英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
生成集装箱码头物流仿真和优化方案
索克.哈德曼
生产企业管理局主席研究所和
物流基督教布莱希特安大学祖基尔
Olshausenstrabeta;e 40
24118德国基尔
http://www.bwl.uni-kiel.de/bwlinstitute/Prod/mab/hatmann/hartman.html
2002年4月
摘要
本文介绍了一种生成海港口集装箱码头的场景的方法，这个场景包括到达的深海船舶，支线船舶，火车和卡车以及集装箱装卸的清单。此外，集装箱的属性，例如大小，是否空箱，是否冷藏箱，重量和目的地都包括在内。这个生成器是以大量的参数为基础的，这些参数允许用户生成任何大小的逼真场景。本文的目的是概述参数对生产具有很高的实用意义的现实场景是重要的，并提出了在这些参数的基础上计算场景的算法。这些场景可以被用作仿真模型的输入数据，而且它们也可以被用作算法的测试数据去解决集装箱物流优化问题：如规划泊位和起重机调度。这里讨论的生成器已经在德国汉堡的汉堡港口仓储有限公司集装箱码头Altenwerder的模拟项目中被开发出来了。然而，它的结构也是足以普遍到被应用于各种其它码头。
关键词：集装箱物流，集装箱码头，场景发生器，模拟。
1 介绍
自二十世纪六十年代以来，集装箱在全球贸易和货物运输方面已经非常重要，这是由于集装箱化程度不断增加（这意味着集装箱运输的货物数量稳步增长）和国际贸易的增加。因此，为了应对越来越多的集装箱，需要不断新建新的集装箱码头，并扩大现有的集装箱码头。此外，集装箱码头也面临着在最短时间内尽可能周转而且换用更大的船只的挑战。为了实现这些目标，集装箱码头采用创新（通常是自动化）设备并优化其物流流程，鉴于高效集装箱码头物流的重要性日益增加，实验人员和研究人员不断开发新的优化方法和模拟模型，这一点并不奇怪。
优化问题包括向到达船舶分配泊位（见Imai等[13,14]，Lim[20]）以及安排起重机的装载和卸载作业（见Daganzo[5]，Peterkofsky和Daganzo[22]）。研究人员已经研究了集装箱的内部运输，特别是码头和堆垛之间的跨运货车（参见Bose等人[4]，Kim和Kim[17]，Steenken等人[24]）和自动牵引车（见Bae和Kim[2]，Evers和Koppers[7]）。此外，分配和调度堆垛起重机的问题已经得到解决（参见Zhang等[28]）。另外，研究员已经提出了一种用于调度诸如自动牵引车辆和堆垛起重机以及人力的设备的一般方法（参见Hartmann[11]）。最后，针对两种不同的情况，分别对货柜在堆场的排位进行了讨论，分别是进口货柜（参见de Castilho和Daganzo[6]，Kim和Kim[15]），出口货柜（见Kim等人[16] Taleb-Ibrahimi等人[25]）。此外还提出了一种涵盖这两种情况的方法（参见Zhang等[27]）， Meersmans和Dekker[21]给出了关于优化问题的文献的更全面的综述。虽然这些文件考虑到海港集装箱码头，但Alicke[1]已经提出了内陆货柜码头（即没有海港船或支线船）的优化方法。
模拟模型已经开发出来用于评估集装箱码头的动态过程，这允许生成和分析诸如平均生产力和平均等待时间（例如，吊机等待跨车）的统计数据，这样可以确定潜在的瓶颈。通常情况下，详细的模拟模型涵盖物质资源（特别是起重机和车辆等设备）和控制和策略的组件（因此，模拟模型为优化算法提供了测试环境）。当建立新的终端或者当分析或修改现有的码头时（参见Legato和Mazza[19]，Yun和Choi[26]），可以实施模拟项目（参见Hartmann[12]，Schutt和Hartmann[23]）。在任何一种情况下，可以在实际实施之前通过仿真来测试计划。此外，模拟模型可以用作终端管理的决策支持系统（参见Gambardella等人[8,9]）。例如，可以根据要作出的决定（例如，资源的分配）来模拟下一个变化，使得决策的效果可以提前被评估。
本文介绍了一种生成集装箱码头场景的方法，根据参数设置，生成器计算深海船只，支线船，火车和卡车的到达量，包括要卸载和装载的集装箱列表。通过适当地指定参数，可以为不同大小的终端生成逼真的场景。随着到达的时间分布以及各种集装箱属性的分布情况，可以调整运输方式，船舶尺寸。该生成器已经在新德国汉堡集装箱码头Altenwerder的模拟项目中开发（关于该终端的细节见贝克[3]），尽管如此，它也足以普遍可以覆盖其他海港集装箱码头。事实上，这些参数使生成器尽可能地普遍灵活，从而能够为几乎所有的海港集装箱码头生成场景。由于它是为现实世界的集装箱码头开发的，因此特别强调易于使用的生成器来产生实际的情景。这些参数允许使用真实世界的数据，例如过去的规划信息和统计数据，以实现一个现实的场景。本文概述了为生成集装箱码头实际物流情况而确定的重要参数，并定义了基于这些参数构建场景的程序。
生成实验数据是操作研究中的重要领域（参见例如Hall和Posner[10]，Kolisch等人[18]）。本文提出生成器的主要目的是生成可用作仿真模型的输入数据的情景。如果没有来自过去的真实数据可用也需要这样的场景，这样就可以建造新的码头或者扩建码头。此外，生成器允许为未来的发展提供场景，例如更多的船舶到达或更大的船只。除模拟外，还可以将这些场景用作货物码头物流中出现的各种优化问题的测试数据，如泊位计划，吊车起重机调度和集装箱存储。
2 一般概念
在本文中，集装箱码头的模拟场景被定义为涉及指定范围内所有船舶，列车和卡车到达的数据，包括与正在运送或接收的集装箱有关的信息。也就是说，对于每天这个时间段内，场景包括所有船舶，火车和卡车的到达时间以及提取和接收的集装箱的数量。对于每个集装箱，关于尺寸（20尺或者40尺），类型（冷藏，超大等）和目的地的详细信息都会被给出来。
2.1 运输方式
生成器区分了图1所示的四种不同类型的运输方式。
图1：运输方式
海上我们拥有世界范围内的大型服务船舶以及（通常是较小的）用于区域服务的支线船，陆上由火车和卡车组成。利用这四种预定义的传送模式，可以调整各个传送模式的实际参数（通常，船只比火车运载的集装箱多得多）。同样重要的是，这样可以规定集装箱在四种运输方式之间的分配（例如，可以确定由卡车运送的集装箱数量将由海港船和支线船船提走）。因此，生成器允许集装箱在四种模式中的任何模式之间的流动。考虑到汉堡港（也是集装箱码头Altenwerder）海港船和支线船之间的集装箱流量尤其重要。因此，我们区分这两个类别，而不是只有单一的海洋模式“船”。然而，可以以只考虑一种类型的船舶的方式来调整参数。
请注意，我们对运输模式的定义比文献中的方法（参见例如Zhang等人[28]）更为普遍，文献中通常认为只有一个海港和一个陆地模式，集装箱从陆地到海边流动（通常称为作为“出口”）或从海边到陆地（“进口”）。
2.2 相互依赖
真实环境下集装箱码头情景中的相互依赖性相当复杂，这包括如上所述的在不同运输方式下如何分配运输和提货的集装箱。同时，必须考虑到运输工具的到达时间和尺寸的分布情况，因为必须分配集装箱的停留时间。换句话说，所有的集装箱必须被分配到各种运输方式以进行运输，确定运输方式以便提柜，这样，运输方式 ，运输工具尺寸，交通工具到达时间和集装箱停留时间的分配可以同时匹配。由于这些相互依赖关系，生成器的目标是双重的：首先，它应该提供允许控制上述分布的参数。第二，它应该提供一个能够观察这些分布以便反映相互依赖关系的算法。
2.3初始状态
在操作层面处理集装箱码头物流时，通常必须考虑码头的现状。例如，在泊位计划中，不仅要考虑下一艘船到港，还要考虑那些目前在码头停泊的船只。如果想要运一个模拟模型，还必须考虑当前的状态，也就是目前在码头的运输工具以及当前放在堆场的集装箱。
粗略浏览一下，似乎是生成一个模拟场景不仅要包括随后到达的集装箱，还要包括码头的初始状态，然而这样的方法有两个重要的缺陷。首先，生成初始状态需要其他参数，还可能需要指定大量参数，并且难以定义可以获取码头实际状态的参数。特别强调的是，如果我们要为所有海港码头获得通用的生成器，那么就必须获得所有码头的布局（堆场和建筑结构），这一点似乎是相当困难的。第二，初始状态取决于码头物流中使用的策略，这对于将集装箱存放在堆场的模拟策略是很清楚。如果初始状态是由发电机生成器产生的，而不是通过策略测试，那么在策略评估中将其视为偏颇。
考虑到这些要点，我们选择不在生成器中考虑明确的初始状态，因此，生成器仅生成运输工具和集装箱的到达记录。这也就是说我们隐含地假设一个空的码头作为初始状态。在时间为零的情况下，没有船只在码头，没有火车或卡车在等，也没有集装箱在堆场。生成器生成运输工具的到达信息，以便携带和接收集装箱。当我们从一个空的码头开始，交通工具在头几天只会运来集装箱，但他们不能提走集装箱，这样的话堆栈就能装满集装箱，同时，集装箱可用于提货。几天后就会产生提箱船只，火车和卡车的数据。这样堆场的集装箱堆放水平会围绕一个常量振荡，因为提箱和送柜数目大致相等（另见第5.2节中的计算示例）。
如上所述，空的初始状态的方法减少了参数的数量，并且在评估策略时避免了任何偏差。当对这种情况使用模拟模型时，当收集统计数据进行评估时，前几天不应该使用该模拟，因为这些天的数据还不真实。在堆放集装箱策略的模拟研究中，我们使用以下经验法则：在最大集装箱停留时间之后，我们开始收集统计数据，因为在这个时候，码头状态被认为是贴近现实的。然而，我们也必须模拟第一天，因为我们需要用集装箱填充堆栈（特别是堆栈根据测试策略填充很重要）。如果在某些应用场合，一个填充集装箱的堆场是不相关的，那么也可以省略模拟场景中的第一天。
2.4 文件概念
生成器与几个文件一起协调使用。为了使用户尽可能简单地进行参数调整，所有参数都以预定顺序简单地输入到文本文件中，该文件被生成器读取。计算完成后，生成器会写入两种类型的文件：首先，将场景写入文本文件，然后可以为仿真模型输入数据或者提供优化算法。对于这个区域内的每一天，这四种传输模式中的每一种都会生成一个单独的文件，以避免巨大的输出文件。其次，生成具有统计信息的文件，其中包含了多个统计信息的方案概述。此文件的格式为超文本标记语言，因此可以使用浏览器轻松查看。一般文件概念在图2中可视化。
图2：场景生成器的文件概念
参数文件在第3节中介绍时，第4节总结了用于计算场景的过程。包含场景本身和概述的输出文件在第5节中简要概述。
3 场景参数
这些参数允许用户指定要生成的场景。它们以这种方式选择使用规划数据或统计来调整参数。
这应该允许产生尽可能符合现实的场景。在试图尽可能接近地观察参数设置时随机生成场景。
以下小节描述了分为四组的参数。这些是一般参数，如时间段和该时间段内到达的集装箱数量，有关运输方式尺寸的参数，处理到达频率的参数以及反映集装箱属性（如尺寸和重量分布）的参数。
总体参数的总结在表1中给出，下面将详细讨论。一般参数的首先与要生成
的场景的水平相关。时间长度T（以天为单位）必须与时间段的第一天T1一起指定，可以是星期一，星期二等。
|
T |
时间区间(第几天) |
|
T1 |
第一天，T1属于周一到周日的某一天 |
|
Ci |
在第T天内用交通方式i运输的集装箱数量 |
|
Cij |
同一天内以i方式到达j方式提柜的集装箱的比例,i,j属于四种运输方式中一种 |
|
tau; |
最大的等待时间(天) |
|
ᵟt |
等待时间为t的集装箱的比例 |
表1：总体参数
接下来，我们考虑在该时间段内到达码头的集装箱
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[485744]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
