زمان‌بندی مجدد جرثقیل‌های اسکله در شرایط عدم‌قطعیت

حمل‌ونقل دریایی شاخه‌ای از حمل‌ونقل است که نقشی حیاتی در تجارت بین‌الملل ایفا می‌کند. پایانه‌های کانتینری در بنادر، تنها نقطه اتصال میان حمل‌ونقل دریایی و زمینی کالا در زنجیره جهانی حمل‌ونقل کالا را تشکیل می‌دهند. یکی از چالش‌برانگیزترین عملیات پایانه کانتینری زمان‌بندی جرثقیل‌های اسکله به‌منظور تخلیه و بارگیری محموله‌های کانتینری از شناور پهلوگیری شده در اسکله می‌باشد. با این وجود، به‌علت دلایل مختلف عدم‌قطعیت مانند خرابی جرثقیل‌ها در حین انجام کار، تاخیر در زمان ورود شناور و ... باعث ایجاد اختلال در برنامه زمان‌بندی اولیه جرثقیل‌های اسکله می‌شود. در این تحقیق روشی جهت ارائه برنامه زمان‌بندی مجدد جرثقیل‌های اسکله در شرایط عدم‌قطعیت با رویکرد کاهش تاخیر وارده ارائه شده است. مدل‌سازی به‌کار گرفته شده به‌صورت برنامه عدد صحیح مختلط می‌باشد که برای اجرای مدل برای حل دقیق از روش gams و برای حل مسئله در ابعاد واقعی استفاده از الگوریتم تکاملی ژنتیک می‌باشد. نتایج این تحقیق نشان می‌دهد که انحراف ایجاد شده بین زمان‌بندی اولیه جرثقیل‌های اسکله و زمان‌بندی مجدد در شرایط تصادفی و اعمال پارامترهای عدم‌قطعیت به میزان حداقل 27% کاهش می‌یابد.

optimisation for quay crane rescheduling problem under uncertainty

maritime transport is a branch of transport that plays a vital role in international trade. container terminals in ports are the only connection point between sea and land freight in the global supply chain. one of the most challenging operations of the container terminal is scheduling the quay cranes to loading and discharge container from the containership at the berth. however, due to various reasons of uncertainty such as failure of cranes during operation, delay in the arrival time of the vessel, etc., cause disruption in the initial scheduling of quay cranes. in this research, a method has been proposed to adjust the rescheduling schedule of quay cranes in uncertainty conditions with the approach of reducing the delay of operation. the modeling used is a mixed integer program that uses the gams method to process the model for accurate solution and to use the genetic algorithm to solve the problem in real dimensions. the results of this study show that the deviation between the initial scheduling of quay cranes and rescheduling in random conditions and the application of uncertainty parameters is reduced by at least 27%.