ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΔΙΟΙΚΗΣΗ LOGISTICS ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΔΙΟΙΚΗΣΗ LOGISTICS ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ποσοτική ανάλυση και προσομοιωτική μελέτη της διαδικασίας φορτοεκφόρτωσης στον τερματικό σταθμό εμπορευματοκιβωτίων του Οργανισμού Λιμένος Θεσσαλονίκης Καρακάρη Δέσποινα Θεσσαλονίκη, 2012

2 ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή Γενικά Στόχος διπλωματικής εργασίας Δομή διπλωματικής εργασίας 3 2. Δομή και λειτουργίες τερματικών σταθμών λιμένων Δομή Μηχανολογικός εξοπλισμός Γερανογέφυρες Μέσα οριζόντιας μεταφοράς Λειτουργίες Φορτοεκφόρτωση πλοίου Μεταφορά κρηπιδώματος Λειτουργία χώρου στοιβασιάς Παραλαβή / Παράδοση Δείκτες παραγωγικότητας και απόδοσης Ποσοστά χρήσης (usage/utilization measures) Ποιότητα παροχής υπηρεσιών (quality of service) Δείκτες παραγωγής (production measures) Δείκτες παραγωγικότητας (productivity measures) Δείκτης συμφόρησης (congestion measure) Η προσομοίωση στους τερματικούς σταθμούς Ε/Κ Βιβλιογραφική ανασκόπηση Βιβλιογραφική ανασκόπηση Γενικά περί προσομοίωσης Μοντέλο προσομοίωσης λειτουργίας φορτοεκφόρτωσης Ε/Κ στον Οργανισμό Λιμένος Θεσσαλονίκης Η λειτουργία της φορτοεκφόρτωσης στον Ο.Λ.Θ Συλλογή και ανάλυση δεδομένων παραμέτρων εισόδου του συστήματος Εκτίμηση κατανομής χρόνων ενδοαφίξεων πλοίων Εκτίμηση κατανομής χρόνου εργασίας στις γερανογέφυρες 31

3 4.2.3 Εκτίμηση κατανομής αριθμού Γ/Φ ανά πλοίο Σχεδιασμός και ανάπτυξη μοντέλου προσομοίωσης Διαδικασία αφίξεων πλοίων Διαδικασία ανάθεσης αγκυροβολίων Διαδικασία φορτοεκφόρτωσης στις Γ/Φ Διαδικασία μεταφοράς των Ε/Κ στην αυλή αποθήκευσης Επικύρωση μοντέλου και ανάλυση αποτελεσμάτων Κατανομή πλοίων και container Χρόνοι διαχείρισης Ποσοστό χρήσης γερανογεφυρών Υποθέσεις και μειονεκτήματα μοντέλου προσομοίωσης Εναλλακτικά σενάρια λειτουργίας με προσομοίωση και ανάλυση επίδρασης της μεταβολής των παραμέτρων εισόδου Σενάριο εφαρμογής καθαρού χρόνου εργασίας στις γερανογέφυρες Ποσοτικοποίηση επίδρασης στην απόδοση της εμφάνισης βλαβών στις Γ/Φ Εφαρμογή μαθηματικού μοντέλου Έλεγχος επάρκειας του μαθηματικού προτύπου Συμπεράσματα εφαρμογής Σενάριο εγκατάστασης νέας γερανογέφυρας Σενάριο αύξησης του φόρτου εργασιών Σύνοψη και συμπεράσματα 87 Βιβλιογραφία 89 Παράρτημα 93 Α. Πίνακες 93 Β. Διαγράμματα 94

4 1 1 Εισαγωγή 1.1 Γενικά Οι λιμένες ανήκουν στον τριτογενή τομέα της παραγωγής γιατί παρέχουν υπηρεσίες προς τους πελάτες τους, δηλαδή τα πλοία, τα φορτία και τους επιβάτες. Οι σύγχρονοι λιμένες λειτουργούν ως επιχειρήσεις που επιδιώκουν την αποτελεσματική λειτουργία τους με στόχο την ικανοποίηση των πελατών τους. Για να παρέχει ικανοποιητικού επιπέδου υπηρεσίες προς τους πελάτες της, η λιμενική επιχείρηση εφαρμόζει μια παραγωγική διαδικασία που επιδιώκει ή οφείλει να επιδιώκει την αξιοποίηση με τον καλύτερο τρόπο όλων των συντελεστών παραγωγής (πληροφορία, τεχνογνωσία-κεφάλαιο, εργασία, έδαφος). Στα πλαίσια της παγκοσμιοποίησης οι μεταφορές διαδραματίζουν σημαντικότατο ρόλο για την οικονομία και τις διεθνείς εταιρείες. Η διακίνηση εμπορευμάτων με τη χρήση εμπορευματοκιβωτίων (Ε/Κ, container) έχει παρουσιάσει σταθερή αύξηση τις τελευταίες δεκαετίες, τάση η οποία και συνεχίζεται. Αυτός ο συνεχώς αυξανόμενος κύκλος εργασιών με container επιβάλλει στην ουσία τις λιμενικές αρχές να αυξήσουν την αποδοτικότητα των τερματικών σταθμών ώστε να στηρίξουν την εμπορευματική οικονομική ανάπτυξη και να διασφαλίσουν ότι οι λιμενικές υπηρεσίες προσφέρονται στα πλαίσια μια διεθνής ανταγωνιστικής βάσης. Άλλωστε, υπάρχει ομοφωνία στο γεγονός ότι οι λιμένες αποτελούν ζωτικό κρίκο της εφοδιαστικής αλυσίδας συμβάλλοντας ακόμα και στη διεθνή ανταγωνιστικότητα μιας χώρας (Chin, Tongzon, 1998) καθώς και ότι ο ανταγωνισμός πλέον έχει μεταφερθεί από επίπεδο μεταξύ εταιρειών σε επίπεδο μεταξύ εφοδιαστικών αλυσίδων. Συνεπώς, η αύξηση της απόδοσης αποτελεί θέμα ζωτικής σημασίας για τις λιμενικές αρχές. Ταυτόχρονα, τα υψηλά διαχειριστικά κόστη για τα πλοία και τους τερματικούς σταθμούς καθώς και η υψηλή κεφαλαιοποίηση πλοίων, container και λιμενικού εξοπλισμού απαιτούν μείωση των μη παραγωγικών χρόνων του λιμένα. Έτσι, η δυνατότητα για μείωση κόστους είναι μεγάλη και το θέμα δημιουργίας υποστηρικτικών εργαλείων βελτιστοποίησης και λήψης αποφάσεων γίνεται ακόμα πιο οξύ. 1.2 Στόχος διπλωματικής εργασίας Ένας σταθμός Ε/Κ (container terminal) αποτελεί το συνδετικό κρίκο μεταξύ πλοίων, σιδηροδρόμων και φορτηγών ενώ, όπως προαναφέραμε, αντιπροσωπεύει ένα σημαντικό κρίκο στην αλυσίδα των συνδυασμένων μεταφορών. Η απόδοση και παραγωγικότητα είναι απαραίτητες προϋποθέσεις και είναι αναγκαίο να πραγματοποιηθούν με βέλτιστο τρόπο από τις διαχειριστικές αρχές του λιμένα ειδικά στο σύγχρονο ανταγωνιστικότατο τομέα των λιμενικών μεταφορών. Επειδή οι εγκαταστάσεις ενός τερματικού σταθμού είναι πολύ ακριβές να δημιουργηθούν, αγοραστούν αλλά και να διαχειριστούν είναι πολύ σημαντικό να

5 2 καθοριστεί αν η υπάρχουσα δυναμικότητα εξοπλισμού είναι αρκετά μεγάλη και αποδοτική ώστε να διαχειριστεί τις ευμετάβλητες ροές container σε ορισμένες χρονικές περιόδους. Ο καθορισμός του αποτελέσματος αυτών των αλλαγών στη λιμενική απόδοση (container throughput), καθώς και η επιρροή διαφόρων επιχειρησιακών, τεχνολογικών και οικονομικών παραμέτρων στην απόδοση των διαδικασιών ενός τερματικού σταθμού, έχει μελετηθεί ευρέως με τη χρήση μοντέλων προσομοίωσης λιμένων. Το ζωτικό πρόβλημα διαχείρισης ενός τερματικού σταθμού είναι η βελτιστοποίηση στη διατήρηση ισορροπίας μεταξύ των πλοιοκτητών οι οποίοι ζητούν γρήγορη εξυπηρέτηση των πλοίων τους και των λιμενικών αρχών που στοχεύουν σε οικονομική διαχείριση των αντίστοιχων πόρων που αναθέτουν. Από τη στιγμή που τόσο τα πλοία όσο και οι λιμενικές εγκαταστάσεις είναι πολύ ακριβά είναι προφανώς επιθυμητό να χρησιμοποιούνται και τα δύο όσο πιο εντατικά γίνεται. Ωστόσο υπάρχουν ποικίλοι παράγοντες που επηρεάζουν τη λιμενική απόδοση και δημιουργούν προβλήματα διαχείρισης. Τέτοιοι παράγοντες είναι φυσικοί ή θεσμικοί (Bassan, 2007) και μπορούν να περιορίσουν την παραγωγικότητα των τερματικών σταθμών. Οι φυσικοί παράγοντες περιλαμβάνουν τη δυναμικότητα σε αγκυροβόλια (berths) ή αποθηκευτικό χώρο (χώρος στοιβασιάς,yard), την ποσότητα διαθέσιμου εξοπλισμού, τον τύπο των πλοίων και τα χαρακτηριστικά τους, τον είδος των berths και τη σχέση τους με τα πλοία (για παράδειγμα στο θέμα του βάθους), καθώς και την πρόσβαση στο οδικό δίκτυο. Η έλλειψη γερανών, ο ανεπαρκής χώρος ή το ανεπαρκές σύστημα αγκυροβόλησης, οι εγκαταστάσεις στις πύλες και οι περιορισμοί προσβασιμότητας αποτελούν άλλους τέτοιους πιθανούς φυσικούς παράγοντες. Από την άλλη, οι θεσμικοί περιοριστικοί παράγοντες περιλαμβάνουν κανόνες των εργατικών συλλόγων, τελωνειακούς όρους και κανόνες ασφαλείας, καθώς και διάφορες αναγκαιότητες που επιβάλλουν οι μεταφορείς στους διαχειριστές των τερματικών σταθμών. Όλοι αυτοί οι παράγοντες δημιουργούν προβλήματα διαχείρισης τα οποία έχουν να κάνουν με την ανάθεση αγκυροβολίων (berth allocation), τον προγραμματισμό των γερανογεφυρών (Γ/Φ, quay crane scheduling), το σχεδιασμό στοιβασιάς (stowage planning), τον προγραμματισμό των γερανογεφυρών για τις στοίβες (yard gantry crane scheduling) και τη διαχείριση των πυλών (gate operation). Η αποδοτική και αποτελεσματική διαχείριση ενός τερματικού σταθμού προϋποθέτει την ενδελεχή έρευνα και ανάλυση αυτών των προβλημάτων στα πλαίσια λήψης αποφάσεων. Τα λιμάνια έχουν περίπλοκη δομή λόγω της περίπλοκης δυναμικής των λειτουργιών τους. Ο χρόνος μεταξύ των αφίξεων των πλοίων είναι διαφορετικός, οι διαστάσεις των πλοίων διαφέρουν, υπάρχουν ποικίλα κρηπιδώματα (quays) και αγκυροβόλια (berths), οι

6 3 δυναμικότητες και οι παραγωγικότητες των γερανογεφυρών διαφέρουν, καθώς και άλλα θέματα τα οποία συμβάλλουν στην πολυπλοκότητα. Τέτοιες πολύπλοκες δομές είναι προτιμότερο να μελετώνται με τεχνικές προσομοίωσης παρά με αναλυτικές μεθόδους καθώς οι τελευταίες χάνουν σε λεπτομέρεια και ευελιξία με αποτέλεσμα να απλοποιείται η πραγματική κατάσταση. Από την άλλη, η μοντελοποίηση με προσομοίωση μπορεί να αντιπροσωπεύσει καλύτερα το δυναμικό, τυχαίο και πολύπλοκο περιβάλλον ενός τερματικού σταθμού, ειδικά στην περίπτωση παρουσίασης συγκεκριμένων διαδικασιών όπου διάφοροι παράμετροι και σενάρια πρέπει να ενταχθούν στη μελέτη (Dragovic et al, 2005). Έτσι λοιπόν, τα προσομοιωτικά μοντέλα μπορούν να χρησιμοποιηθούν για την αξιολόγηση της απόδοσης ενός τερματικού σταθμού, να παράγουν σενάρια που θα βοηθήσουν στη λήψη αποφάσεων, να αναλύσουν προβλήματα αναμονής και bottleneck ώστε να βελτιώσουν τις τεχνικές διαχείρισης των container, τον προγραμματισμό των πλοίων και φορτηγών, την αξιοποίηση του διαθέσιμου εξοπλισμού και γενικότερα την επιχειρησιακή αποδοτικότητα σε berth, yard και gate. Συνεπώς, η προσομοίωση μπορεί να πραγματοποιήσει τις πιο σημαντικές πλευρές των διαδικασιών σε έναν τερματικό σταθμό. Στην παρούσα διπλωματική εργασία θα αναπτύξουμε προσομοιωτικό μοντέλο που θα αφορά τις διαδικασίες logistics σχετικές με την άφιξη των πλοίων στον τερματικό σταθμό του Λιμένα Θεσσαλονίκης, τη φορτοεκφόρτωση των container, τη μεταφορά τους στην περιοχή στοιβασιάς (container yard) προς αποθήκευση και την αναχώρηση των πλοίων. Σκοπός είναι να αξιολογήσουμε την παρούσα απόδοση του τερματικού σταθμού, να εντοπίσουμε πιθανά bottlenecks καθώς και να «τρέξουμε» υποθετικά σενάρια τα οποία θα μας βοηθήσουν να αξιολογήσουμε τη δυναμικότητα των εγκαταστάσεων του λιμένα αλλά και να βελτιώσουμε την απόδοσή του. 1.3 Δομή διπλωματικής εργασίας Η διπλωματική εργασία έχει δομηθεί σε δύο μέρη. Το πρώτο μέρος (κεφάλαια 2-3) αποτελεί τη θεωρητική προσέγγιση της διπλωματικής, ενώ το δεύτερο μέρος (κεφάλαια 4-6) αποτελεί το πρακτικό μέρος αυτής και τα συμπεράσματα που πηγάζουν από τη εκπόνησή της. Πιο συγκεκριμένα, στο κεφάλαιο 2 παρουσιάζεται μια περιγραφική ανάλυση των δομών και λειτουργιών ενός τερματικού σταθμού Ε/Κ, με επιπλέον αναφορά στο μηχανολογικό εξοπλισμό που χρησιμοποιείται. Παράλληλα, στο τέλος του κεφαλαίου αυτού, αναλύονται και οι βασικότεροι δείκτες παραγωγικότητας και απόδοσης ενός Σ.ΕΜΠΟ. Έπειτα, το κεφάλαιο 3 επικεντρώνεται σε μια σύντομη περιγραφή της προσομοίωσης ως μεθόδου μελέτης ενός συστήματος, καθώς και του προγράμματος ARENA που είναι το βασικό εργαλείο που χρησιμοποιήσαμε για την εφαρμογή της προσομοίωσης.

7 4 Το δεύτερο μέρος της διπλωματικής εργασίας αποτελείται κυρίως από τα κεφάλαια 4 και 5 όπου περιγράφεται, αναπτύσσεται και αναλύεται το μοντέλο προσομοίωσης που σχεδιάστηκε για τη λειτουργία φορτοεκφόρτωσης του τερματικού σταθμού του Ο.Λ.Θ. Πιο συγκεκριμένα, στο κεφάλαιο 4 αρχικά περιγράφεται η λειτουργία της φορτοεκφόρτωσης ως διαδικασία και έπειτα παρουσιάζεται ο τρόπος συλλογής και ανάλυσης των δεδομένων που χρησιμοποιήθηκαν ως παράμετροι εισόδου στο σύστημα προσομοίωσης. Έπειτα, αναπτύσσεται και αναλύεται διεξοδικά ο σχεδιασμός του προσομοιωτικού μοντέλου, ενώ στο τέλος του κεφαλαίου πραγματοποιείται η επικύρωση του μοντέλου σε σχέση με το πραγματικό σύστημα και παρουσιάζονται αναλυτικά τα αποτελέσματα της προσομοίωσης. Στο κεφάλαιο 5 παρουσιάζεται η εφαρμογή τριών πειραμάτων προσομοίωσης υποθετικών σεναρίων λειτουργίας του τερματικού σταθμού, μεταβάλλοντας κάθε φορά κατάλληλα κάποιες συγκεκριμένες παραμέτρους εισόδου. Τα σενάρια αυτά, κατά σειρά, αφορούν (i) την απάλειψη των καθυστερήσεων βλαβών στις Γ/Φ ώστε οι τελευταίες να λειτουργούν με την πραγματική τους ταχύτητα, (ii) την υποθετική εισαγωγή μιας νέας Γ/Φ στο κρηπίδωμα και (iii) μια υποθετική αύξηση του φόρτου εργασίας στο λιμάνι. Τα αποτελέσματα προσομοίωσης των τριών αυτών πειραμάτων αναλύονται διεξοδικά και εξάγονται χρήσιμα συμπεράσματα τόσο για το επίπεδο εξυπηρέτησης που προσφέρει το λιμάνι όσο και για την αξιοποίηση της υπάρχουσας δυναμικότητας των εγκαταστάσεών του. Τέλος, στο κεφάλαιο 6 παρουσιάζεται συνοπτικά το θέμα και τα συμπεράσματα της διπλωματικής εργασίας.

8 5 2 Δομή και λειτουργίες τερματικών σταθμών λιμένων 2.1 Δομή Σε γενικές γραμμές, οι Σ.ΕΜΠΟ. (Σταθμοί Εμπορευματοκιβωτίων) μπορεί να περιγραφούν ως ανοιχτά συστήματα ροής υλικών με δύο σταθμούς εργασίας. Αυτοί είναι το κρηπίδωμα, όπου γίνεται η φόρτωση και εκφόρτωση των πλοίων, και οι χώροι στη χερσαία ζώνη, όπου τα Ε/Κ φορτώνονται και εκφορτώνονται στα/από φορτηγά και βαγόνια. Έπειτα, τα Ε/Κ αποθηκεύονται σε στοιβάδες ανάλογα με τον προορισμό τους. Οι βασικές περιοχές του Σ.ΕΜΠΟ. περιγράφονται στο σχήμα 2.1. Σχήμα 2.1: Σχεδιάγραμμα τυπικού Σ.ΕΜΠΟ. Α: Περιοχή παράδοσης/παραλαβής, Β: Πύλη, C: Χώροι στάθμευσης, D: Τερματικός σιδηροδρομικός σταθμός, Ε: Κτίριο διοίκησης, F: Κέντρο ελέγχου, G: Μηχανουργείο, 1: Κρηπίδωμα, 2: Ράμπα RO-RO, 3: Αυλή Ε/Κ, 4: Δρόμοι διέλευσης/διάδρομοι, 5: Τομέας εξαγωγής, 6: Τομέας εισαγωγής, 7: Ειδικοί χώροι (π.χ. ψυγεία), 8: Ειδικοί χώροι μακράς αποθήκευσης, 9: Αποθήκη συσκευασίας/αποσυσκευασίας Ε/Κ, 10: Χώροι ελέγχων. 1. Περιοχή φορτοεκφόρτωσης (κρηπίδωμα): Η βασική εγκατάσταση του Σ.ΕΜΠΟ. είναι το κρηπίδωμα. Όπου πλευρίζει το πλοίο για να εκφορτώσει και να φορτώσει το φορτίο του. Το μήκος του κρηπιδώματος και το βάθος των υδάτων πρέπει να είναι κατάλληλα για την υποδοχή των διάφορων τύπων και μεγεθών πλοίων που προσεγγίζουν τακτικά το λιμάνι. Το κρηπίδωμα πρέπει να έχει τέτοιο πλάτος, ώστε να δέχεται μεγάλες γερανογέφυρες (Γ/Φ)

9 6 κρηπιδώματος που εξυπηρετούν τους περισσότερο Σ.ΕΜΠΟ. στη φόρτωση και εκφόρτωση των πλοίων. Πρέπει να διαθέτει επίσης χώρο για την απόθεση των Ε/Κ, ο οποίος επιπλέον θα δίνει στο μηχάνημα μετακίνησης των Ε/Κ τη δυνατότητα να μανουβράρει, να περισυλλέγει και να αποθέτει τα Ε/Κ ή να προσπερνά άλλα μηχανήματα με ασφάλεια. Χρειάζεται ακόμη χώρος, ώστε τα Ε/Κ να μπορούν να στοιβάζονται προσωρινά στο πίσω μέρος του κρηπιδώματος, σε περίπτωση που συλλέγονται από το πλοίο, ώστε να επιτρέπουν την πρόσβαση σε Ε/Κ στοιβαγμένα κάτω από αυτά. Όταν τα εισερχόμενα Ε/Κ εκφορτωθούν, τα στοιβαγμένα επαναφορτώνονται. 2. Χώρος στοιβασιάς (αυλή): Πίσω από το κρηπίδωμα υπάρχει ένας εκτεταμένος χώρος, που καταλαμβάνει περίπου το 60-70% του συνολικού χώρου του Σ.ΕΜΠΟ. και χρησιμοποιείται κυρίως για τη στοιβασιά των Ε/Κ που προορίζονται για περαιτέρω μετακίνηση. Η αυλή είναι χωρισμένη σε σαφώς οριοθετημένους και αριθμημένους τομείς αποθήκευσης, οι οποίοι συνδέονται με δρόμους διέλευσης οχημάτων και διαδρόμους, κατά μήκος των οποίων διέρχονται τα οχήματα και τα μηχανήματα. Συνεπώς, κάθε θέση εδάφους στην αυλή ορίζεται από τον τομέα, τη σειρά, τη στήλη και το ύψος. Για παράδειγμα, στο σχήμα 2.1 η πρώτη θέση ορίζεται ως «Α-1, 1, 1». Ορισμένοι τομείς προορίζονται για εξαγωγές (συνήθως στην αυλή προς την πλευρά της θάλασσας) και κάποιοι άλλοι για εισαγωγές(συνήθως στην αυλή από την πλευρά της ξηράς). Η ακριβής χωροταξική διάταξη των τομέων εξαρτάται από τον τύπο των μηχανημάτων μεταφοράς που χρησιμοποιούνται για τη μετακίνηση των Ε/Κ μεταξύ της αυλής και άλλων περιοχών. Ορισμένοι τομείς του χώρου στοιβασιάς προορίζονται ειδικά για Ε/Κ «ειδικής» χρήσης όπως Ε/Κ-ψυγεία, Ε/Κ που μεταφέρουν επικίνδυνα φορτία κοκ. Συνήθως, ένας άλλος χώρος προορίζεται ειδικά για τη στοιβασιά κενών Ε/Κ και έχει ιδιαίτερο τρόπο διαχείρισης. 3. ΑΣΑΕ: Σε κάποιους Σ.ΕΜΠΟ. υπάρχει μια αποθήκη συσκευασίας/αποσυσκευασίας Ε/Κ (ΑΣΑΕ), για την εκκένωση ή πλήρωση Ε/Κ (σχήμα 2.1.9) 4. Χώροι ελέγχων: Υπάρχουν διάφοροι χώροι στις αυλές Ε/Κ που προορίζονται για ποικίλες λειτουργίες ελέγχων (σχήμα ). Για παράδειγμα, διατίθεται συνήθως ξεχωριστός υπαίθριος και στεγασμένος αποθηκευτικός χώρος για τον τελωνειακό έλεγχο των Ε/Κ και του περιεχομένου τους. 5. Περιοχή παράδοσης/παραλαβής: Η περιοχή παράδοσης/παραλαβής είναι το μέρος εκείνο του τερματικού σταθμού στο οποίο επιτρέπεται η πρόσβαση στα οδικά οχήματα για την παράδοση και παραλαβή των Ε/Κ. Υπάρχουν δύο ξεχωριστοί τύποι περιοχών παράδοσης/παραλαβής ανάλογα με τον τύπο των μηχανημάτων μεταφοράς Ε/Κ που χρησιμοποιούνται στον Σ.ΕΜΠΟ:

10 7 Α. Η περιοχή παράδοσης/παραλαβής (σχήμα 2.1.Α) που αποτελεί ξεχωριστό οριοθετημένο χώρο στάθμευσης (interchange area) εντός της αυλής Ε/Κ. Τα Ε/Κ μεταφέρονται με τα μηχανήματα μεταφοράς από και προς την περιοχή παράδοσης/παραλαβής όπου σταθμεύουν τα οδικά οχήματα μεταφοράς που θα τα παραλάβουν/παραδώσουν. Β. Η περιοχή παράδοσης/παραλαβής (σχήμα 2.1.4) που αποτελείται από μια σειρά διαδρόμων κατά μήκος της πλευράς κάθε μπλοκ αποθήκευσης. Τα οδικά οχήματα κατευθύνονται προς την αυλή Ε/Κ και παραλαμβάνουν τα Ε/Κ από θέσεις κατά μήκος των στοιβών, όπου τα μηχανήματα στοιβασιάς ανυψώνουν και αποθέτουν τα Ε/Κ. 6. Τερματικός σιδηροδρομικός σταθμός: Για τα Ε/Κ που φθάνουν ή αναχωρούν σιδηροδρομικώς (Σχήμα 2.1.D) ενδέχεται να υπάρχει τερματικός σταθμός παραλαβής/αποστολής εντός ή εκτός του Σ.ΕΜΠΟ. 7. Διοικητικά γραφεία: Εντός του Σ.ΕΜΠΟ. παρέχονται διοικητικά γραφεία (σχήμα 2.1.Ε) όπου στεγάζεται το προσωπικό που είναι επιφορτισμένο με τον προγραμματισμό, τις διοικητικές δραστηριότητες και τις διαδικασίες τεκμηρίωσης. 8. Μηχανουργείο: Στο Σ.ΕΜΠΟ. υπάρχει εγκατάσταση συντήρησης των ακριβών μηχανημάτων που απαιτούν τακτική συντήρηση και επισκευή (σχήμα 2.1.G) ώστε να εξασφαλίζεται η εύρυθμη λειτουργία τους. 2.2 Μηχανολογικός εξοπλισμός Συνήθως οι Σ.ΕΜΠΟ. περιγράφονται πολύ συγκεκριμένα από τις δυνατότητες του εξοπλισμού τους και τη δυνατότητα αποθήκευσης. Από πλευράς εφοδιαστικής, όμως, οι Σ.ΕΜΠΟ. αποτελούνται από δύο στοιχεία, τα μέσα αποθήκευσης και τα μέσα μεταφοράς. Οι χώροι αποθήκευσης, τα πλοία, τα τρένα και τα φορτηγά θεωρούνται ως μέσα αποθήκευσης. Τα αποθέματα ορίζονται στατικά από την ικανότητα αποθήκευσης Ε/Κ, όμως από τη δυναμική άποψη, η πράξη είναι αυτή που καθορίζει τον τρόπο και το χώρο της αποθήκευσης. Δεν υπάρχει ουσιαστική διαφορά ανάμεσα σ αυτούς τους τύπους αποθέματος, αλλά μόνο διαφορά στη χωρητικότητα και το περιεχόμενο. Η πορεία και ο προγραμματισμός των πλοίων, των τρένων και των φορτηγών δεν ανήκει στις λειτουργίες του Σ.ΕΜΠΟ., παρόλα αυτά, μπορεί και αυτά να θεωρηθούν ως μέσα αποθήκευσης (Τσιτσάμης, 2009) Γερανογέφυρες Γερανογέφυρες με μονό ή διπλό βαγονέτο: Διαφορετικοί τύποι Γ/Φ (Σχήμα 2.2.Α) χρησιμοποιούνται στους Σ.ΕΜΠΟ. Οι Γ/Φ που χρησιμοποιούνται στις αποβάθρες για τη φορτοεκφόρτωση πλοίων, παίζουν το σημαντικότερο ρόλο. Υπάρχουν δύο τύποι τέτοιων Γ/Φ, αυτές με μονό και αυτές με διπλό βαγονέτο. Τα βαγονέτα κινούνται μαζί με τις Γ/Φ και

11 8 είναι εξοπλισμένα με ειδικές κλίμακες για τη συλλογή των Ε/Κ. Μάλιστα οι σύγχρονες κλίμακες επιτρέπουν την κίνηση δύο Ε/Κ 20 ποδών ταυτόχρονα. Συνήθως στους Σ.ΕΜΠΟ. υπάρχουν Γ/Φ μονού βαγονέτου. Μεταφέρουν τα Ε/Κ από τα πλοία στην ακτή και τα τοποθετούν στην αποβάθρα ή σε κάποιο όχημα (αντιστρόφως για τον κύκλο φόρτωσης). Σχήμα 2.2: Α: Γερανογέφυρα με μονό ή διπλό βαγονέτο. Β και Γ: Γερανογέφυρες για τις στοίβες, Β: RTG, Γ: RMG Ενώ οι Γ/Φ με ένα βαγονέτο είναι χειροκίνητες, οι διπλού βαγονέτου αποτελούν καινοτομία και χρησιμοποιούνται μόνο σε ορισμένους σταθμούς. Το κύριο βαγονέτο μεταφέρει το Ε/Κ από το πλοίο σε μια πλατφόρμα, ενόσω το δεύτερο βαγονέτο παίρνει το Ε/Κ από την πλατφόρμα και το πηγαίνει στην ακτή. Το πρώτο είναι χειροκίνητο, ενώ το δεύτερο αυτόματο. Στις σύγχρονες Γ/Φ, και των δύο τύπων, ο οδηγός υποστηρίζεται με ένα ημιαυτόματο οδηγητικό σύστημα. Η μέγιστη επίδοση των Γ/Φ εξαρτάται από τον τύπο τους. Η θεωρητική επίδοσή τους κυμαίνεται στα κιβώτια/ώρα, ενώ στην πράξη η επίδοση είναι της τάξης των κιβώτια/ώρα. Γερανογέφυρες για τις στοίβες: Υπάρχουν τρεις τύποι τέτοιων Γ/Φ. Οι Γ/Φ στοιβασιάς επί σιδηροτροχιών (rail-mounted yard gantry crane, RMG), οι ελαστικοφόρες Γ/Φ (rubber-tired yard gantry crane, RTG) (Σχήμα 2.2 Β και Γ) και οι εναέριες Γ/Φ (overhead bridge crane, OBC). Οι ελαστικοφόρες είναι πιο ευέλικτες λειτουργικά, οι Γ/Φ αποβάθρας είναι πιο σταθερές και οι εναέριες ανυψώνουν μπετόν και ατσάλινες κολώνες. Για να αποφεύγονται λειτουργικές διαταραχές και για να αυξάνεται η παραγωγικότητα και η αξιοπιστία, συνήθως δύο Γ/Φ αποβάθρας απασχολούνται παράλληλα ανά τομέα αποθήκευσης.

12 9 Τα Ε/Κ που πρέπει να μεταφερθούν από τη μια πλευρά της περιοχής στην άλλη, πρέπει να προφυλάσσονται στη μεταβατική περιοχή. Τα συστήματα διπλού RMG είναι μια καινοτομία. Αποτελούνται από δύο RMG διαφορετικών διαστάσεων που έχουν τη δυνατότητα να αντικαθιστά το ένα το άλλο. Αποτέλεσμα αυτού είναι μια ελαφρώς αυξημένη παραγωγικότητα του συστήματος. Παρόλο που οι περισσότερες Γ/Φ είναι χειροκίνητες, υπάρχει τα τελευταία χρόνια η τάση για αυτοματισμό στην οδήγηση. Η θεωρητική επίδοση των Γ/Φ είναι περίπου 20 κινήσεις/ώρα. Μερικές Γ/Φ χρησιμοποιούνται για τη φορτοεκφόρτωση τρένων και έχουν άνοιγμα βραχίονα μερικές γραμμές (περίπου έξι). Τα Ε/Κ, που είναι για μεταφόρτωση από και προς τα βαγόνια, προ-αποθηκεύονται σε ένα προστατευμένο χώρο κοντά στην περιοχή αποθήκευσης, ενώ άλλα μηχανικά μέσα χρησιμοποιούνται για να στοιβάζουν ελαφριά Ε/Κ, ιδίως τα κενά Μέσα οριζόντιας μεταφοράς Πληθώρα οχημάτων απασχολούνται για την οριζόντια μεταφορά, τόσο για τη μεταφορά και αποθήκευση σε πλοία όσο και για τις διαδικασίες στον υπόλοιπο χώρο του τερματικού σταθμού. Τα μέσα οριζόντια μεταφοράς διακρίνονται σε παθητικά και σε ενεργά (σχήμα 2.3). Σχήμα 2.3: Μέσα οριζόντιας μεταφοράς και συστήματα διαχείρισης Σ.ΕΜΠΟ. Α:Παθητικό φορτηγό, Β: AGV, Γ: Διασκελετικός μεταφορέας σε διαδικασία μεταφοράς, Δ: Επικαθήμενο ρυμουλκούμενο (σασί), Ε: Διασκελετικός μεταφορέας σε διαδικασία στοίβαξης, ΣΤ: Ανυψωτικό μηχάνημα, Ζ: Σύστημα ανταπόκρισης διασκελετικών μεταφορέων

13 10 Παθητικά μέσα οριζόντιας μεταφοράς: Πρόκειται για μεταφορικά μέσα που δεν είναι ικανά να ανυψώσουν Ε/Κ από μόνα τους αλλά η φορτοεκφόρτωσής τους γίνεται με γερανογέφυρες. Φορτηγά με ρυμούλκες, πολύ-ρυμουλκά και αυτόματα ανήκουν στην κατηγορία αυτή. Τεχνολογικά εξελιγμένο είδος παθητικών φορτηγών είναι τα ρομποτικά φορτηγά (automated guided vehicles, AGV) τα οποία είναι ικανά να κινούνται σε οδικό δίκτυο που υπάρχουν ηλεκτρικές γραμμές ή ράγες μεταφοράς στο έδαφος για να ελέγχουν τη θέση τους. Κάθε AGV μπορεί να φορτώσει ένα 40 /45 Ε/Κ ή δύο 20 Ε/Κ, είναι δηλαδή ικανό για πιθανές λειτουργίες πολλαπλής φόρτωσης. Τα συστήματα με AGV απαιτούν εγκαταστάσεις υψηλού κόστους και συνεπώς η λειτουργία τέτοιων συστημάτων είναι συμφέρουσα σε περιοχές όπου το εργατικό κόστος είναι υψηλό. Σήμερα, είναι σε λειτουργία στο Ρότερνταμ και στο Αμβούργο, σε συνδυασμό με αυτόματες γερανογέφυρες. Ενεργά μέσα οριζόντιας μεταφοράς: Πρόκειται για μεταφορικά μέσα που, εκτός της μεταφοράς, είναι ικανά να ανυψώνουν Ε/Κ. Σε αυτή την κατηγορία ανήκουν οι διασκελετικοί μεταφορείς (straddle carriers) και τα περονοφόρα οχήματα. Οι διασκελετικοί μεταφορείς είναι τα σημαντικότερα μέσα οριζόντιας μεταφοράς. Δε μεταφέρουν Ε/Κ μόνο, αλλά μπορούν και να στοιβάζουν στο χώρο στοιβασιάς. Επίσης, μπορούν να θεωρηθούν ως «γερανοί», με την ευρεία έννοια, αφού έχουν ελεύθερη πρόσβαση στα Ε/Κ, ανεξάρτητα από τη θέση τους στην προκυμαία. Οι διασκελετικοί μεταφορείς επιτρέπουν τη μεταφορά Ε/Κ, ακόμα και 20 ή 40, και είναι επίσης ικανοί για ταυτόχρονη μεταφορά και στοιβασιά δύο Ε/Κ 20. Εξαιτίας των εξαρτημάτων τους, είναι πολύ ευέλικτοι και δυναμικοί και υπάρχουν σε μεγάλη ποικιλία. Συνήθως είναι χειροκίνητοι και ικανοί να στοιβάξουν 2 ή 3 Ε/Κ σε ύψος, και να μετακινήσουν ένα Ε/Κ πάνω από 2 ή 3 άλλα. 2.3 Λειτουργίες Στο σχήμα 2.4 παρουσιάζονται οι τυπικές δραστηριότητες που σχετίζονται με τη διαχείριση εμπορευμάτων στους Σ.ΕΜΠΟ., όπως αυτές μπορούν να διακριθούν ανάλογα με το βαθμό αποκλειστικότητας της χρήσης των λιμενικών υποδομών (Trujillo, Nombela, 1999). Τα στοιχεία που συνθέτουν τη λειτουργία του τερματικού σταθμού μπορούν να ομαδοποιηθούν σε τρεις αλληλουχίες δραστηριοτήτων, άφιξη, αποθήκευση και αναχώρηση Ε/Κ (Tsitsamis et al, 2005), οι οποίες στην πραγματικότητα αντιστοιχούν σε τέσσερα βασικά συστήματα λειτουργιών που αναλύονται στο σχήμα Φορτοεκφόρτωση πλοίου Η φορτοεκφόρτωση του πλοίου συνίσταται στη μετακίνηση των Ε/Κ μεταξύ του κρηπιδώματος και του πλοίου. Για ένα εισερχόμενο Ε/Κ, η λειτουργία αρχίζει με τη Γ/Φ του κρηπιδώματος να χαμηλώνει και να προσαρτά το πλαίσιο ανάρτησης (spreader) στο πάνω

14 11 μέρος του Ε/Κ, όπως αυτό βρίσκεται στη θέση στοιβασιάς του επί του πλοίου. Το πλαίσιο ανάρτησης ασφαλίζει πάνω στο Ε/Κ και, στη συνέχεια, απομακρύνεται από τη στοιβασιά από την πλευρά του πλοίου προς το κρηπίδωμα. Έπειτα, το Ε/Κ τοποθετείται είτε πάνω σε ρυμουλκούμενο που αναμένει κάτω από τη Γ/Φ είτε πάνω στην επιφάνεια του κρηπιδώματος. Σχήμα 2.4:Οι δραστηριότητες που σχετίζονται με τη διαχείριση εμπορευμάτων στο Σ.ΕΜΠΟ. Σχήμα 2.5: Σύνοψη των λειτουργιών του Σ.ΕΜΠΟ.

15 12 Για ένα εξερχόμενο Ε/Κ, η φορτοεκφόρτωση συνίσταται στην προσάρτηση του πλαισίου ανάρτησης στο Ε/Κ, όπως αυτό βρίσκεται στο κρηπίδωμα (απευθείας ή πάνω σε ρυμουλκούμενο), στην ανύψωση του Ε/Κ πάνω στο πλοίο και στην τοποθέτησή του στη θέση στοιβασιάς από την οποία θα μπορεί, εν ευθέτω χρόνο, να εκφορτωθεί γρήγορα και εύκολα. Καθώς το πλοίο μπορεί να προσεγγίσει πολλούς λιμένες, πριν από την άφιξή του στο συγκεκριμένο λιμένα εισαγωγής, το Ε/Κ πρέπει να στοιβαχτεί σε θέση που δε θα εμποδίζεται από επακόλουθη έλευση Ε/Κ. Για ένα πλοίο RO-RO (φόρτωση/ εκφόρτωση με χρήση ράμπας, roll-on-roll-off), η φορτοεκφόρτωση φυσικά δεν απαιτεί Γ/Φ. Αντιθέτως, τα Ε/Κ μεταφέρονται στο πλοίο με τη βοήθεια ράμπας από το κρηπίδωμα, με ρυμουλκούμενο ή παρόμοιο μηχάνημα Μεταφορά κρηπιδώματος Η μεταφορά κρηπιδώματος συνίσταται στη μετακίνηση των Ε/Κ μεταξύ του κρηπιδώματος και της αυλής. Για τα εισερχόμενα Ε/Κ, η μεταφορά ξεκινά με την ανύψωση του Ε/Κ, το οποίο βρίσκεται στην επιφάνεια του κρηπιδώματος κάτω από την Γ/Φ, από τα μηχανήματα μεταφοράς ή με την απόθεση του Ε/Κ από την Γ/Φ κατευθείαν πάνω στο ρυμουλκούμενο. Στη συνέχεια, τα μηχανήματα μεταφέρουν το Ε/Κ στον κατάλληλο τομέα της αυλής αποθήκευσης, ακολουθώντας μια προκαθορισμένη διαδρομή. Τα μηχανήματα μεταφοράς στοιβάζουν το container στη θέση αποθήκευσης ή σταματούν σε κάποιο σημείο παράδοσης/παραλαβής, ώστε να επιτραπεί στα μηχανήματα στοιβασιάς να ανυψώσουν το Ε/Κ και να εκτελέσουν την τελική αυτή κίνηση στη στοίβα. Για τα εξερχόμενα Ε/Κ, η εργασία ξεκινά με την ανύψωση του Ε/Κ από τη θέση στοιβασιάς, από τα μηχανήματα μεταφοράς κρηπιδώματος ή από άλλη συσκευή ανύψωσης, η οποία τα αποθέτει επάνω στο ρυμουλκούμενο. Η διαδρομή μεταφοράς προς την πλευρά του κρηπιδώματος είναι, στην ιδανική περίπτωση, μια ξεχωριστή διαδρομή από αυτή που χρησιμοποιείται για τις εισαγωγές, προς αποφυγή επικίνδυνων διασταυρώσεων. Τέλος, το Ε/Κ τοποθετείται στην επιφάνεια του κρηπιδώματος κάτω από τους πυλώνες του γερανού ή ανυψώνεται κατευθείαν από το ρυμουλκούμενο μεταφοράς από τη Γ/Φ Λειτουργία χώρου στοιβασιάς Το κομμάτι της λειτουργίας αυτής που αφορά την αποθήκευση Ε/Κ είναι κατά βάση μια μη ενεργός λειτουργία, αφού αφορά απλώς την ασφαλή κράτηση των Ε/Κ μέχρι να είναι έτοιμα για μετακίνηση με σκοπό την αποστολή ή τη φόρτωση. Στην πράξη, μπορεί να υπάρχει μηχάνημα που να προορίζεται αποκλειστικά για την αυλή Ε/Κ, προκειμένου να μεταφέρει Ε/Κ από και προς τα μηχανήματα μεταφοράς κρηπιδώματος. Στην περίπτωση αυτή, η στοιβασιά και αποστοιβασιά μπορεί να θεωρηθεί ότι αποτελούν στοιχεία της λειτουργίας της αυλής Ε/Κ. Σε άλλα συστήματα, τα μηχανήματα μεταφοράς κρηπιδώματος

16 13 μπορεί να εισέρχονται απευθείας στις στοίβες, αποθέτοντας και ανυψώνοντας τα Ε/Κ στην αρχή και στο τέλος της μεταφοράς τους, από και προς την πλευρά του κρηπιδώματος. Στην περίπτωση αυτή, η στοιβασιά και αποστοιβασιά μπορεί να θεωρηθεί ότι αποτελούν μέρος της λειτουργίας μεταφοράς μέσω κρηπιδώματος. Ωστόσο, όποιο σύστημα στοιβασιάς και αν χρησιμοποιείται, υπάρχουν ακόμα μετακινήσεις Ε/Κ εντός της στοίβας, προκειμένου να εξασφαλιστεί η πρόσβαση στα Ε/Κ που είναι αποθηκευμένα κάτω από τις επάνω στρώσεις και η επαναδιευθέτησή τους πριν από την άφιξη του πλοίου Παραλαβή/Παράδοση Η λειτουργία παραλαβής/παράδοσης αποτελείται από δύο ξεχωριστά αλληλοεξαρτώμενα υποσυστήματα. Για παράδειγμα, για ένα εισερχόμενο Ε/Κ που αναχωρεί από το Σ.ΕΜΠΟ. οδικώς, πραγματοποιείται πρώτα μετακίνησή του από τη θέση στοιβασιάς του στην αυλή προς την περιοχή παραλαβής/παράδοσης, είτε κατά μήκος της στοίβας (στην οποία οδηγείται το φορτηγό), είτε κοντά στην πύλη (στην οποία μεταφέρεται το Ε/Κ από το μηχάνημα μεταφοράς). Το Ε/Κ τοποθετείται στο ρυμουλκούμενο του φορτηγού στην περιοχή παραλαβής/παράδοσης και, στη συνέχεια, οδηγείται στην επόμενη λειτουργία, που αφορά την κίνηση του φορτηγού μέσω της πύλης. Οι δραστηριότητες εκεί περιλαμβάνουν την επιθεώρηση των Ε/Κ, τον έλεγχο σφραγίδας της πύλης και τις διαδικασίες τεκμηρίωσης που αφορούν την αποστολή του Ε/Κ. Για ένα εξερχόμενο Ε/Κ, οι δραστηριότητες τεκμηρίωσης και επιθεώρησης στην πύλη προηγούνται. Στη συνέχεια, ακολουθεί η μετακίνηση στην περιοχή παραλαβής/παράδοσης, η ανύψωση του Ε/Κ από το ρυμουλκούμενο του φορτηγού και η μεταφορά και εναπόθεσή του στο χώρο στοιβασιάς. Αντίστοιχες λειτουργίες υπάρχουν για τα Ε/Κ που φθάνουν και αναχωρούν σιδηροδρομικώς (στον τερματικό σιδηροδρομικό σταθμό) και μέσω εσωτερικής πλωτής οδού (σε τερματικό σταθμό φορτηγίδων). Όλες αυτές οι δραστηριότητες που συνθέτουν τις διάφορες λειτουργίες του Σ.ΕΜΠΟ. δεν είναι ανεξάρτητες. Συσχετίζονται και αλληλοεξαρτώνται στενά μεταξύ τους και, κατά συνέπεια, πρέπει να συντονίζονται προσεκτικά για την αποτελεσματική και αποδοτική λειτουργία του τερματικού σταθμού. Αν οι δραστηριότητες αποσυντονιστούν, δηλαδή κάποια λειτουργία εκτελείται με πιο αργούς ρυθμούς από τις υπόλοιπες, τότε αυτή η λειτουργία μπορεί να παρεμποδίσει ή να καθυστερήσει κάποια άλλη. Οι λειτουργίες θα χάσουν την ισορροπία τους και η απόδοση του χειρισμού των Ε/Κ θα είναι χαμηλή. Για παράδειγμα, αν έχουν διατεθεί πολύ λίγα μηχανήματα για τη μεταφορά εξερχόμενων Ε/Κ από την αυλή προς το κρηπίδωμα, η λειτουργία της μεταφοράς κρηπιδώματος δε θα συμβαδίζει με τις δραστηριότητες των Γ/Φ κρηπιδώματος και η φορτοεκφόρτωση του πλοίου θα καθυστερήσει. Κατά συνέπεια, το πλοίο θα παραμείνει στο λιμένα περισσότερο από τον προγραμματισμένο

17 14 χρόνο. Αν παρατηρηθεί τέτοιου είδους ανισορροπία, μπορούν να ληφθούν κατάλληλα μέτρα, όπως για παράδειγμα, να μεταφερθούν μηχανήματα από άλλο σημείο του Σ.ΕΜΠΟ., για να επισπευσθεί η λειτουργία της μεταφοράς κρηπιδώματος και να συμβαδίσει με τη λειτουργία των Γ/Φ κρηπιδώματος. Σε Σ.ΕΜΠΟ. όπου η στοιβασιά των Ε/Κ στην αυλή πραγματοποιείται με ξεχωριστά μηχανήματα από εκείνα που χρησιμοποιούνται για τη μεταφορά κρηπιδώματος, η άμεση συνέπεια έλλειψης μηχανημάτων στοιβασιάς έχει ως αποτέλεσμα την παρακώλυση της λειτουργίας μεταφοράς κρηπιδώματος. Τα μηχανήματα μεταφοράς κρηπιδώματος θα περιμένουν στην αυλή για την απομάκρυνση των εισερχόμενων Ε/Κ ή την παράδοση των εξερχόμενων. Τα προβλήματα όμως δε σταματούν εδώ. Η επιβράδυνση του ρυθμού μεταφοράς κρηπιδώματος θα προκαλέσει πολύ γρήγορα καθυστερήσεις στη φορτοεκφόρτωση του πλοίου. Επίσης, θα προκαλέσει δυσκολίες στις δραστηριότητες παραλαβής/παράδοσης, καθώς τα χερσαία μεταφορικά οχήματα θα περιμένουν τα μηχανήματα, προκειμένου να παραλάβουν από αυτά τα εξερχόμενα Ε/Κ και να τα στοιβάξουν στα μπλοκ εξαγόμενων ή να τους παραδώσουν τα εισερχόμενα. Επίσης, μεγάλες είναι οι επιπτώσεις στη λειτουργία του σταθμού όταν υπάρχουν καθυστερήσεις στη λειτουργία παραλαβής/παράδοσης. Για παράδειγμα, αν τα εισαγόμενα Ε/Κ δεν παραληφθούν από τον Σ.ΕΜΠΟ. μέσα σε σύντομο χρονικό διάστημα από την εκφόρτωσή τους από το πλοίο, θα δημιουργηθεί συμφόρηση (congestion) στους χώρους αποθήκευσης. Οι στοίβες θα μεγαλώνουν και τα Ε/Κ θα πρέπει να μετατοπίζονται συνέχεια, για να παρέχουν πρόσβαση σε εκείνα που απαιτείται, με αποτέλεσμα να απαιτείται περισσότερος χρόνος για την ανάκτηση του επιθυμητού Ε/Κ και να καθυστερεί η χερσαία μεταφορά. Σοβαρές είναι οι συνέπειες της ανεπάρκειας προσωπικού ή εγκαταστάσεων στην πύλη, όταν αυξάνεται ο ρυθμός άφιξης των οδικών οχημάτων. Στην περίπτωση αυτή, πολύ γρήγορα, τα οδικά οχήματα δημιουργούν ουρές περιμένοντας να περάσουν από τις διατυπώσεις ελέγχου για την παραλαβή/παράδοση Ε/Κ. Κατ αναλογία, σχηματίζονται ουρές μέσα από την πύλη, από τα οδικά οχήματα που περιμένουν να εξέλθουν του Σ.ΕΜΠΟ. Αυτές οι καθυστερήσεις δυσχεραίνουν την εξυπηρέτηση των χρηστών του Σ.ΕΜΠΟ., είναι ιδιαίτερα χρονοβόρες και καταλήγουν εξαιρετικά δαπανηρές. Όταν σχηματίζονται ουρές εντός του Σ.ΕΜΠΟ., μπορεί επίσης να παρεμποδίζεται η μετακίνηση των μηχανημάτων και οι λειτουργίες του τερματικού σταθμού. Ακόμη, υπάρχει περίπτωση τα μηχανήματα στοιβασιάς να παραμένουν αδρανή, περιμένοντας την άφιξη των οδικών οχημάτων στις περιοχές παραλαβής/παράδοσης. Ανάλογα, είναι προφανές ότι χρειάζεται περισσότερο προσωπικά

18 15 για τις λειτουργίες τις πύλης και περισσότεροι διαθέσιμοι διάδρομοι για την επίσπευση της λειτουργίας παραλαβής/παράδοσης. 2.4 Δείκτες παραγωγικότητας και απόδοσης Όπως έχουμε ήδη αναφέρει, oι τερματικοί σταθμοί είναι επιχειρήσεις παροχής υπηρεσιών. Όπως οποιοδήποτε άλλη τέτοια επιχείρηση, πρέπει να γνωρίζει τον όγκο της επιχειρηματικής της δραστηριότητας, την ποιότητα με την οποία την εκτελεί και τη γνώμη των πελατών της. Με άλλα λόγια, πρέπει να μετρά και να παρακολουθεί την απόδοσή της, γεγονός που αποτελεί το πρώτο βήμα για την επιτυχημένη διοίκησή της αλλά και βελτίωσή της. Ο Harrington (1991, σελ. 164) αναφέρει χαρακτηριστικά πως η ικανότητα μέτρησης της απόδοσης μιας επιχειρησιακής διαδικασίας αποτελεί αναγκαία προϋπόθεση για βελτίωσή της. Πιο συγκεκριμένα: «Αν δεν μπορούμε να μετρήσουμε κάτι, δεν μπορούμε να το ελέγξουμε. Αν δεν μπορούμε να το ελέγξουμε, δεν μπορούμε να το διαχειριστούμε. Αν δεν μπορούμε να το διαχειριστούμε, δεν μπορούμε να το βελτιώσουμε». Για την περιγραφή της απόδοσης των Σ.ΕΜΠΟ. δεν υπάρχει ενιαίος δείκτης που να ενσωματώνει όλες τις δραστηριότητές του. Αντίθετα, από τις εκάστοτε διοικήσεις χρησιμοποιείται ένας αριθμός δεικτών, βάσει των οποίων λαμβάνονται οι αποφάσεις. Οι ίδιοι δείκτες μπορούν να αξιοποιηθούν για την αξιολόγηση νέων πολιτικών και μεθόδων βελτιστοποίησης των λειτουργιών του Σ.ΕΜΠΟ. με την υποβοήθηση προσομοιωτικών μοντέλων. Οι δείκτες παραγωγικότητας αναφέρονται αφενός στην εξυπηρέτηση του πλοίου στη θέση πλεύρισης και αφετέρου στο ποσοστό χρήσης των πόρων του Σ.ΕΜΠΟ. Η χρήση των διαφόρων δεικτών εξαρτάται από τη δυνατότητα αντικειμενικού προσδιορισμού τους, ο οποίος στηρίζεται στις επιδόσεις του μηχανολογικού εξοπλισμού και στη χωρητικότητα των εγκαταστάσεων κάθε λιμένα. Είναι αναμενόμενο ότι οι διάφοροι χρήστες και πελάτες (stakeholders) των Σ.ΕΜΠΟ. επιδεικνύουν, ανάλογα με τα συμφέροντά τους, ιδιαίτερο ενδιαφέρον για διαφορετικούς κατά περίπτωση δείκτες. Για παράδειγμα, ο συνολικός χρόνος εξυπηρέτησης πλοίου αποτελεί, για τις ναυτιλιακές εταιρείες το σημαντικότερο δείκτη αξιολόγησης των Σ.ΕΜΠΟ. Από την άλλη μεριά όμως, η διοίκηση ενός Σ.ΕΜΠΟ., στην προσπάθεια να ελαχιστοποιήσει το κόστος λειτουργίας του, ενδιαφέρεται για τη μεγαλύτερη δυνατή χρήση του όλου του μηχανολογικού εξοπλισμού (usage, utilization). Έτσι, τα αντικρουόμενα ή συμπληρωματικά συμφέροντα δημιουργούν την ανάγκη για την εξεύρεση λύσεων που βελτιώνουν διάφορους, κατά περίπτωση, δείκτες. Στη συνέχεια παρουσιάζονται οι συνηθέστεροι δείκτες που χρησιμοποιούνται για την αξιολόγηση της παραγωγικότητας και της απόδοσης/επίδοσης των Σ.ΕΜΠΟ. Οι δείκτες αυτοί χρησιμοποιούνται για την αξιολόγηση διαφορετικών πολιτικών λειτουργίας των Σ.ΕΜΠΟ.

19 Ποσοστά χρήσης (usage/utilization measures) Για τη μέτρηση της αποδοτικότητας (efficiency) ενός τερματικού σταθμού χρησιμοποιούνται δείκτες που αναφέρονται στο βαθμό αξιοποίησης (usage) των διαθέσιμων πόρων, δηλαδή του μηχανολογικού εξοπλισμού και των χερσαίων εγκαταστάσεών του υποδομής και ανωδομής. Οι γενικοί δείκτες που συνήθως χρησιμοποιούνται είναι: Ποσοστό χρήσης κρηπιδώματος (quay utilization) είναι το ποσοστό του χρόνου κατάληψης (χρήσης) του κρηπιδώματος και αποδίδεται από το λόγο του πραγματικού χρόνου κατάληψης προς το χρόνο διαθεσιμότητας του κρηπιδώματος. Ποσοστό χρήσης αυλής αποθήκευσης (storage yard utilization) είναι ο λόγος του αριθμού των κατειλημμένων προς το συνολικό αριθμό θέσεων του Σ.ΕΜΠΟ. Ποσοστό χρήσης πύλης (gate utilization) είναι ο μέσος όρος της ημερήσιας διακίνησης στην πύλη συγκρινόμενος με την πραγματική ημερήσια δυναμικότητα της πύλης. Ποσοστό χρήσης μηχανολογικού εξοπλισμού (equipment utilization) είναι το ποσοστό του χρόνου που χρησιμοποιήθηκε προς το μέγιστο χρόνο που θα μπορούσε να χρησιμοποιηθεί το συγκεκριμένο μηχάνημα, σε συγκεκριμένη χρονική περίοδο. Είναι, δηλαδή, ο λόγος του χρόνου λειτουργίας προς το χρόνο διαθεσιμότητας του μηχανήματος. Ποσοστό χρήσης ΑΣΑΕ (CFS, container fright storage utilization) είναι ο λόγος της κατειλημμένης προς τη συνολική επιφάνεια της ΑΣΑΕ Ποιότητα παροχής υπηρεσιών (quality of service) Οι δείκτες αυτοί αποτελούν τους πλέον σημαντικότερους δείκτες αξιολόγησης των Σ.ΕΜΠΟ. για τις ναυτιλιακές εταιρείες. Για τη διαχειρίστρια εταιρεία του τερματικού σταθμού οι δείκτες αυτοί δεν έχουν την απόλυτη προτεραιότητα, διότι η βελτίωση των δεικτών αυτών πολλές φορές προϋποθέτει την ανάλωση πολύτιμων πόρων που με τη σειρά τους αυξάνουν και το κόστος λειτουργίας τους. Οι γενικοί δείκτες που συνήθως χρησιμοποιούνται είναι: Συνολικός χρόνος εξυπηρέτησης πλοίου (ship turnaround time) είναι το άθροισμα των παρακάτω χρόνων: Χρόνος αναμονής πλοίου Χρόνος πρόσδεσης Χρόνος στο κρηπίδωμα Χρόνος καθυστέρησης μέχρι τον απόπλου Συνολικός χρόνος εξυπηρέτησης φορτηγών (total vehicle turnaround time) είναι ο χρόνος μεταξύ άφιξης του φορτηγού στο σταθμό Ε/Κ και της εξόδου του από αυτόν.

20 17 Χρόνος εξυπηρέτησης φορτηγών (vehicle service time) είναι ο χρόνος μεταξύ άφιξης του φορτηγού στην πύλη εισόδου του Σ.ΕΜΠΟ. και της εξόδου του από αυτόν (δεν περιέχει το χρόνο αναμονής μέχρι την πύλη εισόδου). Χρόνος αποθήκευσης Ε/Κ εισαγωγής (ή εξαγωγής) (container dwell time) είναι ο χρόνος αποθήκευσης Ε/Κ προς εισαγωγή (ή εξαγωγή) στο χώρο στοιβασιάς μετρούμενος από την ημέρα εκφόρτωσης (ή μέχρι την ημέρα φόρτωσης) (σε μερικά λιμάνια, ο χρόνος αυτός αρχίζει από την ημέρα που το Ε/Κ είναι έτοιμο για παραλαβή από το Σ.ΕΜΠΟ.) Δείκτες παραγωγής (production measures) Με τους δείκτες αυτούς αξιολογείται η παραγωγική διαδικασία των Σ.ΕΜΠΟ. και συμπεριλαμβάνονται κατά την αποτίμηση των κέντρων κόστους των παρεχόμενων υπηρεσιών. Διακίνηση αυλής Ε/Κ (container yard throughput) εκφράζεται ως το σύνολο των κινήσεων Ε/Κ που πραγματοποιήθηκαν στην αυλή Ε/Κ για συγκεκριμένη χρονική περίοδο. Διακίνηση κρηπιδώματος (quay transfer throughput) δηλώνει τις κινήσεις Ε/Κ / φορτίου μεταξύ του κρηπιδώματος και της αυλής εντός συγκεκριμένης περιόδου. Διακίνηση παραλαβής/παράδοσης (receipt/delivery throughput) δηλώνει τις συνολικές μετακινήσεις Ε/Κ από τα μηχανήματα του Σ.ΕΜΠΟ. που αφορούν την παραλαβή και παράδοση όπως, για παράδειγμα, η στοιβασιά/αποστοιβασιά, οι εσωτερικές μετακινήσεις στοιβαγμένων Ε/Κ, οι μετακινήσεις προς/από τις περιοχές παραλαβής/παράδοσης. Διακίνηση πύλης (gate throughput) είναι δείκτης απόδοσης για τις δραστηριότητες παραλαβής/παράδοσης, που εκφράζεται ως το σύνολο των μετακινήσεων Ε/Κ μέσω όλων των διαδρόμων της πύλης σε συγκεκριμένη χρονική περίοδο Δείκτες παραγωγικότητας (productivity measures) Οι δείκτες παραγωγικότητας σε τερματικό σταθμό Ε/Κ δείχνουν την ταχύτητα διακίνησης Ε/Κ. Ο πλέον σημαντικός δείκτης αυτής της κατηγορίας είναι ο αριθμός κινήσεων της Γ/Φ ανά ώρα. Ο δείκτης αυτός κυμαίνεται από 16 μέχρι 40 κινήσεις την ώρα και με βάση αυτόν γίνεται κατηγοριοποίηση των Σ.ΕΜΠΟ. Οι δείκτες που συνήθως χρησιμοποιούνται είναι: Παραγωγικότητα πλοίου (ship productivity) περιγράφεται από τους ακόλουθους τρεις δείκτες: Σύνολο κινήσεων Ε/Κ ανά ώρα παραμονής του πλοίου στο λιμάνι (container moves per ship hour in port)

21 18 Σύνολο κινήσεων Ε/Κ ανά ώρα παραμονής του πλοίου στη θέση παραβολής/ αγκυροβολίου (container moves per ship hour at berth) Σύνολο κινήσεων Ε/Κ ανά εργάσιμη ώρα πλοίου (container moves per ship working hour) Παραγωγικότητα Γ/Φ (crane productivity) εκφράζεται από το σύνολο των κινήσεων Ε/Κ ανά εργάσιμη ώρα γερανογέφυρας. Παραγωγικότητα κρηπιδώματος (quay productivity) εκφράζεται από το σύνολο των κινήσεων Ε/Κ ανά μέτρο κρηπιδώματος στη μονάδα του χρόνου. Παραγωγικότητα Σ.ΕΜΠΟ. (terminal area productivity) εκφράζεται από τον αριθμό των Ε/Κ ανά m 2 επιφάνειας του σταθμού στη μονάδα του χρόνου. Παραγωγικότητα αυλής στοιβασιάς (storage area productivity) δηλώνει τον αριθμό των Ε/Κ που διακινήθηκαν ανά m 2 επιφάνειας (ή ανά θέσεις εδάφους) της αυλής σε δεδομένη χρονική περίοδο. Παραγωγικότητα ΑΣΑΕ δηλώνει τη διακίνηση (σε ποσότητα εμπορευμάτων, Ε/Κ και /ή TEUs) ανά m2 συνολικής επιφάνειας της ΑΣΑΕ. Παραγωγικότητα μηχανολογικού εξοπλισμού (equipment productivity) δηλώνει τον αριθμό των κινήσεων Ε/Κ που έγιναν ανά ώρα (συνολικής ή πραγματικής) χρήσης συγκεκριμένου μηχανήματος. Παραγωγικότητα ανθρώπινου δυναμικού (labor productivity) εκφράζεται από τη διακίνηση Ε/Κ προς τον αριθμό των εργαζομένων στο Σ.ΕΜΠΟ. Κόστος Αποτελεσματικότητα (cost-effectiveness) αντιπροσωπεύει το συνολικό κόστος διαχείρισης του Σ.ΕΜΠΟ. προς τον αριθμό των διακινούμενων Ε/Κ Δείκτης συμφόρησης (congestion measure) Ο δείκτης αυτός χρησιμοποιείται για την αξιολόγηση της κατάστασης της αυλής αποθήκευσης ενός τερματικού σταθμού και είναι ενδεικτικός της συμφόρησής του. Για παράδειγμα, σε Σ.ΕΜΠΟ. που τα Ε/Κ στοιβάζονται μέχρι δύο επίπεδα, η αυλή θεωρείται σε κατάσταση συμφόρησης όταν ο δείκτης είναι πάνω από 1,75. Στην περίπτωση αυτή ο μηχανολογικός εξοπλισμός στοιβασιάς είναι αναγκασμένος να πραγματοποιεί αυξημένο αριθμό μη παραγωγικών κινήσεων (σκάντζες). Ο δείκτης αυτός ορίζεται ως: Δείκτης συμφόρησης ή δείκτης μέσου ύψους αυλής (stack height indicator) είναι ο λόγος των κατειλημμένων θέσεων (σε TEU) προς το συνολικό αριθμό θέσεων εδάφους (σε TEU) του Σ.ΕΜΠΟ.

22 19 3 Η προσομοίωση στους τερματικούς σταθμούς Ε/Κ Βιβλιογραφική ανασκόπηση 3.1 Βιβλιογραφική ανασκόπηση Υπάρχουν πολλές μελέτες με αντικείμενο εξέτασης το σχεδιασμό του συνδέσμου πλοίων και θέσεων παραβολής (αγκυροβόλια) (ship-berth link). Ο σύνδεσμος αυτός έχει να κάνει με τη διεπαφή θάλασσας ξηράς και το πρόβλημα σχεδιασμού του αποτελείται από την ανάθεση των εισερχόμενων πλοίων στα αγκυροβόλια (berth allocation problem, BAP/SBAP) και τον προγραμματισμό των Γ/Φ (quay crane scheduling problem, QCSP), τα οποία παίζουν πολύ σημαντικό ρόλο στη διαχείριση των λιμενικών λειτουργιών. Επιπλέον, ο χρόνος εξυπηρέτησης ενός πλοίου εξαρτάται σε μεγάλο βαθμό από τη θέση εξυπηρέτησης (αγκυροβόλιο) που θα καταλάβει και από τον αριθμό των Γ/Φ που θα του ανατεθούν. Αυτή η εξάρτηση επιδρά έντονα στην απόδοση του συνδέσμου ship-berth. Παλαιότεροι μελετητές αντιμετώπισαν τη μελέτη αυτών των λειτουργιών του λιμένα χρησιμοποιώντας κυρίως τη μέθοδο της θεωρίας αναμονής. Ωστόσο, πιο πρόσφατες μελέτες στηρίζονται σε μαθηματικό προγραμματισμό και μεθόδους συνδυαστικής βελτιστοποίησης για να μοντελοποιήσουν αυτές τις λειτουργίες. Το μεγαλύτερο μέρος της βιβλιογραφίας επικεντρώνεται στην ανάπτυξη εξελιγμένων μοντέλων για το πρόβλημα απόφασης μίας μόνο εκ των λειτουργιών που αναφέρθηκαν. Τα μοντέλα αυτά παρέχουν ακριβή στοιχεία και πληροφορίες που δίνουν πιο αξιόπιστες λύσεις στα συγκεκριμένα προβλήματα. Για παράδειγμα οι Liu et al., (2005) και Ng, (2005) επικεντρώνονται στο πρόβλημα προγραμματισμού των Γ/Φ ενώ οι Imai at al., (2005), Imai,Nishimura et al., (2007) και Lee & Chen, (2009) εξετάζουν το πρόβλημα ανάθεσης αγκυροβολιών υπό διαφορετικά σενάρια. Ακόμη, υπάρχουν μελέτες που εξετάζουν το συνδυασμό των δύο προβλημάτων όπως αυτή των Imai, Chen et al., (2007) που επικεντρώνεται στην ολοκλήρωση των BAP & QCSP ταυτόχρονα. Επιπλέον αναφορές και επιστημονικά άρθρα τα οποία εξετάζουν τα συγκεκριμένα θέματα παρουσιάζονται στον πίνακα 3.1.

23 20 Πίνακας 3.1: Βιβλιογραφικές αναφορές σχεδιασμού του συνδέσμου ship-berth Πρόβλημα υπό εξέταση Προγραμματισμός και ανάθεση αγκυροβολίων (BAP, SBAP) Προγραμματισμός Γ/Φ (QCSP) Αναφορές Guan & Cheung (2004) Imai et al. (1997),(2001),(2003),(2005) Imai, Nishimura et al. (2007) Kim & Moon (2003) Lee & Chen (2009) Lim (1998) Nishimura et al. (2001) Daganzo (1989) Kim & Park (2004) Lim et al. (2004) Liu et al. (2005) Ng (2005) Peterkofsky & Daganzo (1990) Ο τομέας της ναυτιλίας είναι ιδανικός για την εφαρμογή της προσομοίωσης και η χρήση των τεχνικών προσομοίωσης σε αυτόν τον τομέα δικαιολογείται εδώ και πολλά χρόνια λόγω του κόστους και της πολυπλοκότητας πλοίων και λιμανιών. Για παράδειγμα οι Merkuryeva, Merkuyev & Tolujev, (2002) ανάπτυξαν ένα μοντέλο προσομοίωσης για το Baltic Container Terminal με στόχο τη ρύθμιση των διαδρομών μεταφοράς εντός του τερματικού σταθμού χωρίζοντας διαφορετικές ροές κυκλοφορίας, τη βελτίωση αξιοποίησης της διάταξης του τερματικού και την ανάλυση των επιπτώσεων των καιρικών συνθηκών σε διάφορες λειτουργίες. Χρησιμοποίησαν ARENA και SLX για να αναπτύξουν το μοντέλο τους. Επιπλέον, οι Chen et al., (2003) και Legato & Mazza, (2001) ανέπτυξαν μοντέλα προσομοίωσης για τον προγραμματισμό των αγκυροβολίων στους Σ.ΕΜΠΟ. Επιπλέον βιβλιογραφικές αναφορές σχετικές με μοντέλα προσομοίωσης ειδικά για το σύνδεσμο shipberth παρουσιάζονται στον πίνακα 3.2. Είναι προφανές από τη βιβλιογραφία ότι οι διάφοροι συγγραφείς έχουν χρησιμοποιήσει διαφορετικό λογισμικό προσομοίωσης και μοντέλα για τις μελέτες τους. Μερικοί χτίζουν το μοντέλο τους από την αρχή χρησιμοποιώντας γλώσσες προγραμματισμού όπως οι FORTRAN, Pascal, C/C++, ενώ άλλοι χρησιμοποιούν γλώσσες προσομοίωσης όπως SLAM II, GPSS, SIMAN για να αναπτύξουν το μοντέλο τους (πίνακας 3.2). Στην παρούσα διπλωματική χρησιμοποιήθηκε το λογισμικό προσομοίωσης ARENA.

24 21 Πίνακας 3.2: Βιβλιογραφικές αναφορές σχεδιασμού του συνδέσμου ship-berth με τη χρήση προσομοίωση Πρόβλημα υπό εξέταση Προσομοίωση τερματικών σταθμών και λιμένων Προσέγγιση Modsim III Object oriented programming, C++ ARENA ARENA, SLX Visual SLAM AweSim Witness software Taylor II GPSS/H Extend-version Scenario generator Object oriented programming, Java Αναφορές Gambradella et al. (1998),(2001) Yun & Choi (1999) Tahar & Hussain (2000) Merkuryeva et al. (2000) Legato & Mazza (2001) Nam et al. (2002), Demicri (2003) Shabayek & Yeung (2002) Kia et al. (2002) Pachakis & Kiremidjian (2003) Dragovic et al. (2005),(2005) Sgouridis et al. (2003) Hartmann (2004) Bielli et al. (2005) 3.2 Γενικά περί προσομοίωσης Ως προσομοίωση ορίζεται η μέθοδος μελέτης ενός συστήματος και εξοικείωσης με τα χαρακτηριστικά του, με τη βοήθεια ενός άλλου συστήματος. Για την εύρεση των κανόνων που ελέγχουν τη λειτουργία ενός συστήματος, αναπτύσσονται μοντέλα προσομοίωσης που αναπαριστούν την εσωτερική λειτουργία του. Κάθε τέτοιο μοντέλο χαρακτηρίζεται από τις εισροές και τις εκροές του. Με τα μοντέλα προσομοίωσης μπορούν να μελετηθούν τα διάφορα στοιχεία του συστήματος και οι αλληλεπιδράσεις τους, με λεπτομέρεια και αντικειμενικότητα, ασύγκριτα μεγαλύτερου βαθμού από οποιαδήποτε άλλη τεχνική της επιχειρησιακής έρευνας. Γίνεται έτσι δυνατή η μελέτη και ο πειραματισμός με πολύπλοκα συστήματα, για τα οποία η κατασκευή ενός μαθηματικού μοντέλου θα απαιτούσε τέτοιες υπεραπλουστεύσεις που θα περιόριζαν σημαντικά τη χρησιμότητά του ή θα ανταποκρίνονταν ελάχιστα στην πραγματικότητα. Για τη δημιουργία ενός μοντέλου προσομοίωσης είναι αναγκαία: Ο καθορισμός των στοιχείων του προβλήματος. Η περιγραφή της λειτουργίας κάθε στοιχείου και η μεταξύ τους αλληλεπίδραση. Ο καθορισμός των παραμέτρων εισόδου του συστήματος. Ο καθορισμός των παραμέτρων εξόδου του συστήματος.

25 22 Τα μοντέλα προσομοίωσης παράγουν αριθμούς, η ανάλυση και η ερμηνεία των οποίων οδηγεί στην καλύτερη κατανόηση του συστήματος που μελετάται και στην πραγματοποίηση αλλαγών που βελτιώνουν τη λειτουργία του (Σχήμα 3.1). Πραγματικό σύστημα Μοντελοποίηση Μοντέλο προσομοίωσης Εφαρμογή Ανάλυση ή πειραματισμός Επίλυση πραγματικού συστήματος Ερμηνεία Επίλυση μοντέλου Σχήμα 3.1: Σχηματική παράσταση της μεθοδολογίας προσομοίωσης Είσοδοι Είσοδοι Αντιστοιχία Παράμετροι Σύστημα Αντιστοιχία Μοντέλο Παράμετροι Έξοδοι Έξοδοι Σχήμα 3.2: Στάδια ανάλυσης συστήματος

26 23 Το εργαλείο που χρησιμοποιήθηκε στην παρούσα διπλωματική εργασία για την ανάλυση του συστήματος φορτοεκφόρτωσης εμπορευματοκιβωτίων είναι το ARENA 10.0 (Rockwell Software). Πρόκειται για ένα περιβάλλον προσομοίωσης που αποτελείται από υπομονάδες (module templates), κατασκευασμένες με τη χρήση της γλώσσας προσομοίωσης SIMAN και το οποίο συμπεριλαμβάνει ένα γραφικό περιβάλλον ανάπτυξης. Η SIMAN αποτελείται από δύο κατηγορίες αντικειμένων, τα blocks και τα elements. Για παράδειγμα, το «seize block» παριστά τη δέσμευση μιας «υπηρεσίας» - πόρου από μια οντότητα (entity), ενώ το «release block» την αποδεσμεύει, για να χρησιμοποιηθεί στη συνέχεια από κάποια άλλη οντότητα. Τα «elements» είναι αντικείμενα που παριστούν «υπηρεσίες», όπως οι πόροι (resources) και οι ουρές (queues), ή άλλα στοιχεία, όπως τα «dstat» και τα «tallies», που χρησιμοποιούνται για τη συλλογή στατιστικών στοιχείων κατά τη διάρκεια της προσομοίωσης. Τα modules είναι τα κύρια δομικά στοιχεία ενός μοντέλου προσομοίωσης ARENA που έχουν δημιουργηθεί από τα βασικά αντικείμενα του ARENA, τα «blocks» ή και τα «elements». Για παράδειγμα, ένα process module αποτελείται από τα παρακάτω blocks: queue, seize, delay και release. Η δημιουργία ενός τυπικού μοντέλου προσομοίωσης στο ARENA περιλαμβάνει τα παρακάτω βήματα: Επιλογή module/block εικόνων και απόθεση αυτών στο γραφικό καμβά του μοντέλου, σύμφωνα με το στάδιο της ανάλυσης (Σχήμα 3.2). Γραφική διασύνδεση των modules για την επισήμανση της φυσικής ροής των διαδικασιών ή και των λογικών ροών ελέγχου. Παραμετροποίηση των modules (εισαγωγή τιμών, συναρτήσεων κ.ο.κ.) Δημιουργία κώδικα για συγκεκριμένες περιπτώσεις. Κατά τη διαδικασία αυτή η ARENA δημιουργεί αυτομάτως στο παρασκήνιο τον κατάλληλο κώδικα στη γλώσσα προγραμματισμού SIMAN. Στην παρούσα διπλωματική εργασία δε χρειάστηκε να εφαρμοστεί το τελευταίο από τα παραπάνω βήματα της διαδικασίας ανάπτυξης του μοντέλου προσομοίωσης. Τέλος, πριν ολοκληρωθεί αυτό το υποκεφάλαιο, θεωρείται συνετό να τονιστεί το γεγονός ότι τα προσομοιωτικά μοντέλα είναι μοντέλα τύπου input output. Δηλαδή βγάζουν ένα αποτέλεσμα από δεδομένα εισόδου που τους δίνονται. Στην ουσία λοιπόν δε «λύνουν» το σύστημα που προσομοιάζεται και δε μπορούν να αποδώσουν μια βέλτιστη λύση. Εξυπηρετούν μόνο ως ένα εργαλείο ανάλυσης της συμπεριφοράς ενός συστήματος υπό συνθήκες που καθορίζονται από το πείραμα.

27 24 4 Μοντέλο προσομοίωσης λειτουργίας φορτοεκφόρτωσης Ε/Κ στον Οργανισμό Λιμένος Θεσσαλονίκης 4.1 Η λειτουργία της φορτοεκφόρτωσης στον Ο.Λ.Θ. Η ημερήσια δυναμικότητα φόρτωσης και εκφόρτωσης container σε ένα Σ.ΕΜΠΟ. (Σταθμό Εμπορευματοκιβωτίων) είναι συνάρτηση πολλών μεταβλητών, όπως του χρόνου ενδοαφίξεων των πλοίων, του αριθμού των πλοίων σε αναμονή, του διαθέσιμου εξοπλισμού (θέσεις αγκυροβόλησης, γερανογέφυρες), του ποσοστού συμφόρησης στο χώρο αποθήκευσης, του ανθρώπινου δυναμικού κ.ά. Η βελτιστοποίηση αυτής της λειτουργίας περιλαμβάνει την ελαχιστοποίηση της αναμονής και του συνολικού χρόνου εξυπηρέτησης, καθώς και την αύξηση της εκμετάλλευσης των διαθέσιμων πόρων. Σε ένα τυπικό τερματικό σταθμό (Σχήμα 4.1) όλη η διαδικασία διαχείρισης των container ξεκινάει με την άφιξη ενός πλοίου στο λιμάνι. Έπειτα, πρέπει να ανατεθεί στο πλοίο μια θέση εξυπηρέτησης (berth, αγκυροβόλιο) κατά μήκος του κρηπιδώματος. Ανάλογα με την κατάσταση συμφόρησης ή όχι, αν δεν υπάρχει άλλο πλοίο σε αναμονή, τα διαθέσιμα berths κατανέμονται σε κάθε ερχόμενο πλοίο με εφαρμογή του κανόνα FCFS (first-come-firstserved). Στην αντίθετη περίπτωση τα πλοία περιμένουν στη σειρά. Συνήθως, η χρήση (occupancy) των berth εξαρτάται από το μήκος του πλοίου και το χρόνο που αυτό καταλαμβάνει το berth. Το πλοίο, λοιπόν, καταλαμβάνει μια θέση αγκυροβόλησης και του ανατίθεται ο ζητούμενος αριθμός γερανογεφυρών σύμφωνα με το πλάνο αγκυροβόλησης που συνδέεται με την αρχή διαχείρισης των Γ/Φ και τη στρατηγική διαχείρισης του χώρου αποθήκευσης. Σχήμα 4.1: Τυπική μορφή ενός τερματικού σταθμού Ε/Κ (Πηγή: Gudelj et al, 2010)

28 25 n sn n s2 n s1 Ship arrivals Initialize input variables Ship class Lifts per call (No of containers) QCs per ship Wait for berth No Berth available Yes Occupy berth Wait for QC No QC available Yes Assign QC No Loading/Unloading operations stage END Yes End of simulation period Leave QCs and Berth Terminal transportation operations Σχήμα 4.2: Λογικό διάγραμμα διαδικασίας αγκυροβόλησης και φορτοεκφόρτωσης

29 26 Είναι λοιπόν σαφές ότι η θέση αγκυροβόλησης του πλοίου εξαρτάται από τον κανόνα ανάθεσης Γ/Φ. Οι Γ/Φ ανατίθενται με την πάροδο του χρόνου και η διαθεσιμότητά τους έχει άμεσες συνέπειες στο χρόνο εξυπηρέτησης και τις καθυστερήσεις. Το επιχειρησιακό πρόβλημα ανάθεσης των Γ/Φ έχει να κάνει με την ανάθεση συγκεκριμένου και περιορισμένου αριθμού Γ/Φ για την εξυπηρέτηση όλων των προγραμματισμένων πλοίων με ελάχιστο κόστος. Αν μια γερανογέφυρα δεν είναι διαθέσιμη, θα πρέπει να μετακινηθεί έπειτα από παρακείμενο berth. Στην περίπτωση που όλες οι Γ/Φ είναι απασχολημένες τότε το πλοίο θα πρέπει να περιμένει μέχρι να υπάρξει διαθεσιμότητα. Τα container που διαχειρίζονται οι Γ/Φ μεταφέρονται από και προς το χώρο αποθήκευσης με διασκελετικούς μεταφορείς και, τέλος, εφόσον τελειώσει η φορτοεκφόρτωση όλων των container και συνεπώς ολοκληρωθεί η εξυπηρέτηση, το πλοίο αναχωρεί από το λιμάνι. Η διαδικασία αυτή παρουσιάζεται σχηματικά στο λογικό διάγραμμα του σχήματος 4.2. Σχήμα 4.3: Τερματικός σταθμός Ε/Κ Ο.Λ.Θ. Στο Σ.ΕΜΠΟ. του Ο.Λ.Θ. (Σχήμα 4.3) για τη φορτοεκφόρτωση container βρίσκεται σε λειτουργία κρηπίδωμα μήκους 550 μέτρων όπου, ανάλογα και με το μέγεθος των πλοίων, μπορούν να πλευρίσουν μέχρι και τρία πλοία ταυτόχρονα. Το μέγιστο βάθος στα berths είναι 12 μέτρα, ενώ για τη διαχείριση των Ε/Κ χρησιμοποιούνται 4 γερανογέφυρες (1 των 40 τόνων, 1 των 45, 2 των 50 τόνων post panamax). Η μεταφορά των container από τις Γ/Φ προς το χώρο αποθήκευσης και στοιβασιάς (με αποθηκευτική ικανότητα TEUs σε θέσεις εδάφους) πραγματοποιείται με διασκελετικούς μεταφορείς (straddle carriers) που συνολικά ο Ο.Λ.Θ. διαθέτει 17 και τους χρησιμοποιεί τόσο για τη φορτοεκφόρτωση όσο και για τη διαδικασία παράδοσης/παραλαβής Ε/Κ από τα φορτηγά των πελατών.

30 Συλλογή και ανάλυση δεδομένων παραμέτρων εισόδου του συστήματος Για τον καθορισμό των παραμέτρων του συστήματος ακολουθήθηκαν τα παρακάτω βήματα όπως φαίνονται και στο σχήμα 4.4: Συλλογή ιστορικών δεδομένων Ανάλυση δεδομένων Προσδιορισμός καλύτερης κατανομής (fitting) Ο προσδιορισμός της θεωρητικής ή εμπειρικής κατανομής που ακολουθούν τα δεδομένα εισόδου μπορεί να πραγματοποιηθεί με τη χρήση του Input Analyzer. Το Input Analyzer είναι εργαλείο το οποίο συνοδεύει το Arena και έχει σχεδιαστεί ακριβώς για να αντιστοιχεί κατανομές σε παρατηρούμενα δεδομένα, να παρέχει εκτιμήσεις των παραμέτρων τους και να μετρά πόσο καλά αντιπροσωπεύουν τα δεδομένα (Kelton et al, 2007). Το Input Analyzer απαιτεί τη χρήση text αρχείων (σχήμα 4.5) τα οποία περιέχουν τα βασικά δεδομένα για την αντιστοίχηση κατανομών πιθανοτήτων στα δεδομένα. Αυτές οι κατανομές χρησιμοποιούνται έπειτα ως μεταβλητές εισόδου στο μοντέλο προσομοίωσης. Επιπλέον, για όλα τα δεδομένα, πραγματοποιούνται goodness-of-fit εκτιμήσεις τόσο από το Chi-square (X 2 ) όσο και από το Kolmogorov-Smirnov τεστ σε επίπεδο σημαντικότητας 5%. Στάδιο Ι: Συλλογή Δεδομένων Λιμένα Στάδιο ΙΙ: Επεξεργασία Δεδομένων για Εκτίμηση Κατανομής Στάδιο ΙΙΙ: Παραγωγή Εκτιμώμενης Κατανομής από το Arena Σχήμα 4.4: Διαδικασία Ανάλυσης Σχήμα 4.5: Δείγμα text αρχείου Για να εξυπηρετηθούν οι ανάγκες της μελέτης μας συλλέχθηκαν πολυάριθμα δεδομένα από τον Ο.Λ.Θ. τα οποία αφορούσαν το χρονικό διάστημα Μάρτιος-Μάιος 2008.

31 28 Συγκεκριμένα, σε αυτό το τρίμηνο, επιλέχθηκαν διαδοχικά 164 πλοία για καθένα απ τα οποία αντλήθηκαν πληροφορίες δεδομένων από δύο βασικές πηγές: Από το λιμεναρχείο: Ημερομηνία και ώρα (ανά πλοίο) κατάπλου, πρόσδεσης, έναρξης εργασιών, λήξης εργασιών, απόδεσης, αναχώρησης. Από τα βιβλία καταχώρησης των σημειωτών στις Γ/Φ: Χρόνος εργασίας στο πλοίο, καθυστερήσεις, αριθμός κινήσεων container (20ft και 40ft), αριθμός άλλων κινήσεων (shift in, shift out, καπάκια) ανά βάρδια και ανά Γ/Φ. Δείγμα των παραπάνω δεδομένων από το λιμεναρχείο για ένα συγκεκριμένο πλοίο και από τα βιβλία των σημειωτών για μια συγκεκριμένη μέρα καταχώρησης παρατίθεται στον πίνακα Π1 του παραρτήματος Α, καθώς δεν επιτράπηκε από τον Οργανισμό Λιμένος η δημοσίευση των δεδομένων. Οι μεταβλητές για τις οποίες πρέπει να γίνει εκτίμηση κατανομής βασιζόμενη στα πραγματικά δεδομένα είναι: Χρόνος ενδοαφίξεων πλοίων (Ship inter-arrival times, hours) Χρόνος εργασίας στις Γ/Φ (Crane operational time, min/container) Καθαρός χρόνος εργασίας στις Γ/Φ (Net crane operational time, min/container) Μέγεθος φορτίου πλοίου (LPC, Lifts per Call) Αριθμός Γ/Φ ανά πλοίο (Number of assigned QCs) Χρόνος αναμονής (Waiting time, hours) Καθυστερήσεις πριν τη φορτοεκφόρτωση (Delay before seize QC, minutes) Καθυστερήσεις πριν την αναχώρηση από το αγκυροβόλιο (Delay before release berth, minutes) Καθυστερήσεις ελιγμών μετά την αναχώρηση από το αγκυροβόλιο (Maneuvering, minutes) Βέβαια στο σημείο αυτό θα πρέπει να σημειωθεί ότι πλοία διαφορετικού μεγέθους έχουν διαφορετικά χαρακτηριστικά και διαφορετική αντιμετώπιση όταν τους ανατίθεται αγκυροβόλιο (berth) και αριθμός Γ/Φ, με άμεση συνέπεια στην ταχύτητα εξυπηρέτησης του πλοίου. Για το λόγο αυτό δεν μπορούμε απλά να επιλέξουμε ταχύτητα εξυπηρέτησης (Crane operational time) από μια κατανομή καθώς μπορεί να πάρουμε μικρή ταχύτητα για ένα πλοίο με πολλά container και συνεπώς ένα μη ρεαλιστικό μεγάλο συνολικό χρόνο εργασίας στο πλοίο. Το γεγονός, λοιπόν, αυτό λαμβάνεται υπόψη στο μοντέλο προσομοίωσης χρησιμοποιώντας διαφορετικές τάξεις πλοίων (ship classes). Πιο συγκεκριμένα, τα πλοία υπό μελέτη εντάχθηκαν σε 4 τάξεις σύμφωνα με το μέγεθός τους LPC (που περιλαμβάνει

32 29 φόρτωση και εκφόρτωση τόσο 20ft όσο και 40ft container): 1) από 0 έως 300 κινήσεις φορτοεκφόρτωσης, 2) από 300 έως 500 κινήσεις, 3) από 500 έως 1000 κινήσεις και 4) από 1000 κινήσεις και πάνω (Πίνακας 4.1). Έτσι λοιπόν, τα δεδομένα βασικών μεταβλητών εισόδου που σχετίζονται με το μέγεθος πλοίου (Ship inter-arrival times, Crane & Net crane operational time, LPC, Number of assigned QCs) αναλύθηκαν ως προς την κατανομή τους όχι συγκεντρωτικά για όλα τα πλοία αλλά για κάθε τάξη πλοίου. Πίνακας 4.1: Τάξεις πλοίων υπό μελέτη Ship class LPC No of % ships 1 < , έως , έως ,22 4 > ,09 Σύνολο 164 Τέλος πριν προχωρήσουμε πιο αναλυτικά στην εκτίμηση κατανομών για τις μεταβλητές που αναφέρθηκαν και συνδέονται άμεσα με το μέγεθος φορτίου ανά πλοίο, θα θέλαμε να τονίσουμε ότι στην περίπτωση κάποιων μεταβλητών των οποίων τα πραγματικά δεδομένα δεν ταίριαζαν ικανοποιητικά σε γνωστές θεωρητικές κατανομές, χρησιμοποιήθηκαν οι αντίστοιχες εμπειρικές κατανομές των πραγματικών στοιχείων με σκοπό την όσο δυνατό καλύτερη προσέγγιση της πραγματικότητας από το μοντέλο προσομοίωσης Εκτίμηση κατανομής χρόνων ενδοαφίξεων πλοίων Η κατανομή του χρόνου ενδοαφίξεων είναι μια βασική παράμετρος εισόδου που πρέπει να εκτιμηθεί από τις πραγματικές παρατηρήσεις (Kelton et al, 2007) και αποτελεί βασική προϋπόθεση για τη σωστή ανάπτυξη του μοντέλου προσομοίωσης. Κάθε φορά που πραγματοποιείται η άφιξη ενός νέου πλοίου από μια συγκεκριμένη τάξη πλοίων πρέπει να γνωρίζουμε το χρόνο μεταξύ της άφιξης του προηγούμενου πλοίου της ίδιας τάξης και της άφιξης αυτού του πλοίου. Ο υπολογισμός αυτός κατέστη δυνατός από τα δεδομένα που συλλέχθηκαν από το λιμεναρχείο σε συνδυασμό με τα αντίστοιχα δεδομένα του μεγέθους φορτίου ανά πλοίο ώστε να υπολογιστούν οι χρόνοι ενδοαφίξεων ανά τάξη πλοίου. Στο σχήμα 4.6 φαίνεται το αποτέλεσμα της επεξεργασίας των δεδομένων από το Input Analyzer για την πρώτη τάξη πλοίων (έως 300 κινήσεις φορτοεκφόρτωσης). Η κατανομή η οποία προσεγγίζεται είναι η ΒΕΤΑ και τα μη παραμετρικά τεστ Chi-square και Kolmogorov-Smirnov σε επίπεδο σημαντικότητας 5% δεν απορρίπτουν τη μηδενική υπόθεση προσέγγισης των δεδομένων σε αυτήν την κατανομή.

33 30 Σχήμα 4.6: Περίληψη κατανομής χρόνου ενδοαφίξεων πλοίων 1 ης τάξης Ομοίως εργαζόμενοι και για τις υπόλοιπες τάξεις πλοίων παρουσιάζεται ο παρακάτω πίνακας για την εκτίμηση κατανομών του χρόνου ενδοαφίξεων ανά τάξη πλοίου: Πίνακας 4.2: Έκφραση κατανομής μεταβλητής χρόνου ενδοαφίξεων Ship class Κατανομή χρόνου ενδοαφίξεων * BETA(0.849, 2.36) 2 WEIB(57.6, 1.06) WEIB(59.2, 0.956) 4 NORM(131, 80.7)

34 31 Οι συναρτήσεις πυκνότητας πιθανότητας για τις τρεις τελευταίες τάξεις πλοίων παρουσιάζονται συγκεντρωτικά στο σχήμα 4.7 που ακολουθεί. Σχήμα 4.7: Οι συναρτήσεις πυκνότητας πιθανότητας χρόνου ενδοαφίξεων για τις τάξεις 2,3, Εκτίμηση κατανομής χρόνου εργασίας στις γερανογέφυρες Ο χρόνος εργασίας στις Γ/Φ αντιπροσωπεύει στη μελέτη μας το χρόνο διαχείρισης ενός container από μια γερανογέφυρα εκφρασμένο σε λεπτά (minutes). Στην ουσία μιλάμε για την παραγωγικότητα της κάθε Γ/Φ ή αλλιώς για την ταχύτητα εξυπηρέτησης του πλοίου στο αγκυροβόλιο. Έχουμε λοιπόν: Crane operational time = Συνολικός χρόνος εργασίας / (LPC * Number of assigned QCs) Στο σημείο αυτό θα πρέπει να τονίσουμε ότι η κατανομή της μεταβλητής LPC η οποία αντιπροσωπεύει το μέγεθος φορτίου του πλοίου δεν εκτιμήθηκε με τον τρόπο που παρουσιάστηκε παραπάνω αλλά με εμπειρική κατανομή, και μάλιστα διακριτή, ανά τάξη πλοίου καθώς η μορφή έκφρασης της συγκεκριμένης μεταβλητής επηρεάζει καθοριστικά τον

35 32 τρόπο με τον οποίο δομήθηκε το μοντέλο προσομοίωσης, κάτι το οποίο θα φανεί αργότερα κατά την ανάλυση ανάπτυξης του μοντέλου. Στο σχήμα 4.8 φαίνεται το αποτέλεσμα της επεξεργασίας των δεδομένων της μεταβλητής Crane operational time από το Input Analyzer για την πρώτη τάξη πλοίων. Η κατανομή η οποία προσεγγίζεται είναι η ΒΕΤΑ και τα μη παραμετρικά τεστ Chi-square και Kolmogorov-Smirnov σε επίπεδο σημαντικότητας 5% δεν απορρίπτουν τη μηδενική υπόθεση προσέγγισης των δεδομένων σε αυτήν την κατανομή. Σχήμα 4.8: Περίληψη κατανομής χρόνου εργασίας στις Γ/Φ πλοίων 1 ης τάξης Ομοίως εργαζόμενοι και για τις υπόλοιπες τάξεις πλοίων παρουσιάζεται ο παρακάτω πίνακας για την εκτίμηση κατανομών του χρόνου εργασίας στις Γ/Φ ανά τάξη πλοίου: Πίνακας 4.3: Έκφραση κατανομής μεταβλητής χρόνου εργασίας στις Γ/Φ Ship class Κατανομή χρόνου εργασίας στις Γ/Φ * BETA(1.84, 2.98) LOGN(1.02, 0.689) * BETA(4.17, 2.77) * BETA(0.496, 0.635)

36 33 Οι συναρτήσεις πυκνότητας πιθανότητας για τις τρεις τελευταίες τάξεις πλοίων παρουσιάζονται συγκεντρωτικά στο σχήμα 4.9 που ακολουθεί. Σχήμα 4.9: Οι συναρτήσεις πυκνότητας πιθανότητας χρόνου εργασίας στις Γ/Φ για τις τάξεις 2,3 & 4 Με τον ίδιο ακριβώς τρόπο εργαζόμαστε και για τη μεταβλητή «Καθαρός χρόνος εργασίας στις Γ/Φ» (Net crane operational time, min/container) όπου, για τον υπολογισμό της αφαιρούμε στην ουσία από το συνολικό χρόνο εργασίας ενός πλοίου στις Γ/Φ τις διάφορες καθυστερήσεις που παρουσιάζονται όπως για παράδειγμα εμφάνιση βλαβών λειτουργίας στις Γ/Φ Εκτίμηση κατανομής αριθμού Γ/Φ ανά πλοίο Ο αριθμός Γ/Φ που χρησιμοποιούνται σε κάθε περίπτωση πλοίου είναι σαφές ότι πρέπει να ληφθεί υπόψη, καθώς παίζει σημαντικό ρόλο στη διαδικασία εξυπηρέτησης των πλοίων. Μάλιστα η μεταβλητή αυτή είναι ιδιαιτέρως σημαντική διότι ο συνολικός χρόνος εξυπηρέτησης του πλοίου και συνεπώς συνολικής παραμονής στο λιμένα εξαρτάται όχι μόνο από το μέγεθος φορτίου του πλοίου (αριθμό κινήσεων φόρτωσης και εκφόρτωσης) αλλά και

37 34 από τον αριθμό Γ/Φ που του ανατίθενται. Υπάρχουν πολλοί κανόνες και σχέσεις με τις οποίες μπορούμε να καθορίσουμε τον επαρκή αριθμό Γ/Φ ανά πλοίο, ωστόσο στη συγκεκριμένη προσομοιωτική μελέτη αρκεί να καθορίσουμε την κατανομή πιθανότητας ανάθεσης συγκεκριμένου αριθμού Γ/Φ ανά πλοίο. Η ανάθεση Γ/Φ θεωρήθηκε τυχαία με πιθανότητες οι οποίες προκύπτουν από το ποσοστό των πλοίων που εξυπηρετήθηκαν υπό συγκεκριμένο αριθμό Γ/Φ (μέχρι 4 που διαθέτει ο Ο.Λ.Θ.), ανά τάξη πλοίου. Τα αποτελέσματα ανάλυσης των συχνοτήτων ανάθεσης αριθμού Γ/Φ φαίνονται στον πίνακα 4.4 όπου παρατηρούμε ότι στην πρώτη τάξη πλοίων (μέχρι 300 κινήσεις φορτοεκφόρτωσης), 72% των πλοίων εξυπηρετήθηκε από μία Γ/Φ και 28% από δύο. Ομοίως, στη δεύτερη τάξη πλοίων, μία Γ/Φ ανατέθηκε στο 18% των πλοίων, δύο στο 66% και τρεις στο υπόλοιπο 16%. Με τον ίδιο τρόπο ερμηνεύονται τα δεδομένα και για τις υπόλοιπες δύο τάξεις πλοίων ενώ παρατηρούμε ταυτόχρονα ότι σε καμία περίπτωση πλοίου δεν ανατέθηκαν ταυτόχρονα και οι τέσσερεις Γ/Φ που διαθέτει το λιμάνι. Πίνακας 4.4: Αριθμός Γ/Φ ανά πλοίο (Number of assigned QCs) σε % Ship class 1 Ship class 2 Ship class 3 Ship class 4 Assigned Ratio Cum Assigned Ratio Cum Assigned Ratio Cum Assigned Ratio Cum QCs QCs QCs QCs 1 0,72 0,72 1 0,18 0, , ,66 0,84 2 0,72 0,72 2 0,47 0, , , , Συνολικά από τα 164 πλοία, υπάρχουν 74 πλοία τα οποία εξυπηρετήθηκαν μόνο από μία Γ/Φ, 62 πλοία τα οποία εξυπηρετήθηκαν ταυτόχρονα από δύο Γ/Φ και 32 πλοία που εξυπηρετήθηκαν από τρεις Γ/Φ. Τα αποτελέσματα αυτά φαίνονται σχηματικά στο σχήμα 4.10 όπου όπως αναφέραμε ήδη φαίνεται επίσης ότι κανένα πλοίο δεν εξυπηρετήθηκε ταυτόχρονα και από τις 4 Γ/Φ.

38 No of ships 35 No of ships per No of assigned cranes class 1 class 2 class 3 class QC 2 QC 3 QC 4 QC Σχήμα 4.10: Διάγραμμα αριθμού πλοίων ως προς αριθμό ανατιθέμενων Γ/Φ 4.3 Σχεδιασμός και ανάπτυξη μοντέλου προσομοίωσης Οι ενέργειες που λαμβάνουν χώρα κατά τη διαδικασία άφιξης πλοίων και φορτοεκφόρτωσης εμπορευματοκιβωτίων στις γερανογέφυρες απεικονίζονται στο λογικό διάγραμμα του σχήματος 4.2. Η μοντελοποίηση του συστήματος αυτής της διαδικασίας χωρίζεται σε τμήματα, καθένα από τα οποία έχει τις δικές του παραμέτρους εισόδου. Αυτά τα τμήματα συνδέονται άμεσα με τα στάδια εξυπηρέτησης ενός πλοίου (σχήμα 4.11). Η εξυπηρέτηση του πλοίου ξεκινά φυσικά με την άφιξη του πλοίου στο χώρο του λιμένα. Ανάλογα με την κατάσταση συμφόρησης στο κρηπίδωμα, το πλοίο μπορεί να χρειαστεί να περιμένει στην αναμονή σε ουρά υπό την αρχή FCFS. Εφόσον τελικά ανατεθεί θέση εξυπηρέτησης στο πλοίο (berth), ξεκινά η διαδικασία φόρτωσης και εκφόρτωσης των Ε/Κ καθώς παράλληλα και η μεταφορά των τελευταίων στην αυλή αποθήκευσης (storage yard) από τους διασκελετικούς μεταφορείς (straddle carriers). Τελικά, όταν ολοκληρωθεί η εξυπηρέτηση, το πλοίο αναχωρεί από το λιμάνι.

39 36 Σχήμα 4.11: Λειτουργικές διαδικασίες άφιξης πλοίων και εξυπηρέτησης στα berths (Πηγή: Dragovic et al, 2005) Το μοντέλο προσομοίωσης το οποίο δημιουργήθηκε και απεικονίζεται σχηματικά στο σχήμα 4.12, θα προσομοιώσει τον αριθμό των πλοίων που επισκέπτονται τον τερματικό σταθμό του Ο.Λ.Θ. σε χρονικό διάστημα τριών μηνών. Μάλιστα, το μοντέλο ARENA χωρίζεται σε τέσσερα βασικά τμήματα: (i) τις αφίξεις των πλοίων και (ii) την ανάθεση berth (berth allocation), τα οποία απεικονίζονται συγκεκριμένα στο σχήμα 4.13, και (iii) τη φορτοεκφόρτωση Ε/Κ στις Γ/Φ και (iv) διαδικασία μεταφοράς τους στην αυλή αποθήκευσης, τα οποία απεικονίζονται ξεχωριστά στο σχήμα 4.14.

40 Σχήμα 4.12: Διάγραμμα μοντέλου προσομοίωσης (ARENA) 37

41 Σχήμα 4.13: Αφίξεις πλοίων και ανάθεση αγκυροβολίων (berth) 38

42 Σχήμα 4.14: Φορτοεκφόρτωση Ε/Κ στις Γ/Φ και μεταφορά προς το χώρο αποθήκευσης (απεικόνιση ενός berth) 39

43 Διαδικασία αφίξεων πλοίων Η προσομοίωση ξεκινά προφανώς με τη δημιουργία αφίξεων πλοίων με ρυθμό ο οποίος καθορίζεται από συγκεκριμένη κατανομή. Οι αφίξεις των πλοίων πραγματοποιούνται στο τμήμα του μοντέλου ARENA το οποίο απεικονίζεται στο σχήμα Σχήμα 4.15: Αφίξεις πλοίων Για κάθε τάξη πλοίων, δημιουργούνται αφίξεις πλοίων χρησιμοποιώντας το Create module με όνομα Ship class # arrivals και με ρυθμό ο οποίος καθορίζεται για κάθε τάξη πλοίου από τις κατανομές του πίνακα 4.2. Μετά τη δημιουργία αφίξεων, κάθε Ship entity προχωρά σε ένα Record module με ονομασία Class # ships in, το οποίο κάνει Count του αριθμού των πλοίων ανά τάξη που εισέρχονται στο λιμάνι. Έπειτα τα Ship entities εισέρχονται σε ένα Assign module, Assign class #, το οποίο θα προσδώσει στο πλοίο κάθε τάξης τέσσερις συγκεκριμένες ιδιότητες (attributes) με ονομασίες Crane operational time, Arrival time, LPC και Number of assigned QCs. Τα παράθυρα διαλόγου των παραπάνω τριών modules φαίνονται στο σχήμα 4.16.

44 41 Σχήμα 4.16: Παράθυρα διαλόγου Create, Record & Assign modules για τη 2 η τάξη πλοίων Όπως φαίνεται στο παραπάνω σχήμα, για κάθε τάξη πλοίου στο ship entity ανατίθενται κάποια attributes τα οποία θα χαρακτηρίζουν το entity για το υπόλοιπο της προσομοίωσης και θα καθορίσουν τη ρεαλιστική απόκριση των αποτελεσμάτων της προσομοίωσης.

45 42 Πιο συγκεκριμένα, το πρώτο attribute το οποίο ανατίθεται είναι αυτό με την ονομασία Crane operational time που αντιπροσωπεύει το χρόνο εργασίας στις Γ/Φ όπως αυτός ορίστηκε στην παράγραφο Έχουμε αναφέρει ήδη πως η ιδιότητα αυτή είναι πολύ σημαντική καθώς προσδιορίζει στην ουσία την ταχύτητα εξυπηρέτησης του πλοίου από τις γερανογέφυρες, η οποία προφανώς και διαφέρει ανάλογα με το μέγεθος του πλοίου που εξυπηρετείται, δηλαδή ανάλογα με την τάξη στην οποία ανήκει το πλοίο. Με τον τρόπο αυτό, όταν το ship entity φτάσει στο σημείο προσομοίωσης της φορτοεκφόρτωσης, οι Γ/Φ θα διαβάσουν το Crane operational time και θα καταλάβουν στην ουσία την ταχύτητα με την οποία πρέπει να εξυπηρετήσουν το συγκεκριμένο entity. Η κατανομή του ρυθμού εξυπηρέτησης δηλαδή του χρόνου εργασίας στις Γ/Φ ανά τάξη πλοίου έχει παρουσιαστεί στον πίνακα 4.3. Το επόμενο attribute του Assign module είναι το Arrival time το οποίο και θα αποθηκεύσει τον πραγματικό χρόνο άφιξης κάθε πλοίου. Το attribute είναι πολύ σημαντικό καθώς αργότερα στο μοντέλο θα μετρήσουμε την απόσταση χρόνου μεταξύ της στιγμής άφιξης και της στιγμής αναχώρησης κάθε πλοίου. Αυτός ο συνολικός χρόνος παραμονής του πλοίου στο λιμάνι είναι το λεγόμενο Turnaround time το οποίο είναι και βασικό χαρακτηριστικό γνώρισμα του επιπέδου εξυπηρέτησης που προσφέρει ένας τερματικός σταθμός. Το τρίτο attribute που προσδίδεται σε κάθε τάξη πλοίου, και που στην ουσία καθόρισε και τον ορισμό των τάξεων, είναι η ιδιότητα LPC η οποία αντιπροσωπεύει το μέγεθος φορτίου κάθε πλοίου δηλαδή των αριθμό κινήσεων (ή αλλιώς αριθμό container) φόρτωσης και εκφόρτωσης που θα πραγματοποιηθούν για το συγκεκριμένο πλοίο. Αυτό το attribute είναι το πλέον καθοριστικό για το μοντέλο προσομοίωσης. Όπως γνωρίζουμε, η εκδοχή student mode του ARENA δεν υποστηρίζει την ύπαρξη πάνω από 150 entities ταυτόχρονα στο μοντέλο, ενώ παράλληλα έχουμε αναφέρει ότι ένα πλοίο μπορεί να φορτοεκφορτώσει μέχρι πάνω από 1000 containers (μάλιστα η μεγαλύτερη τιμή του LPC είναι 2267). Έτσι λοιπόν, αυτήν την ιδιότητα θα τη χρησιμοποιήσουμε με κατάλληλο τρόπο συγκεκριμένα στη διαδικασία φορτοεκφόρτωσης της προσομοίωσης ώστε να αντιπροσωπευτεί ρεαλιστικά ο αριθμός των container. Επιπλέον, όπως φαίνεται και στο σχήμα 4.17, η κατανομή που προσδώσαμε στο LPC είναι εμπειρική και μάλιστα διακριτή καθώς ο τρόπος με την οποία τη χρησιμοποιήσαμε δεν επέτρεπε συνεχείς κατανομές. Το τελευταίο attribute που ανατίθεται στα ship entities είναι το Number of assigned QCs, το οποίο αντιπροσωπεύει τον αριθμό των Γ/Φ που εξυπηρετούν ταυτόχρονα ένα πλοίο και είναι πολύ σημαντικό καθώς, όπως έχουμε πει, ο Ο.Λ.Θ. διαθέτει 4 Γ/Φ και συνεπώς αν απασχολούνται όλες τότε ένα πλοίο μπορεί να περιμένει να ελευθερωθεί μια Γ/Φ ακόμα και αν βρίσκεται ήδη σε μια θέση berth, γεγονός που θα προσδώσει ακόμη περισσότερο χρόνο

46 43 αναμονής. Η εμπειρική κατανομή πιθανότητας του αριθμού Γ/Φ ανά πλοίο, για κάθε τάξη πλοίων έχει παρουσιαστεί στον πίνακα 4.4. Στο σχήμα 4.17 διαφαίνονται τα παράθυρα διαλόγου των attributes που μόλις παρουσιάστηκαν, συγκεκριμένα για το Assign module της 2 ης τάξης πλοίων. Σχήμα 4.17: Παράθυρα διαλόγου attributes του Assign module της 2 ης τάξης πλοίων

47 Διαδικασία ανάθεσης αγκυροβολίων Στο σχήμα 4.18 φαίνεται το κομμάτι του προσομοιωτικού μοντέλου το οποίο αφορά την ανάθεση των berths στα πλοία. Η στρατηγική ανάθεσης ακολουθεί την αρχή First-comefirst-served, και έτσι όταν φτάνει ένα πλοίο πρέπει να περιμένει στην ουρά μέχρι να ελευθερωθεί ένα berth. Όπως βλέπουμε και στο σχήμα, μετά τη δημιουργία των πλοίων και την ανάθεση attributes, τα entities προχωρούν στο Delay module με ονομασία Waiting time όπου και καθυστερούνται (σε ώρες) σύμφωνα με μια κατανομή που έχει προκύψει από τα πραγματικά δεδομένα για όλα τα πλοία. Ο λόγος για τον οποίο προσδίδουμε χρόνο αναμονής ακόμα και στα πρώτα πλοία που προσομοιώνονται είναι ακριβώς γιατί δε χρησιμοποιήσαμε κάποια περίοδο προθέρμανσης της προσομοίωσης και θέλαμε άμεσα να απεικονιστεί η πραγματικότητα, η οποία και επιβάλλει χρόνο αναμονής (και μάλιστα δυσανάλογο με τα ποσοστά χρήσεως των εγκαταστάσεων) σε όλα τα πλοία του δείγματος. Σχήμα 4.18: Ανάθεση berth Μετά την αναμονή, τα πλοία εισέρχονται στο Decide module με όνομα Berth allocation το οποίο αποστέλλει τα entities σε ένα από τα υπάρχοντα berth σύμφωνα με κάποιο ποσοστό. Στο σημείο αυτό πρέπει να διευκρινιστούν κάποια πράγματα. Όπως είδαμε στο σχήμα 4.3, το κρηπίδωμα του Ο.Λ.Θ. είναι μια συνεχής γραμμή και συνεπώς δεν υπάρχουν καθορισμένες τοπολογικά θέσεις εξυπηρέτησης (berths). Ο αριθμός των berth που μπορεί να χρησιμοποιηθεί ταυτόχρονα εξαρτάται κυρίως από το μέγεθος των πλοίων. Στον Ο.Λ.Θ. έχει παρατηρηθεί ότι μπορούν να εξυπηρετηθούν ταυτόχρονα μέχρι και 3 πλοία, κυρίως όταν αυτά είναι μικρά, και συνεπώς έτσι προκύπτει και ο αριθμός των νοητών θέσεων εξυπηρέτησης. Για να υπολογίσουμε το ποσοστό των πλοίων που ανατίθεται σε κάθε berth λειτουργήσαμε ως εξής: αρχικά θεωρούμε ότι το πρώτο berth (berth 1) είναι αυτό που

48 45 βρίσκεται πιο κοντά στην ξηρά ενώ το berth 3 αυτό που βρίσκεται πιο μακριά. Στην ουσία ακολουθήσαμε την πραγματική αρίθμηση των Γ/Φ κατά την οποία η Γ/Φ Ν ο 1 βρίσκεται κοντά στην ξηρά ενώ η Ν ο 4 πιο κοντά στη θάλασσα. Έπειτα, από τα πραγματικά δεδομένα που διαθέταμε από τα βιβλία καταχώρησης των σημειωτών Γ/Φ, μπορέσαμε να διακρίνουμε σε κάθε ημέρα και σε κάθε βάρδια ποια Γ/Φ εξυπηρετούσε ποιο πλοίο. Έτσι, με ταυτόχρονη χρήση κάποιων δεδομένων του λιμεναρχείου αλλά και επεξεργασία των παραπάνω δεδομένων, καταλήξαμε να γνωρίζουμε σε κάθε βάρδια πόσα και ποια πλοία εξυπηρετούνται ταυτόχρονα στο κρηπίδωμα. Οι φορές στις οποίες εξυπηρετούνταν ταυτόχρονα 3 πλοία ήταν μόνο το 8% των περιπτώσεων που εξετάστηκαν και συνεπώς θεωρήσαμε ότι μόνο τότε χρησιμοποιείται ουσιαστικά το 3 ο νοητό berth (berth 1), όπως φαίνεται και στο σχήμα 4.19 με το παράθυρο διαλόγου του Decide module. Στο ίδιο σχήμα φαίνεται ότι το berth 2 χρησιμοποιείται στο 38% των περιπτώσεων ενώ εξυπηρέτηση μόνο ενός πλοίου στο κρηπίδωμα έχουμε στο υπόλοιπο των περιπτώσεων, και μάλιστα στο berth 3. Η αντιστοιχία των ποσοστών αυτών με τα αριθμημένα berth δεν είναι τυχαία καθώς το berth 3 είναι όντως αυτό που χρησιμοποιείται πιο συχνά, καθώς περιλαμβάνει σίγουρα μία από τις δύο τελευταίες Γ/Φ (την 3 η και την 4 η ) οι οποίες πιο καινούργιες από τις υπόλοιπες και παρουσιάζουν μικρότερη συχνότητα εμφάνισης βλαβών με αποτέλεσμα να χρησιμοποιούνται περισσότερο. Σχήμα 4.19: Παράθυρο διαλόγου Decide module ποσοστιαίας ανάθεσης αγκυροβολίων Μετά την ανάθεση berth η διαδικασία η οποία ακολουθείται είναι παρόμοια και στα τρία berth, και συνεπώς θα την περιγράψουμε μόνο για ένα berth (έστω το πρώτο). Εφόσον, λοιπόν, πραγματοποιηθεί η ανάθεση berth, το ship entity εισέρχεται σε ένα Hold module με όνομα Wait for free berth #, το παράθυρο διαλόγου του οποίου φαίνεται στο σχήμα 4.20.

49 46 Σχήμα 4.20: Παράθυρο διαλόγου του Hold module, Wait for free berth 1 Πιο συγκεκριμένα, το ship entity περιμένει στη σειρά Wait for free berth 1.Queue μέχρι να ικανοποιείται η συνθήκη STATE(Berth 1) == IDLE_RES, δηλαδή μέχρι η κατάσταση του Resource berth 1 να είναι IDLE ή αλλιώς να μην είναι απασχολημένος ο πόρος berth 1. Έπειτα προχωρά στο Seize module, Seize berth 1 (σχήμα 4.21) όπου και δεσμεύει τον πόρο Berth 1. Εδώ είναι προφανές ότι οποιοδήποτε πλοίο δε θα περιμένει ποτέ στην ουσία στην ουρά Seize berth 1.Queue, καθώς αυτήν την αναμονή την έχουμε προσδώσει προηγουμένως στο Hold module και συνεπώς όταν το πλοίο φτάσει στο Seize module, ο πόρος είναι ήδη πάντα ελεύθερος. Ο λόγος για τον οποίο ακυρώσαμε στην ουσία την ουρά του Seize module είναι καθαρά θέμα λογικής καθώς στην πραγματικότητα ποτέ δε δημιουργείται ουρά αναμονής σε μια θέση εξυπηρέτησης και η αναμονή αφορά κοινή ουρά για όλα τα πλοία. Στην ουσία ο χρόνος αναμονής του Hold module προστίθεται στο χρόνο του module Waiting time, όπου ποτέ εξάλλου δεν ελέγξαμε την κατάσταση των πόρων berths. Σχήμα 4.21: Παράθυρο διαλόγου Seize module, Seize berth 1

50 47 Μετά από το Seize module, το entity εισέρχεται στο Assign module, Assign berth time 1 όπου προσδίδεται στο entity το attribute με ονομασία berth arrival ώστε να καταγραφεί η στιγμή δέσμευσης του πόρου berth 1 και αργότερα να συσχετιστεί με την αποδέσμευση του αντίστοιχου πόρου ως time interval, με τελικό σκοπό τη μέτρηση του χρόνου εξυπηρέτησης στο berth. Έπειτα, το πλοίο εισέρχεται στο Delay module, Delay before seize QC berth 1 το οποίο προσδίδει κάποια καθυστέρηση (σε minutes) που υφίσταται το πλοίο πριν την έναρξη των εργασιών στις Γ/Φ. Τα παράθυρα διαλόγου των δύο τελευταίων modules φαίνονται στο σχήμα Σχήμα 4.22: Παράθυρα διαλόγου Assign & Delay modules Στο σημείο αυτό ολοκληρώνονται οι διαδικασίες προσομοίωσης του σχήματος 4.13.

51 Διαδικασία φορτοεκφόρτωσης στις Γ/Φ Εφόσον το ship entity έχει δεσμεύσει ένα αγκυροβόλιο, είναι έτοιμο να ξεκινήσει τη διαδικασία προσομοίωσης φορτοεκφόρτωσης στις γερανογέφυρες έτσι όπως παρουσιάζεται, για κάθε berth, στο σχήμα Ωστόσο μέχρι τώρα το μόνο entity που έχουμε παρουσιάσει είναι το ship ενώ η φορτοεκφόρτωση γίνεται με τα container καθώς το πλοίο παραμένει αγκυροβολημένο στη θέση εξυπηρέτησης. Αυτό το κάναμε διότι, όπως έχουμε ήδη αναφέρει, ο περιορισμός που μας επιβάλλει το ARENA στον αριθμό των entities που μπορούμε να έχουμε, δε μας επιτρέπει να ορίσουμε ξεχωριστά ως entities τα containers που μεταφέρει κάθε πλοίο. Εργαζόμαστε λοιπόν ως εξής: Αρχικά, όπως φαίνεται και στο σχήμα 4.23, εφόσον το πλοίο δεσμεύσει ένα berth, το αντιγράφουμε έτσι ώστε να του επιτρέψουμε να πραγματοποιήσει δύο λειτουργίες ταυτόχρονα. Πρώτον, να περιμένει στη θέση εξυπηρέτησης μέχρι να ολοκληρωθεί η φορτοεκφόρτωση και, δεύτερον, να πραγματοποιήσει την ίδια τη φορτοεκφόρτωση των container. Για να υλοποιήσουμε αυτήν την πρακτική, χρησιμοποιούμε το Separate module με ονομασία Separate Ship Containers με το οποίο κάνουμε duplicate το αρχικό ship entity. Σχήμα 4.23: Διαχωρισμός entity σε πλοία και container Μετά από την αντιγραφή του ship entity χρησιμοποιούμε δύο Assign modules τα οποία προσδίδουν από τη μία στο αρχικό entity το entity picture Boat και από την άλλη στο αντίγραφο το entity picture Containers. Έτσι είναι σαν να παρακολουθούμε δύο διαδικασίες: από πάνω την εξέλιξη του πλοίου και από κάτω την εξέλιξη των Ε/Κ που μεταφέρει αυτό το πλοίο. Στο σχήμα 4.24 που ακολουθεί φαίνονται τα παράθυρα διαλόγου του Separate module και των δύο Assign modules που μόλις περιγράφηκαν.

52 49 Σχήμα 4.24: Παράθυρα διαλόγου του Separate module, Separate Ship Containers και των Assign modules, Boat 1 & Containers 1

53 50 Θεωρώντας πλέον ότι είναι σαν να έχουμε δύο ξεχωριστά entities, παρατηρούμε στο υπόλοιπο του σχήματος 4.23 ότι το πλοίο εισέρχεται στο Hold module με όνομα Hold for crane operations berth 1, του οποίου το παράθυρο διαλόγου φαίνεται στο σχήμα Εδώ το πλοίο περιμένει στην ουρά Hold for crane operations berth 1.Queue (μόνο του φυσικά καθώς το berth είναι κατειλημμένο και δεν επιτρέπεται να εισέλθει άλλο πλοίο) μέχρι να ικανοποιηθεί η συνθήκη Variable 1 == 0, την οποία θα εξηγήσουμε αργότερα. Στην ουσία, εδώ θα περιμένει το πλοίο στο berth μέχρι να τελειώσει η φορτοεκφόρτωση όλων των container που του αντιστοιχούν. Σχήμα 4.25: Παράθυρο διαλόγου του Hold module, Hold for crane operations berth 1 Σχήμα 4.26: Παράθυρο διαλόγου Assign module με ονομασία Assign LPC Variable 1

54 51 Από την άλλη μεριά, το αντίγραφο entity Containers προχωρά στο Assign module με ονομασία Assign LPC Variable 1 (σχήμα 4.26) όπου του ανατίθεται η μεταβλητή Variable 1 στην οποία δίνεται ως τιμή, η ιδιότητα LPC που είχε δοθεί εξ αρχής στο πλοίο. Με άλλα λόγια το ship entity έφτασε μέχρι αυτό το σημείο του μοντέλου χαρακτηριζόμενο από την ιδιότητα LPC, την οποία τώρα τη μετατρέπουμε σε μεταβλητή έτσι ώστε να τη χρησιμοποιήσουμε αναλόγως. Τώρα θα εστιάσουμε στα Containers και θα περιγράψουμε τη φορτοεκφόρτωση στις Γ/Φ, έχοντας υπόψη ότι το αρχικό ship entity αναμένει στο berth μέχρι να υλοποιηθεί μια συνθήκη. Στο σχήμα 4.27 φαίνεται ακριβώς αυτή η διαδικασία όπου το αντίγραφο entity Containers, «κουβαλώντας» τη μεταβλητή πλέον LPC, εισέρχεται στο Process module με ονομασία Crane operations berth 1. Σχήμα 4.27: Φορτοεκφόρτωση Ε/Κ στις Γ/Φ του berth 1 Σε αυτό το Process module, του οποίου το παράθυρο διαλόγου φαίνεται στο σχήμα 4.28, το entity προσπαθεί να κάνει seize τον αριθμό (quantity) του πόρου QC (Quay Cranes) που του αντιστοιχεί σύμφωνα με το attribute Number of assigned QCs, το οποίο έχει ανατεθεί από την αρχή της προσομοίωσης σε κάθε πλοίο. Από την αρχή της προσομοίωσης έχει ανατεθεί και το delay type του Process module της φορτοεκφόρτωσης υπό τη μορφή της ιδιότητας Crane operational time που αντιπροσωπεύει, όπως έχουμε πει, την ταχύτητα διαχείρισης του κάθε container από τις Γ/Φ (minutes/container). Βέβαια, στο σημείο αυτό θα πρέπει να τονίσουμε ότι σε περίπτωση που όλες οι Γ/Φ είναι απασχολημένες, το πλοίο περιμένει στην ουρά για να δεσμεύσει τον αριθμό Γ/Φ που του αντιστοιχεί σύμφωνα με το attribute Number of assigned QCs. Δεν πρέπει να ξεχνάμε ότι

55 52 τα τρία berths λειτουργούν ταυτόχρονα και υπάρχει πιθανότητα το πλοίο να περιμένει στο berth μέχρι να αποδεσμευτεί ο κατάλληλος αριθμός Γ/Φ. Σχήμα 4.28: Process module φορτοεκφόρτωσης, Crane operations berth 1 Μετά το Process module, όπου στην ουσία έχει διαχειριστεί ένα entity στις Γ/Φ, το entity προχωράει στο Decide module, All containers berth 1 handled?, όπου εξετάζει αν η μεταβλητή Variable 1 έχει φτάσει την τιμή 0 (True) ή όχι (False). Σχήμα 4.29: Παράθυρο διαλόγου Decide module, All containers berth 1 handled?

56 53 Εδώ πρέπει να θυμηθούμε ότι η μεταβλητή Variable 1 αντιπροσωπεύει στην ουσία το μέγεθος φορτίου LPC του πλοίου, οπότε αν αυτή η μεταβλητή φτάσει στο μηδέν σημαίνει ότι όλα τα containers του πλοίου έχουν διαχειριστεί από τις Γ/Φ και συνεπώς η φορτοεκφόρτωση τελείωσε και μπορούμε να κάνουμε Dispose του αντίγραφου entity όπως φαίνεται στο σχήμα Όταν όμως η μεταβλητή Variable 1 δεν έχει φτάσει στην τιμή 0, τότε το entity οδηγείται (μέσω του Separate module, Separate crane transport operations στο οποίο θα αναφερθούμε αργότερα) σε ένα loop όπου πρώτα εισέρχεται στο Assign module με όνομα Assign LPC reduction 1 του οποίου το παράθυρο διαλόγου φαίνεται στο σχήμα Σχήμα 4.30: Παράθυρο διαλόγου του Assign module, Assign LPC reduction 1 Σε αυτό το Assign module, αναθέτουμε και πάλι στο entity τη μεταβλητή Variable 1, με μειωμένη όμως αυτή τη φορά τιμή κατά μία μονάδα, καθώς ήδη έχει επεξεργαστεί ένα Ε/Κ στις Γ/Φ. Έπειτα το entity, με μειωμένη πλέον την τιμή του LPC κατά 1, περνάει και πάλι από το Process module ώστε να επεξεργαστεί το δεύτερο container. Έτσι, η διαδικασία αυτή θα συνεχιστεί και το αντίγραφο entity θα ακολουθεί αυτό to loop, μέχρι η τιμή της μεταβλητής Variable 1 (δηλαδή του μεγέθους φορτίου LPC) να φτάσει την τιμή μηδέν. Τότε το αντίγραφο entity θα ελεγχθεί από το Decide module, All containers berth 1 handled 2?, ακριβώς με την ίδια συνθήκη του σχήματος 4.29 ώστε να απορριφθεί από το μοντέλο μέσω του module Dispose 1 και να αποφύγουμε τη διαχείριση στις Γ/Φ ενός container επιπλέον από την τιμή του LPC. Ταυτόχρονα, τότε θα ικανοποιηθεί και η συνθήκη την οποία ανάμενε το original entity, το οποίο περίμενε στο Hold Module, Hold for crane operations berth 1 (σχήμα 4.25) οπότε και μπορεί πλέον το πλοίο να φύγει από το berth εφόσον έχει ολοκληρωθεί η φορτοεκφόρτωση. Βέβαια, κάθε φορά που τελειώνει η διαχείριση ενός container στις Γ/Φ πρέπει αυτό να παραλαμβάνεται από οχήματα (transporters) του τερματικού σταθμού για να μεταφέρεται

57 54 στην αυλή αποθήκευσης. Εδώ ακριβώς εξυπηρετεί και το Separate module, Separate crane transport operations (σχήμα 4.27) όπου αντιγράφεται το container που έχει ήδη επεξεργαστεί από τις Γ/Φ για να μεταφερθεί με τα straddle carriers στο container yard Διαδικασία μεταφοράς των Ε/Κ στην αυλή αποθήκευσης Κάθε φορά που ένα container διαχειρίζεται από τις Γ/Φ πρέπει να μεταφερθεί έπειτα προς το χώρο αποθήκευσης (σχήμα 4.31). Σχήμα 4.31: Μεταφορά Ε/Κ από τις Γ/Φ στο χώρο αποθήκευσης Έτσι λοιπόν, το αντίγραφο του container που έχει ήδη περάσει από επεξεργασία φορτοεκφόρτωσης στις Γ/Φ, εισέρχεται στο Station module, SC picks container under berth 1 και έπειτα στο Leave module με ονομασία Transport to yard from berth 1 το περιεχόμενο του οποίου φαίνεται στο σχήμα Σχήμα 4.32: Παράθυρο διαλόγου Leave module, Transport to yard from berth 1

58 55 Όταν το entity εισέρχεται στο Leave module, στην ουσία κάνει request του transporter SC (Straddle Carrier) και περιμένει στην ουρά Transport to yard from berth 1.Queue μέχρι να βρεθεί διαθέσιμο SC να το παραλάβει και να το μεταφέρει στο station με όνομα container yard.station. Η διαδικασία μεταφοράς ολοκληρώνεται όταν το entity μαζί με το SC εισέρχονται στο Enter module με ονομασία container yard (σχήμα 4.33) όπου το SC απελευθερώνεται από το entity και έπειτα το τελευταίο θεωρητικά αποτίθεται στην αυλή αποθήκευσης και αποβάλλεται από το μοντέλο προσομοίωσης. Σχήμα 4.33: Παράθυρο διαλόγου Enter module με ονομασία container yard Τέλος, για να ολοκληρώσουμε την περιγραφή του τμήματος του μοντέλου προσομοίωσης όπως αυτό παρουσιάζεται στο σχήμα 4.14, θα πρέπει να αναφερθούμε στο κομμάτι του μοντέλου που απεικονίζεται στο σχήμα Εδώ, εφόσον έχει ικανοποιηθεί η συνθήκη του Hold module και έχει ολοκληρωθεί η φορτοεκφόρτωση, το πλοίο φεύγει και εισέρχεται στο Delay module, Delay before release berth 1 το οποίο αντιπροσωπεύει τις καθυστερήσεις που παρουσιάζονται μετά τη λήξη των εργασιών φορτοεκφόρτωσης και πριν την αναχώρηση από το berth. Έπειτα, το πλοίο εισέρχεται στο Release module, Release Berth 1 όπου αποδεσμεύει τον πόρο berth 1 και μετά εισέρχεται και πάλι σε ένα Delay module με ονομασία Maneuvering berth 1 το οποίο εκφράζει τις καθυστερήσεις που προκύπτουν πριν την τελική αναχώρηση του πλοίου από το λιμάνι, κυρίως λόγω της διαδικασίας ρυμούλκησης μακριά από το berth.

59 56 Επιπλέον, πριν την αναχώρηση του πλοίου από το λιμάνι και την αποβολή του ship entity από το μοντέλο προσομοίωσης, εισάγουμε τρία Record modules. Τα δύο πρώτα (Record berth 1 time & Record turnaround time 1) μετρούν time intervals τα οποία αφορούν αντίστοιχα το χρόνο εξυπηρέτησης του πλοίου στο berth και το συνολικό χρόνο παραμονής του πλοίου στο λιμάνι. Το τρίτο Record module με ονομασία berth 1 ships out, κάνει στην ουσία count των ship entities που εξέρχονται από το berth 1. Σχήμα 4.34: Διαδικασία αναχώρησης του πλοίου μετά τη φορτοεκφόρτωση Εφόσον ολοκληρώθηκε η μοντελοποίηση του συστήματος, τρέχουμε το μοντέλο για 87 ημέρες (όσες και το δείγμα των πραγματικών δεδομένων μας) πραγματοποιώντας 5 επαναλήψεις προσομοίωσης (replications) όπως φαίνεται και στο σχήμα Σχήμα 4.35: Παράθυρο διαλόγου ρυθμίσεων προσομοίωσης

60 Επικύρωση μοντέλου και ανάλυση αποτελεσμάτων Εφόσον σχεδιάστηκε και έτρεξε το μοντέλο, το επόμενο βήμα είναι η επικύρωσή του ώστε να βεβαιωθούμε πως το μοντέλο προσομοίωσης πραγματικά αντιπροσωπεύει το σύστημα το οποίο εξετάζεται, δηλαδή τον τερματικό σταθμό. Η επικύρωση αυτή πραγματοποιείται συγκρίνοντας τα στατιστικά στοιχεία διαχείρισης του τερματικού σταθμού που προήλθαν από τα πειράματα της προσομοίωσης με τα πραγματικά στοιχεία που συλλέχθηκαν από τον Ο.Λ.Θ. Όπως προαναφέραμε, το μοντέλο έτρεξε για 87 ημέρες και σε 5 ανεξάρτητες επαναλήψεις, τα αποτελέσματα των οποίων είναι αρκετά ογκώδη για να παρουσιαστούν ολοκληρωτικά. Ωστόσο, θα πρέπει να είμαστε πολύ προσεκτικοί στον τρόπο με τον οποίο διαβάζουμε αυτά τα αποτελέσματα καθώς ο τρόπος με τον οποίο έχουμε σχεδιάσει το μοντέλο προσομοίωσης, κυρίως λόγω του περιορισμού στον max αριθμό των entities, μπορεί να οδηγήσει σε λάθος ερμηνείες. Έτσι, για παράδειγμα, στην κατηγορία entity/time δεν μπορούμε να δώσουμε ερμηνεία στα αποτελέσματα που παρουσιάζονται διότι με τα duplications που έχουμε εφαρμόσει στο μοντέλο δημιουργούμε είτε μεγάλους χρόνους για τα «πλοία» είτε πολύ μικρούς για τα «containers». Ωστόσο, τα αποτελέσματα του ARENA αφορούν μέσες τιμές και των δύο «εννοιών» του entity. Έτσι λοιπόν, τα στοιχεία τα οποία επιλέξαμε για σύγκριση των αποτελεσμάτων προσομοίωσης με τα πραγματικά δεδομένα φαίνονται στον πίνακα 4.5 που ακολουθεί και αποτελούν βασικά στοιχεία απόδοσης ενός τερματικού σταθμού. Στον πίνακα αυτό φαίνονται τα αποτελέσματα της προσομοίωσης για καθεμία από τις 5 επαναλήψεις που πραγματοποιήθηκαν, καθώς επίσης και η μέση τιμή και τυπική απόκλιση κάθε στοιχείου, διότι προφανώς λόγω της χρήσης κατανομών πιθανοτήτων και τυχαίων αριθμών, κάθε replication προσομοίωσης δεν οδηγεί σε όμοια αποτελέσματα. Πίνακας 4.5: Αποτελέσματα προσομοίωσης Repl 1 Repl 2 Repl 3 Repl 4 Repl 5 Average Stdev Total Vessels ,64 Class 1 ships ,6 3,05 Class 2 ships ,6 6,69 Class 3 ships ,6 8,02 Class 4 ships ,6 4,45 Containers ,4 3781,89 Turnaround time avg 48,6 48,06 48,34 48,02 49,39 48,48 0,56 max 142,6 146,29 169,39 137,34 153,56 149,84 12,42 Berth time avg 11,79 10,95 11,73 10,16 11,03 11,13 0,67 max 79,26 82,96 87,43 49,93 69,73 73,86 14,88

61 58 QCs usage 0,48 0,52 0,51 0,45 0,49 0,49 0,03 avg No busy 1,92 2,08 2,03 1,8 1,97 1,96 0,11 Berth 1 usage 0,06 0,04 0,03 0,07 0,08 0,06 0,02 Berth 2 usage 0,41 0,33 0,44 0,36 0,34 0,38 0,05 Berth 3 usage 0,36 0,46 0,41 0,28 0,38 0,38 0,07 Πριν προχωρήσουμε στη σύγκριση των παραπάνω τιμών με τα πραγματικά δεδομένα, θα θέλαμε να σχολιάσουμε τα αποτελέσματα που αναφέρονται στη χρήση των αγκυροβολίων (berth usage). Το berth usage είναι στην ουσία ο λόγος του χρόνου που χρησιμοποιείται ο πόρος προς το χρόνο τον οποίο είναι διαθέσιμος. Ωστόσο, το πρόβλημα εδώ, αλλά και γενικά στις περιπτώσεις συνεχής γραμμής κρηπιδώματος, είναι ότι οι θέσεις των berth είναι νοητές και εξαρτώνται από το μήκος των πλοίων. Έτσι, στην ουσία κάθε berth δεν είναι διαθέσιμο 24 ώρες την ημέρα όπως λαμβάνεται υπόψη στο πρόγραμμα προσομοίωσης και για το λόγο αυτό τα παραπάνω αποτελέσματα δεν μπορούν να είναι αξιόπιστα. Θα ήταν αν το μοντέλο λάμβανε υπόψη το συνολικό μήκος του κρηπιδώματος και αν υπήρχαν και αντίστοιχα στοιχεία σχετικά με το μήκος κάθε πλοίου. Στην πραγματικότητα, μετά από εκτενή ανάλυση των πραγματικών δεδομένων σε συνδυασμό με αναγκαστική μερικώς υποκειμενική εκτίμηση του πραγματικού διαθέσιμου χρόνου των berth, καταλήξαμε σε ένα μέσο ημερήσιο ποσοστό χρήσης των αγκυροβολίων συνολικά (και όχι για το καθένα ξεχωριστά) γύρω στο 57%. Το γεγονός αυτό δείχνει ότι όντως η προσομοίωση λαμβάνει ως διαθέσιμο χρόνο πολύ περισσότερο από τον πραγματικό και για αυτό το λόγο τα ποσοστά χρήσης των berth είναι μικρά. Συνεπώς, τα συγκεκριμένα στοιχεία δε θα τα χρησιμοποιήσουμε για την επικύρωση του μοντέλου ωστόσο τα παρουσιάζουμε διότι θα αξιοποιηθούν για ερμηνευτικούς λόγους στο επόμενο κεφάλαιο όπου θα τρέξουμε κάποια πειράματα υποθετικών σεναρίων, μεταβάλλοντας τις παραμέτρους εισόδου του συστήματος. Στον επόμενο πίνακα, λοιπόν, παρουσιάζουμε τις μέσες τιμές των στοιχείων που προέκυψαν από τις πέντε προσομοιώσεις σε σύγκριση με τις αντίστοιχες τιμές των πραγματικών δεδομένων για το σύνολο των 87 ημερών.

62 59 Πίνακας 4.6: Σύγκριση πραγματικών δεδομένων και αποτελεσμάτων προσομοίωσης Simulation Real data Total Vessels Class 1 ships 67,6 75 Class 2 ships 39,6 38 Class 3 ships 36,6 36 Class 4 ships 17,6 15 Containers 63551, Turnaround time avg 48,482 51,16 max 149, ,25 Berth time avg 11,132 15,46 max 73,862 89,33 QCs usage 0,49 0,55 avg No busy 1,96 1, Κατανομή πλοίων και container Από τον πίνακα διακρίνουμε ότι το σύνολο των πλοίων τα οποία εισήλθαν στο λιμάνι κατά τις 87 ημέρες της προσομοίωσης είναι 158 ενώ στην πραγματικότητα είναι 164. Η διαφορά αυτή ανακλάται και στο σύνολο του αριθμού των container που διαχειρίστηκε το λιμάνι, ωστόσο η διαφορά δεν είναι τόσο μεγάλη όσο ίσως θα περιμέναμε. Αυτό συμβαίνει διότι η προσομοίωση έδωσε αρκετά λιγότερα πλοία 1 ης τάξης τα οποία εξ ορισμού φορτοεκφορτώνουν μικρό αριθμό Ε/Κ, ενώ ταυτόχρονα δημιούργησε και λίγο μεγαλύτερο αριθμό πλοίων 4 ης τάξης με αποτέλεσμα η διαφορά στον αριθμό των Ε/Κ να μην είναι τόσο μεγάλη σε σχέση με τη διαφορά στον αριθμό των πλοίων (σχήματα 4.36 και 4.37). Κατανομή πλοίων Total Vessels Class 1 ships Class 2 ships Class 3 ships Class 4 ships Simulation Real Data Σχήμα 4.36: Σύγκριση κατανομής πλοίων

63 60 Containers ,4 Simulation Real data Σχήμα 4.37: Σύγκριση συνολικού αριθμού Ε/Κ Σύμφωνα με το παραπάνω σχήμα, η μέση τιμή του συνολικού αριθμού Ε/Κ είναι ,4 για τις πέντε επαναλήψεις προσομοίωσης ενώ το εύρος των τιμών αυτού του στοιχείου στον πίνακα 4.5 φαίνεται να είναι από μέχρι containers, με τυπική απόκλιση σχεδόν Η μεταβλητότητα αυτή οφείλεται κυρίως στις κατανομές των χρόνων ενδοαφίξεων και μάλιστα, πιο ειδικά, αυτών των πλοίων 4 ης τάξης. Τόσο οι πιο μικροί όσο και οι πιο μεγάλοι χρόνοι ενδοαφίξεων έχουν σχετικά μικρές πιθανότητες να συμβούν. Ωστόσο, μπορεί σε ένα replication προσομοίωσης ένας χρόνος ενδοαφίξεων ακόμα και ίσος με πάνω από μια εβδομάδα να επιλεγεί μία ή δύο φορές, ενώ αντίστοιχα τέτοιες ακραίες τιμές να μην εμφανιστούν καθόλου σε ένα άλλο replication. Συνεπώς, η δεύτερη προσομοίωση θα έχει πιο πολλά πλοία από την πρώτη για τον ίδιο χρόνο προσομοίωσης. Ακριβώς λοιπόν, επειδή τα πλοία 4 ης τάξης συνδέονται με μεγάλο αριθμό Ε/Κ, τότε η επίδραση στο σύνολο των διαχειριζόμενων container θα είναι μεγαλύτερη. Μάλιστα, και πάλι στον πίνακα 4.5, φαίνεται ότι ο αριθμός των class 4 ships κυμαίνεται από 12 έως 23 (σχήμα 4.38) με αντίστοιχη επίδραση στον αριθμό των Ε/Κ για τον ίδιο χρόνο προσομοίωσης. Επισημαίνουμε εδώ ότι το ίδιο πρόβλημα δε εμφανίζεται για τα πλοία 1 ης τάξης καθώς φορτοεκφορτώνουν πολύ λιγότερα Ε/Κ, έρχονται πιο συχνά στο λιμάνι και η κατανομή των χρόνων ενδοαφίξεών τους εμπεριέχει λιγότερο ακραίες τιμές. Για να βελτιώσουμε το μοντέλο προσομοίωσης ως προς το παραπάνω θέμα, θα μπορούσαμε να εισάγουμε προγραμματισμένους χρόνους αφίξεων για τα μεγάλα πλοία με αντίστοιχες κατανομές πιθανότητας για τις τυχών καθυστερήσεις. Αυτό συμβαίνει και στην πραγματικότητα, κυρίως σε μεγάλους τερματικούς σταθμούς, όπου οι κατανομές των χρόνων

64 61 ενδοαφίξεων είναι πιο κατάλληλες για τα μικρά πλοία ενώ τα μεγαλύτερα φτάνουν στο λιμένα σύμφωνα με καθορισμένα προγράμματα άφιξης. Αριθμός πλοίων Replications Class 1 ships Class 2 ships Class 3 ships Class 4 ships Σχήμα 4.38: Αριθμός πλοίων ανά τάξη και επανάληψη προσομοίωσης Χρόνοι διαχείρισης Κατά τη σχεδίαση του μοντέλου προσομοίωσης αποφασίστηκε ότι ο χρόνος διαχείρισης ενός πλοίου από τις γερανογέφυρες πρέπει να επιλέγεται δυναμικά κατά τη διάρκεια της προσομοίωσης και έτσι να λαμβάνεται υπόψη ο αριθμός και τύπος των πλοίων που βρίσκονται ταυτόχρονα στο τερματικό σταθμό καθώς και ο αριθμός των Γ/Φ που τους ανατίθενται. Έτσι, όταν ένα πλοίο εισέρχεται στο λιμένα και του ανατίθεται αγκυροβόλιο, το μοντέλο πρέπει να αποφασίσει πόσες Γ/Φ θα του ανατεθούν. Κάθε πλοίο σχετίζεται, μέσω εμπειρικής κατανομής πιθανοτήτων, με ορισμένο αριθμό Γ/Φ (ελάχιστο έως μέγιστο) και το σύστημα προσπαθεί να αναθέσει στο πλοίο το μέγιστο δυνατό αριθμό Γ/Φ. Όταν συμβαίνει ένα καινούργιο γεγονός (άφιξη ή αναχώρηση πλοίου) το σύστημα ελέγχει και επαναθέτει τις διαθέσιμες Γ/Φ στα πλοία που βρίσκονται εκείνη τη στιγμή στο κρηπίδωμα. Αυτή η αντιμετώπιση ανακλά επίσης και τις αρχές αποφάσεων που λαμβάνει η διοίκηση του τερματικού σταθμού σε περιπτώσεις που πιο λίγες Γ/Φ είναι διαθέσιμες από αυτές που θα ήταν αναγκαίες για τη βέλτιστη εξυπηρέτηση όλων των πλοίων. Ωστόσο αυτό που δεν πραγματοποιήθηκε κατά τη σχεδίαση της προσομοίωσης είναι η μοντελοποίηση της κάθε Γ/Φ ξεχωριστά. Στο σύστημα που παρουσιάστηκε στο κεφάλαιο 4.3, οι Γ/Φ αντιμετωπίζονται σαν τέσσερις όμοιες μονάδες του ίδιου πόρου και αυτό οδηγεί σε δύο προβλήματα:

65 62 (i) (ii) Δε λαμβάνεται υπόψη το γεγονός ότι κάθε Γ/Φ έχει εκ κατασκευής αλλά και χρόνο ζωής, δική της παραγωγικότητα (containers/χρονική μονάδα). Οι ταχύτητες των Γ/Φ στο συγκεκριμένο μοντέλο αποφασίζονται από κατανομές πιθανοτήτων οι οποίες συνδέονται άμεσα με τον τύπο των πλοίων και είναι ίδιες και για τις 4 Γ/Φ. Ωστόσο, οι δυνατότητες των Γ/Φ διαφέρουν και αυτό δεν απεικονίζεται στο μοντέλο. Μάλιστα, οι Γ/Φ No 3 & 4 είναι τύπου post panamax και πιο καινούργιες από τις άλλες δύο για αυτό και στην πραγματικότητα έχουν καλύτερη παραγωγικότητα και χρησιμοποιούνται πιο πολύ. Κατά τη σχεδίαση του μοντέλου δε λήφθηκε υπόψη το γεγονός ότι οι Γ/Φ είναι εγκατεστημένες σε συγκεκριμένες θέσεις και οι μετακινήσεις που μπορούν να κάνουν είναι περιορισμένες και μόνο σε πλοία τα οποία βρίσκονται σε παρακείμενη θέση. Έτσι, για παράδειγμα, αν στο berth 1 εξυπηρετείται ένα πλοίο και χρειάζεται άλλη μια Γ/Φ, αλλά η μόνη διαθέσιμη είναι η Γ/Φ No 4 και επίσης παρεμβάλλεται, ή και όχι, ένα άλλο πλοίο ενδιάμεσα, τότε προφανώς και η 4 η Γ/Φ στην πραγματικότητα δεν μπορεί να ανατεθεί στο πλοίο του berth 1. Ωστόσο στο μοντέλο που παρουσιάσαμε συμβαίνει ακριβώς αυτό φαινόμενο, με αντίστοιχες επιπτώσεις στα αποτελέσματα προσομοίωσης των χρόνων διαχείρισης όπως παρουσιάζονται στο σχήμα Χρόνοι διαχείρισης ,482 51, ,132 15,46 Simulation Real data 10 0 Turnaround time Berth time Σχήμα 4.39: Χρόνοι διαχείρισης πλοίων Από το παραπάνω σχήμα παρατηρούμε πως η μέση τιμή του συνολικού χρόνου παραμονής ενός πλοίου στο λιμάνι (turnaround time) είναι μικρότερη περίπου τρεις ώρες από τον πραγματικό μέσο χρόνο παραμονής (και μάλιστα με μικρή μεταβλητότητα στις πέντε επαναλήψεις προσομοίωσης). Αυτό το γεγονός είναι κάτι το οποίο το περιμέναμε και είναι φυσιολογικό από τη στιγμή που οι Γ/Φ μοντελοποιήθηκαν στο σύστημα με λιγότερους

66 63 περιορισμούς κινήσεων όπως σχολιάστηκε πιο πριν. Με άλλα λόγια, οι Γ/Φ στο μοντέλο προσομοίωσης είναι πιο δραστήριες και το γεγονός ότι αυτό ανακλάται σε αύξηση του συνολικού χρόνου παραμονής ενισχύεται από τις τιμές που δίνει η προσομοίωση για το χρόνο εξυπηρέτησης στα berths (berth time). Από το σχήμα βλέπουμε ότι οι πραγματικοί χρόνοι εξυπηρέτησης είναι σχεδόν τέσσερις ώρες πιο μεγάλοι από αυτούς της προσομοίωσης και αυτό είναι απολύτως φυσιολογικό από τη στιγμή που στην προσομοίωση οποιαδήποτε Γ/Φ μπορεί να μετακινηθεί και να εξυπηρετήσει οποιοδήποτε πλοίο βρίσκεται στο κρηπίδωμα και χρειάζεται Γ/Φ. Στην πραγματικότητα κάτι τέτοιο προφανώς και δεν μπορεί να γίνει, με τα πλοία να χρειάζεται να περιμένουν στο berth μέχρι να βρεθεί διαθέσιμη παρακείμενη Γ/Φ, αυξάνοντας έτσι το χρόνο εξυπηρέτησης, δηλαδή το χρόνο που βρίσκονται στο berth. Για αυτό το λόγο οι πραγματικοί χρόνοι διαχείρισης είναι μεγαλύτεροι από τους προσομοιωτικούς και προφανώς η επίδραση είναι πιο έντονη στο χρόνο εξυπηρέτησης παρά στο συνολικό χρόνο εφόσον η λειτουργία των Γ/Φ επηρεάζει πιο άμεσα τον πρώτο. Τέλος, πριν προχωρήσουμε στο επόμενο στοιχείο σύγκρισης της πραγματικότητας με την προσομοίωση, θα θέλαμε να τονίσουμε ότι ο τρόπος με τον οποίο μοντελοποιήθηκαν οι Γ/Φ στο σύστημα επηρέασε και τον απαιτούμενο αριθμό διασκελετικών μεταφορέων που χρειάζονται για τις μεταφορές των Ε/Κ από και προς την αυλή αποθήκευσης. Στην πραγματικότητα ο κανόνας που ακολουθείται θεωρητικά είναι η ανάθεση τριών straddle carriers ανά Γ/Φ, δηλαδή στην περίπτωσή μας συνολικά 12. Ωστόσο στο μοντέλο χρησιμοποιήθηκαν τελικά 14 straddle carriers για δύο βασικούς λόγους: (i) (ii) Η μεγαλύτερη κινητικότητα των Γ/Φ στο μοντέλο έφτασε να δημιουργεί σε ορισμένες στιγμές της διάρκειας προσομοίωσης, μεγάλες ουρές αναμονής των Ε/Κ που χρειάζονται μεταφορά (στα Leave modules) καθώς όσο περισσότερες Γ/Φ είναι δραστήριες, λιγότερα μέσα μεταφοράς μπορούν να εξυπηρετήσουν μια Γ/Φ. Έτσι, αν υιοθετηθούν τα 12 straddle carriers που χρησιμοποιούνται και στην πραγματικότητα, το σύστημα φτάνει και ξεπερνά το όριο των 150 entities (αυτό δε συνέβη ωστόσο σε όλα τα replications). Τελικά, μετά από try-error διαδικασία φάνηκε ότι όλα τα replications μπορούν να τρέξουν κανονικά με τη χρήση 14 straddle carriers, όπως και εφαρμόστηκε. Κατά την εκφόρτωση, κάτω από τις Γ/Φ όλα τα Ε/Κ δεν παραλαμβάνονται από τα straddle carriers αλλά κάποια παραλαμβάνονται άμεσα από τα φορτηγά των πελατών χωρίς να χρειάζεται ενδιάμεση μεταφορά από τους διασκελετικούς μεταφορείς. Ωστόσο, δεν είχαμε στη διάθεσή μας τέτοιου είδους δεδομένα και

67 64 αναγκαστήκαμε ακόμα και για αυτά τα Ε/Κ να χρησιμοποιήσουμε straddle carriers με αποτέλεσμα να αυξάνεται ο απαιτούμενος αριθμός τους Ποσοστό χρήσης γερανογεφυρών Μετά από ανάλυση των δεδομένων που μας παρείχε ο Ο.Λ.Θ. υπολογίστηκε ότι το μέσο ποσοστό χρήσης των Γ/Φ για τις 87 μέρες του δείγματος είναι 55% ενώ το αντίστοιχο της προσομοίωσης είναι λίγο μικρότερο και ίσο με 49%. Αυτή η διαφορά είναι μάλλον φυσιολογική διότι λόγω του τρόπου μοντελοποίησης των Γ/Φ στην προσομοίωση, και με δεδομένο ότι ο αριθμός των διαχειριζόμενων πλοίων και container δεν διαφέρει ιδιαίτερα, η εξυπηρέτηση των πλοίων γίνεται πιο γρήγορα από ότι στην πραγματικότητα με αποτέλεσμα οι Γ/Φ να έχουν περισσότερο διαθέσιμο χρόνο χωρίς να εξυπηρετούν πλοίο στο κρηπίδωμα. Επιπλέον, ο μέσος αριθμός Γ/Φ ο οποίος ανατίθεται στα πλοία βρέθηκε να είναι λίγο μεγαλύτερος στην προσομοίωση σε σχέση με την πραγματικότητα όμως αυτό το περιμέναμε καθώς ο τρόπος με τον οποίο το μοντέλο αναπτύχθηκε επιτρέπει πιο πολλές Γ/Φ να εξυπηρετήσουν ταυτόχρονα τα πλοία που βρίσκονται στο κρηπίδωμα. Τα παραπάνω αποτελέσματα φαίνονται και διαγραμματικά στο σχήμα 4.40 που ακολουθεί. Γερανογέφυρες 2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0,49 usage 0,55 1,96 1,78 avg No busy Simulation Real data Σχήμα 4.40: Ποσοστό χρήσης και μέσος αριθμός χρησιμοποιούμενων Γ/Φ Από τα στοιχεία που παρουσιάστηκαν σε αυτό το υποκεφάλαιο προκύπτει ότι το μοντέλο προσομοιάζει με καλή προσέγγιση το πραγματικό σύστημα. Οι μικρές αποκλίσεις οι οποίες παρατηρούνται είτε οφείλονται στη δεδομένη τυχαιότητα που εξ ορισμού χαρακτηρίζει ένα σύστημα προσομοίωσης είτε δικαιολογούνται από τον τρόπο μοντελοποίησης του συστήματος. Το συμπέρασμα αυτό επικυρώνει το μοντέλο ώστε να αποτελέσει τη βάση σύγκρισης της υπάρχουσας κατάστασης με εναλλακτικά πειραματικά σενάρια.

68 Υποθέσεις και μειονεκτήματα μοντέλου προσομοίωσης Ο βασικός στόχος του μοντέλου προσομοίωσης το οποίο αναπτύξαμε είναι να αναλύσει, αξιολογήσει και βελτιώσει την υπάρχουσα κατάσταση απόδοσης του τερματικού σταθμού του Ο.Λ.Θ. ως προς τις διαδικασίες logistics στην περιοχή του κρηπιδώματος και ως προς τη χρήση των αντίστοιχων εγκαταστάσεων υποδομής και ανωδομής. Απώτερος στόχος είναι να εντοπιστούν πιθανά bottlenecks που υπάρχουν στο τερματικό του λιμένα καθώς και να αξιολογηθεί η ανταπόκριση των ίδιων διαδικασιών και εγκαταστάσεων υπό διαφορετικές συνθήκες λειτουργίας. Ωστόσο για να αναπτυχθεί το μοντέλο χρησιμοποιήθηκαν κάποιες υποθέσεις οι οποίες πρέπει να αναφερθούν: Μόνο πλοία μεταφοράς Ε/Κ λαμβάνονται υπόψη. Στο σύστημα δεν μοντελοποιούνται ξεχωριστά ως διαδικασίες οι κινήσεις των πλοηγών (pilot boats) και ρυμουλκών (tug boats) τα οποία βοηθούν στην αγκυροβόληση και αναχώρηση των πλοίων, ωστόσο εντάσσονται στο μοντέλο ως μέρη των χρονικών καθυστερήσεων πριν και μετά την αγκυροβόληση. Ο αριθμός Ε/Κ φόρτωσης και εκφόρτωσης ανά πλοίο λαμβάνεται συνολικά ως μόνο διαδικασία εκφόρτωσης καθώς ο περιορισμός των entities και ο τρόπος της τελικής μοντελοποίησης δε μας επέτρεψε να διαχωρίσουμε τις δύο διαδικασίες παρόλο που υπήρχαν τα σχετικά δεδομένα. Οι τέσσερις Γ/Φ αποτελούν όμοιες μονάδες του ίδιου πόρου και έχουν ίδια χαρακτηριστικά και παραγωγικότητες. Τα αγκυροβόλια και οι Γ/Φ λειτουργούν 24 ώρες την ημέρα. Ο αριθμός των διασκελετικών μεταφορέων που διατίθενται είναι αρκετός για να υλοποιηθούν οι logistics διαδικασίες μεταφοράς εντός του τερματικού σταθμού. Το μοντέλο αγνοεί πιθανές προτεραιότητες που δίνονται σε ορισμένα πλοία από τον Ο.Λ.Θ. Από την άλλη, τα δύο βασικά μειονεκτήματα του μοντέλου είναι: Η μη μοντελοποίηση της κάθε Γ/Φ ξεχωριστά έχει ήδη αναφερθεί και οδηγεί σε αποτελέσματα που δίνουν μικρότερους χρόνους διαχείρισης και εξυπηρέτησης από την πραγματικότητα. Ωστόσο, ο τρόπος ερμηνείας τους είναι λογικός και ελεγχόμενος. Η έλλειψη δεδομένων και ο περιορισμός των entities στη μέθοδο μοντελοποίησης δεν μας επέτρεψε να περιγράψουμε πιο ρεαλιστικά τις μεταφορές Ε/Κ με τα straddle carriers με αποτέλεσμα να μην είναι εμφανή κάποια φαινόμενα αναμονής και καθυστερήσεων στις Γ/Φ.

69 66 5 Εναλλακτικά σενάρια λειτουργίας με προσομοίωση και ανάλυση επίδρασης της μεταβολής των παραμέτρων εισόδου Ένα σενάριο λειτουργίας είναι ένα πείραμα όπου εφαρμόζονται σημαντικές αλλαγές στις παραμέτρους εισόδου του προσομοιωτικού μοντέλου ώστε να παρατηρήσουμε και να ανιχνεύσουμε τις αιτίες στις οποίες οφείλονται οι μεταβολές στα στοιχεία απόδοσης που μας ενδιαφέρει να μελετήσουμε. Σχεδιάζοντας, λοιπόν, εναλλακτικά συστήματα λειτουργίας μπορούμε να βελτιώσουμε την απόδοση του παρόντος καθώς και να αξιολογήσουμε τις δυνατότητές του. Επιπλέον, μπορούμε να αναδείξουμε τις δυνατότητες του μοντέλου μας αλλά, ταυτόχρονα, και τις αδυναμίες του. Για να εφαρμόσουμε ένα τέτοιο πείραμα μπορούμε να επιλέξουμε τα μέτρα απόδοσης που θέλουμε να εξετάσουμε, τις μεταβλητές εισόδου που είναι πιθανό να τα επηρεάσουν και το επίπεδο μεταβολής των τιμών αυτών των μεταβλητών. Έτσι, για το μοντέλο λειτουργίας φορτοεκφόρτωσης του τερματικού σταθμού του Ο.Λ.Θ., τα υποθετικά σενάρια λειτουργίας τα οποία θα εξεταστούν είναι τα εξής: Στο πρώτο σενάριο λειτουργίας θα αφαιρεθούν οι καθυστερήσεις στο χρόνο εργασίας των Γ/Φ που οφείλονται στις βλάβες τους ώστε να μελετήσουμε την απόδοση του λιμένα με τον καθαρό χρόνο εργασίας στις Γ/Φ. Στο δεύτερο σενάριο θα εισαχθεί υποθετικά μία επιπλέον Γ/Φ. Στο τρίτο σενάριο θα εφαρμοστεί μια υποθετική αύξηση φόρτου εργασίας στο λιμάνι ώστε να εξετάσουμε την απόδοση και επάρκεια των υπαρχόντων εγκαταστάσεων. Ταυτόχρονα, τα στοιχεία απόδοσης που θα μελετώνται υπό κάθε εναλλακτικό προσομοιωτικό πείραμα είναι ο συνολικός, αλλά και ανά τάξη, αριθμός πλοίων που διαχειρίζεται το λιμάνι, ο συνολικός αριθμός containers, ο μέσος χρόνος παραμονής και ο μέσος χρόνος εξυπηρέτησης του πλοίου στο λιμάνι, καθώς και το ποσοστό αξιοποίησης και ο μέσος αριθμός των χρησιμοποιούμενων Γ/Φ. Για κάθε σενάριο, όπως και στο αρχικό σύστημα, πραγματοποιούνται πέντε ανεξάρτητες επαναλήψεις προσομοίωσης. 5.1 Σενάριο εφαρμογής καθαρού χρόνου εργασίας στις γερανογέφυρες Όπως προαναφέραμε, για αυτό το σενάριο λειτουργίας στην ουσία θα εξαλείψουμε τις καθυστερήσεις που εμφανίζονται κατά τη χρονική διάρκεια λειτουργίας των Γ/Φ και θα εισάγουμε ως ταχύτητα εξυπηρέτησης στις Γ/Φ τη μεταβλητή «Καθαρός χρόνος εργασίας στις Γ/Φ» (Net crane operational time, min/container). Η μεταβλητή αυτή θα τοποθετηθεί ως delay type στο Process module, Crane operations berth # (Σχήμα 4.28), στη θέση της μεταβλητής Crane operational time που αντιπροσώπευε τον πραγματικό χρόνο εργασίας

70 67 στις Γ/Φ. Τα αποτελέσματα της προσομοίωσης για τις πέντε επαναλήψεις του πειράματος παρουσιάζονται στον πίνακα 5.1 που ακολουθεί: Πίνακας 5.1: Αποτελέσματα προσομοίωσης 1 ου σεναρίου Repl 1 Repl 2 Repl 3 Repl 4 Repl 5 Average Stdev Total Vessels ,8 6,76 Class 1 ships ,2 4,97 Class 2 ships ,2 2,39 Class 3 ships ,2 5,17 Class 4 ships ,71 Containers ,4 2193,08 Turnaround time avg 45,15 47,35 43,42 44,08 42,8 44,56 1,79 max 146,24 100,2 142,37 106,58 102,67 119,61 22,70 Berth time avg 10,55 9,98 9,88 9,09 10,5 10 0,59 max 73,42 56,61 41,25 56,19 55,43 56,58 11,40 QCs usage 0,46 0,45 0,46 0,43 0,43 0,45 0,02 avg No busy 1,85 1,8 1,85 1,74 1,72 1,79 0,06 Berth 1 usage 0,06 0,03 0,04 0,04 0,05 0,04 0,01 Berth 2 usage 0,36 0,33 0,31 0,35 0,34 0,34 0,02 Berth 3 usage 0,37 0,37 0,41 0,29 0,34 0,36 0,04 Πριν αναλύσουμε τα αποτελέσματα που προέκυψαν, θα πρέπει να τονίσουμε την γενικώς καταλυτική συνεισφορά της παραγωγικότητας των γερανογεφυρών στην απόδοση του τερματικού σταθμού. Στην ουσία πρόκειται για την ταχύτητα εξυπηρέτησης του πλοίου στο αγκυροβόλιο η οποία συμβάλλει και στη μείωση του χρόνου παραμονής ενός πλοίου στο λιμάνι. Ο τελευταίος, όπως έχουμε αναφέρει πολλές φορές, είναι ιδιαίτερα σημαντικός τόσο για τα λιμάνια (εξυπηρέτηση περισσότερων πλοίων στο ίδιο χρονικό διάστημα) όσο και για τις εταιρείες που διαχειρίζονται τα πλοία (ορθολογική διευθέτηση δρομολογίων, μείωση του λειτουργικού κόστους των πλοίων). Μάλιστα τα λιμάνια πλέον διαθέτουν περισσότερες Γ/Φ για τη φορτοεκφόρτωση των πλοίων Ε/Κ με σκοπό την ελαχιστοποίηση αυτού του χρόνου (κάτι που θα εξετάσουμε στο επόμενο σενάριο προσομοίωσης). Από τα συγκριτικά αποτελέσματα με το αρχικό σύστημα, λοιπόν, του πίνακα 5.2 παρατηρούμε ότι ο μέσος συνολικός αριθμός πλοίων δεν άλλαξε ιδιαίτερα με μια μικρή αύξηση σχεδόν τριών πλοίων, κυρίως της 3 ης τάξης, που δικαιολογεί ίσως και την αύξηση στο αριθμό των containers (Σχήματα 5.1 και 5.2).

71 68 Πίνακας 5.2: Συγκριτικά αποτελέσματα συστήματος αρχικού και 1 ου σεναρίου Original Net crane operational time Total Vessels ,8 Class 1 ships 67,6 68,2 Class 2 ships 39,6 38,2 Class 3 ships 36,6 40,2 Class 4 ships 17,6 18 Containers ,4 Turnaround time avg 48,482 44,56 max 149, ,612 Berth time avg 11, max 73,862 56,58 QCs usage 0,49 0,446 avg No busy 1,96 1,792 Berth 1 usage % 0,056 0,044 Berth 2 usage 0,376 0,338 Berth 3 usage 0,378 0,356 Κατανομή πλοίων Containers Original Net crane , Original Net crane Σχήμα 5.1: Σύγκριση κατανομής πλοίων Σχήμα 5.2: Σύγκριση συνολικού αριθμού Ε/Κ Βέβαια αυτή η μικρή μεταβολή στον αριθμό των πλοίων θα μας βοηθήσει να αξιολογήσουμε ακόμα πιο ουσιαστικά την επίδραση της εξάλειψης βλαβών των Γ/Φ στους χρόνους διαχείρισης των πλοίων, δηλαδή στο συνολικό χρόνο παραμονής και το χρόνο εξυπηρέτησης, που είναι εξάλλου και τα βασικά στοιχεία απόδοσης που θέλαμε να μελετήσουμε σε αυτό το σενάριο προσομοίωσης.

72 69 Παρατηρούμε λοιπόν (σχήμα 5.3) ότι ο χρόνος εξυπηρέτησης, δηλαδή ο χρόνος παραμονής του πλοίου στο αγκυροβόλιο, μειώνεται σε ποσοστό περίπου 10%. Αυτή η μείωση ήταν αναμενόμενη καθώς, απαλείφοντας τις καθυστερήσεις των βλαβών, οι Γ/Φ γίνονται ταχύτερες και συνεπώς μπορούν πιο γρήγορα να εξυπηρετήσουν το πλοίο και να διαχειριστούν τα container. Μάλιστα ίσως είναι αυτή και η αιτία της αύξησης του αριθμού των πλοίων εφόσον στον ίδιο χρόνο προλαβαίνουν να εξυπηρετηθούν πιο πολλά. Στο ίδιο σχήμα αποκαλύπτεται ότι η μείωση στο berth time ανακλάται ακόμα πιο έντονα στο συνολικό χρόνο παραμονής που είναι και το πλέον καθοριστικό μέτρο απόδοσης του τερματικού σταθμού. Το turnaround time μειώνεται σχεδόν κατά 4 ώρες και το γεγονός αυτό μας οδηγεί στο συμπέρασμα ότι οι βλάβες στις Γ/Φ μόνες τους, χωρίς να επηρεάσουμε κάποιο άλλο παράγοντα, επιδρούν αρνητικά στο συνολικό χρόνο παραμονής, αυξάνοντάς τον, και συμβάλλουν σε χειρότερη απόδοση από αυτή που θα μπορούσε να έχει ο τερματικός σταθμός. Χρόνοι Διαχείρισης 50,00 48,48 44,56 40,00 30,00 Original 20,00 11, Net crane 10,00 0,00 Turnaround time Berth time Σχήμα 5.3: Χρόνοι διαχείρισης πλοίων αρχικού μοντέλου και 1 ου σεναρίου Τέλος, από τον πίνακα 5.2 παρατηρούμε ότι το ποσοστό αξιοποίησης των Γ/Φ, αλλά και των υπολοίπων πόρων (αγκυροβόλια), έχει μειωθεί κάτι που φαίνεται λογικό εφόσον, με την αυξημένη ταχύτητα εξυπηρέτησης, οι Γ/Φ διαχειρίζονται πιο γρήγορα τα πλοία και συνεπώς έχουν περισσότερο διαθέσιμο χρόνο στο κρηπίδωμα χωρίς να εξυπηρετούν πλοίο. Από την ανάλυση, λοιπόν, αυτού του σεναρίου προσομοίωσης εντοπίστηκε ένα σημαντικό bottleneck στη λειτουργία φορτοεκφόρτωσης του Ο.Λ.Θ. που αφορά στις χρονικές καθυστερήσεις λόγω εμφάνισης βλαβών στις Γ/Φ. Οι βλάβες αυτές αρκούν για να αυξήσουν το συνολικό χρόνο παραμονής πλοίων σχεδόν κατά 4 ώρες και να μειώσουν την απόδοση

73 70 του λιμένα. Ποια είναι η πραγματική μείωση αυτής της απόδοσης θα το εξετάσουμε στο επόμενο υποκεφάλαιο Ποσοτικοποίηση επίδρασης στην απόδοση της εμφάνισης βλαβών στις Γ/Φ Η λιμενική απόδοση μετράται συνήθως σε αριθμό TEUs (Twenty-feet Equivalent Unit) που διακινούνται σε ένα λιμάνι, δηλαδή σύμφωνα με το επίπεδο της λιμενικής παραγωγής. Αυτό αποτελεί και το βασικό κριτήριο κατάταξης των λιμένων στο Containerization International Yearbook, όπου κορυφαίο θεωρείται εκείνο το λιμάνι με τη μέγιστη ετήσια διακίνηση εμπορευματοκιβωτίων, εκφρασμένα πάντα σε TEUs. Στο παρών υποκεφάλαιο, εφόσον έχουμε αναδείξει ένα σημαντικό bottleneck στη λειτουργία της φορτοεκφόρτωσης, θα προσπαθήσουμε να ποσοτικοποιήσουμε τη μείωση στην απόδοση του λιμένα που προκαλούν οι καθυστερήσεις στις Γ/Φ και παράλληλα να εξάγουμε χρήσιμα συμπεράσματα. Για την ανάλυσή μας θα χρησιμοποιήσουμε το στατιστικό εργαλείο της πολλαπλής γραμμικής παλινδρόμησης. Η πολλαπλή παλινδρόμηση είναι μια τεχνική διερεύνησης και προσδιορισμού της μορφής της στατιστικής εξάρτησης μιας τυχαίας μεταβλητής Υ από τις τιμές αριθμού ανεξάρτητων μεταβλητών (X i ). Για την εφαρμογή μας, την εξαρτημένη μεταβλητή Υ θα αποτελέσει ο ημερήσιος αριθμός διαχειριζόμενων TEUs, δηλαδή το επίπεδο της ημερήσιας λιμενικής παραγωγής του Σ.ΕΜΠΟ. που συμβολίζει όπως προαναφέραμε την απόδοση του τερματικού σταθμού, ενώ τις ανεξάρτητες μεταβλητές X i θα αποτελέσουν οι εξής παράγοντες επίδρασης στη διαδικασία φορτοεκφόρτωσης: Αναλογία container ως προς το μέγεθος (container mix): Η σύνθεση του φορτίου όσον αφορά την αναλογία των 40-foot και 20-foot εμπορευματοκιβωτίων αποτελεί ένα σημαντικό παράγοντα για τη διαδικασία φορτοεκφόρτωσης διότι παρόλο που ένα 40-foot Ε/Κ αντιστοιχεί σε 2 TEUs, παίρνει σχεδόν τον ίδιο χρόνο να το μεταχειριστούμε όπως και ένα 20-foot Ε/Κ. Μέγεθος πλοίου και ανταλλαγή φορτίου: μεταφράζεται σε containers που φορτοεκφορτώνονται ανά πλοίο και είναι σημαντικός παράγοντας για την αποδοτικότητα του τερματικού σταθμού. Σε ένα μεγάλο πλοίο μπορεί, συνήθως, να εργαστεί μεγαλύτερος αριθμός γερανογεφυρών, και μεγαλύτερη ανταλλαγή φορτίου επιτρέπει καλύτερη εκλεκτικότητα των Ε/Κ στο αμπάρι του πλοίου με αποτέλεσμα τη μείωση του χρόνου εργασιών και τελικά του χρόνου του πλοίου στο αγκυροβόλιο. Πρακτικές εργασιών: Αναφέρονται στις καθυστερήσεις πριν και μετά τις εργασίες φορτοεκφόρτωσης (καθυστερήσεις Α) όσο το πλοίο βρίσκεται στη θέση αγκυροβολίου και στις καθυστερήσεις κατά τη διάρκεια των εργασιών (καθυστερήσεις Β), οι οποίες μπορούν να προκαλέσουν μείωση της απόδοσης. Η επίδραση αυτών των καθυστερήσεων μπορεί να

74 71 μετρηθεί από τις διαφορές μεταξύ του χρόνου ενός πλοίου στο κρηπίδωμα και του μικτού χρόνου εργασιών, και μεταξύ του μικτού και του καθαρού χρόνου εργασιών αντίστοιχα. Ο μικτός χρόνος εργασιών υπολογίζεται από την έναρξη ως τη λήξη των εργασιών μεταχείρισης του φορτίου σ ένα πλοίο, ενώ ο καθαρός χρόνος εργασιών λαμβάνει υπόψη καθυστερήσεις που διακόπτουν τις εργασίες και αφορούν, στη δική μας περίπτωση, σε βλάβες μηχανολογικού εξοπλισμού και συγκεκριμένα των Γ/Φ, ενώ και γενικότερα σε διαλλείματα των εργατών για φαγητό, καιρικές συνθήκες κ.ά. Παραγωγικότητα γερανού: δείχνει την ταχύτητα εξυπηρέτησης του πλοίου, στη θέση πλεύρισης, από τις γερανογέφυρες φορτοεκφόρτωσης πλοίου-ξηράς σε συγκεκριμένο χρονικό διάστημα. Αποτελεί τον πλέον διαδεδομένο δείκτη παραγωγικότητας και εκφράζεται σε «αριθμό κινήσεων των Γ/Φ ανά ώρα και πλοίο». Η τιμή των 25 κινήσεων την ώρα θεωρείται αναγκαίος όρος για την προσέλκυση μεσαίου και μεγάλου μεγέθους πλοίων. Αξιοποίηση θέσεων πλεύρισης (Berth usage): αντιπροσωπεύει το ποσοστό του συνολικού διαθέσιμου χρόνου που οι θέσεις παραβολής χρησιμοποιούνται από τα πλοία. Είναι ένας χρήσιμος δείκτης για την εκτίμηση του επιπέδου της δραστηριότητας ενός λιμένα. Ωστόσο, είναι απαραίτητο να συνοδεύεται από επιπλέον πληροφορίες που αφορούν στο συνολικό χρόνο παραμονής ενός πλοίου στο λιμάνι διότι, ενώ μια υψηλή τιμή του berth usage είναι κάτι θετικό (υποδεικνύει ότι το λιμάνι είναι απασχολημένο τον περισσότερο χρόνο του), θα είναι χρήσιμο μόνο αν ταυτόχρονα μειώνεται και ο συνολικός χρόνος παραμονής. Σε αντίθετη περίπτωση, το λιμάνι καθίσταται εξαιρετικά μη αποδοτικό, εφόσον οι χρήστες του περνούν πολύ χρόνο στο κρηπίδωμα χωρίς να εξυπηρετούνται. Χρόνος παραμονής του πλοίου στο λιμάνι (Ship turnaround time): είναι ο βασικός παράγοντας εξυπηρέτησης του πλοίου. Για τις ναυτιλιακές εταιρείες αποτελεί από τους πλέον σημαντικούς δείκτες αξιολόγησης των λιμενικών τερματικών σταθμών. Η διοίκηση του λιμένα, λόγω του ανταγωνισμού, αποδίδει σημασία αλλά συνήθως δεν επείγεται με τον ίδιο τρόπο, γιατί η παραμονή του πλοίου στο λιμάνι όταν δεν υπάρχουν πολλά πλοία στη ράδα (αγκυροβόλια αναμονής) διευκολύνει το προσωπικό και τη χρήση των εγκαταστάσεων, πέραν του ότι η μεγαλύτερη παραμονή του πλοίου σημαίνει βραχυπρόθεσμα περισσότερα έσοδα στο λιμάνι. Υπάρχουν, λοιπόν, συγκρουόμενα συμφέροντα του οργανισμού λιμένα με τις ναυτιλιακές εταιρείες για την αξιολόγηση αυτού του δείκτη, ο οποίος ερμηνεύεται από κάθε πλευρά αναλόγως. Λόγος αναμονής (Waiting rate): είναι ο λόγος του χρόνου αναμονής του πλοίου στη ράδα (για να βρεθεί άδεια θέση παραβολής) προς το χρόνο που το πλοίο βρίσκεται σε θέση παραβολής. Ο δείκτης αυτός είναι ιδιαίτερα κρίσιμος για λιμάνια τα οποία αντιμετωπίζουν

75 72 έντονο «συνωστισμό», όπου τα πλοία πρέπει, συχνά, να περιμένουν στο χώρο αναμονής πριν εξυπηρετηθούν καθώς όλες οι διαθέσιμες θέσεις εξυπηρέτησης είναι κατειλημμένες. Παραγωγικότητα πλοίου: στην ανάλυσή μας θα μεταφραστεί ως «κινήσεις Ε/Κ ανά χρόνο παραμονής του πλοίου στο λιμένα». Αυτός ο παράγοντας δίνει μια ιδέα για τη συνολική παραγωγικότητα του λιμένα στη μεταχείριση του φορτίου. Μειωμένη τιμή του λόγου υποδεικνύει χαμηλή αποδοτικότητα του λιμανιού, και την επιβολή μεγαλύτερων χρόνων στα πλοία. Η συμμετοχή όλων αυτών των παραγόντων στην ανάλυσή μας κρίνεται απαραίτητη ώστε να είναι δυνατή η πλήρης περιγραφή της διαδικασίας φορτοεκφόρτωσης και η ερμηνεία της μεταβλητότητας των δεδομένων που μας έχουν δοθεί από τον Ο.Λ.Θ. Έτσι, θα μπορέσουμε να εξάγουμε ρεαλιστικά συμπεράσματα για τον παράγοντα που μας ενδιαφέρει περισσότερο να εστιάσουμε, δηλαδή τις καθυστερήσεις, σε συνδυασμό βέβαια και με την επίδραση που ασκούν οι υπόλοιποι παράγοντες που προαναφέρθηκαν στην απόδοση του λιμένα Εφαρμογή μαθηματικού μοντέλου Η μαθηματική σχέση του προτύπου πολλαπλής παλινδρόμησης είναι: Υ = α + β 1 Χ 1 + β 2 Χ 2 + β 3 Χ 3 + β 4 Χ 4 + β 5 Χ 5 + β 6 Χ 6 + β 7 Χ 7 + β 8 Χ 8 + β 9 Χ 9 όπου Υ Ημερήσιος αριθμός διαχειριζόμενων TEUs (TEUs/μέρα) Χ 1 Αναλογία container ως προς το μέγεθος (αναλογία των 40-foot containers) Χ 2 Μέσο μέγεθος πλοίου (TEUs/πλοίο) Χ 3 Αξιοποίηση θέσεων πλεύρισης (Berth usage) Χ 4 Καθυστερήσεις Α = χρόνος στο κρηπίδωμα χρόνος εργασιών Χ 5 Καθυστερήσεις Β = χρόνος εργασιών καθαρό χρόνο εργασιών Χ 6 Παραγωγικότητα γερανού (κινήσεις/γερανοώρα) Χ 7 Λόγος αναμονής (Waiting rate) = χρόνος αναμονής/χρόνος στο κρηπίδωμα Χ 8 Μέσος χρόνος παραμονής πλοίου στο λιμένα Χ 9 Μέση παραγωγικότητα πλοίου (κινήσεις/συνολικό χρόνο παραμονής) α, β 1, β 2,, β 9 συντελεστές παλινδρόμησης Υπενθυμίζουμε σε αυτό το σημείο ότι τα δεδομένα που συλλέξαμε αφορούν συνολικά 87 ημέρες με βασική πηγή πληροφοριών τα ημερήσια δελτία των «σημειωτών» στις

76 73 γερανογέφυρες σε συνδυασμό με αντίστοιχα στοιχεία που παρελήφθησαν από το λιμεναρχείο. Πριν προχωρήσουμε στον υπολογισμό των συντελεστών παλινδρόμησης β i, που είναι και ο βασικός μας στόχος, είναι απαραίτητο πρώτα να ελέγξουμε τις συσχετίσεις μεταξύ των ανεξάρτητων μεταβλητών. Εάν οι ανεξάρτητες μεταβλητές είναι μεταξύ τους συσχετισμένες, είναι δύσκολο να εκτιμηθεί η συμμετοχή καθεμιάς ξεχωριστά, και επιπλέον μπορεί να δημιουργηθεί πρόβλημα πολυσυγγραμικότητας (multicollinearity) με σοβαρές υπολογιστικές συνέπειες. Κατά το φαινόμενο της πολυσυγγραμικότητας, κάποια από τις ανεξάρτητες μεταβλητές είναι κατά προσέγγιση ο γραμμικός συνδυασμός άλλων ανεξάρτητων μεταβλητών με αποτέλεσμα οι διακυμάνσεις των συντελεστών παλινδρόμησης να αυξάνονται και να εμφανίζονται στατιστικά ασήμαντοι. Μπορεί, δηλαδή, να οδηγηθούμε σε γραμμή παλινδρόμησης με τιμή R 2 υψηλή, μολονότι κανείς από τους συντελεστές παλινδρόμησης δε διαφέρει σημαντικά από το μηδέν. Πίνακας 5.3: Πίνακας συσχετίσεων X1 X2 X3 X4 X5 X6 X7 X8 X9 X1 1 X2 0,168 1 X3-0,327-0,122 1 X4-0,009-0,115 0,039 1 X5-0,043 0,440 0,180-0,084 1 X6 0,145 0,172-0,289-0,152-0,081 1 X7-0,171-0,286 0,426 0,038 0,080-0,249 1 X8-0,147 0,066 0,456 0,324 0,093-0,366 0,696 1 X9 0,144 0,559-0,377-0,264 0,215 0,393-0,606-0,622 1 Στον πίνακα 5.3 παρουσιάζεται η μήτρα συσχετίσεων των ανεξάρτητων μεταβλητών. Αυτό που παρατηρούμε είναι ότι, σε σχέση με τις υπόλοιπες μεταβλητές, μεγαλύτερο βαθμό συσχέτισης παρουσιάζουν οι Χ 7, Χ 8 και Χ 9, δηλαδή οι μεταβλητές «λόγος αναμονής», «χρόνος παραμονής πλοίου στο λιμένα» και «παραγωγικότητα πλοίου» αντίστοιχα. Το αποτέλεσμα αυτό ήταν αναμενόμενο από τη στιγμή που και οι τρεις μεταβλητές έχουν να κάνουν, άμεσα ή έμμεσα, με το συνολικό χρόνο του πλοίου στο λιμάνι. Αποφασίζεται, λοιπόν, να διατηρήσουμε στην ανάλυση έστω μόνο τη μεταβλητή Χ 9 έτσι ώστε να μην εμφανιστούν προβλήματα πολυσυγγραμικότητας κατά τη διαδικασία της παλινδρόμησης. Εννοείται πως ό, τι συμπεράσματα προκύψουν από την ανάλυση για αυτήν τη μεταβλητή, θα ισχύουν και για τις άλλες δύο.

77 74 Εισάγοντας, τελικά, στην εξίσωση παλινδρόμησης 7 από τις αρχικές μεταβλητές καταλήγουμε, χρησιμοποιώντας το στατιστικό πρόγραμμα SPSS, στον πίνακα 5.4 όπου ελέγχεται η καταλληλότητα του γραμμικού προτύπου: Πίνακας 5.4: Περίληψη μοντέλου παλινδρόμησης Model R R 2 Adjusted R 2 Std. Error Durbin-Watson 1 0,923 0,853 0, ,438 2,039 ANOVA Model Sum of Squares df Mean Square F Sig. Regression 1,45E ,39 65,39,000 Residual , ,21 Total 1,709E7 86 Ο προσαρμοσμένος συντελεστής πολλαπλού προσδιορισμού (Adjusted R 2 ) είναι ικανοποιητικός όσων αφορά την επάρκεια του προτύπου, δηλώνοντας ότι το 84% της μεταβολής των τιμών της Υ εξηγείται από τις μεταβολές των ανεξάρτητων μεταβλητών που μετέχουν στην εξίσωση παλινδρόμησης. Επιπλέον, η ανάλυση μεταβλητότητας (ANOVA) απορρίπτει τη μηδενική υπόθεση ισότητας των συντελεστών παλινδρόμησης β i με το μηδέν και συνεπώς αποδεικνύεται η έντονη εξάρτηση της Υ από μία τουλάχιστον από τις ανεξάρτητες μεταβλητές. Οι τιμές των συντελεστών παλινδρόμησης β i με τα τυπικά τους σφάλματα, τη σημαντικότητα και τα διαστήματα εμπιστοσύνη τους παρουσιάζονται στον πίνακα 5.5: Πίνακας 5.5: Πίνακας συντελεστών παλινδρόμησης Unstandardized Coefficients t Sig. 95% Confidence Interval for β Collinearity Statistics β Std. Error Lower Bound Upper Bound Tolerance VIF 1 Σταθ ,06 199,31-5,294, , ,343 Χ 1 681,99 180,04 3,788, , ,368,868 1,152 Χ 2,918,093 9,884,000,733 1,103,565 1,771 Χ ,72 111,38 17,18, , ,437,708 1,413 Χ 4-3,670 4,091 -,897,372-11,812 4,472,917 1,090 Χ 5-24,739 11,740-2,107,038-48,108-1,370,731 1,368 Χ 6 31,160 7,825 3,982,000 15,584 46,736,800 1,250 Χ 9-5,769 4,629-1,246,216-14,982 3,445,507 1,973

78 75 Η εξίσωση παλινδρόμησης παίρνει πλέον τη μορφή: Υ= -1055, ,99 Χ 1 +0,918 Χ ,72 Χ 3 3,670 Χ 4-24,739 Χ 5 +31,160 Χ 6-5,769 Χ 9 Μεταφράζουμε, λοιπόν, ότι αύξηση της τιμής της μεταβλητής Χ 1 (αναλογία Ε/Κ 40 ποδών) κατά μια μονάδα με δεδομένο ότι οι λοιπές μεταβλητές παραμένουν σταθερέςσυνεπάγεται αύξηση της ποσότητας Υ, δηλαδή του ημερήσιου αριθμού TEUs, σχεδόν κατά 682 μονάδες. Ομοίως, αύξηση των καθυστερήσεων κατά τη διάρκεια των εργασιών (μεταβλητή Χ 5 ) κατά μία ώρα, οδηγεί σε μείωση της λιμενικής παραγωγής σχεδόν κατά 25 TEUs. Ανάλογη είναι η ερμηνεία και για τους λοιπούς συντελεστές παλινδρόμησης, με την παρατήρηση ότι δε φαίνεται, για επίπεδο σημαντικότητας 0,05, να υπάρχει σχέση μεταξύ της εξαρτημένης μεταβλητής με τους παράγοντες Χ 4 (καθυστερήσεις στο κρηπίδωμα πριν ή μετά το χρόνο των εργασιών) και Χ 9 (παραγωγικότητα πλοίου). Ο δείκτης Tolerance που φαίνετε στον πίνακα 5.5 παίρνει τιμές στο διάστημα [0-1] και για μικρές τιμές (κοντά στο 0) η μεταβλητή είναι σχεδόν σε γραμμικό συνδυασμό με τις άλλες ανεξάρτητες μεταβλητές. Ο δείκτης VIF μεγαλώνει όταν ο δείκτης Tolerance μικραίνει. Συνήθως, ένα πρώτο φίλτρο αποτελεί η τιμή 5, ενώ ένα δεύτερο πιο ελαστικό φίλτρο είναι η τιμή 10. Ανεξάρτητες μεταβλητές με δείκτη VIF μεγαλύτερο του 10 συνίσταται να αποβάλλονται από το μοντέλο. Στην εφαρμογή μας είναι φανερό από τον πίνακα 5.47 ότι οι τιμές ανοχής είναι αρκετά μεγάλες και οι παράγοντες πληθωριστικής διακύμανσης αρκετά χαμηλοί ώστε να μην υπάρχουν υπόνοιες πολυσυγγραμικότητας. Πριν προχωρήσουμε στον έλεγχο επάρκειας του μαθηματικού προτύπου, αξίζει να τονίσουμε τα εξής: Στον πίνακα 5.5 παρατηρούμε ότι ο συντελεστής β 5 κρίθηκε στατιστικά σημαντικός όμως το άνω όριο του διαστήματος εμπιστοσύνης βρίσκεται κοντά στο 0. Το γεγονός αυτό σε συνδυασμό με τη σχετικά μεγάλη τυπική απόκλιση του συντελεστή, μας κάνει να αμφιβάλουμε για την αξιοπιστία του καθώς ένας έλεγχος του 99% διαστήματος εμπιστοσύνης είναι πολύ πιθανό να εμπεριέχει την τιμή 0, με συνέπεια ο παράγοντας Χ 5 να καθίσταται στατιστικά ασήμαντος. Αυτό που αποφασίσαμε, λοιπόν, να κάνουμε για να σιγουρευτούμε είναι να αφαιρέσουμε τον παράγοντα Χ 5 από την ανάλυση παλινδρόμησης και να ελέγξουμε αν θα υπάρξει διαφορά στον συντελεστή R 2 adj. Όντως, ο συντελεστή R 2 adj παρουσιάζεται μικρότερος (0,823) όταν αφαιρέσουμε τη μεταβλητή Χ 5,σε σχέση με την τιμή του στο αρχικό πρότυπο η οποία ήταν 0,84. Συνεπώς, το αρχικό πρότυπο εμφανίζει καλύτερη προσαρμογή και έτσι αποφασίστηκε να διατηρήσουμε τη μεταβλητή Χ 5 στην ανάλυση. Οι παράγοντες Χ 1 και Χ 3 φαίνεται να επηρεάζουν τη μεταβλητή Υ πολύ πιο έντονα από τους άλλους διότι είναι ποσοστά και συνεπώς αύξηση της τιμής τους κατά μια μονάδα, δηλαδή 100%, είναι πολύ σπάνιο έως αδύνατο να πραγματοποιηθεί.

79 Έλεγχος επάρκειας του μαθηματικού προτύπου Όπως και στην απλή γραμμική παλινδρόμηση, έτσι και εδώ γίνεται η υπόθεση ότι τα σφάλματα ε i είναι ασυσχέτιστες τυχαίες μεταβλητές με μέση τιμή μηδέν και σταθερή μεταβλητότητα σ 2, την ίδια σε όλες τις τιμές Χ. Επιπλέον θεωρείται ότι ακολουθούν κανονική κατανομή. Οι υποθέσεις αυτές είναι αναγκαίο να ελεγχθούν, ώστε να διασφαλιστεί η ορθότητα της ανάλυσης και των αποτελεσμάτων της. Έλεγχος αυτοσυσχέτισης: η ανεξαρτησία των καταλοίπων (που δηλώνεται με τη μηδενική διαφορά μεταξύ διαδοχικών καταλοίπων) σε σχέση με διαδοχικές τιμές της μεταβλητής Χ i εμφανίζεται με το στατιστικό των Durbin-Watson, από τη σχέση d= ( et et 1) e πιθανές τιμές του στατιστικού αυτού κυμαίνονται μεταξύ 0 και 4. Συγκεκριμένα, τιμή του στατιστικού d ίση περίπου με δύο σημαίνει ανεξαρτησία των καταλοίπων μεταξύ τους, κάτι που ισχύει και στην εφαρμογή μας όπου, όπως φαίνεται στον πίνακα 5.4, η τιμή των Durbin- Watson είναι d=2,039. Έλεγχος κανονικότητας υπολοίπων: 2 t 2. Οι Σχήμα 5.4: Ιστόγραμμα υπολοίπων

80 Υπόλοιπα 77 Σχήμα 5.5: Διάγραμμα αθροιστικής συχνότητας υπολοίπων Από την κατασκευή του ιστογράμματος των υπολοίπων στο σχήμα 5.4, αλλά και από τη σύγκριση της παρατηρούμενης αθροιστικής κατανομής των υπολοίπων προς την προσδοκώμενη αθροιστική κανονική κατανομή τους, όπου δεν εμφανίζεται διασπορά ως προς την ευθεία γραμμή της κανονικής (θεωρητικής) κατανομής, είναι φανερό ότι αποδεικνύεται η υπόθεση κανονικότητας των υπολοίπων Προβλεπόμενη τιμή Y Σχήμα 5.6: Διάγραμμα διασποράς των υπολοίπων και των προβλεπόμενων τιμών της Υ

81 78 Έλεγχος ομοσκεδαστικότητας: αφορά τη διαπίστωση της σταθερότητας των διακυμάνσεων των σφαλμάτων σε μεταβολές των ανεξάρτητων μεταβλητών. Συγκεκριμένα, αν η διασπορά των υπολοίπων αυξάνεται ή μειώνεται σε σχέση με τις τιμές των Χ i ή με τις προβλεπόμενες τιμές της Υ, υπάρχει βάσιμη υποψία για έλλειψη σταθερότητας των τιμών της διακύμανσης. Στο σχήμα 5.6 παρουσιάζεται το διάγραμμα διασποράς των υπολοίπων σε σχέση με τις προβλεπόμενες τιμές της Υ και θεωρείται πως δεν παρατηρείται ισχυρή ένδειξη απουσίας σταθερότητας της διακύμανσης. Έλεγχος γραμμικότητας: η γραμμικότητα του υποδείγματος επιβεβαιώνεται από τα διαγράμματα μερικής παλινδρόμησης, δηλαδή από τις διαγραμματικές απεικονίσεις των τιμών των ατομικών ανεξάρτητων μεταβλητών με την εξαρτημένη. Τα διαγράμματα αυτά για τις 7 μεταβλητές της ανάλυσης παρουσιάζονται στο παράρτημα Β και επιβεβαιώνουν τα αποτελέσματα του προτύπου της παλινδρόμησης κατά τα οποία διαφαίνεται σημαντική γραμμική εξάρτηση μεταξύ της εξαρτημένης μεταβλητής TEUs (Υ) και των παραγόντων «container mix» (Χ 1 ), «μέγεθος πλοίου» (vessel size, X 2 ), «berth occupancy rate» (X 3 ), «καθυστερήσεις Β» (delays B, X 5 ) και «παραγωγικότητα γερανού» (X 6 ). Αντίθετα, είναι φανερή η μη εξάρτηση με τους παράγοντες «καθυστερήσεις Α» (delays Α, X 4 ) και «παραγωγικότητα πλοίου» (X 9 ). Παράλληλα, στα διαγράμματα μερικής παλινδρόμησης δε φαίνεται να υπάρχει στις μεταβλητές έντονη ετερογένεια των διακυμάνσεων Συμπεράσματα εφαρμογής Από την ανάλυση προέκυψε ότι οι παράγοντες οι οποίοι επιδρούν σημαντικά στην απόδοση της διαδικασίας φορτοεκφόρτωσης είναι οι «αναλογία container ως προς το μέγεθος» (Χ 1 ), «μέγεθος πλοίου» (X 2 ), «αξιοποίηση θέσεων πλεύρισης» (X 3 ), «καθυστερήσεις Β» (X 5 ) και «παραγωγικότητα γερανού» (X 6 ). Αντίθετα φαίνεται ότι δεν επηρεάζουν σημαντικά οι «καθυστερήσεις Α» (X 4 ) και «παραγωγικότητα πλοίου» (X 9 ). Μπορούμε, λοιπόν, από τα αποτελέσματα αυτά να συμπεράνουμε τα εξής: Η αξιοποίηση των θέσεων πλεύρισης (berth usage) επιδρά σημαντικά στα ημερήσια TEUs που διαχειρίζεται ο τερματικός σταθμός, ενώ ο λόγος αναμονής (waiting rate) δείχνει να μην επηρεάζει (συσχετίζεται με τον παράγοντα X 9 που είναι η παραγωγικότητα πλοίου και αποδείχθηκε ότι δεν επιδρά). Συνεπώς, τόσο ο χρόνος αναμονής όσο και ο χρόνος εξυπηρέτησης βρίσκονται σε τέτοια ικανοποιητικά επίπεδα ώστε να μην επηρεάζουν αρνητικά την απόδοση. Ομοίως και το berth usage είναι σε ικανοποιητικό επίπεδο ώστε να επηρεάζει θετικά. Αν ο τελευταίος δείκτης ήταν πιο μεγάλος από ένα συγκεκριμένο επίπεδο τιμών, συνήθως 70% (Cronje, 2006) το οποίο αποτελεί άνω όριο (στον Ο.Λ.Θ. έχει υπολογιστεί γύρω στο 57%) τότε το γεγονός αυτό θα επηρέαζε το χρόνο αναμονής αυξητικά,

82 79 άρα και το λόγο αναμονής, τόσο όσο θα ήταν ίσως αρκετό για να αρχίσει ο λόγος αναμονής να επιδρά σημαντικά, και μάλιστα αρνητικά, στη λιμενική παραγωγή. Γενικότερα δηλαδή, δε θέλουμε πάντα να έχουμε μεγάλο berth usage διότι τότε αυξάνεται πολύ ο χρόνος αναμονής και διαδοχικά ο συνολικός χρόνος του πλοίου στο λιμάνι. Το γεγονός αυτό εντείνεται ειδικά όταν ο αριθμός των θέσεων εξυπηρέτησης, δηλαδή των θέσεων παραβολής, είναι περιορισμένος και όχι δεδομένος όπως συμβαίνει και στο λιμάνι της Θεσσαλονίκης. Το δεύτερο σημαντικό συμπέρασμα που προέκυψε από την ανάλυση αφορά το λόγο για τον οποίο εξάλλου πραγματοποιήσαμε την εφαρμογή και έχει να κάνει με την εξυπηρέτηση του πλοίου από τις Γ/Φ. Αρχικά πρέπει να παρατηρήσουμε την καταλυτική συνεισφορά της παραγωγικότητας των γερανογεφυρών (X 6 ) στην απόδοση του τερματικού σταθμού. Αποδείχθηκε ότι αύξηση μιας μονάδας αυτού του παράγοντα, δηλαδή μία κίνηση παραπάνω ανά ώρα, αυξάνει τα ημερήσια TEUs σχεδόν κατά 31 μονάδες. Συνεπώς, είναι σημαντικότατη η επίδραση αυτού του παράγοντα, ο οποίος συμβάλλει και στη μείωση του χρόνου παραμονής ενός πλοίου στο λιμάνι (βελτιώνοντας το χρόνο εξυπηρέτησης). Εξάλλου, από την παλινδρόμηση προέκυψε ότι ο συνολικός χρόνος παραμονής του πλοίου στο λιμάνι δε φαίνεται να επηρεάζει τη λιμενική απόδοση (συσχετίζεται με τον παράγοντα παραγωγικότητας πλοίου) γεγονός που δείχνει ότι λαμβάνει τιμές εντός ικανοποιητικών ορίων, τουλάχιστο τόσο ώστε να μην επηρεάζει αρνητικά. Στο αποτέλεσμα αυτό σαφώς και συμβάλλει η πολύ θετική επίδραση της παραγωγικότητας των Γ/Φ. Ωστόσο δεν πρέπει να παραλείψουμε το αποτέλεσμα της ανάλυσης που αναφέρεται στον παράγοντα Χ 5, που είναι και παράγοντας στον οποίο θέλουμε να εστιάσουμε, δηλαδή στις καθυστερήσεις που πραγματοποιούνται κατά τη διάρκεια του χρόνου εργασιών. Οι καθυστερήσεις αυτές, όπως έχουμε πει, οφείλονται σε βλάβες των Γ/Φ και η ανάλυση απέδειξε ότι αύξηση αυτών των καθυστερήσεων κατά μία ώρα την ημέρα μπορεί να μειώσει τα ημερήσια TEUs σχεδόν κατά 25 μονάδες. Το αποτέλεσμα αυτό σαφώς και έρχεται σε αντίφαση με το προηγούμενο συμπέρασμά μας διότι στην ουσία μειώνει καταλυτικά την απόδοση των Γ/Φ. Θα μπορούσε δηλαδή η παραγωγικότητα των Γ/Φ να είναι πολύ μεγαλύτερη με ό, τι αυτό συνεπάγεται για τον ημερήσιο αριθμό σε TEUs που διαχειρίζεται το Σ.ΕΜΠΟ., αλλά και για το συνολικό χρόνο των πλοίων στο λιμάνι καθώς έχει αποδειχθεί ότι έστω και μικρή μείωση του χρόνου εξυπηρέτησης ενός πλοίου επιδρά σημαντικά στο συνολικό χρόνο παραμονής. Το τελευταίο φαινόμενο αποδείχθηκε και από το πείραμα προσομοίωσης που εφαρμόσαμε καθώς είδαμε ότι με αύξηση της ταχύτητας εξυπηρέτησης, μειώθηκε ο χρόνος εξυπηρέτησης σχεδόν κατά μία ώρα και αυτό επηρέασε ακόμα πιο έντονα το μέσο συνολικό χρόνο παραμονής ο οποίος μειώθηκε σχεδόν κατά τέσσερις ώρες.

83 80 Είναι λοιπόν σαφές ότι το λιμάνι χάνει από την απόδοση που θα μπορούσε να έχει κάτι που οπωσδήποτε πρέπει να ελεγχθεί και να μελετηθεί από τη διοικητική αρχή του Ο.Λ.Θ. Ενημερωτικά σε αυτό το σημείο επισημαίνεται για τις 4 Γ/Φ του Ο.Λ.Θ. ότι η 1 η εγκαταστάθηκε την περίοδο 89-90, η 2 η το 93 και οι δύο τελευταίες το 98. Είναι φανερό λοιπόν ότι η 1 η Γ/Φ είναι αρκετά παλιά. Μάλιστα ολοκλήρωσε τον κύκλο ζωής της το 2006 και πρέπει να αντικατασταθεί. Ωστόσο αυτό δε σημαίνει ότι θα λυθεί και το πρόβλημα των καθυστερήσεων. Κρίνεται αναγκαίο να μελετηθεί το θέμα ειδικά και να ελεγχθούν ζητήματα που αφορούν τόσο στην παλαιότητα των Γ/Φ όσο και στον τρόπο συντήρησή τους και στο επαρκές ή όχι προσωπικό συντήρησης, έτσι ώστε να ληφθούν μέτρα για την πρόληψη των βλαβών. 5.2 Σενάριο εγκατάστασης νέας γερανογέφυρας Από την ανάλυση του προηγούμενου σεναρίου προσομοίωσης, αλλά και της στατιστικής εφαρμογής με τα πραγματικά δεδομένα του τερματικού σταθμού, είδαμε ότι οι χρονικές καθυστερήσεις λόγω βλαβών στις Γ/Φ επιδρούν αρνητικά στην απόδοση του λιμένα όσων αφορά τον αριθμό των Ε/Κ που διαχειρίζεται ο τελευταίος και το επίπεδο ποιότητας της εξυπηρέτησης που ανακλάται στο συνολικό χρόνο παραμονής των πλοίων. Είναι, λοιπόν, λογικό να θέλουμε να εξετάσουμε την πιθανότητα αγοράς και εγκατάστασης μιας επιπλέον Γ/Φ από τη διοικητική αρχή του λιμένα, με σκοπό την αύξηση του επιπέδου εξυπηρέτησης και συνεπώς της ανταγωνιστικότητας του Ο.Λ.Θ. Τα αποτελέσματα της προσομοίωσης ενός τέτοιου σεναρίου φαίνονται στον πίνακα 5.6: Πίνακας 5.6: Αποτελέσματα προσομοίωσης 2 ου σεναρίου Repl 1 Repl 2 Repl 3 Repl 4 Repl 5 Average Stdev Total Vessels ,65 Class 1 ships ,4 7,02 Class 2 ships ,2 5,17 Class 3 ships ,4 5,68 Class 4 ships ,6 2,30 Containers ,56 Turnaround time avg 43,88 40,83 45,02 44,08 44,15 43,59 1,60 max 91,15 116,84 121,19 121,31 135,63 117,22 16,21 Berth time avg 9,49 10,62 10,34 9,4 9,52 9,874 0,56 max 35,74 41,46 45,46 65,15 57,12 48,99 11,96 QCs usage 0,42 0,39 0,43 0,4 0,43 0,41 0,02 avg No busy 2,1 1,93 2,16 2 2,14 2,07 0,10 Berth 1 usage % 0,06 0,04 0,06 0,05 0,03 0,05 0,01 Berth 2 usage 0,33 0,34 0,36 0,31 0,33 0,33 0,02 Berth 3 usage 0,34 0,36 0,39 0,32 0,36 0,35 0,03

84 81 Πίνακας 5.7: Συγκριτικά αποτελέσματα συστήματος αρχικού και 2 ου σεναρίου Original 5 cranes Total Vessels Class 1 ships 67,6 71,4 Class 2 ships 39,6 43,2 Class 3 ships 36,6 30,4 Class 4 ships 17,6 20,6 Containers Turnaround time avg 48,482 43,592 max 149, ,224 Berth time avg 11,132 9,874 max 73,862 48,986 QCs usage 0,49 0,414 avg No busy 1,96 2,066 Berth 1 usage 0,056 0,048 Berth 2 usage 0,376 0,334 Berth 3 usage 0,378 0,354 Από τα συγκριτικά αποτελέσματα του πίνακα 5.7 με το αρχικό σύστημα παρατηρούμε ότι ο μέσος συνολικός αριθμός πλοίων αυξήθηκε κατά πέντε πλοία ενώ ο μέσος αριθμός των containers κατά περίπου Ε/Κ, που οφείλεται κυρίως στην αύξηση των πλοίων 4 ης τάξης (Σχήματα 5.7 και 5.8). Κατανομή πλοίων Containers Original 5 cranes Original 5 cranes Σχήμα 5.7: Σύγκριση κατανομής πλοίων Σχήμα 5.8: Σύγκριση συνολικού αριθμού Ε/Κ Αυτό που μας ενδιαφέρει φυσικά να μελετήσουμε σε ένα τέτοιο υποθετικό σενάριο είναι οι χρόνοι διαχείρισης των πλοίων, δηλαδή στην ουσία η επίδραση της αλλαγής που εισάγαμε, στο χρόνο εξυπηρέτησης των πλοίων στα αγκυροβόλια και στο συνολικό χρόνο

85 82 παραμονής. Παρατηρούμε, λοιπόν, και από το σχήμα 5.9 ότι ο χρόνος στο berth μειώνεται κατά 11,3%, σχεδόν κατά 1,5 ώρες, ενώ ταυτόχρονα και πάλι η μείωση στο χρόνο εξυπηρέτησης ανακλάται ακόμα πιο έντονα στο συνολικό χρόνο, με το turnaround time να μειώνεται στο μέσο όρο κατά 5 ώρες. Χρόνοι διαχείρισης 50,00 48,48 43,59 40,00 30,00 Original 20,00 11,13 9,87 5 cranes 10,00 0,00 Turnaround time Berth time Σχήμα 5.9: Χρόνοι διαχείρισης πλοίων αρχικού μοντέλου και 2 ου σεναρίου Ωστόσο, τα αποτελέσματα αυτά από μόνα τους δεν θα μπορούσαν να δικαιολογήσουν την πιθανή αγορά μιας επιπλέον Γ/Φ. Εξάλλου παρόμοια αποτελέσματα προέκυψαν και με το προηγούμενο σενάριο προσομοίωσης χωρίς την αγορά νέου μηχανολογικού εξοπλισμού. Βέβαια, από την άλλη, και το σενάριο εξάλειψης των καθυστερήσεων λόγω βλαβών δεν είναι και τόσο ρεαλιστικό λόγω της παλαιότητας των υπαρχόντων Γ/Φ. Γερανογέφυρες 2,5 2 1,96 2,066 1,5 Original 1 0,5 0,49 0,414 5 cranes 0 usage avg No busy Σχήμα 5.10: Αξιοποίηση Γ/Φ αρχικού μοντέλου και 2 ου σεναρίου

86 83 Παρατηρούμε, λοιπόν, στο σχήμα 5.10 πως η μείωση του χρόνου εξυπηρέτησης και του συνολικού χρόνου, δε συνεπάγονται και αύξηση στη χρήση των Γ/Φ. Το αντίθετο μάλιστα, το ποσοστό χρήσης των Γ/Φ μειώνεται σε 41,4%, γεγονός που έπρεπε να το περιμένουμε εφόσον ήδη το usage των Γ/Φ κινούνταν σε μέτρια επίπεδα (49%). Συνεπώς, εισάγοντας και μια 5 η Γ/Φ είναι λογικό να μειωθούν τα ποσοστά χρήσης εφόσον πλέον το φόρτο εργασίας, που ήταν ήδη λίγο για τις δυνατότητες των εγκαταστάσεων, μοιράζεται στα πέντε αντί στα τέσσερα. Έτσι, η κάθε Γ/Φ περνά ακόμη περισσότερο χρόνο στο κρηπίδωμα χωρίς να απασχολείται και αυτό ενισχύεται και από το γεγονός ότι ο μέσος αριθμός Γ/Φ που χρησιμοποιούνται παραμένει ίδιος. Βέβαια, στο σημείο αυτό είναι συνετό να τονιστεί ότι η ερμηνεία των αποτελεσμάτων σε αυτό το σενάριο λειτουργίας θα πρέπει να είναι προσεκτική κυρίως λόγω των αδυναμιών που παρουσιάζει η μοντελοποίηση του συστήματος προσομοίωσης. Έχουμε ήδη αναφέρει ότι βασικό μειονέκτημα αυτού του μοντέλου είναι η μη μοντελοποίηση της κάθε Γ/Φ ξεχωριστά. Εισάγοντας, λοιπόν, μια νέα Γ/Φ ως πόρο, αυτή η 5 η μονάδα λαμβάνεται από το μοντέλο ως όμοια με τις υπόλοιπες τέσσερις δηλαδή με ίδιες ταχύτητες εξυπηρέτησης και εμφανίσεις βλαβών, ενώ θεωρητικά η 5 η Γ/Φ θα ήταν καινούργια και θα είχε προφανώς, ως νέα επένδυση, μεγαλύτερη ονομαστική παραγωγικότητα από τις υπόλοιπες. Ίσως το ιδανικό, από πλευράς ερμηνείας αποτελεσμάτων, θα ήταν να έχουμε μοντελοποιήσει ξεχωριστά τις Γ/Φ ώστε να βγάζαμε τη Γ/Φ N ο 1 από το σύστημα, η οποία όπως αναφέραμε έχει ολοκληρώσει τον κύκλο ζωής της και είναι αυτή που εμφανίζει τις περισσότερες βλάβες, και να εισαγάγαμε μια νέα Γ/Φ η οποία θα είχε τη δική της παραγωγικότητα. Έτσι, τα συμπεράσματά μας θα ήταν πιο ασφαλή και σε συνδυασμό με τα συμπεράσματα του προηγούμενου υποκεφαλαίου σχετικά με τις καθυστερήσεις βλαβών, θα μπορούσαμε να αξιολογήσουμε, σύμφωνα και με την επίδραση στα μέτρα απόδοσης, αν μια τέτοια επένδυση θα ήταν οικονομικά ορθή και πλεονεκτική. Ωστόσο, αυτό δε σημαίνει ότι πρέπει να αγνοήσουμε τα αποτελέσματα αυτού του σεναρίου προσομοίωσης, τα οποία ενισχύονται από το γεγονός ότι και στην πραγματικότητα η αξιοποίηση των Γ/Φ κυμαίνεται στο 55%, δηλαδή σε μέτρια πάλι επίπεδα ποσοστού χρήσης. Εξάλλου, και από το μοντέλο παλινδρόμησης είδαμε ότι και η αξιοποίηση των berths βρίσκεται σε ικανοποιητικά επίπεδα τιμών ώστε να μην επηρεάζει αρνητικά την απόδοση του λιμένα. Με άλλα λόγια, οι εγκαταστάσεις ως υποδομές δείχνουν ικανές να διαχειριστούν το υπάρχων φόρτο εργασίας ή, αλλιώς, ο όγκος logistics που έχει να διαχειριστεί ο Ο.Λ.Θ. δεν είναι αρκετός σε σύγκριση με τη δυναμικότητα των εγκαταστάσεών του.

87 Σενάριο αύξησης του φόρτου εργασιών Σε αυτό το σενάριο λειτουργίας του τερματικού σταθμού θα προσομοιώσουμε την επίδρασης ενός αυξημένου φόρτου εργασίας στο σύστημα. Τέτοιου είδους πειράματα έχουν μεγάλη πρακτική αξία όταν οι διοικητικές αρχές των λιμένων θέλουν να γνωρίζουν αν η υπάρχουσα εγκαταστημένη δυναμικότητα εξοπλισμού του τερματικού σταθμού είναι αρκετή για μια ενδεχόμενη αύξηση της λιμενικής παραγωγής, δηλαδή του αριθμού Ε/Κ που διαχειρίζεται ο Σ.ΕΜΠΟ. Για την εφαρμογή του πειράματος, όλες οι κατανομές και παράμετροι του προσομοιωτικού μοντέλου παρέμειναν ίδιες και η αύξηση στο φόρτο εργασίας πραγματοποιήθηκε διαιρώντας όλους τους χρόνους ενδοαφίξεων με ένα σταθερό όρο. Έτσι, οι τάξεις των πλοίων και τα φορτία τους δε μεταβλήθηκαν, αλλά αυξήθηκε ο αριθμός των πλοίων που έφθανε στο λιμάνι εφόσον επιλέξαμε να μειώσουμε σχεδόν κατά 30% τους χρόνους ενδοαφίξεων. Τα αποτελέσματα της προσομοίωσης φαίνονται στον πίνακα 5.8 πάλι για πέντε επαναλήψεις (replications) ώστε να έχουμε μια εντύπωση της συμπεριφοράς του μοντέλου. Επιπλέον, στον πίνακα 5.9 παρουσιάζονται τα συγκριτικά αποτελέσματα μεταξύ του αρχικού συστήματος και του τρίτου σεναρίου που εξετάζουμε. Πίνακας 5.8: Αποτελέσματα προσομοίωσης 3 ου σεναρίου Repl 1 Repl 2 Repl 3 Repl 4 Repl 5 Average Stdev Total Vessels ,8 5,85 Class 1 ships ,4 5,08 Class 2 ships ,6 11,37 Class 3 ships ,28 Class 4 ships ,2 3,11 Containers ,95 Turnaround time avg 60,13 56,27 93,88 64,56 64,17 67,80 14,96 max 147,61 181,88 356,15 214,93 173,58 214,83 82,58 Berth time avg 11,88 12,66 13,43 12,14 13,32 12,69 0,69 max 71,99 108,68 112,94 93,98 83,22 94,16 17,14 QCs usage 0,57 0,6 0,71 0,6 0,62 0,62 0,05 avg No busy 2,29 2,4 2,82 2,4 2,47 2,48 0,20 Berth 1 usage 0,07 0,09 0,08 0,07 0,05 0,07 0,01 Berth 2 usage 0,51 0,57 0,77 0,58 0,7 0,63 0,11 Berth 3 usage 0,67 0,62 0,62 0,63 0,69 0,65 0,03

88 85 Πίνακας 5.9: Συγκριτικά αποτελέσματα συστήματος αρχικού και 2 ου σεναρίου Original Increased workload Total Vessels ,8 Class 1 ships 67,6 104,4 Class 2 ships 39,6 55,6 Class 3 ships 36,6 53 Class 4 ships 17,6 23,2 Containers Turnaround time avg 48,482 67,802 max 149, ,83 Berth time avg 11,132 12,686 max 73,862 94,162 QCs usage 0,49 0,62 avg No busy 1,96 2,476 Berth 1 usage 0,056 0,072 Berth 2 usage 0,376 0,626 Berth 3 usage 0,378 0,646 Από τα αποτελέσματα του παραπάνω πίνακα παρατηρούμε ότι σε σχέση με το αρχικό σύστημα ο αριθμός των πλοίων έχει ποσοστό αύξησης κατά 44% ενώ για κάθε τάξη πλοίων ξεχωριστά (από τη μικρότερη στη μεγαλύτερη) αυτή η αύξηση είναι 54%, 40%, 45% και 32% αντίστοιχα (σχήμα 5.11). Ομοίως, το ποσοστό αύξησης για τα containers είναι 27% (σχήμα 5.12). Κατανομή πλοίων Containers Original Increased workload Original Increased workload Σχήμα 5.11: Σύγκριση κατανομής πλοίων Σχήμα 5.12: Σύγκριση συνολικού αριθμού Ε/Κ

89 86 Η αύξηση του αριθμού πλοίων οδήγησε, όπως ήταν και αναμενόμενο, σε αυξημένους χρόνους διαχείρισης των πλοίων (σχήμα 5.13). Ο μέσος χρόνος εξυπηρέτησης αυξήθηκε κατά περίπου 1,5 ώρες γεγονός που δείχνει ότι ακόμα και σε συνθήκες φόρτου εργασίας η ταχύτητα εξυπηρέτησης παραμένει σε ικανοποιητικά επίπεδα όπως αποδείχθηκε στην εφαρμογή του μαθηματικού μοντέλου παλινδρόμησης. Μάλιστα, ο μέσος αριθμός χρησιμοποιούμενων Γ/Φ αυξήθηκε (σχήμα 5.14) και αυτός είναι ένας επιπλέον λόγος που το berth time δε αυξήθηκε τόσο πολύ όσο ίσως θα περιμέναμε. Αντίθετα, ο μέσος χρόνος παραμονής των πλοίων αυξήθηκε εξαιρετικά πολύ, γεγονός που σημαίνει ότι αυξήθηκαν πολύ οι χρόνοι αναμονής των πλοίων προς εύρεση ελεύθερου αγκυροβολίου, κάτι που επιβεβαιώνεται και από τη μεγάλη αύξηση στο ποσοστό χρήσης των berths (κυρίως των 2 και 3) που σημαίνει ότι στην πραγματικότητα το usage συνολικά για τα berths θα είναι ακόμα μεγαλύτερο. Χρόνοι Διαχείρισης 70 67, ,482 11,132 12,686 Original Increased workload 10 0 Turnaround time Berth time Σχήμα 5.13: Χρόνοι διαχείρισης πλοίων αρχικού μοντέλου και 3 ου σεναρίου Γερανογέφυρες 2,5 2 1,96 2,476 1,5 Original 1 0,5 0,49 0,62 Increased workload 0 usage avg No busy Σχήμα 5.14: Αξιοποίηση Γ/Φ αρχικού μοντέλου και 3 ου σεναρίου

90 87 Ο μέσος συνολικός χρόνος των πλοίων στο λιμάνι είναι ένας εξαιρετικά σημαντικός δείκτης που αντανακλά την ποιότητα εξυπηρέτησης στον τερματικό σταθμό. Ωστόσο από τα αποτελέσματα της προσομοίωσης διαφαίνεται ότι ένα σενάριο τέτοιου είδους φόρτου εργασίας οδηγεί σε μη αποδεκτά επίπεδα ποιότητας στην εξυπηρέτηση. Βέβαια, παρατηρούμε, ότι παρά τους μεγάλους χρόνους αναμονής, τα ποσοστά αξιοποίησης των αγκυροβολίων δε φθάνουν ποτέ το 100%. Αυτό συμβαίνει και στην πραγματικότητα, ακόμα και σε περιπτώσεις μεγάλου φόρτου εργασίας όπου, για παράδειγμα, υπάρχουν χρονικά διαστήματα που η ουρά αναμονής είναι άδεια και κανένα πλοίο δεν καταφθάνει για να χρησιμοποιήσει τους διαθέσιμους πόρους στο κρηπίδωμα. Επιπλέον, μπορεί ένα πλοίο να περιμένει στην ουρά και να μην καταλαμβάνει αγκυροβόλιο καθώς δεν είναι δυνατή η φορτοεκφόρτωση λόγω π.χ. βλαβών στις Γ/Φ ή κατάστασης συμφόρησης (congestion) στην αυλή αποθήκευσης και στοιβασιάς. Ακόμα, σε περιπτώσεις συνεχούς κρηπιδώματος όπως του Ο.Λ.Θ., όταν εξυπηρετούνται πάνω από ένα πλοία, είναι πιθανό να αφήνουν μεταξύ τους κενά που είναι πολύ μικρά για να επιτρέψουν την αγκυροβόληση άλλων εισερχόμενων πλοίων. Από την άλλη, ένα μεγάλο πλοίο Ε/Κ μπορεί να περιμένει για ελεύθερο berth ενώ υπάρχει κάποιος διαθέσιμος χώρος στο κρηπίδωμα που ακόμα όμως δεν είναι αρκετός, αλλά λόγω της αρχής FCFS μικρότερα πλοία που και αυτά περιμένουν, δεν μπορούν να δεσμεύσουν αγκυροβόλιο. Όλοι οι παραπάνω λόγοι, εκτός από τον πρώτο, δεν έχουν ληφθεί υπόψη στο μοντέλο προσομοίωσης. Αυτό που θα ήταν ιδιαίτερα ενδιαφέρον είναι να είχαμε στοιχεία για το μήκος κάθε πλοίου (σε m) οπότε και να ορίζαμε ως πόρο συνολικά το κρηπίδωμα και όχι τα αγκυροβόλια. Τότε, οι χρόνοι αναμονής που έχουν να κάνουν με το μήκος των πλοίων και του κρηπιδώματος, θα ανιχνεύονταν από το μοντέλο και θα είχαν ενδιαφέρον τα αποτελέσματα της προσομοίωσης σχετικά με το μέσο χρόνο αναμονής και το ποσοστό των πλοίων που περιμένουν ανά τάξη πλοίων. Διότι είναι λογικό, για παράδειγμα, για τα μεγάλα πλοία Ε/Κ να έχουν μεγαλύτερο μήκος και να χρειάζεται περισσότερος χρόνος μέχρι να βρεθεί ελεύθερο berth με επαρκές μήκος.

91 88 6 Σύνοψη και συμπεράσματα Η προσομοίωση φαίνεται να είναι ένα πολύ χρήσιμο υποστηρικτικό εργαλείο για τη σχεδίαση και μελέτη των διαδικασιών ενός τερματικού σταθμού Ε/Κ. Από την ανάλυση των αποτελεσμάτων και τα πειραματικά σενάρια που εφαρμόστηκαν, αποδείχθηκε ότι το προσομοιωτικό μοντέλο της παρούσας διπλωματικής εργασίας αντιπροσωπεύει επαρκώς το πραγματικό σύστημα διαχείρισης Ε/Κ του τερματικού σταθμού του Ο.Λ.Θ, παρά τις αδυναμίες σχεδιασμού που παρουσιάζει κυρίως στην απεικόνιση της λειτουργίας των Γ/Φ. Σκοπός του μοντέλου που παρουσιάστηκε ήταν η ανάλυση της απόδοσης του Σ.ΕΜΠΟ. κατά τη διαδικασία φορτοεκφόρτωσης, η αξιολόγηση χρήσης της δυναμικότητας και αξιοποίησης των εγκατεστημένων πόρων και μηχανολογικού εξοπλισμού, καθώς και ο εντοπισμός πιθανών bottlenecks στις λειτουργίες της διαδικασίας φορτοεκφόρτωσης. Κατά την ανάλυση, ποικίλα μέτρα και δείκτες επιπέδου εξυπηρέτησης και απόδοσης μπορούν να εξαχθούν, όμως εμείς χρησιμοποιήσαμε τα πιο σημαντικά που είναι ο αριθμός των πλοίων και containers, οι χρόνοι διαχείρισης των πλοίων (συνολικός χρόνος παραμονής και χρόνος εξυπηρέτησης) και τα ποσοστά χρήσης των Γ/Φ και των αγκυροβολίων. Μία σημαντική εφαρμογή του μοντέλου αποτέλεσε η πραγματοποίηση πειραματικών εναλλακτικών σεναρίων λειτουργίας του τερματικού σταθμού με αξιόλογα συμπεράσματα για την εξυπηρέτηση των πλοίων αλλά και τις δυνατότητές του. Κατά το πρώτο σενάριο λειτουργιάς, αφαιρέθηκαν από το χρόνο εξυπηρέτησης των πλοίων οι καθυστερήσεις σχετικά με την εμφάνιση βλαβών στις Γ/Φ με αποτέλεσμα τη βελτίωση της λιμενικής παραγωγής και του επιπέδου εξυπηρέτησης μέσω της μείωσης του χρόνου αγκυροβόλησης, αλλά κυρίως μέσω της μείωσης του συνολικού χρόνου παραμονής των πλοίων στο λιμάνι. Το γεγονός αυτό μας βοήθησε να εντοπίσουμε ένα σημαντικό bottleneck στη διαδικασία φορτοεκφόρτωσης που είναι οι βλάβες στις Γ/Φ και η μείωση που προκαλούν στην απόδοση του Σ.ΕΜΠΟ. Για να ποσοτικοποιήσουμε αυτήν την επίπτωση, εφαρμόσαμε στα πραγματικά δεδομένα που μας δόθηκαν τη μέθοδο της πολλαπλής γραμμικής παλινδρόμησης όπου και αποδείξαμε ότι όντως οι καθυστερήσεις λόγω βλαβών στις Γ/Φ επιδρούν αρνητικά στη λιμενική παραγωγή, και μάλιστα αύξηση αυτών των καθυστερήσεων κατά μία ώρα την ημέρα μπορεί να μειώσει τα ημερήσια TEUs σχεδόν κατά 25 μονάδες. Έπειτα, εφόσον εντοπίστηκε αυτό το σοβαρό bottleneck στις Γ/Φ, κάποιες από τις οποίες είναι αρκετά παλιές και ουσιαστικά δημιουργούν το πρόβλημα, εφαρμόστηκε το υποθετικό σενάριο επένδυσης του Ο.Λ.Θ. σε μια νέα Γ/Φ με σκοπό ένα βελτιωμένο επίπεδο εξυπηρέτησης. Τα αποτελέσματα της προσομοίωσης ήταν θετικά ως προς τους δείκτες ποιότητας εξυπηρέτησης αλλά η ανάλυση έδειξε μείωση του usage των Γ/Φ, γεγονός που

92 89 ίσως έπρεπε να το περιμένουμε δεδομένου του ήδη μέτριου ποσοστού χρήσης των Γ/Φ (49%). Παρόμοια συμπεράσματα προέκυψαν και από το πρώτο πείραμα προσομοίωσης, καθώς και από τα αποτελέσματα του μαθηματικού μοντέλου παλινδρόμησης, όπου η αξιοποίηση των αγκυροβολίων, σε συνδυασμό με τους χρόνους παραμονής των πλοίων, είναι σε τέτοια ικανοποιητικά επίπεδα τιμών ώστε να μην επιδρούν αρνητικά στη λιμενική απόδοση. Αυτό σημαίνει ότι υπάρχει διαθέσιμος χρόνος των πόρων, Γ/Φ και αγκυροβόλια, ο οποίος δεν αξιοποιείται. Εφόσον, λοιπόν, οι εγκαταστάσεις του τερματικού σταθμού είναι επαρκείς για το υπάρχων επίπεδο της λιμενικής παραγωγής, ήταν θεμιτή η εξέταση στο τρίτο πείραμα προσομοίωσης μιας πιθανής αύξησης του φόρτου εργασίας, με σκοπό τη μελέτη ανταπόκρισης της εγκατεστημένης δυναμικότητας εξοπλισμού. Έτσι, μειώνοντας τους χρόνους ενδοαφίξεων των πλοίων, αυξήσαμε τον αριθμό των εισερχόμενων πλοίων κατά τη χρονική διάρκεια της προσομοίωσης όμως τα αποτελέσματα της ανάλυσης έδειξαν ότι τα berths και το κρηπίδωμα δεν μπορούν να ανταποκριθούν σε ένα τέτοιο σενάριο καθώς μειώνεται αισθητά το επίπεδο εξυπηρέτησης, με ιδιαίτερα μεγάλους χρόνους αναμονής και, συνεπώς, χρόνους συνολικής παραμονής στο λιμάνι. Το σενάριο αυτό προφανώς και είναι υπόψη της διοικητικής αρχής του λιμένα η οποία, με στόχο να καταστήσει πιο ανταγωνιστικό το λιμάνι, ξεκίνησε στην αρχή της προηγούμενης δεκαετίας διαδικασίες επιμήκυνσης της 6 ης προβλήτας του λιμένα που ανήκει στο Σ.ΕΜΠΟ., ωστόσο αυτό το πλάνο δεν έχει υλοποιηθεί ακόμα. Στο τέλος αυτής της διπλωματικής εργασίας αξίζει να τονιστεί πως ένας τερματικός σταθμός είναι ένα δυναμικό σύστημα που αποτελεί το φυσικό σύνδεσμο μεταξύ των θαλασσίων και των υπολοίπων μέσων μεταφοράς. Έτσι λοιπόν κάθε συμμετέχων σε αυτό το σύστημα επηρεάζει την παραγωγικότητα του τερματικού σταθμού αλλά και ολόκληρου του συστήματος διαχείρισης, αφού το λιμάνι αποτελεί κρίκο της μεταφορικής αλυσίδας. Δημιουργείται, λοιπόν, ένα εύλογο ερώτημα: «Αν το τερματικό φτάσει να λειτουργεί στο μέγιστο της παραγωγικότητάς του, τότε αυτόματα δε βελτιώνεται και η παραγωγικότητα του συνολικού μεταφορικού συστήματος;» Η απάντηση είναι όχι καθώς έχει αποδειχθεί πως η μεγιστοποίηση της παραγωγικότητας ενός λιμένα, δεν έχει τόσο άμεσα ορατά αποτελέσματα. Αυτή η μεγιστοποίηση μπορεί απλώς να μετατοπίσει ένα υπάρχον πρόβλημα, της συμφόρησης για παράδειγμα, σε κάποιο άλλο στάδιο της μεταφορικής αλυσίδας όπως είναι το οδικό δίκτυο. Όταν μιλάμε, λοιπόν, για απόδοση πρέπει να αναφερόμαστε σε όλα τα στάδια της εφοδιαστικής αλυσίδας τόσο εντός όσο και εκτός του χώρου του λιμανιού.

93 90 ΒΙΒΛΙΟΓΡΑΦΙΑ Ελληνική Δημητριάδης Ε., Στατιστικές εφαρμογές με S.P.S.S. Εκδόσεις Κριτική, Αθήνα. Μακρής Δ., Σημειώσεις από τις Πανεπιστημιακές Παραδόσεις του Μαθήματος Οργάνωση και Διαχείριση Θαλασσίων Μεταφορών και Λιμένων. Διατμηματικό Μεταπτυχιακό πρόγραμμα σπουδών Σχεδιασμός, Οργάνωση και Διαχείριση Συστημάτων Μεταφορών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Θεσσαλονίκη. Σιάρδος Γ.Κ., Μέθοδοι πολυμεταβλητής στατιστικής ανάλυσης, Μέρος Πρώτο. Εκδόσεις Ζήτη, Θεσσαλονίκη. Σιάρδος Γ.Κ., Μέθοδοι πολυμεταβλητής στατιστικής ανάλυσης, Μέρος Δεύτερο. Εκδόσεις Ζήτη, Θεσσαλονίκη. Ταγαράς Γ., Σημειώσεις από τις Πανεπιστημιακές Παραδόσεις του Μαθήματος Στατιστική Πολλών Μεταβλητών. Τμήμα Μηχανολόγων Μηχανικών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Θεσσαλονίκη. Τσιτσάμης Δ., Σταθμοί Εμπορευματοκιβωτίων Λιμένων: Προσομοιωτικά Μοντέλα και Αλγόριθμοι Βελτιστοποίησης. Διδακτορική διατριβή, Τμήμα Πληροφορικής, Πανεπιστήμιο Πειραιώς, Πειραιάς. Ξένη Bassan S., Evaluating seaport operation and capacity analysis-preliminary methodology. Maritime Policy and Management, 34 (1), Bielli M., Boulmakoul A. and Rida M., Object oriented model for container terminal distributed simulation. European Journal of Operational Research Chen C., Hsu W.-J., Huang S.-Y., Simulation and optimization of container yard operations: A survey. Center for Advanced Information Systems, School of Computer Engineering, Nanyang Technological University, Singapore Chin A., Tongzon J., Maintaining Singapore as a major shipping and air transport hub. In: Toh T (Ed.), Competitiveness of the Singapore Economy. Singapore University Press, Singapore, p Cronje N., Integrated framework diagnostic trade integration study for the Maldives. Unpublished manuscript, Male: Maldives. Daganzo C. F., The crane scheduling problem. Transportation Research Part B 23 (3),

94 91 Dragovic B., Park N. K., Maras V., Simulation modeling of ship-berth link in container port, IAME Conference, Limasol, Kipar, June, p. 10. Dragovic B., Park N. K., Radmilovic Z., Maras V., Simulation modeling of ship-berth link with priority service. Maritime Economics and Logistics 7, Demirci E., 2003, Simulation modeling and analysis of a port investment. Simulation, 79(2), Gambradella L. M., Rizzoli A. E., Zaffalon M., Simulation and planning of intermodal container terminal. Simulation 71(2), Gambradella L. M., Mastrolilly M., Rizzoli A. E., Zaffalon M., An optimization methodology for intermodal terminal management. Journal of Intelligent Manufacturing 12 (5 6), Guan Y., Cheung K. R., The berth allocation problem: models and solution methods. OR Spectrum 26 (1), Gudelj A., Krcum M., Twrdy E., Models and methods for operations in port container terminals. Scientific Journal on Traffic and Transportation Research 22 (1), Harrington H.J., Business process improvement: the breakthrough strategy for total quality, productivity, and competiveness. McGraw-Hill, New York. Hartman S., Generating scenarios from simulation and optimization of container terminal logistics. OR Spectrum 26 (2), Imai A., Nagaiawa K., Chan W. T., Efficient planning of berth allocation for container terminals in Asia. Journal of Advanced Transportation 31 (1), Imai A., Nishimura E., Papadimitriou S., The dynamic berth allocation problem for a container port. Transportation Research Part B 35 (4), Imai A., Nishimura E. and Papadimitriou S., 2003 Berth allocation with service priority. Transportation Research Part B 37 (5), Imai A., Nishimura E., Sun X., Papadimitriou S., Berth allocation in a container port: using a continuous location space approach. Transportation Research Part B 39, Imai A., Chen C.-Y., Nishimura E., Papadimitriou S., The simultaneous berth and quay crane allocation problem. Transportation Research Part E 44, Imai A., Nishimura E., Hattori M., Papadimitriou S., Berth allocation at indented berths for mega-containerships. European Journal of Operational Research 179 (2),

95 92 Kelton D. W., Sadowski R. P., Sturrock, D. T., Simulation with arena (4 ed.). New York: McGraw-Hill. Kia M., Shayan E., Ghotb F., Investigation of port capacity under a new approach by computer simulation. Computers & Industrial Engineering 42 (2 4), Kim K. H., Moon K. C., Berth scheduling by simulated annealing. Transportation Research Part. B 37 (6), Kim K. H., Park, Y.-M., A crane scheduling method for port container terminals. European Journal of Operational Research 156 (3), Lee Y., Chen C.-Y., An optimization heuristic for the berth scheduling problem. European Journal of Operational Research 196 (2), Legato P., Mazza R. M., Berth planning and resources optimization at a container terminal via discrete event simulation. European Journal of Operational Research 133 (3), Lim A., The berth scheduling problem. Operations Research Letters 22 (2) Lim A., Rodrigues B., Xiao F., Zhu Y., Crane scheduling with spatial constraints. Naval Research Logistics 51 (3), Liu J., Wan Y.-w., Wang L., Quay crane scheduling at container terminals to minimize the maximum relative tardiness of vessel departures. Naval Research Logistics 53 (1), Merkuryeva G., Merkuryev Y., Tolujev J., Computer simulation and metamodelling of logistics processes at a container terminal. Studies in Informatics and Control 9 (1), Nam K. C., Kwak K. S., Yu, M. S., Simulation study of container terminal performance. Journal of Waterway, Port, Coastal, and Ocean Engineering 128 (3), Ng W. C., (2005). Crane scheduling in container yards with inter-crane interference. European Journal of Operational Research 164 (1), Nishimura E., Imai A., Papadimitriou S., Berth allocation planning in the public berth system by genetic algorithms. European Journal of Operational Research 131 (2), Pachakis D., Kiremidjian A. S., Ship traffic modeling methodology for ports. Journal of Waterway, Port, Coastal, and Ocean Engineering 129 (5), Peterkofsky E. I., Daganzo C. F., A branch and bound solution method for the crane scheduling problem. Transportation Research Part B 24 (3),

96 93 Sgouridis S. P., Makris D., Angelides D. C., Simulation analysis for midterm yard planning in container terminal. Journal of Waterway, Port, Coastal, and Ocean Engineering 129 (4), Shabayek A. A., Yeung W. W., A simulation model for the Kwai Chung container terminal in Hong Kong. European Journal of Operational Research 140 (1), Tahar M. R., Hussain K., Simulation and analysis for the Kelang Container Terminal operations. Logistics Information Management 13 (1), Trujillo L., Nombela G., Privatization and Regulation of the Seaport Industry. Universidad de Las Palmas de Gran Canaria, Las Palmas de Gran Canaria, Spain, 1999 Tsitsamis D., Iakovou E., Vlachos D., Decision making in container terminal operations: A hierarchical and comprehensive framework. 3 rd Int Workshop on Supply Chain Management and Information Systems, Thessaloniki, Greece, Proceedings 2005: Yun W. Y., Choi, Y. S., A simulation model for container-terminal operation analysis using an object-oriented approach. International Journal of Production Economics 59 (1 3),

97 94 ΠΑΡΑΡΤΗΜΑ Α Πίνακας Π.1: Δείγμα δεδομένων από λιμεναρχείο και βιβλία καταχώρησης σημειωτών Ονομα πλοίου Ημ/νία κατάπλου X 3/3/2008 2:20 Ημ/νία πρόσδεσης 7/3/ :10 Έναρξη εργασιών 7/3/ :30 Λήξη εργασιών 8/3/ :45 Ημ/νία απόδεσης 8/3/ :05 Ημ/νία αναχώρησης 8/3/ :05 πλοίο ημερομηνία βάρδια Γ/Φ συνολικός χρόνος εργασίας(λεπτά) καθυστερήσεις Α 3-Μαρ α α Β α Γ α β γ Δ β β γ γ Κινήσεις 20ft εκφόρτωση φόρτωση shift in Κινήσεις 40ft εκφόρτωση φόρτωση shift in shift out shift out κινήσεις καπάκια άλλες κινήσεις

98 95 ΠΑΡΑΡΤΗΜΑ Β Διαγράμματα μερικής παλινδρόμησης

99 96

100 97

101 98