Logistikmodell för e-handel: Analysera resultaten

Låt oss titta på ett e-handelsföretag som behöver optimeras. De viktigaste processgrupperna är:

"Hantering av beställningar",
"Förpackning", och
"Frakt och leverans till kund".

Var och en av dessa processgrupper innehåller många delprocesser och uppgifter. För nu fokuserar du på att bygga modellen på en övergripande nivå – något som kan (och bör) förfinas när mer information finns tillgänglig.

Inledande undersökningar visade att varje process tar 2, 1 respektive 5 dagar att slutföra, med standardavvikelser på 0,2, 0,2 och 1 dag.

Du har redan byggt SimPy-modellen och generatorerna. Tiden i modellen registreras i dagar. Följande paket har importerats åt dig: import matplotlib.pyplot as plt.

Nu ska du köra modellen och analysera resultaten med klusteranalys.

Den här övningen är en del av kursen

Diskret händelsesimulering i Python

Visa kurs

Övningsinstruktioner

Kör SimPy-modellen som lagrats i SimPy-miljön med namnet env i 5 år (anta att inga skottår förekommer).
Skapa ett histogram över modellresultaten som lagrats i record_processes_list med 50 intervall.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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()

Redigera och kör kod