Моделирование контейнерного терминала и его влияние на экономику порта

Производительность контейнерного терминала связана с механизмом, используемым при организации процессов времени ожидания судна, а затем снижения затрат на судно, а также ограничения использования кранов и сопутствующих запасных частей и операций по техническому обслуживанию, которые использует любая организация.

Проектирование контейнерных терминалов может осуществляться с помощью двух основных подходов: оптимизации или моделирования. Хотя подходы, основанные на оптимизационных моделях, позволяют более изящно и компактно сформулировать проблему, имитационные модели в основном основаны на моделях моделирования дискретных событий и помогают достичь нескольких целей: преодолеть математические ограничения подходов к оптимизации, поддержать и сделать компьютерные стратегии/политики более понятными и поддержать лиц, принимающих решения, в повседневных процессах принятия решений с помощью подхода «что, если». Было предложено несколько применений моделей, и результаты моделирования подтверждают, что такой подход достаточно эффективен при моделировании операций контейнерных терминалов. Большинство материалов в литературе [1] разрабатывают объектно-ориентированные имитационные модели и используют макроскопический подход, который объединяет элементарные операции по обработке (например, с использованием кранов, штабелеров, челноков) в несколько макроопераций (например, разгрузочные суда: док крана достигает челночной верфи штабелера), имитируют движение “совокупности” контейнеров и поэтому не учитывают влияние типов контейнеров (например, 20’ против 40’, полный против пустого), частоту различных операций по обработке, которые могут казаться похожими, но демонстрируют различную продолжительность времени и изменчивость/дисперсию (например, кран выгружает контейнер в док или на челнок) и различия в пределах одной и той же операции по обработке (например, время укладки/погрузки/разгрузки в отношении номера яруса). Такие вклады в основном сосредоточены на архитектуре моделирования, на вопросах реализации программного обеспечения и на моделировании сценариев проектирования/реальных сценариев. Продолжительность работы часто считается детерминированной, и те немногие авторы, которые оценивают конкретные модели стохастического погрузочно-разгрузочного оборудования, четко не указывают, как они были откалиброваны, какие данные использовались и каковы значения параметров. Наконец, никто не исследует влияние различных гипотез моделирования на моделирование работы контейнерных терминалов. Основное внимание в этой статье уделяется влиянию различных гипотез о калибровке моделей погрузочно-разгрузочного оборудования на моделирование (дискретное событие) работы контейнерного терминала [3]. Такие последствия не могут быть незначительными, и их следует исследовать в отношении различных горизонтов планирования, таких как стратегический или тактический. Цель состоит в том, чтобы предложить аналитикам, моделистам и практикам своего рода руководство, полезное для указания сильных или слабых сторон различных подходов. Учитывая архитектуру модели, разработана и применена имитационная модель дискретных событий к контейнерному терминалу Красного моря для решения следующих вопросов: Анализ влияния различных подходов к оценке (выборочное среднее и оценки случайных величин) на оценку производительности всего терминала, следовательно, на стратегии планирования контейнерного терминала. В частности, были проведены анализы для различных временных горизонтов: долгосрочное планирование в рамках контейнерного терминала, в том числе на судне и причале, а затем мониторинг операций на площадях и степень овладения этими операциями и наличие вмешательств/инвестиций, среднесрочные/краткосрочные, краткосрочные или в режиме реального времени приложения.

Цель состоит в том, чтобы вернуться к примерно тридцатилетним моделям моделирования контейнерных терминалов, выделить слабые места существующих подходов к моделированию деятельности погрузочно-разгрузочного оборудования и предложить синтетический, но полный набросок откалиброванных моделей и их параметров.

Предлагаемый подход схематизирует контейнерный терминал (КТ) как систему дискретных событий и моделирует его функционирование с помощью имитатора. Дискретная система событий может быть определена как взаимодействующий набор сущностей/объектов, который эволюционирует через различные состояния по мере того, как происходят внутренние или внешние события. Сущности/объекты могут быть физическими, концептуальными (информационные потоки) или математическими, а также могут быть постоянными или временными. Организации-резиденты остаются частью системы в течение длительных промежутков времени; временные организации несколько раз входят в систему и выходят из нее. Объекты могут характеризоваться параметрами и/или переменными. Параметры определяют статические (стационарные) характеристики, которые никогда не изменяются, переменные определяют состояние (динамические характеристики) каждого объекта и могут изменяться с течением времени и в дальнейшем могут быть классифицированы как детерминированные или стохастические. В КT объекты представляют собой погрузочно-разгрузочное оборудование, контейнеры и все те физические местоположения, которые имеют отношение к операциям КT (док, двор, ворота и т.д.). Погрузочно-разгрузочное оборудование является резидентным и активным объектом и может характеризоваться параметрами, переменными и деятельностью. Контейнеры являются временными и пассивными объектами. Физические местоположения являются резидентными и пассивными. Что касается контейнеров, то они могут характеризоваться параметрами и переменными. Помимо вышеописанных средств могут рассматриваться и другие. Такие средства обычно не перемещают контейнеры, но могут управлять объектами, которые обрабатывают контейнеры, и, таким образом, могут изменять их атрибуты. Изменение таких атрибутов может быть вызвано простыми эвристическими правилами (например, если есть более четырех грузовиков, ожидающих доступного штабелера, используйте еще один штабелер) или с помощью подмоделей, которые изменяют атрибуты объектов груза, пытаясь оптимизировать общую производительность терминала в режиме реального времени [2]. При моделировании дискретных событий модель определяется после определения тематического исследования и выполнения трех основных задач:

• идентификация логической и функциональной архитектуры терминала;
• характеристика и оценка спроса;
• характеристика и калибровка поставок.

Анализируя контейнерный терминал Красного моря, следует учитывать, что он является крупным частным оператором контейнерных терминалов южной Италии, и является одновременно небольшим и очень эффективным – он обрабатывает около 0,5 млн. т. в год менее чем на 10 га (100 000 м2), что составляет 50 TEUs/га.

Контейнерный терминал Красного моря можно разделить на три подсистемы: ворота порта входа/выхода (со стороны суши), контейнерные площадки и причалы (со стороны моря). Оборудование для обработки контейнеров включает в себя складские краны, погрузочно-разгрузочные краны, дворовые тракторы, прицепы и штабелеукладчики. Основные действия происходят одновременно и в интерактивном режиме и могут быть сгруппированы в четыре основные операции: прием (ворота – двор), доставка (ворота – двор), погрузка (двор – причал) и разгрузка (причал – двор).

Были приняты во внимание три различных операции: импорт, экспорт и перевалка. Помимо прибытия и стоянки судов (не относящихся к нашему тематическому исследованию) и прибытия грузовиков, все типичные действия контейнерного терминала были явно смоделированы.

Спрос представлен отдельными контейнерами. Для каждой макрооперации (импорт, экспорт, перевалка) потоки спроса были охарактеризованы в пространстве, времени и типе. Что касается пространственной характеристики, контейнерные потоки были разделены по зонам происхождения и назначения и были организованы в матрицы назначения происхождения. В частности, для каждой операции были определены зоны макро-происхождения и макро-назначения, обычно соответствующие набережным, дворам, воротам. Различные матрицы были оценены для каждого типа контейнера (20 футов против 40 футов, полный против пустого, ...), каждый поток спроса характеризовался его распределением во времени.

В макрооперациях контейнерного терминала можно различать макрооперации, операции и ручное управление обработки груза. Макрооперации настраиваются операциями; операции настраиваются элементарными операциями обработки. В такой классификации различные участвующие объекты должны характеризоваться их геометрическими характеристиками (если это физические точки) и соответствующими характеристиками (продолжительность времени и/или пропускная способность). Емкость хранилища была оценена для причалов и верфей; средние значения и функции распределения вероятностей были оценены для продолжительности времени обработки оборудования.

Далее представлены результаты оценки (выборочные средние и параметры функции вероятности) для каждого погрузочно-разгрузочного оборудования и для каждого вида деятельности. Погрузочно-разгрузочное оборудование включало: мобильный портовый кран (MHC), козловой кран (GC), штабелер (RS). MHC, работающие на контейнерном терминале Красного моря, представляют собой три Gottwald HMK 260, установленные на резиновых типах, и в основном предназначены для погрузки/разгрузки контейнеров на/с причаленных судов. Были рассмотрены следующие типы контейнеров: недифференцированные контейнеры, 20’, 40’ и 20'x20'. Поскольку большинство операций по погрузке/разгрузке контейнерных терминалов Красного моря касаются полных контейнеров, анализ в основном сосредоточен на полных контейнерах. Некоторые результаты по пустым контейнерам предлагаются только для мероприятий, которые систематически включают пустые контейнеры. Статистический анализ для недифференцированных контейнеров показывает, что функция распределения всегда статистически значима. Одна и та же случайная величина, по-видимому, является наилучшим приближением для погрузочно-разгрузочных работ, в которых используются 20’ и 40’ (полные или пустые) контейнеры, и сообщаются стандартные отклонения, связанные с распределением. На контейнерном терминале Красного моря работают четыре козловых крана с резиновыми опорами, используемых как для транспортировки/хранения контейнеров, так и для погрузки челноков/грузовиков. Этот тип крана обычно состоит из трех отдельных движений для перевозки контейнеров. Первое движение выполняется подъемником, который поднимает и опускает контейнер. Второе – это механизм тележки, который позволяет расположить подъемник непосредственно над контейнером для размещения. Третий – козловой, который позволяет перемещать весь кран по рабочей зоне. Проведенные анализы касаются погрузки и разгрузки в челнок/грузовик, а также погрузки и разгрузки в штабель (иногда называемый штабелем). Каждое действие было проанализировано, отличая недифференцированные контейнеры от 20’ и 40’ контейнеров. Кроме того, сообщается время загрузки из стека, что еще больше отличает уровень. Анализ сосредоточен на полных контейнерах, поскольку эти виды деятельности являются наиболее частыми в контейнерном терминале Красного моря. Наконец, средние значения и стандартные отклонения были оценены для скорости тележки и скорости крана. Что касается недифференцированных контейнеров, то функция гамма-распределения оказалась наилучшим решением для всех анализируемых видов деятельности. Аналогичные результаты были достигнуты при анализе деятельности по каждому типу контейнеров и каждому номеру яруса. Средние значения и стандартные отклонения сообщаются для каждого вида деятельности. RSS, работающие на контейнерном терминале Красного моря, насчитывают одиннадцать и оснащены двойным подъемным разбрасывателем, способным перемещать два полных 20-футовых контейнера. Они используются как для быстрой транспортировки контейнеров на короткие расстояния, так и для складирования/хранения их в различные ряды. Проведенные анализы касаются: погрузки в челнок/грузовик, выгрузки из челнока/грузовика и укладки. Каждое действие было проанализировано, отличая недифференцированные контейнеры от 20’ и 40’ контейнеров. Кроме того, был проведен анализ укладки с указанием номера яруса. Анализ сосредоточен на полных контейнерах, поскольку в контейнерном терминале Красного моря основные виды деятельности связаны с полными контейнерами. Для времени укладки была рассчитана продолжительность времени для каждого уровня, до пяти, но не удалось различить типологию контейнеров. Для указанных видов деятельности гамма – случайная величина лучше соответствует данным из-за наилучших значений валидационного теста в отношении скорости RSS, предлагаю непосредственно оценить продолжительность этих видов деятельности.

Для планирования инвестиций в контейнерный терминал необходимо сравнить несколько сценариев проекта с помощью оценки показателей эффективности. Эти показатели могут быть глобальными, если они относятся к контейнерному терминалу в целом (агрегированные показатели), или локальными, если они относятся к одному контейнеру (дезагрегированные показатели). Глобальные показатели, как правило, используются для оценки выгод от долгосрочных инвестиций, в то время как местные показатели используются для оценки выгод от среднесрочных/краткосрочных инвестиций и для применения в режиме реального времени. Для проверки применимости модели архитектуры предложенных для всех указанных видов, реализованная модель была подтверждена в отношении показателей и согласуется с измеренными с помощью терминала в офисе мониторинга и кратко изложенных выше:

• глобальные показатели терминал время работы;
• ежедневное время, необходимое для приведения всех терминалов деятельности к концу;
• локальные показатели эффективности погрузочно-разгрузочное оборудование показателей;
• судна, погрузки и/или разгрузки;
• набережная/двор, кран во время простоя;
• транспортные времени ожидания;
• маршрутное такси раз;
• ричстакер время укладки;
• время простоя штабелера;
• время ожидания входа/выхода;
• индикатор контейнера;
• время работы контейнера;
• время, необходимое для перемещения контейнера с погрузочно-разгрузочным оборудованием (например, время, затраченное на перемещение контейнера с причала на судно или с челнока на штабель).

Начиная с архитектуры модели, предложенной выше, были реализованы четыре различные модели, основанные на четырех различных моделях погрузочно-разгрузочного оборудования:

• выборочная средняя недифференцированная модель;
• выборочные средние значения используются для оценки продолжительности работы погрузочно-разгрузочного оборудования, и нет различия между типами контейнеров;
• образцы моделей среднего типа контейнеров;
• выборочные средние значения используются для оценки продолжительности времени работы погрузочно-разгрузочного оборудования, и тип контейнеров явно учитывается 20’ полный и/или пустой; 40’ полный и/или пустой; 2 х 20’ полный;
• недифференцированная модель случайной величины;
• время, связанное с каждым отдельным действием, является реализацией случайной величины, продолжительность времени обработки оборудования моделируется как случайная величина, и нет различия между типами контейнеров. Модели типа контейнеров со случайными переменными. Продолжительность времени работы погрузочно-разгрузочного оборудования моделируется как случайное изменение, и тип контейнеров явно учитывается: 20’ полный и/или пустой;40’ полный и/или пустой; 2 х 20’ полный.

Результаты с точки зрения времени моделирования указывают на то, что модели со случайными переменными требуют вычислительного времени, значительно превышающего среднее значение выборки. Первые требуют около 20 минут, вторые – менее одной минуты. Результаты с точки зрения глобальных показателей показывают среднюю абсолютную процентную ошибку более 10% для модели обработки, в то время как при использовании модели обработки процентная ошибка оценки ниже 5%. При использовании моделей контейнерного типа результаты с точки зрения глобальных показателей показывают среднюю абсолютную процентную ошибку около 9% для модели выборочного среднего, в то время как при использовании модели случайных вариаций процентная ошибка оценки составляет около 3%. Использование выборочных средних моделей обработки не дает очень хороших результатов с точки зрения местных показателей; средние процентные ошибки оценки превышают 13% для показателей погрузочно-разгрузочного оборудования и составляют около 30% для показателей контейнеров. Результаты, полученные с использованием моделей обработки случайных величин, являются значительными: средние абсолютные процентные ошибки для показателей погрузочно-разгрузочного оборудования составляют более 6% для модели обработки и около 3% для моделей обработки. Что касается показателей контейнеров, то при использовании только моделей обработки абсолютная процентная ошибка оценки приемлема, во всех остальных случаях ошибки оценки составляют около 30%.

ВЫВОДЫ

В литературе можно найти множество работ в области моделирования контейнерного терминала, большинство существующих работ сосредоточены только на применении и/или на сравнении сценариев проектирования и не уделяют большого внимания настройке модели, ее калибровке и валидации. Если, с одной стороны, многие материалы не содержат никакой информации об используемых моделях обработки оборудования, то остальные материалы используют очень простые подходы (детерминированные) и/или дают скудную информацию: о применяемом подходе к оценке, об используемых экспериментальных данных, об оцененных параметрах и о значении параметров. Кроме того, никто не исследует влияние различных гипотез о калибровке моделей погрузочно-разгрузочного оборудования на моделирование работы контейнерных терминалов. Такие последствия не могут быть благоприятными и должны изучаться в отношении различных горизонтов планирования, таких как стратегический или тактический. В этой статье была предложена и применена к контейнерному терминалу Красного моря имитационная модель дискретных событий для решения некоторых из открытых вопросов, рассмотренных выше. Цель состояла в том, чтобы предложить аналитикам, моделистам и практикам своего рода руководство, полезное для указания сильных или слабых сторон различных подходов. Руководящие принципы были представлены через:

• предварительный углубленный обзор литературы;
• описание разработанных моделей дискретных событий с особым вниманием к результатам оценки моделей погрузочно-разгрузочной деятельности для трех видов погрузочно-разгрузочного оборудования (мобильные портовые краны, козловые краны, штабелеры) и для различных типов контейнеров (недифференцированные, 20 футов, 40 футов, пустые, полные ... );
• моделирование эффектов различных гипотез, касающихся подхода к оценке продолжительности погрузочно-разгрузочных работ (среднее выборочное значение против оценки случайных вариаций), уровня агрегирования погрузочно-разгрузочных работ (например, загрузка судна против явного моделирования последовательности элементарных работ), сегментации типа контейнера.