مدل‌سازی تاثیر بیماری‌های همه‌گیر بر شاخص توان عملیاتی حمل‌ونقل کانتینری

صنعت حمل‌ونقل دریایی، طی چند سال گذشته با بحران ناشناخته و جدیدی به نام همه‌گیری ویروس کرونا مواجه شد. بخشی از اقدامات کشورها، باعث شکسته شدن مویرگی زنجیره‌های تامین ‌شده که به علت ناشناخته بودن این بحران، صنعت حمل‌ونقل دریایی را با عدم توانایی پیش‌بینی صحیح حجم عملیاتی مواجه کرد است. تحقیق حاضر، تلاشی برای کم کردن خلا تحقیقات در زمینه‌ی ذکر شده است و می‌تواند در بحران آتی، به بازیگران بازار برای اخذ تصمیمات صحیح‌تر کمک کند. هدف این پژوهش، مدل‌سازی سری‌های زمانی شاخص‌های حمل‌ونقل کانتینری برای پیش‌بینی روند حرکت کوتاه‌مدت این شاخص‌ها و ارتباط آن با کووید 19 به‌عنوان ویروس همه‌گیر است؛ بدین منظور، تاثیر کووید 19 با پیش‌بینی شاخص‌های حمل‌ونقل کانتینری در 70 بندر بزرگ بین‌المللی بررسی شده است. فرآیند مدل‌سازی، با میانگین خودگردان یکپارچه‌ی متحرک فصلی و مدل فضای حالت هموارسازی نمایی انجام شده است. برای ارزیابی عملکرد مدل‌ها، معیار ارزیابی اطلاعاتی و خطای سنجش، محاسبه و مقایسه شده‌اند. با توجه به نتایج حاصل‌شده، مدل میانگین خودگردان یکپارچه‌ی متحرک فصلی، مدل مناسب‌تر و بهتری برای پیش‌بینی شاخص‌های کانتینری شناخته شد.

modelling the impact of epidemics on the operational efficiency of container transportation

during the last few years, the transportation industry faced several crises with virus pandemic. the measures which are taken by the countries to tackle the pandemic has negatively affected the supply chain. it leaves the maritime transport industry with a vacuum of correctly predicting the volume of operations. the current research is an attempt to reduce the research gap and help market players to make more correct decisions in the future crisis. the purpose of this research is to model the time series of container transportation to predict the short term trend of these indicators and its relationship with covid 19 as an epidemic virus. the impact of covid 19 is examined by forecasting container traffic indicators in 70 major international ports. the modeling process has been done with seasonal moving average and exponential smoothing model. to evaluate the performance of the models, information evaluation criteria and measurement error are calculated and compared. the seasonal integrated moving average model was found to be the most suitable and better model for predicting container indices.