โมเดลร้านอาหาร: การจัดการโต๊ะและเวลารอ
สมมติว่าต้องการเปิดร้านอาหารในย่านยอดนิยมของซานฟรานซิสโก การกำหนดจำนวนโต๊ะและกำลังการผลิตของห้องครัวถือเป็นเรื่องสำคัญมาก เพื่อให้รองรับลูกค้าได้มากที่สุด ขณะเดียวกันก็ลดการลงทุนเริ่มต้นและค่าใช้จ่ายในการดำเนินงานให้น้อยที่สุด โมเดลการจำลองแบบเหตุการณ์ไม่ต่อเนื่องช่วยสนับสนุนการตัดสินใจลงทุนนี้ได้ ด้วยการจำลองอัตราการครอบครองโต๊ะ เวลารอของลูกค้า และจำนวนลูกค้าที่ออกจากคิวเพราะรอนานเกินไป
เริ่มต้นด้วยการกำหนด generator ที่จำลองการขอโต๊ะและการตัดสินใจของลูกค้าว่าจะรอต่อหรือจะจากไป ตามระยะเวลารอที่เกิดขึ้น ในแบบฝึกหัดถัดไป จะได้ตั้งค่าโมเดล รันการจำลอง และวิเคราะห์ผลลัพธ์ หน่วยเวลาในโมเดลนี้คือนาที
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจำลองเหตุการณ์แบบไม่ต่อเนื่องด้วย Python
คำแนะนำการฝึกหัด
- เปิดคำขอโต๊ะเป็น
reqเมื่อลูกค้าเข้ามาในร้านอาหาร - ใช้ตัวดำเนินการ bitwise-or เพื่อรอจนกว่าจะมีโต๊ะว่าง (
req) หรือจนกว่าความอดทนของลูกค้าจะหมด (env.timeout(patience)) - Yield เวลาที่ลูกค้าครอบครองโต๊ะ ซึ่งกำหนดโดยตัวแปร
time_at_tables
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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