Gratulujeme!

Diskrétní simulace událostí v Pythonu

Diogo Costa (PhD, MSc)

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

Kapitola 1: Úvod do dynamických systémů a modelů simulace diskrétních událostí

Dynamické vs. ustálené systémy Graf znázorňující časový vývoj stavových proměnných v dynamickém a ustáleném systému. V dynamickém systému se proměnná mění v čase, v ustáleném zůstává konstantní.

Aplikace modelů diskrétních událostí Schéma procesů a pracovního toku v rámci aktivit dodavatelského řetězce.

Příklady:

Výroba: Fotografie výrobního závodu.

Stavebnictví: Fotografie staveniště.

Diskrétní simulace událostí v Pythonu

Kapitola 2: Tvorba modelů diskrétních událostí pomocí SimPy

Přehled metod SimPy 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

Zdroje SimPy 

simpy.Resource()

simpy.Container()

simpy.Store()
Diskrétní simulace událostí v Pythonu

Kapitola 3: Kombinace determinismu a nedeterminismu v modelech

Sekvence procesů s deterministickými (žluté) a nedeterministickými (růžové) procesy:

Diagram znázorňující sekvenci procesů výrobní činnosti, která zahrnuje v chronologickém pořadí: welding_1, manual_assembly_1, manual_assembly_2 a 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]
Diskrétní simulace událostí v Pythonu

Kapitola 4: Aplikace modelu, shlukování, optimalizace a modularita

  • Vzorkování metodou Monte Carlo Graf znázorňující obálku odezvy výrobní činnosti zahrnující sérii sekvenčních procesů. Modrá dolní čára odpovídá poslednímu běhu splňujícímu požadavky metody Search & Stop. Jsou zvýrazněny minimální doby trvání jednotlivých procesů získané pro nejlepší simulace.

  • Shluková analýza

  • Účelové funkce
  • Škálovatelnost a modularita modelu

Diagram znázorňující model složený ze sedmi funkcí, kde inovace modelu spočívala v nahrazení modulu „func_b" modulem „func_b1" a přidání modulu „func_f" mezi moduly „func_c" a „func_d".

Diskrétní simulace událostí v Pythonu

Další kurzy na DataCampu

Další relevantní kurzy

  • Monte Carlo Simulations in Python
  • Cluster Analysis in Python
  • Introduction to Linear Modeling in Python
  • Supply Chain Analytics in Python

Logo Pythonu

Diskrétní simulace událostí v Pythonu

Gratulujeme!

Diskrétní simulace událostí v Pythonu

Preparing Video For Download...