लॉजिस्टिक्स eCommerce मॉडल: परिणामों का विश्लेषण
मान लीजिए एक eCommerce व्यवसाय है जिसे ऑप्टिमाइज़ करने की ज़रूरत है. इसमें मुख्य प्रोसेस-ग्रुप्स हैं:
- "Request management",
- "Packaging", और
- "Shipment and delivery to client".
इनमें से हर प्रोसेस-ग्रुप में कई सब-प्रोसेस और टास्क शामिल हैं. अभी के लिए, आप उच्च-स्तर पर मॉडल बनाने पर ध्यान देंगे, जिसे और जानकारी मिलते ही आगे रिफ़ाइन किया जा सकता है (और किया जाना चाहिए).
प्रारंभिक रिसर्च के अनुसार इन प्रोसेसेज़ का औसत समय क्रमशः 2, 1, और 5 दिन है, और इनके standard deviations क्रमशः 0.2, 0.2, और 1 दिन हैं.
आपने SimPy मॉडल और जनरेटर्स बना लिए हैं. मॉडल में समय दिनों में रिकॉर्ड होता है. आपके लिए यह पैकेज इम्पोर्ट कर दिया गया है: import matplotlib.pyplot as plt.
आइए मॉडल चलाएँ और क्लस्टर एनालिसिस का उपयोग करके परिणामों का विश्लेषण करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Discrete Event Simulation
अभ्यास निर्देश
- SimPy एनवायरनमेंट
envमें सेव SimPy मॉडल को 5 वर्षों के लिए चलाएँ (लीप वर्ष न मानें). record_processes_listमें स्टोर मॉडल परिणामों का 50 बिन्स के साथ एक हिस्टोग्राम बनाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
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()