Modello di logistica eCommerce: analisi dei risultati

Consideriamo un'azienda eCommerce che necessita di ottimizzazione. I principali gruppi di processi coinvolti sono:

"Gestione delle richieste",
"Packaging", e
"Spedizione e consegna al cliente".

Ognuno di questi gruppi di processi comprende molti sottoprocessi e attività. Per ora, ti concentrerai sulla creazione del modello ad alto livello, che potrà (e dovrebbe) essere perfezionato man mano che saranno disponibili ulteriori informazioni.

Da un'analisi preliminare risulta che ciascun processo richiede rispettivamente 2, 1 e 5 giorni per essere completato, con deviazioni standard di 0,2; 0,2 e 1 giorno.

Hai già costruito il modello e i generatori in SimPy. Il tempo nel modello è registrato in giorni. Il seguente pacchetto è stato importato per te: import matplotlib.pyplot as plt.

Eseguiamo il modello e analizziamo i risultati usando l'analisi per cluster.

Questo esercizio fa parte del corso

Simulazione a eventi discreti in Python

Visualizza il corso

Istruzioni dell'esercizio

Esegui il modello SimPy salvato in un ambiente SimPy chiamato env per 5 anni (assumi che non ci siano anni bisestili).
Crea un istogramma dei risultati del modello salvati in record_processes_list con 50 classi.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

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()

Modifica ed esegui il codice