Zadání LS 2018/2019

From Simulace.info
Revision as of 11:14, 6 May 2019 by Grep07 (talk | contribs)
Jump to: navigation, search




Simulace sjezdovky

Název simulace: Simulace sjezdovky

Autor: Michal Pokorný

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis Modelu: Simulace pohybu lyžařů/snowboardistů na svahu. Účastníci simulace jsou nejdříve vyvezeni vlekem/ky na vrcholek svahu a následně v závislosti na svojí strategii sjedou svah dolů. Simulace by řešila optimální počet a průchodnost vleků v závislosti na počtu účastníků (toto lze řešit výpočtem), počet nehod v závislosti na počtu vleků/účastníků a porovnání jednotlivých strategií účastníků (jejich rychlost) s pravděpodobností jejich srážky s jiným účastníkem.

Parametry modelu:

  • Velikost svahu
  • Počet účastníků
  • Strategie (rychlost) účastníků
  • Počet a rychlost vleků

Možné rozšíření: Úprk před lavinou, různé typy (rychlosti) sjezdovek, možnost pádu účastníka bez srážky s jiným účastníkem, různé obtížnosti sjezdovek (vyšší četnost pádů), vliv strategie na četnost pádů

Nevidím tady mnoho důvodů k agentní simulaci. Vychází mi z toho simulace diskrétní a to ještě poměrně jednoduchá. Popřemýšlel bych buďto, jak to transformovat do simulace vhodné pro agenty (viz kritéria diskutovaný na poslední hodině) nebo to dělat jako diskrétní simulaci (ale v tom případě by bylo dobré trochu zvýšit složitost) či popřemýšlet o něčem úplně jiném. Tomáš (talk) 19:27, 5 May 2019 (CET)

Simulace šíření spalniček

Název simulace: Simulace šíření spalniček

Autor: Bc. Jurij Povoroznyk, povj01

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis Modelu: V České republice propukla epidemie spalniček. Tato nemoc se k nám dostal od cestovatele z Indie přímo do hlavního města Prahy. Celkově bylo nakaženo 2 000 lidí a další lidé rychle přibývají. Nakažený jedinci jsou z různých věkových kategorií. Přičemž děti v rozmezí 3–5 let jsou na tuto nemoc náchylnější a můžou této nemoci rychle podlehnout, dokonce umřít pokud nejsou již očkování. Očkovat dítě je možné minimálně od 1 roku života. Bylo zjištěno, že z celého souboru nebylo očkováno ani jednou dávkou vakcíny 39 % osob. Dvěma dávkami vakcíny bylo očkováno 42 % nakažených. Onemocnění se projevuje horečkou, rýmou, kašlem, slzícíma očima a na bukální sliznici jsou bělavé tečky se zarudlým okolím. Virus spalniček se přenáší kapénkovou infekcí. Inkubační doba spalniček je 6–19 dní, průměrně 13 dní. Infikovaní lidé jsou nakažliví ještě 4 až 5 dní před propuknutím této nemoci. Úmrtnost je velmi malá, 3 smrti z 1 000 případů. U dětí, které nedostali vakcínu a jsou nakažený touto chorobou je patřičně větší.

Parametry modelu:

  • Počet infikovaných
  • Počet zdravých
  • Počet jedinců z různých věkových kategorií
  • Očkovaných jednou vakcínou, dvěma nebo žádnou
  • Počet mrtvých
  • Těžce nemocný jedinci

Cíl simulace: Cílem tohoto modelu je určit a sledovat průběh této epidemie. Zároveň pomocí tohoto modelu lze určit, jak budou na tuto epidemii reagovat různé věkové kategorie a počet vakcín obdržených před vypuknutím epidemie. Údaje získané z této simulace by měly přesvědčit rodiče k očkování svých děti ihned jak to bude možné.

Možnosti rozšíření: Model lze rozšířit o konkrétnější data - např.: typ vakcíny, absolvovaná karanténa nebo počet zdravých jedinců v rodině. Celkově se model rozšíří pokud budou adekvátní přibližná data a statistiky propuklé epidemie.

Není mi úplně jasné, jak by to mělo vypadat a proč to chcete dělat jako agentní simulaci. Vezměte si prosím ta kritéria, která jsme si říkali na poslední hodině a otestujte si, kterým to vyhovuje. Tak jak je to popsáno by to podle mě spíš směřovalo do systémové dynamiky. Zkuste to prosím buď jinak navrhnout nebo zvolit jiný nástroj nebo eventuálně jiné téma. Tomáš (talk) 19:45, 5 May 2019 (CET)

Modelace populačního vývoje

Název simulace: Modelace populačního vývoje

Autor: Bc. Josef Čekan, cekj01

Typ modelu: Systémově dynamický

Modelovací nástroj: Vensim

Popis Modelu: Vlivy na stav populace v příštích letech se každým rokem mění, tudíž vytvořit permanentně přesný model vývoje populace není zcela možné. Zároveň existují faktory, které nelze jednoduše předpokládat jako například některé přírodní katastrofy či vypuknutí epidemií nemocí či válečného konfliktu. Můžeme však vytvořit model na základě vlivů, které částečně předpověditelné jsou. V tomto modelu bude na základě dat o porodnosti, úmrtnosti a migraci porovnán vývoj populace na jednotlivých kontinentech. Model tedy bude vývoj populace stavět na datech o porodnosti, úmrtnosti a mezinárodní migraci.

Parametry modelu:

  • Populace
  • Migrace
  • Míra porodnosti, úmrtnosti a počet migrantů

Cíl simulace: Na základě získaných dat předpovědět populační vývoj a porovnat jej na úrovni kontinentů.

Možnosti rozšíření: Model lze více konkretizovat (snížit abstrakci) při uvážení věkového rozdělení populace a migrantů.


Zdravím, úloha je to pro Vensim jak dělaná a opora v reálných datech žádaná. Chtělo by ji ale rozvinout, jelikož systémová dynamika je založená na zpětných vazbách, tak aby ty vazby v tomto modelu nebyly jen jednosměrné vazby a hlavně je třeba do toho přidat faktory nahodilosti. Dalé např. migrace je až důsledek nějakho fenoménu - hlad, válka( bezpečnost) atp. Takže migrace, míra porodnosti a úmrtnosti jako endogenní proměné dobrý, ale simulaci je třeba rozšířit i o parametry, které tyto proměné ovliňují (vlastně nastavují/spouští). Všechny tyto jevy mají zase nějaké proti reakce (právě ty zpětné smyčky), které daný fenomn brzdí např. růst imigrace -> růst kriminality -> snaha zamezit imigraci. Pokud to tak bude tak pak schváleno. Pokud ne, tak u hodnocení budu dost nekompromisní.Oleg.Svatos (talk) 12:34, 4 May 2019 (CET)

Simulace Japonské aukce

Název simulace: Simulace Japonské aukce

Autor: Bc. Dominik Turák, turd01

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis Modelu:

  • Japonská aukce je, podobně jako anglická, aukcí se zvyšující se cenou. Na rozdíl od anglické aukce zvyšování ceny nevyhlašují účastníci, ale vyvolávač. Účastníci ochotní kupovat na začátku stojí, vyvolávač postupně hlásí vyšší a vyšší cenu, kdo z účastníků již není ochoten tolik zaplatit, dá to najevo usednutím. Kdo jednou usedl, nesmí se znovu do téže dražby zapojit; tímto rysem se japonská aukce liší od anglické po strategické stránce (anglická verze umožňuje zvýšit příhoz i těm, kteří dočasně nepřihazovali).
  • Tento model bude obsahovať 50 účastníkov aukce, 1 vyvolávača cien a 20 vopred určených starožitností s ich minimálnou požadovanou cenou
  • starožitnosti budú objekty, ktoré:
    • budú mať vopred stanovenú cenu v intervale <500 000, 2 000 000>
    • budú určitého typu náhodne zvolenom z týchto 5 typov:
      • Váza
      • Kniha
      • Lampa
      • Skriňa
      • Obraz
    • ich meno sa bude skladať z 2 alebo viacerých slov, pričom prvé slovo bude stále určovať typ
  • vyvolávač bude 1 špeciálny agent, ktorý:
    • začne na 90% požadovanej ceny za danú vec
    • cenu postupne zvyšuje o 5%
    • interval oznámenia zvýšenia ceny je určený náhodne v intervale 30-60 sekúnd
    • každých 30 sekúnd oznámi gong => účastníci budú vedieť že cena sa každú chvíľu zvýši
  • Každý účastník bude jeden agent:
    • TODO
    • bude zároveň aj obchodník, čo znamená že bude vedieť odhadnúť cenu tovaru => neposadí sa hneď, ako začne aukcia ak sa práve nedraží jedna z jeho vyhliadnutých vecí
    • finančný kapitál v intervale <1 500 000, 2 000 000>

Parametry modelu:

  • 1 vyvolávač cien + 20 starožitností a ich ceny
  • 50 účastníku + 7 náhodne zvolených starožitností pre každého z nich


Cíl simulace: Simulovať priebeh aukcie a ukázať vplyvy rôznych faktorov na finálnu cenu produktov. Ukázať nadhodnotenú cenu produktov pri aukciách a sledovať reakcie agentov na akcie iných agentov.

Možnosti rozšíření: Na výber viac typov aukcí, nastavenie počtu zákazníkov

Nevidím v tomto zadání nějakou přidanou hodnotu. Co by mělo být přínosem? Velmi rychle byste zjistil, že výsledek je předvídatelný a závislý především na modelu chování účastníků. Doporučoval bych to přehodnotit. Tomáš (talk) 20:56, 5 May 2019 (CET)

Simulace ideálního rozdělení klužiště na rybníkový hokej

Název simulace: Simulace ideálního rozdělení klužiště na rybníkový hokej

Autor: David Lisý, xlisd05

Typ modelu: diskrétní simulace

Modelovací nástroj: SIMPROCESS

Popis Modelu: Jelikož hokej závodně hraji, rozhodl jsem se na toto téma zpracovat i svou simulaci. V současnosti je trendem pro závodní, ale především pro rekreační hráče tzv."rybníkový hokej". Ten se hraje bez výstroje, v počtu 4 na 4, na malé branky a na třetinu jednoho klasického kluziště (na jedné klasické ledové ploše tedy máme 3 hrací plochy pro rybníkový hokej). Z vlastní zkušenosti mohu potvrdit, že hrají-li spolu pohromadě závodní hráči s hráči amatérskými, výsledná hra ztrácí na své kvalitě. Je proto lepší, hrají-li zápas proti sobě hráči stejné výkonnostní kategorie. Rozlišujeme pak tyto:

- závodní hráč (hráč se zkušenostmi z profesionálních, či závodních soutěží)
- pokročilý amatérský hráč (hráč se zkušeností z rekreačních soutěží)
- amatérský hráč - začátečník (hráč bez jakýchkoliv zkušeností z rekreačních soutěží)

Data budou čerpána z reálného zimního stadionu v Praze, který disponuje 2 ledovými plochami (celkově tedy simulace sleduje 6 hracích ploch pro rybníkový hokej). Podstatný fakt je ten, že se tedy hraje 4 na 4, střídá se stylem "poslední do hry - poslední na střídačku" (na střídačce se nám tedy tvoří jakási fronta hráčů) a počet hráčů na jedné střídačce není nikterak omezen. Na základě vlastního pozorování budu v simulaci počítat s následujícím procentuálním rozdělením výkonnostních kategorií:

- závodní hráči = 15%
- pokročilí amatérští hráči = 60%
- amatérští hráči - začátečníci = 25%

Parametry modelu:

  • počet hráčů
  • průměrná doba hraní na stadionu
  • počet hracích ploch pro rybníkový hokej (6)

Cíl simulace: pomocí simulace zjistit ideální rozvrhnutí hracích ploch dle výkonnostních kategorií

Vytíženost posilovny


Název: Vytíženost posilovny

Autor: Martin Matějka, xmatm82

Nástroj: SIMPROCESS


Definice problému: V dnešní době je velice populární zajít si zacvičit nebo se jen tak protáhnout do pohodlné, hezky vybavené posilovny. Jelikož je tento způsob cvičení v dnešní době tak populární, je dobré vědět, jak si na tom určitá posilovna stojí z hlediska schopnosti pokrytí návševnosti. Jak z pohledu zákazníka, tak i provozního, co by mohl zlepšit. 
Mají dostatek místa? Dostatek nástrojů či pomůcek na posílování? Mají všichni možnost se dojít osprchovat bez delšího čekání nebo nevázne to hnedka u vchodu při koupi vstupenky?

Metoda: V simulaci bude zahrnuta spousta entit, které budou mít na výsledné hodnoty vliv (druh zákazníka, doba návštěvy..), ale jednou z nejdůležitějčích entit je množství a frekvence návševníků přicházející do posilovny. Pro generování návštěvníků bude použit určitý algoritmus, který bude produkovat náhodná čísla, ale také bude zahrnovat učité hodnoty ze známého chování návštěvníků. Například, že v dopoledních hodinách je nevštěvnost o něco měnší a nebo o víkendech zase vyšší. Pro zanalyzování vytíženosti posilovny v čase je Monte Carlo dobrá volba.

Zdravím, co všechno by byly tedy náhodné proměnné? Na základě jakých reálných dat budete odvozovat jejich pravděpodobnostní rozdělení? (data a odvození pravděpodobnostních rozdělení musí být součástí vypracované simulace). Jak přesně bude simulace fungovat? Oleg.Svatos (talk) 12:11, 4 May 2019 (CET)

tlivých== Spotřeba surovin ve fastfoodu ==


Název: Spotřeba surovin ve fastfoodu

Autor: Josef Kočí

Nástroj: Simprocess

Definice modelu: Protože již 4 roky pracuji ve společnosti AmRest, z pozice hlavního instruktora mám přístup k manažerským systémům, kde lze sledovat data o prodeji, počtu objednávek v různých hodinách a spotřebu jednotlivých ingrediencí. Mým cílem je část této reality zachytit v programu Simprocess, zobrazit v něm proces na jednotlivých ingrediencích, jejich objednání a naskladnění ráno, jejich průběžné vyskladňování, použití do procesu až k vydání zákazníkům. Proces tak zachytí, kolik dle simulací průměrně zůstává nevyužitých ingrediencí, jak dlouho přibližně zákazníci čekají a pokusím se případně i o analýzu zlepšení tzv. SOS (Speed of Service).

Data: Vstupní data jako množství zákazníků v jedno hodinách či spotřeba ingrediencí sice budou náhodná (avšak vzájemně spolupracující), nicméně budu vycházet z reálných dat z manažerských systémů tak, aby počty objednávek na různé hodiny přibližně seděly.

Téma je OK, ale je potřeba jej zpřesnit. 1) Stanovte zcela konkrétní cíl(e). Z toho zadání mi to moc konkrétní nepřijde. Co je cílem? Minimalizace zásob? Je to issue? 2) Amrest má pokud vím více brandů. Uvidíte podle definice cíle, ale pravděpodobně bude dobré vyberte si jeden a nasimulovat jej do detailu. 3) Je potřeba zohlednit všechny faktory, které mohou být s ohledem na výsledek relevantní. Předběžně to má zelenou, ale rozpracujte to zadání prosím dopodrobna. Tomáš (talk) 21:06, 5 May 2019 (CET)

Simulace automobilových závodů


Název: Simulace automobilových závodů

Autor: Jinv00 (talk) 10:51, 5 May 2019 (CET)

Nástroj: Netlogo

Typ modelu: Multiagentní

Popis modelu: Simulace pohybu závodních vozů po okruhu. Vozy jsou na začátku závodu seřazeny na startovní rovince, a po odstartování krouží po okruhu. Každý vůz může mít různou (náhodně přidělenou) rychlost. Rychlost vozů je kromě základní přidělené rychlosti závislá i na míře opotřebení pneumatik (opotřebovanější pneumatiky jsou pomalejší než méně opotřebované), na aktuální zvolené směsi pneumatik (měkčí směs pneumatik je rychlejší než tvrdší) a na jízdním stylu řidiče (agresivní jízdní styl je rychlejší než konzervativní). Rychlost opotřebovávání pneumatik je závislá na zvolené směsi pneumatik (měkčí směs pneumatik se opotřebovává rychleji než tvrdší), na jízdním stylu řidiče (agresivním jízdním stylem se pneumatiky opotřebovávají rychleji než konzervativním jízdním stylem) a na vzdálenosti vozu za jiným vozem (jízda do cca 2 sekund za jiným vozem má za následek ztrátu přítlaku, pronásledující vůz tak po trati více "klouže" a tím trpí pneumatiky). Přezouvání pneumatik se provádí během pit stopů, které trvají nějaký čas (a k tomu samotná jízda boxovou uličkou je pomalejší než jízda po okruhu). Projede-li vůz za jiným detekční zónou pro DRS s odstupem menším než 1 sekundu, můžu potom v následující DRS zóně využít DRS pro krátkodobé zvýšení rychlosti. Každý vůz musí během závodu použít alespoň 2 různé směsi pneumatik.

Parametry modelu:

  • Počet vozů
  • Počet kol závodu
  • Rychlost vozů (náhodná v intervalu od nejnižší zadané rychlosti po nejvyšší zadanou)
  • Průměrná míra opotřebení jednotlivých směsí pneumatik
  • Míra vlivu opotřebení pneumatik na rychlost vozu
  • Míra vlivu použité směsi pneumatik na rychlost vozu
  • Míra vlivu jízdního stylu řidiče na rychlost vozu
  • Rychlost opotřebovávání jednotlivých směsí pneumatik
  • Míra vlivu jízdního stylu řidiče na míru opotřebení pneumatik
  • Míra vlivu jízdy v závěsu (do cca 2 s) za jiným vozem na opotřebení pneumatik
  • Rychlost vozů v boxové uličce
  • Rychlost vozů v DRS zóně
  • Zvolená směs pneumatik jednotlivých vozů na startu závodu
  • Počet zastávek v boxech

Cíl simulace: Simulací by se dala odhadnout optimální strategie zastávek v boxech (počet zastávek, načasování zastávek, použité sady pneumatik (a jejich počet)) a optimální jízdní styl (agresivní/konzervativní).

Možnosti rozšíření: Pravděpodobnosti předjetí v různých částech tratě (v mnou navrženém modelu rychlejší vůz vždy kdekoliv předjede pomalejší, ve skutečnosti je však předjetí nejpravděpodobnější na dlouhých rovinkách (ideálně za asistence DRS) a v zatáčkách s větší šířkou tratě; v modelu vůbec neuvažuji zdržení jednoho vozu za druhým kvůli nemožnosti ho předjet). Kolize (v mnou navrženém modelu sebou mohou jednotlivé vozy "projet" bez jakékoliv možnosti havárie). Slipstream - vůz jedoucí za jiným (především při vyšších rychlostech) může využít slipstream vznikající za pronásledovaným vozem ke zvýšení rychlosti. Různá rychlost vozů v různých částech tratě - vyšší rychlost na rovinkách, nižší v zatáčkách (v mnou navrženém modelu je rychlost vozu na celé trati vždy stejná (kromě boxové uličky a DRS zón)), k tomu by šlo přidat i různé nastavení vozů (vyšší přítlak = vyšší rychlost v zatáčkách a menší na rovinkách, nižší přítlak = nižší rychlost v zatáčkách a vyšší na rovinkách). Simulace množství paliva ve vozech (vliv jízdního stylu řidiče na spalování paliva (agresivní = rychlejší spalování paliva, konzervativní = pomalejší spalování), vliv množství paliva ve vozech na rychlost vozu (více paliva (těžší vůz) = pomalejší, méně paliva (lehčí vůz) = rychlejší) a simulace možnosti přidání tankování paliva během zastávek v boxech. Různé opotřebení jednotlivých pneumatik na voze závislé na různých nastaveních vozu (v mnou navrženém modelu se všechny pneumatiky opotřebovávají stejně a stejnou mírou, ve skutečnosti je však opotřebení pneumatik závislé na orientaci okruhu (pravotočivý/levotočivý) a na různých nastaveních vozu (přítlak předního/zadního přítlačného křídla, geometrie zavěšení, odemknutý/zamknutý diferenciál, brake bias (vyvážení brzd (přední vs zadní kola)), tlak v pneumatikách, tlak brzd, rozmístění hmotnosti (či umístění balastu), atd.)).

To řešení kolizí by mi v tom modelu připadalo jako poměrně podstatné. Jinak to ale vypadá dobře. Schváleno. Tomáš (talk) 21:54, 5 May 2019 (CET)

Simulace protestu Hnutí žlutých vest


Název simulace: Protest Hnutí žlutých vest

Autor: Michaela Trnková

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis Modelu: Předmětem simulace bude masová demonstrace francouzského Hnutí žlutých vest v pařížských ulicích.

Průběh simulace: Prázdné náměstí se začne zaplňovat prvními demonstranty, až se rozroste na početnou skupinu. Protestující vyrazí ulicí, zprvu spořádaně, ale s přibývajícími demonstranty se rozlezou do více ulic. Někteří účastníci protestu začnou zapalovat ohně a ničit okolí, je proto nutný zásah policie, která použije slzný plyn, aby protestující rozehnala. Někteří se ale nedají a pustí se s policisty do potyčky. Část civilistů i policistů se zraní.

Cílem je nasimulovat úprk demonstrantů po použití slzného plynu a boj s policisty té části demonstrantů, která před slzným plynem neuteče.

Parametry modelu:

  • Počet protestujících: vzroste na 50 000
  • Strategie/typ protestujícího:
- Klidný: jde celou dobu v davu a ničeho se nedopustí 
- Agresivní: ničí okolí, zapaluje oheň
- Bojovný: bojuje s policisty poté, co použili slzný plyn
- Utíkající: uteče z protestu poté, co policisté použili slzný plyn
  • Počet policistů: 200
  • Typ policisty:
- Plynař, který šíří slzný plyn
- Zasahující, který bojuje s demonstranty
- Přihlížející, který přímo nezasahuje
  • Počet zraněných demonstrantů a policistů
  • Rychlost demonstrantů jdoucí ulicemi
  • Rychlost demonstrantů utíkajích před slzným plynem
  • Doba, po kterou se slzný plyn šíří
  • Rychlost šíření slzného plynu
  • Počet ulic
  • Délka a šíře ulic
Přijde mi to samoúčelné. Ta simulace by měla mít nějaký účel, měla by zodpovídat nějaký problém, ne jen vlastní vytvoření. Navíc pro realistickou simulace asi nebudete mít data. Zkuste o tom ještě popřemýšlet, prosím. Tomáš (talk) 02:06, 6 May 2019 (CET)

Bitevní simulátor


Název: Bitevní simulátor

Autor: Zikl00 (talk) 00:28, 6 May 2019 (CET)

Nástroj: Netlogo

Typ modelu: Multiagentní

Popis modelu: Simulace bitvy dvou armád. Jedna armáda má statické rozmístění na jedné straně mapy. Hráč vybírá jednotky armády na druhé straně. Musí vybrat jednotky, jejich typ a umístění, aby porazil nepřátelskou armádu. Jednotky může umisťovat do povolené oblasti. Každá jednotka něco stojí a hráč má omezený budget. Bitvu zvítězí ta strana, které zůstanou jednotky. Jednotky na blízko potřebují přímý kontakt s protivníkem, jednotky na dálku potřebují maximální vzdálenost k útoku. Každý typ jednotky má jinou šanci na zásah. Jedotky na dálku mají tuto šanci menší a snižuje se s rostoucí vzdáleností od cíle. S rostoucí vzdáleností se také snižuje útok, který jednotky na dálku mají. Jednotky s počtem životů menším než 10 % jejich maxima se životy začínají ztrácet - krvácejí.

Jsou 3 typy jednotek na blízko a 2 typy na dálku. Liší se počtem životů, útokem, rychlostí útoku a rychlostí pohybu. Jednotka si vybírá oběť podle vzdálenosti a počtu životů oběti. Nemůže se však defaultně stát, že by jednotka ignorovala silnějšího protivníka v bezprostřední blízkosti a vybrala si dalekého soupeře s nízkým počtem životů. Z toho také plyne, pokud bude blízko jednotky do určité vzdálenosti protivník s nízkým počtem životů, změní cíl na tohoto slabšího protivníka (krvežíznivost - čím větší, tím dál je schopna jednotka běžet za protivníkem s malým počtem životů).

Parametry modelu:

  • Budget
  • Typ jednotky
  • Počet jednotek
  • Umístění jednotek
  • Krvežíznivost

Cíl simulace: Simulace slouží k nalezení optimálního počtu různých typů vojáku a jejich umístění za využití co nejméně finančních prostředků tak, aby hráč stále mohl zvítězit.

Nevidím v tom nějaký rozumný účel. Proměnné jsou zcela arbitrární (jak byste měřil "krvežíznivost"?). Zkuste prosím něco jiného. Tomáš (talk) 02:10, 6 May 2019 (CET)

Simulace reklamačního oddělení


Název: Simulace reklamačního oddělení

Autor: Pavel Gregor

Nástroj: Simprocess

Předmět simulace: Firma poskytuje zákazníkovi službu a to takovou, že pokud se zákazníkovi zakoupené zboží jakkoli rozbije i vlastním zaviněním, dostane výměnou nový kus za stávající. Vrácené jednotky pak procházejí testovacím procesem funkčnosti. Rozbité jednotky jsou přeposílány na rozebrání. Rozebrané jednotky se pak využijí na náhradní díly. Otestované jednotky, které projdou celým procesem, bez nalezené chyby jsou vráceny zpět do oběhu za sníženou cenu.

Na každé pozici má operátor předepsaný počet jednotek, které musí v daném čase otestovat. V simulaci bude řešen počet jednotlivých operátorů na daných pozicích, aby nedocházelo k hromadění jednotek na některých z pozic, které jsou časově náročnější. Dále kolik je zapotřebí operátorů v závislosti na počtu přijatých jednotek. Upravení počtu jednotek/h na jednotlivých pozicích k optimalizaci celého procesu.

Modely simulace:

  • Současná situace
  • Optimalizace počtu operátorů závisející na denním příjmu jednotek (současný systém)
  • Optimalizace počtu zpracovaných jednotek na jednotlivých pozicích z vlastních zkušeností
  • Maximální možné vytížení na modelu č. 3 a kapacitě provozovny

Popis procesu:

  • Příjem jednotek
  • Nahrání jednotek do systému + základní rozřazení dle hlášené chyby (2 kategorie – fyzické x sw poškození/chyba)
  • Nabití všech jednotek (test baterie)
  • Restore – Tovární nastavení jednotky
  • Základní verifikace – ověření hlášené chyby zákazníkem
  • SW kontrola funkce display + mechanická kontrola dotyku operátorem
  • SW kontrola Audio – reproduktory + mikrofon
  • Kontrola základních funkcí telefonu
  • Test wifi (2,4 GHz, 5 GHz), Bluetooth, GPS
  • Kontrola funkčnosti telefonické komunikace
  • Vizuální kontrola jemného fyzického poškození
  • Otevření jednotky a kontrola, zda nebyla jednota zasažena tekutinou
  • Ověření, zda jednotka nebyla poškozena při otevření (opakují se body 6-10)
  • Finální kontrola (vizuální kontrola + tovární nastavení)
  • Očištění jednotek
  • Balení
  • Odeslání