Parabéns!

Simulação de Eventos Discretos em Python

Diogo Costa (PhD, MSc)

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

Capítulo 1: Introdução a sistemas dinâmicos e modelos de simulação por eventos discretos

Dinâmico vs. Estacionário Um gráfico mostrando a evolução temporal de variáveis de estado em sistemas dinâmicos e estacionários. No sistema dinâmico, a variável muda com o tempo; no estacionário, ela permanece constante.

Aplicações de modelos de eventos discretos Esquema dos processos e do fluxo de trabalho de uma atividade de cadeia de suprimentos.

Exemplos:

Manufatura: Foto de uma indústria de manufatura.

Construção: Foto de um canteiro de obras.

Simulação de Eventos Discretos em Python

Capítulo 2: Desenvolvendo modelos de eventos discretos com SimPy

Resumo dos métodos do SimPy 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

Recursos do SimPy 

simpy.Resource()

simpy.Container()

simpy.Store()
Simulação de Eventos Discretos em Python

Capítulo 3: Misturando determinismo e não determinismo nos modelos

Sequência de processos com etapas determinísticas (amarelo) e não determinísticas (rosa):

Diagrama mostrando a sequência de processos de uma atividade de manufatura, incluindo na ordem: welding_1, manual_assembly_1, manual_assembly_2 e welding_2.

# Progressão por próximo 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]
Simulação de Eventos Discretos em Python

Capítulo 4: Aplicação do modelo, clustering, otimização e modularidade

  • Amostragem de Monte Carlo Gráfico mostrando o envelope de resposta de uma atividade de manufatura com processos sequenciais, onde a linha azul inferior corresponde à última execução que atendeu aos requisitos do método Search & Stop. Destacam-se as durações mínimas de cada processo obtidas nas melhores simulações.

  • Análise de clusters

  • Funções objetivo
  • Escalabilidade e modularidade do modelo

Diagrama mostrando um modelo com sete funções, onde uma atualização trocou o módulo "func_b" pelo "func_b1" e adicionou o módulo "func_f" entre "func_c" e "func_d".

Simulação de Eventos Discretos em Python

Outros cursos da DataCamp

Outros cursos relevantes

  • Simulações de Monte Carlo em Python
  • Análise de Cluster em Python
  • Introdução à Modelagem Linear em Python
  • Analytics de Cadeia de Suprimentos em Python

Logo do Python

Simulação de Eventos Discretos em Python

Parabéns!

Simulação de Eventos Discretos em Python

Preparing Video For Download...