Assignment SS 2020/2021/cs

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)

Všechno určitě ne, chtěla bych se zaměřit na klima, vzdělání, a pokusím se i o válečné konflikty. riem00 (talk) 19:38, 11 May 2021 (CET)

OK, pro to zadání to potřebujeme nějak přesněji vydefinovat, ať je jasné, co všechno by ta simulace měla obsahovat. Za mě by to mělo určitě obsahovat ty trasy a s nimy svázané státy(odkud prodí migranti) ať to má nějaký reálný rozměr. "Produkce migrantů" těchto státu by měla záviset na výše uváděných faktorech, které jsou dvojího druhu - faktory, které vytvářejí migrační potencionál(věkové rozvrstvení společnosti, výše HDP na hlavu,...) a které migraci iniciují (války, změna klima,...). Jelikož se jedná o dynamický systém (bez toho to systémovou dynamikou modelovat nelze) je potřeba zachytit i néjaké zpětné vazby z cílových států a migračních tras, které mají významný dopad na migraci - hraniční kontroly, přísnost anti-migrační politiky(počty navrácených migrantů), cena převaděčům za převod,... Tak nějak by to zadání mělo vypadat - co Vy na to? Oleg.Svatos (talk) 11:38, 12 May 2021 (CET)

Souhlasím, pokusím se to takhle udělat. riem00 (talk) 12:55, 12 May 2021 (CET)

OK, pak schváleno. Oleg.Svatos (talk) 13:40, 13 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. Tomáš (talk) 01:55, 11 May 2021 (CET)

Bylo vyprácováno nové zadání - viz zadání 14. Satm03 (talk) 22:00, 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)

Bezpečnost vs. 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. 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, náročnost.

Parametry:

• Počet nodů
  • měnitelný parametr s defaultní hodnotou 1000

• Cena
  • měnitelný parametr s defaultní hodnotou 100
• Náročnost
  • měnitelný parametr s defaultní hodnotou 100
• Failure rate
  • defaultní hodnota bude 0.1*(Cena/Náročnost)
  • je to agregovaná hodnota (složená součtem, pro jednoduchost se stejným poměrem) z pravděpodobností
    • koluze - pravděpodobnost vzniku podvodného nodu
    • nedočkavost - pravděpodobnost emise náhodné chyby (odeslání neplatného řetězce)
    • DoS - pravděpodobnost blokace nodu (žádná komunikace se sousedy v iteraci, pokud je poctivá)

Agenti:

• Nody
  • sousedé (noda je napojena na sousedy v radiusu, radius je náhodně veliká kružnice se střední hodnotou 1/6 velikosti canvasu)
  • každá noda drží hodnoty posledního řetězce
  • poctivost/podvodnost (true/false)

• Těžící nody
  • noda má 90% šanci být těžící nodou
  • každá těžící noda patří do clusteru (střední hodnota velikosti clusteru je 100)
  • pokud nevytěží noda po danou dobu (cena*náročnost) ticků, mění cluster

• Řetězce
  • je reprezentovan délkou (číslo od 0) a platností (true/false default při vzniku je roven podvodnosti nodu)

Pravidla: Noda s méně než jedním sousedem vždy zaniká. Noda obklopená jen podvodnými sousedy se automaticky stává podvodná. Když noda obdrží řetězec s větší délkou, než již má, přebírá jej a distribuuje jej všem svým sousedům. Pokud poctivá noda distribuuje neplatný řetězec, aplikuje se opět pravděpodobnost koluze.

Pokud dostane řetězec stejné délky, jako už má, pak záleží, zda je poctivá:

• Poctivá
  • pokud má neplatný řetězec (přišel jako nejdelší) a dostane platný řetězec stejné délky, pak vyměňuje a vždy si nechá platný (a distribuuje sousedům)
  • pokud dostane neplatný řetězec stejné délky jako už má, odebírá si nodu ze sousedů
• Podvodná
  • Nechává si neplatný.

Po každém daném počtu ticků (náročnost) je náhodně vybrána jedna těžící noda. Její řetězec je zvětšen o 1 a nastaven všem nodám v clusteru (platnost nody nastavují podle poctivosti, všechny nody v clusteru se berou jako úspěšně těžící)

Měřené veličiny: Počet/poměr podvodných clusterů celkem (takové, kde je většina nodů podvodných). Počet/poměr podvodných nodů celkem. Počet/poměr neplatných řetězců v oběhu.

Notes: Podvodné nody a neplatné řetězce budou vizuálně odlišné (červená/oranžová).

Autor Petr Hoza

Modelovací nástroj Netlogo

Cíl simulace Cílem simulace je zjistit, jakým stylem je provázána náročnost operací, cena a bezpečnost hypotetické sítě inspirované sítí Bitcoin. Primárně, zda existuje nějaké optimum pro zachování dostatečné bezpečnosti za minimální energetické náročnosti.

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

Přiznám se, že mi není úplně jasné, co vlastně hodláte zkoumat (a to o blockchainu a kryptoměnách vím snad celkem dost). Přijde mi to strašně vágně popsané. Buďto to prosím popiště detailněji, aby bylo jasné, jak ta simulace bude vypadat, jací budou agenti, jejich vlastnosti a parametry, případně i připojte nějaké obrázky. Nebo si vyberte nějaký dílčí problém v rámci tohoto. Tomáš (talk) 19:35, 12 May 2021 (CET)

Doplňil jsem podrobnější popis zadání a přidal parametry a pravidla chování. Chci simulovat jak rychle se u takovéto hypotetické sítě projevuje snížení náročnosti na bezpečnosti (a jak ta dynamika průběhu vypadá). Petr Hoza (talk) 21:19, 13 May 2021 (CET)

Přiznám se, že mám stále pochyby k účelnosti toho, co chcete zkoumat, ale přesvědčil jste mě propracovaností toho zadání. Schváleno. Tomáš (talk) 22:48, 18 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

Marj37 (talk) 20:38, 11 May 2021 (CET)

Na Vámi uvedených odkazech příliš mnoho relevantních dat nevidím, budete muset zdroje doplnit. Zjednodušení v podobě jednoho typu letadla a plus minus konstantní doby přípravy je asi pro Ruzyň přijatelné, nicméně v případě rozdělení (frekvence) letů během dne už si budete muset reálná data opatřit, protože to je dosti podstatné. Schváleno. Tomáš (talk) 19:43, 12 May 2021 (CET)

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.

Joho00 (talk) 16:33, 12 May 2021 (CET)

Schváleno. Tomáš (talk) 19:45, 12 May 2021 (CET)

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

Vlastnosti Prostredi:

• Vlhkost
• Provzdušněnost půdy
• Množství vápníku
• Množství hnojiva

Vlastnosti půdy jsou simulovány pomocí náhodných čísel na začátku simulace

Agenti:

• Mech - Pokud prosperuje, šíří se náhodně do sousedních polí. Čím více prosperuje, tím rychleji se šíří. Pokud má nepříznivé podmínky, umírá. Příznivé podmínky pro mech znamená vlhkost, nepříznivé větší množství vápníku.
• Trávník - Pokud prosperuje, šíří se náhodně do sousedních polí. Čím více prosperuje, tím rychleji se šíří. Pokud má nepříznivé podmínky, umírá. Příznivé podmínky pro trávu představuje prohnojená půda a nepříznivé podmínky představuje neprovzdušněná půda.
• Člověk - Bude simulován pomocí několika různých metod (agentů) - například použití mechostopu, vertikutátoru, vyhrabání mechu

Parametry:

• Metoda(agent) - Účinnost na mech
• Metoda(agent) - Vliv na trávník
• Metoda(agent) - Rychlost aplikace (simulována jako pohyb agenta)

Konkrétní metody:

• Vertikutátor - je simulován jako agent, který vyhledává nejbližší mech a s pravděpodobností 70% ho odstraní. Zárověn ale ničí i trávu (s pravděpodobností 10%). Kromě toho provzdušnuje půdu
• Mechostop - je simulován jako agent, který vyhledává nejbližší mech a s pravděpodobností 90% ho odstraní. Zárověn ale ničí i trávu (s pravděpodobností 20%). Kromě toho zhoršuje poškozuje půdu, simulováno snížením množstvím hnojiva v půdě (vlastnost prostředí)

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

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

Může být, ale zadání je značně obecné. Jen na jeho základě byste toho asi moc nenasimulovat, prosím o rozpracování, doplnění konkrétních parametrů, jak to bude vypadat, apod. Tomáš (talk) 19:49, 12 May 2021 (CET)

Viděl jsem, že jste tam něco upravil, ale nevím, jestli to je reakce na moji výše uvedenou zpětnou vazbu. Jestli ano,tak se domnívám, že by to chtělo zásadnější rozpracování. Dovoluji si připomenout, že téma dosud v této podobě není schváleno. Tomáš (talk) 14:55, 3 June 2021 (CET)

Takto je to zatím nasimulováno, popravdě jsem moc z vašich komentářů nepochopil, co mám do zadání doplnit, ale asi jsem svojí myšlenku nedokázal dost dobře dostat na papír. Snad jsem se už ted trefil a je to nyní pochopitelné. Vavm05 (talk) 15:47, 6 June 2021 (CET)

No, nevím, jestli mech a trávník je něco, co se dá nazvat agenty, ale ať to neprodlužujeme... Schváleno. Tomáš (talk) 19:28, 9 June 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)

Schváleno. Tomáš (talk) 19:52, 12 May 2021 (CET)

Simulace přítoku/odtoku a rychlosti vypařování vody ve vodním díle

Definice problému: Množství hladiny (obejmu) vody ve vodním díle je ovlivněna jejím přítokem, rychlostí řízeného odtoku, ale také povrchovým odpařováním. Cílem simulace je tedy vytvořit nástroj, který úpravou parametrů umožní vytvořit model efektivního řízení přítoku pro zachování stálého objemu vody v nádrži. Variabilní proměnou ovlivňující objem odtoku může být délka slunečního svitu, povrch vodní plochy, rychlost přítoku/odtoku nebo teplota okolí. Nástroj umožní pozorovat vliv délky slunečního svitu na stav hladiny (objemu) vody.

Autor: Michal Šejba (Michal.s)

Typ modelu: Systémová dynamika

Modelovací nástroj: Vensim

Cíl simulace: Efektivní řízení přítoku pro udržení stálého objemu vody v nádrži. Vedlejším produktem modelu je možnost zjištění množství ztracené energie díky odpařování vody do atmosféry.

Data: Data budou čerpána z portálu českých povodí [1], pro výpočet [2], příklad plochy nádrže [3].

Michal.s (talk) 20:44, 22 May 2021 (CET)

Schváleno - pro tento typ simulace je pak zásadní demonstrovant funkčnost simulace na nějakém konkrétním vodním díle včetně odvození vstupních paramterů simulace z konkrétních dat pro dané vodní dílo. Oleg.Svatos (talk) 15:10, 23 May 2021 (CET)

Simulace převážení pasažérů pomocí převozních lodí

Autor: Martin Šatra (satm03) – druhý návrh simulace (původní simulace vytváření kytic byla zamítnuta)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: Prostředí modelu by bylo vydefinováno jako krajina, kterou by rozdělovala řeka, přes níž by nevedl žádný most. Na každém břehu by byl vytvořen jeden malý přístav. Přístavy budou sloužit jako body, mezi kterými za určitý čas přeplouvá převozní loď. Přístavy jsou zároveň jedinými místy, kde se lze nalodit, či vylodit z převozní lodě. Dále se na každém břehu vyskytují pasažéři, kteří by stáli o to, dostat se na druhý břeh, přičemž si zvolili právě převoz pomocí transportní lodě. Transportní loď má omezenou kapacitu pasažérů, a přeplouvá řeku po určitém časovém limitu stráveném v přístavu, či poté, co je plně obsazena pasažéry.

Agenti:

• Transportní loď – Agent převážející pasažéry mezi přístavy. Přeplouvá buďto po určité době, či poté, co je plně obsazena. Předpokládané vlastnosti budou nejspíše: kapacita, rychlost, maximální doba čekání v přístavu.
• Pasažéři – Lidé (případně třeba i nějaké dopravní prostředky), kteří průběžně přicházejí do přístavu za účelem dostat se na druhý břeh, každý pasažér pak má při nastavování simulace náhodně udáno, kdy přesně bude chtít opustit svůj břeh, lépe řečeno kdy se vydá k přístavu na svém břehu.

Cíl simulace: Cílem simulace by bylo pomoc přepravním společnostem, které by se rozhodovaly jaké typy lodí se mají zakoupit v dané lokalitě. Cílem je tedy nalézt takové parametry simulace (rychlost, velikost lodí), které by byly optimální za určitého lokálního zatížení pasažéry, tak aby transportní lodě nepluly zbytečně prázdné, a zároveň, aby pasažéři zbytečně dlouho nečekali (teoreticky by šlo i o ušlý zisk).

Parametry:

• Počet pasažérů na levém břehu
• Počet pasažérů na pravém břehu
• Kapacita lodě (kolik pasažérů je loď schopna převést)
• Rychlost lodě
• Maximální doba, kterou loď stráví v přístavu
• Vzdálenost mezi přístavy (v určitém rozmezí, aby byla mapa modelu čitelná a zároveň se sem oba přístavy vešly.)

Výstupy:

• Počet převezených pasažérů v čase
• Využití lodě (kolik míst bylo skutečně obsazeno vzhledem k tomu kolik pasažérů by mohlo být maximálně převezeno.)
• Počet čekajících pasažérů v čase

Možné rozšíření: Jak již bylo naznačeno pasažéři by mohli být v reálném světě reprezentovány buď lidmi, či transportními prostředky, proto by se mohla zavést velikost každého pasažéra, což by pak hrálo roli při obsazení kapacity lodě. Muselo by přitom dojít k nahrazení kapacity vyjádřené počtem pasažérů za kapacitu vyjádřenou určitou velikostí nákladového prostoru lodě. Dále by se mohl uvést parametr, který by udával rychlost proudění vody, což by mělo vliv na délku plavby mezi přístavy. V tomto případě bude počítáno, že proudění vody nemá vliv na pohyb lodě. Nakonec by mohl být vytvořen i parametr, který by udával možné počty lodí (nejspíše by šlo o rozhodnoutí mezi jednou, či dvěma loděmi).

Prosba: Nepatří to sice k této práci, ale mohl bych Vás poprosit o odpověď na moji otázku ohledně první semestrální práce (Paperu), kterou jsem Vám zaslal na Teams?

Satm03 (talk) 21:00, 11 May 2021 (CET)

Já mám obavu, že tohle není úplně úloha pro NetLogo a že by to bylo docelo dobře řešitelné jako diskrétní simulace. Nenechte se zmást tím, že tam jde o cestování, nehraje v simulaci prakticky žádnou roli. Smysl to začíná dávat snad jedině v případě, že tam zakomponujete tu rychlost té řeky, ale to zase asi není až tak zásadní faktor, abyste kolem něj stavěl celou tu koncepci. Jestli jste ochoten dělat to jako diskrétní simulaci, zkuste si to prosím promyslet a zadání adekvátně tímto směrem doladit. Tomáš (talk) 21:45, 12 May 2021 (CET)

A v případě, že by se přidala ta rychlost řeky, pak by jste námět uznal? Stál bych hodně o využití netloga, pokusil jsem se formovat i třetí námět viz námět 17. Satm03 (talk) 21:00, 13 May 2021 (CET)

Simulace penzijního systému ČR

Simulace bude ukazovat vývoj penzijního systému v ČR.

S prodlužující se délkou života a valorizací důchodu čelí český penzijní systém značnému náporu, který je momentálně regulován pouze zvyšováním věku odchodu do penze. Simulace bude počítat dopady na státní rozpočet. Bude počítáno se současnou velikostí a věkovým rozložením populace.

Autor Jan Dostál

Typ modelu Multiagentní

Modelovací nástroj Netlogo

Agenti

• Lidé - lidé (rozdělení podle pohlaví a věku), kteří buď jsou, nebo nejsou v důchodu

Parametry modelu

• Věk odchodu do důchodu

• Průměrné dožití (rozdělení podle pohlaví)

• Roční nárust průměrného dožití (rozdělení podle pohlaví)

• Průměrný důchod

• Valorizace důchodu

• Porodnost

Cíl simulace: Cílem simulace je ukázat, jakým způsobem se bude vyvíjet penzijní systém v ČR při současně nastaveném kurzu.

Tohle moc na multiagentní simulaci nevypadá - návrh nesměřuje k prostorové simulaci. Spíš bych to viděl na Vensim. Což teda by znamenalo, že je potřeba velikost a věkové rozložení populace vnímat dynamicky a simulace musí jejich vývoj (jednotlivých věkových segmentů) simulovat v čase. Z jakých dat byste pro výše uvedené parametry vycházel? Oleg.Svatos (talk) 13:48, 13 May 2021 (CET)

Hašení lesního požáru

Simulace bude simulovat hašení lesního požáru. Hasičů a jejich prostředků k hašení musí být tolik, aby zvládli uhasit lesní požár, ale nesmí jich být zbytečně moc, aby se ušetřili zdroje na jiný případný požár a náklady na uhašení byly co nejmenší. Hasiči budou k požáru jezdit hasičskými cisternami a létat vrtulníky. Cisterny i vrtulníky budou mít určitou kapacitu nádrže, a proto budou muset vodu dobírat v nejbližším zdroji vody, tím bude jezero. Hasičské auto bude mít stanovený počet litrů vody, které dokáže za minutu vystříknout. Požár bude mít různou počáteční rozlohu a také různou sílu, to znamená, že čím silnější požár bude, tak na uhašení stejně velké plochy bude potřeba větší množství vody. Důležitou proměnnou bude také rychlost šíření požáru. Cílem je zvládnout uhasit požár za použití co nejméně hasičů, hasičských aut a hasičských vrtulníků.

Autor Tibor Vondrášek

Typ modelu Multiagentní

Modelovací nástroj Netlogo

Agenti

• Hasiči - Jezdí cisternami k požáru a pro vodu. Hasí požár pomocí hadic z cisteren.

• Hasičské cisterny - Cisternami hasiči jezdí k požáru a pomocí vody z cisteren hasiči hasí požár. Cisterny mají danou kapacitu nádrže a rychlost průtoku vody z nádrže. Když cisterně v nádrži dojde voda, musí jet k jezeru, kde vodu za určitý čas nabere a pak se může vydat zpátky k požáru.

• Hasičské vrtulníky - Vrtulníky mají danou kapacitu nádrže a po příletu nad požár všechnu vodu shodí a hned zase musí letět k jezeru, kde vodu hned naberou.

Parametry modelu

• Množství hasičů

• Množství hasičských cisteren

• Množství hasičských vrtulníků

• Vzdálenost zdroje vody

• Počáteční velikost požáru

• Síla požáru

• Rychlost šíření požáru

Cíl simulace: Cílem simulace je na základě velikosti, síly a rychlosti šíření požáru a vzdálenosti zdroje vody najít optimální množství hasičů, hasících cisteren a vrtulníků k uhašení lesního požáru.

Vont02 (talk) 3:48, 13 May 2021 (CET)

Ano, ale jedině za předpokladu, že budete pracovat s reálnými daty, veličinami, parametry. Těch dat by měl být k dispozici dostatek, máte tam řadu hlavně fyzikálních parametrů, které by měly být popsány v různých normách, atd.. Za těchto podmínek schváleno Tomáš (talk) 00:15, 19 May 2021 (CET)

Simulace průběhu masové střelby

Autor: Jiří Mareš (marj39)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: Inspirováno články zde a zde. Rád bych v simulaci zjistil, resp. ověřil, jaké je nejvhodnější chování civilistů pro co nejmenší počet obětí útoku a jaký vliv má změna počtu civilistů se zbraní na výsledek. Mimo rozsah simulace je určitě zkoumání zdali vyšší počet ozbrojených civilistů (a tudíž zbraní v populaci) má vliv na výskyt masové střelby. U ozbrojených civilistů se vždy předpokládá skryté nošení pistole. Civilista i ozbrojený civilista mají určitou šanci (dle parametru Odvaha) na to postavit se útočníkovi, ozbrojený civilista má tuto šanci vyšší.

Agenti:

• Střelec
• Civilista
• Ozbrojený civilista

Cíl simulace: Cílem simulace je sledování správného chování a možností civilistů k zastavení ozbrojeného masového střelce, především vzhledem k počtu ozbrojených civilistů v populaci.

Parametry:

• Počet civilistů
• Počet ozbrojených civilistů
• Odvaha
• Počet střelců
• Zbraň střelce
• Výstroj střelce (kevlar)
• Výcvik střelce (vliv na přesnost a rychlost)
• Umístění střelce
• Prostor (outdoor, indoor)

Marj39 (talk) 12:17, 13 May 2021 (CET)

Držel bych se jen toho chování civilistů, míchat to s počtem zbraní v populaci nedává smysl. Schváleno. Tomáš (talk) 00:35, 19 May 2021 (CET)

Simulace vývoje epidemie Covid 19

Autor: Martin Šatra (satm03) – třetí návrh simulace

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: V dnešní době jsou asi všichni obeznámeni s problémem viru Covid 19. Tato simulace by měla poskytovat možnou predikci vývoje pandemie v následujících měsících. Prostředí tohoto modelu by představovalo uzavřené prostředí, ve které by se pohybovalo určité množství lidí. Nakažení virem by mohli při setkání s nenakaženou osobou danou osobu nakazit. Parametry viru by pak byla jeho nakažlivost, délka onemocnění a míra úmrtnosti (pravděpodobnost podlehnutí jedince během nemoci). Každý jedinec by měl svoji míru náchylnosti k úplnému podlehnutí nemoci. Tuto náchylnost by představovalo jeho obecné zdraví kombinované s uvedenou mírou úmrtnosti. Hodnotu obecného zdraví by měl každý jedinec náhodně nastavenou při přípravě simulace a během času by lehce fluktuovala. Po prodělání nemoci by dříve nemocný člověk získal po určitou dobu imunitu, takže nemůže být nakažen ani po bezprostředním kontaktu s nemocným člověkem.

Agenti: Lidé – agenti pohybující se různě po mapě, přičemž mohou potkávat, nebo se dostávat do blízkosti ostatních lidí. Měli by mít tyto vlastnosti:

• obecné zdraví
• Imunita
• Zdraví/nemocný

Cíl simulace: Cílem simulace by bylo získání představy o počtu infikovaných a imunních v dané části společnosti po určité době (odhaduji cca 2 měsíce). Simulace by pak mohla sloužit jako predikce možného průběhu epidemie v následujících měsících a tím pomoci státním orgánům vydávat, či rozvolňovat omezení.

Parametry:

• Počet nemocných
• Počet zdravých
• Počet imunních (náhodně mezi 0 a maximální délkou imunity)
• Nakažlivost viru (v procentech)
• Délka onemocnění
• Délka imunity
• Využití roušky (Viděl bych to tak, že by se rouška využívala, nebo ne. V případě, že by se nevyužívala, pak by nakažený ohrožoval mírou nakažlivosti viru ty, které potká na stejném místě a se čtvrteční hodnotou nakažlivosti na místech okolo sebe (patche okolo). Kdyby se rouška používala, pak by nakažený mohl přenášet nemoc pouze na stejném místě a to pouze s poloviční hodnotou nakažlivosti viru.

Výstupy:

• Počet nakažených
• Počet kriticky nakažených (obecné zdraví pod určitou hodnotou + nakažení)
• Počet mrtvých
• Počet imunních
• Počet zdravých

Satm03 (talk) 21:00, 13 May 2021 (CET)

Simulace epidemií jsou vděčnou úlohou pro agentní simulace, ale zároveň jsou dosti náročné. Myslím, že tak, jak to máte definované, Vám z toho nejspíš budou padat obecné, těžko ověřitelné výsledky. Nicméně, navrhoval bych to zkonkrétnit na nějaké konkrétní situaci a pak by to fungovat mohlo. Napadlo mě třeba simulovat jako prostředí tu výletní loď, jak na ní byli loni po vypuknutí covidu internováni ti turisti. Co Vy na to? Tomáš (talk) 00:06, 19 May 2021 (CET)

Mohu se prosím zeptat, jak myslíte přesně to zkonkretizování? Je to myšleno pouze tak, že se agenti budou moci pohybovat v prostoru ve tvaru lodi a přidala by se například inkubační doba? Nebo by bylo potřeba vymyslet například i nějaké prostory, které by simulovaly kajuty, kde by agenti byly umístěni v případě, že by byly shledáni nakaženými, připadně by se do kajut vraceli každý den na určitou i dobu kvůli spánku? Pro urychlení jsem zkusil pozměnit uvedené téma. Přepracované části tématu jsou uvedeny bezprostředně níže. Satm03 (talk) 23:00, 23 May 2021 (CET)

Popis modelu: V dnešní době jsou asi všichni obeznámeni s problémem viru Covid 19. Tato simulace se bude inspirovat jednou specifickou událostí, která během pandemie nastala. Konkrétně šlo o internování turistů na výletní lodi Diamond Princess, když se zjistilo, že na palubě je několik nakažených. Prostředí tohoto modelu by tedy představovalo uzavřené prostředí lodi, ve které by se pohybovalo určité množství lidí. Na lodi budou prostory, které budou představovat kajuty – v kajutách by pasažéři trávili určité množství času (cca od 6-20 hodiny – preference dána náhodně každému cestujícímu při přípravě simulace – symbolizovalo by to ustrašenost cestujícího před nakažením). Kajuty bych si představoval jenom jakési 2 obdélníky táhnoucí se přes tělo lodi. Na kajutách (těchto obdélníkách) by pak platilo, že pasažér nemůže nakazit jiné pasažéry. Po projevení příznaků by jedinec neměl opustit svoji kajutu po svém prvním návratu do ní, dokud nemoc neprodělá.

Nakažení virem by mohli při setkání s nenakaženou osobou danou osobu nakazit. Parametry viru by byla jeho nakažlivost, délka onemocnění a míra úmrtnosti (pravděpodobnost podlehnutí jedince během nemoci) a inkubační doba. Každý jedinec by měl svoji míru náchylnosti k úplnému podlehnutí nemoci. Tuto náchylnost by představovalo jeho obecné zdraví kombinované s uvedenou mírou úmrtnosti. Hodnotu obecného zdraví by měl každý jedinec náhodně nastavenou při přípravě simulace. S mírou zdraví by souviselo i projevování příznaků nemoci (když je člověk zdravý a nakažený pak se neprojevují příznaky a stále vycházejí ze svých kajut, avšak těm měné zdravým a zároveň nakaženým se již příznaky projevují, a proto jsou uzavřeni na kajutě, jakmile se do ní dostanou. Po prodělání nemoci dříve nemocný člověk získává imunitu, takže nemůže být nakažen ani po bezprostředním kontaktu s nemocným člověkem (Vzhledem k uváděné délce imunity nemá smysl, aby se určovala její délka – z lodi se nejspíše lidé dostanou dříve, než imunitu ztratí.)

Agenti: Lidé – agenti pohybující se různě po mapě, přičemž mohou potkávat, nebo se dostávat do blízkosti ostatních lidí. Měli by měl mít tyto vlastnosti:

• obecné zdraví
• Imunita (ano/ne)
• Zdraví/nemocný
• Nakažlivý (dle inkubační doby)

Cíl simulace: Cílem simulace by bylo získání představy o počtu infikovaných a imunních na lodi. Simulace by pak mohla sloužit jako predikce možného průběhu epidemie na tomto omezeném prostoru v následujících dnech a tím pomoci státním orgánům určit, kdy pasažéři mohou loď opustit.

Parametry:

• Počet nemocných
• Počet zdravých
• Nakažlivost viru (v procentech)
• Délka onemocnění od projevení prvních příznaků
• inkubační doba (do této doby agent není nakažlivý)
• Využití roušky (Viděl bych to tak, že by se rouška využívala, nebo ne. V případě, že by se nevyužívala, pak by nakažený ohrožoval mírou nakažlivosti viru ty, které potká na stejném místě a se čtvrteční hodnotou nakažlivosti na místech okolo sebe (patche okolo). Kdyby se rouška používala, pak by nakažený mohl přenášet nemoc pouze na stejném místě a to pouze s poloviční hodnotou nakažlivosti viru.

Výstupy:

• Počet nakažených
• Počet kriticky nakažených (obecné zdraví pod určitou hodnotou + nakažení)
• Počet mrtvých
• Počet imunních
• Počet zdravých

Satm03 (talk) 23:00, 23 May 2021 (CET)

OK, není nutné mít nějaký půdorys kajut a tam mít rozmístěné agenty jednoho po druhém. Úplně bude stačit, abyste to rozdělil na nějaké stavy, kde je různá možnost nákazy. Např. pokud je agent ve stavu "v kajutě" asi má velmi omezenou možnost nakazit jiné agenty, ale stále ne nulovou (klimatizační systém, atd. - to je asi třeba odzdrojovat). Pak je tu nějaký personál, který je na takových lodích velmi početný, takže jej bude třeba zohlednit. Mezi ním bude šíření asi snazší, protože se po lodi pohybuje, to by bylo dobré opět nastudovat a odzdrojovat. Dále se snažte vyvarovat nekonkrétním parametrům jako je "ustrašenost", pravděpodobnost úmrtí se snažte vzdáhnout k nějakým tvrdým datům, ke kterým máte šanci získat zdroj, např. k věkové struktuře, jinak z toho vyjnou neověřitelné nesmysly. Tento případ byl naštěstí velmi silně medializován, takže zdrojů bude dostatek. Schváleno. Tomáš (talk) 07:57, 26 May 2021 (CET)

Simulace vylučovacího závodu dráhové cyklistiky

Autor: Jakub Racek (racj01)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: Simulace závodu cyklistů na velodromu. Cyklisti jsou na začátku závodu seřazeni ve dvou řadách. Každý cyklista disponuje určitou výkonností, a v průběhu závodu klesá jeho výkonnost vlivem únavy. S poklesem výkonnosti klesá i maximální rychlost cyklistů. Pokles výkonnosti je ovlivněn pozicí v balíku jezdců. V cíly každého předem určeného kola, je poslední jezdec pole ze závodu vyřazen dokud nezůstanou pouze dva závodníci. Vítěz z těchto dvou závvodníků se stává vítězem celého závodu. V průbběhu závodu může docházet k pádům vv případě, že v těsné blízkosti vyyskytuje více jezdců.

Agenti:

• Cyklisti

Parametry:

• Počet závodníků
• Počet kol před každou eliminací
• Maximální rychlost
• Maximální rozdíl ve výkonnosti
• Aktuální výkonost závodníka

Cíl simulace: Cílem simulace je nálézt optimální strategii pro tento typ závodu a naléz optimální pozici v poli závodníků.

Možné rozšíření: Přidat možnost změny typu závodu, kde závodníci opouštějí závod pokud projedou cílem určeného kola jako první. Umístění je určeno pořadím opuštění závodu, kdo závod dříve opustí získá lepší umístění.

racj01 (talk) 21:00, 13 May 2021 (CET)

K tomuhle budete mít problém sehnat kloudná data a pracujete s obtížně měřitelnými veličinami. Zkuste něco jiného. Tomáš (talk) 00:17, 19 May 2021 (CET)

Simulace klíčového podnikového procesu digitální agentury

Simulován bude klíčový proces technologické společnosti, která vytváří digitální produkty (webové prezentace a aplikace). Každá zakázka má definovaný proces tvorby, který obsahuje několik činností (analýza, návrh řešení a technologií, návrh databáze, wireframe, tvorba grafiky, 3 iterace úprav, customizace systému, ...), z nichž na sebe některé navazují, a čerpá různé zdroje (lidské zdroje - omezený počet hodin týdně různých pracovníků - grafika, frontend / backend programátorů, vedoucího projektu, ...).

Činnosti procesu:

• Analýza
• Návrh
• Databáze
• Wireframe
• Grafika
• (3 kola úprav)
• Frontend
• Backend
• (2 kola úprav)

Rozšíření: Přidání 3 iterací úprav grafiky a následně celého webu

Autor: Robert Mikšík

Modelovací nástroj: Simprocess

Cíl simulace: Hlavním cílem simulace je určit maximální možný zisk a maximální počet zakázek při různých variantách nasazení pracovníků.

Data: Simulce bude postavena na reálných datech nsbíraných při chodu společnosti za poslední rok.

Mikr04 (talk) 15:39, 18 May 2021 (CET)

Tyhle měkké procesy jsou pro simulaci obecně nejméně vhodné, takže výsledky nebudou nejspíš příliš valné. No, ale budiž. Skutečně prosím pracujte s reálnými údaji. Schváleno. Tomáš (talk) 00:25, 19 May 2021 (CET)

Vývoj ceny bytů v Praze

Pilíři simulace budou funkce nabídky a poptávky po bytech v Praze. Poptávka bude založená na datech o stěhování lidí do hlavního města a vývoji příjmů domácností (hodnoty obou parametrů budou založené na trendech posledních let). Nabídka bude zahrnovat migraci lidí z Prahy a samozřejmě nově vystavené byty. Výsledná cena by měla být determinována posuny "křivek" nabídky a poptávky. Do modelu by nějakých způsobem měl vstupovat i dosavadní vývoj cen. Cílem modelu je určit předpokládaný vývoj cen bytů v Praze. Simulované období bude 10-15 let.

Autor: Pavel Dvoriak

Typ modelu: Systémová dynamika

Použitý nástroj: Vensim

Cíl simulace: Cílem modelu je určit předpokládaný vývoj cen bytů v Praze v nadcházejících 10-15 letech

Parametry modelu:

• Nabídka
  • Nově vystavěné byty
  • Stěhování obyvatel z Prahy
• Poptávka
  • Stěhování obyvatel do Prahy
  • Vývoj příjmů domácností
• Dosavadní vývoj cen

Data: Vývoj cen v minulosti (ČSÚ - https://www.czso.cz/csu/czso/ceny_bytu), Údaje o připravovaných bytech (dostupné přes weby jednotlivých developerských společností), údaje o pohybu obyvatel v Praze v minulosti (ČSÚ - https://www.czso.cz/csu/xa/ctvrtletni_udaje_o_pohybu_obyvatel_v_praze), Příjmy domácností (ČSÚ - https://www.czso.cz/csu/czso/prijmy-vydaje-a-zivotni-podminky-domacnosti)

Dvop06 (talk) 18:09, 17 May 2021 (CET)

Těžko si z toho představit, jak přesně ta simulace bude fungovat. Rozveďte jaké všechny parametry bude simulace simulovat a jak vztahy mezi nimy odvodíte. Zatím tam v tom tu systémovou dynamiku nevidím - chybí mi tam zpětné smyčky (samoregulace). Oleg.Svatos (talk) 21:01, 17 May 2021 (CET)

Oleg.Svatos (talk) 06:50, 16 June 2021 (CET) Schváleno.

Simulace robotického vysavače

Autor: Jakub Racek (racj01)

Typ modelu: Multiagentní

Nástroj: NetLogo

Popis modelu: Simulace se bude věnovat simulaci robotického vysavače v různých místnostech domácnosti s různým rozložením. Budou zde vyzkoušeny různé algoritmy pro pohyb v prostoru a pro navigování kolem překážek. Od algoritmů s náhodným pohybem při styku s překážkou, přes systematické algoritmy, které budou prostor procházet buď vertikálně nebo horizontálně, až po algoritmy s detekcí překážky v dráze pohybu.

Cíl simulace: Porovnání efektivity jednotlivých algoritmů. Nalezení ideallní pozice umístění startovní stanice v místnosti.

Agenti:

• vysavač
• překážky

racj01 (talk) 17:00, 3 June 2021 (CET)

Schváleno Tomáš (talk) 19:24, 9 June 2021 (CET)

Simulácia ziskovosti carsharingovej spoločnosti

Definice problému: Ziskovosť spoločnosti závisí od výšky príjmov a nákladov, ktoré ovplyvňuje mnoho faktorov ako napríklad počet áut, náklady na ich provoz, mzdy zamestnancov atď. Príjmy zas závisia od počtu užívateľov, počtu jázd a výsky ceny priemernej jazdy. Model bude ovplyvňovať tiež dostupnosť áut, ktorá má opäť vplyv na počet užívatelov a ich jázd.

Autor: Barbara Moreová

Typ modelu: Systémová dynamika

Modelovací nástroj: Vensim

Cíl simulace: Nájsť najefektívnejší pomer počtu áut, cien a užívateľov pre maximalizáciu zisku spoločnosti.

Data: Data budem čerpať priamo z databáze jednej z carsharingových spoločností.

Morb04 (talk) 01:23, 16 June 2021 (CET)

Oleg.Svatos (talk) 06:50, 16 June 2021 (CET) Schváleno.