集装箱码头同贝同步装卸的智能调度优化与干扰管理方法研究

Quay crane dual cycling is the most efficient and complicated operation method in container terminals. The complexity is embodied in the interrelation of multistage, the synchronous scheduling of loading and unloading operations, and the uncertainty factors in operation. In this project, quay crane dual cycling is treated as a hybrid flow shop problem, and a multistage hybrid scheduling model is developed considering the characteristics of no wait, block and batch processing. To solve the model, an intelligent scheduling optimization method is proposed by combing knowledge reasoning of Artificial Intelligence with optimization of Operation Research. The method consists of the job (loading and unloading job) matching and equipment assignment based on Artificial Intelligence, the neighbor searching based on human-computer interaction and operation sequence optimization based on mathematical programming. To tackle the uncertain disruptions in operation, a method for disruption evaluation and recovery optimization is developed based on the theory of simulation modeling, system optimization and disruption management. Finally, a scheduling system for quay crane dual cycling is developed, and the application issues are addressed. The multistage hybrid scheduling model developed in this project helps to realize the synchronous scheduling of different stages, loading and unloading operations. It contributes the enrichment and deepening of hybrid flow shop theory. Furthermore, the intelligent scheduling optimization method proposed can improve the real-time and scientific of scheduling scheme, and provides a new way to solve the NP-hard problem of terminal scheduling.

同贝同步装卸是集装箱码头最高效，也是最复杂的作业方法，其复杂性体现在需要考虑多阶段、多环节的相互影响、装船与卸船的同步调度，以及作业中的不确定性因素。本项目针对同贝同步装卸的无等待、阻塞、批处理等特征，将其抽象为一类特殊的混合流水线问题，建立多阶段混合调度模型；融合人工智能知识推理与运筹学优化方法，构建基于人工智能的装卸任务搭配与设备指派、基于人机交互的邻域搜索、基于数学规划的作业时序优化相结合的智能调度优化方法。为应对作业中的不确定性干扰事件，基于仿真建模、系统优化及干扰管理方法，构建干扰度量与应对方案优化模型。最后，开发同贝同步装卸的调度系统，解决实际应用难题。 本项目建立的同贝同步装卸多阶段混合调度模型，有利于实现装卸、以及各环节的同步调度，是对混合流水线理论的丰富和深化；所提出的智能调度优化方法，可以提高调度方案的实时性和科学性，为求解码头调度这种NP-hard问题提供新思路。

同贝同步装卸是集装箱码头最高效，也是最复杂的作业方法，其复杂性体现在需要考虑多阶段、多环节的相互影响、装船与卸船的同步调度，以及作业中的不确定性因素。为此，本项目基于系统优化、人工智能、仿真建模、排队系统等方法，从同贝同步装卸作业资源配置、服务流程设计、作业序列优化、实时调度等方面研究同贝同步装卸调度优化问题，主要成果如下：. （1）针对同贝同步装卸时多环节作业协调，以及装卸过程的无等待、批处理、阻塞、优先权约束等特征，建立了同贝同步装卸多阶段混合流水线模型、岸桥与集卡联合调度优化模型、卸船舶配载与装卸序序列优化模型、考虑船舶稳性的同贝同步装卸多岸桥作业序列优化模型，为优化同贝同步装卸计划提供了有效方法。. （2）为提高同贝同步装卸效率，提出了一种新的推存方法，即“混合堆存策略”，构建了“混合堆存策略”下岸桥-场桥-堆存优化模型。构建了自动化集装箱码头同贝同步装卸工艺装卸系统模型，解释了不同工艺选择与流程设计方案对同贝同步装卸效率的影响。. （3）构建码头同贝同步装卸作业的闭合排队网络模型，刻画集卡在各个环节的作业过程，从服务网络角度揭示了码头作业效率与岸桥、集卡、场桥配置的关系，揭示制约同贝同步作业效率的关键因素，为同贝同步装卸资源配置与流程设计提供了依据。. （4）构建了基于深度学习的码头集卡到达预测模型，建立了基于实时信息的堆场翻箱与集卡提箱优化模型、“泊位分配—船舶配载—堆场堆存”协同优化方法，开发了基于移动互联技术的集装箱码头集卡信息服务与调度系统。. 项目研究期间，共发表论文20篇（不含录用论文），其中5篇发表在SCI/SSCI检索期刊，7篇发表在管理学部A类期刊，入选交通运输部青年科技英才（2017）、大连市杰出青年科技人才，获得2017年辽宁省科技进步二等奖（排名第一）、2017年中国物流与采购联合会科技进步一等奖（排名第一），获得软件著作权2项，指导的硕士生两人获得辽宁省优秀硕士论文（2014年、2016年）。