Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Descubre la simulación de eventos discretos
¿Alguna vez te han pedido que optimices las operaciones de tu sector o negocio? En este curso sobre simulación de eventos discretos en Python, aprenderás a abordar la optimización de una gran variedad de procesos que se ejecutan en paralelo o en secuencia.Explora la optimización de procesos
Las actividades de fabricación, transporte, logística y cadena de suministro pueden requerir la gestión de varios procesos que se ejecutan en paralelo o en secuencia. Optimizar estos procesos puede ser una tarea abrumadora, incluso para las pequeñas empresas, pero es un paso esencial para aumentar la rentabilidad, abordar los cuellos de botella y mejorar la gestión de los recursos.Desarrolla gemelos digitales para procesos del mundo real
Aprovechando el paquete SimPy de Python, desarrollarás gemelos digitales para diferentes tipos de procesos industriales basados en simulaciones de eventos discretos. Encontrarás varios ejemplos del mundo real, desde líneas de producción de automóviles y comercio electrónico hasta gestión del tráfico rodado y actividades de la cadena de suministro.Después de completar este curso, tendrás la confianza necesaria para desarrollar modelos operativos de eventos discretos que puedan utilizarse como «laboratorios virtuales» para probar de forma incremental la eficacia y la relación coste-beneficio de diferentes estrategias de gestión y optimización.Requisitos previos
Programa de formación
Contenido del curso
1
Introducción a los sistemas dinámicos y a los modelos de simulación de eventos discretos
Vamos a desentrañar el potencial de las simulaciones de eventos discretos. Para empezar el curso, aprenderás a identificar problemas en los que las simulaciones de eventos discretos pueden ayudar a apoyar la gestión y la toma de decisiones. También conocerás los componentes principales de los modelos de eventos discretos y cómo interpretar los resultados del modelo. Por último, construirás tu primer modelo de eventos discretos de “cola”.
- Sistemas dinámicos y modelos de eventos discretos50 XP
- Sistemas dinámicos100 XP
- Descomponer un proceso en una secuencia de eventos100 XP
- Ascensor: modelo de eventos discretos100 XP
- Modelos matemáticos de sistemas dinámicos50 XP
- Modelo de eventos discretos: identifica procesos críticos100 XP
- Modelos matemáticos: incorporar procesos clave100 XP
- Introducción a las simulaciones de eventos discretos50 XP
- Desarrollar un modelo de eventos discretos100 XP
- Ejecutar el modelo de eventos discretos100 XP
2
Desarrollo de modelos de eventos discretos con SimPy
Descubre el potencial del paquete SimPy para agilizar tus simulaciones de eventos discretos. En el capítulo 2, aprenderás a crear un entorno de modelo en SimPy y a añadir procesos y recursos. También verás los distintos tipos de recursos disponibles, así como opciones para controlar y programar eventos. Para cerrar el capítulo, construirás un modelo completo en SimPy para una línea de ensamblaje de aeronaves.
3
Mezclando determinismo y no determinismo en los modelos
Explora los tipos de procesos que puedes añadir a los modelos de eventos discretos. Aprenderás a distinguir entre procesos deterministas y no deterministas y cómo representarlos en los modelos. También verás cómo aleatorizar eventos (o procesos), algo clave para simular eventos no deterministas. Por último, construirás un modelo en SimPy que combine procesos deterministas y no deterministas.
4
Aplicación del modelo, clustering, optimización y modularidad
Aprenderás métodos de optimización para maximizar el impacto de tus modelos de eventos discretos. Verás cómo realizar conjuntos de simulaciones usando enfoques de Monte Carlo y descubrirás cómo identificar clústeres en los resultados del modelo para ayudarte a entender su comportamiento e identificar procesos críticos y puntos de inflexión. También usarás funciones objetivo para definir metas en tus esfuerzos de optimización del modelo. Para terminar el curso, explorarás cómo hacer que tu modelo sea escalable para que pueda crecer de forma estable y controlada.
Simulación de eventos discretos en Python
Curso
completado
