Zadání LS 2020/2021

Simulace přenosové soustavy

Simulace bude postavena na reálných datech o výrobě a spotřebě elektrické energie v ČR a na datech o přitékající elektrické energii od našich sousedních států. Jejich výroba el. energie taktéž ovlivňuje i naši přenosovou síť. Z tohoto důvodu jsou na pomyslných hranicích naší přenosové soustavy PST transformáty, kde dispečeři regulují výrobu a spotřebu elektrické energie u nás. Pokud by od sítě přiteklo moc energie, mohlo by to přetížit přenosovou soustavu a tím způsobit rozsáhlé výpadky proudu. Pokud by takový výpadek nastal (z důvodu výrazné výkonové nerovnováhy) je nutné, co nejrychleji zajistit stabilitu přenosové sítě. Cílem modelu je nasimulovat přenosovou soustavu a její možnou ochranu proti blackoutům.

Autor Michaela Tauchmanová

Typ modelu Systémová dynamika

Modelovací nástroj Vensim

Cíl simulace Cílem modelu je nasimulovat přenosovou soustavu a její možnou ochranu proti blackoutům.

Data Data o zatížení, přítoku energie atd. (ČEPS - https://www.ceps.cz/cs/data#Load) Spotřeba a výroba za rok včetně dat o distribučních ztrátách apod. (Český statistický úřad – Energetické bilance – https://www.czso.cz/csu/czso/ene_cr)

Taum03 (talk) 20:39, 6 May 2021 (CET)

Schváleno Oleg.Svatos (talk) 13:03, 7 May 2021 (CET)

Nalezení nejideálnějšího množství nápojových stánků a TOITOI na hudebních festivalech

Název: Nalezení nejideálnějšího množství TOITOI na festivalech

Autor: vana06, Aneta Váňová

Nástroj: NetLogo

Typ modelu: Multiagentní

Popis modelu: Venkovní hudební festivaly jsou jedny z nejpopulárnějších událostí, které návštěvníci v letním období navštěvují. Organizátoři těchto organizací musí často kalkulovat kapacitu celého festivalového objektu v návaznosti na popularitu vystupujícího. V návaznosti na tuto proměnou se musí vypořádat organizátoři s množstvím stánků s nápoji, které budou mít možnost prodeje právě na daném festivalu. Množství nápojových stánků však nemůže být neomezené z důvodu redukce prostoru. Zároveň je třeba najít takové optimální místo, aby návštěvníci festivalu netrávili většinu času festivalu právě ve frontách. Na základě následné doby pití a množství pití, které návštěvníci vypijí musí organizátoři počítat i s množstvím TOITOI mobilních toalet tak, aby jejich kapacita nebyla podhodnocena a návštěvníci se neuchylovali k obcházení pravidel festivalu. K větší reálnosti modelu též přispěje fakt, že agenti se rozhodují v průběhu procesu.

Grafy budou znázorňovat:

• Počet čekajících návštěvníků u nápojových stánků v průběhu konání festivalu
• Počet čekajících u TOITOI v průběhu konání festivalu
• Průměrná doba čekání na nápoj
• Průměrná doba čekání na TOITOI
• Počet návštěvníků, kteří z důvodu dlouhého čekání obešli pravidla festivalu a vykonali svou potřebu za TOITOI
• Počet nespokojených zákazníků (měřeno na základě doby čekání na nápoj a nutnosti vykonat potřebu mimo TOITOI)

Agenti:

• Muži
  • Potřeba pití nápojů je jednou za 30 minut (na základě Zdroj 1) (určeno náhodným rozdělením)
  • Na WC potřebují v případě, že kapacita močového měchýře byla naplněna 300–400 ml (určeno náhodně v rámci daného rozmezí) Zdroj 2
  • Pravděpodobnost, že bude postupovat podle těchto čísel je 50% (rozhodování na základě aktuálních dat v procesu)
• Ženy
  • Potřeba nového pití je jednou za 45 minut (na základě Zdroj 1) (určeno náhodným rozdělením)
  • Na WC potřebují v případě, že kapacita močového měchýře byla naplněna 150–250 ml (určeno náhodně v rámci daného rozmezí) Zdroj 2
  • Pravděpodobnost, že budou postupovat podle těchto čísel je 50% (rozhodování na základě aktuálních dat v procesu)

Parametry modelu:

• Počet návštěvníků jednotlivých pohlaví (rozděleno vždy 50:50 z celkového množství)
• Počet stánků s nápoji
• Počet TOI TOI

Možná rozšíření:

• Simulaci by bylo možné rozšířit i o stánky s občerstvením (jídlem)
• Rozšíření o vliv počasí (teploty) a s tím spojenou větší konzumaci nápojů
• Rozšíření o pauzy v programu, kde větší množství návštěvníků zvažuje zakoupení nového nápoje nebo navštívení TOITOI, i když to není potřeba

Cíl simulace: Na základě očekávané návštěvnosti bude možné predikovat takové množství nápojových stánků a TOITOI tak, aby bylo optimální, a tudíž aby nedocházelo k obcházení pravidel a aby návštěvníci byli spokojeni.

Poznámka: Pro simulaci je čerpáno z dat, která jsou k dispozici k velikosti močového měchýře a množství pití, avšak množství dat k tomuto tématu je omezenější.

Vana06 (talk) 22:28, 6 May 2021 (CET)

Kapacita močového měchýře je brutální metrika. :-) To jsem opravdu zvědav. Schváleno. Tomáš (talk) 01:54, 11 May 2021 (CET)

Simulácia darcovského centra

Simulácia bude zobrazovať popis procesu odberu krvnej plazmy v dárcovskom centre. Bude pozostávať z registrácie na odber, konzultácie s lekárom, čakaním na odber, odberu samotného, odpočinkom a odchodom z centra.

Darcovia sa môžu objednávať na odber v 30 minutových intervaloch, pričom simulácia bude brať v potaz „high peaks“, kedy je množstvo darcov vzhľadom na kapacitu lôžok hraničné a bude sa snažiť optimalizovať ako počet lôžok, tak i kapacitu darcov v daných „high peaks“

Simulácia by pozostávala z 3 modelov:

• 1. Simulácia štandarného provozu
• 2. Optimalizácia procesu za účelom lepšej efektivity času vzhľadom na darcu - v momentálnej situácií v „high peaku“ darci čakajú i desiatky minút navyše voči objednanému času
• 3. Simulácia letného provozu - v lete je štandardne počet darcov voči zbytku roku menší - v rámci letného provozu by teda bolo možné vymyslieť optimálnu stratégiu či už napríklad v rámci zníženie personálov/lekárov a podobne.

Autor Marko Pira

Typ modelu Diskrétní simulace

Modelovací nástroj SimProcess

Entity Darca

Zdroje

• Lékar
• Personál
• Skrinka
• (Odberové) lôžko
• (Tuba) plazmy - v rámci simulácie zistíme, koľko tub plazmy denne centrum zvládne odobrať

Cíl simulace Cieľom je nasimulovať štandardný stav centra a následne proces optimalizovať pomocou zdrojov. Ďalším cieľom je simulácia letného provozu centra a stratégie optimalizácie zdrojov, aby nedochádzalo k ich nevyužitiu

Data Data budú získané od anonymizovaného dárcovského centra v Prahe

Pirm01 (talk) 08:53, 7 May 2021 (CET)

Ten samotný model je poměrně jednoduchý. Dejte si opravdu záležet s těmi daty. Schváleno. Tomáš (talk) 01:55, 11 May 2021 (CET)

Simulace migrace lidí do Evropy

Migrace lidí do Evropy je velmi časté téma dnešní doby. Faktory migrace mohou být ekonomické, věk, podnebí, současná situace v zemi, atd. V oblastech konfliktů, společenských (včetně politických) nebo ekonomických rozdílů migrace představují závažný socioekonomický problém. Migrace mohou být dobrovolné, za prací či za příbuznými, či nucené (jejichž příčinou je zpravidla silné zhoršení životních podmínek, válečný stav, diktatury atd.). Migrace probíhá přes tři hlavní migrační trasy do EU - východní, centrální a západní středomořské trasy. V sociologii je migrace spolu s porodností a úmrtností klíčovým prvkem v procesu populačního vývoje a výrazně ovlivňuje společenské a kulturní změny obyvatel na všech úrovních. S ekonomickým rozvojem se intenzita migrace dále zvyšuje.

Autor Martina Riegerová

Typ modelu Systémová dynamika

Modelovací nástroj Vensim

Cíl simulace Simulace by predikovala vnější migraci, kde by na následující období 10ti let dle daných faktorů predikovala počty nových příchozích migrantů do Evropy.

Data Data o migracích - https://www.unhcr.org/cz/ , https://www.mvcr.cz/migrace/aktualni-zpravodajstvi.aspx , https://www.unhcr.org/environment-disasters-and-climate-change.html

riem00 (talk) 10:31, 7 May 2021 (CET)

Tématicky by to šlo - co všechno by ta vaše simulace zahrnovala (simulovala)? - všechno to, co máte v tom úvodním odstavci? Oleg.Svatos (talk) 13:09, 7 May 2021 (CET)

Simulace vytváření kytic

Autor: Martin Šatra (satm03)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu:

Při dobývání dívčího srdce je možné využívat mnoho způsobů. Jedním z nich je zasypat svou milou květinami. Obecně pak platí, že čím více květin dívka obdrží, tím více pookřeje. Právě sběr květin a vytváření kytic z nich je hlavním námětem vytvářeného modelu.

V modelu je prostředí definováno jako louka, na které rostou květiny a vyskytují se překážky (skalky). Vybranou louku si pak vyhlídla za účelem vytváření kytic pro své milé čtveřice chlapců. Všichni vědí, že počet květin, které poberou bez toho aniž by je poničili, není nekonečný. Z tohoto důvodu si každý vybudoval své stinné stanoviště, kam si bude shromažďovat své květiny, případně již celé kytice. Skutečnost, že se jedná o uzavřenou louku s omezeným počtem květin činí z chlapců vzájemné soupeře. Každý chlapec si tedy vytvořil svojí strategii, se kterou bude při sbírání květin a vytváření kytic postupovat. (Popisy jednotlivých strategií chlapců jsou v části Agenti.)

Je také dobré podotknout to, že aby byla kytice shledána dostatečně atraktivní, měla by být složena více květin rozličných barev. Za účely tohoto modelu pak definujeme, že kytice se musí vytvořit z květin o 3 různých barvách (bílá, modrá, žlutá).

Chlapci mohou unést až 9 květin (popřípadě 3 kytice) bez toho aniž by je poničili. Proto se v případě, kdy již natrhali 9 květin, musí vrátit na své stanoviště, kde tyto květiny (popřípadě vytvořené kytice) uloží. V případě, že chlapci již nemohou plnit své strategie z důvodů vyčerpání potřebných zdrojů (květin), vrátí se každý na své stanoviště.

Agenti:

• Jára - Postupuje tak, že chce vytvořit kytice co nejdříve. Při trhání květin tedy postupuje tak, že nejprve utrhne nejbližší květinu jednoho druhu, poté nejbližší květinu druhého druhu, a nakonec nejbližší květinu třetího druhu. Když má vše potřebné (3 druhy květin), pak ihned vytvoří kytici. Poté, co má plné ruce kytic, je jde zanést na své stanoviště.
• Jiří - Má podobnou filozofii jako Jára, tedy trhat květiny po jednotlivém druhu tak, aby měl co nejdříve vše potřebné pro vytvoření nové kytice. Nechce však kytice vytvářet při sbírání, ale až po návratu na své stanoviště.
• Zdeněk - Zdeněk ví, že dokáže unést maximálně 9 květin. Vypočítal si, že z tohoto množství lze vytvořit maximálně 3 kytice. Z tohoto důvodu nejprve trhá nejbližší 3 květiny jednoho druhu, poté nejbližší 3 květiny druhého druhu a nakonec nejblíže se nacházející 3 květiny třetího druhu. Když má plné ruce, odejde na své stanoviště a vytvoří z natrhaných květin kytice.
• Vladislav - Vladislav nechce při trhání květin moc přemýšlet, a tak trhá ty nejbližší co mu přijdou pod ruku. Když má plné ruce jde na své stanoviště a vytvoří tolik kytic, co je jen možné, nevyužité květiny, z nichž již nešlo vytvořit kytice, zůstanou na jeho stanovišti a mohou být využity při další Vladislavově donášce.

Cíl simulace: Cílem simulace je pozorovat efektivnost jednotlivých strategií chlapců a na základě nabytých poznatků rozhodnout, která strategie je za daných parametrů nejoptimálnější.

Parametry:

• Počet bílých květin
• Počet modrých květin
• Počet žlutých květin
• Počet překážek na louce
• Doba pro vytvoření kytice
• Rychlost chlapce

Výstupy:

• Graf znázorňující množství vytvořených kytic pro jednotlivé hráče v čase
• Aktuální počet kytic vytvořených každým hráčem
• Aktuální počet květin (z nichž ještě nejsou, nebo dokonce nikdy nebudou kytice) v držení každého hráče
• Průměrná doba pro vytvoření kytice za každého hráče (celkový čas od počátku simulace po konečný návrat chlapce na stanoviště ku množství chlapcem vytvořených kytic)

Možná rozšíření: Model je dosti jednostranně zaměřený, avšak mohl by být stále více přibližován reálné situaci. Agenti, chlapci, by mohly mít další atributy jako je například výdrž. Květiny by mohly mít určenou dobu, za kterou po utržení uschnou. Do hry by mohly vstupovat také parametry počasí, které by měly vliv, jak na výdrž chlapce, tak na odolnost květiny. Na louce by se mohly objevit i jiné objekty, či dokonce na hráče číhající nebezpečí.

Poznámka: Jsem si vědom, že podobný námět s poměřováním strategií již existuje (Simulácia zberu jahôd (Netlogo) - Juraj Bačovčin), avšak myslím, že simulace popsána výše se dosti odlišuje, co se jejího vytvoření týče.

Satm03 (talk) 12:09, 7 May 2021 (CET)

Je sympatické, že to máte promyšlené dopodrobna, ale ten model je poněkud samoúčelný. Tím pádem ani nelze testovat výsledky. Přemýšlím, zda by se to aspoň dalo napasovat na jiné téma, ale nenapadá mě nic. Zkuste prosím asi vymyslet něco jiného. Admin (talk) 01:54, 11 May 2021 (CET)

Optimalizace skladových zásob inkoustů

Autor: Iveta Kleníková (klei00)

Typ modelu: Monte Carlo

Nástroj: Microsoft Excel

Popis modelu: Společnost B je českým dodavatelem ekosolventních inkoustů a dalšího spotřebního materiálu do velkoformátových tiskáren. Inkousty se prodávají v jednolitrových lahvích ve čtyřech barvách (CMYK).
Každý inkoust má z výroby roční expiraci. Ovšem na sklad se inkousty dostávají ve valné většině případů už cca 3 měsíce staré. Ideální je prodat inkoust v prvních třech měsících (tj. 4-6 měsíců staré), jelikož starší inkousty už zákazníci nechtějí kupovat z důvodu, že by je nestihli do data expirace vypotřebovat. Inkousty staré 7 měsíců se ještě dají prodat, ovšem pouze s určitou slevou. Starší inkousty se již neprodají a je potřeba je za určitý poplatek ekologicky zlikvidovat. Inkousty se prodávají metodou FIFO (časovou jednotkou je měsíc).
Při objednávání inkoustů na sklad tu hraje roli spodní a horní limit skladových zásob. V případě snížení skladových zásob pod spodní limit dochází k objednání inkoustů až do výše horního limitu. Inkousty se objednávají vždy po celých baleních po 10 kusech.

Vstupní parametry:

• Poptávka po jednotlivých barvách inkoustu v jednotlivých měsících
• Fixní náklady (mzda skladníka, nájem skladu, energie)
• Nákupní cena jednotlivých barev inkoustu (zahrnuje i rozpočítanou dopravu)
• Prodejní cena jednotlivých barev inkoustu
• Cena za likvidaci jednoho litru inkoustu
• Stáří naskladněného inkoustu

Cíl simulace: Cílem simulace je nalézt optimální limity skladových zásob tak, aby firma zbytečně nenaskladňovala velké množství inkoustů, které se nakonec neprodají a budou muset být zlikvidovány. Zároveň je vhodné, aby poptávka byla ideálně plně uspokojena.

Data: Jako podklad simulace budou použita reálná interní data o prodejích, nákupních cenách a expiracích inkoustů dané společnosti.

Klei00 (talk) 14:26, 7 May 2021 (CET)

Spíš než jako simulace to zatím vypadá jako kalkulace a rozhodně to není dynamický systém (tedy vhodné pro Vensim). Na druhou stranu, pokud máte interní data dané společnosti, ze kterých by šlo odvodit 1) měsíční poptávku po inkoustech (pravděpodobnostní rozdělení pro jednotlivé měsíce roku - určitě tam bude nějaká sezonalita a celé to zprůměrovat by nedávalo smysl), 2) průměrné stáří naskladňovaného inkoustu (pravděpodobnostní rozdělení), tak už by toto téma, tak jak je, šlo překlopit do simulace Monte Carlo a bylo by to OK. Co Vy na to? Oleg.Svatos (talk) 14:28, 7 May 2021 (CET)

Data pro měsíční poptávku a průměrné stáří inkoustů mám k dispozici. S překlopením do simulace Monte Carlo souhlasím. Klei00 (talk) 15:16, 7 May 2021 (CET)

Schváleno. Oleg.Svatos (talk) 21:19, 9 May 2021 (CET)

Energetická náročnost těžby VSEcoinu

S rostoucí oblibou blockchainových technologií se objevují i některá z jejich úskalí. Zvýšená bezpečnost se neobjeví “jen tak” a je třeba ji nějakým způsobem zajistit. Jedním ze způsobů je tzv. koncept Proof of Work, kde je bezpečnost zajištěna komputací výkonnostně náročných operací. Tento výkon je provázen energetickou náročností a v druhé řadě tento výkon někde chybí. V rámci této simulace bychom chtěli vytvořit síť, která by simulovala těžaře těžící virtuální měnu VSEcoin (neparametrické hodnoty simulace budou vycházet z implementace Bitcoinu) a umožňovala nastavení volných parametrů: cena, výše odměny za PoW, náročnost PoW. (cena bude v této simulaci nastavitelný parametr, protože v simulaci jde o vztah energetické náročnosti na vlastnostech z ceny odvozených a nejde nám o predikci ceny v žádném ohledu). U sítě Bitcoin je náročnost měněna automaticky tak, aby byl jeden validovaný block přidáván každých 10 minut. Tato hodnota byla při implementaci zvolena a my bychom chtěli ověřit, zda je tato hodnota optimální.

Těžaři - agenti, rozhodující se, zda

• budou těžit (schvalovat transakce do bloků)
• budou podvádět
• Nice to Have - vstoupí do těžebního clusteru (pro zvýšení šance na odměnu, ale snížení

hodnoty odměny)

Transakce - reálné a chybné (náhodné chyby i podvody)

Autor Petr Hoza

Modelovací nástroj Netlogo

Cíl simulace Cílem simulace je zjistit, jakým stylem je provázána náročnost operací (bezpečnost, energetická náročnost), cena (výše odměny). Primárně, zda existuje nějaké optimum nastavené odměny pro zachování dostatečné bezpečnosti za minimální energetické ceny.

Petr Hoza (talk) 14:36, 7 May 2021 (CET)

Simulace dostavby pražského letiště

Autor: Jaroslav Mareš (marj37)

Typ modelu: diskrétní simulace

Nástroj: SimProcess

Popis modelu: Pražské letiště již několik let uvažuje o rozšíření terminálů a přístavbu druhé přistávací dráhy. Dle plánů by mělo nejprve dojít k rozšíření o 5 nástupních prostor (dostavba terminálu 2) a následně o přístavbu nového "prstu" s cca 10 dalšími nástupními prostory. Projekty na rozšíření letiště již byly schváleny. Pro jednoduchost by model počítal s jedním typem letadla, jehož kroky přípravy pro vzlet by trvaly pokaždé stejnou dobu, bez ohledu na to, do jaké destinace letí.

Vstupní parametry:

• počet letových operací
• počet možných stání pro letadla u "prstů" a mimo ně
• počet strojů pro přípravu letadla
• doba kroků přípravy letadla na vzlet (výstup pasažérů, úklid letadla, doplnění pohonných hmot, nástup pasažérů, atd.)- hodnoty z pravděpodobnostních rozdělení

Cíl simulace: Cílem simulace je zjistit zda bude možné obsloužit letadla pomocí dostavených prostor, když se zdvojnásobí počet letových operací, v důsledku přístavby druhé ranveje.

Data: https://www.prg.aero/planespotting, https://www.prg.aero/ministerstvo-financi-schvalilo-investici-do-rozsireni-terminalu-2-na-letisti-vaclava-havla-praha

Vliv průmyslového rybolovu na populace ryb

Simulace bude představovat průmyslový rybolov v oceánech, který se negativně projevuje namnožství a velikosti ryb, které je následně možné lovit, čímž se zmenšuje úlovek a je nutné rybařit stále intenzivněji pro udržení objemu úlovku.

Při nadměrném rybolovu nejsou schopny ryby udržovat svou populaci a postupně jich ubývá, vlivem velikostí ok v sítích se také vytváří evoluční tlak na velikost ryb, které se mezi generacemi zmenšují, jelikož pak mají větší šanci utéct ze sítí. Pokud ale rybáři zmenší velikost ok v sítích, mohou nastávat situace, že budou loveny nedospělé ryby, které ještě nestihli zplodit potomky, čímž se množství ryb v příští sezóně snižuje. Nastává zde souboj mezi velikostí a množstvím ryb proti velikostí ok a požadovaného objemu úlovku rybářů

Autor Otakar Johanis

Typ modelu Multiagentní

Modelovací nástroj Netlogo

Agenti

• Rybářské lodě - Loví ryby v oceánech a mají požadovaný objem úlovku a velikost ok sítí

• Ryby - Mají velikost určenou normálním rozdělením. Menší ryba poskytne rybářské lodi větší úlovek, ale má větší šanci rybáři utéct a nenechat se chytit. Ryby v průběhu času plodí potomky, kteří přijímají velikost svého předka ovlivněnou náhodou. Menší ryby jsou ale snazší kořistí predátorů v oceánech a proto se množí pomaleji, než velké ryby.

Parametry modelu

• Množství rybářských lodí

• Velikost ok sítí

Cíl simulace: Cílem simulace je najít optimální limity objemu vylovených ryb a velikosti ok sítí, aby bylo rybářství z dlouhodobého pohledu udržitelné a nevedlo k devastaci ryb v oceánech.

Odstranování mechu z trávníku

Simulace se bude zabývat bežně používanými činnostmi vedoucími k odstranění mechu z trávníku a jejich vlivem na výskyt mechu a trávníku na zahradě.

Mech je večný problém lidí se zahradou a existuje několik různých metod, jak se pokusit o jeho odstranění. Tyto metody provádí člověk a do různé míry poškozují i okolní biom, který je žádoucí, nejčastěji trávník. Simulace tedy bude ukazovat, jak dojde k renegeraci trávníku a mechu po zásahu danou metodou.

Autor: Marek Vávra

Typ modelu: Multiagentní

Modelovací nástroj: Netlogo

Agenti:

• Mech - Šíří se náhodně, rychleji pokud je kolem volno, pomaleji pokud je kolem trávník či jiný mech
• Trávník - Šíří se náhodně, rychleji pokud je kolem volno, pomaleji pokud je kolem jiný trávník či mech
• Člověk - Bude simulován pomocí několika různých metod (agentů) - například použití mechostopu, vertikutátoru, vyhrabání mechu

Cíl simulace: Cílem simulace je ukázat, jaký vliv mají různé metody na budoucí podobu trávníku

Vavm05 (talk) 19:12, 7 May 2021 (CET)

Simulace malosériové výroby metodou 3D tisku

Název: Simulace malosériové výroby metodou 3D tisku

Autor: Kateřina Zemánková

Nástroj: SIMPROCESS

Typ modelu: Diskrétní simulace

Předmět simulace Společnost se zabývá výrobou jednoho komplexního výrobku prostřednictvím 3D tisku. Ke kompletaci jednoho výrobku je potřeba 23 různých dílů. Má k dispozici 50 kusů 3D tiskáren, na kterých díly tiskne. Tyto díly však nelze tisknout všechny najednou na jednom stroji díky malému rozměru 3D tiskáren. Proto jsou jednotlivé součástky rozděleny do pěti unikátních tiskových úloh (soubor dílů, které se tisknou na jednom stroji v jednu chvíli). Každá tisková úloha se liší časovou náročností a spotřebovaným materiálem. Tyto tiskové úlohy lze provádět na libovolném stroji, přičemž všechny stroje fungují stejně. Na konci tiskové úlohy musí obsluha sundat vyrobené díly z 3D tiskárny, provést krátký servis a zapnout novou tiskovou úlohu. Obsluha poté díly pro jeden výrobek zabalí a krabici předá do dalšího oddělení. Pro vytištění je potřeba mít materiál (filament) dodávaný v 5 kg baleních. Pokud se na začátku tisku zjistí, že nezbývá dostatek materiálu pro další tisk, musí se materiál vyměnit za nový. Zbytek struny se recykluje.

Entity:

• Výrobek
• 3D tiskárna
• Filament
• Díl výrobku
• Tisková úloha
• Pracovník obsluhující 3D tiskárnu
• Krabice

Popis procesu:

• Zapnutí tiskové úlohy
• Tisk
• Sundání dílů z tiskárny
• Servis tiskárny
• Zabalení dílů do krabice

Cíl simulace:

• Optimalizace kombinací tiskových úloh pro maximalizaci výroby koncového výrobku – V procesu je vyskytující se problém, že vzhledem k rozdílné časové náročnosti mezi tiskovými úlohami je některých dílů víc než jiných.
• Optimalizace počtu pracovníků

Data Data použitá pro tuto simulaci budou reálná data poskytnutá firmou, která se zabývá 3D tiskem.

Zemk05 (talk) 15:46, 8 May 2021 (CET)

Simulace hry Counter-Strike na mapě de_dust2

Autor: Jiří Mareš (marj39)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: Hru není třeba představovat. Dva týmy o stejném počtu hráčů soupeří o vítězství. Mapa de_dust2 nabízí k vítězství (kromě eliminace protihráčů) položení bomby ze strany T a její úspěšné bránění až do výbuchu, ze strany CT zneškodnění aktivní bomby. Každé kolo (iterace hry) má omezený čas. Každý agent má zorné pole, do kterého když vstoupí nepřátelský agent, začne souboj na jehož konci může být jen jeden přeživší. Simulace sleduje výsledky různých nastavení, parametrů, strategií a náhody k zjištění, který tým je lepší.

Agenti:

• T (terorista) - Na mapě de_dust2 má agent T za úkol dostat se na jedno ze dvou míst na které lze položit bombu. Potom je jeho úkolem bránit položenou bombu tak, aby ji žádný CT nemohl zneškodnit. Jeho druhotným cílem je eliminace CT.
• CT (policista) - Agent CT má za úkol eliminaci agentů T. Pokud se T podaří položit bombu, je jeho úkolem bombu zneškodnit.
• Každý agent má zdraví a výbavu (pistole, pušku, kevlar), kterou si kupuje za vydělané peníze.
• Pohybují se na definovaných trasách mapy.
• Když se potká agent T a CT, dle jejich zdraví a výbavy se rozhodne, kdo přežije.

Cíl simulace: Cílem simulace je sledování mnoha strategií, které hra nabízí, což může pro každého hráče Counter-strike znamenat o něco více jistoty při rozjímání, zdali je neúspěch vinou nedostatečného umu, či nesprávně zvolené strategie.

Parametry:

• Počet agentů v každém týmu
• Počet odstřelovačů
• Friendly fire (může mít nějakou náhodnou šanci nastat a poškodit tak svůj tým)
• Strategie T
  • rychlý a přímočarý průnik na lokaci A/B
  • rozdělení týmu na "návnadu" a zbytek týmu s bombou
  • nedbání bomby a snaha vyhledání a eliminace CT
  • čekání na jednom místě po určitou dobu, po které se vydají položit bombu
• Strategie T při položení bomby
  • obrana útokem
  • konzervativní bránění
• Strategie CT
  • rozptýlení se a hledání T
  • bránění jednoho místa A/B
  • rozdělení na 2 skupinky - jedna brání A, druhá brání B
  • obchvatný manévr - průnik k základně T a následný postup do lokace A/B

Marj39 (talk) 20:37, 10 May 2021 (CET)