Modèle e-commerce logistique : analyse des résultats

Considérons une entreprise d’e-commerce qui a besoin d’optimisation. Les principaux groupes de processus sont :

« Gestion des demandes »,
« Emballage », et
« Expédition et livraison au client ».

Chacun de ces groupes comprend de nombreux sous-processus et tâches. Pour l’instant, vous allez créer un modèle à un niveau macro, qui pourra (et devra) être affiné au fur et à mesure que de nouvelles informations seront disponibles.

Des recherches préliminaires ont montré que chaque processus dure respectivement 2, 1 et 5 jours, avec des écarts types de 0,2, 0,2 et 1 jour.

Vous avez construit le modèle et les générateurs SimPy. Le temps dans le modèle est enregistré en jours. Le paquet suivant a été importé pour vous : import matplotlib.pyplot as plt.

Exécutons le modèle et analysons les résultats à l’aide d’une analyse de clusters.

Cet exercice fait partie du cours

Simulation d’événements discrets en Python

Afficher le cours

Instructions

Exécutez le modèle SimPy stocké dans un environnement SimPy nommé env pendant 5 ans (supposez qu’il n’y a pas d’années bissextiles).
Créez un histogramme des résultats du modèle stockés dans record_processes_list avec 50 classes.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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()

Modifier et exécuter le code