已发布的 SimPy 和 Ciw 服务模型演练

本页内容

问题: 需求和人员配置如何改变等待时间和资源利用率?

蒙克斯与哈珀 (2023) 使用 Python 呈现可重现的离散事件 simulation,并以紧急护理呼叫中心为例。的 打开文章 链接可执行的书和 v1.1.2 代码存档。这是一种可操作的教学模式,而不是临床干预的证据。

在浏览器中启动#

打开 作者的书 并遵循其工作模型和再现性章节。其笔记本启动路线可以提供浏览器环境;托管服务的可用性与源可用性是分开的。记录笔记本版本和环境,而不是假设实时启动与存档的文件相匹配。

使用本地环境#

检查的存储库快照是 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

最后一个命令是存储库的设置检查。按照书中的模型笔记本进行实验。对于特定于论文的复制,请改用 v1.1.2 存档及其环境:文章报告了 Python 3.9.16、SimPy 4.0.1、Ciw 2.3.7 和 Streamlit 1.23.0,而当前存储库已更改。

设计一个有用的比较#

明确到达和服务分配、人员配置、队列纪律、运行长度、热身和种子。使用重复运行将基线人员配置场景与一项定义的变更进行比较。报告不确定的等待时间分布和利用率;一次运行的平均值可以隐藏拥塞和随机变化。保留输入分布和复制级输出,而不仅仅是仪表板屏幕截图。

状态: 打开文章的工作示例和可重复性材料、存档记录以及于 2026 年 11 月 15 日检查的存储库设置。上游笔记本和本地环境未在此处执行。

查看 GitHub 上的源代码