Техніка та енергетика

РОЗРОБКА АГЕНТНОЇ ІМІТАЦІЙНОЇ МОДЕЛІ МУЛЬТИМОДАЛЬНИХ ПЕРЕВЕЗЕНЬ ЗАЛІЗОРУДНОГО КОНЦЕНТРАТУ

Манафуддін Намазов, Вячеслав Іванович Мацюк, Юлія Вікторівна Булгакова, Ірина Володимирівна Ніколаєнко, Роман Віталійович Вернигора
Завантажити статтю
Анотація

Більшість глобальних логістичних ланцюгів реалізуються за допомогою різних видів транспорту. Особливо це стосується генеральних вантажів, таких як залізна руда, нафта, зерно. Зі зростанням кількості учасників у транспортному процесі збільшуються ризики затримок, збоїв у роботі та невиконання термінів доставках. Тому покращення мультимодальних маршрутів постачання вантажів залишається актуальною науково-прикладною проблемою. Метою дослідження було вивчити техніко-експлуатаційних параметрів мультимодального ланцюга постачання вантажів (на прикладі перевезення залізорудного концентрату). Для цього була розроблена агентна імітаційна модель. Імітаційна модель реалізована у середовищі Any Logic University Researcher з використанням компілятора Java SE, оскільки цей інструментарій дозволяє одночасно поєднувати дискретно-подієвий та агентний підходи. В результаті експерименту з імітаційною моделлю було встановлено, що: 1) приблизно 40 % часу доставки припадає на очікування вантажем транспортних одиниць для  завантаження (8 %) та перебування вантажу під накопиченням до норми завантаження транспортної одиниці (33 %); 2) експеримент чутливості моделі визначив, що з усіх змінних технологічних параметрів базової моделі найбільший вплив на середній час доставки вантажів має різниця у співвідношенні між нормою завантаження залізничного маршруту та морського судна; 3) залежність між місткістю судна (при рівномірному надходженні вантажу у пункт навантаження) і середнім часом накопичення партії вантажу до норми навантаження у судно, апроксимується лінійною залежністю. Результати дослідження можуть бути використані для вдосконалення технологій транспортування залізорудного концентрату з України в інші країни

Ключові слова

технологічна система, оптимізація роботи терміналів, Java-код, залізнично-морський ланцюг постачання, системний аналіз

ЦИТУВАТИ
Namazov, M., Matsiuk, V., Bulgakova, I., Nikolaienko, I., & Vernyhora, R. (2023). Agent-based simulation model of multimodal iron ore concentrate transportation. Machinery & Energetics, 14(1), 46-56. https://doi.org/10.31548/machinery/1.2023.46
Використані джерела

[1] Abdulsattar, H., Mostafizi, A., Siam, M.R.K., & Wang, H. (2019). Measuring the impacts of connected vehicles on travel time reliability in a work zone environment: An agent-based approach. Journal of Intelligent Transportation Systems Technology Planning and Operations, 24(5), 421-436. doi: 10.1080/15472450.2019.1573351.

[2] Abdulsattar, M., Oudani, M., Samiri, M.Y., Boudebous, D., El Fazziki, A., Najib, M., Bouain, A., & Rouky, N. (2017). A multi-agent based simulation model for rail-rail transshipment: An engineering approach for gantry crane scheduling. IEEE Access, 5, 13142-13156. doi: 10.1109/ACCESS.2017.2713246.

[3] Baugher, R. (2015). Simulation of yard and terminal operations. In Handbook of Operations Research Applications at Railroads (pp. 219-242). Berlin: Springer. doi: 10.1007/978-1-4899-7571-3.

[4] Borshchev, A. (2014). The big book of simulation modeling: Multimethod modeling with AnyLogic 6. Chicago: Anylogic. 12.

[5] Chargui, K., El fallahi, A., Reghioui, M., & Zouadi, T. (2019). A reactive multi-agent approach for online (re)scheduling of resources in port container terminals. IFAC-PapersOnLine, 52(13), 124-129. doi: 10.1016/j.ifacol.2019.11.163.

[6] Elbert, R., Coleman, K., & Reinhardt, D. (2017). Simulation of the order process in maritime hinterland transportation: The impact of order release times. In Proceedings of “Winter Simulation Conference (pp. 3471-3482). Piscataway, New Jersey.

[7] Fang, X., Ji, Z., Chen, Z., Chen, W., Cao, C., & Gan, J. (2020). Synergy degree evaluation of container multimodal transport system. Sustainability, 12, article number 1487. doi: 10.3390/su12041487.

[8] Grobarcikova, A. & Sosedova, J. (2016). Design of agent-based model for barge container transport. Transport Problems, 11, 95-101. doi: 10.20858/tp.2016.11.4.9.

[9] Le Pira, M. (2018). Transport planning with stakeholders: An agent-based modelling approach. International Journal of Transport Economics, 45(1), 15-35. doi: 10.19272/201806701002.

[10] Lelke, T., Bienzeisler, L., & Friedrich, B. (2023). Generating standardized agent-based transport models in Germany. In Proceedings of the 12th international scientific conference on mobility and transport (pp. 91-103). Singapore: Springer. doi: 10.1007/978-981-19-8361-0_7.

[11] Lopes, H.S., Lima, R.S., Leal, F., & Nelson, A.C. (2017). Scenario analysis of Brazilian soybean exports via discrete event simulation applied to soybean transportation: The case of Mato Grosso State. Research in Transportation Business & Management, 25, 66-75. doi: 10.1016/j.rtbm.2017.09.002.

[12] Matsiuk, V. (2017). A study of the technological reliability of railway stations by an example of transit trains processing. Eastern-European Journal of Enterprise Technologies, 1(3(85)), 18-24. doi: 10.15587/1729-4061.2017.91074.

[13] Matsiuk, V., Myronenko, V., Horoshko, V., Prokhorchenko, A., Hrushevska, T., Shcherbyna, R., Matsiuk, N., Khokhlacheva, J., Biziuk, I., & Tymchenko, N. (2019). Improvement of efficiency in the organization of transfer trains at developed railway nodes by implementing a “flexible model”. Eastern-European Journal of Enterprise Technologies, 2(3(98)), 32-39. doi: 10.15587/1729-4061.2019.162143.

[14] Muravev, D., Hu, H., Rakhmangulov, A., & Mishkurov, P. (2021). Multi-agent optimization of the intermodal terminal main parameters by using AnyLogic simulation platform: Case study on the Ningbo-Zhoushan Port. International Journal of Information Management, 57, article number 102133. doi: 10.1016/j.ijinfomgt.2020.102133.

[15] Qu, C. & Zeng, Q., Li, K.X., & Lin, K.-C. (2020). Modeling incentive strategies for landside integration in multimodal transport chains. Transportation Research Part A: Policyand Practice, 137, 47-64.doi: 10.1016/j.tra.2020.04.012.

[16] Reis, V. (2019). A disaggregated freight transport market model based on agents and fuzzy logic. Transportmetrica B: Transport Dynamics, 7, 363-385. doi: 10.1080/21680566.2017.1421108.

[17] Ruiz-Aguilar, J.J., Turias, I.J., Cerbán, M., Jiménez-Come, M.J., González, M.J., & Pulido A. (2016). Time analysis of the containerized cargo flow in the logistic chain using simulation tools: The case of the port of Seville (Spain). Transportation Research Procedia, 18, 19-26. doi: 10.1016/j.trpro.2016.12.003.

[18] Shramenko, N., & Shramenko, V. (2018). Mathematical model of the logistics chain for the delivery of bulk cargo by rail transport. Scientific Bulletin of National Mining University, 5, 136-141. doi: 10.29202/nvngu/2018-5/15.

[19] UNCTAD (2022). Review of maritime transport 2022. Geneva: United Nations Publication.

[20] Wang, C., Chen, J., Li, Z., Abouel Nasr, E.S., & El-Tamimi, A.M. (2019). An indicator system for evaluating the development of land-sea coordination systems: A case study of Lianyungang port. Ecological Indicators, 98, 112-120. doi: 10.1016/j.ecolind.2018.10.057.

[21] Yan, B., Zhu, X., Lee, D.-H., Jin, J.G., & Wang, L. (2020). Transshipment operations optimization of sea-rail intermodal container in seaport rail terminals. Computers & Industrial Engineering, 141, article number 106296. doi: 10.1016/j.cie.2020.106296.