Build your ultimate AI agent
รายละเอียดคอร์ส
ค้นพบการจำลองเหตุการณ์ไม่ต่อเนื่อง
คุณเคยถูกขอให้เพิ่มประสิทธิภาพการดำเนินงานในอุตสาหกรรมหรือธุรกิจของคุณหรือไม่? ในหลักสูตรนี้เกี่ยวกับการจำลองเหตุการณ์ไม่ต่อเนื่องใน Python คุณจะได้เรียนรู้วิธีรับมือกับการเพิ่มประสิทธิภาพของกระบวนการมากมายที่ทำงานแบบขนานหรือแบบลำดับกันสำรวจการเพิ่มประสิทธิภาพกระบวนการ
กิจกรรมด้านการผลิต การขนส่ง โลจิสติกส์ และซัพพลายเชนอาจต้องมีการจัดการหลายกระบวนการที่ดำเนินไปพร้อมกันหรือเป็นลำดับต่อเนื่องกัน การปรับกระบวนการเหล่านี้ให้เหมาะสมอาจเป็นงานที่ท้าทายอย่างมาก แม้แต่สำหรับบริษัทขนาดเล็ก แต่ก็เป็นเส้นทางสำคัญที่จำเป็นต่อการเพิ่มความสามารถในการทำกำไร จัดการกับคอขวด และปรับปรุงการบริหารทรัพยากรพัฒนา Digital Twins สำหรับกระบวนการในโลกจริง
ด้วยการใช้แพ็กเกจ SimPy ของ Python คุณจะพัฒนา digital twins สำหรับกระบวนการอุตสาหกรรมประเภทต่างๆ โดยอิงจากการจำลองแบบเหตุการณ์ไม่ต่อเนื่อง คุณจะได้พบกับตัวอย่างจากโลกจริงหลายกรณี ตั้งแต่สายการผลิตรถยนต์และอีคอมเมิร์ซ ไปจนถึงการจัดการจราจรบนถนนและกิจกรรมในห่วงโซ่อุปทานหลังจากจบหลักสูตรนี้ คุณจะมีความมั่นใจในการพัฒนาแบบจำลองเหตุการณ์ไม่ต่อเนื่องเชิงปฏิบัติการที่สามารถใช้เป็น “ห้องทดลองเสมือนจริง” สำหรับทดสอบอย่างค่อยเป็นค่อยไปถึงประสิทธิผลและความคุ้มค่าต้นทุนของกลยุทธ์การบริหารจัดการและการเพิ่มประสิทธิภาพที่แตกต่างกันข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
บทนำสู่ระบบพลวัตและโมเดลการจำลองเหตุการณ์แบบไม่ต่อเนื่อง
มาเรียนรู้พลังของการจำลองเหตุการณ์แบบไม่ต่อเนื่องกัน ในบทเริ่มต้นนี้ จะได้เรียนรู้วิธีระบุปัญหาที่การจำลองเหตุการณ์แบบไม่ต่อเนื่องสามารถช่วยสนับสนุนการบริหารจัดการและการตัดสินใจได้ รวมถึงองค์ประกอบหลักของโมเดลการจำลองเหตุการณ์แบบไม่ต่อเนื่อง และวิธีตีความผลลัพธ์ของโมเดล สุดท้ายจะได้สร้างโมเดลการจำลองเหตุการณ์แบบ "คิว" เป็นครั้งแรก
- ระบบพลวัตและแบบจำลองเหตุการณ์แบบไม่ต่อเนื่อง50 XP
- ระบบพลวัต100 XP
- การแยกกระบวนการออกเป็นลำดับเหตุการณ์100 XP
- ลิฟต์: แบบจำลอง Discrete-Event100 XP
- แบบจำลองทางคณิตศาสตร์ของระบบพลวัต50 XP
- โมเดลเหตุการณ์ไม่ต่อเนื่อง: ระบุกระบวนการสำคัญ100 XP
- โมเดลทางคณิตศาสตร์: การรวมกระบวนการสำคัญเข้าไว้ด้วยกัน100 XP
- การจำลองเหตุการณ์แบบไม่ต่อเนื่องเบื้องต้น50 XP
- การสร้างแบบจำลอง Discrete-Event100 XP
- การรันแบบจำลอง Discrete-Event100 XP
2
การสร้างโมเดลเหตุการณ์แบบไม่ต่อเนื่องด้วย SimPy
เรียนรู้ประสิทธิภาพของแพ็กเกจ SimPy เพื่อทำให้การจำลองเหตุการณ์แบบไม่ต่อเนื่องง่ายขึ้น ในบทที่ 2 นี้ จะได้เรียนรู้วิธีสร้าง environment ของโมเดล SimPy รวมถึงการเพิ่มกระบวนการและทรัพยากร นอกจากนี้ยังได้เรียนรู้ประเภทของทรัพยากรที่มีให้ใช้งาน ตลอดจนตัวเลือกในการควบคุมและกำหนดเวลาของเหตุการณ์ และปิดท้ายบทด้วยการสร้างโมเดล SimPy แบบสมบูรณ์สำหรับสายการประกอบอากาศยาน
3
การผสมผสานกระบวนการแบบกำหนดได้และแบบไม่แน่นอนในโมเดล
สำรวจประเภทของกระบวนการที่สามารถเพิ่มลงในโมเดลการจำลองเหตุการณ์แบบไม่ต่อเนื่อง จะได้เรียนรู้วิธีแยกแยะระหว่างกระบวนการแบบกำหนดได้และแบบไม่แน่นอน รวมถึงวิธีนำเสนอกระบวนการเหล่านั้นในโมเดล นอกจากนี้ยังได้เรียนรู้วิธีสุ่มเหตุการณ์ (หรือกระบวนการ) ซึ่งเป็นสิ่งสำคัญสำหรับการจำลองเหตุการณ์แบบไม่แน่นอน และปิดท้ายด้วยการสร้างโมเดล SimPy ที่รวมทั้งกระบวนการแบบกำหนดได้และแบบไม่แน่นอนเข้าด้วยกัน
4
การประยุกต์ใช้โมเดล การจัดกลุ่ม การปรับให้เหมาะสม และความเป็นโมดูล
เรียนรู้วิธีการปรับให้เหมาะสมเพื่อเพิ่มประสิทธิภาพสูงสุดของโมเดลการจำลองเหตุการณ์แบบไม่ต่อเนื่อง จะได้เรียนรู้วิธีดำเนินการ simulation ensemble ด้วยแนวทาง Monte Carlo และวิธีระบุกลุ่มในผลลัพธ์ของโมเดลเพื่อทำความเข้าใจพฤติกรรมของโมเดล รวมถึงระบุกระบวนการที่สำคัญและจุดเปลี่ยนสำคัญ นอกจากนี้ยังได้ใช้ฟังก์ชันวัตถุประสงค์เพื่อกำหนดเป้าหมายในการปรับให้เหมาะสม และปิดท้ายคอร์สด้วยการเรียนรู้วิธีทำให้โมเดลขยายขนาดได้ เพื่อให้เติบโตได้อย่างมั่นคงและควบคุมได้
การจำลองเหตุการณ์แบบไม่ต่อเนื่องด้วย Python
เรียนจบแล้ว

