Stapelvorgänge für leere Container: Fallstudie einer Abteilung für leere Container in Valparaiso, Chile

Die Herausforderung

von Felipe Hidalgo, Diego Aranda, Jimena Pascual (Pontificia Universidad Católica de Valparaíso), Alice E. Smith (Auburn University), und Rosa G. González-Ramirez (Universidad de Los Andes Chile)

Vorgestellt auf der Wintersimulationskonferenz 2017

Dieser Beitrag beschreibt ein detailliertes stochastisches Simulationsmodell, das mit einer transaktionalen Datenbank integriert ist, um die Abläufe in einem Leercontainerdepot zu modellieren. Leercontainerdepots sind in Lieferketten auf der ganzen Welt allgegenwärtig, aber es gibt so gut wie keine quantitative Forschung zur Bewertung von Betriebsstrategien oder Layout-Designs. In dieser Arbeit wird die Leistung von Betriebsstrategien in Bezug auf das Stapeln und Auslagern von Leercontainern ermittelt, um Empfehlungen für Verbesserungen der Strategien und - in Zukunft - für die Gestaltung des Yard-Layouts abzuleiten. Aufgrund der unsicheren Natur und der komplexen Abfertigungsvorgänge in einem Leercontainerdepot wurde ein Simulationsmodell als geeignetes Instrument zur Erreichung dieser Ziele gewählt. Die bisherigen Ergebnisse zeigen, dass die Strategien für das Umladen und die Auslagerung einen starken Einfluss auf die Effizienz des Depotbetriebs in Bezug auf die Umschlagzeiten der Lkw sowie die Auslastung der Ressourcen, einschließlich der Lagerkräne und des Personals, haben.

Einleitung

Der internationale Handel ist ein Schlüsselfaktor für die Entwicklung der Weltwirtschaft und erhöht den Bedarf an effizienten Lieferketten für den Vertrieb von Produkten und Dienstleistungen auf globalen Märkten (Rodrigue und Notteboom 2009). "Obwohl der Handel in den letzten Jahren nur mäßig auf das Wachstum des Bruttoinlandsprodukts (BIP) reagiert hat, werden die Nachfrage nach Seeverkehrsdienstleistungen und das Seehandelsvolumen weiterhin durch das globale Wirtschaftswachstum und die Notwendigkeit, Waren zu transportieren, bestimmt"(UNCTAD 2015). In dieser Hinsicht spielt der Landtransport von Fracht und leeren Containern eine Schlüsselrolle für die Effizienz der globalen Lieferketten, insbesondere an strategischen Einrichtungen wie Hafenterminals, intermodalen Bahnhöfen, Lagerhäusern oder Zolllagern.

In dieser Arbeit wird eine Analyse der aktuellen Umschlagsvorgänge in einem Leercontainerdepot (ECD) vorgestellt, das Dienstleistungen für verschiedene Reedereien anbietet, die mit dem Hafen von Valparaíso zusammenarbeiten. Das Depot befindet sich im Zwischenhafengebiet von Placilla (in den Vororten von Valparaíso), wo sich mehrere Depots und Zolllager befinden, um den Frachtumschlag und andere damit verbundene Dienstleistungen anzubieten. Der Hafen von Valparaíso ist der zweitgrößte Hafen Chiles in Bezug auf den Containerumschlag pro Jahr (gemessen in Twenty feet Equivalent Units, TEU) und liegt auf Platz 18 in der Region Lateinamerika und Karibik, laut der von der Wirtschaftskommission für Lateinamerika und die Karibik der Vereinten Nationen veröffentlichten regionalen Rangliste des TEU-Umschlags (ECLAC-UN 2017).

Das Ziel der in diesem Papier vorgestellten Analyse ist es, die derzeitige Leistung der operativen Maßnahmen in Bezug auf das Stapeln von Leercontainern auf der Werft zu ermitteln und Empfehlungen für verbesserte Stapelstrategien abzuleiten. In späteren Arbeiten werden diese Informationen verwendet, um die Frage der Neugestaltung des Yard-Layouts zu prüfen. Es ist wichtig zu erwähnen, dass die Stapelvorgänge in diesem Leercontainerdepot stark von der Marketingstrategie des Depots und den mit den Reedereien bestehenden Verträgen beeinflusst werden. Diese Verträge sehen eine gebührenfreie Lagerzeit vor, was die Anwendung einer FIFO-Politik (First In, First Out) für die Abfertigung von Leercontainern motiviert. Überschreitet ein leerer Container die gebührenfreie Lagerzeit, fallen für die Reederei weitere Kosten an. Dieses Merkmal unterscheidet sich von den Abläufen in den Werften eines Hafencontainerterminals. Aus diesem Grund stellt unsere Arbeit einen neuen Beitrag zur Literatur über den Containerumschlag dar, indem sie eine andere Anwendung von Stapelstrategien analysiert, als sie in einem Hafencontainerterminal zu finden sind. Gemeinsame Praktiken mit Hafencontainerterminals liegen in der Ähnlichkeit der Umschlaggeräte und der Tatsache, dass die Container am Boden gestapelt werden. Die Auslagerungsstrategien sind die, die sich unterscheiden, und dies wird bei der Entwicklung des Simulationsmodells und den Berechnungsexperimenten berücksichtigt. Der eigentliche technische Simulationsansatz ist anderen in der Literatur beschriebenen Ansätzen recht ähnlich.

Literaturübersicht

Mehrere Autoren haben logistische Probleme im Zusammenhang mit Umschlagoperationen an multimodalen Containerterminals untersucht, wobei sie sich hauptsächlich auf Seehafenoperationen konzentrieren (Steenken et al. 2004; Stahlbock und Voβ 2008; Bierwirth und Meisel 2010; Bierwirth und Meisel 2015). Insbesondere Carlo et al. (2014) geben einen Überblick und Forschungsrichtungen für den Betrieb von Hafenlagerplätzen. Sie unterscheiden zwischen den folgenden Hauptentscheidungsproblemen, die sich beim Betrieb von Lagerplätzen ergeben: (1) Gestaltung des Lagerplatzes, (2) Zuweisung von Lagerplätzen für Container, (3) Disposition und Routenplanung von Materialumschlaggeräten für die Ein- und Auslagerung von Containern und (4) Optimierung der Umlagerung von Containern. Von den neun von Carlo et al. (2014) identifizierten Forschungsbereichen trägt unsere Arbeit zu RA3 bei, in dem die Autoren auf die Integration von Binnenhäfen als erweiterte Lagerplätze in Containerterminals hinweisen. Dies hängt damit zusammen, dass wir eine Anlage betrachten, die typischerweise in der Hafenumschlagszone (Nahverkehr) oder vielleicht im Hinterland liegt. Und diese Leercontainerdepots dienen als ein Knotenpunkt der Hafenlieferkette.

Auf der taktischen und operativen Ebene wurden in der Literatur die Containerstapelungspolitik und das Problem der Lagerplatzzuweisung (einschließlich des Problems des Vorrangigen Rangierens und des Problems der Blockverschiebung) ausführlich behandelt (Kim und Kim 1999; Kang et al. 2006; Lee und Hsu 2007; Park et al. 2011; Chen und Lu 2012). Auf strategischer Ebene wurden in der Literatur auch Probleme bei der Gestaltung von Lagerplätzen behandelt, jedoch nicht so ausführlich wie Strategien und Maßnahmen zur Stapelung von Containern. Das Yard-Design ist ein einflussreicher Faktor für die Produktivität des Containerumschlags (Kim et al. 2008) und erfordert daher strategische Entscheidungen für das Yard-Layout und die Anzahl und Platzierung der Gänge (die die Containerblöcke umgeben). Mehrere Autoren haben sich auf die Analyse der Layoutgestaltung und der strategischen Entscheidungen im Zusammenhang mit der Anschaffung von Ausrüstung in Hafenterminals konzentriert (Wiese et al. 2011; Lee und Kim 2013; Kemme 2012; Taner et al. 2014).

Leercontainerumschlag: Analyse der aktuellen Situation

Das Placilla-Depot wurde ausgewählt, weil es typisch für solche Depots ist und einen umfassenden Informationszugang bietet. Das Depot ist in zwei Hauptbereiche unterteilt: Kühlcontainer und Trockencontainer. In diesem Papier werden wir nur die Vorgänge im Trockencontainerbereich betrachten. Unser Ansatz und ein Großteil unserer Analyse sind jedoch auch auf den Kühlcontainerbetrieb anwendbar. Abbildung 1 zeigt eine schematische Darstellung des Trockencontainerbereichs der ECD sowie die Toreinfahrt, über die externe Lkw in die ECD ein- und ausfahren, um Container abzuholen (Gate-Out-Prozess) oder anzuliefern (Gate-In-Prozess). In dieser Anlage lagern zu jedem Zeitpunkt etwa 2.000 Container.

Wie in Abbildung 1 dargestellt, befindet sich an der Hauptstraße eine Inspektionszone, in der alle ankommenden Container kontrolliert werden. Bei der Inspektion werden die Container nach Größe (40' oder 20') getrennt und als betriebsbereit oder beschädigt eingestuft. Der betriebsbereite Zustand wird in drei verschiedene Kategorien eingeteilt, die von nahezu perfekt über akzeptabel bis hin zu geringfügig nutzbar reichen. Es gibt einen Wartungsbereich, in dem die Container repariert und gereinigt werden. Die breiten Straßen ermöglichen den Betrieb vonReachstacker-Kränen(oderTopplifter-Kränen) und den Umschlag beider Containertypen (20' oder 40'), mit Ausnahme der Straße 1. Straße 1 ist eine Einbahnstraße und wird von den Gate-in-LKWs benutzt, um in den Kontrollbereich für Trockencontainer zu gelangen. Die hintere Straße dient als Zufahrtsspur für Gate-Out-Lkw, die einen Container aus einem bestimmten Block abholen, und als Ausfahrtsspur für alle Lkw. Die verschiedenen Abschnitte sind in Containerblöcke unterteilt, die je nach Größe und Klasse einem bestimmten Kunden zugewiesen sind, wobei jedoch häufig zwei Containerklassen im selben Block gelagert werden (die Blöcke sind in zwei Hälften geteilt, und die Container der beiden verschiedenen Klassen werden von den gegenüberliegenden Enden des Blocks aus erreicht). Jeder Block hat eine Kapazität von acht Containern in der Tiefe(Reihe) und bis zu sieben Containern in der Höhe(Etage). Insgesamt gibt es 74 Blöcke, von denen 38 40 Fuß lang und 36 20 Fuß lang sind. In einer BAROTI-Notation sind für jeden Container Feld, Reihe und Etage angegeben, so dass er lokalisiert werden kann.

Die vertraglichen Regelungen des Leercontainerdepots sehen vor, dass die Container in einer FIFO-Reihenfolge abgerufen werden. Dies ist vorgeschrieben, da das Depot eine freie Lagerzeit für die Leercontainer anbietet, so dass die Reederei verlangt, dass die zuerst eintreffenden Container zuerst abgefertigt werden, um etwaige Lagergebühren zu vermeiden, die anfallen könnten, wenn die Container die freie Lagerzeit überschreiten.

Die Lösung

Problembeschreibung und Simulationsmodell

Die Entscheidungsvariablen, die wir in das Modell einbezogen haben, waren die Vorgänge des Umladens, Stapelns und Auslagerns von Leercontainern. Wir modellierten auch das Layout des Yards und der Transportspuren. Außerdem haben wir die Anlieferungen und Abholungen von Containern stochastisch abgebildet, zusammen mit Zufallsvariablen zur Darstellung des Zustands eines bestimmten Containers (und damit seines Wartungs- oder Reparaturbedarfs). Aufgrund der Komplexität dieses stochastischen Systems schlagen wir die Verwendung eines ereignisdiskreten Simulationsmodells mit einer entsprechenden Datenbank vor, um verschiedene Strategien und Konfigurationen zu bewerten. Die zu berücksichtigenden Leistungskennzahlen sind die erwarteten LKW-Umlaufzeiten (Zykluszeiten), die Auslastung der Hofkräne und die Verweildauer der Container (Zeit im System). Ein im Modell berücksichtigter Aspekt ist, dass Container in zugewiesenen Blöcken exklusiv für jeden Kunden gestapelt werden müssen.

Um die Abläufe im Depot darzustellen, wurden Daten aus drei Quellen gesammelt. Erstens haben wir eine bereits von der ECD durchgeführte Studie berücksichtigt, um Daten über den Ankunftsprozess zu sammeln. Zweitens sammelten wir unsere eigenen Felddaten zu verschiedenen Prozesszeiten, und drittens gewährte das Depot Zugang zu den Daten in seiner ERP-Datenbank. Wir erstellten detaillierte stochastische Modelle der folgenden Funktionen: Gate-In, Gate-Out, Massenbewegungen (wenn ein Kunde eine große Anzahl von Containern zur Neupositionierung leer verschifft haben möchte) und Remarshalling von Containern (Neuorganisation eines Blocks, um zukünftige Containerabrufe zu erleichtern). Zu diesem Zweck wurde das Equipment in Bezug auf die Dauer der einzelnen Bewegungen modelliert. So bewegen sich beispielsweise die Lastwagen mit einer bestimmten Geschwindigkeit, und die benötigte Zeit hängt von der im Depot zurückgelegten Strecke ab. Auch die Kräne bewegen sich mit einer bestimmten Geschwindigkeit auf dem Hof, und das Be- und Entladen von Containern hängt von der Höhe der Container in der Ebene ab. Darüber hinaus sind die Betriebszeiten für Inspektion, Wartung und so weiter stochastisch. Zusammenfassend lässt sich sagen, dass wir das Modell so detailliert wie pragmatisch möglich gestaltet und die Vorgänge auf der Grundlage der tatsächlichen Daten aus den drei oben genannten Quellen mit Wahrscheinlichkeitsverteilungen wie Dreiecks- oder Exponentialverteilungen versehen haben (weitere Einzelheiten hierzu finden sich in Tabelle 1). Der in Abbildung 2 beschriebene Gate-in-Prozess ist ein Beispiel für die Logik, wie sie in der Simulation modelliert wurde.

In dem in Simio erstellten Simulationsmodell werden Lkw und Container alsEntitätendargestellt, die durchKombinatorenundSeparatoren(für Be- und Entladevorgänge) miteinander in Beziehung stehen.Serverwerden für Gate-in, Gate-out und Inspektionsvorgänge verwendet. Das Depot-Layout wird durchPfade,Knotenundabgetrennte Warteschlangendargestellt und diese Elemente werden in einerTabelle organisiert. Kräne werden alsFahrzeuge dargestellt. Die Logik der Depotoperationen ist inProzessmodulenaufgebaut, die die Reihenfolge oder Route der LKWs und alle Krananforderungen für Aktivitäten wie Blockumlagerung oder Wartung definieren.

Die Simulation wird mit Informationen über die Container im Depot initialisiert; diese Daten werden zu einem bestimmten Zeitpunkt aus dem realen System bezogen. Das Modell interagiert mit einer externen Datenbank (SQL Server), die die gesamte Datenverarbeitung durchführt. Während des Simulationslaufs werden die Abfragen und Aktualisierungen dieser Datenbank inProzessmodulendurchgeführt. Es gibt drei externe Datenbanken, die während des Simulationslaufs verwendet werden können. Die wichtigste dieser Datenbanken registriert die aktuelle Position und alle anderen Attribute aller im Depot gelagerten Container. Für diese Datenbank sind mehrere Abfragen und Prozeduren implementiert. Diese Prozeduren berechnen die Zeit, die ein Kran benötigt, um einen Container aus einem Block zu holen oder einen Block umzulagern; außerdem wird eine Position für alle ankommenden Container entsprechend ihrer Klassifizierung bestimmt und die endgültige Position der verschobenen oder umgelagerten Container ermittelt. Die beiden anderen Datenbanken enthalten dementsprechend die Historie aller Container- oder Lkw-Bewegungen und sind für Validierungszwecke besonders nützlich, da sie die vom realen System verwendeten Datenbanken nachbilden. Spezifische Einzelheiten des Simulationsmodells für den Containerstapelvorgang sind in Abbildung 3 dargestellt. Wie in der Abbildung zu sehen ist, beginnt der Prozess, wenn wir einem Container im Yard einen Stapelplatz zuweisen müssen. Der Prozess umfasst die entsprechende Aktualisierung in der Datenbank.

Abbildung 4 zeigt den im Modell dargestellten Vorgang der Containerauslagerung. Dieser Vorgang findet statt, wenn ein Container aus einem Block entnommen werden muss, um ihn auf einen LKW zu verladen oder um ihn im Yard umzulagern.

Die Umlagerung von Containern, auchHousekeeping genannt, ist in Abbildung 5 dargestellt. Wie im Simulationsmodell dargestellt, besteht dieser Vorgang in der Verlagerung von Containern von ihren aktuellen Positionen, um zukünftige effiziente Auslagerungsvorgänge zu erleichtern und die Servicezeiten für die externen Lkw zu reduzieren.

Im Simulationsszenario betrachten wir die Betriebszeiten von 8:00 Uhr morgens bis 18:30 Uhr abends. An Tagen mit hoher Nachfrage, d. h. wenn massive Auslieferungsfahrten programmiert sind, wird die Arbeitsschicht auf die Nacht ausgedehnt (24-Stunden-Betrieb). Während der Mittagspause (13:30 - 15:30 Uhr) wird die Kapazität um die Hälfte reduziert. Die vier Top-Lifter-Kräne arbeiten in einer FIFO-Anforderungsreihenfolge. Housekeeping-Operationen (bei denen Container umgelagert werden, um die Auslagerung zu verbessern) werden während der Leerlaufzeiten durchgeführt (obwohl wir auch explizite Umlagerungen in Betracht ziehen, wie später in diesem Dokument beschrieben). Die Bedienung der im Depot eintreffenden Lkw erfolgt nach dem FIFO-Prinzip, mit Ausnahme massiver Bewegungen, die im Allgemeinen mit Umpositionierungsvorgängen einer Reederei verbunden sind. Jeder Block des Depots ist einem einzigen Kunden zugewiesen, und die Container werden je nach Zustandsklasse getrennt (zwei Klassen können in demselben Block gemischt werden, wenn die Nachfrage im Depot hoch ist). Beschädigte Container, die zur Wartung oder Reparatur freigegeben wurden, werden um 8:00 Uhr morgens in den Wartungsbereich gebracht, und um 19:00 Uhr werden die reparierten Container zurück in den Yard gebracht und an geeigneten Stellen gestapelt.

Unter Berücksichtigung der historischen Datenbank des untersuchten Leercontainerdepots haben wir für jede Eingabevariable einen Goodness-of-Fit-Test durchgeführt, um eine geeignete Wahrscheinlichkeitsverteilung für die Simulationsexperimente zu bestimmen. Die Ergebnisse sind in Tabelle 1 dargestellt. Beachten Sie, dass wir für den Gate-Out-Prozess sowohl die Einfahrts- als auch die Ausfahrtszeiten der Lkw berücksichtigen, während wir im Falle des Gate-In-Prozesses nur die am Gate benötigte Zeit berücksichtigen.

Tabelle 1: Eingabevariablen und ihre Wahrscheinlichkeitsverteilungen (alle Einheiten in Sekunden).

Es wurde ein Versuchsplan festgelegt, um die verschiedenen Maßnahmen im Depot und ihre Auswirkungen auf die interessierenden Ergebnisvariablen zu analysieren. Der Versuchsplan enthielt die folgenden Eingangsparameter:

• Abrufpolitik - wir betrachteten vier Versionen: Einfachste Auslagerung (ET) und drei Varianten von FIFO. Die FIFO-Varianten sind: FIFO-strict (SF); FIFO-relaxed mit einem 5-Tage-Fenster (RF5) und FIFO- relaxed mit einem 10-Tage-Fenster (RF10).
• Rückrufpolitik - wir haben vier Varianten in Betracht gezogen: kontinuierlicher Rückruf, den ganzen Tag (DR), Rückruf einmal am Tag (1R), Rückruf zweimal am Tag für kürzere Zeiträume (2R) und Rückruf zweimal am Tag für längere Zeiträume (3R). Ein oder zwei Krane wurden für die Rückholvorgänge eingeteilt.

Das oben beschriebene Design ergibt eine volle Faktorialität von 16 Kombinationen, die im Simulationsmodell getestet wurden. Die Anzahl der Wiederholungen variierte je nach Komplexität des getesteten Szenarios, aber die Genauigkeit der mittleren Schätzung blieb immer gleich. Die Konfidenzintervalle liegen bei 95 %, und für die meisten Szenarien waren etwa 100 Wiederholungen erforderlich, während für die Szenarien mit geringer Variabilität (d. h. für die Abrufpolitik "einfachste Auswahl") nur 20 Wiederholungen erforderlich waren. Jede Replikation besteht aus 365 Tagen und berücksichtigt 180 Tage der Aufwärmphase.

Die geschäftlichen Auswirkungen

Ergebnisse und Diskussion

Eine ANOVA-Analyse ergab, dass die Abrufpolitik, die Rückrufpolitik und die Wechselwirkung zwischen beiden statistisch hoch signifikant sind. Dies gilt für alle betrachteten Ergebnisvariablen. Diese Ergebnisse sind nicht überraschend. Erstens sind die Ergebnisvariablen in gewisser Weise korreliert (eine lange Warteschlange führt beispielsweise zu einer längeren Verweildauer im System). Zweitens sind die Auswirkungen der abzurufenden Container und der Umfang des Rückrufs offensichtlich von Bedeutung.

Interessanter sind jedoch einige der detaillierten Auswirkungen, die in den folgenden Abbildungen dargestellt sind. Abbildung 6 zeigt die Auswirkungen der verschiedenen Regeländerungen auf die Reaktionsvariable, die mittlere Lkw-Umlaufzeit (Zeit im System) für die Vorgänge Gate-in und Gate-out. Für jede Auslagerungspolitik - von links nach rechts sind dies einfachste Auslagerung (ET), entspanntes FIFO innerhalb von 5 (RF5) oder 10 (RF105) Tagen und striktes FIFO (SF) - und für jede Rückverlagerungspolitik - einmal pro Tag (1R), zweimal pro Tag kürzer (2R), zweimal pro Tag länger (3R) und ganztägig (DR) - sind auf derx-Achse, während die Lkw-Umlaufzeit in Minuten auf dery-Achsedargestellt ist. Die Abbildung zeigt die resultierende Zeit im System für drei Bedingungen: Eingangstor, normales Ausgangstor und Ausgangstor für Sendungen. Gate-in entspricht der Zeit im System für die Lkw, die einen Container im Depot absetzen. Dabei wird die Zeit berücksichtigt, die beginnt, wenn der Lkw in die Warteschlange für die Inspektion des Containers einfährt, und endet, wenn der Lkw das Depot verlässt. Das normale Gate Out misst die Zeit im System für die Lkw, die im Depot ankommen, um einen bestimmten Container abzuholen, der an einen Verlader geliefert werden soll. Dabei wird die Zeit von der Einfahrt des Lkw in die Warteschlange am Gate bis zur Ausfahrt des Lkw aus dem Depot berücksichtigt. Shipment Gate-out entspricht der Zeit im System der Lkw, die einen Batch-Transport von Containern zum Hafen durchführen (Massenbewegungen). Shipment Gate-Out und Normal Gate-Out unterscheiden sich dadurch, dass die Lkw unterschiedliche Ankunftsmuster haben und der Betriebshof die Vorgänge in verschiedenen Warteschlangen und Servern organisiert.

Wie in Abbildung 6 zu sehen ist, kann das Depot am effizientesten arbeiten, wenn die vertraglichen Vereinbarungen mit den Reedereien ignoriert werden (Fall ET). Dies ist aus Sicht des Depots ideal, lässt aber die Kosten außer Acht, die den Reedereien durch die Lagergebühren entstehen. Am anderen Ende des Spektrums führt die strenge FIFO-Regel, die für die Verlader am günstigsten ist, zu längeren Bearbeitungszeiten, die jedoch durch die Rückverlagerung weitgehend gemildert werden können. Eine Lockerung der FIFO-Regel bringt vor allem im Fall der minimalen Rückverlagerung (1R) Verbesserungen mit sich. Um die Bearbeitungszeiten zu verkürzen, ist es am besten, die Sendungen zweimal am Tag für längere Zeiträume umzupacken. Bei der Option des ganztägigen Umladens (DR) ist ein Kran (Kran 4) sogar während der Spitzenzeiten für das Umladen zuständig und steht somit nicht für die Bedienung von Abhol- oder Lieferfahrzeugen zur Verfügung. Dies führt dazu, dass sich die durchschnittlichen Zeiten (Gate-in und beide Arten von Gate-outs) erhöhen.

Abbildung 7 hat die gleichex-Achse, aber diey-Achsezeigt die durchschnittliche Auslastung der vier Krane und die Auslastung des Hauptkrans, der für die Umladetätigkeiten verwendet wird. Strenges FIFO erfordert mehr aktive Krane, während die Rückholung des am leichtesten zu erreichenden Containers die Krane am wenigsten Zeit in Anspruch nimmt. Interessant ist, dass sich die Umlagerungsstrategien auf die Kranauslastung bei den drei FIFO-Versionen auswirken. Mehr Umlagerungen führen zu einer geringeren Kranauslastung, mit Ausnahme von Kran 4, der den ganzen Tag für Umlagerungen eingesetzt wird (beachten Sie die 100%ige Auslastung). Dies mag kontraintuitiv erscheinen, aber die zusätzliche Zeit, die für das Umlagern der Container aufgewendet wird, gleicht sich mehr als aus, wenn es um die Auslagerung bestimmter Container geht.

Schließlich betrachten wir die Anzahl der Tage, die ein Container im Depot verbringt. Abbildung 8 zeigt dies, wiederum mit der gleichenx-Achsefür die verschiedenen Politikkombinationen. Diey-Achsezeigt den prozentualen Anteil von zwei Dingen. Bei den ersten drei Reihen handelt es sich um die Verweildauer der Container, die das Depot verlassen haben, gruppiert in drei Statistiken (%OUT): diejenigen, die weniger als 8, 10 und 12 Tage im Depot verbracht haben. Die zweite der drei Reihen zeigt die zeitliche Zusammensetzung (in Bezug auf die Verweildauer der Container im Depot) der Container, die im Depot verbleiben (%DEPOT). Anhand dieses Vergleichs können wir die Auswirkungen verschiedener Abrufstrategien erkennen. Die meisten Behälter verbleiben weniger lange im Depot, wenn sie mit der einfachsten Methode (ET) abgerufen werden. Allerdings verbringen einige Behälter bei dieser Strategie sehr viel Zeit im Depot. Das liegt daran, dass leicht zugängliche Behälter schnell nach ihrer Ankunft im Depot abgerufen werden, während weniger leicht zugängliche Behälter nur bei Bedarf abgerufen werden (d. h. wenn sich weniger Behälter im Depot befinden). Bei den FIFO-Auslagerungsregeln ist die Umschlagshäufigkeit der Container besser, da weniger als 30 % der Container zu einem bestimmten Zeitpunkt länger als 15 Tage im Depot stehen (im Vergleich zu den ca. 60 % im Fall von ET). Das Umladen hat keine auffälligen Auswirkungen auf diese Output-Variable.

Schlussfolgerungen und Empfehlungen für die weitere Forschung

Die im vorangegangenen Abschnitt dargestellten Ergebnisse ermöglichen die Bewertung verschiedener Auslagerungs- und Rückverlagerungsstrategien in unterschiedlichen Szenarien. Die Zahlen sind repräsentativ für diejenigen, die wir für die Betrachtung der Depotverwaltung erstellt haben. Während einige Ergebnisse erwartungsgemäß und intuitiv sind, sind andere es nicht. Und selbst für die erwarteten Ergebnisse quantifiziert das Simulationsmodell die Auswirkungen auf klare Weise. Auf der Grundlage der gefundenen Ergebnisse stellen wir fest, dass das strenge FIFO zu höheren Betriebszeiten für das Depot und auch für die Nutzer (LKW-Unternehmen) führt, die leere Container abholen und abliefern. Das Depot könnte die kommerziellen Vereinbarungen mit den Reedereien überprüfen und die Verträge neu verhandeln, so dass eine lockere FIFO-Politik zur Reduzierung der Betriebszeiten eingesetzt werden könnte. Dies wird auch durch die Ergebnisse gestützt, wonach die ET-Politik zu geringeren Verweilzeiten der Container führte. In der Tat hat die ET-Politik sowohl für den ECD als auch für seine Kunden viele attraktive Aspekte. Diese Politik unterscheidet sich grundlegend von der derzeitigen Politik des strikten FIFO, aber die Analyse des Simulationsmodells ist überzeugend, dass das ET-Modell zumindest in Betracht gezogen werden sollte.

In Zukunft wird dieses Simulationsmodell als virtueller Prüfstand dienen, um innovativere Auslagerungsstrategien, komplexere Umlagerungsstrategien und die Layout-Konfiguration des Lagers selbst zu untersuchen. Als weitere Forschungsarbeit schlagen wir vor, das Simulationsmodell zu erweitern, um verschiedene Layouts des Leercontainerdepots zu berücksichtigen und verschiedene Konfigurationen unter verschiedenen Auslagerungs- und Umlagerungsstrategien zu bewerten. Die ECD wird in der Lage sein, andere Layout-Konfigurationen zu bewerten, die die Stapelkapazität des Leercontainerdepots erhöhen können. Darüber hinaus kann die ECD die quantitativen Ergebnisse nutzen, um die aktuellen Vertragsbedingungen mit den Reedereien neu zu verhandeln. Wir empfehlen auch die mögliche Einführung eines LKW-Benachrichtigungssystems, um mehr Informationen über die Ankunftsmuster und die Reihenfolge der LKWs zu erhalten. Es sei auch darauf hingewiesen, dass in diesem Papier zwar eine spezifische Fallstudie vorgestellt wird, die Komponenten des Simulationsmodells und der Ansatz zur Entwicklung, Validierung und Nutzung der Simulation jedoch allgemein sind. Es ist wahrscheinlich, dass Tausende solcher ECDs rund um den Globus von diesem Ansatz profitieren können.

DANKSAGUNG

Dieses Projekt wurde zum Teil von CONICYT Chile, Projekt MEC 80140051, und von der Fulbright-Kommission unterstützt.