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 op vaste tijdstappen
Tijd is een dummyvariabele
- Tijd wordt niet in de lus geüpdatet
Gebruik van tijd-for-loops
```
for t range(time_range):
```

Discrete-evenementmodellen

Draaien op variabele tijdstappen
- Voer/plan discrete events met verschillende duur in de tijd
Tijd is een toestandvariabele
- Tijd wordt in de while-lus geüpdatet
- Tijd is geen dummyvariabele

Gebruikt vaak while-lussen

while (time < 365):
time += process_duration

Componenten van discrete-evenementmodellen

Toestandvariabelen
Klok
Evenementenlijst (of Processenlijst)
Eindvoorwaarde(n)

Modelcomponenten

Voorbeeld: model taxibedrijf

while (time < 10):

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

    # Process 1
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Eindvoorwaarde

while (time < 10)

Voorwaarde(n) die de simulatie stopt

Modelcomponenten

Voorbeeld: model taxibedrijf

while (time < 10):

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

    # Process 1
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Klok

time += time_duration_1
time += time_duration_2

time houdt de huidige simulatie‑tijd bij
Klok springt naar starttijd van volgend event tijdens simulatie
Tijd “hopt” omdat events instantaan zijn

Modelcomponenten

Voorbeeld: model taxibedrijf

while (time < 10):

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

    # Process 1
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

Toestandvariabele

time

Verkort tijd tussen bellen en afzetten van klant
Variabelen die systeemoutput en efficiëntie bepalen

Laten we oefenen!

Discrete Event Simulation in Python