Zacznij terazZacznij za darmo

Model logistyki eCommerce: analiza wyników

Rozważmy firmę eCommerce wymagającą optymalizacji. Główne grupy procesów to:

  1. "Zarządzanie zleceniami",
  2. "Pakowanie" oraz
  3. "Wysyłka i dostawa do klienta".

Każda z tych grup obejmuje wiele podprocesów i zadań. Na tym etapie skupisz się na stworzeniu modelu na wysokim poziomie ogólności – można go (i należy) doprecyzowywać w miarę pojawiania się nowych informacji.

Wstępne badania wykazały, że każdy z procesów trwa odpowiednio 2, 1 i 5 dni, przy odchyleniach standardowych wynoszących 0,2, 0,2 i 1 dzień.

Model SimPy wraz z generatorami jest już gotowy. Czas w modelu jest zapisany w dniach. Zaimportowano dla ciebie następującą bibliotekę: import matplotlib.pyplot as plt.

Uruchom model i przeanalizuj wyniki za pomocą analizy skupień.

To ćwiczenie jest częścią kursu

Symulacja zdarzeń dyskretnych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Uruchom model SimPy zapisany w środowisku SimPy o nazwie env na okres 5 lat (przyjmij, że nie ma lat przestępnych).
  • Utwórz histogram wyników modelu przechowywanych w record_processes_list, używając 50 przedziałów.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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()
Edytuj i uruchom kod