コンテナヤード計画のためのAIとシミュレーション

コンテナヤード計画のためのAIとシミュレーション

問題

今日、世界の貿易量の約80%は海上輸送であり、世界中のインターモーダル港とターミナルで処理されています。世界的な輸送の増加に伴い、インターモーダル施設は容量を拡大し、需要を満たすために再設計されています。同時に、施設の安全性と効率性を維持する必要があるため、運用会社は実装前に様々な変更をテストする方法を模索しています。

イタリアのGenoaにあるターミナルSan Giorgioは、スループットを向上させ、ターミナルをより安全に運用することを目的として、施設のレイアウトと運用の再編成計画用に、港湾シミュレーターを必要としていました。これは、ターミナルのデジタルツイン であり、コンテナヤード計画の試験台として機能し、変更が現在の運用にどのように影響するかを予測するのに役立ちます。

シミュレーションは複雑な環境のデジタルコピーを作成するために最適な技術であるため、経営陣はこのプロジェクトを、スイスのシミュレーションベース意思決定支援システム開発会社であるMEVB Consultingのコンテナターミナルシミュレーションエンジニアに委託しました。コンテナターミナルシミュレーションアプローチを使用すると、請負業者はインタラクティブな環境で物理的アクティビティと運用アクティビティの両方をミラーリングし、詳細な動的ワークフローをキャプチャできます。

コンテナターミナルのシミュレーションでは、エンジニアは次の理由でAnyLogicモデリングソフトウェアを選択しました:

解決策

AnyLogicを使用したポートのシミュレーション

デジタルツインを作成するには、コンテナが、車両がターミナル内でどのように移動したかに関する情報を収集する必要がありました。そのために、彼らは従業員に携帯電話を装備して、ターミナルでの位置を継続的に追跡しました。このようにして、特定のエリアに出入りする人々、およびそれらの間の移動を状況を見ることができました。コンテナとトレーラーについては、GPSを介して社内の追跡システムに正確な位置を送信するビーコンを使用しました。

コンテナターミナルのシミュレーションエンジニアは、収集されたデータを使用して正確なデジタルツインを構築しました。合計で、船や貨物列車など、相互接続された20,000個のオブジェクトの動きを港湾シミュレーターで表示することができました。シミュレーションを高速化するために、AnyLogicマテリアルハンドリングライブラリを使用しました。

モデル構築の最後のステップは、コンテナターミナルシミュレーションモデルをMicrosoft Project Bonsaiに接続することでした。このAIプラットフォームにより、シミュレーションモデルのデータに基づいたより簡単な深層強化学習が可能になりました。エンジニアは、AIが管理者の代わりに決定を下すか、少なくとも貨物処理のさまざまなステップでシミュレーションデータを使用して解決策を提案することを望んでいました。

避難シナリオのテスト

コンテナターミナルのシミュレーションモデルの準備ができたら、エンジニアは現在のレイアウトと操作をストレステストしたいと考えていました。彼らはモデルをゾーンに分割し、一部のゾーンでは、火災の延焼や爆発の場合における避難シナリオを調査しました。

最適な避難経路を見つけるために、彼らはモデルのAIを使用しました。アルゴリズムは、緊急事態の進展と港で進行中のプロセスを考慮して、危険地帯から安全地帯までのすべての可能な経路を分析しました。シミュレーションを高速化するために、AnyLogic Cloudを使用してさまざまな緊急進化シナリオが実行されました。その結果、アルゴリズムは安全なエリアへの最適な避難経路を提案し、それらを各エージェントに割り当てました。

AnyLogicを使用したポートシミュレータ

次に、出力データを使用して、実際の避難経路をテストしました。彼らは、ゾーンごとに危険な状況をシミュレートし、コンテナターミナルのデジタルツインに接続された避難システムに信号を伝達しました。それに応じて、デジタルツインは近くのセーフゾーンを見つけ、その場所をシステムに伝えました。次に、システムは避難場所にいる人々に電話アラートを送信し、安全な場所に案内する個別の避難計画を示しました。

AIを利用したエリア管理

コンテナターミナルシミュレーションモデルは、ターミナルスループットを改善するためにも使用されました。トラックが駐車場に到着してコンテナを収集または渡すと、管理者はトラックに駐車場を割り当てます。ただし、彼らの決定は通常、港の現在の状況に基づいており、破損の可能性、トラックの待ち時間、または緊急事態を考慮していません。これにより、駐車スペースの使用効率が低下し、スループットが低下する可能性があります。

管理上の意思決定を改善するために、エンジニアはAI機能を使用して、貨物処理ステップの1つであるトラックの乗降操作をシミュレートおよび最適化しました。この領域の改善は、処理時間を最小限に抑え、操作をより流動的にすることにより、ターミナルスループットを向上させるのに役立ちます。


AnyLogicによるコンテナターミナルのシミュレーション

AnyLogicによるコンテナターミナルのシミュレーション


エンジニアは、AIの頭脳がトラックの割り当てを調整し、シミュレーションベースの意思決定を自律的に行うことができると提案しました。ターミナルのデジタルツインから入力を取得すると、集約されたデータに依存し、計画された出荷に関してトラックを最適に割り当てる場所を予測します。

ターミナルスループットは他の端末操作に大きく依存していたため、エンジニアは現在のデジタルツインを駐車場のモデルで拡張しました。特に、トラック関連のロジスティクス業務のモデルでは、エンジニアは次のことを反映しています:

AIの頭脳が、コンテナターミナルのシミュレーションモデルから履歴データを学習し、トラックの割り当てにどのようなポリシーが実装されているかを知るには、少し時間がかかりました。学習フェーズが終了すると、モデルには出荷に関連する新しいデータが継続的に供給され、AIは入ってくるトラックをどこに割り当てるかを決定しました。

結果

エンジニアは、緊急事態に対する信頼できる避難戦略を構築し、ターミナルの安全性を向上させるのに役立つ意思決定支援システムを作成しました。システムは、事故が発生したときにその場でセーフゾーンへのパスを再計算し、社内のアラートツールにパスを伝達し、社内のアラートツールが現場の従業員に方向通知を送信します。

エンジニアはまた、シミュレーションと組み合わせたAI機能により、ターミナル全体のスループットが20%向上することを示しました。学習AIアルゴリズムは、集約された履歴データを利用して、トラックの割り当て戦略を改善し、ターミナルスループットを最適化するためのより多くの洞察を提供できます。エンジニアがアルゴリズムによって行われた決定を見たとき、それらはマネージャーによって行われたものと類似していました。これは、AIベースの意思決定をターミナルで実装し、他の貨物処理ステップに伝播してさらに改善できるという事実を証明しています。

AnyLogic Conference 2021でのMEVBのRoberto Revetriaによるプロジェクトプレゼンテーション:

同様のケーススタディ

その他のケーススタディ

各業界のケーススタディが記載されたパンフレットを入手(英語)

ダウンロード