Jetzt, da dein Modell erstellt ist, untersuchen wir es, um praktische Optimierungsfragen zu beantworten.

Wie viele Tische werden mindestens benötigt, damit in einem Zeitraum von vier Stunden niemand das Warten auf einen Tisch aufgibt?

Du musst das Modell mit schrittweise mehr Tischen ausführen und in der Konsole prüfen, wann die Zahl der bedienten Kund:innen nicht weiter steigt.

Der folgende Code setzt die Variablen zurück, erstellt die SimPy-Umgebung, passt das Ressourcenobjekt mit einer anderen Tischanzahl an und fügt Prozesse hinzu, bevor das Modell ausgeführt wird – genau wie zuvor (siehe Code unten).

random.seed(42)
customers_served = 0
customers_quiting_waiting = 0

env_my_model = simpy.Environment()
tables_my_model = simpy.Resource(env_my_model, capacity=2)
env_my_model.process(source_my_model(env_my_model, NEW_CUSTOMERS, INTERVAL_CUSTOMERS, tables_my_model))
env_my_model.run(until=60*4)
print(f"Total number of servings: {customers_served:02d}")
print(f"Total number of customers quiting waiting: {customers_quiting_waiting:02d}")

Beachte, dass dein Modell Zufallsfunktionen enthält, die wir in späteren Videos behandeln. Deshalb müssen wir random.seed(RANDOM_SEED) verwenden, um den Zufallszahlengenerator zu initialisieren und eine deterministische Antwort für diese Übung zu ermöglichen – wir haben RANDOM_SEED=42 gesetzt.

SimPy-Package: Steuerung der Ereignisplanung

Create Your Free Account