Logistiek e-commercemodel: resultaten analyseren

Stel, je hebt een e-commercebedrijf dat geoptimaliseerd moet worden. De hoofdgroepen van processen zijn:

"Aanvragen beheren",
"Verpakken", en
"Verzending en bezorging aan de klant".

Elke groep omvat meerdere subprocessen en taken. Voor nu richt je je op het opzetten van het model op hoofdlijnen, dat (en dat is ook de bedoeling) verfijnd kan worden zodra er meer informatie beschikbaar is.

Vooronderzoek laat zien dat elk proces respectievelijk 2, 1 en 5 dagen duurt, met standaardafwijkingen van 0,2, 0,2 en 1 dag.

Je hebt het SimPy-model en de generatoren gebouwd. Tijd in het model wordt bijgehouden in dagen. Het volgende pakket is al voor je geïmporteerd: import matplotlib.pyplot as plt.

Laten we het model draaien en de resultaten analyseren met clusteranalyse.

Deze oefening maakt deel uit van de cursus

Discrete Event Simulation in Python

Cursus bekijken

Oefeninstructies

Voer het SimPy-model uit in een SimPy-omgeving met de naam env voor 5 jaar (ga uit van geen schrikkeljaren).
Maak een histogram van de modelresultaten in record_processes_list met 50 bins.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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()

Code bewerken en uitvoeren