Modelling a container logistics and service terminal

Abstract

Esta investigaci´on se centra en definir las principales caracter´ısticas y analizar las operaciones de un terminal de contenedores com´unmente encontrada en zonas industriales en ´areas urbanas, que, hasta donde sabemos, no ha sido estudiada apropiadamente. Las llamamos Terminal de Contenedores de Servicios Log´ısticos (TCSL) y sus principales caracter´ısticas son que: las TCSL son terminales interiores de tama˜no peque˜no a mediano sin instalaciones intermodales que brindan servicios a un mercado adyancente. El equipo disponible para el movimiento de contenedores se limita a gr´uas reachstacker y cargadores frontales. Todos los contenedores llegan y salen de terminal en cami´on. Generalmente, estos patios ofrecen adem´as servicios a los clientes como consolidaci´on, reparaci´on, desaforo, etc. En esta investigaci´on, examinamos las limitaciones y caracter´ısticas asociadas con las operaciones de TCSL y desarrollamos soluciones ´unicas para estos problemas. Proponemos una versi´on adaptada de tres reglas de decisi´on conocidas para la colocaci´on de contenedores: el ´ındice de reacomodo, el ´ındice de reacomodo con visi´on anticipada y las reglas min-max. Evaluamos estas reglas utilizando un simulador de evento discreto desarrollado espec´ıficamente para este prop´osito y usadando escenarios basados en datos de una terminal de contenedores en Santiago. Adem´as, extendemos estas reglas para considerar el costo de los movimientos asociados a las reubicaciones. Los resultados muestran que el uso de reglas conscientes del costo aumenta el n´umero esperado de reubicaciones mientras reduce el costo total esperado. En la segunda parte de la investigaci´on, proponemos una estrateg´ıa basada en un modelo de control predictivo para resolver el problema din´amico de asignaci´on y reubicaci´on de contenedores. La estrategia considera el estado actual del patio y los eventos entrantes. Utilizando un modelo de programaci´on entera mixta multiobjetivo se crea un plan para todas las operaciones del patio para un horizonte de planificaci´on. Para resolver este modelo combinatorio, proponemos una relajaci´on que solo incluye aquellos contenedores que pueden moverse durante el horizonte y reemplaza las variables simplifica aquellos movimientos mas costos. Nuestras pruebas utilizando el modelo de simulador mostraron que la estrategia propuesta produjo un costo promedio un 9% menor que la regla min-max. En conclusi´on, esta investigaci´on presenta el primer enfoque para resolver problemas ´unicos asociados con las TCSL y propone soluciones que pueden implementarse en situaciones del mundo real.

This research focuses on defining the basic caracteriscts and analyzing the operationes of a container terminal commonly found in industrial zones in urban areas, which to the best of our knowledge has not being properly studied. We called them the Logistic Services Container Terminal (LSCT) and their main caracteristics are that: LSCTs are small to medium-sized inland terminals without intermodal facilities that provide services to a hinterland market. The material handling equipment used is limited to reach stacker cranes and front loaders, and ground transportation is performed solely by trucks. The yard also includes operations for servicing customers in special service areas. In this research, we examine the limitations and features associated with LSCT operations and develop unique solutions for these issues. We propose an adapted version of three known decision rules for container placement: the reshuffle index, reshuffle index with look-ahead, and min-max rules. We evaluate these rules using a discrete-event simulator with scenarios based on data from a container terminal in Santiago, Chile. The results show that the minmax rule performs the best. We further extend these rules to consider the cost of relocating containers instead of just the number of relocations. The results show that using cost-aware rules increases the expected number of relocations while reducing the total expected cost. In the second part of the research, we propose a model predictive control strategy to solve the dynamic container allocation and relocation problem in an LSCT. The strategy considers the current state of the yard and incoming events, and a multi-objective mixed integer programming model creates a plan for all yard operations for a planning horizon. The model is updated after a given time or number of operations. To solve the large combinatorial model, we propose the mantle method, which only includes containers that may move during the time horizon and replaces variables for costliest movements with a single exile movement. The control model later assigns these containers a position using a heuristic method. Our tests using the simulator model showed that the proposed strategy produced an average 9% lower cost than the min-max rule. In conclusion, this research presents the first approach to solving unique problems associated with LSCTs and proposes solutions that can be implemented in real-world situations.