Modelo de logística en eCommerce: análisis de resultados

Imagina un negocio de eCommerce que necesita optimización. Los principales grupos de procesos son:

"Gestión de solicitudes",
"Embalaje", y
"Envío y entrega al cliente".

Cada uno de estos grupos incluye muchos subprocesos y tareas. Por ahora, te centrarás en crear el modelo a alto nivel, que puede (y debe) refinarse conforme dispongas de más información.

La investigación preliminar indica que cada proceso tarda 2, 1 y 5 días en completarse, respectivamente, con desviaciones estándar de 0,2; 0,2 y 1 día.

Ya has construido el modelo y los generadores en SimPy. El tiempo en el modelo se registra en días. Ya se ha importado el siguiente paquete: import matplotlib.pyplot as plt.

Vamos a ejecutar el modelo y a analizar los resultados con un análisis de clústeres.

Este ejercicio forma parte del curso

Simulación de eventos discretos en Python

Ver curso

Instrucciones del ejercicio

Ejecuta el modelo de SimPy almacenado en un entorno de SimPy llamado env durante 5 años (supón que no hay años bisiestos).
Crea un histograma de los resultados del modelo almacenados en record_processes_list con 50 intervalos.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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()

Editar y ejecutar código