗大只能给A → 自产一部分剩余给A)print(f 油箱工时极省自产质量好 → 优先自产)print(f 斗杆工时中等 → 自产外协B平衡分配)if __name__ __main__:demo()/details4.3 运行结果示例产线自产外协加工 · 最小成本生产分配参考: 北京理工大学《运筹学》第2章线性规划、第7章运输问题 生产系统参数:产品 订单(t) 自产成本 工时/吨 外协厂───────────────────────────────────────────────────────────────────────配重块 500 8.5 0.15h A,B动臂 300 12.0 0.35h A斗杆 400 10.5 0.28h A,B油箱 600 6.0 0.08h A产线 最大工时────────────────────────────────焊接产线 2000.0h机利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛