Поздравляем!

Дискретно-событийное моделирование на Python

Diogo Costa (PhD, MSc)

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

Глава 1: Введение в динамические системы и модели дискретно-событийного моделирования

Динамические и стационарные системы График, показывающий временну́ю эволюцию переменных состояния в динамических и стационарных системах. В динамической системе переменная изменяется со временем, в стационарной — остаётся постоянной.

Применение моделей дискретно-событийного моделирования Схема процессов и рабочего процесса в цепочке поставок.

Примеры:

Производство: Фото производственного предприятия.

Строительство: Фото строительной площадки.

Дискретно-событийное моделирование на Python

Глава 2: Построение дискретно-событийных моделей с помощью SimPy

Обзор методов SimPy

env = simpy.Environment()
env.process()
env.run()
env.timeout()
env.now

Ресурсы SimPy

simpy.Resource()
simpy.Container()
simpy.Store()
Дискретно-событийное моделирование на Python

Глава 3: Сочетание детерминизма и недетерминизма в моделях

Последовательность процессов с детерминированными (жёлтые) и недетерминированными (розовые) процессами:

Диаграмма последовательности процессов производственной деятельности, включающая следующие процессы в хронологическом порядке: welding_1, manual_assembly_1, manual_assembly_2 и 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]
Дискретно-событийное моделирование на Python

Глава 4: Применение модели, кластеризация, оптимизация и модульность

  • Метод Монте-Карло График, показывающий огибающую откликов производственной деятельности, включающей ряд последовательных процессов. Синяя нижняя линия соответствует последнему запуску, удовлетворившему критериям метода «Поиск и остановка». Выделены минимальные длительности каждого процесса, полученные в лучших симуляциях.

  • Кластерный анализ

  • Целевые функции
  • Масштабируемость и модульность модели

Диаграмма модели из семи функций, где обновление модели включало замену модуля «func_b» на модуль «func_b1» и добавление модуля «func_f» между модулями «func_c» и «func_d».

Дискретно-событийное моделирование на Python

Другие курсы DataCamp

Другие полезные курсы

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

Логотип Python

Дискретно-событийное моделирование на Python

Поздравляем!

Дискретно-событийное моделирование на Python

Preparing Video For Download...