물류 eCommerce 모델: 결과 분석
최적화가 필요한 eCommerce 비즈니스를 가정해 봅시다. 관련된 주요 프로세스 그룹은 다음과 같습니다:
- "Request management",
- "Packaging", 그리고
- "Shipment and delivery to client".
각 프로세스 그룹에는 여러 하위 프로세스와 작업이 포함됩니다. 지금은 높은 수준의 모델을 먼저 만들고, 이후 더 많은 정보가 확보되면 점진적으로 정교화하는 데 집중할 거예요.
사전 조사에 따르면 각 프로세스는 각각 2일, 1일, 5일이 소요되며, 표준편차는 0.2일, 0.2일, 1일입니다.
여러분은 이미 SimPy 모델과 제너레이터를 구축해 두었습니다. 모델의 시간 기록 단위는 일(day)입니다. 다음 패키지는 미리 임포트되어 있습니다: import matplotlib.pyplot as plt.
이제 모델을 실행하고, 클러스터 분석을 통해 결과를 살펴보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 이산 사건 시뮬레이션
연습 안내
- 윤년이 없다고 가정하고,
env라는 SimPy 환경에 저장된 SimPy 모델을 5년 동안 실행하세요. record_processes_list에 저장된 모델 결과로 구간 50개의 히스토그램을 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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()