JP2019104578A - 人工知能を活用した包括的コンテナターミナルシステム及びオペレーション方法 - Google Patents

Abstract

【課題】ＩｏＴ（モノのインターネット），ＡＩ（人口知能）、自動化を組み合わせることで、世界最高水準の生産性を有する自律的に進化するＡＩコンテナターミナルを実現することにある。【解決手段】コンテナ搬出入に関するデータが格納されるデータベースと、そのデータベースとの間で入出力され入力されたデータの収集・蓄積・立案・制御をなして物流の最適化を行うＡＩシステムと、ＡＩシステムにて策定された制御値を受け取るターミナルシステムとにより構成され、少なくともＡＩシステムではコンテナターミナルオペレーション実績を評価し定式化して自律的学習を可能とする。【選択図】図１

Description

本発明は、コンテナターミナルシステム及びオペレーション方法に係り、特に工場や荷主などからの貨物の情報と、陸送の情報、あるいはターミナル情報などの情報を用いて、コンテナターミナルのオペレーションを最適化できるコンテナターミナルシステム及びオペレーション方法を提供しようとするものである。

コンテナターミナルでは、荷主や工場からの出荷作業によりコンテナに載せ、コンテナを一台一台トレーラーでコンテナヤードに運び入れる。この際、従来のコンテナターミナルでは、コンテナターミナルの混雑状況等の情報がないため、早めに来て入り口で順番待ちをすることから、渋滞が発生していた。さらに紙の搬出入票の確認やコンテナダメージチェックなどのためコンテナヤード入り口では時間が掛かっていた。コンテナヤード内では、何時、搬出するコンテナを引き取りに来るのか予測が出来ないために、荷繰りや作業量の波動性が発生することが多かった。また、コンテナヤードでは船舶の大型化に伴い、大量の貨物を短時間に荷役する必要があった。輸入作業においても、コンテナをヤードのどの位置に置くのが最適かがはっきりしておらず、一旦陸揚げする仮設置場所の設定などは熟練者のノウハウのみによって行われており、また、荷役の順番待ちが発生する問題があった。特に、大型船では顕著である。

このような問題に対し、コンテナ船の大型化に対応し、ピーク時でも効率よくコンテナの積み降ろしを行うため、先進的なコンテナターミナルにおいては荷役機械の遠隔操作化、自動搬送台車（ＡＧＶ）や立体格納庫の導入が行われてきた。

しかしながら、これらの取り組みは個別の要素技術の効率化に留まり（特許文献１〜４）、コンテナターミナル内外の情報が十分に取り込めておらず、全体の最適化が図られていない。

特開２００５−２３９３７７号公報 特開２０１０−１８９１２８号公報 特開２０１３−６７４９１号公報 特開平０５−１０５２４１号公報

本発明は、ＩｏＴ（モノのインターネット），ＡＩ（人工知能）、自動化を組み合わせることで、世界最高水準の生産性を有する自律的に進化するＡＩコンテナターミナルを実現することを目的とする。また、ＡＩコンテナターミナルから情報を発信・制御することで、コンテナターミナルシステムの最適化を実現するシステムとオペレーション方法を提供することを目的とするものである。

上記目的を達成するため、工場・荷主側からのコンテナ情報やコンテナの陸送情報、コンテナターミナルにおけるコンテナ荷役情報や荷役機械の運行情報といった各種情報を収集し、これをビックデータとして取り込む。このビックデータから各ターミナルに必要なデータの読み込みを行い、収集・蓄積・立案・制御といった作業を自律的に繰り返し学習することで、重要業績評価指標を高め、コンテナターミナルシステムの最適化を行い（ディープラーニング）、結果を一元的にコントロールし、各コンテナターミナルに出力させる。

具体的には、本発明に係るコンテナターミナルシステムは、コンテナ搬出入に関するデータが格納されるデータベースと、そのデータベースとの間で入出力されたデータの収集・蓄積・立案・制御をなしてコンテナターミナル全体の最適化を行うＡＩシステムと、ＡＩシステムにて策定された制御値を受け取るターミナルシステムとにより構成され、少なくともＡＩシステムでは過去のコンテナターミナルオペレーション実績を自律的に学習することを可能としている。

この場合において、前記ターミナルシステムでは搬出入データはトレーラの運転手が確認可能であり、搬出入の際の輸送に利用可能としている。また、前記ＡＩシステムからコンテナターミナルへの制御値の出力はコンテナ蔵置プランとしている。

また、前記ＡＩシステムからコンテナターミナルへの制御値の出力は構内トレーラーの最適なタイミングの算出値とヤード内へのコンテナ蔵置場所への指示であることを特徴とする。

本発明に係るコンテナターミナルシステムのオペレーション方法は、ビックデータを格納しているデータベースからコンテナ搬出入に関するデータを入出力し、その入出力されたデータに基づき収集・蓄積を自律的に繰り返して学習させることにより、立案・制御をし、物流の最適化をなし、ターミナルシステムではＡＩシステムにて策定された制御値を受け取り可能とし、少なくともＡＩシステムではコンテナターミナルオペレーション実績を評価・定式化して、自律的に学習することを可能としている。前記定式化・自律的学習により最適化出力は蔵置プランであることを特徴とする。

したがって、情報技術の活用、コンテナダメージチェックの自動化等により貨物搬入、搬出時のシャーシ待ち時間を大幅に削減できる。また、ターミナル内では、遠隔操作化・自動化により最少体制・機器による高効率化、荷繰りの最小化を実現できる。さらに、本船荷役時間を削減することができ、ターミナル内での本船に係る荷役待機時間も大幅に削減することができる。

本発明の実施形態に係るコンテナターミナルシステムの構成例を示す図面である。 同システムの１ターミナルの適用例である。

以下に、本発明に係るコンテナターミナルシステムの具体的実施形態について、図面を参照しつつ、詳細に説明する。
なお、実施形態については、本発明の技術思想を変更しない限り、改変は自由である。

図１は実施形態に係るコンテナターミナルシステムの全体構成図である。
このシステムの構成は、プラットフォーム１０にデータベース１２とＡＩシステム１４とを設け、ここに外部からの情報（車両情報や通関情報、あるいはバンニング情報、気象情報など）とターミナル内情報（荷繰りデータ、荷役機械データ、貨物データなど）を入力するようにしている。データベース１２やＡＩシステム１４はターミナル１６ごとに設けられ（添え字Ａ、Ｂ、Ｃ、……）、個別のオペレーションを可能としている。データベース１２は、複数に跨って構成されても良く、共有化してもよい。また、各ターミナル１６（１６Ａ、１６Ｂ、１６Ｃ、……）にはターミナルオペレーションシステム（ＴＯＳ）を構成しているターミナルシステム１８（１８Ａ、１８Ｂ、１８Ｃ、……）が設けられ、ヤード内の荷役機械２０（２０Ａ、２０Ｂ、２０Ｃ、……）、外来トレーラー２２（２２Ａ、２２Ｂ、２２Ｃ、……）、構内シャーシ２４（２４Ａ、２４Ｂ、２４Ｃ、……）等に対する駆動制御指令を与えるようにしている。また、ＡＩシステム１４によって構築されたヤード蔵置プランや本船プラン、ゲートシステム等の作成プランがターミナルシステム１８に指令されるものとなっている。

外部情報としてデータベース１２に入力される情報は、車両情報、通関情報、バンニング情報、気象情報などであり、予め入力されるカレンダー情報やイベント情報が含まれるようなビックデータである。例えば、ＶＩＣＳ（登録商標）情報等を受信して道路交通状況（渋滞情報等）が入力され、さらに気象庁配信の情報を受信して気象情報として入力するようにしている。また、搬入、搬出入情報として、電子的に登録（従来は紙によりターミナルへＦＡＸ送信）するが、この搬出入情報には、車両ナンバー、ドライバー情報、コンテナ情報（コンテナ番号、B/L番号、ETC車載器ナンバー、ブッキングナンバー等）が含まれる。ＥＴＣにより把握した車両登録情報（位置の特定）を受信して車両位置情報とし、バンニング情報として、コンテナ番号、品目、重量などが電子的に登録される。

一方、ターミナル１６からの内部情報として、各ターミナル１６を構成しているターミナルシステム１８より、ＡＩシステム１４に対してターミナル１６内部における荷繰りデータ、荷役機械データ、貨物データ等が選択され、これがデータベース１２に送られる。

ＡＩシステム１４では、ビックデータを格納しているデータベース１２から読込が行われ 必要なデータの収集と蓄積が行われ、ニューラルネットワークにて分析・立案され、繰り返し自律的に学習して重要業績評価指標を改善し、ヤードの蔵置プランや本船プランなどが制御値として一元的にコントロールされてＴＯＳを構成しているターミナルシステム１８に出力される。

いま、一つのコンテナターミナル１６とこれをコントロールするＡＩシステム１４およびビックデータの読込を行うデータベース１２とを取り上げて、図２を参照しつつ、説明する。

コンテナターミナル１６には工場２６や荷主２８からトレーラー３０がコンテナ３２を搬送し、コンテナターミナル１６の入口に置かれたゲート３４を通過してターミナル１６に入ろうとしている。

ここで、データベース１２には車体番号を含む位置情報や貨物情報などが予め自動的に入力されており、取得した搬入・搬出情報を、各コンテナターミナル１６のターミナルシステム１８のＴＯＳにおいて時間帯別に、トレーラーの運転手が確認して可能となるよう、リアルタイムで情報を更新している。

その内容を、トレーラーの運転手が確認し、コンテナターミナル１６におけるトレーラーの集中状況を勘案して現地到達スケジュールを組むことで、ゲート待ち時間が大幅に軽減される。

また、ターミナル１６のターミナルシステム１８側では、ＥＴＣによりターミナル近傍を通過したトレーラーと、実際にゲートを通過したトレーラーを照合することで、ゲート３４付近に滞留しているトレーラー台数を把握し、その情報を上記と同様にインターネットを通じて公開することで、流入の平準化が期待される。
したがって、ゲート３４では流入車両の平準化によりゲート待ち時間を大幅に軽減される。

また、あらかじめ事前に登録された搬入搬出情報と、ターミナル１６側が把握している通関完了情報の照らし合わせを行うことで、当該コンテナ３２が搬出入可能か否かの判断をゲート３４において瞬時に行い、ゲート処理時間を大幅に短縮する。

上記、照らし合わせを事前におこなっていたコンテナ３２については、ゲート３４通過時には蔵置場所が決定されており、これにより、従来はゲート到着時に蔵置場所決定に要していた時間が削減されることから、ゲート処理時間が大幅に削減される。
これにより、情報技術の活用により貨物搬入、搬出時のシャーシ待ち時間を大幅に削減することができる。

さらに、ゲート３４において、コンテナダメージチェックの自動化等により貨物搬入、搬出時のシャーシ待ち時間を大幅に削減することができる。これは、従来、作業員が直接目視にて行っていることが多い、コンテナ搬出時のダメージチェック作業を、コンテナをカメラ撮影やレーザ照射にて撮影し、ＡＩによる当該画像を分析する作業に変更し、作業時間の短縮を図る。ただし、画像による確認では、コンテナの人による確認の要否のスクリーニングを行い、この結果、人による最終確認が必要とされたものについては、人が確認を行う。このスクリーニングにより、コンテナ搬出時のゲート通過時間が大幅に減少される。

次に、ターミナル１６内では、遠隔操作化・自動化により最適な体制・機器配置による高効率化、荷繰りの最小化を実現する。
まず、コンテナターミナル１６内で必要なデータをデータベース１２から抽出する。これが例えば、コンテナ３２の特性に係るデータ（番号、サイズ、種類、実／空、輸出／輸入、荷主、品目、重量など）や、コンテナ３２の行き先など情報（揚・積港、コンテナ発・着港など）、コンテナに係る本船情報（船名、便名など）、輸入コンテナ３２の搬出予定日時（不明を含む）、過去の搬出実績（事前に把握していた搬出、実際の搬出日時等）、本船積付計画（順序・特殊貨物等含む）、ヤードプランなどが用いられる。随時更新される本船荷役情報、ゲート情報、ヤード荷役情報が含まれる。その他、日付、曜日、天候、外部イベント、道路交通状況（渋滞情報等）等の外部要因、ガントリークレーン（G/C）、RTG（ Rubber Tired Gantry Crane）等オペレーターの状況やクレーン位置情報、あるいはステータスといったものを含む。

このようなデータを抽出し、これらの情報をAIシステム１４へ転送する。転送されたＡＩシステム１４では、最適化スキームを立案する。例えば、コンテナ３２の蔵置プランを以下が最小となるように策定する。このとき、過去のコンテナターミナルオペレーションにおける蔵置プラン及びコンテナ搬出入情報を実績値として取り込む。例えば、曜日毎の各荷主、貨物種類ごとの搬入・搬出パターンを踏まえ、荷繰りの少ない場所に蔵置するなどの工夫を加える。例えば、コンテナ上部にはすぐに引き取りそうな貨物を置き、下部には暫く引取りに来なさそうな貨物を置いておくなど、コンテナターミナルのプランナーの判断・作業実績を蓄積・継承させるため、データベース１２に蓄積しておく。マーシャリング割合、荷役機械作業量、荷繰率、本船３６の係留時間、外来トレーラー３８の構内待ち時間、荷役機械の維持管理等に係るコストである。これらは実際の荷役状況（本船、外来、ターミナル内）を反映し、随時修正する。

そして、過去の実績をもとに、荷主別、品目別の搬出入時刻を予測し、航路別の本船プランの傾向・不確実性を予測し、G/C、RTG等の荷役速度を予測し、さらに、外来シャーシ集中を予測し、搬出入スケジュールが不明なものについて過去の実績に基づく評価・予測する。

この作業が終了すると、ＡＩシステム１４からターミナルシステム１８に次のような出力データが送られる。ヤードプランや、構内シャーシへの指示（輸入コンテナのヤード内での蔵置場所（行・列・高さ）、蔵置場所へのルート及び蔵置場所からゲートまでのルート）、搬出日時が不明な輸入コンテナのヤード内での蔵置場所（行・列・高さ）、外来トレーラーへの指示（輸出コンテナのヤード内での蔵置場所、蔵置場所へのルート及び蔵置場所からゲートまでのルート）などである。

これによって、本船３６の荷役と外来トレーラー３８の荷役を両立させ、かつ荷繰りを最小化するヤード全体の蔵置計画が策定される。
輸入時においては、ＧＣ直下からヤード内へ輸入コンテナ３２を蔵置する際、その後の搬出予定日時を基にＡＩを活用し、荷役能力が向上（荷役機械が無駄なく稼働）し、かつ、ヤード全体で荷役作業が平準化される（レーン間での偏りが生じることがない）ようなヤード内での輸入コンテナの蔵置場所（行・列・高さ）、荷役機械の作業計画・配置計画及びヤード全体の蔵置計画を決定することができる。

また、本船３６の荷役時において、搬出日時が不明な輸入コンテナが存在する場合、当該コンテナの特性に係るデータ（荷主、品目等）や過去の搬出実績についてのビックデータを基に、ＡＩを活用し、トレーラーのターミナル来訪日時を推定した上で、推定した来訪日時を基に、荷繰りが最小化される（荷繰り回数が最も少なくなる）よう、ヤード内での輸入コンテナの蔵置場所が決定できる。

これにより、以下の効果が期待される。
荷役機械の配置が平準化されることで荷役機械同士の干渉がなくなり荷役機械の荷役能力が向上すること、本船荷役中の外来シャーシへの荷役能力が向上すること等により、コンテナヤード全体を活用することで蔵置能力が向上できる。また、マーシャリング作業や荷役機械の移動に要する時間が減ることでコストが削減できる。

本船から積み降ろした輸入コンテナを搬出にくるトレーラーの順番に応じた合理的な蔵置場所に積んで置くことができ、輸入コンテナの搬出前の荷繰りを最小限に抑え、搬出することが可能となるため、ヤード内におけるＲＴＧ等の荷役機械の無駄な作業やトレーラーのターミナル内での待ち時間が削減できる。

経験や勘に頼らずに荷役機械オペレーター等に対する指示が的確に行えることから、オペレーターの判断に要する負担を削減できる。
輸出コンテナの搬入時点において有しているブッキングリストを基に、本船の積付計画を推定し、推定した積付計画を基に、ＡＩを活用し、１台当たりの荷役機械の作業効率が最大化され、かつ、ヤード全体で荷役作業が平準化されるような、また、荷繰りが最小化されるようなヤード内での輸出コンテナの蔵置場所（行・列・高さ）、荷役機械の作業計画・配置計画及びヤード全体の蔵置計画を決定できる。

これにより、本船での積み込み場所に応じたヤード内での合理的な蔵置場所に輸出コンテナを積むことで、輸出コンテナの場合と同様の効果が期待できる。
また、本船荷役時間を大幅に削減することができ、ターミナル内での荷役待機時間もゼロに近づけるようにする。

ガントリークレーン（オペレーター）の処理能力（コンテナ1個当たりの作業時間）をターミナルシステム１８のＴＯＳに登録する。ハッチカバーの取り扱いデータ、Ｇ／Ｃの現在の作業状況、作業ログ（オペレーター交代のタイミング、どのコンテナを掴んでいるか、移動しているか）、Ｇ／Ｃオペレーター情報、Ｇ／Ｃの荷役速度、本船におけるコンテナ位置、ＲＴＧの処理能力、位置、ステータス情報、ＲＴＧオペレーター情報、ＲＴＧの荷役速度、本船荷役計画（事前作成のものとリアルタイムに随時修正するもの）、ヤードプラン（ヤード全体の配置計画及びリアルタイムの配置状況）、構内トレーラー位置（ＧＰＳによりリアルタイムで位置把握、構内トレーラーのステータス情報（作業中であるか否か）、構内トレーラーのドライバー情報、気象状況によるシャーシへの移動速度への影響を考慮、コンテナ搬出入情報（バンニング登録情報、保税運送承認情報、ＣＬＳ情報）などをＴＯＳに登録する。外来トレーラーの位置情報、ゲートの入出時間、ゲートの割り当て状況、ゲートにいる車両情報（実入り運送か空運送か）、ゲート前の並び状況（カメラ解析によりゲート前およびターミナル周辺の状況）を把握しておく。

これらのデータをデータベース１２やＩｏＴにより抽出し、上記データをＡＩシステム１４に一定時間ごとに転送して、最適化処理スキームを策定する。
本船荷役状況（Ｇ／Ｃオペレーション状況、本船荷役計画）により、Ｇ／Ｃの荷役タスクの順序を予測（過去データをディープラーニングしていることを想定）し、算出する。

上記算出に基づき、構内シャーシ状況（位置、ステータス）からＧ／Ｃへの到達時間・混雑回避より、構内シャーシの「移動距離＋待機時間」が最小化されるよう、荷役タスクごとに構内シャーシへ指示する。移動距離は、ＧＰＳなどにより把握された位置とＧ／Ｃの位置からヤードマップをもとに最短経路（距離）を算出して決定すればよい。また、待機時間は予測される到達時間とＧ／Ｃのタスク順序をもとに、Ｇ／Ｃのオペレーション状況から算出することができる。

上記データをターミナルシステム１８のＴＯＳへ転送する。これによって、構内トレーラーの最適な待機タイミングの算出、構内トレーラーへヤード内の蔵置場所への指示が行われ、ＲＴＧに対して構内トレーラー、外来トレーラーへの荷役作業のタイミングの指示がなされる。さらに、日単位のコンテナターミナルの投入する人員、ゲートレイアウトの算出に適用される。
したがって、ＡＩを活用したＧ／Ｃの処理能力を最大限に生かす機材・人員の配置指示及び予測システムを実現することができる。

ターミナル毎・ＧＣ毎の処理能力を十分に把握した上で、荷役機械の作業に無駄が生じないようにするため、配置する構内トレーラーの台数、ＧＣの稼働基数、オペレーターの処理能力（新人か、中級者か、熟練者かによる）、本船のコンテナ積付位置、本船位置、気象状況（潮の影響など）、コンテナ蔵置位置等の条件で変化する構内トレーラーの最適な待機タイミングの算出、構内トレーラーへヤード内の蔵置場所の指示を行うことができる。

外来トレーラーへの対応に関して、本船荷役時のヤード内作業状況（構内トレーラーがヤード内の搬出入場所へ向かうタイミング）を踏まえて、外来トレーラーがヤード内の搬出入場所へ向かうタイミングを総合的に判断して、ＲＴＧに対して構内トレーラー、外来トレーラーへの荷役作業のタイミングの指示を行う（輸出の場合は、外来トレーラーに対してヤード内の蔵置場所の指示も合わせて実施）。それによって、構内トレーラーと外来トレーラーの処理のバランスをとることができる。

外来トレーラーの搬出入情報、本船荷役情報、構内トレーラーの稼働状況等の過去データから、日単位での実績を算出、ＡＩによるディープラーニングの手法により外来トレーラーの来訪台数、荷役機械の稼働台数、構内トレーラーの台数を予測可能とすることで、ターミナル内に投入する人員、ゲートのレイアウト（空コンテナ搬出入用、実入りコンテナ搬出入用のレーン数）の変更を１日単位ごとに随時実施できる。

上記にかかる作業結果について、全てをデータベースに共有し、一元化する。これを、ＡＩにより評価し、各ターミナルにおける各判断指標の適正化を継続的に行うことで、システムに接続したターミナルにおけるオペレーションを、全体的な効率化が実現される。

このように、本実施例によれば、コンテナターミナルにおけるＩｏＴ活用としてはコンテナや車両情報の自動識別などによりゲート処理の効率化やドライバーの待機時間の軽減を図り、バンニングやゲート情報あるいはヤード、本船荷役などをプラットフォームに集約して物流の効率化、取扱能力の拡充といった港湾情報の可視化・一元化を図る。ＡＩの活用としては数万個のコンテナや荷役機械の動きの最適化を図るとともに熟練者の技術の蓄積・継承を行って暗黙知の定式化を行い、またコンテナダメージの自動判別を行ってチェック品質の向上と労働環境の改善を行うようにする。また、コンテナの自動搬送やトレーラーの隊列走行を採ることによってコンテナ輸送効率の向上・道路混雑の緩和を図ることができ、荷役機械の遠隔化や自動化によって荷役効率の向上・労働環境の改善など自動化により効果を実現できる。

１０……プラットフォーム、１２……データベース、１４……ＡＩシステム、１６……コンテナターミナル、１８……ターミナルシステム、２０……荷役機械、２２……外来トレーラー、２４……構内シャーシ。

Claims (6)

1. コンテナ搬出入に関するデータが格納されるデータベースと、そのデータベースとの間で入出力されデータの収集・蓄積・立案・制御をなして物流の最適化を行うＡＩシステムと、ＡＩシステムにて策定された制御値を受け取るターミナルシステムとにより構成され、少なくともＡＩシステムでは過去のコンテナターミナルオペレーション実績を自律的学習することを可能としてなるコンテナターミナルシステム。
2. 前記ターミナルシステムでは搬出入データはトレーラーの運転手が確認可能とされ、搬出入の際の輸送に利用可能としていることを特徴とする請求項１に記載のコンテナターミナルシステム。
3. 前記ＡＩシステムからコンテナターミナルへの制御値の出力はコンテナ蔵置プランであることを特徴とする請求項１に記載のコンテナターミナルシステム。
4. 前記ＡＩシステムからコンテナターミナルへの制御値の出力は構内トレーラーの最適なタイミングの算出値とヤード内へのコンテナ蔵置場所への指示であることを特徴とする請求項１に記載のコンテナターミナルシステム。
5. ビックデータを格納しているデータベースからコンテナ搬出入に関するデータを入出力し、その入出力され入力されたデータに基づき収集・蓄積し自律的に繰り返し学習により立案・制御をなして物流の最適化をなしターミナルシステムではＡＩシステムにて策定された制御値を受け取り可能とし、少なくともＡＩシステムではコンテナターミナルオペレーション実績を評価し定式化して、自律学習を可能とするコンテナターミナルシステムのオペレーション方法。
6. 前記定式化・自律学習により最適化された出力は蔵置プランであることを特徴とする請求項５に記載のコンテナターミナルシステムのオペレーション方法。