축하합니다!

Python으로 배우는 이산 사건 시뮬레이션

Diogo Costa (PhD, MSc)

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

1장: 동적 시스템과 이산 사건 시뮬레이션 모델 소개

동적 vs 정상 상태 동적 및 정상 상태 시스템에서 상태 변수가 시간에 따라 변하는 모습을 보여주는 그래프. 동적 시스템에서는 변수가 시간에 따라 변하고, 정상 상태 시스템에서는 일정하게 유지됩니다.

이산 사건 모델의 적용 공급망 활동의 프로세스와 워크플로를 보여주는 도식.

예시:

제조: 제조 업종 사진.

건설: 건설 현장 사진.

Python으로 배우는 이산 사건 시뮬레이션

2장: SimPy로 이산 사건 모델 개발

SimPy 메서드 요약 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

SimPy 리소스 

simpy.Resource()

simpy.Container()

simpy.Store()
Python으로 배우는 이산 사건 시뮬레이션

3장: 모델에서 결정론과 비결정론 혼합

결정적(노란색) vs 비결정적(분홍색) 프로세스가 있는 공정 순서:

제조 활동의 공정 순서를 보여주는 다이어그램. 순서는 welding_1, manual_assembly_1, manual_assembly_2, welding_2입니다.

# 다음 사건 시간 진행
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]
Python으로 배우는 이산 사건 시뮬레이션

4장: 모델 적용, 클러스터링, 최적화, 모듈성

  • 몬테카를로 샘플링 연속 공정을 포함한 제조 활동의 응답 엔벨로프를 보여주는 플롯. 파란 하단선은 Search & Stop 방법에서 요구 사항을 충족한 마지막 실행을 의미합니다. 최적 시뮬레이션에서 각 공정의 최소 소요 시간이 강조됩니다.

  • 군집 분석

  • 목적 함수
  • 모델 확장성과 모듈성

7개 함수로 구성된 모델의 다이어그램. 업그레이드에서 "func_b"를 "func_b1"로 교체하고, "func_c"와 "func_d" 사이에 "func_f"를 추가했습니다.

Python으로 배우는 이산 사건 시뮬레이션

다른 DataCamp 과정

다른 관련 과정

  • 파이썬 몬테카를로 시뮬레이션
  • 파이썬 군집 분석
  • 파이썬 선형 모델 입문
  • 파이썬 공급망 분석

파이썬 로고

Python으로 배우는 이산 사건 시뮬레이션

축하합니다!

Python으로 배우는 이산 사건 시뮬레이션

Preparing Video For Download...