JP6818326B2 - 人工知能を活用した荷役機械の分散配置システム - Google Patents

Description

本発明は、コンテナターミナルを運用する際のシステムに係り、特に、コンテナヤードにおけるコンテナ荷役の効率化を図る際に好適な人工知能を活用した荷役機械の分散配置システムに関する。

輸出コンテナの搬入または輸入コンテナの搬出のためにコンテナターミナルに来訪したトレーラは、ゲートにて諸手続きを行い、ターミナル側の指示を受けてターミナル内の蔵置場所へ移動する。また、コンテナターミナルでは、本船に積み込む輸出コンテナ及び本船から積み下ろした輸入コンテナを、一般的にはコンテナヤード内に積み重ねて蔵置している。また、輸入については、本船から輸入コンテナを降ろす際、運行スケジュールにずれが生じないように、本船の接岸時間を最小にすることを重視した荷役が行われるため、次のような問題が生じることがある。

例えば図４に示すように、本船１８から積み下ろした輸入コンテナ４０用の蔵置場所１４として確保されたスペースに、ヤードクレーン２４などの荷役機械が集中することで、荷役機械同士の干渉が生じ、１台あたりの荷役効率が低下するといった事項である。

また、荷役機械が一部のスペースに集中することで、他の蔵置場所１４ａが手薄となり、本船１８の荷役作業中におけるコンテナヤード１６の稼働範囲が限定されてしまい、外来トレーラ２２の荷役が滞るといった事項も挙げることができる。

こうした問題の中、例えば特許文献１には、監視カメラやビーコンなどによりコンテナを搬出入する外来トレーラの位置情報や、コンテナターミナルへの到達予想時刻を精度良く割り出す事で、コンテナの積上げ順序や人員、荷役機械の配置等を効率良く行う技術が開示されている。

また、コンテナの搬出入に関しては、コンテナの搬出入の時刻を把握しきれない事により、荷役機械の移動や、無駄な荷繰りが生じ、これが外来トレーラに対する荷役遅滞の要因となる事もある。こうした問題については、例えば特許文献２に、ＧＰＳや汎用通信機器を介して外来トレーラの位置情報を検出し、当該外来トレーラの到着予定時刻を予測し、ヤード内における荷役機械等に、先行した荷繰り作業等の指示を出し、外来トレーラの待機時間を低減するという技術が開示されている。

特開２００３−１８７３９３号公報 特開２０１３−１４０４１３号公報

上記特許文献に開示されている技術によれば、いずれの技術を利用しても、外来トレーラの到着予測を精度良く行う事ができ、これに応じた荷役作業指示を行う事が可能となる。しかし、いずれの技術も実状の情報のみに基づいて時刻予測を行うため、実際に外来トレーラがコンテナ搬出入のために移動を開始した後でなければ、対応することができない。

このため、日単位の作業において予め、効率的な荷役機械の配置や人員の配置を予測する事はできず、時々変化する情報に基づいて、荷役機械や人員の大幅な配置変更を行う必要が生じる場合がある。

また、外来トレーラの来訪に対して、蔵置されたコンテナに対する無駄な荷繰り作業を減らすという点については、いずれの技術を利用した場合であっても、対応する事ができない。

そこで本発明では、上記課題を解決し、日単位の作業における効率的な荷役機械の配置を予め行うと共に、無駄な荷繰り作業を低減可能な蔵置指示を出力する事を可能とする人工知能を活用した荷役機械の分散配置システムを提供することを目的とする。

上記目的を達成するための人工知能を活用した荷役機械の分散配置システムは、本船とコンテナターミナルとの間でコンテナの荷役を行うガントリークレーンと、前記ガントリークレーンとコンテナヤード内における蔵置場所との間でコンテナの搬送を行う構内トレーラと、荷主と前記蔵置場所との間でのコンテナ搬送を行う外来トレーラ、および前記蔵置場所において前記構内トレーラまたは前記外来トレーラとの間でコンテナの荷役を行うヤードクレーンとを備えているコンテナターミナルの管理システムにおいて、ニューラルネットワークを構築した人工知能を備え、前記人工知能には少なくとも、コンテナ関連情報と、コンテナ搬出関連情報、荷役作業関連情報、およびターミナル外部要因情報を入力データとして入力し、ディープラーニングの手法を用いて、前記ガントリークレーンの稼働率がデータ上の最大値に維持される前記構内トレーラの運行を保つと共に、前記ヤードクレーンの稼働率がデータ上の最大値となり、かつ前記外来トレーラの荷役時における待機時間が計算上最少となる前記ヤードクレーンの日単位での配備数と、その配置状態、並びに前記構内トレーラの日単位での配備数を出力データとして求め、個々の前記外来トレーラ並びに前記構内トレーラに対する蔵置場所の指定情報と、前記配備数に従って配備された前記ヤードクレーンそれぞれに対する配置指示情報とを送信することを特徴とする。

また、上記のような特徴を有する人工知能を活用した荷役機械の分散配置システムにおいて、前記出力データには、蔵置されたコンテナが搬出されるまでに予測される荷繰り回数が最少となる蔵置プランが含まれ、前記ヤードクレーンに対する指示情報には、前記蔵置プランに応じたタスク指示情報が含まれるようにすることもできる。このような特徴を有する事によれば、コンテナが搬出されるまでの間における荷繰り作業の回数が低減され、ヤードクレーンの無駄な稼働が低減される。これにより、従来、荷繰り作業に要していた時間を荷役作業に使う事ができるようになり、蔵置場所における構内トレーラ、あるいは外来トレーラの待機時間を減らすことができる。

また、上記のような特徴を有する人工知能を活用した荷役機械の分散配置システムにおいて、前記蔵置プランの算出には、本船における積付プランに従って輸出コンテナを積付ける際に、コンテナの本船荷役に要するマーシャリング回数が最少となる予測値が含まれるようにすることもできる。このような特徴を有する事によれば、コンテナ輸出時においても、無駄なマーシャリング作業の発生を低減可能な蔵置を行う事ができる。よって、従来、マーシャリング作業に要していた時間を荷役作業に使う事ができるようになり、蔵置場所における構内トレーラ、あるいは外来トレーラの待機時間を減らすことができる。

さらに、上記のような特徴を有する人工知能を活用した荷役機械の分散配置システムでは、前記コンテナ関連情報には、コンテナの特性データ、行先データ、本船データが含まれ、前記コンテナ搬出関連情報には、輸入コンテナの搬出予定日時、荷主や積荷に基づく過去の搬出実績が含まれ、前記荷役作業関連情報には、本船の積付プラン、ヤードプラン、本船荷役情報、ゲート情報、ヤード荷役情報、前記ガントリークレーン並びに前記ヤードクレーンのオペレータ情報、前記ガントリークレーン並びに前記ヤードクレーンの位置情報、およびステータス情報が含まれ、前記ターミナル外部要因情報には、日付、曜日、天候、外部イベント、道路交通状況が含まれるようにすると良い。

上記のような特徴を有する人工知能を活用した荷役機械の分散配置システムによれば、日単位の作業における効率的な荷役機械の配置を予め行うと共に、無駄な荷繰り作業を低減可能な蔵置指示を出力する事ができる。

実施形態に係る人工知能を活用した荷役機械の分散配置システムを構成する要素とコンテナターミナルとの関係を示す図である。 実施形態に係る人工知能を活用した荷役機械の分散配置システムの概念を示す概略図である。 実施形態に係るＡＩによるコンテナの蔵置プランの変更の一例を説明するための図である。 従来のコンテナターミナルにおける輸入コンテナを荷下ろしする際の荷役機械の配置形態の例を示す図である。

以下、本発明の人工知能を活用した荷役機械の分散配置システムに係る実施の形態について、図面を参照して詳細に説明する。まず、図１、図２を参照して、人工知能を活用した荷役機械の分散配置システム（以下、ＡＩ分散配置システム１０と称す）を備えるコンテナターミナル１２について説明する。

［ターミナル構成］
本実施形態に係るＡＩ分散配置システム１０を備えたコンテナターミナル１２には、例えばコンテナ４０を蔵置する蔵置場所１４が設けられたコンテナヤード１６と、岸壁側に設けられ、コンテナ４０を運ぶコンテナ船（本船１８）が着岸するバースを有する。また、コンテナヤード１６の蔵置場所１４には、構内トレーラ２０、または外来トレーラ２２との間でコンテナ４０の荷役を行うヤードクレーン２４が配備され、岸壁には、本船１８と岸壁との間でコンテナ４０の荷役を行うガントリークレーン（以下、ＧＣ２６と称す）が配備されている。なお、外来トレーラ２２は、ゲート３４を介してコンテナターミナル１２内へと来訪する。

また、このようなコンテナターミナル１２では、管理塔２８内などに設けられたターミナルオペレーションシステム（以下、ＴＯＳ３０と称す）により、本船１８の運航管理、ＧＣ２６に対する荷役指示、構内トレーラ２０の運行管理、ヤードクレーン２４の制御指示、外来トレーラ２２に対する蔵置場所の指定、およびコンテナ４０の搬出入管理等が行われている。本実施形態に係るＡＩ分散配置システム１０は、ＴＯＳ３０上、あるいはＴＯＳ３０に付帯されたコンピュータ上に、ニューラルネットワークを構築した人工知能（以下、artificial intelligence：ＡＩ３２と称す）を構成することで成り立っている。そしてＡＩ３２は、主にＴＯＳ３０によって管理、蓄積されている情報に基づいて、荷役機械の分散配置等の最適化を図るための指示に関するデータを出力する。

［ＡＩ入力情報］
ＡＩ３２が解析を行うために利用する入力情報とは、主に、コンテナ関連情報や、コンテナ搬出関連情報、荷役作業関連情報、およびターミナル外部要因情報などである。各処理情報の具体例としては、次の通りであるが、以下に示す情報は、絶対的なものでは無く、適宜取捨選択が成される事があると共に、その情報区分も変動することがある。

コンテナ関連情報としては、コンテナの特性データや、行き先データ、および本船データとする事ができる。なお、コンテナの特性データには、コンテナ番号や、コンテナのサイズ、コンテナの種類、実入りコンテナであるか、空コンテナであるか、輸出コンテナであるか、輸入コンテナであるか、コンテナの荷主、荷物の品目、重量などが含まれる。また、行き先データには、コンテナを荷揚げする港、あるいはコンテナを荷積みする港、およびコンテナの発着する港などが含まれる。また、本船データには、コンテナを運搬する本船の船名や、便名が含まれる。

コンテナ搬出関連情報としては、輸入コンテナの搬出予定日時、荷主や積荷に基づく過去の搬出実績とすることができる。なお、搬出予定日には、搬出日が不明である場合も含む。また、搬出実績は、荷主や積荷に関連して把握されていたコンテナの搬出日時（事前把握情報）と、当該コンテナが実際に搬出された日時との関係についての情報である。

荷役作業関連情報としては、本船の積付プランやヤードプラン、本船荷役情報、ゲート情報、ヤード荷役情報、ＧＣ２６並びにヤードクレーン２４のオペレータ情報、ＧＣ２６並びにヤードクレーン２４の位置情報、およびＧＣ２６並びにヤードクレーン２４のステータス情報とすることができる。なお、本船の積付プランには、コンテナ４０の積付順序のみならず、特殊貨物の有無、および積付場所などの情報が含まれる。また、時々変化する本船荷役情報や、ゲート情報、およびヤード荷役情報については、所定の更新時間ごとに随時更新されるようにする。また、オペレータ情報とは、オペレータの氏名、スキル（実績等）の他、体調などを含む。また、位置情報は、ＧＰＳ（Global Positioning System）や、その他の位置情報取得システム（たとえば、短距離無線システムを利用した３点距離に基づく位置決め）などによって取得されるＧＣ２６や、ヤードクレーン２４の位置情報である。また、ステータス情報とは、該当するＧＣ２６やヤードクレーン２４が稼働しているのか、停止しているのかといった情報を含む。

ターミナル外部要因情報としては、日付や、曜日、天候、外部イベントの有無、またはその内容、および道路交通状況などを含むものとすることができる。

このような情報は、主に、ＴＯＳ３０に入力、蓄積され、ＡＩ３２の入力情報として利用される。内容が変化する情報の取得は、実状の変化の把握や、解析時の負荷などを考慮し、入力データの転送が一定間隔で行われることが望ましい。

［ＡＩ解析］
ＴＯＳ３０を介して得られる上記のような入力情報に基づき、ＡＩ３２は、ニューラルネットワークを用いたディープラーニングの手法による解析を行う。本実施形態の場合における解析事項は、例えば次のような事項とすることができる。

例えば、輸入コンテナ４０を荷下ろしする際には、第１に、ＧＣ２６の稼働率がデータ上の最大値を維持することができる構内トレーラ２０の配備が検討される。ここで、構内トレーラ２０には、コンテナヤード１６における蔵置場所１４が、岸壁側に集中せず、ヤードクレーン２４による荷役作業の割合が、構内トレーラ２０と外来トレーラ２２との間で、その荷役の待機時間の偏りが生じ難くなるように定められた場合に、その稼働率が最大（待機時間等が最少となる）となるように、配備数が定められる。

また、ヤードクレーン２４には、ＧＣ２６の稼働率がデータ上の最大値に維持されるように構内トレーラ２０の運行を保つと共に、ヤードクレーン２４自体の稼働率もデータ上の最大値となり、かつ外来トレーラ２２の荷役時における待機時間が計算上の最少値となる配備数と、その配置状態が定められる。

このようにして、ヤードクレーン２４や構内トレーラ２０の配備数や、構内トレーラ２０に対する蔵置位置１４（走行ルートを含む）、およびヤードクレーン２４の配置状態を定めることで、１台あたりの荷役機械（ＧＣ２６やヤードクレーン２４の他、構内トレーラ２０も含む）の作業効率が最大化される。また、ヤードクレーン２４が分散配置されることとなるため、コンテナヤード１６全体で荷役作業が平準化されることとなる。

また、上記のようなヤードクレーン２４の配置や、構内トレーラ２０への蔵置場所１４の指定は、輸入コンテナ４０の搬出予定日時や、過去の搬出実績など基づいて、実際の搬出日時（外来トレーラ２２の来訪日時）をＡＩ３２により予測した上で成される。

ここで、ＡＩ３２により輸入コンテナ４０の搬出日時の予測が成された後には、その輸入コンテナ４０の搬出予測日時までの間に成される荷繰りの回数が最少となる蔵置場所１４、並びに蔵置プランが算出されると共に、このような蔵置プランを実施するための作業タスクに関する指示情報（タスク指示情報）が求められる。例えば蔵置プランについての例を挙げると、従来の蔵置プランでは図３（Ａ）のように、荷主や送り先、品目、重量等に関わりなく、所定の行、列、高さとなるように蔵置プランが立てられていたものが、本実施形態によるＡＩ３２による解析予測を実施することで、図３（Ｂ）のように、荷主や送り先、品目、重量等が一纏まりとなるような蔵置プランが立てられることとなる。これにより、荷主や送り先、品目等に応じた搬出をスムーズに行う事ができるようになり、コンテナ搬出の都度、荷繰りを行うといった事態を避けることが可能となる。

なお、ヤードクレーン２４の配置位置や構内トレーラ２０に対する蔵置場所１４の指定は、こうした予測値、並びに算出プランを基に、ＡＩ３２による解析が成された上で定められる。また、外来トレーラ２２に対する蔵置場所１４の指定（走行ルートの指定）は、各輸入コンテナ４０の蔵置場所１４が定まる事により、決定することができる。

［ＡＩ出力情報］
ＡＩ３２により、構内トレーラ２０の配備数や蔵置場所１４の指定（走行ルートの指定）、外来トレーラ２２に対する蔵置場所１４の指定（走行ルートの指定）、ヤードクレーン２４の配備数、およびヤードクレーン２４の配置位置が定められた場合、ＡＩ３２は、これらの各種情報を蔵置場所指定情報、並びに配置指示情報としてＴＯＳ３０へ出力する。

ＴＯＳ３０は、ヤードプランとして、構内トレーラ２０やヤードクレーン２４の配備数をターミナルオペレータなどの管理者に視認可能な形態で出力する。ここで、構内トレーラ２０やヤードクレーン２２の配備数については、“日単位”での出力とすれば良い。時間により逐次出し入れを行うのは無駄が大きく非効率性が高くなるからである。

また、ＴＯＳ３０は、ネットワークを介して、配備された各構内トレーラ２０（構内トレーラの運転手）に対して逐次、運送するコンテナ４０の蔵置場所１４の指定（走行ルートの指定を含む）を配置指示情報として出力する。同様にして、ＴＯＳ３０は、コンテナヤード１６内に配備された各ヤードクレーン２４（ヤードクレーンのオペレータ）に対して、ヤードクレーン２４の配置位置、並びに積付プランを配置指示情報として出力する。さらに、外来トレーラ２２（外来トレーラの運転手）への配置指示情報は、コンテナターミナル１２のゲート３４に対して出力することで、外来トレーラ２２の受付時に当該情報を表示し、外来トレーラ２２の運転手に認知されるようにする。

［効果］
上記のようなＡＩ分散配置システム１０によれば、ヤードクレーン２４や構内トレーラ２０の配備数や、構内トレーラ２０に対する蔵置位置１４（走行ルート）、およびヤードクレーン２４の配置状態を定めることで、１台あたりの荷役機械（ＧＣ２６やヤードクレーン２４の他、構内トレーラ２０も含む）の作業効率が最大化される。また、ヤードクレーン２４が分散配置されることとなるため、コンテナヤード１６全体で荷役作業が平準化されることとなる。

また、輸入コンテナ４０が搬出されるまでの間における荷繰り作業の回数が低減され、ヤードクレーン２４の無駄な稼働が低減される。これにより、従来、荷繰り作業に要していた時間を荷役作業に使う事ができるようになり、蔵置場所１４における構内トレーラ２０、あるいは外来トレーラ２２の待機時間を減らすことができる。

そして、総合的に見た場合には、荷役機械の台数や稼働時間の低減、オペレータや運転手の労働時間の短縮を図る事ができ、コンテナターミナル１２内における荷役作業のコスト低減を図ることができる。

［その他：輸出コンテナへの対応］
上記実施形態では、主に輸入コンテナ４０の荷役に関するＡＩ分散配置システム１０の適用について説明した。しかし、本実施形態に係るＡＩ分散配置システム１０は、輸出コンテナの荷役にも適用することができる。

輸出コンテナを取り扱う際には、本船１８に積み込むコンテナ４０を一か所にまとめるブルドージングを予め行い、コンテナヤード１６内において一定程度の分類（例えば輸出先や品目など）にまとめられたコンテナ群を、本船１８の一定程度のスペースに割り当てる積付プランを作成する。しかし、実際に本船１８にコンテナ４０を積み込む際には、本船１８内のコンテナの重量配分を考慮して、ブルドージングによってまとめられたコンテナ４０の積付プランを変更し、変更した積付プランに合わせた積み込み作業を行うためのマーシャリングが必要となる場合がある。

本実施形態に係るＡＩ３２は、輸出コンテナ搬入時において取得可能なブッキングリストを入力情報として取得した場合、解析により、本船１８の積付プランを推定し、本船推定積付プランを求めることができる。そして、本船推定積付プランに基づいて蔵置プランを立てる事で、輸出時における無駄なマーシャリング作業の発生を低減可能な蔵置を行う事ができる。

［応用例］
上記実施形態では、ＡＩ３２が解析に利用する入力データとして、作業者（オペレータや運転手等）の判断による影響が無い事項のみを選定要素として挙げている。しかしながら、作業者等の操作や判断、すなわちコンテナターミナル１２内に人が居る事による影響（波動的な変化）を入力データに含ませる事で、ＡＩ３２による解析が、人による影響を踏まえたものとなり、より実状に最適な結果を得る事が可能となると考えられる。

このため、ＡＩ３２が解析に利用する入力データには、作業者認知情報を含むようにすると良い。具体的には、ＧＣ２６やヤードクレーン２４などの荷役機械のオペレータ、ターミナルオペレータ、構内トレーラ２０や外来トレーラ２２のドライバー等における判断や対応を含むようにすれば良い。

作業者認知情報の入力については、専用の入力機器の他、携帯端末等におけるタッチパネルや、カメラ、音声入力手段等を介してなされるようにすれば良い。

１０………ＡＩ分散配置システム、１２………コンテナターミナル、１４………蔵置場所、１６………コンテナヤード、１８………本船、２０………構内トレーラ、２２………外来トレーラ、２４………ヤードクレーン、２６………ＧＣ、２８………管理棟、３０………ＴＯＳ、３２………ＡＩ、３４………ゲート、４０………コンテナ。

Claims (4)

1. 本船とコンテナターミナルとの間でコンテナの荷役を行うガントリークレーンと、前記ガントリークレーンとコンテナヤード内における蔵置場所との間でコンテナの搬送を行う構内トレーラと、荷主と前記蔵置場所との間でのコンテナ搬送を行う外来トレーラ、および前記蔵置場所において前記構内トレーラまたは前記外来トレーラとの間でコンテナの荷役を行うヤードクレーンとを備えているコンテナターミナルの管理システムにおいて、
   ニューラルネットワークを構築した人工知能を備え、
   前記人工知能には少なくとも、コンテナ関連情報と、コンテナ搬出関連情報、荷役作業関連情報、およびターミナル外部要因情報を入力データとして入力し、
   ディープラーニングの手法を用いて、前記ガントリークレーンの稼働率がデータ上の最大値に維持される前記構内トレーラの運行を保つと共に、前記ヤードクレーンの稼働率がデータ上の最大値となり、かつ前記外来トレーラの荷役時における待機時間が計算上最少となる前記ヤードクレーンの日単位での配備数と、その配置状態、並びに前記構内トレーラの日単位での配備数を出力データとして求め、
   個々の前記外来トレーラ並びに前記構内トレーラに対する蔵置場所の指定情報と、前記配備数に従って配備された前記ヤードクレーンそれぞれに対する配置指示情報とを送信することを特徴とする人工知能を活用した荷役機械の分散配置システム。
2. 前記出力データには、蔵置されたコンテナが搬出されるまでに予測される荷繰り回数が最少となる蔵置プランが含まれ、
   前記ヤードクレーンに対する指示情報には、前記蔵置プランに応じたタスク指示情報が含まれることを特徴とする請求項１に記載の人工知能を活用した荷役機械の分散配置システム。
3. 前記蔵置プランの算出には、本船における積付プランに従って輸出コンテナを積付ける際に、コンテナの本船荷役に要するマーシャリング回数が最少となる予測値が含まれることを特徴とする請求項２に記載の人工知能を活用した荷役機械の分散配置システム。
4. 前記コンテナ関連情報には、コンテナの特性データ、行先データ、本船データが含まれ、
   前記コンテナ搬出関連情報には、輸入コンテナの搬出予定日時、荷主や積荷に基づく過去の搬出実績が含まれ、
   前記荷役作業関連情報には、本船の積付プラン、ヤードプラン、本船荷役情報、ゲート情報、ヤード荷役情報、前記ガントリークレーン並びに前記ヤードクレーンのオペレータ情報、前記ガントリークレーン並びに前記ヤードクレーンの位置情報、およびステータス情報が含まれ、
   前記ターミナル外部要因情報には、日付、曜日、天候、外部イベント、道路交通状況が含まれることを特徴とする請求項１乃至３のいずれか１項に記載の人工知能を活用した荷役機械の分散配置システム。

Images