CN113609589B - 一种船舶分段堆场周转能力评估方法 - Google Patents

一种船舶分段堆场周转能力评估方法 Download PDF

Info

Publication number
CN113609589B
CN113609589B CN202110909091.0A CN202110909091A CN113609589B CN 113609589 B CN113609589 B CN 113609589B CN 202110909091 A CN202110909091 A CN 202110909091A CN 113609589 B CN113609589 B CN 113609589B
Authority
CN
China
Prior art keywords
yard
turnover
productive
segments
period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110909091.0A
Other languages
English (en)
Other versions
CN113609589A (zh
Inventor
田凌
陈俊宇
刘思超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202110909091.0A priority Critical patent/CN113609589B/zh
Publication of CN113609589A publication Critical patent/CN113609589A/zh
Application granted granted Critical
Publication of CN113609589B publication Critical patent/CN113609589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种船舶分段堆场周转能力评估方法，这是一种基于计算机仿真实验的方法，可以在堆场的长度、宽度和开口边情况给定的情况下，给出船舶分段堆场在分段堆场调度中出现的非生产性转运率的表达式，在进一步确定堆场中分段的平均数量，堆场中分段周转期的计划率，堆场中分段周转期的均值之后，给出非生产性转运率的估计。这样的结果可以用在船厂的分段转运中，从多个不同规格的堆场中选择最合适的堆场，减少未来可能出现的非生产性转运，也可以用于船厂新建或改建堆场时的堆场规格设计，在总面积有限的条件下，在船厂的生产实际条件下，尽量有更低的非生产性转运率。

Description

一种船舶分段堆场周转能力评估方法
技术领域
本发明涉及船舶建造分段周转技术领域，具体而言，涉及一种船舶分段堆场周转能力评估方法。
背景技术
分段是船舶建造过程的中间产品，分段需要经历预舾装、冲砂打磨、喷漆、预总组等工艺过程，才会进入船坞进行搭载，在上述的每个工艺过程之间，为了缓冲，常常需要将分段放置在分段堆场，分段通过平板运输车实现在不同场地之间的转运。分段堆场一般为矩形场地，被划分数行数列的方形格子状，每个格子为一个堆位，每个堆位可以存放一个分段，分段放置在堆位的支撑柱或门式支撑架上。平板运输车在空载时可以在分段堆场中的分段的下方沿着堆场的长度方向或者宽度方向缓慢和小心地穿过，但是受到分段的支撑柱的干涉，不能在分段下方时转弯。平板运输车在负载时不能从任何有分段的堆位上经过。
堆场中分段的互相阻挡造成了大量的非生产性的分段转运，消耗了大量的成本，一方面，船厂需要更科学的设计堆场的长、宽和开口边，以在空间有限的前提下更好地完成分段周转任务；另一方面，船厂管理者需要更准确的管理和监测分段的堆场周转过程，评估在应用当前的调度策略前提下，在当前的堆场中分段数量、平均周转期、周转期的计划率条件下，堆场中非生产性转运率的理想水平是多少，并与实际情况进行对比。因此如何提供一种船舶分段堆场周转能力的评估方法，是本领域技术人员亟需解决的技术问题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一，提出了一种船舶分段堆场周转能力的评估方法，可以在堆场的长度、宽度和开口边情况给定的情况下，给出船舶分段堆场在分段堆场调度中出现的非生产性转运率的表达式，在进一步确定堆场中分段的平均数量，堆场中分段周转期的计划率，堆场中分段周转期的均值之后，给出非生产性转运率的估计。这样的结果可以用在船厂的分段转运中，从多个不同规格的堆场中选择最合适的堆场，减少未来可能出现的非生产性转运，也可以用于船厂新建或改件堆场时的堆场规格设计，在总面积有限的条件下，在船厂的生产实际条件下，尽量有更低的非生产性转运率。
有鉴于此，本发明提出了一种船舶分段堆场周转能力评估方法，这是一种基于计算机仿真实验的方法，步骤如下：
(1)初始化以下3个元素：
a)分段堆场调度策略π；
b)待评估的分段堆场模型Y,这个模型包括分段堆场的行数R、列数C和开口边集合E,即Y＝<R,C,E>；
c)单个仿真实验的模拟周期数T；
(2)初始化以下3个元素，并给出每个元素的取值范围：
a)堆场中分段的平均数量n，n必须为小于R×C；
b)堆场中分段周转期的计划率p，p必须为0到1的实数；
c)堆场中分段周转期的均值d，d必须为正整数；
n、p和d这3个元素的取值是互相独立且变化的，称之为动态元素；
(3)将3个动态元素的取值离散化，使用下标i，j，k分别索引这3个元素的各个取值，遍历这3个动态元素所有可能取值的组合，每个动态元素组合称为一个个案x，即xi,j,k＝<ni,pj,dk>，所有个案的集合为X＝{xi,j,k}。
(4)执行一系列仿真实验，单个仿真实验用s表示，与个案一一对应，与个案xi,j,k对应的仿真实验记为si,j,k，并记录对应的非生产性转运率为ri,j,k，si,j,k按以下步骤进行：
(4.1)首先产生ni个场内分段并随机放置在堆场中的堆位上，其中有p×ni个分段的周转期是随机给定的，满足均值为d的某个离散随机分布D，其余的分段的周转期是待定的；
(4.2)使用策略π，执行T个周期的分段堆场周转调度仿真，使用t来索引所有周期，即在第t个周期中，将到期分段按照策略π给出的出场顺序和路径出场，当期的到期分段数记为vt，并同时按照策略π给出的入场顺序和路径入场相同数量的分段、以维持堆场在下一个周期开始时仍然有ni个场内分段，新入场的分段和目前周转期待定的分段中，挑选占比为p的分段给定其周转期，其余分段的周转期继续设为待定，记录在出场和入场中，由策略π给出的、由于阻挡产生的非生产性转运的数量，记作ut；
(4.3)完成T个周期的分段堆场周转调度仿真后，统计所有的出场分段数之和，记为Vi,j,k，统计所有的非生产性转运数量，记为Ui,j,k，/>
(4.4)使用r表示非生产性转运率，则si,j,k对应的非生产性转运率ri,j,k，计算方法为
(5)以x的三个元素n,p,d为自变量，以堆场Y对应的非生产性转运率r(Y)为因变量，以本发明前述的ni,pj,dk为自变量的样本点，以ri,j,k为因变量的样本点，以二次多项式为目标形式，通过最小二乘法拟合得到非生产性转运率r(Y)的表达式，r(Y)的表达式可用于船舶分段堆场Y的周转能力评估。
优选的，步骤(1)中的分段堆场调度策略π，其作用包括但不限于：为每个周期中分段的出场安排合适的顺序和无阻挡的出场路径；为阻挡到期分段出场的阻挡分段安排临时周转堆位和转运路径，使其不再阻挡到期分段；为入场分段安排合适的入场顺序、存放堆位和入场路径，使得入场的分段在未来更少地阻挡其他分段的出场。
优选的，步骤(4.1)中所述的均值为d的某个离散随机分布D，如果d为整数，则D的分布列可以为以下形式：
取值 1 2 … d-1 d d+1 … 2d-2 2d-1
概率 α·1 α·2 … α·(d-1) α·d α·(d-1) … α·2 α·1
其中，α称为正则参数，其作用是使得D的所有取值的概率之和为1，在上表中，α的值为1/[1+2+…+d+(d-1)+…+2+1]。
优选的，步骤(5)中可以使用二次多项式的形式拟合给出非生产性转运率r(Y)的表达式：
r(Y)＝k1n2+k2p2+k3d2+k4np+k5nd+k6pd+k7n+k8p+k9d+k0，
其中k0～k9是待定系数。
通过以上技术方案，本发明中提供的船舶分段堆场周转能力评估方法具有如下突出效果：
1.本发明通过一种基于计算机仿真实验的方法，在堆场的长度、宽度和开口边情况给定的情况下，给出船舶分段堆场在分段堆场调度中出现的非生产性转运率的表达式，在进一步确定堆场中分段的平均数量，堆场中分段周转期的计划率，堆场中分段周转期的均值之后，给出非生产性转运率的估计值。
2.应用非生产性转运率的估计值，可以用在船厂的分段转运中，从多个不同规格的堆场中选择非生产性转运率最小的堆场，减少总的非生产性转运。
3.应用非生产性转运率的估计值，也可以用于船厂新建或改建堆场时的堆场规格设计(长、宽、开口边)，在总面积有限的条件下，在船厂的生产实际条件下，尽量有更低的非生产性转运率。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明提供的船舶分段堆场周转能力评估方法的步骤流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例
本实施例提出了一种船舶分段堆场周转能力评估方法，步骤如下：
(1)初始化以下3个元素：
a)分段堆场调度策略π；优选的，分段堆场调度策略π，其作用包括但不限于：为每个周期中分段的出场安排合适的顺序和无阻挡的出场路径；为阻挡到期分段出场的阻挡分段安排临时周转堆位和转运路径，使其不再阻挡到期分段；为入场分段安排合适的入场顺序、存放堆位和入场路径，使得入场的分段在未来更少地阻挡其他分段的出场。
本实施例使用的调度策略为每个调度周期内先自由出场，将所有到期的、无阻挡的分段出场；然后为每个被阻挡的到期分段腾挪出场路径，这种腾挪的目标是移动尽量少的分段使得到期分段得以出场，腾挪路径的转运为非生产性转运，腾挪路径之后将原本无法出场的到期分段搬运出场，阻挡分段在场外等候、与当期新入场分段稍后共同入场；最后为当期新入场分段和临时出场的阻挡分段分配新的堆位，使得这些分段在未来尽量少的阻挡其他分段的出场。
b)待评估的分段堆场模型Y,这个模型包括分段堆场的行数R、列数C和开口边集合E,即Y＝<R,C,E>；
本实施例中，设置R＝12，C＝10，E为[东侧,南侧,北侧],即该堆场Y为12行，10列，东南北三面开口的堆场，一共有120个堆位。
c)单个仿真实验的模拟周期数T；
本实施例中，T设置为100天，即每个仿真实验都模拟了这个堆场100天的分段堆场调度过程。
(2)初始化以下3个元素，并给出每个元素的取值范围：
a)堆场中分段的平均数量n，n必须为小于R×C；
b)堆场中分段周转期的计划率p，p必须为0到1的实数；
c)堆场中分段周转期的均值d，d必须为正整数；
本实施例中，n的取值为102，96，84或72，这样取值是因为可以使得总容量为120个堆位的堆场的最大负载率为85％，80％，70％，或60％；p的取值为90％，80％或70％，代表每次有占比为p的分段被明确指定了周转期，这可以模拟堆场中有些分段的周转期是暂时待定这种情形；d的取值为10，15或20，即代表堆场中新入场分段的周转期的平均值为d天。
这3个元素的取值是互相独立且变化的，称之为动态元素；
(3)将3个动态元素的取值离散化，使用下标i，j，k分别索引这3个元素的各个取值，遍历这3个动态元素所有可能取值的组合，每个动态元素组合称为一个个案x，即xi,j,k＝<ni,pj,dk>，所有个案的集合为X＝{xi,j,k}。
本实施例中，由于n有4个可能的取值，p有3个可能的取值，d有3个可能的取值，因此共有4×3×3共计36个个案。
(4)执行一系列仿真实验，单个仿真实验用s表示，与个案一一对应，与个案xi,j,k对应的仿真实验记为si,j,k；
本实施例中，36个个案对应了36次仿真实验；
si,j,k按以下步骤进行：
(4.1)首先产生ni个场内分段并随机放置在堆场中的堆位上，其中有p×ni个分段的周转期是随机给定的，满足均值为d的某个离散随机分布D，其余的分段的周转期是待定的；
所述的离散随机分布D不是唯一的，优选的，本发明提供了能较准确的描述船厂实际生产中新入场分段的周转期的分布，均值为d的随机分布D的分布列如下所示：
取值 1 2 … d-1 d d+1 … 2d-2 2d-1
概率 α·1 α·2 … α·(d-1) α·d α·(d-1) … α·2 α·1
其中，α称为正则参数，其作用是使得D的所有取值的概率之和为1，在上表中，α的值为1/[1+2+…+d+(d-1)+…+2+1]。
(4.2)使用策略π，执行T个周期的分段堆场周转调度仿真，使用t来索引所有周期，即在第t个周期中，将到期分段按照策略π给出的出场顺序和路径出场，当期的到期分段数记为vt，并同时按照策略π给出的入场顺序和路径入场相同数量的分段、以维持堆场在下一个周期开始时仍然有ni个场内分段，新入场的分段和目前周转期待定的分段中，挑选占比为p的分段给定其周转期，其余分段的周转期继续设为待定，记录在出场和入场中，由策略π给出的、由于阻挡产生的非生产性转运的数量，记作ut；
(4.3)完成T个周期的分段堆场周转调度仿真后，统计所有的出场分段数之和，记为Vi,j,k，统计所有的非生产性转运数量，记为Ui,j,k，/>
(4.4)使用r表示非生产性转运率，则si,j,k对应的非生产性转运率ri,j,k，计算方法为
表1给出了本实施例的36次仿真实验获得的结果
(5)以x的三个元素n,p,d为自变量，以堆场Y对应的非生产性转运率r(Y)为因变量，以本发明前述的ni,pj,dk为自变量的样本点，以ri,j,k为因变量的样本点，拟合给出非生产性转运率r(Y)的表达式，r(Y)的表达式可用于船舶分段堆场Y的周转能力评估；
优选的，步骤(5)中可以使用二次多项式的形式拟合给出非生产性转运率r(Y)的表达式：
r(Y)＝k1n2+k2p2+k3d2+k4np+k5nd+k6pd+k7n+k8p+k9d+k0，
其中k0～k9是待定系数
根据本实施例的36个仿真实验的结果，以二次多项式为目标形式，通过最小二乘法拟合得到r(Y)的表达式：
r(Y)＝-0.052n2-1.392p2-0.0146d2+0.0001np+0.008nd+0.014pd+0.0137n+0.545p+0.0001d+1.55
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种船舶分段堆场周转能力评估方法，其特征在于，以堆场内分段的非生产性转运率r(Y)用于船舶分段堆场的周转能力评估；其中所述非生产性转运率r(Y)以x的n，p，d为自变量，以堆场Y对应的非生产性转运率r(Y)为因变量，以ni，pj，dk为自变量的样本点，以ri,j,k为因变量的样本点，以二次多项式为目标形式，通过最小二乘法拟合得到所述非生产性转运率r(Y)表达式如下：
r(Y)＝k1n2+k2p2+k3d2+k4np+k5nd+k6pd+k7n+k8p+k9d+k0，
其中k0-k9是待定系数；n为堆场中分段的平均数量；p取值范围为0-1，代表堆场中分段周转期的计划率；d为正整数，代表堆场中分段周转期的均值；
其中所述ni，所述pj，所述dk为分别将所述n，所述p，所述d取值离散化，下标i，j，k分别索引各元素取值，每个组合称为个案x，即xi,j,k＝<ni,pj,dk>，所有个案的集合为X＝{xi,j,k}；所述Y为待评估的分段堆场模型；所述ri,j,k为所述xi,j,k对应的仿真实验si,j,k记录对应的非生产性转运率；
仿真实验si,j,k包括如下步骤：
(1)产生ni个场内分段并随机放置堆位上，给定p×ni个分段的周转期，满足均值为d的某个离散随机分布D，其余分段的周转期待定；
(2)使用策略π，执行T个周期的分段堆场周转调度仿真实验，使用t来索引所有周期，到期分段数记为vt，并同时维持堆场在下一个周期开始时仍然有ni个场内分段；新入场的分段和场内分段中，给定p×ni个分段的周转期，其余分段周转期待定，产生的非生产性转运的数量，记作ut；
(3)完成T个周期后，统计所有出场分段数之和Vi,j,k，所有非生产性转运数量Ui,j,k，/>
(4)所述si,j,k对应的非生产性转运率所述ri,j,k计算方法为
所述π为分段堆场调度策略；所述T为单个仿真实验的模拟周期数；执行步骤(1)前，初始化所述π、所述T和所述Y；其中Y包括分段堆场的行数R、列数C和开口边集合E，即Y＝<R,C,E>。
2.根据权利要求1所述的评估方法，其特征在于，所述均值d的某个离散随机分布D，所有取值的概率之和为1。
CN202110909091.0A 2021-08-09 2021-08-09 一种船舶分段堆场周转能力评估方法 Active CN113609589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110909091.0A CN113609589B (zh) 2021-08-09 2021-08-09 一种船舶分段堆场周转能力评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110909091.0A CN113609589B (zh) 2021-08-09 2021-08-09 一种船舶分段堆场周转能力评估方法

Publications (2)

Publication Number Publication Date
CN113609589A CN113609589A (zh) 2021-11-05
CN113609589B true CN113609589B (zh) 2024-03-12

Family

ID=78307694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110909091.0A Active CN113609589B (zh) 2021-08-09 2021-08-09 一种船舶分段堆场周转能力评估方法

Country Status (1)

Country Link
CN (1) CN113609589B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090061106A (ko) * 2007-12-11 2009-06-16 현대중공업 주식회사 선박용 조립블록 관리시스템
KR20100033738A (ko) * 2008-09-22 2010-03-31 에스티엑스조선해양 주식회사 선박 블록의 이동 및 적치 관리 방법
CN107330214A (zh) * 2017-07-11 2017-11-07 哈尔滨工业大学（威海） 基于离散化与启发式进化算法的空间布局优化方法
KR20190013415A (ko) * 2017-07-28 2019-02-11 인하대학교 산학협력단 의사결정트리 학습 기반의 조선소 블록 적치장 선정 장치 및 그 방법
CN109815273A (zh) * 2019-01-25 2019-05-28 清华大学 基于船舶分段物流模式挖掘与可视化方法及系统
AU2020102431A4 (en) * 2020-09-25 2020-11-05 Hao Wang Scheduling method and system for ship block construction

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090061106A (ko) * 2007-12-11 2009-06-16 현대중공업 주식회사 선박용 조립블록 관리시스템
KR20100033738A (ko) * 2008-09-22 2010-03-31 에스티엑스조선해양 주식회사 선박 블록의 이동 및 적치 관리 방법
CN107330214A (zh) * 2017-07-11 2017-11-07 哈尔滨工业大学（威海） 基于离散化与启发式进化算法的空间布局优化方法
KR20190013415A (ko) * 2017-07-28 2019-02-11 인하대학교 산학협력단 의사결정트리 학습 기반의 조선소 블록 적치장 선정 장치 및 그 방법
CN109815273A (zh) * 2019-01-25 2019-05-28 清华大学 基于船舶分段物流模式挖掘与可视化方法及系统
AU2020102431A4 (en) * 2020-09-25 2020-11-05 Hao Wang Scheduling method and system for ship block construction

Also Published As

Publication number Publication date
CN113609589A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Bhatia et al. Resource constrained deep reinforcement learning
Costa et al. A parallel tabu search for solving the primal buffer allocation problem in serial production systems
CN104408589A (zh) 基于混合粒子群算法的agv优化调度方法
Alcalde et al. Optimal space for storage yard considering yard inventory forecasts and terminal performance
Maes et al. Ergodicity of probabilistic cellular automata: a constructive criterion
CN113609589B (zh) 一种船舶分段堆场周转能力评估方法
Song et al. Optimal empty vehicle redistribution for hub‐and‐spoke transportation systems
Ristovski et al. Dispatch with confidence: Integration of machine learning, optimization and simulation for open pit mines
Zimmermann et al. A two phase optimization method for Petri net models of manufacturing systems
Bysko et al. Buffer management in solving a real sequencing problem in the automotive industry–Paint Shop 4.0 concept
Nishimura Yard and berth planning efficiency with estimated handling time
Marzouk et al. Fuzzy clustering model for estimating haulers’ travel time
Gupta et al. Airlines passenger forecasting using LSTM based recurrent neural networks
CN112016750A (zh) 一种改进的解决带约束车辆路径问题的方法
Berkley A decomposition approximation for periodic kanban‐controlled flow shops
CN113077070B (zh) 基于属性预测的动态abc分类仓储策略优化方法及实现系统
Shao et al. Simulation of truck arrivals at container terminal based on the interactive truck appointment system
Huynh et al. Mining the sources of delay for dray trucks at container terminals
van Heeswijk et al. An approximate dynamic programming approach to urban freight distribution with batch arrivals
Tai et al. The prior probability in classifying two populations by Bayesian method
Li et al. Gate appointment design in a container terminal: A robust optimization approach
Hoshino et al. Improved design methodology for an existing automated transportation system with automated guided vehicles in a seaport container terminal
Dekhtyaruk Computer Simulation of a Transport Reloading Complex
CN117557189B (zh) 基于机器学习的拣货路径优化方法及系统
Bartosiewicz et al. The reloading of a ship in a maritime container terminal as a queuing problem of interacting processes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant