Felicitări!

Simulare de evenimente discrete în Python

Diogo Costa (PhD, MSc)

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

Capitolul 1: Introducere în sisteme dinamice și modele de simulare cu evenimente discrete

Dinamic vs. Stare staționară Grafic ce ilustrează evoluția temporală a variabilelor de stare în sisteme dinamice și stationare. În sistemul dinamic, variabila se modifică în timp, iar în cel staționar rămâne constantă.

Aplicații ale modelelor cu evenimente discrete Schemă a proceselor și fluxului de lucru dintr-o activitate de lanț de aprovizionare.

Exemple:

Producție: Fotografie a unei industrii de producție.

Construcții: Fotografie a unui șantier de construcții.

Simulare de evenimente discrete în Python

Capitolul 2: Dezvoltarea modelelor cu evenimente discrete folosind SimPy

Rezumat al metodelor SimPy 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

Resurse SimPy 

simpy.Resource()

simpy.Container()

simpy.Store()
Simulare de evenimente discrete în Python

Capitolul 3: Combinarea determinismului și nedeterminismului în modele

Secvența de procese cu procese deterministe (galben) și nedeterministe (roz):

Diagramă ce ilustrează secvența proceselor unei activități de producție, incluzând, în ordine cronologică: welding_1, manual_assembly_1, manual_assembly_2 și 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]
Simulare de evenimente discrete în Python

Capitolul 4: Aplicarea modelului, clustering, optimizare și modularitate

  • Eșantionare Monte Carlo Grafic ce ilustrează intervalul de răspuns al unei activități de producție cu o serie de procese secvențiale, unde linia albastră inferioară corespunde ultimei rulări care a îndeplinit cerințele metodei Search & Stop. Este evidențiată durata minimă a fiecărui proces obținut pentru cele mai bune simulări.

  • Analiza clusterelor

  • Funcții obiectiv
  • Scalabilitatea și modularitatea modelului

Diagramă ce ilustrează un model compus din șapte funcții, unde o actualizare a modelului a presupus înlocuirea modulului "func_b" cu modulul "func_b1" și adăugarea modulului "func_f" între modulele "func_c" și "func_d".

Simulare de evenimente discrete în Python

Alte cursuri DataCamp

Alte cursuri relevante

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

Logo Python

Simulare de evenimente discrete în Python

Felicitări!

Simulare de evenimente discrete în Python

Preparing Video For Download...