Problème
Aujourd’hui, environ 80% du commerce mondial en volume est transporté par mer et traité par des ports et des terminaux intermodaux dans le monde entier. Avec l’augmentation du transport mondial, les installations intermodales sont en cours de réaménagement pour accroître la capacité et répondre à la demande. Dans le même temps, il est nécessaire de garder les installations sûres et efficaces, c’est pourquoi les sociétés d’exploitation cherchent les moyens pour tester les changements avant leur mise en œuvre.
Le terminal San Giorgio de Gênes, en Italie, a planifié la réorganisation de l’aménagement et des opérations de son installation, dans le but d’augmenter son débit et de rendre le terminal plus sûr. Ils avaient besoin d’un simulateur de port – un jumeau numérique du terminal, qui servirait de banc d’essai pour la planification des parc à conteneurs et aiderait à prédire comment les changements affecteraient les opérations actuelles.
La simulation étant une technologie naturelle permettant de créer de telles copies numériques d’environnements complexes, la direction a confié ce projet à des ingénieurs en simulation de terminaux à conteneurs de MEVB Consulting, un développeur suisse de systèmes d’aide à la décision basés sur la simulation. En utilisant l’approche de simulation de terminal à conteneurs, les entrepreneurs seraient en mesure de refléter les activités physiques et opérationnelles dans un environnement interactif et de capturer des flux de travail dynamiques détaillés.
Pour la simulation du terminal à conteneurs, les ingénieurs ont choisi le logiciel de modélisation AnyLogic pour les raisons suivantes :
- Il dispose d’une bibliothèque de modélisation intégrée pour la construction de modèles complexes mais détaillés demanutention. La bibliothèque contient des éléments prêts à l’emploi pour accélérer et simplifier la simulation des opérations de manutention des marchandises.
- AnyLogic prend en charge la création d’interfaces de modèle personnalisées, ce qui simplifie l’utilisation du modèle pour ceux qui ne connaissent pas AnyLogic.
- Le logiciel permet aux ingénieurs de connecter des modèles avec des plates-formes d’IA et d’entraîner des algorithmes à l’aide de données de simulation. Les politiques apprises de la formation peuvent éventuellement être déployées dans le système réel ou utilisées dans le modèle pour permettre à la politique de prendre des décisions de manière autonome.
- Les ingénieurs pouvaient exécuter plusieurs scénarios à la fois en utilisant les capacités de cloud computing d’AnyLogic et la technologie de simulation distribuée. De cette façon, les expériences multi-exécutions complexes sont exécutées plus rapidement et plus efficacement que sur un ordinateur ordinaire.
Solution
Pour créer le jumeau numérique, les ingénieurs devaient collecter des informations sur la façon dont les personnes, les conteneurs et les véhicules se déplaçaient dans le terminal. Pour cela, ils ont équipé les employés de téléphones mobiles pour suivre leur position dans le terminal en continu. De cette façon, il était possible de voir les gens entrer et sortir de certaines zones, ainsi que leur mouvement entre elles. Pour les conteneurs et les remorques, ils ont fourni des balises qui transmettaient leurs positions exactes via GPS à un système de suivi interne.
Les ingénieurs en simulation de terminal à conteneurs ont utilisé ces informations pour construire un jumeau numérique précis alimenté par des données recueillies dans l’environnement. Au total, ils ont pu afficher dans le simulateur portuaire le mouvement de 20 000 objets interconnectés, y compris des navires et des trains de marchandises. Pour accélérer la simulation, ils ont utilisé AnyLogic Material Handling Library et ses éléments prêts à l’emploi.
La dernière étape de la construction du modèle consistait à connecter le modèle de simulation de terminal à conteneurs à Microsoft Project Bonsai. Cette plate-forme d’IA a permis un apprentissage par renforcement profond plus facile basé sur les données des modèles de simulation. Les ingénieurs espéraient que le cerveau de l’IA prendrait des décisions pour les gestionnaires, ou, du moins, proposerait des solutions utilisant des données de simulation à différentes étapes du traitement du fret.
Test du Scénario d’évacuation
Lorsque le modèle de simulation de terminal à conteneurs a été prêt, les ingénieurs ont voulu tester sous tension la disposition et les opérations actuelles. Les ingénieurs ont divisé le modèle en zones et, dans certaines d’entre elles, ont initié des scénarios d’évacuation possibles qui pourraient se produire en cas de propagation du feu ou d’explosion.
Pour trouver des voies d’évacuation optimales, ils se sont appuyés sur les opportunités d’IA du modèle. L’algorithme a analysé tous les chemins possibles de la zone dangereuse à la zone sûre, en tenant compte de l’évolution de l’urgence et des processus en cours dans le port. Divers scénarios d’évolution d’état d’urgence ont été exécutés avec AnyLogic Cloud pour accélérer la simulation. En conséquence, l’algorithme a proposé des voies d’évacuation optimales vers des zones sûres et les a attribuées à chaque agent.
Ensuite, les ingénieurs ont utilisé les données de sortie pour tester les trajectoires d’évacuation dans la vie réelle. Ils ont simulé une situation dangereuse dans l’une des zones et ont communiqué le signal au système d’évacuation connecté au jumeau numérique du terminal à conteneurs. En réponse, le jumeau numérique a trouvé les zones de sécurité à proximité et a communiqué leurs emplacements au système. Le système a ensuite envoyé une alerte téléphonique aux personnes se trouvant dans la zone d’évacuation avec un plan d’évacuation personnalisé les guidant vers des zones sûres.
Gestion de zone à l’aide de l’IA
Le modèle de simulation de terminal à conteneurs a également été utilisé pour améliorer le débit du terminal. Lorsque des camions arrivent à l’aire de stationnement pour récupérer ou passer un conteneur, les gestionnaires leur attribuent une place de stationnement. Cependant, leurs décisions sont généralement basées sur la situation actuelle au port et ne tiennent pas compte des ruptures possibles, des latences de camions ou des situations d’urgence. Cela pourrait entraîner une utilisation inefficace de l’espace de stationnement et une diminution du débit.
Pour améliorer les décisions de gestion, les ingénieurs ont simulé et optimisé les opérations d’embarquement et de débarquement des camions – l’une des étapes de traitement de la cargaison – à l’aide de capacités d’IA. Des améliorations dans ce domaine contribueraient à augmenter le débit des terminaux en minimisant le temps de traitement et en rendant les opérations plus fluides.
Simulation de terminal à conteneurs avec AnyLogic
Les ingénieurs ont proposé que le cerveau de l’IA puisse orchestrer l’allocation des camions et prendre des décisions basées sur la simulation de manière autonome. En obtenant l’avis du jumeau numérique du terminal, il s’appuierait sur des données agrégées et prédirait où répartir au mieux les camions en ce qui concerne les expéditions prévues.
Le débit du terminal dépendait fortement des autres opérations du terminal, c’est pourquoi les ingénieurs ont étendu le jumeau numérique actuel avec le modèle de l’aire de stationnement. En particulier, dans le modèle des opérations logistiques liées aux camions, les ingénieurs ont reflété :
- Le temps moyen nécessaire pour transporter des conteneurs d’un navire à l’autre.
- Le nombre de places disponibles dans le parking.
Il a fallu un certain temps au cerveau de l’IA pour apprendre les données historiques du modèle de simulation de terminal à conteneurs et les politiques mises en œuvre pour l’allocation des camions. Une fois la phase d’apprentissage terminée, le modèle a été continuellement alimenté avec de nouvelles données liées aux expéditions, et le cerveau a décidé où allouer les camions entrants.
Résultats
Les ingénieurs ont créé un système d’aide à la décision qui les a aidés à élaborer une stratégie d’évacuation fiable pour les situations d’urgence et à améliorer la sécurité du terminal. Le système peut recalculer les chemins vers les zones de sécurité à la volée lorsque des accidents se produisent et communiquer les chemins à l’outil d’alerte interne, qui, à son tour, envoie des notifications de direction aux employés sur le terrain.
Les ingénieurs ont également montré que les capacités d’IA associées à la simulation amélioreraient le débit global du terminal de 20%. Les algorithmes d’apprentissage d’IA peuvent utiliser des données historiques agrégées pour améliorer les stratégies d’allocation des camions et fournir plus d’informations pour l’optimisation du débit des terminaux. Lorsque les ingénieurs ont examiné les décisions prises par les algorithmes, elles étaient similaires à celles prises par les gestionnaires. Cela prouve le fait que la prise de décision basée sur l’IA peut être mise en œuvre plus tard au terminal et propagée à d’autres étapes de traitement du fret pour leur amélioration ultérieure.
Présentation du projet par Roberto Revetria de MEVB à la conférence AnyLogic 2021:
