自動化集裝箱碼頭AGV配置仿真分析

陶 輝 陳 寧

(武漢理工大學(xué)交通學(xué)院 武漢 430063)

0 引 言

隨著自動化集裝箱碼頭的快速發(fā)展，我國主要的沿海集裝箱港口紛紛建設(shè)改造自動化集裝箱碼頭并投產(chǎn)使用[1-3].碼頭管理者對自動化碼頭的作業(yè)效率及優(yōu)化其機械資源配置也越來越重視[4].水平運輸系統(tǒng)發(fā)揮著銜接自動化碼頭岸橋與堆場的重要作用，其作業(yè)效率對碼頭生產(chǎn)效率有著極為關(guān)鍵的影響，而如何進行合理高效的資源配置則是決策者需重點關(guān)注的問題，即AGV的數(shù)量配置優(yōu)化問題.

目前研究大多集中在AGV的路徑優(yōu)化及調(diào)度策略等方面，較少涉及數(shù)量配置方案的優(yōu)化問題.在少量的針對配置優(yōu)化的研究中，鮮有研究通過仿真建模的方式對算法所得方案進行模擬驗證.鑒于此，文中以國內(nèi)某自動化集裝箱碼頭為研究對象，構(gòu)建AGV配置優(yōu)化模型并利用遺傳算法對模型進行優(yōu)化求解，借助專門用于集裝箱碼頭仿真的軟件FlexTerm搭建碼頭裝卸系統(tǒng)仿真模型，進行仿真模擬實驗，驗證模型和算法的可行性，得出不同場橋數(shù)量條件下的最優(yōu)AGV配置方案.

1 問題描述

1.1 自動化碼頭現(xiàn)狀

我國多數(shù)自動化集裝箱碼頭的裝卸工藝采用的“雙小車岸橋+AGV+自動化軌道式龍門吊”作業(yè)模式，岸橋負責(zé)前沿集裝箱貨輪的裝卸船作業(yè)，AGV往返于前沿岸線和堆場之間負責(zé)目標箱的水平運輸作業(yè)，自動化軌道吊則負責(zé)后方的堆取垛作業(yè).其中，AGV是一種以液壓或電力驅(qū)使動力的自動化運輸車輛[5]，上面配備有非接觸式導(dǎo)航裝置，其全部功能諸如啟動、拐彎、選擇合適路線，以及停車等變化都能在遠程操作下自動進行而無需人工操作.

在目前已經(jīng)投產(chǎn)使用的自動化碼頭中，廈門遠海碼頭配備有3臺岸橋、16臺軌道吊和18部AGV.青島港自動化碼頭共配備有16臺自動化橋吊、76臺高速軌道吊和83部AGV.上海洋山四期碼頭根據(jù)規(guī)劃最終將配置26臺橋吊、120臺軌道吊和130部AGV.天津港北疆港區(qū)改造升級后的三個集裝箱泊位配置了76部AGV.這里以國內(nèi)某自動化集裝箱碼頭為對象，其一期碼頭現(xiàn)建有三個集裝箱泊位，碼頭每天24 h不間斷作業(yè)，依靠碼頭操作系統(tǒng)、設(shè)備控制系統(tǒng)和電子數(shù)據(jù)交換系統(tǒng)[6-7]，實現(xiàn)自動化操作和管理.目前一期碼頭前沿共配置七座單起升雙小車岸橋，堆場區(qū)域配備38臺全自動化高速軌道吊，共有38部純電動AGV用于進出口集裝箱的水平運送任務(wù).

1.2 模型構(gòu)建

為構(gòu)建自動化碼頭AGV配置優(yōu)化模型，簡化模型的復(fù)雜程度，作如下條件假設(shè)：①單個箱區(qū)只堆放同一類型的集裝箱，箱型為20 ft普通箱；②根據(jù)集裝箱的類型劃分堆場為進口場區(qū)和出口場區(qū)；③計劃周期內(nèi)存放在堆場內(nèi)的集裝箱數(shù)量是已知的；④根據(jù)碼頭的實際操作，岸橋采取“先卸后裝”的作業(yè)順序；⑤船舶和箱區(qū)的翻箱倒箱作業(yè)對本研究影響不大，故在此不予考慮.

基于裝卸作業(yè)時間和作業(yè)成本對碼頭生產(chǎn)效率的影響，引入AGV配置數(shù)量作為決策變量，構(gòu)建自動化碼頭AGV配置優(yōu)化模型.

(1)

(2)

α+β=1

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

上述模型中，式(1)為目標函數(shù)，表示對碼頭裝卸作業(yè)總時間和作業(yè)總成本進行量綱一的量化處理，再進行數(shù)值加權(quán)后的和為最?。皇?2)為在i部AGV作業(yè)情況下集裝箱的裝卸作業(yè)總成本等于岸橋、AGV和場橋這三個對象的作業(yè)費用之和；式(3)為對作業(yè)時間和成本的權(quán)重進行約束，兩者和應(yīng)為1；式(4)為堆場箱區(qū)總?cè)萘勘仨毑簧儆诩b箱船舶裝卸總數(shù)量；式(5)～(6)為進、出口箱的裝卸數(shù)之和分別等于進、出口箱總量；式(7)為達成集裝箱船舶裝卸任務(wù)量；式(8)為整個裝卸過程時間應(yīng)大于岸橋、AGV和場橋三者的各自作業(yè)時間；式(9)～(11)為岸橋、AGV和場橋三者對集裝箱進行作業(yè)的時間關(guān)系；式(12)為每輛AGV在每一次的運輸任務(wù)中僅與某臺特定的場橋產(chǎn)生銜接關(guān)系.

2 模型求解

2.1 算法實現(xiàn)

自動化碼頭裝卸作業(yè)系統(tǒng)是一個復(fù)雜的動態(tài)離散型系統(tǒng)，其機械資源配置及調(diào)度問題屬于NP難題[8-9].出于對數(shù)據(jù)規(guī)模、算法優(yōu)劣性以及軟件兼容性的考慮，采用遺傳算法并做出相應(yīng)的改進設(shè)計后進行求解.以自動化碼頭的一號泊位為研究對象，該泊位長度300 m，泊位等級為7萬噸級，泊位配置有2臺雙小車橋吊，假定堆場內(nèi)的任務(wù)區(qū)域為4個箱區(qū).來船選擇碼頭某次裝卸任務(wù)中載箱量8 000 TEU的集裝箱船舶S船，該船舶靠泊作業(yè)期間需卸下185個進口箱，裝載220個出口箱.

1)編碼方式 依照問題的實際特征，這里采用實數(shù)編碼的方式進行編碼，染色體X的形式為X=(x1,x2,x3,…,xn),x∈R,i=1,2,…,n，實數(shù)編碼的GA算法具有精度高，搜索空間大等優(yōu)點[10].染色體的編碼長度等于變量的個數(shù)，本例中染色體長度為32，編碼方式見圖1.

圖1 染色體編碼方式

2)適應(yīng)度函數(shù) 遺傳算法的適應(yīng)度函數(shù)一般經(jīng)由目標函數(shù)通過相應(yīng)的轉(zhuǎn)換得到，然后根據(jù)適應(yīng)度函數(shù)一代接一代地在解空間中搜索可行解.這里求解的是對碼頭裝卸作業(yè)時間和成本進行無量綱化處理后數(shù)值加權(quán)和最小，是最小化問題，因此這里選擇以上述模型中的目標函數(shù)作為適應(yīng)度函數(shù).

3)初始種群 初始種群規(guī)模設(shè)置為200，在初始化過程中通過初始種群生成函數(shù)隨機產(chǎn)生初始種群的范圍和對應(yīng)的適應(yīng)度值.

4)選擇算子 以特定的方式從群體內(nèi)部選出一些優(yōu)良個體的同時淘汰掉其余不好的個體的過程稱為選擇[11].輪盤賭方式、精英個體等方式是目前較為常用的選擇方法，這里采用精英保留法，采用這種選擇方式可以使親代中若干個精英個體(適應(yīng)度更高)的染色體直接遺傳到下一代中，有效保證算法的流暢度和收斂性，精英個體數(shù)量設(shè)置為20.

5)交叉算子 采用適合實數(shù)編碼的離散交叉算子，離散交叉是指在個體之間交換變量的值，子代個體的每個變量可按相等的概率隨機地遺傳來自父代個體的染色體，交叉概率設(shè)置為0.85.

6)變異算子 采用高斯變異算子對要進行變異的個體進行變異操作，確定n個服從均值為0，方差為σi的正態(tài)分布的隨機變量N(0,σi),(i=1,2,…,n)，也是因為正態(tài)分布的特性，變異過程中算法會在變異個體的鄰近空間大量地尋找可行解.

7)終止條件 設(shè)置最大迭代次數(shù)為300，遺傳算法滿足終止條件即停止進化，輸出結(jié)果.

2.2 優(yōu)化結(jié)果

設(shè)定自動化碼頭對裝卸作業(yè)時間和作業(yè)成本的重視程度等同，故α和β取值均為0.5.使用Matlab R2016a軟件編程求解，輸入上述設(shè)置好的參數(shù)運行算法.以每個箱區(qū)各配有一臺場橋的情況為例，考慮不同AGV數(shù)量下的模型運行情況，得到模型完成裝卸任務(wù)時所求得的最優(yōu)解.配置服務(wù)于每部岸橋的AGV數(shù)量從1～10，得到運行結(jié)果，見表1.調(diào)整堆場的場橋數(shù)量重復(fù)以上步驟，可得到不同AGV數(shù)量配置情況下的目標函數(shù)值，結(jié)果見圖2.

表1 不同AGV數(shù)量的運行結(jié)果

圖2 各情況下的目標函數(shù)圖

由圖2可知，堆場內(nèi)不同數(shù)量場橋的情況下，不同AGV數(shù)量配置方案中，目標函數(shù)都呈現(xiàn)出隨著AGV數(shù)量的增加先快速減小、后緩慢回升的態(tài)勢，這主要是因為在AGV數(shù)量較少的情況下增加AGV配比會顯著提高裝卸作業(yè)效率，節(jié)省了作業(yè)時間，并降低了模型的運作成本；但當AGV數(shù)量超過了某一界限，此時再增加AGV的個數(shù)并不能有效地提高作業(yè)效率，而單個AGV的增加會加大整個模型的運行成本，所以在AGV數(shù)量超過最佳配置數(shù)量后，模型目標函數(shù)會開始緩慢上升.以表1情形為例，其目標函數(shù)值先不斷減少，在岸橋∶AGV=1∶5時，目標函數(shù)達到最小，為0.345，而后繼續(xù)增加配比，目標函數(shù)值逐步微增，由此可確定該情形下應(yīng)為每部岸橋各配置5輛AGV，可使裝卸效率最大化.

3 仿真建模驗證

3.1 仿真建模

FlexTerm平臺是一款專門用于集裝箱碼頭優(yōu)化仿真的軟件，其中Container Terminal 實體庫中包含有場橋、箱區(qū)、AGV模塊、泊位、集裝箱船等集裝箱碼頭大部分的實際設(shè)施設(shè)備.仿真步驟主要包括設(shè)置實體、參數(shù)設(shè)定、實體連線、運行模型和仿真結(jié)果分析等五大步驟[12].

利用FlexTerm構(gòu)建AGV水平運輸系統(tǒng)仿真模型，在軟件中依次完成Berth Planner和Yard Planner的相關(guān)設(shè)置，并制定船舶到港時間分布表及裝卸計劃，規(guī)定堆場的堆存原則.為每臺岸橋分別增加一個truck gang和若干network node，與岸橋和堆場建立聯(lián)系，并將AGV隊列通過某一節(jié)點連接到路徑中，運用不同的連接方式將各實體的對應(yīng)端口連接起來，形成可視化的仿真模型,見圖3.

圖3 自動化碼頭AGV水平運輸系統(tǒng)仿真模型

3.2 仿真實驗

為驗證上述模型算法的有效性，在FlexTerm平臺上進行系列仿真模擬實驗.在集裝箱碼頭岸橋運行情況不變的條件下，考慮場橋數(shù)量不同時的AGV配置的最優(yōu)數(shù)量.具體實驗方案為：在每個箱區(qū)有一臺場橋的始情況下，逐一為每個箱區(qū)增加一臺場橋，兩臺場橋同時執(zhí)行堆箱和取箱作業(yè)；在此基礎(chǔ)上，每一次運行都調(diào)整加大岸橋與AGV的配置比例，以尋求最佳的AGV數(shù)量配置策略.集裝箱岸橋與AGV的初始配比為1∶1，通過修改truck gang中的屬性設(shè)置，從1～10依次設(shè)定服務(wù)于岸橋的AGV數(shù)量，重置模型進行仿真實驗，通過數(shù)據(jù)收集功能查看并記錄輸出數(shù)據(jù).

考慮到岸橋是自動化碼頭成本最高也是最重要的裝卸機械，其作業(yè)效率制約著整個碼頭生產(chǎn)水平，因此仿真過程采用岸橋的平均裝卸效率及岸橋等待時間百分比這兩個指標來衡量仿真模擬方案效果.

3.3 仿真結(jié)果

模型運行過程中，通過Dashboards和Statistics選項查看并輸出仿真運行實時數(shù)據(jù)，仿真實驗結(jié)束后對收集的仿真數(shù)據(jù)結(jié)果進行整理.輸出結(jié)果見圖4(RTG為場橋).

圖4 仿真結(jié)果

由圖4可知:以堆場內(nèi)配置4臺場橋(即每個箱區(qū)各一臺)作業(yè)的情形為例，在岸橋與AGV數(shù)目的比例由1∶1增加至1∶2時，岸橋的實際裝卸效率和等待AGV時間百分比變化明顯，平均裝卸效率由34.75 TEU/h增加至38.85 TEU/h，等待時間百分比由32.75%減少25.80%，這是因為在配置不多的AGV時加大其配比，岸橋能夠得到更及時的服務(wù)，而且此時前沿道路交通情況良好.而后逐步增加AGV數(shù)量，在岸橋與AGV比例增加至1∶5時，岸橋的平均裝卸效率逐漸增大到44.20 TEU/h，同時岸橋的等待時間逐漸減少為14.35%；再增加AGV比例，此時岸橋?qū)嶋H裝卸效率及等待AGV時間雖有小幅變化，但很不明顯.當AGV達到5輛時，岸橋等待時間比降到最低，此后隨著AGV增加，就會出現(xiàn)交通擁擠現(xiàn)象，從而使得AGV因為道路阻塞而不能及時地服務(wù)于岸橋，致使岸橋效率得不到進一步的提升.

此時選取岸橋與AGV數(shù)量比1∶5作為最優(yōu)AGV配置方案，岸橋平均裝卸效率、岸橋等待時間百分比均達到最佳，與上述算法結(jié)果一致，從而很好地驗證了算法求解結(jié)果的合理性和有效性.

4 優(yōu)化方案

綜合上述模型求解及仿真模擬結(jié)果，在堆場配置不同數(shù)目場橋的情況下，依次選取最優(yōu)AGV配置方案，選取結(jié)果見表2.

表2 不同情況下的最優(yōu)AGV配置方案

由表2可知:在最優(yōu)AGV配置方案下，隨著場橋數(shù)目的逐步增加，岸橋平均裝卸效率從44.20 TEU/h增大到了48.35 TEU/h，岸橋等待時間百分比也從14.35%減小至8.95%，模型目標函數(shù)從0.345減小到0.235.因此，建議自動化碼頭在對到港船舶進行作業(yè)時，根據(jù)岸橋擬定的作業(yè)計劃進行AGV的配置，最大限度地提高碼頭裝卸作業(yè)效率，降低碼頭的運營成本.針對碼頭在堆場配置不同數(shù)目場橋作業(yè)的情況下，AGV配置優(yōu)化方案選擇為：堆場內(nèi)分別配備4，5，6臺場橋執(zhí)行堆箱、取箱作業(yè)時，最優(yōu)的AGV配置方案為岸橋與AGV的數(shù)量配比為1∶5；堆場內(nèi)分別配備7，8臺場橋進行裝卸作業(yè)時，最優(yōu)的AGV配置方案為岸橋與AGV的比例為1∶6，在實際生產(chǎn)中根據(jù)現(xiàn)實情形適度地左右調(diào)整，以更大地發(fā)揮裝卸設(shè)備的作業(yè)水平，使作業(yè)效率更優(yōu).

5 結(jié) 束 語

利用FlexTerm軟件搭建離散仿真三維模型是對自動化碼頭的作業(yè)效率進化優(yōu)化分析的一個有效途徑.通過分析國內(nèi)某自動化集裝箱碼頭裝卸作業(yè)情況及配置現(xiàn)狀，構(gòu)建了以裝卸作業(yè)時間和作業(yè)成本數(shù)值加權(quán)值最小化為目標函數(shù)的AGV配置優(yōu)化模型，利用遺傳算法對模型進行優(yōu)化求解，并選取FlexTerm搭建三維仿真模型進行模擬實驗，對模型及算法結(jié)果的有效性進行驗證，最后給出不同條件下的最優(yōu)AGV配置方案，為碼頭管理者提供相應(yīng)的決策支持.為更大地提高碼頭生產(chǎn)效率，還需要進行AGV調(diào)度策略優(yōu)化，這有待進一步研究.