Simulasi Peristiwa Diskret dengan Python
Diogo Costa (PhD, MSc)
Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific
Optimasi sistem
Proses berbasis manusia
Mengidentifikasi proses yang paling berdampak pada keluaran sistem
Monte Carlo sampling
Fungsi objektif
Ekspresi matematis yang menggambarkan target keluaran
Skor skenario simulasi
Contoh
Total: 100%
Search & Stop: Jalankan berbagai konfigurasi model dan hentikan saat kondisi terpenuhi
while total_duration < 24:
model_to_run()
Score & Rank: Beri skor hasil simulasi berdasarkan kriteria pembobotan
for i in range(num_runs):
out_1, out_2 = model_to_run(i)
scores[i] = 0.3 * out_1 + 0.7 * out_2
Contoh
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()

Contoh: Industri manufaktur
Melibatkan berbagai tugas (atau proses) berurutan, seperti lini produksi mobil.
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"])
Skor
"RED": Skor rendah; "BLUE": Skor tinggi

Peringkat
Peringkatkan run simulasi berdasarkan skor
Search & stop

Garis "Blue" memenuhi kriteria "stop"
Rincian hasil simulasi "terbaik":
sum = 20 min)sum = 20 min)sum = 28 min)sum = 30 min)"Proses 1" krusial untuk mencapai target ini
Skor
Tujuan: skor terendah = durasi terendah

Peringkat
"Proses 1" krusial untuk mencapai target ini

Simulasi Peristiwa Diskret dengan Python