フードコートで並ぶのはどの店？土曜のピークの待ちを、AIとシミュレーションで比べる

ショッピングセンターの土曜のモデルを開く（登録なしで開けます。シミュレーションを動かすにはProが要ります）。土曜のピークに、フードコートのどの店で列ができ、調理を速くすれば列は消えるか。同じ来店で調理の時間とフードコートに来る人の割合を変え、AIがシミュレーションで比べます。この記事では、模擬のモールで、AIがMCPで呼ぶのと同じ道具を動かしました。以下の数字は、すべてその結果です。

1. モールと土曜のピーク

模擬のモールは3階建てのショッピングモールで、3階にフードコート（10店）があります。

• 来店は最初の15分に集まります：車で来る人（1時間あたり360人の割合、ランダム）、シャトルバス3便（8人ずつ）、エレベーターで来る人（1時間あたり40人の割合）。1〜3の階で買物をしたあと、45%がフードコート、10%が映画館へ行き、残りは帰ります。10分には前の回の映画が終わり、40人の半分がフードコートへ来ます。
• フードコートでは、麺（40%：ラーメン・うどん・カレー・お好み焼き）、ファストフード（35%：バーガー・韓国料理・ピザ）、スイーツ（25%：クレープ・タピオカ・デザート）のどれかを選び、その種類で空いている店（どれも埋まっていれば前に並ぶ人の少ない店）に並びます。
• 店は1度に1つの注文を受けて作ります（注文20〜45秒、調理は平均120秒でばらつく、トレーを受け取る3秒）。待ちは、列に並んでから注文するまでの時間です。
• 1時間でフードコートに来る人は、20回の平均で73.1人です。
• 計算していないもの：混雑の物理、列を見てやめる人・列を移る人、グループ、売上。

2. どの店で並ぶか

AIは保存されているシナリオを変えずに、sweep_process_parameters で同じ乱数の20回走らせ、すべての店の待ち・列・動いていた割合を読みました（いまの設定）。列は、それぞれの回でいちばん長かった列の20回の平均です。

• いちばん待つのはバーガー（3.4分）で、ファストフードの3店はどれも2.8分以上です。スイーツは1.1〜1.6分。
• どの店も、1時間のうち動いているのは26〜35%だけです。来る人が最初の15分と映画の終わりに集まるため、空いている時間が長くても、ピークには列ができます。1時間の平均の忙しさでは、列ができるかは分かりません。

3. 調理を速くすると

調理の平均を120秒から90秒・60秒にしました。種類ごとの店の待ち（いちばん短い店〜長い店）：

• 調理を90秒にすると、バーガーの待ちは3.4分から1.8分になります（同じ回どうしで1.6分短い、95%区間は1.0〜2.1分）。どの店も、待ちはいまの4〜6割になります。
• 60秒なら、どの店も1分以内です。

4. フードコートに来る人が増えたら

買物のあとフードコートへ行く人の割合を変えました（調理120秒）。

• 60%なら、ファストフードの待ちは4.5〜4.8分、麺も3.7〜4.3分になります。

5. 来店が多い日に、調理を速くすると

車で来る人を1時間あたり480人の割合にしました。ファストフードの待ちは3.9〜4.3分になります。調理が90秒なら2.2〜2.3分で、いまの日の120秒（2.8〜3.4分）を下回ります。同じ回どうしで、バーガーは1.1分（95%区間は0.5〜1.7分）、韓国料理は0.7分（0.1〜1.3分）短く、ピザの差は区間に0を含みます。

6. この数字の使い方

• 時間ごとの来店数（駐車場・入口のカウンター）、フードコートに行く人の割合、種類ごとの選ばれ方、店ごとの調理の時間を、自分の施設で測った値でAIに伝えてください。映画やイベントの終わる時刻も。
• 待ちが短くなっても、それだけで売上が増えるとは言えません。調理を速くする費用（人・機器・メニュー）と合わせて決めてください。
• 計算していないもの：混雑の物理、列を見てやめる人・列を移る人、グループ、売上。