Modelo de logística em eCommerce: analisando resultados

Vamos considerar um negócio de eCommerce que precisa de otimização. Os principais grupos de processos envolvidos são:

"Gerenciamento de solicitações",
"Embalagem", e
"Envio e entrega ao cliente".

Cada um desses grupos de processos envolve muitos subprocessos e tarefas. Por enquanto, você vai focar em criar o modelo em alto nível, que pode (e deve) ser refinado conforme mais informações ficam disponíveis.

Pesquisas preliminares indicaram que cada processo leva, respectivamente, 2, 1 e 5 dias para ser concluído, com desvios padrão de 0,2, 0,2 e 1 dia.

Você já construiu o modelo e os geradores no SimPy. O tempo no modelo é registrado em dias. O seguinte pacote foi importado para você: import matplotlib.pyplot as plt.

Vamos executar o modelo e analisar os resultados usando análise de clusters.

Este exercício faz parte do curso

Simulação de Eventos Discretos em Python

Ver curso

Instruções do exercício

Execute o modelo do SimPy armazenado em um ambiente SimPy chamado env por 5 anos (considere que não há anos bissextos).
Crie um histograma dos resultados do modelo armazenados em record_processes_list com 50 classes.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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()

Editar e executar o código