Chuyển đến nội dung chính

Trang chủ Python

Khóa học

Mô phỏng Sự kiện Rời rạc bằng Python

Nâng caoTrình độ kỹ năng

Đã cập nhật tháng 04, 2026

Khám phá sức mạnh của mô phỏng sự kiện rời rạc trong việc tối ưu hóa quy trình kinh doanh của bạn. Học cách phát triển digital twins bằng gói SimPy của Python.

Bắt Đầu Khóa Học Miễn Phí

PythonProbability & Statistics

4 gio

16 video

55 Bài tập

4,650 XP

2,668

Giấy chứng nhận Thành tích

Được người học tại hàng ngàn công ty yêu thích

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Điều kiện tiên quyết

Introduction to Statistics in Python Python Toolbox

1

Giới thiệu về Hệ động lực và Mô hình Mô phỏng Sự kiện Rời rạc

Hãy cùng khám phá sức mạnh của mô phỏng sự kiện rời rạc. Mở đầu khóa học, bạn sẽ học cách nhận diện các bài toán mà mô phỏng sự kiện rời rạc có thể hỗ trợ quản lý và ra quyết định. Bạn cũng sẽ tìm hiểu các thành phần chính của mô hình sự kiện rời rạc và cách diễn giải đầu ra của mô hình. Cuối cùng, bạn sẽ tự xây dựng mô hình sự kiện rời rạc kiểu “hàng đợi” đầu tiên của mình.

Hệ động lực và mô hình sự kiện rời rạc

Hệ động

Phân rã một quy trình thành chuỗi sự kiện

Thang máy: mô hình sự kiện rời rạc

Mô hình toán học của hệ động lực

Mô hình sự kiện rời rạc: xác định các quy trình then chốt

Mô hình toán học: tích hợp các quy trình then chốt

Giới thiệu về mô phỏng theo sự kiện rời rạc

Phát triển mô hình sự kiện rời rạc

Chạy mô hình sự kiện rời rạc

Bắt Đầu Chương

2

Phát triển Mô hình Sự kiện Rời rạc với SimPy

Khám phá sức mạnh của gói SimPy để tinh gọn các mô phỏng sự kiện rời rạc của bạn. Ở chương 2, bạn sẽ học cách dựng môi trường mô hình SimPy và cách bổ sung các quy trình (process) và tài nguyên (resource). Bạn cũng sẽ tìm hiểu các loại tài nguyên khác nhau, cùng các lựa chọn để kiểm soát và lập lịch sự kiện. Kết thúc chương, bạn sẽ xây dựng một mô hình SimPy hoàn chỉnh cho dây chuyền lắp ráp máy bay.

Giới thiệu về gói SimPy

Xây dựng mô hình máy rửa xe bằng SimPy

Mô phỏng dây chuyền sản xuất ô tô: Python generators

Mô phỏng dây chuyền sản xuất ô tô: Tạo và chạy mô hình

Gói SimPy: Các loại tài nguyên

Xác định loại tài nguyên SimPy phù hợp

Quản lý hàng chờ thanh toán

Mô hình hóa trạm xăng: Python generators

Mô hình hóa trạm xăng: Chạy mô hình và phân tích kết quả

Gói SimPy: Quản lý lập lịch sự kiện

Mô hình nhà hàng: Quản lý bàn và thời gian chờ

Mô hình nhà hàng: Thiết lập, chạy và phân tích kết quả

Xây dựng mô hình sự kiện rời rạc với SimPy

Xây dựng mô hình của bạn: Tạo môi trường và tài nguyên

Xây dựng mô hình: Tạo đơn đặt hàng máy bay

Xây dựng mô hình của bạn: Kiểm soát phản hồi của dây chuyền lắp ráp

Xây dựng mô hình của bạn: Chạy mô hình và xem kết quả

Bắt Đầu Chương

3

Kết hợp Tính tất định và Phi tất định trong Mô hình

Khám phá các loại quy trình bạn có thể thêm vào mô hình sự kiện rời rạc. Bạn sẽ học cách phân biệt giữa quy trình tất định và phi tất định, cũng như cách biểu diễn chúng trong mô hình. Bạn cũng sẽ học cách ngẫu nhiên hóa các sự kiện (hoặc quy trình), điều then chốt để mô phỏng các sự kiện phi tất định. Cuối cùng, bạn sẽ xây dựng một mô hình SimPy kết hợp cả quy trình tất định và phi tất định.

Sự kiện và quy trình tất định

Dây chuyền lắp ráp ô tô: thêm các sự kiện mang tính quyết định

Dây chuyền lắp ráp ô tô: thêm các sự kiện tất định với SimPy

Sự kiện và quy trình phi định Deterministic

Dây chuyền lắp ráp ô tô: thêm các sự kiện phi tất định

Dây chuyền lắp ráp ô tô: thêm các sự kiện phi tất định với SimPy

Giả ngẫu nhiên hóa các sự kiện và phương thức

Ngẫu nhiên hóa giá trị

Quản lý hãng taxi: chạy mô hình

Quản lý hãng taxi: xem xét kết quả

Kết hợp quy trình tất định và phi tất định

Mô hình giao thông: xác định đầu vào mô hình

Mô hình vận tải: định nghĩa các phương thức quy trình

Mô hình vận chuyển: định nghĩa generator

Mô hình vận chuyển: chạy mô hình

Bắt Đầu Chương

4

Ứng dụng Mô hình, Phân cụm, Tối ưu hóa và Tính mô-đun

Bạn sẽ học các phương pháp tối ưu hóa để tối đa hóa tác động của mô hình sự kiện rời rạc. Bạn sẽ học cách thực hiện các tập hợp mô phỏng bằng phương pháp Monte Carlo và khám phá cách nhận diện các cụm (cluster) trong kết quả mô hình để hiểu hành vi hệ thống, xác định quy trình then chốt và các điểm bùng phát. Bạn cũng sẽ dùng hàm mục tiêu để đặt mục tiêu cho nỗ lực tối ưu hóa mô hình. Kết thúc khóa học, bạn sẽ khám phá cách giúp mô hình có khả năng mở rộng để phát triển ổn định và được kiểm soát.

Tổ hợp mô phỏng: lấy mẫu Monte Carlo

Lấy mẫu Monte Carlo cho mô hình sự kiện rời rạc

Lấy mẫu Monte Carlo cho mô hình sự kiện rời rạc với SimPy

Phân cụm và mô hình cụm

Mô hình logistics eCommerce: Phân tích kết quả

Mô hình eCommerce logistics: phân tích k-means

Hàm mục tiêu và tối ưu hóa hệ thống

Tối ưu hóa sản xuất: Tìm & Dừng

Tối ưu hóa sản xuất: Score & Rank

Tính mô-đun của mô hình để tối ưu hóa phát triển liên tục

Mô hình eCommerce logistics: Tính mô-đun của mô hình

Sản xuất may mặc: Nhiều công đoạn và tính mô-đun

Chúc mừng bạn!

Bắt Đầu Chương

Mô phỏng Sự kiện Rời rạc bằng Python

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Mô phỏng Sự kiện Rời rạc bằng Python ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.