Amaç fonksiyonları ve sistem optimizasyonu

Python ile Ayrık Olay Benzetimi

Diogo Costa (PhD, MSc)

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

Sistem optimizasyonu

Sistem optimizasyonu
- En iyi işletim yapılandırmasını belirleme
İnsan odaklı süreçler
- En az maliyetle en yüksek çıktı (daha az kaynak, daha az zaman)
Sistem çıktısını en çok etkileyen süreçleri belirleme
Monte Carlo örnekleme
- Başarıyı ölçün ve sonuçları sıralayın
Amaç fonksiyonları
- Performans hedeflerini belirleyen hedef fonksiyon

Amaç fonksiyonu

Çıktı hedefini tanımlayan matematiksel ifade
Simülasyon senaryolarını puanlayın

Örnek

Süreç A: %35
Süreç B: %20
Süreç C: %45

Toplam: %100

En yüksek ağırlık Süreç C

Search & Stop: Farklı model yapılandırmalarını çalıştırın, koşul sağlanınca durdurun

while total_duration < 24:
      model_to_run()

Score & Rank: Kriter ağırlıklarına göre simülasyonları puanlayın

for i in range(num_runs):
   out_1, out_2 = model_to_run(i)
   scores[i] = 0.3 * out_1 + 0.7 * out_2

Yöntem 1: Ara & Dur

Birden çok senaryo için Monte Carlo örnekleme
Farklı olasılıklı süreç gerçekleşmeleri içerir
En iyi senaryo arama döngüsü, koşul sağlandığında durur

Örnek

scenario_num = 0
while scenario_num == 0 or total_duration[s] > 40:
  scenario_num += 1
  env = simpy.Environment()

  env.process(manufacturing_proc(env))
  env.run()
  plot_results()

Bir dizi ardışık süreci içeren bir üretim etkinliğinin yanıt zarfını gösteren grafik; alttaki mavi çizgi, Ara & Dur yönteminin koşullarını karşılayan son çalışmayı gösterir.

Yöntem 2: Skorla & Sırala

Birden çok senaryo için Monte Carlo örnekleme
Sonuçları puanlayın ve sıralayın

Örnek: Üretim sektörü

Ardışık görevler (veya süreçler) içerir; örn. bir otomobil üretim hattı.

def objective_function_calc():
  score_objfunc = np.ones(num_scenarios)

  for s in range(num_scenarios):
    for p in range(len(processes)):

      score_objfunc[s] += (
         processes[p]["duration_hours"]
         * processes[p]["score_weight"])

Yöntem 2: Skorla & Sırala

Skor

"KIRMIZI": Düşük skor; "MAVİ": Yüksek skor “Boşaltma ve Hazırlama”, “Kesim” ve “Parlatma” süreçleri için simüle edilen senaryoların amaç fonksiyonu skorlarını gösteren saçılım grafiği.

Sıra

Skora göre simülasyon sıralaması “Boşaltma ve Hazırlama”, “Kesim” ve “Parlatma” süreçleri için simüle edilen senaryoların amaç fonksiyonu skorlarına göre sıralandığı grafık.

Performansı sınırlayan kritik süreçleri belirleme

Ara & dur

Bir dizi ardışık süreci içeren bir üretim etkinliğinin yanıt zarfını gösteren grafik; alttaki mavi çizgi, Ara & Dur yönteminin koşullarını karşılayan son çalışmayı gösterir. En iyi simülasyonlarda elde edilen her sürecin asgari süreleri vurgulanmıştır.

"Mavi" çizgi "dur" ölçütünü sağladı
- Toplam süre = 30 dk
"En iyi" simülasyonun dökümü:
- Süreç 1: ~10 dk (sum = 20 min)
- Süreç 2: ~10 dk (sum = 20 min)
- Süreç 3: ~8 dk (sum = 28 min)
- Süreç 4: ~2 dk (sum = 30 min)
Bu hedef için "Süreç 1" kritiktir

Performansı sınırlayan kritik süreçleri belirleme

Skor

Amaç: en düşük skor = en düşük süre “Boşaltma ve Hazırlama”, “Kesim” ve “Parlatma” süreçleri için simüle edilen senaryoların amaç fonksiyonu skorlarını gösteren saçılım grafiği. En iyi simülasyonlarda elde edilen her sürecin asgari süreleri vurgulanmıştır.

Sıra

Bu hedef için "Süreç 1" kritiktir “Boşaltma ve Hazırlama”, “Kesim” ve “Parlatma” süreçleri için simüle edilen senaryoların amaç fonksiyonu skorlarına göre sıralandığı grafik. En iyi simülasyonlarda elde edilen her sürecin asgari süreleri vurgulanmıştır.

Hadi pratik yapalım!

Python ile Ayrık Olay Benzetimi