Optimalizace počtu výčapov piva na štadióne (Simprocess)

Zadání
Název simulace: Simulace optímálneho počtu výčapov piva na štadióne

Autor: Bc. Dominik Turák, turd01

Typ modelu: Diskrétni simulace

Modelovací nástroj: SIMPROCESS

Popis Modelu
Na hokejových alebo futbalových zápasoch sa často stáva, že človek musí čakať na pivo v dlhom rade celú večnosť. Navyše, ak sa poblízku štadióna nachádza podnik, v ktorom tiež čapujú pivo, ľudia sa mnohokrát rozhodnú ísť si radšej načapovať pivo tam, pretože je to pre nich mnohokrát výhodnejšie, najmä z finančného hľadiska. Štadión tým pádom stráca potencionálny zisk a naopak, pri malom počte ľudí zbytočne prepláca pracujúcich výčapníkov.

Divák vie, že na štadióne trvá čapovanie piva priemerne 2 minúty. Taktiež má zmeranú cestu do krčmy, ktorá trvá tam a späť 10 minút ( + v krčme čapujú pivo v priemere 3 minúty ). Ak je teda v rade na 1 výčapníka priemerne viac ako 6 ľudí, oplatí sa mu zájsť si po pivo do krčmy, pretože ušetrí minútu času. Ďalším faktorom by mohla byť cena piva, čo však v tejto simulácií nie je zakomponované.

Cíl simulace
Nájsť otpimálny počet výčapov prihľiadnúc na počet ľudí na štadióne tak, aby sa minimalizovali straty od nedočkavých ľudí, ktorí si radšej zvolia konkurenčný výčap, avšak zachovať počet píp na čo najnižšom možnom čísle.

= Metóda =

Nasledujúce tabuľky približuje chovanie modelu a opisujú význam vybraných vstupných dát.

Pri generovaní fanúšikov som použil Poison Distribúciu, keďže entity sa generujú v krátkom časovom intervale, čo najlepšie vyhovuje mojmu prípadu, kedy sa snažím čo najrealistickejšie vystihnúť príchod fanúšikov na štadión.

Hlavné rozdiely medzi pivármi a obyčajnými fanúšikmi je túžba po pive. Zatiaľ čo obyčajný fanúšik si nikdy pri vstupe nedá pivo, u pivára je až 40% šanca, že sa tak rozhodne. Na delay označujúci sledovanie zápasu som tentokrát použil Triangulovú distribúciu, čo je v tomto prípade lepšie ako Exponenciálna distribúcia, ktorá by tak dobre nevystihovala realitu, pretože v momentálnom modeli každí dostane chuť na pivo niekedy inokedy, a nie takmer všetci ľudia naraz ( v poradí ako prichádzali na štadión ), ako by to bolo pri Exponenciálnej distribúcii.

=Model=



Hlavná obrazovka obsahuje hlavne Dynamic Labels, ktoré zjednodušujú pozorovanie simulácie. Generovanie fanúšika(Generate) je proces vysvetlený v tabuľke vyššie, Užívanie si zápasu(Process) je hlavný proces obsahujúci všetko potrebné na simulovanie hokejového zápasu a požiadaviek na pivo a Odchod domov(Dispose) simuluje odchod entity zo štadióna. Celá simulácia simuluje dátum 12.12.2018 s časom trvania 16:00 - 19:30 a približný výskyt divákov na zápase prvej slovenskej ligy v meste Prešov.



=Výsledky=

Výsledky ukazujú 4 rôzne simulácie, ktoré boli spustené s nasledujúcimi nastaveniami


 *  Počet píp : 40 
 *  Max ľudí vo fronte : 40 




 *  Počet píp : 30 
 *  Max ľudí vo fronte : 200 


 *  Počet píp : 30 
 *  Max ľudí vo fronte : 500 


 *  Počet píp : 60 
 *  Max ľudí vo fronte : 420 


 *  Počet píp : 55 
 *  Max ľudí vo fronte : 385

Ako môžeme vidieť, pri zmene píp a maximálneho počtu ľudí vo fronte ( čo v reále znamená že človeku sa z časového hľadiska oplatí ísť do krčmy, ak počet čakajúcich ľudí vo fronte je vyšší ako Max ľudí vo fronte / Počet píp) nám stále uniká dosť veľký počet pív. Umelé zvyšovanie maximálneho počtu čakajúcich ľudí nám nepomôže, aj keď simulácia naozaj počíta s extrémnym prípadom, kedy by každý na štadióne vypil viac ako 1 pivo za zápas. Zároveň nezahrňuje ani možnosť objednávať viac pív naraz, čo tiež nie je veľmi praktické. Tento model teda obsahuje možnosti rozšírenia, no takáto profesionálna simulácia by si vyžiadala podstatne viac času. Pri súčasnom nastavení všetkých podmienok a experimentovaní iba s 2 parametrami je pre štadión optimálne riešenie, ak by mal aspoň 53 píp, kedy by sa ľuďom z časového hľadiska takmer nikdy neoplatilo ísť si po pivo do krčmy.

=Závěr=

Simulácia by sa dala rozšíriť o množstvo ďalších rozhodnutí, ako je napríklad potreba ísť na WC alebo zahrnúť skutočnosť, že by si ľudia v bufere mohli kúpiť aj niečo iné ako pivo. Pri mojom nastavení ani 40 píp na čapovanie nestačilo na to, aby štadíón nestrácal zisky (čo sa týka predaného piva, výčapníci a ich hodinová mzda v modeli zatiaľ chýba tiež) z divákov, ktorí chcú pivo v rovnaký čas. Naopak, otpimalizáciu prihľiadnúc na tento fakt by som považoval nasadenie 20 píp, kde by ale pracovníci nemali takmer žiaden oddych. Som rád, že som si nakoniec vybral Simprocess, pretože tento nástroj môže byť v budúcnosti veľmi žiadaný.

=Kód=

=Reference= http://simprocess.com/Documentation/Windows_Manuals/SIMPROCESS_Getting_Started_Manual.pdf http://simprocess.com/Documentation/SIMPROCESS_Expression_Demo_Models.pdf