Model eCommerce Logistik: Menganalisis hasil

Pertimbangkan sebuah bisnis eCommerce yang perlu dioptimalkan. Kelompok proses utama yang terlibat adalah:

"Manajemen permintaan",
"Pengemasan", dan
"Pengiriman dan penyerahan ke klien".

Masing-masing kelompok proses ini mencakup banyak subproses dan tugas. Untuk saat ini, Anda akan berfokus pada pembuatan model pada tingkat tinggi, yang dapat (dan seharusnya) disempurnakan seiring tersedianya lebih banyak informasi.

Penelitian awal menemukan bahwa setiap proses memerlukan waktu masing-masing 2, 1, dan 5 hari untuk diselesaikan, dengan simpangan baku 0,2; 0,2; dan 1 hari.

Anda telah membangun model dan generator SimPy. Waktu dalam model dicatat dalam satuan hari. Paket berikut telah diimpor untuk Anda: import matplotlib.pyplot as plt.

Mari jalankan model dan analisis hasilnya menggunakan analisis klaster.

Latihan ini merupakan bagian dari kursus

Simulasi Peristiwa Diskret dengan Python

Lihat Kursus

Instruksi latihan

Jalankan model SimPy yang disimpan dalam environment SimPy bernama env selama 5 tahun (anggap tidak ada tahun kabisat).
Buat histogram dari hasil model yang disimpan dalam record_processes_list dengan 50 bin.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

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()

Edit dan Jalankan Kode