カフェの朝のピーク
カフェの朝のピークで、待ちの原因になるのがレジかエスプレッソバーかを見ます。
ログインせずStudioで開き、保存済みの結果を確認して2D・3Dで編集できます。自分のAIをつなぐにはログインしてください。プロジェクトファイルは無料で利用できます。実行条件はアカウントで確認してください。現在の空間を置き換える前に確認が表示されます。
朝の行列には、バリスタを増やすのと注文を速くするのと、どちらが良い対策か。
- 想定する利用者
- カフェのオーナーと店長
- 価値の生み方
- シフト表を変える前に、バーの人員配置と注文の高速化（メニューボード、事前注文）を比較します。それぞれの待ち時間の短縮を、人件費と自社のサービス目標に照らして評価してください。待ちが短くなるだけでは、売上が増えるとは言えません。
- 現場のデータを用意する
- 15分ごとの到着数、実測した注文とドリンクの時間、ドリンクとテイクアウトの割合、シフトのスタッフ数と人件費。帰る客と席の回転には、実測データが必要です。
確認できるモデル
客は通りからランダムに（ポアソン）40分間到着し、列に並び、空いているレジ（なければ短い列）で注文します。受け取りで待つ間、共有のバリスタが空いているエスプレッソマシンでドリンクを作り、その後、席に座るか退店します。パン職人は30分間、10分ごとに1バッチを空いているデッキオーブンに入れ、パンの棚を補充します。ドリンク、テイクアウト、座席エリアの割合は仮定です。客は、選んだ座席エリア内で、空席かつ誰も向かっていない最も近い席を選び、長い列を見て帰る人はいません。待ちは資源ごとの人数と時間であり、群集の動きではなく、ここには売上を予測するものはありません。
1つだけ変える
同じ毎時90人の客で、バリスタ1人と2人、さらにレジでの注文40秒と60秒を比較します。マシンが2台のうちは、3人目のバリスタを置いても効果はありません。
結果を読む
注文と受け取りの待ち行列、どのレジとマシンが稼働しているか、オーブンのバッチ。ドリンク、テイクアウト、座席エリアの割合は仮定です。帰る客と売上はモデル化していません。
開始時の入力を見る
- 毎時の客数
- 90
- バーのバリスタ
- 2
- レジでの注文時間（秒）
- 40
エージェントの数、経路、資源の定義も、プロジェクトのJSONに保存されます。
再現できる出発点の結果。
1回の実行、シード1。 観測期間60分。
| シナリオ | 完了 | 平均待ち時間 | 平均サイクル時間 | ブロック |
|---|---|---|---|---|
| 元のシナリオ | 69 | 19s | 11m 04s | 0 |
待ちの平均は到着したジョブを対象とし、終わっていない待ちも含みます。サイクル時間の平均は完了したジョブだけが対象です。これらは説明用の計算であり、実測した現場の実績、売上、安全性の評価ではありません。
エンジン、状態、出力の注記
process-des-2.7.0. 状態： 元のシナリオ: 完了. 実行状態が「完了」でも、すべての仕事が成功したとは限りません。停止した仕事の件数と警告を確認してください。
- エンジンの警告はありません。
エンジンの入力と保存した比較は、保存したプロジェクトとともに残ります。軌跡が限られている場合、影響するのは再生の詳細で、集計の指標には影響しません。
この作例の記事
2Dで計画し、3Dで確認、プロジェクト全体を保存
- 開いて調整する。 2Dと3Dを切り替え、部品、フロア、入力を編集します。どちらのビューも同じモデルを表します。
- エージェントを無料で接続する。 サインインして、AI接続を選び、ChatGPT・Claude・Codex・Claude Codeのいずれかを接続します。作例の確認、レイアウトの編集、経路の確認を依頼してください。
- チェックポイントを保存する。 プロジェクト → プロジェクトファイル、またはエージェントにプロジェクト全体の書き出しを依頼します。後で取り込むと、フロア、シナリオ、保存した比較、選択したビューが復元されます。
- 案を比較。 同じ需要条件で新しい運用比較を計算できます。実行条件・内蔵AI・手動クラウド保存の上限はアカウントで確認してください。