Congratulazioni!

Simulazione a eventi discreti in Python

Diogo Costa (PhD, MSc)

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

Capitolo 1: Introduzione ai sistemi dinamici e ai modelli di simulazione a eventi discreti

Dinamico vs. stazionario Grafico che mostra l’evoluzione temporale delle variabili di stato in sistemi dinamici e stazionari. Nel sistema dinamico la variabile cambia nel tempo, in quello stazionario resta costante.

Applicazioni dei modelli a eventi discreti Schema dei processi e del flusso di lavoro di un’attività di supply chain.

Esempi:

Manifattura: Foto di un’industria manifatturiera.

Edilizia: Foto di un cantiere.

Simulazione a eventi discreti in Python

Capitolo 2: Sviluppare modelli a eventi discreti con SimPy.

Riepilogo dei metodi SimPy 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

Risorse SimPy 

simpy.Resource()

simpy.Container()

simpy.Store()
Simulazione a eventi discreti in Python

Capitolo 3: Unire determinismo e non-determinismo nei modelli

Sequenza di processo con fasi deterministiche (giallo) e non deterministiche (rosa):

Diagramma che mostra la sequenza dei processi di un’attività manifatturiera: in ordine temporale welding_1, manual_assembly_1, manual_assembly_2 e welding_2.

# Next-event time progression
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]
Simulazione a eventi discreti in Python

Capitolo 4: Applicazioni del modello, clustering, ottimizzazione e modularità

  • Campionamento Monte Carlo Grafico che mostra l’inviluppo di risposta di un’attività manifatturiera con processi sequenziali; la linea blu in basso è l’ultima run che ha soddisfatto il metodo Search & Stop. È evidenziata la durata minima di ciascun processo ottenuta nelle migliori simulazioni.

  • Analisi dei cluster

  • Funzioni obiettivo
  • Scalabilità e modularità del modello

Diagramma di un modello con sette funzioni: un upgrade ha sostituito il modulo "func_b" con "func_b1" e aggiunto "func_f" tra "func_c" e "func_d".

Simulazione a eventi discreti in Python

Altri corsi DataCamp

Altri corsi utili

  • Simulazioni Monte Carlo in Python
  • Analisi dei cluster in Python
  • Introduzione alla modellazione lineare in Python
  • Analytics per la supply chain in Python

Logo Python

Simulazione a eventi discreti in Python

Congratulazioni!

Simulazione a eventi discreti in Python

Preparing Video For Download...