Grattis!

Diskret händelsesimulering i Python

Diogo Costa (PhD, MSc)

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

Kapitel 1: Introduktion till dynamiska system och diskret-händelsesimuleringsmodeller

Dynamiska vs. stationära system Ett diagram som visar tidsutvecklingen av tillståndsvariabler i dynamiska och stationära system. I det dynamiska systemet förändras variabeln över tid, medan den förblir konstant i det stationära systemet.

Tillämpningar av diskret-händelsemodeller Schematisk bild av processer och arbetsflöde i en försörjningskedja.

Exempel:

Tillverkning: Foto från en tillverkningsindustri.

Byggverksamhet: Foto från en byggarbetsplats.

Diskret händelsesimulering i Python

Kapitel 2: Bygga diskret-händelsemodeller med SimPy

Sammanfattning av SimPy-metoder 

env = simpy.Environment()

env.process()

env.run()

env.timeout()

env.now

SimPy-resurser 

simpy.Resource()

simpy.Container()

simpy.Store()
Diskret händelsesimulering i Python

Kapitel 3: Att kombinera determinism och icke-determinism i modeller

Processsekvens med deterministiska (gula) och icke-deterministiska (rosa) processer:

Diagram som visar processsekvensen för en tillverkningsaktivitet, med följande processer i kronologisk ordning: welding_1, manual_assembly_1, manual_assembly_2 och 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]
Diskret händelsesimulering i Python

Kapitel 4: Modelltillämpning, klustring, optimering och modularitet

  • Monte Carlo-sampling Diagram som visar responsenveloppen för en tillverkningsaktivitet med en serie sekventiella processer, där den blå undre linjen motsvarar den sista körning som uppfyllde kraven i sök- och stoppmetoden. Minimumtiden för varje process i de bästa simuleringarna är markerad.

  • Klusteranalys

  • Målfunktioner
  • Modellskalbarhet och modularitet

Diagram som visar en modell bestående av sju funktioner, där en modelluppgradering innebar att modulen "func_b" ersattes av modulen "func_b1" och att modulen "func_f" lades till mellan modulerna "func_c" och "func_d".

Diskret händelsesimulering i Python

Andra kurser på DataCamp

Andra relevanta kurser

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

Python-logotyp

Diskret händelsesimulering i Python

Grattis!

Diskret händelsesimulering i Python

Preparing Video For Download...