결제 대기열 관리하기

피크 시간대에는 의류 매장이 매우 붐벼 결제를 위해 줄을 서는 경우가 많아요. 현재는 계산대가 하나뿐이며, 대기 시간을 최대한 줄여 수익성을 높이려면 계산대를 몇 대로 늘려야 하는지 비용-편익 분석을 해 달라는 요청을 받았어요.

이 문제를 해결하기 위해 이산 사건 모델을 만들기로 했어요. 다음 정보를 알고 있어요:

피크 시간대에는 평균적으로 15초마다 새 고객이 대기열에 합류해요.
고객은 보통 1개에서 20개 사이의 여러 상품을 가지고 와요.
계산대에서 상품을 스캔하는 데는 상품 1개당 평균 3초가 걸리고, 결제에는 보통 추가로 20초가 걸려요.

인자 counter에는 SimPy 리소스가 저장되고, 인자 customer_num은 고객 수를 추적해요.

이제 모델을 실행해 보면서, 계산대 수를 달리했을 때 고객 30명을 응대하는 데 걸리는 시간을 계산해 볼게요.

이 연습은 강의의 일부입니다

Python으로 배우는 이산 사건 시뮬레이션

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

def customer(env, customer_num, counter):

    num_items = random.randint(1, 20)
    print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Joining the queue with {num_items:02d} items!")

    # Open the resource counter request
    with counter.____() as request:

        yield request
        print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Got to cashier!")
        time_counter = TIME_PAY + random.randint(1, 20) * TIME_SCAN_PER_ITEM

        # Yield the processing time
        yield env.____(time_counter)
        print(f"Time: {env.now:7.4f} sec | Customer {customer_num:02d} > Finished ")

env = simpy.Environment()

# Create resource
counter = simpy.Resource(env, capacity=____)
env.process(source(env, NEW_CUSTOMERS, INTERVAL_CUSTOMERS, counter))
env.run()

코드 편집 및 실행