Gestionar las colas de pago
Una tienda de ropa se llena mucho en las horas punta y la gente suele hacer cola para pagar. Ahora mismo solo hay un cajero y te han pedido que hagas un análisis coste-beneficio para determinar cuántos cajeros serían necesarios para reducir al máximo los tiempos de espera y mejorar la rentabilidad.
Has decidido construir un modelo de eventos discretos. Sabes que:
- De media, un nuevo cliente se une a la cola cada 15 segundos durante las horas punta;
- Los clientes suelen llevar varios artículos, normalmente entre 1 y 20; y
- Se tarda de media 3 segundos en escanear un artículo en caja, y el pago suele llevar otros 20 segundos.
El argumento counter almacena el recurso de SimPy, y el argumento customer_num lleva la cuenta del número de clientes.
Vamos a ejecutar el modelo y calcular cuánto se tarda en atender a 30 clientes con distinto número de cajeros.
Este ejercicio forma parte del curso
Simulación de eventos discretos en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
def customer(env, customer_num, counter):
num_items = random.randint(1.0, 20)
print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Joining the queue with {num_items:02d} items!")
# Open the resource counter request
with counter.____() as request:
yield request
print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Got to cashier!")
time_counter = TIME_PAY + random.randint(1.0, 20) * TIME_SCAN_PER_ITEM
# Yield the processing time
yield env.____(time_counter)
print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Finished ")
env = simpy.Environment()
# Create resource
counter = simpy.Resource(env, capacity=____)
env.process(source(env, NEW_CUSTOMERS, INTERVAL_CUSTOMERS, counter))
env.run()