Introductie tot discrete-evenementsimulaties

Discrete Event Simulation in Python

Diogo Costa (PhD, MSc)

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

Discrete-evenement vs. continue modellen

Continue modellen

Draaien met vaste tijdstappen
Tijd is een dummyvariabele
- Tijd wordt niet bijgewerkt in de lus
Gebruik van tijd-for-lussen
```
for t in range(time_range):
```

Discrete-evenementmodellen

Draaien met variabele tijdstappen
- Plan/voer discrete events met verschillende duur uit in de tijd
Tijd is een toestandvariabele
- Tijd wordt bijgewerkt in de while-lus
- Tijd is geen dummyvariabele

Gebruikt vaak while-lussen

while (time < 365):
time += process_duration

Componenten van discrete-evenementmodellen

Toestandvariabelen
Klok
Gebeurtenissenlijst (of Processenlijst)
Eindvoorwaarde(n)

Modelcomponenten

Voorbeeld: taxibedrijfsmodel

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Eindvoorwaarde

while (time < 10)

Voorwaarde(n) die de simulatie stopt

Modelcomponenten

Voorbeeld: taxibedrijfsmodel

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Klok

time += time_duration_1
time += time_duration_2

time houdt de huidige simulatietijd bij
Klok springt naar starttijd van volgende event tijdens simulatie
Tijd springt omdat events instantaan zijn

Modelcomponenten

Voorbeeld: taxibedrijfsmodel

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Toestandvariabele

time

Verkort tijd tussen bellen en uitstappen klant
Variabelen die output en efficiëntie van het systeem bepalen

Laten we oefenen!

Discrete Event Simulation in Python