الگوریتمهای هوش مصنوعی در خدمت بنادر هوشمند/بهینهسازی چیدمان ۲۰ هزار کانتینر و ماندگاری کالا در بندر
به گزارش خبرگزاری آنا، گسترش تجارت کانتینری و افزایش پیچیدگی عملیات بندری، نیاز به استفاده از فناوریهای هوشمند برای مدیریت دقیقتر زنجیره حملونقل دریایی را افزایش داده است. هوش مصنوعی با بهینهسازی چیدمان کانتینرها، مدیریت یارد، کاهش جابهجاییهای غیرضروری و پیشبینی مدت ماندگاری کالا، میتواند هزینههای عملیاتی بنادر را کاهش داده و بهرهوری این صنعت را ارتقا دهد.
رضا ملکپور، کارشناس حملونقل، در گفتوگو با خبرنگار اقتصادی آنا، درباره ظرفیتهای هوش مصنوعی برای کاهش هزینهها و افزایش بهرهوری در صنعت حملونقل، بهویژه حملونقل دریایی اظهار کرد: بخش عمده هزینه حملونقل دریایی از نظر رقمی در حوزه کشتیهای کانتینری و از نظر حجمی در بخش مواد نفتی و کالاهای فلهای است.
وی افزود: در حمل مواد نفتی و فلهای، شاید هوش مصنوعی نتواند بیش از آنچه انسانها در حال حاضر انجام میدهند، تغییرات چشمگیری ایجاد کند؛ چراکه این مواد به شکل نسبتاً سادهای بارگیری شده و داخل کشتی قرار میگیرند و هنگام تخلیه نیز از کشتی خارج میشوند و نیازمند نظم و تنظیم پیچیدهای مانند کانتینرها نیستند.
چیدمان کانتینرها یکی از مهمترین زمینههای ورود هوش مصنوعی
ملکپور ادامه داد: زمانی که وارد بحث حملونقل کانتینری میشویم، موضوع کاملاً متفاوت است؛ زیرا نحوه تنظیم و چیدمان کانتینرها روی کشتی اهمیت بسیار زیادی دارد. تصور کنید یک کشتی ۲۰ هزار کانتینر حمل میکند و ممکن است هنگام حرکت از یک بندر، ۱۰ هزار کانتینر را در یک بندر، ۵ هزار کانتینر را در بندر دیگر تخلیه کند و ۵ هزار کانتینر دیگر را نیز خالی حمل کند.
وی بیان کرد: کانتینرهای خالی ترکیب خاصی ندارند و میتوان آنها را با نظم کمتر یا بیشتری بارگیری و تخلیه کرد، اما در مورد کانتینرهای پر، شرایط کاملاً متفاوت است. این کانتینرها براساس نوع کالایی که حمل میکنند، انواع مختلفی دارند؛ ممکن است کانتینر یخچالی، کانتینر حمل مواد، کانتینر معمولی برای کالاهای سنگین، کانتینر چادری یا انواع دیگری از کانتینرها باشند.
این کارشناس حملونقل گفت: علاوه بر نوع کانتینر، مبادی و مقاصد مختلف آنها نیز باید در زمان چیدمان مورد توجه قرار گیرد؛ بنابراین وقتی کانتینرها در کشتی قرار میگیرند، باید با نظم و برنامه مشخصی چیده شوند.
وی افزود: برای مثال، کانتینرهای یخچالی سنگین باید در منطقهای قرار گیرند که امکان اتصال آنها به برق وجود داشته باشد. کانتینرهای حاوی کالاهای خطرناک نیز باید در بخشهایی از کشتی قرار بگیرند که در صورت بروز حادثه، خسارت کمتری ایجاد کنند.
ملکپور با اشاره به اینکه کالاهای خطرناک نیز دارای ردههای مختلف هستند، اظهار کرد: کالاهای خطرناک از ردههای مختلف، از مواد انفجاری تا سایر مواد با درجات متفاوت خطر، دستهبندی میشوند و تنظیم و چیدمان آنها روی کشتی کاری بسیار دشوار است.
ضرورت برنامهریزی همزمان برای بارگیری و تخلیه
وی ادامه داد: زمانی که کانتینرها بارگیری میشوند، علاوه بر اینکه باید جای هر کانتینر در داخل کشتی مشخص باشد، ترکیب و ترتیب تخلیه آنها نیز باید از قبل تعیین شود؛ به نحوی که جابهجایی مجدد کانتینرها به حداقل برسد.
این کارشناس حملونقل توضیح داد: نباید شرایطی ایجاد شود که برای دسترسی به یک کانتینر، مجبور شویم سه کانتینر دیگر را از روی آن جابهجا کنیم تا به کانتینری برسیم که چهار طبقه پایینتر قرار گرفته است. کانتینرها حتی ممکن است تا ۱۳ طبقه روی یکدیگر قرار بگیرند، بنابراین باید به گونهای چیده شوند که کانتینرهایی که زودتر قرار است تخلیه شوند، در موقعیت مناسبتری قرار داشته باشند.
وی تأکید کرد: در این فرآیند، علاوه بر زمان تخلیه، نوع کالا، مقصد، شرایط ایمنی و ویژگیهای مختلف کانتینر نیز اهمیت دارد و مجموع این عوامل، برنامهریزی عملیات را بسیار پیچیده میکند.
هوش مصنوعی در مدیریت یاردهای بندری
ملکپور با بیان اینکه چالشهای استفاده از هوش مصنوعی تنها به داخل کشتی محدود نمیشود، گفت: زمانی که کشتی وارد بندر شده و عملیات تخلیه آغاز میشود نیز کانتینرها باید براساس برنامه مشخصی در بندر و یارد چیده شوند.
وی افزود: در این مرحله نیز باید نوع کالا، از جمله کالاهای خطرناک و کالاهای یخچالی، مورد توجه قرار گیرد. کانتینرهای یخچالی باید در محلی قرار بگیرند که امکان دسترسی به برق وجود داشته باشد و سایر کانتینرها نیز براساس برنامه خروج و مقصدشان در موقعیت مناسب قرار گیرند.
این کارشناس حملونقل اظهار کرد: ممکن است برخی کانتینرها پس از تخلیه از کشتی مستقیماً به ترمینال ریلی منتقل شوند تا سوار قطار شوند، بخشی دیگر مستقیماً به ترمینالهای داخل بندر بروند و بخشی نیز برای مدت کوتاه در محل توقف قرار بگیرند.
وی ادامه داد: بنابراین این سؤال مطرح است که کانتینر پس از تخلیه از کشتی چگونه باید به صورت منظم به محل موردنظر منتقل شود و در مرحله بارگیری مجدد نیز چگونه باید ترتیب قرارگیری کانتینرها در کشتی تعیین شود. تمام این فرآیندها میتوانند با کمک هوش مصنوعی بهینهتر شوند.
نرمافزارهای فعلی با ورود هوش مصنوعی میتوانند کارآمدتر شوند
ملکپور با اشاره به وجود نرمافزارهای تخصصی در این حوزه گفت: در حال حاضر نرمافزارهایی برای انجام این کارها وجود دارند، اما اگر هوش مصنوعی بتواند این نرمافزارها را کنترل و مدیریت کند، امکان بهینهسازی بیشتر عملیات فراهم خواهد شد.
وی افزود: اینکه در همه کشورها از این فناوری استفاده میشود یا خیر، نمیتوانم با قطعیت بگویم، اما در برخی کشورها این کار آغاز شده است. در هر صورت، سیستمها و نرمافزارهایی مانند «بیپلن» و «یارد پلن» در این حوزه وجود دارند.
این کارشناس حملونقل توضیح داد: «بیپلن» به برنامهای گفته میشود که مشخص میکند کانتینرها هنگام بارگیری چگونه باید در کشتی چیده شوند و «یارد پلن» نیز نحوه قرار گرفتن کانتینرها در یارد و سایت بندر را هنگام تخلیه مشخص میکند.
وی با اشاره به ظرفیت هوش مصنوعی برای تحلیل سوابق مشتریان اظهار کرد: برای مثال، فرض کنید مشتری مانند ایرانخودرو بهطور مستمر کانتینر وارد میکند. هوش مصنوعی میتواند سوابق این مشتری را بررسی کند و مشخص کند که کانتینرهای این مشتری معمولاً چه مدت در بندر باقی میمانند.
ملکپور ادامه داد: اگر سابقه نشان دهد که کانتینرهای یک مشتری معمولاً مدت زیادی در بندر باقی میمانند، میتوان آنها را در موقعیتی قرار داد که برای جابهجایی مجدد هزینه کمتری به بندر تحمیل شود. در مقابل، اگر مشتری معمولاً کانتینرهای خود را سریع خارج میکند، میتوان کانتینرها را در موقعیتی قرار داد که سریعتر در دسترس قرار گیرند.
کاهش تعداد خدمه کشتیها با اتوماسیون
وی در ادامه به ورود هوش مصنوعی و سامانههای بدون سرنشین به حوزه کشتیرانی اشاره کرد و گفت: کشتیها نیز در سالهای اخیر به سمت استفاده از هوش مصنوعی و سیستمهای بدون سرنشین حرکت کردهاند و تعداد خدمه کشتیها کاهش یافته است.
این کارشناس حملونقل افزود: بسیاری از فعالیتها در کشتیها خودکار یا اتوماتیک شدهاند و بخشی از این فعالیتها نیز توسط هوش مصنوعی انجام میشود.
ملکپور بیان کرد: حتی ساخت کشتیهای بدون سرنشین نیز آغاز شده است؛ البته در حال حاضر بیشتر در مورد کشتیهای کوچک این اتفاق رخ داده و کشتیهای بزرگ بدون انسان هنوز در مقیاس گسترده وارد عملیات نشدهاند.
وی گفت: کشتیهای کوچکی در حد شناورهای بدون سرنشین یا قایقها در دنیا ساخته شده و فعالیت خود را آغاز کردهاند، اما اینکه این فناوری تا چه اندازه موفق خواهد بود، همچنان محل بحث است.
این کارشناس حملونقل با طرح یک پرسش اقتصادی درباره صرفه استفاده از کشتیهای بدون سرنشین اظهار کرد: برای اینکه مثلاً پنج نیروی انسانی صرفهجویی کنیم، باید بررسی شود که آیا صرف هزینههای بسیار بالا برای بدونسرنشین کردن یک کشتی اقتصادی است یا خیر.
وی ادامه داد: یک کشتی ممکن است ۱۰۰ میلیون دلار ارزش داشته باشد و روزانه حدود ۳۰ تا ۴۰ هزار دلار هزینه اجاره آن باشد. حال باید دید آیا به دلیل صرفهجویی در هزینه پنج نیروی انسانی که ممکن است مثلاً هزار یا ۲ هزار دلار دریافت کنند، منطقی است که هزینه بسیار زیادی برای بدونسرنشین کردن کل کشتی پرداخت شود یا خیر. این موضوع باید در قالب یک بسته اقتصادی و با محاسبه دقیق هزینه و فایده بررسی شود.
محدودیت هوش مصنوعی در تغییر مسیر و سرعت کشتیها
ملکپور در پاسخ به این پرسش که آیا هوش مصنوعی میتواند در مدیریت مسیر حرکت ناوگان، میزان مصرف سوخت و زمان تحویل کالا نیز نقش داشته باشد، گفت: مسیرهایی که کشتیها در دریا طی میکنند، مشخص است و مانند جادهها نیست که بتوان از مسیر خارج شد و میانبر زد.
وی افزود: کشتیها مسیر عبور مشخصی در دریا دارند و تابع شرایط مشخص هستند. سرعت آنها نیز به دلیل حرکتهای طولانیمدت، معمولاً در محدوده مشخصی قرار دارد.
این کارشناس حملونقل توضیح داد: فرض کنید کشتی با سرعت ۲۰ گره دریایی طراحی شده است. ممکن است بتوان سرعت آن را به ۲۲ گره رساند، اما با افزایش سرعت، مصرف سوخت نیز افزایش پیدا میکند و اساساً در طراحی کشتی مشخص شده است که سرعت بهینه آن چه میزان است.
وی ادامه داد: وقتی کشتی حرکت میکند، معمولاً برای مدت طولانی با همان سرعت بهینه حرکت میکند و نمیتوان مانند خودرو در جاده دائماً سرعت را افزایش یا کاهش داد و مسیر را تغییر داد تا از مصرف سوخت صرفهجویی شود.
پیشبینی ماندگاری کالا در بندر یکی از کاربردهای مهم هوش مصنوعی
ملکپور درباره نقش هوش مصنوعی در پیشبینی میزان تقاضا و تأمین بهموقع مواد اولیه و جلوگیری از کمبود یا انباشت کالا در بنادر نیز اظهار کرد: هوش مصنوعی در این حوزه میتواند بر اساس سوابق مشتریان و دادههای موجود، پیشبینی کند که کالا چه مدت در بندر باقی خواهد ماند.
وی گفت: برخی مشتریان سابقه مشخصی دارند و میتوان اطلاعات آنها را تحلیل کرد. برای مثال، اگر سابقه یک مشتری نشان دهد که کالاهایش معمولاً مدت زیادی در بندر باقی میماند، میتوان محل مناسبی برای قرار گرفتن کالا در نظر گرفت که جابهجایی کمتری نیاز داشته باشد.
این کارشناس حملونقل افزود: در مقابل، اگر سوابق یک مشتری نشان دهد که کالاهایش معمولاً به سرعت از بندر خارج میشود، میتوان آن را در محلی قرار داد که دسترسی سریعتری داشته باشد.
ملکپور تأکید کرد: در حال حاضر بخشی از این فرآیندها به شکل تجربی و با استفاده از برخی آمارهای دستی انجام میشود، اما هوش مصنوعی میتواند در واقع به «پیشبینی ماندگاری کالا در بندر» کمک کند.
وی افزود: این موضوع بسیار مهم است؛ چراکه هم از نظر عملیات بندری اهمیت دارد و هم از نظر هزینههای مترتب بر کالا. زمانی که کالا در بندر باقی میماند، برای بندر درآمد ایجاد میکند، اما برای صاحب کالا هزینه به همراه دارد؛ بنابراین پیشبینی دقیق مدت ماندگاری کالا میتواند به بهینهسازی عملیات و کاهش هزینهها کمک کند.
انتهای پیام/
