POC1: Braunkohle Supply Chain Modellierung

Überblick

Dieser POC modelliert eine Braunkohle Supply Chain mit Pyomo zur Optimierung von Produktions-, Transport- und Distributionsprozessen.

Projektstruktur

POC1/
├── src/                    # Quellcode
│   └── preprocessing/
│       └── exploration_preprocess.py  # Notebook-exportiertes Preprocessing
├── data/                   # Daten
│   ├── input/              # Eingabe-Parameter (Excel)
│   └── processed/          # Vorverarbeitete Parquet-Dateien
├── models/                 # Modell-Definitionen
│   └── README.md
├── notebooks/              # Jupyter Notebooks für Analyse
├── latex/                  # Latex-Export/Artefakte
├── requirements.txt       # Python Dependencies
├── pyproject.toml         # Projektmetadaten
└── setup.py               # Setup-Skript

Installation

pip install -r requirements.txt

Verwendung

# Preprocessing-Skript ausführen
python src/preprocessing/exploration_preprocess.py

Modell-Hinweise

• Bergbauwoche: Wochenstart Samstag (Sa–Fr) über Datum+2‑Tage‑Shift.
• IIS-Debug: Bei Infeasibility schreibt Gurobi eine results/iis.ilp mit lesbaren Constraint-Namen.
• 3-Tage-Regel: no_three_in_a_row ist aktuell auf <= 3 gelockert (Debug).

Aktuelle Änderungen (Modell & Output)

• Tages/ Wochen/ Monatsabweichungen basieren auf Lieferungen (x), nicht auf Bunkerabfluss.
• Mischungsverhältnisse (min/max + Ziel) werden auf Lieferungen angewendet (nicht auf Bunkerbestand).
• Zusätzliche weiche Mid‑Ziel‑Abweichung für Mix (linear) ist aktiv.
• B3‑Bunker‑Mix: weiche Zielmischung auf B3‑Bunkerbestand (stark gewichtet), um Welzow im Bunker zu vermeiden.
• Strecken‑Penalties/Bonuses wurden wieder entfernt (nur Mix‑/Abweichungs‑Penalties aktiv).
• Excel‑Output:
  • Sheet1 bleibt unverändert, mit_Bunkerbestand enthält Bunkerzufluss und Bunkerbestand.
  • Neue Sheet Kohlemischverhältnis mit Zielwerten + empirischem Mix (Lieferung) + Bunkermix.
  • Empirischer Mix wird rot/grün markiert, Gruppenfarben nur bis Spalte F.

Webapp-Prototyp

Backend (FastAPI):

uv run python -m uvicorn webapp.backend.main:app --reload

Frontend (React/Vite):

cd webapp/frontend
npm install
npm run dev

Optional: eigene Input/Output-Pfade beim Preprocessing via Umgebungsvariablen: POC1_INPUT_XLSX, POC1_OUTPUT_DIR.

Docker (All-in-One)

Das Docker-Image enthält:

• FastAPI Backend
• React-Frontend als statischer Build (ausgeliefert über FastAPI)
• Python Preprocessing + Optimierung

Standard-Start über Docker Compose:

docker compose up --build

Danach:

• UI: http://localhost:8000/
• Health: http://localhost:8000/api/health

Persistenz:

• Job-Artefakte und Logs bleiben unter ./var erhalten (Volume-Mount ./var:/app/var).

Alternativ ohne Compose:

docker build -t leag-coallog:latest .
docker run --rm -p 8000:8000 -v "$(pwd)/var:/app/var" leag-coallog:latest

Optionale Runtime-Parameter:

• APP_HOST (Default: 0.0.0.0)
• APP_PORT (Default: 8000)
• LOG_LEVEL (Default: info)
• GRB_LICENSE_FILE (Default im Compose: /app/licenses/gurobi.lic)
• optional für WLS: GRB_WLSACCESSID, GRB_WLSSECRET, GRB_LICENSEID

Gurobi im Docker-Container

• gurobipy wird im Runtime-Image installiert.
• Für klassische Lizenzdatei: ./licenses/gurobi.lic auf dem Host ablegen.
• Für WLS statt Datei: die drei GRB_*-Variablen im Shell-Environment setzen.
• Verfügbarkeit prüfen:

curl http://localhost:8080/api/health

Abhängigkeiten

• Pyomo (Optimierungsmodellierung)
• Pandas (Datenverarbeitung)
• NumPy (Numerische Berechnungen)
• Matplotlib/Plotly (Visualisierung)