背景

碼頭管理中進口箱選位一直是一個難題，特別是對于堆場面積小的碼頭而言，翻箱率居高不下會導致企業(yè)資源浪費，作業(yè)效率下降。今天，小編帶您一起看看上海浦東國際集裝箱碼頭有限公司是如何從箱位堆放上入手，優(yōu)化進口箱選位算法，實現(xiàn)降低翻箱率（箱操作數(shù)/總操作數(shù)）的。

堆場管理現(xiàn)狀

1.1進口重箱作業(yè)特點

上海浦東國際集裝箱碼頭有限公司是上海港最早經(jīng)營集裝箱的碼頭，公司航線多，船舶小，船期密度大，箱區(qū)安排緊張。雖然部分進口箱采用大票集中堆放，總體上可以降低部分翻箱率，但大部分進口箱位置的選擇，主要采用大計劃方式，隨機堆放。用戶前來提箱的時候，并沒有一定的規(guī)律，也屬于隨機提取。鑒于這些情況，公司原有進口堆場選位算法并沒有發(fā)揮太大作用。因此，我們考慮到對進口箱的選位進行優(yōu)化。

1.2進口重箱選位問題

根據(jù)進口箱具體情況，我們確定研究的問題：在貝位已知的前提下，貝位內每個箱子的進場時間和天數(shù)是已確定，但提箱時間未知?？梢悦枋鰹椋航o定一個貝位，當前貝位上有一定數(shù)量的已知進場天數(shù)的集裝箱，要進來一個已知進場時間的新的集裝箱，位置上已有集裝箱和將要進入的集裝箱，提離的時間都不確定。

對此，我們設計一個評分函數(shù)，對即將進入研究貝位的箱子以及它周邊的箱子進行評分，根據(jù)評分情況，利用啟發(fā)式算法，為每個進場的箱子選擇一個最為合適的位置，降低翻箱率。

數(shù)據(jù)分析

2.1數(shù)據(jù)采集分析

要分析堆場上集裝箱位置變化的信息，先要獲取有代表性的數(shù)據(jù)，然后利用數(shù)據(jù)分析器進行擴展模擬。我們選取箱量較高的12月份箱動態(tài)信息數(shù)據(jù)，作為分析的初始數(shù)據(jù)依據(jù)。數(shù)據(jù)信息包含了集裝箱的初始計劃選擇位置、實際落箱位置、非進出（裝船或提箱）位置變化動態(tài)。問題可以轉化為：已知后續(xù)所有集裝箱進場的序列和具體時間，以及所有集裝箱的出場序列和具體時間，現(xiàn)需要安排操作，在假設未知出場序列的前提下，模擬每一個集裝箱進場并且進行位置選擇，模擬每一個集裝箱在場翻箱操作，統(tǒng)計最終的移動數(shù)量。

首先對進口卸船提箱時間進行分析，對其規(guī)律進行探尋。我們建立一個單獨的數(shù)據(jù)分析器，這個分析器可以完成以下模擬任務，使得其能夠對信息進行分析。

（1）模擬到任意一個時刻進行暫停，且能夠獲得此時的在場箱位置列表、狀態(tài)列表，以及此時的后續(xù)任務。此外，模擬在場箱動態(tài)信息數(shù)據(jù)中的每一個動作，并且在動作執(zhí)行時，進行數(shù)據(jù)的統(tǒng)計和記錄。該部分模擬的意義在于，可以對所有動作截取任意時長進行統(tǒng)計，即對相關整體數(shù)據(jù)進行統(tǒng)計和分析。

（2）截取某一個貝位，能夠對該貝位內的所有相關操作進行統(tǒng)計和分析，即可以獲得一系列僅針對該貝位內操作的分析，且該分析過程獨立于整體模擬，并且有極高效率支持多組數(shù)據(jù)模擬和分析。該部分模擬的意義在于，可以單獨研究每個貝位上的具體情況，截取數(shù)據(jù)并且進行模擬。

2.2評分機制引入

對整體數(shù)據(jù)的進口箱提箱天數(shù)進行分析，進口箱提箱天數(shù)和百分比見表1。其中第一行代表該箱在堆場中的天數(shù)，第二行表示在堆場中等待該天數(shù)的箱的提箱占總數(shù)的百分比，第三行表示在該天數(shù)下，占剩余的百分比數(shù)值。

從統(tǒng)計可以看出，平均堆存天數(shù)約為4.5天。9天以上的集裝箱分布較為分散，因此我們將提箱時間大于等于9天的箱全部進行合并統(tǒng)計，其總量在4%左右，和第一天較為接近。2-6天為進口重箱主要提箱時間，該部分合計約有79%。箱子在場時間越長，則在后一天被提走的概率都會被增加。而我們看到其主要集中在3-5天的分布，其連續(xù)三天加起來接近53.61%，因此我們考慮當堆存天數(shù)相差3天以上會出現(xiàn)大概率的翻箱。

此外，我們對箱量達到100自然箱的船舶進行了進口箱提離場地的時間分布統(tǒng)計分析，船舶進口箱提離堆場的時間分布表見表2。

由于進口提箱沒有預約機制，客戶辦理時間隨機而無序，實際提箱時間差別較大。由此可以看出，直接按照“船到來的日期”進行選位，是不可行的。因此，我們考慮引入評分機制，進行選位的優(yōu)化。

2.3進口重箱堆存算法優(yōu)化設想

為了降低進口箱的提箱翻箱率，我們必須對進口箱進入場地貝位前進行優(yōu)化位置的優(yōu)化選擇。由于受堆場的限制和船舶效率的要求，且進口箱選位一直采用大計劃的方式，如果采用對選位算法做過多過細的選位規(guī)則的方法，算法改進的效果并不大。通過前期數(shù)據(jù)分析，我們發(fā)現(xiàn)在輪胎吊堆場中，進口箱選位和翻箱選位當前仍有很大的優(yōu)化空間。因此，我們考慮不去修改橋邊手持機改變原有的選位信息，而是在橋邊指定了具體的箱區(qū)、貝位之后，在輪胎吊RPS端進行指定貝位選位的優(yōu)化建議。

具體情況就是，貝位已知，貝位內每個箱子的進場時間確定，但是提箱時間未知，我們設想是否有一種在已知進口卸船的預計提箱時間的前提下，結果較優(yōu)的堆疊算法。該算法主要思路：假定預計提箱時間不同，那么在選位和翻箱過程中，在同樣的空間下，我們優(yōu)先選擇預計剩余堆存天數(shù)大于當前箱的位置進行堆疊。

選位算法實現(xiàn)方法

算法根據(jù)當前堆存高度、當前堆存天數(shù)，來對進口箱在單個貝位的堆疊策略和翻箱策略進行修改并且優(yōu)化。

3.1算法設計

對于任意一個進口箱的堆疊，我們可以將其分為多種具體情況。針對不同情況設計相關的具體策略。具體策略的生成，我們直接進行條件假設，即以下三個條件：

（1）新進入堆場的集裝箱，根據(jù)上面的統(tǒng)計概率，在壓到進場天數(shù)大于此集裝箱的箱上時，容易造成翻箱，因此應當盡量避免此情況；

（2）在已有堆存天數(shù)較多的集裝箱進行翻箱時，如果沒有空列，由于該箱被提走的概率較高，那么放在盡可能高的位置，可以為其它箱的后續(xù)堆疊節(jié)約空間；

（3）如果兩個集裝箱的在場天數(shù)差距在3天以上時，其被提走的概率相差較大，因此可以近似認為堆存較久的集裝箱會被先提走。

在根據(jù)統(tǒng)計結果形成的以上假設條件下，我們設計相應的評分函數(shù)和基礎公式，并且在此公式基礎上進行數(shù)值驗證和結果計算。后面關于時間的計算，全部采用最小單位為“天”的單位。

對此，首先定義三個變量。

定義1：接近時間Ｔ1(x)：針對即將要堆疊的排T進行計算。如果該列存在某個進場時間在該箱之前的箱子，Ｔ1(x)為“當前時間-要移動的箱的進場時間”，即“當前移動的箱子在場了幾天”，如果不存在則Ｔ1(x)取10。

定義2：接近時間Ｔ2(x)：針對即將要堆疊的排T進行計算。如果該列存在某個進場時間在該箱之前的箱子，Ｔ2(x)為“當前時間-要移動的箱的進場時間”，即“當前移動的箱子在場了幾天”，如果不存在則Ｔ2(x)取3。如果T2(x)>3，那么令T2(x)取3。

定義3：當前高度Ｈ：同樣針對即將堆疊的排T進行計算，即當前排的高度。

在此基礎上，我們使用兩個分數(shù)計算公式來進行判斷，兩個公式總計有5個參數(shù)，分別是常數(shù)C，H的系數(shù)D和D1，T(x)的系數(shù)K和K1。公式中我們假設這些變量滿足線性模型。

當列T存在某個集裝箱，其進場時間大于要進入這一列的箱x時，使用公式（1），否則使用公式（2）。使用兩個公式是因為，如果該列內沒有在場時間在此箱之前的，那么說明該箱大概率不會引起翻箱，就不算作翻箱數(shù)；而使用公式（2），意味著該箱很大概率會引起翻箱，則在此情況下參數(shù)應該單獨進行設定。

對該貝位逐列進行F(x)值計算，選擇F(x)最大且和起始列不同的一列作為該箱所翻到的列。

3.2算法實現(xiàn)

以圖例說明公式使用情況如下。

堆疊列T內所有箱進場時間均在當前移動箱之后示意圖見圖1。箱子上的數(shù)字代表該箱的進場日期。進場的集裝箱日期為1，意味著該列其它集裝箱的進場日期都在此箱之后，因此使用公式（1），其Ｔ1(x)=10，令C=40，D=-1，K=2，由此可得F(x) =40 - 1* 4+ 2 * 10 = 56。

堆疊列T內部分箱進場時間均在當前移動箱之后見圖2。圖2中則是該列中有在此箱后，也有在此箱前進場的集裝箱，因此仍然使用公式（1），其T1(x)=1，令C=40，D= -1， K=2，則此處F(x)=40-1*4+2*1= 38。

堆疊列T內所有箱進場時間均在當前移動箱進場時間之前示意圖見圖3。圖3中則是滿足T2(x)的計算條件，該列的所有進場時間都小于該箱，因此使用公式（2），其T2(x)=1，令D1=1，K1= -2 ，則其F(x) =1*4 + (-2) *2 = 0。

根據(jù)公式（1）和（2），按照圖例中所給出的情況，設計相關源代碼，進行試驗分析和驗證。

試驗驗證

為了進行批量的測試和結果對比，我們使用分析器進行數(shù)據(jù)提取和生成，以突出代表的24箱區(qū)12貝位作為40尺貝位試驗數(shù)據(jù)，44箱區(qū)21貝位作為20尺貝位試驗數(shù)據(jù)。

數(shù)據(jù)生成的方法如下：對整個貝位上的所有操作進行數(shù)據(jù)截取，保留所有的進箱、提箱、翻箱操作來進行數(shù)據(jù)生成。由于實際進箱滿足假設，因此我們生成了足夠多組數(shù)據(jù)（1000組）來進行實驗和對比。每一組數(shù)據(jù)中，我們保留該箱的實際進場時間，之后根據(jù)統(tǒng)計的提箱天數(shù)概率，來為該箱隨機添加提箱日期，這樣生成出的數(shù)據(jù)就符合統(tǒng)計的概率分布，可以在多組實驗的情況下與原始翻箱操作數(shù)結果進行對比。

4.2 評價指標和參數(shù)調整

分別針對每種不同數(shù)據(jù)，進行相應實驗結果研究和對比，以及進行參數(shù)決定。

首先對公式中的C值進行研究。暫時固定K值和D值為初始設計的（D=1，K = -2，D1 = -1，K1 = 2）的條件下，進行C值的求解。取C=-1 作為參數(shù)C的取值。

在固定C值前提下，隨著K和D值變化求翻箱率。此處我們K1和D1仍然取-1和2。

參數(shù)K和D求解表格見表3。根據(jù)表3中的數(shù)據(jù)結果，我們可以得出，原始參數(shù)設置的D=1，K=-2是合理的。在此基礎上，我們進行K1和D1的求解。

參數(shù)K1和D1求解表格見表4。根據(jù)表4可知，對于K1和D1的取值分別在D1=-3，K1=2時達到最優(yōu)。因此，在進行為期一月的進箱數(shù)據(jù)模擬時，其翻箱率在取D=1，K=-2，D1=-3，K1=2的時候會獲得最優(yōu)結果。

4.3 實驗結果總結

此外，我們對原有數(shù)據(jù)進行修改，即對進箱假設條件進行更改。例如24箱區(qū)12貝位生成的進箱數(shù)據(jù)，假設的進箱時間是固定的，但是我們在這里假設其分布的更加均勻后觀察其實驗結果，均勻分布下的翻箱率見表5。

其中“2412”代表24箱區(qū)12貝位使用調整后的參數(shù)的結果，“2412改”代表24箱區(qū)12貝位使用修改生成概率的數(shù)據(jù)后的結果，“2412實際”代表實際翻箱率，而“全箱區(qū)”代表全場翻箱率。“2412改”和“4421改”比起實際結果，均有較小幅度的翻箱數(shù)百分比上升。

對實際數(shù)據(jù)結果分析過程中，發(fā)現(xiàn)有一些較大的結果出現(xiàn)，說明該算法的應用范圍可能僅適用于確定進箱分布下的情況。從上表看，對于“4421”貝位情況，其翻箱率優(yōu)化值較低，而對于“2412”其實際優(yōu)化值較高。因此，對于不同的分布假設，仍需要參數(shù)調整。

在此研究基礎上的下一步的工作方向，主要分為兩個部分：一是進行更多的數(shù)據(jù)測試和對比。本文中的數(shù)據(jù)量可以擴展到多個代表貝位，時間跨度可以使用多個月的數(shù)據(jù)。二是對相關參數(shù)設計進行優(yōu)化。在本文中的相關參數(shù)是根據(jù)經(jīng)驗直接確定的，因此可能會有其他一些有影響的參數(shù)也可以加入到?jīng)Q策公式中，使結果更優(yōu)。