〜
# -*- coding: utf-8 -*-
"""
Created on Tue Dec 17 20:03:28 2019

@author: aoki
"""
#%%import
import matplotlib.pyplot as plt
import pandas as pd
#read test data
df = pd.read_excel('WLTP-DHC-12-07e.xls',sheet_name='WLTC_class_3')
#t:c8~,v:e8~,a:f8~(m/s/s)
mile=df.iat[9,10]/1000#m to km
#%%input
g=9.8#m/s/s
coef_arg=0.95
coef_roll=0.01
rho=1.225
eta_e=0.8
eta_c=0.9
#by outsource
#vehicle shape param
weight=20#t
#payload
area=7.1#m2
#coef
sigma=0.15
coef_d=0.6#??
#%%cal
#initialize
i=0
results=[]
weight=weight*1000#t to kg
SoC0=0.8#no dim
battery=(740,3000,4800,6640)#kg
#main
for i in battery:
    print('***** battery weight /kg *****',i)
    #initialize
    capacity=0
    j=0
    #listas
    RL_roll=[]
    RL_air=[]
    RL_accel=[]
    #dataframe to make graph & table
    Rdf=[]
    Rdf0=[]
    Rdfp=[]
    #%%
    for j in range(len(df)-7):#as time
        #vehicle moving param
        v=df.iat[7+j,4]/3.6#km/h to m/s
        accel=df.iat[7+j,5]#m/s/s
        #
        R_roll=coef_roll*(weight+i)*g#necessary?
        R_air=rho/2*coef_d*area*v**2
        if accel>=0:
            R_accel=(1+sigma)*(weight+i)*accel
        else:#Regenerate as negative with speed separete??
            R_accel=(1+sigma)*(weight+i)*accel*0.411
        R=(R_roll+R_air+R_accel)/coef_arg#N
        #%%R lists append as kWh to drow graph
        RL_roll.append(R_roll*v/1000/3600)
        RL_air.append(R_air*v/1000/3600)
        RL_accel.append(R_accel*v/1000/3600)
        #integral
        capacity+=v*R#W=Nm/s to Ws
    capacity=capacity/eta_e/eta_c/1000/3600#Ws to kWh: used energy
    #%%output
    plt.figure()
    fig, ax1=plt.subplots()
    ax1.plot(RL_roll,label='roll')
    ax1.plot(RL_air,label='air')
    ax1.plot(RL_accel,label='accel')
    plt.xlabel('time /sec.')
    plt.ylabel('Resistance work /kWh')
    plt.legend()
    ax2=ax1.twinx()
    ax2.plot(df.iloc[7:len(df),4],label='velocity',linestyle= 'dashed',color='r')
    #plt.legend()
    plt.ylabel('velocity /km/h')
    plt.show()
    #%%R work ratio cal
    #figure
    plt.figure()
    Rdf0=pd.Series({'1':sum(RL_roll),'2':sum(RL_air),'3':sum(RL_accel),'4':0.})
    plt.pie(Rdf0[0:3],labels=['roll','air','accel (including regenerate)'],
            autopct="%1.1f%%")
    title='Resistance work ratio\n'+'when battery weight is '+str(i)+'kg'
    plt.title(title)
    plt.show()
    #table
    Rdf0[3]=sum(Rdf0)
    Rdfp=Rdf0/(Rdf0[3])*100
    Rdf=pd.DataFrame([Rdf0,Rdfp],index=['total resistance work /kWh','ratio /%'])
    Rdf.columns=['roll','air','accel','total']
    pd.options.display.float_format = '{:.2f}'.format
    print(Rdf)
    #%%estimate cf LEAF param
    econ=mile/capacity/SoC0
    est=0.141*i#kWh
    vol=est/0.114/1000
    dist=est/capacity*mile#distance range
    SoC=100-4*80/dist*100#real SoC ratio as est by 4h*80km/h should be positive
    price=est/6.11#only battery cf tesla
    results.append([capacity,econ,dist,est,vol,SoC,price])
#%%
print('*****summary*****')
results=pd.DataFrame(results,index=battery,
                     columns=['cap. /kWh','econ./km/kWh','dist./km',
                              'cap.*/kWh','vol.*/m3','SoC* /%','price/¥10^4'])
#fig by RL
plt.figure()
results.plot(subplots=True)
plt.xlabel('battery weight /kg')
plt.show()
plt.figure()
results.plot(y='econ./km/kWh')
plt.show()
plt.figure()
results.plot(y='SoC* /%')
plt.show()
plt.figure()
results.plot(x='dist./km',y='econ./km/kWh')
plt.show()
#%%
results=results.transpose()
pd.options.display.float_format = '{:.2f}'.format
print(results)
results.to_csv('mileage_output.csv')
〜

result

f:id:pytho:20200118131820p:plain f:id:pytho:20200118131829p:plain

2020-01-18

情報の高度化と混乱

日記ガジェットほか Youtube 社会：Psycho-Pass

pytho.hatenablog.com

これを以前書いたわけだが，その矢先あっちゃんのチャンネルが炎上してしまったー

無責任感という感じだ

どうも歴史的な解釈が誤りだとかで

本人曰く議論の活性化のために敢えてだとかいう話も流れているが...

正直この対応は圧倒的なミスで正直に謝って訂正すべきだっただろう

そもそも大学として大人をターゲットとしているのだから誠実さは非常に重要だ

これがきっかけとなって落ち目とも成り得る

私はその口だ

ちなみにお勧めしておきながら，私は彼の動画はほとんど見たことはなかったのだが

まさしく前述の無責任感だ

ただ彼のビジネスとしては実際上手ではある

そもそも彼のターゲットは意識は高めだが教養レベルは中の下あたりだろう

そこに対して難しめの内容を見ているだけでいい映像の媒体にまとめているのはマッチしている

編集はテレビ的なのもコネの都合などがあるだろうが入り口として適している

ここからオンラインサロンでさらなる収益を目指すわけで親和性も高かろう

捉え方次第ではチャンネル自体が広告なわけだ

ただ炎上に対してホリエモンほどのコントロール的な戦略があるわけでもなかったはずで

包括的に考えると甘いなというところがある

そしてターゲットでない教養レベルが高い層はどうしているのだろうか

これはそれぞれ専門性を持つリテラシーの高いチャンネルを見ていると考えられる

リアル半沢直樹【リクルート事件の真相】〜後編〜そしてバブルはなぜ弾けたのか？

そもそもMARCH以上行っていたら上記のような内容はまさしく教養レベルではないだろうか

ちなみにこの点の話はPsycho-Pass3の2話前半に詳しいのでぜひチェックしていただきたい

ただそもそも高リテラシー層のYoutubeへの移動はまだ黎明期だろうが

あと私はあまり見たことがないが，落合陽一氏にはことさら関心があるので時間があるときに見てレビューを記せたらと思う

2020-01-18

艦これ2019秋イベ

日記艦これ

E1

特攻艦というか装備？が強くてヌルゲー

というかもはやダメコン

潜水以外のE1流行っていけ

なので8駆ベースに3軍で

そして序盤の資材はこんなところ

ボーキは圧倒的に足りなかったのでイベント中に必死に遠征を回すいつものムーブメント

E2

ここも比較的ぬるめ

かと思いきやラスダンの旗艦が微妙に落とせなくて若干沼った

うちは枠の都合，高尾・愛宕が弱いので敢えて青葉・衣笠を採用

ここまではぬるめなこともあってむしろ資材が経常黒字で草

E3

E2の沼に比べるとわりとあっさりだったか

日本の先制対潜艦が少ないので，そこにはしばしば外国艦を派遣

特攻とかで水鬼もイベントごとに受ける印象が異なるのは個人的に残念に思うところも

こう昔のライバル：強敵が弱くなってしまっている悲しさというか

一方，空母棲鬼あたりはずっと強くてこれもこれで感があるので難しいが

あとシンプルに神通が強いのと特攻のシナジーが良かったのかも

E4

第一となる輸送ゲージはまず輸送連合でやったら勝てな過ぎて水上へシフト

ただ大発をガン積みしたので火力がピーキーで結果としてAとSは半々くらい

たしか途中までは甲で頑張っていたがギミックだったり単純に強いのが面倒になってきてラスダンで乙へ

甲のうまみも低かったので

というかもがみくまの運の低さによるカットインの出なさが最もしんどかった

連撃で行けるほど圧倒的な火力というわけでもないのが辛いところ

E5

乙だったので苦労度はまずまず

体感としては4-5に近いかなと

第二艦隊の対潜の拡充が甲のトレンドだったようだが乙は弱かったのでそこを薄めて夜戦火力マシマシで攻略

第一ゲージの対潜は1-5と同等で超簡単だったので特に言及することもないかなと

やはり東海は神

第一艦隊はながもんタッチ採用しつつ特攻艦の扶桑を2隻目に

と思ったがなんとなく対空も手厚くしたかったのと高速化の問題でIowaに

乙で対空舐めて行ったら最初劣勢でぼこぼこにされたのはここだけの話

なので利根は水戦キャリアで軽空母も艦戦多め

長門がどうせ弾着できないし均衡でやってたが

64戦隊もいないので

ここは銀河大活躍で軽空落とせて取れてたやつかも

E6

アイアンボトムサウンドの申し子

成人式で暴れる的な

編成で分かるかもだがE6は丙

終わってみるとこんな感じ

ボーキはあまり変化ないが必死に遠征回した甲斐あってというところ

小型艦が多かったこともあって鋼材に比べ燃料が激しかったなと

ボーキは航空隊でやはりかな

正規空母の出番が少なかったので抑えめではあるが

まとめ

甲甲甲乙乙丙

デロイテルは攻略中にゲットできてようやく秋月もゲットできたのは僥倖

Hustonはダメだった

大阪のホテルでもやって10数回は周回したのだが

逃したところでいうと冬月，旗風，日進あたりは早く欲しい...

蛇足ですが，これとインターンで忙しくゼミのクオリティは落ちた挙句ここも更新できなかったのであった

2020-01-18

JR西の土木部門インターンメモ

就活電車

キロ程
キロポスト
上り下り
レールも物理的に種類があり重要度メンテに応じ変化（予防的に
締結をボルトからバネに変えメンテしやすく工事時の騒音低減にも
なぜ西なのか！？
20年後のビジョンと技術
社内コンペでステップアップも
2,3年に1回転勤が目安
勉強会の出張とかも
別分野に行くことはほぼない東はある
（人事流動硬い（外部（保線土木施設、橋トンネル土工全部はやるが
元気な部署/別の解釈も？
やはり成果ついた担当に対して求められたものを（漠然め
自動化などが進んでも判断業務は残るか
大まかには外内は半々くらいで現場の部署では73くらいで保線区なら逆転
資格の技術経験には重要なところ
末端の人手不足
広報で技術系のマスコミ対応も
限界状態の定義
オフィス系はフレックス
出向は取り合いな
年功的な傾向もあるが
7年目くらいまでは研修的に
そこからは実力で若手で課長も
テレワークも申請で可