Модель оценки параметров контейнерного терминала методом Монте-Карло

В статье рассмотрено применение метода статистических испытаний, также известного как метод Монте-Карло, для оценки некоторых параметров контейнерных терминалов. Отмечается высокий уровень исследования этой темы в современной научной литературе, как отечественной, так и зарубежной. При этом авторы зарубежных исследований чаще используют метод Монте-Карло как вспомогательный инструмент, например, при проверке адекватности дискретно-событийных и имитационных моделей сложных транспортных систем, в то время как авторы отечественных исследований чаще применяют данный метод непосредственно для решения задач, связанных с оценкой параметров контейнерных или других грузовых терминалов. Проанализирована международная научная литература по вопросу использования метода Монте-Карло для оценки и моделирования различных параметров контейнерных терминалов. В настоящем исследовании предложен новый вариант модели оценки потребной вместимости склада, площади складских площадок и коэффициента использования причальной стенки контейнерного терминала с применением метода статистических испытаний. Построена математическая модель на основе аналитических формул, при этом некоторые исходные параметры заданы не в виде детерминированных значений, а в виде вероятностных распределений. К таким параметрам относятся расчетный грузооборот, производительность оборудования, размещенного на причалах для обработки судов, и средний срок хранения контейнеров. Отмечается, что все эти параметры могут быть в той или иной степени оценены проектировщиками, инвесторами и администрацией грузовых терминалов. Приведен пример расчетов на модели с использованием метода статистических испытаний при определенных заданных исходных данных. Наблюдаются адекватные результаты моделирования, такие, например, как снижение наиболее вероятного значения коэффициента использования причалов с ростом числа причалов, входящих в состав контейнерного терминала.

1. Agerschou H. Planning and design of ports and marine terminals. / H. Agerschou — London: Thomas Telford Publishing, 2004. — 444 p.

2. Изотов О. А. Оценка требуемых технологических ресурсов путем статистического моделирования / О. А. Изотов, А. В. Гультяев // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2018. — Т. 10. — № 3. — С. 497–506. DOI: 10.21821/2309-5180-2018-10-3-497-50. — EDN XSRHIT.

3. Кузнецов А. Л. Аналитическое уточнение метода статистических испытаний для исследования морских портов / А. Л. Кузнецов, А. В. Кириченко, А. Д. Семенов // Вестник государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2022. — Т. 14. — № . 6. — С. 905‒914. DOI: 10.21821/2309-5180-2022-14-6-905-914. — EDN CSBMQL.

4. Кузнецов А. Л. Стратегия управления штабелем контейнерного терминала / А. З. Боревич, А. А. Радченко // Вестник государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2020. — Т. 12. — № . 5. — С. 853‒860. DOI: 10.21821/2309-5180-2020-12-5-853-860. — EDN IMDHTM.

5. Junior I. C. L. Probabilistic analysis of the sustainable performance of container terminals / I. C. L. Junior, U. R. de Oliveira, V. de Almeida Guimarães, L. G. Ribeiro, V. A. Fernandes // Research in Transportation Business & Management. — 2022. — Vol. 43. — С. 100725.

6. Alali K. Management of Container Terminal Operations Using Monte Carlo Simulation / K. Alali, A. AlBazi // OR55 Annual Conference. — 2013. — Pp. 115–121.

7. Cahyono R. T. Simultaneous allocation and scheduling of quay cranes, yard cranes, and trucks in dynamical integrated container terminal operations / R. T. Cahyono, S. P. Kenaka, B. Jayawardhana // IEEE Transactions on Intelligent Transportation Systems. — 2021. — Vol. 23. — Is. 7. — Pp. 8564–8578.

8. Nourmohammadzadeh A. A robust multiobjective model for the integrated berth and quay crane scheduling problem at seaside container terminals / A. Nourmohammadzadeh, S. Voß //Annals of Mathematics and Artificial Intelligence. — 2022. — Vol. 90. — Is. 7. — Pp. 831–853.

9. Xuan B. Monte Carlo Tree Search algorithm for the receiving containers intelligently problem among container shipping terminals / B. Xuan, N. Zhao, Y. Shen, X. Du // Journal of Computational Methods in Sciences and Engineering. — 2022. — Vol. 22. — Is. 1. — Pp. 89–96.