HPC implementiert maschinelles Lernen für die Vorhersage der Verweildauer von Containern
Der Begriff "Verweildauer" wird verwendet, um den Zeitraum zu messen, den ein Container am Terminal verbleibt, d.h. den Zeitraum von der Ankunft auf See bis zum Verlassen des Terminals per LKW, Bahn oder Schiff. Bisher gibt es für so genannte Importcontainer keine spezifischen Informationen über die Abholzeit per LKW bei der Auswahl des Stack-in Slots. Dies kann zu einer ineffizienten Lagerung von Containern auf dem Hof führen. Dies wiederum führt zu einem hohen Risiko für zusätzliche Umlagerungen, die zusätzliche Ressourcen, Wartung und Energie erfordern.
Um diese betriebliche Ineffizienz abzumildern, nutzt das gemeinsame Projekt des Terminalbetreibers HHLA, des Softwarespezialisten INFORM und des Logistikberaters HPC die Technologie des maschinellen Lernens, um die individuelle Verweildauer von Containern vorherzusagen, mit dem Ziel, den Umschlag von Importcontainern an den Terminals zu reduzieren.
Als Spezialist für IT-Softwareintegration und Terminalbetrieb nutzt HPC den Ansatz des Deep Learning, um verborgene Muster in den historischen Daten der Containerbewegungen am HHLA CTB über einen Zeitraum von zwei Jahren zu erkennen und diese Informationen zu hochwertigen Datensätzen zu verarbeiten. Die Ergebnisse, die mit dem Syncrotess Machine Learning Modul von INFORM ausgewertet und mit dem HPCsimulationstool validiert wurden, zeigen eine signifikante Reduzierung der Shuffle Moves, was zu einer geringeren Umschlagzeit der LKWs führt.
"Die Nutzung von maschinellem Lernen und künstlicher Intelligenz und die Integration dieser Technologien in die bestehende IT-Infrastruktur sind die Erfolgsfaktoren, um die nächste Stufe der Optimierungen zu erreichen", sagt Jens Hansen, als Vorstand verantwortlich für die IT bei der HHLA. "Eine detaillierte Analyse und eine reibungslose Verbindung zwischen allen verschiedenen Systemen ermöglichen den Wert der verbesserten Sicherheit bei gleichzeitiger Reduzierung der Kosten und Treibhausgasemissionen."
"Datenverfügbarkeit und Datenverarbeitung sind ein wichtiger Schlüssel, wenn es um die Nutzung von KI-Technologie geht", sagt Alexis Pangalos, Head of Software Engineering bei HPC. "Es erfordert ein detailliertes Fachwissen über den Terminalbetrieb, um eine höhere Produktivität der Terminalgeräte und der damit verbundenen Prozesse zu erreichen."
Die Integration in die Slot-Zuweisung des bestehenden TOS-Systems, Integrated Terminal Control System (ITS), gewährleistet seine benutzerfreundliche Bedienbarkeit. Der Algorithmus arbeitet im Hintergrund und optimiert seine Vorhersage auf der Grundlage der laufenden Betriebsdaten weiter.
"Das Modul für maschinelles Lernen von INFORM ermöglicht dem CTB die Nutzung von Erkenntnissen, die von Algorithmen generiert werden, die kontinuierlich aus historischen Daten lernen", sagt Dr. Eva Savelsberg, Senior Vice President der Logistikabteilung von INFORM.
Die TOS-Zusatzlösung Dwell Time Prediction ist terminalspezifisch und kann auch auf andere Terminals übertragen werden.
Weitere Informationen über die IT-Beratung von HPC und aktuelle Informationen über Lösungen für Häfen, Seeterminals und den intermodalen Schienenverkehr finden Sie unterwww.hpc-hamburg.de.
