基于目標(biāo)工程的自動化集裝箱堆場優(yōu)化仿真系統(tǒng)研究

閆廣利 黃元濤 孫佳隆

摘 要：為配合日照港新建自動化集裝箱堆場的優(yōu)化建設(shè)，利用AnyLogic仿真平臺，搭建了基于多智能體（multi-agent）的設(shè)備控制系統(tǒng)（ECS）仿真模型，研究集裝箱碼頭建模、設(shè)備調(diào)度優(yōu)化及數(shù)據(jù)庫驅(qū)動測試等關(guān)鍵技術(shù)。系統(tǒng)仿真日照港新建自動化集裝箱堆場作業(yè)流程，對自動化集裝箱堆場堆放策略、堆場布局、堆場設(shè)備分配和運輸規(guī)劃進(jìn)行驗證和優(yōu)化，為最終決策提供參考依據(jù)。

關(guān)鍵詞：AnyLogic；自動化集裝箱堆場；設(shè)備控制系統(tǒng)；仿真

中圖分類號：U653 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著集裝箱運輸量的大幅增加，集裝箱碼頭運營商必須提高吞吐量，以滿足不斷增長的需求。目前，碼頭提高集裝箱吞吐量的方式僅有2種：物理擴(kuò)張或提高集裝箱碼頭運作效率。然而，物理擴(kuò)張依賴許多外部因素（象土地可用性、政治、財務(wù)可行性、大量資本可用性等），這些因素可能會影響投資決策。因此，集裝箱碼頭的性能提升更可能依賴碼頭業(yè)務(wù)流程的優(yōu)化和改進(jìn)，其中最主要的2個影響因素為更合理的資源管理分配和新技術(shù)、新設(shè)備投入。

近年來，隨著計算機(jī)仿真技術(shù)的引入，利用仿真技術(shù)作為輔助工具逐漸成為提高集裝箱碼頭運作效率的重要手段。利用仿真技術(shù)不僅能夠驗證和優(yōu)化碼頭布局、設(shè)備資源分配以及作業(yè)流程，為集裝箱碼頭的生產(chǎn)調(diào)度提供準(zhǔn)確有效的決策支持，還可以大大減少集裝箱碼頭運營成本。

1 問題描述

為提高日照港新建集裝箱堆場利用率，現(xiàn)有以下要求：

1）進(jìn)出口集裝箱分別按箱區(qū)和貝位2種集裝箱堆放策略進(jìn)行堆放時作業(yè)效率對比；

2）集裝箱堆放層高分別為3/4/5/6層時作業(yè)效率的對比；

根據(jù)上述要求，利用ECS仿真系統(tǒng)進(jìn)行仿真，給出最佳的集裝箱堆放方案。

2 建模與仿真

基于multi-agent的仿真系統(tǒng)使物流和制造業(yè)等傳統(tǒng)領(lǐng)域的模型更加靈活易用。該文利用仿真平臺AnyLogic，搭建基于multi-agent的ECS仿真系統(tǒng)，對上述問題進(jìn)行仿真對比，仿真結(jié)果為最終決策提供參考。

2.1 基于multi-agent的ECS建模

基于Agent建模，從實際應(yīng)用角度出發(fā)，是本質(zhì)上分散化，及個體為中心（系統(tǒng)層的反面）的建模。確定主動實體，即智能體（可以是人、物體、產(chǎn)品、項目等），定義他們的行為（狀態(tài)、反應(yīng)），把它們放到一個中心環(huán)境中，或可建立連接。

根據(jù)ECS系統(tǒng)的組成、特點以及其中實體對象及其相互關(guān)系，可以將ECS抽象分為如圖1所示的多種Agent，并將其分為2類：資源/設(shè)備控制決策Agent和資源/設(shè)備執(zhí)行Agent，前者主要實現(xiàn)各個環(huán)節(jié)資源/設(shè)備的分配管理，后者則是實現(xiàn)單個設(shè)備的具體執(zhí)行過程控制/資源的存取調(diào)度。

基于multi-agent的ECS模型主要實現(xiàn)的智能體包括主智能體Main、任務(wù)智能體JOB_Q、ECS控制器智能體Controller、場橋控制智能體ARMG_Controller、場橋智能體CraneARMG、岸橋控制智能體QC_Controller、岸橋智能體CraneQC、內(nèi)集卡智能體CNTR_Truck、集裝箱智能體Containers和箱區(qū)智能體CArea，具體為：

（1）Main定義了仿真模型中的初始參數(shù)和邊界條件，構(gòu)成模型運行的外部條件。其主要功能有：根據(jù)方案實現(xiàn)堆場箱區(qū)及車場布置、港內(nèi)設(shè)備及道路交通網(wǎng)的配置；實現(xiàn)與本地數(shù)據(jù)庫或其他相關(guān)系統(tǒng)（象TOS等）的對接；2D/3D實時動態(tài)顯示整個模型的運行過程；以圖表形式實時展示模型運行過程中的數(shù)據(jù)指標(biāo)和狀態(tài)變化。

（2）JOB_Q用于保存來自本地數(shù)據(jù)庫或TOS的任務(wù)，包括任務(wù)類型、任務(wù)起始位置、任務(wù)終點位置、任務(wù)集裝箱編號等信息。

（3）Controller作為整個模型的主控制器，主要負(fù)責(zé)將任務(wù)拆解、分發(fā)給Truck_Controller、QC_Controller和ARMG_Controller，并記錄資源/設(shè)備相關(guān)信息，其狀態(tài)流程如圖2所示。

（4）ARMG_Controller是ECS模型中所有場橋的控制器。ARMG_Controller中配有2個資源池：ARMG資源池和任務(wù)資源池，前者存儲了模型中所有ARMG Agent和狀態(tài)，后者則記錄了ARMG_Controller接收到的所有任務(wù)及其狀態(tài)。ARMG_Controller通過調(diào)度算法為當(dāng)前任務(wù)分配合適的ARMG資源。

（5）CraneARMG模擬場橋的裝卸作業(yè)過程。智能體由ARMG大車、小車和吊具3套狀態(tài)流程圖組成，分別實現(xiàn)ARMG平行箱區(qū)運動、小車垂直箱區(qū)運動和吊具垂直運動，協(xié)同完成箱區(qū)內(nèi)集裝箱的裝卸作業(yè)。

（6）QC_Controller與ARMG_Controller的功能類似，不作贅述。

（7）CraneQC與CraneARMG的功能類似，不作贅述。

（8）CNTR_Truck模擬內(nèi)集卡的作業(yè)過程。在港口裝卸作業(yè)中，內(nèi)集卡運動過程可拆分為2個階段：移動到起始位置（箱區(qū)/船的指定貝位）；移動到終點位置（船/箱區(qū)的指定貝位、車場）。

（9）Containers根據(jù)導(dǎo)入的集裝箱數(shù)據(jù)和CArea生成堆場地圖，并存儲ECS模型執(zhí)行過程中的所有集裝箱信息。

（10）CArea提供箱區(qū)貝位數(shù)、排數(shù)和集裝箱層高3個參數(shù)的輸入，制定每個箱區(qū)的規(guī)格；CArea保存了一個箱區(qū)固定坐標(biāo)位置，配合Containers可以找到堆場中每個集裝箱的位置。

2.2 輸入條件

該自動化集裝箱堆場為順岸式布置，采用“單小車岸橋 + 內(nèi)集卡 + 自動化軌道吊”的裝卸工藝，共有2個泊位，每個泊位配有3臺岸橋，岸橋與內(nèi)集卡的機(jī)械配比約為1︰3，單船裝/卸300～500箱，整個堆場共有8臺場橋。

為便于建模，ECS模型內(nèi)設(shè)備速度均設(shè)為勻速，設(shè)備速度參數(shù)見表1。

2.3 仿真結(jié)果分析

根據(jù)上述問題描述和輸入條件，利用ECS仿真系統(tǒng)分別進(jìn)行不同集裝箱堆放策略和不同集裝箱堆放層高2組對比試驗，每組反復(fù)運行10次，得出的對比結(jié)果如下。

2.3.1 不同集裝箱堆放策略執(zhí)行效率對比

從表2中可以看出，進(jìn)出口箱按箱區(qū)堆放比按貝位堆放平均作業(yè)時間減少5.63 %左右。

ARMG裝卸效率也略有差異，如圖3所示。

2.3.2 不同集裝箱堆放層高對比

從圖4中可以看出，集裝箱堆放5層時，作業(yè)時間最短。不同堆放層高下ARMG平均效率也存在一定差距，其中：堆放5層時，ARMG效率最高；堆放3層時，ARMG效率最低；堆放4層、6層時，ARMG效率基本一致。

3 結(jié)語

根據(jù)上述仿真結(jié)果，當(dāng)堆場采用按箱區(qū)堆放策略、堆放層高為5層時作業(yè)效率最高。采用基于multi-agent的ECS模型能夠較為真實地對自動化集裝箱堆場的裝卸作業(yè)流程進(jìn)行仿真，可有效地對自動化集裝箱堆場布局、策略和設(shè)備分配進(jìn)行驗證和優(yōu)化，為自動化集裝箱堆場的作業(yè)和規(guī)劃布置提供決策支持。

參考文獻(xiàn)

[1]王剛，魏眾，關(guān)偉.基于Multi-Agent的港口集裝箱碼頭物流作業(yè)系統(tǒng)集成優(yōu)化研究[J].物流技術(shù)，2007，26（4）：31-33，46.

[2]席釕姿，張峰.基于多智能體技術(shù)的物流運輸調(diào)度系統(tǒng)分析[J].物流工程與管理，2017（5）：75-78.

[3]魏星，劉影，劉曉明，等.AnyLogic系統(tǒng)仿真環(huán)境[C]//中國航空學(xué)會信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會議論文集.北京：北京航空航天大學(xué)出版社，2004：166-169.