Produkcja odzieży: wiele procesów i modułowość
Masz za zadanie zbudować model symulacji dyskretnej, który pomoże zoptymalizować fabrykę odzieży w Mediolanie – włoskiej stolicy mody.
Jesteś bardzo podekscytowany(-a) tym projektem i chcesz mieć pewność, że stworzysz pomocny i skalowalny model. Wiesz, że branża odzieżowa jest złożona i obejmuje wiele procesów oraz zasobów, z którymi wciąż się zapoznajesz.
Po przeprowadzeniu badań opracowałeś(-aś) listę procesów przedstawioną w poniższej tabeli. Podszedłeś(-aś) do zadania rzetelnie i dla każdego procesu stworzyłeś(-aś) oddzielną funkcję, aby model był modularny i mógł rozrastać się w kontrolowany sposób.
Teraz otrzymałeś(-aś) informację zwrotną od swojego menedżera – poproszono cię o dodanie do modelu nowego procesu: „Czyszczenie miejscowe i pranie", który powinien znaleźć się między krokiem 8 a 9 (patrz wiersz tabeli wyróżniony na czerwono). Pakiety random i simpy zostały już zaimportowane.
To ćwiczenie jest częścią kursu
Symulacja zdarzeń dyskretnych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create a function for the new process
def ____(gen_type=None, gauss_mean=None, gauss_std=None, unif_start=None, unif_end=None):
if gen_type == "gauss":
duration = random.gauss(gauss_mean, gauss_std)
elif gen_type == "uniform":
duration = random.uniform(unif_start, unif_end)
return duration
def all_processes(env, prod_line):
with prod_line.request() as request:
yield request
t1 = fabric_relaxing(gen_type="gauss", gauss_mean=2*60, gauss_std=15)
t2 = spread_form_layout(gen_type="gauss", gauss_mean=6, gauss_std=1)
t3 = laying_paper_pattern(gen_type="uniform", unif_start=3, unif_end=0.5)
t4 = marking(gen_type="gauss", gauss_mean=6, gauss_std=1)
t5 = cutting(gen_type="gauss", gauss_mean=5, gauss_std=0.5)
t6 = embroidery_screen_and_printing(gen_type="uniform", unif_start=10, unif_end=2)
t7 = sewing(gen_type="gauss", gauss_mean=15, gauss_std=3)
t8 = checking(gen_type="gauss", gauss_mean=2, gauss_std=0.5)
# Add the new process
tnew = ____
# Account for the new process duration in the entire process duration
total_duration = sum([t1, t2, t3, t4, t5, t6, t7, t8, ____, t9, t10])
yield env.timeout(total_duration)