Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Entdecke die diskrete Ereignissimulation
Wurdest du schon mal gebeten, deine Branche oder deine Geschäftsabläufe zu verbessern? In diesem Kurs über diskrete Ereignissimulation in Python lernst du, wie du die Optimierung einer Vielzahl von Prozessen, die parallel oder nacheinander laufen, angehen kannst.Entdecke die Prozessoptimierung
Bei der Produktion, dem Transport, der Logistik und der Lieferkette muss man manchmal mehrere Prozesse gleichzeitig oder nacheinander verwalten. Diese Prozesse zu optimieren, kann selbst für kleine Unternehmen echt schwierig sein, aber es ist ein wichtiger Schritt, um die Rentabilität zu steigern, Engpässe zu beseitigen und das Ressourcenmanagement zu verbessern.Digitale Zwillinge für echte Prozesse entwickeln
Mit dem SimPy-Paket von Python kannst du digitale Zwillinge für verschiedene Arten von industriellen Prozessen entwickeln, die auf diskreten Ereignissimulationen basieren. Du wirst auf mehrere Beispiele aus der Praxis stoßen, von Automobilfertigungsstraßen und E-Commerce bis hin zum Straßenverkehrsmanagement und Aktivitäten in der Lieferkette.Nach dem Abschluss dieses Kurses wirst du in der Lage sein, operative diskrete Ereignismodelle zu entwickeln, die als „virtuelle Living Labs“ genutzt werden können, um die Effektivität und das Kosten-Nutzen-Verhältnis verschiedener Management- und Optimierungsstrategien schrittweise zu testen.Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in dynamische Systeme und Diskrete-Ereignis-Modelle
Lass uns die Stärken von Diskrete-Ereignis-Simulationen entdecken. Zum Start dieses Kurses lernst du, Probleme zu identifizieren, bei denen Diskrete-Ereignis-Simulationen Management und Entscheidungsfindung unterstützen können. Außerdem lernst du die Hauptkomponenten von Diskrete-Ereignis-Modellen kennen und wie du Modellausgaben interpretierst. Zum Schluss erstellst du dein erstes Diskrete-Ereignis-Modell als „Warteschlange“.
- Dynamische Systeme und ereignisdiskrete Modelle50 XP
- Dynamische Systeme100 XP
- Einen Prozess in eine Abfolge von Ereignissen zerlegen100 XP
- Aufzug: Diskretes-Ereignis-Modell100 XP
- Mathematische Modelle dynamischer Systeme50 XP
- Diskretes-Ereignis-Modell: kritische Prozesse identifizieren100 XP
- Mathematische Modelle: zentrale Prozesse integrieren100 XP
- Einführung in ereignisdiskrete Simulationen50 XP
- Ein diskretes Ereignismodell entwickeln100 XP
- Das diskrete-Ereignismodell ausführen100 XP
2
Diskrete-Ereignis-Modelle mit SimPy entwickeln
Entdecke die Möglichkeiten des SimPy-Pakets, um deine Diskrete-Ereignis-Simulationen effizienter zu gestalten. In Kapitel 2 lernst du, wie du eine SimPy-Modellumgebung aufbaust und Prozesse sowie Ressourcen hinzufügst. Du lernst außerdem die verschiedenen Ressourcentypen kennen sowie Optionen, um Ereignisse zu steuern und zu planen. Zum Abschluss baust du ein vollständiges SimPy-Modell für eine Flugzeugmontagelinie.
3
Determinismus und Nichtdeterminismus in Modellen kombinieren
Erkunde die Arten von Prozessen, die du zu Diskrete-Ereignis-Modellen hinzufügen kannst. Du lernst, zwischen deterministischen und nichtdeterministischen Prozessen zu unterscheiden und sie im Modell abzubilden. Zudem erfährst du, wie du Ereignisse (oder Prozesse) randomisierst – entscheidend, um nichtdeterministische Ereignisse zu simulieren. Abschließend erstellst du ein SimPy-Modell, das deterministische und nichtdeterministische Prozesse kombiniert.
4
Modellanwendung, Clustering, Optimierung und Modularität
Du lernst Optimierungsmethoden kennen, um die Wirkung deiner Diskrete-Ereignis-Modelle zu maximieren. Du führst Simulation-Ensembles mit Monte-Carlo-Ansätzen durch und erfährst, wie du Cluster in deinen Modellergebnissen identifizierst, um das Verhalten zu verstehen sowie kritische Prozesse und Kipppunkte zu erkennen. Außerdem nutzt du Zielfunktionen, um Ziele für deine Modelloptimierung festzulegen. Zum Abschluss dieses Kurses erforschst du, wie du dein Modell skalierbar machst, damit es stabil und kontrolliert wachsen kann.
Diskrete-Ereignis-Simulation mit Python
Kurs
abgeschlossen
