Отслеживание времени прибытия контейнеров в порту Гамбурга

Проблема:




Обычно при морской доставке контейнера он поочередно находится в ведении оператора морских перевозок, портового терминала и оператора наземного транспорта. В Германии наземная часть цепи поставок – узкое место системы, т.к. прибытие судов часто отстает от расписания, и это усложняет дальнейшую доставку.


Задержка судна означает задержку всех его контейнеров. Если в дальнейшем контейнер доставляется поездом, он, скорее всего, не успеет на «свой» поезд, и его придется везти на одном из следующих. Это затрудняет планирование перевозок. Как следствие, контейнеры часто опаздывают в пункты назначения, места складирования в портах переполнены, а поезда ходят полупустыми. Это приносит потери всем участникам цепи поставок.


Ситуация еще более усложняется, если мы имеем дело с очень вместительными судами, т.к. разгрузка больших контейнеровозов может занимать более десяти часов. Неизвестно, когда будет выгружен определенный контейнер – в начале или конце этого долгого процесса, что еще более запутывает планы.


Чтобы избежать недозагрузки поездов, железнодорожные операторы могут переназначать на освободившиеся места опоздавших контейнеров другие контейнеры. Это необходимо делать заранее, например, в порту Гамбурга – как минимум за день до отправления поезда. Чтобы эффективнее использовать свободные места в составах, железнодорожный оператор должен заранее знать время прибытия каждого контейнера в терминал и его дальнейшее место назначения.


Исследователи из Технического университета Дармштадта предположили, что проблему можно решить, если каждый участник цепи поставок будет в курсе ожидаемого времени прибытия каждого контейнера в порт. Сейчас отслеживается только время прибытия судна, что недостаточно информативно, т.к. контейнер может быть разгружен в начале или конце разгрузки судна. Зная время прибытия каждого контейнера, ж/д перевозчики могли бы переназначать на пустые места уже готовые к погрузке контейнеры и эффективнее использовать составы.


Работа исследователей была направлена на то, чтобы выяснить, поможет ли отслеживание этой информации. Они решили проверить, как будет работать система, на примере порта Гамбурга, одного из крупнейших портов мира по количеству обслуживаемых контейнеров.


Решение:




Исследователи воссоздали в имитационной модели два трехмесячных периода работы логистической цепи и сравнили ее работу с и без информации о прибытии контейнеров. Также они решили сравнить три стратегии, которые мог бы использовать железнодорожный оператор:

  • Стандартный случай: обслуживаются только контейнеры одного морского перевозчика.
  • Стратегия 1: обслуживаются контейнеры нескольких морских перевозчиков, с приоритетом отправляются контейнеры с истекающим сроком доставки.
  • Стратегия 2: формируется список готовых к погрузке контейнеров, хранящихся в терминале, при опоздании судов контейнеры из этого списка назначаются на освободившиеся места в составах.

Университет привлек к проекту партнеров – оператора порта Гамбурга HHLA, мультимодального оператора TFG Transfracht и морского перевозчика Hapag-Lloyd. Компании предоставили необходимую статистику, которая служила в модели входными данными:

Имитационная модель контейнерного порта

Анимация модели порта Гамбурга

  • Портовый терминал: время перегрузки, сортировки, хранения контейнеров, время погрузки поездов, вместимость мест хранения контейнеров и др.
  • Мультимодальный оператор: количество и вместимость поездов, коэффициент использования поездов.
  • Морской перевозчик: количество перевезенных контейнеров, время задержки и разгрузки.
Оптимизация загрузки мультимодального транспортного оператора

 

Загрузка поездов до (красная линия) и после (синяя линия) введения времени отслеживания прибытия контейнеров. Сравнение трех стратегий.

Данные использовались для построения функций распределения в модели.


Модель имитировала логистическую цепь при помощи метода системной динамики. Она воспроизводила постоянный поток контейнеров с прибывающих судов через терминал к поездам. Дискретные и динамические события моделировали прибытие контейнеров в терминал с судов и их погрузку на поезда.


Интерфейс модели позволял вручную задавать параметры и переключать режимы: включить/выключить информацию об ожидаемом времени прибытия, выбор стратегии поведения железнодорожного перевозчика, настройка параметров поездов (количество контейнеров, частота прибытия) и т.д.


Чтобы сделать результаты моделирования более точными, разработчики сравнивали результаты работы модели при случайных входных параметрах с помощью эксперимента Монте-Карло.


Результат:




Модель показала, что введение информации об ожидаемом времени прибытия контейнеров увеличит коэффициент использования поездов (см. рисунок). Наилучший результат будет при использовании второй стратегии – заблаговременного формирования списка готовых к погрузке контейнеров.

В ситуации с большими судами введение времени прибытия контейнера улучшило коэффициент использования поездов, но не позволило достичь приемлемого уровня в 75%. Большой размер судна сильно влияет на процессы перегрузки в порту, и информация о времени прибытия контейнеров не могла это улучшить.


Также моделирование показало, что использование любой из рассматриваемых стратегий при неизвестном времени прибытия контейнеров не меняет ситуации.


Результаты проекта были представлены партнёрам, многим из которых полезность идеи до этого интуитивно понятна не была. Моделирование доказало, что информация о времени прибытия контейнеров может улучшить ситуацию.


Модель подтвердила, что введение этого новшества поможет оператору порта снизить время хранения контейнеров в терминалах, железнодорожному оператору – рациональнее использовать места на поездах, а также в целом сократить время доставки контейнеров.


Кроме того, участники перевозок пришли к выводу, что наличие информации улучшит использование мест на контейнерных судах, если использовать эту систему на экспортном направлении.



Дальнейшие планы по исследователей – тестирование предложения на портах Азии и Америки и оценка экономического эффекта его внедрения для каждой из заинтересованных сторон. Они также планируют ввести в системно-динамическую модель элементы агентного моделирования, чтобы отслеживать движение каждого отдельно взятого контейнера.

Другие проекты

  • Моделирование железнодорожных перевозок в порту
    Перед заказчиком стояла задача проектирования нового мультимодального терминала на территории порта. Мультимодальный терминал предназначен для обработки импортного и экспортного контейнерного грузопотока, перевозимого железнодорожным и речным транспортом. Для организации взаимодействия мультимодального и морских терминалов заказчик планировал использовать челночные отправки железнодорожных составов.
  • Моделирование пропускной способности порта с помощью AnyLogic
    Компания Evans & Peck использовала программное обеспечение AnyLogic для моделирования пропускной способности порта с целью определения возможности прироста пропускной способности без модернизации порта.
  • Оценка пропускной способности контейнерного терминала с помощью AnyLogic
    Компания Evans & Peck разработала модель AnyLogic для оценки эффективности работы контейнерного терминала в зависимости от изменения этажности контейнерного штабеля на причале.
  • Разработка модели универсального портового склада посредством AnyLogic
    Компания Evans & Peck использовала систему имитационного моделирования AnyLogic для разработки модели портового склада методом дискретно-событийного моделирования с учетом ряда факторов: размер судов, количество причалов, простои и задержки из-за метеоусловий, а также при доставке грузов, контейнеров, подаче транспорта и др.