Build your ultimate AI agent
Описание курса
Откройте для себя дискретно-событийное моделирование
Вас когда-нибудь просили оптимизировать процессы в вашей отрасли или бизнесе? В этом курсе по дискретно-событийному моделированию на Python вы научитесь решать задачи оптимизации множества процессов, работающих параллельно или последовательно.Изучите оптимизацию процессов
Производственные, транспортные, логистические и цепочечные операции могут требовать управления несколькими процессами, выполняющимися параллельно или последовательно. Оптимизация этих процессов может быть непростой задачей даже для небольших компаний, но это необходимый путь для повышения прибыльности, устранения узких мест и улучшения управления ресурсами.Создавайте цифровые двойники для реальных процессов
Используя пакет SimPy для Python, вы будете создавать цифровые двойники для различных типов промышленных процессов на основе дискретно-событийного моделирования. Вы встретите несколько примеров из реальной практики — от автомобильных производственных линий и электронной коммерции до управления дорожным движением и деятельности в цепочке поставок.После завершения этого курса вы будете уверенно разрабатывать операционные модели дискретно-событийного моделирования, которые можно использовать как «виртуальные живые лаборатории» для поэтапного тестирования эффективности и соотношения затрат и выгод различных стратегий управления и оптимизации.Предварительные требования
Программа
Структура курса
1
Введение в динамические системы и модели дискретно-событийного моделирования
Давайте разберёмся, чем полезно дискретно-событийное моделирование. В начале курса вы научитесь определять задачи, в которых такое моделирование помогает принимать управленческие решения. Вы также познакомитесь с основными компонентами дискретно-событийных моделей и научитесь интерпретировать результаты их работы. В завершение вы построите свою первую модель «очереди».
- Динамические системы и модели дискретно-событийного моделирования50 XP
- Динамические системы100 XP
- Декомпозиция процесса на последовательность событий100 XP
- Лифт: модель дискретно-событийного моделирования100 XP
- Математические модели динамических систем50 XP
- Дискретно-событийная модель: определение ключевых процессов100 XP
- Математические модели: включение ключевых процессов100 XP
- Введение в дискретно-событийное моделирование50 XP
- Разработка дискретно-событийной модели100 XP
- Запуск модели дискретно-событийного моделирования100 XP
2
Построение дискретно-событийных моделей с помощью SimPy
Откройте для себя возможности пакета SimPy для построения дискретно-событийных симуляций. В главе 2 вы узнаете, как создать среду модели SimPy, добавить в неё процессы и ресурсы. Вы также изучите различные типы доступных ресурсов и способы управления событиями и их планирования. В завершение главы вы построите полную модель SimPy для сборочной линии воздушных судов.
3
Сочетание детерминированных и недетерминированных процессов в моделях
Изучите типы процессов, которые можно добавлять в дискретно-событийные модели. Вы научитесь различать детерминированные и недетерминированные процессы и представлять их в моделях. Кроме того, вы узнаете, как задать случайность событий (или процессов) — это ключевой элемент моделирования недетерминированных явлений. В завершение вы построите модель SimPy, объединяющую оба типа процессов.
4
Применение моделей, кластеризация, оптимизация и модульность
Вы освоите методы оптимизации, позволяющие раскрыть весь потенциал ваших дискретно-событийных моделей. Вы научитесь выполнять ансамбли симуляций с помощью метода Монте-Карло и выявлять кластеры в результатах модели, чтобы лучше понимать её поведение и определять критические процессы и точки перелома. Вы также воспользуетесь целевыми функциями для постановки задач оптимизации. В конце курса вы узнаете, как сделать модель масштабируемой — чтобы она росла устойчиво и предсказуемо.
Дискретно-событийное моделирование на Python
Курс
завершён
