评估汉堡港集装箱ETA数据流的引入

评估汉堡港集装箱ETA数据流的引入

问题

典型的集装箱海运需要海上运输、港口码头、和联运运营商。集装箱在码头被卸载并储存,然后常使用陆运运往之后的目的地。这个供应链中内陆运输的部分经常成为瓶颈,因为一艘船只的延误会让后续的运输过程变得复杂。

一艘船的延误意味着船上所有货物的延误。如果之后还要经过铁路运输,延误的货物很可能还会错过火车,需要由下一辆火车运输。这使运输流程复杂化。导致货物迟到、码头存储量超标、火车使用量低,最终造成成本损失。

如果船只尺寸很大,情况会变得更糟,因为从大型船只上卸货可能超过十个小时。没人知道船上的某个集装箱什么时候会在这个漫长的过程中被卸载,这会让流程更加繁琐。

为了防止这种情况发生,联运运营商尝试为其他的集装箱重新预定可用的火车,但是他们必须提前预定(例如,在德国汉堡港口,至少要在火车出发一天前预定)。为了更有效率,运营商需要提前知道即将进港的集装箱信息(到达码头的时间和位置)。

一个假设是,如果流程中各方都知道每个集装箱的预计到达时间(ETA),也就是知道每个集装箱到达码头的时间,这个问题就不存在了。如今,仅知道每艘船的预计到达时间并没有太多帮助,因为对于火车操作员而言,集装箱先卸载和后卸载的有很大区别。但若知道了每个集装箱的预计到达时间(EAT),工作人员就可以为卸下的集装箱重新预定内陆运输火车,并且提高火车的利用率。

汉堡港是世界集装箱运输量前20的港口之一,德国达姆施塔特工业大学的研究员希望验明引入集装箱预计到达时间的概念对于改善港口情况有无帮助。

解决方案

研究员决定使用仿真建模重现系统中两个相同的为时三个月的系统周期,并比较有无集装箱预计到达时间信息的区别。他们决定测试并比较转运操作员的三种策略:

港口集装箱仿真模型

汉堡港的模型动画

达姆施塔特工业大学同HHLA(汉堡港操作员)、TFG Transfracht(转运操作员)和Hapag-Lloyd(海上运输公司)合作,从所有运输链中的参与者处收集数据并检验具有集装箱预计到达时间信息的系统。其工作伙伴为研究提供了如下数据:

多式联运经营能力利用率的优化

引入了集装箱预计到达时间(EAT)的三种政策中前火车利用率(红)和现火车利用率(蓝)

数据用于建立模型中的分布函数。

模型利用系统动力学将运输链再现。它模拟了集装箱从到达船只,通过码头到运输火车的连续流程。离散和动态事件模拟了集装箱从船只到达码头和被装上火车的过程。建模者还为系统动力学模型增加了额外的特性,例如为转运操作员增加决策规则的函数和程序。

模型还包括一个允许用户灵活建立各种模式和参数的界面,例如打开/关闭集装箱预计到达时间的使用、选择联运运营商的策略、建立火车参数(每列火车的容量、到达率等)等等。

为了增加结果的准确性和可比较性,建模者运行了蒙特卡洛实验,其中包含每个输入数据的多次仿真运行,每次随机生成一些参数。

结果

不同策略的仿真结果显示集装箱预计到达时间概念的引入会提高联运运营商火车(如图)的利用率。如果运营商使用策略2,预计到达时间(EAT)将会起到最好的效果,策略2是准备一个装载就绪的集装箱池,并在延迟时从这个池发送集装箱。

在有大型船只的情况中,预计到达时间(EAT)的应用改善了利用率,然而不能让利用率达到令人满意的75%以上。大型船只对转运流程有着较强的影响,预计到达时间(EAT)的引入也并非为了对改进大型船流程。

同时,仿真表明单单使用建议的策略,而不引入集装箱预计到达时间(EAT),不能改善情况。

这一结果在研讨会上提交给了合作伙伴。对于一些海运运输行业从业者来说,预计到达时间(EAT)引入的想法似乎并不直观。仿真向他们中的许多人证明了EAT可以改善这种情况。

仿真结果说明集装箱预计到达时间(EAT)有助于港务局缩短集装箱在码头内的停留时间,并允许联运运营商提高火车利用率,最终改善集装箱运输时间。

另外,汉堡港的用户关注集装箱的出口方向。在这方面,预计到达时间(EAT)可以提高集装箱船的容积利用率。

之后的研究计划包括测试集装箱预计到达时间(EAT)在亚洲和美洲港口环境的效果,然后评估预计到达时间(EAT)的引入对于每个用户的经济影响。研究员还计划向这个系统动力学模型中引入基于智能体的建模来跟踪每一个集装箱。

同类案例研究

更多案例研究