u++の備忘録

深夜作業場としてのサイゼリヤ 〜三つのメリットと三つのデメリット〜

はじめに

サイゼリヤ Advent Calendar 2017 の 3日目の記事です。
サイゼリヤの「深夜作業場」としてのメリット・デメリットを、個人的な見解でまとめます。

筆者とサイゼリヤ

筆者は自宅であまり作業しない(できない)性格で、プライベートで集中して作業する際にはカフェやファミレスに向かいます。例えば深夜に一気にこなさなければならない案件がある場合、筆者の近辺だと深夜にやっている店の選択肢が少なく、サイゼリヤに向かうことが多いです。

ちなみに、この記事もサイゼリヤで執筆しています。

※お断り

以下の内容は、筆者が深夜作業場として利用している一店舗での体験に基づきます。

メリット

手軽な価格でドリンクバー

個人的には、この点が大きいです。サイゼリヤでは、単品280円(税込)、商品とセットなら180円(税込)でドリンクバーが提供されています。冷たいジュースも温かいコーヒーもあり、気分に応じた飲み物を好きなだけ堪能できる点は、深夜作業場として大いに評価できます。

飲み物のラインナップは下記の記事で詳しく紹介されています。
xn--o9j0bk5pa8mzb4f3eyde9hb.com

ちなみに、ファミレスでのドリンクバーの価格を比較した表は下記の通りです。焼肉など主の商品で稼ぐ店だともう少し安い店もありますが、深夜作業場に使えそうなファミレスの中では、サイゼリヤはかなりお手頃な部類に入ると思います。

チェーン セット(円) 単品(円)
サイゼリヤ 190 280
ガスト 214 430
ココス 205 345
ジョナサン 291 430
デニー 268 329

下記記事より一部抜粋。2016年8月時点。
https://ドリンクバークーポンまとめ.com/hikaku-544

適度な雑音

冒頭で書いたように筆者が自宅であまり作業しない(できない)のは、自宅だともの音がなさ過ぎて逆に集中できないのが一因です。サイゼリヤは開かれた空間にテーブルが並んでいるので、否が応でも他人の物音が聞こえます。個人的にはこれくらいの雑音がある方が作業に取り組む気概が出てきます。

たまに隣の話が興味深すぎて作業が疎かになることもありますが……。



営業時間の長さ

営業時間はサイゼリヤの各店舗で異なりますが、筆者の通うサイゼリヤは深夜5時まで営業しています(この記載で店舗がかなり絞られますね)。近隣店舗の中では抜群に夜遅くまで営業しており、どうしてもキリの良いところまで仕上げたい場合が多い深夜作業場としてはもってこいです。

都内の営業時間一覧を見ても少なくない店舗で深夜2時までは営業しています。コンビニの台頭で営業時間の縮小が進む昨今、非常にありがたいです。
http://www.saizeriya.co.jp/restaurant/search_map.php?area1=12

デメリット

ノートパソコン向けWi-Fiがない

(少なくとも筆者の通う)サイゼリヤには、ノートパソコン向けWi-Fiがありません。筆者は性質上インターネット接続が必要な作業をすることが多いので、サイゼリヤを深夜作業場として利用する場合には、スマートフォンテザリング機能を用いることになります。スマートフォン通信制限の問題があるので、大規模データを扱うような作業をするには、サイゼリヤは不適切な場所です。

一方で、ノートパソコン向けWi-Fiがないことは一部メリットでもあります。ノートパソコンがインターネットに接続していると、どうしてもネットサーフィンやSNSをしてしまい、本来やるべき作業に集中できないことがあります。ただしサイゼリヤにはノートパソコン向けWi-Fiがないので、雑念にとらわれることなく、作業に集中できる環境になっています。個人的経験から言えば、書籍・論文などを深く読み込みたい場合などには最適の場所だと思います。

分煙対応が甘い

(少なくとも筆者の通う)サイゼリヤでは、喫煙席と禁煙席を空間で分割するだけの「分煙対応」をしています。物理的な仕切りは存在しないため、喫煙席に近い禁煙席では実質的には副流煙まみれになる場合が多いです。筆者はタバコを吸わないため禁煙席を選択しているのですが、できればもう少し厳格に分煙対応してほしいと思っていました。

そんな中、先日以下のような報道がありました。個人的には本当に喜ばしいことなので、ぜひ推進してほしいです。

www.asahi.com

現金でしか支払いできない

サイゼリヤは、原則として現金払いで一貫しているようで、クレジットカードや交通系ICなどが利用できません。深夜作業場に出向く際は極力荷物を減らしたいのですが、スマホで決済することができないため、財布を持参する必要があります。また深夜だとATMの手数料が発生することも。お手洗いに行く際に持ち運ぶものが増えたり、入店してから手持ちの現金が少ないと気付いたり、この弊害は個人的にはかなり大きいなと思っています。2020年の東京五輪開催に向け、クレジットカードなどへの対応が進むことを期待しています。

おわりに

この記事では、サイゼリヤの「深夜作業場」としてのメリット・デメリットを、個人的な見解でまとめました。「こういう視点でサイゼリヤを見ている人もいるんだなあ」くらいの知見を共有できていたら幸いです。

W杯ロシア大会の組み合わせ抽選結果を箱ひげ図で表してみた

グループごとにデータ数が4つしかないので箱ひげ図は不適切なのですが、グループ分けして箱ひげ図を書く練習としてやってみました。

f:id:upura:20171202143153p:plain

ざっくりと、開催国ロシアを含むAグループが比較的FIFAランキングが低めなこと、Cグループが熾烈なことなどが読み取れます。

Rのコード

group_list = list(A = unlist(worldCup[1:4,2])
                  , B = unlist(worldCup[5:8,2])
                  , C = unlist(worldCup[9:12,2])
                  , D = unlist(worldCup[13:16,2])
                  , E = unlist(worldCup[17:20,2])
                  , F = unlist(worldCup[21:24,2])
                  , G = unlist(worldCup[25:28,2]) 
                  , H = unlist(worldCup[29:32,2]))

boxplot(group_list
        , names = c("A", "B", "C", "D", "E", "F", "G", "H")
        , main="World Cup 2018 Group Stage", xlab="Group", ylab="FIFA Rank")

github.com

【遊戯王デュエルリンクス】ステージ60(DM)&ステージ30(GX)到達

1年近くステージ38(DM)で止めていたのを(いつだったか)止め、ステージ上げ再開後、ようやくステージ60(DM)に達しました。

f:id:upura:20171124101142p:plain

今後のステージ追加が待ち遠しいですね。

f:id:upura:20171124101158p:plain

GXの方は、解禁後に熱中してステージ上げしていたら気づいたときにはカンストしていました(①が付いているのはバグですね)。

f:id:upura:20171124101208p:plain

今後はキャラクターのレベル上げをしていこうと思います。

Windowsにpython-mecab導入(2017年11月)

自分用メモ

mac版はこちら
Macにpython-mecab導入(2017年10月) - u++の備忘録

端末

Windows 10

Python環境

Python 3.6.2 | Anaconda

インストール方法

pipで辞書などを丸ごと導入できるようにしてくださったものを利用する。

qiita.com

事前インストール

landinghub.visualstudio.com

エラー対応

www.gesource.jp

待ち行列モデルを用いてセブンイレブンのコンサルティングをしてみた

2015年に大学の授業で、待ち行列モデルを用いてセブンイレブンコンサルティングをした際の資料が出てきたので、出せる部分のみ編集して共有します。


問題設定

大学の最寄り駅近くにあるセブンイレブンを利便性の都合上よく使うのですが、当時の店員のオペレーションに不満を感じていました。それは二つレジがあるにもかかわらず原則一つのレジしか稼働しておらず、5人程度の列ができないと二つ目のサポートが入らない点です。

今回は「平均来店人数」と「平均レジ処理速度」を定義することで行列の数を再現する「待ち行列モデル」を用いて、①このセブンイレブンでどの程度の待ち時間が生じているか②仮に3人並んだ段階で2人体制になったら待ち時間がどの程度削減されるかーーを調べてみました。

実験

①このセブンイレブンでどの程度の待ち時間が生じているか

最初に実地調査をもとに、「平均来店人数」を1分間に1人、「平均レジ処理速度」を店員1人当たり40秒に1人と定義しました。そして共に指数分布に従うと仮定し、モンテカルロシミュレーションを実行します(理論の詳細は割愛します)。「エクセルのシート関数で処理しましょう」みたいな授業だったので、基本はExcelのシート関数で処理しつつ、難しかった部分はVBAで補っています。

この時の系内人数分布と待ち時間分布は下記のようになりました(グラフはRのggolot2で作成しました)。

系内人数分布

f:id:upura:20171118155356p:plain

待ち時間分布

f:id:upura:20171118155249p:plain

ここで、過去のアンケート結果を引用し、コンビニにおける「許容待ち時間」を3分と設定しました。この場合に、シミュレーション結果からは、許容待ち時間の3分を超える層が9.01%もいると判明しました。

②仮に3人並んだ段階で2人体制になったら待ち時間がどの程度削減されるか

ここでは「平均来店人数」と「平均レジ処理速度」の設定は変えず、3人並んだ段階で2人体制になるようにモデルを変更しました。

この時の系内人数分布と待ち時間分布は下記のようになりました。

系内人数分布

f:id:upura:20171118155850p:plain

待ち時間分布

f:id:upura:20171118155929p:plain

①の場合と比較すると下記のようになります。

系内人数分布

f:id:upura:20171118160050p:plain

待ち時間分布

f:id:upura:20171118160100p:plain

まとめ

f:id:upura:20171118160146p:plain

②の変更によって「許容待ち時間」を超えた層の割合が1.38%にまで削減されました。現実世界はここまで上手くいかないとは思いますが、このオペレーションにしてもらえると、顧客満足度は大幅に上昇する気がします。当時の僕にもう少しコミュニケーション力があれば、この資料をセブンイレブンに持参したかもしれません(???)。

【論文メモ】Learning Document Embeddings With CNNs

論文名

Learning Document Embeddings With CNNs
[1711.04168] Learning Document Embeddings With CNNs

概要

教師なし文書埋め込みのためのCNNを用いたモデルの提案。既存アプローチは、複雑な推論を必要とするか、または並列化が困難なRNNを使用。CNNを用いることで、完全な並列化を実現し、より深いモデルを学習させられる。