Simulace.info - User contributions [en]

User:Kraj12

2020-06-15T16:17:48Z

Kraj12: Přidat zprávu simulace Catering

{{DISPLAYTITLE:Analýza zákaznických preferencí za účelem optimalizace nákupu vstupních surovin pro zajištění kávového cateringu}}

__TOC__

= Zadání práce =
'''Název simulace:''' Catering

'''Autor:''' [[User:Kraj12|Kraj12]] ([[User talk:Kraj12|talk]]) 17:17, 15 June 2020 (CET)

'''Typ modelu:''' Diskrétní simulace

'''Modelovací nástroj:''' Microsoft Excel

== Definice problému ==
Společnost Kafe Entropie <ref name="kafeentropie">Komorní sbor Entropie, z.s.. Kafe Entropie. [online]. 2019 [cit. 2020-05-29]. Dostupné z: https://kafeentropie.cz</ref> zajišťuje kávový catering pro společenské události, jako jsou svatby, vernisáže, konference ad. Na každé akci se vyskytuje určité předem známé množství lidí, potenciálních zákazníků, a Ti si mohou objednat jakýkoli z řady nabízených kávových nápojů. Cílem je uspokojit poptávku a současně dosáhnout co nejměnšího přebytku vstupních surovin, které rychle podléhají skáze a přezásobení tedy snižuje výnosnost podniku.

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

= Tvorba modelu =
Model můžeme dle Molnára <ref name="molnar">Molnár, Z. (2012). Pokročilé metody vědecké práce. Zelenec: Profess Consulting.</ref> definovat jako „účelové zjednodušení skutečnosti, kdy jsou za účelem zvládnutelnosti opominuty méně důležité detaily reality.“ Cílem modelu tedy není zachytit všechny aspekty reality, ale pouze ty, které mají na systém podstatný vliv.

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

== Analýza existujících dat ==
Data byla získána exportem do csv souboru <ref name="csv">Shafranovich, Y. (2005). Common Format and MIME Type for Comma-Separated Values (CSV) Files. RFC Editor. https://doi.org/10.17487/rfc4180</ref> z pokladní systému Storyous <ref name="storyous">Storyous. Storyous. [online]. 2020 [cit. 2020-06-15]. Dostupné z: https://storyous.com/cz/</ref>, který zaznamenává jednotlivé transakce a umožňuje přímo získat souhrnné přehledy o nich. Pro každou akci tedy byl vyexportován přehled o prodaných produktech, který byl doplněn o informaci o počtu účastníků a délku trvání akce. Data reprezentují 5 provedených akcích, které se konaly v roce 2019.

{| class="wikitable"
!| ID akce || Počet účastníků || Dodatečné informace
|-
| 1 || 700 || skautský festival
|-
| 2 || 500 || školení obchodních zástupců
|-
| 3 || 600 || výstava skautského umění
|-
| 4 || 550 || IT konference
|-
| 5 || 600 || skautský festival
|}

Prvním krokem byla příprava dat k analýze. Jelikož se model zabývá pouze kávovými nápoji, bylo nejdříve nutné očistit data o prodeje zákusků a dalších produktů. Výsledkem byla informace o počtu prodaných káv pro každý druh nápoje na jednotlivých akcích. Data byla zanesena do tabulky pro lepší přehlednost.

{| class="wikitable"
!| Nápoj/ID akce || 1 || 2 || 3 || 4 || 5
|-
| espresso || 65 || 102 || 53 || 94 || 56
|-
| double espresso || 21 || 48 || 25 || 46 || 21
|-
| americano || 78 || 88 || 59 || 98 || 39
|-
| cappuccino || 107 || 88 || 53 || 93 || 75
|-
| flat white || 45 || 90 || 29 || 51 || 28
|-
| caffé latté || 127 || 164 || 65 || 116 || 105
|-
| macchiato || 20 || 18 || 8 || 19 || 5
|-
| batch brew || 45 || 50 || 26 || 29 || 39
|}

Následně bylo přikročeno k samotné analýze. Ta se skládá z několika částí. Předmětem zájmu je zaprvé pravděpodobnostní rozdělení objednávek jednotlivých kávových nápojů a zadruhé vztah mezi počtem účastníků akce, délkou jejího trvání a absolutním počtem prodaných kávových nápojů.

Byl stanoven předpoklad, že rozložení objednávaných nápojů na jednotlivých akcích bude přibližně stejné. Aby byl odstraněn efekt počtu účastníků, konkrétní počty prodaných nápojů bylo nutné převést na poměry mezi nimi na každé akci. Z těchto hodnot byla následně vypočítána střední hodnota a standardní odchylka. Získané parametry pak budou použity při generování očekávaných prodejů v rámci modelu.

Dalším předpokladem je, že počet objednávek bude úměrný počtu účastníků akce a délce jejího trvání. Zde se však ukázalo, že průměrný počet objednávek na osobu se velice liší, a to i velmi výrazně, jako např. mezi školením obchodních zástupců a výstavou skautského umění. Předpoklad se tedy nenaplnil.

{| class="wikitable"
!| ID akce || 1 || 2 || 3 || 4 || 5
|-
| '''Počet káv na osobu''' || 0,726 || 1,296 || 0,530 || 1,029 || 0,652
|}

V rámci modelu budou dále použity pravděpodobnosti pro jednotlivé kávové nápoje. Pro každý z nich byla nalezena střední hodnota a standardní odchylka. Analýzou bylo dojito k závěru, že počty objednávek kávových nápojů mají logaritmicko-normální rozdělení, jelikož hodnoty jsou jednak jednostranně ohraničené a náhodný proces je tvořen součinem různých nezávislých vlivů, kdy každý vliv má malý příspěvek k celkové hodnotě pravděpodobnosti <ref name="prez">Růžička, M. Statistické metody vyhodnocování dat. [online]. 2018 [cit. 2020-06-14]. Dostupné z: http://www.kmp.tul.cz/system/files/duz_2018_5_ru.pdf</ref>. Vhodnou transformací je možné převést hodnoty střední hodnoty a směrodatné odchylky na µ a σ2.

{| class="wikitable"
!| Nápoj || střední hodnota || směrodatná odchylka || µ || σ2
|-
| espresso || 0,093333333 || 0,048186381 || -2,489725424 || 0,060217039
|-
| double espresso || 0,041666667 || 0,027122933 || -3,354696174 || 0,045015409
|-
| americano || 0,111428571 || 0,035879173 || -2,243696179 || 0,158839893
|-
| cappuccino || 0,152857143 || 0,032176319 || -1,899929666 || 0,143111678
|-
| flat white || 0,064285714 || 0,049634353 || -2,978206584 || 0,071119306
|-
| caffé latté || 0,181428571 || 0,071934677 || -1,779896881 || 0,184160716
|-
| macchiato || 0,028571429 || 0,011271238 || -3,627668715 || 0,016783709
|-
| batch brew || 0,065 || 0,020028991 || -2,778722005 || 0,073896824
|}

== Model ==

K tvorbě modelu bylo využito informací o zákaznických preferencích výběru kávových nápojů spojených s pravděpodobností, že účastník vůbec uskutečnění objednávku kávy. Tato data byla použita jako vstup pro výpočet náhodné hodnoty pro každý zaznamenaný druh nápoje zvlášť. Výsledkem tohoto výpočtu je tedy očekávaný počet objednávek každého z nabízených kávových nápojů.

Protože by však výpočet pouze jediné náhodné hodnoty z logaritmicko-normálního rozdělení s ohledem na odchylky nestačil k určení očekávané skladby objednávek s dostatečnou přesností, je nutné tento výpočet opakovat, a tím prakticky simulovat konání velkého množství akcí s danými parametry (počet účastníků a délka trvání akce). K tomuto účelu je použito techniky simulace Monte Carlo <ref name="mc">Kroese, D. P., Brereton, T., Taimre, T., & Botev, Z. I. Why the Monte Carlo method is so important today. (2014). Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. https://doi.org/10.1002/wics.1314</ref>, která je realizována přímo v programu Microsoft Excel pomocí funkce Tabulka dat <ref name="tab">Microsoft. Výpočet více výsledků pomocí tabulky dat. [online]. 2020 [cit. 2020-06-15]. Dostupné z: https://support.office.com/cs-cz/article/v%C3%BDpo%C4%8Det-v%C3%ADce-v%C3%BDsledk%C5%AF-pomoc%C3%AD-tabulky-dat-e95e2487-6ca6-4413-ad12-77542a5ea50b</ref>. Simulace pro každý kávový nápoje je pro zajištění maximální konzistence provedena 25 000 krát.

Vedle počtu účastníků a délky trvání akce je možné do výpočtu modelu doplnit i další údaje, které umožní přímo odhadnout profitabilitu podniku.

* Oblusha [čl.]
* Mzdy [Kč/h]
* Amortizace [Kč/h]
* Káva [Kč/g]
* Mléko [Kč/l]
* Voda [Kč/l]
* Doprava [Kč]
* Prodejní ceny nápojů [Kč]

Pro dobrý uživatelský prožitek je model doplněn o jednoduché uživatelské rozhraní vytvořené přímo v programu Microsoft Excel. To umožňuje zadání všech stupních proměnných a po provedení výpočtu i následné odečtení proměnných výstupních.

[[File:ui_catering.PNG|thumb|right|Uživatelské rozhraní modelu Catering]]

Nejdůležitějšími výstupními proměnnými modelu jsou odhady množství spotřebované kávy, mléka a vody tak, aby se cateringový tým mohl dostatečně zásobit a zároveň došlo k minimálním ztrátám způsobeným přezásobením akce.

== Použití a výsledky ==

Model byl otestován na zadáních shodných s akcemi, které byly použity jako základní statistický soubor pro odhad parametrů modelu. Dle očekávání model produkuje výsledky, které se dostatečně blíží skutečným prodejům na zmíněných akcích. Podobně pro stejná zadání stabilně produkuje srovnatelné výsledky.

V praxi bude model otestován při nejbližším možném termínu, a to na cateringu v rámci svatební hostiny. Akce se poměrně vymyká základnímu statistickému souboru, jednak svojí velikostí a jednak i zaměřením. S ohledem na různorodost základního souboru však lze předpokládat dobrý výsledek. Pro zmíněnou akci nalezl model následující řešení.

{| class="wikitable"
!| Surovina || Objem
|-
| Káva || 3 692g
|-
| Mléko || 22,45l
|-
| Voda || 18,77l
|}

Porovnání můžeme provést ihned, a to s expertním odhadem tak, jak by byl proveden, pokud by model nebyl k dispozici. Za takovýchto okolností by za stejných vstupních předpokladů byl učiněn následující odborný odhad.

{| class="wikitable"
!| Surovina || Objem
|-
| Káva || 4 500g
|-
| Mléko || 25l
|-
| Voda || 30l
|}

= Závěr =

Sestavený model nalezne praktické využití při plánování kávového cateringu a má tedy potenciál značně zjednodušit práci členů týmu Kafe Entropie. Jednou z největších výhod může být odvedení nezáživné práce a z toho vyplývající možnost zaměření se na to, co tým skutečně baví – dělat lidem radost kávou. Vedle ušetřeného času lze očekávat i zvýšenou přesnost, neboť model více odráží skutečné zákaznické preference, spíše než chuťové preference členů týmu. Ze zvýšené přesnosti pak plynou potenciální ekonomické výhody, neboť kvůli vysoké ceně a krátké životnosti vstupních surovin docházelo v minulosti ke snižování ziskovosti podniku.

Další zdokonalení modelu by mohlo spočívat v jeho nasazení a následném porovnávání odhadované spotřeby a skutečné spotřeby. Podobně je zde prostor pro větší soubor základních dat, který by umožnil zpřesnit predikci spotřeby. Ze zkušenosti je taktéž dobře známo, že objem vydaných objednávek se liší dle denní doby a přímo z dat jsou patrné i odlišnosti mezi různými typy akcí, a to zejména co se celkového objemu objednávek týče. Pro zohlednění těchto vstupů by však bylo nutné nasazení jiných analytických nástrojů, neboť současný pokladní systém, zdá se, neumožňuje dostatečně podrobné exporty.

V případě, že se model osvědčí, bude stejným způsobem možné sledovat i spotřebu dalších pochutin, jako jsou zákusky a svačiny. K zahrnutí odhadů pro ně je však nutné nejprve nasbírat dostatečné množství dat.

V případě, že by se měl model používat častěji, bude muset dojít k optimalizaci počtu simulovaných průběhů, neboť při současném nastavení může na pomalejších strojích délka simulace dosáhnout i několika minut. Lze předpokládat, že k dosažení dostatečně konzistentních výsledků by dostačoval i zlomkový počet simulací.

Model bude podroben hodnocení na základě reálných dat z následujících akcí. Dle dosud dostupných dat se však zdá, že produkuje dobré a konzistentní výsledky.

= Reference =
<references/>

= Přílohy =
[[File:model_catering.xlsx]]

File:Ui catering.PNG

2020-06-15T16:12:29Z

Kraj12: Uživatelské rozhraní modelu Catering

== Summary ==
Uživatelské rozhraní modelu Catering

File:Model catering.xlsx

2020-06-15T16:10:55Z

Kraj12: Model simulace Catering

== Summary ==
Model simulace Catering

SS 2019/2020/cs

2020-06-15T13:49:34Z

Kraj12: /* Vypracovaná témata LS 2019/2020 */

{{DISPLAYTITLE:LS 2019/2020}}

Semestrální práce (simulace) z letního semestru 2019/2020. Sem přidejte odkaz na stránku s Vaší prací.
Nejprve je třeba nechat schválit [[Assignment SS 2019/2020/cs|zadání práce]].

=Vypracovaná témata LS 2019/2020=
* [http://www.simulace.info/index.php/User:Zurp00 Analýza dopravy cestujících na Letiště Václava Havla pro optimalizaci při zavedení metra (Simprocess)] - Polina Luneva
* [http://www.simulace.info/index.php/Degenerace_p%C5%99i_chovu_Australsk%C3%BDch_ov%C4%8D%C3%A1k%C5%AF_(AUO) Degenerace při chovu Australských ovčáků (AUO) (Netlogo)] - Michaela Herianová
* [http://www.simulace.info/index.php/Nalezen%C3%AD_nejlep%C5%A1%C3%AD_strategie_%C5%99idi%C4%8D%C5%AF_Taxi Nalezení nejlepší strategie řidičů Taxi (Netlogo)] - Libor Zíka
* [http://www.simulace.info/index.php/User:Bacj04 Simulácia zberu jahôd (Netlogo)] - Juraj Bačovčin
* [http://www.simulace.info/index.php/User:Plev00 Růst populace EU v nadcházejících letech (Vensim)] - Václav Pleskač '''Nedokončné'''
* [http://www.simulace.info/index.php/User:Simn00 Vývoj nezaměstnanosti v ČR (Vensim)] - Nikol Šímová '''Nedokončené'''
* [http://www.simulace.info/index.php/User:Dmitry_Borodin Simulace provozu veterinární kliniky (Simprocess)] - Dmitry Borodin
* [http://www.simulace.info/index.php/User:Kraj12 Analýza zákaznických preferencí za účelem optimalizace nákupu vstupních surovin pro zajištění kávového cateringu (Microsoft Excel)] - Jakub Kratochvíl

Assignment SS 2019/2020/cs

2020-05-29T09:39:15Z

Kraj12: Přidat zadání simulace Catering

{{DISPLAYTITLE:Zadání LS 2019/2020}}

{{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>
}}

== Simulácia zberu jahôd ==

'''Názov simulácie''': Zber jahôd

'''Autor''': Juraj Bačovčin

'''Typ modelu''': Multiagentný

'''Modelovací nástroj''': NetLogo

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

'''Parametre modelu''':
* Počet jahôd
* Počet stromov
* Veľkosť stromov
* Rýchlosť pohybu zberačov

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

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

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

== Degenerace při chovu Australských ovčáků (AUO) ==

'''Název:''' Degenerace při chovu Australských ovčáků (AUO)

'''Autor:''' [[User:Herm10|Herm10]] ([[User talk:Herm10|talk]]) 22:45, 13 May 2020 (CET)

'''Nástroj:''' NetLogo

'''Typ modelu:''' Multiagentní

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

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

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

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

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

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

'''Agenti:'''
* Psi
* Chovatelé

'''Parametry:'''
* Počet psů dovezených ze zahraničí
* Počet nelegálních chovatelů
* Počet nezodpovědných chovatelů

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

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

'''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 18:27, 14 May 2020 (CET)

== Procesní analýza dopravy cestujících na Letiště Václava Havla (LVH) pro optimalizaci při zavedení metra <ref name="pazdro">PAZDRO, V. ANALÝZA ZPŮSOBŮ DOPRAVY CESTUJÍCÍCH NA
LETIŠTĚ S VLIVEM NA ODBAVOVACÍ PROCES. České vysoké učení technické v Praze: Fakulta dopravní [online]. 2018 [cit. 2020-05-14]. Dostupné z: https://dspace.cvut.cz/bitstream/handle/10467/77357/F6-DP-2018-Pazdro-Vladimir-Analyza%20zpusobu%20dopravy%20cestujicich%20na%20letiste%20s%20vlivem%20na%20odbavovaci%20proces.pdf?sequence=-1&isAllowed=y</ref> ==

* '''Název simulace:''' Metro na LVH
* '''Autor:''' [[User:Zurp00|Zurp00]] ([[User talk:Zurp00|talk]]) 20:55:45, 14 May 2020 (CET) Polina Luneva
* '''Typ modelu:''' Diskrétní simulace
* '''Modelovací nástroj:''' [http://simprocess.com/ SIMPROCESS]

'''Popis modelu''': Prodloužení pražské trasy metra A z Motola na Letiště Václava Havla by vyšlo na 26,8 miliardy korun. Vybudování tratě by i s přípravnými pracemi trvalo jedenáct let (analýza by měla trvat 6,5 roku, dalších 4,5 roku stavba samotná). Hloubka podzemních stanic by se pohybovala v rozmezí 20 až 45 metrů Vyplývá to z analýzy firmy Metroprojekt pro dopravní podnik a magistrát. <ref name="CTK">ČTK. Protažení metra na letiště by stálo 27 miliard a trvalo 11 let, říká analýza. iDNES: [online]. 2018 [cit. 2020-05-14]. Dostupné z: https://www.idnes.cz/praha/zpravy/prodlouzeni-metra-motol-letiste-miliardy-analyza.A180215_120053_praha-zpravy_rsr</ref> Je tedy patrné, že celá výstavba metra zabere dost času, ale i finančních prostředků, proto je potřeba co nejvíce času věnovat řádné přípravě. Tato práce by mohla posloužit jako jeden ze způsobu dat.

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

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

LVH má otevřeno 24 hod. Sledovat se bude z důvodů dostupnosti dat interval jedné hodiny <9;10> a podle toho budu chtít určit
* Interval, jak často má metro jezdit s ohledem na ostatní faktory (fronty, tvořící se na security, pásové kontrole)
* Počet otevřených přepážek na bezpečnostní kontrole
* Počet otevřených přepážek na pásové kontrole

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

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

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

{| class="wikitable"
! počet metro/min !! počet ost./min !! celkem
|-
| 29 osob || 33 osob || '''62 osob'''
|}

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

{| class="wikitable"
! Typ !! Počet maximálních přepážek !! Výkon přepážky [osoba/min]
|-
| Bezpečnostní kontrola || 16 ks || 2
|-
| Pasová kontrola || 21 ks || 2
|}

Pro přehlednost představuji high level schéma:
[[File:Obrázek1.png|thumb|400px|left||Obr. 1: Schéma]]

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

'''Data:''' Vycházet budu hlavně s diplomové práce na téma: Analýza způsobů dopravy cestujících na Letiště Václava Havla. <ref name="pazdro">PAZDRO, V. ANALÝZA ZPŮSOBŮ DOPRAVY CESTUJÍCÍCH NA
LETIŠTĚ S VLIVEM NA ODBAVOVACÍ PROCES. České vysoké učení technické v Praze: Fakulta dopravní [online]. 2018 [cit. 2020-05-14]. Dostupné z: https://dspace.cvut.cz/bitstream/handle/10467/77357/F6-DP-2018-Pazdro-Vladimir-Analyza%20zpusobu%20dopravy%20cestujicich%20na%20letiste%20s%20vlivem%20na%20odbavovaci%20proces.pdf?sequence=-1&isAllowed=y</ref> V práci autor pracuje s dostupnými a ověřenými statistikami.

'''Odkazy''':
<references/>

: Téma v principu velmi zajímavé, líbí se mi, ale není mi úplně jasné, co vlastně chcete přesně simulovat. Nejprve hovoříte o kapacitě metra, pak o tom, jak jsou pasažéři rozptýleni po terminálech... Není mi to moc jasné. To byste měla dopracovat. Co je cílem, tj. jaké výstupy hledáte? Jaké tam budete mít naopak proměnné. Atd. A druhá věc je, zda je na to opravdu nejlepší použít Simprocess. Ale na to nejsem schopen odpovědět právě proto, že to zadání úplně nechápu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 22:55, 19 May 2020 (CET)

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

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

== Nalezení nejlepší strategie řidičů Taxi ==

'''Název:''' Nalezení nejlepší strategie řidičů Taxi

'''Autor:''' [[User:Zikl00|Zikl00]] ([[User talk:Zikl00|talk]]) 23:23, 14 May 2020 (CET)

'''Nástroj:''' NetLogo

'''Typ modelu:''' Multiagentní

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

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

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

'''Parametry modelu:'''
* Počet zákazníků za den (rozloží se do hodin podle taxikářské špičky)<ref name="TaxiSpicka">JIANG, Weiwei, LIAN, Jing, SHEN, Max, ZHANG, Lin. A multi-period analysis of taxi drivers' behaviors based on GPS trajectories [online]. 2017 [cit. 2020-05-14]. Dostupné z:
https://www.semanticscholar.org/paper/A-multi-period-analysis-of-taxi-drivers%27-behaviors-Jiang-Lian/5032da9586e128838a39cdf2047e44d5452e2744/figure/0</ref><ref name="TaxiTrips">ZHU, Hengyi. The Data Incubator Capstone Project: NYC Taxi Trips [online]. 2016 [cit. 2020-05-14]. Dostupné z:
http://nyc-taxi-trips.herokuapp.com/time</ref>
* Počet aut v městečku (rozložení v hodinách se určuje dle poměru z grafu přepravní špičky)<ref name="PrepravniSpicka">VOSÁTKA, Dominik. Kvalita nabízených služeb Dopravního podniku hlavního města Prahy, a. s. [online]. Pardubice, 2014 [cit. 2020-05-14]. Dostupné z: https://dk.upce.cz/bitstream/handle/10195/58906/VosatkaD_KvalitaNabizenych_KP_2014.pdf;jsessionid=F1343FF5C835CEC986D0AC2F4373369E?sequence=3</ref>
* Počet Taxikářů 1., 2. a 3. kategorie

'''Možná rozšíření:'''
* Výpočet spotřeby paliva pro každou strategii
* ...

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

'''Odkazy''':
<references/>

: Jak by podle Vás vypadal konkrétně pohyb těch aut v modelu? [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 00:20, 20 May 2020 (CET)

:: Mapa bude pevně daná, auta se budou pohybovat po definovaných spojitých trasách - silnicích. Vzhledem k tomu, že každý bod má své souřadnice, mohu implementovat některý z vyhledávacích algoritmů, jako např. A* nebo Dijkstrův. [[User:Zikl00|Zikl00]] ([[User talk:Zikl00|talk]]) 08:13, 20 May 2020 (CET)

::: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]])

== Procesná analýza vychystávania B2C objednávok v logistickom centre [https://skladon.cz Skladon] poskytujúc fulfillment službu pre e-shopy ==

* '''Název simulace:''' Návrh optimalizácie vychystávania objednávok v logistickom centre Skladon
* '''Autor:''' [[User:Xhalm23|Xhalm23]] ([[User talk:Xhalm23|talk]]) 19:01, 15 May 2020 (CET)
* '''Typ modelu:''' Diskrétna simulácia
* '''Modelovací nástroj:''' [http://simprocess.com/ SIMPROCESS]

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

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

Do procesu vychystávania vystupjú tieto sledované entity:

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

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

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

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

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

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

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

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 00:23, 20 May 2020 (CET)

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

'''Název simulace:''' Catering

'''Autor:''' [[User:Kraj12|Kraj12]] ([[User talk:Kraj12|talk]]) 10:38, 29 May 2020 (CET)

'''Typ modelu:''' Diskrétní simulace

'''Modelovací nástroj:''' Microsoft Excel

'''Popis modelu''': Společnost Kafe Entropie <ref name="kafeentropie">Komorní sbor Entropie, z.s.. Kafe Entropie. [online]. 2019 [cit. 2020-05-29]. Dostupné z: https://kafeentropie.cz</ref> zajišťuje kávový catering pro společenské události, jako jsou svatby, vernisáže, konference ad. Na každé akci se vyskytuje určité předem známé množství lidí, potenciálních zákazníků, a Ti si mohou objednat jakýkoli z řady nabízených kávových nápojů. Cílem je uspokojit poptávku a současně dosáhnout co nejměnšího přebytku vstupních surovin, které rychle podléhají skáze a přezásobení tedy snižuje výnosnost podniku.

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

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

{| class="wikitable"
! nápoj !! surovina/káva [g] !! surovina/mléko [ml] !! surovina/voda [ml]
|-
| espresso || 9 || 0 || 50
|-
| double espresso || 18 || 0 || 70
|-
| americano || 18 || 0 || 140
|-
| cappuccino || 9 || 160 || 50
|-
| flat white || 18 || 140 || 70
|-
| caffé latté || 9 || 250 || 50
|-
| macchiato || 9 || 80 || 50
|-
| batch brew || 18 || 0 || 280
|}

Dále je nutné započítat spotřebu surovin pro nastavení mlýnku, a to:
* iniciální nastavení: 200g kávy, 1000ml vody
* pravidelné ladění: 60g kávy, 140ml vody za každých 30 vydaných káv

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

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

'''Odkazy''':
<references/>