Restaurangmodell: Hantera bord och väntetider
Tänk dig att du vill öppna en restaurang i ett populärt område i San Francisco. Antalet bord och kökets kapacitet är avgörande faktorer för att betjäna så många kunder som möjligt, samtidigt som du håller nere investeringskostnader och driftkostnader. En diskret händelsemodell kan vara ett stöd i det här investeringsbeslutet genom att simulera bordsutnyttjande, kundernas väntetider och antalet kunder som lämnar kön på grund av för lång väntan.
Låt oss börja med att definiera den generator som simulerar bordsförfrågningar och kundernas beslut att vänta eller lämna beroende på väntetiden. I nästa övning konfigurerar du modellen, kör den och analyserar resultaten. Tidsenheterna i modellen är minuter.
Den här övningen är en del av kursen
Diskret händelsesimulering i Python
Övningsinstruktioner
- Öppna en bordsförfrågan som
reqnär en kund anländer till restaurangen. - Använd en bitvis-eller-operator för att vänta tills ett bord är ledigt (
req) eller tills kundens tålamod tar slut (env.timeout(patience)). - Yield den tid som bordet är upptaget av kunden, vilket anges av variabeln
time_at_tables.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
def customer(env, name, tables):
global customers_served, customers_quiting_waiting
arrive = env.now
# Request a table
with tables.request() as ____:
patience = random.uniform(MIN_PATIENCE, MAX_PATIENCE)
# Wait until a table is free or the customer runs out of patience
results = yield ____ | ____
wait = env.now - arrive
if req in results:
print(f"{env.now:7.4f} {name} > Waited {wait:6.3f} minutes for a table!")
time_at_tables = random.uniform(MIN_SEATING_TIME, MAX_SEATING_TIME)
# Yield the time the table is occupied by the customer
____ env.timeout(time_at_tables)
print(f"{env.now:7.4f} {name} > Finished meal :)")
costumers_served += 1
else:
print(f"{env.now:7.4f} {name} > Gave up waiting and left after waiting {wait:7.4f} minutes :(")
customers_quiting_waiting += 1