User:Kubd06 - Revision history

Kubd06: /* Závěr */ - oprava pravopisu

2025-06-15T22:07:03Z

‎Závěr: - oprava pravopisu

Kubd06: /* 2. scénář */

2025-06-15T22:04:15Z

‎2. scénář

Kubd06: /* Scénáře */

2025-06-15T21:59:00Z

‎Scénáře

Kubd06: /* Možné omezení */

2025-06-15T21:57:24Z

‎Možné omezení

Kubd06: /* Průběh simulace: */

2025-06-15T21:55:42Z

‎Průběh simulace:

Kubd06: /* Agenti */

2025-06-15T21:54:54Z

‎Agenti

Kubd06: /* 1. scénář */

2025-06-14T17:46:48Z

‎1. scénář

Kubd06: /* Scénáře */

2025-06-14T17:45:36Z

‎Scénáře

Kubd06: /* Scénáře */

2025-06-14T17:44:19Z

‎Scénáře

Kubd06: /* Scénáře */

2025-06-14T17:43:50Z

‎Scénáře

@@ Line 286: / Line 286: @@
 =Závěr=
-Na základě provedených simulací lze konstatovat, že navržený model supermarketu poměrně věrně zachycuje hlavní charakteristiky chování zákazníků v různých provozních scénářích. Ukázalo se, že i drobné změny v parametrech, jako je frekvence příchodu nebo míra impulzivního chování, mohou zásadně ovlivnit výslednou efektivitu systému, výši tržeb, průměrnou výši nákup i zákaznickou zkušenosti. Model odhaluje limity systému a umožňuje identifikovat doby, kdy může docházet k přetížení. Přestože některé výstupy nejsou plně v souladu s realitou a autorovým přesvědčením (například v oblasti sezónních výkyvů spotřeby), simulace nabízí užitečný nástroj pro testování dopadů provozních změn v podmínkách, které by jinak bylo obtížné ověřit.
+Na základě provedených simulací lze konstatovat, že navržený model supermarketu poměrně věrně zachycuje hlavní charakteristiky chování zákazníků v různých provozních scénářích. Ukázalo se, že i drobné změny v parametrech, jako je frekvence příchodu nebo míra impulzivního chování, mohou zásadně ovlivnit výslednou efektivitu systému, výši tržeb, průměrnou výši nákup i zákaznickou zkušenosti. Model odhaluje limity systému, kdy může docházet k přetížení. Přestože některé výstupy nejsou plně v souladu s realitou a autorovým přesvědčením (například v oblasti sezónních výkyvů spotřeby), simulace nabízí užitečný nástroj pro testování dopadů provozních změn v podmínkách, které by jinak bylo obtížné ověřit.
 =Kód=

@@ Line 236: / Line 236: @@
 Z výstupů simulace vyplývá, že i v tomto scénáři zůstává systém relativně stabilní. Fronty u pokladen se sice opět tvoří, avšak v porovnání s předchozím modelem jsou znatelně delší, což může signalizovat částečné přetížení systému. Přestože průchodnost supermarketu jako celku je zachována, prodlužující se čekací doby mohou negativně ovlivnit zákaznickou zkušenost, a tím i chování návštěvníků.
-Průměrná útrata na jednoho zákazníka činí 327,43 Kč, což je oproti předchozímu scénáři mírný pokles. Tento výsledek lze interpretovat jako důsledek vyšší návštěvnosti, která vede k přetížení pokladen, delším frontám a možnému omezení doby samotného nákupu – zákazníci mohou být netrpěliví nebo ve stresu a opouštět obchod dříve, než původně zamýšleli.
+Průměrná útrata na jednoho zákazníka činí 327,43 Kč, což je oproti předchozímu scénáři mírný pokles. Tento výsledek lze interpretovat jako důsledek vyšší návštěvnosti, která vede k přetížení pokladen a delším frontám.
 Z přiložených grafů je patrné, že v tomto scénáři dochází k výraznějšímu hromadění zákazníků ve frontách, což potvrzuje dříve uvedené závěry. Celkový zisk v čase sice nadále roste, ale pomalejším tempem než v předchozím nastavení, pravděpodobně v důsledku nižší průměrné útraty a zpomaleného odbavování.

@@ Line 141: / Line 141: @@
 == Scénáře ==
-Pro interpretaci výsledků jsem si určil 3 základní scénáře testování.
+Pro interpretaci výsledků jsem si určil 3 základní možné scénáře testování.
 * Běžný provoz prodejen
 * Víkendový provoz

@@ Line 128: / Line 128: @@
 * Pohyb zákazníků je založen na jednoduchých pravidlech, chybí komplexnější rozhodovací procesy, sociální interakce, nebo reakce na přeplněnost určitých zón.
 * Absence směn zaměstnanců a tím omezení chodu pokladen.
-* Absence faktoru denní doby
+* Absence faktoru denní doby a ročních období
 =Výsledky=

@@ Line 113: / Line 113: @@
 # Jsou odbavení a po zaplacení opouští frontu
 # Míří k východu a opouští obchod
-V průběhu se generují nový zákazníci a sbírají data.
+V průběhu se generují nový zákazníci a sbírají se data.
 === Ostatní: ===

@@ Line 66: / Line 66: @@
 ''Typy:''
-Velkonákupčí (pomalejší) a Běžní nákupčí (rychlejší) (liší se rychlostí pohybu a délkou pobytu). Ty si lze představit jako delší nákupčí jsou ti, kteří přišli například pro větší rodinný nákup a běžné nákupčí, kteří dorazili například pro svačinu a většinou spěchají.
+Velkonákupčí (pomalejší) a Běžní nákupčí (rychlejší) (liší se rychlostí pohybu a délkou pobytu). Delší nákupčí jsou ti, kteří přišli například pro větší rodinný nákup a běžné nákupčí, kteří dorazili například pro svačinu a většinou spěchají.
 * Každý zákazník má náhodně generovaný nákupní seznam (shopping list) s 3–6 položkami.
 * Mohou provádět impulzivní nákupy (pravděpodobnost se nastavuje na slideru).
@@ Line 80: / Line 80: @@
 ''Atributy:''
-Položky v košíku, čas strávený v obchodě, aktuální cíl (regál, pokladna, východ), příznak impulzivního nákupu.
+Položky v košíku, čas strávený v obchodě, aktuální cíl (regál, pokladna, východ) a  impulzivitu nákupu.
 ''Další:''
 * V průběhu nákupu mohou dělat impulzivní nákupy podle zvolené pravděpodobností, tento nákup je navýšení běžného počtu produkt.
-* V modelu jde pomocí slideru rovněž navolit i pravděpodobnost příchodu dalších zákazníků, ta ovlivňuje zatížení obchodu.
+* V modelu jde rovněž navolit i pravděpodobnost příchodu dalších zákazníků, ta ovlivňuje zatížení obchodu.
 popis rychlí nákupčí:
@@ Line 95: / Line 95: @@
 * Běžný nákup: Doba v obchodě 10–20 minut (lze upravit dle potřeby)
 * Počet produktů, které potřebuje pořídit 3-6 (lze upravit dle potřeby)
 '''b. Regály''' (Shelves)
 Statické objekty, reprezentují kategorie zboží. Každý má přiřazenou barvu, produkty a pozici v prostoru.
-V tuto chvíli je v modelu 6 regálů (ovoce, zelenina, pečivo, nápoje, maso, drogerie). Tvoří překážky, které ovlivňují pohyb zákazníků, zároveň představuje cíl, ke kterému zákazníci směřují podle svého nákupního seznamu
+V tuto chvíli je v modelu 6 regálů (ovoce, zelenina, pečivo, nápoje, maso, drogerie). Tvoří překážky, které ovlivňují pohyb zákazníků, zároveň představuje cíl, ke kterému zákazníci směřují podle svého nákupního seznamu.
 '''c. Pokladny''' (Checkouts)

@@ Line 163: / Line 163: @@
 === 1. scénář ===
-Běžný provoz prodejen.
+Běžný provoz prodejen - představuje standardní každodenní chod obchodu, kdy se návštěvnost zákazníků pohybuje v obvyklých mezích bez výrazných špiček či sezónních výkyvů.
 '''Parametry:'''

@@ Line 199: / Line 199: @@
 Simulace rovněž ukazuje, že průměrná útrata na zákazníka činí 344,86 Kč, což odpovídá očekávané hodnotě pro menší maloobchodní provoz. Tento údaj může sloužit jako referenční bod při nastavování cílových metrik výkonnosti modelu.
-Z přiložených grafů je patrné, že simulace byla nastavena efektivně – nedochází k výraznému hromadění zákazníků ve frontách, současně však celkový zisk kontinuálně roste a nevykazuje známky stagnace či poklesu. Tento trend je z hlediska podnikové udržitelnosti a profitability pozitivní a nasvědčuje tomu, že model v základní konfiguraci představuje optimálně fungující provozní nastavení.
+Z přiložených grafů je patrné, že simulace byla nastavena efektivně, jelikož nedochází k výraznému hromadění zákazníků ve frontách, současně však celkový zisk kontinuálně roste a nevykazuje známky stagnace či poklesu. Tento trend je z hlediska podnikové udržitelnosti a profitability pozitivní a nasvědčuje tomu, že model v základní konfiguraci představuje optimálně fungující provozní nastavení.
 === 2. scénář ===

@@ Line 149: / Line 149: @@
 Aby byly výsledky scénářů vzájemně srovnatelné, byly všechny vyhodnocovány až po odbavení alespoň 200 zákazníků. Tento počet poskytuje dostatečně stabilní vzorek, který eliminuje výrazné výkyvy typické pro počáteční fáze simulace a umožňuje spolehlivější pozorování dlouhodobých trendů.
-Pro každý scénář bylo sledováno:
+'''Pro každý scénář bylo sledováno:'''
 * Rychlost odbavování pokladním: v sekund/položka
 * Pravděpodobnost impulzivního nákupu: v %

@@ Line 147: / Line 147: @@
 * Sváteční/Vánoční provoz
-Každý scénář by měl být navržen s jasně definovanými vstupními parametry a měřen v rámci určitého časového horizontu nebo na základě počtu obsloužených zákazníků. Pro zajištění srovnatelnosti výsledků byly scénáře vyhodnocovány po odbavení minimálně 200 zákazníků, což poskytuje dostatečně stabilní vzorek pro pozorování trendů bez výrazných výkyvů v počátečních fázích simulace.
+Aby byly výsledky scénářů vzájemně srovnatelné, byly všechny vyhodnocovány až po odbavení alespoň 200 zákazníků. Tento počet poskytuje dostatečně stabilní vzorek, který eliminuje výrazné výkyvy typické pro počáteční fáze simulace a umožňuje spolehlivější pozorování dlouhodobých trendů.
 Pro každý scénář bylo sledováno: