Simulace.info - User contributions [en]

User:Laso00

2025-06-15T21:54:16Z

Laso00: /* Závěr */

{{DISPLAYTITLE: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023 (Vensim)}}

'''Název:''' Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' Vensim

'''Autor:''' Bc. Oriana Laštovičková, [[User:laso00| laso00]]

'''Definice problému:'''

Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Největší část tvořila biomasa, následovaná vodními a fotovoltaickými elektrárnami. Tyto poměry významně ovlivňují jak energetickou bilanci, tak environmentální cíle. Cílem simulace je analyzovat, jak by se změnila celková výroba z OZE při různých, náhodných scénářích – například při nárůstu výkonu solárních elektráren, nebo poklesu vodní výroby kvůli suchu.

Moje simulace simuluje období 2019-2023 (včetně), ''' kdy jsem musela změnit název z původního zadání 2024 a pozměnit i cíle projektu, který je velmi podobný původnímu.''' a to z důvodu chybějích dat pro rok 2024. Myslím, že pro samotnou simulaci, kde jsou zvolené roky bez významné změny pokrytí OZE elektráren v ČR, nehraje mínusový rok závažnou roli. Simulace funguje na modifikátorech různých proměnných ovlivňující výrobu. Například, INtenzitu slunečního záření, kapacity továren, nebo přibližné výkony elektráren. Tyto modifikátory a následně porovnávám odchylky s reálnými dostupnými daty. A druhá část je simulované období roku 2024 až 2027, kde daný multipikátor umožňuje sledovat imagrinární období pakliže, chceme kontrolovat specifické změny klimatu. Např. 20% větší sluneční svit, méně větru a jiné možné faktory.

=Cíle projektu=

Tato simulace modeluje výrobu elektrické energie z obnovitelných zdrojů (OZE) v České republice v letech 2019 až 2023 (včetně) , přičemž jejím cílem je analyzovat přínosy jednotlivých zdrojů – fotovoltaiky (FVE), větru, vody, biomasy a bioplynu – a porovnat výsledky s reálnými daty z těchto let. Zároveň umožňuje testování různých scénářů, například zvýšení kapacity FVE o 20 % (vynásobením proměnné „Kapacita FVE“), nastavení ideální efektivity FVE (např. pevně na hodnotu 1.1), nebo zavedení ideálních klimatických podmínek, jako je maximální hodnota síly svitu či větru. Podobně lze upravit i množství biomasy a bioplynu na jejich horní hranice, čímž se simuluje plné využití dostupných zdrojů. Tímto způsobem lze model přizpůsobit různým hypotetickým nebo budoucím podmínkám a využít ho k posouzení potenciálu rozvoje OZE, k identifikaci rozdílů mezi teoretickým výkonem a skutečnou výrobou a k podpoře strategického rozhodování v oblasti energetiky.

=Metoda=
Pro vytvoření modelu byl zvolen simulační nástroj Vensim, protože umožňuje efektivní vizualizaci a analýzu dynamických systémů s časovým vývojem, což je ideální pro modelování a simulaci proměnlivé výroby obnovitelné energie.

=Model=

Vytvořený model pro simulaci vývoje výroby obnovitelné energie v ČR můžeme vidět níže. Na obrázcích je znázorněna kauzální smyčka mezi proměnnými výroby z pěti hlavních zdrojů: vodní energie, větrná energie, biomasa, bioplyn a fotovoltaika (FVE).

[[File:C laso.png]]

'''První část 2019-2023'''

[[File:SFD 2019-2023.png]]

== Proměnné modelu a popsání modelu==

'''Energie OZE=Výroba větrem+Výroba FVE+Výroba vodou+Výroba z biomasy +Výroba z bioplynu'''

Pro demonstraci celkového OZE.

==FVE==

'''Výroba FVE= INTEG (roční výroba FVE, 2311.6)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

Instalovaný výkon fotovoltaické elektrárny (FVE) se udává v jednotkách watt-peak (Wp) nebo kilowatt-peak (kWp) a označuje maximální výkon, který je daná elektrárna schopna vyrobit za ideálních podmínek (plné sluneční záření, funkčnost panelu atd.). 1 kWp FVE v ideálních podmínkách vyrobí přibližně 1000 kWh

'''síla svitu=RANDOM UNIFORM ( 0.4, 0.6, 0)'''

Sezónní hodnoty (realistické vstupy pro model)
Období Průměrný poměr přímého slunce (0–1 zatažno až přímé světlo)
Léto 0,6 – 0,8
Jaro/podzim 0,3 – 0,5
Zima 0,1 – 0,3
Celoroční průměr ~0,4 – 0,6

'''Efektivita FVE=RANDOM UNIFORM ( 0.8 , 1.1, 0 )'''
Vyhodnocení jestli jsou fotovoltaiky v pořádku, nějaké znehodnocení prach, špína, teplota a mnoho dalších faktorů znehodnocují efektivitu některých panelů. Průměrně můžeme odhadnout efektivitu panelů. Hranice můžou někdy překročit 100% efektivity panelu, při velmi optimálních podmínkách.

'''Kapacita FVE=4430'''
Celkový instalovaný výkon všech FVE v ČR je 4430 MWp. ( 4 430 000 Mwp ročně je 4430 GWp)

==Výroba větrem==

'''Výroba větrem= INTEG (roční výroba větrem,700)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba větrem=2978'''
V České republice je instalovaný výkon větrných elektráren celkem 340 MW v roce 2019.
Pokud uvažujeme ideální stav, kdy „fouká pořád“ – tedy plný výkon (340 MW) je dostupný 24/7 po celý rok, pak můžeme říct, že Za ideálního stavu, kdy větrné elektrárny v ČR běží celý rok nonstop na plný výkon, by vyrobily cca 2 978 GWh za rok.

'''síla větru=RANDOM UNIFORM ( 0.2 , 0.25, 0 )'''
To však není případem. V této proměnné odhaduji rychlost větru z dat a efektivnost turbíny.

1 = ideální stav, celý rok fouká tak(11–13 m/s), že turbína jede pořád na maximum (neexistuje v praxi)

0 = nefouká vůbec, žádná výroba.

V České republice je velmi nízký kapacitní faktor větrných elektráren (hlavně kvůli nevhodné geografii a stabilitě větru). Průměrný kapacitní faktor větrných elektráren v ČR je cca 0,20–0,25 (tzn. 20–25 % roku fouká dostatečně pro významnou výrobu).
Období Poměr výkonu (0–1)
Zima(12–2): 0,25 – 0,35 Nejvíce fouká
Jaro (3–5): 0,20 – 0,28 Relativně větrné
Léto (6–8): 0,10 – 0,18 Nejnižší větrnost
Podzim (9–11): 0,22 – 0,3
Celoroční průměr: ~0,20–0,25

==Výroba vodou==
'''Výroba vodou= INTEG (roční výroba vodou, 2008)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
V České republice je v provozu více než 1600 malých vodních elektráren (MVE) a 9 velkých vodních elektráren (nad 10 MW). Celkový instalovaný výkon vodních elektráren (včetně přečerpávacích) byl v roce 2019 přes 2264 MW.

'''maximální výroba vodou=19832.6'''
Tento údaj udává maximální možný výkon, který mohou elektrárny dodat do sítě. Nerealisticky by přepočet byl následující:
Výroba za rok(GWh)= Instalovaný výkon(MW)×Počet hodin za rok ÷1000 =2264×8760÷1000= 19 832.6 GWh.
Vodní elektrárny jsou však závislé na: Průtoku vody (řeky, přehrady), sezónnosti (jaro: tání, léto: sucho, podzim: deště,zima: minimum) a technickém využití vody (např. u přečerpávaček jen když je potřeba vyrovnávat síť).

Reálný kapacitní faktor vodních elektráren je podle údajů z ČR:
Malé vodní elektrárny 0,25 – 0,35
Velké přehradní elektrárny 0,35 – 0,45
Přečerpávací elektrárny 0,05 – 0,15 (pracují nárazově)

'''Průměrný poměr dostupnosti vody=RANDOM UNIFORM ( 0.10, 0.12, 0 )'''
Pokud skutečná výroba z vodních elektráren (včetně přečerpávacích) byla v roce 2019 = 2 008 GWh, v roce 2023 = 2063 GWh, (pro další údaj na odhad s největším ročním množstvím energie za rok) a instalovaný výkon byl 2 264 MW, pak můžeme odhadnout kapacitní výkon následovně:

KF = 2008/19832,6 = 0.1012 (2019)
KF = 2363/19832,6 = 0,1191 (2023)

Reálný kapacitní faktor vodních elektráren v ČR v roce 2019 byl přibližně 0,10 ( v průměru běžely na 10,1 % svého maximálního výkonu). A pro rok 2023 (se stejným instalovaným výkonem) 0,12. Tento faktor využiju i pro další roky simulace.
Průměrný poměr dostupnosti vody za rok = ~0,10–0,12
Technicky vzato voda je obvykle dostupná mnohem víc, jen není ve správné formě/čase/objemu, nebo je elektrárna řízena odlišně (např. přečerpávací režim, ochrana životního prostředí), v této simulaci počítáme s těmito omezujícími faktory.
=
==Výroba biomasou==
'''Výroba z biomasy= INTEG (roční výroba biomasou,1549.7)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
Biomasa se využívá jako palivo v kotlích pro výrobu elektřiny. Při jejím spalování však nevzniká pouze elektřina, často se biomasa používá v kogeneračních systémech, kde se zároveň vyrábí elektřina i teplo.

'''maximální výroba z biomasy=13575.4'''
Protože neexistují údaje, které by přesně definovaly maximální možnou vyrobenou energii z biomasy, budeme tuto hodnotu odhadovat z dat a podle nerealistického stavu, kdyby elektrárny pracovaly nepřetržitě.
Výroba za rok(GWh)= výkon(MW)×Počet hodin za rok ÷1000 =1549,7×8760= 13575,4 GWh
Dostupnost biomasy závisí na množství a druzích dostupných zemědělských a lesních surovin, sezónnosti sklizně, logistice, ekonomických podmínkách a konkurenci v jejím využití.Dostupnost biomasy v ČR ovlivňují sezónní sklizňové cykly, přírodní podmínky jako sucha či povodně, ekonomické faktory a tržní konkurence, regulační omezení udržitelného hospodaření a kapacity logistiky i skladování.

'''možství biomasy=RANDOM UNIFORM ( 0.1, 0.2, 0 )'''
Minimální a maximální hranice pro simulaci dostupnosti biomasy bylo odhadnuto jako u předchozích OZE, 0,1-0,2.

==Výroba bioplynem==

Bioplyn je obnovitelný zdroj energie získávaný anaerobní fermentací organických materiálů, jako jsou zemědělské odpady, kejda, potravinové zbytky či biologický odpad z čistírenských procesů. Bioplyn se využívá k výrobě elektřiny, tepla nebo jako palivo po jeho vyčištění a přeměně na biometan.

'''Výroba z bioplynu= INTEG (roční výroba bioplynem,1528.1)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba bioplynem=3504'''
Protože neexistují přesné údaje o maximální možné výrobě elektřiny z bioplynu, odhadneme tuto hodnotu z instalovaného výkonu a předpokladu nepřetržitého provozu.
Pokud by bioplynové elektrárny pracovaly nepřetržitě na plný výkon, například při instalovaném výkonu 400 MW, byla by maximální roční výroba:
400×8760÷1000= 3 504 GWh

'''množství bioplynu=RANDOM UNIFORM ( 0.4, 0.9, 0 )'''
Dostupnost bioplynu závisí na množství a druzích organických surovin vhodných k fermentaci, sezónnosti produkce substrátů, provozní kapacitě bioplynových zařízení, ekonomických podmínkách, legislativních opatřeních a konkurenci v jejich využití.
Realistická omezení dostupnosti bioplynu v ČR zahrnují: Sezónní výkyvy dostupnosti surovin, technická a provozní omezení bioplynových zařízení, ekonomické faktory a legislativní regulace,konkurenci o substráty a logistická omezení. Pro simulaci dostupnosti bioplynu lze uvažovat poměrnou efektivitu v rozmezí 0,4 až 0,9 podle dat co máme k dispozici, kde 1 znamená ideální stav nepřetržitého provozu na maximální výkon a 0 znamená úplnou nedostupnost surovin či provozu

=Výsledky simulace=
[[File:A laso00.png]]

Simulace kazuje ve srovnání s reálnými daty určité odchylky. Největší rozdíl byl zaznamenán u výroby z biomas, kde v simulaci se výsledná hodnota lišila o 3777 GWh (průměrně o 755,6 GWh ročně). U větrné energie byla simulace poměrně přesná, s rozdílem pouze -28,5 GWh celkem (průměrně -5,7 GWh ročně). Výroba z vodních elektráren byla simulací nadhodnocena o 621,4 GWh (roční průměr o 124,3 GWh). V případě biomasy byla simulace výrazně nižší než skutečnost, s rozdílem 3 777,8 GWh (755,6 GWh ročně). Podobně byla podhodnocena i výroba z bioplynu o 1 171,1 GWh (234,2 GWh ročně). Celkově simulace podhodnocuje výrobu energie z většiny zdrojů, s výjimkou vody, a to nejvíce u biomasy a FVE, což může ukazovat na nutnost úpravy vstupních parametrů simulace či zohlednění větší variability v reálných provozních podmínkách.

[[File:FVE.png]] [[File:Biomasa.png]] [[File:Bioplyn.png]] [[File:Vítr.png]] [[File:Voda.png]]

=Závěr=
Simulace poskytuje flexibilní nástroj pro analýzu výroby elektrické energie z obnovitelných zdrojů nejen pro období 2020–2024 ale je měnitelná v proměnných pro další scénáře do dalších let. Umožňuje porovnání simulovaných dat s reálným vývojem z tohoto období pro další závěry. Na základě modelu lze sledovat vliv klíčových faktorů, jako jsou účinnost technologií, kapacity zdrojů nebo klimatické podmínky, na celkovou produkci energie. Zároveň umožňuje testovat hypotetické scénáře, například zvýšení výkonu FVE, ideální sluneční podmínky nebo vyšší dostupnost biomasy. Výsledky ukazují, že i relativně malé změny vstupních proměnných mohou výrazně ovlivnit celkový energetický výstup. Srovnání s reálnými daty poukázalo u nějakých OZE nepřesnosti. Simulace umožńuje znázornění jednotlivých obnovitelných zdrojů, i citlivost systému na změny, a může být pomocné pro efektivní plánování a optimalizaci energetické politiky.

=Zdroje a data=
Bilance elektrické energie – Český statistický úřad ([32](https://csu.gov.cz/energetika))
Obnovitelné zdroje energie – Výsledky statistického zjišťování- dokumenty za roky 2019–2024 – Ministerstvo průmyslu a obchodu ČR ([33](https://mpo.gov.cz))
Roční zpráva o provozu elektrizační soustavy ČR – Energetický regulační úřad ([34](https://eru.gov.cz))
Share of energy consumption from renewable sources in Europe – Evropská agentura pro životní prostředí ([35](https://www.eea.europa.eu/en/analysis))
https://mpo.gov.cz/cz/rozcestnik/pro-media/tiskove-zpravy/pocet-pripojenych-zdroju-do-elektrizacni-soustavy-se-loni-zvysil-o-ctvrtinu--celkovy-instalovany-vykon-v-cr-vzrostl-o-temelinsky-blok--285522/
https://komoraoze.cz/v-cesku-jich-jsou-stovky-ale-stavet-nove-se-dari-jen-velmi-obtizne-male-vodni-elektrarny/#:~:text=Pokr%C3%BDvaj%C3%AD%20spot%C5%99ebu%20Karlovarsk%C3%A9ho%20kraje%2C%20ale%20nep%C5%99ib%C3%BDvaj%C3%AD%20Mal%C3%BDch,v%20%C4%8Cesku%20v%20provozu%20t%C3%A9m%C4%9B%C5%99%201%20400.
https://czbiom.cz/wp-content/uploads/casopis_Biom_2021_01_WEB.pdf

==Soubory==
[[File:Simu laso00.zip]]

SS 2024/2025/cs

2025-06-15T21:50:49Z

Laso00:

{{DISPLAYTITLE:LS 2024/2025}}

Semestrální práce (simulace) z letního semestru 2024/2025. Sem přidejte odkaz na stránku s Vaší prací.
Nejprve je třeba nechat schválit [[Assignment SS 2024/2025/cs|zadání práce]].

=Vypracovaná témata LS 2024/2025=
* [https://www.simulace.info/index.php/User:Hlaj13 Strategie hráčů ve hře v kostky dle pravidel hry Farkle (NetLogo)] - Jan Hlavnička
* [https://www.simulace.info/index.php/User:Plaz03 Simulace tučňáků hledajících lásku na ledové kře (NetLogo)] - Zuzana Plachá
* [https://www.simulace.info/index.php/User:Macn04 Simulace šíření houby Ophiocordyceps mezi mravenci (NetLogo)] - Nela Machová
* [https://www.simulace.info/index.php/Útoky_medvědů Útoky medvědů (NetLogo)] Jan Vlček
* [https://www.simulace.info/index.php/User:Smrv03 Evakuace šelem v pražské ZOO v případě povodně (NetLogo)] - Veronika Smrčková
* [https://www.simulace.info/index.php/User:Bilk08 Bitva u Azincourtu (Netlogo) ] – Kateřina Bílková
* [https://www.simulace.info/index.php/User:Seka01 Simulace vojenské patroly a střetu s nepřítelem (Netlogo)] - Alexandr Sekera
* [https://www.simulace.info/index.php/User:Kubd06 Chování zákazníků v supermarketu/večerce (Netlogo)] – David Kubánek
* [https://www.simulace.info/index.php/User:Sanv05 Kontrola jízdenek v MHD (NetLogo)] - Vladislav Sanin
* [https://www.simulace.info/index.php/User:Jelp05 Autobusová linka v městské dopravě (NetLogo)] - Petr Jelínek
* [https://www.simulace.info/index.php/User:Kalp08 Přemnožení divokých prasat (NetLogo)] - Petr Kalina
* [https://www.simulace.info/index.php/User:Lans06 Pavlovovo podmiňování (Vensim)] - Louis Lang
* [https://www.simulace.info/index.php/User:Kala13 Šíření invazních druhů rostlin v krajině (Netlogo)] - Alena Smetanová
* [https://www.simulace.info/index.php/Optimální_nacenění_zálohy_na_kelímky Optimální nacenění zálohy na vratné kelímky na akcích (Monte Carlo)] - Phuong Bao Pham
* [https://www.simulace.info/index.php/User:Jana19 Bakterie na rukou (NetLogo)] – Alena Jansová
* [https://www.simulace.info/index.php/User:Hluv01 Vývoj hodnoty investičních portfolií v čase (Monte Carlo)] – Vilém Hluštík
* [https://www.simulace.info/index.php/User:Hrus07 Dynamika technického dluhu v softwarovém vývoji] – Šimon Hrúz
* [https://www.simulace.info/index.php/User:Kozo01 Simulace obsazenosti akutních lůžek v českých nemocnicích (Vensim)] – Olesia Kozlova
* [https://www.simulace.info/index.php/User:Lebm05 Možnosti využití plynových elektráren v ČR (Vensim)] - Michal Lebeda
* [https://www.simulace.info/index.php/User:Laso00 Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023 (Vensim)- Oriana Laštovičková]

SS 2024/2025/cs

2025-06-15T21:49:43Z

Laso00: /* Vypracovaná témata LS 2024/2025 */

{{DISPLAYTITLE:LS 2024/2029}}

Semestrální práce (simulace) z letního semestru 2024/2025. Sem přidejte odkaz na stránku s Vaší prací.
Nejprve je třeba nechat schválit [[Assignment SS 2024/2025/cs|zadání práce]].

=Vypracovaná témata LS 2024/2025=
* [https://www.simulace.info/index.php/User:Hlaj13 Strategie hráčů ve hře v kostky dle pravidel hry Farkle (NetLogo)] - Jan Hlavnička
* [https://www.simulace.info/index.php/User:Plaz03 Simulace tučňáků hledajících lásku na ledové kře (NetLogo)] - Zuzana Plachá
* [https://www.simulace.info/index.php/User:Macn04 Simulace šíření houby Ophiocordyceps mezi mravenci (NetLogo)] - Nela Machová
* [https://www.simulace.info/index.php/Útoky_medvědů Útoky medvědů (NetLogo)] Jan Vlček
* [https://www.simulace.info/index.php/User:Smrv03 Evakuace šelem v pražské ZOO v případě povodně (NetLogo)] - Veronika Smrčková
* [https://www.simulace.info/index.php/User:Bilk08 Bitva u Azincourtu (Netlogo) ] – Kateřina Bílková
* [https://www.simulace.info/index.php/User:Seka01 Simulace vojenské patroly a střetu s nepřítelem (Netlogo)] - Alexandr Sekera
* [https://www.simulace.info/index.php/User:Kubd06 Chování zákazníků v supermarketu/večerce (Netlogo)] – David Kubánek
* [https://www.simulace.info/index.php/User:Sanv05 Kontrola jízdenek v MHD (NetLogo)] - Vladislav Sanin
* [https://www.simulace.info/index.php/User:Jelp05 Autobusová linka v městské dopravě (NetLogo)] - Petr Jelínek
* [https://www.simulace.info/index.php/User:Kalp08 Přemnožení divokých prasat (NetLogo)] - Petr Kalina
* [https://www.simulace.info/index.php/User:Lans06 Pavlovovo podmiňování (Vensim)] - Louis Lang
* [https://www.simulace.info/index.php/User:Kala13 Šíření invazních druhů rostlin v krajině (Netlogo)] - Alena Smetanová
* [https://www.simulace.info/index.php/Optimální_nacenění_zálohy_na_kelímky Optimální nacenění zálohy na vratné kelímky na akcích (Monte Carlo)] - Phuong Bao Pham
* [https://www.simulace.info/index.php/User:Jana19 Bakterie na rukou (NetLogo)] – Alena Jansová
* [https://www.simulace.info/index.php/User:Hluv01 Vývoj hodnoty investičních portfolií v čase (Monte Carlo)] – Vilém Hluštík
* [https://www.simulace.info/index.php/User:Hrus07 Dynamika technického dluhu v softwarovém vývoji] – Šimon Hrúz
* [https://www.simulace.info/index.php/User:Kozo01 Simulace obsazenosti akutních lůžek v českých nemocnicích (Vensim)] – Olesia Kozlova
* [https://www.simulace.info/index.php/User:Lebm05 Možnosti využití plynových elektráren v ČR (Vensim)] - Michal Lebeda
* [https://www.simulace.info/index.php/User:Laso00 Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-202 (Vensim)- Oriana Laštovičková]

User:Laso00

2025-06-15T21:49:07Z

Laso00:

{{DISPLAYTITLE: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023 (Vensim)}}

'''Název:''' Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' Vensim

'''Autor:''' Bc. Oriana Laštovičková, [[User:laso00| laso00]]

'''Definice problému:'''

Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Největší část tvořila biomasa, následovaná vodními a fotovoltaickými elektrárnami. Tyto poměry významně ovlivňují jak energetickou bilanci, tak environmentální cíle. Cílem simulace je analyzovat, jak by se změnila celková výroba z OZE při různých, náhodných scénářích – například při nárůstu výkonu solárních elektráren, nebo poklesu vodní výroby kvůli suchu.

Moje simulace simuluje období 2019-2023 (včetně), ''' kdy jsem musela změnit název z původního zadání 2024 a pozměnit i cíle projektu, který je velmi podobný původnímu.''' a to z důvodu chybějích dat pro rok 2024. Myslím, že pro samotnou simulaci, kde jsou zvolené roky bez významné změny pokrytí OZE elektráren v ČR, nehraje mínusový rok závažnou roli. Simulace funguje na modifikátorech různých proměnných ovlivňující výrobu. Například, INtenzitu slunečního záření, kapacity továren, nebo přibližné výkony elektráren. Tyto modifikátory a následně porovnávám odchylky s reálnými dostupnými daty. A druhá část je simulované období roku 2024 až 2027, kde daný multipikátor umožňuje sledovat imagrinární období pakliže, chceme kontrolovat specifické změny klimatu. Např. 20% větší sluneční svit, méně větru a jiné možné faktory.

=Cíle projektu=

Tato simulace modeluje výrobu elektrické energie z obnovitelných zdrojů (OZE) v České republice v letech 2019 až 2023 (včetně) , přičemž jejím cílem je analyzovat přínosy jednotlivých zdrojů – fotovoltaiky (FVE), větru, vody, biomasy a bioplynu – a porovnat výsledky s reálnými daty z těchto let. Zároveň umožňuje testování různých scénářů, například zvýšení kapacity FVE o 20 % (vynásobením proměnné „Kapacita FVE“), nastavení ideální efektivity FVE (např. pevně na hodnotu 1.1), nebo zavedení ideálních klimatických podmínek, jako je maximální hodnota síly svitu či větru. Podobně lze upravit i množství biomasy a bioplynu na jejich horní hranice, čímž se simuluje plné využití dostupných zdrojů. Tímto způsobem lze model přizpůsobit různým hypotetickým nebo budoucím podmínkám a využít ho k posouzení potenciálu rozvoje OZE, k identifikaci rozdílů mezi teoretickým výkonem a skutečnou výrobou a k podpoře strategického rozhodování v oblasti energetiky.

=Metoda=
Pro vytvoření modelu byl zvolen simulační nástroj Vensim, protože umožňuje efektivní vizualizaci a analýzu dynamických systémů s časovým vývojem, což je ideální pro modelování a simulaci proměnlivé výroby obnovitelné energie.

=Model=

Vytvořený model pro simulaci vývoje výroby obnovitelné energie v ČR můžeme vidět níže. Na obrázcích je znázorněna kauzální smyčka mezi proměnnými výroby z pěti hlavních zdrojů: vodní energie, větrná energie, biomasa, bioplyn a fotovoltaika (FVE).

[[File:C laso.png]]

'''První část 2019-2023'''

[[File:SFD 2019-2023.png]]

== Proměnné modelu a popsání modelu==

'''Energie OZE=Výroba větrem+Výroba FVE+Výroba vodou+Výroba z biomasy +Výroba z bioplynu'''

Pro demonstraci celkového OZE.

==FVE==

'''Výroba FVE= INTEG (roční výroba FVE, 2311.6)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

Instalovaný výkon fotovoltaické elektrárny (FVE) se udává v jednotkách watt-peak (Wp) nebo kilowatt-peak (kWp) a označuje maximální výkon, který je daná elektrárna schopna vyrobit za ideálních podmínek (plné sluneční záření, funkčnost panelu atd.). 1 kWp FVE v ideálních podmínkách vyrobí přibližně 1000 kWh

'''síla svitu=RANDOM UNIFORM ( 0.4, 0.6, 0)'''

Sezónní hodnoty (realistické vstupy pro model)
Období Průměrný poměr přímého slunce (0–1 zatažno až přímé světlo)
Léto 0,6 – 0,8
Jaro/podzim 0,3 – 0,5
Zima 0,1 – 0,3
Celoroční průměr ~0,4 – 0,6

'''Efektivita FVE=RANDOM UNIFORM ( 0.8 , 1.1, 0 )'''
Vyhodnocení jestli jsou fotovoltaiky v pořádku, nějaké znehodnocení prach, špína, teplota a mnoho dalších faktorů znehodnocují efektivitu některých panelů. Průměrně můžeme odhadnout efektivitu panelů. Hranice můžou někdy překročit 100% efektivity panelu, při velmi optimálních podmínkách.

'''Kapacita FVE=4430'''
Celkový instalovaný výkon všech FVE v ČR je 4430 MWp. ( 4 430 000 Mwp ročně je 4430 GWp)

==Výroba větrem==

'''Výroba větrem= INTEG (roční výroba větrem,700)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba větrem=2978'''
V České republice je instalovaný výkon větrných elektráren celkem 340 MW v roce 2019.
Pokud uvažujeme ideální stav, kdy „fouká pořád“ – tedy plný výkon (340 MW) je dostupný 24/7 po celý rok, pak můžeme říct, že Za ideálního stavu, kdy větrné elektrárny v ČR běží celý rok nonstop na plný výkon, by vyrobily cca 2 978 GWh za rok.

'''síla větru=RANDOM UNIFORM ( 0.2 , 0.25, 0 )'''
To však není případem. V této proměnné odhaduji rychlost větru z dat a efektivnost turbíny.

1 = ideální stav, celý rok fouká tak(11–13 m/s), že turbína jede pořád na maximum (neexistuje v praxi)

0 = nefouká vůbec, žádná výroba.

V České republice je velmi nízký kapacitní faktor větrných elektráren (hlavně kvůli nevhodné geografii a stabilitě větru). Průměrný kapacitní faktor větrných elektráren v ČR je cca 0,20–0,25 (tzn. 20–25 % roku fouká dostatečně pro významnou výrobu).
Období Poměr výkonu (0–1)
Zima(12–2): 0,25 – 0,35 Nejvíce fouká
Jaro (3–5): 0,20 – 0,28 Relativně větrné
Léto (6–8): 0,10 – 0,18 Nejnižší větrnost
Podzim (9–11): 0,22 – 0,3
Celoroční průměr: ~0,20–0,25

==Výroba vodou==
'''Výroba vodou= INTEG (roční výroba vodou, 2008)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
V České republice je v provozu více než 1600 malých vodních elektráren (MVE) a 9 velkých vodních elektráren (nad 10 MW). Celkový instalovaný výkon vodních elektráren (včetně přečerpávacích) byl v roce 2019 přes 2264 MW.

'''maximální výroba vodou=19832.6'''
Tento údaj udává maximální možný výkon, který mohou elektrárny dodat do sítě. Nerealisticky by přepočet byl následující:
Výroba za rok(GWh)= Instalovaný výkon(MW)×Počet hodin za rok ÷1000 =2264×8760÷1000= 19 832.6 GWh.
Vodní elektrárny jsou však závislé na: Průtoku vody (řeky, přehrady), sezónnosti (jaro: tání, léto: sucho, podzim: deště,zima: minimum) a technickém využití vody (např. u přečerpávaček jen když je potřeba vyrovnávat síť).

Reálný kapacitní faktor vodních elektráren je podle údajů z ČR:
Malé vodní elektrárny 0,25 – 0,35
Velké přehradní elektrárny 0,35 – 0,45
Přečerpávací elektrárny 0,05 – 0,15 (pracují nárazově)

'''Průměrný poměr dostupnosti vody=RANDOM UNIFORM ( 0.10, 0.12, 0 )'''
Pokud skutečná výroba z vodních elektráren (včetně přečerpávacích) byla v roce 2019 = 2 008 GWh, v roce 2023 = 2063 GWh, (pro další údaj na odhad s největším ročním množstvím energie za rok) a instalovaný výkon byl 2 264 MW, pak můžeme odhadnout kapacitní výkon následovně:

KF = 2008/19832,6 = 0.1012 (2019)
KF = 2363/19832,6 = 0,1191 (2023)

Reálný kapacitní faktor vodních elektráren v ČR v roce 2019 byl přibližně 0,10 ( v průměru běžely na 10,1 % svého maximálního výkonu). A pro rok 2023 (se stejným instalovaným výkonem) 0,12. Tento faktor využiju i pro další roky simulace.
Průměrný poměr dostupnosti vody za rok = ~0,10–0,12
Technicky vzato voda je obvykle dostupná mnohem víc, jen není ve správné formě/čase/objemu, nebo je elektrárna řízena odlišně (např. přečerpávací režim, ochrana životního prostředí), v této simulaci počítáme s těmito omezujícími faktory.
=
==Výroba biomasou==
'''Výroba z biomasy= INTEG (roční výroba biomasou,1549.7)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
Biomasa se využívá jako palivo v kotlích pro výrobu elektřiny. Při jejím spalování však nevzniká pouze elektřina, často se biomasa používá v kogeneračních systémech, kde se zároveň vyrábí elektřina i teplo.

'''maximální výroba z biomasy=13575.4'''
Protože neexistují údaje, které by přesně definovaly maximální možnou vyrobenou energii z biomasy, budeme tuto hodnotu odhadovat z dat a podle nerealistického stavu, kdyby elektrárny pracovaly nepřetržitě.
Výroba za rok(GWh)= výkon(MW)×Počet hodin za rok ÷1000 =1549,7×8760= 13575,4 GWh
Dostupnost biomasy závisí na množství a druzích dostupných zemědělských a lesních surovin, sezónnosti sklizně, logistice, ekonomických podmínkách a konkurenci v jejím využití.Dostupnost biomasy v ČR ovlivňují sezónní sklizňové cykly, přírodní podmínky jako sucha či povodně, ekonomické faktory a tržní konkurence, regulační omezení udržitelného hospodaření a kapacity logistiky i skladování.

'''možství biomasy=RANDOM UNIFORM ( 0.1, 0.2, 0 )'''
Minimální a maximální hranice pro simulaci dostupnosti biomasy bylo odhadnuto jako u předchozích OZE, 0,1-0,2.

==Výroba bioplynem==

Bioplyn je obnovitelný zdroj energie získávaný anaerobní fermentací organických materiálů, jako jsou zemědělské odpady, kejda, potravinové zbytky či biologický odpad z čistírenských procesů. Bioplyn se využívá k výrobě elektřiny, tepla nebo jako palivo po jeho vyčištění a přeměně na biometan.

'''Výroba z bioplynu= INTEG (roční výroba bioplynem,1528.1)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba bioplynem=3504'''
Protože neexistují přesné údaje o maximální možné výrobě elektřiny z bioplynu, odhadneme tuto hodnotu z instalovaného výkonu a předpokladu nepřetržitého provozu.
Pokud by bioplynové elektrárny pracovaly nepřetržitě na plný výkon, například při instalovaném výkonu 400 MW, byla by maximální roční výroba:
400×8760÷1000= 3 504 GWh

'''množství bioplynu=RANDOM UNIFORM ( 0.4, 0.9, 0 )'''
Dostupnost bioplynu závisí na množství a druzích organických surovin vhodných k fermentaci, sezónnosti produkce substrátů, provozní kapacitě bioplynových zařízení, ekonomických podmínkách, legislativních opatřeních a konkurenci v jejich využití.
Realistická omezení dostupnosti bioplynu v ČR zahrnují: Sezónní výkyvy dostupnosti surovin, technická a provozní omezení bioplynových zařízení, ekonomické faktory a legislativní regulace,konkurenci o substráty a logistická omezení. Pro simulaci dostupnosti bioplynu lze uvažovat poměrnou efektivitu v rozmezí 0,4 až 0,9 podle dat co máme k dispozici, kde 1 znamená ideální stav nepřetržitého provozu na maximální výkon a 0 znamená úplnou nedostupnost surovin či provozu

=Výsledky simulace=
[[File:A laso00.png]]

Simulace kazuje ve srovnání s reálnými daty určité odchylky. Největší rozdíl byl zaznamenán u výroby z biomas, kde v simulaci se výsledná hodnota lišila o 3777 GWh (průměrně o 755,6 GWh ročně). U větrné energie byla simulace poměrně přesná, s rozdílem pouze -28,5 GWh celkem (průměrně -5,7 GWh ročně). Výroba z vodních elektráren byla simulací nadhodnocena o 621,4 GWh (roční průměr o 124,3 GWh). V případě biomasy byla simulace výrazně nižší než skutečnost, s rozdílem 3 777,8 GWh (755,6 GWh ročně). Podobně byla podhodnocena i výroba z bioplynu o 1 171,1 GWh (234,2 GWh ročně). Celkově simulace podhodnocuje výrobu energie z většiny zdrojů, s výjimkou vody, a to nejvíce u biomasy a FVE, což může ukazovat na nutnost úpravy vstupních parametrů simulace či zohlednění větší variability v reálných provozních podmínkách.

[[File:FVE.png]] [[File:Biomasa.png]] [[File:Bioplyn.png]] [[File:Vítr.png]] [[File:Voda.png]]

=Závěr=
Simulace poskytuje flexibilní nástroj pro analýzu výroby elektrické energie z obnovitelných zdrojů nejen pro období 2020–2024 ale je měnitelná v proměnných pro další scénáře do dalších let. Umožňuje porovnání simulovaných dat s reálným vývojem z tohoto období pro další závěry. Na základě modelu lze sledovat vliv klíčových faktorů, jako jsou účinnost technologií, kapacity zdrojů nebo klimatické podmínky, na celkovou produkci energie. Zároveň umožňuje testovat hypotetické scénáře, například zvýšení výkonu FVE, ideální sluneční podmínky nebo vyšší dostupnost biomasy. Výsledky ukazují, že i relativně malé změny vstupních proměnných mohou výrazně ovlivnit celkový energetický výstup. Simulace tak ukazuje nejen potenciál jednotlivých obnovitelných zdrojů, ale i citlivost systému na změny, což může být klíčové pro efektivní plánování a optimalizaci energetické politiky.

=Zdroje a data=
Bilance elektrické energie – Český statistický úřad ([32](https://csu.gov.cz/energetika))
Obnovitelné zdroje energie – Výsledky statistického zjišťování- dokumenty za roky 2019–2024 – Ministerstvo průmyslu a obchodu ČR ([33](https://mpo.gov.cz))
Roční zpráva o provozu elektrizační soustavy ČR – Energetický regulační úřad ([34](https://eru.gov.cz))
Share of energy consumption from renewable sources in Europe – Evropská agentura pro životní prostředí ([35](https://www.eea.europa.eu/en/analysis))
https://mpo.gov.cz/cz/rozcestnik/pro-media/tiskove-zpravy/pocet-pripojenych-zdroju-do-elektrizacni-soustavy-se-loni-zvysil-o-ctvrtinu--celkovy-instalovany-vykon-v-cr-vzrostl-o-temelinsky-blok--285522/
https://komoraoze.cz/v-cesku-jich-jsou-stovky-ale-stavet-nove-se-dari-jen-velmi-obtizne-male-vodni-elektrarny/#:~:text=Pokr%C3%BDvaj%C3%AD%20spot%C5%99ebu%20Karlovarsk%C3%A9ho%20kraje%2C%20ale%20nep%C5%99ib%C3%BDvaj%C3%AD%20Mal%C3%BDch,v%20%C4%8Cesku%20v%20provozu%20t%C3%A9m%C4%9B%C5%99%201%20400.
https://czbiom.cz/wp-content/uploads/casopis_Biom_2021_01_WEB.pdf

==Soubory==
[[File:Simu laso00.zip]]

User:Laso00

2025-06-15T21:47:59Z

Laso00:

{{DISPLAYTITLE: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-202 (Vensim)}}

'''Název:''' Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2023

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' Vensim

'''Autor:''' Bc. Oriana Laštovičková, [[User:laso00| laso00]]

'''Definice problému:'''

Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Největší část tvořila biomasa, následovaná vodními a fotovoltaickými elektrárnami. Tyto poměry významně ovlivňují jak energetickou bilanci, tak environmentální cíle. Cílem simulace je analyzovat, jak by se změnila celková výroba z OZE při různých, náhodných scénářích – například při nárůstu výkonu solárních elektráren, nebo poklesu vodní výroby kvůli suchu.

Moje simulace simuluje období 2019-2023 (včetně), ''' kdy jsem musela změnit název z původního zadání 2024 a pozměnit i cíle projektu, který je velmi podobný původnímu.''' a to z důvodu chybějích dat pro rok 2024. Myslím, že pro samotnou simulaci, kde jsou zvolené roky bez významné změny pokrytí OZE elektráren v ČR, nehraje mínusový rok závažnou roli. Simulace funguje na modifikátorech různých proměnných ovlivňující výrobu. Například, INtenzitu slunečního záření, kapacity továren, nebo přibližné výkony elektráren. Tyto modifikátory a následně porovnávám odchylky s reálnými dostupnými daty. A druhá část je simulované období roku 2024 až 2027, kde daný multipikátor umožňuje sledovat imagrinární období pakliže, chceme kontrolovat specifické změny klimatu. Např. 20% větší sluneční svit, méně větru a jiné možné faktory.

=Cíle projektu=

Tato simulace modeluje výrobu elektrické energie z obnovitelných zdrojů (OZE) v České republice v letech 2019 až 2023 (včetně) , přičemž jejím cílem je analyzovat přínosy jednotlivých zdrojů – fotovoltaiky (FVE), větru, vody, biomasy a bioplynu – a porovnat výsledky s reálnými daty z těchto let. Zároveň umožňuje testování různých scénářů, například zvýšení kapacity FVE o 20 % (vynásobením proměnné „Kapacita FVE“), nastavení ideální efektivity FVE (např. pevně na hodnotu 1.1), nebo zavedení ideálních klimatických podmínek, jako je maximální hodnota síly svitu či větru. Podobně lze upravit i množství biomasy a bioplynu na jejich horní hranice, čímž se simuluje plné využití dostupných zdrojů. Tímto způsobem lze model přizpůsobit různým hypotetickým nebo budoucím podmínkám a využít ho k posouzení potenciálu rozvoje OZE, k identifikaci rozdílů mezi teoretickým výkonem a skutečnou výrobou a k podpoře strategického rozhodování v oblasti energetiky.

=Metoda=
Pro vytvoření modelu byl zvolen simulační nástroj Vensim, protože umožňuje efektivní vizualizaci a analýzu dynamických systémů s časovým vývojem, což je ideální pro modelování a simulaci proměnlivé výroby obnovitelné energie.

=Model=

Vytvořený model pro simulaci vývoje výroby obnovitelné energie v ČR můžeme vidět níže. Na obrázcích je znázorněna kauzální smyčka mezi proměnnými výroby z pěti hlavních zdrojů: vodní energie, větrná energie, biomasa, bioplyn a fotovoltaika (FVE).

[[File:C laso.png]]

'''První část 2019-2023'''

[[File:SFD 2019-2023.png]]

== Proměnné modelu a popsání modelu==

'''Energie OZE=Výroba větrem+Výroba FVE+Výroba vodou+Výroba z biomasy +Výroba z bioplynu'''

Pro demonstraci celkového OZE.

==FVE==

'''Výroba FVE= INTEG (roční výroba FVE, 2311.6)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

Instalovaný výkon fotovoltaické elektrárny (FVE) se udává v jednotkách watt-peak (Wp) nebo kilowatt-peak (kWp) a označuje maximální výkon, který je daná elektrárna schopna vyrobit za ideálních podmínek (plné sluneční záření, funkčnost panelu atd.). 1 kWp FVE v ideálních podmínkách vyrobí přibližně 1000 kWh

'''síla svitu=RANDOM UNIFORM ( 0.4, 0.6, 0)'''

Sezónní hodnoty (realistické vstupy pro model)
Období Průměrný poměr přímého slunce (0–1 zatažno až přímé světlo)
Léto 0,6 – 0,8
Jaro/podzim 0,3 – 0,5
Zima 0,1 – 0,3
Celoroční průměr ~0,4 – 0,6

'''Efektivita FVE=RANDOM UNIFORM ( 0.8 , 1.1, 0 )'''
Vyhodnocení jestli jsou fotovoltaiky v pořádku, nějaké znehodnocení prach, špína, teplota a mnoho dalších faktorů znehodnocují efektivitu některých panelů. Průměrně můžeme odhadnout efektivitu panelů. Hranice můžou někdy překročit 100% efektivity panelu, při velmi optimálních podmínkách.

'''Kapacita FVE=4430'''
Celkový instalovaný výkon všech FVE v ČR je 4430 MWp. ( 4 430 000 Mwp ročně je 4430 GWp)

==Výroba větrem==

'''Výroba větrem= INTEG (roční výroba větrem,700)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba větrem=2978'''
V České republice je instalovaný výkon větrných elektráren celkem 340 MW v roce 2019.
Pokud uvažujeme ideální stav, kdy „fouká pořád“ – tedy plný výkon (340 MW) je dostupný 24/7 po celý rok, pak můžeme říct, že Za ideálního stavu, kdy větrné elektrárny v ČR běží celý rok nonstop na plný výkon, by vyrobily cca 2 978 GWh za rok.

'''síla větru=RANDOM UNIFORM ( 0.2 , 0.25, 0 )'''
To však není případem. V této proměnné odhaduji rychlost větru z dat a efektivnost turbíny.

1 = ideální stav, celý rok fouká tak(11–13 m/s), že turbína jede pořád na maximum (neexistuje v praxi)

0 = nefouká vůbec, žádná výroba.

V České republice je velmi nízký kapacitní faktor větrných elektráren (hlavně kvůli nevhodné geografii a stabilitě větru). Průměrný kapacitní faktor větrných elektráren v ČR je cca 0,20–0,25 (tzn. 20–25 % roku fouká dostatečně pro významnou výrobu).
Období Poměr výkonu (0–1)
Zima(12–2): 0,25 – 0,35 Nejvíce fouká
Jaro (3–5): 0,20 – 0,28 Relativně větrné
Léto (6–8): 0,10 – 0,18 Nejnižší větrnost
Podzim (9–11): 0,22 – 0,3
Celoroční průměr: ~0,20–0,25

==Výroba vodou==
'''Výroba vodou= INTEG (roční výroba vodou, 2008)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
V České republice je v provozu více než 1600 malých vodních elektráren (MVE) a 9 velkých vodních elektráren (nad 10 MW). Celkový instalovaný výkon vodních elektráren (včetně přečerpávacích) byl v roce 2019 přes 2264 MW.

'''maximální výroba vodou=19832.6'''
Tento údaj udává maximální možný výkon, který mohou elektrárny dodat do sítě. Nerealisticky by přepočet byl následující:
Výroba za rok(GWh)= Instalovaný výkon(MW)×Počet hodin za rok ÷1000 =2264×8760÷1000= 19 832.6 GWh.
Vodní elektrárny jsou však závislé na: Průtoku vody (řeky, přehrady), sezónnosti (jaro: tání, léto: sucho, podzim: deště,zima: minimum) a technickém využití vody (např. u přečerpávaček jen když je potřeba vyrovnávat síť).

Reálný kapacitní faktor vodních elektráren je podle údajů z ČR:
Malé vodní elektrárny 0,25 – 0,35
Velké přehradní elektrárny 0,35 – 0,45
Přečerpávací elektrárny 0,05 – 0,15 (pracují nárazově)

'''Průměrný poměr dostupnosti vody=RANDOM UNIFORM ( 0.10, 0.12, 0 )'''
Pokud skutečná výroba z vodních elektráren (včetně přečerpávacích) byla v roce 2019 = 2 008 GWh, v roce 2023 = 2063 GWh, (pro další údaj na odhad s největším ročním množstvím energie za rok) a instalovaný výkon byl 2 264 MW, pak můžeme odhadnout kapacitní výkon následovně:

KF = 2008/19832,6 = 0.1012 (2019)
KF = 2363/19832,6 = 0,1191 (2023)

Reálný kapacitní faktor vodních elektráren v ČR v roce 2019 byl přibližně 0,10 ( v průměru běžely na 10,1 % svého maximálního výkonu). A pro rok 2023 (se stejným instalovaným výkonem) 0,12. Tento faktor využiju i pro další roky simulace.
Průměrný poměr dostupnosti vody za rok = ~0,10–0,12
Technicky vzato voda je obvykle dostupná mnohem víc, jen není ve správné formě/čase/objemu, nebo je elektrárna řízena odlišně (např. přečerpávací režim, ochrana životního prostředí), v této simulaci počítáme s těmito omezujícími faktory.
=
==Výroba biomasou==
'''Výroba z biomasy= INTEG (roční výroba biomasou,1549.7)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh
Biomasa se využívá jako palivo v kotlích pro výrobu elektřiny. Při jejím spalování však nevzniká pouze elektřina, často se biomasa používá v kogeneračních systémech, kde se zároveň vyrábí elektřina i teplo.

'''maximální výroba z biomasy=13575.4'''
Protože neexistují údaje, které by přesně definovaly maximální možnou vyrobenou energii z biomasy, budeme tuto hodnotu odhadovat z dat a podle nerealistického stavu, kdyby elektrárny pracovaly nepřetržitě.
Výroba za rok(GWh)= výkon(MW)×Počet hodin za rok ÷1000 =1549,7×8760= 13575,4 GWh
Dostupnost biomasy závisí na množství a druzích dostupných zemědělských a lesních surovin, sezónnosti sklizně, logistice, ekonomických podmínkách a konkurenci v jejím využití.Dostupnost biomasy v ČR ovlivňují sezónní sklizňové cykly, přírodní podmínky jako sucha či povodně, ekonomické faktory a tržní konkurence, regulační omezení udržitelného hospodaření a kapacity logistiky i skladování.

'''možství biomasy=RANDOM UNIFORM ( 0.1, 0.2, 0 )'''
Minimální a maximální hranice pro simulaci dostupnosti biomasy bylo odhadnuto jako u předchozích OZE, 0,1-0,2.

==Výroba bioplynem==

Bioplyn je obnovitelný zdroj energie získávaný anaerobní fermentací organických materiálů, jako jsou zemědělské odpady, kejda, potravinové zbytky či biologický odpad z čistírenských procesů. Bioplyn se využívá k výrobě elektřiny, tepla nebo jako palivo po jeho vyčištění a přeměně na biometan.

'''Výroba z bioplynu= INTEG (roční výroba bioplynem,1528.1)'''
Celková hodnota za období, výstupní hodnota z roku 2019 v GWh

'''maximální výroba bioplynem=3504'''
Protože neexistují přesné údaje o maximální možné výrobě elektřiny z bioplynu, odhadneme tuto hodnotu z instalovaného výkonu a předpokladu nepřetržitého provozu.
Pokud by bioplynové elektrárny pracovaly nepřetržitě na plný výkon, například při instalovaném výkonu 400 MW, byla by maximální roční výroba:
400×8760÷1000= 3 504 GWh

'''množství bioplynu=RANDOM UNIFORM ( 0.4, 0.9, 0 )'''
Dostupnost bioplynu závisí na množství a druzích organických surovin vhodných k fermentaci, sezónnosti produkce substrátů, provozní kapacitě bioplynových zařízení, ekonomických podmínkách, legislativních opatřeních a konkurenci v jejich využití.
Realistická omezení dostupnosti bioplynu v ČR zahrnují: Sezónní výkyvy dostupnosti surovin, technická a provozní omezení bioplynových zařízení, ekonomické faktory a legislativní regulace,konkurenci o substráty a logistická omezení. Pro simulaci dostupnosti bioplynu lze uvažovat poměrnou efektivitu v rozmezí 0,4 až 0,9 podle dat co máme k dispozici, kde 1 znamená ideální stav nepřetržitého provozu na maximální výkon a 0 znamená úplnou nedostupnost surovin či provozu

=Výsledky simulace=
[[File:A laso00.png]]

Simulace kazuje ve srovnání s reálnými daty určité odchylky. Největší rozdíl byl zaznamenán u výroby z biomas, kde v simulaci se výsledná hodnota lišila o 3777 GWh (průměrně o 755,6 GWh ročně). U větrné energie byla simulace poměrně přesná, s rozdílem pouze -28,5 GWh celkem (průměrně -5,7 GWh ročně). Výroba z vodních elektráren byla simulací nadhodnocena o 621,4 GWh (roční průměr o 124,3 GWh). V případě biomasy byla simulace výrazně nižší než skutečnost, s rozdílem 3 777,8 GWh (755,6 GWh ročně). Podobně byla podhodnocena i výroba z bioplynu o 1 171,1 GWh (234,2 GWh ročně). Celkově simulace podhodnocuje výrobu energie z většiny zdrojů, s výjimkou vody, a to nejvíce u biomasy a FVE, což může ukazovat na nutnost úpravy vstupních parametrů simulace či zohlednění větší variability v reálných provozních podmínkách.

[[File:FVE.png]] [[File:Biomasa.png]] [[File:Bioplyn.png]] [[File:Vítr.png]] [[File:Voda.png]]

=Závěr=
Simulace poskytuje flexibilní nástroj pro analýzu výroby elektrické energie z obnovitelných zdrojů nejen pro období 2020–2024 ale je měnitelná v proměnných pro další scénáře do dalších let. Umožňuje porovnání simulovaných dat s reálným vývojem z tohoto období pro další závěry. Na základě modelu lze sledovat vliv klíčových faktorů, jako jsou účinnost technologií, kapacity zdrojů nebo klimatické podmínky, na celkovou produkci energie. Zároveň umožňuje testovat hypotetické scénáře, například zvýšení výkonu FVE, ideální sluneční podmínky nebo vyšší dostupnost biomasy. Výsledky ukazují, že i relativně malé změny vstupních proměnných mohou výrazně ovlivnit celkový energetický výstup. Simulace tak ukazuje nejen potenciál jednotlivých obnovitelných zdrojů, ale i citlivost systému na změny, což může být klíčové pro efektivní plánování a optimalizaci energetické politiky.

=Zdroje a data=
Bilance elektrické energie – Český statistický úřad ([32](https://csu.gov.cz/energetika))
Obnovitelné zdroje energie – Výsledky statistického zjišťování- dokumenty za roky 2019–2024 – Ministerstvo průmyslu a obchodu ČR ([33](https://mpo.gov.cz))
Roční zpráva o provozu elektrizační soustavy ČR – Energetický regulační úřad ([34](https://eru.gov.cz))
Share of energy consumption from renewable sources in Europe – Evropská agentura pro životní prostředí ([35](https://www.eea.europa.eu/en/analysis))
https://mpo.gov.cz/cz/rozcestnik/pro-media/tiskove-zpravy/pocet-pripojenych-zdroju-do-elektrizacni-soustavy-se-loni-zvysil-o-ctvrtinu--celkovy-instalovany-vykon-v-cr-vzrostl-o-temelinsky-blok--285522/
https://komoraoze.cz/v-cesku-jich-jsou-stovky-ale-stavet-nove-se-dari-jen-velmi-obtizne-male-vodni-elektrarny/#:~:text=Pokr%C3%BDvaj%C3%AD%20spot%C5%99ebu%20Karlovarsk%C3%A9ho%20kraje%2C%20ale%20nep%C5%99ib%C3%BDvaj%C3%AD%20Mal%C3%BDch,v%20%C4%8Cesku%20v%20provozu%20t%C3%A9m%C4%9B%C5%99%201%20400.
https://czbiom.cz/wp-content/uploads/casopis_Biom_2021_01_WEB.pdf

==Soubory==
[[File:Simu laso00.zip]]

File:Simu laso00.zip

2025-06-15T21:45:40Z

Laso00:

File:Voda.png

2025-06-15T21:41:07Z

Laso00:

File:Vítr.png

2025-06-15T21:40:45Z

Laso00:

File:Bioplyn.png

2025-06-15T21:40:23Z

Laso00:

File:Biomasa.png

2025-06-15T21:40:06Z

Laso00:

File:FVE.png

2025-06-15T21:39:20Z

Laso00:

File:A laso00.png

2025-06-15T21:07:25Z

Laso00:

User:Laso00

2025-06-15T20:57:33Z

Laso00:

{{DISPLAYTITLE: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2024 (Vensim)}}

'''Název:''' Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2024

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' Vensim

'''Autor:''' Bc. Oriana Laštovičková, [[User:laso00| laso00]]

'''Definice problému:'''

Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Největší část tvořila biomasa, následovaná vodními a fotovoltaickými elektrárnami. Tyto poměry významně ovlivňují jak energetickou bilanci, tak environmentální cíle. Cílem simulace je analyzovat, jak by se změnila celková výroba z OZE při různých scénářích – například při nárůstu výkonu solárních elektráren o 20 % nebo poklesu vodní výroby kvůli suchu.

Moje simulace má dvě fáze. První fáze, která simuluje období 2019-2023 (včetně), a následně porovnávám odchylky s reálnými dostupnými daty. A druhá část je simulované období roku 2024 až 2027, kde daný multipikátor umožňuje sledovat imagrinární období pakliže, chceme kontrolovat specifické změny klimatu. Např. 20% větší sluneční svit, méně větru a jiné možné faktory.

=Metoda=
Pro vytvoření modelu byl zvolen simulační nástroj Vensim, protože umožňuje efektivní vizualizaci a analýzu dynamických systémů s časovým vývojem, což je ideální pro modelování a simulaci proměnlivé výroby obnovitelné energie.

=Model=

Vytvořený model pro simulaci vývoje výroby obnovitelné energie v ČR můžeme vidět níže. Na obrázcích je znázorněna kauzální smyčka mezi proměnnými výroby z pěti hlavních zdrojů: vodní energie, větrná energie, biomasa, bioplyn a fotovoltaika (FVE).

[[File:C laso.png]]

'''První část 2019-2023'''

[[File:SFD 2019-2023.png]]

File:C laso.png

2025-06-15T20:55:25Z

Laso00:

File:SFD 2019-2023.png

2025-06-15T20:53:56Z

Laso00:

User:Laso00

2025-06-15T20:47:08Z

Laso00: Created page with "{{DISPLAYTITLE: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2024 (Vensim)}} '''Název:''' Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-..."

Assignment SS 2024/2025/cs

2025-05-13T04:29:49Z

Laso00: /* Popis problému */

{{Ambox
| text = <div>
Please, put here your assignments. Do not forget to sign them. You can use <nowiki>~~~~</nowiki> (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition.
</div>
}}

{{Ambox
| text = <div>
Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read [[How to deal with the simulation assignment|How to deal with the simulation assignment]].
</div>
}}

{{Ambox
| text = <div>
Topics on gambling, cards, etc. are not welcome.
</div>
}}

{{Ambox
| type = content
| text = <div>
In order to avoid possible confusion, please, check if you have added '''approved''' in bold somewhere in our comment under your submission. If there is no '''approved''', it means the assignment was not approved yet.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulace: Bakterie na rukou ==

=== Popis problému ===
Bakterie, stejně jako jiné mikroorganismy, jsou přítomny kolem nás a končí pak i na našich rukou. Některé mohou být pro člověka zdrojem infekcí. Je proto důležité dbát na řádnou hygienu a umývat si ruce pečlivě.

=== Cíl simulace ===
Cílem bude simulovat množství bakterií (od virů, prvoků apod. abstrahuji pro zjednodušení) na povorchu lidské ruky (abstrahuji od rozdílu mezi dominantní a nedominantní) za běžného dne a jaký na něj vliv má četnost a kvalita mytí rukou.

=== Použití simulace ===
* Edukativní – názorná ukázka např. dětem
* Simulace účinku mycích prostředků

=== Použitá metoda a prostředí ===
Simulace v NetLogo. Bakterie budou existovat na povrchu ruky (respektive dlaně). S postupem času vznikají události navyšující počet bakterií (např. použití wc – bude záviset na dostupnosti dat). Události mytí rukou jejich počet naopak sníži – míra závisí na použitém přípravku (např. pouze voda, mýdlo, 70% ethanol) a kvalitě (pečlivosti) mytí. Mokré ruce na sebe nachytávají více bakterií.

Je možné, že simulace bude "interaktivní" v tom smyslu, že uživatel simulace bude mít možnost spouštět (nebo nespouštět) jednotlivé události které zvyšují počet bakterií a události mytí rukou. Tuto verzi osobně preferuji (interaktivní materiály zpravidla naučí více), nicméně ve výsledku bude záviset na možnostech NetLoga a mé schopnosti s kódem.

=== Proměnné ===
Definované předem:
* Bakterie – pobývají na povrchu ruky
* Účinnost přípravku – jak účinně (%) přípravek redukuje počet bakterií
* Typ člověka – jak čistotný majitel ruky je –> jak kvalitně si myje ruce a jestli jsou suché (T/F)

Náhodné:
* Rozmístění bakterií.
* Příbytek bakterií (počet v rámci daného rozmezí)

=== Data ===
* https://www.ccmhhealth.com/clean-hands-count/
* https://www.cdc.gov/clean-hands/data-research/facts-stats/index.html
* https://www.idnes.cz/onadnes/zdravi/co-zije-na-vasich-dlanich.A081110_123959_zdravi_bad
* další – najít data s konkrétnímy čísly zabere více času než mám aktuálně k dispozici.
Věřím však, že to bude možné. Případně přizpůsobím nějaké proměnné nalezeným datům (např. pokud mi kvalitní data umožní přidat proměnné nebo nějaké nahradit), aby práce byla podložena daty.

=== Simulant ===
[[User:Jana19|Jana19]] ([[User talk:Jana19|talk]]) 21:57, 12 May 2025 (CET)

== Simulace: Chování zákazníků v supermarketu/večerce ==

=== Popis problému ===
Supermarkety čelí výzvám při optimalizaci rozložení regálů a organizace prostoru, aby maximalizovaly zisk a zkrátily dobu nákupu tak, aby se prostory nepřeplnily. Zákazníci mají různá nákupní chování, přičemž někteří nakupují plánovaně, jiní se rozhodují impulzivně nebo reagují na nabídky slev. Tyto faktory spolu s hustotou zákazníků, pozicemi zboží a frontami mohou mít zásadní vliv na efektivitu nákupního procesu.

=== Cíl simulace ===
Cílem simulace je zjistit, jak správné rozmístění regálů napomůže efektivitě supermarketu/večerky. Toho by mělo být dosaženo zakomponováním různých faktorů, které chod ovlivňují, jako je rozložení zboží, počet zákazníků a jejich chování, slevy, Délku pobytu v obchodě, Zatížení jednotlivých uliček a zón, Pravděpodobnost nákupu akčního zboží, Fronty u pokladen....

Simulace by měla pomoci v návrhu efektivního rozmístění a optimalizaci nákupního procesu.

=== Použití simulace ===
Kdo může simulaci použít?
* Marketingová oddělení
* večerky
* supermarkety
* Designeři obchodních prostorů

=== Použitá metoda a prostředí ===
Simulace bude vytvořena v NetLogo, které umožní modelovat prostor supermarketu, pohyb zákazníků a jejich chování. Každý zákazník, zboží, sleva je považován za agenta, který interaguje s prostředím (supermarketem) a dalšími agenty (ostatními zákazníky). Model bude simulovat různé množství zákazníků, rozmístění zboží, slevy.

=== Proměnné ===
Definované předem:

* Rozložení obchodu: Počet regálů, uliček,...
* Průměrná doba strávená na pokladně
* Kapacita pokladen
* Počet zón v obchodě: Zóny jako ovoce, zelenina, pečivo, nápoje,...
* Typy zboží v prodeji
* Typ slevové akce

Náhodné:
* Typ zákazníka - plánovaný nákup, impulzivní nákup, procházející,...
* Doba rozhodování o nákupu - např. plánovaný 5-10sec, impulzivní - x sec,...
* Rychlost pohybu zákazníka
* Počet zákazníků v obchodě
* Umístění zboží ve slevě - v simulaci bych mohl ozkoušet i druhou verzi kdy bude umístění vždy stejné.

=== Data ===

* Prostředí supermarketu [https://www.zboziaprodej.cz/2023/04/04/jak-ovlivnuje-zakazniky-prostredi-ve-kterem-nakupuji/]
* Grocery layout [https://www.wavegrocery.com/blogpost/use-your-grocery-store-layout-to-boost-sales?]
* Kapacita/rychlost pokladen [https://www.millsshelving.com.au/how-to-create-an-inviting-retail-store-layout/]
* Layout [https://planohero.com/en/blog/grocery-store-layout-strategy/]
* How to Create an Inviting Retail Store Layout [https://www.millsshelving.com.au/how-to-create-an-inviting-retail-store-layout/?]
* How Understanding Your Grocery Store’s Layout Can Save You Money [https://www.goodrx.com/well-being/diet-nutrition/grocery-store-layout?]
* Typy zákazníků [https://strate9y.com/analyza-zakazniku-tajemstvi-uspechu-podnikani/?]
* Rozložení prodejen v Čr

=== Simulant ===
[[User:Kubd06|Kubánek David (kubd06)]] ([[User talk:Kubd06|talk]]) 22:00, 12 May 2025 (CET)

== Simulace: Dynamika technického dluhu v softwarovém vývoji ==

=== Popis problému ===
Technický dluh v softwarovém vývoji vzniká, je a taky i bude. Jedním z důvodu vzniku je tlak na rychlost dodání, zvolení suboptimálního řešení nebo zkratky pro usnadnění práce. Tento dluh se hromadí v kódové bázi a systému a chová se podobně jako finanční dluh – s "úroky" v podobě zvýšeného úsilí na budoucí údržbu, opravy chyb ale i implementaci nových funkcí. Akumulovaný dluh tak postupně zpomaluje vývojový tým, snižuje agilitu projektu a zvyšuje celkové dlouhodobé náklady pro celou firmu.

=== Cíl simulace ===
Simulace si dává za úkol namodelovat dynamiku akumulace dluhu a jeho splácení v čase. Jaký ma vliv na produktivitu. Ale hlavně jaké různé strategie řízení dluhu jsou dlouhodobě nejefektivnejší (např. konstatní alokace času na refaktoring vs. reaktivní přístup).

=== Použití simulace ===
* Jako podpora při rozhodování projektových manažerů o prioritách (rychlost vs. kvalita).
* Může pomoci stakeholderům pochopit náklady a přínosy investic do kvality kódu (argumenty pro CIO).
* Pro strategické plánování v IT organizacích týkající se údržby a rozvoje systémů.

=== Použitá metoda a prostředí ===
* Simulace využívá metodu systémové dynamiky (System Dynamics).
* Bude použit program Vensim.

=== Proměnné ===
Definované předem:
* Počáteční úroveň technického dluhu.
* Počáteční rozsah backlogu (nesplněných požadavků).
* Velikost týmu.
* Základní produktivita týmu (bez vlivu dluhu).
* Míra alokace času na refaktoring (strategické rozhodnutí).

Náhodné:
* Tempo příchodu nových požadavků do backlogu.
* Efektivita refaktorovacích snah (malé fluktuace).
* Výskyt neočekávaných problémů vedoucích k tvorbě dluhu (např. kritické chyby).

Popřípadě další.

=== Data ===
* Produkční data budou ťežko získatelné, proto využijeme kombinaci odhadu expertů z praxe a odbornou literaturu.

* GUPTA, Kartik, 2025. Measuring the Impact of Technical Debt on Development Effort in Software Projects. arXiv [online]. [cit. 2025-05-12]. Dostupné z: https://arxiv.org/abs/2502.16277
* YLI-HUUMO, Jesse, Andrey MAGLYAS a Kari SMOLANDER, 2016. How do software development teams manage technical debt? – An empirical study. Dostupné z: doi:https://doi.org/10.1016/j.jss.2016.05.018
* TOM, Edith, Aybüke AURUM a Richard VIDGEN, 2013. An exploration of technical debt. Journal of Systems and Software. 86(6), 1498–1516. Dostupné z: doi:https://doi.org/10.1016/j.jss.2012.12.052
* HOLVITIE, Johannes, Sherlock A. LICORISH, Rodrigo O. SPÍNOLA, Sami HYRYNSALMI, Stephen G. MACDONELL, Thiago S. MENDES, Jim BUCHAN a Ville LEPPÄNEN, 2018. Technical debt and agile software development practices and processes: An industry practitioner survey. Information and Software Technology. 96, 141–160. Dostupné z: doi:https://doi.org/10.1016/j.infsof.2017.11.015

=== Simulant ===
[[User:Hrus07|Hrus07]] ([[User talk:Hrus07|talk]]) 22:19, 12 May 2025 (CET)

== Simulace: Útoky medvědů ==

=== Popis problému ===
Na Slovensku se vyskytuje velké množství medvědů, kteří ohrožují tamní obyvatele a turisty. Útoky jsou momentálně velmi časté a přibývají. Slovenská vláda schválila návrh na odstřel cca 350 jedinců. Zároveň se jedná o chráněný druh, tudíž počty by neměly být redukovány ve velké míře, ne-li vůbec.

=== Cíl simulace ===
Cílem bude simulovat ideální počet medvědů, aby se minimalizoval počet útoků medvěda a potřeba redukovat počet medvědů.

=== Použití simulace ===
* Např. pro plánování odstřelu medvědů, aby druh nebyl příliš ohrožen.
* Simulace chování medvědů v přírodě.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenti budou medvědi, turisti a lovci. V prostředí se populace medvědů bude přirozeně zvyšovat. Turisté mají šanci na útěk. Lovci budou reagovat na incidenty medvědů s turisty.

=== Proměnné ===
Definované předem:
* Medvědi – pohybují se po krajině, hledají potravu a případně útočí na turisty
* Lovci – redukují počty medvědů na základě útoků a ohrožení turistů.
* Turisti – objevují tamní krajinu a lesy. Reagují na přítomnost medvědů.

Náhodné:
* Rozmístění medvědů, lovců a turistů.
* Rozmístění vegetace, lesů.

=== Data ===
* Slovenská vláda schválila odstřel medvědů [https://www.irozhlas.cz/zpravy-svet/nemuzeme-zit-v-zemi-kde-se-lide-boji-chodit-do-lesa-slovenska-vlada-schvalila_2504021255_mst]
* Medvěd hnědý - biotop a teritorium [https://www.selmy.cz/medved/biotop-a-teritorium/]
* Medvěd na Slovensku [https://sita.sk/nasvidiek/kolko-medvedov-zije-na-slovensku-studia-ukazala-cisla-a-najviac-ich-je-na-polane/?utm_source=chatgpt.com]

=== Simulant ===
[[User:Vlcj07|Vlcj07]] ([[User talk:Vlcj07|talk]]) 19:43, 12 May 2025 (CET)

== Simulace: Přemnožení divokých prasat ==

=== Popis problému ===
Divoká prasata jsou v České republice přemnožená – na našem území jich je v současnoti 100krát více, než je únosné. Přemnožení je zapříčeněno několika faktory. Prvním je způsob rozmnožování divokých prasat. Bachyně mívají dva vrhy ročně, přičemž v každém vrhu se vyskytuje průměrně 4-12 selat. Při přebytku potravy tak populace divokých prasat prudce roste. Druhý faktor, který zapříčiňuje přemnožení prasat, je absence přirozených predátorů těchto zvířat na našem území. Kontrolu populace pak musejí provádět myslivci, nicméně odtřel je v současné době nedostatečný.

Přemnožená prasata mají negativní dopad na vegetaci svého okolí. Jedná se například o rostlinu bleduli letní, která se v České republice řadí mezi zvláště chráněné druhy rostlin.

=== Cíl simulace ===
Cílem simulace bude simulovat ideální míru odstřelu divokých prasat, aby nedošlo ke zničení vzácné vegetace (jako je například bledule letní). V simulaci bude zobrazena součinnost několika faktorů (růst prasečí populace v závislosti na přítomnosti potravy, množství střelců nutných pro udržení populace na uzdě apod.).

=== Použití simulace ===
Kdo může simulaci použít?
* Myslivci pro informovanější plánování odstřelu prasat.
* Lesní správa, farmářský a zahradnický průmysl apod. – všechna tato odvětví jsou negativně ovlivněná přemnoženou prasečí populací.
* Simulace může problematiku přiblížit i širší veřejnosti, která tak bude lépe schopná seznat její závažnost.

=== Použitá metoda a prostředí ===
Prostředím multiagentní simulace bude NetLogo. Agenti budou divoká prasata, myslivci a vzácná vegetace. Prasata se budou množit rychlostí závislou na množství vegetace. Model bude simulovat různé počty myslivců a různé strategie střelby. Množství vegetace bude závislé na velikosti prasečí populace.

=== Proměnné ===
Definované předem:
* Rychlost množení a „žravost“ divokých prasat.
* Rychlost obnovy vegetace.
* Počet myslivců a strategie a způsob jejich odstřelování prasat.

Náhodné:
* Počáteční populace prasat (v určitém rozmezí).
* Počáteční množství vegetace (opět v určitém rozmezí).
* Rozmístění prasat.
* Rozmístění myslivců.
* Rozmístění vegetace.

=== Data ===
* Prasata devastují vzácnou zeleň. [https://benesovsky.denik.cz/zpravy_region/premnozena-prasata-pustosi-benesovsko-mizi-bledule-i-orchideje-20250318.html]
* Způsob rozmnožování divokých prasat. [https://www.hubeni-skudcu.cz/blog/prase-divoke/]
* Policejní odstřel divokých prasat. [https://www.idnes.cz/liberec/zpravy/odstrel-divocaku-praseci-mor-liberec-jablonec-myslivci-policie.A241212_140610_liberec-zpravy_cink]
* Prase divoké – základní informace. [https://www.kdelovit.cz/cz/lovna-zver/srstnata/prase-divoke]
* Životní cyklus divokých prasat. [https://cit.vfu.cz/pohoda/zivotni_cyklus.pdf]
* Lov divokého prasete. [https://huntasticzech.cz/zvire/prase-divoke/]

=== Simulant ===
[[User:Kalp08|Petr Kalina (kalp08)]] ([[User talk:Kalp08|talk]]) 13:52, 12 May 2025 (CET)

== Simulace: Šíření dezinformací na sociálních sítích ==

=== Popis problému ===
Simulace modeluje šíření dezinformace mezi uživateli sociální sítě. V dnešním digitálním prostoru jsou informace často sdíleny bez jejich ověřování, což přispívá k rychlému rozšiřování nepravdivých nebo manipulativních zpráv. Sociální sítě jsou hlavním kanálem pro šíření jak pravdivých, tak nepravdivých informací. Model zkoumá, jak rychle a do jaké míry se dezinformace rozšíří napříč sítí uživatelů, kteří jsou mezi sebou propojeni pomocí přátelství nebo sledujících. Ovlivňujícími faktory jsou zejména míra ochoty sdílet, schopnost rozpoznat nepravdivý obsah, struktura sítě (např. počet spojení) a chování jednotlivců. Cílem je porozumět tomu, jaké strategie mohou šíření zpomalit či omezit a jak síťová struktura ovlivňuje zranitelnost vůči dezinformacím.

=== Cíl simulace ===
Cílem simulace je odpovědět na otázku: jak ovlivňuje struktura sociální sítě, chování jednotlivých uživatelů a míra kritického myšlení rychlost a rozsah šíření dezinformací? Simulace umožní identifikovat klíčové parametry, které mohou buď přispět k virálnímu šíření, nebo ho potlačit. Výsledkem může být doporučení k edukaci uživatelů nebo návrh algoritmických opatření pro omezení dosahu problematického obsahu.

=== Použití simulace ===
Simulace má možné využití:
* Jako didaktický nástroj pro výuku mediální a digitální gramotnosti nebo informační bezpečnost
* Pro využití v akademickém výzkumu zabývajícím se šířením obsahu v online prostředí, včetně fake news a konspiračních teorií.

Výsledky mohou posloužit i jako argument pro zavedení preventivních opatření na sociálních platformách.

=== Použitá metoda a prostředí ===
Simulace je vytvořena v prostředí NetLogo. Agenti představují uživatele sociální sítě a jsou propojeni do komunikační struktury (vztahy: „sleduje“, „přátelí se“). Dezinformace se šíří po těchto spojeních. V modelu existují pravidla pro šíření dezinformace a rozhodování agentů. To znamená, že každý agent má určitou pravděpodobnost sdílení, může si informaci ověřit a tím ji zablokovat, nebo ji předat dál.

=== Proměnné ===
'''Definované předem:'''
• počet uživatelů v síti
• typ sociální sítě/síťové struktury (náhodná síť, small-world, scale-free)
• průměrný počet spojení na agenta = síťová hustota
• počet původních šiřitelů dezinformace
• pravděpodobnost sdílení dezinformace (bez ověření)
• pravděpodobnost ověření zprávy a zamezení jejího šíření
'''Náhodné:'''
• rozložení spojení v síti
• výběr původních šiřitelů
• pořadí interakcí mezi agenty (směr šíření, kdo ovlivní koho)
• individuální rozhodnutí každého agenta (na základě pravděpodobností)
• výsledný rozsah šíření (liší se běh od běhu i při stejných nastaveních)

=== Data ===
* Výzkumy behaviorální ekonomie a mediální gramotnosti – např. [https://mediaeducation.ucoz.ru/_ld/0/83_Fedorov-A-2007-.pdf JIRÁK, Jan; WOOLÁK, Radim Woolák Radim. Mediální gramotnost. Praha: Radioservis, 2009.]
* Analýzy šíření fake news – např. Vosoughi, Roy, Aral (2018) – „The spread of true and false news online“, Science 359(6380), 1146–1151. [https://ide.mit.edu/wp-content/uploads/2018/12/2017-IDE-Research-Brief-False-News.pdf „The spread of true and false news online“]
* Odhady pravděpodobností a struktury sítě vycházejí z běžného chování uživatelů na sociálních sítích
* Výzkumné zprávy o algoritmech šíření obsahu na platformách jako Facebook, Instagram, nebo TikTok

=== Simulant ===
[[User:macn04|macn04]] ([[User talk:macn04|talk]]) 14:30, 12 May 2025 (CET)

== Simulace: Evakuace šelem v pražské ZOO v případě povodně ==

=== Popis problému ===
Pražská zoologická zahrada se nachází v záplavovém území a v minulosti byla při povodních (např. v roce 2002 a 2013) vážně zasažena. Evakuace zvířat, zejména velkých a nebezpečných šelem, představuje logisticky i bezpečnostně náročný úkol. Zvířata musí být přepravena v co nejkratším čase, bezpečně a s minimálním stresem, zároveň je nutné chránit zaměstnance a návštěvníky. Simulace se zaměřuje na proces evakuace pavilonu šelem při náhlém zvýšení hladiny Vltavy. Výsledky mohou pomoci vedení ZOO lépe se připravit na mimořádné události.

=== Cíl simulace ===
Simulace se bude věnovat otázce: Jak rychle a efektivně lze evakuovat šelmy z ohroženého pavilonu v případě povodně?
Výsledkem bude návrh optimální evakuační strategie v závislosti na různých faktorech (např. počet ošetřovatelů, kooperace zvířat, čas do zaplavení, atd.). Některá zvířata jsou více nebezpečná jiná jsou klidná.

=== Použití simulace ===
Simulace může sloužit:
*Zaměstnancům ZOO, kteří se chtějí připravit na krizové situace
*Studentům, kteří se učí o ochraně zvířat nebo krizovém řízení
*Veřejnosti, která si chce udělat představu, jak taková situace vypadá a proč je důležitá příprava

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo, kde agenti budou zvířata, zaměstnanci (ošetřovatelé) a povodeň. Zvířata mají různé chování, velikost, agresivitu. Ošetřovatelé jsou zkušení, ale i nováčci a je jich různý počet na směnách. Povodeň může mít různé rychlosti. Prostředím je pavilon šelem v pražské ZOO. V pavilonu jsou jednotlivé expozice podle druhu zvířete. V případě, kdy hrozí evakuace jsou všechna zvířata uvnitř pavilonu.

V případě evakuace přijdou chovatelé a evakuují zvířata. Některá musí uspat, jiná ne. Zvířata přesouvají do klecí nebo boxů a převážejí pryč cestou podle zatopení. U každého zvířete je dohledatelný

=== Proměnné ===
Definované předem:
* Počet zvířat v pavilonu, jejich velikost a druhy
* Počet evakuačních cest
* Rychlost záplav (kolik času je na evakuaci)
* Počet ošetřovatelů a jejich zkušenosti (můžou být zkušení nebo nováčci, nováčci jsou pomalejší a mají vyšší pravděpodobnost minout uspávací šipkou)

Náhodné:
* kooperace zvířete (může být klidné nebo agresivní)
* rozmístění ošetřovatelů
* minutí uspávací šipkou
* rozbitá klec

=== Data ===
* výroční zprávy ZOO Praha [https://www.zoopraha.cz/vse-o-zoo/vyrocni-zpravy]
* mapa ZOO Praha (obrázková) [https://www.zoopraha.cz/navsteva/30-mapa-zoo-praha]
* mapa ZOO Praha [https://g.co/kgs/aXs5ceF]
* přiklad info o zvířeti ZOO Praha [https://www.zoopraha.cz/aktualne/pohledem-reditele/14972-jak-se-v-zoo-praha-chystame-na-povodne]
* převoz tygrů [https://www.jamescargo.com/blog/tiger-transport.php?utm_source=chatgpt.com]
* CITES transport guidelines [https://cites.org/eng/resources/transport/advice.shtml?utm_source=chatgpt.com]

=== Simulant ===
Veronika Smrčková
[[User:smrv03|smrv03]] ([[User talk:smrv03|talk]]) 11:36, 12 May 2025 (CET)

== Simulace: Strategie hráčů ve hře v kostky dle pravidel hry Farkle ==

=== Popis problému ===
Cílem simulace je analyzovat a porovnat různé herní strategie ve hře Farkle (hazardní kostková hra). Dva hráči si během hry střídavě hází kostkami a snaží se získat co nejvíce bodů pomocí specifických kombinací (např. trojic, postupky, šest stejných hodnot apod.). Hráči však musí v každém tahu rozhodnout, zda pokračovat v házení (s rizikem ztráty aktuálního skóre) nebo se zastavit a body si uložit.

Každý hráč je reprezentován jako „persona“ s předdefinovanou strategií rozhodování – od konzervativního po extrémně rizikového přístupu. Tyto odlišné styly chování významně ovlivňují průběh hry, četnost výher i riziko prohry kvůli přehnané hamižnosti.

=== Cíl simulace ===
Cílem simulace je zjistit, jaké herní strategie (persony) jsou nejefektivnější v dosažení výhry ve hře Farkle. Zároveň zohledňuje spravedlnost (oba hráči mají stejný počet tahů) a umožňuje porovnávat strategie mezi sebou při opakovaném hraní stovek her. Výstupem je srovnání úspěšnosti jednotlivých přístupů a doporučení vhodné herní taktiky.

=== Použití simulace ===
Simulace může sloužit:
* jako model rozhodování v nejistém prostředí,
* jako prostředek pro výuku agentového modelování (např. střední školy, informatika, psychologie rozhodování),
* pro zábavné testování, která strategie by přinesla nejvíc výher v reálné hře Farkle,
* jako výchozí kostra pro složitější modely s učením, adaptivními hráči nebo evoluční optimalizací strategie,
* a v neposlední řadě, jako "engine" na testování person pro mou diplomovou práci.

=== Použitá metoda a prostředí ===
Simulace je implementována v prostředí NetLogo jako dvouagentní tahový model. Hráči se střídají v házení 6 kostek, získávají body za kombinace podle pravidel Farkle (např. trojice, čtveřice, pětice, šestice, postupky) a rozhodují se, zda budou pokračovat v tahu.

Model zahrnuje:
* různé herní strategie („persony“) – definované jako rozhodovací pravidla podle skóre, zbývajících kostek nebo náhodného faktoru,
* počítání statistik (výhry, tahy, FARKLE chyby),
* zajištění férovosti – druhý hráč má vždy možnost dokončit poslední tah, pokud první dosáhne vítězného skóre,
* export výsledků a vykreslení průběhu skóre do grafu (a jiné statistické ukazetele).

=== Proměnné ===
Definované předem:
* Cílové skóre pro výhru (např. 10 000)
* Počet simulovaných her (např. 100 až 1000)
* Herní strategie pro oba hráče:
* conservative – ukládá body při ≥400
* risky – ukládá body při ≥700
* greedy – ukládá body při ≥1000
* cautious – hraje opatrně (≥300 nebo málo kostek)
* random – rozhoduje se náhodně
* risk-averse – hraje opatrně jen pokud vede o >2000 bodů, jinak jako conservative
* point-maximizer – pokračuje, dokud nedostane HOT DICE
* combo-hunter – pokračuje po silných kombinacích (postupky, trojice a víc)

Náhodné:
* Hod šesti kostkami (1–6)
* Kombinace, které hráči získají (např. 3 stejné, postupka 1–6 atd.)
* Výsledek rozhodnutí pokračovat/zastavit u náhodné strategie

Možná rozšíření simulace:
* Evoluční vývoj nových strategií (např. pomocí genetického algoritmu)
* Paměť hráčů – učení na základě předchozích neúspěchů
* Reakce na strategii soupeře (adaptivní persona)

=== Data ===
* [https://farkle.games/official-rules/] - oficiální pravidla hry Farkle
* [http://incompleteideas.net/book/the-book-2nd.html] - popis chování osob v pod tlakem a při riskování (persony)
* [https://mud.co.uk/richard/hcds.htm] - rozdělení person a chování v různých karetních a jiných hrách
* [http://incompleteideas.net/book/the-book-2nd.html] - o strategiích rozhodování, výběru akcí, riziku a odměnách

=== Simulant ===
Jan Hlavnička
[[User:hlaj13|hlaj13]] ([[User talk:hlaj13|talk]]) 13:58, 8 May 2025 (CET)

== Simulace: Simulace tučňáků hledajících lásku na ledové kře 🐧❤️ ==

=== Popis problému ===
Cílem simulace je modelovat chování tučňáků během námluv na ledové kře. Tučňáci musí najít vhodného partnera pro hnízdění, přičemž čelí různým vnějším vlivům – nestabilnímu prostředí (praskající led), konkurenci ostatních tučňáků a hrozbě predátorů (např. lachtani).

Každý tučňák má specifické nastavení chování – někteří jsou spíše plachého typu, jiní jsou odvážní a aktivně oslovují potenciální partnery. Odlišný přístup k seznamování ovlivňuje jejich šanci na úspěšné spárování a přežití do hnízdní sezóny.

=== Cíl simulace ===
Simulace se zaměří na otázku: Jaký „balící styl“ (strategie chování) vede k nejvyšší šanci na nalezení partnera a založení hnízda, a jak tuto šanci ovlivňuje prostředí a přítomnost rizik? Výsledkem bude doporučení nejefektivnějších „láskových taktik“ v závislosti na kontextu (bezpečné vs. nebezpečné prostředí).

=== Použití simulace ===
Simulace může sloužit:
* jako model sociální interakce v zábavné formě,
* jako edukativní nástroj pro představení agentového modelování (např. na středních školách),
* nebo jako metaforické přiblížení seznamovacích strategií ve složitém prostředí.

=== Použitá metoda a prostředí ===
Simulace bude vytvořena v prostředí NetLogo jako multiagentní model, kde každý agent (tučňák) bude reprezentovat jiný typ chování. Prostředí bude ledová kra se zónami různé stability a výskytu predátorů.

Tučňáci budou interagovat podle jednoduchých pravidel: přiblíží se k partnerovi, pokusí se o námluvy (s pravděpodobností úspěchu ovlivněnou vlastnostmi obou), a pak spolu odcházejí hnízdit (zmizí ze scény). Mohou být také ohroženi prasknutím kry nebo útokem predátora.

=== Proměnné ===
Definované předem:
* Počet tučňáků (např. 50–100)
* Stabilita ledu (pravděpodobnost prasknutí při stání na místě)
* Výskyt predátorů (pravděpodobnost útoku při pohybu)
* Rychlost pohybu a reakce

Typ chování:
* Plachý – čeká, až ho někdo osloví
* Odvážný – aktivně balí ostatní
* Kombinovaný – střídá strategie

Náhodné:
* Rozmístění tučňáků
* Výběr preferovaného partnera (náhodně nebo podle vlastností)
* Výsledek námluv (pravděpodobnost úspěchu podle kompatibility + typu chování)
* Prasknutí ledové kry
* Útok predátora

Možná rozšíření simulace:
* Přidání „charakterových“ rysů (krása peří, zpěv, taneční dovednosti)
* Učení – tučňák se poučí z neúspěchu a změní taktiku
* Sezónnost – časový limit na nalezení partnera (jinak simulace končí smutným singl koncem)

=== Data ===
* [https://www.reuters.com/business/environment/emperor-penguins-suffered-mass-breeding-failures-2023-amid-record-low-sea-ice-2024-04-25/ Stabilita mořského ledu a úspěšnost hnízdění
* [https://www.birdsnz.org.nz/wp-content/uploads/2021/12/Rowe_67_etal_451_459.pdf Úspěšnost hnízdění u tučňáků malých
* [https://www.selwomarina.es/en/blog/por-que-pinguinos-regalan-piedras-hembra?utm_.com Selwo Marina Benalmadena] – Článek věnující se námluvám a párování, kde popisují darování kamínků jako součást námluv
* BBC Earth, National Geographic, Attenboroughovy dokumenty – často dobře vysvětlují typy chování, interakce a přežívání. Např. March of the Penguins

=== Simulant ===
Zuzana Plachá
[[User:plaz03|plaz03]] ([[User talk:plaz03|talk]]) 20:20, 7 May 2025 (CET)

== Simulace: Simulace vojenské patroly a střetu s nepřítelem ==

=== Popis problému ===
Simulace se zabývá chováním malé vojenské jednotky (patroly), která operuje v nepřátelském teritoriu. Cílem patroly je bezpečný průchod zadanou trasou. V oblasti se ovšem mohou nacházet nepřátelské síly, které mají za úkol patrolu odhalit a zlikvidovat. Průběh mise ovlivňuje několik proměnných – velikost jednotky, dosah vidění, typ terénu, schopnost včasné reakce a počet a rozmístění nepřátel. Výsledky simulace umožní analyzovat účinnost různých taktik a rozhodovacích pravidel, které jednotka může použít při plnění mise. Zároveň mohou sloužit jako podpůrný nástroj při plánování operací nebo jako tréninková pomůcka pro rozhodování armády v rizikových situacích.

=== Cíl simulace ===
Simulace se bude věnovat zodpovězení otázky: jak různé faktory (velikost jednotky, rozmístění nepřátel, strategie pohybu) ovlivňují úspěšnost vojenské patroly při průchodu nebezpečným územím? Cílem je nalézt parametry a strategie, které vedou k nejvyšší pravděpodobnosti úspěšného dokončení mise bez ztrát. Výsledkem bude doporučení efektivních taktických rozhodnutí pro minimalizaci rizika při podobných operacích.

=== Použití simulace ===
Simulaci by mohli využít velitelé malých jednotek nebo vojenská akademie pro testování taktik v simulovaných prostředích. Model by jim dokázal vyhodnotit, jak různé strategie a složení jednotky ovlivňují šanci na úspěšné dokončení mise bez ztrát.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenti v modelu budou reprezentovat členy vojenské patroly a nepřátelské jednotky. Prostředí bude představovat mapu oblasti s různými typy terénu - otevřený terén, les, kryt apod.

=== Proměnné ===
Definované předem:
* Počet vojáků v patrole
* Počet nepřátel
* Typ terénu (např. podíl lesů, volného prostoru)
* Trasa patroly (předem definovaná nebo generovaná)
* Dosah vidění vojáků i nepřátel
* Pravidla reakce na kontakt (útěk, útok, přivolání podpory)
Pravděpodobnosti střetu a úspěchu jsou založeny na odhadech inspirovaných vojenskými taktickými příručkami a popisech reálných situací v článcích A-Report.

Náhodné:
* Rozmístění nepřátel v terénu
* Zpozorování nepřítele (pravděpodobnost, že jednotka zahlédne protivníka)
* Výsledek střetu (založen na pravděpodobnosti úspěchu v boji)
* Chování nepřítele (např. zda se ukryje nebo přepadne)

=== Data ===
* [https://mocr.mo.gov.cz/assets/informacni-servis/povinne-informace/1-uredni-deska/zakon-106/odp/priloha-c--1-1_25.pdf Základní řád ozbrojených sil České republiky] – řád armády ČR
* [https://mocr.mo.gov.cz/assets/multimedia-a-knihovna/casopisy/a-report/ar9_2018.pdf Časopis A-Report Útoku se nedalo zabránit] – Úryvek ze článku věnovaný osudové chybě v boji na Balkáně
* [https://mocr.mo.gov.cz/assets/multimedia-a-knihovna/casopisy/a-report/ar10_2019.pdf Časopis A-Report Pod ostrou palbou] – Úryvek ze článku popisující možnost simulací ve vojenském prostředí
* Vlastní odhady založené na realistických parametrech (např. efektivní dostřel, rychlost pohybu v terénu)

=== Simulant ===
Alexandr Sekera
[[User:seka01|seka01]] ([[User talk:seka01|talk]]) 15:33, 7 May 2025 (CET)

== Simulace: Kontrola jízdenek v MHD ==
=== Popis problému ===
Simulace se zabývá procesem kontrol jízdenek ve veřejné dopravě (např. v systému MHD v Praze). Veřejná doprava je financována částečně z příjmů z jízdného. Cestování "načerno" představuje pro dopravní podnik zdroj ztrát. Proto revizoři od podniku provádějí kontroly platnosti jízdních dokladů. Z toho vyplývá otázka, jak často a jakým způsobem mají být dané kontroly prováděny, aby byly efektivní a ekonomicky dávaly smysl. Výsledky simulace umožní řízení MHD optimalizovat frekvenci kontrol, počet revizorů a tím zvýšit celkovou efektivitu inspekcí.

=== Cíl simulace ===
Simulace se bude věnovat zodpovězení otázky: jak ovlivňuje četnost kontrol objem vybraných pokut ve veřejné dopravě? Výsledkem bude doporučení efektivních inspekčních strategií pro maximalizaci vybraných pokut. Simulace také ukáže, kolik revizorů je potřeba pro dosažení požadované míry kontroly.

=== Použitá metoda a prostředí ===
Multiagentní simulace v Netlogo. Agenti v modelu budou reprezentovat pasažéry a revizory.

=== Proměnné ===
Definované předem:
* Počet cestujících (celkově)
* Počet revizorů
* Výše pokuty (standardní nebo menší za platbu okamžitě)
* Frekvence kontrol (počet provedených kontrol za minutu/hodinu)
* Kapacita vozidla (počet cestujících z celkového čísla, kteří jsou aktuálně v kontrolovaném prostoru)

Náhodné:
* Platnost jízdenky (zda jede pasažér "načerno")
* Zachycení černého pasažéra (zda je neplatnost jízdenky odhalena)
* Zaplacení pokuty (hned či později)

=== Data ===
[https://www.dpp.cz/jizdne/pokuty-revizori/vyse-prirazky DPP - pokuty a revizoři] - výše jednotlivých pokut

[https://www.dpp.cz/vozovy-park DPP - vozový park] - kapacity vozidel

[https://www.expats.cz/czech-news/article/prague-public-transport-inspectors-handed-out-250-000-fines-last-year Prague public transport inspectors handed out 250,000 fines last year] - počty kontrol, pasažérů a revizorů, celková výše pokut, zaplacení pokut

Míra cestování "načerno" pro Prahu není zveřejněna oficiálně. Pro odhad poměru černých pasažérů se lze inspirovat jinými státy ([https://theweek.com/transport/fare-dodging-londons-transport-blight UK], [https://www.trainsfare.eu/tackling-fare-evasion-in-bergamo-a-growing-challenge-for-atb-and-teb/ IT]).

=== Simulant ===
Vladislav Sanin
[[User:Sanv05|Sanv05]] ([[User talk:Sanv05|talk]]) 21:15, 6 May 2025 (CET)

== Simulace: Pavlovovo podmiňování v agentním modelu ==
=== Co budu simulovat ===
Simulace bude modelovat proces klasického (Pavlovova) podmiňování, kdy agent (představující psa) postupně spojuje neutrální podnět (zvonek) s přirozeným podnětem (jídlo). Výsledkem je, že agent začne reagovat podmíněnou reakcí (slinění) i v případě, že se později objeví pouze zvonek bez jídla.

=== Cíl simulace ===
Cílem simulace je analyzovat průběh učení podmíněné reakce a zjistit:
* kolik opakování je potřeba k vytvoření podmíněné reakce,
* jak stabilní tato reakce je v čase,
* jak rychle dochází k vyhasnutí reakce (extinkci) při absenci posílení,
* jak efektivní je opětovné učení (re-learning) po ztrátě reakce.

Obecně jde o pochopení mechanismů formování návyků a chování založeného na stimulaci a posilování.

=== Kdo by takovou simulaci mohl využít a jak by mu pomohla ===
Simulaci mohou využít například:
* psychologové zabývající se behaviorálním učením,
* učitelé při výuce základních principů behaviorismu,
* vývojáři agentních a AI modelů, kteří chtějí simulovat jednoduché učení nebo formování návyků.

Simulace jim umožní vizuálně a experimentálně sledovat proces klasického podmiňování a analyzovat vliv různých parametrů na průběh učení.

=== Použitá metoda a prostředí ===
* '''Metoda''': Agentní simulace využívající jednoduchý model chování se stavovým automatem. Agent mění svůj vnitřní stav v závislosti na podnětech a historii posilování.
* '''Prostředí''': NetLogo

=== Jaké proměnné budou v simulaci ===
* Počet pokusů o podmiňování
* Zpoždění mezi zvonkem a jídlem (časování podnětů)
* Frekvence posilování (např. 100 %, 75 %, 50 % případů s jídlem)
* Síla podmíněné reakce (vnitřní proměnná zvyšující se učením)
* Počet extinkčních pokusů (zvonek bez jídla)

=== Jaké proměnné budou náhodné ===
* Pravděpodobnost, zda po zvonku následuje jídlo (při částečném posilování)
* Malá náhodná odchylka v chování psa (např. reakční doba, úroveň slinění)

=== Na jakých datech budou proměnné založené ===
* Parametry vycházejí z publikovaných výsledků klasických experimentů Pavlova a dalších behaviorálních studií.
* Typické hodnoty časování a pravděpodobností pro různé typy posilování vychází z odborné literatury.
* Síla reakce bude modelována pomocí logistické funkce, která simuluje typickou křivku učení a vyhasínání reakce.
* [https://www.psychologywizard.net/uploads/2/6/6/4/26640833/pavlov_lecture_18.pdf Pavlov – Lecture 18 (Conditioned Reflexes, 1927)]
* [https://en.wikipedia.org/wiki/Classical_conditioning Wikipedia – Classical Conditioning]
* [https://www.simplypsychology.org/pavlov.html Simply Psychology – Pavlov’s Dogs]

=== Na jakých datech jsou založeny vzorce v simulaci (chování modelu) ===
Chování modelu bude založeno na Rescorla-Wagnerově modelu klasického podmiňování, který kvantifikuje změnu síly asociace mezi podmíněným podnětem a nepodmíněným podnětem během jednotlivých pokusů.
* [https://www.vcalc.com/wiki/rescorla-wagner-formula-alpha-and-beta-version vCalc – Rescorla-Wagner model (alpha and beta version)]
* [https://en.wikipedia.org/wiki/Rescorla%E2%80%93Wagner_model Wikipedia – Rescorla–Wagner model]

=== Simulant ===
[[User:Lans06|Lans06]] ([[User talk:Lans06|talk]]) 22:27, 6 May 2025 (CET)

== Simulace: Bitva u Azincourtu v roce 1415 (Anglie vs Francie během Stoleté války) ==

=== Popis problému ===
V roce 1415 stála Anglie v čele se svým králem Jindřichem V. proti silám Francie, které měly velmi drtivou převahu (Anglie cca 8500 a Francie cca 15 000). I přes tuto nevýhodu dokázala Anglie vyhrát s nepatrnými ztrátami. Dle historických pramenů to bylo především díky strategickému umístění anglického vojska v úzkém prostoru mezi stromy, kde nemohly francouzské jednotky přímo naběhnout a využít drtivou sílu svých počtů bojovníků - musely postavit více řad bojovníků za sebou a nemohly anglické jednotky obklopit.

=== Cíl simulace ===
Simulace se bude věnovat otázce: Měla by Francie šanci vyhrát bitvu, kdyby se bitva odehrávala na širokém prostranství narozdíl od úzkého prostoru? Nebo by stále Anglie dokázala vyhrát, kdyby přišla o výhodu okolí?

=== Použití simulace ===
Simulace může sloužit:
* historikům - náhled do historie, kdyby měla bitva jiný průběh
* Úvaha nad historickou událostí, která ovlivnila Stoletou válku

=== Cíl simulace ===
* dokázat, jak terén může ovlivnit průběh bitvy, pokud je stanovena správná strategie
* změní se průběh bitvy a dokáže Francie vyhrát?
* jak moc účinné je zbraň Long Bow (dlouhý luk) v otevřeném terénu?

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo, kde agenti budou jednotky Anglie (pěšáci, střelci s Long Bow) a Francie (pěšáci, kavalérie, střelci s Long Bow, střelci s kuší).

=== Proměnné v simulaci ===
Definované předem:
* počet a rozložení jednotek anglické armády
* počet a rozložení jednotek francouzské armády

Náhodné
* pohyb jednotek (každá jednotka má své reakce a možnosti pohybu)
* střelba z Long Bow - kolik zvládne vystřelit šípů za určitý čas

=== Data ===
* https://www.stoplusjednicka.cz/bitva-u-azincourtu-stret-ktery-rozhodl-nekonecnou-valku-mezi-anglii-francii
* https://zoom.iprima.cz/historie/bitva-u-azincourtu
* vlastní poznatky z rekonstrukcí bitev

=== Simulant ===
[[User:Bilk08|Bilk08]] ([[User talk:Bilk08|talk]]) 12:00, 12 May 2025 (CET)

== Simulace: Phishing na hybridním pracovišti ==

=== Popis problému ===
Práce bude zkoumat roli hybridního (onsite & remote) pracoviště na pravděpodobnsot úspěšného phishing útoku.
Remote zaměstnanci méně komunikují, než jejich onsite kolegové, což snižuje pravděpodobnost, že o podezřelém emailu někomu řeknou nebo u stolu jen prohlásí "to je divný" nebo "taky jsi dostal tenhle trenink do zitra?".
Simulace bude uvažovat, že ne každý zaměstnanec má přístup ke kritickým systémům, jen někteří mohou způsobit firmě vážné škody, ale pokud se tak stane, následky jsou velké.

=== Cíl simulace ===
Simulace má za cíl zjistit, jaké budou škody s různými konfiguracemi onsite vs. remote zaměstnanců.

=== Kdo by takovou simulaci mohl využít a jak by mu pomohla ===
Jakákoli korporát/firma s kombinací onsite a remote zaměstnanců (populární po pandemii)

=== Použitá metoda a prostředí ===
*Metoda: Multi-agentní simulace
*Prostředí: NetLogo

=== Jaké proměnné budou v simulaci ===
*Deterministické:
**Socializace (např. oběd)
**Délka sprintu (ke konci sprintu klesá pozornost, roste zbrklost)
**Počet zaměstnanců s kritickými přístupy
**Počet onsite zaměstnanců
**Počet remote zamšstnanců
**Intervaly mezi interními phishing testy IT oddělení

*Náhodné:
**Četnost phishing útoků
**Základní pravděpodobnost naletění na phishing
**Pravděpodobnost naletění po školení (efekt se bude s časem od školení snižovat)
**Pravděpodobnost naletění po úspěšném útoku
**Remote & onsite pravděpodobnost komunikace (při odhalení phishingu)
**Ztráta způsobená úspěšným phishingovým útokem bez kritických přístupů
**Ztráta způsobená úspěšným phishingovým útokem s kritickými přístupy

=== Data ===
*Vědecké články (např. psychologické studie na efekt o interních phishing testech, jak zvyšuje pracovní nápor pravděpodobnost naletění)
*Phishingové statistiky (např. četnost, úspěšnost, severita)

=== Simulant ===
[[User:Lebm05|Lebm05]] ([[User talk:Lebm05|talk]]) 12:59, 12 May 2025 (CET)

== Simulace: Obsazenost akutních lůžek v českých nemocnicích ==

=== Popis problému ===
České nemocnice disponují v průměru 4,6 akutními lůžky na 1 000 obyvatel. Při průměrné ošetřovací době, která teď činí 5,5 dne, dochází k fluktuacím mezi novými přijetími pacientů, obsazeným počtem lůžek a propouštěním pacientů. Při obsazenosti vyšší než 85 %, kvalita péče klesá, prodlužují se čekací doby a zvyšuje se riziko komplikací a nozokomiálních infekcí.

Simulace bude odhadovat vývoj obsazenosti akutních lůžek v čase a vyhodnotí dopad různých intervencí (zkrácení průměrné ošetřovací doby, navýšení kapacity, řízení fronty).

Výsledky simulace ukážou, která opatření nejvíce snižují riziko dlouhodobé obsazenosti nad 85 %, kdy už dochází k prodlužování čekacích dob a nárůstu infekcí; také mohou sloužit jako podpora rozhodování o investicích a rozdělení rozpočtu.

=== Cíl simulace ===
Cílem simulace je zodpovědět na otázku, do jaké míry a jak rychle udržení obsazenosti pod 85 % ovlivní faktory jako:
* Snížení průměrné ošetřovací doby o 10 %
* Navýšení kapacity o 10 %
* Řízená fronta (prioritizace)
Ve všech scénářích budu sledovat průměrnou denní obsazenost lůžek, maximální délku fronty, a čas, za který obsazenost překročí nebo zůstane pod hranicí 85 %.

=== Použití simulace ===
Kdo může simulaci použít?
Simulace umožní vedení zdravotnických zařízení a manažérům identifikovat dlouhodobé rizikové body v lůžkové kapacitě a následně je mohou využít k optimalizaci strategických investic tak, aby udrželi kontinuitu péče a finanční udržitelnost i při demografických změnách či neočekávaných vlnách poptávky. Díky simulaci mohou předem ověřit dopad různých politik (např. zkrácení průměrné ošetřovací doby, rozšíření kapacity, prioritizace příjmu) a na základě toho nastavit robustní krizové plány a alokaci zdrojů.

=== Použitá metoda a prostředí ===
Pro tvorbu simulace využit přístup Systémové dynamiky a nástroj Vensim PLE.

=== Proměnné ===
* Počet obyvatel
* Počet hospitalizovaných pacientů (akutní lůžka)
* Počet nově hospitalizovaných pacientů
* Počet propuštěných pacientů
* Průměrná délka hospitalizace
* Míra propuštění
* Průměrné denní množství nových žádostí o hospitalizaci
* Míra hospitalizace
* Celkový počet akutních lůžek
* Míra navýšení kapacity při obsazenosti větší než 85 %
* Počet volných lůžek
* Obsazenost lůžek

=== Data ===
* Počet obyvatel v ČR. [https://vdb.czso.cz/vdbvo2/faces/cs/index.jsf?page=vystup-objekt&pvo=DEM13&z=T&f=TABULKA&skupId=3829&katalog=33155&pvo=DEM13&evo=v141_!_IK-CR-K_1&c=v3~8__RP2021]
* Zdravotní péče České republiky. [https://csu.gov.cz/zdravotni-pece#:~:text=2016%202017%202018%202019%202020,548%209%20960%209%20996]
* Zdravotnická ročenka České republiky. [https://www.uzis.cz/index.php?pg=aktuality&aid=8560]
* Hospitalizace v nemocnicích ČR. [https://www.uzis.cz/index.php?pg=vystupy--vyznamna-temata--hospitalizace ]
* Pohyb obyvatelstva - rok 2021. [https://csu.gov.cz/rychle-informace/pohyb-obyvatelstva-rok-2021#:~:text=Podle%20výsledků%20sčítání%20lidu%2C%20domů,Štyglerová%2C%20vedoucí%20oddělení%20demografické%20statistiky]

=== Simulant ===
[[User:Kozo01|Olesia Kozlova (kozo01)]] ([[User talk:kozo01|talk]]) 16:07, 12 May 2025 (CET)

:: '''Schváleno'''[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:45, 12 May 2025 (CET)

== Simulace: Eutrofizace vodní plochy ==

=== Popis problému ===
Eutrofizace vodních ploch je přírodní jev, který může být výrazně ovlivněn antropogenní činností. Jedná se zejména o jednotlivé chemické pochody, které způsobují nárůst biomasy na hladině vodní plochy. Díky tomuto růstu dochází k postupnému snižování světelných podmínek pod úrovní hladiny, což způsobuje úhyn biomasy a dochází k zvýšení rozkladných procesů, které zapříčiňují úbytek kyslíku v celé vodní nádrži. Následkem toho dochází i k úhynu vodních živočichů závislých na koncentraci kyslíku pod hladinou.

=== Cíl simulace ===
Cílem simulace je namodelovat celý proces eutrofizace, který bude ovlivněn antropogenní činností (např. splachy z polí). Zodpoví jednu z důležitých otázek: Jak antropogenní činnost urychluje eutrofizaci.

=== Použití simulace ===
* Simulace může být využita k akademickému studiu eutrofizace,
* jako podpora při legislativních rozhodnutí,
* může vylepšit strategické plánování ve vodohospodářských organizacích, nebo
* strategické plánování zemědělců.

=== Použitá metoda a prostředí ===
* Simulace využívá program Vensim, který byl vybrán na základě jeho schopnosti namodelovat toky a vazby mezi jednotlivými proměnnými ve sledovaném prostředí.

=== Proměnné ===
* Definované předem:
** úroveň eutrofizace,
** počáteční množství biomasy,
** počáteční množství živočichů,
** počáteční pH vody,
** počáteční obsah kyslíku.

* Náhodné:
** počasí,
** zalévání zemědělských ploch.

Popřípadě další.

=== Data ===
* YANG, Xiao-e, Xiang WU, Hu-lin HAO a Zhen-li HE, 2008. Mechanisms and assessment of water eutrophication. Journal of Zhejiang University. Science. B [online]. 9(3), 197–209. ISSN 1673-1581. Dostupné z: doi:[https://doi.org/10.1631/jzus.B0710626 10.1631/jzus.B0710626]

=== Simulant ===
[[User:bene08|Eliška Benešová (bene08)]] ([[User talk:bene08|talk]]) 16:07, 12 May 2025 (CET)

:: '''Schváleno''' [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:50, 12 May 2025 (CET)

== Simulace: Simulace průchodu cestujících pasovou kontrolou na letišti ==

=== Popis problému ===
Letiště v době dopravní špičky čelí problémům s kapacitou pasové kontroly. Nedostatečný počet otevřených přepážek vede k dlouhým frontám a nespokojenosti cestujících. Naopak příliš mnoho otevřených přepážek může znamenat neefektivní využití personálu. Proto je potřeba najít rovnováhu mezi těmito dvěma faktory.

=== Cíl simulace ===
Cílem simulace je analyzovat vliv počtu otevřených přepážek na délku fronty a maximální čekací dobu cestujících. Jedním z hlavních cílů je identifikovat maximální čekací dobu v případech, kdy nejsou otevřeny všechny dostupné přepážky, a navrhnout optimální počet přepážek pro různé scénáře zatížení.

=== Použití simulace ===
Simulaci může využít letištní management, konkrétně vedoucí směny nebo plánovači personálu, kteří rozhodují o počtu aktivních pracovníků v jednotlivých časových intervalech. Pomůže jim lépe plánovat směny a optimalizovat provoz pasové kontroly tak, aby se předešlo zbytečným zpožděním i plýtvání lidskými zdroji.

=== Použitá metoda a prostředí ===
Použiji agentní simulaci v jazyce Rust, s využitím open-source herního enginu Bevy (verze 0.13) jako vizuálního a simulačního prostředí. Každý cestující bude modelován jako agent, který dorazí, čeká ve frontě, a je odbaven u přepážky podle pravidel fronty (FIFO). Přepážky budou reprezentovány jako paralelní servery.

=== Proměnné ===

Deterministické proměnné:

*Počet otevřených přepážek
*Reálný rozvrh příletů letadel
*Počet cestujících vystupujících z každého příletu (interval 5 minut)

Náhodné proměnné:

*Interval mezi příchody cestujících (exponenciální rozdělení)
*Doba odbavení u přepážky (normální rozdělení)
*Rychlost přechodu cestujících od gate k pasové kontrole

Měřené výstupy:

*Průměrná čekací doba
*Maximální čekací doba
*Využití jednotlivých přepážek v %
*Délka fronty v čase

=== Data ===

Průměrná doba odbavení: Na základě interních dat z provozu pasové kontroly letiště.

Intenzita příchozích cestujících: Data získáná z každodenního leteckého provozu mimo sezónu a v sezóně (červen - září)

=== Simulant ===
[[User:Papd01|Papd01]] ([[User talk:Papd01|talk]]) 17:25, 12 May 2025 (CET)

== Simulace: Autobusová linka v městské dopravě ==

=== Popis problému ===
Simulace se zabývá provozem autobusové linky v městské dopravě. Veřejná doprava je klíčová pro fungování měst a efektivní provoz autobusových linek zajišťuje dostupnost a komfort pro cestující. V praxi dochází k problémům, jako je přetížení spojů během špičky, zpoždění, dlouhé čekací doby na zastávkách nebo nevyužité kapacity mimo špičku. Simulace umožní analyzovat, jak různé faktory (například počet autobusů, intervaly mezi spoji, kapacita vozidel nebo rozložení cestujících během dne) ovlivňují kvalitu přepravy a vytížení linky. Výsledky simulace mohou pomoci dopravcům optimalizovat jízdní řády a nasazení vozidel.

=== Cíl simulace ===
Cílem simulace je zjistit, jak různé parametry provozu autobusové linky ovlivňují:
* průměrnou dobu čekání cestujících na zastávce,
* naplněnost autobusů v různých částech trasy a v různých časech,
* identifikaci kritických zastávek s přetížením,
* doporučení pro optimalizaci jízdního řádu a kapacity linky.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenty v modelu budou reprezentovat autobusy, cestující a zastávky.

=== Proměnné ===
Definované předem:
* Počet autobusů na lince
* Kapacita jednoho autobusu
* Počet zastávek a jejich rozložení na trase
* Interval mezi odjezdy autobusů
* Délka trasy a čas potřebný k projetí celé linky

Náhodné:
* Počet cestujících přicházejících na jednotlivé zastávky v čase (modeluje špičku/mimo špičku)
* Cílová zastávka každého cestujícího (kde vystupuje)
* Doba nástupu a výstupu cestujících

=== Data ===
* [https://www.dpp.cz/vozovy-park DPP – vozový park] – kapacity autobusů, typy vozidel
* [https://pid.cz/jizdni-rady-podle-linek/ PID – jízdní řády autobusů] – intervaly a rozložení spojů
* [https://www.dpp.cz/spolecnost/o-spolecnosti/dpp-v-datech DPP – statistiky] – počty cestujících, vytížení linek

Pro modelování rozložení cestujících v čase lze vycházet z běžných statistik dopravních podniků nebo využít odhadů podle typu linky (městská, příměstská, školní apod.).

=== Simulant ===
[[User:jelp05|jelp05]] ([[User talk:jelp05|talk]]) 18:35, 12 May 2025 (CET)

== Simulace: Šíření invazních druhů rostlin v krajině ==

=== Popis problému ===
Invazní rostliny představují závažný ekologický problém, který ohrožuje biodiverzitu, mění dynamiku ekosystémů a může způsobovat výrazné ekonomické škody. Přestože existují různé metody jejich potlačení, jejich účinnost se liší podle situace a podmínek v dané oblasti. Vzhledem k tomu, že přímé testování zásahů v reálném prostředí je nákladné a obtížně opakovatelné, bude v této práci navržena simulace, která umožní predikci vývoje a porovnání efektivity různých zásahových strategií.

=== Cíl simulace ===
Simulace bude navržena s cílem modelovat a analyzovat dynamiku šíření vybraných invazních rostlinných druhů v různých typech krajiny. Bude zohledňovat klíčové faktory ovlivňující rozšiřování – jako jsou podmínky prostředí (vlhkost, teplota, typ půdy), biologické vlastnosti rostlin (rychlost růstu, produkce a klíčivost semen) a způsoby šíření (např. pomocí větru, vody nebo lidské činnosti). Součástí modelu bude také testování různých zásahových strategií, jako je mechanická likvidace, aplikace herbicidů nebo jejich kombinace

=== Použití simulace ===
Výsledky simulace poskytnou náhled na chování invazních druhů v čase a prostoru a umožní testovat zásahy bez přímého zásahu do reálného ekosystému. Simulace bude sloužit jako nástroj pro podporu rozhodování v oblasti ochrany přírody, krajinného plánování a managementu invazních druhů. Výstupy bude možné využít například ochranářskými organizacemi nebo správci chráněných území pro návrh efektivních a šetrných zásahových postupů.

=== Použitá metoda a prostředí ===
Prostředí: NetLogo (agentní modelování)

=== Proměnné ===
Deterministické proměnné:
* Biologické vlastnosti rostlin (rychlost růstu, počet a klíčivost semen, vegetační cyklus)
* Podmínky prostředí (vlhkost, teplota, typ půdy)
* Strategické zásahy (mechanické odstraňování, chemická likvidace, kombinace metod)
* Typ krajiny (pole, louka, les, urbanizované prostředí)

Náhodné proměnné:
* Směr a dosah šíření semen
* Počáteční rozmístění rostlin
* Vliv náhodných klimatických odchylek

=== Data ===
Data pro model budou získána z databáze Agentury ochrany přírody a krajiny ČR (https://invaznidruhy.nature.cz), která poskytuje podrobné informace o biologických a ekologických vlastnostech jednotlivých invazních druhů. Další poznatky budou čerpány z odborné literatury a metodických doporučení pro boj s invazními rostlinami.

=== Simulant ===
[[User:kala13|kala13]] ([[User talk:kala13|talk]]) 19:54, 12 May 2025 (CET)

== Simulace: Optimální nacenění zálohy na vratné kelímky na akcích==

=== Popis problému ===
Organizátoři veřejných akcí jako jsou festivaly, koncerty nebo sportovní události, stále častěji přecházejí z jednorázových plastových kelímků na znovupoužitelné, aby snížili ekologickou stopu. Ovšem problém, který nastává při zavedení vratných kelímků na veřejných akcí, je správné nastavení výše zálohy a počet kelímků tak, aby se systém finančně vyplatil, návštěvníci akce jej přijali a zároveň nedošlo k nadbytečným nákladům. Výsledné náklady jsou ovlivňovány mnoho nejistými faktory – kolik lidí kelímek skutečně vrátí a kteří si jej nechají, kolik se jich ztratí nebo kolik nápojů se prodá.

=== Cíl simulace ===
Simulace má za cíl optimalizovat systém vratných kelímků – jaká je optimální výše zálohy vratného kelímku (nebo taky nulová záloha), která minimalizuje ztráty z nevrácených kelímků, ale zároveň neodradí návštěvníka od konzumace.

=== Použití simulace ===
Výsledky simulace poslouží především organizátorům akcí, kteří tak budou moct optimalizovat náklady, lépe rozhodnout o výši záloh a počtu objednaných kelímků.

=== Použitá metoda a prostředí ===
*Metoda: Monte Carlo simulace
*Simulační prostředí: Microsoft Excel

=== Proměnné ===
Deterministické proměnné:
* Počet návštěvníků akce
*Výrobní cena kelímku
*Cena nápoje
*Záloha
Náhodné proměnné:
*Pravděpodobnost vrácení kelímku
*Míra ztracených/poškozených kelímků

=== Data ===
*Ceník kelímků z nabídky různých dodavatelů (https://happycups.co.uk/, https://www.nicknack.cz/ )
*Statistiky vrácení kelímků z článků, statistiky (např. https://www.reuseable.dk/blog/aarhus-residents-have-returned-750-000-reusable-cups-in-one-year, https://www.nicknack.cz/reference-a-klienti/, https://packagingscotland.com/2024/11/pilot-scheme-sees-huge-percentage-of-reusable-cups-returned/ , https://www.reuseable.dk/blog/over-95-000-reuseable-cups-sold-during-festuge )

=== Simulant ===
[[User:Phpham|Phpham]] ([[User talk:Phpham|talk]]) 22:36, 12 May 2025 (CET)

== Simulace: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2024 ==

=== Popis problému ===
Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Největší část tvořila biomasa, následovaná vodními a fotovoltaickými elektrárnami. Tyto poměry významně ovlivňují jak energetickou bilanci, tak environmentální cíle. Cílem simulace je analyzovat, jak by se změnila celková výroba z OZE při různých scénářích – například při nárůstu výkonu solárních elektráren o 20 % nebo poklesu vodní výroby kvůli suchu.

=== Cíl simulace ===
Cílem simulace je zodpovědět otázky:
* Jak se změní celková výroba OZE, pokud vzroste výroba z FVE o 20 %?
* Jak pokles výroby z vodních elektráren o 15 % ovlivní celkový objem obnovitelné energie?
* Jaký by byl nový podíl jednotlivých zdrojů na výrobě při těchto změnách?

=== Použití simulace ===
Simulaci mohou využít energetičtí analytici, pracovníci MPO nebo regionální samosprávy jako nástroj pro plánování rozvoje obnovitelných zdrojů. Umožní jim snadno vyhodnotit, jak změny ve výkonu různých OZE typů ovlivní celkovou výrobu energie a pomůže při nastavování cílů nebo investičních priorit.

=== Použitá metoda a prostředí ===
Simulace bude provedena pomocí systémové dynamiky v prostředí Vensim PLE.

=== Proměnné ===
* Výroba elektřiny z OZE celkem (GWh)
* Výroba z biomasy (GWh)
* Výroba z vody (GWh)
* Výroba z fotovoltaiky (GWh)
* Podíl jednotlivých zdrojů (%)
* Změna výkonu zdrojů (%)
* Nová celková výroba (GWh)

=== Data ===
* Bilance elektrické energie – Český statistický úřad ([https://csu.gov.cz/energetika](https://csu.gov.cz/energetika))
* Obnovitelné zdroje energie – Výsledky statistického zjišťování- dokumenty za roky 2019–2024 – Ministerstvo průmyslu a obchodu ČR ([https://mpo.gov.cz](https://mpo.gov.cz))
* Roční zpráva o provozu elektrizační soustavy ČR – Energetický regulační úřad ([https://eru.gov.cz](https://eru.gov.cz))
* Share of energy consumption from renewable sources in Europe – Evropská agentura pro životní prostředí ([https://www.eea.europa.eu/en/analysis](https://www.eea.europa.eu/en/analysis))

=== Simulant ===
[[User:laso00|Oriana Lastovickova (laso00)]] ([[User talk:laso00|talk]]) 6:22, 13 May 2025 (CET)

Assignment SS 2024/2025/cs

2025-05-13T04:24:34Z

Laso00:

{{Ambox
| text = <div>
Please, put here your assignments. Do not forget to sign them. You can use <nowiki>~~~~</nowiki> (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition.
</div>
}}

{{Ambox
| text = <div>
Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read [[How to deal with the simulation assignment|How to deal with the simulation assignment]].
</div>
}}

{{Ambox
| text = <div>
Topics on gambling, cards, etc. are not welcome.
</div>
}}

{{Ambox
| type = content
| text = <div>
In order to avoid possible confusion, please, check if you have added '''approved''' in bold somewhere in our comment under your submission. If there is no '''approved''', it means the assignment was not approved yet.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulace: Bakterie na rukou ==

=== Popis problému ===
Bakterie, stejně jako jiné mikroorganismy, jsou přítomny kolem nás a končí pak i na našich rukou. Některé mohou být pro člověka zdrojem infekcí. Je proto důležité dbát na řádnou hygienu a umývat si ruce pečlivě.

=== Cíl simulace ===
Cílem bude simulovat množství bakterií (od virů, prvoků apod. abstrahuji pro zjednodušení) na povorchu lidské ruky (abstrahuji od rozdílu mezi dominantní a nedominantní) za běžného dne a jaký na něj vliv má četnost a kvalita mytí rukou.

=== Použití simulace ===
* Edukativní – názorná ukázka např. dětem
* Simulace účinku mycích prostředků

=== Použitá metoda a prostředí ===
Simulace v NetLogo. Bakterie budou existovat na povrchu ruky (respektive dlaně). S postupem času vznikají události navyšující počet bakterií (např. použití wc – bude záviset na dostupnosti dat). Události mytí rukou jejich počet naopak sníži – míra závisí na použitém přípravku (např. pouze voda, mýdlo, 70% ethanol) a kvalitě (pečlivosti) mytí. Mokré ruce na sebe nachytávají více bakterií.

Je možné, že simulace bude "interaktivní" v tom smyslu, že uživatel simulace bude mít možnost spouštět (nebo nespouštět) jednotlivé události které zvyšují počet bakterií a události mytí rukou. Tuto verzi osobně preferuji (interaktivní materiály zpravidla naučí více), nicméně ve výsledku bude záviset na možnostech NetLoga a mé schopnosti s kódem.

=== Proměnné ===
Definované předem:
* Bakterie – pobývají na povrchu ruky
* Účinnost přípravku – jak účinně (%) přípravek redukuje počet bakterií
* Typ člověka – jak čistotný majitel ruky je –> jak kvalitně si myje ruce a jestli jsou suché (T/F)

Náhodné:
* Rozmístění bakterií.
* Příbytek bakterií (počet v rámci daného rozmezí)

=== Data ===
* https://www.ccmhhealth.com/clean-hands-count/
* https://www.cdc.gov/clean-hands/data-research/facts-stats/index.html
* https://www.idnes.cz/onadnes/zdravi/co-zije-na-vasich-dlanich.A081110_123959_zdravi_bad
* další – najít data s konkrétnímy čísly zabere více času než mám aktuálně k dispozici.
Věřím však, že to bude možné. Případně přizpůsobím nějaké proměnné nalezeným datům (např. pokud mi kvalitní data umožní přidat proměnné nebo nějaké nahradit), aby práce byla podložena daty.

=== Simulant ===
[[User:Jana19|Jana19]] ([[User talk:Jana19|talk]]) 21:57, 12 May 2025 (CET)

== Simulace: Chování zákazníků v supermarketu/večerce ==

=== Popis problému ===
Supermarkety čelí výzvám při optimalizaci rozložení regálů a organizace prostoru, aby maximalizovaly zisk a zkrátily dobu nákupu tak, aby se prostory nepřeplnily. Zákazníci mají různá nákupní chování, přičemž někteří nakupují plánovaně, jiní se rozhodují impulzivně nebo reagují na nabídky slev. Tyto faktory spolu s hustotou zákazníků, pozicemi zboží a frontami mohou mít zásadní vliv na efektivitu nákupního procesu.

=== Cíl simulace ===
Cílem simulace je zjistit, jak správné rozmístění regálů napomůže efektivitě supermarketu/večerky. Toho by mělo být dosaženo zakomponováním různých faktorů, které chod ovlivňují, jako je rozložení zboží, počet zákazníků a jejich chování, slevy, Délku pobytu v obchodě, Zatížení jednotlivých uliček a zón, Pravděpodobnost nákupu akčního zboží, Fronty u pokladen....

Simulace by měla pomoci v návrhu efektivního rozmístění a optimalizaci nákupního procesu.

=== Použití simulace ===
Kdo může simulaci použít?
* Marketingová oddělení
* večerky
* supermarkety
* Designeři obchodních prostorů

=== Použitá metoda a prostředí ===
Simulace bude vytvořena v NetLogo, které umožní modelovat prostor supermarketu, pohyb zákazníků a jejich chování. Každý zákazník, zboží, sleva je považován za agenta, který interaguje s prostředím (supermarketem) a dalšími agenty (ostatními zákazníky). Model bude simulovat různé množství zákazníků, rozmístění zboží, slevy.

=== Proměnné ===
Definované předem:

* Rozložení obchodu: Počet regálů, uliček,...
* Průměrná doba strávená na pokladně
* Kapacita pokladen
* Počet zón v obchodě: Zóny jako ovoce, zelenina, pečivo, nápoje,...
* Typy zboží v prodeji
* Typ slevové akce

Náhodné:
* Typ zákazníka - plánovaný nákup, impulzivní nákup, procházející,...
* Doba rozhodování o nákupu - např. plánovaný 5-10sec, impulzivní - x sec,...
* Rychlost pohybu zákazníka
* Počet zákazníků v obchodě
* Umístění zboží ve slevě - v simulaci bych mohl ozkoušet i druhou verzi kdy bude umístění vždy stejné.

=== Data ===

* Prostředí supermarketu [https://www.zboziaprodej.cz/2023/04/04/jak-ovlivnuje-zakazniky-prostredi-ve-kterem-nakupuji/]
* Grocery layout [https://www.wavegrocery.com/blogpost/use-your-grocery-store-layout-to-boost-sales?]
* Kapacita/rychlost pokladen [https://www.millsshelving.com.au/how-to-create-an-inviting-retail-store-layout/]
* Layout [https://planohero.com/en/blog/grocery-store-layout-strategy/]
* How to Create an Inviting Retail Store Layout [https://www.millsshelving.com.au/how-to-create-an-inviting-retail-store-layout/?]
* How Understanding Your Grocery Store’s Layout Can Save You Money [https://www.goodrx.com/well-being/diet-nutrition/grocery-store-layout?]
* Typy zákazníků [https://strate9y.com/analyza-zakazniku-tajemstvi-uspechu-podnikani/?]
* Rozložení prodejen v Čr

=== Simulant ===
[[User:Kubd06|Kubánek David (kubd06)]] ([[User talk:Kubd06|talk]]) 22:00, 12 May 2025 (CET)

== Simulace: Dynamika technického dluhu v softwarovém vývoji ==

=== Popis problému ===
Technický dluh v softwarovém vývoji vzniká, je a taky i bude. Jedním z důvodu vzniku je tlak na rychlost dodání, zvolení suboptimálního řešení nebo zkratky pro usnadnění práce. Tento dluh se hromadí v kódové bázi a systému a chová se podobně jako finanční dluh – s "úroky" v podobě zvýšeného úsilí na budoucí údržbu, opravy chyb ale i implementaci nových funkcí. Akumulovaný dluh tak postupně zpomaluje vývojový tým, snižuje agilitu projektu a zvyšuje celkové dlouhodobé náklady pro celou firmu.

=== Cíl simulace ===
Simulace si dává za úkol namodelovat dynamiku akumulace dluhu a jeho splácení v čase. Jaký ma vliv na produktivitu. Ale hlavně jaké různé strategie řízení dluhu jsou dlouhodobě nejefektivnejší (např. konstatní alokace času na refaktoring vs. reaktivní přístup).

=== Použití simulace ===
* Jako podpora při rozhodování projektových manažerů o prioritách (rychlost vs. kvalita).
* Může pomoci stakeholderům pochopit náklady a přínosy investic do kvality kódu (argumenty pro CIO).
* Pro strategické plánování v IT organizacích týkající se údržby a rozvoje systémů.

=== Použitá metoda a prostředí ===
* Simulace využívá metodu systémové dynamiky (System Dynamics).
* Bude použit program Vensim.

=== Proměnné ===
Definované předem:
* Počáteční úroveň technického dluhu.
* Počáteční rozsah backlogu (nesplněných požadavků).
* Velikost týmu.
* Základní produktivita týmu (bez vlivu dluhu).
* Míra alokace času na refaktoring (strategické rozhodnutí).

Náhodné:
* Tempo příchodu nových požadavků do backlogu.
* Efektivita refaktorovacích snah (malé fluktuace).
* Výskyt neočekávaných problémů vedoucích k tvorbě dluhu (např. kritické chyby).

Popřípadě další.

=== Data ===
* Produkční data budou ťežko získatelné, proto využijeme kombinaci odhadu expertů z praxe a odbornou literaturu.

* GUPTA, Kartik, 2025. Measuring the Impact of Technical Debt on Development Effort in Software Projects. arXiv [online]. [cit. 2025-05-12]. Dostupné z: https://arxiv.org/abs/2502.16277
* YLI-HUUMO, Jesse, Andrey MAGLYAS a Kari SMOLANDER, 2016. How do software development teams manage technical debt? – An empirical study. Dostupné z: doi:https://doi.org/10.1016/j.jss.2016.05.018
* TOM, Edith, Aybüke AURUM a Richard VIDGEN, 2013. An exploration of technical debt. Journal of Systems and Software. 86(6), 1498–1516. Dostupné z: doi:https://doi.org/10.1016/j.jss.2012.12.052
* HOLVITIE, Johannes, Sherlock A. LICORISH, Rodrigo O. SPÍNOLA, Sami HYRYNSALMI, Stephen G. MACDONELL, Thiago S. MENDES, Jim BUCHAN a Ville LEPPÄNEN, 2018. Technical debt and agile software development practices and processes: An industry practitioner survey. Information and Software Technology. 96, 141–160. Dostupné z: doi:https://doi.org/10.1016/j.infsof.2017.11.015

=== Simulant ===
[[User:Hrus07|Hrus07]] ([[User talk:Hrus07|talk]]) 22:19, 12 May 2025 (CET)

== Simulace: Útoky medvědů ==

=== Popis problému ===
Na Slovensku se vyskytuje velké množství medvědů, kteří ohrožují tamní obyvatele a turisty. Útoky jsou momentálně velmi časté a přibývají. Slovenská vláda schválila návrh na odstřel cca 350 jedinců. Zároveň se jedná o chráněný druh, tudíž počty by neměly být redukovány ve velké míře, ne-li vůbec.

=== Cíl simulace ===
Cílem bude simulovat ideální počet medvědů, aby se minimalizoval počet útoků medvěda a potřeba redukovat počet medvědů.

=== Použití simulace ===
* Např. pro plánování odstřelu medvědů, aby druh nebyl příliš ohrožen.
* Simulace chování medvědů v přírodě.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenti budou medvědi, turisti a lovci. V prostředí se populace medvědů bude přirozeně zvyšovat. Turisté mají šanci na útěk. Lovci budou reagovat na incidenty medvědů s turisty.

=== Proměnné ===
Definované předem:
* Medvědi – pohybují se po krajině, hledají potravu a případně útočí na turisty
* Lovci – redukují počty medvědů na základě útoků a ohrožení turistů.
* Turisti – objevují tamní krajinu a lesy. Reagují na přítomnost medvědů.

Náhodné:
* Rozmístění medvědů, lovců a turistů.
* Rozmístění vegetace, lesů.

=== Data ===
* Slovenská vláda schválila odstřel medvědů [https://www.irozhlas.cz/zpravy-svet/nemuzeme-zit-v-zemi-kde-se-lide-boji-chodit-do-lesa-slovenska-vlada-schvalila_2504021255_mst]
* Medvěd hnědý - biotop a teritorium [https://www.selmy.cz/medved/biotop-a-teritorium/]
* Medvěd na Slovensku [https://sita.sk/nasvidiek/kolko-medvedov-zije-na-slovensku-studia-ukazala-cisla-a-najviac-ich-je-na-polane/?utm_source=chatgpt.com]

=== Simulant ===
[[User:Vlcj07|Vlcj07]] ([[User talk:Vlcj07|talk]]) 19:43, 12 May 2025 (CET)

== Simulace: Přemnožení divokých prasat ==

=== Popis problému ===
Divoká prasata jsou v České republice přemnožená – na našem území jich je v současnoti 100krát více, než je únosné. Přemnožení je zapříčeněno několika faktory. Prvním je způsob rozmnožování divokých prasat. Bachyně mívají dva vrhy ročně, přičemž v každém vrhu se vyskytuje průměrně 4-12 selat. Při přebytku potravy tak populace divokých prasat prudce roste. Druhý faktor, který zapříčiňuje přemnožení prasat, je absence přirozených predátorů těchto zvířat na našem území. Kontrolu populace pak musejí provádět myslivci, nicméně odtřel je v současné době nedostatečný.

Přemnožená prasata mají negativní dopad na vegetaci svého okolí. Jedná se například o rostlinu bleduli letní, která se v České republice řadí mezi zvláště chráněné druhy rostlin.

=== Cíl simulace ===
Cílem simulace bude simulovat ideální míru odstřelu divokých prasat, aby nedošlo ke zničení vzácné vegetace (jako je například bledule letní). V simulaci bude zobrazena součinnost několika faktorů (růst prasečí populace v závislosti na přítomnosti potravy, množství střelců nutných pro udržení populace na uzdě apod.).

=== Použití simulace ===
Kdo může simulaci použít?
* Myslivci pro informovanější plánování odstřelu prasat.
* Lesní správa, farmářský a zahradnický průmysl apod. – všechna tato odvětví jsou negativně ovlivněná přemnoženou prasečí populací.
* Simulace může problematiku přiblížit i širší veřejnosti, která tak bude lépe schopná seznat její závažnost.

=== Použitá metoda a prostředí ===
Prostředím multiagentní simulace bude NetLogo. Agenti budou divoká prasata, myslivci a vzácná vegetace. Prasata se budou množit rychlostí závislou na množství vegetace. Model bude simulovat různé počty myslivců a různé strategie střelby. Množství vegetace bude závislé na velikosti prasečí populace.

=== Proměnné ===
Definované předem:
* Rychlost množení a „žravost“ divokých prasat.
* Rychlost obnovy vegetace.
* Počet myslivců a strategie a způsob jejich odstřelování prasat.

Náhodné:
* Počáteční populace prasat (v určitém rozmezí).
* Počáteční množství vegetace (opět v určitém rozmezí).
* Rozmístění prasat.
* Rozmístění myslivců.
* Rozmístění vegetace.

=== Data ===
* Prasata devastují vzácnou zeleň. [https://benesovsky.denik.cz/zpravy_region/premnozena-prasata-pustosi-benesovsko-mizi-bledule-i-orchideje-20250318.html]
* Způsob rozmnožování divokých prasat. [https://www.hubeni-skudcu.cz/blog/prase-divoke/]
* Policejní odstřel divokých prasat. [https://www.idnes.cz/liberec/zpravy/odstrel-divocaku-praseci-mor-liberec-jablonec-myslivci-policie.A241212_140610_liberec-zpravy_cink]
* Prase divoké – základní informace. [https://www.kdelovit.cz/cz/lovna-zver/srstnata/prase-divoke]
* Životní cyklus divokých prasat. [https://cit.vfu.cz/pohoda/zivotni_cyklus.pdf]
* Lov divokého prasete. [https://huntasticzech.cz/zvire/prase-divoke/]

=== Simulant ===
[[User:Kalp08|Petr Kalina (kalp08)]] ([[User talk:Kalp08|talk]]) 13:52, 12 May 2025 (CET)

== Simulace: Šíření dezinformací na sociálních sítích ==

=== Popis problému ===
Simulace modeluje šíření dezinformace mezi uživateli sociální sítě. V dnešním digitálním prostoru jsou informace často sdíleny bez jejich ověřování, což přispívá k rychlému rozšiřování nepravdivých nebo manipulativních zpráv. Sociální sítě jsou hlavním kanálem pro šíření jak pravdivých, tak nepravdivých informací. Model zkoumá, jak rychle a do jaké míry se dezinformace rozšíří napříč sítí uživatelů, kteří jsou mezi sebou propojeni pomocí přátelství nebo sledujících. Ovlivňujícími faktory jsou zejména míra ochoty sdílet, schopnost rozpoznat nepravdivý obsah, struktura sítě (např. počet spojení) a chování jednotlivců. Cílem je porozumět tomu, jaké strategie mohou šíření zpomalit či omezit a jak síťová struktura ovlivňuje zranitelnost vůči dezinformacím.

=== Cíl simulace ===
Cílem simulace je odpovědět na otázku: jak ovlivňuje struktura sociální sítě, chování jednotlivých uživatelů a míra kritického myšlení rychlost a rozsah šíření dezinformací? Simulace umožní identifikovat klíčové parametry, které mohou buď přispět k virálnímu šíření, nebo ho potlačit. Výsledkem může být doporučení k edukaci uživatelů nebo návrh algoritmických opatření pro omezení dosahu problematického obsahu.

=== Použití simulace ===
Simulace má možné využití:
* Jako didaktický nástroj pro výuku mediální a digitální gramotnosti nebo informační bezpečnost
* Pro využití v akademickém výzkumu zabývajícím se šířením obsahu v online prostředí, včetně fake news a konspiračních teorií.

Výsledky mohou posloužit i jako argument pro zavedení preventivních opatření na sociálních platformách.

=== Použitá metoda a prostředí ===
Simulace je vytvořena v prostředí NetLogo. Agenti představují uživatele sociální sítě a jsou propojeni do komunikační struktury (vztahy: „sleduje“, „přátelí se“). Dezinformace se šíří po těchto spojeních. V modelu existují pravidla pro šíření dezinformace a rozhodování agentů. To znamená, že každý agent má určitou pravděpodobnost sdílení, může si informaci ověřit a tím ji zablokovat, nebo ji předat dál.

=== Proměnné ===
'''Definované předem:'''
• počet uživatelů v síti
• typ sociální sítě/síťové struktury (náhodná síť, small-world, scale-free)
• průměrný počet spojení na agenta = síťová hustota
• počet původních šiřitelů dezinformace
• pravděpodobnost sdílení dezinformace (bez ověření)
• pravděpodobnost ověření zprávy a zamezení jejího šíření
'''Náhodné:'''
• rozložení spojení v síti
• výběr původních šiřitelů
• pořadí interakcí mezi agenty (směr šíření, kdo ovlivní koho)
• individuální rozhodnutí každého agenta (na základě pravděpodobností)
• výsledný rozsah šíření (liší se běh od běhu i při stejných nastaveních)

=== Data ===
* Výzkumy behaviorální ekonomie a mediální gramotnosti – např. [https://mediaeducation.ucoz.ru/_ld/0/83_Fedorov-A-2007-.pdf JIRÁK, Jan; WOOLÁK, Radim Woolák Radim. Mediální gramotnost. Praha: Radioservis, 2009.]
* Analýzy šíření fake news – např. Vosoughi, Roy, Aral (2018) – „The spread of true and false news online“, Science 359(6380), 1146–1151. [https://ide.mit.edu/wp-content/uploads/2018/12/2017-IDE-Research-Brief-False-News.pdf „The spread of true and false news online“]
* Odhady pravděpodobností a struktury sítě vycházejí z běžného chování uživatelů na sociálních sítích
* Výzkumné zprávy o algoritmech šíření obsahu na platformách jako Facebook, Instagram, nebo TikTok

=== Simulant ===
[[User:macn04|macn04]] ([[User talk:macn04|talk]]) 14:30, 12 May 2025 (CET)

== Simulace: Evakuace šelem v pražské ZOO v případě povodně ==

=== Popis problému ===
Pražská zoologická zahrada se nachází v záplavovém území a v minulosti byla při povodních (např. v roce 2002 a 2013) vážně zasažena. Evakuace zvířat, zejména velkých a nebezpečných šelem, představuje logisticky i bezpečnostně náročný úkol. Zvířata musí být přepravena v co nejkratším čase, bezpečně a s minimálním stresem, zároveň je nutné chránit zaměstnance a návštěvníky. Simulace se zaměřuje na proces evakuace pavilonu šelem při náhlém zvýšení hladiny Vltavy. Výsledky mohou pomoci vedení ZOO lépe se připravit na mimořádné události.

=== Cíl simulace ===
Simulace se bude věnovat otázce: Jak rychle a efektivně lze evakuovat šelmy z ohroženého pavilonu v případě povodně?
Výsledkem bude návrh optimální evakuační strategie v závislosti na různých faktorech (např. počet ošetřovatelů, kooperace zvířat, čas do zaplavení, atd.). Některá zvířata jsou více nebezpečná jiná jsou klidná.

=== Použití simulace ===
Simulace může sloužit:
*Zaměstnancům ZOO, kteří se chtějí připravit na krizové situace
*Studentům, kteří se učí o ochraně zvířat nebo krizovém řízení
*Veřejnosti, která si chce udělat představu, jak taková situace vypadá a proč je důležitá příprava

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo, kde agenti budou zvířata, zaměstnanci (ošetřovatelé) a povodeň. Zvířata mají různé chování, velikost, agresivitu. Ošetřovatelé jsou zkušení, ale i nováčci a je jich různý počet na směnách. Povodeň může mít různé rychlosti. Prostředím je pavilon šelem v pražské ZOO. V pavilonu jsou jednotlivé expozice podle druhu zvířete. V případě, kdy hrozí evakuace jsou všechna zvířata uvnitř pavilonu.

V případě evakuace přijdou chovatelé a evakuují zvířata. Některá musí uspat, jiná ne. Zvířata přesouvají do klecí nebo boxů a převážejí pryč cestou podle zatopení. U každého zvířete je dohledatelný

=== Proměnné ===
Definované předem:
* Počet zvířat v pavilonu, jejich velikost a druhy
* Počet evakuačních cest
* Rychlost záplav (kolik času je na evakuaci)
* Počet ošetřovatelů a jejich zkušenosti (můžou být zkušení nebo nováčci, nováčci jsou pomalejší a mají vyšší pravděpodobnost minout uspávací šipkou)

Náhodné:
* kooperace zvířete (může být klidné nebo agresivní)
* rozmístění ošetřovatelů
* minutí uspávací šipkou
* rozbitá klec

=== Data ===
* výroční zprávy ZOO Praha [https://www.zoopraha.cz/vse-o-zoo/vyrocni-zpravy]
* mapa ZOO Praha (obrázková) [https://www.zoopraha.cz/navsteva/30-mapa-zoo-praha]
* mapa ZOO Praha [https://g.co/kgs/aXs5ceF]
* přiklad info o zvířeti ZOO Praha [https://www.zoopraha.cz/aktualne/pohledem-reditele/14972-jak-se-v-zoo-praha-chystame-na-povodne]
* převoz tygrů [https://www.jamescargo.com/blog/tiger-transport.php?utm_source=chatgpt.com]
* CITES transport guidelines [https://cites.org/eng/resources/transport/advice.shtml?utm_source=chatgpt.com]

=== Simulant ===
Veronika Smrčková
[[User:smrv03|smrv03]] ([[User talk:smrv03|talk]]) 11:36, 12 May 2025 (CET)

== Simulace: Strategie hráčů ve hře v kostky dle pravidel hry Farkle ==

=== Popis problému ===
Cílem simulace je analyzovat a porovnat různé herní strategie ve hře Farkle (hazardní kostková hra). Dva hráči si během hry střídavě hází kostkami a snaží se získat co nejvíce bodů pomocí specifických kombinací (např. trojic, postupky, šest stejných hodnot apod.). Hráči však musí v každém tahu rozhodnout, zda pokračovat v házení (s rizikem ztráty aktuálního skóre) nebo se zastavit a body si uložit.

Každý hráč je reprezentován jako „persona“ s předdefinovanou strategií rozhodování – od konzervativního po extrémně rizikového přístupu. Tyto odlišné styly chování významně ovlivňují průběh hry, četnost výher i riziko prohry kvůli přehnané hamižnosti.

=== Cíl simulace ===
Cílem simulace je zjistit, jaké herní strategie (persony) jsou nejefektivnější v dosažení výhry ve hře Farkle. Zároveň zohledňuje spravedlnost (oba hráči mají stejný počet tahů) a umožňuje porovnávat strategie mezi sebou při opakovaném hraní stovek her. Výstupem je srovnání úspěšnosti jednotlivých přístupů a doporučení vhodné herní taktiky.

=== Použití simulace ===
Simulace může sloužit:
* jako model rozhodování v nejistém prostředí,
* jako prostředek pro výuku agentového modelování (např. střední školy, informatika, psychologie rozhodování),
* pro zábavné testování, která strategie by přinesla nejvíc výher v reálné hře Farkle,
* jako výchozí kostra pro složitější modely s učením, adaptivními hráči nebo evoluční optimalizací strategie,
* a v neposlední řadě, jako "engine" na testování person pro mou diplomovou práci.

=== Použitá metoda a prostředí ===
Simulace je implementována v prostředí NetLogo jako dvouagentní tahový model. Hráči se střídají v házení 6 kostek, získávají body za kombinace podle pravidel Farkle (např. trojice, čtveřice, pětice, šestice, postupky) a rozhodují se, zda budou pokračovat v tahu.

Model zahrnuje:
* různé herní strategie („persony“) – definované jako rozhodovací pravidla podle skóre, zbývajících kostek nebo náhodného faktoru,
* počítání statistik (výhry, tahy, FARKLE chyby),
* zajištění férovosti – druhý hráč má vždy možnost dokončit poslední tah, pokud první dosáhne vítězného skóre,
* export výsledků a vykreslení průběhu skóre do grafu (a jiné statistické ukazetele).

=== Proměnné ===
Definované předem:
* Cílové skóre pro výhru (např. 10 000)
* Počet simulovaných her (např. 100 až 1000)
* Herní strategie pro oba hráče:
* conservative – ukládá body při ≥400
* risky – ukládá body při ≥700
* greedy – ukládá body při ≥1000
* cautious – hraje opatrně (≥300 nebo málo kostek)
* random – rozhoduje se náhodně
* risk-averse – hraje opatrně jen pokud vede o >2000 bodů, jinak jako conservative
* point-maximizer – pokračuje, dokud nedostane HOT DICE
* combo-hunter – pokračuje po silných kombinacích (postupky, trojice a víc)

Náhodné:
* Hod šesti kostkami (1–6)
* Kombinace, které hráči získají (např. 3 stejné, postupka 1–6 atd.)
* Výsledek rozhodnutí pokračovat/zastavit u náhodné strategie

Možná rozšíření simulace:
* Evoluční vývoj nových strategií (např. pomocí genetického algoritmu)
* Paměť hráčů – učení na základě předchozích neúspěchů
* Reakce na strategii soupeře (adaptivní persona)

=== Data ===
* [https://farkle.games/official-rules/] - oficiální pravidla hry Farkle
* [http://incompleteideas.net/book/the-book-2nd.html] - popis chování osob v pod tlakem a při riskování (persony)
* [https://mud.co.uk/richard/hcds.htm] - rozdělení person a chování v různých karetních a jiných hrách
* [http://incompleteideas.net/book/the-book-2nd.html] - o strategiích rozhodování, výběru akcí, riziku a odměnách

=== Simulant ===
Jan Hlavnička
[[User:hlaj13|hlaj13]] ([[User talk:hlaj13|talk]]) 13:58, 8 May 2025 (CET)

== Simulace: Simulace tučňáků hledajících lásku na ledové kře 🐧❤️ ==

=== Popis problému ===
Cílem simulace je modelovat chování tučňáků během námluv na ledové kře. Tučňáci musí najít vhodného partnera pro hnízdění, přičemž čelí různým vnějším vlivům – nestabilnímu prostředí (praskající led), konkurenci ostatních tučňáků a hrozbě predátorů (např. lachtani).

Každý tučňák má specifické nastavení chování – někteří jsou spíše plachého typu, jiní jsou odvážní a aktivně oslovují potenciální partnery. Odlišný přístup k seznamování ovlivňuje jejich šanci na úspěšné spárování a přežití do hnízdní sezóny.

=== Cíl simulace ===
Simulace se zaměří na otázku: Jaký „balící styl“ (strategie chování) vede k nejvyšší šanci na nalezení partnera a založení hnízda, a jak tuto šanci ovlivňuje prostředí a přítomnost rizik? Výsledkem bude doporučení nejefektivnějších „láskových taktik“ v závislosti na kontextu (bezpečné vs. nebezpečné prostředí).

=== Použití simulace ===
Simulace může sloužit:
* jako model sociální interakce v zábavné formě,
* jako edukativní nástroj pro představení agentového modelování (např. na středních školách),
* nebo jako metaforické přiblížení seznamovacích strategií ve složitém prostředí.

=== Použitá metoda a prostředí ===
Simulace bude vytvořena v prostředí NetLogo jako multiagentní model, kde každý agent (tučňák) bude reprezentovat jiný typ chování. Prostředí bude ledová kra se zónami různé stability a výskytu predátorů.

Tučňáci budou interagovat podle jednoduchých pravidel: přiblíží se k partnerovi, pokusí se o námluvy (s pravděpodobností úspěchu ovlivněnou vlastnostmi obou), a pak spolu odcházejí hnízdit (zmizí ze scény). Mohou být také ohroženi prasknutím kry nebo útokem predátora.

=== Proměnné ===
Definované předem:
* Počet tučňáků (např. 50–100)
* Stabilita ledu (pravděpodobnost prasknutí při stání na místě)
* Výskyt predátorů (pravděpodobnost útoku při pohybu)
* Rychlost pohybu a reakce

Typ chování:
* Plachý – čeká, až ho někdo osloví
* Odvážný – aktivně balí ostatní
* Kombinovaný – střídá strategie

Náhodné:
* Rozmístění tučňáků
* Výběr preferovaného partnera (náhodně nebo podle vlastností)
* Výsledek námluv (pravděpodobnost úspěchu podle kompatibility + typu chování)
* Prasknutí ledové kry
* Útok predátora

Možná rozšíření simulace:
* Přidání „charakterových“ rysů (krása peří, zpěv, taneční dovednosti)
* Učení – tučňák se poučí z neúspěchu a změní taktiku
* Sezónnost – časový limit na nalezení partnera (jinak simulace končí smutným singl koncem)

=== Data ===
* [https://www.reuters.com/business/environment/emperor-penguins-suffered-mass-breeding-failures-2023-amid-record-low-sea-ice-2024-04-25/ Stabilita mořského ledu a úspěšnost hnízdění
* [https://www.birdsnz.org.nz/wp-content/uploads/2021/12/Rowe_67_etal_451_459.pdf Úspěšnost hnízdění u tučňáků malých
* [https://www.selwomarina.es/en/blog/por-que-pinguinos-regalan-piedras-hembra?utm_.com Selwo Marina Benalmadena] – Článek věnující se námluvám a párování, kde popisují darování kamínků jako součást námluv
* BBC Earth, National Geographic, Attenboroughovy dokumenty – často dobře vysvětlují typy chování, interakce a přežívání. Např. March of the Penguins

=== Simulant ===
Zuzana Plachá
[[User:plaz03|plaz03]] ([[User talk:plaz03|talk]]) 20:20, 7 May 2025 (CET)

== Simulace: Simulace vojenské patroly a střetu s nepřítelem ==

=== Popis problému ===
Simulace se zabývá chováním malé vojenské jednotky (patroly), která operuje v nepřátelském teritoriu. Cílem patroly je bezpečný průchod zadanou trasou. V oblasti se ovšem mohou nacházet nepřátelské síly, které mají za úkol patrolu odhalit a zlikvidovat. Průběh mise ovlivňuje několik proměnných – velikost jednotky, dosah vidění, typ terénu, schopnost včasné reakce a počet a rozmístění nepřátel. Výsledky simulace umožní analyzovat účinnost různých taktik a rozhodovacích pravidel, které jednotka může použít při plnění mise. Zároveň mohou sloužit jako podpůrný nástroj při plánování operací nebo jako tréninková pomůcka pro rozhodování armády v rizikových situacích.

=== Cíl simulace ===
Simulace se bude věnovat zodpovězení otázky: jak různé faktory (velikost jednotky, rozmístění nepřátel, strategie pohybu) ovlivňují úspěšnost vojenské patroly při průchodu nebezpečným územím? Cílem je nalézt parametry a strategie, které vedou k nejvyšší pravděpodobnosti úspěšného dokončení mise bez ztrát. Výsledkem bude doporučení efektivních taktických rozhodnutí pro minimalizaci rizika při podobných operacích.

=== Použití simulace ===
Simulaci by mohli využít velitelé malých jednotek nebo vojenská akademie pro testování taktik v simulovaných prostředích. Model by jim dokázal vyhodnotit, jak různé strategie a složení jednotky ovlivňují šanci na úspěšné dokončení mise bez ztrát.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenti v modelu budou reprezentovat členy vojenské patroly a nepřátelské jednotky. Prostředí bude představovat mapu oblasti s různými typy terénu - otevřený terén, les, kryt apod.

=== Proměnné ===
Definované předem:
* Počet vojáků v patrole
* Počet nepřátel
* Typ terénu (např. podíl lesů, volného prostoru)
* Trasa patroly (předem definovaná nebo generovaná)
* Dosah vidění vojáků i nepřátel
* Pravidla reakce na kontakt (útěk, útok, přivolání podpory)
Pravděpodobnosti střetu a úspěchu jsou založeny na odhadech inspirovaných vojenskými taktickými příručkami a popisech reálných situací v článcích A-Report.

Náhodné:
* Rozmístění nepřátel v terénu
* Zpozorování nepřítele (pravděpodobnost, že jednotka zahlédne protivníka)
* Výsledek střetu (založen na pravděpodobnosti úspěchu v boji)
* Chování nepřítele (např. zda se ukryje nebo přepadne)

=== Data ===
* [https://mocr.mo.gov.cz/assets/informacni-servis/povinne-informace/1-uredni-deska/zakon-106/odp/priloha-c--1-1_25.pdf Základní řád ozbrojených sil České republiky] – řád armády ČR
* [https://mocr.mo.gov.cz/assets/multimedia-a-knihovna/casopisy/a-report/ar9_2018.pdf Časopis A-Report Útoku se nedalo zabránit] – Úryvek ze článku věnovaný osudové chybě v boji na Balkáně
* [https://mocr.mo.gov.cz/assets/multimedia-a-knihovna/casopisy/a-report/ar10_2019.pdf Časopis A-Report Pod ostrou palbou] – Úryvek ze článku popisující možnost simulací ve vojenském prostředí
* Vlastní odhady založené na realistických parametrech (např. efektivní dostřel, rychlost pohybu v terénu)

=== Simulant ===
Alexandr Sekera
[[User:seka01|seka01]] ([[User talk:seka01|talk]]) 15:33, 7 May 2025 (CET)

== Simulace: Kontrola jízdenek v MHD ==
=== Popis problému ===
Simulace se zabývá procesem kontrol jízdenek ve veřejné dopravě (např. v systému MHD v Praze). Veřejná doprava je financována částečně z příjmů z jízdného. Cestování "načerno" představuje pro dopravní podnik zdroj ztrát. Proto revizoři od podniku provádějí kontroly platnosti jízdních dokladů. Z toho vyplývá otázka, jak často a jakým způsobem mají být dané kontroly prováděny, aby byly efektivní a ekonomicky dávaly smysl. Výsledky simulace umožní řízení MHD optimalizovat frekvenci kontrol, počet revizorů a tím zvýšit celkovou efektivitu inspekcí.

=== Cíl simulace ===
Simulace se bude věnovat zodpovězení otázky: jak ovlivňuje četnost kontrol objem vybraných pokut ve veřejné dopravě? Výsledkem bude doporučení efektivních inspekčních strategií pro maximalizaci vybraných pokut. Simulace také ukáže, kolik revizorů je potřeba pro dosažení požadované míry kontroly.

=== Použitá metoda a prostředí ===
Multiagentní simulace v Netlogo. Agenti v modelu budou reprezentovat pasažéry a revizory.

=== Proměnné ===
Definované předem:
* Počet cestujících (celkově)
* Počet revizorů
* Výše pokuty (standardní nebo menší za platbu okamžitě)
* Frekvence kontrol (počet provedených kontrol za minutu/hodinu)
* Kapacita vozidla (počet cestujících z celkového čísla, kteří jsou aktuálně v kontrolovaném prostoru)

Náhodné:
* Platnost jízdenky (zda jede pasažér "načerno")
* Zachycení černého pasažéra (zda je neplatnost jízdenky odhalena)
* Zaplacení pokuty (hned či později)

=== Data ===
[https://www.dpp.cz/jizdne/pokuty-revizori/vyse-prirazky DPP - pokuty a revizoři] - výše jednotlivých pokut

[https://www.dpp.cz/vozovy-park DPP - vozový park] - kapacity vozidel

[https://www.expats.cz/czech-news/article/prague-public-transport-inspectors-handed-out-250-000-fines-last-year Prague public transport inspectors handed out 250,000 fines last year] - počty kontrol, pasažérů a revizorů, celková výše pokut, zaplacení pokut

Míra cestování "načerno" pro Prahu není zveřejněna oficiálně. Pro odhad poměru černých pasažérů se lze inspirovat jinými státy ([https://theweek.com/transport/fare-dodging-londons-transport-blight UK], [https://www.trainsfare.eu/tackling-fare-evasion-in-bergamo-a-growing-challenge-for-atb-and-teb/ IT]).

=== Simulant ===
Vladislav Sanin
[[User:Sanv05|Sanv05]] ([[User talk:Sanv05|talk]]) 21:15, 6 May 2025 (CET)

== Simulace: Pavlovovo podmiňování v agentním modelu ==
=== Co budu simulovat ===
Simulace bude modelovat proces klasického (Pavlovova) podmiňování, kdy agent (představující psa) postupně spojuje neutrální podnět (zvonek) s přirozeným podnětem (jídlo). Výsledkem je, že agent začne reagovat podmíněnou reakcí (slinění) i v případě, že se později objeví pouze zvonek bez jídla.

=== Cíl simulace ===
Cílem simulace je analyzovat průběh učení podmíněné reakce a zjistit:
* kolik opakování je potřeba k vytvoření podmíněné reakce,
* jak stabilní tato reakce je v čase,
* jak rychle dochází k vyhasnutí reakce (extinkci) při absenci posílení,
* jak efektivní je opětovné učení (re-learning) po ztrátě reakce.

Obecně jde o pochopení mechanismů formování návyků a chování založeného na stimulaci a posilování.

=== Kdo by takovou simulaci mohl využít a jak by mu pomohla ===
Simulaci mohou využít například:
* psychologové zabývající se behaviorálním učením,
* učitelé při výuce základních principů behaviorismu,
* vývojáři agentních a AI modelů, kteří chtějí simulovat jednoduché učení nebo formování návyků.

Simulace jim umožní vizuálně a experimentálně sledovat proces klasického podmiňování a analyzovat vliv různých parametrů na průběh učení.

=== Použitá metoda a prostředí ===
* '''Metoda''': Agentní simulace využívající jednoduchý model chování se stavovým automatem. Agent mění svůj vnitřní stav v závislosti na podnětech a historii posilování.
* '''Prostředí''': NetLogo

=== Jaké proměnné budou v simulaci ===
* Počet pokusů o podmiňování
* Zpoždění mezi zvonkem a jídlem (časování podnětů)
* Frekvence posilování (např. 100 %, 75 %, 50 % případů s jídlem)
* Síla podmíněné reakce (vnitřní proměnná zvyšující se učením)
* Počet extinkčních pokusů (zvonek bez jídla)

=== Jaké proměnné budou náhodné ===
* Pravděpodobnost, zda po zvonku následuje jídlo (při částečném posilování)
* Malá náhodná odchylka v chování psa (např. reakční doba, úroveň slinění)

=== Na jakých datech budou proměnné založené ===
* Parametry vycházejí z publikovaných výsledků klasických experimentů Pavlova a dalších behaviorálních studií.
* Typické hodnoty časování a pravděpodobností pro různé typy posilování vychází z odborné literatury.
* Síla reakce bude modelována pomocí logistické funkce, která simuluje typickou křivku učení a vyhasínání reakce.
* [https://www.psychologywizard.net/uploads/2/6/6/4/26640833/pavlov_lecture_18.pdf Pavlov – Lecture 18 (Conditioned Reflexes, 1927)]
* [https://en.wikipedia.org/wiki/Classical_conditioning Wikipedia – Classical Conditioning]
* [https://www.simplypsychology.org/pavlov.html Simply Psychology – Pavlov’s Dogs]

=== Na jakých datech jsou založeny vzorce v simulaci (chování modelu) ===
Chování modelu bude založeno na Rescorla-Wagnerově modelu klasického podmiňování, který kvantifikuje změnu síly asociace mezi podmíněným podnětem a nepodmíněným podnětem během jednotlivých pokusů.
* [https://www.vcalc.com/wiki/rescorla-wagner-formula-alpha-and-beta-version vCalc – Rescorla-Wagner model (alpha and beta version)]
* [https://en.wikipedia.org/wiki/Rescorla%E2%80%93Wagner_model Wikipedia – Rescorla–Wagner model]

=== Simulant ===
[[User:Lans06|Lans06]] ([[User talk:Lans06|talk]]) 22:27, 6 May 2025 (CET)

== Simulace: Bitva u Azincourtu v roce 1415 (Anglie vs Francie během Stoleté války) ==

=== Popis problému ===
V roce 1415 stála Anglie v čele se svým králem Jindřichem V. proti silám Francie, které měly velmi drtivou převahu (Anglie cca 8500 a Francie cca 15 000). I přes tuto nevýhodu dokázala Anglie vyhrát s nepatrnými ztrátami. Dle historických pramenů to bylo především díky strategickému umístění anglického vojska v úzkém prostoru mezi stromy, kde nemohly francouzské jednotky přímo naběhnout a využít drtivou sílu svých počtů bojovníků - musely postavit více řad bojovníků za sebou a nemohly anglické jednotky obklopit.

=== Cíl simulace ===
Simulace se bude věnovat otázce: Měla by Francie šanci vyhrát bitvu, kdyby se bitva odehrávala na širokém prostranství narozdíl od úzkého prostoru? Nebo by stále Anglie dokázala vyhrát, kdyby přišla o výhodu okolí?

=== Použití simulace ===
Simulace může sloužit:
* historikům - náhled do historie, kdyby měla bitva jiný průběh
* Úvaha nad historickou událostí, která ovlivnila Stoletou válku

=== Cíl simulace ===
* dokázat, jak terén může ovlivnit průběh bitvy, pokud je stanovena správná strategie
* změní se průběh bitvy a dokáže Francie vyhrát?
* jak moc účinné je zbraň Long Bow (dlouhý luk) v otevřeném terénu?

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo, kde agenti budou jednotky Anglie (pěšáci, střelci s Long Bow) a Francie (pěšáci, kavalérie, střelci s Long Bow, střelci s kuší).

=== Proměnné v simulaci ===
Definované předem:
* počet a rozložení jednotek anglické armády
* počet a rozložení jednotek francouzské armády

Náhodné
* pohyb jednotek (každá jednotka má své reakce a možnosti pohybu)
* střelba z Long Bow - kolik zvládne vystřelit šípů za určitý čas

=== Data ===
* https://www.stoplusjednicka.cz/bitva-u-azincourtu-stret-ktery-rozhodl-nekonecnou-valku-mezi-anglii-francii
* https://zoom.iprima.cz/historie/bitva-u-azincourtu
* vlastní poznatky z rekonstrukcí bitev

=== Simulant ===
[[User:Bilk08|Bilk08]] ([[User talk:Bilk08|talk]]) 12:00, 12 May 2025 (CET)

== Simulace: Phishing na hybridním pracovišti ==

=== Popis problému ===
Práce bude zkoumat roli hybridního (onsite & remote) pracoviště na pravděpodobnsot úspěšného phishing útoku.
Remote zaměstnanci méně komunikují, než jejich onsite kolegové, což snižuje pravděpodobnost, že o podezřelém emailu někomu řeknou nebo u stolu jen prohlásí "to je divný" nebo "taky jsi dostal tenhle trenink do zitra?".
Simulace bude uvažovat, že ne každý zaměstnanec má přístup ke kritickým systémům, jen někteří mohou způsobit firmě vážné škody, ale pokud se tak stane, následky jsou velké.

=== Cíl simulace ===
Simulace má za cíl zjistit, jaké budou škody s různými konfiguracemi onsite vs. remote zaměstnanců.

=== Kdo by takovou simulaci mohl využít a jak by mu pomohla ===
Jakákoli korporát/firma s kombinací onsite a remote zaměstnanců (populární po pandemii)

=== Použitá metoda a prostředí ===
*Metoda: Multi-agentní simulace
*Prostředí: NetLogo

=== Jaké proměnné budou v simulaci ===
*Deterministické:
**Socializace (např. oběd)
**Délka sprintu (ke konci sprintu klesá pozornost, roste zbrklost)
**Počet zaměstnanců s kritickými přístupy
**Počet onsite zaměstnanců
**Počet remote zamšstnanců
**Intervaly mezi interními phishing testy IT oddělení

*Náhodné:
**Četnost phishing útoků
**Základní pravděpodobnost naletění na phishing
**Pravděpodobnost naletění po školení (efekt se bude s časem od školení snižovat)
**Pravděpodobnost naletění po úspěšném útoku
**Remote & onsite pravděpodobnost komunikace (při odhalení phishingu)
**Ztráta způsobená úspěšným phishingovým útokem bez kritických přístupů
**Ztráta způsobená úspěšným phishingovým útokem s kritickými přístupy

=== Data ===
*Vědecké články (např. psychologické studie na efekt o interních phishing testech, jak zvyšuje pracovní nápor pravděpodobnost naletění)
*Phishingové statistiky (např. četnost, úspěšnost, severita)

=== Simulant ===
[[User:Lebm05|Lebm05]] ([[User talk:Lebm05|talk]]) 12:59, 12 May 2025 (CET)

== Simulace: Obsazenost akutních lůžek v českých nemocnicích ==

=== Popis problému ===
České nemocnice disponují v průměru 4,6 akutními lůžky na 1 000 obyvatel. Při průměrné ošetřovací době, která teď činí 5,5 dne, dochází k fluktuacím mezi novými přijetími pacientů, obsazeným počtem lůžek a propouštěním pacientů. Při obsazenosti vyšší než 85 %, kvalita péče klesá, prodlužují se čekací doby a zvyšuje se riziko komplikací a nozokomiálních infekcí.

Simulace bude odhadovat vývoj obsazenosti akutních lůžek v čase a vyhodnotí dopad různých intervencí (zkrácení průměrné ošetřovací doby, navýšení kapacity, řízení fronty).

Výsledky simulace ukážou, která opatření nejvíce snižují riziko dlouhodobé obsazenosti nad 85 %, kdy už dochází k prodlužování čekacích dob a nárůstu infekcí; také mohou sloužit jako podpora rozhodování o investicích a rozdělení rozpočtu.

=== Cíl simulace ===
Cílem simulace je zodpovědět na otázku, do jaké míry a jak rychle udržení obsazenosti pod 85 % ovlivní faktory jako:
* Snížení průměrné ošetřovací doby o 10 %
* Navýšení kapacity o 10 %
* Řízená fronta (prioritizace)
Ve všech scénářích budu sledovat průměrnou denní obsazenost lůžek, maximální délku fronty, a čas, za který obsazenost překročí nebo zůstane pod hranicí 85 %.

=== Použití simulace ===
Kdo může simulaci použít?
Simulace umožní vedení zdravotnických zařízení a manažérům identifikovat dlouhodobé rizikové body v lůžkové kapacitě a následně je mohou využít k optimalizaci strategických investic tak, aby udrželi kontinuitu péče a finanční udržitelnost i při demografických změnách či neočekávaných vlnách poptávky. Díky simulaci mohou předem ověřit dopad různých politik (např. zkrácení průměrné ošetřovací doby, rozšíření kapacity, prioritizace příjmu) a na základě toho nastavit robustní krizové plány a alokaci zdrojů.

=== Použitá metoda a prostředí ===
Pro tvorbu simulace využit přístup Systémové dynamiky a nástroj Vensim PLE.

=== Proměnné ===
* Počet obyvatel
* Počet hospitalizovaných pacientů (akutní lůžka)
* Počet nově hospitalizovaných pacientů
* Počet propuštěných pacientů
* Průměrná délka hospitalizace
* Míra propuštění
* Průměrné denní množství nových žádostí o hospitalizaci
* Míra hospitalizace
* Celkový počet akutních lůžek
* Míra navýšení kapacity při obsazenosti větší než 85 %
* Počet volných lůžek
* Obsazenost lůžek

=== Data ===
* Počet obyvatel v ČR. [https://vdb.czso.cz/vdbvo2/faces/cs/index.jsf?page=vystup-objekt&pvo=DEM13&z=T&f=TABULKA&skupId=3829&katalog=33155&pvo=DEM13&evo=v141_!_IK-CR-K_1&c=v3~8__RP2021]
* Zdravotní péče České republiky. [https://csu.gov.cz/zdravotni-pece#:~:text=2016%202017%202018%202019%202020,548%209%20960%209%20996]
* Zdravotnická ročenka České republiky. [https://www.uzis.cz/index.php?pg=aktuality&aid=8560]
* Hospitalizace v nemocnicích ČR. [https://www.uzis.cz/index.php?pg=vystupy--vyznamna-temata--hospitalizace ]
* Pohyb obyvatelstva - rok 2021. [https://csu.gov.cz/rychle-informace/pohyb-obyvatelstva-rok-2021#:~:text=Podle%20výsledků%20sčítání%20lidu%2C%20domů,Štyglerová%2C%20vedoucí%20oddělení%20demografické%20statistiky]

=== Simulant ===
[[User:Kozo01|Olesia Kozlova (kozo01)]] ([[User talk:kozo01|talk]]) 16:07, 12 May 2025 (CET)

:: '''Schváleno'''[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:45, 12 May 2025 (CET)

== Simulace: Eutrofizace vodní plochy ==

=== Popis problému ===
Eutrofizace vodních ploch je přírodní jev, který může být výrazně ovlivněn antropogenní činností. Jedná se zejména o jednotlivé chemické pochody, které způsobují nárůst biomasy na hladině vodní plochy. Díky tomuto růstu dochází k postupnému snižování světelných podmínek pod úrovní hladiny, což způsobuje úhyn biomasy a dochází k zvýšení rozkladných procesů, které zapříčiňují úbytek kyslíku v celé vodní nádrži. Následkem toho dochází i k úhynu vodních živočichů závislých na koncentraci kyslíku pod hladinou.

=== Cíl simulace ===
Cílem simulace je namodelovat celý proces eutrofizace, který bude ovlivněn antropogenní činností (např. splachy z polí). Zodpoví jednu z důležitých otázek: Jak antropogenní činnost urychluje eutrofizaci.

=== Použití simulace ===
* Simulace může být využita k akademickému studiu eutrofizace,
* jako podpora při legislativních rozhodnutí,
* může vylepšit strategické plánování ve vodohospodářských organizacích, nebo
* strategické plánování zemědělců.

=== Použitá metoda a prostředí ===
* Simulace využívá program Vensim, který byl vybrán na základě jeho schopnosti namodelovat toky a vazby mezi jednotlivými proměnnými ve sledovaném prostředí.

=== Proměnné ===
* Definované předem:
** úroveň eutrofizace,
** počáteční množství biomasy,
** počáteční množství živočichů,
** počáteční pH vody,
** počáteční obsah kyslíku.

* Náhodné:
** počasí,
** zalévání zemědělských ploch.

Popřípadě další.

=== Data ===
* YANG, Xiao-e, Xiang WU, Hu-lin HAO a Zhen-li HE, 2008. Mechanisms and assessment of water eutrophication. Journal of Zhejiang University. Science. B [online]. 9(3), 197–209. ISSN 1673-1581. Dostupné z: doi:[https://doi.org/10.1631/jzus.B0710626 10.1631/jzus.B0710626]

=== Simulant ===
[[User:bene08|Eliška Benešová (bene08)]] ([[User talk:bene08|talk]]) 16:07, 12 May 2025 (CET)

:: '''Schváleno''' [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:50, 12 May 2025 (CET)

== Simulace: Simulace průchodu cestujících pasovou kontrolou na letišti ==

=== Popis problému ===
Letiště v době dopravní špičky čelí problémům s kapacitou pasové kontroly. Nedostatečný počet otevřených přepážek vede k dlouhým frontám a nespokojenosti cestujících. Naopak příliš mnoho otevřených přepážek může znamenat neefektivní využití personálu. Proto je potřeba najít rovnováhu mezi těmito dvěma faktory.

=== Cíl simulace ===
Cílem simulace je analyzovat vliv počtu otevřených přepážek na délku fronty a maximální čekací dobu cestujících. Jedním z hlavních cílů je identifikovat maximální čekací dobu v případech, kdy nejsou otevřeny všechny dostupné přepážky, a navrhnout optimální počet přepážek pro různé scénáře zatížení.

=== Použití simulace ===
Simulaci může využít letištní management, konkrétně vedoucí směny nebo plánovači personálu, kteří rozhodují o počtu aktivních pracovníků v jednotlivých časových intervalech. Pomůže jim lépe plánovat směny a optimalizovat provoz pasové kontroly tak, aby se předešlo zbytečným zpožděním i plýtvání lidskými zdroji.

=== Použitá metoda a prostředí ===
Použiji agentní simulaci v jazyce Rust, s využitím open-source herního enginu Bevy (verze 0.13) jako vizuálního a simulačního prostředí. Každý cestující bude modelován jako agent, který dorazí, čeká ve frontě, a je odbaven u přepážky podle pravidel fronty (FIFO). Přepážky budou reprezentovány jako paralelní servery.

=== Proměnné ===

Deterministické proměnné:

*Počet otevřených přepážek
*Reálný rozvrh příletů letadel
*Počet cestujících vystupujících z každého příletu (interval 5 minut)

Náhodné proměnné:

*Interval mezi příchody cestujících (exponenciální rozdělení)
*Doba odbavení u přepážky (normální rozdělení)
*Rychlost přechodu cestujících od gate k pasové kontrole

Měřené výstupy:

*Průměrná čekací doba
*Maximální čekací doba
*Využití jednotlivých přepážek v %
*Délka fronty v čase

=== Data ===

Průměrná doba odbavení: Na základě interních dat z provozu pasové kontroly letiště.

Intenzita příchozích cestujících: Data získáná z každodenního leteckého provozu mimo sezónu a v sezóně (červen - září)

=== Simulant ===
[[User:Papd01|Papd01]] ([[User talk:Papd01|talk]]) 17:25, 12 May 2025 (CET)

== Simulace: Autobusová linka v městské dopravě ==

=== Popis problému ===
Simulace se zabývá provozem autobusové linky v městské dopravě. Veřejná doprava je klíčová pro fungování měst a efektivní provoz autobusových linek zajišťuje dostupnost a komfort pro cestující. V praxi dochází k problémům, jako je přetížení spojů během špičky, zpoždění, dlouhé čekací doby na zastávkách nebo nevyužité kapacity mimo špičku. Simulace umožní analyzovat, jak různé faktory (například počet autobusů, intervaly mezi spoji, kapacita vozidel nebo rozložení cestujících během dne) ovlivňují kvalitu přepravy a vytížení linky. Výsledky simulace mohou pomoci dopravcům optimalizovat jízdní řády a nasazení vozidel.

=== Cíl simulace ===
Cílem simulace je zjistit, jak různé parametry provozu autobusové linky ovlivňují:
* průměrnou dobu čekání cestujících na zastávce,
* naplněnost autobusů v různých částech trasy a v různých časech,
* identifikaci kritických zastávek s přetížením,
* doporučení pro optimalizaci jízdního řádu a kapacity linky.

=== Použitá metoda a prostředí ===
Multiagentní simulace v NetLogo. Agenty v modelu budou reprezentovat autobusy, cestující a zastávky.

=== Proměnné ===
Definované předem:
* Počet autobusů na lince
* Kapacita jednoho autobusu
* Počet zastávek a jejich rozložení na trase
* Interval mezi odjezdy autobusů
* Délka trasy a čas potřebný k projetí celé linky

Náhodné:
* Počet cestujících přicházejících na jednotlivé zastávky v čase (modeluje špičku/mimo špičku)
* Cílová zastávka každého cestujícího (kde vystupuje)
* Doba nástupu a výstupu cestujících

=== Data ===
* [https://www.dpp.cz/vozovy-park DPP – vozový park] – kapacity autobusů, typy vozidel
* [https://pid.cz/jizdni-rady-podle-linek/ PID – jízdní řády autobusů] – intervaly a rozložení spojů
* [https://www.dpp.cz/spolecnost/o-spolecnosti/dpp-v-datech DPP – statistiky] – počty cestujících, vytížení linek

Pro modelování rozložení cestujících v čase lze vycházet z běžných statistik dopravních podniků nebo využít odhadů podle typu linky (městská, příměstská, školní apod.).

=== Simulant ===
[[User:jelp05|jelp05]] ([[User talk:jelp05|talk]]) 18:35, 12 May 2025 (CET)

== Simulace: Šíření invazních druhů rostlin v krajině ==

=== Popis problému ===
Invazní rostliny představují závažný ekologický problém, který ohrožuje biodiverzitu, mění dynamiku ekosystémů a může způsobovat výrazné ekonomické škody. Přestože existují různé metody jejich potlačení, jejich účinnost se liší podle situace a podmínek v dané oblasti. Vzhledem k tomu, že přímé testování zásahů v reálném prostředí je nákladné a obtížně opakovatelné, bude v této práci navržena simulace, která umožní predikci vývoje a porovnání efektivity různých zásahových strategií.

=== Cíl simulace ===
Simulace bude navržena s cílem modelovat a analyzovat dynamiku šíření vybraných invazních rostlinných druhů v různých typech krajiny. Bude zohledňovat klíčové faktory ovlivňující rozšiřování – jako jsou podmínky prostředí (vlhkost, teplota, typ půdy), biologické vlastnosti rostlin (rychlost růstu, produkce a klíčivost semen) a způsoby šíření (např. pomocí větru, vody nebo lidské činnosti). Součástí modelu bude také testování různých zásahových strategií, jako je mechanická likvidace, aplikace herbicidů nebo jejich kombinace

=== Použití simulace ===
Výsledky simulace poskytnou náhled na chování invazních druhů v čase a prostoru a umožní testovat zásahy bez přímého zásahu do reálného ekosystému. Simulace bude sloužit jako nástroj pro podporu rozhodování v oblasti ochrany přírody, krajinného plánování a managementu invazních druhů. Výstupy bude možné využít například ochranářskými organizacemi nebo správci chráněných území pro návrh efektivních a šetrných zásahových postupů.

=== Použitá metoda a prostředí ===
Prostředí: NetLogo (agentní modelování)

=== Proměnné ===
Deterministické proměnné:
* Biologické vlastnosti rostlin (rychlost růstu, počet a klíčivost semen, vegetační cyklus)
* Podmínky prostředí (vlhkost, teplota, typ půdy)
* Strategické zásahy (mechanické odstraňování, chemická likvidace, kombinace metod)
* Typ krajiny (pole, louka, les, urbanizované prostředí)

Náhodné proměnné:
* Směr a dosah šíření semen
* Počáteční rozmístění rostlin
* Vliv náhodných klimatických odchylek

=== Data ===
Data pro model budou získána z databáze Agentury ochrany přírody a krajiny ČR (https://invaznidruhy.nature.cz), která poskytuje podrobné informace o biologických a ekologických vlastnostech jednotlivých invazních druhů. Další poznatky budou čerpány z odborné literatury a metodických doporučení pro boj s invazními rostlinami.

=== Simulant ===
[[User:kala13|kala13]] ([[User talk:kala13|talk]]) 19:54, 12 May 2025 (CET)

== Simulace: Optimální nacenění zálohy na vratné kelímky na akcích==

=== Popis problému ===
Organizátoři veřejných akcí jako jsou festivaly, koncerty nebo sportovní události, stále častěji přecházejí z jednorázových plastových kelímků na znovupoužitelné, aby snížili ekologickou stopu. Ovšem problém, který nastává při zavedení vratných kelímků na veřejných akcí, je správné nastavení výše zálohy a počet kelímků tak, aby se systém finančně vyplatil, návštěvníci akce jej přijali a zároveň nedošlo k nadbytečným nákladům. Výsledné náklady jsou ovlivňovány mnoho nejistými faktory – kolik lidí kelímek skutečně vrátí a kteří si jej nechají, kolik se jich ztratí nebo kolik nápojů se prodá.

=== Cíl simulace ===
Simulace má za cíl optimalizovat systém vratných kelímků – jaká je optimální výše zálohy vratného kelímku (nebo taky nulová záloha), která minimalizuje ztráty z nevrácených kelímků, ale zároveň neodradí návštěvníka od konzumace.

=== Použití simulace ===
Výsledky simulace poslouží především organizátorům akcí, kteří tak budou moct optimalizovat náklady, lépe rozhodnout o výši záloh a počtu objednaných kelímků.

=== Použitá metoda a prostředí ===
*Metoda: Monte Carlo simulace
*Simulační prostředí: Microsoft Excel

=== Proměnné ===
Deterministické proměnné:
* Počet návštěvníků akce
*Výrobní cena kelímku
*Cena nápoje
*Záloha
Náhodné proměnné:
*Pravděpodobnost vrácení kelímku
*Míra ztracených/poškozených kelímků

=== Data ===
*Ceník kelímků z nabídky různých dodavatelů (https://happycups.co.uk/, https://www.nicknack.cz/ )
*Statistiky vrácení kelímků z článků, statistiky (např. https://www.reuseable.dk/blog/aarhus-residents-have-returned-750-000-reusable-cups-in-one-year, https://www.nicknack.cz/reference-a-klienti/, https://packagingscotland.com/2024/11/pilot-scheme-sees-huge-percentage-of-reusable-cups-returned/ , https://www.reuseable.dk/blog/over-95-000-reuseable-cups-sold-during-festuge )

=== Simulant ===
[[User:Phpham|Phpham]] ([[User talk:Phpham|talk]]) 22:36, 12 May 2025 (CET)

== Simulace: Vývoj výroby obnovitelné energie v ČR podle dat z roku 2019-2024 ==

=== Popis problému ===
Výroba elektřiny z obnovitelných zdrojů (OZE) v České republice v roce 2019 dosáhla 8 097 GWh. Z toho největší podíl tvořila biomasa (3 801 GWh), následují vodní elektrárny (2 076 GWh) a fotovoltaika (2 062 GWh). Tyto hodnoty ukazují, jak je výroba rozdělena mezi různé typy OZE. Vývoj a struktura této výroby ovlivňuje stabilitu sítě i environmentální politiku.
Pomocí jednoduché simulace chci modelovat, jak by vypadala celková výroba obnovitelné energie, pokud by došlo ke změně podílu jednotlivých zdrojů – například zvýšení výkonu fotovoltaiky o 20 % nebo pokles výroby z vody v důsledku sucha.

=== Cíl simulace ===
Cílem simulace je zodpovědět otázky:
* Jak se změní celková výroba OZE, pokud vzroste výroba z FVE o 20 %?
* Jak pokles výroby z vodních elektráren o 15 % ovlivní celkový objem obnovitelné energie?
* Jaký by byl nový podíl jednotlivých zdrojů na výrobě při těchto změnách?

=== Použití simulace ===
Simulaci mohou využít energetičtí analytici, pracovníci MPO nebo regionální samosprávy jako nástroj pro plánování rozvoje obnovitelných zdrojů. Umožní jim snadno vyhodnotit, jak změny ve výkonu různých OZE typů ovlivní celkovou výrobu energie a pomůže při nastavování cílů nebo investičních priorit.

=== Použitá metoda a prostředí ===
Simulace bude provedena pomocí systémové dynamiky v prostředí Vensim PLE.

=== Proměnné ===
* Výroba elektřiny z OZE celkem (GWh)
* Výroba z biomasy (GWh)
* Výroba z vody (GWh)
* Výroba z fotovoltaiky (GWh)
* Podíl jednotlivých zdrojů (%)
* Změna výkonu zdrojů (%)
* Nová celková výroba (GWh)

=== Data ===
* Bilance elektrické energie – Český statistický úřad ([https://csu.gov.cz/energetika](https://csu.gov.cz/energetika))
* Obnovitelné zdroje energie – Výsledky statistického zjišťování- dokumenty za roky 2019–2024 – Ministerstvo průmyslu a obchodu ČR ([https://mpo.gov.cz](https://mpo.gov.cz))
* Roční zpráva o provozu elektrizační soustavy ČR – Energetický regulační úřad ([https://eru.gov.cz](https://eru.gov.cz))
* Share of energy consumption from renewable sources in Europe – Evropská agentura pro životní prostředí ([https://www.eea.europa.eu/en/analysis](https://www.eea.europa.eu/en/analysis))

=== Simulant ===
[[User:laso00|Oriana Lastovickova (laso00)]] ([[User talk:laso00|talk]]) 6:22, 13 May 2025 (CET)