BCMEA（不列颠哥伦比亚省海事雇主协会）是由在加拿大不列颠哥伦比亚省五个港口地区运营的海事雇主创建的组织。雇主是码头运营商、装卸工人和航运代理人，他们依赖于码头工人装卸货物和其他码头活动。该协会代表7000多名活跃的码头工人，参与工人培训和工作派遣。
BCMEA与SimWell及西蒙弗雷泽大学比迪商学院合作，创建了温哥华码头劳务派遣的数字孪生模型。
SimWell是加拿大和美国工业工程仿真和优化领域的获奖专家。他们的仿真建模专家团队基于数字孪生功能为BCMEA提供了建议，并帮助使用AnyLogic实现基于智能体的仿真。
西蒙弗雷泽大学比迪商学院的两个学生小组参与了该项目。一组使用机器学习来训练劳动力和技能可用性模型，另一组创建可视化效果来帮助场景比较。
问题：码头劳动力短缺
BCMEA负责确保为其所有港口提供训练有素、合格的码头劳动力，以避免短缺。2016年，BCMEA意外地开始遭遇创纪录的劳动力短缺，其部分应对措施包括制定短期、中期和长期计划，以提高沿岸工人的培训和可用性。
作为计划的一部分，他们希望仿真劳动力派遣过程。这将使派遣时的技能匹配分析和培训需求的确定成为可能。
沿岸劳动力派遣的复杂性
对于BCMEA，派遣一天三次，涉及将所需工作与可用员工相匹配。匹配取决于各种参数：
- 评级——表示员工接受过技能培训，能够执行特定工作
- 能力——与特定类型货物或机械相关的员工技能
- 限制——表示员工不能在特定地点从事特定工作
- 董事会——在现有员工中公平分配工作的方法
- 工会和临时员工——员工是工会或临时员工，派遣流程不同
劳动力可以选择去哪里和为谁工作，这意味着劳动力的可用性是不可预测的。召回是例外情况，即员工被召回到他们一直工作的工作岗位，以及被直接雇佣的员工。
无法确定每一天可用的工人，这意味着短缺随时可能发生，需要某些技能的工作可能无法完成。答案是要有大量训练有素的合格劳动力。这反过来导致了一个持续的挑战：需要多少培训？
在这个项目之前，培训的数量取决于直觉——来自人们与雇主交谈时的估计。这种工作方式一直令人满意，但现在在满足短缺关键绩效指标方面效率较低，因为工作需要更多的技能和更多的培训。
解决方案
BMCEA为应对2016年的意外短缺而制定的中长期计划，创建了数据分析项目。
首先，BMCEA创建了数据集和仪表盘，以了解不列颠哥伦比亚省码头沿岸劳务派遣的当前和历史状态。这项初步工作的结果使他们能够识别趋势并更好地为规划提供信息。
根据数据集和仪表板，目标是开发预测分析功能。这将使BMCEA能够展望未来并分析各种情况，例如新集装箱码头的启用或培训更多卡车司机的效果。对于决策者来说，很容易预测到更多的培训将提高劳动力可用性，但预测分析的目的是量化劳动力和培训需求。
SimWell建议并帮助建立温哥华码头沿岸劳务派遣的数字孪生，作为开发预测分析的基础。他们使用AnyLogic实现了一个基于智能体的仿真模型，该模型使用了必要的指标并表示了真实世界系统的行为。
由于其易于扩展的特性，为数字孪生提供了一个单独的劳动力可用性机器学习（ML）模型。可用性模型由西蒙弗雷泽大学比迪商学院开发，该学院还提供了可视化效果，以便用户更好地理解和沟通。
（点击放大）
开发人员将可用性模型与模型的其余部分分开，以便可以独立于仿真模型进行迭代。ML模型是外部的，通过web API连接到AnyLogic仿真模型。
可用性模型使用ML来捕获劳动力变量的原因是，随着时间的推移，该方法被证明比启发式等替代方法更准确。历史数据中存在的劳动变量模式很难明确捕捉，但ML提供了一种处理它们的方法。
一个关键的设计特点是将数据参数与工艺配置分离。这种区别使得数据驱动的场景创建成为可能，其中可以以各种方式修改历史数据（例如就业记录）以测试假设。例如，分析师可以调查不同培训计划对不同场景的影响。
目前，数字孪生可以在六分钟内仿真温哥华一年的码头沿岸劳务派遣情况。仿真可以通过用户界面运行，也可以使用Python脚本调用的headless模式运行。仿真中的每个动作都会被记录下来，并可在平台外使用Python脚本和Tableau数据可视化进行进一步分析。
结果
数字孪生在很多方面都很有用。初步结果包括对批量运营商池的分析，这是一个需要大量培训的复杂评级。使用数字孪生工具分析培训需求，确定了培训的最佳三年投资回报期。
在另一个案例中，该模型用于检查港口码头扩建场景中的橡胶轮胎龙门架（RTG/RMG）劳动力需求。结果表明，该港口的RTG/RMG劳动力需求将增加300%。
（点击放大）
总体而言，温哥华码头沿岸劳务派遣数字孪生将支持长期战略，预测人口统计和技术趋势，并基于情景建模实现业务。数字孪生也将扩展应用到其他部分。
该案例研究由BCMEA高级数据科学家Bart Fransen在2021 AnyLogic会议上进行演示[PDF]。
