Determination of optimal parameters for efficient terminal operation by means of a simulation model in the AnyLogic environment

Full Text

ВВЕДЕНИЕ

Актуальность исследования обусловлена необходимостью повышения эффективности и конкурентоспособности морских портов в условиях постоянно растущих объемов грузоперевозок, а также потребностью в разработке эффективных инструментов для анализа и оптимизации сложных процессов, протекающих в портовой инфраструктуре. Основной целью представленной серии экспериментов является детальное изучение операционных характеристик функционирования морского грузового фронта (МГФ) терминала. Особое внимание будет уделено исследованию эксплуатационных характеристик судопогрузочных машин (СПМ), являющихся ключевым элементом перегрузочного процесса.

ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ С МОДЕЛЬЮ ПРОЕКТИРУЕМОГО ТЕРМИНАЛА В ПОРТУ г. ВЛАДИВОСТОК

В рамках настоящего исследования предполагается проведение серии экспериментальных работ с применением модели проектируемого терминала, расположенного в порту г. Владивосток. Данные эксперименты направлены на определение оптимального количества и функциональных возможностей перегрузочного оборудования, необходимого для эффективной работы терминала.

Для обеспечения всесторонней оценки перспектив развития портовой инфраструктуры, разработаны различные сценарии функционирования терминала. Каждый из сценариев будет проанализирован дважды, с варьированием производительности работы СПМ (3500 тонн в час и 4500 тонн в час), что позволит оценить влияние данного параметра на общую эффективность работы терминала (табл. 1).

 

Таблица 1. Сценарии исследования [Research scenarios]

Номер сценария [Script number]	0	1	2	3
Кол-во СПМ на ПС № 1 [Number of SPMs on Substation No. 1]	2	2	1	1
Возможность переезда СПМ на ПС № 2 и 3 между этими ПС [The possibility of moving the SPM to PS No. 2 and 3 between these PS]	Есть [Is]	Нет [Not]	Есть [Is]	Нет [Not]

 

РЕЗУЛЬТАТЫ

Сценарий № 0 «Базовый»

На ПС № 1 функционируют два перегрузочных механизма. ПС № 2 и 3 объединены в комплекс, где каждый из перегрузочных механизмов № 3 и 4 обладает возможностью обслуживания как причала № 2, так и причала № 3. Визуализация процесса моделирования представлена на рис. 1.

 

Рис. 1. Вкладка анимации базового сценария

Fig. 1. The animation tab of the basic scenario

 

Анализ загруженности причальных стенок представлен на рис. 2 и 3. Важно отметить, что на этих рисунках отражены фактические значения коэффициента использования ресурса причальных стенок, а не нормативные показатели коэффициента их занятости. Таким образом, представленная информация отображает реальную интенсивность эксплуатации причальных сооружений в исследуемый период.

 

Рис. 2. Занятость ПС базового сценария (Р_СПМ = 3500 т/ч)

Fig. 2. PS employment in the base scenario (R_SPM = 3500 t/h)

 

Рис. 3. Занятость ПС базового сценария (Р_СПМ = 4500 т/ч)

Fig. 3. PS employment in the base scenario (R_SPM = 4,500 t/h)

 

Показатели, отражающие функционирование СПМ, зафиксированные в ходе экспериментальной работы, сведены в табличном формате (табл. 2).

 

Таблица 2. Основные результаты экспериментов с части работы СПМ [The main results of experiments with the SPM part of the work]

№ СПМ [SPMs No.]	№ ПС [Substation No.]	Доля времени работы СПМ [The percentage of the SPM's working hours]		Коэфициент использования СПМ [Coefficient of SPM usage]
		РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]	РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]
1	1	0,201	0,156	0,177	0,226
2	1	0,201	0,156	0,177	0,226
3	2	0,303	0,248	0,328	0,305
4	3	0,196	0,159	0,328	0,209

 

Опираясь на результаты проведенных экспериментальных исследований, следует констатировать отсутствие скопления судов в районе якорной стоянки. В рамках сценария № 1, причал № 1 (ПС № 1) обслуживается двумя судопогрузочными машинами (СПМ). Причалы № 2 и 3 (ПС № 2 и ПС № 3, соответственно) функционируют независимо друг от друга, при этом СПМ № 3 предназначена исключительно для работы на ПС № 2, а СПМ № 4 – исключительно на ПС № 3. Визуализация процесса моделирования представлена на рис. 4.

 

Рис. 4. Вкладка анимации сценария № 1

Fig. 4. Animation tab of scenario No. 1

 

Интенсивность эксплуатации причальных стенок (ПС) визуализирована на рис. 5 и 6. Представленные графики отображают фактические значения коэффициента использования ресурса ПС, отличные от нормативных показателей занятости ПС.

 

Рис. 5. Занятость ПС сценария № 1 (Р_СПМ = 3500 т/ч)

Fig. 5. PS employment of scenario No. 1 (R_SPM = 3500 t/h)

 

Рис. 6. Занятость ПС сценария № 1 (Р_СПМ = 4500 т/ч)

Fig. 6. PS employment of scenario No. 1 (R_SPM = 4,500 t/h)

 

Основные данные о работе СПМ сведены в табл. 3.

 

Таблица 3. Показатели работы СПМ (сценарий 1) [SPM performance indicators (scenario 1)]

№ СПМ [SPMs No.]	№ ПС [Substation No.]	Доля времени работы СПМ [The percentage of the SPM's working hours]		Коэфициент использования СПМ [Coefficient of SPM usage]
		РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]	РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]
1	1	0,196	0,153	0,22	0,178
2	1	0,196	0,153	0,22	0,178
3	2	0,204	0,158	0,219	0,172
4	3	0,252	0,196	0,267	0,211

 

В настоящее время скопление судов в зоне ожидания отсутствует. В рамках сценария № 2, у причала № 1 функционирует один портальный кран. Причалы № 2 и 3 используют совмещённую систему: каждый из портальных кранов № 3 и 4 может быть задействован как у причала № 2, так и у причала № 3. Визуализация процесса моделирования представлена на рис. 7.

 

Рис. 7. Вкладка анимации сценария № 2

Fig. 7. Animation tab of scenario No. 2

 

На рис. 8 и 9 иллюстрируют степень эксплуатации причальных стенок посредством коэффициента использования ресурса. Важно подчеркнуть, что представленные значения отражают фактическое использование, а не нормативно установленный уровень занятости.

 

Рис. 8. Занятость ПС сценария № 2 (Р_СПМ = 3500 т/ч)

Fig. 8. PS employment of scenario No. 2 (R_SPM = 3500 t/h)

 

Рис. 9. Занятость ПС сценария № 2 (Р_СПМ = 4500 т/ч)

Fig. 9. PS employment in scenario No. 2 (R_SPM = 4,500 t/h)

 

Основные данные о работе СПМ сведены в табл. 4.

 

Таблица 4. Показатели работы СПМ (сценарий 2) [SPM performance indicators (scenario 2)]

№ СПМ [SPMs No.]	№ ПС [Substation No.]	Доля времени работы СПМ [The percentage of the SPM's working hours]		Коэфициент использования СПМ [Coefficient of SPM usage]
		РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]	РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]
1	1	0,244	0,192	0,261	0,209
2	1	0,377	0,307	0,349	0,293
3	2	0,241	0,219	0,267	0,238

 

Очереди судов на рейде отсутствуют.

Сценарий № 3

На ПС № 1 функционирует единичный СПМ. ПС № 2 и 3 представляют собой раздельные производственные единицы, при этом СПМ № 3 предназначен исключительно для работы на ПС № 2, а СПМ № 4 – исключительно для работы на ПС № 3. Визуализация анимации моделирования технологического процесса представлена на рис. 10.

 

Рис. 10. Вкладка анимации сценария № 3

Fig. 10. Animation tab of scenario No. 3

 

На рис. 11, 12 приведены значения коэффициента использования ресурса ПС, а не нормативного коэффициента занятости ПС.

 

Рис. 11. Занятость ПС сценария № 3 (Р_СПМ = 3500 т/ч)

Fig. 11. PS employment of scenario No. 3 (R_SPM = 3500 t/h)

 

Рис. 12. Занятость ПС сценария № 3 (Р_СПМ = 4500 т/ч)

Fig. 12. PS employment in scenario No. 3 (R_SPM = 4,500 t/h)

 

Основные данные о работе СПМ сведены в табл. 5.

 

Таблица 5. Показатели работы СПМ (сценарий 3) [SPM performance indicators (Scenario 3)]

№ СПМ [SPMs No.]	№ ПС [Substation No.]	Доля времени работы СПМ [The percentage of the SPM's working hours]		Коэфициент использования СПМ [Coefficient of SPM usage]
		РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]	РСПМ = 3500 т/ч [RSPM = 3500 t/h]	РСПМ = 4500 т/ч [RSPM = 4500 t/h]
1	1	0,278	0,216	0,297	0,235
2	1	0,272	0,213	0,291	0,232
3	2	0,259	0,201	0,274	0,215

 

Очереди судов на рейде отсутствуют.

Занятость причальных стенок (ПС) показана на рис. 11 и 12.

На основании анализа результатов имитационного моделирования, выполненного для представленных сценариев, представляется возможным сформулировать следующие заключения:

1. Отсутствие очередей судов на рейдовой стоянке указывает на адекватность пропускной способности морского грузового фронта (МГФ) для обработки заданного объема судо- и грузопотока. Таким образом, текущий ресурс МГФ является достаточным для обслуживания рассматриваемого потока.
2. Низкие значения показателей работы всех специализированных перегрузочных машин (СПМ), зафиксированные во всех сценариях, свидетельствуют об избыточности установленного кранового оборудования относительно проектного судопотока. Данный факт указывает на потенциальную возможность оптимизации использования оборудования.
3. Обоснованность установки только двух СПМ на причале № 1 (ПС № 1) представляется сомнительной. Полученные результаты моделирования ставят под вопрос целесообразность данного проектного решения.
4. Анализ коэффициента использования ресурса причала (ПС) в совокупности с показателями работы СПМ позволяет заключить о возможности увеличения объема перевалки грузов через терминал при сохранении текущих мощностей. Таким образом, терминал обладает потенциалом для обработки более интенсивного грузопотока.

В продолжение исследования целесообразно провести моделирование грузопотоков через терминал с целью сравнения эффективности двух различных компоновочных решений. Исходный расчетный судопоток включает семь типов судов, характеризующихся определенными размерами партий (табл. 6). Для каждого типа судна определена соответствующая доля участия в общем судопотоке.

 

Таблица 6. Параметры судозаходов исходного судопотока [Parameters of the initial ship traffic calls]

Тип судна [Type of vessel]	Размер партии, т [Size of the party, t]	Доля в судопотоке [Share in the ship traffic]	Количество судозаходов, ед. [Number of ship calls, units]	Интервал судозаходов, ч. Бюджет 365 сут [Interval of ship visits, hours. Budget for 365 days]
СН-163	156 250	0,020	8	1095
СН-120	113 630	0,050	22	398,2
СН-100	93 632	0,093	40	219
СН-70	70 028	0,249	107	81,2
СН-50	49 407	0,177	76	115,2
СН-40	37 878	0,230	99	8,5
СН-35	32 051	0,181	78	112,3

 

Рассмотрим идеализированную модель судопотока, предполагая его однородность, то есть формирование исключительно судами одного типоразмера. Общее количество судозаходов в порт может быть определено посредством деления годового объема грузоперевозок (Q), составляющего 25 000 000 т, на величину грузовой партии, перевозимой одним судном рассматриваемого типа. Далее, располагая информацией о годовом бюджете времени функционирования порта и полученным количеством судозаходов, возможно вычислить средний интервал между прибытиями судов данного типа. Визуализация результатов расчетов, демонстрирующих зависимость количества судозаходов и соответствующих интервалов для однородных судопотоков, представлена на рис. 13 и 14.

 

Рис. 13. Количество однородных судопотоков

Fig. 13. The number of homogeneous ship flows

 

Рис. 14. Интервалы судозаходов однородных судопотоков

Fig. 14. Intervals of ship arrivals of homogeneous ship flows

 

В рамках анализа возможностей увеличения пропускной способности терминала были рассмотрены две альтернативные схемы расположения причалов, обозначенные как «А» и «В». С целью моделирования роста грузопотока, интервалы между судозаходами различных типов судов были последовательно сокращены. На рис. 15 представлена графическая зависимость коэффициента использования ресурсов ПС от величины годового грузопотока (Q), проходящего через терминал, что позволяет оценить эффективность каждой из рассматриваемых компоновок причалов.

 

Рис. 15. Коэффициент использования ресурса ПС

Fig. 15. PS resource utilization rate

 

Анализ данных позволяет констатировать, что в диапазоне годового грузооборота от 80 до 100 тыс. т наблюдается эффект насыщения функции. По мере приближения коэффициента занятости к своему предельному значению, отмечается значительное увеличение как протяженности очереди, так и времени ожидания на рейде. Для визуализации указанной зависимости, ниже представлены графики, демонстрирующие динамику изменения характеристик очереди в зависимости от возрастающего грузопотока. С целью обеспечения большей ясности, приводятся два графика: один отображает среднее время ожидания в очереди (рис. 16), а второй – среднегодовую длину очереди (рис. 17).

 

Рис. 16. Среднее время в очереди

Fig. 16. Average queue time

 

Рис. 17. Средняя длина

Fig. 17. Average length

 

На основании проведенного анализа графических данных, представляется возможным сформулировать следующие заключения. Обнаружено, что в диапазоне годового грузопотока до значения Q, равного 80 тыс. т, наблюдается постепенное увеличение показателей, характеризующих образование очереди.

Однако превышение указанного порога приводит к резкому, практически скачкообразному росту этих показателей. Данное обстоятельство позволяет утверждать о достижении системой предельной пропускной способности. Параллельно с указанным явлением, начиная с того же значения грузопотока (Q = 80 тыс. т), фиксируется наступление стадии насыщения функции, отражающей коэффициент использования причальных сооружений.

Совпадение этих двух тенденций служит дополнительным аргументом в пользу адекватности и валидности разработанной модели, поскольку наблюдаемые изменения в поведении системы соответствуют теоретически ожидаемым.

ЗАКЛЮЧЕНИЕ

Таким образом, проведенное исследование подтверждает, что для задач, связанных с исследованием динамики основных параметров морского порта, а также определением их усреднённых значений, оптимально использование программной среды AnyLogic. В рамках настоящего исследования была осуществлена экспериментальная оценка функционирования модели перспективного терминала, расположенного в порту города Владивосток. В ходе работы были определены количественные характеристики и функциональные возможности перегрузочного оборудования, необходимого для обеспечения штатной работы терминала. Полученные экспериментальные данные свидетельствуют о соответствии разработанной модели реальным условиям эксплуатации и подтверждают ее адекватность.

About the authors

Anastasia M. Shevchenko

Admiral G.I. Nevelsky Maritime State University

Author for correspondence.
Email: anastasiya2100@bk.ru
SPIN-code: 6698-2474

postgraduate student

Russian Federation, Vladivostok

Alexander A. Dyda

Admiral G.I. Nevelsky Maritime State University

Email: adyda@mail.ru
SPIN-code: 1187-5058

Dr. Sci. (Eng.); Professor, Department of Automatic and Information Systems (AIS), Faculty of Electronics and Information Technologies

Russian Federation, Vladivostok

References

Supplementary files