Zadání LS 2019/2020

From Simulace.info
Jump to: navigation, search



Simulácia zberu jahôd

Názov simulácie: Zber jahôd

Autor: Juraj Bačovčin

Typ modelu: Multiagentný

Modelovací nástroj: NetLogo

Popis modelu: Do prostredia tvoreného prechodnou zeleňou, ľubovoľným počtom náhodne rozmiestnených prekážok v podobe stromov a rovnako tak ľubovoľným počtom náhodne rozmiestnených jahôd sú poslaní piati vzájomne súperiaci zberači. Ako to už vyplýva z ich pomenovania, hlavným cieľom týchto zberačov je samozrejme pozbierať čo najvyšší počet jahôd skôr než sa ich zmocnia ostatní, pričom každý jeden z nich má odlišnú stratégiu. Prvý zberač menom Adam sa riadi čisto len svojimi inštinktmi a ďalšie miesto, na ktoré sa vydá, si vyberá výhradne náhodne. Bohumil k tomu pristupuje už o čosi chytrejšie a vydáva sa vždy práve za tou jahodou, ktorá sa k nemu aktuálne nachádza najbližšie. Cyril je zasa raz o niečo pripravenejší a informovanejší, vďaka čomu sa môže vždy vybrať najskôr na miesto, kde by mal byť zhluk jahôd najväčší, všetky ich pozbierať a až tak zasa rovnakým spôsobom pokračovať na ďalšie také miesto. Denis je v porovnaní s ostatnými zákernejší a vyberá si za svoj cieľ vždy práve tú jahodu, po ktorej ide zberač nachádzajúci sa k nemu najbližšie. Na rozdiel od neho posledný zberač menom Erik postráda kompetitívneho ducha a vyberá si vždy jahodu, ktorá je k nemu najbližšie a zároveň po nej nikto iný práve nejde.

Parametre modelu:

  • Počet jahôd
  • Počet stromov
  • Veľkosť stromov
  • Rýchlosť pohybu zberačov

Cieľ simulácie: Hlavným cieľom tejto simulácie je porovnať rozdielne prístupy k zdanlivo všednej úlohe za účelom nájdenia optimálnej stratégie zberu jahôd (alebo prakticky akýchkoľvek iných surovín) v kompetitívnom prostredí. Okrem toho je však i možné sledovať, ktorá z menovaných stratégií sa teší najväčšiemu úspechu pri iných nastaveniach parametrov, prípadne aké nastavenie parametrov vykazuje najlepšie výsledky pre každého z definovaných zberačov.

Možnosti rozšírení: Do modelu je možné pridať i ďalšie typy objektov (napríklad prekážky s odlišnými tvarmi), parametrov (ako napríklad miera únavnosti, na základe ktorej sa všetci zberači postupne budú spomaľovať až pokiaľ nezastanú úplne za účelom krátkeho oddychu) a v neposlednom rade i zberačov (s ďalšími stratégiami).

Ta hustota (množství) překážek určitě patrí mezi parametry modelu. Jinak schváleno.


Degenerace při chovu Australských ovčáků (AUO)

Název: Degenerace při chovu Australských ovčáků (AUO)

Autor: Herm10 (talk) 22:45, 13 May 2020 (CET)

Nástroj: NetLogo

Typ modelu: Multiagentní

Popis modelu: Australský ovčák je plemeno, které poslední dobou stoupá v oblibě. Nicméně oproti klasikám jako jsou například labradoři nebo němečtí ovčáci, je počet chovatelů relativně malý. U každého rozmnožování psů se preferuje uchovnění dle určitých pravidel, nicméně u AUO to platí dvojnásob. Tito psi mohou často trpět epilepsií a dalšími nemocemi, které jsou pro toto plemeno typické (oční vady, kloubní onemocnění, hluchota a třeba i alergie). U psa s PP se riziko některých onemocnění výrazně sníží, nebo dokonce úplně vyloučí díky testování. Proto je u tohoto psa množení bez pravidel a testování velmi kritizované.

Na základě testování jedinců se dá vypočítat pravděpodobnost jednotlivých onemocnění v rámci další generace/generací. Kromě testů se dá u psů již podle procenta bílé barvy vypočítávat pravděpodobnost určitých onemocnění v případné další generace. Proto se takzvaným „nestandardům“ (psům kteří neprojdou určitým počtem testů) zakazuje dále rozmnožovat a doporučuje se kastrace. Stále ale existují určité parametry, které se u uchovnění nehlídají a další generace ohrožují. V takovém případě je na svědomí chovatele, jestli takového psa nakryje a zvýší riziko onemocnění u dalších generací.

Na základě testů a rodinné příslušnosti jsou stanovena přísná pravidla, kdo s kým se může křížit. Pro obnovení silných genů si občas nechají chovatelé dovézt psa na nakrytí ze zahraničí.

Ne každé nakrytí je úspěšné a také počet zdravých štěňat se značně liší.

Ne každý páníček svého psa uchovní, což do jisté míry ovlivní budoucnost chovů. Naopak spousta lidí chce ty nejlepší psy „jen tak pro rodinu“, a tím pádem takový jedinec již nemá šanci přispět svými kvalitními geny.

Vzhledem k tomu, že poptávka v tomto roce výrazně začala převyšovat nabídku, začalo se více objevovat „bezpapírové“ množení, díky čemuž se rodí například slepá nebo hluchá štěňata


Agenti:

  • Psi
  • Chovatelé

Parametry:

  • Počet psů dovezených ze zahraničí
  • Počet nelegálních chovatelů
  • Počet nezodpovědných chovatelů

Cíl simulace: Cílem práce je sledovat vývoj tohoto plemene a míru degenerace v závislosti na chování chovatelů. Výstupem by byl také počet štěňat, které kvůli jejich výrazným vadám nikdo nechce (hluchota, slepota, …). Jeden měsíc = jeden tick.

Data: Data ohledně tohoto plemene jsou volně dostupná na internetu. Zde příklad genetiky o anomálii očí: https://www.genomia.cz/cz/test/cea-collie-eye-anomaly/ Chovné stanice a informace o potomcích – narozené vrhy 2020: http://www.aussiesworld.cz/index.php/chov/vrhy/narozene-vhry/narozene-vrhy-2020

Schváleno Tomáš (talk) 18:27, 14 May 2020 (CET)


Procesní analýza dopravy cestujících na Letiště Václava Havla (LVH) pro optimalizaci při zavedení metra [1]

  • Název simulace: Metro na LVH
  • Autor: Zurp00 (talk) 20:55:45, 14 May 2020 (CET) Polina Luneva
  • Typ modelu: Diskrétní simulace
  • Modelovací nástroj: SIMPROCESS

Popis modelu: Prodloužení pražské trasy metra A z Motola na Letiště Václava Havla by vyšlo na 26,8 miliardy korun. Vybudování tratě by i s přípravnými pracemi trvalo jedenáct let (analýza by měla trvat 6,5 roku, dalších 4,5 roku stavba samotná). Hloubka podzemních stanic by se pohybovala v rozmezí 20 až 45 metrů Vyplývá to z analýzy firmy Metroprojekt pro dopravní podnik a magistrát. [2] Je tedy patrné, že celá výstavba metra zabere dost času, ale i finančních prostředků, proto je potřeba co nejvíce času věnovat řádné přípravě. Tato práce by mohla posloužit jako jeden ze způsobu dat.


Metoda: Model bude zpracován pomocí programu SIMPROCESS, který je uzpůsobený přesně na podobné problematiky. Bude zde možné nastavovat různé množství časových intervalů a počtu vozů apod.


Cíl simulace: V práci se chci soustředit na analýzu procesu dopravy metrem na LVH a návrh nejlepší možné optimalizace.

LVH má otevřeno 24 hod. Sledovat se bude z důvodů dostupnosti dat interval jedné hodiny <9;10> a podle toho budu chtít určit

  • Interval, jak často má metro jezdit s ohledem na ostatní faktory (fronty, tvořící se na security, pásové kontrole)
  • Počet otevřených přepážek na bezpečnostní kontrole
  • Počet otevřených přepážek na pásové kontrole

Vlak bude zastavovat na Nemocnice Motol (stávající poslední zastávka metra A) -Bílá Hora- Dědina- Dlouhá Míle- LVH. Rychlost jízdy je maximálně 90 Km/hod. Nepočítají se zastávky a doba čekání, tudíž i toto je potřeba spočítat. Doba trvání jízdy z Můstku na LVH je 25 minut. Celková vzdálenost LVH od centra je 17 km, nová dráha od Nemocnice Motol do LVH bude dlouhá 7 km, stávající dráha od Můstku do Nemocnice Motol je 10 km. Tudíž rychlost metra je v průměru 41 km/hod. Doba zahřívání bude z předchozích údajů 25 minut, tudíž začátek bude nastaven na 8:35 hodin.

Počítá se s metrovou soupravou M1, která má kapacitu 1464 cestujících. Redukce kabin není možná, tudíž je možné pracovat pouze s intervalem.

Dle poskytnutých dat by v časovém rozmezí 9-10 hod přijelo metrem v průměru 29 osob za 1 min (v případě výběru cestujícími metro, jako hlavního dopravního prostředku, takový je i předpoklad). Zároveň se musí počítat s cestujícími, jenž přijíždějí nejen metrem, ale ostatními prostředky (autobus, auto, taxi). Tam v této hodině se počítá zhruba se 33 cestujícími za 1 min. Celkově se tedy na LVH dostane v jednu minutu 62 lidí. Je třeba podotknout, že přesné určení počtu cestujících závisí na mnoha faktorech. V uvedeném počtu nejsou započítány zaměstnanci a lidé, kteří cestují za zábavou či jiným účelem. Data byla poskytnuta LVH.

počet metro/min počet ost./min celkem
29 osob 33 osob 62 osob


Důležitou dobou, nutné pro obsloužení každého cestujícího, je BEZPEČTNOSTNÍ KONTOLA (security kontrola) a PASOVÁ KONTROLA. V obou případech se jedná o místa, kde se scházejí všichni cestující bez rozdílu, zda mají zavazadlo či nikoliv. V tabulce je vidět počet otevřených přepážek na bezpečnostní kontrole a na pasové kontrole, dále pak průměrný výkon za minutu pro každé stanoviště.

Typ Počet maximálních přepážek Výkon přepážky [osoba/min]
Bezpečnostní kontrola 16 ks 2
Pasová kontrola 21 ks 2

Pro přehlednost představuji high level schéma:

Obr. 1: Schéma







Možnosti rozšíření: Proces je možné rozšířit i o další dopravní prostředky (vlak, tramvaj) a sledovat nejoptimálnější variantu zavedení dopravy, ale jelikož se dle informaci předpokládá zavedení metra, budu tedy dále pracovat a podrobněji nahlížet na tuto variantu.

Data: Vycházet budu hlavně s diplomové práce na téma: Analýza způsobů dopravy cestujících na Letiště Václava Havla. [1] V práci autor pracuje s dostupnými a ověřenými statistikami.

Odkazy:

  1. 1.0 1.1 PAZDRO, V. ANALÝZA ZPŮSOBŮ DOPRAVY CESTUJÍCÍCH NA LETIŠTĚ S VLIVEM NA ODBAVOVACÍ PROCES. České vysoké učení technické v Praze: Fakulta dopravní [online]. 2018 [cit. 2020-05-14]. Dostupné z: https://dspace.cvut.cz/bitstream/handle/10467/77357/F6-DP-2018-Pazdro-Vladimir-Analyza%20zpusobu%20dopravy%20cestujicich%20na%20letiste%20s%20vlivem%20na%20odbavovaci%20proces.pdf?sequence=-1&isAllowed=y
  2. ČTK. Protažení metra na letiště by stálo 27 miliard a trvalo 11 let, říká analýza. iDNES: [online]. 2018 [cit. 2020-05-14]. Dostupné z: https://www.idnes.cz/praha/zpravy/prodlouzeni-metra-motol-letiste-miliardy-analyza.A180215_120053_praha-zpravy_rsr
Téma v principu velmi zajímavé, líbí se mi, ale není mi úplně jasné, co vlastně chcete přesně simulovat. Nejprve hovoříte o kapacitě metra, pak o tom, jak jsou pasažéři rozptýleni po terminálech... Není mi to moc jasné. To byste měla dopracovat. Co je cílem, tj. jaké výstupy hledáte? Jaké tam budete mít naopak proměnné. Atd. A druhá věc je, zda je na to opravdu nejlepší použít Simprocess. Ale na to nejsem schopen odpovědět právě proto, že to zadání úplně nechápu. Tomáš (talk) 22:55, 19 May 2020 (CET)

Zadání jsem upravila, prosím, zda je to takto v pořádku? Zurp00 (talk) 11:08, 20 May 2020 (CET)

OK, ten model Vám sám o sobě vyjde poměrně jednoduchý. Za přínos ale považuji práci s daty. Zkuste do toho zakomponovat další vstupy (jiné časy než mězi 9-10 a jiné dopravní prostředky). Jinak super. Schváleno. Tomáš (talk) 08:49, 23 May 2020 (CET)

Nalezení nejlepší strategie řidičů Taxi

Název: Nalezení nejlepší strategie řidičů Taxi

Autor: Zikl00 (talk) 23:23, 14 May 2020 (CET)

Nástroj: NetLogo

Typ modelu: Multiagentní

Popis modelu: Taxikářská společnost v jednom malém městečku se snaží přizpůsobit strategii svých taxikářů tak, aby zákazníci čekali co nejkratší dobu. Pro přiblížení skutečnosti je město rozděleno na segmenty, kde se zákazníci vyskytují více či méně. Stav dopravní situace v průběhu dne zachycuje běžné rozdělení řidičů na silnici (dopravní špičky ráno a odpoledne, klid v nočních hodinách, atd.). Operátor vypočítá, který taxík bude u zákazníka nejrychleji, a toho k zákazníkovi pošle - do výpočtu se zahrnuje i čas cesty, kterou musí taxík ještě absolvovat se stávajícím pasažérem (vznikne tak jakási jednoduchá fronta). Někteří zákazníci nevydrží čekat, takže si zařídí jiný způsob přepravy. Tímto se zabrání hromadění čekajících zákazníků - simulace nemá zkoumat, kolik zákazníků se podařilo převézt atd., ale jaká je nejvhodnější strategie pro taxikáře ve chvílích, kdy nemají co na práci.

Grafy budou znázorňovat:

  • průměrnou dobu čekání všech zákazníků
  • průměrnou dobu čekání zákazníků, kteří čekali než taxík doveze předchozího pasažéra
  • průměrnou dobu čekání zákazníků, ke kterým taxík hned zamířil - tato skupina taxikářů je pro simulaci nejdůležitější, protože simulace zkoumá, jakou strategii mají řidiči zvolit, když zrovna nevezou pasažéra

Agenti:

  • Taxikář_1 - po dokončení trasy řidič čeká a místě, dokud nezavolá další zákazník
  • Taxikář_2 - po dokončení trasy řidič náhodně jezdí po mapě
  • Taxikář_3 - po dokončení trasy řidič jede na polohu centroidu, který se průběžně počítá z polohy všech zákazníků, kteří dosud volali operátorovi společnosti
    • Všichni taxikáři mohou také po dovezení pasažéra rovnou zamířit k jinému zákazníkovi, který již čeká.

Parametry modelu:

  • Počet zákazníků za den (rozloží se do hodin podle taxikářské špičky)[1][2]
  • Počet aut v městečku (rozložení v hodinách se určuje dle poměru z grafu přepravní špičky)[3]
  • Počet Taxikářů 1., 2. a 3. kategorie

Možná rozšíření:

  • Výpočet spotřeby paliva pro každou strategii
  • ...

Cíl simulace: Výsledky simulace přiblíží, která taxikářská strategie je nejvhodnější pro snížení doby čekání zákazníků. Výhodnost strategií se může lišit i vzhledem k zadaným parametrům.

Odkazy:

  1. JIANG, Weiwei, LIAN, Jing, SHEN, Max, ZHANG, Lin. A multi-period analysis of taxi drivers' behaviors based on GPS trajectories [online]. 2017 [cit. 2020-05-14]. Dostupné z: https://www.semanticscholar.org/paper/A-multi-period-analysis-of-taxi-drivers%27-behaviors-Jiang-Lian/5032da9586e128838a39cdf2047e44d5452e2744/figure/0
  2. ZHU, Hengyi. The Data Incubator Capstone Project: NYC Taxi Trips [online]. 2016 [cit. 2020-05-14]. Dostupné z: http://nyc-taxi-trips.herokuapp.com/time
  3. VOSÁTKA, Dominik. Kvalita nabízených služeb Dopravního podniku hlavního města Prahy, a. s. [online]. Pardubice, 2014 [cit. 2020-05-14]. Dostupné z: https://dk.upce.cz/bitstream/handle/10195/58906/VosatkaD_KvalitaNabizenych_KP_2014.pdf;jsessionid=F1343FF5C835CEC986D0AC2F4373369E?sequence=3
Jak by podle Vás vypadal konkrétně pohyb těch aut v modelu? Tomáš (talk) 00:20, 20 May 2020 (CET)
Mapa bude pevně daná, auta se budou pohybovat po definovaných spojitých trasách - silnicích. Vzhledem k tomu, že každý bod má své souřadnice, mohu implementovat některý z vyhledávacích algoritmů, jako např. A* nebo Dijkstrův. Zikl00 (talk) 08:13, 20 May 2020 (CET)
Schváleno Tomáš (talk)

Procesná analýza vychystávania B2C objednávok v logistickom centre Skladon poskytujúc fulfillment službu pre e-shopy

  • Název simulace: Návrh optimalizácie vychystávania objednávok v logistickom centre Skladon
  • Autor: Xhalm23 (talk) 19:01, 15 May 2020 (CET)
  • Typ modelu: Diskrétna simulácia
  • Modelovací nástroj: SIMPROCESS

Popis modelu: Firma Skladon poskytujúca fulfillment služby pre e-shopy potrebuje zanalýzovať a zoptimalizovať proces vychystávania B2C objednávok. V poslednej dobre prudko vzrastol dopyt po tejto službe a firma potrebuje tento proces optimalizovať na troch úrovňiach:

  • rýchlosť vychystávania
  • finančné náklady na personál
  • optimalizovanie počtu zamestnancov

Do procesu vychystávania vystupjú tieto sledované entity:

  • Picker (Zamestnanec zodpovedný za prinesenie produktov pre konkrétne objednávky k baliacemu pracovisku)
  • Pickovací Vozík (Vozík ktorým picker zbiera produkty pre objednávky. Maximálny poč. objednávok na vozík je 8. Plný vozík Picker nechá pri baliacom pracovisku a vyzme si prázdny)
  • Balič / Baliace pracovisko (Zamestnanec zodpovedný za zkompletovanie objednávky, zabalenie do krabice a nalepenie prepravného štítku. Balič vyprázdni pickovací vozík a pripraví ho na ďalšie použitie)
  • Objednávka (Hlavná entita prechadzajúca procesom od začiatku po koniec.)

Popis procesu: Picker dostane za úlohu vy-pickovať určitý počet objednávok za jeden pickovací cyklus. Vozikom vyzbiera všetky potrebné produkty a privezie vozík k baliacemu pracovisku. Picker si vezme ďalší vozík a odchádza po ďalšie objednávky (Koniec jedného pickovacieho cylku). Proces pokračuje balením. Balič postupne balí všetky produkty do krabice a hotovú zásielku uloží na paletu pre prepravcu. Prázdny košík uloží na miesto odkiaľ si ho ďalší pickery môžu zobrať.

Otázka znie, ako zefektívniť celý proces vychystávania. To znamená, koľko firma potrebuje zamestnancov podieľajúcich sa na tomto procese. Aký je ideálny počet baliacích pracovisk s tým, aby boli všetky využívané. A aký je ideálny počet pickovacích vozíkov, aby picker nemusel čakať a tak zabrániť prestoju s tým, aby počet vychystaných objednávok bol čo najväčší.

Metoda: Model bude zpracovaný pomocou programu SIMPROCESS, ktorý je ideálny na riešenie tejto problematiky.

Cíl simulace: Určenie ideálneho počtu zamestnancov podieľajúcich sa na procese. Určenie idálneho počtu pickovacích vozíkov, aby nedochádzalo k prestojom a určenie počtu baliacich pracovísk tak, aby sa maximalizoval počet vychystaných objednávok.

Možnosti rozšíření: Proces je možné rozšíriť o modifikovanie pickovacích vozíkov (zväčšenie kapacity).

Data: Dáta pre našu analýzu a optimalizovanie tohto procesu budú reálne dáta zozbierané na prevádzke firmy.

Schváleno Tomáš (talk) 00:23, 20 May 2020 (CET)


Analýza zákaznických preferencí za účelem optimalizace nákupu vstupních surovin pro zajištění kávového cateringu

Název simulace: Catering

Autor: Kraj12 (talk) 10:38, 29 May 2020 (CET)

Typ modelu: Diskrétní simulace

Modelovací nástroj: Microsoft Excel


Popis modelu: Společnost Kafe Entropie [1] zajišťuje kávový catering pro společenské události, jako jsou svatby, vernisáže, konference ad. Na každé akci se vyskytuje určité předem známé množství lidí, potenciálních zákazníků, a Ti si mohou objednat jakýkoli z řady nabízených kávových nápojů. Cílem je uspokojit poptávku a současně dosáhnout co nejměnšího přebytku vstupních surovin, které rychle podléhají skáze a přezásobení tedy snižuje výnosnost podniku.


Metoda: Model bude zpracován v rámci programu Microsoft Excel. Vstupem modelu bude nahlášený počet účastníků události a výstupem doporučený objem vstupních surovin. Významnou součástí bude analýza dostupných dat o objednávkách z již uskutečněných akcí, na základě které bude stanovena predikce objednávek budoucích.


Cíl simulace: Vytvořit funkční model, který určí potřebný objem nákupu vstupních surovin, který bude současně optimální. Tím dojde k výraznému snížení zátěže při přípravě, kdy i přes praktické zkušenosti dochází k odchylkám, neboť nikdo nechce procházet tisíce řádků se záznamy o objednávkách, a tak dochází k posouzení četnosti objednávek spíše podle vlastních chutí. Zákazníci si mají možnost objednat z následujícího seznamu nápojů. Pro každý z nich je uveden i objem vstupních surovin.

nápoj surovina/káva [g] surovina/mléko [ml] surovina/voda [ml]
espresso 9 0 50
double espresso 18 0 70
americano 18 0 140
cappuccino 9 160 50
flat white 18 140 70
caffé latté 9 250 50
macchiato 9 80 50
batch brew 18 0 280

Dále je nutné započítat spotřebu surovin pro nastavení mlýnku, a to:

  • iniciální nastavení: 200g kávy, 1000ml vody
  • pravidelné ladění: 60g kávy, 140ml vody za každých 30 vydaných káv


Možnosti rozšíření: V případě, že se model osvědčí, bude na místě ho rozšířit také o predikci prodeje jídla.


Data: Jako zdrojová data budou použity skutečné záznamy o objednávkách z již uskutečněných akcí.


Odkazy:

  1. Komorní sbor Entropie, z.s.. Kafe Entropie. [online]. 2019 [cit. 2020-05-29]. Dostupné z: https://kafeentropie.cz
Téma jako takové je dobré, jen ho je třeba obohatit o dimenzi peněz, tedy nákady vs výnosy, což by mělo být tím finálním měřítkem pro optimalizaci. Stěžejní je i to odvození pravděpodnobnostních rozdělení, ze kterých se budou generovat náhodné veličiny (poptávka po různých typech kávy) - je potřeba to pak dobře zdokumentovat v reportu, který je součástí simulace. Schváleno. Oleg.Svatos (talk) 09:12, 31 May 2020 (CET)

Simulace přemnožených hrabošů

Název simulace: Simulace plošného trávení přemnožených hrabošů a následného vlivu na dravce, kteří se jimi živí

Autor: Josef Čekan

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis modelu: V roce 2019 došlo z důvodu proběhnuvší mírné zimy v České republice k přemnožení hraboše polního. Jak již z jejich názvu vyplývá, životním prostředím jsou mu především pole. Jejich přemnožení tak trápilo především zemědělce, potažmo také okolní obyvatele. Zemědělce trápila škoda na jejich produkci a okolní obyvatele spíše strach z jejich posezonního přesídlení do vesnic a měst z důvodu možnosti přenášení různých chorob a působení škod na majetku. Nakonec bylo přistoupeno k povolení plošného trávení hrabošů na území České republiky.

Díky vysokému množství hrabošů v přírodě se dařilo posílit svou populaci také dravcům, jelikož jim jsou drobní hlodavci potravou. Tento fakt se tak stal také jedním z hlavních argumentů v diskuzi o tom, zda umožnit trávení přemnožených hrabošů, a to především z toho důvodu, že by tak mohlo být ohroženo více druhů zvířat než přemnožení hraboši. A to včetně těch, které jsou v České republice čím dál vzácnější.

Cílem modelu Sledovat vývoj situace v čase při různém nastavení parametrů a zjištění důležitosti kritérií pro přežití jednotlivých druhů.

Parametry modelu:

  • Množství rozmístěného jedu na území
  • Pravděpodobnost otravy dravce skrze konzumaci otráveného hraboše
  • Počáteční množství dravců na území
  • Počáteční množství hrabošů na území

Možnosti rozšíření:

  • Možnost zahrnutí biomu polí s potravou pro hraboše, čímž by se model případně také mohl rozšířit o míru způsobené škody pro zemědělce.
Přemýšlím, zda to není spíš na systémovou dynamiku. Vyhodnocoval jste kritéria pro využití multiagentní simulace, jak jsme si je říkali? Tomáš (talk) 16:49, 5 June 2020 (CET)
Díky za odpověď. Přemýšlel jsem o tom jako o agentní simulaci, jelikož jsem si provedení představoval jako model s agenty hrabošů potulujícími a rozmnožujícími se po světě a živící se úrodou. Zároveň by se pak po světě potulovali dravci živící se hraboši. Některá úroda by ale byla kontaminovaná,čímž by vznikla možnost otravy hraboše a zároveň pravděpodobnost otravy dravce při pozření daného hraboše. Všichni agenti by zároveň jíst potřebovali, jelikož bez jídla nepřežijí. Takovýto model si popravdě implementovaný například ve Vensimu neumím úplně představit, nebo alespoň ne z mého pohledu. cekj01 (talk) 18:45, 5 June 2020 (CET)

Simulace provozu veterinární kliniky

Název simulace: Simulace provozu veterinární kliniky

Autor: Dmitry Borodin

Typ modelu: Diskrétní simulace

Modelovací nástroj: SIMPROCESS

Popis modelu: Předmětem tohoto modelu je simulace veterinární kliniky s nepřetržitým provozem. Klinika má 5 pracovních míst pro ošetření a 3-5 veterinářů (zaleží na zatížeností a časovém intervalu). Každý veterinář má asistenta. Ošetření může být provedeno veterinářem, asistentem nebo veterinářem a asistentem spolu. Před samotným ošetřením klient musí se zaregistrovat – v případě nového klienta, proces registrace trvá delší dobu. V případě pacienta, který je v kritickém stavu, registrace není nutná. Entity:

  • Veterinář
  • Asistent
  • Administrátor
  • Pracovní místo

Cíl simulace:

  • nalezení optimálního počtu zaměstnanců v době běžného provozu
  • snížení nákladů na personál kliniky
  • snížení počtu zákazníků, čekajících ve frontě a zákazníků, které rozhodli odejit po určité době čekání

Možnosti rozšíření: nalezení optimálního počtu zaměstnanců v nestandardních časových intervalech (víkendy, svátky), doplnění procesu o sonografické vyšetření, RTG snímek, vyšetření krve.

Data: reálná data, získána od přítelkyně, která pracovala 3 roky na pozici asistenta a nyní pracuje jako veterinář (v Rusku).

V základní verzi je to příliš jednoduchá úloha. Pokud do toho zahrnete všechna rozšíření a skutečně to vybudujete na reálných datech (vč. nákladů, atd.) schváleno Tomáš (talk) 17:00, 5 June 2020 (CET)