SimPy 및 Ciw를 사용한 게시된 서비스 모델 연습
이 페이지의 내용
질문: 수요와 인력 배치는 대기 시간과 자원 활용을 어떻게 변화시키나요?
몽크스 앤 하퍼 (2023) 긴급 진료 콜센터 예시와 함께 Python을 사용하여 재현 가능한 개별 이벤트 simulation를 제시합니다. 는 기사 공개 실행 가능한 책과 v1.1.2 코드 아카이브. 이는 임상적 개입에 대한 증거가 아닌 운영 교육 모델입니다.
브라우저에서 시작#
열기 작가의 책 작업된 모델과 재현성 장을 따르세요. 노트북 실행 경로는 브라우저 환경을 제공할 수 있습니다. 호스팅 서비스 가용성은 소스 가용성과 별개입니다. 실시간 출시가 보관된 문서와 일치한다고 가정하기보다는 노트북 개정판과 환경을 기록하세요.
로컬 환경 사용#
검사된 저장소 스냅샷은 다음과 같습니다. 69288c31fde06114a49c1fbb2186ad163139c126:
git clone https://github.com/health-data-science-OR/simpy-streamlit-tutorial.git
cd simpy-streamlit-tutorial
git checkout 69288c31fde06114a49c1fbb2186ad163139c126
conda env create -f binder/environment.yml
conda activate sim
python main.py
마지막 명령은 저장소의 설정 확인입니다. 모델 노트북에 대한 책을 따라가며 실험해 보세요. 종이별 재생산의 경우 v1.1.2 아카이브와 해당 환경을 대신 사용하십시오. 기사에서는 Python 3.9.16, SimPy 4.0.1, Ciw 2.3.7 및 Streamlit 1.23.0을 보고하지만 현재 저장소는 변경되었습니다.
유용한 비교를 디자인하라#
도착 및 서비스 배포, 직원 배치, 대기열 규칙, 실행 길이, 워밍업 및 시드를 명시적으로 유지하십시오. 반복 실행을 사용하여 정의된 하나의 변경 사항과 기본 인력 배치 시나리오를 비교합니다. 불확실성이 있는 대기 시간 분포 및 활용도를 보고합니다. 한 번의 실행에서 하나의 평균은 혼잡과 확률적 변동을 숨길 수 있습니다. 대시보드 스크린샷뿐만 아니라 입력 분포와 복제 수준 출력을 보존합니다.
상태: 2026년 11월 15일에 기사의 작업 사례 및 재현성 자료, 아카이브 기록 및 저장소 설정을 검사했습니다. 업스트림 노트북과 로컬 환경은 여기서 실행되지 않았습니다.