Abstract – Planiranje operativnog rada obalskog krana i unutrašnjeg vozila su dva veoma bitna

subproblema u operacijama kontejnerskog terminala, a u prethodnim istraživanjima su odvojeno

analizirani. U ovom istraživanju planiranje rada obalskog krana i unutrašnjeg vozila se posmatraju
kao celina. Problem je formulisan kao MILP model i rešen je genetičkim algoritmom. Računarski
primeri pokazuju benefite integrisanih metoda i efikasnost predstavljenog algoritma.

1. Uvod
Prekookeanski kontejnerski transport je bio usled velikog razvoja poslednjih nekoliko decenija.
Rukovanje kontejnerima je poraslo sa 3.3 miliona TEU, koliko je bilo u 1997. godini na 9.9 miliona
TEU, koliko je bilo u 2007. godini. Kontejnerski terminali kao habovi transportne mreže kontejnera se
susreću sa striktnom potražnjom od strane transportnih kompanija da povećaju efikasnost sa
aspekta skladištenja, kao i prijema i otpreme kontejnera. Visoka produktivnost terminala kao i veliki
kapacitet protoka roba od obale terminala do unutrašnje strane terminala su zahtevi sa kojima se
terminali susreću svakodnevno. Da bi bili konkuretni na tržištu, kontejnerski terminali teže
ispunjavanju navedenih zahteva po niskoj ceni.

Usled činjenice da operacije unutar kontejnerskog terminala postoju sve komplikovanije i zahtevnije
sa aspekta potreba za odgovarajućom opremom, mašinama za rukovanje, komunikacionim
tehnologijama, ali i metodama za donošenje odluka u cilju postizanja bolje efikasnosti i smanjenja
troškova, operativno planiranje pretovarnih procesa dobija puno na značaju. Generalno postoje tri
tipa opreme za rad u kontejnerskom terminalu: obalski kranovi, vozila za unutrašnji transport i
unutrašnji kranovi.

Slika 1. Oprema za rad u kontejnerskom terminalu

Kao što se može videti na slici 1., obalski kran (QC) je zadužen na utovar/istovar kontejnera na relaciji
obala-brod i obratno. Pre pristizanja, svaki kontejnerski brod šalje svoj utovarni i istovarni plan
operaterima u kontejnerskom terminalu. U skladu sa planom operateri će odrediti QC plan koji
indikuje broj QC kranova potrebnih da opsluže brod, ali i koji kranovi će opsluživati određena
utovarno/istovarna mesta, odnosno koje kolone kontejnera (bays – slika 2.).
 Slika 2. Raspored kontejnera na brodu

U skladu sa karakteristikama kontejnera koji se nalaze na brodu (sadržaj robe, period skladištenja,
sledeća destinacija) operateri moraju odrediti plan skladištenja koji determiniše privremene
skladišne lokacije svakog kontejnera u terminalu. YC kran radi u unutrašnjem delu terminala. YC ima
zadatke da uskladišti kontejnere na dodeljene lokacije, ali i da istovara, odnosno prikuplja kontejnere
sa njihovih privremenih lokacija. Unutrašnja vozila imaju ulogu prevazilaženja prostorne udaljenosti
između YC kranova i QC kranova. Postoji veliki broj različitih tipova unutrašnjih vozila koja se koriste
u terminalima. U ovom istraživanju kao untrašnje vozilo uzima se YT (Yard Truck), odnosno
unutrašnji kamion.

Tokom prethodnih decenija operacije u kontejnerskim terminalima su privukle veliku pažnju u

istraživanjima. Kontejnerski terminal je kompleksni sistem a operacije u terminalu su serije problema
donošenja odluka (problem alokacije, raspodela rada QC, planiranje rada QC, planiranje rada YC i sl.).
Danas kompjuterska rešenja se implementiraju sa ciljem optimizacije rada terminala kao jedne
celine.

Veliki broj prethodnih istraživanja su bili posvećeni optimizaciji pojedinačnih problema umesto da se
radi optimizacija sistema u celini. Dva često istraživana pojedinačna problema su planiranje rada QC
krana i rada YC krana.

Operativni plan rada QC krana je prvi predstavio Daganzo u 1989. godine. On je predložio algoritam
za determinisanje broja kranova koje treba dodeliti utovarno/istovarnim mestima koji imaju
kapacitet prijema više od jednog broda. Literatura [5]predstavlja algoritam za determinisanje
vremena polazaka više brodova, kao i broj kranova dodeljenih individualnim brodovima u specifičnim
vremenskim intervalima. Funkcija cilja je bila minimizacija troškova usled kašnjenja. Literature [4] i
[5] pretpostavljaju da se jedan zadatak dodeljuje na jedno utovarno/istovarno mesto, zadatak za koji
su potrebne kranske operacije tokom određenog vremenskog intervala. Suprotno ovim literaturama,
Kim i Park [6] su proširili planiranje operativnog rada QC krana pretpostavljajući da se više zadataka
može realizovati u okviru jednog utovarno/istovarnog mesta, a na taj način se determiniše raspored
rada QC krana za svaki kontejner umesto za svako utovarno/istovarno mesto. Problem je formulisan
preko MILP modela i algoritma separacije i evaluacije za rešavanje modela. Međutim, sva ova
istraživanja vezana QC kran nisu uzimala u obzir ograničenja od strane unutrašnjih operacija, kao što
su vreme čekanja QC krana na unutrašnji kamion. Uvek se pretpostavljalo da je unutrašnji kamion
uvek dostupan QC kranu, što nije uvek slučaj u praksi.

Za planiranje rada unutrašnjih vozila, algoritam minimalnog protoka je predstavljen u literaturi [7] da
bi se minimizovao broj AGV vozila potrebnih da izvrše set dodeljenih zadataka bez kašnjenja. Kim i
Bae Park [9] su predložili unapred planiran metod dispečiranja za AGV vozila. U poređenju sa
literaturama [7] i [8], QC će možda trebati da čeka na AGV vozila, a funkcija cilja biće minimizacija
vremena putovanja AGV vozila, kao i minimizacija vremena čekanja QC na AGV vozila. Problem je
formulisan kao jedan za jedan problem dodeljivanja i rešen primenom namenskog heurističkog
algoritma. Statična verzija problema je proširena u dinamičnu verziju problema. Ng i ostali [10]
predstavljaju problem planiranja rada voznog parka unutrašnjih vozila koja bi odradila set
transportnih zadataka zavisnih od perioda vremena realizacije i različitih vremena spremnosti za
realizaciju. Vremena spremnosti kontejnera se reflektuju na operacije QC kranova.

Iako sve više istraživača uviđa značaj integrisanih metoda za rešavanje problema operacija u
kontejnerskim terminalima, u literaturama [2] i [11] planiranje rada QC krana i unutrašnjeg kamiona,
dva veoma povezana podproblema u kontejnerskom terminalu nisu posmatrani istovremeno. U
ovom istraživanju integrisani model za QC kran i YT unutrašnji kamion će biti analiziran. Da bi se
rešila MILP formulacija biće korišćeni genetički algoritmi.

2. Definicija i formulacija problema

U praktičnim operacijama, set QC kranova se dodeljuje za opslugu brodovima, a istovar kontejnera
sa broda obično prethodi operacijama utovara. U brodovima utovarno/istovarna mesta su
razdvojena, gde svako utovarno/istovarno mesto (ship bay) opslužuje jedan QC kran. Kako je za
ulazne podatke u ovom radu pretpostavljeno da je da je set kontejnera koji treba biti istovaren od
strane svakog QC krana određen, ovde će se posmatrati raspored rada jednog QC krana. Neka
oznaka i i ozanaka j budu indeksi zadataka, i,j=0,..., N+1, gde je N broj zadataka, tj. kontejnera koji
trebaju biti istovareni od strane QC krana. Zadatak 0 i zadatak N+1 su dva posla koji se ne odnose
direktno na istovar od strane QC krana, već se odnose na početno i krajnje stanje.

Slika 3. Operativne strategije unutrašnjih kamiona

Generalno, fiksirani set unutrašnjih kamiona je dodeljen za rad, odnosno ispomoć QC kranovima.
Postoje dve operativne strategije unutrašnjih kamiona i to jednociklusna i dvociklusna strategija. Na
slici 3. se mogu videti razlike između jednociklusnog rada i dvociklusnog rada unutrašnjih kamiona.
Iako dvociklusna strategija može da poveća efikasnost transporta i smanji prazan hod unutrašnjih
kamiona, ipak je više pogodna za automatizovane kontejnerske terminale, jer bi komplikovane
strategije kretanja vozila mogle biti teško razumljive za vozače. U ovom istraživanju se samo
diskutuju jednociklusne strategije, koje imaju široku primenu u kontejnerskim terminalima. Neka k
bude indeks unutrašnjih kamiona dodeljenih QC kranovima i k=1,...,K, gde je K broj unutrašnjih
kamiona dodeljenih QC kranu.

U nastavku je notacija koja se odnosi na brodske operacije ovog istraživanja:

pi = Procesno vreme zahtevano da se odradi zadatak i od strane QC krana, i=1,..., N

Sij = Vreme pripreme QC krana da odradi posao j odmah nakon završetka posla i, i=0,...,N ; j=1,...N.

ti = Vreme transporta zahtevano da se transportuje kontejner do njegove skladišne lokacije od

strane unutrašnjeg kamiona, i=1,...,N.

d = Vreme potrebno da se istovari kontejner sa unutrašnjeg kamiona od strane YC krana.

M = Veliki pozitivan broj.

Promenljive odlučivanja u matematičkoj formulaciji su:

Xij = 1, ako je QC kran izvrši posao j odmah nakon završetka posla i, X ij = 0 u svim ostalim slučajevima.
(i=0,...,N ; j=1,...N+1).

Yik = 1, ako je zadatak i dodeljen unutrašnjem kamionu k, Y ik = 0 u svim ostalim slučajevima.

(i=1,...,N ; k=1,...,K).

Zijk = 1, ako unutrašnji kamion k izvrši posao j odmah nakon završetka posla i, Z ijk = 0 u svim ostalim
slučajevima. (i=0,...,N ; j=1,...,N+1 ; k=1,...,K).

ri1 = Početno vreme izvršavanja posla i od strane QC krana, i=1,...,N.

ci1 = Završno vreme izvršavanja posla i od strane QC krana, i=1,...,N.

ri2 = Početno vreme transportnog posla i od strane unutrašnjeg kamiona, i=0,...,N.

ci2 = Završno vreme transportnog posla i od strane unutrašnjeg kamiona, i=1,...,N.

Cmax = ukupno vreme potrebno da se obavi kompletan posao.

Integracioni model:

Min Cmax (1)

s.t. Cmax ≥ ci2 za ∀ i = 1,..., N (2)
N

∑ X ij=1 za ∀ j = 1,..., N +1 (3)

i=0

N+1

∑ X ij=1 za ∀ i = 0,..., N (4)

j =1

rj1 + (1-Xij)*M ≥ sij + ri2 za ∀ i = 0,..., N i ∀ j = 1,..., N (5)

ci1 = ri1 + pi za ∀ i = 1,..., N (6)
ri2 ≥ ci1 za ∀ i = 1,..., N (7)
K

∑ Y ik=1 za ∀ i = 1,..., N (8)

k =1

N+1

∑ Z 0 jk =1 za ∀ k = 1,...,K (9)
j =1
 N+1

∑ Z i , N+1 , k=1 za ∀ k = 1,...,K (10)

j =1

N+1

∑ Z ijk=¿ Y ik ¿ za ∀ i = 1,..., N i ∀ k = 1,...,K (11)

j =1

∑ Z ijk=¿ Y jk ¿ za ∀ j = 1,..., N i ∀ k = 1,...,K (12)

i=0

Zijk + Zjik ≤ 1 za ∀ i, j = 1,..., N i ∀ k = 1,...,K (13)

Zijk + Zjik ≥ Yik + Yjk -1 za ∀ i, j = 1,..., N i ∀ k = 1,...,K (14)
rj2 + (1- Zijk)*M ≥ ci2 + ti za ∀ i, j = 1,..., N i ∀ k = 1,...,K (15)
rj2 + (1- Z0jk)*M ≥ 0 za ∀ i = 1,..., N i ∀ k = 1,...,K (16)
ri2 + ti + d ≤ ci2 za ∀ i = 1,..., N (17)
Gde je Xii = 0 za svako i=1,...,N , Ziik = 0 za svako i=1,...,N i k=1,...,K, r02 = 0 i Y0k = 1 za svako k=1,...,K.

Svrha rešavanja ovog problema jeste minimizacija ukupnog vremena pretovara seta kontejnera
dodeljenih QC kranu. Ograničenje (2) omogućava način kalkulacije ukupnog vremena svih poslova,
na taj način da je završno vreme svih poslova ustvari vreme realizacije transporta poslednjeg
kontejnera od strane unutrašnjeg kamiona. Ograničenja (3) i (4) omogućava se da kranovi rade jedan
po jedan zadatak, odnosno da kranovi rade istovremeno samo jedan zadatak. Ograničenje (5)
implicira da ako je kontejner, odnosno zadatak j odmah istovaren od strane QC krana nakon
kontejnera i, QC kran treba vreme sij pre nego što počne istovar kontejnera j nako završenog istovara
kontejnera i. Tačnije realizacija posla j od strane QC krana ne može se realizovati pre nego
unutrašnje vozilo ne preuzme kontejner i, a QC kran se ne pripremi za realizaciju posla j nakon
obavljenog posla i. Ograničenje (6) ukazuje da završno vreme istovara kontejnera od strane QC krana
je jednako početnom vremenu istovara kontejnera plus procesno vreme potrebno da se realizuje
zadatak. Ograničenje (7) implicira da kontejner može biti transportovan od strane unutrašnjeg
kamiona samo pod uslovom da je QC kran izvršio svoj zadatak. Ograničenje broj (8) garantuje da
svaki kontejner može biti dodeljen i transportovan jednim i samo jednim unutrašnjim kamionom.
Ograničenja (9) i (10) forsira da se tkzv. dummy poslovi, odnosno početni i kranji posao 0 i N+1 budu
prvi i poslednji posao za svaki unutrašnji kamion. Ograničenja (11) i (12) forsiraju da ako je kontejner
dodeljen unutrašnjem kamionu k, mora biti jedan i samo jedan posao koji će se realizovati pre i
nakon određenog posla. Ograničenja (13) i (14) ukazuju na vezu između poslova, tj. zadataka
dodeljenih istom unutrašnjem kamionu. Ograničenja (15) i (16) omogućavaju vezu početnog
vremena i završnog vremena između dva susedna posla koja se realizuju istim unutrašnjim
kamionom. Tačnije ograničenje (15) ukazuje da se početak transporta kontejnera j od strane
unutrašnjeg kamiona k se ne može realizovati ukoliko nije završena realizacija posla i, odnosno pre
nego sume vremena završetka posla i ti vremena potrebno da se transportuje kontejner i do
skladišne lokacije. Ova suma je logična jer je t i vreme koje je potrebno da unutrašnji kamion k pređe
put od utovara od strane krana QC do lokacije preuzimanja kontejnera i od strane krana YC, a isto
vremena mu treba i da se vrati nazad na utovar kontejnera j nakon odvoza kontejnera i do utovarnog
mesta YC krana. Ograničenje (16) ukazuje da vreme početka transporta kontejnera j od strane
unutrašnjeg kamiona k mora biti veće od 0 ako se kontejner j transportuje odmah nakon nultog
„dummy“ posla, jer iako se nulti zadatak ne odnosi na transport i pretovar kontejnera opet oduzima
neko vreme. Ograničenje (17) ukazuje da između završnog vremena transporta i početnog vremena
transporta kontejnera zadatak podrazumeva i transportno vreme potrebno unutrašnjem kamionu da
preveze kontejner do YC krana, kao i vreme potrebno da YC kran uskladišti kontejner.
 3. Genetički algoritam
Genetički algoritam (GA), osmišljen od strane Hollanda [11] je jedna od prirodno inspirisanih meta-
heuristika korišćenih za kombinatoričke probleme rukovanja materijalima. Uobičajena forma GA je
bila predstavljena od strane Godlberga [12]. GA je stohastična tehnika istraživanja bazirana na
mehanizmu prirodne selekcije i prirodne genetike. GA počinje sa setom slučajnih rešenja nazvanih
populacija. Svaka individua, nazvana hromozom je predstavljena nizom. Hromozomi evoluiraju kroz
sukcesivne iteracije, nazvane generacijama. Kada se generišu genetičke operacije potomstva,
promene i mutacije su usvojene na osnovu slučajno izabranih hromozoma. Nova generacija se
selektuje na osnovu Darvinove evolucije evaluacijom podobnosti. Individue sa boljim
performansama imaju veću verovatnoću da budu izabrane. GA je obrađen od strane velikog broja
istraživača i predstavlja jedan od najpopularnijih meta-heruističkih algoritama za rešavanje problema
raspoređivanja i operativnih problema u kontejnerskim terminalima.

A. Predstavljanje

Kao što se može videti na slici 4. izvodljivo rešenje za problem može biti predstavljeno preko niza
koji implicira raspoređivanje rada QC krana. Svaki kvadratić u nizu predstavlja indeks određenog
zadatka. Da bi se dekodirao niz, tj. hromozom, pravilo raspoređivanja, odnosno dispečiranja
unutrašnjeg kamiona mora biti da se transportni zadaci dodeljuju prvom slobodnom (neupošljenom)
kamionu.

Slika 4. Predstavljenje hromozoma

B. Inicijalizacija

Inicijalizacija je prva faza genetičkog algoritma. Prema reprezentacionoj metodi, set izvodljivih
rešenja je generisan slučajno da bi se formirala prva generacija. Neka pop_size bude veličina
populacije prve generacije. Broj pop_size hromozoma je generisan, gde je svaki od njih niz istovarnih
sekvenci krana QC.

C. Evaluacija podobnosti i selekcija

Evaluacija ovog hromozoma daje jednakost:

eval = 1/Cmax
U ovom istraživanju, pristup rulet točka je usvojen kao procedura selekcije. Ovakav tip selekcije
pripada podobno-proporcionalnoj selekciji i može selektovati novu populaciju sa poštovanjem
verovatnoćom distribucije baziranom na vrednosti podobnosti.

D. Promene

Ovaj rad usvaja promenu reda za jedan od dva hromozoma, u čijem slučaju je procedura ispravke
ugrađena da otkrije legitimitet potomstva prve generacije. Promena reda funkcioniše na sledeći
način:
Korak 1: Izabrati podniz jednog „roditelja“ (niz), odnosno hromozoma.

Korak 2: Napraviti „dete“ niz kopiranjem podniza na odgovarajuće pozicije.

Korak 3: Obrisati kvadratiće koji već postoje kod drugog „roditelja“.

Korak 4: Ostatak kvadratića (zadataka) iz drugog „roditelja“ rasporediti respektivnim redosledom sa

leve i/ili desne strane podniza dobijenog od prvog „roditelja“

Slika 5. Ilustracija koraka proemene operacija

E. Mutacija

Mutacija pokreće istraživanje novih oblasti. Takođe, mutacija pomaže GA algoritmu da izbegne
prevremene zaključke i pronađe optimalno rešenje. U ovom istraživanju mutacija nasumično
selektuje hromozome u uslovima verovatnoće mutacije i bira dve pozicije (kvadratića) u izabranom
hromozomu, a zatim im menja mesta i tako pravi „dete“ hromozom.

Slika 5. Ilustracija mutacije operacija

4. Kompjuterski eksperimenti
Da bi se testirale performanse predloženog genetičkog algoritma, generisano je 20 kompjuterskih
eksperimenata sa nasumičnim ulaznim podacima. Za probleme manjih razmera, egzaktno rešenje se
može obraditi CPLEX softverom za racionalan vremenski period. Sa povećanjem razmera problema,
vreme potrebno za dobijanje rezultata postaje neprihvatljivo dugo.

Benčmark strategija je uvek takva da se zadaci sa najmanjim vremenom potrebnim za rešavanje istih
automatski reševaju prvi, odnosno redosled rešavanja zadataka se formira na osnovu vremena
pripreme za rešavanje istih. Ova strategija je slična onoj koja se primenjuje u ovom istraživanju.
Rezultati kompjuterskih eksperimenata su predstavljeni u tabeli 1. Iz rezultata se može videti da
predloženi genetički algoritam može rešiti problem za prihvatljivo vreme, tačnije u opsezima od
0.062 s do 0.375 s, dok se kompjutersko vreme CPLEX softvera povećava posle desetog
eksperimenta. Za probleme manjih razmera, od eksperimenta 1 do eksperimenta 9, minimalno
vreme potrebno za rešavanje zadataka kontejnerskog terminala dobijeno primenom genetičkog
algoritma je isto kao i vreme dobijeno CPLEX softverom.

U poređenju sa benčmark strategijom, ukupno vreme za rešavanje zadataka u kontejnerskom

terminalu (makespan) dobijeno predloženom strategijom koja integriše QC kran i YT kamion u jednu
celinu sa aspekta raspoređivanja može biti smanjeno u velikim procentima (23% - 115%). Drugim
rečima, ovde se može videti benefit integrisanih modela.

Tabela 1 (ubaci)