eCommerce logistika: analýza výsledků

Představ si eCommerce firmu, která potřebuje optimalizaci. Hlavní skupiny procesů zahrnují:

"Správu objednávek",
"Balení" a
"Přepravu a doručení klientovi".

Každá z těchto skupin zahrnuje mnoho dílčích procesů a úkolů. Prozatím se zaměříš na vytvoření modelu na vysoké úrovni, který lze (a měl by být) zpřesňovat s tím, jak budou k dispozici další informace.

Předběžný výzkum ukázal, že jednotlivé procesy trvají 2, 1 a 5 dní, s směrodatnými odchylkami 0,2, 0,2 a 1 den.

Model SimPy i generátory jsou již připraveny. Čas v modelu je zaznamenán ve dnech. Následující balíček byl naimportován za tebe: import matplotlib.pyplot as plt.

Spusť model a analyzuj výsledky pomocí shlukové analýzy.

Toto cvičení je součástí kurzu

Diskrétní simulace událostí v Pythonu

Zobrazit kurz

Pokyny k cvičení

Spusť model SimPy uložený v prostředí SimPy s názvem env po dobu 5 let (předpokládej, že žádný rok není přestupný).
Vytvoř histogram výsledků modelu uložených v record_processes_list s 50 sloupci.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

env = simpy.Environment()
env.process(all_processes(env, inputs, record_processes))

# Run the SimPy model
env.____(until=___)

record_processes_list = [record_processes['Time Manage Request'],
            			 record_processes['Time Packaging'],
            			 record_processes['Time Shipping']]

# Create a histogram with 50 bins
plt.____(record_processes_list, bins=____, label=['Request', 'Packaging', 'Shipments'])
plt.legend(loc='upper right')
plt.xlabel('Duration (days)')
plt.ylabel('Number of occurrences')
plt.show()

Upravit a spustit kód