CC BY
325. Искандеров Ю.М., Свистунова А.С., Хасанов Д.С., Чумак А.С. Интеллектуальная поддержка принятия решений в логистических системах // Морские интеллектуальные технологии, 2021. - Т.1. №2. - 145 с.
6. Искандеров Ю.М. Мультиагентные системы для управления логистическими функциями в цепях поставок. В сборнике: Логистика: современные тенденции развития. Материалы XVIII Международной научно-практической конференции. СПб, ГУМРФ им. С.О. Макарова, 2019. С .219 -221.
7. Искандеров Ю.М., Ласкин М.Б., Чумак А.С., Хасанов Д.С. Особенности моделирования управления информационными ресурсами транспортных систем. В сборнике: Системный анализ в проектировании и управлении. сборник научных трудов XXIV Международной научной и учебно-практической конференции: в 3 ч. Санкт-Петербургский политехнический университет Петра Великого. Санкт-Петербург, 2020. - С. 250 -257.
8. Свистунова, А.С. Возможности автоматических транспортеров-погрузчиков и их использование при создании имитационной модели развития контейнерного терминала / А. С. Свистунова, Д. С. Хасанов // Морские интеллектуальные технологии. - 2020. - № 4-1(50). - С. 169-174. - DOI 10.37220/MIT.2020.50.4.023.
9. Concept and Models of Information Application for Actions in Systems / A. Gey-da, L. Fedorchenko, I. Lysenko [et al.] // Conference of Open Innovations Association, FRUCT. - 2022. - No 31. - P. 407-415.
10. Svistunova, A.S. Improving the efficiency of traffic management in a metropolis based on computer simulation / A. S. Svistunova, D. S. Khasanov // Computing, Telecommunications and Control. - 2021. - Vol. 14. - No 3. - P. 33-42. - DOI 10.18721/JCSTCS.14303.
11. Хасанов, Д.С. Технология сбора данных в логистике / Д. С. Хасанов, А. С. Свистунова // Системный анализ в проектировании и управлении : сборник научных трудов XXV Международной научной и учебно-практической конференции : в 3 ч., Санкт-Петербург, 13-14 октября 2021 года. - СПб.: Политех-Пресс, 2021. - С. 275279. - DOI 10.18720/SPBPU/2/id21-377.
УДК 656.6, 656.02 doi:10.18720/SPBPU/2/id23-68
Хасанов Дмитрий Салимович,
младший научный сотрудник
КИБЕРФИЗИЧЕСКАЯ МОДЕЛЬ КОНТЕЙНЕРНОГО
ТЕРМИНАЛА
Россия, Санкт-Петербург, Санкт-Петербургский Федеральный исследовательский центр Российской академии наук, dkhasanovsuai@yandex .ru
Аннотация. При значительном увеличении объёма контейнерного рынка, вопросы скорости обработки контейнеров на всех этапах становятся более актуальными. Увеличение грузооборота влечет за собой изменение во всех точках перевалки контейнеров, основными из которых являются контейнерные терминалы. Следовательно, такая тенденция порождает потребность в модернизации и
переоборудовании контейнерных терминалов, в усовершенствовании складской инфраструктуры, снабжении КТ кранами-перегружателями с высоким уровнем производительности. От транспортно-перегрузочного и складского оборудования зависят ключевые параметры контейнерного терминала, включая мощность складских площадей, время, затрачиваемое на обработку одного контейнера, количество обработанных контейнеров за сутки, общее количество единиц техники и персонала и т. д.
Ключевые слова. логистика, транспорт, информационный подход, автоматизация, агентное моделирование, контейнерный терминал.
Dmitry S. Khasanov,
Junior Researcher
CYBER-PHYSICAL MODEL OF A CONTAINER TERMINAL
St. Petersburg Federal Research Center of the Russian Academy of Sciences, St. Petersburg, Russia, dkhasanovsuai@yandex.ru
Abstract. With a significant increase in the volume of the container market, the issues of container handling speed at all stages become more relevant. The increase in cargo turnover entails changes at all points of container transshipment, the main of which are container terminals. Consequently, this trend generates the need for modernization and re-equipment of container terminals, improvement of storage infrastructure, supplying CTs with cranes-loaders with a high level of productivity. The key parameters of a container terminal, including the capacity of storage areas, time spent on processing one container, the number of containers processed per day, the total number of equipment and personnel, etc., depend on the transport and transshipment and storage equipment.
Keywords: logistics, transport, information approach, automation, agent-based modeling, container terminal.
Введение
Сегодня морские порты растут в стратегически важных местах по всему миру, чтобы удовлетворить растущий спрос на продукцию в эпоху глобализации рынков. Действительно, объем спроса на продукцию по всему миру растет высокими темпами, что приводит к буму интермодальных перевозок (ИП), сопровождаемый, в частности, развертыванием новых действующих судов с высокой пропускной способностью. Ожидается, что эта тенденция будет продолжать расти в ближайшие годы [1].
Такой резкий всплеск перевозок поставил морские порты перед необходимостью адаптировать свои сооружения к потребностям современных судов. Для этого необходимо модернизировать существующую инфраструктуру или построить новую, оснащенную самыми современными технологиями. Однако такие усовершенствования не всем портам под силу, некоторые сталкиваются с нехваткой бюджета, другие страдают от нехватки места. У этих портов нет другого выбора, кроме как оптимизировать операции по обработке и переработке грузов таким обра-
зом, чтобы повысить их пропускную способность и пропускную способность ИП [2].
Иными словами, достаточные площади и средства, а также более разумные способы управления имеющимися ресурсами и трафиком ИП являются ключевыми факторами для успешного развития портов, что позволит им перехватывать больший объем перевозок и повышать свою конкурентоспособность на рынке.
В терминалах, как правило, трейлеры и грузовики проходят множество процессов и операций через три зоны для доставки в пункт назначения. Во-первых, на причале грузовые автомобили выстраиваются в очередь в зоне ожидания до прибытия соответствующих паромов, а прицепы проходят физический осмотр [3].
Грузовики выстраиваются в очередь в зоне ожидания перед прибытием соответствующих паромов, а прицепы проходят физический контроль и проверку документации на въездных воротах перед въездом на территорию терминала. Во-вторых, внутренний двор — это место, где прицепы отцепляются от своих тягачей, затем паркуются, и где грузовые автомобили ожидают на параллельных дорожках для посадки.
Наконец, на морском побережье принимаются паромы, затем разгружаются перевозимые контейнеры перед началом посадки экспортных контейнеров. После схода с паромов грузовые автомобили сразу же покидают терминал, а прицепы остаются на стоянке до прибытия своих выезжающих тягачей. Кроме того, двунаправленное перемещение трейлеров осуществляется внутри терминала внутренними тягачами по дорожной сети, связывающей все зоны между собой. Все эти операции управляются и планируются в стохастической и динамичной среде, где компоненты сильно взаимозависимы, но иногда необходимая информация для правильного планирования может быть неполной, что может привести к нежелательным ситуациям, а именно: задержкам, заторам, дальнейшему ожиданию и т. д. [4]. Поэтому более разумные способы управления и достаточное количество ресурсов являются первостепенными для разработки эффективных графиков и оперативных планов, которые ускоряют потоки ИП, избегая при этом нежелательных ситуаций.
Для этого в данной работе исследуется перегрузочная способность изучаемой системы при различных сценариях потока, чтобы определить максимальное количество трейлеров с точки зрения времени пребывания, а также долю экспортного потока, которую система способна обработать, выяснить количество ресурсов, т. е. сооружений и оборудования, необходимых для эффективного управления различными распределениями входящих потоков.
Доля трейлеров связана с двумя факторами: вместимостью парковоч-ной зоны и временем пребывания. Время стоянки — это время, которое трейлер проводит в ожидании тягача либо для выезда, либо для погрузки на паром. По словам менеджеров терминала, прицеп может находиться бесплатно не более четырех рабочих дней, в противном случае взимается плата. В данном случае целью является изучение влияния времени пребывания на поток трейлеров. Что касается полос очереди грузовиков и полос ожидания грузовиков, то они назначаются, выделяются только для экспортных грузовиков, поскольку импортные грузовики покидают терминал без запроса. Чтобы оценить оба этих ресурса, делается допущение: предполагается, что парковочное место для грузовиков находится за пределами терминала в случае, когда все очереди заполнены [5, 6].
Интерес этого утверждения заключается в том, чтобы увидеть, сколько полос необходимо добавить, если большая часть потока — экспорт. Для достижения поставленных целей была разработана имитационная модель поддержки принятия решений, способная успешно решать поставленные задачи.
Действительно, чтобы обеспечить полезную помощь лицам, принимающим решения, модель обеспечивает высокую гибкость в отношении настроек потока и количественного определения размеров парка оборудования и резерва ресурсов. Она также позволяет использовать широкий спектр правил управления и обработки, которые могут быть легко реализованы и оценены. С другой стороны, благодаря мониторингу в режиме реального времени использования ресурсов и хода работы, потенциальные проблемы в планировании терминала, такие как перегрузка/недоиспользование ресурсов и перегруженность. Таким образом, планировщики и менеджеры могут легко принимать более эффективные решения по распределению ресурсов и выяснять, какая стратегия соответствует их требованиям, прежде чем развертывать терминал.
В остальном в данном исследовании сделаны следующие предположения:
- Разгрузка судов происходит до погрузки.
- Погодные условия и человеческий фактор не учитываются.
Методология
Понимание сложной системы — это трудоемкая работа, которая достигается путем тщательного анализа ее количественных и качественных аспектов с использованием соответствующего подхода к моделированию. Имитационное моделирование является перспективным подходом для проектирования и анализа логистических систем без математических изысков и легко нашло свое применение в морских терминалах. Имита-
ционная модель представлена на рисунке 1, а на рисунке 2 временные показатели работы модели.
Рис. 1. Имитационная модель
Рис. 2. Результаты моделирования
Даже если имитационное моделирование позволяет легко действовать на основе упрощенного представления изучаемой системы, построение имитационных модели для терминалов само по себе является голо-
воломкой, и требуется дорожная карта для упрощения процесса проектирования. В литературе нет единого мнения о конкретных подходах к проектированию, однако большинство из них можно разделить на четыре этапа: зарождение, анализ, концепция и реализация. Более того, с нашей точки зрения, концепция виртуальных представлений (модель) может зависит от трех взаимовлияющих факторов [7]: (1) осведомленность и перспективы разработчика; (2) природа изучаемой системы; (3) желаемый уровень абстракции.
Учитывая вышесказанное, для построения нашей модели был использован следующий подход к проектированию:
- Зарождение: является основой подхода, где даются ответы на вопросы «кто?» и «что?». Здесь речь идет об улавливании и сборе деталей, которые необходимы для создания модели, соответствующей целям проектирования.
- Анализ: на этом этапе вопросы «как?», «почему?», «когда?» и «где?» являются основной задачей для более глубокого изучения особенностей и компоненты изучаемых нами систем, чтобы достичь более низкой абстракции их динамики.
- Концепция: этот этап углубляется в создание модели. Здесь системные сущности (агенты и ресурсы) моделируются в терминах парадигм агентов и объектов, процессы моделируются в терминах отдельных единиц с полным определением запускающих событий, а также входов и выходов, а отношения между элементами модели задаются в терминах данных, событий, сообщений, ограничений, условий и т. д. Более того, моделируемые сущности организованы в виде иерархии классов. Совместно с этим проводится разбиение модели на подмодели на основе функциональной и организационной декомпозиции [8].
- Реализация: этот этап касается, с одной стороны, кодирования, отладки и запуска модели, а с другой стороны, валидации и верификации этой модели, чтобы доказать ее способность отражать реальное поведение исследуемой системы. В этом процессе может быть реализовано множество прямых и обратных переходов между этапами для уточнения модели, чтобы сделать ее более реалистичной и точной.
Заключение
При значительном увеличении объёма контейнерного рынка, вопросы скорости обработки контейнеров на всех этапах становятся более актуальными. Увеличение грузооборота влечет за собой изменение во всех точках перевалки контейнеров, основными из которых являются контейнерные терминалы. Следовательно, такая тенденция порождает потребность в модернизации и переоборудовании контейнерных терминалов, в
усовершенствовании складской инфраструктуры, снабжении КТ кранами-перегружателями с высоким уровнем производительности. От транспортно-перегрузочного и складского оборудования зависят ключевые параметры контейнерного терминала, включая мощность складских площадей, время, затрачиваемое на обработку одного контейнера, количество обработанных контейнеров за сутки, общее количество единиц техники и персонала и т. д. [9].
Благодарности
Исследования, выполненные по данной тематике, проводились при финансовой поддержке госбюджетной темы FFZF-2022-0004.
Список литературы
1. Lukinskiy V., Panova Y. Analysis and synthesis of the designed logistics systems, in: Логистика: современные тенденции развития: материалы XVI Междунар. науч.-практ. конф. 6, 7 апреля 2017 г. / Отв. ред.: В. С. Лукинский. СПб.: ГУМРФ имени адмирала С.О. Макарова, 2017. - Pp. 249-252.
2. Скобелев П. О. и др. Мультиагентные технологии для управления распределением производственных ресурсов в реальном времени// Механика, управление и информатика. - 2011. - No 5. - С. 110-122.
3. Лукинский В.С., Искандеров Ю.М., Соколов Б.В., Некрасов А.Г. Проблемы и перспективы использования интеллектуальных информационных технологий в логистических системах. // В сборнике: Информационные технологии в управлении (КОНТЕЙНЕРЫ-2018). Материалы конференции. 2018. - С. 80-89.
4. Хасанов Д.С., Свистунова А.С. Оценка эффективности обслуживания пассажиров в аэровокзальном комплексе. // Транспорт России: Проблемы и перспективы -2020. - 32 с.
5. Искандеров Ю.М., Свистунова А.С., Хасанов Д.С., Чумак А.С. Интеллектуальная поддержка принятия решений в логистических системах. // Морские интеллектуальные технологии. - 2021. - №2. т.1. - 145 с.
6. Искандеров Ю.М. Мультиагентные системы для управления логистическими функциями в цепях поставок. В сборнике: Логистика: современные тенденции развития. Материалы XVIII Международной научно-практической конференции. СПб.: ГУМРФ им. С.О. Макарова, 2019. - С.219-221.
7. Искандеров Ю.М., Ласкин М.Б., Чумак А.С., Хасанов Д.С. Особенности моделирования управления информационными ресурсами транспортных систем. // В сборнике: Системный анализ в проектировании и управлении. сборник научных трудов XXIV Международной научной и учебно-практической конференции: в 3 ч. Санкт-Петербургский политехнический университет Петра Великого. Санкт-Петербург, 2020. - С. 250-257.
8. Свистунова А. С. Возможности автоматических транспортеров-погрузчиков и их использование при создании имитационной модели развития контейнерного терминала / А. С. Свистунова, Д. С. Хасанов // Морские интеллектуальные технологии. - 2020. - № 4-1(50). - С. 169-174. - DOI 10.37220/MIT.2020.50.4.023.
9. Хасанов Д. С. Технология сбора данных в логистике / Д. С. Хасанов, А. С. Свистунова // Системный анализ в проектировании и управлении: сборник научных трудов XXV Международной научной и учебно-практической конференции : в 3 ч., Санкт-Петербург, 13-14 октября 2021 года. - СПб.: Политех-Пресс, 2021. - С. 275279. - DOI 10.18720/SPBPU/2/id21-377.
