Simulace.info - User contributions [en]

Simulace automatizovaneho nakladani kamionu

2018-06-07T23:22:07Z

Kenan:

__TOC__

== Zadání ==

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo<ref>Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.</ref>

== Definice problému ==

Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

== Cíl simulace ==

Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

=== Grafické rozhraní ===

Níže je zobrazeno, jak vypadá rozhraní simulace.

[[File:7qa1123.png|1000px]]

== Model ==

'''Parametry modelu:'''

# Kontejnery
# Jeřáby
# Kamiony (budou přicházet náhodně, podle Poissonova rozdělení)

Model se zabývá případem, kdy je několik jeřábů zodpovědných za obsluhu kamionů, které vybírají kontejnery umístěné ve čtyřech různých blocích. Předpokládáme, že všechny kontejnery mají délku 40 stop (podle normy ISO<ref>Shipping Containers for Storage https://www.mrbox.co.uk/shipping-containers/</ref>).

Jeřáby jsou znázorněny šipkami. Pro účely validace jsou zvoleny šipky, protože poskytují směr pohybu jeřábu. Kamiony jsou zobrazeny v hnědé barvě a kontejnery, které je třeba zvednout, jsou zobrazeny červeně. Předpokládá se, že kamiony dorazí podle Poissona rozdělení, s průměrnou rychlostí 10 kamionů za hodinu na blok. Šedé plochy označují trasy cesty jeřábů. Ve skutečnosti existují čtyři bloky. Kontejnery lze na sobě skládat až čtyři. Jeřáby se mohou pohybovat kolem těchto čtyř bloků a mohou se postavit na libovolný blok. Model je implementován tak, aby fungoval pro libovolný počet jeřábů. Kontejnery jsou distribuovány náhodně přes čtyři bloky a nikdy více než čtyři na sobě v jednom řádku. Každému kamionu je přiřazen náhodně vybraný kontejner. Je-li na bloku, kde se kontejner nachází, další kamion, pak kamion čeká v čekárně, dokud není obsloužen jiný kamion, odjede a uvolní další místo.

Každý jeřáb vyhodnotí všechny kamiony a vybere si kamion i, který má největší hodnotu pro obsluhu. Pro účely srovnání jsou vytvořeny tři různé funkce založené na skutečných atributech reálného světa, času a vzdálenosti.

'''Funkce na základě vzdálenosti:'''

U(i) = 0 - (vzdálenost od jeřábu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě času čekání:'''

U(i) = (doba čekání kamionu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě kombinace vzdálenost-čas čekání:'''

U(i) = (doba čekání kamionu) - (vzdálenost do jeřábu) - penalizace x (jiný jeřáb na cestě)
- penalizace x (potřeba otočit se?) - penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

Penalizace ve výše uvedených funkcích odrazuje jeřáb od volby kamionu, který má další jeřáb v jeho cestě, vyžaduje změnu směru nebo má jiný jeřáb blíž k němu. Kromě těchto pevně stanovených sankcí existuje i variabilní penalizace, pokud se jeřáb rozhodne obsluhovat další kamion s vyšší užitečností obsluhy při cestě k prvotnímu kamionu, který dosud poskytoval nejvyšší hodnotu pro obsluhu. Konečně je pro obsluhu stanoven limit; pod kterým se jeřáb rozhodne zůstat na místě a neslouží žádnému kamionu. Při modelování rychlosti jeřábu a doby manipulace se používají skutečné nebo empirické údaje. Typický jeřáb má rychlost 135 metrů za minutu. Jak již bylo zmíněno dříve, čekací doba kamionu je kombinací doby, kdy jeřáb dorazí do místa, kde je kamion zaparkován, a čas, kdy jeřáb provádí jak přesuny, tak i nakládání. Tyto kroky se opakují pro každý kontejner.

Model implementuje diskrétní simulaci, kde každý “tick” odpovídá jedné sekundě reálného času. Při každém “ticku” model vytvoří a umístí nové kamiony, které by mohly přijet během tohoto “ticku”, požádá jeřáby, aby provedly zvolenou akci pro “tick”, a aktualizuje grafy. Jelikož činnosti jeřábů vyžadují více než jednu sekundu, model zahrnuje časy čekání pro každou akci. Například, jeřáb se po uplynutí šesti sekund pohybuje z jednoho místa na druhé. Namísto toho, aby se jeřáb pokaždé posunul jednu šestinu vzdálenosti, model ho čeká na prvních pět sekund a poté provede posun během šesté sekundy. Tato technika zpoždění se používá pro všechny ostatní akce: přesunutí kontejneru z jednoho řádu do druhého (40 sekund) a přesunutí kontejneru z řady do kamionu (87 sekund).

Implementace má hlavní smyčku, která se vyvolává při každém “ticku”. Nejdříve vytvoříme nové příjezdy kamionu a pak každý jeřáb provede pohyb. Každý jeřáb udržuje cílovou proměnnou, která obsahuje název cíle (goal.name) a počet “ticků”, které jeřáb musí čekat před provedením skutečné akce (goal.ticks). Pouze když je cílová hodnota nulová bude jeřáb provádět kroky směrem k jeho cíli. Pokud je jeřáb připraven k akci a jeho cíl je buď prázdný, nebo má cíl přesunout se do některé určené pozice, nejdříve provede kontrolu, aby se zajistilo, že jeho současný cíl je skutečně nejlepší. Pokud existuje jiný cíl s lepší hodnotou, která je větší od současné aspoň o hodnotu penalizace (0, 100 nebo 10000), pak změní svůj cíl na nový nejlepší. Jeřáb pak provede své kroky, buď se přesune do dalšího bloku nebo přesune kontejner a znovu nastaví svůj cíl.

=== Vstupní parametry ===

Průběh simulace je ovlivněn nastavitelnými parametry.

# truck-arrival - počet přicházejících kamionů každou minutu
# show-start-time - zobrazení ticku, ve kterém přijel kamion
# equation - strategie pochybu jeřábů
# semi-commited - aktivace penalizace

== Výsledky ==

Společným ukazatelem výkonnosti je průměrná doba nakládání kamionu. V této simulaci je čas nakládaní kamionu představen jednoduše jako čekací doba, než jeřáb přijede do kamionu, a čas potřebný k tomu, aby jeřáb provedl potřebné kroky vyzvednutí a nakládání kontejneru na kamion. Průměrné čekací doby kamionů jsou uvedeny ve druhém sloupci tabulky 1, pro dva jeřáby. Tyto doby čekání jsou zprůměrovány na 10 simulačních běhů. V tabulce 1 je vidět, že funkce založená na vzdálenosti poskytuje nejnižší průměrný čas čekání u všech tří případů. Když je penalizace nulová, jeřáby by se měly chovat oportunisticky. To znamená, že by jeřáby vyhodnotily užitečnost všech kamionů a následně, v každém kroku, obsluhovaly ten s nejvyšší užitečnosti. Naopak, penalizace 10000 znamená, že jeřáby by neměly být oportunistické a neměly by obsluhovat jiné kamiony, dokud nedokončí službu pro své plánované kamiony (které předtím měly nejvyšší užitečnost). Vidíme, že průměrná doba čekání pro funkce založenou na vzdálenosti je nejnižší, když je penalizace nastavena na hodnotu 0.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro dva jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 14.37 || 41.30
|-
| 100 || 15.42 || 37.93
|-
| 10000 || 15.04 || 45.65
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 68.97 || 68.95
|-
| 100 || 65.49 || 72.58
|-
| 10000 || 53.84 || 56.18
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 68.04 || 86.38
|-
| 100 || 65.42 || 67.97
|-
| 10000 || 52.24 || 56.77
|-
|}

Průměrná čekací doba, když jeřáby postupují podle funkce založené na čase, v porovnání s s funkci založené na vzdálenosti, je téměř čtyřikrát vyšší. Podobně, funkce založená na čase a vzdálenosti nebyla lepší. Důvod pro to je zřejmý při prohlížení simulace. Když jeřáby pracovaly na minimalizaci čekací doby kamionů, měly dlouhé jízdy od jednoho konce střediska k druhému, přičemž ignorovali kamiony, které byly blíž. Bylo by mnohem efektivnější, kdyby využili čas, aby sloužili blízkým kamionům.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro tři jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 6.53 || 19.05
|-
| 100 || 6.82 || 20.78
|-
| 10000 || 6.77 || 19.90
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 8.75 || 21.95
|-
| 100 || 8.51 || 24.47
|-
| 10000 || 7.85 || 21.27
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 7.85 || 21.07
|-
| 100 || 7.88 || 22.37
|-
| 10000 || 8.11 || 19.58
|-
|}

Tabulka 2 zobrazuje dobu čekání, pokud jsou k dispozici tři jeřáby. Je vidět výrazný pokles průměrné doby čekání a minimální doby čekání ve všech třech typech funkcí. Je také zajímavé poznamenat, že se třemi jeřáby je výkonnost časové funkce a funkce založené na kombinaci čas-vzdálenost blíž výsledku funkce založené na vzdálenosti. Důvodem je menší vzdálenost, kterou musí “pokrývat” jeden jeřáb.

== Závěr ==

Tato simulace zavedla přístup modelování jeřábů tak, aby měly maximální účinnost při nakládání kamionů. Byla identifikována sada užitečných funkcí, které správně zachytily základní rozhodovací kritéria provozovatelů jeřábu při výběru dalšího vozíku, kterému má poskytovat služby. Výsledky simulace ukázaly, že jestliže jeřáby vyberou kamiony, které jsou nejblíže k nim, aniž by bylo nutné jeřáby často otáčet (časově náročný proces) a obrátit směr, pak celkový výkon systému, pokud jde o průměrnou dobu čekání a maximální čekací dobu kamionu bude lepší, než kdyby si vybraly kamiony na základě jejich čekací doby.
Pomocí funkcí můžeme jasně a explicitně zachytit, jak jeřáby vyvažují různé priority jako je například vzdálenost ke kamionům a čas čekání na kamiony.

== Ke stažení ==
[[File:nakladani_kamionu.nlogo]] simulace v programu NetLogo 5.3.1

== Zdroje ==
<references/>

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 23:55, 7 June 2018 (CEST)

File:Nakladani kamionu.nlogo

2018-06-07T23:20:50Z

Kenan:

File:7qa1123.png

2018-06-07T23:18:31Z

Kenan:

Simulace automatizovaneho nakladani kamionu

2018-06-07T23:16:32Z

Kenan:

__TOC__

== Zadání ==

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo<ref>Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.</ref>

== Definice problému ==

Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

== Cíl simulace ==

Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

=== Grafické rozhraní ===

Níže je zobrazeno, jak vypadá rozhraní simulace.

[[File:7qa1123.png|1000px]]

== Model ==

'''Parametry modelu:'''

# Kontejnery
# Jeřáby
# Kamiony (budou přicházet náhodně, podle Poissonova rozdělení)

Model se zabývá případem, kdy je několik jeřábů zodpovědných za obsluhu kamionů, které vybírají kontejnery umístěné ve čtyřech různých blocích. Předpokládáme, že všechny kontejnery mají délku 40 stop (podle normy ISO<ref>Shipping Containers for Storage https://www.mrbox.co.uk/shipping-containers/</ref>).

Jeřáby jsou znázorněny šipkami. Pro účely validace jsou zvoleny šipky, protože poskytují směr pohybu jeřábu. Kamiony jsou zobrazeny v hnědé barvě a kontejnery, které je třeba zvednout, jsou zobrazeny červeně. Předpokládá se, že kamiony dorazí podle Poissona rozdělení, s průměrnou rychlostí 10 kamionů za hodinu na blok. Šedé plochy označují trasy cesty jeřábů. Ve skutečnosti existují čtyři bloky. Kontejnery lze na sobě skládat až čtyři. Jeřáby se mohou pohybovat kolem těchto čtyř bloků a mohou se postavit na libovolný blok. Model je implementován tak, aby fungoval pro libovolný počet jeřábů. Kontejnery jsou distribuovány náhodně přes čtyři bloky a nikdy více než čtyři na sobě v jednom řádku. Každému kamionu je přiřazen náhodně vybraný kontejner. Je-li na bloku, kde se kontejner nachází, další kamion, pak kamion čeká v čekárně, dokud není obsloužen jiný kamion, odjede a uvolní další místo.

Každý jeřáb vyhodnotí všechny kamiony a vybere si kamion i, který má největší hodnotu pro obsluhu. Pro účely srovnání jsou vytvořeny tři různé funkce založené na skutečných atributech reálného světa, času a vzdálenosti.

'''Funkce na základě vzdálenosti:'''

U(i) = 0 - (vzdálenost od jeřábu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě času čekání:'''

U(i) = (doba čekání kamionu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě kombinace vzdálenost-čas čekání:'''

U(i) = (doba čekání kamionu) - (vzdálenost do jeřábu) - penalizace x (jiný jeřáb na cestě)
- penalizace x (potřeba otočit se?) - penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

Penalizace ve výše uvedených funkcích odrazuje jeřáb od volby kamionu, který má další jeřáb v jeho cestě, vyžaduje změnu směru nebo má jiný jeřáb blíž k němu. Kromě těchto pevně stanovených sankcí existuje i variabilní penalizace, pokud se jeřáb rozhodne obsluhovat další kamion s vyšší užitečností obsluhy při cestě k prvotnímu kamionu, který dosud poskytoval nejvyšší hodnotu pro obsluhu. Konečně je pro obsluhu stanoven limit; pod kterým se jeřáb rozhodne zůstat na místě a neslouží žádnému kamionu. Při modelování rychlosti jeřábu a doby manipulace se používají skutečné nebo empirické údaje. Typický jeřáb má rychlost 135 metrů za minutu. Jak již bylo zmíněno dříve, čekací doba kamionu je kombinací doby, kdy jeřáb dorazí do místa, kde je kamion zaparkován, a čas, kdy jeřáb provádí jak přesuny, tak i nakládání. Tyto kroky se opakují pro každý kontejner.

Model implementuje diskrétní simulaci, kde každý “tick” odpovídá jedné sekundě reálného času. Při každém “ticku” model vytvoří a umístí nové kamiony, které by mohly přijet během tohoto “ticku”, požádá jeřáby, aby provedly zvolenou akci pro “tick”, a aktualizuje grafy. Jelikož činnosti jeřábů vyžadují více než jednu sekundu, model zahrnuje časy čekání pro každou akci. Například, jeřáb se po uplynutí šesti sekund pohybuje z jednoho místa na druhé. Namísto toho, aby se jeřáb pokaždé posunul jednu šestinu vzdálenosti, model ho čeká na prvních pět sekund a poté provede posun během šesté sekundy. Tato technika zpoždění se používá pro všechny ostatní akce: přesunutí kontejneru z jednoho řádu do druhého (40 sekund) a přesunutí kontejneru z řady do kamionu (87 sekund).

Implementace má hlavní smyčku, která se vyvolává při každém “ticku”. Nejdříve vytvoříme nové příjezdy kamionu a pak každý jeřáb provede pohyb. Každý jeřáb udržuje cílovou proměnnou, která obsahuje název cíle (goal.name) a počet “ticků”, které jeřáb musí čekat před provedením skutečné akce (goal.ticks). Pouze když je cílová hodnota nulová bude jeřáb provádět kroky směrem k jeho cíli. Pokud je jeřáb připraven k akci a jeho cíl je buď prázdný, nebo má cíl přesunout se do některé určené pozice, nejdříve provede kontrolu, aby se zajistilo, že jeho současný cíl je skutečně nejlepší. Pokud existuje jiný cíl s lepší hodnotou, která je větší od současné aspoň o hodnotu penalizace (0, 100 nebo 10000), pak změní svůj cíl na nový nejlepší. Jeřáb pak provede své kroky, buď se přesune do dalšího bloku nebo přesune kontejner a znovu nastaví svůj cíl.

=== Vstupní parametry ===

Průběh simulace je ovlivněn nastavitelnými parametry.

# truck-arrival - počet přicházejících kamionů každou minutu
# show-start-time - zobrazení ticku, ve kterém přijel kamion
# equation - strategie pochybu jeřábů
# semi-commited - aktivace penalizace

== Výsledky ==

Společným ukazatelem výkonnosti je průměrná doba nakládání kamionu. V této simulaci je čas nakládaní kamionu představen jednoduše jako čekací doba, než jeřáb přijede do kamionu, a čas potřebný k tomu, aby jeřáb provedl potřebné kroky vyzvednutí a nakládání kontejneru na kamion. Průměrné čekací doby kamionů jsou uvedeny ve druhém sloupci tabulky 1, pro dva jeřáby. Tyto doby čekání jsou zprůměrovány na 10 simulačních běhů. V tabulce 1 je vidět, že funkce založená na vzdálenosti poskytuje nejnižší průměrný čas čekání u všech tří případů. Když je penalizace nulová, jeřáby by se měly chovat oportunisticky. To znamená, že by jeřáby vyhodnotily užitečnost všech kamionů a následně, v každém kroku, obsluhovaly ten s nejvyšší užitečnosti. Naopak, penalizace 10000 znamená, že jeřáby by neměly být oportunistické a neměly by obsluhovat jiné kamiony, dokud nedokončí službu pro své plánované kamiony (které předtím měly nejvyšší užitečnost). Vidíme, že průměrná doba čekání pro funkce založenou na vzdálenosti je nejnižší, když je penalizace nastavena na hodnotu 0.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro dva jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 14.37 || 41.30
|-
| 100 || 15.42 || 37.93
|-
| 10000 || 15.04 || 45.65
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 68.97 || 68.95
|-
| 100 || 65.49 || 72.58
|-
| 10000 || 53.84 || 56.18
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 68.04 || 86.38
|-
| 100 || 65.42 || 67.97
|-
| 10000 || 52.24 || 56.77
|-
|}

Průměrná čekací doba, když jeřáby postupují podle funkce založené na čase, v porovnání s s funkci založené na vzdálenosti, je téměř čtyřikrát vyšší. Podobně, funkce založená na čase a vzdálenosti nebyla lepší. Důvod pro to je zřejmý při prohlížení simulace. Když jeřáby pracovaly na minimalizaci čekací doby kamionů, měly dlouhé jízdy od jednoho konce střediska k druhému, přičemž ignorovali kamiony, které byly blíž. Bylo by mnohem efektivnější, kdyby využili čas, aby sloužili blízkým kamionům.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro tři jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 6.53 || 19.05
|-
| 100 || 6.82 || 20.78
|-
| 10000 || 6.77 || 19.90
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 8.75 || 21.95
|-
| 100 || 8.51 || 24.47
|-
| 10000 || 7.85 || 21.27
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 7.85 || 21.07
|-
| 100 || 7.88 || 22.37
|-
| 10000 || 8.11 || 19.58
|-
|}

Tabulka 2 zobrazuje dobu čekání, pokud jsou k dispozici tři jeřáby. Je vidět výrazný pokles průměrné doby čekání a minimální doby čekání ve všech třech typech funkcí. Je také zajímavé poznamenat, že se třemi jeřáby je výkonnost časové funkce a funkce založené na kombinaci čas-vzdálenost blíž výsledku funkce založené na vzdálenosti. Důvodem je menší vzdálenost, kterou musí “pokrývat” jeden jeřáb.

== Závěr ==

Tato simulace zavedla přístup modelování jeřábů tak, aby měly maximální účinnost při nakládání kamionů. Byla identifikována sada užitečných funkcí, které správně zachytily základní rozhodovací kritéria provozovatelů jeřábu při výběru dalšího vozíku, kterému má poskytovat služby. Výsledky simulace ukázaly, že jestliže jeřáby vyberou kamiony, které jsou nejblíže k nim, aniž by bylo nutné jeřáby často otáčet (časově náročný proces) a obrátit směr, pak celkový výkon systému, pokud jde o průměrnou dobu čekání a maximální čekací dobu kamionu bude lepší, než kdyby si vybraly kamiony na základě jejich čekací doby.
Pomocí funkcí můžeme jasně a explicitně zachytit, jak jeřáby vyvažují různé priority jako je například vzdálenost ke kamionům a čas čekání na kamiony.

== Ke stažení ==
[[File:nakladani_kamionu.nlogo]]

== Zdroje ==
<references/>

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 23:55, 7 June 2018 (CEST)

Simulace automatizovaneho nakladani kamionu

2018-06-07T23:07:10Z

Kenan:

__TOC__

== Zadání ==

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo<ref>Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.</ref>

== Definice problému ==

Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

== Cíl simulace ==

Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

=== Grafické rozhraní ===

Níže je zobrazeno, jak vypadá rozhraní simulace.

[[File:nakladani_kamionu.png|1000px]]

== Model ==

'''Parametry modelu:'''

# Kontejnery
# Jeřáby
# Kamiony (budou přicházet náhodně, podle Poissonova rozdělení)

Model se zabývá případem, kdy je několik jeřábů zodpovědných za obsluhu kamionů, které vybírají kontejnery umístěné ve čtyřech různých blocích. Předpokládáme, že všechny kontejnery mají délku 40 stop (podle normy ISO<ref>Shipping Containers for Storage https://www.mrbox.co.uk/shipping-containers/</ref>).

Jeřáby jsou znázorněny šipkami. Pro účely validace jsou zvoleny šipky, protože poskytují směr pohybu jeřábu. Kamiony jsou zobrazeny v hnědé barvě a kontejnery, které je třeba zvednout, jsou zobrazeny červeně. Předpokládá se, že kamiony dorazí podle Poissona rozdělení, s průměrnou rychlostí 10 kamionů za hodinu na blok. Šedé plochy označují trasy cesty jeřábů. Ve skutečnosti existují čtyři bloky. Kontejnery lze na sobě skládat až čtyři. Jeřáby se mohou pohybovat kolem těchto čtyř bloků a mohou se postavit na libovolný blok. Model je implementován tak, aby fungoval pro libovolný počet jeřábů. Kontejnery jsou distribuovány náhodně přes čtyři bloky a nikdy více než čtyři na sobě v jednom řádku. Každému kamionu je přiřazen náhodně vybraný kontejner. Je-li na bloku, kde se kontejner nachází, další kamion, pak kamion čeká v čekárně, dokud není obsloužen jiný kamion, odjede a uvolní další místo.

Každý jeřáb vyhodnotí všechny kamiony a vybere si kamion i, který má největší hodnotu pro obsluhu. Pro účely srovnání jsou vytvořeny tři různé funkce založené na skutečných atributech reálného světa, času a vzdálenosti.

'''Funkce na základě vzdálenosti:'''

U(i) = 0 - (vzdálenost od jeřábu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě času čekání:'''

U(i) = (doba čekání kamionu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě kombinace vzdálenost-čas čekání:'''

U(i) = (doba čekání kamionu) - (vzdálenost do jeřábu) - penalizace x (jiný jeřáb na cestě)
- penalizace x (potřeba otočit se?) - penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

Penalizace ve výše uvedených funkcích odrazuje jeřáb od volby kamionu, který má další jeřáb v jeho cestě, vyžaduje změnu směru nebo má jiný jeřáb blíž k němu. Kromě těchto pevně stanovených sankcí existuje i variabilní penalizace, pokud se jeřáb rozhodne obsluhovat další kamion s vyšší užitečností obsluhy při cestě k prvotnímu kamionu, který dosud poskytoval nejvyšší hodnotu pro obsluhu. Konečně je pro obsluhu stanoven limit; pod kterým se jeřáb rozhodne zůstat na místě a neslouží žádnému kamionu. Při modelování rychlosti jeřábu a doby manipulace se používají skutečné nebo empirické údaje. Typický jeřáb má rychlost 135 metrů za minutu. Jak již bylo zmíněno dříve, čekací doba kamionu je kombinací doby, kdy jeřáb dorazí do místa, kde je kamion zaparkován, a čas, kdy jeřáb provádí jak přesuny, tak i nakládání. Tyto kroky se opakují pro každý kontejner.

Model implementuje diskrétní simulaci, kde každý “tick” odpovídá jedné sekundě reálného času. Při každém “ticku” model vytvoří a umístí nové kamiony, které by mohly přijet během tohoto “ticku”, požádá jeřáby, aby provedly zvolenou akci pro “tick”, a aktualizuje grafy. Jelikož činnosti jeřábů vyžadují více než jednu sekundu, model zahrnuje časy čekání pro každou akci. Například, jeřáb se po uplynutí šesti sekund pohybuje z jednoho místa na druhé. Namísto toho, aby se jeřáb pokaždé posunul jednu šestinu vzdálenosti, model ho čeká na prvních pět sekund a poté provede posun během šesté sekundy. Tato technika zpoždění se používá pro všechny ostatní akce: přesunutí kontejneru z jednoho řádu do druhého (40 sekund) a přesunutí kontejneru z řady do kamionu (87 sekund).

Implementace má hlavní smyčku, která se vyvolává při každém “ticku”. Nejdříve vytvoříme nové příjezdy kamionu a pak každý jeřáb provede pohyb. Každý jeřáb udržuje cílovou proměnnou, která obsahuje název cíle (goal.name) a počet “ticků”, které jeřáb musí čekat před provedením skutečné akce (goal.ticks). Pouze když je cílová hodnota nulová bude jeřáb provádět kroky směrem k jeho cíli. Pokud je jeřáb připraven k akci a jeho cíl je buď prázdný, nebo má cíl přesunout se do některé určené pozice, nejdříve provede kontrolu, aby se zajistilo, že jeho současný cíl je skutečně nejlepší. Pokud existuje jiný cíl s lepší hodnotou, která je větší od současné aspoň o hodnotu penalizace (0, 100 nebo 10000), pak změní svůj cíl na nový nejlepší. Jeřáb pak provede své kroky, buď se přesune do dalšího bloku nebo přesune kontejner a znovu nastaví svůj cíl.

=== Vstupní parametry ===

Průběh simulace je ovlivněn nastavitelnými parametry.

# truck-arrival - počet přicházejících kamionů každou minutu
# show-start-time - zobrazení ticku, ve kterém přijel kamion
# equation - strategie pochybu jeřábů
# semi-commited - aktivace penalizace

=== Další nastavení modelu ===

- další jeřáby se přidávají v sekci Code
create-cranes 1 [
set shape "arrow"
set heading 0
set color orange
set goal []
set-my-position position-in-yard 4 41 -1
]

- hodnota penalizace je nastavitelná pomoci proměnné decommitment-penalty v sekci Code

== Výsledky ==

Společným ukazatelem výkonnosti je průměrná doba nakládání kamionu. V této simulaci je čas nakládaní kamionu představen jednoduše jako čekací doba, než jeřáb přijede do kamionu, a čas potřebný k tomu, aby jeřáb provedl potřebné kroky vyzvednutí a nakládání kontejneru na kamion. Průměrné čekací doby kamionů jsou uvedeny ve druhém sloupci tabulky 1, pro dva jeřáby. Tyto doby čekání jsou zprůměrovány na 10 simulačních běhů. V tabulce 1 je vidět, že funkce založená na vzdálenosti poskytuje nejnižší průměrný čas čekání u všech tří případů. Když je penalizace nulová, jeřáby by se měly chovat oportunisticky. To znamená, že by jeřáby vyhodnotily užitečnost všech kamionů a následně, v každém kroku, obsluhovaly ten s nejvyšší užitečnosti. Naopak, penalizace 10000 znamená, že jeřáby by neměly být oportunistické a neměly by obsluhovat jiné kamiony, dokud nedokončí službu pro své plánované kamiony (které předtím měly nejvyšší užitečnost). Vidíme, že průměrná doba čekání pro funkce založenou na vzdálenosti je nejnižší, když je penalizace nastavena na hodnotu 0.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro dva jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 14.37 || 41.30
|-
| 100 || 15.42 || 37.93
|-
| 10000 || 15.04 || 45.65
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 68.97 || 68.95
|-
| 100 || 65.49 || 72.58
|-
| 10000 || 53.84 || 56.18
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 68.04 || 86.38
|-
| 100 || 65.42 || 67.97
|-
| 10000 || 52.24 || 56.77
|-
|}

Průměrná čekací doba, když jeřáby postupují podle funkce založené na čase, v porovnání s s funkci založené na vzdálenosti, je téměř čtyřikrát vyšší. Podobně, funkce založená na čase a vzdálenosti nebyla lepší. Důvod pro to je zřejmý při prohlížení simulace. Když jeřáby pracovaly na minimalizaci čekací doby kamionů, měly dlouhé jízdy od jednoho konce střediska k druhému, přičemž ignorovali kamiony, které byly blíž. Bylo by mnohem efektivnější, kdyby využili čas, aby sloužili blízkým kamionům.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro tři jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 6.53 || 19.05
|-
| 100 || 6.82 || 20.78
|-
| 10000 || 6.77 || 19.90
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 8.75 || 21.95
|-
| 100 || 8.51 || 24.47
|-
| 10000 || 7.85 || 21.27
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 7.85 || 21.07
|-
| 100 || 7.88 || 22.37
|-
| 10000 || 8.11 || 19.58
|-
|}

Tabulka 2 zobrazuje dobu čekání, pokud jsou k dispozici tři jeřáby. Je vidět výrazný pokles průměrné doby čekání a minimální doby čekání ve všech třech typech funkcí. Je také zajímavé poznamenat, že se třemi jeřáby je výkonnost časové funkce a funkce založené na kombinaci čas-vzdálenost blíž výsledku funkce založené na vzdálenosti. Důvodem je menší vzdálenost, kterou musí “pokrývat” jeden jeřáb.

== Závěr ==

Tato simulace zavedla přístup modelování jeřábů tak, aby měly maximální účinnost při nakládání kamionů. Byla identifikována sada užitečných funkcí, které správně zachytily základní rozhodovací kritéria provozovatelů jeřábu při výběru dalšího vozíku, kterému má poskytovat služby. Výsledky simulace ukázaly, že jestliže jeřáby vyberou kamiony, které jsou nejblíže k nim, aniž by bylo nutné jeřáby často otáčet (časově náročný proces) a obrátit směr, pak celkový výkon systému, pokud jde o průměrnou dobu čekání a maximální čekací dobu kamionu bude lepší, než kdyby si vybraly kamiony na základě jejich čekací doby.
Pomocí funkcí můžeme jasně a explicitně zachytit, jak jeřáby vyvažují různé priority jako je například vzdálenost ke kamionům a čas čekání na kamiony.

== Ke stažení ==
[[File:nakladani_kamionu.nlogo]]

== Zdroje ==
<references/>

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 23:55, 7 June 2018 (CEST)

SS 2017/2018/cs

2018-06-07T22:03:28Z

Kenan:

{{DISPLAYTITLE:LS 2017/2018}}

Semestrální práce (simulace) z letního semestru 2017/2018. Sem přidejte odkaz na stránku s Vaší prací. Nejprve je třeba nechat schválit [[Assignment_SS_2017/2018/cs|zadání práce]].

=Vypracovaná témata LS 2017/2018=
* [[Simulace úspor na důchod ve zvoleném kraji v ČR (Monte Carlo)]] - Jan Marek Slabihoud, slaj09
* [[Můj život aneb jak poznat tu pravou (NetLogo)]] - Mai Duc Anh, maid01
* [[Simulace pohybu zavazadel na letišiti (SIMPROCESS)]] - Daniel Navrátil, navd00
* [[Simulace_jizdy_v_dopravni_zacpe]] - Daniel Nejezchleb, xnejd00
* [[Optimalizace_provozu_školní_jídelny]] - Ulrika Anna Jagošová, xjagu00
* [[Simulace činnosti kavárny (Vensim)]] - Mariia Alekseeva
* [[Simulace vícejazyčné komunity (NetLogo)]] - Marina Lushnikova, xlusm05
* [[Simulace_automatizovaneho_nakladani_kamionu]] (NetLogo) - Kenan Dervisevic, derk01

File:Nakladani kamionu.png

2018-06-07T21:57:04Z

Kenan:

Simulace automatizovaneho nakladani kamionu

2018-06-07T21:55:18Z

Kenan: Created page with "__TOC__ == Zadání == '''Název simulace:''' Simulace automatizovaného nakládání kamionů '''Autor:''' Kenan Dervišević '''Typ modelu:''' Multiagentní '''Modelova..."

__TOC__

== Zadání ==

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo<ref>Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.</ref>

== Definice problému ==

Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

== Cíl simulace ==

Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

=== Grafické rozhraní ===

Níže je zobrazeno, jak vypadá rozhraní simulace.

[[File:nakladani_kamionu.png|1000px]]

== Model ==

'''Parametry modelu:'''

# Kontejnery
# Jeřáby
# Kamiony (budou přicházet náhodně, podle Poissonova rozdělení)

Model se zabývá případem, kdy je několik jeřábů zodpovědných za obsluhu kamionů, které vybírají kontejnery umístěné ve čtyřech různých blocích. Předpokládáme, že všechny kontejnery mají délku 40 stop (podle normy ISO<ref>Shipping Containers for Storage https://www.mrbox.co.uk/shipping-containers/</ref>).

Jeřáby jsou znázorněny šipkami. Pro účely validace jsou zvoleny šipky, protože poskytují směr pohybu jeřábu. Kamiony jsou zobrazeny v hnědé barvě a kontejnery, které je třeba zvednout, jsou zobrazeny červeně. Předpokládá se, že kamiony dorazí podle Poissona rozdělení, s průměrnou rychlostí 10 kamionů za hodinu na blok. Šedé plochy označují trasy cesty jeřábů. Ve skutečnosti existují čtyři bloky. Kontejnery lze na sobě skládat až čtyři. Jeřáby se mohou pohybovat kolem těchto čtyř bloků a mohou se postavit na libovolný blok. Model je implementován tak, aby fungoval pro libovolný počet jeřábů. Kontejnery jsou distribuovány náhodně přes čtyři bloky a nikdy více než čtyři na sobě v jednom řádku. Každému kamionu je přiřazen náhodně vybraný kontejner. Je-li na bloku, kde se kontejner nachází, další kamion, pak kamion čeká v čekárně, dokud není obsloužen jiný kamion, odjede a uvolní další místo.

Každý jeřáb vyhodnotí všechny kamiony a vybere si kamion i, který má největší hodnotu pro obsluhu. Pro účely srovnání jsou vytvořeny tři různé funkce založené na skutečných atributech reálného světa, času a vzdálenosti.

'''Funkce na základě vzdálenosti:'''

U(i) = 0 - (vzdálenost od jeřábu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě času čekání:'''

U(i) = (doba čekání kamionu) - penalizace x (jiný jeřáb na cestě) - penalizace x (potřeba otočit se?)
- penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

'''Funkce na základě kombinace vzdálenost-čas čekání:'''

U(i) = (doba čekání kamionu) - (vzdálenost do jeřábu) - penalizace x (jiný jeřáb na cestě)
- penalizace x (potřeba otočit se?) - penalizace x (změnit směr?) - penalizace x (není nejbližší jeřáb)

Penalizace ve výše uvedených funkcích odrazuje jeřáb od volby kamionu, který má další jeřáb v jeho cestě, vyžaduje změnu směru nebo má jiný jeřáb blíž k němu. Kromě těchto pevně stanovených sankcí existuje i variabilní penalizace, pokud se jeřáb rozhodne obsluhovat další kamion s vyšší užitečností obsluhy při cestě k prvotnímu kamionu, který dosud poskytoval nejvyšší hodnotu pro obsluhu. Konečně je pro obsluhu stanoven limit; pod kterým se jeřáb rozhodne zůstat na místě a neslouží žádnému kamionu. Při modelování rychlosti jeřábu a doby manipulace se používají skutečné nebo empirické údaje. Typický jeřáb má rychlost 135 metrů za minutu. Jak již bylo zmíněno dříve, čekací doba kamionu je kombinací doby, kdy jeřáb dorazí do místa, kde je kamion zaparkován, a čas, kdy jeřáb provádí jak přesuny, tak i nakládání. Tyto kroky se opakují pro každý kontejner.

Model implementuje diskrétní simulaci, kde každý “tick” odpovídá jedné sekundě reálného času. Při každém “ticku” model vytvoří a umístí nové kamiony, které by mohly přijet během tohoto “ticku”, požádá jeřáby, aby provedly zvolenou akci pro “tick”, a aktualizuje grafy. Jelikož činnosti jeřábů vyžadují více než jednu sekundu, model zahrnuje časy čekání pro každou akci. Například, jeřáb se po uplynutí šesti sekund pohybuje z jednoho místa na druhé. Namísto toho, aby se jeřáb pokaždé posunul jednu šestinu vzdálenosti, model ho čeká na prvních pět sekund a poté provede posun během šesté sekundy. Tato technika zpoždění se používá pro všechny ostatní akce: přesunutí kontejneru z jednoho řádu do druhého (40 sekund) a přesunutí kontejneru z řady do kamionu (87 sekund).

Implementace má hlavní smyčku, která se vyvolává při každém “ticku”. Nejdříve vytvoříme nové příjezdy kamionu a pak každý jeřáb provede pohyb. Každý jeřáb udržuje cílovou proměnnou, která obsahuje název cíle (goal.name) a počet “ticků”, které jeřáb musí čekat před provedením skutečné akce (goal.ticks). Pouze když je cílová hodnota nulová bude jeřáb provádět kroky směrem k jeho cíli. Pokud je jeřáb připraven k akci a jeho cíl je buď prázdný, nebo má cíl přesunout se do některé určené pozice, nejdříve provede kontrolu, aby se zajistilo, že jeho současný cíl je skutečně nejlepší. Pokud existuje jiný cíl s lepší hodnotou, která je větší od současné aspoň o hodnotu penalizace (0, 100 nebo 10000), pak změní svůj cíl na nový nejlepší. Jeřáb pak provede své kroky, buď se přesune do dalšího bloku nebo přesune kontejner a znovu nastaví svůj cíl.

=== Vstupní parametry ===

Průběh simulace je ovlivněn nastavitelnými parametry.

# truck-arrival - počet přicházejících kamionů každou minutu
# show-start-time - zobrazení ticku, ve kterém přijel kamion
# crane-movement-strategy - strategie pochybu jeřábů
# semi-commited - aktivace penalizace

=== Další nastavení modelu ===

- další jeřáby se přidávají v sekci Code
create-cranes 1 [
set shape "arrow"
set heading 0
set color orange
set goal []
set-my-position position-in-yard 4 41 -1
]

- hodnota penalizace je nastavitelná pomoci proměnné decommitment-penalty v sekci Code

== Výsledky ==

Společným ukazatelem výkonnosti je průměrná doba nakládání kamionu. V této simulaci je čas nakládaní kamionu představen jednoduše jako čekací doba, než jeřáb přijede do kamionu, a čas potřebný k tomu, aby jeřáb provedl potřebné kroky vyzvednutí a nakládání kontejneru na kamion. Průměrné čekací doby kamionů jsou uvedeny ve druhém sloupci tabulky 1, pro dva jeřáby. Tyto doby čekání jsou zprůměrovány na 10 simulačních běhů. V tabulce 1 je vidět, že funkce založená na vzdálenosti poskytuje nejnižší průměrný čas čekání u všech tří případů. Když je penalizace nulová, jeřáby by se měly chovat oportunisticky. To znamená, že by jeřáby vyhodnotily užitečnost všech kamionů a následně, v každém kroku, obsluhovaly ten s nejvyšší užitečnosti. Naopak, penalizace 10000 znamená, že jeřáby by neměly být oportunistické a neměly by obsluhovat jiné kamiony, dokud nedokončí službu pro své plánované kamiony (které předtím měly nejvyšší užitečnost). Vidíme, že průměrná doba čekání pro funkce založenou na vzdálenosti je nejnižší, když je penalizace nastavena na hodnotu 0.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro dva jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 14.37 || 41.30
|-
| 100 || 15.42 || 37.93
|-
| 10000 || 15.04 || 45.65
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 68.97 || 68.95
|-
| 100 || 65.49 || 72.58
|-
| 10000 || 53.84 || 56.18
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 68.04 || 86.38
|-
| 100 || 65.42 || 67.97
|-
| 10000 || 52.24 || 56.77
|-
|}

Průměrná čekací doba, když jeřáby postupují podle funkce založené na čase, v porovnání s s funkci založené na vzdálenosti, je téměř čtyřikrát vyšší. Podobně, funkce založená na čase a vzdálenosti nebyla lepší. Důvod pro to je zřejmý při prohlížení simulace. Když jeřáby pracovaly na minimalizaci čekací doby kamionů, měly dlouhé jízdy od jednoho konce střediska k druhému, přičemž ignorovali kamiony, které byly blíž. Bylo by mnohem efektivnější, kdyby využili čas, aby sloužili blízkým kamionům.

{| class="wikitable"
|+ align="top" | ''' Tabulka 1 - Výsledky simulace pro tři jeřáby'''
!| Typ || Penalizace || Průměrná doba čekání (min) || Maximální doba čekání (min)
|-
!rowspan="4" | Funkce na základě vzdálenosti
|-
| 0 || 6.53 || 19.05
|-
| 100 || 6.82 || 20.78
|-
| 10000 || 6.77 || 19.90
|-
!rowspan="4" | Funkce na základě času čekání
|-
| 0 || 8.75 || 21.95
|-
| 100 || 8.51 || 24.47
|-
| 10000 || 7.85 || 21.27
|-
!rowspan="4" | Funkce na základě kombinace vzdálenost-čas čekání
|-
| 0 || 7.85 || 21.07
|-
| 100 || 7.88 || 22.37
|-
| 10000 || 8.11 || 19.58
|-
|}

Tabulka 2 zobrazuje dobu čekání, pokud jsou k dispozici tři jeřáby. Je vidět výrazný pokles průměrné doby čekání a minimální doby čekání ve všech třech typech funkcí. Je také zajímavé poznamenat, že se třemi jeřáby je výkonnost časové funkce a funkce založené na kombinaci čas-vzdálenost blíž výsledku funkce založené na vzdálenosti. Důvodem je menší vzdálenost, kterou musí “pokrývat” jeden jeřáb.

== Závěr ==

Tato simulace zavedla přístup modelování jeřábů tak, aby měly maximální účinnost při nakládání kamionů. Byla identifikována sada užitečných funkcí, které správně zachytily základní rozhodovací kritéria provozovatelů jeřábu při výběru dalšího vozíku, kterému má poskytovat služby. Výsledky simulace ukázaly, že jestliže jeřáby vyberou kamiony, které jsou nejblíže k nim, aniž by bylo nutné jeřáby často otáčet (časově náročný proces) a obrátit směr, pak celkový výkon systému, pokud jde o průměrnou dobu čekání a maximální čekací dobu kamionu bude lepší, než kdyby si vybraly kamiony na základě jejich čekací doby.
Pomocí funkcí můžeme jasně a explicitně zachytit, jak jeřáby vyvažují různé priority jako je například vzdálenost ke kamionům a čas čekání na kamiony.

== Ke stažení ==
[[File:nakladani_kamionu.nlogo]]

== Zdroje ==
<references/>

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 23:55, 7 June 2018 (CEST)

Assignment SS 2017/2018/cs

2018-05-08T11:17:27Z

Kenan:

{{DISPLAYTITLE:Zadání LS 2017/2018}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].
</div>
}}

{{Ambox
| type = content
| text = <div>
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.
</div>
}}

----

'''Název simulace''': Simulace náhradní dopravy přes řeku

'''Autor''': Alena Charniauskaya

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

Nosným tématem mé simulace bude náhrada dopravy přes řeku kvůli zbourání mostu a stavbě nového. Jako jednou ze zkoumaných variant náhradní dopravy by se mohla stát říční lodní doprava (na bázi přívozu, tedy pouze spojující dva body proti sobě přes řeku).
Parametry modelu:
* Rychlost lodí
* Rychlost nástupu a výstupu
* Šířka řeky (vzdálenost)
* Přepravní kapacita na jednu lod'
* Počet lodí
* Počet pasažérů (v závislosti, zda je přeprava v dopravní špičce nebo mimo ni)

Cílem simulace je zjistit:

* Počet potřebných lodí (a jejich přepravní kapacita) nutných k náhradě běžné přepravy přes most
* Interval pendlování lodí
* Zda takový způsob náhradní dopravy pokryje potřeby normální přepravy přes most

[[User:Chaa14|Chaa14]] ([[User talk:Chaa14|talk]]) 21:25, 3 May 2018 (CEST)

: Dobrý den, obecně to není špatná myšlenka, problém je, že ji lze - tak jak to chápu - řešit analyticky, výpočtem... Tudíž simulace by byla nadbytečná. Zkuste to nějak upravit. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 00:26, 5 May 2018 (CEST)
:: Dobrý den, napadlo mě k tomu navíc zjistit pomocí simulace spokojenost cestujících s takovým způsobem náhradní dopravy, např. když bude cestující čekat více než 10 minut na nástup na loď, tak může odejít a použije jiný způsob dopravy. A my potřebujeme zjistit procento lidí, které jsme přepravili náhradní dopravou a kolik zvolilo jiný způsob dopravy. [[User:Chaa14|Chaa14]] ([[User talk:Chaa14|talk]]) 16:14, 6 May 2018 (CEST)
----

'''Název simulace''': Simulace brnění (NetLogo)

'''Autor''': Mykyta Lipskyi

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

Předmětem této simulace bude testování nového vojenského brnění, které vynalezl tým amerických vědců. Zkouška bude prováděna na kusu materiálu, ze kterého se brnění vyrábí. Do testovaného materiálu se bude střílet z různých zbraní a s různými náboji, ale vzdálenost mezi cílem a zbraní bude vždy stejná. Lze nastavit teplotu materiálu pro simulaci změn počasí.

Parametry modelu:
* Tloušťka materiálu
* Rychlost náboje
* Materiál náboje
* Teplota materiálu
Cílem simulace je zkontrolovat odolnost nového brnění

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 16:46, 4 May 2018 (CEST)

: Dobrý den, v tomto případě jde o učebnicový příklad diskrétní simulace a to velmi primitivní. V podstatě je identická základní verzi naší úlohy Supermarket. Chtělo by to něco sofistikovanějšího. [[User:Admin|Admin]] ([[User talk:Admin|talk]])

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 23:23, 6 May 2018 (CEST) Upraveno
----

'''Název simulace''': Gammora

'''Autor''': Ulrika Anna Jagošová

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

Předmětem této simulace je šíření nemoci HIV a jejího rozvinutí do AIDS a jak tuto problematiku ovlivní experimentální lék Gammora, který je vyvíjen izraelskými vědci. V současné době je účinnost Gammory na vyléčení HIV 97%, cílem je dosáhnout 100% léčby. Na AIDS léčba neexistuje, nakažený člověk zemře.

V rámci simulace budeme mít veřejný prostor s 1000 subjekty. V rámci prostoru se budou subjekty náhodně pohybovat a přicházet do kontaktu s jinými subjekty. Virus se bude šířit tělesným kontaktem mezi nakaženými jedinci. Prostor bude obsahovat 3 typy osob: zdravé jedince, nakažené jedince a mediky s vakcinační látkou Gammora. Pokud nakažený jedinec navštíví medika, je mu aplikována vakcína. V současné době má Gammora účinnost 97% na vyléčení osoby nakažené virem HIV v průběhu 8 dní. Pokud nenavštíví jedinec medika včas, případně Gammora nezničí virus HIV v jeho těle, rozvine se virus HIV do AIDS. HIV se rozvine do AIDS v průměru během 5 let. Jedince již v tomto stavu není možno zachránit, umírá.

Cílem této simulace je zjistit, jaké změny s sebou v rámci populace přinese schválení léčby pomocí vyvíjeného léku Gammora.

Zdroje pro realizaci simulace: SZÚ, AIDS pomoc, Zion Medical.

[[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 18:11, 5 May 2018 (CEST)

: Fajn, to by mohlo být ok, ale než si to potvrdíme, rozpracujte prosím zadání do detailu. Tohle je velmi stručné, nedá se z toho pořádně odvodit, jak budete pokračovat ani obtížnost... Jako příklad si vezměte zadání školních úloh. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:23, 6 May 2018 (CEST)
:: Doplnila jsem zadání. [[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 17:44, 6 May 2018 (CEST)
----
'''Název simulace''': Optimalizace počet provozoven rychlého občerstvení nového podniku v městech v ČR

'''Autor''': Nguyen Van Thanh

'''Typ modelu''': Monte Carlo

'''Modelovací nástroj''': MS Excel

'''Definice problému''':Jsme na trhu novou společností rychlého občerstvení a chceme zjistit optimální počet našich rozvržení provozoven, kdy bereme v potaz veškeré faktory ovlivňující náš chod provozoven. Viz parametry modelu.

''Parametry modelu'''
* Počet provozoven
* Návštěvnost a vytížení provozoven
* Náklady provozovny (zaměstnanci, suroviny, nájem, odpad, rozvoz atd.)
* Poptávka/nabídka ve městě
* Tržby provozoven

'''Cíl simulace'''
* Optimalizovat počet provozoven v daném městě na základě poptávky a nabídky a tím docílit podniku nejvyšší zisk.
* Optimalizovat efektivní rozpoložení počet zaměstnanců napříč provozoven
[[User:Xngut65|Xngut65]] ([[User talk:Xngut65|talk]]) 12:43, 6 May 2018 (CEST)

: Zajímavé téma, ale mám tam dost nejasností. Monte Carlo ja založeno na náhodných proměných (jinak by to byla jen kalkulace) - co by ve vaší simulaci bylo všechno náhodně generováno?
: Co bude zdrojem dat pro tyto náhodně generované proměné?
: Jak kvantifikujete poptávku a na základě čeho?
: Jak v Monte Carlu budete řešit to optimální rozložení prodejen (Monte Carlo nesimuluje prostor jako např. NetLogo, proto je to potřeba nějak ošetřit)?
: Jak budete řešit vzájemnou konkurenci prodejen - tedy jak kvantifikujete, že si přetahují zákazníky?
: [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 09:26, 6 May 2018 (CEST)
::
:: 1. ''Náhodně jsou generovány náklady na zaměstnance, nájem nebytových prostorů, návštěvnost a průměrná útrata strávníka v řetězcích.''
:: 2. ''Zdrojem dat jsou portály s nabídkami práce (např. jobs.cz, práce.cz) , nemovitostmi v daném regionu (sreality.cz), dále údaje z dotazníkových šetření.''
:: 3. ''Poptávka se bude odvíjet od sezón, věkové skupiny, lokalitě a speciálních nabídek a preference strávníka v jakém stravovacím zařízení bude trávit. (geografická data jsou čerpána z českého statistického úřadu:https://www.czso.cz/ a zbylá data jsou čerpána z dotazníkových šetření)''
:: 4. ''Pomocí Monte Carla se zjistí, v jakém stavu výsledku hospodaření jsou zkoumané provozovny. Z těchto údajů, pak vybereme nejlepší model rozložení nákladů, který vynáší maximilní zisk pro náš nový podnik v jednotlivých městech.''
:: 5. ''Konkurence se řeší mezi stravovacích zařízení, které jsou dostupné z statistického šetření sektoru stravování: https://www.mmr.cz/getmedia/46223218-36e7-4503-a17e-b7f76240b602/06-Statisticke-setreni-sektoru-stravovani.pdf . Dále v reklamních kampaních a povědomí o značce, údaje čerpány z dotazníků. Zákazníků v daném městě je nějaký fixní počet, o který se budou tyto stravovací zařízení přetahovat.''
::[[User:Xngut65|Xngut65]] ([[User talk:Xngut65|talk]]) 12:43, 6 May 2018 (CEST)
:::
:::OK. '''Schváleno'''. Dejte pozor na to, aby simulace byla reálná a abyste pak ve zprávě k simulaci ukázal, jak jste jednotlivá rozdělení pro náhodné proměné odvodil - ukázal odvození jednotlivých pravděpodobnostních rozdělení ze zdrojových dat. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:55, 6 May 2018 (CEST)
----

'''Název simulace''': Simulace jizdy v dopravni zacpe na dalnici

'''Autor''': Daniel Nejezchleb

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

Hlavními entitami navrhovaného modelu budou vozidla, která budou v pruzích silnice a busou se snažit překonat dopravní zácpu. Agent vozidla bude obsahovat fyzické atributy jako jsou délka, akcelerace, typ. Budou také obsahovat chování jízda v pruhu a změna pruhu. Pro implementaci těchto chování je nutné, aby agenti neustále monitorovali okolí srze své senzory. Takto inteligentní chování budou složena dohromady z řady jednoduchých pravidel, kterými se agenti budou řídit.

* Chování jízda v pruhu
Toto chování se bude starat o to, že auta budou následovat pruh silnice. Nebudou do sebe narážet, tedy jestliže se nachází jiné auto před agentem, tak zpomalí na úroveň jeho rychlosti, aby dodržel minimální vzdálenost mezi vozidly.

* Chování změna pruhu
Jestliže agent zjistí, že jeho pruh stojí a okolní pruh se hýbe, tak se pokusí změnit pruh. Přitom se bude snažit nezpůsobit dopravní nehodu.

Parametry modelu:
* Počet aut
** Uvidíme zda simulace prokáže, jestli má hustota zácpy vliv na výsledek testu
* Počet proudů silnice
** Jeden pruh silnice nedává pro tuto simulaci smysl. Podle podmínek většiny českých silnic bude simulace zkoumat hlavně dvou a tří pruhové silnice
* Typ auta (osobni, užitková, nakladni)
**Modelovaná situace bude zobecňovat vozidla do tří typů, každý zaštiťující přibližně stejné paramtry vozidel té kategorie. Pro různé typy vozidel platí také jiné dopravní omezení a povinnosti. Je možné, že se model zjednoduší pouze na dva typy vozidel a to osobní/užitková a nákladní, kvůli nedostatečně detailním údajům z nalezených průzkumů.
** Osobní: Osobní vozidlo charakterizuje nejmenší velikost, nejrychlejší akcelerace a nejvyšší rychlost
** Užitková: Vozidla typu dodávka; charakteristické střední velikostí, střední akcelerací a střední rychlostí
** Nákladní: Vozidla charakterizována nejvetší velikostí, nejpomalejší akcelerací a nejpomalejší rychlostí
* Typ řidiče (slusny, agresivni)
**Agenti tohoto typu bodou rozhodovat o stylu jízdy.
** Uvědomělý: značí řidiče dodržujícího dopravní pravidla
** Neuvědomělý: značí řidiče, který často inklinuje k nedodržení dopravních pravidel
** Agresivní: značí řidiče, který svou jízdou zvyšuje riziko dopravní nehody
** Předvídavý: naopak začí řidiče, který naopak minimalizuje riziko dopravní nehody
** Toleratní: řidič, který spíše dovolí jinému změnit pruh
** Netolerantní: naopak spíše nedovolí ostatním změnit pruh
* Nehoda na silnici
** často bývají dopravní zácpy způsobené nehodou a pak nás zajímá jak překážka v jednom z průhů ovlivní výsledek simulace
* Styl jizdy ridice
**Nosný parametr simulace, zjišťující zda střidat pruhy či se držet v jednom vybraném pruhu
** Střídání pruhů: Řidič se podle aktualní situace v jeho bezprostředním okolí rozhoduje, zda má změnit pruh, protože v okolním pruhu plyne provoz rychleji; Výsledek tohoto stylu jízdy, také závisí na vůli řidiče, který má odbočujícího řidiče pustit
** Držení se v pruhu: Opak předchozího, kdy se řidič drží svého pruhu

Co se týče nastavení parametrů, tak pro poměr typů bych se pokusil najít nějaký behaviorální výzkum řidičů a jejich vlastností, podle toho by se potom odvodili hodnoty. Pro typy vozidel už jsem nalezl konkrétní Celostátní sčítání dopravy, o které se může simulace opřít http://scitani2016.rsd.cz/pages/results/default.aspx.

Cílem simulace je zjistit, zda se v dopravni zacpe na dalnici vyplati stridat pruhy podle aktualne se pohybujiciho pruhu nebo zda je stejne vyhodne nebo i vyhodnejsi drzet se ve vybranem pruhu. Vyhodnosti je rozumeno rychlejsi projeti dopravni situace za soucasne minimalizace rizika vlastni dopravni nehody zpusobene agresivni jizdou.

[[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 02:01, 6 May 2018 (CEST)

: Dobrá, rozpracujte prosím zadání do detailu. Jak se třeba budou lišit osobní auta, dodávky, nákladní, v jakém poměru je budete na silnici pouštět a proč? Jak budete v simulaci řešit různé počty pruhů, jak se bude lišit slušný a agresivní řidič, v jakém poměru budou a proč, atd. atd. Jak jsme si říkali, zadání by mělo být formulováno tak, aby se to jen na jeho základě pak dalo řešit. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:26, 6 May 2018 (CEST)

:: Zkonkrétnil jsem zadání. Dalo by se už takto schválit?
:: [[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 00:08, 7 May 2018 (CEST)
----
'''Název simulace''': Simulace vývoje slávy kapely

'''Autor''': Luboš Tomandl

'''Typ modelu''': Systémová dynamika

'''Modelovací nástroj''': VensimPLE

'''Definice problému''': Jsem členem začínající kapely. Máme za sebou několik koncertů v pražských klubech, účast na několik festivalech a soutěžích. Rádi bychom se více proslavili a tedy získali více fanoušků na sociálních sítích. Víme, že pro to musíme být aktivní, vytvářet nový obsah na sítích, koncertovat, vydávat novou hudbu a točit videoklipy. Na základě účtů na Facebooku, Instagramu, YouTube a Spotify můžeme snadno sledovat, které události a činnosti nejvíce přitáhly pozornost na naše sociální sítě. Podle těchto dat tedy můžeme nasimulovat, které aktivity mohou přispět tomu, aby se povědomí (počet sledujících) o naší kapele dále navyšovalo a co naopak nedělat (pokud najdu takové situace), aby se obliba kapely nesnižovala. Je však potřeba brát v úvahu mnoho faktorů. Členové kapely mají jen omezené finanční a časové možnosti. Aby byli ochotní vkládat své prostředky do aktivit kapely, nesmí tyto aktivity snižovat jejich celkovou spokojenost, která se dá měřit přílišnou časovou vytížeností a nadměrnými náklady. Fanoušci také nemají neomezené prostředky pro navštěvování koncertů a nakupování alb.

'''Cíl''': Maximalizovat slávu kapely kvantifikovanou počtem sledujících na sociálních sítích a minimalizovat rizika ztráty obliby u posluchačů.

[[User:Xtoml29|Xtoml29]] ([[User talk:Xtoml29|talk]]) 12:01, 6 May 2018 (CEST)

: Šlo by - důležité v tomto připadě bude ukázat ve zprávě k simulaci, na základě čeho přesně byly jednotlivé vztahy mezi proměnými a kvatifikace parametrů odvozeny. '''Schváleno'''. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:23, 6 May 2018 (CEST)
----

'''Název simulace''': Šíření víry v kontinentální Evropě 16. století

'''Autor''': Vojtěch Hyvnar

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo 6.0.3

'''Popis modelu''': Začátkem 16. století došlo v Evropě k reformaci církve, která vedla k vytvoření dvou hlavních protestantských církví – Luteránství (na území dnešního Německa) a Kalvinismu (na území dnešního Švýcarska). Obě protestantské církve se pak rozšiřovaly do zbytku Evropy a byly dle nich zakládány také další církve (např. Hugenoti ve Francii), avšak tradiční římskokatolická církev byla stále jednoznačně nejrozšířenější.

Model by byl tvořen na mapě Evropy – vzhledem k problematické tvorbě „přechodů“ přes moře budu abstrahovat od všech ostrovů (a tudíž také vynechám například Anglikánskou církev) a budu uvažovat pouze kontinentální Evropu. Model a jeho parametry jsou samozřejmě velice zjednodušeným odrazem reality, jelikož se jedná o opravdu komplexní problém. Představitelé jednotlivých náboženství (misionáři) se snaží získat/konvertovat co nejvíce evropanů na svou stranu.

Parametry modelu:
* Počet katolíků (náhodně rozmístěných po celé Evropě, s největším shlukem kolem Říma –nejsem si 100% jistý, jestli je tohle možné v NetLogu naprogramovat)
* Počet luteránů (centrovaných v Německu, okolo Wittenbergu)
* Počet kalvinistů (centrovaných okolo Ženevy)
* Počet ateistů (náhodně rozmístěných po celé Evropě)
* Pravděpodobnost konvertování ateisty, katolíka, luterána či kalvinisty (logický předpoklad by byl, že luteráni či kalvinisté by byli hůře konvertovatelní než katolíci)
* Pravděpodobnost, že člověk samovolně opustí své náboženství a stane se ateistou
* Frekvence, jak často budou lidé evaluovat svou náboženskou situaci (např. jednou ročně; nenapadá mě sofistikovanější způsob, jak tento problém řešit)

'''Cíl''': Ačkoli tento problém už není úplně aktuální, zajímalo by mě, co by muselo vést k tomu (a jak dlouho by to trvalo), aby (za velmi zjednodušených podmínek) římskokatolická církev ztratila své dominantní postavení mezi evropskými náboženstvími (církvemi), případně aby se stala Evropa plně ateistickou.

[[User:Xhyvv00|Xhyvv00]] ([[User talk:Xhyvv00|talk]]) 13:52, 6 May 2018 (CEST)
----

'''Název simulace''': Simulace čekání vlakové soupravy cestujícími

'''Autor''': Evgeny Konoshenko

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

'''Popis modelu''': Předmětem této simulace je čekání vlaku na nádraží. Osoby přicházejí náhodně a budou pravidelně vyzvedávány vlakovou soupravou. Simulace bude navrhnuta tak, aby fungovala při jedné aktualizace za sekundu.

Vlaková souprava je tvořena jedním motorem a několika vozy. V dané simulaci motor má jenom první voz, což znamená, že vlak jede jedním směrem. Může být pouze 0 nebo 1 motor. Motor se vždy zastavuje po konci platformy.

Každý vůz má zátěž a může přijmout současně jednoho cestujícího. Pokud jsou vozy ale žádný motor, pak vlak opouští pravou stranu simulačního světa.
Osoby budou přicházet z dolní časti simulačního světa nahoru do platformy. Osoby se budou pohybovat nahoru, vlevo, vpravo, aby se zastavily naproti vozu. Osovy se nebudou pohybovat přes jiné osoby, ani se nebudou pohybovat dozadu. Osoby nebudou vstupovat do simulačního světa, pokud je platforma plná.
Po zastavení motoru, osoby budou moct nastoupit do vlaku.

Parametry modelu:
* Počet vozů
* Interval motoru (Počet sekund, než se vytvoří další motor)
* Interval osob (Počet sekund, než se vytvoří další osoba)
* Frekvence osob (Pravděpodobnost vytvoření osoby v daném intervalu)
* Rychlost simulace

'''Cíl''': Cílem simulace je optimalizovat dobu čekání vlaku cestujícími, a aby vlak odjížděl s maximálně využitou kapacitou. Dalším cílem je optimalizovat počet pasažérských míst na základě počtů poptávajících cestujících.

[[User:Xkone06|Xkone06]] ([[User talk:Xkone06|talk]]) 15:30, 6 May 2018 (CEST)
----

'''Název simulace:''' Simulace pastviny

'''Autor:''' Jan Reindl

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Model zachycuje situaci na pastvině (nebo v savanně), pastvina je pokryta trávou a nachází se v ní zvířata konzumující trávu a predátoři konzumující trávou vykrmená zvířata. Pokud zvířata spasou veškerou trávu na určitém poli, dojde k erozi půdy a pole se změní v poušť. Pokud je naopak pole dlouhou dobu nespasené, zaroste křovím.
Zvířata jsou přirozeně líná a zůstávají na jednom místě, dokud vše nespasou. Existence predátorů však uvádí zvířata v pohyb, takže nemají čas vše spást a změnit tak krajinu v poušť. Příliš mnoho predátorů však uloví všechna zvířata a pastvina zaroste křovinami a lesy.

Parametry modelu:

* Rychlost růstu rostlin
* Počet zvířat v pastvině
* Počet predátorů v pastvině
* Bohatost půdy

Cílem simulace je:

* Popsat vztah mezi počtem zvířat a predátorů v pastvině, a to včetně závislosti na bohatosti půdy (tedy kolik potravy může být maximálně k dispozici) a rychlosti růstu rostlin.
* Najít přibližný bod rovnováhy pro dlouhodobou udržitelnost modelu, popřípadě najít bod zvratu vedoucí k desertifikaci či k totálnímu zalesnění.

Možnosti rozšíření:

* V závislosti na případné složitosti či jednoduchosti modelu jej lze například rozšířit o různé druhy zvířat, tedy rozdělení skupiny zvířat na skot, ovce a kozy. Každý druh preferuje jiný druh rostlin a jejich konzumace má jiné následky pro ráz krajiny.
* Případně by šel model rozšířit o cílenou lidskou činnost (člověk může být teoreticky jedním z predátorů), ale nechci ji uvádět přímo, model by pak mohl skončit až příliš složitý.
[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 18:13, 6 May 2018 (CEST)

----

'''Název simulace:''' Simulace pohybu zavazadel na letišti

'''Autor:''' Daniel Navrátil

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo 6.0.3

'''Popis modelu:''' Předmětem tohoto modelu je simulace pohybu zavazadel na letišti. Letadla přiváží zavazadla, která je nutné z letadla vyložit a naložit na vozidla, která zavazadla převáží na pásy. Z pásu si pak cestující zavazadla odebírají. Zavazadla se rozlišují na lokální (zavazadla určená k odběru na daném letišti) a tranzitní (zavazadla určená k dalšímu převozu). Lokální zavazadla mají prioritu pro převoz, jelikož na ně již cestující vždy čekají.

Parametry modelu:

* Počet přivezených lokálních zavazadel
* Počet přivezených tranzitních zavazadel
* Počet vozidel zodpovědných za převoz zavazadel
* Kapacita vozidel

'''Cíl:''' Cílem simulace je optimalizovat čas doručení všech lokálních zavazadel až k cestujícím a najít efektivní počet vozidel při dané kapacitě a při daném počtu zavazadel.

[[User:Navd00|Navd00]] ([[User talk:Navd00|talk]]) 22:28, 6 May 2018 (CEST)

----

'''Název simulace:''' Simulace činnosti kavárny

'''Autorka:''' Mariia Alekseeva

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' VensimPLE

'''Definice problému:''' Dělám to na základě vlastní zkušenosti. Pracovala jsem jako baristka v nové kavárně několik měsiců, a pohopila jsem že i když z vnějšku to vypadá jako fajn, v podstatě je řizení takového podniku moc těžký a vystresujicí proces. Jsou entity mezi sebou vazené a skoro všechny mají vliv na uspech kavárny a manager má s tím počitat. Vždycky jsem myslela, že kdyby mohl to všechno nějak optimazovat a najit vazby meni entitami (jako spokojenost klientu, kvalita kavy, místo kavarny apod), měl by miň problemů.

'''Cíl:''' Spočitat náklady, pohopit kolik optimalně musíme utratit peněz aby byla kavárna popularní. A na zakladě situace na trhu a mzdy máme-li vůbec začinat ten podnik.
--[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 22:38, 6 May 2018 (CEST)
:
:Téma není špatné, jen mi není jasné, na základě jakých dat to budete kvantifikovat.
:Jak budete měřit popularitu kavárny a na základě jakých dat odvodíte, co má jaký efekt na její popularitu?
:Na základě čeho odvodíte, výnosy, náklady, poptávku po kávě atp. ?
:[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 09:16, 7 May 2018 (CEST)

V hlavních rysech se to děla na zakladě počtu klientů, celkevého vynosu za den, počtiu zajemců o práci. Jesli máte na mysli, že potřebuju na to realní dáta, v tom připadě můžu jich dostat od minulého zaměstnavatele. --[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 14:12, 7 May 2018 (CEST)
:
:OK. '''Schváleno''', je důležité pak ve zprávě k simulaci ukázat na základě jakých dat jste vycházela a jak jste z nich odvodila kvantifikaci jednotlivých vztahů. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:02, 8 May 2018 (CEST)

----

'''Název simulace:''' Můj zivot aneb jak poznat tu pravou (nefunguje mi na klávesnici písmeno “z” s háčkem)

'''Autor:''' Mai Duc Anh

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Definice problému:'''

Jmenuji se ducan. Jsem hyperaktivní dítě (seriózně) ve věku 24 let původem z jihovýchodní Asie, programátor, nosím zlatočerné dioptrické ray bany (šestky na obou čočkách a lehký astigmatizmus) a od září pravidelně obcházím techno akce s příchutí MDMA. Pustili mě i do berlínského Berghainu, tolik polonahých gayů jsem v zivotě pohromadě neviděl. Momentálně hledám pěknou babu, resp. zenu svých snů.

Pokusím se proto co nejvěrohodněji nasimulovat jeden z mých nedávných týdnů. Den po dni, hodinu po hodině. To jest, part-time (life time) v proptech startupu Spaceflow, navštěvování státního edukativního institutu pro nabytí vědomostí a svatého papíru (doporučuju 4 dohody od Duška), lekce boxu, půlnoční strahovské procházky s partou kamarádů, rave party v Ankali, komunitní (rasově diskriminační) srazy mladých vietnamců v Zitné ulici, posilování lýtek ve fitku a další systematické, nahodilé, ale i nesmyslné činnosti.
Bude to 5 let co si zapisuju veškerou svojí denní aktivitu, s přesností na hodiny. Tímto zdravím pana kalendar z Gůgla, díky.

K věci. Během svých “dospělých” let jsem strávil dávku svého času s více či méně atraktivními/energickými/vášnivými/vyspělými zenami. Vytvořil jsem si nedávno i excel tabulku, kde jsem si je všechny ohodnotil v 15 kritériích na škále 0 do 100. Nakonec jsem si hodnoty zprůměroval a maximální skóre bylo osmdesát šest. Ano, vietnamský šovinista co bere extázi a chce ovládnout celou galaxii, těší mě.

V posledních 3 měsících se mi nedaří zadný vhodný objekt potkat (zenu), tudíz mi nezbýva nic jiného nez svůj zivot zmapovat, nasimulovat a zjistit, jak co nejideálněji tweaknout svůj denní rezim tak, abych zvýšil své šance potkat tu pravou. Na světě někde je, takze uz stačí být jen ve správnou dobu na správném místě.

'''Parametry modelu:'''

* Můj týdenní rezim

Pondělí
- 20 minut hygiena ve společných koupelnách na Strahově
- 7 hodin programování ve Spaceflow ve foru karlín
- 1 hodina oběd v Karlíně s náhodnou duší
- 2 hodiny boxu
- 1 hodina procházka s partou na petříně
- 1 hodina přesun/doprava v MHD

Úterý
- 20 minut hygiena
- 20 minut skype s mámou a tátou (jsou ve Vietnamu)
- šest hodin na VŠE
- 1 hodina oběd se spoluzáky
- 1 hodina přesun v MHD
- 3 hodiny vývojářský meetup v STRV

Pátek
- 20 minut hygiena
- 1 hodina oběd se spoluzackou
- šest hodin na VŠE
- 1 hodina posilování
- 1 hodina přesun v MHD
- 7 hodin taneční akce v Ankali

A tak dále ……

* Hustota vyskytu lidí/zen v konkrétních lokalitách - dle městských částí Prahy, ČSÚ
* Atraktivita (fyzická / duševní) - Gaussovo rozdělení (cíl je nad 87 percentil)
* Počasí - průměrné údaje za posledních 5 let v prvním týdnu května.
* Aktuální stav (svobodný, zadaný) - ČSÚ
* Věk (dle stromu zivota v ČR)
* Sexuální orientace (ČSÚ)
* Chemie (random)

'''Cíl simulace:'''

* Kolik vyhovujicich zen (skóre nad 87) lze potkat během jednoho pracovního týdne?
* Jak optimalizovat svůj denní rezim tak, abych zvýšil pravděpodobonst a šanci potkat svou spřízněnou duši.

[[User:Mai|Mai]] ([[User talk:Mai|talk]]) 23:31, 6 May 2018 (CEST)

Nevím jestli to budeš mít schvaleno, ale musím napsat že je to fakt skvělě
--[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 23:40, 6 May 2018 (CEST)

----

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Definice problému:''' Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

'''Cíl simulace:''' Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 13:16, 8 May 2018 (CEST)