¡Enhorabuena!

Simulación de eventos discretos en Python

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

Capítulo 1: Introducción a sistemas dinámicos y modelos de simulación de eventos discretos

Dinámico vs. estado estacionario Gráfico que muestra la evolución temporal de variables de estado en sistemas dinámicos y en estado estacionario. En el dinámico, la variable cambia con el tiempo; en el estacionario, permanece constante.

Aplicaciones de los modelos de eventos discretos Esquema de procesos y flujo de trabajo de una actividad de cadena de suministro.

Ejemplos:

Manufactura: Foto de una industria manufacturera.

Construcción: Foto de una obra.

Simulación de eventos discretos en Python

Capítulo 2: Desarrollo de modelos de eventos discretos con SimPy

Resumen de métodos de SimPy 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

Recursos de SimPy 

simpy.Resource()

simpy.Container()

simpy.Store()
Simulación de eventos discretos en Python

Capítulo 3: Mezclar determinismo y no determinismo en modelos

Secuencia de procesos con pasos deterministas (amarillo) y no deterministas (rosa):

Diagrama que muestra la secuencia de procesos de una actividad manufacturera, en este orden: welding_1, manual_assembly_1, manual_assembly_2 y welding_2.

# Progresión por siguiente evento
time[0] = 0          
time[1] = time[0] + welding_1["time_hours"]
time[2] = time[1] + rd.gauss(manual_assembly_1["time_hours"], manual_assembly_1["std_hours"])
time[3] = time[2] + rd.gauss(manual_assembly_2["time_hours"], manual_assembly_2["std_hours"])
time[4] = time[3] + welding_2["time_hours"]
time[5] = time[4]
Simulación de eventos discretos en Python

Capítulo 4: Aplicación del modelo, clustering, optimización y modularidad

  • Muestreo de Monte Carlo Gráfico que muestra el sobre de respuesta de una actividad manufacturera con procesos secuenciales; la línea azul inferior es la última ejecución que cumplió con el método Search & Stop. Se resalta la duración mínima de cada proceso en las mejores simulaciones.

  • Análisis de clústeres

  • Funciones objetivo
  • Escalabilidad y modularidad del modelo

Diagrama de un modelo con siete funciones, donde una mejora reemplazó el módulo "func_b" por "func_b1" y añadió "func_f" entre "func_c" y "func_d".

Simulación de eventos discretos en Python

Otros cursos de DataCamp

Otros cursos relacionados

  • Simulaciones de Monte Carlo en Python
  • Análisis de clústeres en Python
  • Introducción al modelado lineal en Python
  • Analítica de cadena de suministro en Python

Logo de Python

Simulación de eventos discretos en Python

¡Enhorabuena!

Simulación de eventos discretos en Python

Preparing Video For Download...