Nội san Nghiên cứu khoa học sinh viên - Số 23 - 1/2024

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:101

Thêm vào BST

Báo xấu

3
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội san Nghiên cứu khoa học sinh viên Số 23 - 1/2024 của Trường Đại học Hàng hải Việt Nam gồm có một số bài viết liên quan tới các vấn đề về: Sắp xếp container theo quy tắc động học nhằm tối ưu hóa hoạt động khai thác tại bến cảng; áp dụng công nghệ của nền công nghiệp 4.0 cho sản xuất bền vững; môi trường kinh doanh và chiến lược của Aeon Mall trong thị trường Việt Nam;... Mời các bạn cùng đón đọc để biết thêm những nội dung chi tiết.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Nội san Nghiên cứu khoa học sinh viên - Số 23 - 1/2024

I -m- ilil sAr{ rffioA ttoc srl{H tlrEil IUr. r A I sd 23 - 01/2024 Journal of Studont Rosearoh TRr/oNG DAr Hgc HANG nAruEr NAM vl$r,r DAo rAo cxAr Lt/qNG cAo
NỘI SAN KHOA HỌC SINH VIÊN Sè 23 Trong sè nµy 01/2024 1 SẮP XẾP CONTAINER THEO QUY TẮC ĐỘNG HỌC NHẰM TỐI ƯU HÓA HOẠT ĐỘNG KHAI THÁC TẠI BẾN CẢNG RULE-BASED DYNAMIC CONTAINER STACKING TO 03 OPTIMIZE YARD OPERATIONS AT PORT TERMINALS BAN BIÊN TẬP Trịnh Thị Ngọc, Tăng Minh Phương, Lê Thị Mai Thương Lớp KTB60CL 2 ÁP DỤNG CÔNG NGHỆ CỦA NỀN CÔNG NGHIỆP 4.0 CHO SẢN XUẤT BỀN VỮNG TRƯỞNG BAN THE APPLICATION OF INDUSTRY 4.0 TECHNOLOGY FOR 19 SUSTAINABLE MANUFACTURING GS.TS. Phạm Kỳ Quang Lương Quốc Dũng, Nguyễn Văn Trương Lớp CNT59CL PHÓ TRƯỞNG BAN 3 MÔI TRƯỜNG KINH DOANH VÀ CHIẾN LƯỢC CỦA AEON MALL TRONG THỊ TRƯỜNG VIỆT NAM ThS. Hoàng Ngọc Mỹ AEON MALL BUSINESS ENVIRONMENT AND STRATEGY 35 IN VIETNAM MARKET Phạm Uy Quyền, Phạm Huy Đức, Trần Thu Phương THÀNH VIÊN Lớp KTN59CL ThS. Bùi Xuân Thọ 4 OPPORTUNITIES AND CHALLENGES OF VIETNAM WHEN ThS. Vũ Kim Trang JOINING THE TRANS-PACIFIC PARTNERSHIP - TPP 43 ThS. Phạm Thị Vang Nguyễn Thanh Thủy, Nguyễn Mai Thảo, Đào Thị Thanh Class KTN60CL ThS. Chu Ánh Nguyệt KS. Nguyễn Văn Mạnh 5 THE DETERMINANTS OF VIETNAM’S DATA AND COMMUNICATION TECHNOLOGIES EXPORTS TO THE EU CN. Phan Hải Hà UNION 52 KS. Vương Minh Hà Nguyễn Thị Yến Nhi, Phạm Thị Trang, Trịnh Thu Thảo Class KTN60CL 6 TÌM HIỂU VỀ SIÊU TÀU EVER GIVEN VÀ NHỮNG THIỆT HẠI KHI MẮC KẸT TẠI KÊNH ĐÀO SUEZ THƯ KÝ LEARN ABOUT EVER GIVEN AND DAMAGES WHEN 67 TS. Trịnh Xuân Tùng STUCKING IN THE SUEZ CANAL Nguyễn Thị Mai Anh, Nguyễn Mai Anh, Lê Duy Long Lớp KTB60CL 7 ẢNH HƯỞNG CỦA COVID-19 VÀ LẠM PHÁT TỚI NỀN KINH TẾ VIỆT NAM IMPACTS OF COVID-19 AND INFLATION ON THE 73 ECONOMY OF VIETNAM Trịnh Diễm Quỳnh, Nguyễn Thị Thanh Minh, Bùi Thị Hằng Lớp KTB60CL 8 TÌM HIỂU VỀ CÔNG ƯỚC QUỐC TẾ MARPOL 1973 TRONG VIỆC BẢO VỆ MÔI TRƯỜNG BIỂN Viện Đào tạo chất lượng cao LEARN ABOUT INTERNATIONAL CONVENTION MARPOL 79 1973 IN PROTECTION OF THE SEA ENVIRONMENT Trường Đại học Hàng hải Việt Nam Nguyễn Duy Linh, Phạm Khánh Linh, Trịnh Thị Bích Ngọc Phòng 211, nhà A4, Lớp KTB61CL 484 Lạch Tray - Hải Phòng Nội san Khoa học sinh viên Số 23 - 01/2024
9 NHỮNG TÁC ĐỘNG TIỀM TÀNG CỦA KÊNH ĐÀO KRA ĐỐI VỚI NGÀNH HÀNG HẢI VIỆT NAM POTENTIAL EFFECTS OF THE KRA CANAL ON VIETNAM’S MARITIME INDUSTRY 84 Nguyễn Thu Thảo, Phạm Thị Thu Trang, Bùi Trung Nghĩa Lớp KTB60CL 10 TÌM HIỂU VỀ KÊNH ĐÀO PANAMA VÀ LỢI ÍCH KINH TẾ ĐỐI VỚI QUỐC GIA SỞ HỮU KÊNH LEARN ABOUT THE PANAMA CANAL AND FOR THE CANAL OWNING COUNTRY 96 Mai Dương Sơn, Lã Tài Anh Lớp KTB60CL Nội san Khoa học sinh viên Số 23 - 01/2024
SẮP XẾP CONTAINER THEO QUY TẮC ĐỘNG HỌC NHẰM TỐI ƯU HÓA HOẠT ĐỘNG KHAI THÁC TẠI BẾN CẢNG RULE-BASED DYNAMIC CONTAINER STACKING TO OPTIMIZE YARD OPERATIONS AT PORT TERMINALS Trịnh Thị Ngọc, Tăng Minh Phương, Lê Thị Mai Thương Lớp KTB60CL Tóm tắt Khối lượng container toàn cầu đã tăng trong hai thập kỷ qua do sự tăng trưởng trong thương mại đường biển do chuỗi cung ứng toàn cầu hóa nhanh chóng. Đồng thời, các bến container có xu hướng mở rộng công suất, tối ưu hóa hoạt động hiện có hoặc xem xét kết hợp cả hai để đáp ứng nhu cầu ngày càng tăng. Nghiên cứu này tập trung vào Vấn đề sắp xếp container (CSP) nhằm xác định vị trí bãi chính xác cho các container đến. Có hai cách tiếp cận trong CSP: Sắp xếp container tĩnh (SCS) và Sắp xếp container động (DCS). Nghiên cứu này nhằm mục đích điều tra tác động của phương pháp tiếp cận DCS (lập kế hoạch bãi theo thời gian thực) thông qua ba mục tiêu: (i) thiết lập mô hình DCS để đối phó với mức độ không chắc chắn cao hơn ở các bến container, (ii) giảm chi phí xếp dỡ container bằng cách giảm thiểu bãi cần cẩu di chuyển. Khoảng cách di chuyển của phương tiện vận tải ngang và tối ưu hóa phân bổ khối lượng công việc của các khối bãi, và (iii) phân tích hiệu suất của DCS và SCS để xác định cách tiếp cận tốt nhất. Bài báo giới thiệu mô hình Sắp xếp vùng chứa động dựa trên quy tắc (RBDCS) có chứa phương pháp luận ba bước. Mô hình được phát triển đã được xác nhận đối với các hoạt động dỡ hàng từ dữ liệu được thu thập tại một cảng trung chuyển lớn của Châu Á. Kết quả kiểm tra tính toán cho thấy rằng chi phí xếp dỡ container có thể giảm đáng kể thông qua việc triển khai mô hình đã phát triển. Từ khóa: Hoạt động của cảng container; vấn đề sắp xếp vùng chứa động; ra quyết định theo thời gian thực; hệ thống dựa trên quy tắc; tối ưu hóa. Abstract The global container volume has been increasing over the past two decades due to the growth in seaborne trade due to rapidly globalizing supply chains. Simultaneously, container terminals tend to either expand their capacity, optimize the existing operations, or consider a combination of both to cater to the growing demand. This study focuses on the Container Stacking Problem (CSP) which determines the exact yard locations for incoming containers. There are two approaches in CSP: Static Container Stacking (SCS) and Dynamic Container Stacking (DCS). This study aims to investigate the impact of the DCS (real-time yard planning) approach through three objectives: (i) establish a DCS model to deal with a higher degree of uncertainty in container terminals, (ii) reduce container handling costs by minimizing yard crane traveling distance, a horizontal-transport vehicle traveling distances and optimizing workload distribution of yard blocks, and (iii) analyze the performance of DCS and SCS to identify the best approach. The paper introduces a Rule-Based Dynamic Container Stacking (RBDCS) model which contains a three-step methodology. The developed model has been validated for discharging operations from the data which were collected at a major Asian transshipment port. Computational test results reveal that container handling costs can be significantly reduced by implementing the developed model. This study emphasizes that DCS is ideally applicable for transshipment-oriented terminals while the SCS approach is ideally applicable for gateway terminals. Keywords: Container terminal operations; dynamic container stacking problem; real-time decision-making; rule-based systems; optimization. 3
1. Giới thiệu Vận chuyển hàng hóa thông qua các tàu biển nước sâu và cảng biển chiếm khoảng 70% giá trị và 80% khối lượng thương mại toàn cầu. Rõ ràng là ngành hàng hải là phương tiện vận tải chính hỗ trợ thương mại toàn cầu. Do tốc độ phát triển nhanh chóng của hàng hóa container, các cảng container cảng biển đã trở thành đầu mối chính của mạng lưới cung ứng. Tuy nhiên, do nhu cầu vận tải container ngày càng tăng cao, các bến container cảng biển gặp một số khó khăn trong hoạt động nhằm tạo điều kiện cho sản lượng hàng hóa tăng lên. Với sự khan hiếm của các nguồn lực phù hợp, các bến container tập trung vào việc xử lý các hoạt động một cách hiệu quả, năng suất và hiệu quả đồng thời tích hợp các công nghệ mới và kỹ thuật khoa học như tối ưu hóa để quản lý nhu cầu thay vì tăng công suất. Do đó, nghiên cứu này tập trung vào Vấn đề Sắp xếp lên nhau (CSP), đây là một vấn đề ra quyết định liên quan đến hệ thống con lưu trữ. CSP xác định vị trí bãi chính xác cho các container đến. SCSP xác định các vị trí bãi chính xác trước khi tàu đến (I/B) hoặc trước khi đến nhận các container. Do mức độ không chắc chắn cao hơn và khả năng xảy ra các sự kiện bất ngờ, rất khó để lập kế hoạch cho các container trước khi đến. Trong SCSP, vị trí bãi được xác định dựa trên điều kiện bãi tại thời điểm cụ thể đó và dự đoán về các điều kiện trong tương lai. Tuy nhiên, DCSP xác định vị trí bãi chính xác trong thời gian thực, tại điểm container đến. Tuy nhiên, DCSP không được chú ý đầy đủ trong các tài liệu. Ngoài ra, các phương pháp tiếp cận giải pháp DCS được đề xuất có một số hạn chế. Do đó, nghiên cứu này nhằm mục đích điều tra tác động của các quyết định về quy hoạch bãi theo thời gian thực (DCS) trong việc xác định vị trí bãi chính xác cho các container đến bằng cách phát triển một mô hình duy nhất cùng với các hệ thống dựa trên quy tắc, được gọi là Xếp container động dựa trên quy tắc (RBDCS). Phần còn lại của bài báo được cấu trúc như sau. Phần 2 trình bày tổng quan các tài liệu liên quan về CSP bao gồm cả phương pháp tiếp cận tĩnh và động. Sau khi đánh giá một cách nghiêm túc kiến thức hiện tại, các lỗ hổng nghiên cứu được trình bày và các giả thuyết được phát triển. Phần 3 nêu các phương pháp tiếp cận giải pháp hiện có được phát triển thông qua các mô hình CS và hệ thống dựa trên quy tắc. Phần 4 giải thích việc xây dựng, mô phỏng và thử nghiệm mô hình RBDCS, kết quả thử nghiệm và phân tích. Phần 5 tóm tắt các kết quả nghiên cứu. 2. Tổng quan 2.1. Vấn đề sắp xếp lên vùng chứa (CSP) CSP là một trong những vấn đề quyết định chính trong bãi cảng container. Là điểm tách biệt của sự di chuyển của container giữa bờ biển và bờ biển, một bãi chứa container cần lưu trữ các container tạm thời trước khi xếp hàng và giao hàng. Theo Hình 1, một bãi bao gồm nhiều khu vực hình chữ nhật được phân chia thành các khối bãi. Mỗi khối bãi bao gồm nhiều vùng; mỗi vùng bao gồm nhiều hàng và mỗi hàng bao gồm nhiều bậc dọc. Vị trí cuối cùng của vùng chứa là vị trí và nó đại diện cho một mã bao gồm các chi tiết của khối, vùng, hàng và bậc cụ thể. CSP xác định vị trí chính xác cho các container đến (container dỡ hàng và nhận hàng) trong số các vị trí trống có sẵn trong bãi trong khi xem xét các hoạt động xếp hàng và giao hàng hiệu quả trong một bến container. Nói cách khác, xác định vị trí cho các thùng chứa để hiệu quả hoạt động truy xuất trong tương lai bằng cách giảm thiểu việc di dời. CSP được thực hiện dựa trên một số đặc điểm liên quan đến container (kích thước, loại, cảng đến, v.v.) và bãi chứa (sức chứa, chiều cao chất xếp, khoảng cách an toàn, v.v.). 4
Quy tắc phân công khối - các chiến lược được áp dụng để xác định các khối bãi phù hợp như quy tắc khu vực dành riêng, các mức độ ưu tiên khác nhau trên các khối cho quy tắc bến khác nhau, phân chia vai trò của quy tắc khối, phân cách vai trò của quy tắc hàng, phân chia vai trò của quy tắc vịnh, số lượng tối đa bên trong xe tải và xe tải trên đường theo quy tắc khối và quy tắc không hạn chế. (ii) Quy tắc phân công khu vực - các chiến lược được áp dụng để xác định các khu vực bãi phù hợp từ các khối bãi được chọn trước như quy tắc vị trí tập trung, quy tắc trình tự và quy tắc vị trí gần nhất. (iii) Quy tắc phân công vị trí - các chiến lược được áp dụng để xác định vị trí bãi phù hợp từ các vùng bãi được chọn trước và các khối bãi được chọn trước, chẳng hạn như quy tắc ngẫu nhiên, Sắp xếp ngẫu nhiên với quy tắc thời gian xuất phát, quy tắc san bằng, quy tắc chiều cao ngăn xếp còn lại tối đa và quy tắc vị trí gần nhất. Khuôn khổ của CSP là xác định các vị trí bãi tối ưu trong khi xem xét các bộ quy tắc, ràng buộc và tối ưu hóa một số KPI. Vị trí bãi có thể được xác định tĩnh (Vấn đề xếp container tĩnh) hoặc động (Vấn đề xếp container động) trong phạm vi lập kế hoạch. Hình 1. Sơ đồ minh họa khối bãi container, của khối, vùng, hàng và bậc 2.2. Vấn đề Sắp xếp container tĩnh (SCSP) SCSP xác định vị trí bãi chính xác cho các container đến trước (đã lên kế hoạch trước) cho tàu thuyền, xe tải bên ngoài hoặc tàu hỏa đến. Các vị trí bãi cụ thể được dành riêng cho một nhóm container cụ thể cho đến khi các container được Sắp xếp lên nhau. Do đó, các vị trí dành riêng này không thể được sử dụng cho bất kỳ vùng chứa nào khác trong phạm vi lập kế hoạch. Trong SCSP, sự xuất hiện của các container được coi là xác định. Mức độ không chắc chắn cao hơn và các sự kiện bất ngờ không thể được xem xét với SCSP. Do đó, các kế hoạch phân bổ container được lên kế hoạch trước có thể thay đổi trong quá trình thực hiện. Do đó, rất khó để xác định vị trí bãi trước. Do đó, quan điểm động (thời gian thực) của CSP được nghiên cứu trong bài báo này. 2.3. Vấn đề sắp xếp vùng chứa động (DCSP) DCSP xác định vị trí bãi chính xác cho các container đến tại điểm container đến trong khi xem xét động thái thời gian thực của các bến container. Vì có độ không chắc chắn cao hơn trong một bến container, nên có khả năng xảy ra các sự kiện bất ngờ và gián đoạn đáng kể. Những sự kiện này ảnh hưởng trực tiếp đến hiệu suất dự kiến của quá trình Sắp xếp lên nhau. Do đó, các sự kiện bất ngờ và gián đoạn dẫn đến những thay đổi đáng kể trong kế hoạch phân bổ container do SCS xác định. Tuy nhiên, DCS giảm thiểu thay đổi kế hoạch 5
phân bổ vì thời gian từ khi lập kế hoạch đến khi thực hiện là rất thấp so với SCS. Ngoài ra, DCS cung cấp các quyết định thời gian thực tức thì phù hợp với môi trường thực tế. Hình 2. Đường chân trời lập kế hoạch và sự dịch chuyển thời gian lập kế hoạch Hình 2 minh họa khoảng thời gian đến của một nhóm container cụ thể và việc sử dụng cả SCSP và DCSP trong thời gian lập kế hoạch. Mặc dù DCS cung cấp các vị trí tại thời điểm container đến, SCS bắt đầu từ đầu của kế hoạch. Do đó, các mô hình DCS tạo điều kiện cho các nhà khai thác cảng container đối phó với tính linh hoạt cao hơn và khối lượng container đến khác nhau trong môi trường thực tế. 2.3.1. Sự không chắc chắn trong các bến container Môi trường cảng container cực kỳ năng động và khó dự đoán. Phân bổ khối lượng công việc, triển khai cẩu bãi và lượng container xuất xưởng ngẫu nhiên là một số yếu tố năng động trong một khu cảng container. Ngoài những sự không chắc chắn được đề cập trong đoạn trước, phân loại ba loại trường hợp xáo trộn bãi bãi: tài nguyên (gãy cần cẩu bãi, v.v.), thiết bị (hỏng cần cẩu bãi, v.v.) và container (container sai sắp xếp lên nhau, hư hỏng container, thay đổi tàu xuất bến (O/B), thay đổi cảng dỡ hàng (POD), v.v.), ảnh hưởng đến hoạt động của nhà ga theo thời gian thực. 2.3.2. Động lực học của DCSP SCSP sử dụng thời gian luân phiên để xác định vị trí bãi. Tuy nhiên, DCSP thực hiện việc xem xét ngay lập tức một số động lực thời gian thực trong một bến container. Động lực của DCSP, được giải thích ở trên, được tóm tắt trong Hình 3. Hình 3. Động lực học của DCSP 2.4. Các ứng dụng của SCSP và DCSP trong các bến container Bản tóm tắt về các thuộc tính chung và duy nhất đó được trình bày trong Hình 4. 6
Hình 4. Các thuộc tính của SCSP và DCSP Các thuộc tính trên được tổng hợp bằng cách đánh giá cẩn thận tài liệu và hiểu biết của chuyên gia. Do đó, các ứng dụng khả thi cho SCSP và DCSP có thể được minh họa như trên Hình 5 và Hình 6. Hình 5. Luồng container của một cảng container cửa ngõ Hình 6. Luồng container của một bến container định hướng trung chuyển Hình 5 và Hình 6 minh họa các luồng container của một bến container cửa ngõ và bến container định hướng trung chuyển, tương ứng. Xem xét hoạt động của cả hai bến 7
container, mức độ phức tạp của các luồng container tại các bến container định hướng trung chuyển nhiều hơn so với các bến container cửa ngõ. Ngoài ra, các hoạt động khai thác cảng container theo định hướng trung chuyển có xu hướng ảnh hưởng năng động hơn hoạt động khai thác cảng container cửa ngõ. Do đó, dựa trên các thuộc tính và bản chất tóm tắt ở trên, việc áp dụng DCS cho các bến container định hướng trung chuyển và SCS cho các bến container cửa ngõ sẽ phù hợp hơn. 3. Phương pháp luận 3.1. Các Phương pháp Tiếp cận Giải pháp hiện tại cho CSP Cách tiếp cận tối ưu hóa là một quá trình lựa chọn giải pháp tốt nhất hoặc tối ưu từ các giải pháp thay thế khả thi đồng thời tuân thủ các mục tiêu xác định trước (ví dụ: giảm thiểu chi phí, tối đa hóa lợi nhuận, v.v.) để quản lý các nguồn lực và hoạt động khai thác bến container hiện có. Theo tài liệu, tối ưu hóa là cách tiếp cận giải pháp được sử dụng thường xuyên nhất để giải quyết CSP. Tuy nhiên, thật khó để kết luận phương pháp nào sẽ là cách tiếp cận tốt nhất để giải quyết DCSP. Do đó, nghiên cứu này đề xuất một mô hình DCS lai dựa trên cả tối ưu hóa và AI. Do đó, nghiên cứu này đã phát triển một mô hình DCS dựa trên các hệ thống dựa trên quy tắc (cách tiếp cận AI) đồng thời giảm thiểu chi phí xếp dỡ container (cách tiếp cận tối ưu hóa). 3.2. Hệ thống dựa trên quy tắc Hệ thống dựa trên quy tắc là dạng AI đơn giản nhất cung cấp các giải pháp, dựa trên kiến thức chuyên môn về lĩnh vực vấn đề bao gồm một tập hợp các quy tắc được xác định trước. Hơn nữa, hệ thống dựa trên quy tắc là một phương pháp mã hóa kiến thức chuyên môn (kiến thức liên quan đến lĩnh vực vấn đề của giải pháp) của con người thành một hệ thống tự động. Đơn giản, một hệ thống dựa trên quy tắc có thể được phát triển với một tập hợp các xác nhận và một tập hợp các quy tắc chỉ rõ cách thức hành động trên tập xác nhận. Các quy tắc được thiết lập như một sự kết hợp của các câu lệnh IF-THEN được gọi là các quy tắc IF-THEN. Hệ thống dựa trên quy tắc có thể áp dụng cho nhiều vấn đề hơn do tính đơn giản của mô hình. 4. Phát triển mô hình Sắp xếp vùng chứa động dựa trên quy tắc (RBDCS) Trong nghiên cứu này, đề xuất một mô hình RBDCS thời gian thực để xác định các bãi chứa tối ưu cho các container đến xem xét một số hạn chế của các mô hình DCS hiện có. Hơn nữa, mô hình được phát triển nhằm mục đích giải quyết các mức độ không chắc chắn cao hơn trong khi giảm thiểu chi phí xếp dỡ container trong hoạt động dỡ hàng và nhận hàng. 4.1. Giả định Chúng tôi đã xây dựng mô hình RBDCS dựa trên các giả định sau: (a) Mô hình xác định các vịnh chỉ dành cho các thùng chứa có các thuộc tính trong Hình 7. (b) Ngoại trừ hàng nhập khẩu, thông tin về container phải cung cấp mô hình (được tư vấn trước) dưới dạng các nhóm container. Một nhóm phải bao gồm các thùng chứa nhỏ hơn hoặc bằng 30. Nếu có nhiều hơn 30 thùng chứa trong một nhóm, các nhóm đó sẽ được cung cấp cho mô hình dưới dạng nhiều nhóm. (c) Thông tin về container nhập khẩu phải được đưa vào container theo mô hình (được tư vấn trước). 8
(d) Khác với hàng nhập khẩu, các nhóm container chỉ được cung cấp cho một vùng bãi duy nhất (nhiều vùng bãi không được xác định bởi mô hình) Hình 7. Các thuộc tính bắt buộc của container để xác định các vịnh bãi theo mô hình đã phát triển (e) Mô hình phân bổ các container giao hàng hoặc nhập khẩu ITT cho một vùng bãi (chỉ liên quan đến các vịnh bãi nằm trong các khối ưu tiên nhập và phân phối ITT). (f) Chiều cao xếp container được coi là; trung chuyển - năm cao; ITT giao/nhận - cao năm; nhập khẩu - ba cao; xuất khẩu - năm cao. (g) Mô hình nên cập nhật các tham số này trong thời gian thực; sự sẵn có của các container trong mỗi chồng, triển khai RTG, phân bổ khối lượng công việc, xáo trộn bãi, lịch trình bến của tàu I/B và tàu O/B. Hình 8. Giải thích bằng đồ thị của giả định (d) (h) Mô hình chỉ xác định các khoảng bãi cho các thùng chứa không được chỉ định bất kỳ phạm vi phân bổ nào hoặc các trường hợp mà phạm vi phân bổ đã được đưa ra, nhưng không có vị trí trống nào còn lại tồn tại trong phạm vi. (j) Các tính toán của mô hình được thực hiện riêng biệt dựa trên kích thước và chủng loại của các thùng chứa. Do đó, tồn tại tổng cộng 12 danh mục vùng chứa. 9
(k) Các container chưa được mô hình gán cho các bãi bãi sẽ được gửi đến cửa sổ Fail to Deck (không vào được boong là một tính năng trong Hệ điều hành bến container (CTOS) hiển thị các container chưa được phân loại.). (l) Khác với hàng nhập khẩu, việc triển khai RTG chỉ được coi là đối với container được dỡ bỏ đầu tiên của một nhóm container. (m) Các chuyển động giữa các khối và các chuyển động trong khối của RTG được coi là ngang nhau về mặt hoạt động (do đó, có thể áp dụng cùng một cách tính chi phí). Hình 9. Giải thích giả định bằng đồ thị (e) (n) Không được phép di chuyển giữa các làn đường đối với RTG (xem Hình 10). Hình 10. Giải thích bằng đồ thị của giả định (m) và (n) (o) Khoảng cách di chuyển của container từ/đến các bãi bãi được tính toán từ/đến điểm giữa của các bến tàu (xem Hình 11). (p) Bốn bến tàu được xem xét (xem Hình 11). 10
Hình 11. Giải thích bằng đồ thị của giả định (o) và (p) 4.2. Công thức mô hình RBDCS Chuyển đổi nhiều kiến thức chuyên môn thành các quy tắc IF-THEN để xây dựng mô hình. Khung của mô hình được phát triển dựa trên tiểu mục 3.2. Mô hình bao gồm một phương pháp luận ba bước để xác định các bãi bãi tối ưu như sau. • Bước 1 - Xác minh các vùng chứa • Bước 2 - Lựa chọn các vùng bãi khả thi • Bước 3 - Lựa chọn vùng bãi tối ưu từ các vũng bãi khả thi 4.3. Mô phỏng & Thử nghiệm Mô hình RBDCS đã phát triển đã được xác nhận bằng cách sử dụng dữ liệu thu thập từ một cảng container hàng đầu tại Cảng Colombo. Nhà ga có công suất thiết kế 2,4 triệu TEU và diện tích kho chứa là 53 ha. Ngoài ra, thiết bị đầu cuối chứa 40 khối bãi không đồng nhất. Có 29 khu đất với cùng một số bãi. Tuy nhiên, mỗi khoang chứa sáu ngăn xếp. Ngoài ra, thiết bị đầu cuối tuân theo các chiến lược phân tách bãi riêng. Hơn nữa, nhà ga hoạt động với RTGs dưới dạng YC và Đơn vị xe tải-rơ-moóc (TTU) là phương tiện vận tải ngang. Mặc dù có hai chức năng tồn tại cho bãi chứa trong container, chỉ có chức năng dỡ hàng được xem xét để mô phỏng vì các hạn chế ra vào cảng do đại dịch COVID-19. Do đó, chỉ có các hạng mục chuyển tải và chuyển phát ITT được xem xét để mô phỏng. Dựa trên dữ liệu thu thập được trong cuộc khảo sát thực địa, 80 thử nghiệm mô phỏng đã được tiến hành đồng thời cung cấp các điều kiện thời gian thực của bãi container cho mô hình đã phát triển. Hiệu suất sử dụng bãi là khoảng 80% -90% khi các thử nghiệm được thực hiện. Sau đó, khoảng bãi tối ưu và giá trị PI của khoảng bãi tối ưu được tạo ra thông qua mô hình đã phát triển cho mỗi thử nghiệm. Hơn nữa, các vi phạm về phân chia bãi trong phương pháp SCS cũng được thu thập. Vì vậy, Giá trị PI của các vị trí SCS (giá trị PI được tính toán thủ công cho các khu vực bãi được xác định bởi các nhà quy hoạch bãi trước khi cập tàu) và giá trị PI của các vị trí DCS đã được tóm tắt. Các giá trị hệ số sau được xem xét cho PI trong mô phỏng. (a) α, β = 0,00034 (b) µ = 0,0002 (c) 𝛿 = 5,2, = 10,4, = 15,9 (không tính đến 21 ngày gia hạn) (d) 𝛿 = 5,2, = 10,4, = 15,9 (không tính đến 21 ngày gia hạn) 11
4.4. Kết quả kiểm tra & phân tích Chúng tôi đã tiến hành hai loại thử nghiệm chủng loại container bao gồm 50 trung chuyển (20 'nhóm container = 24, 40' nhóm container = 26) và 30 ITT giao hàng (20' nhóm container = 16, 40' nhóm container = 14) nhóm container để xác nhận mẫu. Số lượng thùng chứa trong một nhóm thùng chứa được phân phối trong phạm vi từ 1–30 như Hình 12 minh họa. Hình 12. Tóm tắt các thử nghiệm mô phỏng dựa trên sức chứa của nhóm container Do đó, có thể kết luận rằng mô hình đã kiểm tra hầu hết các khả năng có thể có của các nhóm container. Mục đích của phân tích là đo lường hiệu suất của mô hình RBDCS đã phát triển so với cách tiếp cận SCS. Chúng tôi đã áp dụng Độ lệch phần trăm (PD) của các giá trị PI để phân tích kết quả thu được như sau. Việc giải thích Công thức 1 được giải thích trong Bảng 1. Phương trình 1 - Tính toán độ lệch phần trăm 𝑃𝐼 𝑉𝑎𝑙𝑢𝑒 − 𝑃𝐼 𝑉𝑎𝑙𝑢𝑒 𝑃𝑒𝑟𝑒𝑐𝑒𝑛𝑡𝑎𝑔𝑒 𝐷𝑒𝑣𝑖𝑎𝑡𝑖𝑜𝑛 (𝑃𝐷) = 𝑋 100 𝑃𝐼 𝑃𝐼 𝑉𝑎𝑙𝑢𝑒 Bảng 1. Giải thích kết quả của phương trình PD Giá trị PD Nội dung Mã màu Mô hình RBDCS có thể xác định khoảng bãi tối ưu với Tích cực mức tối thiểu chi phí xếp dỡ container trong thời gian thực, so với phương pháp SCS. Mô hình RBDCS không thể xác định một bãi chứa tối ưu Tiêu cực với chi phí xếp dỡ container tối thiểu trong thời gian thực, so với phương pháp SCS. Phương pháp tiếp cận RBDCS và SCS có thể xác định một Chung bãi chứa tối ưu với chi phí xếp dỡ container bằng nhau. Phân tích bốn loại container như sau. 12
(a) 20'- Trung chuyển Theo Bảng 1, chúng tôi không thể xác định một bãi chứa tối ưu với chi phí xếp dỡ container tối thiểu trong thời gian thực chỉ trong một thử nghiệm duy nhất vì phương pháp tiếp cận của SCS đã vi phạm các chính sách phân biệt bãi. Tuy nhiên, 87,5% các thử nghiệm cho thấy rằng mô hình RBDCS được phát triển có thể xác định một vịnh bãi tối ưu với chi phí xếp dỡ container tối thiểu và giảm 5,38% chi phí xếp dỡ container trung bình trong thời gian thực cho 20'- Container trung chuyển so với phương pháp SCS. Hình 13. Phân tích hạng mục trung chuyển 20′ (b) 40'- Trung chuyển Theo Hình 14, 88,46% thử nghiệm cho thấy rằng mô hình RBDCS được phát triển có thể xác định một bãi chứa tối ưu với chi phí xếp dỡ container tối thiểu. Ngoài ra, mô hình cho kết quả giảm 3,75% chi phí xếp dỡ container trung bình trong thời gian thực cho 40 '- Container trung chuyển so với phương pháp SCS. 13
Hình 14. Phân tích hạng mục trung chuyển 40′ (c) 20'- Giao hàng ITT Hình 15. Phân tích danh mục Giao hàng ITT 20′ Theo Hình 15, 87,5% các thử nghiệm cho thấy rằng mô hình RBDCS được phát triển có thể xác định một bãi chứa tối ưu với chi phí xếp dỡ container tối thiểu. Hơn nữa, mô hình 14
cho kết quả giảm 6,75% chi phí xếp dỡ container trung bình trong thời gian thực trong 20'- container giao hàng ITT so với phương pháp SCS. (d) 40'- Giao hàng ITT Hình 16. Phân tích danh mục Phân phối ITT 40′ Theo Hình 16, trong bốn lần thử nghiệm, mô hình RBDCS không thể xác định được bãi chứa tối ưu với chi phí xếp dỡ container tối thiểu trong thời gian thực vì phương pháp tiếp cận của SCS đã vi phạm các chính sách phân biệt bãi. Các thử nghiệm cho thấy rằng mô hình RBDCS được phát triển có thể xác định một bãi chứa tối ưu với giảm 6,54% chi phí xếp dỡ container trung bình trong thời gian thực cho các container giao hàng ITT 40 'so với phương pháp SCS. Hình 17. Dự đoán tiết kiệm chi phí xếp dỡ container trong một ca làm việc (12 giờ) Ngoài phân tích trên, tổng chi phí xếp dỡ container ước tính tiết kiệm được cho mỗi ca/ ngày/ tuần/ tháng/ năm có thể đạt được thông qua mô hình RBDCS đã phát triển (so với 15
phương pháp SCS) được dự đoán dựa trên loại container và tổng khối lượng trong Hình 17, Hình 18, Hình 19, Hình 20, Hình 21 tuân theo các giả định sau. Hình 18. Dự đoán tiết kiệm chi phí xử lý container trong một ngày Bốn giá trị PI trung bình được tính toán ở trên được coi là chi phí xếp dỡ container trung bình cho từng danh mục riêng biệt. Hình 19. Dự đoán tiết kiệm chi phí xử lý container trong một tuần Khối lượng container xả được giả định là 500 container từ mỗi loại trong một ca 12 giờ. 16
Hình 20. Dự đoán tiết kiệm chi phí xử lý container trong một tháng Hình 21. Dự đoán tiết kiệm chi phí xử lý container trong một năm 5. Kết luận Nghiên cứu chỉ giới hạn trong việc kiểm tra hiệu suất của các hạng mục container trung chuyển và giao hàng ITT. Trong các tác phẩm trong tương lai, mô hình đã phát triển 17
có thể được xác thực cho các danh mục nhận, xuất và nhập ITT. Một cải tiến khả thi khác sẽ là áp dụng cách tiếp cận dựa trên quy tắc nhiều cấp thay vì cách tiếp cận dựa trên quy tắc ở một cấp. Chúng tôi cũng đề xuất phát triển mô hình để xác định nhiều vịnh bãi để xếp các container thay vì một bãi riêng lẻ. Hơn nữa, mô hình RBDCS đã phát triển có thể được cải thiện như một hệ thống hỗ trợ quyết định do sự nổi lên của AI để hình thành các hệ thống hỗ trợ quyết định. Cuối cùng, việc điều tra tác động của mô hình RBDCS đã phát triển đối với các KPI khác như chuyển động không hiệu quả và quay vòng tàu là mảnh đất màu mỡ cho các nghiên cứu trong tương lai. TÀI LIỆU THAM KHẢO [1]. K. Balachandra, H.N. Perera, A., Thibbotuwawa, Human Factor in Forecasting and Behavioral Inventory Decisions: A System Dynamics Perspective, Lecture Notes in Logistics, 1, 2020. [2]. B. Casey, E. Kozan, Optimising container storage processes at multimodal terminals, J. Oper. Res. Soc., 63(8), pp. 1126-1142, 2012. [3]. L. Chen, Z. Lu, The storage location assignment problem for outbound containers in a maritime terminal, Int. J. Prod. Econ., 135(1), pp. 73-80, 2012. [4]. S Esmer, Performance Measurements of Container Terminal Operations, DOKUZ EYLÜL ÜNiversitesi, pp. 238-255, 2008. [5]. M.S. Gheith, A.B. El-Tawil, N.A. Harraz, A proposed heuristic for solving the container pre-marshaling problem, 19th International Conference on Industrial Engineering and Engineering Management, 2013. [6]. C. Grosan, A. Abraham, Rule-Based Expert Systems, Intelligent Systems Reference Library, 17, pp. 149-185, 2011. [7]. Y. He, A. Wang, H. Su, The impact of incomplete vessel arrival information on container stacking, Int. J. Prod. Res., 0(0), pp. 1-15, 2019. [8]. D. Kizilay, D.T. Eliiyi, A comprehensive review of quay crane scheduling, yard operations and integrations thereof in container terminals, Flexible Services and Manufacturing Journal. Springer US, 2020. [9]. V.J. Kovarik, Cognitive Research: Knowledge Representation and Learning, Cognitive Radio Technology (First Edit), Elsevier Inc., 2009. [10]. D.H. Lee, J. Jin, J. Chen, Schedule template design and storage allocation for cyclically visiting feeders in container transshipment hubs, Transp. Res. Rec., 2273, pp. 87-95, 2012. 18
ÁP DỤNG CÔNG NGHỆ CỦA NỀN CÔNG NGHIỆP 4.0 CHO SẢN XUẤT BỀN VỮNG THE APPLICATION OF INDUSTRY 4.0 TECHNOLOGY FOR SUSTAINABLE MANUFACTURING Lương Quốc Dũng, Nguyễn Văn Trương Lớp CNT59CL Tóm tắt Công nghiệp 4.0 gắn liền với sự xuất hiện của công nghệ thông tin và trí tuệ đột phá. Những công nghệ tiên tiến này có tiềm năng tăng năng suất đồng thời có tác động đáng kể đến tính bền vững xã hội và môi trường. Do đó, các nhà sản xuất cần đánh giá vai trò của những công nghệ đổi mới này trong phát triển bền vững, vì những công nghệ này có tiềm năng giải quyết các vấn đề bền vững phổ biến nhất. Một nghiên cứu tập trung vào việc triển khai nội dung của công nghệ 4.0 trong sản xuất bền vững hiện đang thiếu. Một đánh giá tài liệu có hệ thống đã được thực hiện để giải thích sự đóng góp tiềm năng của những công nghệ mới phù hợp với các khía cạnh kinh tế, xã hội và môi trường của ngành sản xuất. Nghiên cứu này mô tả cách những công nghệ tiên tiến này được sử dụng trong sản xuất bền vững. Kết quả của nghiên cứu này đặc biệt hữu ích cho những người thực hành muốn áp dụng một hoặc nhiều công nghệ kỹ thuật số để phát triển bền vững. Từ khóa: Công nghiệp 4.0; hệ thống sản xuất; công nghệ kỹ thuật số. Abstract Industry 4.0 is associated with the emergence of disruptive intelligence and information technologies. These cutting-edge technologies have the potential to increase productivity while having a significant impact on social and environmental sustainability. Consequently, manufacturers need to assess the role of these innovative technologies in sustainable development, as these technologies have the potential to address the most pervasive sustainability issues. A study focused on the content implementation of Industry 4.0 Cutting-edge technologies in sustainable manufacturing is currently lacking. A systematic literature review was conducted to explain the potential contribution of these novel technologies to the economic, social, and environmental dimensions of the manufacturing industry. This study describes how these cutting-edge technologies are used in sustainable manufacturing. The results of this study are particularly useful for practitioners who want to apply one or more digital technologies for sustainable development. Keywords: Industry 4.0; manufacturing systems; digital technologies. 1. Giới thiệu Các doanh nghiệp “truyền thống” đối đầu với các hiện tượng kinh doanh mới do quá trình toàn cầu hóa tiến bộ, tùy chỉnh quy mô lớn và môi trường kinh tế cạnh tranh. Nhu cầu về thời gian giao hàng ngắn hơn, quy trình tự động và hiệu quả hơn, chất lượng cao hơn và hàng hóa tùy chỉnh đang thúc đẩy công ty tham gia vào cái gọi là Cách mạng Công nghiệp lần thứ tư hoặc Công nghiệp 4.0. Nhiều quốc gia Đông Nam Á, chẳng hạn như Việt Nam, đang chuyển đổi sang Công nghiệp 4.0 vì các nền tảng mạng này giúp kiểm soát hoạt động của nhà máy để hình thành sản xuất thông minh hoặc nhà máy thông minh. Peruzzini và cộng sự. đã định nghĩa khái niệm mới này là sự phát triển của luồng và trao đổi dữ liệu đồng bộ theo thời gian thực thông qua Internet of Things (IoT), dịch vụ đám mây và hệ thống vật 19