结合确定性与非确定性过程

Python 中的离散事件模拟

Diogo Costa (PhD, MSc)

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

确定性与非确定性过程

展示某系统流程顺序的图示。先是确定性过程A，接着是非确定性过程B，最后为确定性过程C。

示例：机场客流管理

非确定性：乘客到达机场的时间
确定性：值机后行李在机场内的运输

示例：工厂装配线

确定性过程

原材料运至工厂
全自动化工序
质量检验
包装
成品运送给客户

示例：焊接机

加工时间 = 焊缝长度 × 焊接机速度

非确定性过程

原材料订购
复杂部件的手工装配

散点图展示某次手工装配在多次重复中的时长分布。

确定性过程

示例：带焊接的装配线

2 个确定性过程
welding_1

welding_2

welding_1
- 过程名称：焊接部件A
- 加工时间：5 小时
welding_2
- 过程名称：焊接部件B
- 加工时间：length * hours_per_length

为每个过程创建 dictionary：

welding_1 = {
    "name": "Welding component A",
    "time_hours": 5
}

length = 20   # meters
hours_per_length = 0.2  # hours 

welding_2 = {
    "name": "Welding component B",
    "time_hours": length * hours_per_length
}

非确定性过程

示例：装配线

2 个非确定性过程 manual_assembly_1

manual_assembly_2

manual_assembly_1
- 过程名称：手工装配A
- 平均加工时间：80 小时
- 标准差：5 小时
manual_assembly_2
- 过程名称：手工装配B"
- 平均加工时间：20 小时

标准差：2 小时

为每个过程创建 dictionary：

manual_assembly_1 = {
    "name": "Manual Assembly A",
    "time_hours": 80,
    "std_hours": 5
}
manual_assembly_2 = {
    "name": "Manual Assembly B",
    "time_hours": 20,
    "std_hours": 2}

构建基于事件的仿真

制造流程顺序 展示制造活动流程顺序的图示，按时间依次为：welding_1、manual_assembly_1、manual_assembly_2、welding_2。

离散事件模型

# Initiate time-tracking variable
time = numpy.zeros(number_of_processes)


# 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]

时间单位与模型探索

时间单位
- 确保所有过程的时间单位一致。

¡Vamos a practicar!

Python 中的离散事件模拟