物流系 eCommerce モデル：結果を分析する

最適化が必要な eCommerce ビジネスを考えてみましょう。主なプロセスのグループは次のとおりです。

「リクエスト管理」
「梱包」
「出荷と顧客への配送」

これらの各プロセスグループには、多くのサブプロセスやタスクが含まれます。現時点では、まず高レベルのモデルを作成することに集中します。情報が増え次第、モデルを改善（すべき）していきます。

予備調査では、各プロセスの所要日数はそれぞれ 2 日、1 日、5 日で、標準偏差は 0.2、0.2、1 日であることがわかりました。

SimPy のモデルとジェネレーターは作成済みです。モデル内の時間は日で記録されています。次のパッケージはインポート済みです：import matplotlib.pyplot as plt。

それでは、モデルを実行し、クラスタ解析を使って結果を分析しましょう。

この演習はコースの一部です

Pythonで学ぶ離散事象シミュレーション

コースを見る

演習の手順

env という名前の SimPy 環境に格納された SimPy モデルを、5 年間（うるう年は考慮しない）実行してください。
record_processes_list に保存されたモデル結果のヒストグラムを、ビン数 50 で作成してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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()

コードを編集して実行