122 lines
3.8 KiB
Markdown
122 lines
3.8 KiB
Markdown
# 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
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
## Verwendung
|
||
|
||
```bash
|
||
# 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):
|
||
```bash
|
||
uv run python -m uvicorn webapp.backend.main:app --reload
|
||
```
|
||
|
||
Frontend (React/Vite):
|
||
```bash
|
||
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:
|
||
|
||
```bash
|
||
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:
|
||
|
||
```bash
|
||
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:
|
||
|
||
```bash
|
||
curl http://localhost:8080/api/health
|
||
```
|
||
|
||
|
||
## Abhängigkeiten
|
||
- Pyomo (Optimierungsmodellierung)
|
||
- Pandas (Datenverarbeitung)
|
||
- NumPy (Numerische Berechnungen)
|
||
- Matplotlib/Plotly (Visualisierung)
|