おめでとうございます！

Pythonで学ぶ離散事象シミュレーション

Diogo Costa (PhD, MSc)

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

第1章: 動的システムと離散事象シミュレーション入門

動的 vs. 定常状態 動的システムと定常状態システムの状態変数の時間変化。動的では時間とともに変化し、定常では一定のまま。

離散事象モデルの用途 サプライチェーン活動のプロセスとワークフローの概略図。

例:

製造: 製造業の写真。

建設: 建設現場の写真。

第2章: SimPy による離散事象モデルの構築

SimPy の主なメソッド

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

SimPy のリソース

simpy.Resource()

simpy.Container()

simpy.Store()

第3章: モデルにおける決定論と非決定論の併用

決定論的（黄）と非決定論的（桃）プロセスの順序:

製造活動のプロセス順序の図。時系列で welding_1、manual_assembly_1、manual_assembly_2、welding_2。

# 次事象時刻の進行
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]

第4章: 応用、クラスタリング、最適化、モジュール化

モンテカルロサンプリング
クラスタ分析
目的関数

モデルの拡張性とモジュール性

7つの関数で構成されたモデルの図。アップグレードで「func_b」を「func_b1」に置換し、「func_c」と「func_d」の間に「func_f」を追加。

他の DataCamp コース

他の関連コース

Python でのモンテカルロシミュレーション
Python でのクラスター分析
Python による線形モデリング入門
Python でのサプライチェーン分析

Python ロゴ

おめでとうございます！

Pythonで学ぶ離散事象シミュレーション