--- title: "サービスロボット導入シミュレーション Log#27 | 店で測った数字が届けば、配膳ロボットの試算はすぐ直せる" slug: serving-robot-sim-ready-for-store-data date: 2026-10-31 day: 415 meta_description: "配膳ロボットの試算（ファミレスの待ち時間を計算で出すシミュレーション）の前提109個のうち79個はまだ仮の値。根拠つきの表にまとめ、店で測った数字が届けば、その行を書き換えて回し直せるようにした。" tags: [サービスロボット導入シミュレーション, 配膳ロボット, 飲食店, ファミレス, 観察シート, シミュレーション, データ設計] series: "導入シミュレーション" --- 配膳ロボットの試算（ファミレスで配膳ロボットを入れたときの待ち時間を、計算で出すシミュレーション）は、前提にしている値109個のうち79個が、まだ根拠のない仮の値です。その109個を、値ごとに「何をもとにした数字か」を書いた1つの表にまとめ、店で測った数字が届いたら、その行を書き換えるだけで回し直せる形にしました。 試算が出す「ロボットを2台入れたら入店待ちが何分縮むか」「スタッフを1人減らせるか」という答えは、会計1組90秒、テーブルを拭くのに40秒、といった前提の数字で決まります。ロボットを入れるか迷っている店の人がまず聞きたいのは、「その90秒はどこから来た数字なのか」のはずです。ところが今までは、前提の数字がプログラムの中に直接書いてあり、どれが実感でどれが仮置きなのかが、どこにも書かれていませんでした。版を変えるときは、フォルダを丸ごとコピーしていました（v2_1〜v2_9）。これでは、店の数字が届いても、どこをどう直せばいいかを探すところから始まります。 **前提の値を、プログラムの外にある1つの表（assumptions.json）に移し、値ごとに根拠の種類・出典・現場で測った回数・更新日を持たせた。** 試算はこの表を読んで回ります。表に移すときに数字は1つも変えておらず、600条件を回し直して、前の版と全部の数字が同じになることを確かめました。 | やったこと | なぜ | 結果 | |---|---|---| | 試算の前提109個を、根拠つきの表にまとめた | どの数字が実感で、どれが仮置きかを分かるようにするため | 仮置き79・決まり17・設定11・実感1・公開事例1。Unity で測った値と現場の値は、まだ0 | | 試算のプログラムと表を GitHub に入れた | いつ・なぜ・どの値を変えたかを、記録で追えるようにするため | 前の版（v2.9）と、600条件で全部の数字が同じ | | 観察シートの記録を貼ると、表に入れる値の案が出る道具を作った | 店から届いた LINE・メールの文を、そのまま試算に使える形にするため | 試しに測った記録7回が、表の6つの行に分かれて入った | | 観察シートの「席へ案内」の測る区切りを変えた | シートの時間に歩く時間が入り、試算の案内の時間と比べられなかったため | 「席に着いて説明を始めたら〜テーブルを離れたら」に変えた | | Unity の比較動画を、まとめて作る準備をした | 今夜撮り直す素材66本から、42本の比較動画を明日すぐ作り始めるため | 作る道具を新しい素材に向け、試しの1コマを作った | 下の図で、根拠の種類を押すと、その種類の前提が表のどの値かが出ます。店の数と回数を動かすと、測った値が試算に入る候補になるかが分かります。 【図解】LOG415_assumptions_table.html 配膳ロボットを自分の店に入れたらどうなるかは、このシリーズの試算をもとにした別のページで試せます。 【バナー】serving-robot-one-less-staff ## 作業ログ ― 配膳ロボットの試算の前提を、1つの表にまとめた 【ファイル一式】LOG415 ### 試算・前提の表・観察シートは、このシリーズで何をしているか このシリーズでは、配膳ロボットを入れたファミレスの待ち時間を、2つの方法で調べています。この LOG で何度も出てくる言葉を、先にまとめます。 | 言葉 | 何か | |---|---| | 試算 | サイトの /series8 で公開している、配膳ロボットの待ち時間の計算。プログラムは `haizen_sim.py`。お客さんが来て、案内され、料理が届き、会計して帰るまでを、[SimPy](https://simpy.readthedocs.io/)（順番待ちを計算で再現する Python の道具）で1組ずつ進める。1条件を40回回した平均を出す | | Unity のシミュレーション | 店を3Dで建て、人とロボットを実際に歩かせるもの。通路で詰まる・止まるといった、計算では出ない動きを見る | | 前提 | 試算が置いている数字。会計1組90秒、テーブルを拭くのに40秒、ロボットが1往復で動けなくなる確率1%など。これが変わると、試算の答えが変わる | | 前提の表 | この LOG で作った `assumptions.json`。前提の値ごとに、根拠の種類・出典・現場で測った回数・更新日を持つ | | 観察シート | 店の人がスマホで作業の時間を測るページ（pixelstomotors.com/sim/serving-robot-observation ）。記録は LINE かメールで、店長やロボットの担当の方へ送る | | 中央値 | 測った値を小さい順に並べたときの、真ん中の値。たまたま長くかかった1回に引きずられにくいので、表に入れる値はこれにする | 試算のプログラムと前提の表は、[GitHub](https://github.com/)（プログラムを、直した記録と一緒に置いておくサービス）の、このサイトのリポジトリ（非公開）の `tools/serving_sim/` に置きました。 一つ断っておくと、この LOG の「見込める効果」は、すべて見込みです。店で測った数字は、まだ1つも届いていません。 ### 前提の値はプログラムの中に直接書かれ、版はフォルダのコピーで分けていた 試算 v2.9 の前提は、`haizen_sim.py` の先頭に、Python の辞書として直接書かれていました。店に共通の値が24個（`COMMON`）、店のタイプごとの値が5店ぶん（`STORES`）、それに選べるロボットの台数や、1条件を回す回数、「店が回らない」とする線（`NG_MIN`）などです。値の横のコメントには「すべて仮」と書いてあるだけで、どれがファミレスで働いていた実感から来た数字で、どれが仮に置いた数字かは、読んでも分かりません。 版は、iCloud の作業フォルダの中で、フォルダごとコピーして分けていました。 ``` simulation/ v2_1/ v2_2/ v2_3/ v2_4/ v2_5/ v2_6/ v2_7/ v2_8/ v2_9/ ``` いつ・なぜ・どの値を変えたかは、フォルダの中の README とコードの頭の説明を読み比べないと分かりません。店で測った数字が届いたとき、まず「どの値を置き換えるのか」「前の版で何を変えたのか」を探すところから始めることになります。 - ねらい：店で測った数字が届いたときに、どの行を書き換えればよいかがすぐ分かり、直した記録が残るようにする - 変わったこと：前提109個をプログラムの外の表に移し、値ごとに根拠の種類・出典・回数・更新日を持たせた。試算はこの表を読んで回る。プログラムと表は git に入れ、フォルダのコピーで版を分けるのをやめた - 見込める効果：数字が届いてから試算を回し直すまでが、表の行を書き換えて回すだけになる（見込み。最初の店の記録が届いたときに、かかった時間で確かめる） ### 前提の表の、根拠の種類7つ 表の値は、どれも次の7つの根拠のどれかを持ちます。 | 根拠の種類 | 意味 | 今の数 | |---|---|---| | 仮置き | まだ根拠がない仮の値。現場・公開事例・Unity の値で置き換えていく | 79 | | 実感 | ファミレスで働いていたころの経験 | 1（会計1組90秒） | | 公開事例 | メーカーの仕様・導入事例など、公開されている値 | 1（洗い場が遠いホテルの店の追加距離） | | Unity | Unity で測った値 | 0 | | 現場 | 店で測った値。測った回数も書く | 0 | | 決まり | 試算の回し方・判定の線・運用の決まりとして決めたもの | 17 | | 設定 | 試算の回し方の設定。店の前提ではない | 11 | 値ごとに持つ欄は、値・単位・何の値か・根拠の種類・出典・現場で測った回数（`n`）・更新日・補足です。更新日が空の行は、表に移す前からの値で、いつ置いたかの記録がないものです。 実感と決まりに分けた値は、次のとおりです。振り分けは確かめてもらい、このままにしました。 | 値 | 根拠 | 出典・決めた経緯 | |---|---|---| | 会計1組90秒（`pay_s`） | 実感 | ファミレスの経験で、1組90秒くらい（2026-10-25） | | ピークの長さ120分（`peak_min`） | 決まり | ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る | | レジは1つ・2つから選べる（`registers`） | 決まり | 試算 v2.8 で決めた。大型店は2つを最初に見せる（2026-10-25） | | ロボットは6台まで選べる（`robots_all`） | 決まり | 5台・6台も選べるまま残す。いちばん良い条件だけを見せても納得されないため（2026-10-21） | | 席は空いているのに10分以上待ったら「店が回らない」（`ng_min`） | 決まり | 試算 v2.2 で決めた。5分だと厳しめ（2026-10-21） | | 料理はロボット優先。2分待っても来なければ人が運ぶ（`robot_first_wait_s`） | 決まり | 料理はロボット最優先で運ぶ運用（2026-10-23） | ロボットの速さ（0.5m/秒）と、1往復で止まる確率・動けなくなる確率は、根拠を仮置きのままにし、補足に「Unity で測って戻す値」と書きました。Unity ではもう測っていますが、試算の値として入れるかはまだ決めていないためです（LOG405 で、動けなくなる割合は Unity の方が多いと分かったが、今は変えないと決めた）。 ### 前提の表を書き出したスクリプト（make_assumptions_once.py） v2.9 のコードから値を読み出し、根拠と説明を付けて `assumptions.json` に書き出す、1回だけ使うスクリプトです。値は手で写さず、コードの中の値をそのまま読んでいます。このあと、根拠が分からない `cold_min`（これを超えて届いた皿を「待たせた皿」とする3分の線）を「決まり」から「仮置き」に直し、共通の値の並びを v2.9 のコードと同じ順にそろえ、日付の記録がない値の更新日を空にしました。 ```python # 1回だけ使う：v2.9 の haizen_sim.py の中の値を、前提の表（assumptions.json）に書き出す import json, sys sys.path.insert(0, "/home/claude/v29") import haizen_sim as h D = "2026-10-31" def rec(v, unit, what, basis="仮置き", source="", updated=None, note=""): r = {"value": v, "unit": unit, "what": what, "basis": basis, "source": source, "n": None, "updated": updated or "2026-10-19"} if note: r["note"] = note return r C = h.COMMON common = { "staff_speed": rec(C["staff_speed"], "m/秒", "スタッフが歩く速さ"), "robot_speed": rec(C["robot_speed"], "m/秒", "ロボットが店内を走る速さ", note="Unity で測って戻す値（Unity の最高は0.6m/秒）。2026-10-24 に今のまま手を付けないと決めた"), "guide_s": rec(C["guide_s"], "秒", "案内（席の説明など。歩く時間は別）"), "staff_place_s": rec(C["staff_place_s"], "秒", "スタッフが卓に皿を置く"), "robot_handoff_s": rec(C["robot_handoff_s"], "秒", "客がロボットから皿を取る"), "pay_s": rec(C["pay_s"], "秒", "会計1組", "実感", "エイイチのファミレスの経験（1組90秒くらい）", "2026-10-25"), "call_s": rec(C["call_s"], "秒", "呼び出しへの対応（歩く時間は別）"), "clear_s": rec(C["clear_s"], "秒", "卓の皿をまとめる"), "wipe_s": rec(C["wipe_s"], "秒", "卓を拭いてセットする"), "load_s": rec(C["load_s"], "秒", "まとめた皿をロボットに載せる"), "guest_load_s": rec(C["guest_load_s"], "秒", "客が空いた皿をロボットに載せる（巡回して集めるとき）"), "pause_rate": rec(C["pause_rate"], "確率（1往復あたり）", "一時停止：人が前を横切ってロボットが止まる", note="Unity で測って戻す値"), "pause_s": rec(list(C["pause_s"]), "秒（最短, 最長）", "一時停止の長さ", note="Unity で測って戻す値"), "stuck_rate": rec(C["stuck_rate"], "確率（1往復あたり）", "立ち往生：スタッフが動かしに行かないと解けない", note="Unity で測って戻す値。LOG405 で Unity の方が多いと分かったが、今は変えないと決めた（2026-10-30）"), "rescue_s": rec(C["rescue_s"], "秒", "立ち往生したロボットをスタッフが動かす作業"), "hop_m": rec(C["hop_m"], "m", "1往復で複数の卓を回るときの、卓から次の卓への寄り道", note="試算だけの近似。Unity は実際の道を走る"), "fragile_cook": rec(list(C["fragile_cook"]), "分（最短, 最頻, 最長）", "デザート・ドリンクができるまで"), "cold_min": rec(C["cold_min"], "分", "これを超えて届いた皿を「待たせた皿」とする線", "決まり"), "dish_extra_m": rec(C["dish_extra_m"], "m", "洗い場が受け渡し口よりさらに奥にあるときの追加距離（店のタイプで上書き）"), "robot_first_wait_s": rec(C["robot_first_wait_s"], "秒", "料理はロボット優先。これだけ待ってもロボットが来なければスタッフが運ぶ", "決まり", "エイイチと決めた運用（料理はロボット最優先・2分待って来なければ人が運ぶ）", "2026-10-23"), "sustain": rec(C["sustain"], "", "回るかの確かめ（来客を止めない回し方）にするか", "設定"), "warmup_min": rec(C["warmup_min"], "分", "回るかの確かめで、数えない慣らしの時間", "設定"), "util_sample_s": rec(C["util_sample_s"], "秒", "手がふさがっている人数・台数を数える間隔", "設定"), "max_extra_min": rec(C["max_extra_min"], "分", "数える時間のあと、追いかけるのを打ち切る上限（回らない条件の保険）", "設定"), } assert list(common) == list(C) [:-1] or set(common) | {"model"} == set(C), set(C) ^ set(common) F = { # 店のタイプの項目の意味 "tables": ("卓", "卓の数"), "dist_m": ("m（最短, 最長）", "受け渡し口（洗い場）から卓までの距離の幅"), "peak_min": ("分", "ピークの長さ（この時間だけ選んだペースで来客する）"), "first_dishes": ("分（最短, 最頻, 最長）× 皿", "最初の注文の皿ごとの、料理ができるまで"), "extra_orders": ("回", "食事中の追加注文の回数（食べ放題）"), "extra_cook": ("分（最短, 最頻, 最長）", "追加注文の料理ができるまで"), "eat_min": ("分（最短, 最頻, 最長）", "食べている時間"), "call_rate": ("回／組", "1組あたりの呼び出しの回数の平均"), "bus_trips": ("往復", "下げ膳を人だけでやるときの往復回数（皿の量）"), "fragile": ("個／組", "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均"), "dish_extra_m": ("m", "洗い場が受け渡し口よりさらに奥にあるときの追加距離"), "staff": ("人（少ない, 真ん中, 多い）", "最初に見せるスタッフの人数"), "staff_all": ("人", "「その他」で選べる人数（総当たりはこちら）"), "arrivals": ("組／時（空いている, 普通, 混んでいる）", "来客のペース"), "registers": ("台", "最初に見せるレジの数"), "registers_all": ("台", "選べるレジの数"), } stores = {} for k in ["small", "family", "large", "hotel", "buffet"]: s = h.STORES[k]; vals = {} for f, v in s.items(): if f == "label": continue v = json.loads(json.dumps(v)) basis, src, upd, note = "仮置き", "", "2026-10-19", "" if f == "peak_min" and v == 120: basis, src = "決まり", "エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る" if f in ("registers", "registers_all"): basis, src, upd = "決まり", "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "2026-10-25" if f == "dish_extra_m": basis, src = "公開事例", "洗い場が遠いホテルの店の導入事例（ホテル小倉）。距離は事例をもとにした仮の値" vals[f] = rec(v, F[f][0], F[f][1], basis, src, upd, note) stores[k] = {"label": s["label"], "values": vals} out = { "about": "サービスロボット導入シミュレーション（配膳ロボットの試算 haizen_sim.py）の前提の表。試算はこの表を読んで回す。値を直すときは、ここを直して git に残す", "model": C["model"], "basis_kinds": { "仮置き": "まだ根拠がない仮の値。現場・公開事例・Unity の値で置き換えていく", "実感": "エイイチの現場の経験（ファミレスで働いていたころ）", "公開事例": "メーカーの仕様・導入事例など、公開されている値", "Unity": "Unity（ServiceSim）で測った値", "現場": "現場で測った値（観察シートなど）。n に測った回数を書く", "決まり": "エイイチと決めた、試算の回し方・判定の線・運用の決まり", "設定": "試算の回し方の設定。店の前提ではない", }, "record_fields": {"value": "値", "unit": "単位", "what": "何の値か", "basis": "根拠の種類（basis_kinds）", "source": "出典・決めた経緯", "n": "現場で測った回数（測っていなければ null）", "updated": "値または根拠を最後に直した日", "note": "補足"}, "common": common, "stores": stores, "layout_stores": { "what": "図面のある店（②〜⑦）。標準ファミレス（family）をもとに、店の形から作る", "layout_dir": "../../public/sim/layouts", "labels": h.LAYOUT_LABELS, "rules": [ "卓の数と、受け渡し口から卓ごとの距離は店の形（*_analysis.json）から取る", "来客のペースは、標準ファミレスの3つを卓の数に比例させて丸める（最低1組/時）", "スタッフの真ん中の人数は、標準ファミレスの真ん中（3人）を卓の数に比例させて丸める（最低2人）。少ない・多いは ±1人、選べる幅は 真ん中-2〜真ん中+4（最低1人）", "それ以外は標準ファミレスと同じ", ], "basis": "決まり", "source": "エイイチと決めた（2026-10-21）", "updated": "2026-10-21", }, "choices": { "robots": rec(h.ROBOTS, "台", "最初に見せるロボットの台数", "設定"), "robots_all": rec(h.ROBOTS_ALL, "台", "「その他」で選べる台数（総当たりはこちら）", "決まり", "エイイチと決めた：5台・6台も選べるまま残す（ベストな状況だけ見せても納得されないため）", "2026-10-21"), "modes": rec(h.MODES, "", "ロボットの使い方（serve 上げ膳だけ／bus 下げ膳にも使う／patrol 食事中に回って集める）", "設定"), "trays": rec(h.TRAYS, "卓", "1往復で回る卓の数（1卓ずつ／最大3卓）", "設定"), "fragile_by": rec(h.FRAGILE_BY, "", "倒れやすい物を ロボットも運ぶ（any）／人だけが運ぶ（staff）", "設定"), "reps": rec(h.REPS, "回", "1条件を回す回数（結果はこの平均）", "設定"), }, "judge": { "ng_min": rec(h.NG_MIN, "分", "席は空いているのに待った時間がこれ以上なら「店が回らない」", "決まり", "試算 v2.2 でエイイチと決めた（5分だと厳しめ）", "2026-10-21"), "staff_full": rec(h.STAFF_FULL, "割合", "回るかの確かめで、スタッフの手がこれ以上ふさがっていたら「店が回らない」（ページでは使わない）", "設定"), "unstable_min": rec(h.UNSTABLE_MIN, "分", "参考：入店待ちがこれ以上延びていく条件（判定には使わない）", "設定"), }, } json.dump(out, open("/home/claude/p2m-site/tools/serving_sim/assumptions.json", "w", encoding="utf-8"), ensure_ascii=False, indent=1) print("ok") ``` ### 前提の表 assumptions.json（全文） ```json { "about": "サービスロボット導入シミュレーション（配膳ロボットの試算 haizen_sim.py）の前提の表。試算はこの表を読んで回す。値を直すときは、ここを直して git に残す", "model": "v2.9", "basis_kinds": { "仮置き": "まだ根拠がない仮の値。現場・公開事例・Unity の値で置き換えていく", "実感": "エイイチの現場の経験（ファミレスで働いていたころ）", "公開事例": "メーカーの仕様・導入事例など、公開されている値", "Unity": "Unity（ServiceSim）で測った値", "現場": "現場で測った値（観察シートなど）。n に測った回数を書く", "決まり": "エイイチと決めた、試算の回し方・判定の線・運用の決まり", "設定": "試算の回し方の設定。店の前提ではない" }, "record_fields": { "value": "値", "unit": "単位", "what": "何の値か", "basis": "根拠の種類（basis_kinds）", "source": "出典・決めた経緯", "n": "現場で測った回数（測っていなければ null）", "updated": "値または根拠を最後に直した日（空は、表に移す前からの値で日付の記録がないもの）", "note": "補足" }, "common": { "staff_speed": { "value": 1.0, "unit": "m/秒", "what": "スタッフが歩く速さ", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "robot_speed": { "value": 0.5, "unit": "m/秒", "what": "ロボットが店内を走る速さ", "basis": "仮置き", "source": "", "n": null, "updated": "", "note": "Unity で測って戻す値（Unity の最高は0.6m/秒）。2026-10-24 に今のまま手を付けないと決めた" }, "guide_s": { "value": 45, "unit": "秒", "what": "案内（席の説明など。歩く時間は別）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_place_s": { "value": 10, "unit": "秒", "what": "スタッフが卓に皿を置く", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "robot_handoff_s": { "value": 25, "unit": "秒", "what": "客がロボットから皿を取る", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "pay_s": { "value": 90, "unit": "秒", "what": "会計1組", "basis": "実感", "source": "エイイチのファミレスの経験（1組90秒くらい）", "n": null, "updated": "2026-10-25" }, "call_s": { "value": 30, "unit": "秒", "what": "呼び出しへの対応（歩く時間は別）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "clear_s": { "value": 40, "unit": "秒", "what": "卓の皿をまとめる", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "wipe_s": { "value": 40, "unit": "秒", "what": "卓を拭いてセットする", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "load_s": { "value": 15, "unit": "秒", "what": "まとめた皿をロボットに載せる", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "guest_load_s": { "value": 20, "unit": "秒", "what": "客が空いた皿をロボットに載せる（巡回して集めるとき）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "pause_rate": { "value": 0.3, "unit": "確率（1往復あたり）", "what": "一時停止：人が前を横切ってロボットが止まる", "basis": "仮置き", "source": "", "n": null, "updated": "", "note": "Unity で測って戻す値" }, "pause_s": { "value": [ 3, 10 ], "unit": "秒（最短, 最長）", "what": "一時停止の長さ", "basis": "仮置き", "source": "", "n": null, "updated": "", "note": "Unity で測って戻す値" }, "stuck_rate": { "value": 0.01, "unit": "確率（1往復あたり）", "what": "立ち往生：スタッフが動かしに行かないと解けない", "basis": "仮置き", "source": "", "n": null, "updated": "", "note": "Unity で測って戻す値。LOG405 で Unity の方が多いと分かったが、今は変えないと決めた（2026-10-30）" }, "rescue_s": { "value": 15, "unit": "秒", "what": "立ち往生したロボットをスタッフが動かす作業", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "hop_m": { "value": 3, "unit": "m", "what": "1往復で複数の卓を回るときの、卓から次の卓への寄り道", "basis": "仮置き", "source": "", "n": null, "updated": "", "note": "試算だけの近似。Unity は実際の道を走る" }, "fragile_cook": { "value": [ 2, 4, 7 ], "unit": "分（最短, 最頻, 最長）", "what": "デザート・ドリンクができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "cold_min": { "value": 3, "unit": "分", "what": "これを超えて届いた皿を「待たせた皿」とする線", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dish_extra_m": { "value": 0, "unit": "m", "what": "洗い場が受け渡し口よりさらに奥にあるときの追加距離（店のタイプで上書き）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "sustain": { "value": false, "unit": "", "what": "回るかの確かめ（来客を止めない回し方）にするか", "basis": "設定", "source": "", "n": null, "updated": "" }, "warmup_min": { "value": 60, "unit": "分", "what": "回るかの確かめで、数えない慣らしの時間", "basis": "設定", "source": "", "n": null, "updated": "" }, "util_sample_s": { "value": 10, "unit": "秒", "what": "手がふさがっている人数・台数を数える間隔", "basis": "設定", "source": "", "n": null, "updated": "" }, "max_extra_min": { "value": 600, "unit": "分", "what": "数える時間のあと、追いかけるのを打ち切る上限（回らない条件の保険）", "basis": "設定", "source": "", "n": null, "updated": "" }, "robot_first_wait_s": { "value": 120, "unit": "秒", "what": "料理はロボット優先。これだけ待ってもロボットが来なければスタッフが運ぶ", "basis": "決まり", "source": "エイイチと決めた運用（料理はロボット最優先・2分待って来なければ人が運ぶ）", "n": null, "updated": "2026-10-23" } }, "stores": { "small": { "label": "小型店", "values": { "tables": { "value": 18, "unit": "卓", "what": "卓の数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dist_m": { "value": [ 4, 12 ], "unit": "m（最短, 最長）", "what": "受け渡し口（洗い場）から卓までの距離の幅", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "peak_min": { "value": 120, "unit": "分", "what": "ピークの長さ（この時間だけ選んだペースで来客する）", "basis": "決まり", "source": "エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る", "n": null, "updated": "" }, "first_dishes": { "value": [ [ 4, 7, 11 ], [ 6, 9, 14 ] ], "unit": "分（最短, 最頻, 最長）× 皿", "what": "最初の注文の皿ごとの、料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_orders": { "value": 0, "unit": "回", "what": "食事中の追加注文の回数（食べ放題）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_cook": { "value": [ 3, 5, 8 ], "unit": "分（最短, 最頻, 最長）", "what": "追加注文の料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "eat_min": { "value": [ 15, 25, 40 ], "unit": "分（最短, 最頻, 最長）", "what": "食べている時間", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "call_rate": { "value": 0.4, "unit": "回／組", "what": "1組あたりの呼び出しの回数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "bus_trips": { "value": 1, "unit": "往復", "what": "下げ膳を人だけでやるときの往復回数（皿の量）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "fragile": { "value": 0.3, "unit": "個／組", "what": "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff": { "value": [ 1, 2, 3 ], "unit": "人（少ない, 真ん中, 多い）", "what": "最初に見せるスタッフの人数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_all": { "value": [ 1, 2, 3, 4, 5 ], "unit": "人", "what": "「その他」で選べる人数（総当たりはこちら）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "arrivals": { "value": [ 15, 22, 30 ], "unit": "組／時（空いている, 普通, 混んでいる）", "what": "来客のペース", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "registers": { "value": 1, "unit": "台", "what": "最初に見せるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" }, "registers_all": { "value": [ 1, 2 ], "unit": "台", "what": "選べるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" } } }, "family": { "label": "標準ファミレス", "values": { "tables": { "value": 35, "unit": "卓", "what": "卓の数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dist_m": { "value": [ 6, 22 ], "unit": "m（最短, 最長）", "what": "受け渡し口（洗い場）から卓までの距離の幅", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "peak_min": { "value": 120, "unit": "分", "what": "ピークの長さ（この時間だけ選んだペースで来客する）", "basis": "決まり", "source": "エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る", "n": null, "updated": "" }, "first_dishes": { "value": [ [ 5, 8, 12 ], [ 8, 12, 18 ] ], "unit": "分（最短, 最頻, 最長）× 皿", "what": "最初の注文の皿ごとの、料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_orders": { "value": 0, "unit": "回", "what": "食事中の追加注文の回数（食べ放題）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_cook": { "value": [ 3, 5, 8 ], "unit": "分（最短, 最頻, 最長）", "what": "追加注文の料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "eat_min": { "value": [ 20, 30, 45 ], "unit": "分（最短, 最頻, 最長）", "what": "食べている時間", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "call_rate": { "value": 0.6, "unit": "回／組", "what": "1組あたりの呼び出しの回数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "bus_trips": { "value": 2, "unit": "往復", "what": "下げ膳を人だけでやるときの往復回数（皿の量）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "fragile": { "value": 0.5, "unit": "個／組", "what": "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff": { "value": [ 2, 3, 4 ], "unit": "人（少ない, 真ん中, 多い）", "what": "最初に見せるスタッフの人数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_all": { "value": [ 1, 2, 3, 4, 5, 6, 7 ], "unit": "人", "what": "「その他」で選べる人数（総当たりはこちら）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "arrivals": { "value": [ 25, 35, 45 ], "unit": "組／時（空いている, 普通, 混んでいる）", "what": "来客のペース", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "registers": { "value": 1, "unit": "台", "what": "最初に見せるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" }, "registers_all": { "value": [ 1, 2 ], "unit": "台", "what": "選べるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" } } }, "large": { "label": "大型店", "values": { "tables": { "value": 60, "unit": "卓", "what": "卓の数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dist_m": { "value": [ 8, 35 ], "unit": "m（最短, 最長）", "what": "受け渡し口（洗い場）から卓までの距離の幅", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "peak_min": { "value": 120, "unit": "分", "what": "ピークの長さ（この時間だけ選んだペースで来客する）", "basis": "決まり", "source": "エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る", "n": null, "updated": "" }, "first_dishes": { "value": [ [ 5, 8, 12 ], [ 8, 12, 18 ] ], "unit": "分（最短, 最頻, 最長）× 皿", "what": "最初の注文の皿ごとの、料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_orders": { "value": 0, "unit": "回", "what": "食事中の追加注文の回数（食べ放題）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_cook": { "value": [ 3, 5, 8 ], "unit": "分（最短, 最頻, 最長）", "what": "追加注文の料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "eat_min": { "value": [ 20, 30, 45 ], "unit": "分（最短, 最頻, 最長）", "what": "食べている時間", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "call_rate": { "value": 0.6, "unit": "回／組", "what": "1組あたりの呼び出しの回数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "bus_trips": { "value": 2, "unit": "往復", "what": "下げ膳を人だけでやるときの往復回数（皿の量）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "fragile": { "value": 0.5, "unit": "個／組", "what": "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff": { "value": [ 4, 5, 6 ], "unit": "人（少ない, 真ん中, 多い）", "what": "最初に見せるスタッフの人数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_all": { "value": [ 2, 3, 4, 5, 6, 7, 8, 9, 10 ], "unit": "人", "what": "「その他」で選べる人数（総当たりはこちら）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "arrivals": { "value": [ 45, 60, 75 ], "unit": "組／時（空いている, 普通, 混んでいる）", "what": "来客のペース", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "registers": { "value": 2, "unit": "台", "what": "最初に見せるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" }, "registers_all": { "value": [ 1, 2 ], "unit": "台", "what": "選べるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" } } }, "hotel": { "label": "洗い場が遠い店", "values": { "tables": { "value": 30, "unit": "卓", "what": "卓の数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dist_m": { "value": [ 6, 20 ], "unit": "m（最短, 最長）", "what": "受け渡し口（洗い場）から卓までの距離の幅", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dish_extra_m": { "value": 30, "unit": "m", "what": "洗い場が受け渡し口よりさらに奥にあるときの追加距離", "basis": "公開事例", "source": "洗い場が遠いホテルの店の導入事例（ホテル小倉）。距離は事例をもとにした仮の値", "n": null, "updated": "" }, "peak_min": { "value": 120, "unit": "分", "what": "ピークの長さ（この時間だけ選んだペースで来客する）", "basis": "決まり", "source": "エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る", "n": null, "updated": "" }, "first_dishes": { "value": [ [ 5, 8, 12 ], [ 8, 12, 18 ] ], "unit": "分（最短, 最頻, 最長）× 皿", "what": "最初の注文の皿ごとの、料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_orders": { "value": 2, "unit": "回", "what": "食事中の追加注文の回数（食べ放題）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_cook": { "value": [ 4, 6, 10 ], "unit": "分（最短, 最頻, 最長）", "what": "追加注文の料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "eat_min": { "value": [ 30, 45, 60 ], "unit": "分（最短, 最頻, 最長）", "what": "食べている時間", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "call_rate": { "value": 0.6, "unit": "回／組", "what": "1組あたりの呼び出しの回数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "bus_trips": { "value": 2, "unit": "往復", "what": "下げ膳を人だけでやるときの往復回数（皿の量）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "fragile": { "value": 0.6, "unit": "個／組", "what": "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff": { "value": [ 2, 3, 4 ], "unit": "人（少ない, 真ん中, 多い）", "what": "最初に見せるスタッフの人数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_all": { "value": [ 1, 2, 3, 4, 5, 6, 7 ], "unit": "人", "what": "「その他」で選べる人数（総当たりはこちら）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "arrivals": { "value": [ 16, 22, 28 ], "unit": "組／時（空いている, 普通, 混んでいる）", "what": "来客のペース", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "registers": { "value": 1, "unit": "台", "what": "最初に見せるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" }, "registers_all": { "value": [ 1, 2 ], "unit": "台", "what": "選べるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" } } }, "buffet": { "label": "焼肉食べ放題", "values": { "tables": { "value": 35, "unit": "卓", "what": "卓の数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "dist_m": { "value": [ 6, 22 ], "unit": "m（最短, 最長）", "what": "受け渡し口（洗い場）から卓までの距離の幅", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "peak_min": { "value": 150, "unit": "分", "what": "ピークの長さ（この時間だけ選んだペースで来客する）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "first_dishes": { "value": [ [ 2, 4, 8 ], [ 3, 5, 9 ], [ 4, 7, 12 ] ], "unit": "分（最短, 最頻, 最長）× 皿", "what": "最初の注文の皿ごとの、料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_orders": { "value": 5, "unit": "回", "what": "食事中の追加注文の回数（食べ放題）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "extra_cook": { "value": [ 2, 4, 7 ], "unit": "分（最短, 最頻, 最長）", "what": "追加注文の料理ができるまで", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "eat_min": { "value": [ 60, 80, 90 ], "unit": "分（最短, 最頻, 最長）", "what": "食べている時間", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "call_rate": { "value": 0.8, "unit": "回／組", "what": "1組あたりの呼び出しの回数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "bus_trips": { "value": 3, "unit": "往復", "what": "下げ膳を人だけでやるときの往復回数（皿の量）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "fragile": { "value": 1.5, "unit": "個／組", "what": "1組あたりの倒れやすい物（デザート・ドリンク）の数の平均", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff": { "value": [ 2, 3, 4 ], "unit": "人（少ない, 真ん中, 多い）", "what": "最初に見せるスタッフの人数", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "staff_all": { "value": [ 1, 2, 3, 4, 5, 6, 7 ], "unit": "人", "what": "「その他」で選べる人数（総当たりはこちら）", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "arrivals": { "value": [ 14, 20, 26 ], "unit": "組／時（空いている, 普通, 混んでいる）", "what": "来客のペース", "basis": "仮置き", "source": "", "n": null, "updated": "" }, "registers": { "value": 1, "unit": "台", "what": "最初に見せるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" }, "registers_all": { "value": [ 1, 2 ], "unit": "台", "what": "選べるレジの数", "basis": "決まり", "source": "試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）", "n": null, "updated": "2026-10-25" } } } }, "layout_stores": { "what": "図面のある店（②〜⑦）。標準ファミレス（family）をもとに、店の形から作る", "layout_dir": "../../public/sim/layouts", "labels": { "p0": "② 定番の郊外型", "p1": "③ 効率重視・入口が角", "p2": "④ 効率重視・小さめの店", "p3": "⑤ ゆったり・入口が正面", "p4": "⑥ ゆったり・入口が横", "p5": "⑦ ③の通路を95cmに" }, "rules": [ "卓の数と、受け渡し口から卓ごとの距離は店の形（*_analysis.json）から取る", "来客のペースは、標準ファミレスの3つを卓の数に比例させて丸める（最低1組/時）", "スタッフの真ん中の人数は、標準ファミレスの真ん中（3人）を卓の数に比例させて丸める（最低2人）。少ない・多いは ±1人、選べる幅は 真ん中-2〜真ん中+4（最低1人）", "それ以外は標準ファミレスと同じ" ], "basis": "決まり", "source": "エイイチと決めた（2026-10-21）", "updated": "2026-10-21" }, "choices": { "robots": { "value": [ 0, 1, 2, 3 ], "unit": "台", "what": "最初に見せるロボットの台数", "basis": "設定", "source": "", "n": null, "updated": "" }, "robots_all": { "value": [ 0, 1, 2, 3, 4, 5, 6 ], "unit": "台", "what": "「その他」で選べる台数（総当たりはこちら）", "basis": "決まり", "source": "エイイチと決めた：5台・6台も選べるまま残す（ベストな状況だけ見せても納得されないため）", "n": null, "updated": "2026-10-21" }, "modes": { "value": [ "serve", "bus", "patrol" ], "unit": "", "what": "ロボットの使い方（serve 上げ膳だけ／bus 下げ膳にも使う／patrol 食事中に回って集める）", "basis": "設定", "source": "", "n": null, "updated": "" }, "trays": { "value": [ 1, 3 ], "unit": "卓", "what": "1往復で回る卓の数（1卓ずつ／最大3卓）", "basis": "設定", "source": "", "n": null, "updated": "" }, "fragile_by": { "value": [ "any", "staff" ], "unit": "", "what": "倒れやすい物を ロボットも運ぶ（any）／人だけが運ぶ（staff）", "basis": "設定", "source": "", "n": null, "updated": "" }, "reps": { "value": 40, "unit": "回", "what": "1条件を回す回数（結果はこの平均）", "basis": "設定", "source": "", "n": null, "updated": "" } }, "judge": { "ng_min": { "value": 10, "unit": "分", "what": "席は空いているのに待った時間がこれ以上なら「店が回らない」", "basis": "決まり", "source": "試算 v2.2 でエイイチと決めた（5分だと厳しめ）", "n": null, "updated": "2026-10-21" }, "staff_full": { "value": 0.95, "unit": "割合", "what": "回るかの確かめで、スタッフの手がこれ以上ふさがっていたら「店が回らない」（ページでは使わない）", "basis": "設定", "source": "", "n": null, "updated": "" }, "unstable_min": { "value": 5, "unit": "分", "what": "参考：入店待ちがこれ以上延びていく条件（判定には使わない）", "basis": "設定", "source": "", "n": null, "updated": "" } } } ``` ### 前提の表を読んで回す試算 haizen_sim.py（全文） 変えたのは、前提の値を書いていた所（`COMMON`・`STORES`・図面のある店の名前・台数などの選び方・判定の線）を、表から読む形にしたことだけです。表の JSON では組（タプル）がリストになるので、元の形に戻してから使います。店の形は、サイトに公開している `public/sim/layouts/` を直接読むようにしました。前は、試算のフォルダに店の形の写しを置いていました。 ```python """ サービスロボット導入シミュレーション #1 配膳ロボット（試作 v2.9） 前提の値は、このファイルの隣の assumptions.json（前提の表）から読む（2026-10-31。エイイチと決めた）。 値ごとに根拠の種類（仮置き・実感・公開事例・Unity・現場・決まり・設定）と出典・更新日を持つ。 値を直すときは表を直し、git に残す。店の形は p2m-site の public/sim/layouts/（正）を直接読む。 表に移したときに値・式・乱数の使い方は変えていない（v2.9 と同じ結果になることを check_same.py で確かめた）。 v2.9 で直したこと（2026-10-30。エイイチと決めた：フロントの実感では、レジと案内を優先して仕事をしていた） 会計のスタッフを頼む時刻を「客が食べ終えてレジに並んだとき」にした。v2.8 までは、レジの順番が来てから スタッフを頼んだので、ほかの優先1の仕事（案内・料理・呼び出し）の後ろに並び、そのあいだレジが止まっていた。 v2.9 では、会計の頼みはレジに並んだ時刻の古さで並ぶ（優先は1のまま）。スタッフが会計に付くのは、 これまでどおりレジが空いてから（レジ1つにつき1組ずつ・pay_s 秒）。会計が終わると先にレジを空け、 次の組の会計の頼みが並んでからスタッフの手を放すので、レジに並ぶ組がいれば会計の係がそのまま次を取る。 Unity（ServiceSim）の頼み方と同じ（依頼31の調べ。Unity は会計のスタッフがほぼいつも1人レジにいる）。 会計が速く回るぶん、片付けの仕事が速く入ってくる。乱数の使い方は変えていない。 （以下、v2.4 の説明） v2.4 で直したこと（2026-10-22。動画の台本を codex で検証したときに見つかった2点。直し方はエイイチと決めた） 1. 入店待ちの終わりを「案内されて卓に着いたとき」にした。v2.3 までは、案内したスタッフが説明（guide_s）を 終えて受け渡し口まで戻るときまで数えていた。説明の時間と戻りの時間は、スタッフの手がふさがる時間には これまでどおり入れ、お客さんの流れ（注文を待つ）もこれまでどおりスタッフが戻ってから進める。 2. 「下げ膳にも使う」（bus）で、ロボットがスタッフより先に卓へ行き、皿を載せる前に帰っていたのを直した。 スタッフが片付けに向かうとき、空いているロボットがいれば一緒に卓へ向かう。ロボットはスタッフが皿を 載せ終えるまで卓で待ち、それから洗い場へ戻る（待っている間もロボットはふさがる）。空いていなければ人だけで下げる。 上げ膳だけ（serve）・食事中に集めて回る（patrol）は、入店待ち（と、その内訳の案内）のほかは v2.3 と同じ数字になる（図面のある店も同じ）。 飲食店のピーク時間を SimPy で再現する。 図面のある店（v2.3） 標準ファミレスの中に、店の形（図面）から作った店を6つ足した（store が fam_p0〜fam_p5）。 卓の数と、卓ごとの厨房（料理の受け渡し口）から卓までの距離は店の形から取る（layouts/ の *_analysis.json。 正は p2m-site の public/sim/layouts/）。来た組には、卓ごとの距離の中から1つを選んで使う。 来客のペースとスタッフの人数は、標準ファミレス（35卓）を卓の数に合わせて増減させる。それ以外は標準ファミレスと同じ。 今までの5つの店は、乱数の使い方も含めて何も変えていない（数字は v2.2 と同じ）。 入店待ちの内訳と「店が回らない」（v2.2） 入店待ちは、店に来てから案内されて卓に着くまで（entry_wait_mean。v2.4 で終わりを直した）。 そのうち、満席で待った時間（full_wait_mean）と、席は空いているのに片付け（下げ膳・卓拭き）や 案内が終わらず待った時間（staff_wait_mean）に分ける。staff_wait_mean が NG_MIN 分以上なら「店が回らない」。 片付け待ちは、客が帰ってから下げ膳が終わるまでの卓の数だけ、入口の列の前から数えた組が 「席はあるのに待っている」とみなして数える。乱数の使い方は変えていないので、ほかの数字は v2 と同じ。 時間の区切り方（v2.1） ページに出す数字（ピークの回し方）：空の店に peak_min 分だけ選んだペースで来客し、全員が帰るまで回す。 ランチ・ディナーのように、混む時間は限られている前提。v2 と同じで、数字も v2 と同じになる。 回るかの確かめ（--sustain。v2.2 のページでは使わない）：空の店から始め、来客は選んだペースのまま止めない。 最初の warmup_min 分は数えず、そのあとの peak_min 分に来た組を、卓が空くまで追いかける。 その時間のスタッフの手がふさがっている割合（staff_util）を出し、STAFF_FULL 以上なら「店が回らない」とする。 入店待ちの延び方（seat_wait_trend）は、卓の数を超える客が来ると人手に関係なく延びるので、判定には使わない （混雑は多くの店で卓の数を超えている。そのときの行列は、ピーク2時間の入店待ちの数字に出ている）。 店のタイプ（5種）、ロボットの使い方（3種）、1往復で回る卓の数（段の数）、 倒れやすい物（デザート・ドリンク）を誰が運ぶか、を切り替えて比べられる。 数字はすべて仮置き。公開事例・メーカー仕様・観察で順に置き換える。 SimPy が扱うのは「店の図面がなくても答えられる問い」（時間・順番・数）だけ。 通路での鉢合わせ・接触・揺れ・こぼれは Unity で扱い、その結果を 「一時停止」「立ち往生」の数字や、ロボットに載せる皿の決まりとしてここに入れる。 ロボットの使い方 serve : 上げ膳だけ。下げ膳は人がやる（ガスト型） bus : 下げ膳にも使う。皿はスタッフがロボットに載せる（サイゼリヤ・ブロンコビリー型） patrol : 食事中に席を回り、客が空いた皿を載せる（焼肉の和民・かみむら牧場型） 使い方: pip install simpy python haizen_sim.py # 総当たりを回して results.json を書く python haizen_sim.py --main # よく使う人数・台数（0〜3台）だけ先に回す 途中経過は results_partial.json に保存され、止まっても続きから回る python haizen_sim.py --one # 1条件だけ回して結果を表示 python haizen_sim.py --sustain # 回るかの確かめを総当たりで回して results_sustain.json を書く 依存: Python 3.10 以降 / simpy 4.1 """ import json import random import statistics import sys from itertools import product from multiprocessing import Pool import simpy # --------------------------------------------------------------- # 前提の表（assumptions.json）を読む # --------------------------------------------------------------- import os as _os _HERE = _os.path.dirname(_os.path.abspath(__file__)) ASSUMPTIONS_PATH = _os.environ.get("SERVING_SIM_ASSUMPTIONS", _os.path.join(_HERE, "assumptions.json")) A = json.load(open(ASSUMPTIONS_PATH, encoding="utf-8")) # 表の JSON では組（タプル）がリストになるので、元の形に戻す（数字は同じ。値の比べ方をそろえるため） _TUPLE_KEYS = {"pause_s", "fragile_cook", "dist_m", "extra_cook", "eat_min"} def _val(k, v): if k in _TUPLE_KEYS: return tuple(v) if k == "first_dishes": return [tuple(x) for x in v] return v # 共通の前提 COMMON = {k: _val(k, r["value"]) for k, r in A["common"].items()} COMMON["model"] = A["model"] # モデルの版（前の版の結果を使い回さないための印） # 店のタイプ STORES = {} for _k, _s in A["stores"].items(): STORES[_k] = {"label": _s["label"], **{f: _val(f, r["value"]) for f, r in _s["values"].items()}} # 図面のある店（v2.3）：標準ファミレスの中の、店の形から作った店 LAYOUT_DIR = _os.environ.get("SERVING_SIM_LAYOUTS", _os.path.normpath(_os.path.join(_HERE, A["layout_stores"]["layout_dir"]))) LAYOUT_LABELS = dict(A["layout_stores"]["labels"]) def _scale(vals, t, base_t): return [max(1, round(v * t / base_t)) for v in vals] def layout_stores(): """layouts/ の店の形から、標準ファミレスをもとにした店を作る""" out = {} base = STORES["family"] names = sorted(f for f in _os.listdir(LAYOUT_DIR) if f.endswith("_analysis.json")) if _os.path.isdir(LAYOUT_DIR) else [] for f in names: a = json.load(open(_os.path.join(LAYOUT_DIR, f), encoding="utf-8")) nm = f.split("_")[0] dists = [t["dist"] for t in a["tables"]] if any(d is None for d in dists): raise ValueError(f"{f}: ロボットが届かない卓がある（人が運ぶ卓はまだ試算に入れていない）") t = len(dists) c = max(2, round(base["staff"][1] * t / base["tables"])) # 真ん中の人数 st = {**base} st.update({ "label": LAYOUT_LABELS.get(nm, nm), "base": "family", "layout": nm, "tables": t, "dist_m": (round(min(dists), 1), round(max(dists), 1)), "dist_list": dists, "arrivals": _scale(base["arrivals"], t, base["tables"]), "staff": [c - 1, c, c + 1], "staff_all": list(range(max(1, c - 2), c + 5)), }) out["fam_" + nm] = st return out STORES.update(layout_stores()) ROBOTS = A["choices"]["robots"]["value"] # 最初に見せる台数 ROBOTS_ALL = A["choices"]["robots_all"]["value"] # 「その他」で選べる台数（総当たりはこちら） MODES = A["choices"]["modes"]["value"] TRAYS = A["choices"]["trays"]["value"] # 1往復で回る卓の数（1卓ずつ／最大3卓） FRAGILE_BY = A["choices"]["fragile_by"]["value"] # 倒れやすい物を ロボットも運ぶ／人だけが運ぶ REPS = A["choices"]["reps"]["value"] def tri(rng, lmh): lo, mode, hi = lmh return rng.triangular(lo, hi, mode) class _AgedRequest(simpy.resources.resource.PriorityRequest): """v2.9：頼んだ時刻を since にさかのぼらせたスタッフの頼み（同じ優先の中で、since の古い順に並ぶ）""" def __init__(self, resource, priority, since): self.priority = priority self.preempt = False self.time = since self.usage_since = None self.key = (self.priority, self.time, not self.preempt) simpy.resources.resource.Request.__init__(self, resource) class Store: def __init__(self, env, rng, p): self.env, self.rng, self.p = env, rng, p self.tables = simpy.Resource(env, capacity=p["tables"]) self.staff = simpy.PriorityResource(env, capacity=p["staff"]) self.register = simpy.Resource(env, capacity=p["registers"]) # v2.8 レジ。会計はレジ1つにつき1組ずつ self.pay_waits = [] # 組ごと：食べ終えてから会計が始まるまで（分）（v2.8） self.robots = simpy.PriorityResource(env, capacity=p["robots"]) if p["robots"] else None self.dish_waits, self.seat_waits, self.turns = [], [], [] self.staff_walk_m = self.staff_busy_s = self.robot_busy_s = 0.0 self.robot_trips = self.staff_trips = self.rescues = self.collects = self.done = 0 self.robot_bus = self.staff_bus = 0 self.fragile_robot = self.pauses = 0 self.pass_q = [] # 受け渡し口でロボットを待っている料理 # 回るかの確かめ（sustain）で数える時間。ピークの回し方では全部の組を数える self.t0 = p["warmup_min"] * 60 if p["sustain"] else 0 self.t1 = self.t0 + p["peak_min"] * 60 self.counted = self.counted_done = 0 self.window_closed = False self.finished = env.event() self.capped = False self.seat_wait_by_arrival = [] # (来た時刻, 入店待ち 分)。待ちが伸び続けるかを見る self.staff_busy_n = [] # 数える時間のあいだ、一定間隔で数えた手がふさがっている人数 self.robot_busy_n = [] self.snap0 = self.snap1 = None # 入店待ちの内訳（v2.2） # 片付けが終わらず使えない卓（客は帰ったが下げ膳・卓拭きが済んでいない）の数 # 入口の列の前から数えて、その数までの組は「席はあるのに待っている」とみなす self.dirty = 0 self._acc_t = 0.0 self.blocked = {} # 卓の順番待ちの request → 片付け待ちで待った秒数 self.blocked_waits = [] # 組ごと：席はあるのに片付けが終わらず待った時間（分） self.guide_waits = [] # 組ごと：卓が決まってから、案内のスタッフの手が空くまで（分） self.entry_waits = [] # 組ごと：店に来てから、案内されて席に着くまで（分） def _acc(self): """前回からの時間を、列の前から片付け待ちの卓の数までの組に足す（列や卓の数が変わる直前に呼ぶ）""" now = self.env.now dt = now - self._acc_t if dt > 0 and self.dirty > 0: for req in self.tables.queue[:self.dirty]: self.blocked[req] = self.blocked.get(req, 0.0) + dt self._acc_t = now SNAP = ("staff_walk_m", "robot_trips", "staff_trips", "rescues", "collects", "robot_bus", "staff_bus", "fragile_robot", "pauses") def _snap(self): return {k: getattr(self, k) for k in self.SNAP} def window(self): """数える時間の始めと終わりに数を控え、そのあいだは手がふさがっている人数・台数を数える""" env, p = self.env, self.p yield env.timeout(self.t0) self.snap0 = self._snap() while env.now < self.t1: self.staff_busy_n.append(self.staff.count) if self.robots is not None: self.robot_busy_n.append(self.robots.count) yield env.timeout(p["util_sample_s"]) self.snap1 = self._snap() self.window_closed = True self._check_finished() yield env.timeout(p["max_extra_min"] * 60) if not self.finished.triggered: # 店が回らず、数える組が出きらない self.capped = True self.finished.succeed() def _check_finished(self): if self.window_closed and self.counted_done >= self.counted and not self.finished.triggered: self.finished.succeed() # ---- スタッフの仕事（priority 0=ロボット救出, 1=配膳・案内・会計, 2=下げ膳） def staff_job(self, priority, walk_m, work_s, waited=None, since=None): t0 = self.env.now # v2.9：since があれば、その時刻に頼んだものとして並ぶ（会計は、レジに並んだ時刻の古さで並ぶ） req0 = _AgedRequest(self.staff, priority, since) if since is not None else self.staff.request(priority=priority) with req0 as req: yield req if waited is not None: waited.append(self.env.now - t0) # 手が空くのを待った時間（案内待ち） t = walk_m / self.p["staff_speed"] + work_s self.staff_walk_m += walk_m self.staff_busy_s += t yield self.env.timeout(t) # ---- ロボットが途中で止まる（1往復に1回判定） def maybe_stop(self, d, helper_waiting=False): p, rng = self.p, self.rng if rng.random() < p["pause_rate"]: # 一時停止：数秒で自然に解ける self.pauses += 1 yield self.env.timeout(rng.uniform(*p["pause_s"])) if rng.random() < p["stuck_rate"]: # 立ち往生：スタッフが動かしに行く self.rescues += 1 if helper_waiting: # 卓でロボットを待っているスタッフがそのまま動かす yield self.env.timeout(d / p["staff_speed"] + p["rescue_s"]) else: yield self.env.process(self.staff_job(0, d, p["rescue_s"])) # ---- 配膳 # v2.7 ロボット優先（2026-10-23 エイイチと決めた）：料理ができたら、まずロボットを待つ。スタッフは料理を持たず、 # ほかの仕事（案内・片付け・会計）を続ける。robot_first_wait_s（2分）待ってもロボットが空かなければ、 # そこからはロボットとスタッフのうち先に空いた方が運ぶ（料理が冷める前の逃げ道）。 # 割れ物を人が運ぶ設定（fragile_by=staff）と、ロボット0台のときは、今までどおりスタッフが運ぶ。 # v2.6 までは、はじめから「先に空いた方」だったため、受け渡し口の横で待つスタッフが多く運んでいた。 # ロボットが出るときは、受け渡し口で待っている料理を段の数までまとめて載せ、近い卓から回る。 def deliver(self, d, fragile=False, counted=True): env, p = self.env, self.p rec = {"d": d, "ready": env.now, "fragile": fragile, "counted": counted, "taken": env.event(), "arrived": env.event()} robot_ok = self.robots is not None and not (fragile and p["fragile_by"] == "staff") if not robot_ok: sreq = self.staff.request(priority=1) yield sreq yield env.process(self._staff_carry(rec, sreq)) return rreq = self.robots.request(priority=0) rec["sreq"], rec["rreq"] = None, rreq self.pass_q.append(rec) yield rreq | rec["taken"] | env.timeout(p["robot_first_wait_s"]) # まずロボットだけを待つ if not (rreq.triggered or rec["taken"].triggered): # 2分たった：ここからはスタッフも運べる sreq = self.staff.request(priority=1) rec["sreq"] = sreq yield rreq | sreq | rec["taken"] sreq = rec["sreq"] if rec["taken"].triggered: # ほかの料理と一緒にロボットに載った yield rec["arrived"] return self.pass_q.remove(rec) if rreq.triggered: # ロボットが運ぶ if sreq is not None: self._drop(sreq, self.staff) batch = [rec] for o in list(self.pass_q): if len(batch) >= p["trays"]: break self.pass_q.remove(o) self._drop(o["rreq"], self.robots) if o["sreq"] is not None: self._drop(o["sreq"], self.staff) o["taken"].succeed() batch.append(o) env.process(self._robot_run(batch, rreq)) yield rec["arrived"] return rreq.cancel() # スタッフが運ぶ yield env.process(self._staff_carry(rec, sreq)) @staticmethod def _drop(req, res): if req.triggered: res.release(req) else: req.cancel() def _robot_run(self, batch, rreq): env, p = self.env, self.p start = env.now batch.sort(key=lambda r: r["d"]) pos = 0.0 for i, rec in enumerate(batch): leg = rec["d"] - pos + (p["hop_m"] if i else 0) yield env.timeout(max(leg, 0) / p["robot_speed"]) if i == 0: yield env.process(self.maybe_stop(rec["d"])) if rec["counted"]: self.dish_waits.append((env.now - rec["ready"]) / 60) self.robot_trips += 1 self.fragile_robot += rec["fragile"] rec["arrived"].succeed() yield env.timeout(p["robot_handoff_s"]) pos = rec["d"] yield env.timeout(pos / p["robot_speed"]) self.robot_busy_s += env.now - start self.robots.release(rreq) def _staff_carry(self, rec, sreq): env, p = self.env, self.p self.staff_trips += 1 go = rec["d"] / p["staff_speed"] yield env.timeout(go) if rec["counted"]: self.dish_waits.append((env.now - rec["ready"]) / 60) rec["arrived"].succeed() yield env.timeout(p["staff_place_s"] + go) self.staff_walk_m += 2 * rec["d"] self.staff_busy_s += 2 * go + p["staff_place_s"] self.staff.release(sreq) # ---- 巡回回収（食事中にロボットが来て、客が空いた皿を載せる） def collect_visit(self, d, deadline, box): env, p = self.env, self.p req = self.robots.request(priority=2) timer = env.timeout(max(deadline - env.now, 0)) res = yield req | timer if req not in res: req.cancel() return start = env.now t = d / p["robot_speed"] back = (d + p["dish_extra_m"]) / p["robot_speed"] yield env.timeout(t) yield env.process(self.maybe_stop(d)) yield env.timeout(p["guest_load_s"] + back) self.robot_busy_s += env.now - start self.robots.release(req) self.collects += 1 box[0] += 1 # ---- 下げ膳（客が帰ってから卓が使えるようになるまで） def bus(self, d, collected, counted=True): env, p = self.env, self.p start = env.now trips = max(p["bus_trips"] - collected, 0) if p["mode"] == "bus" and self.robots is not None and trips > 0: # v2.4: スタッフの手が空いて片付けに向かうときに、空いているロボットがいれば一緒に卓へ向かわせる with self.staff.request(priority=2) as sreq: yield sreq s0 = env.now rreq = self.robots.request(priority=1) if rreq.triggered: self.robot_bus += 1 arrive, loaded = env.event(), env.event() env.process(self._robot_bus_trip(d, rreq, arrive, loaded)) # スタッフは卓まで行き、皿をまとめ、ロボットが着いたら載せ、卓を拭いて戻る yield env.timeout(d / p["staff_speed"] + p["clear_s"]) yield arrive yield env.timeout(p["load_s"]) loaded.succeed() # 載せ終えた。ロボットは洗い場へ yield env.timeout(p["wipe_s"]) done_at = env.now yield env.timeout(d / p["staff_speed"]) self.staff_walk_m += 2 * d self.staff_busy_s += env.now - s0 if counted: self.turns.append((done_at - start) / 60) return rreq.cancel() # 空いているロボットがいない：そのまま人だけで下げる（皿の量に応じて往復） self.staff_bus += 1 walk = 2 * (d + p["dish_extra_m"]) * trips tt = walk / p["staff_speed"] + p["clear_s"] + p["wipe_s"] self.staff_walk_m += walk self.staff_busy_s += tt yield env.timeout(tt) if counted: self.turns.append((env.now - start) / 60) return # 人だけで下げる（皿の量に応じて往復）。皿がもうなければ拭きに行くだけ self.staff_bus += 1 walk = 2 * (d + p["dish_extra_m"]) * trips if trips > 0 else 2 * d work = (p["clear_s"] if trips > 0 else 0) + p["wipe_s"] yield env.process(self.staff_job(2, walk, work)) if counted: self.turns.append((env.now - start) / 60) def _robot_bus_trip(self, d, rreq, arrive, loaded): env, p = self.env, self.p start = env.now t = d / p["robot_speed"] yield env.timeout(t) yield env.process(self.maybe_stop(d, helper_waiting=True)) arrive.succeed() yield loaded # v2.4: スタッフが載せ終えるまで卓で待つ back = (d + p["dish_extra_m"]) / p["robot_speed"] yield env.timeout(back + 15) # 洗い場で降ろすのは厨房側 self.robot_busy_s += env.now - start self.robots.release(rreq) # ---- 1組の流れ def group(self): env, p, rng = self.env, self.p, self.rng arrive = env.now counted = (self.t0 <= arrive < self.t1) if p["sustain"] else True # 数える時間に来た組だけを記録する if counted: self.counted += 1 # 図面のある店は卓ごとの距離から選ぶ。ほかの店は今までどおり（乱数の使い方も同じ） d = rng.choice(p["dist_list"]) if p.get("dist_list") else rng.uniform(*p["dist_m"]) self._acc() table = self.tables.request() yield table blocked = self.blocked.pop(table, 0.0) if counted: w = (env.now - arrive) / 60 self.seat_waits.append(w) self.seat_wait_by_arrival.append((arrive, w)) # 案内（v2.4）: スタッフの手が空いたら卓まで一緒に歩く。卓に着いた時点を「席に着いた」とする。 # 説明（guide_s）と受け渡し口への戻りは、スタッフの手がふさがる時間には入れ、お客さんの注文はそのあとに進む（v2.2 と同じ） g0 = env.now with self.staff.request(priority=1) as greq: yield greq gwait = env.now - g0 yield env.timeout(d / p["staff_speed"]) seated_at = env.now yield env.timeout(p["guide_s"] + d / p["staff_speed"]) self.staff_walk_m += 2 * d self.staff_busy_s += 2 * d / p["staff_speed"] + p["guide_s"] if counted: self.blocked_waits.append(blocked / 60) self.guide_waits.append(gwait / 60) self.entry_waits.append((seated_at - arrive) / 60) firsts = [env.process(self._cook_then_deliver(c, d, False, counted)) for c in p["first_dishes"]] yield simpy.AllOf(env, firsts) eat = tri(rng, p["eat_min"]) * 60 end = env.now + eat # 食事中の追加注文・呼び出し・巡回回収 extras = [] for _ in range(p["extra_orders"]): extras.append(env.process(self._order_later(rng.uniform(0, eat * 0.7), d, p["extra_cook"], False, counted))) n_fragile = int(p["fragile"]) + (rng.random() < p["fragile"] - int(p["fragile"])) for _ in range(n_fragile): extras.append(env.process(self._order_later(rng.uniform(0.3, 0.85) * eat, d, p["fragile_cook"], True, counted))) calls = sum(rng.random() < p["call_rate"] / 2 for _ in range(2)) for _ in range(calls): env.process(self._call_later(rng.uniform(0, eat), d)) collected = [0] if p["mode"] == "patrol" and self.robots is not None: for k in range(p["bus_trips"]): at = eat * (k + 1) / (p["bus_trips"] + 1) env.process(self._collect_later(at, d, end, collected)) yield env.timeout(eat) if extras: yield simpy.AllOf(env, extras) # v2.8 会計：卓に座ったままレジの順番を待ち、順番が来たらスタッフの手が空くのを待って会計する # v2.9 会計のスタッフの頼みは、レジに並んだ時刻（p0）の古さで並ぶ。会計が終わったら先にレジを空け、 # 次にレジに入った組の頼みが並んでからスタッフの手を放す（会計の係がそのまま次の会計を取れる。Unity と同じ） p0 = env.now rq = self.register.request() yield rq sreq = _AgedRequest(self.staff, 1, p0) yield sreq self.staff_busy_s += p["pay_s"] yield env.timeout(p["pay_s"]) yield self.register.release(rq) # レジを空ける（次の組がレジに入る） yield env.timeout(0) # 次の組の会計の頼みが並ぶのを待ってから self.staff.release(sreq) # スタッフの手を放す if counted: self.pay_waits.append((env.now - p0 - p["pay_s"]) / 60) self._acc() self.dirty += 1 # 客は帰った。片付けが済むまで卓は使えない yield env.process(self.bus(d, collected[0], counted)) self._acc() self.dirty -= 1 self.tables.release(table) self.done += 1 if counted: self.counted_done += 1 self._check_finished() def _cook_then_deliver(self, cook, d, fragile=False, counted=True): yield self.env.timeout(tri(self.rng, cook) * 60) yield self.env.process(self.deliver(d, fragile, counted)) def _order_later(self, delay, d, cook, fragile, counted=True): yield self.env.timeout(delay) yield self.env.process(self._cook_then_deliver(cook, d, fragile, counted)) def _call_later(self, delay, d): yield self.env.timeout(delay) yield self.env.process(self.staff_job(1, 2 * d, self.p["call_s"])) def _collect_later(self, delay, d, deadline, box): yield self.env.timeout(delay) yield self.env.process(self.collect_visit(d, deadline, box)) def arrivals(self): env, p, rng = self.env, self.p, self.rng rate = p["arrivals_per_h"] / 3600 while not self.finished.triggered: yield env.timeout(rng.expovariate(rate)) if not p["sustain"] and env.now > p["peak_min"] * 60: return # ピークの回し方：peak_min 分で来客が止まる env.process(self.group()) # 回るかの確かめ：来客は止めない（数える組が出きるまで） UNSTABLE_MIN = A["judge"]["unstable_min"]["value"] # 参考：入店待ちがこれ以上延びていく条件（判定には使わない） NG_MIN = A["judge"]["ng_min"]["value"] # 席は空いているのに待った時間がこれ以上なら「店が回らない」（分） STAFF_FULL = A["judge"]["staff_full"]["value"] # 回るかの確かめで、スタッフの手がこれ以上ふさがっていたら「店が回らない」 def run_once(params, seed): store = STORES[params["store"]] p = {**COMMON, **store, **params} env = simpy.Environment() s = Store(env, random.Random(seed), p) env.process(s.arrivals()) if p["sustain"]: return _sustain_result(env, s, p) env.run() end = env.now w = s.dish_waits return { "dish_wait_mean": statistics.mean(w), "dish_wait_p90": sorted(w)[int(0.9 * (len(w) - 1))], "cold_share": sum(x > p["cold_min"] for x in w) / len(w), "seat_wait_mean": statistics.mean(s.seat_waits), "turn_mean": statistics.mean(s.turns) if s.turns else 0.0, "walk_km_per_staff": s.staff_walk_m / p["staff"] / 1000, "staff_util": s.staff_busy_s / (p["staff"] * end), "robot_util": (s.robot_busy_s / (p["robots"] * end)) if p["robots"] else 0.0, "robot_share": s.robot_trips / max(s.robot_trips + s.staff_trips, 1), "robot_bus_share": s.robot_bus / max(s.robot_bus + s.staff_bus, 1), "collects": s.collects, "rescues": s.rescues, "pauses": s.pauses, "fragile_robot": s.fragile_robot, "groups": s.done, # 入店待ちの内訳（v2.2） "entry_wait_mean": statistics.mean(s.entry_waits), # 来てから案内されて卓に着くまで（v2.4） "blocked_wait_mean": statistics.mean(s.blocked_waits), # 席はあるのに片付けが終わらず待った "guide_wait_mean": statistics.mean(s.guide_waits), # 卓は決まったが案内の手が空かず待った "staff_wait_mean": statistics.mean(b + g for b, g in zip(s.blocked_waits, s.guide_waits)), # 席はあるのに待った（合計） "full_wait_mean": statistics.mean(w - b for w, b in zip(s.seat_waits, s.blocked_waits)), # 席が埋まっていて待った "pay_wait_mean": statistics.mean(s.pay_waits), # v2.8 食べ終えてから会計が始まるまで（レジの順番とスタッフの手） } def _sustain_result(env, s, p): """回るかの確かめ：来客を止めずに回し、数える時間の結果を出す""" env.process(s.window()) env.run(until=s.finished) win_s = p["peak_min"] * 60 q = win_s / 4 first = [x for t, x in s.seat_wait_by_arrival if t < s.t0 + q] last = [x for t, x in s.seat_wait_by_arrival if t >= s.t1 - q] trend = (statistics.mean(last) - statistics.mean(first)) if first and last else 0.0 return { "seat_wait_mean": statistics.mean(s.seat_waits), "seat_wait_trend": trend, "staff_util": statistics.mean(s.staff_busy_n) / p["staff"], "capped": 1.0 if s.capped else 0.0, } def conditions(main_only=False): for key, st in STORES.items(): staffs = st["staff"] if main_only else st["staff_all"] robots_list = ROBOTS if main_only else ROBOTS_ALL for staff, robots, arr, mode, trays, fb, reg in product(staffs, robots_list, st["arrivals"], MODES, TRAYS, FRAGILE_BY, st["registers_all"]): if robots == 0 and (mode != "serve" or trays != 1 or fb != "any"): continue # ロボットなしなら、使い方・段の数・使い分けは関係ない yield {"store": key, "staff": staff, "robots": robots, "arrivals_per_h": arr, "mode": mode, "trays": trays, "fragile_by": fb, "registers": reg} def run_condition(params): runs = [run_once(params, seed) for seed in range(REPS)] agg = {k: round(statistics.mean(r[k] for r in runs), 4) for k in runs[0]} return {**params, **agg} def key(c): return (c["store"], c["staff"], c["robots"], c["arrivals_per_h"], c["mode"], c["trays"], c["fragile_by"], c["registers"]) def model_sig(common, stores): """結果に効く前提だけを取り出す（人数・台数の選択肢や名前は含めない）""" skip = {"label", "staff", "staff_all", "arrivals", "registers", "registers_all"} return json.loads(json.dumps({"common": common, "reps": REPS, "stores": {k: {a: b for a, b in v.items() if a not in skip} for k, v in stores.items()}})) if __name__ == "__main__": if "--one" in sys.argv: for mode in MODES: for trays, fb in product(TRAYS, FRAGILE_BY): r = run_condition({"store": "family", "staff": 3, "robots": 2, "arrivals_per_h": 35, "mode": mode, "trays": trays, "fragile_by": fb}) print(mode, trays, fb, {k: round(v, 2) for k, v in r.items() if isinstance(v, float)}) elif "--sustain" in sys.argv: # 回るかの確かめ：全条件を、来客を止めない回し方で回す conds = [{**c, "sustain": True} for c in conditions()] done = {} try: with open("results_sustain_partial.json", encoding="utf-8") as f: old = json.load(f) if old.get("common") == COMMON and old.get("reps") == REPS and old.get("unstable_min") == UNSTABLE_MIN: done = {key(r): r for r in old["rows"]} except (FileNotFoundError, KeyError, TypeError, json.JSONDecodeError): pass def save_s(path, rows): out = {"common": COMMON, "reps": REPS, "unstable_min": UNSTABLE_MIN, "rows": rows} with open(path + ".tmp", "w", encoding="utf-8") as f: json.dump(out, f, ensure_ascii=False) import os os.replace(path + ".tmp", path) todo = [c for c in conds if key(c) not in done] print(f"{len(conds)} conditions, {len(conds) - len(todo)} reused, {len(todo)} to run", flush=True) with Pool() as pool: for i, r in enumerate(pool.imap_unordered(run_condition, todo, chunksize=2), 1): done[key(r)] = r if i % 100 == 0: save_s("results_sustain_partial.json", list(done.values())) print(f" {i}/{len(todo)}", flush=True) save_s("results_sustain_partial.json", list(done.values())) save_s("results_sustain.json", [done[key(c)] for c in conds]) print(len(conds), "conditions written", flush=True) else: conds = list(conditions(main_only="--main" in sys.argv)) sig = model_sig(COMMON, STORES) # 前提が同じなら、前回の結果と途中経過を使い回して足りない条件だけ回す cache = {} for path in ("results.json", "results_partial.json"): try: with open(path, encoding="utf-8") as f: old = json.load(f) if old.get("reps") == REPS: osig = model_sig(old["common"], old["stores"]) same = {k for k in sig["stores"] if osig["common"] == sig["common"] and osig["stores"].get(k) == sig["stores"][k]} cache.update({key(r): r for r in old["rows"] if r["store"] in same}) except (FileNotFoundError, KeyError, TypeError, json.JSONDecodeError): pass def save(path, rows): out = {"common": COMMON, "stores": STORES, "robots": ROBOTS, "robots_all": ROBOTS_ALL, "modes": MODES, "trays": TRAYS, "fragile_by": FRAGILE_BY, "reps": REPS, "rows": rows} with open(path + ".tmp", "w", encoding="utf-8") as f: json.dump(out, f, ensure_ascii=False) import os os.replace(path + ".tmp", path) todo = [c for c in conds if key(c) not in cache] print(f"{len(conds)} conditions, {len(conds) - len(todo)} reused, {len(todo)} to run", flush=True) with Pool() as pool: for i, r in enumerate(pool.imap_unordered(run_condition, todo, chunksize=2), 1): cache[key(r)] = r if i % 100 == 0: save("results_partial.json", list(cache.values())) print(f" {i}/{len(todo)}", flush=True) save("results_partial.json", list(cache.values())) save("results.json", [cache[key(c)] for c in conds]) print(len(conds), "conditions written", flush=True) ``` ### v2.9 と同じ数字が出るかの確かめ 表に移したことで、試算の答えが少しでも変わっていたら意味がありません。3つの方法で確かめました。 1つ目は、v2.9 のコードと新しいコードを両方読み込み、前提の値が型まで同じか、32,850条件の並びが同じか、前提より下の式が1文字も変わっていないかを比べました。 ```python import importlib.util, sys def load(path, name): spec = importlib.util.spec_from_file_location(name, path); m = importlib.util.module_from_spec(spec) sys.path.insert(0, path.rsplit('/',1)[0]); spec.loader.exec_module(m); sys.path.pop(0); return m old = load('/home/claude/v29/haizen_sim.py', 'old') new = load('/home/claude/p2m-site/tools/serving_sim/haizen_sim.py', 'new') def same(a, b, path=''): if type(a) != type(b): print('型が違う', path, type(a), type(b)); return False if isinstance(a, dict): if list(a) != list(b): print('並びが違う', path, list(a), list(b)); return False return all(same(a[k], b[k], path+'/'+str(k)) for k in a) if isinstance(a, (list, tuple)): return len(a) == len(b) and all(same(x, y, f'{path}[{i}]') for i, (x, y) in enumerate(zip(a, b))) if a != b: print('値が違う', path, a, b); return False return True ok = True for n in ['COMMON','STORES','ROBOTS','ROBOTS_ALL','MODES','TRAYS','FRAGILE_BY','REPS','NG_MIN','STAFF_FULL','UNSTABLE_MIN','LAYOUT_LABELS']: r = same(getattr(old, n), getattr(new, n), n); print(n, r); ok &= r print('条件の並び', list(old.conditions()) == list(new.conditions()), len(list(new.conditions()))) print('式（前提の行より下）が同じ', open('/home/claude/v29/haizen_sim.py').read().split('def tri(rng, lmh):')[1].split('UNSTABLE_MIN')[0] == open('/home/claude/p2m-site/tools/serving_sim/haizen_sim.py').read().split('def tri(rng, lmh):')[1].split('UNSTABLE_MIN')[0]) print('ALL', ok) ``` ``` COMMON True STORES True ROBOTS True ROBOTS_ALL True MODES True TRAYS True FRAGILE_BY True REPS True NG_MIN True STAFF_FULL True UNSTABLE_MIN True LAYOUT_LABELS True 条件の並び True 32850 式（前提の行より下）が同じ True ALL True ``` 2つ目は、条件を全体から決まった間隔で600選び、新しいコードで回し直して、v2.9 の結果（results.json）と全部の指標を比べました。表を直していないのにずれたら、コードか店の形が変わっているということです。このスクリプトは、これからも同じ確かめに使います。 ```python """前提の表と試算のコードで、前の結果（results.json）と同じ数字が出るかを確かめる（2026-10-31）。 使い方: python3 check_same.py <前の results.json> [確かめる条件の数（既定 60）] - 店ごと・ロボットの台数ごとに散らばるように、全条件から決まった間隔で選んで回し、指標を全部くらべる - 表の値を直していないのにずれたら、コードか店の形が変わっている。表の値を直したあとなら、ずれるのが当たり前 - 前提（common）が前の結果と違うときは、そう表示してから比べる""" import json import sys from multiprocessing import Pool import haizen_sim as h res = json.load(open(sys.argv[1], encoding="utf-8")) n = int(sys.argv[2]) if len(sys.argv) > 2 else 60 if res.get("common") != json.loads(json.dumps(h.COMMON)): print("注意：前の結果と前提（common）が違う。ずれが出て当たり前") rows = {h.key(r): r for r in res["rows"]} conds = list(h.conditions()) step = max(1, len(conds) // n) pick = conds[::step][:n] with Pool() as pool: got = pool.map(h.run_condition, pick) bad = 0 for c, r in zip(pick, got): old = rows.get(h.key(c)) if old is None: print("前の結果にない条件", c); bad += 1; continue diff = {m: (old[m], r[m]) for m in r if m not in c and old.get(m) != r[m]} if diff: bad += 1; print("ずれ", c, diff) print(f"{len(pick)} 条件を回し、{len(pick) - bad} 条件が前の結果と同じ（ずれ {bad}）") sys.exit(1 if bad else 0) ``` ``` $ python3 check_same.py /home/claude/v29/results.json 600 600 条件を回し、600 条件が前の結果と同じ（ずれ 0） real 3m56.918s user 7m16.276s sys 0m0.156s ``` 店の形は、v2.9 の写し（版 08db8a0d067c）から、サイトに公開している今の店の形（版 9b8dae7ebf8c。スタッフの持ち場を足した版）に変わりました。卓ごとの受け渡し口からの距離は、6店とも同じでした。そのため、この確かめでも数字は変わっていません。 3つ目は、Unity が読む `serving-robot-params.json` を、新しいコードで書き出し直しました。公開中のものと、バイトまで同じでした。書き出しの道具は、Unity だけの回し方の決まり（入口番・持ち場など。公開中の params に直接書いて直している）を消さないよう、書き出し先の今の値を引き継ぐ形に直しています。 ``` $ python3 export_params.py /home/claude/v29/results.json /tmp/p.json /tmp/p.json 90 conditions / generation 9b8dae7ebf8c {'store': 'fam_p1', 'staff': 4, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 4.0915, 'staff_wait_mean': 2.6584, 'dish_wait_mean': 0.6259, 'pay_wait_mean': 4.8049} {'store': 'fam_p1', 'staff': 4, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.6842, 'staff_wait_mean': 0.4947, 'dish_wait_mean': 1.9664, 'pay_wait_mean': 5.6376} {'store': 'fam_p1', 'staff': 4, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.129, 'staff_wait_mean': 0.3856, 'dish_wait_mean': 0.9579, 'pay_wait_mean': 6.5762} {'store': 'fam_p5', 'staff': 4, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 3.076, 'staff_wait_mean': 2.1333, 'dish_wait_mean': 0.6299, 'pay_wait_mean': 4.8601} {'store': 'fam_p5', 'staff': 4, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.5758, 'staff_wait_mean': 0.5449, 'dish_wait_mean': 2.0126, 'pay_wait_mean': 5.8228} {'store': 'fam_p5', 'staff': 4, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.6014, 'staff_wait_mean': 0.468, 'dish_wait_mean': 1.01, 'pay_wait_mean': 6.597} {'store': 'fam_p2', 'staff': 2, 'robots': 0, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 10.9149, 'staff_wait_mean': 9.4095, 'dish_wait_mean': 0.9934, 'pay_wait_mean': 1.6564} {'store': 'fam_p2', 'staff': 2, 'robots': 1, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 4.8125, 'staff_wait_mean': 3.9187, 'dish_wait_mean': 1.2873, 'pay_wait_mean': 1.524} {'store': 'fam_p2', 'staff': 2, 'robots': 2, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 5.5724, 'staff_wait_mean': 4.2329, 'dish_wait_mean': 0.4736, 'pay_wait_mean': 1.5442} {'store': 'fam_p3', 'staff': 4, 'robots': 0, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 7.5066, 'staff_wait_mean': 5.5018, 'dish_wait_mean': 0.7664, 'pay_wait_mean': 6.0886} {'store': 'fam_p3', 'staff': 4, 'robots': 1, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 3.1557, 'staff_wait_mean': 1.4032, 'dish_wait_mean': 2.2804, 'pay_wait_mean': 8.5829} {'store': 'fam_p3', 'staff': 4, 'robots': 2, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.3708, 'staff_wait_mean': 0.6835, 'dish_wait_mean': 1.2683, 'pay_wait_mean': 9.9214} {'store': 'fam_p4', 'staff': 3, 'robots': 0, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 7.9052, 'staff_wait_mean': 6.5917, 'dish_wait_mean': 0.8441, 'pay_wait_mean': 2.4499} {'store': 'fam_p4', 'staff': 3, 'robots': 1, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 3.6758, 'staff_wait_mean': 2.4984, 'dish_wait_mean': 2.0135, 'pay_wait_mean': 2.9993} {'store': 'fam_p4', 'staff': 3, 'robots': 2, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.1104, 'staff_wait_mean': 1.6145, 'dish_wait_mean': 0.8234, 'pay_wait_mean': 2.982} {'store': 'fam_p0', 'staff': 2, 'robots': 0, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.6053, 'staff_wait_mean': 1.5482, 'dish_wait_mean': 0.6102, 'pay_wait_mean': 0.8826} {'store': 'fam_p0', 'staff': 2, 'robots': 1, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.7907, 'staff_wait_mean': 0.8687, 'dish_wait_mean': 0.9119, 'pay_wait_mean': 0.739} {'store': 'fam_p0', 'staff': 2, 'robots': 2, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.3035, 'staff_wait_mean': 0.62, 'dish_wait_mean': 0.4033, 'pay_wait_mean': 0.6508} {'store': 'fam_p1', 'staff': 4, 'robots': 0, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2983, 'staff_wait_mean': 0.122, 'dish_wait_mean': 0.3158, 'pay_wait_mean': 1.6504} {'store': 'fam_p1', 'staff': 4, 'robots': 1, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2384, 'staff_wait_mean': 0.0616, 'dish_wait_mean': 1.6241, 'pay_wait_mean': 1.9085} {'store': 'fam_p1', 'staff': 4, 'robots': 2, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2395, 'staff_wait_mean': 0.0622, 'dish_wait_mean': 0.743, 'pay_wait_mean': 2.0157} {'store': 'fam_p1', 'staff': 4, 'robots': 0, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 12.9113, 'staff_wait_mean': 5.2161, 'dish_wait_mean': 0.6801, 'pay_wait_mean': 6.4765} {'store': 'fam_p1', 'staff': 4, 'robots': 1, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 11.5008, 'staff_wait_mean': 1.4122, 'dish_wait_mean': 2.0787, 'pay_wait_mean': 9.799} {'store': 'fam_p1', 'staff': 4, 'robots': 2, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 11.0525, 'staff_wait_mean': 1.2435, 'dish_wait_mean': 1.019, 'pay_wait_mean': 10.2599} {'store': 'fam_p5', 'staff': 4, 'robots': 0, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.3382, 'staff_wait_mean': 0.1586, 'dish_wait_mean': 0.328, 'pay_wait_mean': 1.6981} {'store': 'fam_p5', 'staff': 4, 'robots': 1, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2453, 'staff_wait_mean': 0.0636, 'dish_wait_mean': 1.6531, 'pay_wait_mean': 1.9362} {'store': 'fam_p5', 'staff': 4, 'robots': 2, 'arrivals_per_h': 30, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2354, 'staff_wait_mean': 0.0542, 'dish_wait_mean': 0.7456, 'pay_wait_mean': 1.8977} {'store': 'fam_p5', 'staff': 4, 'robots': 0, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 12.2673, 'staff_wait_mean': 5.1571, 'dish_wait_mean': 0.6905, 'pay_wait_mean': 6.3583} {'store': 'fam_p5', 'staff': 4, 'robots': 1, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 13.2562, 'staff_wait_mean': 1.547, 'dish_wait_mean': 2.1016, 'pay_wait_mean': 9.7263} {'store': 'fam_p5', 'staff': 4, 'robots': 2, 'arrivals_per_h': 54, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 11.5851, 'staff_wait_mean': 1.1822, 'dish_wait_mean': 1.0303, 'pay_wait_mean': 10.3418} {'store': 'fam_p2', 'staff': 2, 'robots': 0, 'arrivals_per_h': 20, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.023, 'staff_wait_mean': 0.8676, 'dish_wait_mean': 0.7398, 'pay_wait_mean': 1.1579} {'store': 'fam_p2', 'staff': 2, 'robots': 1, 'arrivals_per_h': 20, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.5716, 'staff_wait_mean': 0.4307, 'dish_wait_mean': 0.9936, 'pay_wait_mean': 0.8414} {'store': 'fam_p2', 'staff': 2, 'robots': 2, 'arrivals_per_h': 20, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.6366, 'staff_wait_mean': 0.4687, 'dish_wait_mean': 0.4271, 'pay_wait_mean': 0.9168} {'store': 'fam_p2', 'staff': 2, 'robots': 0, 'arrivals_per_h': 36, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 23.8003, 'staff_wait_mean': 16.3389, 'dish_wait_mean': 1.0161, 'pay_wait_mean': 1.9525} {'store': 'fam_p2', 'staff': 2, 'robots': 1, 'arrivals_per_h': 36, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 16.4641, 'staff_wait_mean': 9.3348, 'dish_wait_mean': 1.3579, 'pay_wait_mean': 1.8393} {'store': 'fam_p2', 'staff': 2, 'robots': 2, 'arrivals_per_h': 36, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 16.7718, 'staff_wait_mean': 9.5278, 'dish_wait_mean': 0.4945, 'pay_wait_mean': 1.9552} {'store': 'fam_p3', 'staff': 4, 'robots': 0, 'arrivals_per_h': 33, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.4666, 'staff_wait_mean': 0.2577, 'dish_wait_mean': 0.4852, 'pay_wait_mean': 2.807} {'store': 'fam_p3', 'staff': 4, 'robots': 1, 'arrivals_per_h': 33, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.3193, 'staff_wait_mean': 0.1117, 'dish_wait_mean': 1.8779, 'pay_wait_mean': 2.8238} {'store': 'fam_p3', 'staff': 4, 'robots': 2, 'arrivals_per_h': 33, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.2861, 'staff_wait_mean': 0.0766, 'dish_wait_mean': 0.9392, 'pay_wait_mean': 2.3693} {'store': 'fam_p3', 'staff': 4, 'robots': 0, 'arrivals_per_h': 59, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 22.7034, 'staff_wait_mean': 10.0794, 'dish_wait_mean': 0.8105, 'pay_wait_mean': 7.4454} {'store': 'fam_p3', 'staff': 4, 'robots': 1, 'arrivals_per_h': 59, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 15.5943, 'staff_wait_mean': 1.9893, 'dish_wait_mean': 2.2993, 'pay_wait_mean': 13.4773} {'store': 'fam_p3', 'staff': 4, 'robots': 2, 'arrivals_per_h': 59, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 12.3458, 'staff_wait_mean': 1.4481, 'dish_wait_mean': 1.2666, 'pay_wait_mean': 14.6901} {'store': 'fam_p4', 'staff': 3, 'robots': 0, 'arrivals_per_h': 27, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.6921, 'staff_wait_mean': 0.5091, 'dish_wait_mean': 0.6186, 'pay_wait_mean': 1.6403} {'store': 'fam_p4', 'staff': 3, 'robots': 1, 'arrivals_per_h': 27, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.4029, 'staff_wait_mean': 0.2245, 'dish_wait_mean': 1.5862, 'pay_wait_mean': 1.3862} {'store': 'fam_p4', 'staff': 3, 'robots': 2, 'arrivals_per_h': 27, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.3762, 'staff_wait_mean': 0.1961, 'dish_wait_mean': 0.673, 'pay_wait_mean': 1.3596} {'store': 'fam_p4', 'staff': 3, 'robots': 0, 'arrivals_per_h': 49, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 25.15, 'staff_wait_mean': 15.198, 'dish_wait_mean': 0.8944, 'pay_wait_mean': 3.1716} {'store': 'fam_p4', 'staff': 3, 'robots': 1, 'arrivals_per_h': 49, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 15.0459, 'staff_wait_mean': 7.0524, 'dish_wait_mean': 2.1087, 'pay_wait_mean': 3.4568} {'store': 'fam_p4', 'staff': 3, 'robots': 2, 'arrivals_per_h': 49, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 13.6254, 'staff_wait_mean': 6.0352, 'dish_wait_mean': 0.8761, 'pay_wait_mean': 4.0857} {'store': 'fam_p0', 'staff': 2, 'robots': 0, 'arrivals_per_h': 14, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.4572, 'staff_wait_mean': 0.2762, 'dish_wait_mean': 0.3836, 'pay_wait_mean': 0.5368} {'store': 'fam_p0', 'staff': 2, 'robots': 1, 'arrivals_per_h': 14, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.3401, 'staff_wait_mean': 0.184, 'dish_wait_mean': 0.7439, 'pay_wait_mean': 0.4358} {'store': 'fam_p0', 'staff': 2, 'robots': 2, 'arrivals_per_h': 14, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.3939, 'staff_wait_mean': 0.2049, 'dish_wait_mean': 0.3736, 'pay_wait_mean': 0.4239} {'store': 'fam_p0', 'staff': 2, 'robots': 0, 'arrivals_per_h': 24, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 10.6337, 'staff_wait_mean': 4.3529, 'dish_wait_mean': 0.7607, 'pay_wait_mean': 1.0554} {'store': 'fam_p0', 'staff': 2, 'robots': 1, 'arrivals_per_h': 24, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 7.6144, 'staff_wait_mean': 2.3528, 'dish_wait_mean': 0.9995, 'pay_wait_mean': 0.8543} {'store': 'fam_p0', 'staff': 2, 'robots': 2, 'arrivals_per_h': 24, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 7.3113, 'staff_wait_mean': 2.2041, 'dish_wait_mean': 0.4243, 'pay_wait_mean': 0.9011} {'store': 'fam_p1', 'staff': 3, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 10.6351, 'staff_wait_mean': 9.8607, 'dish_wait_mean': 0.8815, 'pay_wait_mean': 3.1745} {'store': 'fam_p1', 'staff': 3, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 5.6248, 'staff_wait_mean': 4.3668, 'dish_wait_mean': 2.1352, 'pay_wait_mean': 4.0122} {'store': 'fam_p1', 'staff': 3, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 4.0022, 'staff_wait_mean': 3.0854, 'dish_wait_mean': 0.9239, 'pay_wait_mean': 4.9499} {'store': 'fam_p1', 'staff': 5, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.0406, 'staff_wait_mean': 0.3066, 'dish_wait_mean': 0.2655, 'pay_wait_mean': 5.5334} {'store': 'fam_p1', 'staff': 5, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.0801, 'staff_wait_mean': 0.3004, 'dish_wait_mean': 1.873, 'pay_wait_mean': 6.0861} {'store': 'fam_p1', 'staff': 5, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.9185, 'staff_wait_mean': 0.2746, 'dish_wait_mean': 0.9588, 'pay_wait_mean': 6.3343} {'store': 'fam_p5', 'staff': 3, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 12.0178, 'staff_wait_mean': 11.1621, 'dish_wait_mean': 0.9049, 'pay_wait_mean': 3.3495} {'store': 'fam_p5', 'staff': 3, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 6.8016, 'staff_wait_mean': 5.2349, 'dish_wait_mean': 2.2046, 'pay_wait_mean': 3.7657} {'store': 'fam_p5', 'staff': 3, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 4.1481, 'staff_wait_mean': 2.9595, 'dish_wait_mean': 0.9381, 'pay_wait_mean': 4.6189} {'store': 'fam_p5', 'staff': 5, 'robots': 0, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.4351, 'staff_wait_mean': 0.4412, 'dish_wait_mean': 0.2734, 'pay_wait_mean': 6.4628} {'store': 'fam_p5', 'staff': 5, 'robots': 1, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.6741, 'staff_wait_mean': 0.3881, 'dish_wait_mean': 1.9111, 'pay_wait_mean': 6.2901} {'store': 'fam_p5', 'staff': 5, 'robots': 2, 'arrivals_per_h': 42, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.345, 'staff_wait_mean': 0.3287, 'dish_wait_mean': 0.9888, 'pay_wait_mean': 6.4864} {'store': 'fam_p2', 'staff': 1, 'robots': 0, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 52.3179, 'staff_wait_mean': 45.62, 'dish_wait_mean': 4.4985, 'pay_wait_mean': 5.035} {'store': 'fam_p2', 'staff': 1, 'robots': 1, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 33.0909, 'staff_wait_mean': 31.0084, 'dish_wait_mean': 0.9976, 'pay_wait_mean': 2.9309} {'store': 'fam_p2', 'staff': 1, 'robots': 2, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 34.9402, 'staff_wait_mean': 32.0268, 'dish_wait_mean': 0.4127, 'pay_wait_mean': 2.8786} {'store': 'fam_p2', 'staff': 3, 'robots': 0, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.4144, 'staff_wait_mean': 1.2457, 'dish_wait_mean': 0.4715, 'pay_wait_mean': 1.3137} {'store': 'fam_p2', 'staff': 3, 'robots': 1, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.2807, 'staff_wait_mean': 0.4953, 'dish_wait_mean': 1.3328, 'pay_wait_mean': 1.1876} {'store': 'fam_p2', 'staff': 3, 'robots': 2, 'arrivals_per_h': 28, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.0396, 'staff_wait_mean': 0.3745, 'dish_wait_mean': 0.4995, 'pay_wait_mean': 1.195} {'store': 'fam_p3', 'staff': 3, 'robots': 0, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 19.1675, 'staff_wait_mean': 17.3662, 'dish_wait_mean': 1.1229, 'pay_wait_mean': 4.0905} {'store': 'fam_p3', 'staff': 3, 'robots': 1, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 11.0925, 'staff_wait_mean': 8.8199, 'dish_wait_mean': 2.3162, 'pay_wait_mean': 5.0845} {'store': 'fam_p3', 'staff': 3, 'robots': 2, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 8.6074, 'staff_wait_mean': 6.4821, 'dish_wait_mean': 1.0941, 'pay_wait_mean': 6.1547} {'store': 'fam_p3', 'staff': 5, 'robots': 0, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.3376, 'staff_wait_mean': 0.8031, 'dish_wait_mean': 0.4131, 'pay_wait_mean': 10.0025} {'store': 'fam_p3', 'staff': 5, 'robots': 1, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.5778, 'staff_wait_mean': 0.5629, 'dish_wait_mean': 2.0498, 'pay_wait_mean': 9.9542} {'store': 'fam_p3', 'staff': 5, 'robots': 2, 'arrivals_per_h': 46, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 2.5442, 'staff_wait_mean': 0.4806, 'dish_wait_mean': 1.2379, 'pay_wait_mean': 10.2219} {'store': 'fam_p4', 'staff': 2, 'robots': 0, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 29.8228, 'staff_wait_mean': 27.3741, 'dish_wait_mean': 1.7226, 'pay_wait_mean': 2.8704} {'store': 'fam_p4', 'staff': 2, 'robots': 1, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 15.2881, 'staff_wait_mean': 13.9607, 'dish_wait_mean': 1.8474, 'pay_wait_mean': 2.523} {'store': 'fam_p4', 'staff': 2, 'robots': 2, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 14.4836, 'staff_wait_mean': 13.17, 'dish_wait_mean': 0.7008, 'pay_wait_mean': 2.5336} {'store': 'fam_p4', 'staff': 4, 'robots': 0, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.6428, 'staff_wait_mean': 1.0439, 'dish_wait_mean': 0.5109, 'pay_wait_mean': 3.4681} {'store': 'fam_p4', 'staff': 4, 'robots': 1, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.3295, 'staff_wait_mean': 0.4217, 'dish_wait_mean': 1.8417, 'pay_wait_mean': 3.4677} {'store': 'fam_p4', 'staff': 4, 'robots': 2, 'arrivals_per_h': 38, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.7132, 'staff_wait_mean': 0.2559, 'dish_wait_mean': 0.8701, 'pay_wait_mean': 3.4416} {'store': 'fam_p0', 'staff': 1, 'robots': 0, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 24.4548, 'staff_wait_mean': 21.484, 'dish_wait_mean': 2.0638, 'pay_wait_mean': 2.2605} {'store': 'fam_p0', 'staff': 1, 'robots': 1, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 13.5496, 'staff_wait_mean': 11.7647, 'dish_wait_mean': 0.7762, 'pay_wait_mean': 1.8068} {'store': 'fam_p0', 'staff': 1, 'robots': 2, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 13.4456, 'staff_wait_mean': 11.962, 'dish_wait_mean': 0.3702, 'pay_wait_mean': 1.7749} {'store': 'fam_p0', 'staff': 3, 'robots': 0, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 1, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.0196, 'staff_wait_mean': 0.3076, 'dish_wait_mean': 0.2302, 'pay_wait_mean': 0.4619} {'store': 'fam_p0', 'staff': 3, 'robots': 1, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 1.2351, 'staff_wait_mean': 0.3008, 'dish_wait_mean': 0.9203, 'pay_wait_mean': 0.6173} {'store': 'fam_p0', 'staff': 3, 'robots': 2, 'arrivals_per_h': 19, 'mode': 'serve', 'trays': 3, 'fragile_by': 'any', 'registers': 1} {'entry_wait_mean': 0.9928, 'staff_wait_mean': 0.2417, 'dish_wait_mean': 0.4063, 'pay_wait_mean': 0.5738} 公開中の serving-robot-params.json とバイトまで同じ（cmp の出力なし） dda1c2ad3a2f6c6e42f394eb171f6561 /tmp/p.json dda1c2ad3a2f6c6e42f394eb171f6561 ../../public/sim/serving-robot-params.json ``` ### Unity が読む値を書き出す export_params.py（全文） ```python """試算（haizen_sim.py）の条件と店の回し方の値を、Unity が読む JSON に書き出す（2026-10-22。v2.8 で2026-10-25 にレジの数を足した）。 「何について正か」（unity_design_v0.md の 0 章）で、条件と店の回し方の決まり・時間・数字の定義はサイトが正。 Unity はこの JSON を読み、値を手で写さない（LOG359 のずれ9「値の手写し」をなくすため）。 使い方: python3 export_params.py results.json <出力先> （出力先は p2m-site の public/sim/serving-robot-params.json。unity_rules は出力先の今の値を引き継ぐ） - common：店に共通の値。role が "unity_measures" の値は Unity で測ってサイトに戻すための仮の値なので、Unity は読まない - stores：Unity で回す店（fam_p1・fam_p5・fam_p2・fam_p3・fam_p4・fam_p0）の値。registers はレジの数（v2.8） - unity_conditions：Unity で回す条件（0〜17番は店ごとに混み具合が普通の3つ。18〜53番は2026-10-29に足した空いている・混んでいるの各3つ。54〜89番は2026-10-30に足したスタッフが少ない・多いの各3つ（混み具合は普通）。計90条件）と、同じ条件の試算の結果（40回の平均）。Unity の店はレジの内側に店員が1人だけなので、レジは1つ """ import json import sys import haizen_sim as h res_path, out = sys.argv[1], sys.argv[2] R = json.load(open(res_path, encoding="utf-8")) gen = {g["generation"] for g in json.load(open(h.LAYOUT_DIR + "/summary.json", encoding="utf-8"))} assert len(gen) == 1, gen ROLE = { "robot_speed": "unity_measures", "pause_rate": "unity_measures", "pause_s": "unity_measures", "stuck_rate": "unity_measures", "hop_m": "site_only", # 試算の近似（1往復で複数卓を回るときの寄り道）。Unity は実際の道を走るので使わない "sustain": "site_only", "warmup_min": "site_only", "util_sample_s": "site_only", "model": "site_only", } NOTE = { "unity_measures": "Unity で測ってサイトに戻すための仮の値。Unity は読まない", "site_only": "試算の中だけの設定。Unity は使わない", "site_rule": "サイトが正。Unity はこの値を使う", } common = {k: {"value": v, "role": ROLE.get(k, "site_rule")} for k, v in h.COMMON.items()} UNITY_STORES = ["fam_p1", "fam_p5", "fam_p2", "fam_p3", "fam_p4", "fam_p0"] # ④は2026-10-27に追加（スタッフ2人・28組/時）。⑤は2026-10-28に追加（スタッフ4人・46組/時）。⑥も2026-10-28に追加（スタッフ3人・38組/時）。②も2026-10-29に追加（スタッフ2人・19組/時。同じ日に T06 を右へ1.0m 動かして②だけ計算し直した） UNITY_REGISTERS = 1 stores = {} for k in UNITY_STORES: s = dict(h.STORES[k]) stores[k] = s conds = [] rows = {h.key(r): r for r in R["rows"]} for k in UNITY_STORES: s = h.STORES[k] staff = s["staff"][1] # 真ん中の人数 arr = s["arrivals"][1] # 普通 for robots in (0, 1, 2): c = {"store": k, "staff": staff, "robots": robots, "arrivals_per_h": arr, "mode": "serve", "trays": 3 if robots else 1, "fragile_by": "any", # ロボット0台の試算は trays=1 で持っている（使い方・段の数は関係ない） "registers": UNITY_REGISTERS} r = rows[h.key(c)] conds.append({"condition": c, "site_result": {m: r[m] for m in r if m not in c}}) # 2026-10-29 エイイチと決めた：混み具合を「空いている・混んでいる」にも広げて夜に回す。 # 前の18条件（0〜17番）は並びも中身も変えず、後ろに足す（店ごとに 空いている0・1・2台 → 混んでいる0・1・2台） for k in UNITY_STORES: s = h.STORES[k] staff = s["staff"][1] # 真ん中の人数のまま for arr in (s["arrivals"][0], s["arrivals"][2]): # 空いている・混んでいる for robots in (0, 1, 2): c = {"store": k, "staff": staff, "robots": robots, "arrivals_per_h": arr, "mode": "serve", "trays": 3 if robots else 1, "fragile_by": "any", "registers": UNITY_REGISTERS} r = rows[h.key(c)] conds.append({"condition": c, "site_result": {m: r[m] for m in r if m not in c}}) # 2026-10-30 エイイチと決めた：スタッフの人数を「少ない・多い」にも広げて夜に回す（段階4の中で1回）。 # 前の54条件（0〜53番）は並びも中身も変えず、後ろに足す（店ごとに 少ない0・1・2台 → 多い0・1・2台。混み具合は普通） for k in UNITY_STORES: s = h.STORES[k] arr = s["arrivals"][1] # 普通のまま for staff in (s["staff"][0], s["staff"][2]): # 少ない・多い for robots in (0, 1, 2): c = {"store": k, "staff": staff, "robots": robots, "arrivals_per_h": arr, "mode": "serve", "trays": 3 if robots else 1, "fragile_by": "any", "registers": UNITY_REGISTERS} r = rows[h.key(c)] conds.append({"condition": c, "site_result": {m: r[m] for m in r if m not in c}}) D = { "meta": { "schema_version": "serving-robot-params/0.4", "model": h.COMMON["model"], "reps": h.REPS, "ng_min": h.NG_MIN, "layout_generation": gen.pop(), "source": "p2m-site の public/sim/serving-robot.html と同じ試算（haizen_sim.py）と結果（results.json）", "roles": NOTE, "time_window": "空の店から始め、peak_min 分だけ選んだペースで来客し、全員が帰るまで回す（max_extra_min で打ち切り）", "registers": "会計はレジ1つにつき1組ずつ（pay_s 秒）。食べ終えた組は卓に座ったまま順番を待つ。Unity の条件はすべてレジ1つ（v2.8）", "metrics": { "entry_wait_mean": "入店待ち：店に来てから案内されて卓に着くまで（分）", "full_wait_mean": "そのうち満席で待った時間（分）", "staff_wait_mean": "そのうち席は空いているのに片付け・案内が追いつかず待った時間（分）。ng_min 以上なら「店が回らない」", "dish_wait_mean": "料理ができてから卓に届くまで（分）", "dish_wait_p90": "同じく上位10%の境目（分）", "cold_share": "cold_min 分を超えて届いた皿の割合", "turn_mean": "客が帰ってから卓が使えるまで（分）", "walk_km_per_staff": "スタッフ1人が歩いた距離（km）", "staff_util": "スタッフの手がふさがっている割合", "robot_util": "ロボットがふさがっている割合", "robot_share": "ロボットが運んだ皿の割合", "rescues": "立ち往生でスタッフが動かしに行った回数", "pauses": "一時停止の回数", "groups": "入れた組の数", "pay_wait_mean": "食べ終えてから会計が始まるまで（分）。レジの順番とスタッフの手が空くのを待つ（v2.8）", }, }, "common": common, # Unity だけの回し方の決まり（unity_rules）は、公開中の params に直接書いて直している（入口番・持ち場など）。 # ここでは作らず、書き出し先にある今の値をそのまま引き継ぐ（2026-10-31。書き出し直しで消えないように） "unity_rules": json.load(open(out, encoding="utf-8"))["unity_rules"], "stores": stores, "unity_conditions": conds, } json.dump(D, open(out, "w", encoding="utf-8"), ensure_ascii=False, indent=1) print(out, len(conds), "conditions / generation", D["meta"]["layout_generation"]) for c in conds: print(" ", c["condition"], {m: c["site_result"].get(m) for m in ("entry_wait_mean", "staff_wait_mean", "dish_wait_mean", "pay_wait_mean")}) ``` ### 表計算ソフトで見るための写しを作る make_table.py と assumptions.csv 正は `assumptions.json` です。CSV は表計算ソフトで開いて眺めるための写しで、CSV を直しても試算には入りません。 ```python """前提の表（assumptions.json）を、表計算ソフトで開ける CSV（assumptions.csv）に書き出し、根拠の種類ごとの数を出す（2026-10-31） 使い方: python3 make_table.py - 正は assumptions.json。CSV は見るためのもので、CSV を直しても試算には入らない - 表を直したら、これを回して CSV も一緒に git に入れる""" import collections, csv, json, os here = os.path.dirname(os.path.abspath(__file__)) A = json.load(open(os.path.join(here, "assumptions.json"), encoding="utf-8")) rows = [] def add(group, store, key, r): v = r["value"] rows.append([group, store, key, json.dumps(v, ensure_ascii=False) if isinstance(v, (list, dict, bool)) else v, r.get("unit", ""), r.get("what", ""), r.get("basis", ""), r.get("source", ""), "" if r.get("n") is None else r["n"], r.get("updated", ""), r.get("note", "")]) for k, r in A["common"].items(): add("共通", "", k, r) for sk, s in A["stores"].items(): for k, r in s["values"].items(): add("店のタイプ", s["label"], k, r) for g, name in (("choices", "選べる幅・回す回数"), ("judge", "判定の線")): for k, r in A[g].items(): add(name, "", k, r) with open(os.path.join(here, "assumptions.csv"), "w", encoding="utf-8-sig", newline="") as f: w = csv.writer(f) w.writerow(["区分", "店", "項目", "値", "単位", "何の値か", "根拠", "出典・決めた経緯", "現場で測った回数", "更新日", "補足"]) w.writerows(rows) cnt = collections.Counter(r[6] for r in rows) print(f"{len(rows)} 行を assumptions.csv に書いた") for k in A["basis_kinds"]: print(f" {k}: {cnt.get(k, 0)}") ``` ``` 109 行を assumptions.csv に書いた 仮置き: 79 実感: 1 公開事例: 1 Unity: 0 現場: 0 決まり: 17 設定: 11 ``` #### assumptions.csv（全文） ```csv 区分,店,項目,値,単位,何の値か,根拠,出典・決めた経緯,現場で測った回数,更新日,補足 共通,,staff_speed,1.0,m/秒,スタッフが歩く速さ,仮置き,,,, 共通,,robot_speed,0.5,m/秒,ロボットが店内を走る速さ,仮置き,,,,Unity で測って戻す値（Unity の最高は0.6m/秒）。2026-10-24 に今のまま手を付けないと決めた 共通,,guide_s,45,秒,案内（席の説明など。歩く時間は別）,仮置き,,,, 共通,,staff_place_s,10,秒,スタッフが卓に皿を置く,仮置き,,,, 共通,,robot_handoff_s,25,秒,客がロボットから皿を取る,仮置き,,,, 共通,,pay_s,90,秒,会計1組,実感,エイイチのファミレスの経験（1組90秒くらい）,,2026-10-25, 共通,,call_s,30,秒,呼び出しへの対応（歩く時間は別）,仮置き,,,, 共通,,clear_s,40,秒,卓の皿をまとめる,仮置き,,,, 共通,,wipe_s,40,秒,卓を拭いてセットする,仮置き,,,, 共通,,load_s,15,秒,まとめた皿をロボットに載せる,仮置き,,,, 共通,,guest_load_s,20,秒,客が空いた皿をロボットに載せる（巡回して集めるとき）,仮置き,,,, 共通,,pause_rate,0.3,確率（1往復あたり）,一時停止：人が前を横切ってロボットが止まる,仮置き,,,,Unity で測って戻す値 共通,,pause_s,"[3, 10]","秒（最短, 最長）",一時停止の長さ,仮置き,,,,Unity で測って戻す値 共通,,stuck_rate,0.01,確率（1往復あたり）,立ち往生：スタッフが動かしに行かないと解けない,仮置き,,,,Unity で測って戻す値。LOG405 で Unity の方が多いと分かったが、今は変えないと決めた（2026-10-30） 共通,,rescue_s,15,秒,立ち往生したロボットをスタッフが動かす作業,仮置き,,,, 共通,,hop_m,3,m,1往復で複数の卓を回るときの、卓から次の卓への寄り道,仮置き,,,,試算だけの近似。Unity は実際の道を走る 共通,,fragile_cook,"[2, 4, 7]","分（最短, 最頻, 最長）",デザート・ドリンクができるまで,仮置き,,,, 共通,,cold_min,3,分,これを超えて届いた皿を「待たせた皿」とする線,仮置き,,,, 共通,,dish_extra_m,0,m,洗い場が受け渡し口よりさらに奥にあるときの追加距離（店のタイプで上書き）,仮置き,,,, 共通,,sustain,false,,回るかの確かめ（来客を止めない回し方）にするか,設定,,,, 共通,,warmup_min,60,分,回るかの確かめで、数えない慣らしの時間,設定,,,, 共通,,util_sample_s,10,秒,手がふさがっている人数・台数を数える間隔,設定,,,, 共通,,max_extra_min,600,分,数える時間のあと、追いかけるのを打ち切る上限（回らない条件の保険）,設定,,,, 共通,,robot_first_wait_s,120,秒,料理はロボット優先。これだけ待ってもロボットが来なければスタッフが運ぶ,決まり,エイイチと決めた運用（料理はロボット最優先・2分待って来なければ人が運ぶ）,,2026-10-23, 店のタイプ,小型店,tables,18,卓,卓の数,仮置き,,,, 店のタイプ,小型店,dist_m,"[4, 12]","m（最短, 最長）",受け渡し口（洗い場）から卓までの距離の幅,仮置き,,,, 店のタイプ,小型店,peak_min,120,分,ピークの長さ（この時間だけ選んだペースで来客する）,決まり,エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る,,, 店のタイプ,小型店,first_dishes,"[[4, 7, 11], [6, 9, 14]]","分（最短, 最頻, 最長）× 皿",最初の注文の皿ごとの、料理ができるまで,仮置き,,,, 店のタイプ,小型店,extra_orders,0,回,食事中の追加注文の回数（食べ放題）,仮置き,,,, 店のタイプ,小型店,extra_cook,"[3, 5, 8]","分（最短, 最頻, 最長）",追加注文の料理ができるまで,仮置き,,,, 店のタイプ,小型店,eat_min,"[15, 25, 40]","分（最短, 最頻, 最長）",食べている時間,仮置き,,,, 店のタイプ,小型店,call_rate,0.4,回／組,1組あたりの呼び出しの回数の平均,仮置き,,,, 店のタイプ,小型店,bus_trips,1,往復,下げ膳を人だけでやるときの往復回数（皿の量）,仮置き,,,, 店のタイプ,小型店,fragile,0.3,個／組,1組あたりの倒れやすい物（デザート・ドリンク）の数の平均,仮置き,,,, 店のタイプ,小型店,staff,"[1, 2, 3]","人（少ない, 真ん中, 多い）",最初に見せるスタッフの人数,仮置き,,,, 店のタイプ,小型店,staff_all,"[1, 2, 3, 4, 5]",人,「その他」で選べる人数（総当たりはこちら）,仮置き,,,, 店のタイプ,小型店,arrivals,"[15, 22, 30]","組／時（空いている, 普通, 混んでいる）",来客のペース,仮置き,,,, 店のタイプ,小型店,registers,1,台,最初に見せるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,小型店,registers_all,"[1, 2]",台,選べるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,標準ファミレス,tables,35,卓,卓の数,仮置き,,,, 店のタイプ,標準ファミレス,dist_m,"[6, 22]","m（最短, 最長）",受け渡し口（洗い場）から卓までの距離の幅,仮置き,,,, 店のタイプ,標準ファミレス,peak_min,120,分,ピークの長さ（この時間だけ選んだペースで来客する）,決まり,エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る,,, 店のタイプ,標準ファミレス,first_dishes,"[[5, 8, 12], [8, 12, 18]]","分（最短, 最頻, 最長）× 皿",最初の注文の皿ごとの、料理ができるまで,仮置き,,,, 店のタイプ,標準ファミレス,extra_orders,0,回,食事中の追加注文の回数（食べ放題）,仮置き,,,, 店のタイプ,標準ファミレス,extra_cook,"[3, 5, 8]","分（最短, 最頻, 最長）",追加注文の料理ができるまで,仮置き,,,, 店のタイプ,標準ファミレス,eat_min,"[20, 30, 45]","分（最短, 最頻, 最長）",食べている時間,仮置き,,,, 店のタイプ,標準ファミレス,call_rate,0.6,回／組,1組あたりの呼び出しの回数の平均,仮置き,,,, 店のタイプ,標準ファミレス,bus_trips,2,往復,下げ膳を人だけでやるときの往復回数（皿の量）,仮置き,,,, 店のタイプ,標準ファミレス,fragile,0.5,個／組,1組あたりの倒れやすい物（デザート・ドリンク）の数の平均,仮置き,,,, 店のタイプ,標準ファミレス,staff,"[2, 3, 4]","人（少ない, 真ん中, 多い）",最初に見せるスタッフの人数,仮置き,,,, 店のタイプ,標準ファミレス,staff_all,"[1, 2, 3, 4, 5, 6, 7]",人,「その他」で選べる人数（総当たりはこちら）,仮置き,,,, 店のタイプ,標準ファミレス,arrivals,"[25, 35, 45]","組／時（空いている, 普通, 混んでいる）",来客のペース,仮置き,,,, 店のタイプ,標準ファミレス,registers,1,台,最初に見せるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,標準ファミレス,registers_all,"[1, 2]",台,選べるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,大型店,tables,60,卓,卓の数,仮置き,,,, 店のタイプ,大型店,dist_m,"[8, 35]","m（最短, 最長）",受け渡し口（洗い場）から卓までの距離の幅,仮置き,,,, 店のタイプ,大型店,peak_min,120,分,ピークの長さ（この時間だけ選んだペースで来客する）,決まり,エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る,,, 店のタイプ,大型店,first_dishes,"[[5, 8, 12], [8, 12, 18]]","分（最短, 最頻, 最長）× 皿",最初の注文の皿ごとの、料理ができるまで,仮置き,,,, 店のタイプ,大型店,extra_orders,0,回,食事中の追加注文の回数（食べ放題）,仮置き,,,, 店のタイプ,大型店,extra_cook,"[3, 5, 8]","分（最短, 最頻, 最長）",追加注文の料理ができるまで,仮置き,,,, 店のタイプ,大型店,eat_min,"[20, 30, 45]","分（最短, 最頻, 最長）",食べている時間,仮置き,,,, 店のタイプ,大型店,call_rate,0.6,回／組,1組あたりの呼び出しの回数の平均,仮置き,,,, 店のタイプ,大型店,bus_trips,2,往復,下げ膳を人だけでやるときの往復回数（皿の量）,仮置き,,,, 店のタイプ,大型店,fragile,0.5,個／組,1組あたりの倒れやすい物（デザート・ドリンク）の数の平均,仮置き,,,, 店のタイプ,大型店,staff,"[4, 5, 6]","人（少ない, 真ん中, 多い）",最初に見せるスタッフの人数,仮置き,,,, 店のタイプ,大型店,staff_all,"[2, 3, 4, 5, 6, 7, 8, 9, 10]",人,「その他」で選べる人数（総当たりはこちら）,仮置き,,,, 店のタイプ,大型店,arrivals,"[45, 60, 75]","組／時（空いている, 普通, 混んでいる）",来客のペース,仮置き,,,, 店のタイプ,大型店,registers,2,台,最初に見せるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,大型店,registers_all,"[1, 2]",台,選べるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,洗い場が遠い店,tables,30,卓,卓の数,仮置き,,,, 店のタイプ,洗い場が遠い店,dist_m,"[6, 20]","m（最短, 最長）",受け渡し口（洗い場）から卓までの距離の幅,仮置き,,,, 店のタイプ,洗い場が遠い店,dish_extra_m,30,m,洗い場が受け渡し口よりさらに奥にあるときの追加距離,公開事例,洗い場が遠いホテルの店の導入事例（ホテル小倉）。距離は事例をもとにした仮の値,,, 店のタイプ,洗い場が遠い店,peak_min,120,分,ピークの長さ（この時間だけ選んだペースで来客する）,決まり,エイイチと決めた：ファミレスはランチ・ディナーで混む時間が限られるので、ピークの2時間で区切る,,, 店のタイプ,洗い場が遠い店,first_dishes,"[[5, 8, 12], [8, 12, 18]]","分（最短, 最頻, 最長）× 皿",最初の注文の皿ごとの、料理ができるまで,仮置き,,,, 店のタイプ,洗い場が遠い店,extra_orders,2,回,食事中の追加注文の回数（食べ放題）,仮置き,,,, 店のタイプ,洗い場が遠い店,extra_cook,"[4, 6, 10]","分（最短, 最頻, 最長）",追加注文の料理ができるまで,仮置き,,,, 店のタイプ,洗い場が遠い店,eat_min,"[30, 45, 60]","分（最短, 最頻, 最長）",食べている時間,仮置き,,,, 店のタイプ,洗い場が遠い店,call_rate,0.6,回／組,1組あたりの呼び出しの回数の平均,仮置き,,,, 店のタイプ,洗い場が遠い店,bus_trips,2,往復,下げ膳を人だけでやるときの往復回数（皿の量）,仮置き,,,, 店のタイプ,洗い場が遠い店,fragile,0.6,個／組,1組あたりの倒れやすい物（デザート・ドリンク）の数の平均,仮置き,,,, 店のタイプ,洗い場が遠い店,staff,"[2, 3, 4]","人（少ない, 真ん中, 多い）",最初に見せるスタッフの人数,仮置き,,,, 店のタイプ,洗い場が遠い店,staff_all,"[1, 2, 3, 4, 5, 6, 7]",人,「その他」で選べる人数（総当たりはこちら）,仮置き,,,, 店のタイプ,洗い場が遠い店,arrivals,"[16, 22, 28]","組／時（空いている, 普通, 混んでいる）",来客のペース,仮置き,,,, 店のタイプ,洗い場が遠い店,registers,1,台,最初に見せるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,洗い場が遠い店,registers_all,"[1, 2]",台,選べるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,焼肉食べ放題,tables,35,卓,卓の数,仮置き,,,, 店のタイプ,焼肉食べ放題,dist_m,"[6, 22]","m（最短, 最長）",受け渡し口（洗い場）から卓までの距離の幅,仮置き,,,, 店のタイプ,焼肉食べ放題,peak_min,150,分,ピークの長さ（この時間だけ選んだペースで来客する）,仮置き,,,, 店のタイプ,焼肉食べ放題,first_dishes,"[[2, 4, 8], [3, 5, 9], [4, 7, 12]]","分（最短, 最頻, 最長）× 皿",最初の注文の皿ごとの、料理ができるまで,仮置き,,,, 店のタイプ,焼肉食べ放題,extra_orders,5,回,食事中の追加注文の回数（食べ放題）,仮置き,,,, 店のタイプ,焼肉食べ放題,extra_cook,"[2, 4, 7]","分（最短, 最頻, 最長）",追加注文の料理ができるまで,仮置き,,,, 店のタイプ,焼肉食べ放題,eat_min,"[60, 80, 90]","分（最短, 最頻, 最長）",食べている時間,仮置き,,,, 店のタイプ,焼肉食べ放題,call_rate,0.8,回／組,1組あたりの呼び出しの回数の平均,仮置き,,,, 店のタイプ,焼肉食べ放題,bus_trips,3,往復,下げ膳を人だけでやるときの往復回数（皿の量）,仮置き,,,, 店のタイプ,焼肉食べ放題,fragile,1.5,個／組,1組あたりの倒れやすい物（デザート・ドリンク）の数の平均,仮置き,,,, 店のタイプ,焼肉食べ放題,staff,"[2, 3, 4]","人（少ない, 真ん中, 多い）",最初に見せるスタッフの人数,仮置き,,,, 店のタイプ,焼肉食べ放題,staff_all,"[1, 2, 3, 4, 5, 6, 7]",人,「その他」で選べる人数（総当たりはこちら）,仮置き,,,, 店のタイプ,焼肉食べ放題,arrivals,"[14, 20, 26]","組／時（空いている, 普通, 混んでいる）",来客のペース,仮置き,,,, 店のタイプ,焼肉食べ放題,registers,1,台,最初に見せるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 店のタイプ,焼肉食べ放題,registers_all,"[1, 2]",台,選べるレジの数,決まり,試算 v2.8 でエイイチと決めた（レジ1つ・2つを選べる。大型店は2つを最初に見せる）,,2026-10-25, 選べる幅・回す回数,,robots,"[0, 1, 2, 3]",台,最初に見せるロボットの台数,設定,,,, 選べる幅・回す回数,,robots_all,"[0, 1, 2, 3, 4, 5, 6]",台,「その他」で選べる台数（総当たりはこちら）,決まり,エイイチと決めた：5台・6台も選べるまま残す（ベストな状況だけ見せても納得されないため）,,2026-10-21, 選べる幅・回す回数,,modes,"[""serve"", ""bus"", ""patrol""]",,ロボットの使い方（serve 上げ膳だけ／bus 下げ膳にも使う／patrol 食事中に回って集める）,設定,,,, 選べる幅・回す回数,,trays,"[1, 3]",卓,1往復で回る卓の数（1卓ずつ／最大3卓）,設定,,,, 選べる幅・回す回数,,fragile_by,"[""any"", ""staff""]",,倒れやすい物を ロボットも運ぶ（any）／人だけが運ぶ（staff）,設定,,,, 選べる幅・回す回数,,reps,40,回,1条件を回す回数（結果はこの平均）,設定,,,, 判定の線,,ng_min,10,分,席は空いているのに待った時間がこれ以上なら「店が回らない」,決まり,試算 v2.2 でエイイチと決めた（5分だと厳しめ）,,2026-10-21, 判定の線,,staff_full,0.95,割合,回るかの確かめで、スタッフの手がこれ以上ふさがっていたら「店が回らない」（ページでは使わない）,設定,,,, 判定の線,,unstable_min,5,分,参考：入店待ちがこれ以上延びていく条件（判定には使わない）,設定,,,, ``` ### 全条件を分けて回し、1つにまとめる道具 全32,850条件を回すときは、Mac とクラウドに分けて回し、あとで1つの results.json にまとめます。v2.9 のときと同じやり方を、フォルダの名前に頼らない形にして入れました。 #### run_shard.py ```python """v2.8 の全条件を、番号で分けて回す（2026-10-25。計算機を2台に分けて速くするため）。 使い方: python3 run_shard.py <出力.json> [使い回す結果.json ...] - 条件の並び（haizen_sim.conditions()）の番号を n で割った余りが k のものだけ回す - 使い回す結果に同じ条件（同じ前提）があれば回さない。100条件ごとに出力へ途中経過を書く""" import json, os, sys from multiprocessing import Pool import haizen_sim as h k, n, out = int(sys.argv[1]), int(sys.argv[2]), sys.argv[3] common = json.loads(json.dumps(h.COMMON)) done = {} for path in sys.argv[4:] + [out]: try: old = json.load(open(path, encoding="utf-8")) if old.get("common") == common and old.get("reps") == h.REPS: done.update({h.key(r): r for r in old["rows"]}) except FileNotFoundError: pass conds = [c for i, c in enumerate(h.conditions()) if i % n == k] todo = [c for c in conds if h.key(c) not in done] print(f"shard {k}/{n}: {len(conds)} conditions, {len(todo)} to run", flush=True) def save(): rows = [done[h.key(c)] for c in conds if h.key(c) in done] with open(out + ".tmp", "w", encoding="utf-8") as f: json.dump({"common": h.COMMON, "reps": h.REPS, "shard": [k, n], "rows": rows}, f, ensure_ascii=False) os.replace(out + ".tmp", out) with Pool() as pool: for i, r in enumerate(pool.imap_unordered(h.run_condition, todo, chunksize=2), 1): done[h.key(r)] = r if i % 100 == 0: save(); print(f" {i}/{len(todo)}", flush=True) save(); print("done", flush=True) ``` #### run_timed.py ```python """run_shard.py と同じ分け方で、決めた秒数だけ回して途中経過を書く（Mac 側は1回の呼び出しが3分までなので、区切って回す）。 使い方: python3 run_timed.py <出力.json> <秒> [使い回す結果.json ...]""" import json, os, sys, time from multiprocessing import Pool import haizen_sim as h k, n, out, limit = int(sys.argv[1]), int(sys.argv[2]), sys.argv[3], float(sys.argv[4]) t0 = time.time() common = json.loads(json.dumps(h.COMMON)) done = {} for path in sys.argv[5:] + [out]: try: old = json.load(open(path, encoding="utf-8")) if old.get("common") == common and old.get("reps") == h.REPS: done.update({h.key(r): r for r in old["rows"]}) except FileNotFoundError: pass conds = [c for i, c in enumerate(h.conditions()) if i % n == k] todo = [c for c in conds if h.key(c) not in done][::-1] # 後ろから回す（クラウドは前から回している） def save(): rows = [done[h.key(c)] for c in conds if h.key(c) in done] with open(out + ".tmp", "w", encoding="utf-8") as f: json.dump({"common": h.COMMON, "reps": h.REPS, "shard": [k, n], "rows": rows}, f, ensure_ascii=False) os.replace(out + ".tmp", out) got = 0 pool = Pool() for r in pool.imap_unordered(h.run_condition, todo, chunksize=1): done[h.key(r)] = r; got += 1 if time.time() - t0 > limit: break pool.terminate() save() print(f"shard {k}/{n}: +{got} / left {len(todo) - got}", flush=True) ``` #### merge_shards.py ```python """分けて回した結果（shards/*.json）を1つの results.json にまとめる（v2.9 の merge_shards_v29.py と同じやり方） 使い方: python3 merge_shards.py <出力 results.json> - 同じ前提（common・reps）の行だけを使う。条件の並びは haizen_sim.conditions() の順 - 同じ条件が2つの計算機で回っていたら、数字が同じかを確かめる""" import glob, json, os, sys import haizen_sim as h src, out = sys.argv[1], sys.argv[2] common = json.loads(json.dumps(h.COMMON)) rows, dup, diff = {}, 0, 0 for f in sorted(glob.glob(os.path.join(src, "*.json"))): d = json.load(open(f, encoding="utf-8")) if d.get("common") != common or d.get("reps") != h.REPS: print("前提が違うので使わない:", f); continue for r in d["rows"]: k = h.key(r) if k in rows: dup += 1 if any(abs(rows[k][m] - r[m]) > 1e-9 for m in r if isinstance(r[m], (int, float))): diff += 1 else: rows[k] = r conds = list(h.conditions()) missing = [c for c in conds if h.key(c) not in rows] print("条件", len(conds), "揃った", len(conds) - len(missing), "足りない", len(missing), "重なり", dup, "うち数字が違う", diff) if not missing: json.dump({"common": h.COMMON, "reps": h.REPS, "rows": [rows[h.key(c)] for c in conds]}, open(out, "w", encoding="utf-8"), ensure_ascii=False) print(out, "を書いた") ``` #### build_page_v29.py（v2.9 のときに試算のページへ結果を入れた道具） ```python """試算 v2.9（会計のスタッフの頼みを、レジに並んだ時刻で並べる版）の結果を、公開中の試算のページに入れる（2026-10-30） 使い方: python3 build_page_v29.py <公開中のページ> <出力するページ> - const D：結果の行（r）だけを v2.9 に入れ替える。条件の並び・列・店の情報・平面図は公開中のまま - 画面：見出しの版を v2.9 にする。前提の「会計とレジ」に v2.9 の決まりを書く - 費用の欄・LP 用の色・使われ方の記録は公開中のまま""" import json, sys import haizen_sim as h live, res, out = sys.argv[1:4] s = open(live, encoding="utf-8").read() N = json.load(open(res, encoding="utf-8")) assert N["common"] == json.loads(json.dumps(h.COMMON)), "結果が今の haizen_sim.py の前提と違う" assert N["common"]["model"] == "v2.9" lines = s.split("\n") idx = [i for i, l in enumerate(lines) if l.startswith("const D = ")] assert len(idx) == 1 D = json.loads(lines[idx[0]][len("const D = "):].rstrip(";")) K = D["k"] cond = K[:8] mets = K[8:-1] assert cond == ["store", "staff", "robots", "arrivals_per_h", "mode", "trays", "fragile_by", "registers"] and K[-1] == "ng" conds = list(h.conditions()) rows_by_key = {h.key(r): r for r in N["rows"]} assert len(rows_by_key) == len(conds) == len(D["r"]), (len(rows_by_key), len(conds), len(D["r"])) new = [] for old in D["r"]: c = dict(zip(cond, old[:8])) r = rows_by_key[h.key(c)] new.append(old[:8] + [round(r[k], 3) for k in mets] + [1 if r["staff_wait_mean"] >= h.NG_MIN else 0]) D["r"] = new assert {k: v for k, v in D["common"].items() if k != "model"} == {k: v for k, v in N["common"].items() if k != "model"} D["common"]["model"] = "v2.9" lines[idx[0]] = "const D = " + json.dumps(D, ensure_ascii=False, separators=(",", ":")) + ";" s = "\n".join(lines) def rep(a, b): global s assert s.count(a) == 1, (a, s.count(a)) s = s.replace(a, b) rep("数字はすべて仮置き（試作 v2.8）", "数字はすべて仮置き（試作 v2.9）") rep("会計はレジ1つにつき1組ずつ。食べ終えた組は卓に座ったままレジの順番を待ち、順番が来たらスタッフの手が空くのを待って会計する。", "会計はレジ1つにつき1組ずつ。食べ終えた組は卓に座ったままレジの順番を待つ。会計のスタッフは、食べ終えてレジに並んだ順に付き、同じ優先の配膳・案内・呼び出しより先になる。会計が終わると、同じスタッフがそのまま次の組の会計に付く（v2.9 から。それまでは、レジの順番が来てからスタッフを頼んだので、ほかの仕事の後ろに並び、そのあいだレジが止まっていた）。") open(out, "w", encoding="utf-8").write(s) print(out, len(new), "rows") ``` ### 試算の置き場所の決まり（README.md）と、保存先の決まりに足した2行 ~~~~markdown # 配膳ロボットの試算（サービスロボット導入シミュレーション） /series8 の配膳ロボットの試算（haizen_sim.py）と、その前提の表。2026-10-31 に iCloud の `simulation/v2_9/` からここへ移した。 ## 何のためにこの形にしたか 現場のデータ（観察シート・動画のメモ・店の協力で測った値）が届いたときに、試算へ正確に、すぐ入れられるようにするため。 - 前提の値は `assumptions.json`（前提の表）に1つにまとめた。試算はこの表を読んで回る。コードの中に値を書かない - 値ごとに、根拠の種類・出典・現場で測った回数・更新日を持つ。どの値が実測で、どれがまだ仮かが表で分かる - 直した記録は git に残る（いつ・なぜ・どの値を）。版ごとにフォルダをコピーする形（v2_1〜v2_9）はやめた ## 根拠の種類 | 種類 | 意味 | |---|---| | 仮置き | まだ根拠がない仮の値。現場・公開事例・Unity の値で置き換えていく | | 実感 | エイイチの現場の経験（ファミレスで働いていたころ） | | 公開事例 | メーカーの仕様・導入事例など、公開されている値 | | Unity | Unity（ServiceSim）で測った値 | | 現場 | 現場で測った値。`n` に測った回数を書く | | 決まり | エイイチと決めた、試算の回し方・判定の線・運用の決まり | | 設定 | 試算の回し方の設定。店の前提ではない | ## ファイル - `assumptions.json`：前提の表（正）。共通の値（common）・店のタイプ（stores）・図面のある店の作り方（layout_stores）・選べる幅と回す回数（choices）・判定の線（judge） - `assumptions.csv`：表計算ソフトで見るための写し（`make_table.py` で作る。CSV を直しても試算には入らない） - `haizen_sim.py`：試算 v2.9。式と乱数の使い方は v2.9 のまま - `check_same.py`：前の結果と同じ数字が出るかを、条件を選んで回して確かめる - `run_shard.py`・`run_timed.py`・`merge_shards.py`：全条件を分けて回し、1つの results.json にまとめる - `export_params.py`：Unity が読む `public/sim/serving-robot-params.json` を書き出す（unity_rules は今の値を引き継ぐ） - `build_page_v29.py`：v2.9 のときに試算のページへ結果を入れた道具（版ごとに書き替えて使う） 店の形は、`public/sim/layouts/`（正）を直接読む。前は試算のフォルダに写しを置いていた。 ## 前提の値を直す流れ 1. `assumptions.json` の値を直し、`basis`・`source`・`n`・`updated` も書く（現場の値なら basis は「現場」、n は測った回数） 2. `python3 make_table.py` で CSV を作り直す 3. 結果に効く値を直したら、`model` の版を上げる（例 v2.9 → v2.10） 4. 全条件を回す（下）→ ページと params に入れる → 公開 5. git に、直した値と理由を書いて入れる 結果（results.json・20MB）は git に入れない。iCloud の `サービスロボット導入シミュレーション/simulation/` に版の名前で置く。 ## 現場の記録（観察シート）を取り込む（2026-10-31） 観察シートの記録は、店の人が LINE かメールで店の中の人へ送る。その文が担当の方から届いたら、文をそのまま .txt にして取り込む。 ``` python3 field_import.py 届いた文.txt # field のフォルダは iCloud の サービスロボット導入シミュレーション/field/ ``` 店のデータは GitHub に入れない。取り込んだもの（原文・1回ずつの記録・店の条件・値の案 proposal.md）は field のフォルダにだけ置く。 | シートの記録 | 前提の表の行 | 入れ方 | |---|---|---| | 会計 | `pay_s` | 中央値の秒 | | 片付け | `clear_s` | 同上 | | テーブルを拭く | `wipe_s` | 同上 | | 席へ案内（席に着いて説明を始めたら〜テーブルを離れたら） | `guide_s` | 同上。2026-10-31 16:08（シートの直しの公開）より前の記録は、歩く時間を含む前の区切りなので使わない | | 呼び出し | `call_s` | 同上 | | 料理を置く | `staff_place_s` | 同上 | | ロボットの往復の「止まった」 | `pause_rate` | 1回以上止まった往復の割合 | | ロボットの往復の「人が動かした」 | `stuck_rate` | 人が動かした往復の割合 | | ロボットの往復の時間・回転率・滞在時間の目安 | 入れない | 試算の結果と比べる答え合わせ用 | | スタッフ・卓の数・来店のペース | 入れない（今は記録だけ） | 店ごとの値で試算を回すのは、店ごとの前提を重ねる段で作る | 決まり（2026-10-31 エイイチと決めた）： - 値は中央値。店ごとに15回に届くまでは「参考」 - 標準の値を置き換える候補にするのは、2店以上・合わせて15回以上そろったとき。表は自動で書き換えない。proposal.md の案と差を見て、エイイチが承認してから直す - 表に入れるときは basis を「現場」、n に回数、source に店の数と期間を書く。店の名前は書かない ## 回し方 ``` pip install simpy==4.1.2 python3 check_same.py <前の results.json> 60 # 表を直していないなら、ずれ 0 になる python3 run_shard.py shards/<名前>.json # 分けて回す（Mac 側は run_timed.py で区切る） python3 merge_shards.py shards results.json python3 export_params.py results.json ../../public/sim/serving-robot-params.json python3 make_table.py ``` ## 移したときの確かめ（2026-10-31） - 表から読んだ値（共通・店のタイプ5つ・図面のある店6つ・選べる幅・回す回数・判定の線）が、v2.9 のコードの値と型まで同じ - 32,850 条件の並びが同じ。前提より下の式は1文字も変えていない - 店の形を `public/sim/layouts/`（版 9b8dae7ebf8c）から読んでも、卓ごとの距離は v2.9 の写し（08db8a0d067c）と同じ - `check_same.py` で600条件を回し、v2.9 の results.json と全指標が同じ（ずれ 0） - `export_params.py` で書き出した params が、公開中のものとバイトまで同じ ~~~~ データの置き場所は、データの種類ごとに1か所と決めています。今回、次の2行を足しました。店の記録は店のデータなので、GitHub には入れません。 | データの種類 | 保存先 | |---|---| | 配膳ロボットの試算のコードと前提の表（assumptions.json） | GitHub PixelstoMotors/p2m-site の tools/serving_sim/（結果の results.json は iCloud の simulation/ に版の名前で置く） | | サービスロボット導入シミュレーションの現場の記録（観察シートの届いた文・1回ずつの記録・店の条件・値の案） | iCloud Drive/デスクトップ/ADAPT DESIGN/じぶんの/PixelstoMotors/デジタルツイン学習R2R2R/サービスロボット導入シミュレーション/field/（GitHub に入れない） | ## 作業ログ ― 観察シートの記録を、試算の前提の表に取り込む ### 観察シートの記録は、店の中の人へ LINE・メールで送られる 観察シートは、店の人がスマホで、会計・片付け・テーブルを拭く・席へ案内・呼び出し・料理を置くの6つの作業の時間を、スタートとストップで測るページです。ロボットを入れている店では、ロボットの往復の時間と、止まった回数・人が動かした回数も測れます。 測った記録は、店長・お店の管理の方・ロボットの担当の方へ、LINE かメールで送ります。こちらに届くとしたら、店のデータをまとめた担当の方や、企業の担当の方から、その文がそのまま渡される形です。なので、取り込みの入り口は「届いた文をそのまま貼る」にしました。 ### 観察シートの記録と、前提の表の行の対応 | シートの記録 | 前提の表の行 | 入れ方 | |---|---|---| | 会計（レジに立つ〜離れる） | `pay_s` | 中央値の秒 | | 片付け（まとめ始め〜まとめ終わり） | `clear_s` | 同上 | | テーブルを拭く（拭き始め〜セット終わり） | `wipe_s` | 同上 | | 席へ案内（席に着いて説明を始めたら〜テーブルを離れたら） | `guide_s` | 同上 | | 呼び出し（テーブルに着く〜離れる） | `call_s` | 同上 | | 料理を置く（テーブルに着く〜離れる） | `staff_place_s` | 同上 | | ロボットの往復の「止まった」 | `pause_rate` | 1回以上止まった往復の割合 | | ロボットの往復の「人が動かした」 | `stuck_rate` | 人が動かした往復の割合 | | ロボットの往復の時間・回転率・滞在時間の目安 | 入れない | 卓までの距離が分からないので、ロボットの速さは出せない。試算の結果と比べる答え合わせに使う | | スタッフ・卓の数・来店のペース | 入れない（今は記録だけ） | 店ごとの前提を重ねる段で使う | ロボットの2つを「割合」にしたのは、試算の `pause_rate`・`stuck_rate` が「1往復で起きる確率」だからです。1往復で3回止まっても、1回止まった往復として数えます。 ### 測った値を試算に入れる決まり4つ | 決めたこと | 決めた中身 | 理由 | |---|---|---| | 届いた記録の置き場所 | iCloud の `サービスロボット導入シミュレーション/field/`。届いた文の原文と、取り込んだ表を置く。GitHub には入れない | 店の記録は店のデータなので、リポジトリが非公開でも GitHub には置かない | | 席へ案内の時間 | シートの区切りを「席に着いて説明を始めたら〜テーブルを離れたら」に変える | 試算の `guide_s` は歩く時間を含まない。店の形がない店でも、そのまま入れられる | | 標準の値を置き換える候補にする条件 | 2店以上・合わせて15回以上 | 1店だけだと、その店のくせが全部の店に入ってしまう | | 店ごとの値で試算を回すか | 今は記録だけ | 店ごとの前提を重ねる仕組みは、記録が届いてから作る | あわせて、1つの値は測った回数の中央値で入れ、店ごとに15回（シートの目安と同じ）に届くまでは「参考」として扱う、としました。前提の表は自動では書き換えません。値の案と今の値との差を見て、承認してから表を直します。表に入れるときは、根拠を「現場」にして、`n` に回数、出典に店の数と期間を書きます。店の名前は書きません。 ### 観察シートの「席へ案内」を、歩く時間を含まない区切りに変えた 前のシートは、案内を「お客さんに声をかけたら〜席に着いたら」で測っていました。これだと、入口から席まで歩く時間が入ります。試算の案内（`guide_s`）は、歩く時間を別に計算して足しているので、シートの時間をそのまま入れると、歩く時間を二重に数えてしまいます。 - ねらい：シートで測った案内の時間を、引き算なしで試算の `guide_s` に入れられるようにする - 変わったこと：測る区切りを「席に着いて説明を始めたら〜テーブルを離れたら」に変えた。画面の「試算で置いている値」も「45秒（歩く時間は別）」から「45秒」にした - 見込める効果：店の形（図面）がない店の記録でも、案内の時間を試算に入れられる（見込み） ```diff diff --git a/public/sim/serving-robot-observation.html b/public/sim/serving-robot-observation.html index 3566b22..e5342b8 100644 --- a/public/sim/serving-robot-observation.html +++ b/public/sim/serving-robot-observation.html @@ -248,7 +248,7 @@ var TASKS=[ {k:'pay',t:'会計',s:'お客さんがレジに立ったら',e:'レジを離れたら',sim:'90秒'}, {k:'clear',t:'片付け',s:'お皿をまとめ始めたら',e:'まとめ終わったら',sim:'40秒'}, {k:'wipe',t:'テーブルを拭く',s:'拭き始めたら',e:'セットし終わったら',sim:'40秒'}, - {k:'guide',t:'席へ案内',s:'お客さんに声をかけたら',e:'席に着いたら',sim:'45秒（歩く時間は別）'}, + {k:'guide',t:'席へ案内',s:'席に着いて説明を始めたら',e:'テーブルを離れたら',sim:'45秒'}, {k:'call',t:'呼び出し',s:'テーブルに着いたら',e:'テーブルを離れたら',sim:'30秒'}, {k:'place',t:'料理を置く',s:'テーブルに着いたら',e:'テーブルを離れたら',sim:'10秒'} ]; ``` 【画像】LOG415_01_sheet_guide.png 観察シートの「席へ案内」の測る画面。0:00 の下に「席に着いて説明を始めたら、スタート」と出ている 直しを公開したのは 2026-10-31 の16時8分ごろです。それより前に測った案内の記録は、歩く時間を含む前の区切りなので、値の案には使いません。 ### 届いた文を取り込み、値の案を出す field_import.py（全文） 届いた文を `.txt` にして渡すと、`field/` に次の4つを作ります。 - `raw/`：届いた文の原文の写し（直さない） - `observations.csv`：1回ずつの記録。同じ店・同じ日・同じ時刻・同じ作業の行は、二重に入れない - `store_conditions.csv`：1通ごとの店の条件（スタッフ・卓の数・時間帯・ようす・来店のペースなど） - `proposal.md`：前提の表に入れる値の案と、今の値との差。取り込むたびに作り直す ```python """観察シートの記録（LINE・メールで届いた文）を取り込み、試算の前提の表に入れる値の案を出す（2026-10-31） 使い方: python3 field_import.py <届いた文.txt> [<届いた文.txt> ...] # 取り込んで、案を作り直す python3 field_import.py # 案だけ作り直す field のフォルダは iCloud の サービスロボット導入シミュレーション/field/（店のデータは GitHub に入れない）。 - raw/ 届いた文の原文（取り込んだときに写す。直さない） - observations.csv 1行1回の記録（作業の時間・ロボットの往復）。同じ店・同じ日・同じ時刻・同じ作業の行は二重に入れない - store_conditions.csv 1通の記録ごとの、その店の条件（スタッフ・卓の数・時間帯・ようす・来店のペースなど）。今は記録だけ - proposal.md 前提の表に入れる値の案と、今の値との差（毎回作り直す） 決まり（2026-10-31 エイイチと決めた）: - 1つの値は、測った回数の中央値で入れる - 店ごとに15回に届くまでは「参考」 - 標準の値（assumptions.json）を置き換える候補にするのは、2店以上・合わせて15回以上そろったとき。 自動では書き換えない。案と差を見て、エイイチが承認してから表を直す（basis を「現場」、n に回数、source に店の数と期間。店の名前は書かない） - 店ごとの値で試算を回すのは、今はしない（記録だけ） - 席へ案内は 2026-10-31 にシートの区切りを「席に着いて説明を始めたら〜テーブルを離れたら」に変えた（歩く時間を含まない＝guide_s と同じ定義）。 それより前（2026-10-31 16:08 より前）の案内の記録は、歩く時間を含むので案に使わない """ import csv import json import os import re import shutil import statistics import sys from datetime import date, datetime HERE = os.path.dirname(os.path.abspath(__file__)) GOAL = 15 # 店ごとに「参考」を外す回数（シートの目安と同じ） MIN_STORES = 2 # 標準の値の候補にする店の数 GUIDE_FROM = datetime(2026, 10, 31, 16, 8) # これより前の案内の記録は、前の区切り（歩く時間を含む）。シートの直しが公開された時刻 # シートの作業の名前 → 前提の表の行（どれも中央値の秒をそのまま入れる） TASK_TO_KEY = { "会計": "pay_s", "片付け": "clear_s", "テーブルを拭く": "wipe_s", "席へ案内": "guide_s", "呼び出し": "call_s", "料理を置く": "staff_place_s", } ROBOT_TASK = "ロボットの往復" # ロボットの往復 → 前提の表の行（往復のうち、1回以上止まった・人が動かした往復の割合。試算も「1往復で起きる確率」） ROBOT_TO_KEY = {"stops": "pause_rate", "helps": "stuck_rate"} OBS_COLS = ["store", "date", "time", "kind", "sec", "stops", "helps", "raw_file"] COND_COLS = ["store", "date", "purpose", "time_of_day", "tags", "staff", "robots", "tables", "arrived", "left", "arrive_per_h", "left_per_h", "turnover_per_h", "stay_min", "occ0", "note", "raw_file"] def parse(text): """届いた文を読む。読めない行は飛ばす""" lines = [l.rstrip() for l in text.replace("\r\n", "\n").split("\n")] if not lines or "観察シートの記録" not in lines[0]: raise ValueError("観察シートの記録の文ではない（1行目が「観察シートの記録」でない）") info = {"store": "", "date": "", "purpose": "", "time_of_day": "", "tags": "", "staff": "", "robots": "", "tables": "", "note": "", "arrived": "", "left": "", "arrive_per_h": "", "left_per_h": "", "turnover_per_h": "", "stay_min": "", "occ0": ""} recs, sec = [], None for l in lines[1:]: if l.startswith("---"): sec = l continue if sec and "1回ずつの記録" in sec: m = re.match(r"(\d\d:\d\d:\d\d)\s+(\S+)\s+([\d.]+)秒(?:（止まった(\d+)回・人が動かした(\d+)回）)?", l) if m: recs.append({"time": m[1], "kind": m[2], "sec": float(m[3]), "stops": m[4] or "", "helps": m[5] or ""}) continue if sec: continue if l.startswith("日付："): y, mo, d = re.findall(r"\d+", l)[:3] info["date"] = f"{int(y):04d}-{int(mo):02d}-{int(d):02d}" elif l.startswith("目的："): info["purpose"] = l[3:] elif l.startswith("お店："): m = re.match(r"お店：(.*?)　スタッフ(\d+)人(?:　ロボット(\d+)台)?", l) if m: info["store"] = "" if m[1] == "（未入力）" else m[1].strip() info["staff"], info["robots"] = m[2], m[3] or "" elif l.startswith("卓の数："): info["tables"] = (re.findall(r"\d+", l) or [""])[0] elif l.startswith("時間帯："): a = l[4:].split("　", 1) info["time_of_day"], info["tags"] = a[0], (a[1] if len(a) > 1 else "") elif l.startswith("メモ："): info["note"] = l[3:] elif l.startswith("出入り："): n = re.findall(r"(\d+)組", l) if len(n) >= 2: info["arrived"], info["left"] = n[0], n[1] m = re.search(r"数えはじめに(\d+)卓", l) info["occ0"] = m[1] if m else "" elif l.startswith("1時間あたり："): n = re.findall(r"約(\d+)組", l) if len(n) >= 2: info["arrive_per_h"], info["left_per_h"] = n[0], n[1] elif l.startswith("回転率："): info["turnover_per_h"] = (re.findall(r"[\d.]+", l) or [""])[0] elif l.startswith("滞在時間の目安："): info["stay_min"] = (re.findall(r"\d+", l) or [""])[0] if not info["date"]: raise ValueError("日付の行がない") if not info["store"]: info["store"] = "名前なし_" + info["date"] return info, recs def read_csv(path, cols): if not os.path.exists(path): return [] with open(path, encoding="utf-8-sig", newline="") as f: return list(csv.DictReader(f)) def write_csv(path, cols, rows): with open(path + ".tmp", "w", encoding="utf-8-sig", newline="") as f: w = csv.DictWriter(f, fieldnames=cols) w.writeheader() w.writerows(rows) os.replace(path + ".tmp", path) def take(field, src): text = open(src, encoding="utf-8").read() info, recs = parse(text) os.makedirs(os.path.join(field, "raw"), exist_ok=True) base = f"{info['date']}_{re.sub(r'[^0-9A-Za-zぁ-んァ-ヶ一-龠ー_]', '', info['store'])}" raw_name, i = base + ".txt", 1 while os.path.exists(os.path.join(field, "raw", raw_name)): if open(os.path.join(field, "raw", raw_name), encoding="utf-8").read() == text: break # 同じ文はもう取り込んである i += 1 raw_name = f"{base}_{i}.txt" else: shutil.copyfile(src, os.path.join(field, "raw", raw_name)) obs_path = os.path.join(field, "observations.csv") obs = read_csv(obs_path, OBS_COLS) seen = {(r["store"], r["date"], r["time"], r["kind"]) for r in obs} added = 0 for r in recs: k = (info["store"], info["date"], r["time"], r["kind"]) if k in seen: continue seen.add(k) obs.append({"store": info["store"], "date": info["date"], "time": r["time"], "kind": r["kind"], "sec": r["sec"], "stops": r["stops"], "helps": r["helps"], "raw_file": raw_name}) added += 1 write_csv(obs_path, OBS_COLS, obs) cond_path = os.path.join(field, "store_conditions.csv") conds = [c for c in read_csv(cond_path, COND_COLS) if c["raw_file"] != raw_name] conds.append({**{c: info.get(c, "") for c in COND_COLS}, "raw_file": raw_name}) write_csv(cond_path, COND_COLS, conds) print(f"{src}: {info['store']} {info['date']} → 記録 {len(recs)} 回（新しく {added} 回）・原文 raw/{raw_name}") def fmt(v): return "—" if v is None else (f"{v:.3f}".rstrip("0").rstrip(".") if isinstance(v, float) else str(v)) def proposal(field): A = json.load(open(os.path.join(HERE, "assumptions.json"), encoding="utf-8")) obs = read_csv(os.path.join(field, "observations.csv"), OBS_COLS) L = ["# 前提の表に入れる値の案（観察シートの記録から）", "", f"作った日：{date.today().isoformat()}　記録 {len(obs)} 回", "", f"- 店ごとに {GOAL} 回に届くまでは「参考」。標準の値の候補は、{MIN_STORES}店以上・合わせて {GOAL} 回以上", "- 表はまだ書き換えていない。候補を表に入れるかはエイイチが決める（basis を「現場」、n に回数、source に店の数と期間。店の名前は書かない）", "- 中央値で比べる。席へ案内は 2026-10-31 16:08 より前の記録を使わない（歩く時間を含む前の区切り）", ""] def rows_for(kind): out = [r for r in obs if r["kind"] == kind] if kind == "席へ案内": out = [r for r in out if datetime.fromisoformat(f"{r['date']}T{r['time']}") >= GUIDE_FROM] return out L += ["## 作業の時間（秒）", "", "| 行 | シートの作業 | 今の値（根拠） | 全体の中央値 | 店の数 | 回数 | 判定 | 店ごと（中央値・回数） |", "|---|---|---|---|---|---|---|---|"] for task, key in TASK_TO_KEY.items(): rs = rows_for(task) cur = A["common"][key] by = {} for r in rs: by.setdefault(r["store"], []).append(float(r["sec"])) allv = [float(r["sec"]) for r in rs] med = statistics.median(allv) if allv else None judge = "候補" if len(by) >= MIN_STORES and len(allv) >= GOAL else ("参考" if allv else "記録なし") per = "、".join(f"{s} {fmt(statistics.median(v))}秒・{len(v)}回{'' if len(v) >= GOAL else '（参考）'}" for s, v in by.items()) L.append(f"| `{key}` | {task} | {cur['value']}（{cur['basis']}） | {fmt(med)} | {len(by)} | {len(allv)} | {judge} | {per or '—'} |") L += ["", "## ロボット（往復のうち、起きた往復の割合）", "", "| 行 | 数え方 | 今の値（根拠） | 全体 | 店の数 | 往復の回数 | 判定 | 店ごと |", "|---|---|---|---|---|---|---|---|"] rs = [r for r in obs if r["kind"] == ROBOT_TASK] for f, key in ROBOT_TO_KEY.items(): cur = A["common"][key] by = {} for r in rs: by.setdefault(r["store"], []).append(1 if int(r[f] or 0) > 0 else 0) allv = [x for v in by.values() for x in v] rate = sum(allv) / len(allv) if allv else None judge = "候補" if len(by) >= MIN_STORES and len(allv) >= GOAL else ("参考" if allv else "記録なし") name = "1回以上止まった往復" if f == "stops" else "人が動かした往復" per = "、".join(f"{s} {fmt(sum(v) / len(v))}・{len(v)}往復" for s, v in by.items()) L.append(f"| `{key}` | {name} | {cur['value']}（{cur['basis']}） | {fmt(rate)} | {len(by)} | {len(allv)} | {judge} | {per or '—'} |") secs = [float(r["sec"]) for r in rs] L += ["", f"ロボットの往復の時間（答え合わせ用・表には入れない）：中央値 {fmt(statistics.median(secs)) if secs else '—'} 秒・{len(secs)} 往復"] conds = read_csv(os.path.join(field, "store_conditions.csv"), COND_COLS) L += ["", "## 店の条件（今は記録だけ。店ごとの値で試算は回さない）", "", "| 店 | 日付 | 時間帯・ようす | スタッフ | ロボット | 卓 | 来店／時 | 回転率／時 | 滞在の目安（分） |", "|---|---|---|---|---|---|---|---|---|"] for c in conds: L.append(f"| {c['store']} | {c['date']} | {c['time_of_day']} {c['tags']} | {c['staff']} | {c['robots'] or '—'} | {c['tables'] or '—'} " f"| {c['arrive_per_h'] or '—'} | {c['turnover_per_h'] or '—'} | {c['stay_min'] or '—'} |") open(os.path.join(field, "proposal.md"), "w", encoding="utf-8").write("\n".join(L) + "\n") print("proposal.md を作り直した") if __name__ == "__main__": field = sys.argv[1] os.makedirs(field, exist_ok=True) for src in sys.argv[2:]: take(field, src) proposal(field) ``` ### スマホで測った試しの記録7回を取り込んだ 道具ができたあと、使えるかを試しました。机の上で観察シートを開き、作業ごとに1〜2回スタートとストップを押して、記録を送る文をチャットに貼りました。店で測ったものではありません。 #### 届いた文（試しの記録） ```text 観察シートの記録 日付：2026/10/31 目的：ロボットを入れていて、改善したい お店：（未入力）　スタッフ3人　ロボット2台 卓の数：約20卓 時間帯：昼（ランチ）　スタッフが足りない・いつもどおり 会計：だいたい13秒（1回） テーブルを拭く：だいたい12秒（1回） 席へ案内：だいたい11秒（1回） 呼び出し：だいたい7秒（1回） 料理を置く：だいたい8秒（2回） ロボットの往復：だいたい27秒（1回） 出入り：入ってきた15組・会計した7組（数えはじめに10卓にお客さん） --- 1回ずつの記録 --- 16:10:41　会計　12.7秒 16:10:57　席へ案内　10.7秒 16:11:12　ロボットの往復　26.7秒（止まった0回・人が動かした1回） 16:11:56　料理を置く　5.3秒 16:12:04　料理を置く　10.1秒 16:12:18　呼び出し　6.9秒 16:12:28　テーブルを拭く　12秒 --- 入ってきた時刻 --- 16:11:44、16:11:44、16:11:45、16:11:45、16:11:45、16:11:45、16:11:46、16:11:46、16:11:50、16:11:51、16:11:51、16:11:51、16:11:51、16:11:51、16:11:52 --- 会計した時刻 --- 16:11:48、16:11:48、16:11:48、16:11:49、16:11:49、16:11:52、16:11:53 ``` #### 取り込んだときの出力 ``` ../try_eiichi.txt: 名前なし_2026-10-31 2026-10-31 → 記録 7 回（新しく 7 回）・原文 raw/2026-10-31_名前なし_20261031.txt proposal.md を作り直した ``` #### proposal.md（値の案） ```markdown # 前提の表に入れる値の案（観察シートの記録から） 作った日：2026-10-31　記録 7 回 - 店ごとに 15 回に届くまでは「参考」。標準の値の候補は、2店以上・合わせて 15 回以上 - 表はまだ書き換えていない。候補を表に入れるかはエイイチが決める（basis を「現場」、n に回数、source に店の数と期間。店の名前は書かない） - 中央値で比べる。席へ案内は 2026-10-31 16:08 より前の記録を使わない（歩く時間を含む前の区切り） ## 作業の時間（秒） | 行 | シートの作業 | 今の値（根拠） | 全体の中央値 | 店の数 | 回数 | 判定 | 店ごと（中央値・回数） | |---|---|---|---|---|---|---|---| | `pay_s` | 会計 | 90（実感） | 12.7 | 1 | 1 | 参考 | 名前なし_2026-10-31 12.7秒・1回（参考） | | `clear_s` | 片付け | 40（仮置き） | — | 0 | 0 | 記録なし | — | | `wipe_s` | テーブルを拭く | 40（仮置き） | 12 | 1 | 1 | 参考 | 名前なし_2026-10-31 12秒・1回（参考） | | `guide_s` | 席へ案内 | 45（仮置き） | 10.7 | 1 | 1 | 参考 | 名前なし_2026-10-31 10.7秒・1回（参考） | | `call_s` | 呼び出し | 30（仮置き） | 6.9 | 1 | 1 | 参考 | 名前なし_2026-10-31 6.9秒・1回（参考） | | `staff_place_s` | 料理を置く | 10（仮置き） | 7.7 | 1 | 2 | 参考 | 名前なし_2026-10-31 7.7秒・2回（参考） | ## ロボット（往復のうち、起きた往復の割合） | 行 | 数え方 | 今の値（根拠） | 全体 | 店の数 | 往復の回数 | 判定 | 店ごと | |---|---|---|---|---|---|---|---| | `pause_rate` | 1回以上止まった往復 | 0.3（仮置き） | 0 | 1 | 1 | 参考 | 名前なし_2026-10-31 0・1往復 | | `stuck_rate` | 人が動かした往復 | 0.01（仮置き） | 1 | 1 | 1 | 参考 | 名前なし_2026-10-31 1・1往復 | ロボットの往復の時間（答え合わせ用・表には入れない）：中央値 26.7 秒・1 往復 ## 店の条件（今は記録だけ。店ごとの値で試算は回さない） | 店 | 日付 | 時間帯・ようす | スタッフ | ロボット | 卓 | 来店／時 | 回転率／時 | 滞在の目安（分） | |---|---|---|---|---|---|---|---|---| | 名前なし_2026-10-31 | 2026-10-31 | 昼（ランチ） スタッフが足りない・いつもどおり | 3 | 2 | 20 | — | — | — | ``` #### observations.csv ```csv store,date,time,kind,sec,stops,helps,raw_file 名前なし_2026-10-31,2026-10-31,16:10:41,会計,12.7,,,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:10:57,席へ案内,10.7,,,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:11:12,ロボットの往復,26.7,0,1,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:11:56,料理を置く,5.3,,,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:12:04,料理を置く,10.1,,,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:12:18,呼び出し,6.9,,,2026-10-31_名前なし_20261031.txt 名前なし_2026-10-31,2026-10-31,16:12:28,テーブルを拭く,12.0,,,2026-10-31_名前なし_20261031.txt ``` #### store_conditions.csv ```csv store,date,purpose,time_of_day,tags,staff,robots,tables,arrived,left,arrive_per_h,left_per_h,turnover_per_h,stay_min,occ0,note,raw_file 名前なし_2026-10-31,2026-10-31,ロボットを入れていて、改善したい,昼（ランチ）,スタッフが足りない・いつもどおり,3,2,20,15,7,,,,,10,,2026-10-31_名前なし_20261031.txt ``` 7回の記録が、表の6つの行（会計・テーブルを拭く・席へ案内・呼び出し・料理を置く・人が動かした往復の割合）と、止まった往復の割合に分かれて入りました。どれも1店で15回に届いていないので、判定は全部「参考」で、前提の表は書き換えていません。来店のペースと回転率が空なのは、数えた時間が10秒ほどしかなく、シートが「1時間あたり」の行を出さなかったためです。店で15分以上数えれば出ます。 試しの記録は、本物の店の記録と混ざらないように、`field/_試し/` に入れました。 ### 試しで見つけた、席へ案内の記録を使い始める日のずれ 最初の道具は、新しい区切りの案内の記録を「2026-11-01 から」使う決まりにしていました。ところが、試しの記録は 10月31日の16時10分に、もう新しい区切りで測ったものです。日付で分けると、この記録が使われません。そこで、日付ではなく、シートの直しを公開した時刻（2026-10-31 16:08）より後の記録から使う形に直しました。上の proposal.md は、直したあとの道具で作り直したものです。 ## 作業ログ ― 配膳ロボットの比較動画を、まとめて作る準備 ### 比較動画は、同じお客さんの来方で撮った2本を左右に並べる 比較動画は、Unity で撮った同じ店の2本（たとえばロボット0台と2台）を、左右に並べて同時に流す動画です。同じ店の録画は、どれも同じお客さんの来方で撮っているので、違いはロボットの台数やスタッフの人数だけになります。1店7本、6店で42本を作ります。 素材の66本は、スタッフの待つ場所の決まり（手が空いた人のうち1人はレジ内で入口を見て、ほかの人はパントリーのまわりに散らばる）を入れたので、今夜 Claude Code が撮り直します。21時に依頼箱へ入れる予約をしてあり、Mac の作業はありません。KIOXIA の空きは 1.8TB で、前の夜の66本は 2.6GB でした。 ### 比較動画を作る make_compare_stock.py を、新しい素材に向けた - 読む素材の夜を選べるようにした（`--night`。既定は今夜の `20261031_rec`）。できた動画は `stock/{夜の名前}/` に入れ、前の夜の素材で作った動画と混ざらないようにした - 1本目で止まっていた原因を直した。作業用のファイルを `/tmp` の決まった名前で作っていたため、前の回の残りとぶつかって書けなかった。毎回新しい作業用のフォルダを作る形にした - 字幕の字体を選べるようにした（`CMP_FONT`）。試しに頭の数秒だけ作れるようにした（`--max-sec`） ```python """比較動画のストックを、録画ストック（night/{夜の名前}）から順に作る（2026-10-31） 使い方: python3 make_compare_stock.py [--night 20261031_rec] [--out フォルダ] [--only N] ※ できている mp4 は飛ばす - 既定の夜は 20261031_rec（入口番・持ち場ありで撮り直した素材）。出力は stock/{夜の名前}/ - 1店7本：空いている・スタッフが多い・混んでいる・スタッフが少ない・普通（0台と2台）、普通の0台と1台・1台と2台 - 並べる順は、店 ③⑦④⑤⑥②、店の中は上の順（図の右上から） - 片側は元の録画の半分の大きさ（幅1280）。縦は店の形に合わせる（縦横比を保つ） - 30倍速（録画は15倍速なので1コマおき） 出力: videos/service_sim_compare/stock/{店}_{条件}_r{左}_vs_r{右}.mp4（字幕の控え .ass も）・進み具合は stock/progress.log """ import csv, sys, os, subprocess, bisect, time, tempfile TMP = tempfile.mkdtemp(prefix='cmp_') # 作業用（前の回の残りとぶつからないよう、毎回新しく作る） FONT = os.environ.get('CMP_FONT', 'Noto Sans CJK JP') # Mac で Noto がなければ CMP_FONT='Hiragino Sans' にする MAXSEC = float(sys.argv[sys.argv.index('--max-sec') + 1]) if '--max-sec' in sys.argv else None # 試しに頭の数秒だけ作る HOME = os.path.expanduser('~') U = os.environ.get('SIM_UNITY', HOME + '/mnt/KIOXIA/r2r2r-data/service_sim/unity') NIGHT = sys.argv[sys.argv.index('--night') + 1] if '--night' in sys.argv else '20261031_rec' OUTD = sys.argv[sys.argv.index('--out') + 1] if '--out' in sys.argv else os.environ.get('CMP_OUT', HOME + '/mnt/KIOXIA/r2r2r-data/videos/service_sim_compare/stock/' + NIGHT) os.makedirs(OUTD, exist_ok=True) NAME = {'fam_p0': '② 定番の郊外型', 'fam_p1': '③ 効率重視・入口が角', 'fam_p2': '④ 効率重視・小さめの店', 'fam_p3': '⑤ ゆったり・入口が正面', 'fam_p4': '⑥ ゆったり・入口が横', 'fam_p5': '⑦ 効率重視・席を詰めた店'} STORES = ['fam_p1', 'fam_p5', 'fam_p2', 'fam_p3', 'fam_p4', 'fam_p0'] CONDS = [('空いている', 'aki', 0, 2), ('スタッフが多い', 'stmany', 0, 2), ('混んでいる', 'komu', 0, 2), ('スタッフが少ない', 'stfew', 0, 2), ('普通・真ん中の人数', 'futsu', 0, 2), ('普通・真ん中の人数', 'futsu', 0, 1), ('普通・真ん中の人数', 'futsu', 1, 2)] SPD = 2 rows = list(csv.DictReader(open(U + '/night/' + NIGHT + '/rec_index.csv', encoding='utf-8'))) IDX = {r['回の名前']: r for r in rows} def find(store, cond, r): for x in rows: if store in x['条件の名前'] and x['条件の種類'] == cond and int(x['ロボット台数']) == r: return x raise KeyError((store, cond, r)) def ts(v): return f'{int(v // 3600)}:{int(v % 3600 // 60):02d}:{v % 60:05.2f}' def clock(t): return f'{int(t // 3600)}:{int(t % 3600 // 60):02d}' def info(run): d = f'{U}/{run}' T = [(float(r['t_s']), int(r['waiting_groups']), int(r['tables_dirty_untaken']) + int(r['tables_clearing'])) for r in csv.DictReader(open(d + '/timeline.csv'))] S = sorted(float(r['t_s']) for r in csv.DictReader(open(d + '/stops.csv')) if r['resolved'] == '動けなくなった') fr = [float(r[list(r.keys())[1]]) for r in csv.DictReader(open(f'{d}/recordings/{run}_whole_frames.csv'))] return T, S, fr def make(L, R, out): W = 1280 sw, sh = map(int, L['解像度'].split('x')); H = round(sh * W / sw / 2) * 2 TOP, BOT = 150, 70 store = L['条件の名前'].split('_')[1]; store = 'fam_' + store cap = f'{NAME[store]}　{L["条件の種類"]}：スタッフ{L["スタッフ"]}人・1時間{L["来客/時"]}組　同じお客さんの来方（種{L["種"]}）で並べた Unity の3Dシミュレーション　30倍速' ev = []; dur = 0 for side, x in ((0, L), (1, R)): run = x['回の名前']; T, S, fr = info(run) vlen = len(fr) / 30 / SPD; dur = max(dur, vlen); px = side * W + 40 ev.append((0, 99999, f'{{\\an7\\pos({px},18)\\fs46\\b1}}ロボット{x["ロボット台数"]}台')) for i, (t, wg, dirty) in enumerate(T): a = bisect.bisect_left(fr, t) / 30 / SPD b = (bisect.bisect_left(fr, T[i + 1][0]) / 30 / SPD) if i + 1 < len(T) else vlen if a >= vlen: break n = bisect.bisect_right(S, t) ev.append((a, b, f'{{\\an7\\pos({px},84)\\fs30}}店の時刻 {clock(t)}　入店待ちの組 {wg}　片付け待ちの卓 {dirty}　動けなくなった 累計{n}回')) ev.append((vlen, 99999, f'{{\\an7\\pos({px},84)\\fs30\\b1}}おわり　入店待ちの平均 {float(x["入店待ち（分）"]):.1f}分　動けなくなった {x["動けなくなった（回）"]}回')) ev.append((0, 99999, f'{{\\an1\\pos(40,{TOP + H + BOT - 18})\\fs26}}{cap}')) ev.append((0, 99999, f'{{\\an3\\pos({2 * W - 40},{TOP + H + BOT - 18})\\fs26}}{{\\c&HE07A2A&}}●{{\\c&HF0F5F5&}} スタッフ　{{\\c&H22C8F5&}}●{{\\c&HF0F5F5&}} お客さん　{{\\c&HFFFFFF&}}●{{\\c&HF0F5F5&}} 配膳ロボット')) end = dur + 4 ass = ['[Script Info]', 'ScriptType: v4.00+', f'PlayResX: {2 * W}', f'PlayResY: {TOP + H + BOT}', '', '[V4+ Styles]', 'Format: Name, Fontname, Fontsize, PrimaryColour, OutlineColour, BackColour, Bold, Italic, BorderStyle, Outline, Shadow, Alignment, MarginL, MarginR, MarginV', f'Style: D,{FONT},30,&H00F0F5F5,&H000D0D0D,&H000D0D0D,0,0,1,0,0,7,0,0,0', '', '[Events]', 'Format: Layer, Start, End, Style, Text'] ass += [f'Dialogue: 0,{ts(a)},{ts(min(b, end))},D,{t}' for a, b, t in ev] af = os.path.join(TMP, os.path.basename(out)[:-4] + '.ass') open(af, 'w', encoding='utf-8').write('\n'.join(ass) + '\n') open(out[:-4] + '.ass', 'w', encoding='utf-8').write('\n'.join(ass) + '\n') vin = [f'{U}/{x["回の名前"]}/recordings/{x["回の名前"]}_whole.mp4' for x in (L, R)] sel = f'select=not(mod(n\\,{SPD})),setpts=N/30/TB,' fc = (f'[0:v]{sel}scale={W}:{H},tpad=stop_mode=clone:stop_duration=900[a];[1:v]{sel}scale={W}:{H},tpad=stop_mode=clone:stop_duration=900[b];' f'[a][b]hstack=2,pad={2 * W}:{TOP + H + BOT}:0:{TOP}:color=0x0d0d0d,drawbox=x={W - 1}:y=0:w=3:h={TOP + H}:color=0xf5f5f0:t=fill,ass={af},trim=duration={(min(end, MAXSEC) if MAXSEC else end):.2f}[v]') tmp = os.path.join(TMP, os.path.basename(out)) subprocess.run(['ffmpeg', '-y', '-hide_banner', '-loglevel', 'error', '-i', vin[0], '-i', vin[1], '-filter_complex', fc, '-map', '[v]', '-r', '30', '-c:v', 'libx264', '-preset', 'veryfast', '-crf', '22', '-pix_fmt', 'yuv420p', '-movflags', '+faststart', tmp], check=True) subprocess.run(['cp', tmp, out], check=True); os.remove(tmp) return end jobs = [(s, c, k, a, b) for s in STORES for c, k, a, b in CONDS] only = int(sys.argv[sys.argv.index('--only') + 1]) if '--only' in sys.argv else None log = open(OUTD + '/progress.log', 'a', encoding='utf-8') for n, (s, c, k, a, b) in enumerate(jobs, 1): if only and n != only: continue out = f'{OUTD}/{s.replace("fam_", "")}_{k}_r{a}_vs_r{b}.mp4' if os.path.exists(out): continue t0 = time.time() try: end = make(find(s, c, a), find(s, c, b), out) log.write(f'{time.strftime("%m-%d %H:%M")} できた {n}/{len(jobs)} {os.path.basename(out)} 長さ{end:.0f}秒 作るのに{time.time() - t0:.0f}秒\n') except Exception as e: log.write(f'{time.strftime("%m-%d %H:%M")} 失敗 {n}/{len(jobs)} {os.path.basename(out)} {e}\n') log.flush() log.write(f'{time.strftime("%m-%d %H:%M")} 全部おわり\n') ``` 前の夜の素材で、1本目（③ 効率重視・入口が角、空いている、ロボット0台と2台）の頭の20秒だけを作りました。下の記録の時刻は、Mac 連携の作業環境の時計（協定世界時）で、日本時間では16時19分・16時20分です。 ``` 10-31 07:19 失敗 1/42 p1_aki_r0_vs_r2.mp4 [Errno 13] Permission denied: '/tmp/p1_aki_r0_vs_r2.ass' 10-31 07:19 全部おわり 10-31 07:20 できた 1/42 p1_aki_r0_vs_r2.mp4 長さ401秒 作るのに6秒 10-31 07:20 全部おわり ``` 【画像】LOG415_02_compare_test_frame.jpg 試しに作った比較動画の1コマ。左がロボット0台、右がロボット2台の③の店。上に店の時刻・入店待ちの組・片付け待ちの卓・動けなくなった回数、下に店と条件の説明と色の見本 20秒を6秒で作れたので、全部で約7分の動画1本は、約2分で作れる見込みです。ただ、Mac 連携の作業環境は1回の作業が3分までで、後ろで動かし続けた処理は、作業の区切りで止まります。そのため、1回に1本ずつ作る形にしました。42本で1時間半ほどの見込みです。明日の朝7時に、撮り直しが終わったかを確かめ、終わっていれば右上（③の空いている店）から作り始める予約を入れました。 ## 店ごとの前提を重ねる段は、店の記録が届いてから作る 前提の表と取り込みの道具で、店の数字を試算に入れる入り口はできました。まだないのは、標準の値を書き換えずに「この店で測った値」を重ねて、その店だけの試算を回す仕組みです。これは記録だけにしておき、店の記録が届いてから作ります。 もう一つ、表の中の「Unity」の根拠は0個のままです。Unity ではロボットの速さや止まる回数をもう測っていますが、それを試算に入れるかは、まだ決めていません。入れるときは、この表の上で、根拠を「Unity」にして、どの夜の何回分の値かを書いて入れます。