成衣生產：多重流程與模組化
你受託為位在義大利米蘭（時尚之都）的一家成衣工廠建置離散事件模型，以協助進行最佳化。
你相當興奮，並希望打造一個實用且可擴充的模型。你也知道成衣產業十分複雜，牽涉許多流程與資源，而你仍在熟悉當中。
你做了功課，整理出下表這份流程清單。你很謹慎，為每個流程都建立了獨立函式，讓模型具備模組化，並能以可控方式持續擴充。
現在你收到主管的回饋，被要求在模型中加入一個新流程「Spot cleaning and laundry（局部去汙與洗滌）」，這個流程應該放在步驟 8 與 9 之間（請見表格中紅色標註的列）。套件 random 與 simpy 已匯入。
本練習屬於課程
Python 的離散事件模擬
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create a function for the new process
def ____(gen_type=None, gauss_mean=None, gauss_std=None, unif_start=None, unif_end=None):
if gen_type == "gauss":
duration = random.gauss(gauss_mean, gauss_std)
elif gen_type == "uniform":
duration = random.uniform(unif_start, unif_end)
return duration
def all_processes(env, prod_line):
with prod_line.request() as request:
yield request
t1 = fabric_relaxing(gen_type="gauss", gauss_mean=2*60, gauss_std=15)
t2 = spread_form_layout(gen_type="gauss", gauss_mean=6, gauss_std=1)
t3 = laying_paper_pattern(gen_type="uniform", unif_start=3, unif_end=0.5)
t4 = marking(gen_type="gauss", gauss_mean=6, gauss_std=1)
t5 = cutting(gen_type="gauss", gauss_mean=5, gauss_std=0.5)
t6 = embroidery_screen_and_printing(gen_type="uniform", unif_start=10, unif_end=2)
t7 = sewing(gen_type="gauss", gauss_mean=15, gauss_std=3)
t8 = checking(gen_type="gauss", gauss_mean=2, gauss_std=0.5)
# Add the new process
tnew = ____
# Account for the new process duration in the entire process duration
total_duration = sum([t1, t2, t3, t4, t5, t6, t7, t8, ____, t9, t10])
yield env.timeout(total_duration)