Gerard L's questions

Do seminário em anexo (com registro de data e hora), se você restringir a soma de todos os presence_literals * interval_size para ser menor que o makespan, o número de problemas comprovados aumentará de acordo com o vídeo.

Naturalmente, eu gostaria de incluir isso no meu problema, que é baseado em sample . No entanto, não descobri como fazer isso, em particular, uma vez que considera máquinas, eu tinha a impressão de que deveria estar nesta seção do sample;

 # Transition times and transition costs using a circuit constraint.
  switch_literals = []
  for machine_id in all_machines:
    machine_starts = starts_per_machines[machine_id]
    machine_ends = ends_per_machines[machine_id]
    machine_presences = presences_per_machines[machine_id]
    machine_resources = resources_per_machines[machine_id]
    machine_ranks = ranks_per_machines[machine_id]
    intervals = intervals_per_machines[machine_id]
    arcs = []
    num_machine_tasks = len(machine_starts)
    all_machine_tasks = range(num_machine_tasks)

    for i in all_machine_tasks:
      # Initial arc from the dummy node (0) to a task.
      start_lit = model.NewBoolVar('')
      arcs.append([0, i + 1, start_lit])
      # If this task is the first, set both rank and start to 0.
      model.Add(machine_ranks[i] == 0).OnlyEnforceIf(start_lit)
      model.Add(machine_starts[i] == 0).OnlyEnforceIf(start_lit)
      # Final arc from an arc to the dummy node.
      arcs.append([i + 1, 0, model.NewBoolVar('')])
      # Self arc if the task is not performed.
      arcs.append([i + 1, i + 1, machine_presences[i].Not()])
      model.Add(machine_ranks[i] == -1).OnlyEnforceIf(
          machine_presences[i].Not())

      for j in all_machine_tasks:
        if i == j:
          continue

        lit = model.NewBoolVar('%i follows %i' % (j, i))
        arcs.append([i + 1, j + 1, lit])
        model.AddImplication(lit, machine_presences[i])
        model.AddImplication(lit, machine_presences[j])

        # Maintain rank incrementally.
        model.Add(machine_ranks[j] == machine_ranks[i] + 1).OnlyEnforceIf(lit)

        # Compute the transition time if task j is the successor of task i.
        if machine_resources[i] != machine_resources[j]:
          transition_time = 3
          switch_literals.append(lit)
        else:
          transition_time = 0
        # We add the reified transition to link the literals with the times
        # of the tasks.
        model.Add(machine_starts[j] == machine_ends[i] +
                  transition_time).OnlyEnforceIf(lit)

Tentei implementar da seguinte forma;

model.Add(sum(machine_presences[i] * intervals[i] for i in all_machine_tasks) <= horizon)

O que produz erro

arg = cmh.assert_is_a_number(arg)

TypeError: Not a number: interval_j5_t11_a0

Qual é a melhor maneira de implementar isso com base no exemplo? Eu precisaria, por exemplo, criar uma variável durationpor tarefa em uma máquina e multiplicar esse valor pelo presence_literal? Eu trabalho com OR-tools 9.8 e Python.

Eu tenho um conjunto de dados na forma de um dataframe estruturado da seguinte forma

Quero plotá-los em uma linha do tempo interativa usando Plotly (por exemplo, px.timeline), semelhante à imagem incluída abaixo, também conhecida como gráfico de Gantt. Por máquina (eixo y), quero uma barra colorida representando uma tarefa atribuída a essa máquina, semelhante à sua duração. Para meus dados de exemplo, significa que para a máquina 1 existem três barras coloridas (0-5, 6-9, 14-17). As tarefas deverão ser coloridas de acordo com uma cor de trabalho definida, conforme incluída na coluna de cores. Idealmente, ao passar o mouse sobre a barra, ele mostra Job - Task, Start - end.

Eu uso o seguinte;

Plotly 5.18.0
Python 3.9
Pandas 2.1.2

Existe uma maneira de fazer isso?

Brinquei com o Plotly, mas só consegui os trabalhos no eixo y ( https://plotly.com/python/gantt/ ). Usei https://plotly.com/python/figure-factories/ já que px.timeline não parece aceitar valores inteiros para horários de início e término.