Modelli e algoritmi di ottimizzazione per la gestione di terminali marittimi per container

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Modelli e algoritmi di ottimizzazione per la gestione di terminali marittimi per container"

Italo Pace
8 anni fa
Visualizzazioni

1 Modelli e algoritmi di ottimizzazione per la gestione di terminali marittimi per container M. Gaudioso, M.F. Monaco, M. Sammarra, G. Sorrentino DEIS - Università della Calabria A. Astorino, L. Moccia ICAR-CNR J.-F. Cordeau, G. Laporte CIRRELT - Université de Montréal

Sorrentino DEIS - Università della Calabria A. Astorino, L.

2 Contesto Applicativo: Il Porto di Gioia Tauro Infrastrutture Portuali Piazzale MCT (1) Banchina MCT (2) Pescaggio banchina Piazzale BLG (3) Banchina BLG (4) Banchina Traffico Commerciale e passeggeri (5) Marina (6) 140 ha 3.40 km -15m, -18m 24 ha 0.38 km 0.92 km 0.24 km Teus Movimentati nel

Banchina BLG (4) Banchina Traffico Commerciale e passeggeri (5) Marina (6)

3 Layout di un Terminal di Transshipment

4 Problemi di gestione LATO BANCHINA Pianificazione degli ormeggi Schedulazione delle gru Pianificazione carico/scarico LATO PIAZZALE Assegnazione delle aree (Decisioni Tattiche) Posizionamento dei container TRASPORTO Movimentazioni dei container banchina-piazzale RISORSE UMANE Turnistica di lungo periodo Gestione della flessibilità a breve periodo

Tattiche) Posizionamento dei container TRASPORTO Movimentazioni dei container

5 Pianificazione degli ormeggi OBIETTIVO Assegnare alle navi in arrivo una posizione nello spazio (banchina) e nel tempo (sequenza di servizio) al fine di rendere minimo il tempo totale di permanenza in porto (attesa + servizio)

nel tempo (sequenza di servizio) al fine di rendere

6 Foglio di lavoro

7 Approcci Risolutivi (BAP) In base alle limitazioni temporali (Time Windows) imposte, nell orizzonte di pianificazione, sui punti di ormeggio e/o navi: 1. Modello di Scheduling dinamico su macchine non correlate (Euristica Lagrangiana) 2. Modello di Vehicle Routing con Time Windows (Algoritmo Tabu Search)

Modello di Scheduling dinamico su macchine non correlate (Euristica

8 Scheduling delle gru di banchina OBIETTIVO Determinare il carico di lavoro (baie da caricare e/o scaricare) per ciascuna gru al fine di minimizzare il tempo di servizio della nave (makespan). VINCOLI OPERATIVI Precedenze e non contemporaneità tra coppie di task

fine di minimizzare il tempo di servizio della nave (makespan).

9 Approcci risolutivi QCSP Modello di VRP con side constraints 1. Algoritmo esatto di tipo Branch-and-Cut 2. Algoritmo Euristico di tipo Tabu Search

10 Pianificazione carico/scarico (work in progress) Piano di Pre-Stivaggio Piano di Stivaggio OBIETTIVO Assegnare ad ogni slot (baia,riga,tiro) un container di una data classe, indicata nel piano di Pre-Stivaggio, al fine di minimizzare il tempo totale di carico (trasporto dal piazzale + reshuffling) VINCOLI OPERATIVI Port Rotation, Peso decrescente verso l alto degli stack di container, stabilità della nave.

Pre-Stivaggio, al fine di minimizzare il tempo totale di carico (trasporto dal piazzale + reshuffling)

11 Posizionamento dei container 1. Allocare o riallocare, nello yard, gruppi di container che condividono la nave di arrivo e quella di partenza 2. Ridurre le operazioni di housekeeping

12 Decisioni tattiche: assegnazione delle aree OBIETTIVO Assegnare le aree di piazzale alle linee di navigazione (Servizi) in modo tale da minimizzare le operazioni di rehandling nello yard (ovvero assegnare aree contigue a Servizi con elevata interazione).

tale da minimizzare le operazioni di rehandling nello yard

13 Approcci risolutivi SAP Modello di Assegnamento Quadratico Generalizzato con side constraints Algoritmo Euristico di tipo Memetico

14 Housekeeping OBIETTIVO Allocare o riallocare, nello yard, gruppi di container che condividono la nave di arrivo e quella di partenza, in modo da ottimizzare le operazioni di trasferimento. VINCOLI OPERATIVI VINCOLI OPERATIVI Capacità del piazzale, distanza max tra punti di carico/scarico e posizione nel piazzale, numero max di riallocazioni consentite.

15 Approcci risolutivi DGAP Modello di Assegnamento Generalizzato Dinamico con side constraints 1. Algoritmo Euristico basato su tecniche di Generazione di Colonne 2. Metaeuristica di tipo GRASP

16 Gestione delle movimentazioni Gioia Tauro utilizza un sistema di trasporto diretto basato su Straddle Carrier

17 Impiego degli straddle carrier Modalità dedicata (GANG) Modalità condivisa (POOLING) OBIETTIVO Assegnare a ciascun SC del pool la sequenza di container da movimentare, in modo da massimizzare la produttività delle gru, o minimizzare il tempo totale di viaggio a vuoto.

sequenza di container da movimentare, in modo da massimizzare la

18 Approcci risolutivi SCPP Modello di Scheduling Dinamico su macchine parallele identiche 1. Algoritmo Euristico basato su tecniche di Rolling Horizon 2. Regola di Dispatching che implementa una politica Lookahead

Algoritmo Euristico basato su tecniche di Rolling

19 PECULIARITA Turnistica del personale di terra Risorse Umane Domanda di forza lavoro variabile e non nota con certezza nell orizzonte di pianificazione Operatività del terminal continua nel tempo OBIETTIVO Assegnare a ciascun lavoratore una schedula (sequenza di periodi di lavoro e di riposo) ammissibile (rispetto alle norme contrattuali) in modo da coprire, a costo minimo, la domanda di servizio sull orizzonte di pianificazione. Decomposizione del problema in due fasi 1. Pianificazione di lungo termine (30 giorni) 2. Pianificazione di breve termine (24 ore)

lavoro e di riposo) ammissibile (rispetto alle norme contrattuali) in modo da coprire, a costo minimo, la domanda di servizio sull orizzonte

20 Turnistica di lungo periodo Unità di riferimento: SQUADRA OBIETTIVO Costruire un insieme di schedule ammissibili (secondo clausole contrattuali) e assegnare una schedula a ciascuna squadra in modo da soddisfare, al meglio, la domanda di servizio stimata. Modello: Problema tipo Set Covering in forma di ammissibilità (nessun costo da considerare). Algoritmo euristico.

squadra in modo da soddisfare, al meglio, la domanda di servizio stimata.

21 Gestione della flessibilità a breve periodo DECISIONI Assegnare una mansione a ciascun lavoratore Assegnare un turno di lavoro ai lavoratori flessibili Assegnare i turni di raddoppio Scegliere il numero di lavoratori esterni da convocare OBIETTIVO Determinare la composizione ottimale delle squadre in servizio nella giornata al fine di minimizzare il costo del lavoro = ordinario + straordinario (raddoppio) + esterno. Modello di PLI strutturato Algoritmo Branch-and-Bound ad hoc che sfrutta le particolarità strutturali del modello

22 Riferimenti Legato, P and Monaco, MF (2004). Human resources management at a marine container terminal. European Journal of Operational Research 156(3): Cordeau, J-F, Laporte, G, Legato, L and Moccia, L (2005). Models and tabu search heuristics for the berth allocation problem. Transportation Science 39(4): Cordeau, J-F, Gaudioso, M, Laporte, G and Moccia, L (2006). A memetic heuristic for the generalized quadratic assignment problem. INFORMS Journal on Computing 18(4): Moccia, L, Cordeau, J-F, Gaudioso, M and Laporte, G (2006). A branch-and-cut algorithm for the quay crane scheduling problem. Naval Research Logistics 53(1): Cordeau, J-F, Gaudioso, M, Laporte, G and Moccia, L (2007). The service allocation problem at the Gioia Tauro maritime terminal. European Journal of Operational Research 176(2): Moccia, L (2007). A new model for the yard management in a transshipment container terminal. Proceedings of the XXXVIII Annual Conference of the Italian Operations Research Society.. Moccia, L and Astorino, A (2007). The group allocation problem in a transshipment container terminal. World Conference on Transport Research, University of California at Berkeley, June Moccia, L, Cordeau, J-F, Monaco, MF and Sammarra, M (2007). Formulations and solution algorithms for a dynamic generalized assignment problem. Technical Report CIRRELT- Université de Montrèal in corso di revisione su Computers & Operations Research. Monaco, MF and Sammarra, M (2007). The berth allocation problem: a strong formulation solved by a Lagrangean approach. Transportation Science 41(2): Sammarra, M, Cordeau, J-F, Laporte, G and Monaco, MF (2007). A tabu search heuristic for the quay crane scheduling problem. Journal of Scheduling 10(4-5): Monaco, MF, Sammarra, M and Sorrentino G (2008). Scheduling and dispatching models for routing straddle carriers at a container terminal.technical Report DEIS, in corso di revisione su Operations Research. Monaco, MF, Sammarra, M (2008). The Ship Stowage Planning Problem. In Proceedings of the XI International Workshop on Harbor, Maritime and Multimodal Logistics Modeling & Simulation. Bruzzone A., Longo F., Merkuriev Y., Mirabelli G., Piera M.A. Eds. Monaco, M.F., Moccia, L., and Sammarra, M. (2009). Operations Research for the management of a transshipment container terminal. The Gioia Tauro case. Maritime Economics & Logistics. To appear.

Documenti analoghi

Corso di Gestione dei sistemi di trasporto. Cap. 10 Pianificazione e ottimizzazione di terminal container. S. Sacone, S.

Corso di Gestione dei sistemi di trasporto Cap. 10 Pianificazione e ottimizzazione di terminal container S. Sacone, S. Siri - DIST Introduzione Negli ultimi anni si è fatta sempre più pressante l esigenza