Koordination interdependenter Planungssysteme in der Logistik: Einsatz multiagentenbasierter Simulation im Planungsprozess von Container-Terminals im Hafen

Leif Hendrik Meier Koordination interdependenter Planungssysteme in der Logistik

GABLER EDITION WISSENSCHAFT

Leif Hendrik Meier

Koordination interdependenter Planungssysteme in der Logistik Einsatz multiagentenbasierter Simulation im Planungsprozess von Container-Terminals im Hafen

Mit einem Geleitwort von Prof. em. Dr. Dr. h. c. Jürgen Bloech

GABLER EDITION WISSENSCHAFT

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation Universität Göttingen 2008

. . lage Dezember 1997 1. Auflage 2008 Alle Rechte vorbehalten © Gabler | GWV Fachverlage GmbH, Wiesbaden 2008 Lektorat: Frauke Schindler / Jutta Hinrichsen Gabler ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.gabler.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8349-1418-7

Geleitwort

V

Geleitwort Für große Logistiksysteme im nationalen und internationalen Güteraustausch der Industrie und des Handels erschwert die hohe Komplexität der Logistiknetze den guten Überblick für die verantwortlichen Entscheidungsträger hinsichtlich guter Planungen und Steuerungen. Dies gilt insbesondere für vermaschte Logistiksysteme aus teilweise getrennt liegenden Komponenten, wie diese in Container-Terminals vorkommen. Untersuchungen über große Logistiksysteme versprechen daher einen hohen Informationsgewinn. Eine abgestimmte Steuerung der Positionierung der Containerschiffe, der Zuweisung der Containerbrücken, der Lagerort-Festlegung auf dem Lagergelände und in dem Containerstapel sowie die Transportplanung für die Beförderung der Container aus dem Lager heraus sind Herausforderungen der Analyse in diesem Buch. In informativer Art werden im ersten Teil der Darstellung die Grundaktivitäten einer Container-Logistik in Häfen beschrieben. Dabei kommen auch die Grundstrukturen und Prozesse einer Transportlogistik gut zur Sprache. Es wird auch deutlich, dass für die verantwortlichen Logistik-Manager einer ContainerLogistik wirtschaftlich bedeutsame Planungsprobleme auftreten, die einer Optimierung bedürfen. Konsequenterweise werden deshalb auch Modelle und Ansätze zur Optimierung verschiedener Teilbereiche der Container-Logistik knapp und kritisch dargestellt. Die Entwicklungstrends der Container-Terminals führen zu größerer Bedeutung einer abgestimmten Planung, welche die Interdependenzen der einzelnen Planungsstrukturen berücksichtigt. Für die Lösung dieser Fragestellung stellt der Autor Leif Hendrik Meier das vielversprechende Konzept eines Multiagentenmodells vor. Dieses Konzept wird eingehend dargelegt und diskutiert. Die Struktur und das Zusammenwirken der Agenten für die Planungsbereiche werden eingehend beschrieben und die menschlichen Eingriffsmöglichkeiten aufgezeigt. Die Arbeit führt schließlich auch die Umsetzung des Multiagenten-Planungsmodells durch ein einsetzbares Programm vor und zeigt umfangreiche Anwendungen des Optimierungsprogramms mit vielversprechenden Ergebnissen.

VI

Geleitwort

Das Buch wird von mir Wissenschaftlern und Praktikern empfohlen, die ein Interesse für moderne Logistiksysteme hegen und deren komplexe Strukturen und Prozessverknüpfungen gedanklich durchdringen wollen. Auch Studierende verschiedener Institutionen können sich durch diese Schrift ein großes Wissen über eine Logistik aneignen, die ihnen in der Gestalt der transportierten Container bereits täglich auf den Straßen dieser Welt begegnet und ihnen in den modernen Häfen dieser Erde durch unübersehbar große ContainerTerminals ins Auge fällt.

J. Bloech

Vorwort

VII

Vorwort Nahezu täglich ist den Medien zu entnehmen, dass der Logistik eine wachsende Bedeutung zukommt. Die Bedeutung insbesondere der maritimen Logistik konnte ich, unweit von Bremerhaven aufgewachsen, „hautnah“ miterleben. Mit dem Wachstum des Umschlags wuchs auch meine Begeisterung für diese Aufgabenstellung. Ohne die Unterstützung all derer, die mich während meiner Dissertation angetrieben und begleitet haben, hätte ich die Arbeit nicht in dieser Form fertig stellen können. Hierfür möchte ich mich herzlich bedanken. An erster Stelle danke ich meinem Doktorvater Herrn Prof. Dr. Dr. h.c. Jürgen Bloech am Institut für Betriebswirtschaftliche Produktions- und Investitionsforschung, mit dem ich meine Ideen jederzeit diskutieren konnte. Herrn Prof. Dr. Matthias Schumann möchte ich für die Übernahme des Zweitgutachtens und u.a. für die Bereitstellung der notwendigen Rechenkapazitäten für die Simulationen sowie für die finanzielle Unterstützung auf Konferenzen danken. Herrn Prof. Dr. Wolfgang König danke ich für die Übernahme der mündlichen Prüfung. Herrn Prof. Dr. Jörg Biethahn gebührt großer Dank, weil er mich durch sein Interesse an meiner Arbeit immer wieder motivieren konnte und mir einen idealen Einstieg in die Promotion ermöglicht hat. Meinen ehemaligen Kollegen danke ich für ihre hervorragende Unterstützung. Hier ist es mir wichtig, insbesondere Herrn Dr. Andreas Lackner, Herrn Dr. Ole Brodersen und Herrn Dr. Helge Fischer zu nennen, weil mir ihre Unterstützung ganz besonders wichtig war. Danken möchte ich auch Herrn Prof. Dr. Antonio Maçada, der sich während unserer Aufenthalte in Brasilien mit voller Aufopferung für uns eingesetzt hat. Für die dieser Arbeit zur Verfügung gestellten Daten und die jederzeit freundlichen Diskussionen möchte ich mich bei Herrn Prof. Dr. Carsten Boll und Herrn Dr. Holger Schütt bedanken, die immer ein offenes Ohr für meine Ideen hatten und mich unterstützt haben, diese auch zu verwirklichen. Für die praktische Unterstützung möchte ich Herrn Norbert Klettner und Herrn Stefan Müller danken. Sie haben mir einen tollen Einblick in die Hafen- und Containerwelt ermöglicht.

VIII

Vorwort

Weiterhin möchte ich mich bei allen Korrekturlesern bedanken. Hier seien für ihr erhebliches Engagement vor allem meine Eltern, Frau Angelika Hebold, Herr Dr. Sebastian Rieger, Frau Kerstin Sandrock und Herr Matthias Theubert erwähnt. Herrn René Schumann danke ich für die interessanten Diskussionen und die gemeinsame Beteiligung an der Konferenz in Bremen. Ihm selbst - und auch Herrn Theubert - wünsche ich ebenfalls alles Gute für die eigenen Promotionsvorhaben. Zudem möchte ich allen weiteren Freunden und Bekannten aus Bremerhaven und aus Göttingen danken, auf deren Unterstützung ich immer zählen konnte. Auch für die zahlreichen guten Tipps, die ich während dieser Zeit sammeln konnte - sei es fachlicher Art: „Entwickle doch den Algorithmus, wo man immer mit muss!“ - oder auch grammatikalischer Art: „Ich setze Kommata einfach nach jedem fünften Wort.“ Manchmal saß ich am Computer und musste einfach schmunzeln. Danke dafür. Abschließend möchte ich mich für den starken privaten Rückhalt bei meinen Eltern und meinem Bruder bedanken. Meine Jana lässt mich jeden Tag glücklicher werden. Auch ihre Familie, die mich so liebevoll aufgenommen hat, ist für mich besonders wertvoll. Die Arbeit ist meiner Familie gewidmet.

Göttingen im August 2008 Leif Hendrik Meier

Inhaltsüberblick

IX

Inhaltsüberblick GELEITWORT........................................................................................................................ V VORWORT .......................................................................................................................... VII INHALTSÜBERBLICK ............................................................................................................IX INHALTSVERZEICHNIS .........................................................................................................XI ABBILDUNGSVERZEICHNIS ................................................................................................ XV TABELLENVERZEICHNIS ..................................................................................................XIX ABKÜRZUNGSVERZEICHNIS .............................................................................................XXI 1 EINLEITUNG ...................................................................................................................... 1 2 GRUNDLAGEN LOGISTISCHER SYSTEME UND PROZESSE ................................................ 9 3 PLANUNG IN CONTAINER-TERMINALS .......................................................................... 61 4 LEISTUNG UND GRENZEN BESTEHENDER CT-MODELLE ............................................ 141 5 ENTWICKLUNG EINES MULTIAGENTENBASIERTEN MODELLS ZUR CTPROZESSKOORDINATION .............................................................................................. 157 6 KOORDINATION DES PLANUNGSPROZESSES IN CONTAINER-TERMINALS .................. 183 7 SCHLUSSBETRACHTUNG ............................................................................................... 229 ANHANG ............................................................................................................................. 233 LITERATURVERZEICHNIS .................................................................................................. 253

Inhaltsverzeichnis

XI

Inhaltsverzeichnis GELEITWORT........................................................................................................................ V VORWORT .......................................................................................................................... VII INHALTSÜBERBLICK ............................................................................................................IX INHALTSVERZEICHNIS .........................................................................................................XI ABBILDUNGSVERZEICHNIS ................................................................................................ XV TABELLENVERZEICHNIS ..................................................................................................XIX ABKÜRZUNGSVERZEICHNIS .............................................................................................XXI 1 EINLEITUNG ...................................................................................................................... 1 1.1 Motivation und Problemstellung............................................................................ 1 1.2 Zielsetzung................................................................................................................ 4 1.3 Methodik und Aufbau der Arbeit .......................................................................... 6 2 GRUNDLAGEN LOGISTISCHER SYSTEME UND PROZESSE ................................................ 9 2.1 Kennzeichen der Logistik ....................................................................................... 9 2.1.1 Einordnung in die Betriebswirtschaftslehre ................................................... 9 2.1.2 Funktionen und Ziele ................................................................................... 12 2.1.3 Systemtheoretische Grundlagen................................................................... 16 2.2 Modellierung und Optimierung ........................................................................... 17 2.2.1 Modellgestützte Planung.............................................................................. 18 2.2.2 Klassifizierung relevanter Methoden des Operations Research................... 22 2.2.3 Optimierung ................................................................................................. 25 2.2.3.1 Prioritätsregeln ............................................................................... 25 2.2.3.2 Greedy-Verfahren .......................................................................... 27 2.2.3.3 Metaheuristiken.............................................................................. 28 2.2.3.3.1 Allgemeine Kennzeichen............................................... 28 2.2.3.3.2 Genetische Algorithmen................................................ 29 2.2.3.3.3 Particle Swarm Optimization ........................................ 32 2.2.3.3.4 Simulated Annealing ..................................................... 34

XII

Inhaltsverzeichnis

2.2.3.3.5 Weitere Metaheuristiken................................................37 2.2.3.4 Branch and Bound-Verfahren ........................................................38 2.2.3.5 Hybride Verfahren .........................................................................40 2.2.3.6 Kommerzielle Optimierungstools ..................................................41 2.2.4 Simulation ....................................................................................................41 2.2.4.1 Grundlagen der Simulation ............................................................42 2.2.4.2 Position der Simulation in der Logistik .........................................42 2.2.4.3 Anforderungen an eine Simulationssprache...................................43 2.3 Koordination betrieblicher Entscheidungen.......................................................44 2.3.1 Defekte Strukturen in Planungssystemen.....................................................44 2.3.2 Koordinationsbedarf.....................................................................................47 2.3.3 Klassische Koordinationsinstrumente ..........................................................49 2.3.3.1 Simultanplanung ............................................................................49 2.3.3.2 Sukzessivplanung...........................................................................49 2.3.3.3 Retrograde/ progressive Planung und Gegenstromverfahren ........50 2.3.3.4 Rollende Planung ...........................................................................51 2.3.3.5 Alternative Betrachtungsperspektive .............................................52 2.4 Einsatz von Multiagentensystemen ......................................................................55 2.4.1 Grundlagen ...................................................................................................55 2.4.2 Koordination und Zusammenarbeit..............................................................57 3 PLANUNG IN CONTAINER-TERMINALS...........................................................................61 3.1 Grundlagen.............................................................................................................61 3.1.1 Einordnung in die Logistik...........................................................................61 3.1.2 Entwicklung..................................................................................................67 3.1.3 CT-Struktur und -Prozesse ...........................................................................71 3.1.4 Umschlag- und Flurfördergeräte ..................................................................73 3.2 Analyse von Modellen in Container-Terminal-Problemstellungen ..................79 3.2.1 Überblick ......................................................................................................80 3.2.2 Liegeplatzplanung (Berth Allocation Problem) ...........................................81 3.2.2.1 Ansätze in der Literatur..................................................................81 3.2.2.2 Berth Allocation Problem nach GUAN und CHEUNG .....................88 3.2.2.3 Annahmen und Kritik.....................................................................92 3.2.3 Containerbrückeneinsatzplanung (Crane Scheduling Problem)...................93 3.2.3.1 Ansätze in der Literatur..................................................................94 3.2.3.2 Crane Scheduling Problem nach ZHU und LIM ...........................100 3.2.3.3 Annahmen und Kritik...................................................................105 3.2.4 Yardorganisation (Storage Space Allocation und Location Assignment)..107 3.2.4.1 Ansätze in der Literatur................................................................107 3.2.4.2 Storage Location Problem nach ZHANG ET AL. ...........................117

Inhaltsverzeichnis

XIII

3.2.4.3 Annahmen und Kritik .................................................................. 127 3.2.5 Transportplanung (Vehicle Dispatching Problem) .................................... 127 3.2.5.1 Ansätze in der Literatur................................................................ 127 3.2.5.2 Vehicle Dispatching Problem nach BÖSE ET AL.......................... 129 3.2.5.3 Annahmen und Kritik .................................................................. 133 3.2.6 Weitere Planungssysteme und -ansätze ..................................................... 134 3.3 Interdependenzen ................................................................................................ 136 4 LEISTUNG UND GRENZEN BESTEHENDER CT-MODELLE ............................................ 141 4.1 Zusammenfassung wesentlicher Trends............................................................ 141 4.2 Leistung und Grenzen isolierter Modelle.......................................................... 143 4.3 Implikationen....................................................................................................... 150 5 ENTWICKLUNG EINES MULTIAGENTENBASIERTEN MODELLS ZUR CTPROZESSKOORDINATION .............................................................................................. 157 5.1 Das Container-Terminal Management Problem (CTMP) .............................. 157 5.1.1 Modellbeschreibung und -architektur ........................................................ 157 5.1.2 Definition eines Zielsystems im CT-Modell.............................................. 165 5.1.2.1 Klassifizierung von Zielen ........................................................... 165 5.1.2.2 Übergreifende Ziele des Modells................................................. 168 5.1.2.3 Konkurrierende Zielsetzungen..................................................... 171 5.1.3 Modellkritik................................................................................................ 173 5.2 Technische Realisierung ..................................................................................... 175 5.2.1 Java............................................................................................................. 175 5.2.2 JADE und Ontologien ................................................................................ 176 5.2.3 Protégé........................................................................................................ 179 5.2.4 Extensible Markup Language (XML) ........................................................ 180 5.2.5 Unterstützende Tools ................................................................................. 181 6 KOORDINATION DES PLANUNGSPROZESSES IN CONTAINER-TERMINALS .................. 183 6.1 Experimenteller Aufbau und Durchführung.................................................... 183 6.1.1 Methoden- und Parameteranalyse in isolierter Umgebung ........................ 184 6.1.1.1 Analyse von Methoden zur Lösung des BAP .............................. 184 6.1.1.2 Analyse von BAP-Parametern ..................................................... 190 6.1.1.3 Analyse von Methoden zur Lösung des CSP............................... 196 6.1.1.4 Analyse von CSP-Parametern...................................................... 201 6.1.1.5 Analyse von Methoden zur Lösung des SLP ............................... 205 6.1.1.6 Analyse von SLP-Parametern ...................................................... 207 6.1.2 Analyse von Koordinationsinstrumenten in MAS-Umgebung .................. 210 6.1.2.1 Untersuchung von Teilmengen des CTMP.................................. 211

XIV

Inhaltsverzeichnis

6.1.2.1.1 Koordination von BAP und CSP .................................211 6.1.2.1.2 Koordination von BAP und SLP .................................217 6.1.2.2 Untersuchung des CTMP .............................................................220 6.1.2.2.1 Sequenzielle Koordination als Benchmark..................220 6.1.2.2.2 Multiagentenbasierte Koordination .............................222 6.2 Übertragbarkeit und Interpretation der Ergebnisse........................................225 6.3 Erweiterbarkeit und Modellkritik .....................................................................227 7 SCHLUSSBETRACHTUNG ...............................................................................................229 ANHANG .............................................................................................................................233 A1: Konstruktive Verfahren und lokale Suche ........................................................233 A2: CSP-Eröffnungsheuristiken ................................................................................234 A3: CSP-Nachbarschaft (SA).....................................................................................236 A4: Visualisierung von Ergebnissen isolierter Modelle...........................................238 A5: Port Model in Protégé..........................................................................................240 A6: Kommunikation in JADE....................................................................................242 A7: Verwendeter Datensatz........................................................................................243 A8: Yard-Layout .........................................................................................................244 A9: XML-Daten...........................................................................................................245 A10: XML-Parameter.................................................................................................246 A11: Adjazenzmatrix (aus dem Liegeplatzplan resultierend) ................................251 LITERATURVERZEICHNIS ..................................................................................................253

Abbildungsverzeichnis

XV

Abbildungsverzeichnis Abbildung 2-1: Logistische Grundfunktionen TUIL........................................................... 14 Abbildung 2-2: Netzstrukturen ............................................................................................ 15 Abbildung 2-3: Greedy-Heuristik........................................................................................ 27 Abbildung 2-4: Spezifikationslevel von Heuristiken........................................................... 28 Abbildung 2-5: Pseudocode evolutionärer Algorithmen ..................................................... 31 Abbildung 2-6: Ablauf der PSO für kombinatorische Problemstellungen .......................... 33 Abbildung 2-7: Akzeptanzwahrscheinlichkeiten beim SA.................................................. 36 Abbildung 2-8: Pseudocode des Simulated Annealing........................................................ 37 Abbildung 2-9: Lösungsbaum zu den Branch and Bound-Verfahren ................................. 39 Abbildung 2-10: Systemrelationen im statischen und dynamischen Fall............................ 48 Abbildung 2-11: Retrograde (a), progressive (b) und Gegenstrom-Planung (c) ................. 50 Abbildung 2-12: Prinzip rollender Planung......................................................................... 52 Abbildung 2-13: Formen der Koordination nach ADAM ET AL........................................... 52 Abbildung 2-14: Schritte des CDPS .................................................................................... 58 Abbildung 3-1: Klassifizierung von Terminals in Seehäfen ............................................... 63 Abbildung 3-2: CT-Prozess ................................................................................................. 72 Abbildung 3-3: Aufbau des Zwischenlagers unterschiedlicher Betriebssysteme................ 78 Abbildung 3-4: Entscheidungsbereiche ............................................................................... 80 Abbildung 3-5: Idealtypische Liegeplatzplanung mit time-space-Diagramm..................... 82 Abbildung 3-6: Planung von Liegeplätzen für Containerschiffe......................................... 82 Abbildung 3-7: Chromosom-Repräsentation einer BAP-Lösung für den GA von NISHIMURA ET AL. ..................................................................................... 84 Abbildung 3-8: Drei Terminals in Singapur ........................................................................ 85 Abbildung 3-9: Zuordnung von Containerschiffen auf einem Zylinder (rechts) statt auf einer Fläche (links) .................................................................................... 87 Abbildung 3-10: Die Lösungsprozedur von GUAN und CHEUNG als Pseudocode.............. 91 Abbildung 3-11: Composite Heuristik von GUAN und CHEUNG ........................................ 92

XVI

Abbildungsverzeichnis

Abbildung 3-12: Vorgänger- Beziehung zwischen Jobs im CSP ........................................96 Abbildung 3-13: (Q)CSP-Modellentwicklung (KIM und PARK) .........................................98 Abbildung 3-14: Entwicklung von CSP-Modellen (LIM ET AL.) ........................................99 Abbildung 3-15: Bestimmung der Containerposition in dem Yard-Block, LAP ..............107 Abbildung 3-16: Einfluss des Equipments auf die Lagerfähigkeit in TEU/Hektar ...........109 Abbildung 3-17: Anzahl der zu im-, bzw. exportierenden Container eines bestimmten Schiffes im Yard ......................................................................................112 Abbildung 3-18: Unterschiedliche Yard-Zuordnung.........................................................113 Abbildung 3-19: Bezeichnung der Containertypen nach ZHANG ET AL............................118 Abbildung 3-20: Auswahl einer Metrik zur Bestimmung der Distanz im CT-Modell......125 Abbildung 3-21: Darstellung des SLP ...............................................................................126 Abbildung 3-22: Restriktionen für das VDP unter verschiedenen Zuordnungsstrategien.132 Abbildung 3-23: Optimale QC-Auslastung .......................................................................133 Abbildung 5-1: Komponenten des CTMP-Modells...........................................................158 Abbildung 5-2: Black Box-Betrachtung ............................................................................160 Abbildung 5-3: CTMP-Struktur.........................................................................................160 Abbildung 5-4: Konkretisierung der Planung....................................................................161 Abbildung 5-5: Architektur der Agenten im Modell .........................................................162 Abbildung 5-6: In die Terminal-Umgebung eingesetzte Agenten.....................................163 Abbildung 5-7: CT-Entity Relationship Modell (ohne Attribute) .....................................164 Abbildung 5-8: Überblick behandelter Entscheidungsbereiche im Modell.......................165 Abbildung 5-9: Zieldefinition ............................................................................................169 Abbildung 5-10: Zielkonflikt zwischen Transportdistanz und Wartezeit..........................171 Abbildung 6-1: BAP-Ergebnisse für GA und PSO (Boxplots) .........................................188 Abbildung 6-2: Vergleich eingesetzter BAP-Methoden....................................................189 Abbildung 6-3: Variation der Kailänge .............................................................................191 Abbildung 6-4: Optimale Kailänge (S*) in Abhängigkeit von Z und k .............................194 Abbildung 6-5: Zielkonflikt BAP-Parameter (Kailänge)...................................................195 Abbildung 6-6: CSP-Ergebnisse für SA und GA (Boxplots) ............................................199

Abbildungsverzeichnis

XVII

Abbildung 6-7: CSP Heuristiken ....................................................................................... 200 Abbildung 6-8: Optimierung der Eröffnungsheuristik mit SA und GA ............................ 201 Abbildung 6-9: Variation der Anzahl eingesetzter Containerbrücken .............................. 202 Abbildung 6-10: Optimale Containerbrückenanzahl (m*) in Abhängigkeit von Z und k 204 Abbildung 6-11: SLP-Ergebnisse mit GA und FRE nach MURTY .................................... 207 Abbildung 6-12: Versuchsaufbau SLP-Parameter............................................................. 208 Abbildung 6-13: Variation der SLP-Parameter ................................................................. 209 Abbildung 6-14: Entscheidungsbaum des CTMP ............................................................. 210 Abbildung 6-15: Iterativer Verlauf für BAP und CSP ...................................................... 212 Abbildung 6-16: MAS-basiertes Vorgehen für BAP und CSP.......................................... 214 Abbildung 6-17: Lösungsvielfalt in der Population des GA ............................................. 215 Abbildung 6-18: Vergleich sequenzieller, iterativer und MAS-basierter Koordination ... 217 Abbildung 6-19: Ablauf iterativer/ MAS-basierter Koordination für BAP und SLP........ 219 Abbildung 6-20: Sequenzielles CTMP-Ergebnis (Boxplot).............................................. 221 Abbildung 6-21: MAS-basierte Koordination im CTMP .................................................. 222 Abbildung 6-22: Entwicklung der Zielgrößen des CTMP im Planungsprozess................ 224 Abbildung A-1: Greedy-Konstruktion einer TSP-Lösung (suboptimal) ........................... 233 Abbildung A-2: CSP-Eröffnungsheuristik (Pseudocode).................................................. 235 Abbildung A-3: Erweiterte CSP-Eröffnungsheuristik (Pseudocode) ................................ 236 Abbildung A-4: Erzeugen einer benachbarten Lösung für das CSP (NB1) ...................... 237 Abbildung A-5: Erzeugen einer benachbarten Lösung für das CSP (NB2) ...................... 237 Abbildung A-6: Greedy CSP-Zuordnung .......................................................................... 238 Abbildung A-7: Containerbrückenbewegung am Kai mit EH2......................................... 239 Abbildung A-8: Yard-Auslastung im Planungszeitraum................................................... 240 Abbildung A-9: Klassenhierarchie in Protégé................................................................... 241 Abbildung A-10: Vessel-Entity in Protégé ....................................................................... 241 Abbildung A-11: Kommunikation bei sequenzieller Koordination .................................. 242 Abbildung A-12: Kommunikation bei MAS-basierter Koordination................................ 243 Abbildung A-13: Beispiel Liegeplatzzuordnung und resultierende Adjazenzmatrix........ 251

Tabellenverzeichnis

XIX

Tabellenverzeichnis Tabelle 1-1: Containerumschlag im weltweiten Vergleich ................................................... 3 Tabelle 2-1: Logistikprozesse und durch sie bewirkte Gütertransformation....................... 12 Tabelle 2-2: Statische Dimensionen der Systemkomplexität und Kompliziertheit ............. 47 Tabelle 2-3: Konzeptionen der Planungsmethodik.............................................................. 55 Tabelle 4-1: Untersuchung bestehender Modelle .............................................................. 146 Tabelle 4-2: Defektanalyse in CT-Modellen ..................................................................... 149 Tabelle 4-3: Experimente des MAS und Planungsebene................................................... 153 Tabelle 6-1: Anzahl operierender QC für Schiffstyp (Annahme) ..................................... 185 Tabelle 6-2: BAP-Parametereinstellungen für GA............................................................ 187 Tabelle 6-3: BAP-Parametereinstellungen für PSO .......................................................... 187 Tabelle 6-4: BAP-Ergebnisse für GA und PSO................................................................. 189 Tabelle 6-5: BAP-Ergebnisse unter Variation der Kailänge ............................................. 191 Tabelle 6-6: Nutzen und Kosten der verlängerten Kailänge.............................................. 192 Tabelle 6-7: Optimale Kailänge (S*) in Abhängigkeit von Z und k .................................. 194 Tabelle 6-8: CSP-Parametereinstellungen für SA ............................................................. 198 Tabelle 6-9: CSP-Parametereinstellungen für GA............................................................. 198 Tabelle 6-10: CSP-Ergebnisse für SA und GA ................................................................. 199 Tabelle 6-11: Fitnesswert und Standardabweichung für CSP-Parametervariation ........... 203 Tabelle 6-12: Kumulierte Reduktion der Aufenthaltszeit für CSP-Parametervariation .... 203 Tabelle 6-13: Optimale Containerbrückenanzahl (m*) in Abhängigkeit von Z und k ...... 204 Tabelle 6-14: SLP-Einstellungen für GA .......................................................................... 206 Tabelle 6-15: Ergebnisse der iterativen Untersuchung für BAP und CSP ........................ 213 Tabelle 6-16: Vergleich von Koordinationsmethoden zwischen BAP und CSP............... 216 Tabelle 6-17: Vergleich von Koordinationsmethoden zwischen BAP und SLP ............... 219 Tabelle 6-18: Vergleich sequenzieller und MAS-basierter Koordination ......................... 223 Tabelle A-1: Verwendeter Datensatz................................................................................. 244 Tabelle A-2: Yard-Layout ................................................................................................. 245

Abkürzungsverzeichnis

XXI

Abkürzungsverzeichnis ACO

Ant Colony Optimization

ACL

Agent Communication Language

ALV

Automated Lifting Vehicle

AGSC

Automated Guided Straddle Carrier

AGV

Automated Guided Vehicle

API

Application Programming Interface, Programmierschnittstelle

(S)BAP

(Static) Berth Allocation Problem, Liegeplatzplanung

BMVBS

Bundesministerium für Verkehr, Bau und Stadtentwicklung

BMWi

Bundesministerium für Wirtschaft und Technologie

CDPS

Kooperativ verteiltes Problemlösen (Cooperative Distributed Problem Solving)

CH

Composite Heuristic

CLM

Council of Logistics Management

CORBA

Common Object Request Broker Architecture

CSI

Container Security Initiative

CSP

Crane Scheduling Problem, Containerbrückenplanung

CSV

Comma Separated Values

CT

Container-Terminal

CTMP

Container-Terminal Management Problem

CYGD

Container Yard Grounding-Container (Bezeichner aus dem Modell von ZHANG ET AL.)

CYPI

Container Yard Pickup-Container (Bezeichner aus dem Modell von ZHANG ET AL.)

DSS

Decision Support System

ERM

Entity Relationship Modell

FIFO/ FIFS

First In First Out/ First In First Served

FIPA

Foundation for Intelligent Physical Agents

FRE

Fill Ratio Equalization

GA

Genetischer Algorithmus

GRASP

Greedy Randomized Adaptive Search Procedure

XXII

Abkürzungsverzeichnis

GUI

Graphical User Interface

h

Stunden

HGB

Handelsgesetzbuch

HTML

Hypertext Markup Language

ISL

Institut für Seeverkehrswirtschaft und Logistik

IT

Informationstechnologie

JADE

Java Agent Developvent Environment

KI

Künstliche Intelligenz

KTP

Klassisches Transportproblem

LAP

Location Assignment Problem

LIFO

Last In First Out

Lkw

Lastkraftwagen

LMTT

Linear Motor Based Transfer Technology

m

Meter

MA(B)S

Multiagentensystem (Multi Agent Based Simulation)

min

Minuten

MODI

Modified Distribution Methode

MTT

Multitrailer Train, Zugmaschine

NWE

Nordwesteckenregel

OR

Operations Research

ÖTV

Gewerkschaft für Öffentliche Dienste, Transport und Verkehr

PGP

Partial Global Planning

PSO

Particle Swarm Optimization

PWE

Pairwise-Exchange

QC

Containerbrücke (Quay Crane)

RMG

Rail Mounted Gantry Crane

RMI

Remote Method Invocation

RTG

Rubber Tyred Gantry Crane

s

Sekunden

SA

Simulated Annealing

(S)BS

(Stochastic) Beam Search

sd

Standardabweichung

Abkürzungsverzeichnis SLP

Storage Location Problem, Yardplanung

SL

Semantic Language

SOAP

Simple Object Access Protocol

SRM

Stakeholder Relationship Management

TEU

Twenty Foot Equivalent Unit

TIP

Time in Port, Aufenthaltszeit

TS

Tabu Search

TSP

Tree-Search-Procedure

UM

Ungarische Methode

VAM

Vogel’sche Approximationsmethode

VC

Van Carrier (Transportfahrzeug)

VDP

Vehicle Dispatching Problem, Transportplanung

VSDS

Vessel Discharge-Container (Bezeichner aus dem Modell von ZHANG ET AL.)

VSLD

Vessel Loading-Container (Bezeichner aus dem Modell von ZHANG ET AL.)

XML

eXtensible Markup Language

XXIII

Einleitung

1

1 Einleitung „Das Ganze ist mehr als die Summe seiner Teile“ (Aristoteles) Dieses Kapitel dient der Einführung in die Thematik der vorliegenden Dissertation. Hierzu werden zuerst Motivation und Problemstellung sowie die verfolgte Zielsetzung dargestellt. Anschließend wird auf den Aufbau dieser Arbeit eingegangen.

1.1 Motivation und Problemstellung Die Logistik ist auf die bedarfsgerechte Verfügbarkeit von Objekten ausgerichtet. Zu den logistischen Prozessen zählen alle Transport- und Lagerprozesse, das dazugehörige Beund Entladen, Ein- und Auslagern (der Umschlag) sowie das Kommissionieren.1 Es liegt damit ein wesentlicher Unterschied zur Produktion vor, die sich mit der Transformation von Produktionsfaktoren in Güter und Dienstleistungen in einem Kombinationsprozess beschäftigt.2 Die Logistik dient der Raumüberbrückung von Objekten durch Transport, der Zeitüberbrückung von Objekten durch Lagerung und der Veränderung der Anordnung von Objekten durch Kommissionierung.3 Güterverkehr und Logistik sind entscheidende Faktoren für die internationale Wettbewerbsfähigkeit der Weltmarkt orientierten deutschen Wirtschaft.4 Die Logistik ist unverzichtbarer Bestandteil aller modernen und wettbewerbsfähigen Produktions- und Dienstleistungsprozesse. Sie bildet damit die Grundlage für wirtschaftliche Wertschöpfung, materiellen Wohlstand und die soziale Basis der deutschen Gesellschaft.5 So ist in Deutschland nahezu jeder Arbeitsplatz direkt oder indirekt von einem funktionierenden Güterverkehrssystem abhängig. Die Attraktivität des Industriestandortes ist maßgeblich von der Leistungsfähigkeit des Güterverkehrssystems und der Logistik beeinflusst. Eine Studie des BUNDESMINISTERIUMS

1

Vgl. FLEISCHMANN, B. (2004), S. A1-3.

2

Vgl. BLOECH, J. et al. (2008), S. 3f.

3

Vgl. FLEISCHMANN, B. (2004), S. A1-3.

FÜR

VERKEHR, BAU

UND

STADTENTWICKLUNG

4

Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a), S. 2.

5

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a), S. 2.

2

Einleitung

(BMVBS) schätzt, dass das Güterverkehrsaufkommen in Deutschland bis zum Jahr 2050 um etwa die Hälfte zunehmen wird. Die Güterverkehrsleistung wird sich mehr als verdoppeln.6 Gleichzeitig liegen die Anforderungen an die Anpassungsfähigkeit des Transport- und Logistiksektors sehr hoch, weil dieser Wirtschaftsbereich von „stetigen Veränderungen der Rahmenbedingungen“ betroffen ist: Anforderungen durch die Globalisierung, das Zusammenwachsen Europas, der demographische Wandel, Klima- und Umweltschutzbelange, Beschäftigungschancen und Arbeitsbedingungen sowie die Sicherheit der Transportkette.7 Die Unternehmen agieren somit in einer hochdynamischen Umwelt. Beispielsweise starteten die USA als Folge der Anschläge vom 11. September 2001 die Container Security Initiative (CSI), deren Ziel es war, hochgefährliche (high-risk) Container bereits im Exporthafen zu identifizieren. Häfen, die nicht in der Lage sind, die entsprechenden Maßnahmen zu gewährleisten, ist es nicht erlaubt, Güter in die USA exportieren.8 Deutschland stellt mit Hamburg und Bremen-Bremerhaven zwei der zwanzig größten Containerhäfen weltweit. Zusammen mit Rotterdam bilden diese Häfen eine bedeutende Schnittstelle für die Anbindung des globalen Güterverkehrs an Europa. Die folgende Tabelle zeigt den Umschlag dieser Häfen in TEU zusammen mit den größten drei Containerhäfen im weltweiten Vergleich.

6

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a), S. 2f.

7

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a), S. 3ff.

8

Vgl. World Trade Organization (2006), S. 39. Für den Bereich Containersicherheit sind in Folge dessen immer mehr wissenschaftliche Publikationen zu finden. Vgl. hierzu u.a. den Workshop „Container Security“ der Gesellschaft für Informatik GI, vom 24.- 27. September in Bremen und die dort angegebene Literatur, vgl. KOSCHKE, R. et al. (2007), S. 1- 22.

Einleitung

3

Rang

Hafen

1

Singapur

2

Shanghai

3

Hongkong

6

Rotterdam

9

Hamburg

20

Bremen-Bremerhaven

Umschlag 2007

Umschlag 2006

27.932.000

24.792.400

(+12,66%)

(+6,90%)

26.150.000

21.710.000

(+20,45%)

(+20,05%)

23.881.000

23.538.580

(+1,45%)

(+4,14%)

10.790.604

9.654.508

(+11,77%)

(+3,96%)

9.889.792

8.861.804

(+11,60%)

(+9,57%)

4.912.177

4.444.389

(+10,53%)

(+18,97%)

Umschlag 2005

23.192.000

18.084.000

22.602.000

9.286.757

8.087.545

3.735.574

Tabelle 1-1: Containerumschlag im weltweiten Vergleich9 Das starke Wachstum in jedem der aufgezeigten Häfen ist ein Beleg für die Bedeutung des Containerverkehrs weltweit. Der Container-Terminal (CT) des Hafens bildet dabei eine wichtige Schnittstelle für die globale Transportkette. Das Interesse wissenschaftlicher Forschung im Bereich der (Container-)Logistik ist, gemessen an der Anzahl wissenschaftlicher Publikationen, in den vergangenen Jahren erheblich gestiegen. Das erhöhte Interesse steht im Zusammenhang mit dem nicht nur seit Jahren anhaltenden sondern auch weiterhin für die Zukunft prognostizierten Boom.10 Ohne den Einsatz moderner Informationstechnologien und deren fortschreitende Entwicklung im Rahmen der Planung in Container-Terminals wären die Prozesse in ihrer heutigen Form nicht denkbar. Methoden des Operations Research unterstützen die Entscheidungsfindung in Optimierungsproblemen des Container-Terminals.11

9

Vgl. Hafen Hamburg (2007). Die angegebenen Zahlen sind um die prozentuale Veränderung zum Vorjahr ergänzt.

10

Vgl. MEIER, L. (2006), S. 209 und STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 13 und S. 34ff. Eine Prognose geben u.a. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b), S. 2. Die Entwicklung der Containerhäfen zeigt Tabelle 1-1.

11

Von STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004) wird ein umfassender Überblick gegeben. Der Artikel wird von STAHLBOCK, R.; VOß, S. (2007) aktualisiert.

4

Einleitung

Bisherige Ansätze zur Planung in CT-Prozessen zerlegen die Problemstellung aufgrund ihrer Komplexität in beherrschbare Teilprobleme. In der Literatur finden sich zahlreiche Modelle, die jeweils einen Teilbereich aufgreifen und mit unterschiedlichen Methoden optimieren. Obwohl die Bedeutung koordinierender Ansätze in der Literatur erkannt ist, liegt der Forschungsschwerpunkt noch immer auf der Entwicklung isolierter Modelle von Teilproblemen des CT. In diesen werden Beziehungen zu anderen Modellen vernachlässigt bzw. vereinfacht. Verfügbare Modelle unterscheiden sich in den betrachteten Zielfunktionen, den Restriktionen und den dem Modell zugrunde liegenden Annahmen. Zur Synthese der isoliert optimierten Teilprobleme ist die Unterstützung menschlicher Experten erforderlich. SAANEN gibt die Kosten für das Informationssystem des Terminals mit 4.000.000 € - 20.000.000 € an. Die Kosten eines Containerschiffs im Hafen werden in einer Untersuchung von KIA, SHAYAN und GHOTB mit 45.000 € - 65.000 € pro Tag angegeben.12 Aus diesem Grund stellt die durchschnittliche Aufenthaltszeit der Containerschiffe im Hafen eine wesentliche Größe im Zielsystem des Terminals dar. Oberziel der europäischen Verkehrspolitik ist die Sustainable Mobility, d.h. die „auf Dauer erträgliche Mobilität.“13 Damit rückt der Container auch in das politische Interesse. Der kombinierte Verkehr stellt auf weiten Strecken ein wirtschaftliches Transportangebot dar und trägt zur europäischen Kohäsion, d.h. zur Förderung des innereuropäischen Handels, bei. Das europäische Straßennetz kann entlastet werden, was wiederum zu einer umweltgünstigen Verkehrsabwicklung beiträgt.14

1.2 Zielsetzung Ziel dieser Arbeit ist die Konzeption eines Ansatzes zur Koordination interdependenter Planungssysteme. Am Beispiel von Container-Terminals im Hafen werden interdependente Planungssysteme untersucht, implementiert und in gemeinsamer Umgebung koordiniert.

12

Vgl. KIA, M.; SHAYAN, E.; GHOTB, F. (2000), S. 333.

13

Vgl. SEIDELMANN, C. (2004), S. C3-18. Vgl. hierzu auch IHDE, G. (1996), S. 1047f aus der Mitteilung der Kommission der Europäischen Gemeinschaft Nr. 92 (494), Brüssel 1992.

14

Vgl. SEIDELMANN, C. (2004), S. C3-18.

Einleitung

5

Hierfür wird es notwendig sein, zunächst vorhandene Probleme zu betrachten und Interdependenzen untereinander zu analysieren. Wenn feststeht, wo Abhängigkeiten bestehen, lassen sich diese Modelle verknüpfen und gemeinsam untersuchen. Es soll auf bestehende isolierte Modellformulierungen zurückgegriffen werden, die über zu identifizierende Schnittstellen miteinander zu verknüpfen sind. Zu untersuchende Problemstellungen sind ƒ

die Liegeplatzplanung (Berth Allocation Problem, BAP),

ƒ

die Containerbrückenaufteilung (Crane Scheduling Problem, CSP),

ƒ

die Containerlagerung im Yard (Storage Location Problem, SLP) und

ƒ

die Transportplanung (Vehicle Dispatching Problem, VDP).15

Für die genannten Entscheidungsprobleme sind Modelle und Lösungsverfahren der Literatur vorzustellen und ihre Beziehungen untereinander zu untersuchen. Für jede Problemstellung sind unterschiedliche Lösungsverfahren denkbar, die sich in unterschiedliche Gruppen gliedern lassen. Folgende Gruppen sollen in dieser Arbeit zum Einsatz kommen: ƒ

Einfache Entscheidungsregeln, Prioritätsregeln

ƒ

Greedy- bzw. myopische Verfahren

ƒ

Metaheuristiken

ƒ

Modellspezifische Verfahren der Literatur

Es soll versucht werden, die mit isolierten Modellen und unter Einsatz dieser Methoden gewonnenen Erkenntnisse zur Gestaltung eines übergreifenden Koordinationsmodells zu verwenden.

15

In der Literatur werden häufig die englischsprachigen Begriffe verwendet, deswegen sollen an dieser Stelle ebenfalls diese Bezeichnungen eingeführt werden.

6

Einleitung

1.3 Methodik und Aufbau der Arbeit Diese Arbeit gliedert sich wie folgt. Die Einleitung stellt die Motivation der Arbeit vor und spricht die Problemstellung und ihre Zielsetzung an. Es wird der Aufbau vorgestellt und eine inhaltliche und methodische Abgrenzung der Arbeit vorgenommen. Kapitel 2 und 3 stellen die Grundlagen der Arbeit heraus: Das zweite Kapitel beschäftigt sich mit den Grundlagen logistischer Systeme und deren Prozessen im Allgemeinen. Hierfür werden zunächst Kennzeichen der Logistik vorgestellt, bevor gezeigt werden soll, mit welchen Methoden die modellgestützte Planung in Logistiksystemen erfolgen kann. Aus der Optimierung von Teilsystemen einer Problemstellung entsteht das Koordinationsproblem, das im Anschluss daran, zusammen mit betriebswirtschaftlichen Koordinationsinstrumenten, vorgestellt werden soll. In der Literatur treten zur Abbildung und Modellierung vermehrt multiagentenbasierte Systeme auf. Ihre Darstellung bildet den Abschluss des zweiten Kapitels. Die erforderlichen einzusetzenden Begrifflichkeiten werden in den jeweiligen Teilabschnitten definiert. Kapitel 3 geht daraufhin auf die speziellen Anforderungen und die Planung in ContainerTerminals ein. Zunächst werden hier die Grundlagen des Containerverkehrs dargestellt. Es wird die Entwicklung beschrieben, um daran folgend allgemeine und idealtypische Prozesse moderner Container-Terminals zusammen mit dem eingesetzten Equipment für den Containerumschlag beschreiben zu können. Im Anschluss daran wird umfassend auf Optimierungsmodelle für CT-Teilprobleme eingegangen. Es werden Unterschiede zwischen bestehenden Modellen herausgearbeitet und nach geeigneten Modellen für die Umsetzung in einem integrierten Ansatz gesucht. Abschließend werden wechselseitige Abhängigkeiten zwischen den Entscheidungsbereichen untersucht. Kapitel 4 stellt zusammenfassend die Leistung und die Grenzen bestehender Modelle der CT-Logistik zusammen und zeigt Anforderungen für zukünftige Ansätze auf. In den Kapiteln 5 und 6 wird gezeigt, wie sich ein Modell zur Koordination interdependenter Planungssysteme der CT-Logistik umsetzen lässt. In Kapitel 5 soll das Container-Terminal Management Problem vorgestellt werden. Es ist die Architektur des multiagentenbasierten Modells aufzuzeigen und das Zielsystem für den

Einleitung

7

CT zu definieren. Daran folgt die kritische Untersuchung des entwickelten Modells, bevor abschließend auf die technische Realisierung eingegangen wird. Das entwickelte und implementierte Modell soll in Kapitel 6 getestet werden. Es werden unterschiedliche Experimente definiert. Diese erfolgen zunächst in isolierter Umgebung, um Lösungsmethoden und die Wirkung der Modellparameter zu untersuchen. Im Anschluss daran werden die isolierten Planungssysteme in die gemeinsame Multiagentensystem-Umgebung eingesetzt, um ihre Wirkung modellübergreifend im Rahmen des Container-Terminal Management Problems untersuchen zu können. Es wird die Entwicklung eines multiagentenbasierten Koordinationsmodells aufgezeigt, das mit bestehenden vorherrschenden Koordinationsmethoden zur Synthese isolierter Planungssysteme verwendet wird. Es schließen sich die Diskussion der Übertragbarkeit der beobachteten Ergebnisse sowie die Betrachtung der Modellkritik an dieses Kapitel an. Kapitel 7 fasst die Ergebnisse der Arbeit abschließend zusammen und gibt einen Ausblick für zukünftige Forschungsarbeiten.

Grundlagen logistischer Systeme und Prozesse

9

2 Grundlagen logistischer Systeme und Prozesse In diesem Kapitel sollen die logistischen Grundlagen für die weitere Arbeit gelegt werden. Es werden Begriffsdefinitionen aufgezeigt, wie sie im Rahmen der Logistik und im Kontext der zu behandelnden CT-Prozesse innerhalb dieser Arbeit zum Einsatz kommen. Es sollen Kennzeichen der Logistik im Allgemeinen aufgezeigt und eine Einordnung in die Betriebswirtschaftslehre vorgenommen werden. Im Anschluss daran wird gezeigt, wie sich logistische Systeme modellieren und optimieren lassen. Aus der Dekomposition von Systemen erwächst das Koordinationsproblem, das im Anschluss an die Darstellung von Optimierungsmethoden vorzustellen ist. Multiagentensysteme erweitern klassische Koordinationsinstrumente der Betriebswirtschaftslehre. Ihre Darstellung bildet den Abschluss dieses Kapitels.

2.1 Kennzeichen der Logistik In diesem Abschnitt werden die Kennzeichen der Logistik behandelt. Es soll hier zunächst die Entwicklung der Logistik vorgestellt werden, da sie für das Begriffsverständnis von Bedeutung ist. Daran folgend wird ein Überblick über die logistischen Grundfunktionen gegeben. Anschließend werden systemtheoretische Grundlagen aufgezeigt.

2.1.1 Einordnung in die Betriebswirtschaftslehre Der Ursprung des Logistikbegriffs ist im militärischen Bereich zu finden und wird dort als Sammelbegriff für die Gesamtheit der Aufgaben genutzt, die mit der Unterstützung der Streitkräfte zusammenhängen.16 Erst in den 50er Jahren wurde die Logistik in den USA auf betriebswirtschaftliche Problemstellungen übertragen. Im deutschsprachigen Raum tritt der Begriff seit Anfang der 70er Jahre auf.17 Eine flussorientierte Definition des Logistikbegriffs kommt vom amerikanischen Logistikverband, dem Council of Logistics Management (CLM):

16

Vgl. PFOHL, H. C. (2004a), S. 3ff. Vergleich hierzu auch IHDE, G. (2001), S. 20- 25, FLEISCHMANN, B. (2004), S. A1-3 und MIKUS, B. (2003), S. 5- 9.

17

Vgl. PFOHL, H. C. (2004a), S. 4.

10

Grundlagen logistischer Systeme und Prozesse „Logistics is that part of the supply chain process that plans, implements and controls the efficient, effective forward and reverse flow and storage of goods, services, and related information between the point of origin and the point of consumption in order to meet customer’s requirements.”18

Flussorientierte Definitionen stellen den Güterfluss in den Mittelpunkt der logistischen Betrachtung. Beispielsweise nennt PFOHL die „4r-Regel“ aus der klassischen Materialwirtschaft.19 Im Idealfall erstreckt sich dieser Fluss auf die gesamte Versorgungskette. Nach der genannten Definition erstreckt sich die Logistik keinesfalls nur auf die (physische) Durchführung von logistischen Grundfunktionen.20 Planung, Durchführung und Kontrolle stellen Managementfunktionen dar, so dass auch eine Managementkomponente explizit in dieser Logistikdefinition enthalten ist. Zudem wird die besondere Bedeutung von Informationen in der Definition berücksichtigt.21 Selbst interorganisatorische Systeme werden von der Logistik durchdrungen. Es soll hier auf das Verständnis der Logistik nach PFOHL zurückgegriffen werden. Demnach umfasst die Logistik sowohl das integrative Management als auch die integrative Erfüllung eines Bündels von güterflussbezogenen Aufgaben in- und außerhalb des Unternehmens.22 Mit integrativ beschreibt der Autor nicht die Behandlung des Güterflusses allein, sondern zusätzlich die Berücksichtigung weiterer Flüsse, die mit diesem zusammen-

18

PFOHL, H. C. (2004a), S. 4. Zitiert in Anlehnung an die dort genannte Internetquelle. Die angegebene Quelle ist zu diesem Zeitpunkt nicht aktiv. Eine ähnliche, ebenfalls flussorientierte Definition kommt von der europäischen Dachgesellschaft der nationalen logistischen Gesellschaften in Europa, vgl. hierzu European Logistics Association (2008).

19

Vgl. PFOHL, H. C. (2004a), S. 4. Zu dieser Regel existieren in der Literatur unterschiedliche Varianten. Von DAVIDSSON wird sie, in Anlehnung an die Definition von SHAPIRO, mit “7r” gekennzeichnet, vgl. DAVIDSSON, P. et al. (2005), S. 1. SAANEN gibt die folgende - wiederum leicht veränderte - Definition: “Material handling means providing the right amount of the right material, in the right condition, at the right place, at the right time, in the right position, in the right sequence, and for the right cost, by using the right methods.”, vgl. SAANEN, Y. A. (2004), S. 4.

20

Vgl. PFOHL, H. C. (2004a), S. 4f.

21

Neue Anforderungen der Logistik hängen eng mit der Entwicklung der Informationstechnologie zusammen. So stellt PFOHL heraus, dass erhöhte Anforderungen hinsichtlich Ort-, Zeit- und Mengengenauigkeit innerhalb des Güterflusses einen schnellen, sicheren und effizienten Informationsfluss bedingen, vgl. hierzu PFOHL, H. C. (2004a), S. 14ff. Hierfür lassen sich Beispiele finden: So lässt sich der Status der Auftragsabwicklung bei dem Onlinehändler AMAZON jederzeit nachvollziehen, vgl. hierzu amazon.de (2008).

22

PFOHL, H. C. (2004a), S. 5.

Grundlagen logistischer Systeme und Prozesse

11

hängen. Diese Flüsse, die auch von VAHRENKAMP in einem Netzwerkmodell dargestellt werden,23 sind in das Management einzubeziehen.24 Weiterhin existieren lebenszyklusorientierte und dienstleistungsorientierte Definitionen des Logistikbegriffs, auf die hier nicht näher eingegangen werden soll.25 Eine Klassifikation zur institutionalen Abgrenzung logistischer Systeme wird von PFOHL bereitgestellt. Unter einem makrologistischen System versteht er ein System gesamtwirtschaftlicher Art, bspw. das Verkehrssystem einer Region, einer Volkswirtschaft oder der Weltwirtschaft. Ein mikrologistisches System stellt im Gegensatz dazu das logistische System eines Unternehmens dar. Weiterhin lassen sich metalogistische Systeme differenzieren, die auf der Betrachtungsebene zwischen mikro- und makrologistischen Systemen liegen.26 Einen umfassenden Rahmen zur Klassifizierung von Systemen der Logistik stellt auch MIKUS zur Verfügung.27 Innerhalb der betrieblichen Funktionen lässt sich die Logistik u.a. in Beschaffungslogistik, Produktionslogistik, Distributionslogistik und Entsorgungslogistik einteilen.28 Weil die Logistik somit die betrieblichen Grundfunktionen durchdringt, kann sie als betriebswirtschaftliche Querschnittsfunktion bezeichnet werden.29 Die innerbetrieblichen Aspekte der Logistik, von der Beschaffung bis zur Verteilung von Gütern, sind in dieser Arbeit jedoch nicht weiter zu betrachten.30

23

Vgl. VAHRENKAMP, R. (2005), S. 9.

24

Vgl. PFOHL, H. C. (2004a), S. 5.

25

Vgl. PFOHL, H. C. (2004b), S. 12- 14.

26

Vgl. PFOHL, H. C. (2004b), S. 14f. Dieser Betrachtung zufolge stellen Container-Terminals metalogistische Systeme dar, vgl. die Darstellungen in Kapitel 3.

27

Vgl. MIKUS, B. (2003), S. 24- 33.

28

Vgl. VAHRENKAMP, R. (2005), S. 7. Von anderen Autoren kommen leicht abgewandelte und weiter differenzierte Klassifizierungen, u.a. PFOHL, H. C. (2004b), S. 17ff zur funktionalen Abgrenzung von Logistiksystemen.

29

Vgl. PFOHL, H. C. (2004b), S. 44f.

30

Container-Terminals erbringen logistische Leistungen für andere Unternehmen innerhalb der Transportkette. Damit kommt ihnen eine übergreifende Rolle zu, vgl. ausführlich die Darstellungen in Kapitel 3.

12

Grundlagen logistischer Systeme und Prozesse

2.1.2 Funktionen und Ziele Logistische Grundfunktionen werden als Dienstleistungen verstanden, weil sie Güter bewegen und verwalten, nicht aber umformen, wie dies im Sinne der Produktionswirtschaft der Fall ist. Die Überbrückung von Differenzen im Güter- und Informationsstrom spielt in der Logistik eine zentrale Rolle.31 Die nachfolgende Tabelle gibt eine Zuordnung von Logistikprozessen und die durch sie bewirkten Arten der Gütertransformation. Logistikprozesse GüterTransformation

Transportieren, Lagern

Umschlagen (Handhaben)

Zeitänderung

Umschlagen (Zusammen-

Umschlagen

Verpacken,

fassen,

(Sortieren)

Signieren

Auflösen)

Aufträge übermitteln, bearbeiten

x

Raumänderung Mengenänderung

x x

Sortenänderung

x

Änderung in den Transport-, Um-

x

schlags- und Lagereigenschaften Änderung in der logistischen Deter-

x

miniertheit des Gutes

Güterfluss

Informationsfluss

Tabelle 2-1: Logistikprozesse und durch sie bewirkte Gütertransformation32 In der Tabelle werden logistische Prozesse vorgestellt. Transportprozesse von einer Quelle zu einer Senke dienen der Überwindung von Raumdifferenzen. Logistiksysteme stiften Nutzen, indem sie ein Gut an einem anderen (gewünschten) Ort zur Verfügung stellen.33

31

Vgl. VAHRENKAMP, R. (2005), S. 8 sowie FLEISCHMANN, B. (2004), S. A1- 3 und BLOECH, J. et al. (2008), S. 3f.

32

Vgl. PFOHL, H. C. (2004b), S. 9. Geänderte Tabelle nach JÜNEMANN, übernommen aus der angegebenen Quelle.

33

Vgl. VAHRENKAMP, R. (2005), S. 8.

Grundlagen logistischer Systeme und Prozesse

13

Umschlagprozesse können auf zwei unterschiedliche Weisen betrachtet werden. Zum einen gehören das Zusammenfassen bzw. das Auflösen von Gütern zum Umschlag, zum anderen kann das Sortieren als Umschlag bezeichnet werden. Als Beispiel soll ein Fall aus der Containerlogistik im Hafen vorgestellt werden. In einem Container-Terminal werden Container umgeschlagen. Container liegen zusammengefasst auf einem Schiff. Zu importierende Container werden von dem Schiff gelöscht und ins Hinterland verteilt. In entgegengesetzter Richtung werden zu exportierende Container aus dem Hinterland gesammelt und auf dem Schiff zusammengefasst.34 Für diese Arbeit spielt die (in der Tabelle) zuerst genannte Umschlagfunktion eine wesentliche Rolle. Zu den Lagerprozessen gehören die Einlagerung, die Lagerung selbst und die Auslagerung. Hierfür existieren spezielle Techniken, die aufeinander abzustimmen sind. Die Überwindung der Zeit stellt die durch die Lagerung bewirkte Gütertransformation dar.35 Begleitet werden die genannten Prozesse von Informationsflüssen. Weil diese Prozesse zu den Grundfunktionen der Logistik gehören, ist in der Literatur der Begriff TUIL-Logistik zu finden.36 Mit der in der folgenden Abbildung gegebenen Darstellung können die logistischen Grundfunktionen verdeutlicht werden.

34

Vgl. Abbildung 2-1.

35

Vgl. FLEISCHMANN, B. (2004), S. A1-7. Lagerprozesse spielen für Container-Terminals eine wesentliche Rolle. SAANEN erklärt, dass durch diese Funktion der interkontinentale von dem kontinentalen Güterfluss zeitlich entkoppelt werden kann. Ohne diese Koordinationsfunktion wäre die Verknüpfung zwischen diesen Punkten zu komplex und deshalb unmöglich, vgl. SAANEN, Y. A. (2004), S. 1f.

36

TUIL steht für Transport, Umschlag, Information und Lagerung, vgl. hierzu auch VAHRENKAMP, R. (2005), S. 3.

14

Grundlagen logistischer Systeme und Prozesse Sammeln

Lagern

Verteilen

Transportieren

Information

Abbildung 2-1: Logistische Grundfunktionen TUIL37 Das Logistikmanagement hat nach PFOHL zwei grundlegende Funktionen. Zum einen dient es dem Management der einzelnen logistischen Teilfunktionen, z.B. die physische Lagerung. Zum anderen erkennt PFOHL einen weitaus wichtigeren Aspekt, den er als die Umsetzung der Logistikkonzeption durch koordinierende und integrierende Managementaktivitäten darstellt.38 Dieser Ansicht folgend verlangt insbesondere das System- und Wertdenken die Koordination und ganzheitliche Betrachtung von Logistiksystemen und Prozessen.39 Um die außerbetrieblichen Güterflüsse gewährleisten zu können, wird auf unterschiedliche Verkehrsträger zurückgegriffen. Zu den Verkehrsträgern zählen Schiene, Straße, Wasser, Luft und auch Rohrleitungen. Für die Logistik ist das Flusskonzept von besonderer Bedeutung. Die physischen Güterströme sollen stetig durch das Logistiksystem fließen. Schnittstellen zwischen Subsystemen sind so zu gestalten, dass der Fließprozess einen minimalen Widerstand erfährt.40 Gerade die Koordination an den Umschlagpunkten zwischen Quelle und Senke muss gewährleistet werden. In diesem Zusammenhang wird von der Überwindung einer Schnittstelle gesprochen.41

37

VAHRENKAMP, R. (2005), S. 8.

38

Vgl. PFOHL, H. C. (2004a), S. 16ff.

39

PFOHL, H. C. (2004a), S. 18.

40

Vgl. VAHRENKAMP, R. (2005), S. 10- 13.

41

Vgl. VAHRENKAMP, R. (2005), S. 13. Aus diesem Ansatz gelangt VAHRENKAMP zu einer Sichtweise der Ganzheitlichkeit, S. 14.

Grundlagen logistischer Systeme und Prozesse

15

Speditionen, Lagereien und auch Container-Terminals erbringen logistische (Dienst-) Leistungen für andere Unternehmen, die alle Transport-, Lager- und Umschlagprozesse umfassen. Hub and Spoke-Netzwerke stellen wichtige Systeme der Transportlogistik dar. Ein Hub ist ein zentraler Umschlagpunkt, an dem die Ferntransporte synchronisiert ankommen und Sendungen sortiert und umgeladen werden können. Mit Hilfe von Feeder-Hubs kann diese Struktur weiter verdichtet werden.42 Das Ziel dieser Netzstrukturen ist die Realisierung einer ökonomischen Verbindung zwischen Quellen und Senken in einem Logistiksystem. Das Netz muss in der Lage sein, die Depots so miteinander zu verbinden, dass Transporte von und zu jedem Depot möglich sind.43 Transportströme werden somit gebündelt, um die Transportkosten zu senken.44 Der direkte Transport zwischen einem Produzenten und Konsumenten ist in vielen Fällen nicht wirtschaftlich. Diese Netzstrukturen sind in der folgenden Abbildung dargestellt.

a) Hub- and Spoke- Netz

b) Netz mit Feeder- Hubs

c) Multi- Hub- Netz

d) Mischstruktur Hub

Feeder- Hub

Depot

Kunde

Abbildung 2-2: Netzstrukturen45 SCHÖNSLEBEN zeigt den Beitrag der Logistik auf die Unternehmensziele auf. Er klassifiziert die vier Bereiche QUALITÄT, KOSTEN, LIEFERUNG und FLEXIBILITÄT und leitet daraus die wesentliche Bedeutung der Logistik für die Leistungsfähigkeit des Unternehmens ab. Zwischen den genannten Zielbereichen bestehen Konflikte. Aus diesem Grund ist von den

42

Vgl. FLEISCHMANN, B. (2004), S. A1-17.

43

Es lässt sich nur problemspezifisch bestimmen, welches die ökonomisch sinnvollste Netzstruktur ist.

44

Vgl. FLEISCHMANN, B. (2004), S. A1-13.

45

FLEISCHMANN, B. (2004), S. A1-17.

16

Grundlagen logistischer Systeme und Prozesse

Unternehmen ein Zielprofil zu erstellen, das auf die Ansprüche ihrer Kunden ausgerichtet sein muss. Beispielsweise führt ein hohes Maß an Produkt- und Prozessqualität potenziell zu höheren Kosten.46 Das Kernelement der Logistik sieht PFOHL nicht in dem Auftreten des Logistikbegriffs, sondern in der veränderten Wahrnehmung der Logistik für das Unternehmen, deren Grundlage die systemtheoretische Betrachtung darstellt.47 Der Autor hebt, mit Blick auf die Literatur, die abgestimmte und koordinierte Gestaltung von Güterflüssen hervor. Weil die systemtheoretische Betrachtungsweise für die Logistik von besonderer Bedeutung ist, ist im Folgenden auf diese Grundlagen einzugehen.

2.1.3 Systemtheoretische Grundlagen Der Systemansatz stellt eine Wissenschaftskonzeption dar, die eine zweckdienliche Basis für die Gestaltung und Schaffung einer effizienten Informationsverarbeitung bietet. In den Wirtschaftswissenschaften findet der Systemansatz Verwendung, weil sein Einsatz die Anwendung systemtheoretischer Modelle und Methoden erlaubt. Die Aufgabe einer Wissenschaftskonzeption sehen BIETHAHN, MUCKSCH und RUF in der Festlegung des Untersuchungsfeldes und der Analyseschwerpunkte einer Wissenschaft, um dem in der Wissenschaft Tätigen einen Leitfaden für seine Arbeit zur Verfügung zu stellen.48 Ein System lässt sich über seine Elemente und Subsysteme abbilden, wobei Beziehungen zwischen Elementen und Subsystemen auftreten können.49 Elemente stellen dabei nicht weiter zergliederbare Bestandteile des Systems dar, während es für Subsysteme möglich ist, diese weiter zu zerlegen. Dabei kommt es auf die Zweckmäßigkeit hinsichtlich des gewünschten Abstraktionsgrades an, inwieweit die Zerlegung der Subsysteme erforderlich ist. Beziehungen und Schnittstellen können das gesamte System beeinflussen und existieren zwischen Elementen und Subsystemen. Insgesamt ist die Struktur eines Systems durch

46

Vgl. SCHÖNSLEBEN, P. (2007), S. 13ff.

47

Vgl. PFOHL, H. C. (2004b), S. 25ff.

48

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 138ff.

49

In diesem Zusammenhang wird auch von der Architektur eines Systems gesprochen.

Grundlagen logistischer Systeme und Prozesse

17

die Menge der Elemente, die Menge der Subsysteme sowie die Menge und die Art der Beziehungen bestimmt. Eine Systemklassifizierung wird u.a. von BIETHAHN, MUCKSCH und RUF gegeben. Die Autoren klassifizieren Systeme nach unterschiedlichen Aspekten: Für den weiteren Verlauf der Arbeit sind insbesondere die Unterscheidung nach Systementstehungsart, Systembeziehungen und Systemverhalten von Bedeutung. Für die Entstehungsart wird zwischen künstlichen und natürlichen Systemen differenziert. Die Beziehungen zur Umwelt werden als offen bzw. geschlossen klassifiziert. Zudem können die internen Systemelemente einfache oder komplexe Beziehungen aufweisen. Das Systemverhalten kann statisch oder dynamisch sein.50 Unternehmen lassen sich so als künstliche, offene und dynamische Systeme begreifen. Die Leistungsfähigkeit des Systemdenkens liegt in der Aussicht, neue Aussagen terminologischer (definitorischer), deskriptiver (beschreibender), theoretischer (erklärender) und praxeologischer (gestaltender) Art zu gewinnen.51 Durch die Analyse der Beziehungsstruktur komplexer Systeme werden Logistikentscheidungen unter Berücksichtigung bestehender Ressourcen- und Prozessinterdependenzen getroffen. Dies hat zur Folge, dass suboptimale Insellösungen vermieden und stattdessen eine Gesamtlösung angestrebt werden kann. Die Denkweise hilft, unter Einsatz der Abstraktion, komplexe Beziehungen in Systemen zu überblicken.52 Nach Darstellung der Leistungsfähigkeit des Systemdenkens und dessen Bezug auf die Logistik sollen im folgenden Abschnitt Methoden zur Modellierung und auch Optimierung logistischer Systeme und Prozesse aufgezeigt werden.

2.2 Modellierung und Optimierung In diesem Abschnitt werden Methoden zur Modellierung und Optimierung logistischer Systeme vorgestellt. Von besonderer Bedeutung sind Methoden des Operations Research,

50

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 142f. Es werden weitere Ansatzpunkte zur Klassifizierung von Systemen genannt.

51

Vgl. PFOHL, H. C. (2004b), S. 27f.

52

Vgl. PFOHL, H. C. (2004b), S. 29, BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 153- 156 und auch VAHRENKAMP, R. (2005), S. 10.

18

Grundlagen logistischer Systeme und Prozesse

auf die detailliert eingegangen werden soll. In diesem Zusammenhang sind insbesondere die Begriffe der Planung, des Modells und der Koordination für diese Arbeit einzuführen.

2.2.1 Modellgestützte Planung Operations Research (OR) kann als modellgestützte Planung im Unternehmen definiert werden.53 Im deutschen Sprachgebrauch lassen sich unterschiedliche Synonyme finden, z.B. Unternehmensforschung oder auch Optimalplanung. Die Begriffe sollen für diese Arbeit synonym verwendet werden. Zu den Merkmalen des OR zählen das Optimalitätsstreben, das Modelldenken, die Quantifizierung von Entscheidungsproblemen und auch die Vorbereitung optimaler Entscheidungen.54 Unter einem Modell versteht man die vereinfachte Abbildung der Realität. Mit Hilfe von Modellen wird versucht, Ausschnitte der Realität nachzubilden und so deren Vorgänge zu erklären, zu prognostizieren oder auch Entscheidungen vorzubereiten.55 In der Logistik werden Modelle eingesetzt, um komplexe Systeme der Realität abzubilden, zu erklären und zu gestalten. Planung ist die gedankliche Vorwegnahme zukünftigen Handelns. Das bedeutet, dass mit der Planung Entscheidungen getroffen werden, die in die Zukunft gerichtet sind.56 Die Planung ist Teil des Führungsprozesses im Unternehmen.57 Von besonderer Bedeutung ist das ökonomische Prinzip, das sich in der Planung wiederfindet. Dieses Prinzip fordert, dass entweder ein gegebenes Ziel mit minimalen Mitteln zu erreichen ist, oder mit gegebenen Mitteln das maximale Ergebnis, bezogen auf eine festzulegende Zielgröße, anzustreben ist.58

53

In dieser Arbeit soll der Begriff wie angegeben verwendet werden. Zu den Schwierigkeiten der Begriffsdefinition, vgl. u.a. MÜLLER-MERBACH, H. (1992), S. 1f.

54

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 161- 166.

55

Vgl. HAX, H. (1974), S. 11.

56

Vgl. WÖHE, G.; DÖRING, U. (2002), S. 103ff.

57

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 16ff.

58

MÜLLER-MERBACH, H. (1992), S. 4 und ähnlich DOMSCHKE, W.; SCHOLL, A. (2002), S. 3f.

Grundlagen logistischer Systeme und Prozesse

19

Wegen der hohen Bedeutung des Planungsbegriffs in dieser Arbeit sind zudem Arten der Planung nach ihren Bezugsobjekten vorzustellen. Bezugsobjekte bilden eine Möglichkeit, Planungen zu klassifizieren.59 Von BEA, FRIEDL und SCHWEITZER werden der Bezugszeitraum, der Funktionsbereich, die Leitungshierarchie, die Planungshierarchie, die Beeinflussbarkeit der Umwelt und die Planungsgegenstände genannt.60 Der Bezugszeitraum gibt die Zeitdauer an, auf die sich ein Plan bezieht. Es lassen sich kurz-, mittel- und langfristige Pläne unterscheiden.61 Funktionsbereichsplanungen unterscheiden die Planung über Funktionsbereiche des Unternehmens, beispielsweise die Absatzplanung, Finanzplanung, Lagerhaltungsplanung, etc.62 In der Leitungshierarchie werden - unter Berücksichtigung der Aufbauorganisation - die Unternehmensplanung, die Bereichsplanung, die Stellenplanung usw. unterschieden. Von besonderer Bedeutung ist die Planungshierarchie. Sie gibt an, in welchem Verhältnis einzelne Pläne des Unternehmens zueinander stehen. Ein Plan ist einem anderen Plan übergeordnet, wenn er den Handlungsrahmen absteckt, in dem der untergeordnete Plan formuliert werden muss. Die Pläne stehen in einem Ableitungsverhältnis: Ein taktischer Plan ist aus dem strategischen Plan abzuleiten, der operative Plan wiederum aus dem taktischen. Gleichzeitig tritt dabei eine zunehmende Präzisierung der Pläne auf, so dass von einer Plankonkretisierung gesprochen werden kann. Eine Gleichsetzung mit den drei Planungsarten nach dem Bezugszeitraum ist nicht ohne Weiteres möglich, weil die strategische, taktische und operative Planung durch mehrere Merkmale gekennzeichnet ist.63

59

In Kapitel 2.3.3 werden Arten der Planung zusätzlich nach Abstimmungs- und auch Anpassungsformen klassifiziert, vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 34- 50.

60

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 34- 38.

61

Es ist dabei relativ, ab welchem Zeitraum ein Plan einem dieser Bezugszeiträume zuzuordnen ist. BEA, FRIEDL und SCHWEITZER geben für kurzfristige Pläne einen Bezugszeitraum von bis zu einem Jahr an. Mittelfristige Pläne sehen sie in einem Zeitraum von einem bis fünf Jahre. Für langfristige Pläne wird ein Zeitraum angegeben, der weiter als fünf Jahre entfernt liegt. Sie nennen zusätzlich unterschiedliche Faktoren, die Einfluss auf die Fristigkeit der Pläne nehmen, vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 34f.

62

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 35.

63

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 35f.

20

Grundlagen logistischer Systeme und Prozesse

Zur Beeinflussbarkeit der Umwelt führen BEA, FRIEDL und SCHWEITZER die Planung von außen nach innen sowie die Planung von innen nach außen an.64 Nach Planungsgegenständen lassen sich zudem die Potenzial-, Programm-, und Prozessplanung unterscheiden.65 Der Planungsprozess wird von den Autoren in Phasen zerlegt. Zu den Phasen zählen die Problemfeststellung, die Zielbildung, die Alternativensuche, die Prognose sowie die Bewertung und Entscheidung.66 Von MÜLLER-MERBACH wird eine schematische Vorgehensweise für die Planung mit mathematischen Methoden aufgezeigt, deren Voraussetzung ist, dass sich das betrachtete Realproblem in ein mathematisches Formalproblem übertragen lässt.67 Diese Vorgehensweise soll an dieser Stelle aufgezeigt werden, weil sich so die im folgenden Kapitel vorzustellenden Entscheidungsmodelle aus dem CT-Bereich kritisch beurteilen lassen.68 Weil die vollständige Abbildung der Realität in einem mathematischen Modell nicht möglich ist, ist lediglich ein relevanter Ausschnitt zu betrachten. Dieser Ausschnitt ergibt sich aus der zu betrachtenden Problemstellung. Aus dem zu betrachtenden Realitätsausschnitt ist ein mathematisches Modell zu formulieren, das zusammen mit der zu lösenden Aufgabe (die Fragestellung der Realität) das Formalproblem darstellt.69 ADAM

ET AL.

führen an,

dass die Zielsetzung für die Gestaltung eines Modells entscheidend ist und stellen fest: „Die Güte eines Modells zur vereinfachten Abbildung der Wirklichkeit kann […] nicht anhand des Modells selbst, sondern lediglich an den Zwecken, für das es entworfen wurde, beurteilt werden.“70 Demnach können lediglich dem Zweck angemessene und nicht angemessene Modelle unterschieden werden.

64

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 37f.

65

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 38.

66

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 50.

67

Vgl. MÜLLER-MERBACH, H. (1992), S. 14ff.

68

Die kritische Beurteilung von Entscheidungsmodellen der Containerlogistik soll in Kapitel 4.2 anhand dieser Kriterien erfolgen.

69

Vgl. MÜLLER-MERBACH, H. (1992), S. 14ff.

70

ADAM, D. et al. (2004), S. 2. Vgl. hierzu auch BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 163.

Grundlagen logistischer Systeme und Prozesse

21

Das Formalproblem lässt sich häufig mit unterschiedlichen Methoden lösen. MÜLLERMERBACH spricht in diesem Zusammenhang von der Problemhomogenität der Methoden. Während Methoden die Mittel der Planung darstellen, handelt es sich bei zu lösenden Problemen um die Zwecke der Planung.71 MÜLLER-MERBACH weist darauf hin, dass in der Theorie der schwierigste Schritt dieser Vorgehensweise die Abbildung der relevanten Merkmale aus dem Realitätsausschnitt umfasst.72 Der sich anschließende Teil basiert lediglich auf technischen Problemen, weil sich Übertragungs- und Rechenfehler anschließen können. Er führt an, dass Planungsaufwand und Planungsergebnisse in einem optimalen Verhältnis stehen müssen.73 So lässt sich beispielsweise die Qualität der Daten durch Mehreinsatz von Ressourcen (beliebig) verbessern, es ist jedoch auf den mit den Daten zu erzielenden Nutzen zu achten. An dieser Stelle sind weitere wesentliche Begriffe des Operations Research zu klären. Bereits zu diesem Zeitpunkt wurden die Begriffe Methode, Verfahren, Algorithmus verwendet, ohne dass ihre Bedeutung bisher definiert wurde.74 Hier sollen die Begriffe Methode und Verfahren synonym verwendet werden. HANSEN und NEUMANN definieren eine Methode „als eine systematische Vorgehensweise zur Lösung eines Problems“.75 Unter einem Algorithmus verstehen die Autoren eine spezielle Methode, bei der die Verfahrensvorschrift exakt und vollständig formuliert ist.76 Auch Heuristiken stellen spezielle Methoden dar, die im Folgenden ausführlich zu klassifizieren sind. In den folgenden Abschnitten sollen die Methoden des Operations Research vorgestellt werden. Dabei soll, nach einer allgemeinen Klassifizierung, der Schwerpunkt auf diejeni-

71

Vgl. MÜLLER-MERBACH, H. (1992), S. 8f. Da sich die Methoden häufig auch für unterschiedliche Problemstellungen einsetzen lassen, wird in diesen Zusammenhang zudem von Methodenhomogenität der Probleme gesprochen.

72

Vgl. MÜLLER-MERBACH, H. (1992), S. 15. Auch andere Autoren heben die Leistung der Modellbildung heraus, die sich nicht automatisieren lässt. ADAM stellt sogar fest, dass unterschiedliche Planer in schlecht strukturierten Entscheidungssituationen zu unterschiedlichen Ergebnissen kommen können, obwohl sie dieselbe Ausgangssituation besitzen, vgl. hierzu ADAM, D. (1996), S. 15.

73

Vgl. MÜLLER-MERBACH, H. (1992), S. 14f.

74

Von MÜLLER-MERBACH werden die Begriffe synonym verwendet. Vgl. MÜLLER-MERBACH, H. (1992), S. 24.

75

HANSEN, H. R.; NEUMANN, G. (2005), S. 782.

76

Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 782.

22

Grundlagen logistischer Systeme und Prozesse

gen Methoden gelegt werden, die im Rahmen dieser Arbeit für die Optimierung von CTProzessen implementiert wurden und zum Einsatz kommen.

2.2.2 Klassifizierung relevanter Methoden des Operations Research In diesem Abschnitt sollen die Verfahren der Unternehmensforschung klassifiziert werden. In der Literatur sind sehr unterschiedliche Ansätze zur Klassifizierung verfügbar. Es sollen hier die Zielsetzung des Modells, die Informationsgrundlage und deren Verfügbarkeit, die zeitliche Struktur sowie die zur Lösung erforderlichen mathematischen Methoden untersucht werden. Es lassen sich deterministische von nicht deterministischen Modellen abgrenzen. Nicht deterministische Modelle weisen nicht für alle Modellparameter vollständige und/oder sichere Informationen auf. Im Gegensatz dazu wird von deterministischen Modellen gesprochen, wenn alle notwendigen Daten und Parameter gegeben sind und keine zufallsabhängigen Elemente vorliegen.77 Modelle können weiterhin bezüglich ihrer Funktionsstruktur unterschieden werden. In linearen Modellen liegen ausschließlich lineare Strukturen sowohl in der Zielfunktion als auch in den Nebenbedingungen vor. In diesen Modellen lassen sich Verfahren der linearen Programmierung einsetzen.78 Weiterhin ist der Typ der Entscheidungsvariablen zu betrachten. In diskreten Modellen, in denen einige oder alle Variablen des Modells nur ganzzahlige Werte annehmen dürfen, eignen sich beispielsweise Branch and Bound-Verfahren. Für kontinuierliche Variablen lässt sich beispielsweise die Simplexmethode einsetzen, die sehr weit verbreitet ist.79 Im Gegensatz zu deterministisch linearen Modellen gibt es für nichtlineare Modelle kaum allgemein einsetzbare Methoden, weil sich die Funktionsstrukturen sehr stark unterschei-

77

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 167ff.

78

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 167.

79

Die bewusste Veränderung eines Variablentyps, z.B. die Verwendung eines kontinuierlichen statt diskreten Typs, stellt eine Relaxationstechnik dar, vgl. DOMSCHKE, W. (1997), S. 8- 12. Diese Technik kann zur Entwicklung von Untergrenzen in Branch and Bound-Verfahren eingesetzt werden. Vgl. auch Kapitel 2.2.3.4.

Grundlagen logistischer Systeme und Prozesse

23

den können. Zu nennen sind hier bspw. die Lagrange’sche Multiplikatormethode sowie die Differentialrechnung.80 Entscheidungsmodelle mit Ungewissheit treten auf, wenn nicht alle Daten und Parameter des Modells gegeben sind, bspw., wenn das Verhalten eines konkurrierenden Unternehmens nicht bekannt, für die Entscheidung der eigenen Unternehmung aber relevant ist. Es ist deshalb zwischen Modellen mit Risiko oder Unsicherheit zu unterscheiden. Risiko tritt auf, wenn Entscheidungsmodelle Stochastizitäten in den Zielfunktionen und/oder den Nebenbedingungen aufweisen. Hier liegt im besten Fall eine gute Approximation für die Verteilung der stochastischen Variablen vor. Unsicherheit ist bei nicht beeinflussbaren Umwelteinflüssen auf die eigenen Alternativen gegeben.81 Mit Hilfe von Fuzzy-Methoden kann vages Wissen mathematisch abgebildet werden. Im Gegensatz zu klassischen Zuordnungsfunktionen von Mengen, bei denen ein Element einer Menge angehören oder nicht angehören kann, bieten Fuzzy Sets die Möglichkeit, Elemente mit einem gewissen Grad einer Menge angehören zu lassen.82 Diese Methoden finden breiten Einsatz in der wissenschaftlichen Literatur, beispielsweise im Rahmen der Weiterführung einer Balanced Scorecard83, oder auch in der Projektarbeit von Unternehmensberatungen84. Heuristiken lassen sich nach ihrer Art, Lösungen zu entwickeln, klassifizieren. So unterscheiden DORIGO und STÜTZLE konstruktive und auf lokaler Suche basierende Verfahren.85 Zu den Heuristiken können zudem optimierende, exakte Verfahren hinzukommen, die vor Erreichen des Optimums abgebrochen werden.86 Während konstruktive Verfahren Lösungen von Grund auf iterativ entwickeln, starten lokal suchende Verfahren mit einer Ausgangslösung und versuchen diese durch gezielte (lokale) Veränderungen sukzessiv zu

80

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 167f.

81

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 169.

82

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 170ff.

83

Vgl. POCHERT, B. (2005) und auch SCHUBERT, A. (2002).

84

Vgl. NISSEN, V. (2002).

85

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 29ff.

86

Im Rahmen dieser Arbeit kommen exakte, vorzeitig abbrechende Verfahren nicht zum Einsatz und sollen deshalb nicht weiter diskutiert werden.

24

Grundlagen logistischer Systeme und Prozesse

verbessern.87 Dabei spielt vor allem die Überwindungsfähigkeit lokaler Optima eine entscheidende Rolle. Für lokale Verfahren ist es notwendig, eine Nachbarschaft zu definieren, zu der, ausgehend von einer bestehenden Lösung, gewechselt werden kann. Es existieren schwarm- und nicht-schwarmbasierte Ansätze. Zu den auf Schwärmen basierenden Verfahren zählen u.a. evolutionäre Algorithmen, Ameisenalgorithmen und Partikelschwarmoptimierung, während mit Tabu Search und Simulated Annealing Beispiele für nicht auf Schwärmen basierende Verfahren gegeben sind. Heuristische Methoden beziehen Regeln und Erfahrungswerte in den Lösungsprozess ein. Sie zielen in der Regel nicht auf die optimale Lösung des Problems ab, sondern suchen nach einer guten und zulässigen Lösung.88 Heuristiken können beispielsweise im Rahmen von Eröffnungsverfahren zur Bestimmung einer ersten gültigen Lösung eingesetzt werden, die dann mit weiteren Verfahren zu verbessern ist.89 Die Grundprinzipien heuristischer Verfahren werden u.a. ausführlich von DOMSCHKE und DREXL diskutiert. Ein Rahmen zur Analyse der Leistungsfähigkeit von Heuristiken wird von SONDERGELD gegeben.90 Auf weitere, sehr spezielle Bereiche des OR, z.B. Warteschlangenmodelle, Markovketten u.a. ist hier nicht näher einzugehen.91 Nach der allgemeinen Klassifizierung von Methoden

87

Vgl. hierzu die ausführliche Darstellung konstruktiver Verfahren und der lokalen Suche im Anhang.

88

Vgl. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004), S. 168f und auch MÜLLER-MERBACH, H. (1992), S. 290ff. Heuristische Verfahren und auch Näherungsverfahren werden angewendet, wenn der für die exakte Lösung eines Problems erforderliche Rechenaufwand nicht vertretbar ist. Dies kann insbesondere für Problemstellungen der kombinatorischen Optimierung der Fall sein. Es kann zweckmäßig sein, die Zielfunktion und auch die Restriktionsfunktionen zunächst auf Konvexität, bzw. Konkavität zu prüfen und Wissen über die Problemstruktur für die Lösungsmethode zu verwenden. Für wenige Variable im Modell existieren Bedingungen, die bzgl. dieser Eigenschaft zu prüfen sind, vgl. u.a. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007), S. 114ff.

89

Ein Beispiel ist das klassische Transportproblem, bei dem mit Hilfe einer einfachen Heuristik eine gültige Ausgangslösung bestimmt wird, die daran folgend mit speziellen Methoden in endlich vielen Schritten optimiert werden kann. Für das klassische Transportproblem kann die Simplexmethode eingesetzt werden. Aufgrund der speziellen Problemstruktur existieren Verfahren, die das Problem schneller lösen. Hierzu zählen die Modified Distribution (MODI-)Methode und Stepping Stone, vgl. hierzu BLOECH, J. (2003), S. 6177 und auch CHARNES, A.; COOPER, W. (1954), S. 49- 69. Das Transportproblem ist Teil der in Kapitel 3.2.4.2 vorgestellten Problemstellung.

90

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 129ff. und auch SONDERGELD, L. (2001). Vgl. auch die dort angegebene weiterführende Literatur.

91

Vgl. hierzu die ausführlichen Darstellungen in der Literatur, u.a. DOMSCHKE, W.; DREXL, A. (2007).

Grundlagen logistischer Systeme und Prozesse

25

des Operations Research sollen im folgenden Abschnitt die in dieser Arbeit eingesetzten Verfahren vorgestellt werden.

2.2.3 Optimierung Ein (kombinatorisches) Optimierungsproblem 3 lässt sich als Tripel ( S , f , : ) darstellen. S stellt dabei die Menge möglicher Lösungen dar, f beschreibt die Zielfunktion, die je-

dem Element s  S einen Fitnesswert f (s ) zuordnet. : kennzeichnet die Menge der Re~ striktionen, die Menge S Ž S beschreibt die Menge gültiger Lösungen. Für das Optimie~ rungsproblem wird das Element s *  S gesucht, das die Problemstellung minimiert, bzw. ~ maximiert: f ( s * ) d f ( s ) , bzw. f ( s * ) t f ( s) , s  S .92 Kombinatorische Optimierungsprobleme zeichnen sich häufig durch den hohen Lösungsaufwand aus. Aus diesem Grund gewinnen Heuristiken zur Lösung dieser Problemklassen an Bedeutung. Die folgenden Unterabschnitte beschreiben die in dieser Arbeit zum Einsatz kommenden Optimierungsverfahren. 2.2.3.1 Prioritätsregeln

Mit Prioritätsregeln wird eine Problemlösung unter Einsatz einer Regel konstruiert. Ein einfaches Beispiel stellt die First Come-First Served-Regel dar, die aus der Produktionsplanung bekannt ist.93

92

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 26. Jedes Optimierungsproblem besitzt ein Entscheidungsproblem, das wie folgt definiert ist: Sei 3 ein Optimierungsproblem mit den dargestellten Eigenschaften und  ein Parameter, dann lautet das Entscheidungsproblem: Gibt es ein s  S , so dass f (s) d V ? Es ist somit deutlich, dass mit der Lösung des Optimierungsproblems auch eine Antwort auf das Entscheidungsproblem gegeben werden kann. Der entgegengesetzte Schluss ist jedoch im Allgemeinen nicht möglich. Auf diesem Entscheidungsproblem baut die Komplexitätstheorie auf, vgl. hierzu u.a. CORMEN, T. H. (2005), S. 967ff. Die Komplexität wird im Allgemeinen mit Hilfe der Groß-O-Notation angegeben, die den Lösungsaufwand einer Methode im worst case angibt. Kritiker kennzeichnen diese Darstellung als irreführend. So wird die Komplexität zur Sortierung von n Zahlen mit Hilfe des Quicksort-Verfahrens mit O ( n 2 ) angegeben, obwohl der Großteil der Fälle in O ( n log n ) sortiert werden kann, vgl. hierzu u.a. SONDERGELD, L. (2001), S. 20 und auch CORMEN, T. H. (2005), S. 149- 164.

93

Vgl. BLOECH, J. et al. (2008), S. 306f.

26

Grundlagen logistischer Systeme und Prozesse

Mit Hilfe dieser Regeln lassen sich gute und in besonderen Fällen optimale Lösungen finden, wenn analytische Lösungen aufgrund der Problemstellung versagen. Es lassen sich statische von dynamischen Prioritätsregeln abgrenzen. Im Gegensatz zu den dynamischen Prioritätsregeln verändern sich die statischen Regeln nicht im Zeitablauf. Zudem können lokale und globale Regeln klassifiziert werden. Während lokale Regeln nur eine einzige Maschine berücksichtigen, ziehen globale Regeln auch andere Kriterien hinzu. Die Funktionsweise der Regel ist zumeist mit ihrer Bezeichnung vollständig determiniert. Die folgenden Beispiele für Prioritätsregeln gehen auf BLOECH ET AL. zurück.94 Die First Come-First Served-Regel beschreibt eine statische und lokale Prioritätsregel und besagt, dass Aufträge in der Reihenfolge ihrer Ankunft zu behandeln sind. Die kürzeste Operationszeit-Regel besagt, dass zuerst diejenigen Aufträge zu behandeln sind, deren Operationszeit die geringste Zeit auf der betrachteten Maschine beansprucht. Es handelt sich deshalb ebenfalls um eine statisch lokale Prioritätsregel, die sich jedoch zu einer globalen Regel erweitern lässt, indem die Summe aller noch zu bearbeitenden Aufträge in die Berechnung einbezogen wird. Ein Beispiel für eine dynamische und globale Prioritätsregel gibt die Critical Ratio-Regel. Bei ihr wird für jeden Auftrag der festliegende Liefertermin ins Verhältnis zu der (zu diesem Zeitpunkt noch) notwendigen Restbearbeitungszeit gesetzt. Auch in Anwendungen der Containerlogistik lassen sich Beispiele für den Einsatz von Prioritätsregeln finden, u.a. First Come-First Served (FIFS)95 sowie High Earnings First und Shortest Job First96 in der Liegeplatzplanung. In diesen Fällen wird der Liegeplatz als Maschine abgebildet, die verschiedene Aufträge (Containerschiffe) zu bearbeiten hat.

94

Vgl. BLOECH, J. et al. (2008), S. 307.

95

Vgl. MEIER, L. et al. (2005), S. 2274.

96

Vgl. HENESEY, L. (2004), S. 153. Die genannten Regeln definieren, in welcher Reihenfolge ein Schiff zuzuordnen ist.

Grundlagen logistischer Systeme und Prozesse

27

2.2.3.2 Greedy-Verfahren

Greedy-Verfahren97 basieren auf der Idee, jeweils die lokal beste Möglichkeit zu wählen, in der Hoffnung, so das Gesamtoptimum zu finden. Diese Verfahren sind damit sehr einfach zu implementieren, können aber nur in Ausnahmefällen, d.h. bei sehr speziellen Problemstrukturen, ein Optimum erreichen. Sie gehören zu den konstruktiven Verfahren, da sie sich, ausgehend von einem Startpunkt, mit lokal minimalen Kosten gierig ausbreiten. Aus diesem Grund werden sie auch als myopische98 Verfahren bezeichnet. Den Gegensatz zu gierigen und kurzsichtigen Verfahren bilden vorausschauende Verfahren, die in jedem Schritt der Lösungskonstruktion die Wirkung ihrer Maßnahmen abschätzen.99 Dieses Vorgehen ist im Folgenden aufgezeigt: procedure GreedyConstructionHeuristic

s p Å ChooseFirstComponent while ( s p is not a complete solution) do c Å GreedyComponent( s p ) sp Å sp … c end while s Å sp return s end procedure

Abbildung 2-3: Greedy-Heuristik100

Eingesetzt werden Greedy-Verfahren, z.B. in konstruktiven Heuristiken zur Erstellung von Ausgangslösungen.101 Auch für die Containerbrückenzuordnung in einem Container-Terminal lassen sich Greedy-Verfahren einsetzen. Ein Beispiel aus der Tourenplanung ist im Anhang dargestellt und

97

Aus dem Englischen: greedy = gierig.

98

Aus dem Englischen: myopic = kurzsichtig, myopisch.

99

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 129.

100

DORIGO, M.; STÜTZLE, T. (2004), S. 30.

101

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 29ff.

28

Grundlagen logistischer Systeme und Prozesse

verdeutlicht, warum eine optimale Lösung mit diesen Verfahren in der Regel nicht zu erreichen ist. 2.2.3.3 Metaheuristiken

In diesem Abschnitt werden die in den implementierten Modellen eingesetzten Metaheuristiken zusammen mit ihren Eigenschaften vorgestellt. Dann wird kurz auf weitere, in der Literatur relevante Metaheuristiken eingegangen.102 2.2.3.3.1 Allgemeine Kennzeichen

Als Definition für Metaheuristiken, die Gegenstand des folgenden Abschnitts sein sollen, führen DORIGO und STÜTZLE folgende Beschreibung an: „A metaheuristic is a set of algorithmic concepts that can be used to define heuristic methods applicable to a wide set of different problems. […] A metaheuristic is therefore a general algorithmic framework which can be applied to different optimization problems with relatively few modifications to make them adapted to a specific problem.”103 Metaheuristiken stellen einen allgemeinen Rahmen für den Einsatz von Heuristiken bereit. Die folgende Abbildung zeigt die Heuristiken und Metaheuristiken hinsichtlich ihres Spezifikationslevels zur konzeptionellen Unterscheidung.104

Metaheuristik

Heuristik

Abbildung 2-4: Spezifikationslevel von Heuristiken105

Über die Spezifizierung ihrer Parameter lassen sich Metaheuristiken für unterschiedliche Problemstellungen anpassen. Sie enthalten Elemente, mit denen es möglich ist, sich von

102

Anwendungsbeispiele werden in den folgenden Kapiteln gegeben.

103

DORIGO, M.; STÜTZLE, T. (2004), S. 33.

104

Vgl. SONDERGELD, L. (2001), S. 6.

105

Leicht verändert übernommen aus SONDERGELD, L. (2001), S. 6.

Grundlagen logistischer Systeme und Prozesse

29

lokalen Optima zu lösen. Auch für sie existiert aber keine Garantie für das Auffinden des globalen Optimums. In dieser Arbeit kommen verschiedene Metaheuristiken zum Einsatz. Aus diesem Grund sollen deren Abläufe und Eigenschaften im folgenden Abschnitt näher und umfassend vorgestellt werden. Aufgrund der Probleme, die sich aus der Komplexität der Lösungsfindung ergeben, sind Heuristiken insbesondere für Problemstellungen der Realität geeignet, wenn sie in der Lage sind, in relativ kurzer Zeit eine möglichst gute (und gültige) Lösung zu finden.106 2.2.3.3.2 Genetische Algorithmen

Genetische Algorithmen (GA) sind Teil evolutionärer Algorithmen und bilden den Evolutionsprozess künstlich nach. Obwohl es sehr viele unterschiedliche Varianten von GA gibt, lassen sich in allen Varianten dieselben Kernelemente wiederfinden. Im Allgemeinen handelt es sich bei dem GA um ein populationsbasiertes Modell, das mit Selektions- und Rekombinationsoperatoren arbeitet.107 Insbesondere NISSEN hat die Anwendung von evolutionären Algorithmen für betriebswirtschaftliche Problemstellungen untersucht108 und zeigt - zusammen mit BIETHAHN - ausführliche Anwendungen in der Praxis auf.109 LACKNER untersucht den Einsatz von GA für kapazitätsrestriktive und dynamische Tourenplanungsprobleme mit Zeitfenstern.110 In jeder Iteration eines GA werden Nachfolger aus einer Population erzeugt, die in die nächste Generation eingehen und mit Hilfe einer Fitnessfunktion zu bewerten sind. Wie in einem Evolutionsprozess haben bessere Lösungen eine größere Wahrscheinlichkeit für die Weitergabe ihrer Merkmale an Nachfolger als schlechte Lösungen.111 Die Population enthält eine Menge von Lösungen für das Optimierungsproblem. Um eine Lösung mit geneti-

106

Diese Aussage deckt sich auch mit der Forderung der Angemessenheit der Problemlösung. Der Aufwand und der Nutzen der Planung müssen in einem angemessenen Verhältnis stehen, vgl. hierzu MÜLLERMERBACH, H. (1992), S. 14f.

107

Vgl. GHANEA-HERCOCK, R. (2003), S. 27.

108

Vgl. NISSEN, V. (1994), S. 291- 432.

109

Vgl. NISSEN, V.; BIETHAHN, J. (1995). Es werden Anwendungen der Industrie, des Handels, der Finanzwirtschaft, der Verkehrswirtschaft und der Ausbildung aufgezeigt.

110 111

Vgl. LACKNER, A. (2004).

Dieses Selektionsprinzip basiert auf DARWINS Prinzipien zur Evolutionstheorie: Survival of the fittest, vgl. DARWIN, C. (1860).

30

Grundlagen logistischer Systeme und Prozesse

schen Algorithmen abbilden zu können, ist der Phänotyp einer Lösung mit Hilfe einer Kodierfunktion in den Genotyp umzuwandeln. Eine Dekodierfunktion transformiert später die genotypisch vorliegende Information zurück in ihre phänotypische Form.112 Die folgende Sequenz geht auf HOLLAND zurück und bildet die gemeinsame Grundlage für den allgemeinen GA:113 1. Erzeugen einer zufällig generierten Population mit N Chromosomen der Länge m. 2. Testen jedes Chromosoms, d.h. einer möglichen Problemlösung x im Rahmen des Lösungsraums und Zuweisung eines Fitnesswertes f (x ) . 3. Selektion von Chromosom-Paaren aus der Population mit einer auf dem Fitnesswert basierenden Wahrscheinlichkeit. 4. Anwendung genetischer Operatoren. Mit der Wahrscheinlichkeit pc wird für zwei Eltern ein Crossover-Operator an einem zufällig ausgewählten Punkt jedes Chromosoms durchgeführt. 5. Anwendung genetischer Operatoren. Mit der Wahrscheinlichkeit pm wird jedes neue Chromosom mutiert. 6. Setzen der neuen Chromosome in die neue Population und Ersetzen der alten Population durch die Neue. 7. Stopp, falls das Zielkriterium erreicht ist, z.B. ein vorgegebener Fitnesswert. Sonst weiter mit Schritt 2. Die folgende Abbildung zeigt den Ablauf evolutionärer Algorithmen im Überblick.

112 113

Vgl. BIETHAHN, J. et al. (2004), S. 55.

Vgl. GHANEA-HERCOCK, R. (2003), S. 28. Es ist darauf hinzuweisen, dass sich der von HOLLAND vorgestellte GA bis heute stark weiterentwickelt hat, vgl. hierzu HOLLAND, J. (1998).

Grundlagen logistischer Systeme und Prozesse

31

procedure EvolutionaryComputationAlgorithm pop Å InitializePopulation EvaluatePopulation(pop) sbest Å BestOfPopulation(pop) while (termination condition not met) do pop' Å Recombination(pop) pop' ' Å Mutation( pop' ) EvaluatePopulation( pop' ' ) s Å BestOfPopulation( pop' ' ) if (f(s)
Abbildung 2-5: Pseudocode evolutionärer Algorithmen114

Der genetische Algorithmus ist in der Literatur vielseitig im Einsatz.115 Der Einsatz ist unabhängig von analytischem Wissen über die zu optimierende Funktion möglich. Die Möglichkeit, die Operatoren des GA über Parameter zu steuern, macht den GA zu einem flexiblen Instrument zur Optimierung betriebswirtschaftlicher Problemstellungen. Nachteilig ist zu nennen, dass es sich bei dem GA um ein zufallsbasiertes Verfahren handelt, so dass keine Garantie für das Auffinden einer optimalen Lösung gegeben werden kann. Die Gestaltung der Chromosomen der Problemstellung kann aufwändig sein und beeinflusst das Ergebnis des GA. Weil der GA in der Literatur gut erforscht ist, ist bekannt, dass sich das Verfahren häufig zu früh in einem lokalen Optimum verfängt. Zudem wird die hohe Rechenintensität dieses Verfahrens als Nachteil genannt.116 Aus dem Wissen über die Vorzüge und auch die Gefahren des GA erwächst die Forschung nach weiteren Metaheuristiken, die die Stärken ausbauen und die Schwächen mindern. Das im folgenden Absatz vorzustellende Verfahren ist Gegenstand der Forschung am Institut für Wirtschaftsinformatik der Universität Göttingen.117

114

DORIGO, M.; STÜTZLE, T. (2004), S. 57.

115

Betriebswirtschaftliche Anwendungen werden u.a. in NISSEN, V.; BIETHAHN, J. (1995) genannt.

116

Vgl. GHANEA-HERCOCK, R. (2003), S. 39f.

117

Vgl. BRODERSEN, O.; SCHUMANN, M. (2007).

32

Grundlagen logistischer Systeme und Prozesse

2.2.3.3.3 Particle Swarm Optimization

Die Particle Swarm Optimization (PSO) wurde ursprünglich 1995 von KENNEDY und EBERHARD entwickelt, um den Lösungsraum kontinuierlicher Optimierungsprobleme zu durchsuchen.118 Eine Modifikation wird von BRODERSEN und SCHUMANN vorgestellt, um die Metaheuristik auch für die kombinatorische Optimierung einzusetzen.119 Aufbauend auf dem Boid-Modell von REYNOLDS fügten HEPPNER und GRENANDER in einem erweiterten Modell Rastplätze hinzu. Die Individuen des Schwarms haben zwei konkurrierende Bedürfnisse: Zum einen das Verlangen, auf einem dieser Rastplätze zu landen und zum anderen das Bedürfnis, in dem Schwarm zu verbleiben.120 Auf dieser Grundlage basiert die Particle Swarm Optimization. Vögel besitzen eine soziale Komponente und sind in der Lage, den ihnen bekannten besten (Futter-)Rastplatz zu speichern und dieses Wissen innerhalb des Schwarms auszutauschen. Ohne die Charakteristik des Verfahrens zu verändern, modifizieren BRODERSEN und SCHUMANN die klassische, auf kontinuierliche Problemstellungen ausgelegte Heuristik, um sie für kombinatorische Problemstellungen einsetzen zu können.121 Allen Partikeln ist die global beste Position bekannt. Die Anpassung der persönlich und global besten Lösung muss nicht verändert werden, lediglich die Geschwindigkeit der Partikel ist anzupassen. Die neue Position wird aus einer Kombination bestehender Lösungen generiert, unter besonderer Berücksichtigung guter Lösungen. Durch den Einsatz einer zufälligen Komponente wird dieser Metaheuristik die Möglichkeit gegeben, lokale Optima zu verlassen. Der Anteil lokaler Suche lässt sich über die Anzahl der Partikel in dem Schwarm steuern. Der Ablauf der PSO lässt sich wie folgt darstellen:

118

Vgl. KENNEDY, J.; EBERHART, R. (1995), S. 1942ff.

119

Vgl. BRODERSEN, O.; SCHUMANN, M. (2007).

120

Vgl. HEPPNER, F.; GRENANDER, U. (1990), S. 233ff.

121

Vgl. BRODERSEN, O.; SCHUMANN, M. (2007), S. 19.

Grundlagen logistischer Systeme und Prozesse

33 Initialisierung

Evaluierung



y pbest t 1





f y pbest t  f xi t

nein

y pbest t



ja

y pbest t  1 xi t

f y gbest t  f xi t nein

y gbest t 1

y gbest t

ja

y gbest t 1 xi t

Erzeuge neue Position durch Kombination der Einzelschritte Evaluierung nein

Abbruchkriterium erfüllt ja

Ende

Abbildung 2-6: Ablauf der PSO für kombinatorische Problemstellungen122

Für den Einsatz in kontinuierlichen Problemstellungen zeigt die Anwendung der klassischen PSO sehr gute Ergebnisse, für kombinatorische Probleme existieren bisher kaum Untersuchungen, so dass es nicht möglich ist, die PSO umfassend zu beurteilen. In dieser Arbeit soll dieses Verfahren im Rahmen einer kombinatorischen Problemstellung für die Zuordnung von Containerschiffen auf die Kai-Ressourcen eingesetzt werden. Im Vergleich mit anderen eingesetzten Verfahren soll daran folgend eine Beurteilung für die eingesetzte Problemstellung erfolgen. In dieser Arbeit wird im Rahmen der Liegeplatzplanung die modifizierte Variante der PSO von BRODERSEN und SCHUMANN eingesetzt.

122

BRODERSEN, O.; SCHUMANN, M. (2007), S. 20.

34

Grundlagen logistischer Systeme und Prozesse

2.2.3.3.4 Simulated Annealing

Das Simulated Annealing (SA)123 ist an den Kühlprozess physikalischer Stoffe angelehnt und findet seinen Ursprung in der statischen Thermodynamik.124 In Abhängigkeit von der Temperatur bewegen sich die Atome eines Körpers. Vollziehen sie im flüssigen Zustand nahezu zufällige Bewegungen, kommen sie im festen Zustand fast vollständig zum Erstarren. Für jedes Temperaturniveau existiert ein thermisches Gleichgewicht, bei dem sich die Atome des Körpers in einer strukturierten Form mit energieminimalem Zustand anordnen. Wird die Temperatur zu schnell abgesenkt, entstehen unregelmäßige Strukturen, die einen höheren Energiezustand bedeuten.125 Von METROPOLIS ET AL. wurde dieser Prozess bis zum thermischen Gleichgewicht bereits 1953 für eine vorgegebene Temperatur mit einem einfachen Vorgehen erstmals simuliert: Für einen gegebenen Zustand sei der Energiezustand bekannt. Die Atome ordnen sich nun in einen neuen Zustand und es wird der neue Energiezustand bestimmt. Ist der neue Energiezustand niedriger als zuvor, dann wird die Veränderung akzeptiert, und auch bei einer höheren Energie für diesen Zustand ist die Änderung mit einer bestimmten Wahrscheinlichkeit zu akzeptieren.126 Über einen gezielten Kühlprozess lassen sich Feststoffe in einen energieminimalen Zustand bringen. Inspiriert durch diesen Prozess zur Erreichung energieminimaler Zustände von Metallen nutzt das SA diese Prinzipien zur Lösung kombinatorischer Optimierungsprobleme. Die Atome, bzw. die Moleküle des Körpers, stellen dabei die Variablen des

123

Aus dem Englischen: simulierte Abkühlung.

124

Vgl. BIETHAHN, J. et al. (2004), S. 95- 107. Im Rahmen der statischen Thermodynamik werden u.a. die Energiezustände von Werkstoffen untersucht. Eine Darstellung des SA gibt auch LACKNER, der das Verfahren in der dynamischen Tourenplanung einsetzt, vgl. LACKNER, A. (2004), S. 70- 84.

125

Vgl. AARTS, E.; KORST, J.; MICHIELS, W. (2007), S. 25-2.

Als ein Beispiel kann das Bleigießen zu Silvester genannt werden, bei dem der Körper durch das Wasserbad innerhalb sehr kurzer Zeit aus dem flüssigen Zustand zum Erstarren gebracht wird. 126

Vgl. METROPOLIS, N. et al. (1953). Dieses Verfahren bildet den Kern des Metropolis-Verfahrens. Aus der Erweiterung mit gezielter Reduktion von Temperaturniveaus resultiert die Bezeichnung Simulated Annealing. Die Möglichkeit, auch höhere Energiezustände, d.h. eine Verschlechterung des Fitnesswertes zu akzeptieren, gibt einen wichtigen Ansatz zur Überwindung lokaler Optima mit Hilfe dieser Metaheuristik. Die Akzeptanzwahrscheinlichkeit ergibt sich in Abhängigkeit von dem Ausmaß der Verschlechterung und dem gewählten Temperaturniveau.

Grundlagen logistischer Systeme und Prozesse

35

Optimierungsproblems dar. Der Energiewert des Körpers kann als der Zielfunktionswert127 (die Kosten) einer Lösung betrachtet werden. Alle Zustände des Körpers zu einem gewissen Zeitpunkt stellen eine Lösung des Problems dar, dessen Energiewert sich bestimmen lässt. Die Zustandsänderung stellt sich als Übergang zu einer Nachbarschaftslösung dar.128 Das Metropolis-Verfahren simuliert eine Sequenz von Zuständen zur Suche nach dem Energieminimum für ein gegebenes Temperaturniveau. Simulated Annealing lässt sich als Sequenz von Metropolis-Algorithmen betrachten, bei denen die energieminimalen Zustände für sinkende Temperaturniveaus gesucht werden.129 Die Akzeptanzwahrscheinlichkeit einer neuen Lösung s’ ist wie folgt definiert: falls ­°1, p acceopt ( s, s ' , T ) ® ( f ( s )  f ( s ')) T °¯ e ,

f ( s' )  f ( s) sonst

Der Kühlprozess ist für das SA von wesentlicher Bedeutung. BIETHAHN

ET AL.

geben als

Beispiel für eine einfache Funktion zur Temperaturreduktion die folgende Form an, weisen aber gleichzeitig auch auf komplexere Formen hin: Tk 1

D * Tk , mit D  [0,8; 0,99]

Die Autoren weisen auf gute Ergebnisse in vielen praktischen Anwendungen mit dieser Reduktionsfunktion hin.130 Die folgende Abbildung zeigt die Entwicklung der Akzeptanzwahrscheinlichkeit für den Kühlprozess bei einer Verschlechterung des Energiezustandes (Fitnesswert)131 für zwei unterschiedliche Ausprägungen. Es ist sichtbar, dass die Akzeptanzwahrscheinlichkeit bei einer höheren Temperatur höher ist.132

127

Der Zielfunktionswert wird in dieser Arbeit synonym mit dem Begriff Fitnesswert verwendet.

128

Vgl. BIETHAHN, J. et al. (2004), S. 97. Aus diesem Grund stellt das SA ein lokales Suchverfahren dar, vgl. hierzu auch die Ausführungen im Anhang.

129

Vgl. AARTS, E.; KORST, J.; MICHIELS, W. (2007), S. 25-2.

130

Vgl. BIETHAHN, J. et al. (2004), S. 102.

131

Die Darstellungen sowohl in der Formel als auch in der Abbildung beziehen sich auf ein Minimierungsproblem.

132

Dies spiegelt den aufgezeigten Prozess wider, dass sich die Teilchen eines Körpers bei höheren Temperaturen schneller bewegen.

36

Grundlagen logistischer Systeme und Prozesse

Abbildung 2-7 zeigt die Entwicklung der Akzeptanzwahrscheinlichkeit für zwei verschiedene Ausprägungen von s’ für unterschiedliche Temperaturen.

0.4 0.3 0.2 0.0

0.1

Akzeptanzwahrscheinlichkeit

0.5

0.6

Akzeptanzwahrscheinlichkeiten- Simulated Annealing

0

20

40

60

80

100

Temperatur T

Abbildung 2-7: Akzeptanzwahrscheinlichkeiten beim SA

Die durchgezogene Linie zeigt die Akzeptanzwahrscheinlichkeit für eine Steigerung des Fitnesswertes um 5% von s = 1000 auf s’ = 1050. Die gestrichelte Linie zeigt eine stärkere Zunahme (Verschlechterung) des Fitnesswertes um 10 % von s = 1000 auf s’ = 1100. Es ist deutlich, dass bei einer starken Verschlechterung des Fitnesswertes die Akzeptanzwahrscheinlichkeit dieser Lösung geringer ausfällt. Dennoch ist mit diesem Ansatz ein Instrument geschaffen, lokale Optima zu verlassen. Hierfür muss es möglich sein, auch schlechtere Lösungen zu akzeptieren. Mit abnehmender Temperatur wird die Wahrscheinlichkeit, eine schlechtere Lösung zu akzeptieren, geringer. Über den zu definierenden Abkühlungsprozess kann das Verfahren an unterschiedliche Problemstellungen angepasst werden und ist somit sehr flexibel im Einsatz. Es ist zu beachten, dass die dargestellte Wahrscheinlichkeit zur Akzeptanz einer Lösung nur für eine Verschlechterung der Lösung gilt. Im Falle einer Verbesserung ist die Akzeptanzwahrscheinlichkeit gleich Eins (=100%). Der Ablauf des Simulated Annealing kann wie folgt als Pseudocode dargestellt werden.

Grundlagen logistischer Systeme und Prozesse

37

procedure SimulatedAnnealing s Å GenerateInitialSolution InitializeAnnealingParameters sbest Å s n Å 0 while (outer-loop termination condition not met) do while (inner-loop termination condition not met) do

s ' Å GenerateNeighbor(s) s Å AcceptSolution( Tn , s, s' ) if ( f ( s )  f ( sbest ) ) then sbest Å s end-if end-while UpdateTemp(n) n Å n+1 end-while return sbest end procedure

Abbildung 2-8: Pseudocode des Simulated Annealing133

Das Simulated Annealing basiert, wie aus den vorangegangenen Ausführungen deutlich wurde, auf der zufallsunterstützten lokalen Suche. Im Gegensatz zu den einfachsten lokalen Suchverfahren ist das SA in der Lage, lokale Optima zu überwinden, weil auch eine Verschlechterung des Energiezustandes akzeptiert werden kann.134 Wie auch die anderen vorgestellten Metaheuristiken, stellt das SA einen flexiblen Rahmen zur Verfügung, mit dem sich unterschiedliche Optimierungsprobleme lösen lassen. In dieser Arbeit wird das Verfahren zur Lösung des Crane Scheduling Problems eingesetzt. 2.2.3.3.5 Weitere Metaheuristiken

Es existiert eine Vielzahl weiterer Metaheuristiken, die sehr gute Ergebnisse für unterschiedliche Problemstellungen liefern. Die Ant Colony Optimization ist als konstruktives und schwarmbasiertes Verfahren zu nennen. Inspiriert durch das Vorbild der Natur entwickeln künstliche Ameisen unterschiedliche Lösungen und hinterlegen Pheromone in Abhängigkeit von der Qualität der gefundenen Lösung auf ihren Spuren.

133 134

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 47ff.

Vgl. die Darstellung des Akzeptanzkriteriums einer benachbarten Lösung in diesem Abschnitt. Eine sehr einfache lokale Heuristik stellt auch das Bergsteiger- (Hill Climbing-)Verfahren zur Lösung von Maximierungsproblemen dar. Hier wird die Nachbarschaft einer Lösung gesucht und in Richtung des steilsten Anstiegs übergegangen. Ohne zufällige Komponente liegt das Problem dieser Methode in der Gefahr, in einem lokalen Optimum zu enden, vgl. hierzu BOERSCH, I.; HEINSOHN, J.; SOCHER, R. (2007), S. 42.

38

Grundlagen logistischer Systeme und Prozesse

Aufgrund ihrer Flexibilität haben Ameisensysteme in vielen Gebieten sehr gute Ergebnisse erzeugen können.135 Als ein Beispiel für Verfahren, die auf lokaler Suche basieren, ist zudem Tabu Search zu nennen. Tabu Search wurde ursprünglich von GLOVER entwickelt. Ausgehend von der Suche in einer definierten Nachbarschaft wird mit jedem Schritt eine neue Lösung gesetzt. Um ein Verfangen in benachbarten Lösungen zu vermeiden, verhindert eine Tabu-Liste den Rücksprung in vorangehende Situationen.136 Für eine ausführliche Darstellung muss auf die Literatur in diesem Bereich verwiesen werden. Im Rahmen dieser Arbeit wurde keines der in diesem Abschnitt genannten Verfahren implementiert. 2.2.3.4 Branch and Bound-Verfahren

Wie die im vorangegangenen Abschnitt vorgestellten Metaheuristiken, stellen auch Branch and Bound-Verfahren einen Metaansatz vor allem für ganzzahlige und kombinatorische Optimierungsprobleme bereit. Der Ansatz gehört zu den Entscheidungsbaumverfahren, die sich in drei Gruppen unterscheiden lassen: ƒ

Vollständige Enumeration, bei der sämtliche Lösungen berechnet werden und bei der die (global) beste bestimmt werden kann.137

ƒ

Begrenzte Enumeration, bei der die Berechnung weiterer Lösungen abgebrochen wird, wenn eine zu definierende Bedingung eintritt.

ƒ

Branch and Bound-Verfahren, bei denen gezielt Äste des Entscheidungsbaumes aufgrund berechneter Kriterien abgeschnitten werden.

135

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 33- 38.

136

Eine frei verfügbare Java-API wird von HARDER bereitgestellt, die Klassen für die Implementierung, z.B. der Tabu-Liste bereitstellt, vgl. hierzu HARDER, R. (2008).

137

Eine vollständige Enumeration ist aufgrund der Komplexität von Problemstellungen häufig nicht möglich und auch nicht sinnvoll. Dieser Ansatz wird in der Literatur auch als Brute force-Ansatz bezeichnet. Der Begriff wird insbesondere in der IT-Sicherheit verwendet und umfasst im Rahmen des Passwort-Cracking die vollständige Untersuchung aller möglicher Passwortkombinationen für den unerlaubten Zugang zu einem fremden System, vgl. RIEGER, S. (2007), S. 44.

Grundlagen logistischer Systeme und Prozesse

39

Branch and Bound-Verfahren lassen sich den konstruktiven Verfahren zuordnen. Je nachdem, wie dieses Verfahren die zu verfolgenden Äste auswählt, können sie eine bestimmte Qualität der Lösung, auch das Optimum, garantieren. Durch den Verzweigungsprozess lassen sich die Probleme in Form eines Lösungsbaums darstellen.

P0

P1

P2

…

Pμ 1

Pμ

…

…

Pk

Pμ h

Abbildung 2-9: Lösungsbaum zu den Branch and Bound-Verfahren138

Die zu lösende Problemstellung P0 wird in die Problemstellungen P1 ,…, Pk zerlegt. Es muss dabei die folgende Beziehung für die Lösungsmengen L(P ) der genannten Probleme erfüllt sein: k

L( P0 )

L( PP ) ‰ P 1

Zur Reduktion des Rechenaufwandes sollten die Lösungsmengen L( P1 ) ,…, L( Pk ) zusätzlich disjunkt sein: L( PP ) ˆ L( PQ )

‡ , für P ,Q

1,…, k mit P z Q .139

Weil sich für reale Problemstellungen häufig nicht alle Äste des Baumes durchlaufen lassen, müssen einzelne Äste abgeschnitten und der Rechenaufwand dadurch reduziert werden. Ziel des Ansatzes ist es, die Menge möglicher Lösungen so geschickt aufzuteilen (Branching), dass sich Nutzenobergrenzen (Bound) bestimmen lassen, die anzeigen, wel-

138

DOMSCHKE, W. (1997), S. 8.

139

Vgl. DOMSCHKE, W. (1997), S. 6f.

40

Grundlagen logistischer Systeme und Prozesse

che Lösungswege zu verfolgen sind, um die optimale Lösung zu erhalten.140 Zur Ermittlung oberer und unterer Schranken werden von DOMSCHKE unterschiedliche Techniken aufgezeigt.141 Es existieren unterschiedliche Anwendungsgebiete für den Einsatz von Branch and BoundVerfahren, beispielsweise in der Reihenfolgeplanung von Maschinen in der Produktion142, für das Rucksackproblem143 und auch für die Containerbrückeneinsatzplanung im Hafen144. 2.2.3.5 Hybride Verfahren

Hybride Verfahren stellen eine Kombination aus mehreren Verfahren, gerade auch von Metaheuristiken, dar. Es lassen sich so gezielt die Vorteile von Verfahren nutzen und deren Schwächen mindern. In der wissenschaftlichen Forschung stehen hybride Verfahren im Fokus der Betrachtung, weil eine Vielzahl von Verfahren gut erforscht ist und deren Eigenschaften bekannt sind.145 Es besteht deshalb die Vermutung, dass durch gezielte Kombination noch leistungsfähigere Verfahren generiert werden können.146

140

Vgl. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007), S. 45. Von MINSKY wird ein Beispiel zur KI aus der Entwicklung von Schachcomputern gegeben. Er zeigt auf, dass sich beim Schach nur theoretisch ein Entscheidungsbaum aufbauen lässt, mit dem sich der optimale Spielzug bestimmen ließe. So stehen für die Eröffnung eines Spielers 20 verschiedene Züge zur Verfügung (2 x 8 Möglichkeiten für die Bauern und 2 x 2 Möglichkeiten der Springer). Haben beide Spieler nur einen einzigen Zug durchgeführt, können bereits 400 (= 20 x 20) Spielsituationen unterschieden werden. Weil die Anzahl der Möglichkeiten nach einigen Zügen jede Rechenleistung übersteigt, müssen (künstlich) intelligente Verfahren die Äste des Entscheidungsbaumes gezielt filtern, vgl. MINSKY, M. (1994), S. 233- 235. So geben BOERSCH, HEINSOHN und SOCHER an, dass diese Äste mit Hilfe von heuristischen Verfahren zu bewerten sind. Dies entspricht in Branch and Bound-Verfahren der Gestaltung der Bounds. Auf die Frage, wie heuristische Funktionen zu gestalten sind, kann es jedoch keine allgemeine Antwort geben, vgl. BOERSCH, I.; HEINSOHN, J.; SOCHER, R. (2007), S. 30- 32. Zu Fragestellungen aus dem Bereich der Künstlichen Intelligenz, vgl. auch die Ausführungen in Kapitel 2.4.1 zu Multiagentensystemen.

141

Vgl. DOMSCHKE, W. (1997), S. 8- 12. Diese Methoden werden im Rahmen der Liegeplatzplanung von Container-Terminals in Kapitel 3.2.2.2 weiter diskutiert.

142

Vgl. BLOECH, J. et al. (2008), S. 288- 292.

143

Vgl. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007), S. 45ff.

144

Vgl. ZHU, Y.; LIM, A. (2006), S. 2f. Auf diese Problemstellung wird in Kapitel 3.2.3 ausführlich eingegangen.

145

Vgl. SONDERGELD, L. (2001), S. 4ff.

146

Vgl. BIETHAHN, J. et al. (2004), S. 43.

Grundlagen logistischer Systeme und Prozesse

41

Insbesondere Fuzzy-Methoden treten in der Literatur vermehrt zusammen mit künstlichen neuronalen Netzen im Rahmen der Modellierung von Expertensystemen auf, weil sich durch die geeignete Kombination beider Ansätze Vorteile stärken und Nachteile mindern lassen.147 2.2.3.6 Kommerzielle Optimierungstools

In kommerziellen Optimierungstools werden die zugrunde liegenden Algorithmen häufig nicht offengelegt. Aus diesem Grund mangelt es ihnen an Transparenz. In der Literatur werden beispielsweise die Pakete CPLEX148 und Lindo149 als Referenzlösung eingesetzt, die mit anderen Verfahren verglichen werden.150 Für den Vergleich spielen vor allem die Qualität der Lösung und die Rechengeschwindigkeit eine wesentliche Rolle.151 Einen umfassenden Überblick über kommerzielle Optimierungstools gibt KLEIN auf den Internetseiten des Lehrstuhls für mathematische Methoden der Wirtschaftswissenschaften der Universität Augsburg.152 Die beschriebenen Tools sind ähnlich der im vorangegangen Abschnitt gegebenen Klassifizierung aufgelistet. Im Folgenden ist auf die Simulation näher einzugehen, die auch zusammen mit Optimierungsmethoden ein wichtiges Instrument zur Systemanalyse und -gestaltung darstellt.

2.2.4 Simulation

Bereits in der Klassifizierung von OR-Methoden wurde die Simulation angesprochen. Die Simulation ist kein Optimierungsverfahren im Sinne der zuvor genannten Verfahren und

147

Vgl. BORGELT, C. et al. (2003), S. 182- 193. Auch für die Gestaltung und den Ablauf von Lageroperationen im Hafen lässt sich ein Beispiel für den Einsatz eines Neuro-Fuzzy-Systems finden. Mit Hilfe eines Fuzzy Artificial Neural Network (FANN) werden die Stapelhöhe und die Operationsregel für die Durchführung der Lageroperationen im Yard eines Hafens bestimmt, vgl. JIN, C.; LIU, X.; GAO, P. (2004), S. 906f. In der Liegeplatzplanung eines Container-Terminals wird ein Adaptive Neuro Fuzzy Inference System eingesetzt, vgl. LOKUGE, P.; ALAHAKOON, D. (2007).

148

Vgl. ILOG (2007).

149

Vgl. Lindo Systems Inc. (2007).

150

Vgl. Kapitel 3.2. In verschiedenen untersuchten Modellen der CT-Logistik werden kommerzielle Tools zur Optimierung und Entwicklung von Benchmarklösungen eingesetzt.

151

Auch für kommerzielle Optimierungsverfahren ist ein Beurteilungsrahmen notwendig, der auf den Kriterien von Sondergeld ansetzen kann, vgl. SONDERGELD, L. (2001).

152

Vgl. KLEIN, R. (2008). Auch von DOMSCHKE und SCHOLL wird ein Überblick zur Standardsoftware für Optimierungsprobleme gegeben, vgl. DOMSCHKE, W.; SCHOLL, A. (2002), S. 83.

42

Grundlagen logistischer Systeme und Prozesse

ist deshalb nicht Teil des vorangegangenen Abschnitts. Wegen ihrer Bedeutung für die Logistik und die Wirtschaftswissenschaften sollen ihre Grundzüge in diesem Abschnitt beleuchtet werden. 2.2.4.1 Grundlagen der Simulation

Im Gegensatz zu den bislang vorgestellten Ansätzen kann die Simulation immer dann zum Einsatz kommen, wenn Abläufe und Prozesse der Realität zu untersuchen sind, die sich mathematisch nicht exakt abbilden lassen, bzw. der Aufwand hierfür zu hoch ist. Aufgrund der Komplexität der Realität können mathematisch exakte Modelle versagen. In der betriebswirtschaftlichen Forschung gewinnt die computergestützte Simulation zunehmend an Bedeutung.153 Die Simulation dient dabei zumeist der Erforschung des Verhaltens von komplexen realen Systemen. 2.2.4.2 Position der Simulation in der Logistik

Für die Logistik und speziell für die in dieser Arbeit zu behandelnden CT-Prozesse gibt die Simulation

ein

wichtiges

Untersuchungsinstrument

an

die

Hand.

So

führen

GAMBARDELLA ET AL. am Beispiel von Container-Terminal-Prozessen an, dass eine hohe Anzahl von Entscheidungen auf unterschiedlichen Ebenen verlangt wird. Beispielsweise werden Entscheidungen auf strategischer Ebene zur Entwicklung des Terminals bis hin zum Umschlag eines einzelnen Containers genannt. Die Anzahl zu berücksichtigender Informationen machen es dem Entscheidungsträger schwer, den Überblick über den Gesamtprozess im Auge zu halten.154 Ergebnissen aus OR-Modellen wird mit Skepsis begegnet, wenn sich Aussagen nicht mit den persönlichen Erfahrungen des Entscheidungsträgers decken.155 Das fehlende Vertrauen kann mit Hilfe der Simulation zurückgewonnen werden, weil sich Ergebnisse dadurch transparenter entwickeln lassen.

153

Vgl. BIETHAHN, J. et al. (2004), S. 1 und auch MERTENS, P. (1982). Die Autoren nennen auch die Bedeutung der physikalischen Simulation in der Betriebswirtschaft, bspw. die Simulation mit Testfilialen oder im Windkanal.

154 155

Vgl. GAMBARDELLA, L. M. et al. (2001), S. 521ff.

Das fehlende Vertrauen in theoretische Modelle ist auch damit zu begründen, dass ein (menschlicher) Experte nicht bereit ist, einem (vom Rechner erzeugten) intransparenten Ergebnis nachzugehen. Das in Modellen genutzte Instrument der Abstraktion bietet zahlreiche Ansätze für Kritik. Um OR-Methoden in Unternehmen zu implementieren, müssen deshalb auch Akzeptanzbarrieren überwunden werden.

Grundlagen logistischer Systeme und Prozesse

43

In einer vom DAAD geförderten Untersuchung von MEIER

ET AL.

156

und LACKNER wurden mit der Simulationssoftware Arena

und weiterhin MEIER

in einer stark vereinfachten

integrierten Umgebung die Bereiche Liegeplatzplanung, Containerbrückenaufteilung und Transportplanung am Beispiel eines brasilianischen CT-Betreibers betrachtet. Berücksichtigung fanden dabei lediglich einfache Entscheidungsregeln, z.B. FIFS für die Zuordnung von Containerschiffen.157 Die Möglichkeit der Prozessvisualisierung dieser Software unterstützt die Transparenz der modellierten Prozesse und dient somit der Reduktion von Akzeptanzbarrieren. Als transparenzförderndes Instrument des OR besitzt die Simulation, im Vergleich zu analytischen Modellen, eine gute Ausgangsposition für den Einsatz in realen Anwendungen. 2.2.4.3 Anforderungen an eine Simulationssprache

Mit Hilfe von Simulationssprachen können die entwickelten Simulationsmodelle auf einem Rechner implementiert werden. Simulationsmodelle stellen besondere Anforderungen an eine Sprache, so dass neben allgemeinen Programmiersprachen auch spezielle, auf diese Anforderungen ausgelegte Sprachen, vorhanden sind. Beispielsweise stellt SIMAN eine spezielle Simulationssprache dar. In einer Arbeit von PAGE und KREUTZER wird die (allgemeine) Programmiersprache Java158 hinsichtlich ihrer Eignung als Simulationssprache untersucht. Die Autoren stellen dabei allgemeine sowie spezifische Kriterien an eine Simulationssprache auf. Unter allgemeinen Kriterien betrachten die Autoren die Interaktivität der Sprache, die Modularität, die (run-time-) Effizienz sowie Strukturiertheit und Lesbarkeit. Als spezielle, simulationsspezifische Kriterien nennen PAGE und KREUTZER Kriterien, die die Umsetzung von spezifischen Anforderungen ermöglichen. Hierbei werden die Handhabung von Statusvariablen, die Umsetzung einer Simulationsuhr, die Behandlung temporärer Objekte, das Ereignismanagement, die Abbildung von Warteschlangen und -räumen, die Generierung von Zu-

156

Vgl. KELTON, W. D.; SADOWSKI, R. P.; SADOWSKI, D. A. (2002) sowie Rockwell Automation (2008).

157

Vgl. MEIER, L. et al. (2005). Eine Weiterführung des Modells wird von MEIER, L.; LACKNER, A. (2005) gegeben, in der der geplante Ausbau des Terminals untersucht wird.

158

Vgl. hierzu auch die Darstellung der Programmiersprache Java in Kapitel 5.2.1.

44

Grundlagen logistischer Systeme und Prozesse

fallszahlen und -verteilungen, die (statistische) Evaluation, die Ergebnisrepräsentation und die Prozessunterbrechung genannt.159 BIETHAHN

ET AL.

nennen Kriterien zur Beurteilung von Simulationssprachen, mit denen

sich Simulationssysteme beurteilen lassen. Die Kriterien sind allgemein gehalten und umfassen im Wesentlichen Aspekte zur Flexibilität und Erweiterbarkeit.160

2.3 Koordination betrieblicher Entscheidungen Im Folgenden soll auf die Koordination betrieblicher Entscheidungen eingegangen werden. Dazu sind zunächst die Ursachen für den Koordinationsbedarf herauszustellen und Determinanten des Koordinationsbedarfs zu untersuchen, bevor klassische wirtschaftswissenschaftliche Koordinationsinstrumente vorgestellt werden.

2.3.1 Defekte Strukturen in Planungssystemen

Planungsprobleme lassen sich über ihre Strukturiertheit klassifizieren. Sie sind genau dann gut oder auch wohl strukturiert, wenn „das Entscheidungsfeld nach Art und Umfang scharf definiert ist.“161 Von schlecht bzw. schwach strukturierten Planungsproblemen wird gesprochen, wenn das Planungsproblem Defekte aufweist. Defekte Strukturen können vielfältige Ursachen haben, auf die im Folgenden einzugehen ist. Sie schließen die nachstehenden Defekte ein: 162 ƒ

Wirkungsdefekte

ƒ

Bewertungsdefekte

ƒ

Zielsetzungsdefekte

ƒ

Lösungsdefekte Probleme

Nach ADAM

ET AL.

liegen Wirkungsdefekte vor, wenn es nicht gelingt, die Variablen des

Entscheidungsproblems festzulegen. Bei Bewertungsdefekten ist es nicht möglich, den

159

Vgl. PAGE, B.; KREUTZER, W. (2005), S. 144f.

160

Vgl. BIETHAHN, J. et al. (2005), S. 176.

161

ADAM, D. et al. (2004), S. 4.

162

Vgl. ADAM, D. et al. (2004), S. 4f.

Grundlagen logistischer Systeme und Prozesse

45

Einfluss einer Entscheidung auf die Problemgröße, z.B. Kosten oder Erlöse, zu bestimmen. Zielsetzungsdefekte treten auf, wenn sich keine eindimensionale Zielfunktion finden lässt und mehrere konfliktäre Ziele verfolgt werden. Bei lösungsdefekten Problemstellungen existiert keine geeignete Lösungsmethode zur Auswahl der vorteilhaftesten Entscheidungsalternative.163 In einer strukturdefekten Situation selbst existiert keine eindeutige Lösung mehr. In diesem Strukturierungsprozess gelangen unterschiedliche Planer zu unterschiedlichen Ergebnissen und geben deshalb unterschiedliche Handlungsempfehlungen.164 Somit wird die Strukturierung selbst zum Gegenstand der entscheidungsorientierten Betrachtungsweise.165 Können die genannten Defekte beseitigt werden, kann von einer gut strukturierten Problemstellung gesprochen werden. ADAM ET AL. heben hervor: „Die Strukturierung führt in der Regel dazu, dass aus einem schlecht strukturierten Gesamtproblem besser strukturierte Teil- oder Unterprobleme entwickelt werden. Unabhängig davon, wie die Zerlegung des (defekten) Gesamtproblems in (weniger defekte) Teilprobleme erfolgt, muss sich der Entscheidungsträger bewusst sein, dass die Teillösungen nur dann unabhängig voneinander zu einer Gesamtlösung integriert werden können, wenn zwischen den gefundenen Teillösungen keine Kopplungen zeitlicher oder sachlicher Art bestehen. Die Entscheidung eines Teilproblems darf daher keine indirekten Wirkungen auf andere Teilprobleme haben.“166 Nach PFOHL ist die systemtheoretische Betrachtungsweise, oder auch das Systemdenken, grundlegend für die Logistikkonzeption.167 Die ganzheitliche Betrachtungsweise und die Erkenntnis, dass „zur Erklärung der Ganzheit die Erklärung ihrer Elemente nicht ausreicht,

163

Dies schließt die Auswahl in akzeptabler Zeit mit ein.

164

Dieses Problem wird besonders deutlich an den im Rahmen dieser Arbeit aufzugreifenden Problemstellungen. Kapitel 3.2 gibt einen umfassenden Überblick über die Strukturierung unterschiedlicher Autoren und deren unterschiedliche Ergebnisse dieses Strukturierungsprozesses. In Kapitel 4.2 werden die genannten Defekte für die in dieser Arbeit implementierten Modelle untersucht.

165

Vgl. ADAM, D. (1996), S. 15.

166

ADAM, D. et al. (2004), S. 5.

167

Vgl. PFOHL, H. C. (2004b), S. 26.

46

Grundlagen logistischer Systeme und Prozesse

sondern dass dazu die Erklärung der Beziehungen zwischen den Elementen treten muss“, ist kennzeichnend für das Systemdenken.168 Für die Koordination von Elementen und Subsystemen in einem System können die Interaktionsmodelle „lose Kopplung“, „Kooperation“ und „Vereinigung“ als Grundtypen unterschieden werden.169 Beziehungen zwischen den Elementen eines Systems lassen sich als Input-Output-Beziehungen interpretieren. Hier soll der Begriff der Koordination als das Management von Interdependenzen verstanden werden. Von ADAM ET AL. wird die Koordination als zentrales Problem der Allgemeinen Betriebswirtschaftslehre verstanden.170 Aufgrund der hohen Komplexität von Unternehmensprozessen kommt es zu Arbeitsteilung bzw. einer Teilproblembildung zur Beherrschbarkeit. Durch diese (System-)Zerlegung kann sich die Notwendigkeit zur Koordination ergeben, wenn die zwischen den Teilbereichen bestehenden Kopplungen zerschnitten werden.171 Mit dem Koordinationsbegriff gehen in der Literatur die Ausrichtung und Abstimmung von Einzelaktivitäten in arbeitsteiligen Systemen zur Erreichung übergeordneter Ziele einher.172 Als Ansatz zur Gestaltung von Systemen ist die Organisationslehre für die Koordination interdependenter (Planungs-)Systeme von wesentlicher Bedeutung.173 Mit der Entwicklung der Logistik wird vor allem diese Koordinationsfunktion hervorgehoben. So bilden nach WEBER und KUMMER „nicht adäquat berücksichtigte Interdependenzen zwischen den auf die güterwirtschaftlichen Grundfunktionen ausgerichteten Unternehmensbereichen […]“ den Ausgangspunkt für die Heraushebung der Koordinationsaufgabe.174 Es entstehen Schnittstellen, die - „als Preis der erreichten Komplexitätsreduzierung - zu Effizienzverlusten gegenüber der bei einer Gesamtplanung potenziell erzielbaren Optimallösung […]“ führen.175 Als problematisch wird von den Autoren zudem die Seg-

168

PFOHL, H. C. (2004b), S. 26.

169

Vgl. MERKEL, H. (1995), S. 95ff.

170

Vgl. ADAM, D. et al. (2004), S. 10.

171

Vgl. ADAM, D. et al. (2004), S. 10ff sowie MIKUS, B. (2003), S. 371ff und DOMSCHKE, W.; SCHOLL, A. (2002), S. 357ff.

172

Vgl. MIKUS, B. (2003), S. 371 und die dort angegebene Literatur sowie DOMSCHKE, W.; SCHOLL, A. (2002), S. 357.

173

Vgl. LAUX, H.; LIERMANN, F. (2005).

174

Vgl. WEBER, J.; KUMMER, S. (1998), S. 15.

175

Vgl. WEBER, J.; KUMMER, S. (1998), S. 16.

Grundlagen logistischer Systeme und Prozesse

47

mentierung von Kompetenz- und Verantwortungsbereichen gesehen, die die Bildung von Partialinteressen begünstigt.176

2.3.2 Koordinationsbedarf

Der Koordinationsbedarf eines Systems ist nach ADAM ET AL. von vier Faktoren abhängig, über die der Bedarf zu bestimmen ist. Hierzu zählen ƒ

Grad der Komplexität

ƒ

Organisatorische Strukturen

ƒ

Strukturierungsgrad der Probleme

ƒ

Intensität der Dynamik177

Der Grad der Komplexität eines Systems wird auch von FISCHER untersucht.178 Es sind dabei statische und dynamische Systeme zu unterscheiden. Vor allem die Komplexität steigt in dynamischen Systemen nochmals an.179 FISCHER zeigt mit der folgenden Tabelle den Unterschied zwischen Komplexität und Kompliziertheit auf.

Elemente Beziehungen

Komplexität

Kompliziertheit

Anzahl der Elemente

Verschiedenartigkeit der Elemente

(Quantität)

(Elementvarietät)

Anzahl der Beziehungen

Verschiedenartigkeit der Beziehungen

(Konnektivität)

(Funktionalität)

Tabelle 2-2: Statische Dimensionen der Systemkomplexität und Kompliziertheit180

ADAM ET AL. sehen den Grad der Komplexität als Ausdruck für die Anzahl möglicher Relationen. Die folgende Abbildung zeigt Systemrelationen bei statischer und auch dynamischer Betrachtung.

176

WEBER, J.; KUMMER, S. (1998), S. 16.

177

Vgl. ADAM, D. et al. (2004), S. 25.

178

FISCHER, H. (2006), S. 8- 10. In der Arbeit werden statische und dynamische Dimensionen der Systemkomplexität und Kompliziertheit für den Einsatz in Planspielen in der Aus- und Weiterbildung untersucht.

179

Die Anzahl der Elemente und deren Beziehungen vervielfachen sich. Jedes Element ist nun für mehrere Perioden zu betrachten, vgl. hierzu auch Abbildung 2-10.

180

FISCHER, H. (2006), S. 9. Im Unterschied dazu definiert HEINRICH die Kompliziertheit als eine Systemeigenschaft, „die durch die Anzahl und die Unterschiedlichkeit ihrer Elemente gekennzeichnet ist“, HEINRICH, L. J. (1994), S. 11. Hier soll Kompliziertheit wie in der Tabelle angegeben verstanden werden.

48

Grundlagen logistischer Systeme und Prozesse

A

A

B

A

B B

C

C

D

statische Betrachtung

C

D D

t=2 t=1

dynamische Betrachtung

Abbildung 2-10: Systemrelationen im statischen und dynamischen Fall181

Die Abbildung zeigt die Anzahl der Relationen (R) in Abhängigkeit der Anzahl der Systemelemente. ADAM ET AL. führen an, dass ein System, bestehend aus m (hier: m= 4) Elementen, bei nicht hierarchischer Ordnung der Pläne über R m * ( m  1) m 2  m Relationen verfügt, so dass die Zahl der zu koordinierenden Relationen quadratisch mit der Anzahl der Elemente im System wächst. Die Autoren schließen daraus, dass es für den Koordinationsaufwand entscheidend ist, ein System in nicht zu viele Teilpläne zu zergliedern.182 ADAM ET AL. weisen auf die Bedeutung organisatorischer Strukturen für die Koordination hin, weil sie auf die Anzahl erforderlicher Koordinationsrelationen wirkt. So sinkt beispielsweise die Zahl der Relationen in einem hierarchischen System.183 Insbesondere LAUX und LIERMANN gehen ausführlich auf die Organisation als Grundproblem der Betriebswirtschaftslehre ein.184 Sie definieren ausführlich die Interdependenzarten RESTRIKTIONSVERBUND,

ERFOLGSVERBUND, RISIKOVERBUND und BEWERTUNGSVERBUND und gehen auf

unterschiedliche Koordinationskonzepte ein.185 Die hier aufgeführten Determinanten des Koordinationsbedarfs werden in Kapitel 4.2 aufgegriffen, und es ist der Bedarf für CT-Prozesse zu untersuchen.

181

ADAM, D. et al. (2004), S. 25f. Der dynamische Fall wird für zwei Perioden betrachtet.

182

Vgl. ADAM, D. et al. (2004), S. 25.

183

Vgl. ADAM, D. et al. (2004), S. 27f. Aus diesem Grund werden hierarchische Systeme zur Komplexitätsreduktion eingesetzt. Dieser Aspekt wird in den nachfolgenden Kapiteln ausführlich beleuchtet.

184

Diese Aussage stellt keinen Widerspruch zu den Ausführungen von ADAM ET AL. dar, die das Koordinationsproblem in den Mittelpunkt stellen. Das Koordinationsproblem ist Teil des Organisationsproblems, vgl. Abschnitt 2.3.1.

185

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 191- 204. Koordinationsinstrumente werden im folgenden Abschnitt beschrieben.

Grundlagen logistischer Systeme und Prozesse

49

2.3.3 Klassische Koordinationsinstrumente

Dieser Abschnitt zeigt betriebswirtschaftliche Koordinationsinstrumente auf. 2.3.3.1 Simultanplanung

Simultanplanungsmodelle erfordern die Optimierung aller Entscheidungsparameter in nur einem einzigen (Total-)Modell. Für die betriebswirtschaftliche Praxis gelten diese Modelle als untauglich.186 BLOECH

ET AL.

bestätigen, dass dieser Ansatz für realistische Problem-

stellungen illusorisch ist.187 Als Alternative nennen ADAM fahren, um die Pläne zu koordinieren.

ET AL.

lediglich iterative Ver-

188

Die Simultanplanung ist Teil zentraler Entscheidungssysteme, weil Entscheidungen von nur einer Person oder nur einer Abteilung getroffen werden. Im Folgenden werden dezentrale Entscheidungen näher beleuchtet. 2.3.3.2 Sukzessivplanung

Für die Sukzessivplanung werden die Teilpläne verschiedener Bereiche nacheinander festgelegt. Jeder Teilplan ist auf den unmittelbar vorangehenden Plan auszurichten.189 „Der Planungsprozess wird daher in starkem Maße durch den Ausgangsplan geprägt.“190 Um einen möglichst guten Gesamtplan zu erhalten, sollte deshalb bereits bei der Ausgangsplanung antizipiert werden, wie sich die übrigen Teilbereiche anpassen und welche Auswirkungen diese Anpassung für das Unternehmen als Ganzes haben wird.191 Eine Konkretisierung der sukzessiven Planung stellen die nachstehenden Ansätze dar.

186

Vgl. WÖHE, G.; DÖRING, U. (2002), S. 111 und auch ADAM, D. (1996), S. 93ff.

187

Vgl. BLOECH, J. et al. (2008), S. 118.

188

Vgl. ADAM, D. et al. (2004), S. 82. Diese Aussage stützen auch BEA, FRIEDL und SCHWEITZER: Teilpläne lassen sich entweder schrittweise verdichten oder gleichzeitig planen, vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 39. Sukzessivität und Simultaneität können nach den Autoren als die beiden grundsätzlichen Abstimmungsformen der Planung bezeichnet werden. BLOECH ET AL. merken an, dass auch das iterative Herantasten an ein Optimum zu sehr hohem, nicht mehr akzeptablen Aufwand führen kann, vgl. BLOECH, J. et al. (2008), S. 118f.

189

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 194ff.

190

LAUX, H.; LIERMANN, F. (2005), S. 195.

191

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 195.

50

Grundlagen logistischer Systeme und Prozesse

2.3.3.3 Retrograde/ progressive Planung und Gegenstromverfahren

In der folgenden Abbildung sind die Prinzipien der retrograden, der progressiven und der Gegenstromplanung dargestellt. Planungsebene 1

Planungsebene 2a

Planungsebene 2b

Planungsebene 1

Planungsebene 2a

(a)

Planungsebene 2b

Planungsebene 1

Planungsebene 2a

(b)

Planungsebene 2b

(c)

Abbildung 2-11: Retrograde (a), progressive (b) und Gegenstrom-Planung (c)192

Die retrograde Planung wird in der Literatur auch mit Top-Down-Planung bzw. hierarchischer Planung bezeichnet.193 Nach LAUX und LIERMANN lässt sich die retrograde Planung als Prozess bezeichnen, in dessen Verlauf eine vage Problemstellung so lange präzisiert wird, bis sich daraus konkrete Handlungsprogramme festlegen lassen. Problematisch an diesem Ansatz ist u.a. die Ermittlung der Konsequenzen eines vagen Gesamtplanes, bspw., dass die verfügbaren Ressourcen für die Realisierung des Planes nicht ausreichend sind.194 Aus diesem Aspekt ergeben sich die beiden folgenden Methoden. Die progressive Planung wird in der Literatur auch mit Bottom-Up-Planung bezeichnet. Die progressive Planung beginnt im Gegensatz zu der retrograden Planung auf einer nachgeordneten Hierarchieebene des Planungsprozesses. Hier werden konkrete Detailpläne für den jeweiligen Bereich entworfen, die auf der vorgesetzten Instanz schrittweise abgestimmt und verbessert werden. Dies erfolgt so lange, bis ein integrierter Rahmenplan entstanden ist. Ein großes Problem der Bottom-Up-Planung ist, dass die Entscheidungsträger einer unteren Hierarchieebene keine oder nur unzureichende Kenntnisse bzgl. der Beziehungen zu anderen Bereichen besitzen.195 Die Gegenstromplanung stellt die Synthese beider Koordinationskonzepte dar, mit der versucht wird, die Vorteile dieser Ansätze zu stärken und deren Nachteile abzuschwächen. Es

192

WÖHE, G.; DÖRING, U. (2002), S. 109.

193

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 199- 202.

194

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 199 und Abbildung 2-11 (a).

195

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 202. Weitere Probleme dieser Koordinationsform werden in derselben Quelle auf den Seiten 415ff. diskutiert.

Grundlagen logistischer Systeme und Prozesse

51

erfolgt deshalb ein Top-Down-Vorlauf und zudem ein Bottom-Up-Rücklauf. In diesem Rücklauf können übergeordnete Pläne korrigiert werden.196 Als weitere Ansätze der Koordination nennen LAUX und LIERMANN die pretiale Lenkung und Budgetsysteme, auf die hier nicht näher eingegangen werden soll.197 Weiterhin werden Arten der Planung nach ihrer Anpassungsform unterschieden. Ansatzpunkte stellen hier die Verbindlichkeit von Plänen, die entweder flexibel oder starr sein kann und zudem der Anpassungsrhythmus von Teilplänen dar.198 2.3.3.4 Rollende Planung

Unter einer rollenden Planung verstehen WÖHE und DÖRING eine sich wiederholende Planungsprozedur, wobei die Teilpläne nach Ablauf einer Periode um eine Periode nach vorne verschoben werden.199 Der Planungshorizont wird sukzessiv erweitert. Diese Planungstechnik stellt eine Fortschreibungstechnik für flexible Pläne dar, die auf die während der Periode erfassten Umstände reagiert.200 Die rollende Planung kommt beispielsweise im Rahmen des Storage Location Problems zum Einsatz, da die auf dem Terminal umzuschlagenden Container tageweise geplant werden. Ist diese Planung abgeschlossen, wird die Planungsperiode inkrementiert und der darauf folgende Tag geplant.201 Die folgende Abbildung verdeutlicht das Prinzip der rollenden Planung.

196

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 202f.

197

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 203f. Die pretiale Lenkung wird auf den Seiten 385ff. ausführlich vorgestellt. Die Bestimmung von Verrechnungspreisen für diese Koordinationsform kann im einfachsten Fall auch außerhalb des Unternehmens über Märkte erfolgen.

198

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 47.

199

Vgl. WÖHE, G.; DÖRING, U. (2002), S. 110f. Aus diesem Grund wird von rollender Planung gesprochen.

200

Vgl. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 50.

201

Vgl. hierzu die Darstellung in Kapitel 3.2.4.2.

52

Grundlagen logistischer Systeme und Prozesse Plan t0

t1

tn

tn+1

Zeit

tn

Zeit

Plan t0

Abbildung 2-12: Prinzip rollender Planung

Die rollende Planung kann als Koordinationsinstrument bezeichnet werden, weil sich Pläne anpassen und abstimmen lassen, wenn sich bspw. eine veränderte Umweltsituation ergibt. 2.3.3.5 Alternative Betrachtungsperspektive

Von ADAM

ET AL.

wird eine alternative Perspektive zur Betrachtung der Formen der Ko-

ordination angegeben. Sie führen an: „Für die Lösung des Koordinationsproblems kann auf verschiedene Grundtypen von Instrumenten zurückgegriffen werden, die das Problem auf sehr unterschiedliche Weise angehen.“202 Die folgende Abbildung zeigt die von den Autoren gegliederten Formen der Koordination: Koordinationsformen

extern (Markt)

intern

Reduzierung des Koordinationsbedarfs

Simulation von Märkten

Deckung des Koordinationsbedarfs

interne Entkopplung

• • • •

Führungskompetenz Kompetenzsysteme Personalführung Struktur des Planungssystems

Abbildung 2-13: Formen der Koordination nach ADAM ET AL.

Die Koordinationsformen sind in unterschiedliche Ebenen gegliedert. Auf der ersten Ebene unterscheiden die Autoren, wer die Koordinationsleistung erbringt und unterscheiden die interne und externe Koordination. Die externe Koordination erfolgt über Marktmechanis-

202

ADAM, D. et al. (2004), S. 21.

Grundlagen logistischer Systeme und Prozesse

53

men. Dieses Instrument kommt beispielsweise bei der Reduzierung der Fertigungstiefe zur Komplexitätsreduktion zum Einsatz.203 Interne Koordinationsformen hingegen setzen an den Kopplungen innerhalb des Unternehmens an, die sich wiederum in zwei Richtungen unterscheiden lassen, die nicht getrennt voneinander zu betrachten sind:204 „Die erste Richtung betrifft Maßnahmen, die den Koordinationsbedarf durch Abbau von Kopplungen reduzieren. […] Bei der zweiten Richtung geht es darum, den nach der Vereinfachung verbleibenden Koordinationsbedarf durch geeignete Instrumente zu decken.“205 Wie im vorangegangenen Abschnitt vorgestellt werden konnte, wächst der Koordinationsaufwand überproportional mit der Komplexität. Aus diesem Grund kann die externe Koordination über den Markt günstiger sein als die interne Koordination. Den Koordinationsbedarf reduzierende Maßnahmen stellen sowohl die Simulation von Märkten als auch die Entkopplung von Ressourcen dar. Unter der Simulation von Märkten verstehen die Autoren die Koordination über Verrechnungspreise.206 Die Entkopplung wird beispielsweise bei der Bildung von Produktgruppen eingesetzt, wenn für jede Gruppe eigene Kapazitäten aufgebaut werden.207 Der verbleibende Koordinationsbedarf muss mit speziellen Koordinationsinstrumenten gedeckt werden: Von den Autoren werden Führungsgrundsätze genannt, die explizite oder implizite Normen umfassen. Bei impliziten Normen finden die Delegation von Entscheidungen und die Führung über Ziele statt. Über die Ableitung konsistenter Ziele für die dezentralen Einhei-

203

Vgl. ADAM, D. et al. (2004), S. 21.

204

Es werden auch hybride Formen der Koordination auf dieser Ebene genannt, vgl. ADAM, D. et al. (2004), S. 22.

205

ADAM, D. et al. (2004), S. 22.

206

Verrechnungspreise werden auch von LAUX und LIERMANN im Rahmen pretialer Lenkung genannt, vgl. LAUX, H.; LIERMANN, F. (2005), S. 203f. In diesem Zusammenhang wird deutlich, dass die von ADAM ET AL. vorgestellten Koordinationsinstrumente diesem keinesfalls widersprechen, sondern aus einem veränderten Blickwinkel vorgestellt werden.

207

Dieses Koordinationsinstrument ist kritisch zu betrachten, weil häufig nur eine partielle Entkopplung gelingt und sich Beziehungen nur in einer geänderten Form äußern. Zur Kritik an diesem Ansatz vgl. ADAM, D. et al. (2004), S. 22f.

54

Grundlagen logistischer Systeme und Prozesse

ten ist die Abstimmung von Entscheidungen anzustreben. Bei expliziten Normen trifft die Unternehmensspitze koordinierte Entscheidungen, die die unteren Organisationseinheiten auszuführen haben.208 Auch über die Gestaltung von Organisationssystemen und deren Zuordnungsrelationen lassen sich Entscheidungen koordinieren.209 Entscheidungen dürfen in der Organisation jedoch nur so weit nach unten verlagert werden, dass der Gesamtüberblick erhalten bleibt. Im Rahmen eines kulturorientierten Koordinationsansatzes werden Personalführungssysteme betrachtet. Über eine Corporate Identity soll eine grundsätzliche Gleichrichtung des Handelns ausgerichtet werden. Zuletzt kann über die Konstruktion des Planungssystems versucht werden, eine Abstimmung von Entscheidungen herbeizuführen. Hierzu gehören die horizontale Anordnung von dezentralen Entscheidungsfeldern oder die hierarchische Planung. Wichtig ist, dass die Planungsaufgaben im Rahmen der hierarchischen Planung sinnvoll zugeordnet werden, um die wesentlichen Kopplungen zwischen den Elementen zu erfassen. Die genannten Koordinationsansätze sind in Abhängigkeit von der Umweltsituation, vor allem ihrer Komplexität und Dynamik, kombiniert einzusetzen.210 Die in diesem Abschnitt vorgestellten Koordinationsinstrumente nach ADAM ET AL. stellen keinen Widerspruch zu den vorangegangenen Ausführungen dar. Vielmehr zeigen die Autoren aus einer umfassenden Perspektive den Rahmen auf, in dem sich die zuvor beschriebenen Instrumente wiederfinden. Mit der hier gegebenen Aufstellung zeigt sich deshalb auch, dass sich in der betriebswirtschaftlichen Literatur - je nach Perspektive - unterschiedliche Koordinationsinstrumente darstellen lassen. Die zentrale Simultanplanung auf der einen Seite und die horizontal dezentrale Partialplanung auf der anderen Seite stellen die zwei extremen Gegensätze der Planungsmethodik dar. Die Vor- und Nachteile der beiden Konzeptionen sind von ADAM in der folgenden Tabelle zusammengefasst.211

208

Vgl. ADAM, D. et al. (2004), S. 23.

209

Dieser Punkt wird in Abbildung 2-13 als Kompetenzsystem bezeichnet.

210

Vgl. ADAM, D. et al. (2004), S. 23.

211

ADAM, D. (1996), S. 374.

Grundlagen logistischer Systeme und Prozesse

55

Vorteile zentraler Planung/

Vorteile dezentraler Planung/

(Nachteile dezentraler Planung)

(Nachteile zentraler Planung)

Keine Koordination notwendig

Geringer Planungsaufwand

Berücksichtigung aller Interdependenzen

Schnelle Ergebnisse Kein Information-Overload für Entscheidungsträger

Mitarbeitermotivation

Tabelle 2-3: Konzeptionen der Planungsmethodik

Im Folgenden soll der Einsatz von Multiagentensystemen vorgestellt werden, mit denen es möglich ist, die hier behandelten klassischen betriebswirtschaftlichen Koordinationsinstrumente zu erweitern, bzw. unter weiteren Gesichtspunkten und mit neuen Methoden zu untersuchen.

2.4 Einsatz von Multiagentensystemen Die folgenden Unterabschnitte zeigen Multiagentensysteme (MAS) als Ansatz zur Modellierung logistischer Systeme. Es soll dabei zunächst eine Einführung gegeben werden, die die Entwicklung von Multiagentensystemen beschreibt, bevor konkrete Techniken beschrieben werden.

2.4.1 Grundlagen

Die Definition eines (intelligenten) Softwareagenten ist in der Literatur nicht einheitlich gefasst. In der Definition von WOOLDRIDGE sind Kernelemente, die ein Agent enthalten sollte, genannt: “An agent is a computer system that is situated in some environment and that is capable of autonomous action in this environment to meet its design objectives.”212 Um zusätzlich intelligentes Verhalten einsetzen zu können, werden von WOOLDRIDGE REAKTIVITÄT, PRO-AKTIVITÄT und SOZIALE FÄHIGKEITEN angesprochen. Intelligente Agenten

212

WOOLDRIDGE, M. J. (2005), S. 15.

56

Grundlagen logistischer Systeme und Prozesse

können ihre Umwelt beobachten und auf Veränderungen zielgerichtet reagieren. Zugleich können sie ohne externen Einfluss Aktivitäten ausüben, um individuelle Zielsetzungen zu erreichen. Über eine soziale Komponente sind sie in der Lage, mit anderen Agenten (oder auch Menschen) zu kommunizieren und so zu kooperieren und zu koordinieren.213 Weil Agenten intelligentes Verhalten aufweisen (können), ist dieses Forschungsgebiet eng mit der Künstlichen Intelligenz (KI) verzahnt und wird von einigen Autoren als dessen Teilgebiet betrachtet, weil sie sich zur Lösung unstrukturierter Problemstellungen einsetzen lassen. Auch die entgegengesetzte Position wird in der Literatur diskutiert: Weil sich Agenten der KI bedienen, ist die KI eher der MAS-Technologie unterzuordnen.214 Eine eindeutige Abgrenzung ist oft nicht möglich, weil die Teilgebiete der KI sehr weit gestreut sind.215 Hier soll die KI als Ansatz verstanden werden, intelligentes menschliches Verhalten auf den Rechner zu übertragen. Intelligenz zeichnet sich dabei u.a. durch die Fähigkeit aus, zu lernen und zu planen.216 Das Gebiet der Agententechnologie beschäftigt sich mit Entities, die u.a. auf Ansätze der KI zurückgreifen.217 Als weitere mögliche Eigenschaften von Agenten werden Mobilität (mobility), Wahrhaftigkeit (veracity), Gutmütigkeit (benevolence), Rationalität (rationality) sowie Anpassungsfähigkeit (adaption) genannt.218 DAVIDSSON

ET AL.

beschreiben Software-Agenten als die natürliche Erweiterung von

Software-Objekten.219 Die Autoren untersuchen agentenbasierte Ansätze in der Transport-

213

Vgl. WOOLDRIDGE, M. J. (2005), S. 23- 25.

214

Vgl. WOOLDRIDGE, M. J. (2005), S. 9.

215

Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 372.

216

Vgl. die vorangegangenen Darstellungen in Kapitel 2.2.3, insb. Abschnitt 2.2.3.4.

217

Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 372 zusammen mit den Ausführungen aus WOOLDRIDGE, M. J. (2005), S. 9. Weiterhin kommen im Rahmen agentenbasierter Verfahren beispielsweise auch Elemente verteilter Systeme der Informatik, Elemente der Spieltheorie aus den Wirtschaftswissenschaften und Elemente der Sozialwissenschaften zum Einsatz, vgl. WOOLDRIDGE, M. J. (2005), S. 8- 11. LANGER ET AL. stellen die konzeptionellen Ansätze von Agentensystemen und Soft-Computing-Methoden heraus und zeigen einen Weg zur Kombination beider Planungsansätze für die Transportplanung auf, vgl. hierzu LANGER, H. et al. (2006), S. 39-52.

218 219

Vgl. WOOLDRIDGE, M. (2008), Kapitel 2, Folie 6.

Vgl. DAVIDSSON, P. et al. (2005), S. 2. Diese Fortführung erscheint als logischer Schritt in der Entwicklung von Paradigmen der Programmierung. Mit Objekten wurden Methoden und Attribute gekapselt. Nun stehen mit Agenten autonome Einheiten zur Verfügung, die autonome und zielgerichtete Aktionen in einer definierten Umgebung ausführen können. Während Objekte zur Ausführung ihrer Methoden gezwungen sind, entscheiden Agenten autonom über deren Einsatz.

Grundlagen logistischer Systeme und Prozesse

57

logistik und entwickeln einen Evaluationsrahmen, um die in der Literatur gefundenen Ansätze zu klassifizieren. Sie können so den aktuellen Stand der Forschung für agentenbasierte Technologien in der Logistik identifizieren. Dabei zeigt sich, dass die Agententechnologie in weitreichenden Applikationen der Transportlogistik aufzufinden ist. Dieses Anwendungsgebiet ist für den Einsatz multiagentenbasierter Technologien geeignet, da es verteilt und komplex ist. Auch marktbasierte Verhandlungsansätze lassen sich vorfinden, weil diese Koordinationstechnik der Verhandlung in der Realität sehr nahekommt.

2.4.2 Koordination und Zusammenarbeit

In diesem Abschnitt werden Möglichkeiten für die Zusammenarbeit von Agenten beschrieben. Um komplexe Aufgaben zu erreichen, sind Agenten in der Lage, mit anderen Agenten zu kooperieren. Jeder Experte kann damit seiner individuellen Problemstellung verantwortlich bleiben. Der Unterschied zwischen Multiagentensystemen und traditionellen verteilten Systemen liegt darin, dass Agenten in einem Multiagentensystem von unterschiedlichen Herstellern sein können, die jeweils individuelle Ziele verfolgen.220 Es könnten zum Beispiel neben dem Terminal auch Agenten der Port Authority, einer Reederei oder auch von Transportunternehmen, Behörden, u.a. als weitere Parteien mit jeweils eigenen Interessen dem MAS angehören.221 Um individuelle Ziele zu optimieren, kann es deshalb, im Sinne von ökonomischen Spielen,222 zu strategischem Verhalten von Agenten kommen.223 Von DURFEE

ET AL.

wird die folgende Definition für Cooperative Distributed Problem

Solving gegeben: “Cooperative distributed problem solving (CDPS) studies how a loosely-coupled network of problem solvers can work together to solve problems that are beyond their individual capabilities. Each problem-solving node in the network is capable of sophisticated problem-solving and can work independently, but the problems

220

Vgl. WOOLDRIDGE, M. J. (2005), S.189.

221

Vgl. WOOLDRIDGE, M. J. (2005), S. 189 und für ein konkretes Beispiel auch HENESEY, L. (2004), S. 99126. Eine weitere Sichtweise geben BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006).

222

Vgl. PFOHL, H. C. (2004b).

223

Vgl. WOOLDRIDGE, M. J. (2005), S. 189.

58

Grundlagen logistischer Systeme und Prozesse faced by the nodes cannot be completed without cooperation. Cooperation is necessary because no single node has sufficient expertise, resources, and information, to solve a problem, and different nodes might have expertise for solving different parts of the problem.”224

In der Vergangenheit hat sich CDPS zumeist der Benevolence-Annahme bedient, bei der alle Agenten ein gemeinsames Ziel verfolgen und zwischen ihnen kein Potenzial für einen Konflikt existiert.225 Im Unterschied zu traditionellen verteilten Problemlösungsverfahren werden mit Hilfe von multiagentenbasierten Technologien zudem Systeme simuliert, bei denen individuelle Zielsetzungen das Verhalten der Teilnehmer beeinflussen. Dies ist beispielsweise gegeben, wenn Zielkonflikte zwischen Abteilungen eines Unternehmens vorliegen. Auch ist das CDPS von parallelen Problemlösungsverfahren abzugrenzen. CDPS gliedert sich in die abgebildeten drei Schritte. Die folgende Abbildung ist WOOLDRIDGE entnommen.

1) Problem decomposition

2) Subproblem solution

3) Answer synthesis

Abbildung 2-14: Schritte des CDPS226

Das CDPS gliedert sich in mehrere Teilprobleme. Zunächst ist nach einer geeigneten Dekomposition zu suchen, d.h., es ist nach einer Einteilung des Gesamtproblems in mehrere Teilprobleme zu suchen, die dann von einzelnen Agenten bearbeitet werden können.

224

DURFEE, E.; LESSER, V.; CORKILL, D. (1989), S. 63.

225

Vgl. WOOLDRIDGE, M. J. (2005), S.190.

226

WOOLDRIDGE, M. J. (2005), S. 192.

Grundlagen logistischer Systeme und Prozesse

59

Nachdem die Lösung der Teilprobleme erfolgt ist, müssen diese wieder zusammengesetzt werden. Es ist zu hinterfragen, welche Techniken diese Synthese unterstützen. Aus diesem Grund ist im Weiteren auf den Aspekt der Koordination einzugehen. Im vorangegangenen Abschnitt konnte bereits die Bedeutung der Koordination betrieblicher Entscheidungen herausgearbeitet werden. Der Einsatz von Multiagentensystemen bietet u.a. den Vorteil, die klassischen Koordinationsinstrumente der Betriebswirtschaftslehre zu erweitern. Ein wesentliches Element für die Kooperation von Agenten ist deren Koordination. WOOLDRIDGE definiert das Koordinationsproblem wie folgt: „The coordination problem is that of managing interdependencies between activities of agents.“ 227 Zur dynamischen Koordination von Aktivitäten werden die folgenden Methoden angesprochen:228 ƒ

Partial global planning

Für das Partial global planning tauschen kooperierende Agenten Informationen aus, um eine gemeinsame, abgestimmte Lösung im Problemlösungsprozess zu finden. Die Planung ist partial, weil kein Teilsystem in der Lage ist, einen Plan für das gesamte Problem zu finden. Die Planung ist global, weil die Agenten über den Austausch lokaler Pläne einen nicht-lokalen, also globalen Blick auf die Problemlösung erhalten.229 Um Inkonsistenzen in diesem Prozess zu vermeiden, schlägt DURFEE den Einsatz einer Metalevel-Struktur vor, die den Kooperationsprozess der Systeme führt.230 ƒ

Joint intentions

Die Absichten von Entscheidungsträgern spielen für die Koordination eine wesentliche Rolle. Gemeinsame Intentionen liegen vor, wenn sich zwei oder mehr Agenten verpflichten, gemeinsam ein bestimmtes Ziel(-system) zu verfolgen. Würde ein Agent mit abge-

227

WOOLDRIDGE, M. J. (2005), S. 200.

228

Vgl. WOOLDRIDGE, M. J. (2005), S. 202- 218.

229

Vgl. WOOLDRIDGE, M. J. (2005), S. 202.

230

Zitiert nach WOOLDRIDGE, M. J. (2005), S. 203.

60

Grundlagen logistischer Systeme und Prozesse

stimmter gemeinsamer Intention feststellen, dass die Erreichbarkeit dieses Ziels unmöglich oder auch nicht-ökonomisch ist, so ist er zumindest verpflichtet, beteiligte Agenten über dieses Wissen zu informieren. Die gemeinsame Verpflichtung impliziert somit eine gewisse Verantwortung gegenüber anderen Mitgliedern.231 ƒ

Mutual modelling

Im Rahmen dieser Koordinationsform besitzen Agenten Modelle, die das (wahrscheinliche) Verhalten anderer Agenten abbilden. Auf diese Weise kann sich ein Agent „in den anderen hineinversetzen“ und dessen Verhalten prognostizieren.232 So kann das optimale individuelle Verhalten abgeleitet werden. Diese Form der Koordination lässt sich mit Koordination ohne Kommunikation beschreiben, die vorrangig auf Modellen der Spieltheorie basiert.233 Problematisch an diesem Ansatz sind die Bestimmung des Modells anderer Agenten und die Prognose seiner Absichten. ƒ

Norms and social laws

Unter einer Norm und auch sozialen Gesetzen sind etablierte und erwartete Verhaltensmuster zu verstehen. Die Einhaltung von Normen und sozialen Gesetze kann nicht erzwungen werden, dennoch werden sie unter normalen Umständen eingehalten. Ähnlich wie für gegenseitige Modelle kann so - in einem begrenzten Rahmen - auf das Verhalten anderer Agenten geschlossen werden.234 Jeder Agent wird seine eigenen Zielsetzungen im Rahmen seiner individuellen Freiheit durchzusetzen versuchen, darf jedoch nicht gleichzeitig das Interesse der Gemeinschaft aus den Augen verlieren. Besonders geeignet ist die Diskussion der Koordinationsmethoden auch deshalb, weil existierende Ansätze durch den Einsatz von MAS neu beleuchtet und überdacht worden sind.

231

Vgl. WOOLDRIDGE, M. J. (2005), S. 204ff.

232

In der Spieltheorie entspricht dieses Verhalten der Analyse der Pay-off-Matrix.

233

Vgl. WOOLDRIDGE, M. J. (2005), S. 210f.

234

Beispielsweise wird die Prüfung eines Sachverhaltes erst dann eingeleitet, wenn erheblich von einer bestimmten Plangröße abgewichen wird.

Planung in Container-Terminals

61

3 Planung in Container-Terminals In diesem Kapitel werden Container-Terminals (CT) vorgestellt, die den Untersuchungsgegenstand dieser Arbeit bilden. Es erfolgt zunächst eine Darstellung grundlegender Strukturen eines Terminals, zusammen mit einer detaillierten Prozessbeschreibung und Definition der relevanten Begrifflichkeiten. Dieser Beschreibung folgt eine umfassende Darstellung bestehender Modelle und Methoden zur Planung von Entscheidungsproblemen in Container-Terminals.

3.1 Grundlagen In diesem Abschnitt werden grundlegende Strukturen und Prozesse von CTs vorgestellt. Im Anschluss an eine Einordnung in die Logistik soll zunächst die Entwicklung der Containerisierung mit Beginn in den 60er Jahren vorgestellt werden, deren Kenntnis notwendig ist, um Strukturunterschiede in modernen Terminals zu verstehen. Dabei ist der Blick auch auf politische und wirtschaftliche Interessen zu richten, die Einfluss auf die Entwicklung des CT nehmen. Es werden Prozesse und Entities vorgestellt, wie sie heute (2008) weitgehend in den Terminals vorherrschen und allgemein klassifiziert werden können. Prognosen der zukünftigen Entwicklung und die Darstellung wichtiger Trends sollen zeigen, mit welchen Problemen CTs in der Zukunft konfrontiert sein werden und, zusammen mit einem Überblick heutiger Maßnahmen, wie ihnen begegnet werden soll.

3.1.1 Einordnung in die Logistik

Eine vom BUNDESMINISTERIUM

FÜR

VERKEHR, BAU

UND

STADTENTWICKLUNG in Auf-

trag gegebene Studie prognostiziert, dass sich der Umschlag von Standardcontainern (TEU) in den deutschen Häfen im Zeitraum bis 2025 von 10,8 Millionen auf 45,4 Millionen TEU mehr als vervierfachen wird.235 Auch weitere Prognosen bestätigen einheitlich

235

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a). TEU (Twenty Foot Equivalent Unit) ist ein Zählmaß, das im Containerverkehr gebräuchlich ist. Mit TEU werden die Transportkapazität von Containerschiffen, das Umschlagaufkommen von Container-Terminals und das Transportaufkommen von Handelsrouten gemessen. Ein TEU entspricht der Transportkapazität eines 20-Fuss Containers, o.A. (1996), S. 1113f.

62

Planung in Container-Terminals

das erwartete starke Wachstum. Sie belegen die Zunahme des Anteils des containerisierten Güterverkehrs und die Bedeutung dieses Trends.236 Als wichtige Schnittstelle für den weltweiten Güterverkehr gewinnen Container-Terminals deshalb stark an Bedeutung.237 Im Sinne der Systemtheorie238 lässt sich ein Container-Terminal als offenes und komplexes System mit zwei externen Schnittstellen begreifen. Es steht zum einen eine maritime Schnittstelle zur Be- und Entladung von Containerschiffen sowie zum anderen eine landseitige Schnittstelle, über die Container von Lkws und Zügen abgefertigt werden können, zur Verfügung.239 Aufgabe des CT sind der Umschlag von Containern verschiedener Verkehrsträger sowie die Zwischenlagerung von Containern. Container-Terminals erbringen deshalb wesentliche logistische Leistungen im Rahmen des makrologistischen Systems. Das wissenschaftliche Interesse an CT-Prozessen, seiner Gestaltung und Optimierung, ist in den vergangen Jahren stark gestiegen.240 Einen umfassenden Überblick über die Forschungslandschaft im Bereich der CT-Logistik und den Einsatz von OR-Modellen241 in diesem Bereich geben STEENKEN, VOß und STAHLBOCK242. Eine aktualisierte Fassung existiert von STAHLBOCK und VOß243 von 2007. Die Autoren zeigen mit der Aktualisierung des Artikels das wissenschaftliche Interesse an diesem Forschungsbereich deutlich auf. Ältere Übersichten existieren von VIS und

DE

KOSTER244 wie auch von MEERSMANS245. Weitere

verkürzte Übersichten liefert u.a. GÜNTHER246. Zusätzlich gibt es Darstellungen mit speziellem Fokus: BIETHAHN, MEIER und KLETTNER247 systematisieren Planungsschwierigkeiten und Interdependenzen zwischen Planungssystemen eines Container-Terminals.

236

Weitere Studien und Zahlen zur Entwicklung und Bedeutung des Containerverkehrs sind u.a. in LEMPER, B. (2003), STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), SAANEN, Y. A. (2004) sowie Hafen Hamburg (2007) zu finden.

237

Vgl. SAANEN, Y. A. (2004), S. 1.

238

Vgl. hierzu Kapitel 2.1.3.

239

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 6.

240

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 36.

241

Vgl. Kapitel 2.2.

242

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004).

243

Vgl. STAHLBOCK, R.; VOß, S. (2007).

244

Vgl. VIS, I. F.; DE KOSTER, R. (2003).

245

Vgl. MEERSMANS, P. J.; DEKKER, R. (2001).

246

Vgl. GÜNTHER, H.; KIM, K. (2007).

247

Vgl. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006).

Planung in Container-Terminals

63

Hinsichtlich der Bedeutung des CT für den globalen Güterverkehr herrscht eine einheitliche Meinung vor. HENESEY formuliert die Anforderungen und Bedeutung moderner CT sehr deutlich: „Modern container terminals (CT) are not passive points of interface between sea and land transport. The CTs have become logistic centers acting as the natural points of intermodal interchange, where more than one form of transport mode (e.g. road, rail, sea and air) is used to move containers in the global transport system. CTs can be considered as the linchpins in the global economy.”248 Die Aufgabe von Seehäfen liegt jedoch nicht allein in der Durchführung des Containerumschlags. Neben CTs stehen auch LNG- und LPG-Terminals249 mit hohen Wachstumsprognosen da, auch aufgrund der vorherrschenden Diskussion um die Gestaltung einer Politik zur langfristigen Sicherstellung der Energieversorgung in Deutschland.250 Obwohl der Bezug von Erdgas via Pipeline bis 4000 km in der Regel wirtschaftlicher als der LNGTransport ist und Deutschland innerhalb dieser Entfernung auf große Erdgasvorkommen zugreifen kann, werden derzeit unter strategischen Gesichtspunkten zur Diversifikation der Bezugsquellen LNG-Terminals in Deutschland u.a. in Wilhelmshaven, aber auch in anderen EU-Staaten geplant.251 Seehäfen

Konventionelle Massengutterminals

Ölterminals

LNG/LPGTerminals

Kohle/ErzTerminals

OffshoreTerminals

Container- StückgutTerminals Terminals

Ro/RoTerminals

Terminals für Getreide-/ DüngeUnd Futtermittel

Abbildung 3-1: Klassifizierung von Terminals in Seehäfen

248

HENESEY, L. (2004), S. 16.

249

Beim LNG (Liquified Natural Gas) handelt es sich um Erdgas, das am Produktionsort verflüssigt wird und dann über Tanker verschifft werden kann. Am Anlandeterminal muss es regasifiziert werden, vgl. Bundesministerium für Wirtschaft und Technologie (BMWi) (2007), S. 18. Auch beim LPG (Liquefied Petroleum Gas) handelt es sich um einen Energieträger. Die mittleren jährlichen Zuwachsraten hierfür werden von BRINKMANN mit 6-8% beziffert, vgl. BRINKMANN, B. (2005), S. 159.

250

Vgl. u.a. Bundesministerium für Wirtschaft und Technologie (BMWi) (2007), S. 3.

251

Vgl. Bundesministerium für Wirtschaft und Technologie (BMWi) (2007), S. 18.

64

Planung in Container-Terminals

Abbildung 3-1 klassifiziert Terminals in Seehäfen in Anlehnung an die Darstellung von BRINKMANN.252 Die zukünftige Aufstellung des Logistikstandortes Deutschland ist Teil einer strategischen Planung zur Sicherstellung der langfristigen Aufrechterhaltung der Lebensqualität und des Wohlstandes in Deutschland. Die in der Logistik tätigen Unternehmen sind auf die landesund bundesweite Infrastruktur angewiesen. Aus diesem Grund fällt die strategische Planung hier nicht privaten Unternehmen allein, sondern auch dem Staat zu. Diese Verantwortung wird in einem im September 2007 vom BUNDESMINISTERIUM VERKEHR, BAU

UND

FÜR

STADTENTWICKLUNG publizierten Maßnahmenplan aufgegriffen.

Ausgehend von der ökonomischen Ausgangslage werden veränderte Rahmenbedingungen vorgestellt und eine verkehrspolitische Orientierung abgeleitet, die sowohl wirtschaftlichen, sozialen als auch ökologischen Gesichtspunkten gerecht werden soll.253 Allein die Vielzahl zu verfolgender Zielsetzungen zeigt die Schwierigkeit der Gestaltung einer Lösung. Für das Ministerium ist „die Sicherung der Mobilität von Personen und Gütern auf einer ökologischen und ökonomisch tragfähigen Basis eine der wichtigsten gesellschaftspolitischen Aufgaben“.254 Auch hier wird zunächst die herausragende Bedeutung der Logistik für die Wettbewerbsfähigkeit der deutschen Volkswirtschaft, verbunden mit einer auch weiterhin steigenden Verkehrsnachfrage, unterstrichen.255 Unter ökologischen Aspekten stehen vor allem der Ausbau und die Entwicklung der Verkehrsträger „Schiene und Wasserstraße“ im Mittelpunkt des Interesses.256

252

Vgl. BRINKMANN, B. (2005), S. 137- 349.

253

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b).

254

Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b), S. 2.

255

Die hier aufgeführte Prognose reicht bis zum Jahr 2050. Mit rund 28% hat Deutschland führenden Anteil am Logistik-Markt in Europa, der auf 585 Mrd. € geschätzt wird. Mit mehr als 2,6 Mio. unmittelbar in diesem Bereich Beschäftigten ist dieser Bereich einer der größten und am stärksten wachsenden Arbeitsmärkte in Deutschland, vgl. hierzu Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b), S. 2f.

256

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b), S. 7.

Planung in Container-Terminals

65

Insbesondere werden in der Studie erhebliche Potenziale in der Verzahnung von Logistik und Telematik erkannt. Es wird festgestellt: „Die Logistikwirtschaft hat einen stetig wachsenden Bedarf an intelligenten Transportsystemen.“257 In den Seehäfen laufen die Güter aus dem Binnen- und Ausland zusammen oder werden hierüber verteilt.258 Von SAANEN und auch MOCCIA

ET AL.

wird auf die Bedeutung von

Hub and Spoke-Netzstrukturen für das maritime Transportwesen hingewiesen.259 Große Containerschiffe operieren zwischen wenigen großen Transhipment-Terminals (Hubs), während kleinere Feederschiffe die Verbindung zu den kleineren Knoten (Spokes) herstellen. In dieser Bedeutung ist die Entwicklung des CT durch das Zusammenwirken unterschiedlicher Interessen beeinflusst. CT-Betreiber nutzen als eigenständige Unternehmen die Infrastruktur des Hafens. Neben privatwirtschaftlich betriebenen Häfen ist der „Hafen“ überwiegend in öffentlichem Besitz, verwaltet von einer Hafenbehörde260. Seine Entwicklung ist oft das Ergebnis politischer und wirtschaftlicher Interessen und Verhandlungen. HENESEY untersucht mit Hilfe eines Multiagentensystems den Einfluss der Beziehungen von Stakeholdern auf das Hafen- und Terminalmanagement261 und bezieht sich auf die Arbeit von NOTTEBOOM und WINKELMAN,262 die in- und externe sowie öffentliche und gesellschaftliche Stakeholder unterscheiden. PUMPE erkennt im Wesentlichen dieselben Einflüsse auf den Containerverkehr aus der Untersuchung der organisatorischen Gestaltung der Informationskette.263 CT-Betreiber, wie zum Beispiel die Eurogate GmbH & Co KGaA, KG264 und die North Sea Terminal Bremerhaven GmbH & Co265 in Bremerhaven nutzen als eigenständige Un-

257

Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b), S. 4. Auch deshalb stellen multiagentenbasierte Ansätze, die der künstlichen Intelligenz zugeordnet werden, einen wichtigen zu untersuchenden Ansatz zur Koordination von Problemstellungen in diesem Bereich dar.

258

BRINKMANN, B. (2005), S. 2.

259

Vgl. SAANEN, Y. A. (2004), S. 10f und MOCCIA, L. et al. (2006), S. 45 sowie die Darstellung dieser Netzstruktur in Kapitel 2.1.2.

260

Engl.: Port Authority.

261

Vgl. HENESEY, L. (2004), S. 73- 100.

262

Vgl. NOTTEBOOM, T.; WINKELMANS, W. (2002).

263

Vgl. PUMPE, D. (2000), S. 29- 46.

264

Vgl. Eurogate (2007).

265

Vgl. NTB (2007).

66

Planung in Container-Terminals

ternehmen die Infra- und Suprastruktur des Hafens und erbringen die logistischen Leistungen. Umschlag- und Flurfördergeräte sowie weiteres Equipment werden von den CTBetreibern selbst gestellt. Gerade im Hinblick auf die im Masterplan des Bundesministeriums publizierten zukünftigen Herausforderungen ist eine strategische Partnerschaft zwischen Betreiberunternehmen und Hafengesellschaft anzustreben, weil die Auswahl der Logistikbetreiber maßgeblichen Einfluss auf die Effizienz des Logistikstandortes und somit die volkswirtschaftlichen Interessen des Landes hat. Als Beispiel kann der in Niedersachsen geplante JadeWeserPort266 genannt werden. In einer Ausschreibung um die auf 40 Jahre langfristig ausgelegte Konzession für den Betrieb des in Wilhelmshaven geplanten JadeWeserPort erhielt laut Pressemitteilung des NIEDERSÄCHSISCHEN MINISTERIUM

FÜR

WIRTSCHAFT, ARBEIT

UND

VERKEHR vom 14.

März 2006 die bereits in Bremerhaven tätige Logistikgruppe Eurogate267 den Zuschlag. Der neue Hafen ist wichtig für den Logistikstandort Deutschland, weil das ansteigende Wachstum der Containerschiffe tiefere Zufahrtsmöglichkeiten erfordert. In Wilhelmshaven könnten Tide unabhängig auch Großcontainerschiffe mit mehr als 12.000 TEU abgefertigt werden.268 Vor allem Reedereien nutzen die angebotenen logistischen Leistungen von ContainerTerminals. Für den Reeder übernimmt der Container-Terminal die Transformation des Containerschiffs von einem Start- in einen vom Reeder vorzugebenden, bzw. einem von ihm akzeptierten Zielzustand.269 Auch Reeder üben Einfluss auf die Gestaltung von CTs aus. Eine Reederei stellt ein Transport- und Schifffahrtsunternehmen aus dem Bereich der See- und Binnenschifffahrt dar. Das HGB trifft Regelungen für Reeder und Reedereien (5. Buch Seehandel, Zweiter Abschnitt) in den §§484-510. Die Legaldefinition des Reeders lautet gemäß §484: „Reeder ist der Eigentümer eines ihm zum Erwerb durch die Seefahrt dienenden Schiffes.“270

266

Vgl. JadeWeserPort (2008).

267

Siehe hierzu auch Eurogate (2007).

268

Vgl. Niedersächsisches Ministerium für Wirtschaft, Arbeit und Verkehr (2006).

269

Vgl. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 144.

270

HGB vom 10.05.1897 in der Fassung vom 21.12.2007.

Planung in Container-Terminals

67

3.1.2 Entwicklung

Die Heterogenität von Stückgütern, die neben ihrer Art auch in ihrer Verpackung, ihrem Gewicht und ihren Abmessungen zum Ausdruck kommt, führte dazu, dass Güter mit quasi jedem Transport- und Umschlagvorgang einzeln angefasst und erfasst werden mussten. Frachtschiffe verbrachten den Großteil ihrer Reise mit dem Laden und Löschen in den Häfen.271 Wie der Logistikbegriff seinen Ursprung im militärischen Bereich findet272, so geht auch für die Containerisierung ein Impuls vom Militär aus. Container wurden zur Lösung logistischer Probleme der Truppenversorgung bereits während des Zweiten Weltkrieges eingesetzt.273 Für die zivile Nutzung erkannte und implementierte diese Transportmethode der Unternehmer MALCOLM MCLEAN.274 Im Gegensatz zu dem in Europa zu dieser Zeit vorherrschenden Ansatz, die Technik konventioneller (Fracht-)Schiffe weiterzuentwickeln, lag der Fokus der Amerikaner auf der Suche nach einer ökonomischen Überwindung der Transportstrecke.275 Nur über die Wandlung der bisher heterogenen Stückgüter, hin zu uniformen und gleichartigen Einheiten, ließ sich der Gesamttransport industrialisieren und der Umschlag mechanisieren. Durch die Homogenisierung erhielten Güter Massengutcharakter und konnten rational transportiert und umgeschlagen werden.276 Um von dem Unit-LoadKonzept des Containers profitieren zu können, waren massive Umstellungen im gesamten Betrieb des Hafens erforderlich. Um die Gefahren, die mit der Unsicherheit der Durchsetzung des Containersystems verbunden waren, und um den Kapitalaufwand zu reduzieren, wurden zunächst Tanker umgerüstet, bevor vollständig neue Schiffe und geeignetes

271

Die hohen Transportkosten blockierten in der Zeit nach dem Zweiten Weltkrieg massiv den internationalen Handel. Die manuelle Erfassung transportierter Güter behinderte zusätzlich den Einsatz IT-gestützter Planungsmethoden, vgl. u.a. BRINKMANN, B. (2005), S. 218ff.

272

Vgl. Kap. 2.1.1.

273

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 25.

274

Vgl. JUNG, A. (2005), S. 121.

275

Vgl. LEVINSON, M. (2006), S. 11. Insbesondere MCLEAN war an der Senkung der Transportkosten interessiert.

276

Vgl. BRINKMANN, B. (2005), S. 219.

68

Planung in Container-Terminals

Equipment entwickelt wurden.277 Schiffe waren zu diesem Zeitpunkt mit eigenen Kränen ausgestattet, so dass sie sich selbständig be- und entladen konnten.278 Ohne die entsprechenden Umschlageinrichtungen in den Häfen ließ sich das Potenzial des Containers jedoch nicht ausreichend realisieren. Auch der Yard zur Lagerung der Container musste vollständig neu gestaltet werden, um die Vorteile des Konzepts ausschöpfen zu können.279 Insgesamt war es für alle an der Transportkette beteiligten Unternehmen notwendig, neue Techniken und weitgehende Anpassungsmaßnahmen ein- und durchzuführen.280 Zu Beginn der Entwicklung in den 60er Jahren taten sich die außeramerikanischen Häfen schwer, die grundlegenden Strukturveränderungen einzuleiten und die damit verbundenen hohen Investitionsmaßnahmen zu tätigen. Auch in Fällen, in denen das Management das Potenzial des Containers erkannte, war es erforderlich, sich gegen beteiligte Interessengruppen durchzusetzen und ihre Akzeptanz zu erreichen.281 Am Beispiel Bremens282 lassen sich die konträren Interessen mit der Einführung des Containers aufzeigen: Teile der Gewerkschaft ÖTV283 befürchteten den Verlust von Arbeitsplätzen. Sie lehnten mit Unterstützung des Verbands der Internationalen Transportarbeitergewerkschaften die Einführung ab. Dennoch gab es Gewerkschaftsvertreter, die die Bedeutung dieser Entwicklung erkannten und durch die Rationalisierung sogar die Chance für die höhere Qualifikation des Hafenarbeiters sahen. Die Skepsis deutscher Reeder resultierte aus hohen Investitionen in moderne Stückgutfrachter und der erneuten finanziellen Herausforderung für den Bau neuer Schiffe und der Anschaffung von Containern zur Übernahme des neuen Systems.284 Fuhrunternehmer sahen sich gezwungen, massiv in neue Technolo-

277

Vgl. BRINKMANN, B. (2005), S. 220. Die erste Containerschifffahrt fand 1956 mit Hilfe eines umgebauten T-2 Tankschiffs statt, vgl. u.a. BRINKMANN, B. (2005), S. 223. Die Bezeichnung T-2 aus der Klassifikation von Schiffen der Maritime Commission von 1936 entspricht einer Länge von 524 Fuß, vgl. CUDAHY, B. J. (2006), S. 3- 10.

278

Vgl. MEERSMANS, P. J.; DEKKER, R. (2001), S. 2.

279

Vgl. KOZAN, E.; PRESTON, P. (2006), S. 519f.

280

Vgl. BRINKMANN, B. (2005), S. 219.

281

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 13f.

282

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 13f.

283

Die Gewerkschaft Öffentliche Dienste, Transport und Verkehr (ÖTV) wurde nach dem Zweiten Weltkrieg gegründet und später in die Dienstleistungsgewerkschaft ver.di überführt, vgl. hierzu ver.di (2008).

284

Vgl. BRINKMANN, B. (2005), S. 220.

Planung in Container-Terminals

69

gien zu investieren. Staubetriebe, Seehafenspediteure und Schiffsmakler fürchteten, an Bedeutung zu verlieren.285 Gleichzeitig war es jedoch notwendig, den Startpunkt neuer Entwicklungen nicht zu verpassen und damit die Konkurrenzfähigkeit nicht zu verlieren. So musste aus deutscher Sicht die von MCLEAN gegründete SEALAND SHIPPING COMPANY überzeugt werden, nicht allein Rotterdam als Tor Europas anzulaufen und so selbst an Einfluss zu verlieren.286 Endgültig zeichnete sich im Jahr 1967/68 die Durchsetzung des Containerverkehrs ab. In großem Umfang wurden Vollcontainerschiffe in Auftrag gegeben, die allein auf den Containertransport ausgerichtet waren.287 Kein Bereich der Transportwirtschaft konnte sich von nun an diesem neuen System entziehen. Alle Prozesse mussten überdacht und neu organisiert werden. Reedereien konnten, mit Hilfe der Containerisierung, die Aufenthaltszeiten ihrer Schiffe im Hafen massiv reduzieren und so mehr Rundreisen mit einem Containerschiff pro Jahr erreichen.288 Die von der Internationalen Organisation für Standardisierung normierten Containermaße sind für die europäischen Bedürfnisse unvorteilhaft, weil das Grundflächenmaß nicht mit der in Europa gebräuchlichen Palettengröße abgestimmt ist.289 Die Gründe dieser aus europäischer Sicht ungünstigen Standardisierung ergeben sich aus der Entwicklung, wie sie von den Amerikanern in der Vorreiterrolle eingeleitet wurde. Die Entwicklung dieser Schiffe wird in der Literatur oft in Generationen angegeben, die deren Größen charakterisieren. Während die Dimension von Containerschiffen im Baujahr 2002 im Bereich von 7.500-8.400 TEU angegeben wird,290 spricht SAANEN bereits von einer deutlichen Steigerung dieser Kapazitäten für die Zukunft und nennt Schiffe mit bis zu 18.000 TEU.291 In einer kritischen Auseinandersetzung mit dem Schiffsgrößenwachstum

285

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 13f.

286

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 12

287

Vgl. BRINKMANN, B. (2005), S. 220.

288

Vgl. BRINKMANN, B. (2005), S. 219.

289

Vgl. ISERMANN, H. (1996), S. 1012.

290

Vgl. BRINKMANN, B. (2005), S. 67.

291

Vgl. SAANEN, Y. A. (2004), S. 9f.

70

Planung in Container-Terminals

zeigen PAWELLEK und SCHÖNKNECHT die Voraussetzungen für weitere Produktivitätssteigerungen.292 Aufgrund der für den Umschlag notwendigen Kräne und Spezialfahrzeuge bestand für europäische Häfen die Gefahr, in Abhängigkeit von den Amerikanern zu geraten und hohe Preise für Equipment zahlen zu müssen. So vertrieb die Firma PAECO aus Kalifornien, USA, als damals einziger Hersteller seine Containerbrücken über SEALAND als Monopolist. Containerbrücken wurden mit hohen Auflagen, bspw. nur eigene Schiffe mit diesen Brücken umzuschlagen, an Häfen verkauft, die den Containerumschlag aufnehmen wollten, so dass sich deutsche Unternehmen schnell nach inländischen Herstellern umsahen.293 Auch dies trug maßgeblich zur Beschleunigung der Containerisierung bei. In den folgenden Jahren kamen fortlaufend neue technische Hilfsmittel auf den Markt. Die Durchsetzung des Containerverkehrs hat zu grundlegenden Veränderungen im globalen Warenverkehr geführt.294 Innovationsbereitschaft, Kapitalstärke, Durchsetzungsvermögen gegen Akzeptanzbarrieren und Standorteigenschaften haben aber dazu geführt, dass sich moderne Terminals in ihren Strukturen und Betriebssystemen durchaus unterscheiden. Mit dem Aufbau und der Erweiterung von Produktionskapazitäten von global agierenden Industrieunternehmen in asiatischen Ländern ist der Containerverkehr vor allem zwischen Asien und dem Rest der Welt enorm gestiegen.295

292

Vgl. PAWELLEK, G.; SCHÖNKNECHT, A. (2007).

293

Vgl. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991), S. 15.

294

Die einhergehenden Veränderungen führen sowohl positive als auch negative Effekte mit sich. Positiv ist u.a. zu sehen, dass sich die Anzahl der Varietät importierter Güter in den USA von 1972 bis 2002 vervierfacht hat. Die verstärkte Konkurrenz sorgt für relativ niedrige Preise, so dass auch durchschnittlich verdienende Haushalte von dieser Entwicklung profitieren. Nach dem Zweiten Weltkrieg entwickelte sich jedoch auch eine spezielle Marktstruktur in Deutschland und in Europa, in der es für Arbeiter möglich war, nahezu kontinuierlich höhere Löhne durchzusetzen, und in der es dem Staat möglich war, immer stärkere soziale Netze aufzubauen, deren Entwicklung mit den Veränderungen durch die Containerisierung gestoppt wurde, vgl. hierzu LEVINSON, M. (2006), S. 3f.

295

Vgl. MEERSMANS, P. J. M. (2002), S. 1ff.

Bereits 1817 wies der britische Ökonom DAVID RICARDO auf komparative Vorteile als Grundlage für den internationalen Handel hin. In seinem Modell werden lediglich Produktionskosten berücksichtigt, Kosten für den Transport von Gütern werden vernachlässigt, vgl. RÜBEL, G. (2004), S. 20f. Mit der aufgezeigten Entwicklung und der damit einhergehenden massiven Reduktion von Transportkosten verändern sich weltweite Produktionsstrukturen. Die reale Situation gleicht sich den Annahmen aus dem Modell von RICARDO an, vgl. LEVINSON, M. (2006), S. 13ff.

Planung in Container-Terminals

71

Technologien für den Containerumschlag haben sich seit ihrem Beginn in den 60er Jahren stark entwickelt, was die Art eingesetzter Hilfsmittel und deren Eigenschaften, die Terminal-Kapazitäten und die Prozessabläufe betrifft.296 Mit speziell entwickeltem Equipment konnte die Umschlagsgeschwindigkeit weiter gesteigert werden. Mittlerweile führen hohe Personalkosten zu einer Umstellung auf automatisch geführte Fahrzeuge, deren Steuerung aber neue Problemstellungen mit sich bringt.297 Das technische Equipment mit seinen Eigenschaften, wie es heute in modernen Terminals verwendet wird, soll im folgenden Abschnitt vorgestellt werden. Dabei ist zu beachten, dass sich noch immer Unterschiede aus der beschriebenen Entwicklung ableiten lassen. Parallel zu der Entwicklung des Container-Systems wächst die Notwendigkeit einer informationstechnischen Begleitung der Prozesse. Moderne und leistungsfähige Methoden zur Datenerfassung und deren Verarbeitung sind erforderlich geworden, um die immer zahlreicher werdenden Container an Bord und an Land nachverfolgen zu können.298

3.1.3 CT-Struktur und -Prozesse

In seinen Feinheiten ist der Prozessablauf eines CT von Spezifika und dem darauf ausgelegten Betriebssystem geprägt. Dennoch lassen sich Elemente finden, die sich in allen Container-Terminals wiederfinden. Dieser allgemeine Ablauf soll im Folgenden beschrieben werden.

296

Vgl. MEERSMANS, P. J.; DEKKER, R. (2001), S. 2.

297

Dieser Themenstellung nimmt sich SAANEN an, vgl. SAANEN, Y. A. (2004).

298

Vgl. BRINKMANN, B. (2005), S. 221.

72

Planung in Container-Terminals

Abbildung 3-2: CT-Prozess299

Das Kerngeschäft von CTs liegt in der Be- und Entladung von Containerschiffen, der Zwischenlagerung von Containern und ihrer landseitigen An- und Auslieferung.300 Nach Ankunft eines Containerschiffs im Hafen wird das Schiff einem Liegeplatz zugewiesen. Auf dem Schiff sind die Container in Bays301 gestapelt, die durch zugewiesene Containerbrücken (QC) vom Kai aus gelöscht302 oder geladen werden können. Vom Schiff gelöschte, zu importierende Container werden in Richtung des Containerlagers (Yard) transportiert, auf dem sie bis zum Weitertransport lagern. Aus dem Hinterland erreichen den Terminal zu exportierende Container über die Straße mit Lkw oder via Schiene mit Zügen. Internes Equipment hilft beim Handling der Container. Der Container ist durch verschiedene Eigenschaften wie Größe, Gewicht, Ursprungs- und Zielort, Inhalt u.a. charakterisiert, die bei der Platzierung im Yard zu berücksichtigen sind. Der Yard ist in verschiedene Blöcke eingeteilt. Die Position eines Containers kann demnach über die Angabe seines Blocks, seiner Bay, seiner Reihe und seiner Lage eindeutig identifiziert werden.

299

SAANEN, Y. A. (2004), S. 28.

300

Vgl. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 144.

301

Die auf den Schiffen gestapelten Container werden in der Literatur als Bay (Bucht) bezeichnet. Den einzelnen Bays der Containerschiffe sind Containerbrücken zuzuordnen, die sich um den Umschlag der darin zusammengefassten Container kümmern. Aus diesem Grund werden „Bay“ und „Bucht“ sowie unter besonderem Hinweis auch „Job einer Containerbrücke“ synonym verwendet.

302

Das Löschen kennzeichnet den Entladevorgang von Containern.

Planung in Container-Terminals

73

Je nach Organisation können die Bereiche des Lagers in Abhängigkeit vom Containertyp reserviert sein. Ein Bereich besteht aus einem oder mehreren Blöcken, z.B. für Kühlcontainer, die elektrische Anschlüsse notwendig machen, für gefährliche Güter oder andere spezielle Container.303

3.1.4 Umschlag- und Flurfördergeräte

Die Entscheidung über das im Terminal eingesetzte Operationssystem hängt maßgeblich mit den geographischen Bedingungen zusammen, zudem spielen die historische Entwicklung und ökonomische Faktoren eine entscheidende Rolle.304 Im Rahmen der Entwicklung305 wurden bereits elementare technische Hilfsmittel für den Umschlag und den Transport von Containern angesprochen. Es soll nun ein Überblick über die in modernen Terminals zum Einsatz kommenden Geräte gegeben werden, deren terminalspezifische Zusammenstellung als Betriebssystem bezeichnet wird. Der folgende Überblick ist weitgehend an BRINKMANN und STEENKEN ET AL.306 angelehnt. Zu den einzelnen Geräten werden die Beschreibung ihrer Aufgaben zusammen mit der Darstellung relevanter Eigenschaften sowie Vor- und Nachteilen gegeben. Für den Umschlag zwischen Schiff und Kai kommen im Wesentlichen Containerbrücken zum Einsatz. „Containerbrücken sind große, auf Schienen laufende Portalkräne mit jeweils einem land- und einem seeseitigen Ausleger.“307 Unterschieden werden Ein- und ZweiKatz-Brücken. Die Katze läuft den Arm des Krans entlang und ist mit einem Spreader ausgestattet. „Ein Spreader ist eine Tragerahmenkonstruktion mit vier jeweils an den Ecken angeordneten Drehbolzen, den Twistlocks“,308 die von oben bündig in die Eckbeschläge des Containers eingreifen und durch Drehung am Container verriegelt werden. Der Container kann damit angehoben und transportiert werden.309 Die Katze der Ein-KatzBrücke wird manuell vom Fahrer gesteuert und löscht den Container vom Schiff auf die

303

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 22.

304

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 13.

305

Vgl. Kapitel 3.1.2.

306

Vgl. BRINKMANN, B. (2005), S. 254- 279 und STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 6- 12.

307

BRINKMANN, B. (2005), S. 254.

308

BRINKMANN, B. (2005), S. 254.

309

Vgl. BRINKMANN, B. (2005), S. 254.

74

Planung in Container-Terminals

Landseite. Bei der Zwei-Katz-Brücke wird nur die Hauptkatze manuell gesteuert. Der Container wird in diesem Fall vom Schiff auf eine Plattform bewegt, von der eine zweite Katze diesen automatisch landseitig weiterbewegt. Moderne Spreader sind in der Lage, ihre Größe zu verändern und beispielsweise auch zwei 20’ Container gleichzeitig aufzunehmen.310 Die technische Leistungsfähigkeit von Containerbrücken liegt bei 50-60 Containerbewegungen pro Stunde. Operativ werden in dieser Zeit jedoch lediglich 22-30 Container pro Brücke umgeschlagen.311 Als Gründe für die starke Abweichung zwischen technisch erreichbarer und operational erreichter Umschlagsgeschwindigkeit geben STEENKEN

ET AL .

durch Pausen und Unterbrechungen verursachte Zeitverluste sowie technische und manuelle Störungen im Prozessablauf an.312 Genau hier sieht auch SAANEN das Potenzial für intelligente Lösungen zur Optimierung des Containerumschlags. So lässt sich beispielsweise mit Zwei-Katz-Brücken eine Produktivitätssteigerung von 15-20% erreichen.313 Die vollständige Automatisierung des Einsatzes von Containerbrücken ist heutzutage noch nicht möglich, so dass Brücken entweder manuell oder teilautomatisiert gefahren werden. Lediglich landseitig ist eine Vollautomatisierung erreichbar und beispielsweise in Hamburg-Altenwerder realisiert. Wasserseitig bestehen Schwierigkeiten aufgrund der ständigen Bewegung des Schiffes.314 Moderne Containerbrücken unterstützen den Fahrer deshalb mit einem Lenksystem.315 BRINKMANN nennt Eigenschaften von QC, die bei der Zuordnung zu berücksichtigen sind. Hierzu zählen die Hubhöhe über der Kranschiene, die wasserseitige Auslegerspannweite, die Portalspannweite, die landseitige Spannweite, die Tragfähigkeit unter dem Spreader sowie das Gewicht.316 Grundsätzlich ist der Containerumschlag mit jedem Kaikran möglich, der über einen Spreader verfügt. Kaikräne finden ihren Einsatz daher vorwiegend in Häfen mit geringem

310

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 8 und BRINKMANN, B. (2005), S. 254.

311

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 8. Eine nach Brückentypen differenzierte Aussage findet sich in BRINKMANN, B. (2005): Für Ein-Katz-Brücken wird eine operative Leistungsfähigkeit von 25-35 Containerbewegungen pro Stunde angegeben, Zwei-Katz-Brücken können operativ 45 Bewegungen pro Stunde erreichen.

312

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 25f.

313

Vgl. SAANEN, Y. A. (2004), S. 32.

314

Vgl. BRINKMANN, B. (2005), S. 255 und BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 147f.

315

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 8.

316

Vgl. BRINKMANN, B. (2005), S. 254- 257.

Planung in Container-Terminals

75

Containerumschlag. Für jeden Arbeitsschritt ist jedoch eine Drehbewegung notwendig, so dass der Umschlag wesentlich länger dauert, als dies bei den nur horizontal fahrenden Containerbrücken der Fall ist. Auch Mobilkräne kommen vorrangig in kleinen und mittleren Häfen zum Einsatz. Vorteile gegenüber der Containerbrücke liegen in der Flexibilität im Einsatz und in den geringeren Investitionskosten.317 Nachteilig ist ihre geringere Leistungsfähigkeit. In großen Häfen können Mobilkräne jedoch unterstützend eingesetzt werden.318 Schiffseigenes Hebezeug, wie es zu Beginn der Containerentwicklung eingesetzt wurde, kommt in der Regel nicht mehr zum Einsatz.319 Für den landseitigen Horizontaltransport der Container steht eine Vielzahl unterschiedlicher Fahrzeuge, sog. Flurfördergeräte zur Verfügung, die weiterhin in aktive und in passive Fahrzeuge unterschieden werden können.320 BRINKMANN unterstreicht, dass die Umschlagleistung des Terminals von der gegenseitigen Abstimmung der wasserseitigen Abfertigung mit dem landseitigen Betriebsablauf abhängig ist.321 Van Carrier, Containerstapler und Reach Stacker gehören zu den aktiven Fahrzeugen, die in der Lage sind, Container selbständig aufzunehmen und zu transportieren. Van Carrier (VC)322 sind die am häufigsten auf den Terminals eingesetzten Flurförderfahrzeuge. Sie werden für den Flächentransport, das Stapeln und Entstapeln im Containerlager sowie zum Be- und Entladen von Lkw bzw. Bahnwaggons eingesetzt. Container werden dafür längsseitig von ihnen überfahren. Der Spreader eines VC ist in der Lage, 20’ und 40’ Container zu transportieren und diese drei bzw. vier Container hoch zu stapeln. Ausgestattet mit einem Twin-lift-Spreader ist ein VC in der Lage, auch zwei 20’ gleichzeitig zu bewegen.323 Wesentliche Merkmale sind seine Stapelhöhe und Tragfähigkeit.

317

Hohe Investitionskosten zwischen 5.000.000 € und 7.500.000 € für eine Containerbrücke erlauben den wirtschaftlichen Einsatz nur in Häfen mit hohem Containerumschlag, vgl. SAANEN, Y. A. (2004), S. 49.

318

Vgl. BRINKMANN, B. (2005), S. 258f.

319

Die Gründe hierfür liegen vor allem in der sehr viel geringeren Umschlagleistung, wie sie moderne Containerbrücken erbringen, vgl. BRINKMANN, B. (2005), S. 258.

320

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 9f.

321

Vgl. BRINKMANN, B. (2005), S. 259.

322

Auch: Portalhubwagen oder Portalstapelwagen, engl.: Straddle-Carrier (SC)

323

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 10.

76

Planung in Container-Terminals

Vorteile des VC liegen in der Flexibilität und seiner Unabhängigkeit als aktives Fahrzeug. Der VC ist wendig, vielseitig einsetzbar und mit bis zu 30 km/h relativ schnell. Nachteilig sind hohe Anschaffungs- und Unterhaltungskosten. Der Einsatz auf langen Fahrwegen wird unrentabel.324 Containerstapler und Reach Stacker werden vor allem dann eingesetzt, wenn die Anzahl umzuschlagender Container so gering ist, dass sich die Anschaffung spezieller Flurförderfahrzeuge nicht lohnt. Auch für den Transport und die Stapelung von Leercontainern im Terminal kommen beide Typen zum Einsatz, weil sie die Container im Gegensatz zum VC deutlich höher stapeln können. Containerstapler sind entweder mit verstellbaren Top- oder Seitenspreadern ausgestattet. Mit einem drehbaren Topspreader kann der Reach Stacker Container auch dann aufnehmen, wenn er zu diesem nicht senkrecht steht.325 Reach Stacker werden zum Beispiel in kleineren CTs wie Rio Grande, Brasilien, eingesetzt.326 Insgesamt zeichnen sich sowohl Containerstapler als auch Reach Stacker durch ihre Flexibilität, Wendigkeit und die Fähigkeit einer hohen Umschlagleistung durch schnelle Lastaufnahme aus. Nachteilig sind die hohen Achslasten. Durch den notwendigen Quertransport der Container sind breite Transportwege erforderlich. Für längere Strecken erweisen sich beide Typen als unrentabel.327 Hierfür eignen sich Zugmaschinen oder Trailerzüge (MTT)328. Zugmaschinen sind mit einer flexiblen Sattelkupplung ausgestattet und in der Lage, Auflieger (Chassis) oder Rolltrailer, auf denen Container lagern, aufzunehmen und zu transportieren. Beim Trailerzug werden bis zu sieben Anhänger an die Zugmaschine gekoppelt.329 Als passive Fahrzeuge sind Zugmaschinen und MTT nicht in der Lage, einen Container selbständig zu be- und entladen und somit auf Hilfe angewiesen. Die Bereitstellung des hierfür notwendigen Equipments zum richtigen Zeitpunkt ist eine Koordinationsaufgabe,

324

Vgl. BRINKMANN, B. (2005), S. 259f. und S. 273. Die Investitionskosten für einen Van Carrier werden von SAANEN mit 500.000 € angegeben. Vgl. SAANEN, Y. A. (2004), S. 49.

325

Vgl. BRINKMANN, B. (2005), S. 265ff und S. 274.

326

Vgl. MEIER, L.; LACKNER, A. (2005), S. 2f.

327

Vgl. BRINKMANN, B. (2005), S. 274. Die Investitionskosten für einen Reach Stacker werden von SAANEN mit 325.000 € angegeben. Vgl. SAANEN, Y. A. (2004), S. 49.

328

Engl. Multitrailer Train (MTT)

329

Vgl. BRINKMANN, B. (2005), S. 262ff.

Planung in Container-Terminals

77

deren Umsetzung Einfluss auf die Produktivität des Terminals nimmt. Der MTT ist wiederum für kurze Strecken nicht rentabel einsetzbar. Er ist aufgrund seiner Länge schwer zu manövrieren und benötigt breite Fahrstrecken. Vorteile liegen für die Zugmaschine in den hohen Fahrgeschwindigkeiten und den im Vergleich zum VC geringen Anschaffungs- und Wartungskosten. Der MTT kann bis zu sieben Container gleichzeitig transportieren und ist somit für längere Strecken geeignet.330 Eine sowohl in der Praxis als auch in der wissenschaftlichen Literatur wachsende Bedeutung gewinnen Automated Guided Vehicles (AGV), die zuerst auf dem ECT-Terminal in Rotterdam zum Einsatz kamen. AGVs sind gummibereift, dieselhydraulisch angetrieben und fahren führerlos auf einem definierten Verkehrsnetzwerk.331 Es können jeweils ein 40/45’ Container oder auch zwei 20’ Container geladen werden. Automatische Systeme erfordern hohe Investitionen und lassen sich nur bei sehr hohem Containerumschlag und hohen Personalkosten rentabel einsetzen. Als passives Fahrzeug ist auch hier die Koordination mit beteiligten Entities erforderlich. Um den Fahrer zu ersetzen, ist das AGV mit Sensoren ausgestattet, die Hindernisse melden und bspw. automatisch bremsen, so dass Kollisionen vermieden werden können. Die AGV-Flotte wird zentral gesteuert, ihre Daten-, Waren- und Verkehrsflüsse werden überwacht.332 Die Möglichkeit einer bis auf drei Zentimeter genauen Positionierung des AGV auf einem Punkt des Terminals erlaubt eine schnellere Be- und Entladung als bei anderen Fahrzeugen. Das Potenzial für eine Produktivitätssteigerung wird somit eröffnet. Nachteilig sind der für das AGV-System notwendige hohe Flächenbedarf sowie die relativ geringe Transportgeschwindigkeit. BRINKMANN gibt einen Faustwert von 11 km/h in Kurven und 20 km/h auf Geraden an. Aufgrund der geringen Transportgeschwindigkeit wird eine größere Anzahl von Transportfahrzeugen erforderlich.333 In Deutschland wird ein AGV-System in Hamburg-Altenwerder betrieben.

330

Vgl. BRINKMANN, B. (2005), S. 274.

331

Vgl. BRINKMANN, B. (2005), S. 270f, STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S.9 sowie VIS, I. F.; DE KOSTER, R. (2003), S. 6.

332

Vgl. VIS, I. F.; DE KOSTER, R. (2003), S. 6.

333

Vgl. BRINKMANN, B. (2005), S. 270f und S. 274.

78

Planung in Container-Terminals

Um weiterhin die Passivitätsnachteile des AGV zu reduzieren, wird nach neuen Techniken zur automatischen Aufnahme gesucht. Mit Hilfe von Automated Lifting Vehicles (ALV) bzw. Automated Guided Straddle Carrier (AGSC) sollen Container nicht nur transportiert, sondern auch selbständig an beliebigen Stellen auf- und abgesetzt werden können. In Brisbane, Australien, werden solche Systeme getestet. Die Abfertigung von Sondercontainern, z.B. Übergrößen, ist jedoch (noch) nicht möglich. Eine weitere Transporttechnik stellt die Linear Motor Based Transfer Technology (LMTT) dar, von der aber weltweit kein System im Einsatz ist.334 Für den Einsatz im Zwischenlager können neben aktiven Flurfördergeräten (VC, Containerstapler und Reach Stacker) auch spezielle Portalkräne, sog. Transtainer, zum Einsatz kommen. Hier existieren zwei verschiedene Varianten, gummibereifte Rubber-Tyred-Gantry Cranes (RTG) sowie schienengebundene Rail-Mounted-Gantry Cranes (RMG). Transtainer werden vor allem auf Terminals eingesetzt, auf denen die zur Verfügung stehende Fläche stark begrenzt ist. Durch eine Reihen- und Blockstapelung sind geringe Zwischenräume realisierbar. Zudem lassen sich bis zu acht Container übereinander stapeln. Es ergibt sich eine sehr effiziente Flächennutzung. Einen Kapazitätsvergleich für den Aufbau des Zwischenlagers unter Einsatz von VC und Transtainern gibt Abbildung 3-3.

VC - Zwischenlager Container

Transtainer - Zwischenlager Van Carrier (VC)

Transtainer

Abbildung 3-3: Aufbau des Zwischenlagers unterschiedlicher Betriebssysteme

334

Vgl. BRINKMANN, B. (2005), S. 271ff.

Planung in Container-Terminals

79

Die Abbildung verdeutlicht, warum beim Einsatz von Transtainern weniger Platz benötigt wird. VC sind auf Zwischenräume angewiesen, um die Container aufzunehmen, bzw. abzusetzen. Diese Leerfläche wird beim Einsatz von Transtainern aufgrund der Reihen- und Blockstapelung gering.335 Vorteile von RTGs liegen in der Flexibilität. Die Einführung von Kranbahnen entfällt. Im Gegensatz dazu werden bei RMGs größere Spannweiten und Stapelhöhen, eine höhere Geschwindigkeit beim Längsfahren und ein höherer Automatisierungsgrad mit geringeren Betriebs- und Wartungskosten erreicht.336 Abschließend sind in diesem Abschnitt die Geräte zur Be- und Entladung von Lkw und Bahnwaggons anzusprechen, die als Schnittstelle ins Hinterland dienen. Hierfür kommen bereits beschriebene Hilfsmittel zum Einsatz. So können Container an bzw. von Lkws mit Hilfe von VC, RTG, RMG, Containerstaplern und Reach Stackern übergeben bzw. übernommen werden. Für die Be- und Entladung von Bahnwaggons eignen sich VC, Reach Stacker und RMG.337 Aufgrund der Vielzahl unterschiedlicher Einsatzmöglichkeiten und einer Vielzahl von Attributen der Geräte ist immer terminalspezifisch zu entscheiden, welche Umschlag- und Flurfördergeräte jeweils die optimale Zusammenstellung bilden.338 Die Gestaltung des Betriebssystems stellt ein strategisches Entscheidungsproblem für den Terminal dar.

3.2 Analyse von Modellen in Container-Terminal-Problemstellungen In diesem Abschnitt sollen die wesentlichen Problemstellungen von Container-Terminals diskutiert und Modelle der Literatur vorgestellt werden. Zunächst sind hierfür die Ent-

335

Vgl. BRINKMANN, B. (2005), S. 275f. Neben der Aufeinanderstapelung der Container existiert eine zweite Möglichkeit, Container zu lagern. In Teilen der USA werden Chassi-Systeme für die Lagerung eingesetzt. Diese bieten den Vorteil, dass auf jeden Container direkt zugegriffen werden kann. Der benötigte Platzbedarf ist jedoch wiederum größer, so dass sich dieses System nicht durchsetzen konnte. Vgl. hierzu VIS, I. F.; DE KOSTER, R. (2003), S. 8.

336

Vgl. BRINKMANN, B. (2005), S. 275ff.

337

Vgl. BRINKMANN, B. (2005), S. 278.

338

Vgl. VIS, I.; HARIKA, I. (2004), S. 120f. Die Autoren untersuchen den Einsatz von AGV und ALV in einem Simulationsmodell.

80

Planung in Container-Terminals

scheidungsbereiche des Terminals in einem Überblick vorzustellen, bevor diese in den anschließenden Abschnitten ausführlich betrachtet werden.

3.2.1 Überblick

ZHANG

ET AL.

gliedern (idealtypisch) die Entscheidungsbereiche eines Container-

Terminals, deren Struktur auch die Grundlage dieser Arbeit bilden soll. Zusammen mit dem in Kapitel 5 zu entwickelnden Modell soll untersucht werden, wie sich die einzeln zusammengesetzten logistischen Problemstellungen optimal koordinieren lassen.

Abbildung 3-4: Entscheidungsbereiche339

Betrachtet man die einzelnen Problemstellungen als Module, dann müssen die Schnittstellen zwischen diesen Bereichen identifiziert werden. Die einzelnen Elemente in dieser Darstellung stellen komplexe Optimierungsprobleme dar, deren optimale Lösung in Echtzeit und unter realen Bedingungen kaum zu erreichen ist. Zweck dieses Abschnitts ist es, die Grundlagen und Annahmen dieser Konzepte vorzustellen, um dadurch in den folgenden Kapiteln die Ausgangsbasis für die technische Realisierung des Simulationsmodells zu geben. Ein detaillierter Überblick wird jeweils zu den implementierten Modellen gegeben.

339

ZHANG, C. et al. (2003), S. 886.

Planung in Container-Terminals

81

3.2.2 Liegeplatzplanung (Berth Allocation Problem)

Die Liegeplatzplanung behandelt die Zuordnung von Containerschiffen an den Kai. Es ist festzulegen, wo und wann ein Containerschiff am Kai anlegen soll. Ein Schiff wird für diese Planung zumeist als zweidimensionales Objekt betrachtet: Die Größe eines Containerschiffs ist gegeben, die Operationszeit ist in Abhängigkeit von den Eigenschaften des Schiffs zu schätzen. Es soll möglichst mit der Ankunft eines Schiffs ein geeigneter Platz am Kai zur Verfügung stehen. Die verfügbaren Kaipositionen weisen für jedes Schiff einen unterschiedlichen Nutzen auf. Auf verfügbare Ansätze zum Berth Allocation Problem geht der folgende Abschnitt ein. 3.2.2.1 Ansätze in der Literatur

Entscheidungen der Liegeplatzplanung wirken direkt auf die Wartezeit der Containerschiffe im Hafen und bereiten die Möglichkeit einer schnellen Abfertigung der Schiffe in enger Abstimmung mit der Yardplanung und angrenzenden Entscheidungen vor. Die durchschnittliche Wartezeit von Containerschiffen ist für den Reeder ein entscheidungsrelevantes Produktivitätskriterium bei der Auswahl derjenigen Häfen und Terminals, die auf der Route seiner Schiffe anzulaufen sind. In der Literatur gewinnt das BAP dementsprechend an Bedeutung. Es existieren eine Vielzahl wissenschaftlicher Modelle, die sich der Liegeplatzentscheidung annehmen. In allen untersuchten Modellen zur Liegeplatzplanung ist das Containerschiff mindestens durch die beiden Dimensionen Größe und Operationszeit determiniert. KIM und MOON zeigen eine idealtypische Darstellung der Liegeplatzplanung in der folgenden Abbildung.

82

Planung in Container-Terminals

Abbildung 3-5: Idealtypische Liegeplatzplanung mit time-space-Diagramm340

Die Darstellung des Liegeplatzplanes mit Hilfe von time-space-Diagrammen ist in der Literatur am häufigsten verwendet. In dieser Abbildung zeigt die Ordinate den Zeitpunkt der Zuordnung, während auf der Abszisse die Position abgebildet ist. Abbildung 3-6 zeigt die Darstellung eines Planes für Schiffsliegeplätze an einem konkreten Beispiel.

Abbildung 3-6: Planung von Liegeplätzen für Containerschiffe

Die Abbildung zeigt die Zuordnung von Schiffen mit gegebener Größe und gegebener Operationszeit auf die zur Verfügung stehende Kaifläche. Auf der Abszisse ist die Zeit dargestellt, die Ordinate bildet die belegten Sektionen am Kai ab. Die Lösung ist gültig, wenn sich die ergebenden Rechtecke nicht überschneiden. In der Abbildung sind Schiffe

340

KIM, K. H.; MOON, K. C. (2003), S. 545.

Planung in Container-Terminals

83

markiert, bei denen die erwartete Ankunftszeit von dem zugeordneten Anlegezeitpunkt abweicht. Diese Fläche aus Größe des Schiffes und der Differenz des Zuordnungszeitpunktes ist schraffiert dargestellt. Je nach Gewichtung der Schiffe gilt es, diese markierte Fläche (Wartezeit) zu minimieren.341 Der Kai kann diskret modelliert werden, wenn er als endliche Anzahl von Ressourcen betrachtet wird. Eine in polynomialer Zeit lösbare statische Formulierung des Berth Allocation Problems (SBAP) zeigen IMAI, NAGAIWA und CHAN.342 Aufgrund der darin enthaltenen Annahme, dass in dem gewählten Zeitraum keine Schiffe den Hafen erreichen, wird zudem eine dynamische Formulierung vorgestellt, die nur aufwändig optimal zu lösen ist.343 Die Lösbarkeit des (statischen) Modells resultiert aus der (vereinfachten) Problemformulierung. Es wird die Bearbeitungsreihenfolge von Schiffen für unabhängig betrachtete Liegeplätze gesucht, so dass sich Schiffe niemals überlappen können. Das Problem der Auswahl einer geeigneten Zielfunktion sprechen DAI

ET AL.

an. Für das

BAP nennen sie die Maximierung der Kaiauslastung, die Maximierung der Berth on Arrivals (BOA), die Minimierung der Wartezeit und die Maximierung des Umschlags.344 KIM und MOON345 zeigen einen SA-basierten Ansatz und berücksichtigen im Rahmen der Zielfunktion die Liegekosten des Schiffes abhängig von seiner Differenz zur optimalen

341

Eine Gewichtung in der Zielfunktion sollte nach den spezifischen Bedürfnissen des Terminals ausgerichtet sein. Beispielsweise ist es möglich, Reedereien mit hohem Aufkommen durch eine hohe relative Gewichtung in der Zielfunktion zu berücksichtigen und so bevorzugt zu behandeln. Vgl. hierzu die Zielfunktion des Modells von GUAN und CHEUNG in Kap. 3.2.2.2 sowie GUAN, Y.; CHEUNG, R. K. (2004), S. 79 und S. 81. Praktisch kann die bevorzugte Abfertigung über rechtsgültige Verträge abgesichert werden. Vgl. hierzu auch die unterschiedliche Gewichtung in Strafkosten/h für die verspätete Abfertigung von Schiffen unterschiedlicher Betreiber in KIM, K. H.; MOON, K. C. (2003), S. 550.

342

Vgl. IMAI, A.; NAGAIWA, K.; CHAN, T. W. (1997). Das SBAP kann als dreidimensionales Zuordnungsproblem formuliert werden und auf zwei Dimensionen (Anlegezeitpunkt und Anlegeposition des Schiffes) reduziert werden. In der Formulierung von IMAI, NAGAIWA und CHAN, kann das SBAP – im Gegensatz zum DBAP – mit Hilfe der Ungarischen Methode (UM) in polynomialer Zeit gelöst werden. Das klassische Transportproblem stellt eine Verallgemeinerung des (linearen) Zuordnungsproblems dar, bei der die zu transportierenden Mengen gleich Eins sind, zur UM vgl. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007), S. 186- 189, zum klassischen Transportproblem vgl. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007), S. 177 und ELLINGER, T.; BEUERMANN, G.; LEISTEN, R. (2003), S. 77- 79, zum Zuordnungsproblem vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 93.

343

Vgl. IMAI, A.; NISHIMURA, E.; PAPADIMITRIOU, S. (2001), S. 406f.

344

Vgl. DAI, J. et al. (2004), S. 2 und S. 4.

345

Vgl. KIM, K. H.; MOON, K. C. (2003).

84

Planung in Container-Terminals

Liegeplatzposition346 sowie die durch die Wartezeit des Schiffes verursachten Kosten. Abhängig von der Art des Schiffes werden Strafkosten pro Stunde verspäteter Ankunft gesetzt.347 SA-Lösungen werden über eine Sequenz von Schiffen abgebildet. Experimente werden für Instanzen mit weniger als 40 Schiffen durchgeführt. Der SA-Ansatz zeigt im Vergleich zum LINDO®-Package348 bei mehr als sieben Schiffen deutlich verkürzte Rechenzeiten bei ähnlich guten Ergebnissen.349 NISHIMURA, IMAI und PAPADIMITRIOU setzen zur Optimierung des BAP genetische Algorithmen ein.350 Die folgende Abbildung zeigt zwei verschiedene Repräsentationen einer BAP-Lösung in einem Chromosom von NISHIMURA ET AL. (R1)

2

8

5

9

4

7

3

1

1

1

1

1

2

2

2

2

2

Bearbeitungs- 1 reihenfolge

2

3

4

1

2

3

4

5

Zelle

2

3

4

6

7

8

9

10

Liegeplatz

(R2)

1

0

5

6

0

0

2

8

0

5

0

9

4

7

0

3

1

Liegeplatz 1

1

1

1

1

1

1

1

2

2

2

2

2

2

4

1

2

3

4

5

8

9

10

12

13

14

Bearbeitungsreihenfolge Zelle

1

1 2

3

2

3 4

5

6

7

11

6

Abbildung 3-7: Chromosom-Repräsentation einer BAP-Lösung für den GA von NISHIMURA ET AL. 351

Wie die Abbildung zeigt, wird für die Schiffe die Bearbeitungsreihenfolge an einem bestimmten Liegeplatz festgelegt.352 Jedes Gen (Zelle) des Chromosoms zeigt ein spezielles Merkmal der codierten Lösung. In der ersten Variante (R1) wird über die 0 (Null) der

346

Kritisch ist dabei anzumerken, dass die optimale Liegeplatzposition (willkürlich determiniert) als gegeben betrachtet wird, eine Methode zur Bestimmung dieses Parameters wird nicht genannt.

347

Es werden 4000$/h für HHGL-Schiffe angesetzt, die anderen Schiffe werden mit 2000$/h bestraft, vgl. hierzu KIM, K. H.; MOON, K. C. (2003), S. 550. Die Bezeichnung HHGL wird von KIM und MOON nicht erläutert.

348

Das LINDO-Package ist ein kommerzielles Produkt zur Lösung von Optimierungsproblemen, siehe hierzu Lindo Systems Inc. (2007).

349

Vgl. KIM, K. H.; MOON, K. C. (2003), S. 553- 556.

350

Vgl. NISHIMURA, E.; IMAI, A.; PAPADIMITRIOU, S. (2001).

351

Vgl. NISHIMURA, E.; IMAI, A.; PAPADIMITRIOU, S. (2001), S. 286.

352

Die Einteilung in best. Liegeplätze ist durchaus üblich. Problematisch an dieser Einteilung ist jedoch, dass in dem Modell genau ein Schiff pro Liegeplatz zugeordnet werden kann. Gerade kleinere Feederschiffe können praktisch auch gemeinsam an einem Liegeplatz abgefertigt werden.

Planung in Container-Terminals

85

Wechsel zum nächsten Liegeplatz markiert. In der zweiten Repräsentation (R2) erhält jeder Liegeplatz eine definierte Anzahl an Schiffen. Das Chromosom bestimmt die ID des Schiffs sowie die Bearbeitungsreihenfolge. Die Modellformulierung ist geeignet, wenn der Kai nicht gerade verläuft und unterschiedliche Merkmale353 aufweist. Die folgende Abbildung zeigt drei unterschiedliche Terminals mit ungerader Kaifläche in Singapur.

Abbildung 3-8: Drei Terminals in Singapur354

Die dargestellten Terminals Brani, Keppel und Tanjong in Singapur weisen die oben genannten Eigenschaften auf. Am Beispiel Brani zeigt sich, dass sich der Anlegebereich in drei Abschnitte mit jeweils drei, zwei und wiederum drei Liegeplätzen gliedert.355 DAI

ET AL.

stellen eine Untersuchung zum statischen und dynamischen BAP vor. Sie zei-

gen eine SA-basierte Heuristik auf.356 Lösungen werden mit Hilfe eines Sequenz-PaarKonzepts codiert.357 Dieses Konzept basiert auf der Idee, dass sich alle möglichen Lösungen mit Hilfe der horizontalen und vertikalen Permutationen der Dimensionen Raum und Zeit erzeugen lassen. Eine Lösung ist somit wie folgt kodiert als Vektor H und V, z.B. H = {1,2,3,4}; V = {4,3,1,2}.

353

In dem Ansatz von NISHIMURA, IMAI und PAPADIMITRIOU wird eine unterschiedliche Wassertiefe berücksichtigt.

354

DAI, J. et al. (2004), S. 3.

355

Die Abbildung ist in DAI, J. et al. (2004), S. 3 zu finden.

356

Vgl. DAI, J. et al. (2004).

357

DAI, J. et al. (2004), S. 12f.

86

Planung in Container-Terminals

Mit einem Stochastic Beam Search (SBS) Algorithm untersuchen WANG und LIM das Berth Allocation Problem mit Daten aus Singapur.358 Das Modell minimiert die Wartezeiten der Schiffe sowie die Kosten, die durch eine nicht-optimale Liegeplatzposition entstehen. Die Autoren stellen das Beam Search-Verfahren vor und ergänzen es um eine stochastische Komponente. Eine BAP-Lösung wird in N359-Stufen konstruiert360 und mit dem SA-Ansatz von DAI

ET AL

361

sowie einem traditionellen Beam Search Algorithm vergli-

chen. Als Testinstanzen wurden bis zu 400 Schiffe verwendet. In diesem Vergleich zeigt SBS die besten und schnellsten Ergebnisse.362 Einen Ansatz zur koordinierten Abstimmung zwischen Planungssystemen zeigen MOORTHY und CHUNG-PIAW.363 Sie beschreiben ein stochastisch-dynamisches Modell zur Gestaltung eines Templates, eines Rahmens, der den taktischen Plan für wöchentlich wiederkehrende Schiffe enthält und als Input für das Storage Location Problem im Rahmen der Yardplanung sowie für die Personal- und Equipment-Planung, bspw. die Containerbrückenzuordnung, dient. Die folgende Abbildung zeigt den Unterschied zu den alternativ vorgestellten Modellen, die die Containerschiffe auf einer Fläche platzieren. Der Ansatz der Autoren ordnet die Schiffe stattdessen auf einem Zylinder.

358

Vgl. WANG, F.; LIM, A. (2007).

359

N entspricht der Anzahl der Schiffe innerhalb des Planungszeitraums, vgl. WANG, F.; LIM, A. (2007), S. 2189.

360

Der SBS gehört in die Klasse der konstruktiven Verfahren, vgl. hierzu die Darstellung im Anhang.

361

Vgl. DAI, J. et al. (2004), S. 16- 21.

362

Vgl. WANG, F.; LIM, A. (2007), S. 2194f.

363

Vgl. MOORTY, R.; CHUNG-PIAW, T. (2006).

Planung in Container-Terminals

87

Abbildung 3-9: Zuordnung von Containerschiffen auf einem Zylinder (rechts) statt auf einer Fläche (links)364

Die Zuordnung der Containerschiffe auf einem Zylinder ist sinnvoll, weil Schiffe in unterschiedlichen, z.B. wöchentlichen Folgen, in Abhängigkeit der Route des Reeders, den Hafen erneut anlaufen. Dieser Plan eignet sich deshalb als taktisches Modell. Um dieses Template zu entwickeln, berücksichtigen die Autoren den Trade-off zwischen der erwarteten Wartezeit der Containerschiffe und der erwarteten Operationszeit in Abhängigkeit von der optimalen Position des Schiffes für den Transport der Container zwischen Kai und Yard. Die so optimierten Rahmen sind robust bzgl. Verzögerungen und kurzfristigen Veränderungen in der Platzierung eines Schiffes. In diesem taktischen Ansatz wird die Schablone für die Liegeplatzzuordnung erstellt, die eine grobe Richtlinie für die Zuordnung der Containerschiffe enthält und als „Home Berth Allocation Plan“ bezeichnet wird. Hieran richtet sich auch das Yard-Template aus, bevor in der operationellen Planung dynamische Informationen und Stochastizität, z.B. Verzögerungen, Berücksichtigung finden.

364

MOORTY, R.; CHUNG-PIAW, T. (2006), S. 506.

88

Planung in Container-Terminals

Mit diesem Ansatz erfolgt somit eine einmalige Rückkopplung zwischen BAP und SLP, die auch im Rahmen des in dieser Arbeit eingesetzten MAS-Ansatzes simuliert werden kann.365 GUAN und CHEUNG stellen ein Lösungsverfahren für das Berth Allocation Problem vor.366 Für die Optimierung einzelner Gruppen in diesem Verfahren wird eine Relaxation verwendet, die eine Lockerung, d.h. den Wegfall von Nebenbedingungen, bewirkt. Die Lösungsmenge, d.h. die Menge der zulässigen Lösungen für das Problem, die sämtliche Nebenbedingungen erfüllt, wird dadurch von L( Pv ) auf L( Pv' ) vergrößert und es gilt L( Pv ) Ž L( Pv' ) . Der Wert der optimalen Lösung von Pv' liefert dann eine untere Schranke für das nicht relaxierte Problem.367 GUAN und CHEUNG verwenden eine Lagrange-Relaxation, die dadurch entsteht, dass eine oder mehrere Nebenbedingungen entfernt, diese jedoch unter Verwendung eines (Lagrangen-)Multiplikators zur Zielfunktion hinzugefügt werden.368 Neben dem Ansatz zur Aufnahme von Nebenbedingungen in die Zielfunktion existieren weitere Relaxationstechniken. DOMSCHKE nennt im Weiteren die LP-Relaxation, das Weglassen von Nebenbedingungen und die Surrogate-Relaxation.369 Die Bestimmung von oberen und unteren Schranken ist für die Optimierung ein wichtiger Ansatzpunkt. So werden Relaxationen bspw. in Branch and Bound-Verfahren für das Bounding verwendet. 3.2.2.2 Berth Allocation Problem nach GUAN und CHEUNG

GUAN und CHEUNG modellieren die Liegeplatzplanung (BAP) und entwickeln zur Lösung des Problems eine zusammengesetzte Heuristik, die auf einer Tree-Search-Procedure (TSP) und auf einer Heuristik mit paarweisem Austausch (PWE) von Containerschiffen

365

Dieser Ansatz wird in Kapitel 6.1.2.1.2 aufgegriffen.

366

Vgl. GUAN, Y.; CHEUNG, R. K. (2004).

367

Vgl. DOMSCHKE, W. (1997), S. 9- 12.

368

Vgl. GUAN, Y.; CHEUNG, R. K. (2004), S. 81ff.

369

Vgl. DOMSCHKE, W. (1997), S. 11.

Planung in Container-Terminals

89

beruht. Die Tree-Search-Procedure liefert optimale Lösungen für kleine Instanzen370 unter der Annahme, dass die Schiffe dieselbe Ankunftszeit und zudem keine Präferenz hinsichtlich einer Kai-Position besitzen.371 Um dies zu gewährleisten, werden Schiffe in (kleineren) batches innerhalb des Planungshorizontes mit ähnlicher Ankunftszeit, z.B. einem bestimmten Wochentag, gruppiert und diese Ankunftszeit für alle Schiffe dieser Gruppe gesetzt.372 Nur so lässt sich mit Hilfe der Tree-Search-Procedure eine für den jeweiligen batch optimale Lösung finden.373 In dem Modell werden die folgenden Entscheidungsvariablen verwendet, die Positionen sind dabei relativ formuliert.374 ƒ

u i legt den Startzeitpunkt der Operationen am Containerschiff fest

ƒ

vi gibt die Start-Liegeplatzsektion des Containerschiffes an

ƒ

ci stellt die Fertigstellung der Bearbeitung des Containerschiffs fest. Diese Variable ergibt sich aus der Summe von u i und der angenommenen Operationszeit des Schiffes pi .

Folgende Variable definieren die Eigenschaften der Schiffe: ƒ

pi , die Operationszeit des Schiffes i

370

Von den Autoren wird eine maximale Größe von 15 Schiffen pro Gruppe angegeben, vgl. GUAN, Y.; CHEUNG, R. K. (2004), S. 89. Diese Restriktion ist im Zusammenhang mit der starken, auch weiterhin prognostizierten Nachfrage nach logistischen Leistungen kritisch zu betrachten.

371

Aufgrund des Einsatzes der Prozedur wird in der Zielfunktion der in der Literatur übliche Term zur Positionierung der Schiffe weggelassen, da die Methode unter ihrer Berücksichtigung kein optimales Ergebnis liefern kann.

372

Hierbei sind zwei Aspekte kritisch anzumerken: Zum einen gehen durch die Gruppierung Informationen zur Ankunftszeit der Schiffe verloren, zum anderen geht in die zu minimierende Zielfunktion wieder die ursprünglich gegebene Ankunftszeit des Schiffes ein. Die Annahme der gruppierten Ankunft wird im Rahmen der taktischen Planung begründet: Hier stehen nur grobe Daten zur Verfügung, vgl. hierzu GUAN, Y.; CHEUNG, R. K. (2004), S. 77, Annahme 1.

373

Aus diesem Grund bleibt der Einsatz der von GUAN und CHEUNG vorgestellten (Composite) Heuristik auf das isolierte Modell beschränkt. In einem zusammenhängenden Modell, in dem die Position der Schiffe von Bedeutung ist, liefert der Ansatz in der Regel keine gute Lösung.

374

Vgl. GUAN, Y.; CHEUNG, R. K. (2004), S. 78f. Zudem wird zur Gestaltung der Tree-Search-Procedure auf eine zweite Formulierung zurückgegriffen, die auf der in dem Feld durch die Schiffe belegten Felder der Schiffe basiert und als Position Assignment Formulation (PAF) bezeichnet wird, vgl. hierzu GUAN, Y.; CHEUNG, R. K. (2004), S. 80f.

90

Planung in Container-Terminals ƒ

si , die Größe des Schiffes i

ƒ

ai , die Ankunftszeit des Schiffes i

ƒ

wi , die relative Bedeutung des Schiffes i

Insgesamt erreichen N Schiffe den Hafen in dem Planungszeitraum T. Die Kailänge wird in S Einheiten angegeben. Die Parameter V und G stellen das Nicht-Überlappen von Containerschiffen in der zuzuordnenden Fläche sicher. Sie sind wie folgt definiert: ƒ

V ij nimmt den Wert 1 an, wenn sich das Containerschiff i vollständig links von Containerschiff j befindet und sich die beiden Schiffe nicht überlappen, 0 sonst.

ƒ

G ij nimmt den Wert 1 an, wenn sich das Containerschiff i vollständig unterhalb von Containerschiff j befindet und sich die beiden Schiffe nicht überlappen, 0 sonst.

Vollständig links liegt das Schiff i genau dann von Schiff j, wenn der Anlegezeitpunkt von j nach Fertigstellung von i liegt, d.h.

ci  c j  p j . Ein Schiff i liegt vollständig oberhalb [unterhalb] eines anderen Schiffes j, wenn

vi ! v j  s j [ vi  v j  s j ].375 Formulierung des Modells nach GUAN und CHEUNG: N

Zielfunktion: Minimiere

¦ w (c i

i

 ai )

i 1

unter den Nebenbedingungen: (1)

375

u j  u i  pi  V ij  1 T t 0 ,

Vgl. GUAN, Y.; CHEUNG, R. K. (2004), S. 78.

i, j

Planung in Container-Terminals

91

(2)

v j  vi  si  G ij  1 S t 0 ,

i, j

(3)

V ij  V ji  G ij  G ji t 1 ,

i, j

(4)

V ij  V ji d 1 ,

i, j

(5)

G ij  G ji d 1 ,

i, j

(6)

pi  u i

i

(7)

u i  [ai , T  pi  1], vi  [1, S  s i  1]

i

(8)

V ij  {0,1}, G ij  {0,1}

i, j

ci

Abbildung 3-10 zeigt die Heuristik von GUAN und CHEUNG zur Lösung des Berth Allocation Problems. procedure CompositeHeuristic 0.

Obtain initial Assignment for each batch

1.

Sequence batches according to their batch arrival time

2.

for all batches Bi do 2.1

for each pair of vessels with one in Bi and one in Bi 1 , if the pair-wise exchange heuristic can reduce the objective value, then declare this pair as a candidate. If there is no candidate go to step 2.3

2.2

Select the candidate with the maximum reduction and implement the exchange.

2.3

3.

Apply the tree-search procedure in Bi and move vessel rectangles to the left as much as possible. Set i = i + 1 and go to step 2.

If the objective value can be reduced in step 2, then set i = 1 and go to step 2. Otherwise terminate.

end procedure

Abbildung 3-10: Die Lösungsprozedur von GUAN und CHEUNG als Pseudocode376

Die folgende Abbildung 3-11 verdeutlicht das Zusammenspiel und den Ansatz von Pairwise-Exchange-Heuristic und Tree-Search-Procedure.

376

GUAN, Y.; CHEUNG, R. K. (2004), S. 87.

92

Planung in Container-Terminals Paarweiser Austausch zwischen zwei aufeinander folgenden Gruppen mit Pairwise-Exchange-Heuristic

Batch 1

Batch 2

Optimierung einzelner Gruppen mit Tree-Search-Procedure

Batch 3

Batch n

Gruppiertes Schiff

Abbildung 3-11: Composite Heuristik von GUAN und CHEUNG

Die Abbildung 3-11 gibt einen Überblick über die wesentlichen Komponenten der Composite Heuristic, die nach Initialisierung auf dem Zusammenspiel von PWE und TSP basiert.

Abhängig von der batch size werden die Schiffe gruppiert und innerhalb dieser Gruppen mit Hilfe der Tree-Search-Procedure zugeordnet. Die PWE bestimmt im Rahmen der in Abbildung 3-10 gezeigten Prozedur, ob, und wenn ja, welche Gruppenelemente zwischen zwei aufeinander folgenden batches zu tauschen sind. 3.2.2.3 Annahmen und Kritik

Das im vorangegangenen Abschnitt vorgestellte Modell von GUAN und CHEUNG ist für die Liegeplatzplanung geeignet. Es werden die entscheidungsrelevanten Dimensionen von Containerschiffen betrachtet und im Modell berücksichtigt. Es wird dabei angenommen, dass die Operationszeit von Containerschiffen im Hafen konstant und vor deren Ankunft gegeben ist. Weiterhin wird unterstellt, dass es jedem Containerschiff möglich ist, auf jedem der gegebenen Plätze am Kai anzulegen; die Abfertigung beginnt sofort mit dem Zeitpunkt des Anlegens. In den von GUAN und CHEUNG aufgeführten Modellannahmen wird angegeben, dass Ankunftszeiten der Schiffe berücksichtigt werden. Diese Aussage trifft jedoch lediglich auf das Modell, nicht aber auf die Composite Heuristic (CH) zu und kann für diese Heuristik kritisch hervorgehoben werden. Im Rahmen der Tree-Search-Procedure werden die Schiffe in Gruppen mit gleicher Ankunftszeit zusammengefasst. Bei einem feinen Plan mit stundenweisen Ankünften der Containerschiffe kann die Heuristik ihre Stärke nicht aus-

Planung in Container-Terminals

93

spielen, ohne die exakt geplante Information fallen zu lassen.377 Kritisch ist anzumerken, dass in dem Artikel kein Hinweis zur Bestimmung der batch size gegeben wird. Wird diese Gruppierung zu groß gewählt, so müssten relativ viele Informationen (zur Ankunftszeit der Containerschiffe) fallen gelassen werden. Bei einer zu kleinen Gruppierung enthalten die Mengen teilweise keine oder nur wenige Elemente, was sich ebenfalls negativ auf die Heuristik auswirkt.378 Weiterhin ist zu bemängeln, dass in der Zielfunktion kein Bezug auf die Standorte der Container im Yard bzw. die Positionierung des Schiffes genommen wird.379 Auch ist die Annahme einer gegebenen Operationszeit an einer Bay des Containerschiffs stark von der Anzahl operierender Containerbrücken abhängig, wie im Ausblick von den Autoren eingeräumt wird.380 Zur Bestimmung einer geeigneten batch-size zur Gruppierung der Containerschiffe wird keine Entscheidungshilfe bereitgestellt.381

3.2.3 Containerbrückeneinsatzplanung (Crane Scheduling Problem)

Die Containerbrückeneinsatzplanung behandelt die Zuordnung von Containerbrücken zu am Kai liegenden Schiffen und deren Jobs. Diese Zuordnung bestimmt weitgehend die Operationszeit der Containerschiffe. In der Realität sind weitaus mehr Aspekte zu berücksichtigen, als in den vorzustellenden Modellen berücksichtigt werden kann.

377

So werden die Schiffe im Rahmen der hier durchzuführenden Untersuchung zu 12h batches gruppiert, an den Informationen innerhalb des batches wird festgehalten, vgl. hierzu Kapitel 6.1.1.1.

378

Diese Kritik wird auch in WANG, F.; LIM, A. (2007), S. 2188, herausgestellt.

379

Dieser Bezug ist in der wissenschaftlichen Literatur nicht unüblich und wurde auch schon vor Publikation des Modells von GUAN und CHEUNG eingesetzt. Vgl. hierzu KIM, K. H.; MOON, K. C. (2003), S. 545, die Kosten für eine Abweichung von der optimalen Liegeplatzposition aufnehmen sowie NISHIMURA, E.; IMAI, A.; PAPADIMITRIOU, S. (2001), S. 284, die unterschiedliche Kosten für die Bearbeitung eines Schiffs an einem bestimmten Liegeplatz berücksichtigen.

380

Vgl. hierzu GUAN, Y.; CHEUNG, R. K. (2004), S. 91. Es wird kein Hinweis gegeben, wie die individuelle Operationszeit zu schätzen ist.

381

Es wird lediglich ein kurzes Beispiel genannt: “[…] such as [the vessels of] the afternoon of a particular day.“ GUAN, Y.; CHEUNG, R. K. (2004), S. 77.

94

Planung in Container-Terminals

3.2.3.1 Ansätze in der Literatur

Für das Crane Scheduling Problem (CSP)382 existiert eine Vielzahl von Untersuchungen. Hierbei werden unterschiedliche Schwerpunkte in der Modellierung, verschiedene Zielsetzungen und Optimierungsmethoden untersucht. In diesem Abschnitt sollen nun die wesentlichen Ansätze vorgestellt werden. BIERWIRTH und MEISEL klassifizieren CSP-Modelle in vier Stufen über ihren Detaillierungsgrad. Im einfachsten Fall wird das Schiff in Areale aufgeteilt, die es zu löschen und zu beladen gilt. Diese Areale, als Gruppen von Bays, werden exklusiv von einer zugewiesenen Containerbrücke bearbeitet und unabhängig optimiert. Behinderungen zwischen den Containerbrücken werden so ausgeschlossen. Eine weitergehende Stufe stellt die Modellierung einzelner Reihen des Containerschiffs als von den QCs zu bearbeitende Aufgabe dar. In diesem Fall muss auch die Beeinflussung der

Containerbrücken

untereinander

berücksichtigt

werden.383

Weiterhin

führen

BIERWIRTH und MEISEL an, dass mit Aufteilung der Arbeitslast einer Reihe des Containerschiffs auf mehrere Brücken eine dritte Erweiterungsmöglichkeit besteht. Dies wird aufgrund unterschiedlicher Containereigenschaften wie Bestimmungsort, Gewicht und Größe begründet, die aufgrund ihrer Merkmale zu gruppieren sind. Es können so bestimmte Gruppen von Containern einer Reihe des Containerschiffs unterschiedlichen Containerbrücken zur Bearbeitung zugeordnet werden.384 Eine letzte Erweiterung ergibt sich mit der Betrachtung individueller Container und ihrer speziellen Eigenschaften, die aufgrund der hohen Anzahl jedoch nicht zweckmäßig erscheint und zudem die Informationen zur Gruppierung von Containern vernachlässigen würde.385

382

Die Bezeichnung Crane Scheduling Problem bezieht sich auf die erste wissenschaftliche Darstellung zu diesem Problem in Anlehnung an DAGANZO, C. F. (1989). In der Literatur findet sich heute auch die differenzierende Bezeichnung QCSP, vgl. u.a. BIERWIRTH, C.; MEISEL, F. (2007), die verdeutlicht, dass Containerbrücken (engl. Quay cranes) am Kai zur Be- und Entladung von Schiffen den Gegenstand der Untersuchung bilden. Alternativ existieren Modelle zum Scheduling von Yardkränen, vgl. u.a. NG, W.; MAK, K. (2005). Im Deutschen kann das CSP unter die Containerbrückeneinsatzplanung subsumiert werden. Hier soll mit CSP verkürzt das QCSP angesprochen werden.

383

Das im folgenden Abschnitt beschriebene Modell kann auf dieser Ebene angesiedelt werden: Es betrachtet jede einzelne Bay als einen Job, berücksichtigt individuelle Operationszeiten eines Jobs, abstrahiert jedoch von detaillierten Eigenschaften der Container innerhalb einer Bay.

384 385

Das Modell von BIERWIRTH, C.; MEISEL, F. (2007) setzt auf dieser Stufe an.

Vgl. BIERWIRTH, C.; MEISEL, F. (2007), S. 2. Die Betrachtung individueller Container erscheint auch aufgrund des Erfolgsfaktors „Unit-Load“ nicht sinnvoll. Vgl. LIU, J.; WAN, Y.; WANG, L. (2006), S. 60f.

Planung in Container-Terminals

95

Ein zusätzliches Merkmal zur Unterscheidung von Modellen zur Containerbrückenplanung liegt in der Betrachtung von Interferenzen durch die Brücken selbst. Leistungsfähige Containerbrücken sind auf Schienen befestigt und damit sehr stabil, damit jedoch auch in ihrer Bewegungsfreiheit eingeschränkt, so dass sich QC nicht schneiden können.386 Zudem muss eine Mindestdistanz387 zwischen den Brücken und bei Austausch von Brückenpositionen ebenso ein zeitlicher Mindestabstand eingehalten werden.388 Diese Merkmale sollen zusammen als Interferenz-Restriktionen bezeichnet werden. Eine erste wissenschaftliche Darstellung zum CSP wird von DAGANZO beschrieben.389 Entscheidungen wurden bis dahin vor allem auf Basis von Erfahrungen der Entscheidungsträger und den daraus geformten Regeln begründet.390 DAGANZO untersucht einen statischen und einen dynamischen Ansatz. Er geht in seinem Modell davon aus, dass sich Kräne frei von Job zu Job bewegen können. Interferenzen werden nicht berücksichtigt. Auch können sich die Kräne schnell, d.h. ohne Zeitverlust,391 bewegen. Das Modell fasst in einem Job alle Operationen in einem bestimmten Areal des Schiffes zusammen, bspw. alle in einer Reihe des Containerschiffs zu be- und entladende Container. Jobs lassen sich unterbrechen und von anderen Kränen weiterführen, Vorgänger-Beziehungen392 werden vernachlässigt. Für das statische Problem lassen sich für kleine Instanzen optimale Lösungen finden, für größere Instanzen und die dynamische Formulierung wird eine Heuristik vorgeschlagen, die auf Crane scheduling principles393 basiert und gute Lösungen verspricht. In einer Erweiterung dieses Modells zeigen PETERKOFSKY und DAGANZO mit Hilfe eines

386

In der englischsprachigen Literatur ist diese Restriktion als non-crossing constraint zu finden.

387

In der englischsprachigen Literatur wird diese Restriktion unter die neighbourhood constraint subsumiert.

388

Vgl. BIERWIRTH, C.; MEISEL, F. (2007), S. 6f.

389

Vgl. DAGANZO, C. F. (1989).

390

Vgl. DAGANZO, C. F. (1989), S. 160.

391

Die Vernachlässigung von Zeiten für die Verschiebung von Kränen wird mit der zu untersuchenden Fragestellung begründet.

392

Eine Vorgänger-Beziehung tritt auf, wenn ein bestimmter Job erst dann begonnen werden kann, nachdem ein anderer Job vollständig beendet worden ist.

393

Diese Prinzipien stellen Regeln dar, die sich aufgrund der Eigenschaften der Problemstellung als sinnvoll erweisen, vgl. hierzu DAGANZO, C. F. (1989), S. 165- 168.

96

Planung in Container-Terminals

Branch and Bound-Verfahrens verbesserte Ansätze zur Lösung des Problems auch mit größeren Instanzen.394

space

Abbildung 3-12 zeigt ein einfaches Beispiel für eine Vorgänger-Beziehung im CSP.

Schiff 2 mit Bay iii und iv time

Schiff 1 mit Bay i und ii

Abbildung 3-12: Vorgänger- Beziehung zwischen Jobs im CSP

Die Abbildung verdeutlicht, dass die QC-Operationen an den Bays (iii) und (iv) an Schiff (2) erst dann beginnen können, wenn die Bays (i) und (ii) an Schiff (1) vollständig abgearbeitet worden sind, weil Schiff (2) erst anlegen kann, wenn die sich überschneidende Ressource am Kai (abgebildet durch die Ordinate) durch Schiff (1) geräumt ist.395 KIM und PARK modellieren das CSP detaillierter396 und definieren einen QC-Job als eine Gruppe homogener Container397, die es abzufertigen gilt. Innerhalb einer Bay können verschiedene Jobs auftreten. Die Autoren berücksichtigen Verfügbarkeitszeitpunkte von QCs, die Nicht-Überschneidung, Vorgänger-Beziehungen sowie verbotene simultane JobDurchführung398 und vergleichen den Einsatz einer Branch and Bound-Methode mit einer Greedy Randomized Adaptive Search Procedure (GRASP)399. Ziel ist die Bestimmung

eines Plans, der die Fertigstellungszeitpunkte der einzelnen Aufgaben der Schiffe mini-

394

Vgl. PETERKOFSKY, R. I.; DAGANZO, C. F. (1990). Zur Rechenleistung, vgl. PETERKOFSKY, R. I.; DAC. F. (1990), S. 169, wird ein 6Mhz Mikrocomputer angegeben. Moderne Rechner und Rechnernetze sind heute in der Lage, ein Vielfaches leisten.

GANZO, 395

Vgl. hierzu auch Abbildung 3-5 und Kapitel 3.2.2.

396

Gemäß der Klassifizierung von BIERWIRTH UND MEISEL ist das Modell auf der dritten Stufe zu sehen.

397

Container sind homogen, wenn sie bzgl. einer oder mehrerer definierter Eigenschaften identisch sind, bspw. denselben Zielhafen aufweisen. Die erforderlichen Container-Informationen sind in dem vom Reeder gegebenen Stauplan aufgeführt.

398

Simultane Operationen von QCs an den Bays eines Containerschiffs können z.B. aufgrund der NichtEinhaltung eines Mindestabstandes verboten bzw. unmöglich werden.

399

Vgl. KIM, K. H.; PARK, Y. (2004), insb. S. 755- 757 für den Modellaufbau. Das GRASP-Verfahren wird neben weiteren Metaheuristiken ausführlich in der Literatur diskutiert, siehe hierzu u.a. DORIGO, M.; STÜTZLE, T. (2004), S. 54f.

Planung in Container-Terminals

97

miert. Containerbrücken dürfen sich nicht kreuzen und Beziehungen von Containern, z.B. Vorgänger-Beziehungen werden berücksichtigt. Eine auf dem Modell von KIM und PARK basierende Erweiterung stellen MOCCIA 400

vor, die mit Hilfe einer Branch and Cut (B&C)-Methode untersucht wird.

ET AL.

Die Autoren

zeigen signifikant verbesserte Ergebnisse im Vergleich mit dem Benchmark von KIM und PARK.401 Erneut werden, aufbauend auf dem erweiterten Modell von MOCCIA ET AL., verbesserte Ergebnisse mit einer von SAMMARA 402

für das QCSP erzielt.

ET AL.

entwickelten Tabu-Search-Heuristik

Die Ergebnisse werden mit den Resultaten der B&C-Methode so-

wie GRASP verglichen. Tabu Search schlägt GRASP und zeigt verkürzte Rechenzeiten gegenüber der B&C-Methode bei ähnlich guten Ergebnissen.403 Dieses Modell betrachtet das Problem feiner, als das im folgenden Abschnitt für diese Untersuchung eingesetzte Modell, da es die Bewegung von Containerbrücken zeitlich berücksichtigt.404 BIERWIRTH und MEISEL gehen wiederum einen Schritt weiter und ergänzen Restriktionen zur Behandlung und Verfeinerung der modellierten Interferenzen. Die Autoren zeigen Inkonsistenzen in den Modellen von KIM und PARK, MOCCIA ET AL. und SAMMARRA ET AL. für die non-crossing Restriktion auf und stellen mit der erneuten Modellerweiterung die Einhaltung der erforderlichen Abstände zwischen den Containerbrücken sicher.405 Den aufgezeigten, in der Literatur vorzufindenden Entwicklungsstrang von (Q)CSPModellen soll die nachfolgende Abbildung zusammenfassen.

400

Vgl. MOCCIA, L. et al. (2006).

401

Vgl. MOCCIA, L. et al. (2006), S. 57f.

402

Vgl. SAMMARRA, M. et al. (2007).

403

Vgl. SAMMARRA, M. et al. (2007), S. 334f.

404

In dem Modell von ZHU und LIM wird vereinfachend angenommen, dass beim Wechsel des Standortes einer Containerbrücke keine Zeit verloren geht, vgl. ZHU, Y.; LIM, A. (2006), S. 2.

405

Vgl. BIERWIRTH, C.; MEISEL, F. (2007), S. 6ff.

98

Planung in Container-Terminals Kim und Park (2004)

Moccia et al. (2006)

Sammarra et al. (2007)

Bierwirth und Meisel (2007)

Abbildung 3-13: (Q)CSP-Modellentwicklung (KIM und PARK)

Ein zweiter Strang zur Entwicklung des CSP wird von LIM ET AL. angestoßen. Als Interferenz-Restriktionen werden in drei Schritten jeweils non-crossing, die Einhaltung eines Sicherheitsabstandes und (Vorgänger-)Beziehungen zwischen Containern, die die simultane Durchführung von Jobs einschränken,406 hinzugefügt und so das Modell sukzessiv erweitert. Ziel ist die Maximierung des Throughputs. Verschiedene Heuristiken werden vorgestellt und das Problem damit untersucht.407 ZHU und LIM greifen die non-crossing Restriktion aus dem Ansatz von LIM ET AL. als die Wesentliche auf und erweitern das CSP unter diesem Aspekt.408 Ziel ist die Minimierung des Fertigstellungszeitpunktes aller Jobs. Ein Job gruppiert in diesem Ansatz alle Tätigkeiten an einer Bay.409 Es ist keine fixierte Anzahl operierender Containerbrücken am Schiff gegeben.410 Die Anzahl am Schiff operierender Brücken kann variieren. Einmal einem Job zugeordnet, muss der QC die Arbeit vollständig durchgeführt haben, bevor er sich dem nächsten Job widmen kann, d.h., Jobs lassen sich nicht unterbrechen. Jobs weisen eine unterschiedliche Anzahl zu bearbeitender Container auf, so dass die Ausführungszeit zwischen den Jobs individuell verschieden ist. Die Abfertigungsrate, mit der die Containerbrücken ihre Jobs ausführen, wird als konstant angenommen.411 In dem Modell von ZHU und

406

Die simultane Durchführung eines Jobs kann auch dann eingeschränkt sein, wenn die zu lagernden Container demselben Standort zugeordnet sind und es dadurch zu Behinderungen im Yard kommen würde.

407

Vgl. LIM, A. et al. (2004), S. 2- 5 und auch die in Kapitel 6.1.1.3 behandelten Verfahren.

408

Vgl. ZHU, Y.; LIM, A. (2006), S.1. Auch dieses Modell ist gemäß der Klassifizierung von BIERWIRTH und MEISEL auf der zweiten Stufe zu sehen.

409

Gemäß der Klassifizierung von BIERWIRTH und MEISEL ist das Modell auf der zweiten Stufe zu sehen.

410

Anders als beispielsweise im Modell von MOCCIA, L. et al. (2006), S. 46, wird hier somit kein Quay Crane Assignment Problem vorangestellt.

411

Vgl. ZHU, Y.; LIM, A. (2006), S. 1f.

Planung in Container-Terminals

99

LIM wird zwar berücksichtigt, dass sich Containerbrücken nicht schneiden dürfen, ein Sicherheitsabstand zwischen den Containerbrücken wird aber vernachlässigt.412 Die non-crossing Restriktion wird wiederum in einer Erweiterung von LIM, RODRIGUES und XU aufgenommen und im Rahmen eines m-parallelen CSP Modells untersucht.413 Als Lösungsansätze werden von den Autoren ein Backtracking- und ein SA-basierter Ansatz verwendet. Sie unterstreichen die breite Einsatzfähigkeit ihres Modells auch auf andere Scheduling-Probleme und nennen Beispiele u.a. in der Automobilherstellung beim Einsatz von parallel fahrenden Schweißrobotern.414 Auch hier soll die Modellentwicklung zusammengefasst werden. Lim et al. (2004)

Zhu und Lim. (2006)

Lim, Rodrigues und Xu. (2007)

Abbildung 3-14: Entwicklung von CSP-Modellen (LIM ET AL.)

Das (Q)CSP-Modell LIU, WAN und WANG415 basiert auf der Grundlage der hierarchischen Struktur nach ZHANG

ET AL.

416

Die Ergebnisse der Liegeplatzplanung fließen als Ein-

gangsdaten in die Problemstellung ein. Die Autoren minimieren die maximale relative Verspätung der Schiffe, ausgehend von der im Rahmen der Liegeplatzplanung definierten (geplanten) Ankunft und Abfahrt der Containerschiffe.417 Der Vergleich zwischen den vorgestellten Modellen macht deutlich, dass die Forschung hier vor allem in die Tiefe geht. Es werden Modelle aufgegriffen und verfeinert, Annahmen fallen gelassen und realistischer gestaltet. Trotz verfeinerter Modellierung und verbesserter Lösungsmethoden bleibt (kritisch) anzumerken, dass es sich bei den vorherrschen-

412

Vgl. ZHU, Y.; LIM, A. (2006), S. 2.

413

Vgl. LIM, A.; RODRIGUES, B.; XU, Z. (2007).

414

Vgl. LIM, A.; RODRIGUES, B.; XU, Z. (2007), S. 126.

415

Vgl. LIU, J.; WAN, Y.; WANG, L. (2006).

416

ZHANG, C. et al. (2003), S. 886.

417

Vgl. LIU, J.; WAN, Y.; WANG, L. (2006), S. 60ff.

100

Planung in Container-Terminals

den Modellen weiterhin um eine isolierte Betrachtung der Containerbrückenplanung im Prozess des Container-Terminals handelt. Gleichzeitig wird in der Arbeit von KIM und PARK die Notwendigkeit der Berücksichtigung der Liegeplatzplanung genannt418 und von GUAN und CHEUNG die Notwendigkeit zur Berücksichtigung des CSP angesprochen.419 Von MOCCIA

ET AL.

wird bereits angemerkt, dass auch die Operationszeit eines QC-Jobs

Abhängigkeiten zu der Transportplanung aufweist, von der jedoch in dem isolierten Modell durch konstante und willkürlich fixierte Transferzeiten abstrahiert wird.420 Erste Ansätze, die das CSP im Zusammenhang mit dem BAP aufgreifen, werden von PARK und KIM421, MEISEL und BIERWIRTH422 sowie von MEIER und SCHUMANN423 gegeben. Es ist zu hinterfragen, ob nicht durch einen, auf den existierenden Modellen basierenden, integrierenden Ansatz ein zur Koordination der zerschnittenen Teilprobleme größerer Nutzen als bei fortwährend tiefer gehender Modellierung zu erzielen ist. Ein solcher Ansatz hätte den Vorteil, nicht mehr nur isolierte Aussagen treffen zu können, sondern vielmehr auch auf den Entwicklungen existierender Modelle aufbauen zu können, um deren Vorteile zu nutzen. Im Rahmen dieser Untersuchung soll das Modell von ZHU und LIM eingesetzt werden, auf das im folgenden Abschnitt eingegangen werden soll.424 3.2.3.2 Crane Scheduling Problem nach ZHU und LIM

Das Modell von ZHU und LIM425 berücksichtigt, dass sich auf der Linie befindliche Containerbrücken nicht überkreuzen können. Als Zielfunktion verwenden die Autoren die Mi-

418

Vgl. KIM, K. H.; PARK, Y. (2004), S. 768.

419

Vgl. GUAN, Y.; CHEUNG, R. K. (2004), S. 91.

420

Vgl. MOCCIA, L. et al. (2006), S. 47, die Beziehung zwischen CSP und der Transportplanung wird in MEIER, L. (2006), S. 220- 222, untersucht.

421

Vgl. PARK, Y.; KIM, K. H. (2003).

422

Vgl. MEISEL, F.; BIERWIRTH, C. (2005).

423

Vgl. MEIER, L.; SCHUMANN, R. (2007).

424

Um Vorgänger-Beziehungen berücksichtigen zu können, ist die erzeugte BAP-Lösung in eine Adjazenzmatrix zu überführen, die im Anhang dargestellt ist.

425

Vgl. ZHU, Y.; LIM, A. (2006).

Planung in Container-Terminals

101

nimierung der Fertigstellung des letzten Auftrags. Das Problem ist NP-vollständig, der Beweis wird von den Autoren gegeben.426 Folgende Eingangsdaten werden in der Problemstellung berücksichtigt:427 ƒ

m, die Anzahl eingesetzter Containerbrücken

ƒ

n, die Anzahl der Jobs (hier: Bays), die es zu bearbeiten gilt.428 Dieser Parameter

ergibt sich aus der Summe der Bays aller im betrachteten Simulationszeitraum angemeldeten Containerschiffe. ƒ

pi , die (geschätzte) Bearbeitungszeit einer Bay i.

In dem isolierten CSP-Modell von ZHU und LIM werden diese Daten als gegeben und als nicht veränderbar vorausgesetzt. Insbesondere die Operationszeit ist jedoch stark von den Entscheidungen anderer Problemstellungen abhängig. Es ist deshalb zu hinterfragen, ob die Prognose dieser Größe gut genug erfolgen kann, damit die Planung des CSP nicht verworfen werden muss, weil ihre Annahmen im Laufe der übergreifenden Planung nicht mehr zutreffend sind. Als Entscheidungsvariable sind zu bestimmen: ƒ

ci , der Fertigstellungszeitpunkt von Bay i

ƒ

C max , der letzte Fertigstellungszeitpunkt aller n Bays

ƒ

xik , binäre Variable, die angibt, ob Bay i durch Containerbrücke k bearbeitet wird,

mit 1 d i d n , 1 d k d m

426

Vgl. ZHU, Y.; LIM, A. (2006), S. 7. Der Beweis der NP-Vollständigkeit wird über das Set-PartitionProblem geführt, von dem bekannt ist, dass es NP-hart ist.

427

Es ist zu beachten, dass die vorgestellten Modelle von unterschiedlichen Autoren stammen und unabhängig voneinander für die jeweilige Problemstellung entwickelt worden sind. Aus diesem Grund kann es vorkommen, dass Variablen des Modells in unterschiedlichen Problemen mehrdeutig belegt sein können. Es ist deshalb die jeweils relevante Problemstellung zu kennzeichnen. Beispielsweise gibt pi in dem Crane

Scheduling Problem die Operationszeit der Bay i an, während pi in dem Berth Allocation Problem die Operationszeit für das Schiff i kennzeichnet, vgl. Kapitel 3.2.2.2. 428

Die zu bearbeitenden Jobs für das Crane Scheduling Problem ergeben sich in Abhängigkeit von der in der Liegeplatzplanung zugeordneten Position der Containerschiffe, der Größe der Schiffe und deren Anforderungen an den CT.

102 ƒ

Planung in Container-Terminals yij , binäre Variable, die angibt, ob Bay i vor dem Start der Operationen an Bay j

beendet ist, d.h. ci d c j  p j , mit 1 d i, j d n ƒ

zijkl , binäre Variable, die angibt, ob Bay i durch QC k und Bay j durch QC l bear-

beitet wird Für die in dieser Arbeit eingesetzte integrierte Modellvariante kommen folgende Parameter hinzu, die sich aus der Liegeplatzplanung ergeben: ƒ

ai , der frühestmögliche Startzeitpunkt zur Bearbeitung der Bay auf dem Container-

schiff, der sich aus der Zuordnung des BAP ergibt.429 ƒ

posi , die durch das BAP zugeordnete Position des Schiffes und seiner Bays am

Kai. Anders als in dem Modell von ZHU und LIM muss die Position posi des Jobs und nicht seine Identifikationsnummer in die Prüfung430 einfließen. Formulierung des Modells von ZHU UND LIM: Zielfunktion: Minimiere

C max

unter den Nebenbedingungen: (1)

C max t ci ,

1 d i d n

(2)

ci  p i t 0 ,

1 d i d n

In (1) und (2) werden die Variablen C max und ci definiert. m

(3)

¦x

ik

1,

1 d i d n

k 1

Bedingung (3) stellt sicher, dass jede Bay genau einer Containerbrücke zugeordnet wird, ausgedrückt durch die Variable x. Ein Abbruch während der Bearbeitung mit Übergabe an eine andere Containerbrücke ist somit nicht möglich und auch in der Realität nicht üblich.

429

Die Einführung dieser Variablen ist notwendig, weil nicht alle Schiffe mit Beginn des Planungszeitraums zur Verfügung stehen. Dies wird jedoch in dem Modell von ZHU und LIM angenommen.

430

Vgl. hierzu die Restriktion (10) des Modells, die entsprechend geändert wurde.

Planung in Container-Terminals

103

(4)

z ijkl d xik ,

1 d i, j d n , 1 d k , l d m

(5)

z ijkl d x jl ,

1 d i, j d n , 1 d k , l d m

(6)

xik  x jl  1 d z ijkl ,

1 d i, j d n , 1 d k , l d m

Die Restriktionen (4) – (6) definieren die binäre Variable z. Diese nimmt den Wert 1 an, wenn (i m k ) und ( j m l ) , sonst 0.431 Besitzt die Variable z in (4) und (5) den Wert 1, dann besitzt auch xik , bzw. x jl diesen Wert. (7)

ci  c j  p j  y ij M ! 0 ,

1 d i, j d n

(8)

ci  c j  p j  1  y ij M d 0 ,

1 d i, j d n

Die Variable y ist eine Binärvariable, die den Wert 1 annimmt, wenn Job i vor j endet, 0 sonst. Die beiden Bedingungen definieren diese Variable, M steht für eine (hinreichend) große Integerzahl. (9)

y ij  y ji t zijkk ,

1 d i, j d n , i z j , 1 d k d m

Die Variable yij besitzt den Wert 1 genau dann, wenn Job i vor Job j beendet ist. Die Variable y ji nimmt den Wert 1 an, wenn Job j vor Job i beendet ist. Beide Variablen können deshalb nicht gleichzeitig den Wert 1 annehmen, so dass mindestens eine Variable 0 ist. Die Variable zijkk nimmt den Wert 1 genau dann an, wenn (i  k) und gleichzeitig (j  k) gilt, d.h., sowohl Job i als auch Job j von QC k bearbeitet werden. Die Bedingung (9) stellt sicher, dass dies nicht gleichzeitig erfolgt. (10)

yij  y ji t zijkl ,

1 d i  j d n , 1 d l  k d m

Wie für Restriktion (9) erläutert wurde, können yij und y ji nicht gleichzeitig den Wert 1 annehmen. Die Variable zijkl nimmt den Wert 1 genau dann an, wenn (i  k) und gleichzeitig (j  l) gilt, d.h., Job i von QC k und Job j von QC l bearbeitet werden. Die Einschränkung 1 d l  k d m stellt sicher, dass QC l links von QC k operiert, denn das Modell sieht

431

Die Schreibweise (i  k) bedeutet verkürzt: Job i wird von QC k übernommen.

104

Planung in Container-Terminals

die QC angeordnet und durchnummeriert auf einer Linie und fordert, dass sich die Containerbrücken nicht schneiden. 1 d i  j d n umfasst alle Fälle, in denen i  j , das heißt Job i sich auf der linken Seite von Job j befindet. Wenn aber l  k , d.h. QC l auf der linken

Seite von QC k operiert, dann dürfen Job i mit (i  k) und Job j mit (j  l) nicht gleichzeitig bearbeitet werden, weil sich die QC dann schneiden würden. Somit wird in dieser Restriktion die non-crossing Forderung sichergestellt. Die Prüfung geht jedoch von den Indizes der Jobs aus, deren Nummerierung die Platzierung auf dem Kai angibt. Für das weitere Vorgehen ist dies nicht ausreichend. Weiterhin wird in dem Modell angenommen, dass alle Jobs von Beginn an zur Verfügung stehen. Das Modell muss deshalb erweitert werden, so dass Bays erst mit Ankunft und dem Anlegen des Containerschiffs zur Bearbeitung bereitstehen. Hierfür müssen alle Jobs derjenigen Schiffe, die eine identische Kaiposition besitzen, vollständig abgearbeitet worden sein, bevor die Kairessource für nachfolgende Schiffe geräumt werden kann. Dies stellt den frühestmöglichen Zeitpunkt für die Zuordnung eines QC zu diesem Job dar. Die Restriktion (10) wird abgewandelt, da im Rahmen der Implementierung die zugewiesene Position des Jobs i posi zu prüfen ist, deren Bezug aus dem Indize kritisch ist. Zudem ist zu beachten, dass eine Bay erst mit Ankunft des Containerschiffs zur Verfügung steht und bearbeitet werden kann. Hierfür dient die zusätzlich eingeführte Variable ai . Um sicherstellen zu können, dass kein Job eines Containerschiffs bearbeitet wird, bevor ein Vorgängerschiff mit überschneidender Kai-Ressource vollständig abgearbeitet wurde, ist für jede Bay die zusätzliche Bedingung zu prüfen: Gibt es in dem betrachteten Zeitraum ein Schiff, dessen Kai-Ressource sich mit dem betrachteten Schiff, dessen Jobs noch nicht vollständig bearbeitet wurden, überschneidet?

Dieses Problem ist in dem Modell von ZHU und LIM nicht berücksichtigt, weil angenommen wird, dass alle Jobs mit Beginn der Planung für die Zuordnung bereit stehen.432 Mit den Bezeichnungen aus dem BAP-Modell von GUAN und CHEUNG liegt eine zu berück-

432

In der für diese Untersuchung notwendigen Form können nicht alle Schiffe zum gleichen Zeitpunkt zur Verfügung stehen, vgl. ZHU, Y.; LIM, A. (2006) sowie die Darstellung der Vorgänger-Beziehung in Abbildung 3-12.

Planung in Container-Terminals

105

sichtigende Vorgänger-Beziehung, d.h., die Überschneidung der Kai-Ressource zwischen zwei Schiffen a und b, genau dann vor, wenn (KR)

v a  ( vb  sb ) oder ( v a  sa ) ! vb .

Da mit v a und sa die belegte Liegeplatzsektion von Schiff a bzw. die Größe des Schiffs gegeben ist, ist die durch Schiff a linke belegte Grenze des Kais mit v a und die rechte belegte Grenze mit ( va  sa ) gegeben. Die Schiffe a und b überschneiden sich am Kai, wenn (KR) erfüllt ist. In diesem Fall ist darauf zu achten, dass die Schiffe nacheinander abzufertigen sind. Zusätzlich zu der von ZHU und LIM betrachteten Zielfunktion werden in dieser Arbeit weitere Ziele berücksichtigt.433 Neben einem SA-basierten Ansatz gehen ZHU und LIM in ihrem Artikel ein Branch and Bound-basiertes Verfahren zur Lösung des CSP an. 3.2.3.3 Annahmen und Kritik

Konstante Operationszeiten wie im Modell von ZHU und LIM sind in der Realität nicht gegeben. BIETHAHN, MEIER und KLETTNER nennen stochastische Einflüsse auf diesen Entscheidungsbereich, die in diesem Modell jedoch keine Berücksichtigung finden.434 Dennoch ist mit Berücksichtigung der Interferenzen ein wichtiges Element der QCPlanung abgebildet. Die vorgestellten Lösungsmethoden werden für Instanzen mit bis zu (m=) 150 Jobs und (n=) 15 Containerbrücken durchgeführt. Die Rechenzeit des Branch and Bound-Ansatzes beträgt dabei mehr als 12 Stunden und ist im Rahmen dieser Arbeit in dieser Form nicht einsetzbar. Im Modell wird angenommen, dass jede Containerbrücke für jeden Job geeignet ist, Reichweiten, Gewicht von Containern werden nicht berücksichtigt. Operative Modelle sollten hingegen auch technische Details von Containerbrücken berücksichtigen. Die Containerbrücken bewegen sich mit unendlicher Geschwindigkeit, d.h. ohne Zeitverlust von

433

Diese Ziele werden im Rahmen der Modellentwicklung in Kapitel 5.1.2 diskutiert.

434

Vgl. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 146-148.

106

Planung in Container-Terminals

Job zu Job am Kai. Die Personalplanung wird außer Acht gelassen. Es wird angenommen, dass für jeden QC ein jeweils qualifizierter Fahrer zur Verfügung steht und die Containerbrücke jederzeit - wenn gefordert - einsatzfähig ist. Für den Einsatz des Modells in dieser Arbeit musste ein Aspekt korrigiert werden: Weil die Ankunftszeit für alle Jobs in dem Modell auf den Beginn der Planungsperiode gesetzt ist, können keine Schiffe berücksichtigt werden, die zu unterschiedlichen Zeitpunkten am Kai anlegen. Auch die Nicht-Berücksichtigung von Vorgänger-Beziehungen schränkt die Einsatzfähigkeit des Modells stark ein. Es lassen sich nur diejenigen Jobs betrachten, die zum identischen Zeitpunkt an unterschiedlichen Positionen zur Verfügung stehen. Die (hier implementierte) Modellerweiterung erlaubt die Zuordnung der Jobs der Schiffe zu den Containerbrücken unter Berücksichtigung der Liegeplatzpositionen und -zeitpunkte, wie sie mit dem BAP gegeben sind. Die Minimierung des Zeitpunktes des letzten Fertigstellungszeitpunktes aller Jobs kann deshalb in dem erweiterten Modell nicht mehr allein das Kernziel der Optimierung sein.435 Vielmehr spielt nun die Minimierung der Aufenthaltszeiten aller Schiffe eine wesentliche Rolle, die sich nicht mehr nur durch die zuerst genannte Zielsetzung ergibt. Von ZHU und LIM wird aufgeführt, dass die Behandlung weiterer Zielsetzungen und eine Anpassung der genannten Restriktionen an reale Herausforderungen eine sinnvolle Ergänzung ihres Modells darstellen.436 Eine zusätzliche Untersuchungsmöglichkeit ergibt sich aus der Gestaltung der Jobs der Schiffe. Hier werden die zu behandelnden Container eines Schiffs gleichmäßig auf die zu bearbeitenden Reihen verteilt angenommen.437 Das Modell von ZHU und LIM ist für den Einsatz in dem zusammengesetzten Modell geeignet, weil die Kernelemente des CSP Berücksichtigung finden und verschiedene Lösungsmethoden für die Problemstellung zum Einsatz kommen können.

435

In dem hier implementierten erweiterten Modell werden die Jobs mit unterschiedlichen Ankunftszeiten und Vorgänger-Beziehungen berücksichtigt.

436 437

Vgl. ZHU, Y.; LIM, A. (2006), S. 7.

Die Berücksichtigung der Stauplanung stellt einen Ansatz zur Erweiterung des gesamten Modells dar, der in dieser Arbeit keine Berücksichtigung findet.

Planung in Container-Terminals

107

3.2.4 Yardorganisation (Storage Space Allocation und Location Assignment)

Im Folgenden soll die Yardorganisation betrachtet werden, bei der es um die Verteilung ankommender Containerströme auf Yard-Lagerplätze geht. In der Literatur finden sich sehr unterschiedliche Modelle, die einerseits die Lagerung lediglich andeuten und andererseits sehr speziell und differenziert betrachten.438 In diesem Abschnitt bilden den Schwerpunkt diejenigen Modelle, die den Fokus auf die Block-Zuordnung legen (Storage Space Allocation), von der exakten Positionierung des Containers in dem Block jedoch abstrahieren (Location Assignment). 3.2.4.1 Ansätze in der Literatur

Die Lagerplanung behandelt die Zuordnung von Stellflächen für die Container.439 Es kommen dabei zwei verschiedene Lagerstrategien in Betracht. Mit gegebenen Umschlaginformationen können Flächen des Zwischenlagers für ein bestimmtes Schiff im Voraus reserviert werden. Eine alternative Möglichkeit liegt in dem scattered stacking. Hier werden Bereiche des Lagers nicht einem bestimmten Schiff, sondern einem Liegeplatz zugeordnet. Es sollen so die Nachteile einer fixierten Reservierung ausgeglichen werden, die zu einer robusten Lösung führen, wenn ein Plan durch externe Ereignisse beeinflusst wird.440 Das Problem zur Bestimmung der Containerposition innerhalb eines Blocks kann wie folgt veranschaulicht werden.

Abbildung 3-15: Bestimmung der Containerposition in dem Yard-Block, LAP

438

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 22- 25. Beispielsweise können Im- und Exportcontainer, Leercontainer, Gefahrgutcontainer u.a. differenziert werden.

439

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 22f.

440

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 23.

108

Planung in Container-Terminals

Von der Bestimmung der exakten Containerposition in einem Yard-Block wird in dieser Arbeit abstrahiert, weil hier zu detailliert Containerinformationen zu betrachten sind, die im Rahmen der weiteren Modelle nicht notwendig sind. So ist es bspw. sinnvoll, innerhalb der Yard-Blöcke schwere Container oberhalb von leichten Containern zu lagern, damit diese für den Transport auf das Schiff zuerst aufgenommen und im Schiff unter den leichten Containern gelagert werden können. Dies ist für den Transport auf dem Schiff unbedingt erforderlich, um die Stabilität zu gewährleisten.441 Die Bedeutung der Lagerung von Containern im Yard nimmt zu. Mit der steigenden Nachfrage zur Abfertigung von Containerschiffen wächst die Nachfrage zur Lagerhaltung und damit verbundener Leistungen. Gerade der Lagerplatz stellt eine knappe Ressource dar, die sich nicht beliebig ausdehnen lässt.442 Aus der Möglichkeit, Container höher übereinander zu stapeln und somit mehr Kapazitäten zu generieren, erwächst die Frage nach der optimalen Stapelhöhe der Container, der sich u.a. JIN, LIU und GAO443 annehmen. Zu berücksichtigen ist, dass die gesamte Struktur des Terminals auf diese Höhe auszurichten ist, u.a. Transporter, Containerbrücken und Informationssysteme, so dass sich die Entscheidung keinesfalls kurzfristig variieren lässt. Weiterhin steigt die Zugriffszeit auf einen bestimmten Container an, so dass sich die Operationszeit verlängern kann. Als Aufenthaltszeit eines Containers im Yard geben STEENKEN ET AL. 3 bis 5 Tage an.444 Die optimale Stapelhöhe ist terminalspezifisch verschieden. Bereits DAGANZO

445

DE

CASTILHO und

weisen auf den Trade-off zwischen Lagerkapazität und Zugriffsfähigkeit446

hin. Sie untersuchen zwei unterschiedliche Strategien zur Lagerung von ImportContainern, um die Anzahl der Umstauer und damit die Zeit für den Zugriff auf einen bestimmten Container mit einem analytischen Ansatz zu minimieren. Neben der Stapelhöhe beeinflusst auch das auf dem Terminal eingesetzte Betriebssystem maßgeblich die mögliche Anzahl zu lagernder Container auf einer gegebenen Fläche. Die

441

Vgl. SCHOTT, R. (1989), S. 24ff.

442

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 22 und auch MEIER, L. (2006), S. 209ff.

443

Vgl. JIN, C.; LIU, X.; GAO, P. (2004).

444

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 22, vgl. hierzu auch Abbildung 3-17.

445

Vgl. DE CASTILHO, B.; DAGANZO, C. F. (1993).

446

Vgl. DE CASTILHO, B.; DAGANZO, C. F. (1993), S. 152f. Auf dieses Problem weisen ebenfalls KIM, K. H.; KIM, H. B. (1999), S. 416 hin.

Planung in Container-Terminals

109

folgende Abbildung zeigt den Einfluss verschiedener Yardkräne und -transporter auf die Lagerfähigkeit, gemessen in TEU/Hektar.

Abbildung 3-16: Einfluss des Equipments auf die Lagerfähigkeit in TEU/Hektar447

Abbildung 3-16 zeigt die Eigenschaften unterschiedlicher Fahrzeuge und Flurfördergeräte auf ihre Lagerfähigkeit. Der Einsatz von passiven Fahrzeugen, z.B. Chassis, ist abhängig von einem aktiven Element im Yard, d.h. einem Transporter, der die Entladung und Stapelung im Yard durchführen kann. Aus diesem Grund wird viel Platz für die Bewegungsund Rangierräume von gleich zwei Fahrzeugen benötigt. Es geht deshalb relativ viel Platz, der nicht für die Stapelung von Containern verwendet werden kann, verloren. Reach Stacker müssen seitlich an den Containerblock heranfahren. Sie benötigen relativ viel Fläche zum Rangieren zwischen den Containern, jedoch weniger als dies bei Chassis der Fall ist. Eine im Gegensatz dazu verbesserte Flächenausnutzung erreichen Van Carrier. Nachteilig ist der relativ große Flächenbedarf aufgrund erforderlicher Zwischenräume. Eine wiederum bessere Lagerfähigkeit erreichen RTG und RMG.448 Modelle zur Yardplanung lassen sich in der wissenschaftlichen Literatur in sehr feine Abstraktionsstufen unterscheiden, weil im Yard die einzelnen Containerentities zusammenlaufen. Es ist somit möglich, jeden einzelnen Container individuell und mit seinen spezifischen Merkmalen zu berücksichtigen. Im Gegensatz dazu erscheinen Modelle der Liegeplatzplanung weitgehend auf derselben Abstraktionsstufe.449 Für die Yardplanung sollen zwei verschiedene Modellierungsansätze vorgestellt werden, die als Storage Space Alloca-

447

Kalmar Industries (2008), S. 11.

448

Vgl. hierzu die Ausführungen in Kap. 3.1.4 sowie die Abbildung 3-16. Straddle Carrier (engl.) und Van Carrier (deutsch) werden in der Literatur synonym verwendet.

449

Vgl. Kapitel 3.2.2.

110

Planung in Container-Terminals

tion Problem und als Location Assignment Problem in Anlehnung an die Darstellung von

ZHANG ET AL. klassifiziert werden.450 Das Storage Space Allocation Problem determiniert, wie viele und welche Container einem bestimmten Block des Yards zuzuordnen sind. Das Location Assignment Problem hingegen legt die exakte Position des Containers in dem Block fest.451 Die Komplexität in der Yardplanung veranlasst Modellierer zu dieser Dekomposition der Problemstellung. Mit jeder Dekomposition besteht jedoch die Gefahr, Abhängigkeiten zwischen den Elementen des Systems zu zerschneiden und damit die Gefahr von Fehlentscheidungen.452 Aus diesem Grund muss bei der Darstellung von Modellen zur Yardplanung sehr genau der Modellierungszweck herausgestellt werden, um Modelle in diesem Kontext richtig klassifizieren zu können. Aus dieser Untersuchung heraus soll das für diese Arbeit einzusetzende passende Modell gewählt werden. Zur Behandlung des Storage Space Allocation Problems zeigen KIM und KIM Modelle und Lösungsprozeduren für unterschiedliche Ankunftsströme von Import-Containern auf.453 KIM, PARK und RYU konzentrieren sich hingegen auf die Zuordnung von Containern zu Yard-Blöcken für den Export und leiten aus ihren Untersuchungen verschiedene Entscheidungsregeln ab.454 Für die detaillierte Positionierung von Containern sind deren spezifischen Eigenschaften zu betrachten. Vor allem der Zielort, der Inhalt und das Gewicht des Containers sind für seine Positionierung entscheidend. Für die Lagerung auf dem Schiff ist zur Sicherung der Stabilität eine Reihe tiefer gehender Restriktionen zu beachten, als in dieser Arbeit betrachtet werden.455 Zudem entstehen Fragestellungen zur optimalen Reihenfolge der Beladung, von

450

Vgl. ZHANG, C. et al. (2003), S. 886 und auch Abbildung 3-4.

451

Hierfür sind detaillierte und individuelle Containerinfomationen erforderlich. Im Rahmen dieser Arbeit werden Container jedoch vereinfacht als identische Entities betrachtet. Das Location Assignment Problem wird vernachlässigt und lediglich der Block, in dem ein Container lagert, bestimmt (zugeordnet), vgl. hierzu das Modell in Abschnitt 3.2.4.2. Das Storage Space Allocation Problem wird deshalb in dieser Arbeit als Storage Location Problem (SLP) bezeichnet, weil es hier die gesamte Yardplanung abbildet.

452

Vgl. ADAM, D. et al. (2004), S. 10 sowie die Ausführungen in Kapitel 2.3.

453

Vgl. KIM, K. H.; KIM, H. B. (1999).

454

Vgl. KIM, K. H.; PARK, Y. M.; RYU, K. (2000). Oftmals werden in Modellen zur Lagerplanung Im- und Exportcontainer getrennt voneinander betrachtet, um zusätzliche Restriktionen zu vermeiden, vgl. hierzu auch u.a. DE CASTILHO, B.; DAGANZO, C. F. (1993) für die isolierte Betrachtung von Importcontainern.

455

Vgl. SCHOTT, R. (1989), S. 21- 41.

Planung in Container-Terminals

111

denen in dieser Arbeit abstrahiert wird.456 Der Terminal kann durch effiziente Lagerungsstrategien maßgeblich zur Beschleunigung der Prozesse beitragen.457 Insofern ist die Bedeutung einer effizienten Lagerung der Container auf dem Yard in der Literatur erkannt. ZHANG ET AL. führen an: „Given the multi-criterion nature, the complexity of operations [of the ContainerTerminal Management Problem], and the size of the entire operations management problem, it is impossible to make the optimal decisions that will achieve the overall objectives. Logically, the hierarchical approach is adopted to break the whole problem into smaller sequential problems. The input to a problem is actually the output of its immediate predecessor, and is treated as a known quantity after the preceding problem is solved. “458

Der von ZHANG ET AL. genannte Ansatz wirkt resignierend. Es kann jedoch nicht Aufgabe der Wissenschaft sein zu akzeptieren, dass ein Problem unlösbar erscheint. Vielmehr ist nach Ansätzen zu suchen, die das Problem in Angriff nehmen. Die genannte hierarchische Struktur ist mit Abbildung 3-4 gegeben. Die folgende Abbildung zeigt die Entwicklung der Anzahl von Containern in einem Block, verursacht durch die Abfertigung eines Containerschiffs.

456

Auch zu diesem Problemfeld existieren wissenschaftliche Publikationen, vgl. u.a. KIM, K. H.; LEE, K. M.; HWANG, H. (2003).

457

Hier entsteht wiederum ein Trade-off, den es zu beachten gilt: Kurzfristig ist der Terminal in der Lage, einen Prozess zu beschleunigen, wenn auf eine effiziente Lagerung der Container verzichtet wird. Über einen längeren Zeitraum betrachtet muss aber die Aufenthaltszeit aller Schiffe minimiert werden, vgl. hierzu KIM, K. H.; KIM, H. B. (1999), S. 416.

458

ZHANG, C. et al. (2003), S. 885.

112

Planung in Container-Terminals

Abbildung 3-17: Anzahl der zu im-, bzw. exportierenden Container eines bestimmten Schiffes im Yard459

In Abbildung 3-17 sind die relevanten Zeitpunkte markiert. to markiert die (landseitige) Ankunft zu exportierender Container für ein bestimmtes Schiff in den Yard. t1 zeigt den Beginn der Löschoperationen an dem Schiff, d.h., es werden nun Yardkapazitäten durch die vom Schiff gelöschten (Import-)Container beansprucht. t 2 zeigt den Fertigstellungszeitpunkt der Löschoperationen an dem Schiff.460 Von nun an werden die für den Export im Yard gelagerten Container nachgefragt. Die Anzahl der Importcontainer steigt bis t2 . Ab diesem Zeitpunkt werden bereits Container aus dem Yard für den Weitertransport (wasser- und landseitig) entfernt, so dass die Kurve in Abbildung 3-17 bis zu deren Abschluss in t 4 461 sinkt. t3 zeigt den Abschluss der zu ladenden Exportcontainer an. Die Operationen an dem Schiff sind beendet. Die mit dem Schiff verknüpften Container lagern noch bis t 4 im Yard. Die Operationszeit des Schiffes lässt sich aus der Abbildung lesen und ist mit top

t3  t1 gegeben, d.h., dem Zeitraum mit Beginn der Löschoperationen zu

importierender Container in t1 bis zum Ende der Ladeoperationen zu exportierender Con-

459

ZHANG, C. et al. (2003), S. 889.

460

Die Kurve zu importierender Container steigt in diesem Punkt nicht mehr.

461

Dieser Zeitpunkt geht im Allgemeinen, wie auch in der Abbildung dargestellt, über den Zeitpunkt t3 hin-

aus.

Planung in Container-Terminals

113

tainer in t3 . Das Geschehen des Terminals wird somit in dem Zeitraum t4  t0 von dem Schiff v beeinflusst. Diese Zeit ist in der Regel größer als die Operationszeit von v, denn t 4  t0 t top

t3  t1 .462

BRUZZONE und SIGNORILE zeigen einen Ansatz zur Platzierung gruppierter Container im Yard unter Berücksichtigung der im Rahmen der Liegeplatzplanung bestimmten Position der Schiffe. Mit Hilfe eines genetischen Algorithmus werden beide Bereiche koordiniert. Kosten werden minimiert unter der Annahme, dass diese, abhängig von der Anzahl der Operationen, proportional zu der Distanz zwischen QC und Yard-Position entstehen.463

Abbildung 3-18: Unterschiedliche Yard-Zuordnung

Zwei unterschiedliche Zuordnungen zeigt Abbildung 3-18.464 Die rechte Abbildung weist dabei die für das Schiff günstigere Zuordnung auf, da die Container weniger weit entfernt gelagert werden. Zu berücksichtigen ist im SLP jedoch der intertemporale Zusammenhang einer Entscheidung zur Zuordnung von Containern. Ein zu importierender, vom Schiff gelöschter Container verbleibt tim [ZE] im Yard und belegt in dieser Zeit diese Ressource.465 Die Entscheidung, eine Yard-Ressource zum Zeitpunkt t zu belegen, beeinflusst somit noch tim [ZE] weitere Zeiteinheiten die nachfolgenden Zuordnungen. Die Yard-Ressource wird erst im Zeitpunkt t  tim wieder freigegeben.466 Ein zu exportierender Container, der einem

462

Vgl. hierzu Abbildung 3-17.

463

Vgl. BRUZZONE, A.; SIGNORILE, R. (1998). In Kapitel 6.1.2.1.2 wird diese Problemstellung untersucht.

464

BRUZZONE, A.; SIGNORILE, R. (1998), S. 79.

465

Vgl. hierzu auch Abbildung 3-17.

466

Dies erfolgt in dem zu verwendenden Ansatz automatisch.

114

Planung in Container-Terminals

Schiff zugeordnet ist, das in t den Hafen erreicht, kommt im Terminal bereits zum Zeitpunkt t  t ex an, d.h., es erreicht diesen bereits t ex ZE vor Ankunft des Containerschiffs.467 Unterschiedliche Modelle konzentrieren sich aufgrund der Komplexität dieser Zuordnung auf bestimmte Containergruppen, z.B. zu importierende Container. Diese Trennung ist sinnvoll, wenn der betrachtete Hafen diese Unterscheidung in seiner Yard-Struktur verwendet. Es existieren Terminals, z.B. in Hong Kong, in denen aufgrund der sehr begrenzten Lagerfähigkeit diese Differenzierung nicht stattfindet, so dass in nur einem Block sowohl importierte als auch zu exportierende und andere Container gelagert werden können.468 Für diese Lagerhaltung eignet sich das Modell von ZHANG ET AL. Je nach Organisation des Yard rücken unterschiedliche Problemstellungen in den Vordergrund. So ergeben sich bei Einsatz eines Puffers zur kurzfristigen Lagerung von Containern während laufender Operationen andere Problemstellungen für die Yard-Planung als bei Lagerstrategien, die ohne diesen Puffer verfahren. Hier treten sowohl Probleme zur Einteilung von Transportern für die Sortierung der Container auf dem Yard auf, als auch zur Bestimmung optimaler Zeitpunkte zur Durchführung dieser Operationen.469 Das Modell von ZHANG

ET AL.

behandelt das SLP in zwei Stufen und ohne die Verwen-

dung eines Yard-Puffers. In Stufe I werden zunächst die Mengen zu im- und exportierender Container bestimmt und auf die Blöcke verteilt. Ist diese Quantität determiniert, wird in Stufe II die exakte Zuordnung zwischen den vom Schiff kommenden Containern und den auf die Blöcke zu verteilenden Container mit dem Ziel bestimmt, die Distanz für die Transporte zwischen Schiff und Yard zu minimieren.470 Es werden dabei intertemporale Zusammenhänge berücksichtigt und Häfen betrachtet, die keine Differenzierung der Areale

467

Als Folge der Anschläge auf das World Trade Center in New York, USA, vom 11. September 2001, wurden die Fristen verschärft, zu denen ein Exportcontainer spätestens den Hafen erreichen darf, um Behörden mehr Zeitraum für Sicherheitsprüfungen zu geben und diese qualitativ besser durchführen zu können. Der Zeitpunkt t  t ex ist in Abbildung 3-17 als to markiert, der Zeitpunkt t  tim mit t 4 gegeben. tim und

t ex beschreiben in [ZE] (in Tagen) somit Modellparameter, die in dem hier eingesetzten Modell Einfluss auf das SLP haben. Vgl. die Darstellung zur CSI in Kapitel 1.1. 468

Vgl. ZHANG, C. et al. (2003), S. 888f.

469

Es ist kein Modell bekannt, das sich konkret mit dieser Problemstellung beschäftigt.

470

Das Problem in der zweiten Stufe des SLP lässt sich als klassisches Transportproblem abbilden, für die als lineares Programm mit spezieller Struktur optimale Verfahren existieren, vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 81- 92.

Planung in Container-Terminals

115

des Yards hinsichtlich zu im- und zu exportierender Container vornehmen. So werden in dem Modell von ZHANG ET AL. Container in vier Gruppen klassifiziert und keine weiteren Merkmale unterschieden.471 ƒ

Vessel discharge container (VSDS)

ƒ

Container yard pickup container (CYPI)

ƒ

Container yard grounding container (CYGD)

ƒ

Vessel loading container (VSLD)

Die Autoren richten sich mit ihrem Modell an den Zielsetzungen des Terminals aus und optimieren sowohl die Liegezeit der Containerschiffe als Servicemerkmal des Terminals als auch den Umschlag jedes QC als quantitatives Merkmal für die Produktivität des Terminals.472 Die exakte Positionierung des Containers in dem zugeordneten Block ist nicht Teil der Problemstellung. Zur Lösung der Problemstellung verwenden ZHANG

ET AL.

das Tool

CPLEX473. Heuristiken zur Lösung des Problems werden nicht genannt. Ein regelbasierter Ansatz auf Basis eines Quotienten, der die Auslastung jedes einzelnen Blocks zu einem bestimmten Zeitpunkt berücksichtigt, wird von MURTY ET AL.474 genannt. Während die Gruppe um MURTY

ET AL.

Probleme im Hafen von Hong Kong aufgreift,

setzen LIM ET AL. in Singapur an. So untersuchen FU

ET AL.

476

chen Komponente.

475

das (Yard-)Allokationsproblem in Singapur mit einer zeitli-

Das Problem berücksichtigt die Zeit als dritte Dimension, wobei das

471

Vgl. ZHANG, C. et al. (2003), S. 885 sowie Abbildung 3-19, die diese Klassifizierung veranschaulicht. Diese Klassifizierung von ZHANG ET AL. ist für den Einsatz in dieser Arbeit gut geeignet, weil die betrachtete Abstraktionsstufe identisch ist.

472

Vgl. ZHANG, C. et al. (2003), S. 886.

473

Vgl. ILOG (2007), CPLEX stellt ein kommerzielles Optimierungstool dar und wird in der Literatur häufig als Benchmarklösung im Vergleich mit heuristischen Verfahren eingesetzt, vgl. hierzu u.a. CORDEAU, J. et al. (2005) für das BAP oder auch MOCCIA, L. et al. (2006) sowie ZHU, Y.; LIM, A. (2006) für das CSP sowie die Ausführungen in den vorangegangenen Abschnitten.

474

Vgl. MURTY, K. G. et al. (2005), S. 321. Dieser Ansatz wird von den Autoren als Fill-Ratio-EqualizationApproach bezeichnet.

475

Zu dieser Autorengruppe gehört auch ANDREW LIM.

476

Vgl. FU, Z. et al. (2007).

116

Planung in Container-Terminals

Lagerungsproblem in lediglich zwei Dimensionen betrachtet wird.477 Zur Lösung des Problems werden unterschiedliche Metaheuristiken478 unter Zuhilfenahme eines einfachen Bottom-Left-Verfahrens miteinander verglichen, wobei GA die besten Ergebnisse für die zu-

fällig erzeugten Testinstanzen liefern.479 Der Ansatz basiert im Wesentlichen auf dem vier bzw. zwei Jahre zuvor publizierten General Yard Allocation Problem von CHEN ET AL480 und der Ergänzung von LIM und XU481.

MURTY

ET AL.

zeigen im Rahmen der Entwicklung eines DSS für den Hafen in Hong

Kong die Behandlung von Problemen im Yard auf. Sie weisen auf die Bedeutung eines

DSS für den Hafen unter dem Aspekt der weitreichenden wechselseitigen Abhängigkeiten zwischen den Entscheidungen hin.482 Ein Beispiel für ein Modell zur exakten Positionierung in dem (zuvor bestimmten) Block gibt u.a. TRANBERG.483 Hierbei werden Kosten der Lagerung und des Zugriffs minimiert, was zusammen in der Minimierung der handling time des Containers zum Ausdruck kommt. KIM und PARK entwickeln einen Entscheidungsbaum für die Positionierung von Exportcontainern zur Minimierung von Umstauern unter Berücksichtigung der Containereigenschaften Zielhafen, Gewichtsklasse und Größe. Zeitintensive Umstauer (relocation movements) treten auf, wenn Container einer leichten Gewichtsklasse auf die einer schwereren

Klasse im Yard platziert werden, weil die schweren Container im unteren Teil des Schiffes platziert werden müssen.484

477

Vgl. FU, Z. et al. (2007), S. 798.

478

Eingesetzt werden hier Tabu Search in zwei unterschiedlichen Varianten, Genetische Algorithmen, Squeaky Wheel Optimization und Simulated Annealing. Vgl. hierzu auch die Ausführungen zu Metaheuristiken in Kapitel 2.2.3.3. In der Fassung von LIM, A.; XU, Z. (2005) wird neben den beschriebenen Metaheuristiken auch ein Vergleich mit einer neuen Critical-Shaking-Neighborhood-Search Metaheuristik vorgestellt.

479

Vgl. FU, Z. et al. (2007), S. 799- 806.

480

Vgl. CHEN, P. et al. (2003).

481

Vgl. LIM, A.; XU, Z. (2005).

482

Vgl. MURTY, K. G. et al. (2005).

483

Vgl. TRANBERG, L. K. (2005). Im Gegensatz zu der Bezeichnung von ZHANG aus dem hierarchischen und sequenziellen Ansatz, bezeichnet TRANBERG das Problem als Container Positioning Problem (CPP).

484

Vgl. KIM, K. H.; PARK, Y. M.; RYU, K. (2000).

Planung in Container-Terminals

117

Auch LEE ET AL. betrachten die Anzahl der Umstauer in der Zielfunktion für einen Transshipment-Hub-Terminal.485 Transshipment Terminals stellen eine veränderte Herausforde-

rung an die Lagerhaltung der Container, weil Transshipment-Container allein über die maritime Schnittstelle des Terminals abgefertigt werden und deshalb in geeigneter Form und in einem bestimmten (eng definierten) Zeitfenster zur Verfügung stehen müssen.486 Zur Lösung der Problemstellung nutzen die Autoren CPLEX487.488 Problematisch ist zudem, dass sich Container aufgrund ihrer Abmessungen zwar mit Eigenschaften von Massengütern umschlagen lassen, im Detail jedoch als Individualgüter zu behandeln sind. Bei einer detaillierten Betrachtung individueller Containereigenschaften erwächst zusätzlich das Problem der optimalen Bearbeitungsreihenfolge, von dem abstrahiert werden kann, wenn die Container als identische Entities betrachtet werden. Im Wesentlichen lassen sich zwei Zielsetzungen für das Yard-Management in der Literatur identifizieren, die Gegenstand der Untersuchungen sind:489 ƒ

Ausgeglichene Zuordnung von Containern auf die vorhandenen Blöcke, um so Staus und Behinderungen während des Zugriffs zu verhindern

ƒ

Minimierung der Distanzen von Transportern auf dem Terminal

Auf das in dieser Arbeit verwendete Storage Location Problem nach ZHANG

ET AL.,

das

beide genannte Zielsetzungen aufgreift, ist im folgenden Abschnitt einzugehen. 3.2.4.2 Storage Location Problem nach ZHANG ET AL.

Die Liegeplatzplanung wird in dem Modell von ZHANG

ET AL.

als gelöst vorausgesetzt.

Das Modell behandelt die Zuordnung von Containern auf die Yard-Blöcke in zwei Stufen:

485

Vgl. LEE, L. H. et al. (2006).

486

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 4. Häfen besitzen weltweit eine Hub and SpokeArchitektur. Von den sehr großen Containerschiffen werden nur wenige Hauptknotenpunkte angelaufen, die als Hubs zu bezeichnen sind. Nebenknoten werden von kleineren Feederschiffen angelaufen. Vgl. die allgemeine Darstellung zu Hub and Spoke-Netzwerken in Kapitel 2.1.2 sowie die für CT spezielle Darstellung in MOCCIA, L. et al. (2006), S. 45.

487

Vgl. ILOG (2007).

488

Vgl. LEE, L. H. et al. (2006).

489

Vgl. VACCA, I.; BIERLAIRE, M.; SALANI, M. (2007).

118

Planung in Container-Terminals “At the first level, the total number of containers to be placed in each storage block in each time period of the planning horizon is set to balance two types of workloads among blocks. The second level determines the number of containers associated with each vessel that constitutes the total number of containers in each block in each period, in order to minimize the total distance to transport the containers between their storage blocks and the vessel berthing locations.”490

Stufe I des Storage Location Problems nach ZHANG ET AL.491 Die Container werden in unterschiedliche Typen klassifiziert, die wie folgt gekennzeichnet sind. Yard VSDS

Block

Block

Block

CYGD

Block …

…

… VSLD

Block

Block

CYPI

…

Abbildung 3-19: Bezeichnung der Containertypen nach ZHANG ET AL.492

VSDS-Container beschreiben Container, die den Terminal von der Wasserseite aus errei-

chen. Im Gegensatz dazu verlassen VSLD-Container den Terminal über die maritime Schnittstelle. Dieser Strukturierung folgend, erreichen CYGD-Container landseitig den Terminal, während CYPI-Container diesen landseitig wieder verlassen.493 Die Unterscheidung erscheint sinnvoll, um eine Differenzierung der Container zu erreichen. Das Modell verwendet die folgenden Parameter. ƒ

B, die Anzahl der Blöcke im Yard

490

ZHANG, C. et al. (2003), S. 883.

491

Vgl. ZHANG, C. et al. (2003), S. 892- 895.

492

Vgl. ZHANG, C. et al. (2003), S. 885, zur Übersicht über die von ZHANG ET AL. eingeführten Bezeichner.

493

Die Bezeichnungen ergeben sich wie folgt: Wasserseitig an den Terminal gebundene Container werden als VSDS (Vessel Discharge)-Container, bzw. VSLD (Vessel Loading)-Container bezeichnet, landseitig an den Terminal angebunden sind CYGD (Container Yard Grounding)-Container sowie CYPI (Container Yard Pickup)-Container.

Planung in Container-Terminals

119

ƒ

T, die Anzahl der Planungsperioden

ƒ

Ci , die Lagerkapazität innerhalb von Block i, 1 d i d B

ƒ

Vi 0 , die Startbelegung innerhalb von Block i, d.h., diejenigen Container, die von

Beginn an in diesem Block gelagert sind, 1 d i d B ƒ

Pit0 , die erwartete Anzahl an CYPI-Containern, die in Block i lagern und in Periode t für den landseitigen Transport aufgenommen werden sollen, 1 d t d T ,1 d i d B

ƒ

L0it , die erwartete Anzahl von VSLD-Containern, die in Block i lagern und in Peri-

ode t auf ein Containerschiff geladen werden sollen, 1 d t d T ,1 d i d B ƒ

~ Gtk , die erwartete Anzahl an CYGD-Containern, die in t den Terminal erreichen

und in t  k auf ein Containerschiff geladen werden sollen, 1 d t d T ,0 d k d T  t ƒ

~ Dtk , die erwartete Anzahl an VSDS-Containern, die in Periode t wasserseitig den

Terminal

erreichen

und

diesen

in

tk

landseitig

wieder

verlassen,

1 d t d T ,0 d k d T  t ƒ

~ Rtk , die erwartete Anzahl an Transshipment-Containern, die den Terminal in Peri-

ode t wasserseitig erreichen und diesen in t  k ebenfalls wasserseitig verlassen, 1 d t d T ,0 d k d T  t ƒ

D it , die erwartete Anzahl an CYGD-Containern, die in Periode t den Terminal erreichen, Block i zugeordnet sind und außerhalb des Planungszeitraums (>T) auf ein Containerschiff geladen werden, 1 d t d T ,1 d i d B

ƒ

E it , die erwartete Anzahl an VSDS-Containern, die in Periode t den Terminal erreichen, Block i zugeordnet sind und deren Auslieferungszeitpunkt unbekannt bzw. außerhalb des Planungszeitraums liegt, 1 d t d T ,1 d i d B

ƒ

J it , die erwartete Anzahl an Transshipment-Containern, die den Terminal in Periode t wasserseitig erreichen und Block i zugeordnet sind, mit einem unbekannten bzw. außerhalb des Planungszeitraums liegenden (wasserseitigen) Aufnahmezeitpunkt, 1 d t d T ,1 d i d B

120

Planung in Container-Terminals

Mit Hilfe dieser Modellparameter wird die Verknüpfung zur Liegeplatzplanung hergestellt, deren Lösung in die erforderliche Form zu bringen ist. Hinzu kommen die folgenden Entscheidungsvariablen: ƒ

Gitk , die Anzahl von CYGD-Containern mit vollen Informationen, die in Block i

gelagert werden und den Terminal in Periode t erreichen und in t  k wasserseitig wieder verlassen, 1 d i d B,1 d t d T ,0 d k d T  t ƒ

Git , die Anzahl von CYGD-Containern, die in Block i gelagert werden und den

Terminal in Periode t erreichen, 1 d t d T ,1 d i d B ƒ

Ditk , die Anzahl der VSDS-Container mit vollen Informationen, die in Block i ge-

lagert werden, in Periode t wasserseitig den Terminal erreichen und diesen in t  k landseitig wieder verlassen, 1 d i d B,1 d t d T ,0 d k d T  t ƒ

Dit , die Anzahl aller VSDS-Container, einschließlich Transshipment-Containern,

die in Block i gelagert werden und in Periode t wasserseitig den Terminal erreichen, 1 d t d T ,1 d i d B ƒ

Ritk , die Anzahl an Transshipment-Containern mit vollen Informationen, die in

Block i gelagert werden, den Terminal in Periode t erreichen und diesen nach k Zeiteinheiten ebenfalls wasserseitig verlassen, 1 d i d B,1 d t d T ,0 d k d T  t ƒ

Lit , die Anzahl von VSLD-Containern, Transshipment-Container eingeschlossen,

die in Block i gelagert und in Periode t auf ein Schiff verladen werden,

1 d t d T ,1 d i d B ƒ

Pit , die Anzahl von CYPI-Containern, die in Block i gelagert werden und in Perio-

de t landseitig den Terminal verlassen, 1 d t d T ,1 d i d B ƒ

Vit , die Anzahl der Container in Block i am Ende der Periode t, 1 d t d T ,1 d i d B

Modellformulierung nach ZHANG ET AL. ­w ªmax( D  L )  min ( D  L )º  ½ it it it it »¼ {i} °° 1 «¬ {i} °° Zielfunktion: Minimiere o ¦ ® ¾ t 1 ° w2 ªmax( Dit  Lit  Git  Pit )  min ( Dit  Lit  Git  Pit )º ° »¼ ¿° {i} ¯° «¬ {i} T

Planung in Container-Terminals

121

Unter den Nebenbedingungen: a) Containerfluss-Restriktionen ~ (1) Dit

B

¦D

itk

,

t

1,2,..., T ; k

0,1,...., T  t

itk

,

t

1,2,..., T ; k

0,1,...., T  t

itk

,

t

1,2,..., T ; k

0,1,...., T  t

i 1

~ (2) Git

B

¦G i 1

B

~ (3) Rit

¦R i 1

Die Bedingungen (1), (2) und (3) stellen sicher, dass VSDS-, CYGD- und TransshipmentContainer vollständig auf die vorhandenen (B) Blöcke aufgeteilt werden. T t

(4) Dit

¦ (D

itk

 Ritk )  E it  J it ,

i 1,2,..., B; t

1,2,...., T

i 1,2,..., B; t

1,2,...., T

k 0

T t

(5) Git

¦G

itk

 D it ,

k 0

Die Restriktionen (4) und (5) stellen sicher, dass die Anzahl der Container in Block i zum Zeitpunkt t gleich der Summe der Container mit vollen Informationen und Containern mit unbekannter bzw. hinter dem Planungszeitraum liegender Abfahrtszeit ist. b) CYPI- und VSLD-Restriktionen t 1

(6) Lit

L0it  ¦ (Gi ( t  k ) k  Ri ( t k ) k ),

i 1,2,..., B; t

1,2,...., T

i 1,2,..., B; t

1,2,...., T

k 0

t 1

(7) Pit

Pit0  ¦ Di ( t  k ) k , k 0

Die Anzahl der Container, die den Yard in Periode t wasser- oder landseitig [(6) bzw. (7)] von Block i verlassen, setzt sich zusammen aus der Summe der initial vorhandenen Container für diese Periode und den während der Zeit hinzugekommenen Containern. c) Yard-Block-Restriktionen (8) Vit

Vi ( t 1)  [(Git  Dit )  ( Pit  Lit )],

(9) Vit d KC i ,

i 1,2,..., B; t

1,2,...., T

i 1,2,..., B; t

1,2,...., T

122

Planung in Container-Terminals

Yard-Block-Restriktionen (8) und (9) definieren die Aktualisierung des Block-Bestands, der sich aus dem alten Bestand in Block i zuzüglich den Zugängen und abzüglich den Abgängen zusammensetzt. Zudem soll die Block-Dichte K nicht überschritten werden. d) Ganzzahligkeits-Bedingungen Alle Variablen dürfen nur ganzzahlige, nicht-negative Werte annehmen. Es ist zu bestimmen, wie die Containermengen einzelner Perioden zu verteilen sind. In dem ersten Teil des SLP erfolgt noch keine Zuordnung von Containern zwischen Schiff und Yard, es ist lediglich für jeden Block die Menge der Container, die in der betrachteten Periode zu lagern sind, zu bestimmen. Die konkrete Zuordnung von Im- bzw. Exportcontainern des Schiffes zu einem bestimmten Block erfolgt erst im zweiten Teil des SLP, modelliert als klassisches Transportproblem. Dieses Modell erlaubt die gemeinsame Lagerung von Im- und Exportcontainern in einem Block und die Aufteilung von Containern eines Jobs auf unterschiedliche Blöcke.494 Zur Lösung dieser Problemstellung stellen MURTY

ET AL.

einen Ansatz vor.495 Der Lö-

sungsansatz basiert auf der Idee, Behinderungen im Prozessablauf durch mehrfachen und kurzfristig hintereinander erfolgenden Zugriff von Transportern auf einen Block zu verhindern. Es ist deshalb das Transportaufkommen an den Blöcken des Yards auszugleichen. Die Zielfunktion minimiert das Zuordnungsungleichgewicht der Lagerung von Containern im Yard.496 Die vorgestellte Methode dient der Bestimmung einer Lösung für die erste Stufe des Storage Location Problems. In Abhängigkeit von dem erwarteten Containeraufkommen wird für jeden Block in jeder Periode der Fill-Ratio (FR) berechnet. Der Fill-Ratio für Block i zu Beginn der Periode p+1 (= Fi ( p  1) ) berechnet sich wie folgt:

494

Diese Annahme ist in der Praxis durchaus üblich und gewinnt aufgrund der Zunahme von Containern an Bedeutung, um Kapazitäten weiter auszulasten.

495 496

Vgl. MURTY, K. G. et al. (2005), S. 321- 323.

Diese Zielsetzung wird auch von ZHANG ET AL. angenommen, vgl. die Zielfunktion in diesem Abschnitt. Dieser Ansatz ist insbesondere deshalb zu unterstützen, weil die Zielsetzung die Probleme der Transportplanung mit aufgreift. Im Rahmen einer übergreifenden Untersuchung erscheint die Berücksichtigung abhängiger Entscheidungsbereiche wertvoll.

Planung in Container-Terminals Fi ( p  1)

123

( Fi ( p )k i  ESi ( p )  IS i ( p )  xi ( p )) ki

Es ist unglücklich, dass mit der Darstellung von MURTY ET AL. wieder neue Symbole eingeführt werden.497 Zur Erläuterung der Symbole wird die entsprechende und in diesem Abschnitt eingeführte Bezeichnung nach ZHANG ET AL. mit angegeben: ƒ

ESi ( p ) beschreibt die Container, die Block i in Periode p wasserseitig verlassen

(= Lip im Modell nach ZHANG ET AL.). ƒ

ISi ( p ) beschreibt die Container, die Block i in Periode p landseitig verlassen

(= Pip ). ƒ

xi ( p ) stellt die (zu bestimmenden) Zugänge für diesen Block in dieser Periode dar

(= Dip  Gip ). ƒ

k i beschreibt die Kapazität des Blocks (= Ci ).

Der Fill-Ratio beschreibt das Verhältnis der Anzahl im Block lagernder Container zu seiner Gesamtkapazität. Weil sich alle Elemente im Modell von ZHANG ET AL. wiederfinden lassen, kann der Ansatz zur Lösung dieser Problemstellung zum Einsatz kommen. Das Verfahren strebt den Ausgleich aller Fill-Ratios an und wird deshalb als Fill-RatioEqualization-Ansatz (FRE) für die erste Stufe der Lagerplanung gekennzeichnet. Von

MURTY

ET AL.

wird eine einfache Rechnung zur Bestimmung der Containermengen für

jeden Block aufgezeigt, so dass der Fill-Ratio ausgeglichen wird.498 Im Folgenden soll der zweite Teil des SLP vorgestellt werden. Stufe II des Storage Location Problems als klassisches Transportproblem Nachdem die Verteilung der in den einzelnen Perioden ankommenden Container auf die Blöcke mit Teil I festgelegt wird, entsteht in Teil II ein klassisches Transportplanungsprob-

497

Vgl. MURTY, K. G. et al. (2005), S. 322. Die unterschiedlichen Symbole sind auch insofern unglücklich, weil ein Großteil der Autoren an beiden Artikeln mitgearbeitet hat.

498

Vgl. MURTY, K. G. et al. (2005), S. 321ff. Das FRE-Verfahren kommt im Rahmen der Untersuchung des SLP in Kapitel 6.1.1.5 zum Einsatz.

124

Planung in Container-Terminals

lem, bei dem zu definieren ist, welche Container welchen Schiffes den freigeräumten Blockkapazitäten zuzuordnen sind. Das klassische Transportproblem ist wie folgt aufgebaut:499 Zielfunktion: Minimiere o F ( x)

m

n

¦¦ c

ij

xij

i 1 j 1

Unter den Nebenbedingungen: n

(1)

¦x

ij

ai

, für i=1, 2, …, m

ij

bj

, für j=1, 2, …, n

j 1

m

(2)

¦x i 1

Nichtnegativitätsbedingungen: (3) xij t 0

, für alle i und j

Aus der Lösung des ersten Teils des SLP lassen sich die Parameter für das klassische Transportproblem bestimmen: Der b-Vektor ist das Ergebnis der zugeordneten Blockkapazitäten, während a die wasserseitigen Containerströme zum Zeitpunkt t angibt. Mit n ist demnach die Anzahl der Yard-Blöcke angegeben, m beschreibt die Anzahl der Containerschiffe mit Anlegezeitpunkt t. Es gilt, die Distanz zwischen den Yard-Blöcken und Anlegeorten der Schiffe500 zu minimieren. Zur Bestimmung der Distanz in dem CT-Modell lassen sich Metriken einsetzen:501

499

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 81ff.

500

Diese Größe ergibt sich aus der in der Liegeplatzplanung definierten Position v, vgl. Kapitel 3.2.2.2.

501

Vgl. TEAM, R. D. C. (2007). Die R-Funktion dist() gibt unterschiedliche Ansatzpunkte zur Bestimmung der Distanz zwischen zwei Punkten.

Planung in Container-Terminals

125

Buffer- Position: (0,0) (50, 0)

(100, 0)

(150, 0)

(200, 0)

(50, 20)

(100, 20)

(150, 20)

(200, 20)

(50, 40)

(100, 40)

(150, 40)

(200, 40)

(50, 60)

(100, 60)

(150, 60)

(200, 60)

Zur Bestimmung der Distanz d zwischen Buffer p1 und Block p2: Manhattan- Metrik = d ( p1 , p2 ) = (|0-200|+ |0-40|) = 240

¦| ( p

i 1

 p2i ) |

Euklidische Distanz =

i

d ( p1 , p2 )

¦( p

1

 p2 ) 2

i

(0  200)  (0  40) 2 | 204 2

Abbildung 3-20: Auswahl einer Metrik zur Bestimmung der Distanz im CT-Modell

Eingesetzt wird die Manhattan-Metrik, weil diese Metrik den Weg der VC im Terminal am besten abbildet. Zum Vergleich ist in der Abbildung die euklidische Distanz zwischen den beiden Containerpositionen dargestellt. Es wird deutlich, dass die euklidische Distanz nicht für die Abbildung der VC-Fahrwege auf dem Terminal einsetzbar ist. Es ist zu beachten, dass der Wert der euklidischen Distanz („direkter Weg“) geringer ist, als der der Manhattan-Distanz („Umfahren des Blocks“). Das klassische Transportproblem ist ein lineares Optimierungsproblem, weist jedoch aufgrund seiner Nebenbedingungen eine spezielle Struktur auf, für dessen Lösung spezielle Verfahren entwickelt worden sind.502 Zur Lösung des Transportproblems im Rahmen des SLP wurde deshalb die MODIMethode implementiert, um eine optimale Zuordnung der Container auf die im ersten Teil des SLP definierten Yard-Blöcke zu erreichen. Aufgrund der im ersten Teil fixierten Anzahl zu lagernder Container in einem bestimmten Block für eine bestimmte Periode lässt sich der zweite Teil des Problems als Transportproblem abbilden. Es ist in diesem Schritt die konkrete Zuordnung von zu im- bzw. zu exportierenden Containern eines Schiffes zu einem Yard-Block zu bestimmen. Die Anzahl

502

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 81ff.

126

Planung in Container-Terminals

der Container der Schiffe lässt sich im Rahmen des KTP als Angebotsmenge betrachten. Die fixierten Kapazitäten im Yard stellen die Nachfragemenge dar, so dass sich diese Container nun kostenminimal503 zuordnen lassen. Der Vorteil von diesem Ansatz ist, dass das KTP in der Literatur weitreichend untersucht worden ist und optimale Lösungsansätze existieren.504 Dieses Vorgehen ist in der folgenden Abbildung zusammengefasst. Storage Location Problem SLP 1:

1

2

…

B

Block-Kap. für t=1

1

2

…

B

Block-Kap. für t=2

1

2

…

B

Block-Kap. für t=T

Yard

Zoom

B2

BB

In t anlegende Schiffe (aus BAP)

Block 1

SLP 2: Klassisches Transport1 2 problem 1

Blockkapazitäten in t (aus SLP 1)

…

B

d(v,b)

2 . . .

Distanzmatrix Distanz (Schiffposition, Blockposition) Schiffposition ist mit BAP-Lösung gegeben Blockposition ist aus Parametern gegeben

Vt

Abbildung 3-21: Darstellung des SLP

In der Abbildung repräsentieren die grau hinterlegten Felder den ersten Teil des SLP, in dem die Kapazitäten jedes Blocks für jede Periode zu bestimmen sind. Diese Zuordnung geht dann in den zweiten Teil des SLP, als Nachfrage des KTP, ein. Die BAP-Zuordnung bestimmt das KTP-Angebot.

503

hier: distanzminimal.

504

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 81ff.

Planung in Container-Terminals

127

3.2.4.3 Annahmen und Kritik

Das Modell von ZHANG

ET AL.

behandelt lediglich Container einer Größe. Spezifische

Merkmale von Containern, u.a. Kühlgut, Gefahrgut etc. finden in dem Modell keine Berücksichtigung. Der Arbeitsaufwand wird über die Anzahl zu bearbeitender Container bestimmt. Es wird angenommen, dass genügend Ressourcen zur Behandlung der Container vorhanden sind. Stochastizität wird in dem Modell nicht behandelt. Dies kann jedoch notwendig sein, wenn es aufgrund von Verzögerungen im Ablauf zu einer Veränderung der Nachfrage und des Angebots von Yard-Ressourcen kommt. Das vorgestellte Modell setzt direkt im Rahmen der in Abbildung 3-4 vorgestellten Hierarchie von CT-Entscheidungen an. Es berücksichtigt die Behandlung von Import-, Exportund Transshipment-Containern in einem gemeinsamen Lager. Dieser Fall ist insbesondere für Terminals interessant, die mit einer begrenzten Yardkapazität umgehen müssen. Die Positionen der Schiffe und der Lagerplätze im Yard finden Berücksichtigung, um so die Transportdistanz zwischen Kai und Yard zu minimieren. Die Zielsetzung versucht die Container unter Berücksichtigung der Anforderungen für die Yard-Transporte zu verteilen und setzt damit einen zielgesteuerten Ansatz zur Koordination mit anderen Entscheidungen ein. Die Dekomposition in zwei Teilprobleme zerschneidet erneut Abhängigkeiten. Der Artikel von ZHANG

ET AL.

zeigt keinen Lösungsansatz für die Problemstellung auf.

Erst MURTY ET AL. zeigen einen Fill-Ratio-Equalization-Ansatz, an dem zu kritisieren ist, dass keine Rücksicht auf die Verweildauer der Container im Yard genommen wird.

3.2.5 Transportplanung (Vehicle Dispatching Problem)

In dem Vehicle Dispatching Problem (VDP) werden die einzelnen Containertransporte betrachtet. Das VDP führt die Bereiche der Containerbrücken- und der Yardplanung (SLP) zusammen, weil sich durch diese Bereiche die Distanzen für die durchzuführenden Containertransporte ergeben. 3.2.5.1 Ansätze in der Literatur

Wie für die Yardplanung, existieren auch für Modelle der CT-Transportplanung weitreichende Abstraktionsunterschiede. Dies ist der Fall, weil in Abhängigkeit vom Betriebssys-

128

Planung in Container-Terminals

tem sowohl Eigenschaften von Transportern und Flurfördergeräten zu beachten sind, als auch das detaillierte Layout des Terminals zu berücksichtigen ist. Es sind somit im Rahmen von operativen Modellen weitaus präziser definierte Informationen zu verwenden, als dies in strategischen oder taktischen Modellen notwendig ist. Eingangsdaten für die Transportplanung können in zwei Gruppen klassifiziert werden. Aus der hierarchischen Struktur und dem sequenziellen Ansatz von ZHANG ET AL. erwächst die erste Gruppe der erforderlichen Eingangsdaten für diese Problemstellung.505 Die zweite Gruppe ergibt sich aus den terminalspezifischen Parametern.506 Aufgrund der vorangestellten Probleme finden sich Literaturmodelle der Transportplanung auf unterschiedlichen Abstraktionsstufen wieder und lassen sich darüber klassifizieren. BÖSE ET AL. untersuchen das Vehicle Dispatching Problem mit Hilfe von GA für drei unterschiedliche Zuordnungsstrategien.507 Die von ihnen modellierte Problemstellung maximiert die QC-Produktivität unter dem Aspekt der Minimierung seiner Wartezeiten.508 Die beschriebenen Strategien zur Zuordnung von Van Carriern und Containerbrücken werden von MEIER im Rahmen von terminalpolitischen Entscheidungen aufgeführt.509 BISH ET AL. stellen unterschiedliche und leicht implementierbare Greedy-Algorithmen für das Vehicle Dispatching Problem vor. Der Modellansatz ist mit dem von BÖSE ET AL. vergleichbar. Jeder Container wird als ein Job betrachtet. Für eine gegebene Jobsequenz werden die Algorithmen zunächst für eine Single-Vessel-Single-Crane-Instanz betrachtet und daraufhin für den Multiple-Crane-Fall erweitert. Die Leistungsfähigkeit der Algorithmen wird analysiert. Der Fokus der Autoren liegt auf der Einsatzfähigkeit der entwickelten Verfahren, auch für große Instanzen.510

505

Vgl. Abbildung 3-4.

506

Zu den terminalspezifischen Parametern gehören u.a. die Positionen der Yard-Blöcke und deren Kapazität sowie die Anzahl der Yard-Transporter und deren Operationsgeschwindigkeit.

507

Vgl. BÖSE, J. et al. (2000).

508

Vgl. BÖSE, J. et al. (2000), S. 4f.

509

Vgl. MEIER, L. (2006), S. 218- 220.

510

Vgl. BISH, E. K. et al. (2005), S. 491- 506.

Planung in Container-Terminals

129

Weitere Ansätze für dieses Problem werden ausführlich von STAHLBOCK und VOß vorgestellt. Unterschiedliche Modellierungsperspektiven erschweren ihre Vergleichbarkeit. In der Literatur wird im Wesentlichen die Zuordnung von AGVs behandelt. Das Modell von BÖSE

ET AL.

soll im Folgenden dargestellt werden, weil es Van Carrier

einsetzt und auf der für diese Arbeit relevanten Abstraktionsebene ansetzt. 3.2.5.2 Vehicle Dispatching Problem nach BÖSE ET AL.

In dem Modell sind G Containerbrücken vorhanden, die Container mit einer einheitlichen und konstanten Bearbeitungszeit umschlagen: t g , g  {1,2,..., G} Jede Containerbrücke erledigt im Rahmen der Bearbeitung einer Bay n Containerjobs. Dabei wird jeder einzelne Job der Bay mit einer individuellen Bearbeitungszeit determiniert, die sich in Abhängigkeit von der Distanz zwischen der Yard-Ressource und der Kaiposition ergibt. Unter der Annahme einer konstanten VC-Geschwindigkeit ergibt sich die Zeit für die Bearbeitung dieses Jobs j aus der Distanz zwischen Kai und Yard. Diese Zeit lässt sich wie folgt berechnen: t j [ ZE ]

s j [ SE ] . [ SE ] vVC [ ZE ]

Jeder Container-Transport erhält somit eine individuelle Bearbeitungszeit, die von den vorangegangenen Entscheidungen aus SLP sowie BAP und CSP abhängig ist.511 Jede Containerbrücke verfügt über einen kleinen Puffer mit wenigen Containerstellplätzen auf der Kaistellfläche, auf der eine bestimmte Anzahl von Containern gelagert werden kann. Ist dieser Puffer belegt, muss der QC seine Arbeit einstellen und warten, bis ein Transportfahrzeug einen Container aus dem Puffer entfernt. Ziel des Modells von BÖSE ET AL.

511

ist die Minimierung dieser Verzögerungen. Alle t g Zeiteinheiten kann der QC einen

Vgl. hierzu Kapitel 3.2.

130

Planung in Container-Terminals

neuen Container in diesen Puffer platzieren, während ein Transporter für die Durchführung von Job j exakt 2 * t j Zeiteinheiten für den Hin- und Rücktransport beschäftigt ist.512 Unterschiedliche Zuordnungsstrategien schränken die Zuordnung von VC zu den Containerbrücken ein. So stehen die VC bei Verwendung von statischen Strategien513 lediglich für die Transporte an genau einer im Vorfeld definierten Containerbrücke zur Verfügung. In semi-dynamischen Strategien514 stehen die VC lediglich für die Containerbrücken eines bestimmten Schiffes zur Verfügung, währen in dynamischen Strategien515 diese Restriktionen in der Zuordnung aufgehoben werden und die VC für alle Jobs auf dem gesamten Terminal eingesetzt werden können. BÖSE ET AL. zeigen im Rahmen der von ihnen durchgeführten Experimente, dass sich mit Hilfe eines GA und der Umstellung auf eine dynamische Strategie sehr gute Ergebnisse erzielen lassen.516 Für einen Job an einer Bay bearbeitet ein QC zunächst sämtliche Löschcontainer, bevor er mit dem Laden der Container für diese Bay beginnt. Der Entstehungszeitpunkt tibirth des i ,g ten (Container-)Jobs eines QC g kann in Abhängigkeit von seinem Typ wie folgt berechnet werden, mit tibirth ,g

½ (1) ­ t ginitial  i * t g , ® initial trans ¾ t ( i 1 ) * t t    g g ,i ¿ ( 2) ¯g

wobei (1) den Löschvorgang und (2) den Ladevorgang auf das Schiff kennzeichnet. Mit i ist der i-te Job des QC g dargestellt. t ginitial gibt den Zeitpunkt für den Beginn der Operatiobeschreibt die Zeit, die für die Durchführung dieses Transports nen für QC g an. t gtrans ,i durch den VC benötigt wird.

512

Im Allgemeinen stehen jeder Containerbrücke eine Anzahl (>1) unterstützender Transporter zur Verfügung. Die Zeit, die ein Yardfahrzeug für den Transport eines Containers in den Yard und zurück benötigt ( 2 * t j ) ist in der Regel größer, als die Zeit für den Umschlag des QC eines Containers zwischen Kai und

Schiff ( t g ), d.h. 2 * t j ! t g . 513

Diese Strategie wird auch als Crane-Pooling bezeichnet.

514

Diese Strategie wird auch als Vessel-Pooling bezeichnet.

515

Diese Strategie wird auch als Terminal-Pooling bezeichnet.

516

Vgl. BÖSE, J. et al. (2000), S. 7- 9. Auch MEIER, L. et al. (2005) zeigen für einen kleinen Terminal in Rio Grande, Brasilien, dass sich durch die Reorganisationsmaßnahme eine gesteigerte Produktivität erzielen lässt. Für die Umsetzung ist ein geeignetes Informationssystem erforderlich.

Planung in Container-Terminals

131

Beim Löschen der Container stellt der QC alle t g Zeiteinheiten einen neuen Container in den Puffer auf dem Kai zur Verfügung. Der letzte zu importierende Container cim kann demnach frühestens zum Zeitpunkt t ginitial  cim * t g (

t gbirth , cim ) zur Verfügung stehen.

Das Laden der Container beginnt erst nachdem alle Container gelöscht worden sind, die für den Hafen bestimmt sind. Damit der QC ohne Unterbrechung arbeiten kann, muss der erste zu exportierende Container cex ( cim  1) bereits zum Zeitpunkt t ginitial  cim * t g  t gtrans ,cex initial ( t gbirth  cim * t g im Puf,cex ) vom VC aus dem Yard genommen werden, damit dieser in t g

fer des QC von diesem aufgenommen und auf das Schiff geladen werden kann. Der Fertigstellungszeitpunkt des k-ten Jobs des Van Carriers c wird über eine rekursive Funktion berechnet, weil der Zeitpunkt der Fertigstellung des vorangehenden Jobs k-1 bekannt sein muss: t cdeath ,k

t cdeath  t cempty  t ktrans  t cwait ,k 1 ,k ,k ,

rekursive Komponente

Der Fertigstellungszeitpunkt eines Jobs k berechnet sich somit aus dem Zeitpunkt der Fertigstellung des vorangegangenen Jobs, der Zeit für die Leerfahrt bis zu dem Job, der Transempty ! tcbirth portzeit und der Wartezeit auf den Container. Wartezeit tritt auf, wenn tcdeath ,k 1  t c ,k ,k ,

also falls der Transporter vor Bereitstellung des neuen Jobs an dem Startpunkt eingetroffen ist. Die von BÖSE ET AL. betrachtete Zielfunktion berechnet sich wie folgt: G

Minimiere

Jg

¦¦ Max((t

death c ,k 1

 t cempty )  t gbirth ,k ,i ,0) , wobei

g 1 i 1

J g der Anzahl der Jobs des QC g entspricht und sich c aus der Zuordnung ergibt. Minimiert wird die Summe der Verspätungen aller VC bei der Ankunft am Entstehungsort eines Jobs. Es soll so die Produktivität der Containerbrücken maximiert werden. Zudem sind weitere Ziele denkbar, die sich berechnen lassen, z.B. die Minimierung der Transportdistanzen der VC, die Minimierung der VC-Wartezeiten oder auch eine (gewichtete) Kombination aus allen Zielen. Das Modell besteht aus einem einfachen Zuordnungsproblem, wie es in der OR-Literatur zu finden ist.

132

Planung in Container-Terminals

Die einzelnen Strategien zur Zuordnung wirken zusätzlich restriktiv auf den Lösungsbereich. So ist im Rahmen der statischen Crane-Pooling-Strategie die Zuordnung eines VC auf einen bestimmten QC fixiert, während andere QC verboten sind. Die folgende Abbildung verdeutlicht die Restriktionen für die Zuordnung von VC und QC unter den genannten Strategien:

QC

Vessel QC

QC

Terminal

Terminal QC

QC Vessel

Vessel QC

QC QC

QC Vessel

VC Restriktionen im Rahmen einer statischen Strategie nach Böse et al.

QC VC

QC

Vessel QC Terminal

QC

Restriktionen im Rahmen einer dynamischen Strategie nach Böse et al.

VC

QC Vessel

QC

Restriktionen im Rahmen einer semi-dynamischen Strategie nach Böse et al.

Abbildung 3-22: Restriktionen für das VDP unter verschiedenen Zuordnungsstrategien

Die Abbildung verdeutlicht, wie unter den gegebenen Strategien die Menge für die Zuordnung zugelassener Elemente variiert. Im Rahmen der dynamischen Strategie ist das größte Einsparpotenzial gegeben, da durch intelligente Zuweisung von Jobs unterschiedlicher Schiffe die Möglichkeit entsteht, Leerfahrten von VC zu reduzieren und durch Transportfahrten zu ersetzen. Es fallen in der statischen Strategie zwangsläufig Leerfahrten an. Die Berechnung ist jedoch sehr einfach. In der Regel werden von einem Terminal zwischen drei und vier VC pro QC eingesetzt. Die VC übernehmen nacheinander einen Job des QC, bis alle Jobs erledigt sind. Fallen keine Warte- und Transportzeiten an, dann würde die Bearbeitung einer Bay mit n Jobs genau (n-1) * t g Zeiteinheiten dauern, weil der QC genau einmal auf dem Rückweg seiner Tour einen Container mitnehmen kann. Diese Begründung veranschaulicht die folgende Abbildung am Beispiel von jeweils drei zu im- bzw. zu exportierenden Containern.

Planung in Container-Terminals

133 tg

Schiff

2 tg

tg

Beispiel: Kai

1

tg

2 tg 3 2 tg 4 2

2

tg tg

5

6

Mit n=6 ergibt sich

4 * tg  2 *

tg 2

(6  1) * t g

Abbildung 3-23: Optimale QC-Auslastung

Aus einem optimalen QC-Durchlauf517 für das in Abbildung 3-23 gezeigte Beispiel ergibt sich ohne Wartezeiten für den QC eine minimale Durchlaufzeit von 5 * t g Zeiteinheiten. Mit der Kenntnis der (theoretisch) optimalen Lösung lässt sich die Qualität der VDPZuordnung beurteilen. 3.2.5.3 Annahmen und Kritik

Für die Transportplanung ist, wie auch für das CSP, eine Restriktion hinzuzufügen, um den Anforderungen in dieser Arbeit gerecht zu werden. In dem Transportmodell von BÖSE ET AL.

wird angenommen, dass alle Container mit Beginn der Planung in t=0 zur Verfügung

stehen. Tatsächlich kann jedoch der Fall auftreten, dass Schiffe in dem betrachteten Zeitraum nacheinander ankommen und somit auch ihre Container nacheinander zu behandeln sind. Konkret muss dieselbe Bedingung, die für das CSP hinzugefügt wurde, geprüft werden.518

517

Als optimal wird der QC-Durchlauf in diesem Fall betrachtet, wenn sich keine Wartezeiten ergeben, d.h., jeder umzuschlagende Container zum geforderten (frühest)möglichen Zeitpunkt bereitsteht.

518

Für ein Beispiel kann auf Abbildung 3-12 verwiesen werden. Die Restriktion ist in Kapitel 3.2.3.2 beschrieben.

134

Planung in Container-Terminals

Die Personalplanung findet - wie für das CSP - keine Berücksichtigung. Es wird angenommen, dass für jeden in Betrieb zu nehmenden VC auch ein Fahrer zur Verfügung steht.519 In dem Modell von BÖSE ET AL. werden konstante QC-Zeiten für eine Containerbewegung gesetzt. Es wird angenommen, dass jeder VC jeden Job durchführen kann. Alle VC verfügen über eine konstante Transportgeschwindigkeit. Für das Modell ist kritisch festzustellen, dass keine stochastischen Fragestellungen zum Einsatz kommen. Gerade aber in diesem operativen Modell spielen stochastische Einflüsse eine sehr große Rolle.520 Behinderungen durch die Transporter selbst werden ebenfalls nicht berücksichtigt. Die Autoren setzen eine realitätsnahe Zielfunktion ein und zeigen unterschiedliche Zuordnungspolitiken für VC auf. Zusammen mit genetischen Algorithmen sind sie in der Lage, sehr gute Ergebnisse zu erzielen. Für jeden Job können individuelle Bearbeitungszeiten bestimmt werden. Das Modell ist so in der Lage, die Ergebnisse von SLP und CSP aufzugreifen. Es lässt sich das Terminalergebnis in einem zusammenhängenden Modell berechnen.

3.2.6 Weitere Planungssysteme und -ansätze

Bereits in der Kritik des vorangegangenen Abschnitts wurde die Personalplanung angesprochen, die für den Terminal von Bedeutung ist, von der jedoch in dieser Arbeit abstrahiert werden soll. Mit den in den vorangegangenen Kapiteln vorgestellten Planungssystemen konnten zwar die wesentlichen, keinesfalls jedoch alle Problemstellungen von Container-Terminals angesprochen und aufgezeigt werden. In der Literatur lassen sich andere

519

Mit der Personalplanung für alle nicht-automatischen Fahrzeuge des Terminals beschäftigen sich unterschiedliche Artikel in der Literatur, u.a. LEGATO, P.; MONACO, M. F. (2004), LIM, A.; RODRIGUES, B.; SONG, L. (2004) und auch HARTMANN, S. (2004) sowie den Überblick von VIS, vgl. VIS, I. (2008). Weil von dieser Problemstellung in dieser Arbeit abstrahiert wird, soll hier nur die verfügbare Literatur aufgezeigt werden.

520

Von BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 146- 148, werden stochastische Einflüsse auf diesen Entscheidungsbereich systematisiert. Diese Kritik wird auch im Ausblick von BÖSE ET AL. angesprochen, vgl. BÖSE, J. et al. (2000), S. 9f.

Planung in Container-Terminals

135

Planungssysteme finden, u.a. Probleme der Personalplanung, auf die hier nicht näher eingegangen werden soll.521 Auch auf die Stauplanung wird in dieser Arbeit keine Rücksicht genommen. Dies liegt darin begründet, dass für die Planung der Ladung auf dem Schiff die Eigenschaften der Container und von Schiffen im Detail zu betrachten sind, weil jedes Schiff unterschiedliche Restriktionen bzgl. seiner Beladung aufweist.522 Ebenfalls wurde die Vernachlässigung der exakten Positionierung von Containern innerhalb eines Blocks im Rahmen des Location Assignment Problems als Teil der Yardplanung angesprochen. Auch Reihenfolgeprobleme werden nicht mehr auf der Ebene einzelner Container, sondern lediglich für Containergruppen behandelt. Zudem wird von der landseitigen An- und Auslieferung von Containern abstrahiert. Die Vielzahl vorhandener Modelle und Lösungsansätze lässt es nicht zu, dass in dieser Arbeit ein vollständiger Überblick gegeben werden kann. Zur Lösung integrierender Modelle soll im Weiteren - aufgrund ihrer Bedeutung für diese Arbeit - auf zwei unabhängig voneinander entwickelte Ansätze von REBOLLO

ET AL.

und

auch HENESEY näher eingegangen werden, weil diese Autoren multiagentenbasierte Modelle für die übergreifende Behandlung von CT-Problemstellungen einsetzen. REBOLLO ET AL. zeigen, dass der Einsatz multiagentenbasierter Technologien aufgrund der Prozesskomplexität gerechtfertigt und geeignet ist. Die Autoren schlagen den Einsatz von insgesamt fünf verschiedenen Agentenklassen vor. Hierzu gehören SHIP-AGENTS, STEVEDORE-AGENTS,

SERVICE-AGENTS, TRANSTAINER-AGENTS und GATE-AGENTS. Für jedes an-

kommende Schiff werden SHIP-AGENTS erzeugt. Für jeden QC des CT existiert ein STEVEDORE-AGENT,

der die Zielsetzung verfolgt, die Aufgaben ankommender Schiffe so schnell

wie möglich zu bearbeiten. Insgesamt enthält das Modell somit eine Vielzahl interagierender Agenten.523

521

Für eine Diskussion weiterer Planungssysteme der CT-Logistik ist auf den ausführlichen Überblick in STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004) und STAHLBOCK, R.; VOß, S. (2007) sowie die dort angegebene Literatur zu verweisen.

522

Vgl. SCHOTT, R. (1989), S. 12- 41.

523

Vgl. REBOLLO, M. et al. (2000).

136

Planung in Container-Terminals

HENESEY beschäftigt sich mit der multiagentenbasierten Technologie um die Leistungsfähigkeit von CT-Systemen zu steigern.524 Neben dem Einsatz für ein Stakeholder Relationship Management (SRM) System,525 untersucht HENESEY zusammen mit WERNSTEDT und DAVIDSSON das Verhalten marktbasierter Verfahren in der CT-Anwendung. Die Autoren gliedern den CT in vier Subsysteme. Es sind darin die maritime und landseitige Schnittstelle526 enthalten, zusätzlich werden das Transfersystem (transfer system) und das Lagersystem (storage system) abgebildet.527 Eingeleitet durch die Arbeit von VICKREY von 1961 hat die markbasierte Kontrolle zusammen mit der Auktionstheorie an Bedeutung gewonnen.528 Marktbasierte Verfahren haben sich seitdem als geeignetes Instrument zur Beherrschung komplexer Systeme bewiesen.529 In der Arbeit von HENESEY werden vier unterschiedliche Agententypen eingesetzt. Hierzu gehören SHIP-AGENTS, BERTH-AGENTS, YARD-AGENTS und GATE-AGENTS, die in einer gemeinsamen Umgebung miteinander kommunizieren und (marktbasiert) verhandeln. Beispielsweise wird mit jeder Ankunft eines Schiffes ein SHIP-AGENT erzeugt, der gemeinsam mit einem BERTH-AGENT um den kostenminimalen Liegeplatz verhandelt.530

3.3 Interdependenzen Weil Beziehungen zwischen den CT-Teilbereichen existieren sind koordinierende Maßnahmen für ihre Integration erforderlich. Es entwickelt sich daraus der folgende Konflikt: Zum einen sollen bestehende Interdependenzen bei der Planung möglichst vollständig berücksichtigt werden, zum anderen steigen damit auch die Kosten der Planung.531 In diesem

524

Vgl. HENESEY, L. (2004).

525

Vgl. hierzu auch die Darstellung im Rahmen von Kapitel 3.1.1.

526

Diese Systeme werden von den Autoren als Ship-to-Shore-System und Delivery and Recipt-System bezeichnet.

527

Vgl. HENESEY, L. (2004), S. 131- 133. Die Subsysteme sind aus dem Ansatz von HOLGUÍN-VERAS und JARA-DÍAZ entnommen, vgl. HOLGUÍN-VERAS, J.; JARA-DÍAZ, S. (1999), S. 83.

528

Vgl. KRISHNA, V. (2002), S. 171ff.

529

Vgl. hierzu u.a. HENESEY, L. (2004), S. 127- 145.

530

Vgl. HENESEY, L. (2004), S. 127- 145.

531

Vgl. LAUX, H.; LIERMANN, F. (2005), S. 194.

Planung in Container-Terminals

137

Abschnitt sollen Interdependenzen, die zwischen Teilproblemen von CT-Prozessen vorliegen, aufgedeckt und als Grundlage für das zu entwickelnde Modell genutzt werden, mit dem sich der Einfluss von Wirkungen dieser Teilbereiche untereinander quantifizieren lässt. Die Integration von BAP und CSP wird u.a. von MEISEL und BIERWIRTH aufgezeigt.532 Die Autoren entwerfen eine übergreifende und ressourcenorientierte Zielfunktion, über die die beiden Entscheidungsbereiche koordiniert werden. Dieser Koordinationsansatz entspricht der von ADAM

ET AL.

beschriebenen Koordination über Führungsgrundsätze mit

impliziten Normen.533 Mit den untersuchten Verfahren zeigen die Autoren sehr gute Ergebnisse für die Problemstellung auf. Sie weisen auf die Bedeutung der Koordination zwischen BAP und CSP hin und zeigen wechselseitige Abhängigkeiten auf. Dennoch bietet diese Methode der Modellintegration einen Nachteil. Das Modell ist, wie auch ein Modell von PARK und KIM534, speziell für diese zusammenhängende Problemstellung aufgestellt worden. Auch deshalb zeigen die darauf abgestimmten Methoden gute Ergebnisse. Es darf trotzdem nicht außer Acht gelassen werden, dass nun zwar eine wichtige Interdependenz Berücksichtigung findet, noch immer bestehen jedoch Abhängigkeiten zwischen Problemstellungen des Terminals, die keine Berücksichtigung finden. Eine erneute Modellerweiterung ist unter keinen Umständen trivial. Genau dies ist aber erforderlich, wenn Schwachstellen bestehender Modelle entfernt werden sollen. Die Liegeplatzplanung beeinflusst die Containerbrückenplanung, weil sich die Brücken535 zum geplanten Zeitpunkt an dem geplanten Ort und in der richtigen Anzahl befinden müssen, um das Schiff so schnell wie möglich abzufertigen. Genau umgekehrt wirkt die Containerbrückenplanung auf den Liegeplatzplan, weil erst hier die tatsächlich benötigte Zeit für die Bearbeitung der Schiffe determiniert wird. Weicht die Bearbeitungszeit von der in der Liegeplatzplanung angenommenen Größe ab, dann basiert diese Planung auf einer falschen Grundlage.

532

Vgl. MEISEL, F.; BIERWIRTH, C. (2005).

533

Vgl. Kapitel 2.3.3.5.

534

Vgl. PARK, Y.; KIM, K. H. (2003).

535

Verkürzt wird teilweise von einer Brücke statt von Containerbrücken gesprochen.

138 Im Fall sequenzieller Koordination, wie von ZHANG

Planung in Container-Terminals ET AL.

aufgezeigt, findet dieser Ein-

fluss keine Berücksichtigung, weil kein Rücklauf der Informationen vorgesehen ist. Es existieren weitere Interdependenzen im CT. In Kapitel 3.2.2.1 wurde das Modell zur Liegeplatzplanung von MOORTHY und CHUNG-PIAW angesprochen, das einen Bezug zur Yardplanung herstellt.536 Die Operationszeit der Containerschiffe ist nicht allein abhängig von der Anzahl der Containerbrücken, die an den Schiffen operieren, sondern auch von der Entfernung, die die Yard-Transporter in das Containerlager zurücklegen müssen. Bei schlechter Organisation muss die Containerbrücke ihre Arbeit unterbrechen, weil kein Transportfahrzeug für den Container zur Verfügung steht. Wartezeiten an den Containerbrücken behindern den Prozessablauf und wirken auf die in der Liegeplatzplanung eingesetzten Operationszeiten. Während die Wartezeit eine Qualität der Leistung des Terminals beschreibt, handelt es sich bei der Distanz, die die Transporter zurücklegen müssen, um eine Kennzahl, die auf die Kosten des Terminals wirkt. BIETHAHN, MEIER und KLETTNER führen im Rahmen der Analyse von Interdependenzen zwischen Entscheidungsproblemen von CTs an, dass der Terminal einen Prozess beschleunigen kann, indem Container auf den kurzfristig günstigsten Positionen in dem Yard gelagert werden.537 Im Anschluss daran werden jedoch aufwändige Reorganisationsmaßnahmen notwendig. BAP und SLP beeinflussen sich gegenseitig, weil sich gemeinsam aus den Ergebnissen ihrer Planung die Transportdistanz ergibt, die auf die Operationszeit wirkt. Wie auch für den Zusammenhang zwischen BAP und CSP findet diese Interdependenz in einem sequenziellen Modell keine Berücksichtigung. Weiterhin sind wechselseitige Abhängigkeiten zwischen VDP und CSP sowie VDP und SLP zu nennen. Zusammen mit der Positionierung der Container im Yard bilden die Entscheidungen der Liegeplatz- und Containerbrückenplanung die Datengrundlage für die Transportplanung.

536

Vgl. MOORTY, R.; CHUNG-PIAW, T. (2006).

537

Vgl. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006), S. 148- 151.

Planung in Container-Terminals

139

Mit diesen Ergebnissen werden die Start- und Zielpunkte der Containertransporte festgelegt.538 Das Crane Scheduling Problem determiniert, wann und wo eine Containerbrücke eingesetzt wird. Daraus ergibt sich der konkrete Bedarf für den Containertransport und beeinflusst so die Transportplanung. Für die Bearbeitung einer Bay werden in der Containerbrückenplanung konstante Zeiten angenommen. Konkret werden diese jedoch von der Bearbeitungszeit der Transporter determiniert. Dieser Zusammenhang wird von BÖSE ET AL. im Rahmen der Transportplanung untersucht.539 Die Transportplanung bestimmt die Zeitpunkte, wann ein Container im Yard zu platzieren bzw. aus diesem zu holen ist. Somit besteht auch zwischen CSP und SLP eine wechselseitige Abhängigkeit, die in sequenziellen Modellen keine Berücksichtigung findet. Nachdem in Kapitel 2.1.3 systemtheoretische Grundlagen gelegt wurden und in Kapitel 3.2 Modelle der CT-Planung im Detail vorgestellt werden konnten, kann nun in diesem Abschnitt darauf aufbauend die für diese Arbeit relevante Definition eines Planungssystems gegeben werden. Unter einem Planungssystem ist ein strukturiertes Gefüge einzelner Elemente der Planung zu verstehen. Das Planungssystem umfasst das Zielsystem und das Restriktionssystem sowie Methoden, um das Entscheidungsmodell zu lösen. Mit Hilfe eines Instanzsystems werden die Instanz, bzw. die Instanzen der konkreten Problemstellung bereitgehalten. Das folgende Kapitel greift die vorgestellten Ausführungen auf. Es werden zunächst relevante Trends beleuchtet, die zukünftige Anforderungen für den Terminal kennzeichnen. Es ist dann ein Blick auf die Modellbildung zu werfen, um die Leistungen und auch die Grenzen bestehender Ansätze herausstellen zu können. Dieser Untersuchung folgt die Darstellung resultierender Implikationen, die Ansatzpunkte für die Gestaltung eines Modells aufzeigen soll, das die Stärken bestehender Modelle aufgreifen kann und mit dem sich Schwachstellen reduzieren lassen.

538

Dem VDP kommt deshalb eine integrierende Funktion im übergreifenden Modell zu.

539

Vgl. BÖSE, J. et al. (2000).

Leistung und Grenzen bestehender CT-Modelle

141

4 Leistung und Grenzen bestehender CT-Modelle Nachdem in den vorangegangenen beiden Kapiteln die Grundlagen logistischer Systeme und Prozesse umfassend vorgestellt und im Rahmen der Einordnung von Container Terminals der aktuelle Stand der Entwicklung in diesem Forschungsbereich aufgezeigt werden konnte, sollen in diesem Kapitel die damit verbundenen Grenzen bestehender Ansätze herausgearbeitet werden. Dafür ist es erforderlich, den Blick auf die wesentlichen Trends zu werfen, um zukünftigen Anforderungen mit den richtigen Methoden begegnen zu können. Im Anschluss daran sollen die besondere Leistung und die Grenzen bestehender Modelle herausgearbeitet sowie resultierende Implikationen vorgestellt werden. So wird ein Weg für die sich anschließenden Kapitel gelegt, in denen die notwendigen Ansätze entwickelt, implementiert (Kapitel 5) und getestet werden (Kapitel 6).

4.1 Zusammenfassung wesentlicher Trends Bereits in den Kapiteln 1 und 3 wurden das starke Wachstum des containerisierten Verkehrs und dessen Bedeutung für die gesamte Volkswirtschaft angesprochen. Politik und Wirtschaft sind gemeinsam für die Sicherstellung der Standortqualität verantwortlich. In diesem Abschnitt sollen Trends zusammengefasst werden, die die Grundlage für diese Arbeit bilden. Das stark anhaltende Nachfragewachstum nach logistischen Leistungen zwingt die CTBetreiber zur Verbesserung ihrer Prozesse, um die wachsende Nachfrage befriedigen und um zusätzliche Gewinne realisieren zu können. Es wurde bereits festgestellt, dass zukünftige Verbesserungen maßgeblich von der Optimierung der Prozesse abhängig sind, weil sich die Kapazitäten des Terminals nur begrenzt erweitern lassen.540 Auch die zunehmende Konkurrenz zwischen den CT-Betreiberunternehmen fördert das Streben nach einer Optimierung der Prozesse im Hafen.541

540

Dieses Problem führt auch zu höheren Anforderungen bzgl. der Lagerung der Container.

541

Vgl. SAANEN, Y. A. (2004), S. 6- 15 und STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 5.

142

Leistung und Grenzen bestehender CT-Modelle

Insbesondere der Einsatz und die Weiterentwicklung von Informationssystemen haben die Durchsetzung neuer Technologien erst ermöglicht. Änderungen am Status eines Containers können innerhalb kurzer Zeit zwischen den Parteien kommuniziert werden. Als Beispiel sind die Informationen über den Stauplan eines Schiffes zu nennen, die für die effiziente Gestaltung der Operationen am CT von wesentlicher Bedeutung sind.542 Auch die für diese Arbeit einzusetzenden Optimierungsmethoden umfassen insbesondere rechenintensive Verfahren, die ohne den Einsatz moderner Informationssysteme nicht zum Einsatz kommen könnten. SAANEN behandelt insbesondere die Fragestellung zur Gestaltung (voll-)automatisierter Terminals mit dem Ziel, weiteres Potential für die Prozessoptimierung zu eröffnen. Er führt an, dass bisher lediglich in Rotterdam und Hamburg wesentliche Schritte hinsichtlich der Automatisierung durchgeführt worden sind, obwohl hohe Personalkosten auch in anderen Städten und Ländern Druck auf die CT-Betreiber ausüben.543 Mit Blick auf den in Kapitel 3.2 gegebenen Überblick zur Optimierung von CT-Prozessen werden zwei unterschiedliche Forschungsstränge deutlich, die in der wissenschaftlichen Literatur diskutiert werden: 1. Die Ausgestaltung und Entwicklung isolierter Modelle im Zusammenhang mit der Suche nach immer besseren und schnelleren Verfahren. 2. Die Forschung nach koordinierenden Ansätzen, nach der der CT als Gesamtprozess zu begreifen und auch als solcher zu optimieren ist. Obwohl die Notwendigkeit koordinierender Strukturen klar erkannt ist, befindet sich der Forschungsschwerpunkt noch immer in der Entwicklung isolierter Modelle.544

542

Die (elektronische) Kommunikation basiert auf internationalen Standards, z.B. EDIFACT. Vgl. STEEND.; VOß, S.; STAHLBOCK, R. (2004), S. 10f.

KEN, 543

Vgl. SAANEN, Y. A. (2004). Im Vergleich dazu ist der Schwerpunkt dieser Arbeit nicht auf die Automatisierung von Terminals gerichtet, sondern auf das Potential, das sich aus der Koordination interdependenter Planungssysteme eröffnet.

544

Diese Aussage verdeutlicht sich mit Hilfe des in Kapitel 3.2 gegebenen Literaturüberblicks; ein Blick auf Quellen, die die wissenschaftliche Literatur in diesem Bereich zusammenfassen, bestätigt ebenfalls diese Aussage, vgl. hierzu STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004) und die aktualisierte Fassung, insb. mit Blick auf die Aussagen zur Modellintegration in STAHLBOCK, R.; VOß, S. (2007), S. 33- 40. Allgemein für die Logistik bestätigt PFOHL die Notwendigkeit einer koordinierenden Struktur für vorrangig isoliert betrachtete Teilprobleme. Vgl. PFOHL, H. C. (2004), S. 16ff sowie Kapitel 2.1.2.

Leistung und Grenzen bestehender CT-Modelle

143

Diese Arbeit findet sich im zweiten Forschungsstrang wieder. Gerade aktuelle wissenschaftliche Literatur erkennt und formuliert die Notwendigkeit einer koordinierenden Struktur. Ansätze hierfür unterscheiden sich jedoch noch immer maßgeblich. STAHLBOCK und STEENKEN zeigen im Rahmen ihres Überblicks die Entwicklung integrierender und koordinierender Modelle auf. Dabei finden sich hier vor allem drei unterschiedliche Ansätze wieder: 1. Analytische Methoden 2. Simulationsbasierte Methoden 3. (Multi-)Agentenbasierte Methoden In dieser Arbeit wird das Potential agentenbasierter Methoden untersucht. Der Vergleich mit verfügbaren Ansätzen zeigt dabei Unterschiede mit dem in dieser Arbeit entwickelten Modell.545

4.2 Leistung und Grenzen isolierter Modelle In diesem Abschnitt sollen die in dem vorangegangenen Kapitel vorgestellten Modelle übergreifend untersucht werden. Es ist auf die Leistung bestehender Modelle einzugehen, und gleichzeitig sind Grenzen dieser Modelle aufzuzeigen, um so einen Ansatz entwickeln zu können, der existierende Stärken unterstreicht und Schwächen zu mindern in der Lage ist. Hierfür ist zunächst der Planungsprozess zu untersuchen, wie er derzeit in der Praxis durchlaufen wird.546 Die folgenden Zitate belegen die bislang in der Praxis dominierende Vorgehensweise für die Behandlung von CT-Entscheidungen. Bereits 1989 zeigt DAGANZO auf:

545 546

Vgl. insbesondere die in Kapitel 3.2.6 vorgestellten multiagentenbasierten Modelle.

Es ist darauf hinzuweisen, dass hier nur der abstrakte Rahmen vorgestellt werden kann, wie er in der Literatur zu finden ist. Die konkreten Abläufe innerhalb eines Terminals können von diesem Prozess abweichen, vor allem weil menschliche Experten die Entwicklung konsistenter Pläne überwachen.

144

Leistung und Grenzen bestehender CT-Modelle „These [CSP-] decisions are based on the cumulative experience of the decision maker, complemented perhaps with various rules of thumb that prevail in the industry.”547

Unter Berücksichtigung der Vielzahl aufgezeigter Modelle und ihrer Entwicklungen im vorangegangenen Kapitel könnte vermutet werden, dass dieses Vorgehen mit dem Einsatz moderner IT-Systeme heute keine beherrschende Stellung mehr einnimmt. Das Gegenteil deuten KIM und MOON in einem Artikel von 2003 an. Die Autoren führen für das Berth Allocation Problem an: „Port managers usually schedule the usage of berths by an intuitive trial-and-error method supported by a schedule board or a graphic-user-interface in a computer system.”548 Mit der Aussage zeigen die Autoren, dass menschliche Entscheidungsträger automatisierten Entscheidungen von IT-Systemen noch immer skeptisch gegenüberstehen. IT-Systeme kommen lediglich unterstützend, nicht aber zur Entscheidung zum Einsatz. Weiterhin beherrschen intuitive Methoden die Entscheidungsfindung. Die Begründung dafür liegt in der Komplexität der Entscheidungen. In den vorangegangenen Kapiteln konnte gezeigt werden, dass die Modellbildung keinesfalls trivial ist und noch immer nicht alle relevanten Aspekte abgebildet werden können. Um überhaupt Ansatzpunkte für die Strukturierung zu finden, liegt der bisherige Forschungsschwerpunkt auf isolierten Modellen. LIU, WAN und WANG zeigen, wie diese Teilprobleme in der Praxis zusammengesetzt werden: „Such hard problems motivate practitioners to formulate the problems hierarchically and solve them sequentially”.549 Die Dekomposition stellt ein Instrument zur Komplexitätsreduktion dar, die sich hierarchisch gestalten lässt.550 Die hierarchische Planung stellt einen Kompromiss aus zentraler

547

DAGANZO, C. F. (1989), S. 160.

548

KIM, K. H.; MOON, K. C. (2003), S. 541.

549

LIU, J.; WAN, Y.; WANG, L. (2006), S. 60. Es ist dabei anzumerken, dass dieser Prozess von einem menschlichen Experten überwacht wird, der bei einem Problem korrigierend eingreifen kann.

550

Vgl. SAANEN, Y. A. (2004), S. 83f.

Leistung und Grenzen bestehender CT-Modelle

145

und dezentraler Planungsphilosophie dar. Von BLOECH ET AL. wird angegeben, dass in der Praxis eine weitgehend rückkopplungsfreie Sukzessivplanung vorherrscht.551 Diese Aussage bestätigt sich mit der Darstellung von LIU, WAN und WANG für die konkrete Planung von CT-Prozessen.552 Die Modellbildung für Teilbereiche durch Abstraktion und Vereinfachung realer Merkmale und Zusammenhänge einer Planungssituation führt jedoch vorsätzlich zu „Fehlern“.553 Wie im Rahmen von Kapitel 2.3.3 aufgezeigt werden konnte, umfasst die Sukzessivplanung Nachteile, die die Qualität der Lösung insgesamt beeinflussen.554 Aus diesem Grund erscheint es sinnvoll, neben einer rein sequenziellen Synthese der Teilprobleme, auch andere Koordinationsinstrumente für diese Problemstellung zu untersuchen. Auch SAANEN bestätigt, dass die nicht ganzheitliche Gestaltung von CT-Prozessen die Existenz von Systemkomponenten hervorruft, die nicht zusammenpassen und so suboptimale Lösungen stärken.555 Unter Berücksichtigung der Phasen der Planung nach BEA, FRIEDL und SCHWEITZER (Kriterien 1-5), ergänzt durch die von MÜLLER-MERBACH im Rahmen der schematischen Vorgehensweise für die Planung mit mathematischen Methoden genannten Kriterien (Kriterien 6-8)556, sollen die in Kapitel 3.2 vorgestellten und implementierten Entscheidungsmodelle untersucht werden.557 Hinzu kommt das Kriterium DATEN, das beschreibt, auf welcher Datengrundlage die Problemstellung getestet wurde.

551

Vgl. BLOECH, J. et al. (2008), S. 119.

552

Vgl. Kapitel 4.2. Diese Aussage wird weiterhin von VACCA, I.; BIERLAIRE, M.; SALANI, M. (2007), S. 18 für das Management von CT-Prozessen unterstützt.

553

Vgl. ADAM, D. et al. (2004), S. 6. Konkret zeigt die Behandlung einheitlicher Container ein Beispiel für die Vereinfachung von Merkmalen auf. Die Vernachlässigung von Interdependenzen zeigt die Vereinfachung von Zusammenhängen in einer Planungssituation. Ausführlich werden diese Punkte in Kapitel 3.2 diskutiert. Ein allgemeines Beispiel stellt die funktionale Zerlegung des Unternehmens in die Teilprobleme Beschaffungs-, Produktions- und Absatzplanung u.a. dar, die für sich isoliert optimiert werden.

554

Die Sukzessivplanung wird in dieser Arbeit synonym mit sequenzieller Planung verwendet, weil das sukzessive Durchlaufen mehrerer Planungssysteme eine Sequenz darstellt.

555

Vgl. SAANEN, Y. A. (2004), S. 89.

556

Vgl. Kapitel 2.2.1.

557

Stellvertretend für ihre Problemstellung werden die implementierten Modelle untersucht: Für das Berth Allocation Problem, vgl. Kapitel 3.2.2.2, für das Crane Scheduling Problem, vgl. Kapitel 3.2.3.2, für das Storage Location Problem, vgl. Kapitel 3.2.4.2 sowie für das Vehicle Dispatching Problem, vgl. Kapitel 3.2.5.2.

146

Leistung und Grenzen bestehender CT-Modelle

Die folgende Tabelle deckt die besondere Leistung der Modelle, aber auch deren Grenzen im Rahmen ihrer Entwicklung auf.

1) Problemfeststellung 2) Zielbildung 3) Alternativensuche 4) Prognose 5) Bewertung und

BAP

CSP

SLP

VDP

ja

ja

ja

ja

eingeschränkt

eingeschränkt

ja

ja

ja

ja

ja

ja

entfällt

entfällt

entfällt

entfällt

ja

ja

ja

ja

nein

nein

nein

nein

ja

ja

nein

ja

nein

nein

eingeschränkt

nein

realistisch

realistisch

zufällig

zufällig

generiert

generiert

(Hong Kong)

(ohne Angabe)

Entscheidung 6) Berücksichtigung von Beziehungen im Modellierungsprozess 7) Konstruktion einer Lösungsmethode 8) Übertragung und Kontrolle

9) Daten

Tabelle 4-1: Untersuchung bestehender Modelle

In allen vier untersuchten Bereichen wurde das jeweilige Problem herausgearbeitet und als mathematisches Programm exakt formuliert. Die Zielbildung wird für BAP und CSP als eingeschränkt beurteilt, weil die gezeigten Ansätze Schwächen aufzeigen.558 Alternativen werden analysiert, und es können in allen Systemen eine Bewertung und Entscheidung

558

Vgl. hierzu die in den Kapiteln 3.2.2.3 und 3.2.3.3 aufgeführten Kritikpunkte zu den Modellen.

Leistung und Grenzen bestehender CT-Modelle

147

vorgenommen werden.559 Die Prognose entfällt, weil in keinem der betrachteten Probleme Stochastizitäten berücksichtigt werden.560 Im Rahmen der Modellierung werden Beziehungen zu anderen Modellen lediglich angesprochen, finden jedoch keine Berücksichtigung. Die daran folgende Modellkonstruktion basiert demnach auf dieser vereinfachten Grundlage. Für jede der eingesetzten Problemstellungen können Lösungsmethoden in der Literatur gefunden werden.561 Die nachfolgenden Schritte der Übertragung der Ergebnisse und deren Kontrolle sind zumindest in den untersuchten Artikeln und der nachfolgenden Literatur nicht dokumentiert. Von allen Autoren werden vor Übertragung weitere notwendige Untersuchungen angekündigt. Allein ZHANG

ET AL.

geben an, dass, aufbauend auf den gezeigten Ergebnissen dieses Modells,

nun die Betrachtung der Zuordnung der Container innerhalb des Blocks erfolgen soll.562 Die untersuchte Datengrundlage zeigt, dass die untersuchten Modelle bislang vorrangig in theoretischer Umgebung zum Einsatz kommen. Der Begriff PLANUNGSPROZESS ist für diese Arbeit von besonderer Bedeutung. Dieser Prozess lässt sich in die in Kapitel 2.2.1 angesprochenen und in Tabelle 4-1 untersuchten Phasen nach BEA, FRIEDL und SCHWEITZER zerlegen. Zugleich bietet es sich an, im Rahmen der Planung von CT-Prozessen von einem Planungsprozess zu sprechen. Dabei sind die isoliert vorgestellten Planungssysteme für die

559

Vgl. Kapitel 2.2.1 und die Stellung der Planung im Führungsprozess des Unternehmens, BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005), S. 51.

560

Aus dieser Perspektive zeigt sich, dass die Nicht-Berücksichtigung von Stochastizitäten für alle Modelle als Instrument zur Komplexitätsreduktion eingesetzt wird. Die Vernachlässigung stellt eine Annahme dar, die als Kritikpunkt in allen vier untersuchten Problemstellungen zu nennen ist. Vgl. die entsprechenden Abschnitte in Kapitel 3.2.

561

Von ZHANG ET AL. wird keine Lösungsmethode für das SLP entwickelt. Die Autoren setzen zur Lösung das kommerzielle Tool CPLEX ein, vgl. ZHANG, C. et al. (2003), S. 898ff und auch ILOG (2007). Für die Zuordnung der Container im ersten Teil des SLP lässt sich von MURTY ET AL. eine Methode finden, vgl. MURTY, K. G. et al. (2005), S. 321- 323. Zur Lösung des klassischen Transportproblems sind in der Literatur hinreichend Methoden bekannt.

562

Aus diesem Grund ist das Kriterium ÜBERTRAGUNG in der Tabelle als eingeschränkt gekennzeichnet.

148

Leistung und Grenzen bestehender CT-Modelle

Konstruktion eines gültigen Planes, der alle Tätigkeiten der am CT beteiligten Entities umfasst, in einem Prozess zu durchlaufen.563 Um den Begriff nicht mehrdeutig zu belegen, sind deshalb beide Perspektiven näher zu betrachten. Die zweite prozessorientierte Definition des Planungsprozesses behandelt lediglich die Alternativensuche als Phase der Planung in der umfassenden Perspektive nach BEA, FRIEDL und SCHWEITZER. Implizit wird für diese Definition unterstellt, dass die übergreifende Problemstellung bekannt und ein übergreifendes Zielsystem existent ist. Die Phasen des Planungsprozesses in der Betrachtung von BEA, FRIEDL und SCHWEITZER finden sowohl im Rahmen der Planung der isoliert betrachteten Subsysteme Anwendung,564 als auch im Rahmen der Synthese dieser Subsysteme zu einer übergreifenden Lösung. Beide Darstellungen des Planungsprozesses stellen keinen Widerspruch dar.565 Im Folgenden ist unter dem Planungsprozess der Prozess der Wiederherstellung der Teilprobleme zu einer Gesamtlösung zu betrachten, dem implizit die Existenz notwendiger Elemente der Planung nach der umfassenden Definition unterstellt wird. Das CT-Management muss u.a. diesen Planungsprozess definieren und überwachen. Für die isoliert optimierten Teilprobleme muss gewährleistet werden, dass im Rahmen ihrer Synthese ein gültiger und möglichst gut abgestimmter Gesamtplan für alle am CT ablaufenden logistischen Prozesse entstehen kann. Bislang kann für das (übergreifende) Management von CT-Prozessen jedoch keinesfalls von einer gut strukturierten Problemstellung gesprochen werden. Aus diesem Grund sollen

563

Diese Definition eines Planungsprozesses orientiert sich an der Definition für einen Geschäftsprozess nach HANSEN und NEUMANN: „Ein Geschäftsprozess besteht aus einer Menge miteinander verknüpfter Aktivitäten, welche in einer bestimmten Reihenfolge ausgeführt werden, um ein festgelegtes Ziel zu erreichen.“ Die verschiedenen Aktivitäten können sequenziell und/oder parallel gestartet und ausgeführt werden. Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 233. Die Planung von CT-Prozessen kann als Menge miteinander verknüpfter Planungssysteme begriffen werden, die sequenziell zu durchlaufen sind. Die angegebene Definition soll deshalb als prozessorientiert bezeichnet werden.

564 565

In Tabelle 4-1 werden diese Phasen für die isolierten Teilprobleme untersucht.

Die beiden Definitionen des Planungsprozesses resultieren aus unterschiedlichen Ansatzpunkten: BEA, FRIEDL und SCHWEITZER identifizieren die Elemente der Planung (hier: Zielbildung, Problemfeststellung, …), während die zweite Definition bei den Elementen (hier: Planungssysteme [BAP, CSP, SLP und VDP]) des untersuchten Prozesses ansetzt.

Leistung und Grenzen bestehender CT-Modelle die in Kapitel 2.3.1 von ADAM

ET AL.

149

genannten Kriterien herangezogen werden, um zu

beurteilen, ob wenigstens die Teilprobleme strukturiert vorliegen. BAP

CSP

SLP

VDP

Wirkungsdefekte

behoben

behoben

behoben

behoben

Bewertungsdefekte

behoben

behoben

behoben

behoben

Zielsetzungsdefekte

behoben

behoben

behoben

behoben

Lösungsdefekte

behoben

behoben

behoben

behoben

Tabelle 4-2: Defektanalyse in CT-Modellen

Für jedes der untersuchten Teilprobleme konnte jede der untersuchten Defektarten behoben werden. Es kann deshalb - für den isolierten Fall - von einer gut strukturierten Problemstellung gesprochen werden. Von ADAM wird festgestellt, dass Planung in strukturierten Problemen zu einer reinen Rechenaufgabe degeneriert.566 Die Vielzahl unterschiedlich formulierter Modelle deutet aber auf strukturdefekte Situationen hin.567 Der Auswahl der richtigen Problemstellung für den Planungsprozess kommt deshalb eine wichtige Rolle zu.568 Es ist somit festzuhalten, dass die wissenschaftliche Leistung der untersuchten CTEntscheidungsprobleme bislang vor allem in der Strukturierung strukturdefekter Probleme liegt.569 Zudem konnten für diese Modelle gute Lösungsmethoden vorgestellt werden. PFOHL stellt allgemein für die Logistik heraus, dass für isoliert betrachtete Teilprobleme gute Lösungsverfahren existieren und nennt als Beispiel u.a. die Touren- und auch die Lagerplanung.570 Diese Aussage kann nun für CT-spezifische Teilprobleme bestätigt werden. Weiterhin hebt PFOHL allgemein für die Logistik hervor, dass der Koordinationsfunktion

566

Vgl. ADAM, D. (1996), S. 9.

567

Vgl. Kapitel 2.3.1. Dies wird deutlich, weil unterschiedliche Planer zu unterschiedlichen Ergebnissen im Strukturierungsprozess kommen. Die Literaturuntersuchung zeigt aber, dass die Modelle der einzelnen Teilbereiche und insbesondere die verwendeten Modelle bereits gut entwickelt sind, vgl. Kapitel 3.2.

568

Es ist eine wesentliche Aufgabe des CT-Managements zu klären, welches die richtigen Aufgaben in der Prozessgestaltung sind.

569

Diese Strukturierung gehört zu den schwierigsten Problemen des OR, vgl. hierzu die Ausführungen in Kapitel 2.3.1.

570

Vgl. PFOHL, H. C. (2004), S. 16ff sowie die Ausführungen hierzu in Kapitel 2.1.2.

150

Leistung und Grenzen bestehender CT-Modelle

eine wachsende Bedeutung zukommt. Konkret nennen STEENKEN, VOß und STAHLBOCK u.a. diese Anforderung auch für den CT-Bereich.571 Genau hier zeigen die vorgestellten Modelle bislang jedoch eine Schwachstelle. Im Wesentlichen werden isolierte Entscheidungsprobleme des Terminals behandelt und Beziehungen zu anderen Bereichen vernachlässigt. Zur Planung gehört die Berücksichtigung komplexer Zusammenhänge im Unternehmen. Nach ADAM muss die Planung alle Bereiche des Unternehmens und deren Beziehungen zueinander abbilden und koordinieren.572 MEIER und FISCHER weisen für den konkreten Fall eines fiktiven CT nach, dass die sequenzielle Koordination unerwünschte Effekte im Gesamtergebnis des Terminals zeigen kann.573 Aus diesem Grund ist es erforderlich, Methoden zu untersuchen, mit denen es möglich ist, die Teilbereiche des Terminals zu koordinieren. Nach der Diskussion der Leistung und der Grenzen bestehender CT-Modelle sollen in dem folgenden Abschnitt die Implikationen für die Gestaltung eines umfassenden Modells erarbeitet werden, mit denen es möglich ist, bestehende Schwächen zu mindern und Stärken bestehender Ansätze auszubilden.

4.3 Implikationen In der Literatur wird gehäuft der Bedarf an intelligenten Methoden zur Prozesskoordination angesprochen.574 Kenntnisse über die Strukturen zu lösender Probleme lassen sich bei der Entwicklung intelligenter Methoden nutzen. Die steigende Forschung nach geeigneten Methoden und Modellen in der (CT-)Logistik hat zu einem besseren Verständnis der Probleme und ihrer Eigenschaften geführt. Auch die wesentlichen Beziehungen der Problemstellungen untereinander sowie die zu verfolgenden Zielsetzungen und ihre Konflikte sind bekannt.575

571

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 36. Diese Forderung wird in dem später aktualisierten Überblick nochmals unterstrichen, vgl. STAHLBOCK, R.; VOß, S. (2007).

572

Vgl. ADAM, D. (1996), S. 3.

573

Vgl. MEIER, L.; FISCHER, H. (2006).

574

Vgl. STAHLBOCK, R.; VOß, S. (2007), S. 40- 42. Zudem PFOHL, H. C. (2004), S. 16ff, SAANEN, Y. A. (2004), S. 80f und auch HENESEY, L. (2004), S. 78ff.

575

Vgl. hierzu die Ausführungen in Kapitel 4.2.

Leistung und Grenzen bestehender CT-Modelle

151

Auf diesem Stand der Forschung können neue und intelligente Methoden ansetzen. Intelligente Methoden müssen in der Lage sein, robuste Lösungen zu generieren, die einer Veränderung der Umwelt standhalten. Umwelteinflüsse können beispielsweise der Ausfall einer Containerbrücke, aber auch veränderte gesetzliche Rahmenbedingungen darstellen, auf die der CT flexibel reagieren muss.576 Jede Planungsebene kann von diesen Einflüssen betroffen sein. Eine zentrale Schwäche, die im vorangegangenen Abschnitt identifiziert werden konnte, ist die Vernachlässigung von Beziehungen zwischen den isolierten Modellen. SAANEN führt an, dass insbesondere für (hoch-)effiziente Logistikprozesse die Kooperation von Hard- und Software des Terminals optimal abgestimmt sein muss. Diese Kooperation muss in einer hoch dynamischen und nicht bzw. schwer prognostizierbaren Umgebung erfolgen.577 Mit Kapitel 3.2 konnte zudem erheblicher Koordinationsbedarf für die isoliert betrachteten Planungssysteme des CT nachgewiesen werden. In genau dieser Domäne scheint der Einsatz multiagentenbasierter Systeme sehr gut geeignet. Das Potential für den Einsatz von MAS in der Transportlogistik wird in der Literatur als hoch eingestuft. Dennoch existieren bislang nur wenige einsatzfähige Anwendungen.578 Multiagentensysteme bieten die Möglichkeit, mehrere sich gegenseitig beeinflussende und autonom agierende Systeme in einer gemeinsamen Umgebung zu untersuchen. Insbesondere ist es für diese Systeme nicht erforderlich, bereits im Rahmen ihrer Entwicklung auf andere Systeme einzugehen. Die isoliert entworfenen und gut strukturierten Entscheidungsmodelle der Literatur lassen sich demnach als Teil des Planungssystems eines Agenten in die Umgebung des Multiagentensystems einsetzen. Die in einem Planungssystem erzielten Ergebnisse beeinflussen die in der Umgebung situierten Agenten. Die Organisationsstruktur des CT kann erhalten

576

Beispielsweise haben die Anschläge vom 11. September 2001 zu einer massiven Veränderung der Sicherheitspolitik auf Seiten der USA geführt.

577

Vgl. SAANEN, Y. A. (2004), S. 21ff.

578

Vgl. DAVIDSSON, P. et al. (2005), S. 5ff und auch die Kriterien für den Einsatz von MAS in WOOLDRIDM. J. (2005), S. 225f. Auch konkret für integrierte Ansätze in der CT-Logistik wurden mit den Ansätzen von HENESEY und REBOLLO ET AL. gute Ergebnisse erzielt, vgl. Kapitel 3.2.6. Diese Ansicht wird auch von STAHLBOCK und VOß geteilt. Vgl. STAHLBOCK, R.; VOß, S. (2007), S. 39f. GE,

152

Leistung und Grenzen bestehender CT-Modelle

bleiben und in ihrer bestehenden Form auf das Modell übertragen werden. Die Interpretation der Ergebnisse wird dadurch erleichtert. Vorteil ist, dass sich mit den vorhandenen Modellen und Methoden weiterarbeiten lässt. Diese müssen nicht verworfen, bzw. aufgrund mangelnder Schnittstellen umständlich restrukturiert werden. Zur Lösung von CT-Problemstellungen sind Methoden bekannt, mit denen sich gute bzw. sogar optimale Lösungen erzielen lassen.579 Für die Kooperation von Agenten in einem Multiagentensystem ist die BenevolenceAnnahme nicht erforderlich.580 Die unabhängig voneinander entworfenen Agenten können durchaus unterschiedliche und konfliktäre Ziele verfolgen.581 Es sind damit alle Voraussetzungen für ein Modell zur Koordination interdependenter Planungssysteme in der CT-Logistik gegeben. Im Folgenden ist deshalb aufzuzeigen, welche Elemente die Gestaltung eines Koordinationsmodells umfassen muss. Ein Koordinationsmodell beschreibt in dieser Arbeit den Ablauf des Planungsprozesses in seiner prozessorientierten Definition. Die Definition des Ablaufs beeinflusst deshalb maßgeblich den Entscheidungsbaum im Rahmen der Alternativensuche. In Abhängigkeit von dem Koordinationsmodell könnten bereits mit der Aufstellung eines Entscheidungsbaumes gültige Alternativen von der Lösungsmenge ausgeschlossen worden sein. Im Fall einer sequenziellen Synthese der Ergebnisse der Planungssysteme ist der Ausschluss von Alternativen durchaus beabsichtigt, um die Komplexität der Synthese zu reduzieren.582 Aufgrund der Unterschiede bzgl. Komplexität und Struktur eines Lösungsraumes sind Methoden unterschiedlich für den Einsatz in bestimmten Problemstellungen geeignet.583 Diese

579

Vgl. Kapitel 3.2.

580

Vgl. Kapitel 2.4.2.

581

Dies ist insbesondere aufgrund der unabhängig und von verschiedenen Autoren entworfenen Modelle der Fall.

582 583

Vgl. hierzu die Aussage von LIU, WAN und WANG in Kapitel 4.2.

Beispielsweise zeigt sich, dass die Simplexmethode zur Lösung des Transportproblems zwar geeignet ist, aufgrund der speziellen Problemstruktur existieren aber Methoden, die das Problem deutlich schneller und ebenfalls optimal lösen können.

Leistung und Grenzen bestehender CT-Modelle

153

Suche nach geeigneten Methoden für Probleme der CT-Logistik ist ein Schwerpunkt bisheriger Forschung in diesem Bereich, wie die Darstellungen in Kapitel 3.2 belegen. Intelligente Methoden setzen bei der Analyse (und gezielten Filterung) hochkomplexer Entscheidungsbäume an, um eine gute Lösung zu finden.584 Im Rahmen des Multiagentensystems lässt sich das Verhalten unterschiedlicher Koordinationsmodelle simulieren. Die Ergebnisse dieser Simulation erlauben Rückschlüsse auf die Gestaltung des Planungsprozesses in Container-Terminals. Die folgende Tabelle zeigt die Planungsebenen der mit diesem System durchführbaren Experimente auf. Experiment

Planungsebene Methoden

taktisch

Parameter

strategisch

Methoden

taktisch

Parameter

strategisch

Methoden

operativ

Parameter

strategisch

Methoden

operativ

Parameter

taktisch

BAP

SLP

CSP

VDP

Koordination interdependenter Planungssysteme

strategisch-taktisch

Tabelle 4-3: Experimente des MAS und Planungsebene

Die Tabelle zeigt, dass die als Agenten in das Multiagentensystem eingesetzten Planungssysteme auf unterschiedlichen Planungsebenen ansetzen. Während es sich bei der Planung von Liegeplätzen und der Planung von Lagerplätzen in dem Yard für die Containergruppen um taktische Problemstellungen handelt, stellen die Containerbrückenzuordnung und die Transportplanung operative Entscheidungsprobleme dar. Die Analyse von Parametern dieser Modelle spielt sich im Wesentlichen auf der strategischen Planungsebene ab: Die Veränderung der Kailänge, die Erweiterung oder veränderte

584

Vgl. Kapitel 2.4. Ein Beispiel stellt die Suche nach einem geeigneten Zug in dem Entscheidungsbaum eines Schachspiels dar.

154

Leistung und Grenzen bestehender CT-Modelle

Anordnung des Yards und die Variation der Containerbrückenanzahl greifen massiv in die Potentiale des CT ein. Lediglich Entscheidungen bzgl. der Anzahl der Transportfahrzeuge sind auf taktischer Ebene zu betrachten, weil sich diese Anzahl auch mittelfristig und - im Vergleich zu den vorangegangenen Entscheidungen - mit erheblich geringerem Aufwand verändern lässt. Die Vorgabe eines Koordinationsmodells definiert den taktischen Rahmen für die Entscheidungsfindung. Unter der Annahme, dass dieser Rahmen die Leistungsfähigkeit und damit die Potentiale des CT maßgeblich beeinflusst und dass sich die hier getroffenen organisatorischen Entscheidungen nicht ohne erheblichen Aufwand rückgängig machen lassen, kann diese Entscheidung auch auf strategischer Ebene getroffen werden. Mit Hilfe der multiagentenbasierten Simulation lässt sich das Verhalten unterschiedlicher Koordinationsmodelle für den CT-Prozess simulieren. Klassische Koordinationsmethoden der Betriebswirtschaftslehre werden unterstützt und lassen sich modellgestützt validieren. Dieser Ansatz entspricht den Anforderungen, die aus der Untersuchung wissenschaftlicher Probleme in diesem Bereich aufgezeigt werden konnten. Gleichwohl wird der Bedarf zur Koordination interdependenter Planungssysteme nicht nur speziell für den CT-Bereich aufgezeigt, sondern auch allgemein für die Logistik erkannt. Somit bietet es sich an, auch andere Problemstellungen mit Hilfe eines Multiagentensystems zu untersuchen. Die unabhängig voneinander entworfenen Systeme können in dem MAS auch weiterhin unabhängig voneinander und mit individuellem Zielsystem optimiert werden. Es lassen sich neue Methoden einsetzen, wenn bekannt ist, dass diese zu besseren Lösungen führen. Entscheidungsmodelle lassen sich ersetzen, wenn bekannt ist, dass sich eine bestimmte Problemstellung dadurch besser abbilden lässt. Selbst Agenten werden austauschbar, wenn die ihnen zugewiesene Aufgabe nicht mehr in den Rahmen der Organisationsstruktur des CT passt. Das MAS bildet einen Rahmen um die sonst isolierten Systeme, so dass sich die Entscheidungen der in dieser Umgebung situierten Agenten wechselseitig beeinflussen.

Leistung und Grenzen bestehender CT-Modelle

155

Zur Implementierung von Multiagentensystemen kann auf vielfältige Ansätze zurückgegriffen werden.585 Der Einsatz eines verfügbaren MAS-Frameworks bietet den Vorteil, dass die technischen Aufgaben bereits weitgehend gelöst sind. So ist es bspw. möglich, Agenten in Rechnernetzen zu verteilen und über standardisierte Schnittstellen kommunizieren zu lassen. Das folgende Kapitel greift diese Anforderungen auf und stellt vor, wie sich ein multiagentenbasiertes Modell zur Prozesskoordination in Container-Terminals entwickeln lässt.

585

Diese Ansätze werden im Rahmen der Implementierung eines Multiagentensystems mit JADE in Kapitel 5.2 vorgestellt.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

157

5 Entwicklung eines multiagentenbasierten Modells zur CTProzesskoordination In diesem Kapitel sollen die in den vorangegangenen Kapiteln erarbeiteten Anforderungen in einem Modell abgebildet und mit Hilfe der Programmiersprache Java implementiert werden. Hierfür soll in Kapitel 5.1 das Container-Terminal Management Problem umfassend vorgestellt werden, bevor in Kapitel 5.2 auf die technische Realisierung der Problemstellung einzugehen ist. Der Einsatz des Modells erfolgt schließlich in Kapitel 6.

5.1 Das Container-Terminal Management Problem (CTMP) Um ein den aufgezeigten Anforderungen gerechtes Modell zu entwickeln, wurden aus der Vielzahl vorhandener isolierter Modelle diejenigen ausgewählt, die aufgrund ihrer Formulierung als besonders geeignet erscheinen und zudem die gefundenen Schnittstellen zu anderen Entscheidungsbereichen direkt enthalten. Im Folgenden wird ein Container-Terminal betrachtet, der Van Carrier für den Transport der Container einsetzt.

5.1.1 Modellbeschreibung und -architektur

Die Bezeichnung Container-Terminal Management Problem wird bereits von REBOLLO ET AL.

verwendet und bezeichnet dort, wie auch in dieser Arbeit, die komplexen Entschei-

dungsbereiche und deren Zusammenwirken im CT.586 Für den Begriff Softwarearchitektur führen HANSEN und NEUMANN an: Die Softwarearchitektur beschreibt die Struktur und die Interaktionsbeziehungen zwischen den verschiedenen Hauptkomponenten eines Informationssystems auf einem relativ grobgranularen („grobkörnigen“) Niveau. Die Softwarearchitektur bildet somit das Grobdesign eines Informationssystems.587 Die folgende Abbildung zeigt die Hauptkomponenten dieses Modells.

586

Vgl. REBOLLO, M. et al. (2000), S. 1.

587

HANSEN, H. R.; NEUMANN, G. (2005), S. 223.

158

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

CSP

BAP VDP

Agent wrappt Planungssystem vereinfachte sequentielle Koordination

SLP

Abbildung komplexer Zyklen

Abbildung 5-1: Komponenten des CTMP-Modells588

Das Ineinandergreifen von Bewegungs- und Lagerprozessen ist charakteristisch für Logistiksysteme, so dass sich dieses Zusammenspiel sehr gut als Netzwerk darstellen lässt.589 Das hier entwickelte Modell lässt sich als ein Logistiksystem begreifen, dessen Darstellung als Graph erfolgt. Ein Graph G besteht aus Knoten V und Kanten E. Jeder Knoten steht für ein Planungssystem, das von einem Agenten umhüllt wird. Kanten deuten auf eine Beziehung zwischen den Planungssystemen hin. In der vereinfachten Darstellung von ZHANG

ET AL.

werden

Kanten zur Reduktion der Komplexität aus dem Graphen entfernt. Aufgrund der Interdependenzen zwischen den Planungssystemen des Terminals erscheint diese starke Vereinfachung jedoch nicht angemessen. Das in Abbildung 5-1 dargestellte Modell berücksichtigt Beziehungen zwischen den Knoten, die in vorherigen Modellen keine oder nur unzureichende Beachtung gefunden haben.590 Je nachdem, über welche Knoten der Graph durchlaufen wird, sind den Agenten unterschiedliche Informationen bekannt, die für ihre Planung von Bedeutung sind. Das Durch-

588

Die in der Abbildung dargestellte, vereinfachte sequenzielle Koordination richtet sich nach der Struktur von ZHANG ET AL, vgl. hierzu Abbildung 3-4. Diese Abbildung des Informationsflusses ist fragwürdig, weil mit der Zuordnung von Containerbrücken (CSP) zunächst eine operative Fragestellung behandelt wird, bevor mit der Yardplanung (SLP) wieder eine taktische Problemstellung aufgegriffen wird. Weil sich CSP und SLP in dem Modell jedoch nicht direkt beeinflussen, ist die Reihenfolge ihrer Bearbeitung nicht von Bedeutung.

589

Vgl. PFOHL, H. C. (2004a), S. 5.

590

Die Interdependenzen zwischen den behandelten Planungssystemen werden in Kapitel 3.3 vorgestellt.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

159

laufen des Graphen bildet den Planungsprozess für das Container-Terminal Management Problem ab. Es lassen sich unterschiedliche Koordinationsmethoden simulieren. Dabei kommen grundsätzlich alle Kombinationen aus iterativem und sequenziellem Vorgehen aller Teilmengen des Graphen in Betracht.591 Die Agenten bleiben autonom agierende Spezialisten für ihre individuelle Problemstellung. In Kapitel 4.2 wurde festgestellt, dass die Gestaltung des Ablaufs der Planung im Rahmen der Alternativensuche allein nicht ausreichend sein kann. Es ist ein übergreifendes Zielsystem zu definieren, mit dem sich Konflikte sowohl zwischen Planungssystemen als auch innerhalb eines Planungssystems bewerten lassen. Die Gestaltung des Zielsystems ist Teil des folgenden Abschnitts. Die von WOOLDRIDGE aufgezeigten Instrumente zur Zusammenarbeit von Agenten finden sich in dieser Betrachtung wieder.592 Das CTMP behandelt die Synthese der in den vorangegangen Schritten des Cooperative Distributed Problem Solving zerlegten und isoliert behandelten Teilprobleme.593 Jeder Knoten in G verfügt über die Fähigkeit zur Lösung einer komplexen Problemstellung, die sich unabhängig von anderen Problemstellungen abbilden lässt. Dennoch verfügt keiner der Knoten über diejenigen Fähigkeiten, Ressourcen und Kenntnisse, die notwendig wären, um die gesamte Problemstellung allein lösen zu können.594 Das Container-Terminal Management Problem (CTMP) setzt sich als übergreifende Problemstellung aus den betrachteten Teilproblemen zusammen. In einer Black Box lässt sich das Problem wie folgt abbilden:

591

In der Abbildung ist ersichtlich, dass diese Möglichkeit für das vereinfachte Modell nicht in Betracht kommen kann, weil der Informationsfluss nur in eine einzige Richtung möglich ist.

592

Vgl. WOOLDRIDGE, M. (2008), S. 189ff sowie die Ausführungen in Kapitel 2.4.2.

593

Vgl. Abbildung 2-14.

594

Diese Darstellung konkretisiert die Definition des CDPS nach DURFEE, E.; LESSER, V.; CORKILL, D. (1989) in Kapitel 2.4.2. Auch zur Koordination von Teillösungen im Rahmen ihrer Synthese nennt WOOLDRIDGE verschiedene Ansätze.

160

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Input

Output

CTMP

Abbildung 5-2: Black Box-Betrachtung

Mit den vorangegangenen Ausführungen ist nun ersichtlich, wie sich das CTMP im Einzelnen zusammensetzt: CSP

Input

Output BAP

VDP SLP

Abbildung 5-3: CTMP-Struktur

In Abbildung 5-3 sind die Definition und die Struktur des CTMP ersichtlich.595 Es wird deutlich, dass sich das Ergebnis des CTMP aus dem Zusammenspiel der einzelnen Subprobleme ergibt. Im einfach koordinierten System werden die Probleme sequenziell durchlaufen und ihre Ergebnisse sukzessiv weitergereicht.596 Die dezentralen Teilplanungsbereiche eines CT konnten aufgezeigt werden. Auch Ansatzpunkte unterschiedlicher Planungsphilosophien wurden erörtert.597 Von der - vorrangig in der Praxis eingesetzten - hierarchischen Planung sind Nachteile bekannt. Im Rahmen eines Multiagentensystems lassen sich Koordinationsmodelle untersuchen und so neue Ansatzpunkte für die Zusammenführung der interdependenten Teilbereiche aufzeigen. Konkret läuft der Planungsprozess wie folgt ab:

595

Die vom Management des CT zu definierende Organisationsstruktur ist hiermit auf die Teilbereiche Liegeplatzplanung (BAP), Containerbrückeneinsatzplanung (CSP), Yardplanung (SLP) und Transportplanung (VDP) fixiert. Durch den Austausch oder das Hinzufügen neuer Agenten ist auch die Untersuchung weiterer Organisationsstrukturen möglich. Die Untersuchung unterschiedlicher Organisationsstrukturen des CTMP ist nicht Teil dieser Arbeit.

596

Das Ergebnis dieser sequenziellen Koordination ist Teil der modellübergreifenden Untersuchung in Kapitel 6.1.2.2.1. Die sequenzielle Koordination entspricht im Wesentlichen dem Ansatz von ZHANG ET AL., vgl. hierzu auch Abbildung 3-4.

597

Vgl. Kapitel 2.3.3.

161

Größe

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Größe

CSP: Betrachtung des Schiffes mit Bays

Größe

Aufenthaltszeit

Aufenthaltszeit Aufenthaltszeit

VDP: Betrachtung des Schiffes mit Bays und Containern

BAP: Betrachtung des Schiffes

SLP: Zuweisung von Lagerplätzen in Yard- Blöcken

Abbildung 5-4: Konkretisierung der Planung

Im Rahmen des Berth Allocation Problems sind die Schiffe als Elemente auf einer Fläche (time-space) zu ordnen. Im Crane Scheduling Problem werden die Bays jedes einzelnen Schiffes betrachtet und einer Containerbrücke zugeordnet. Das Vehicle Dispatching Problem integriert die Ergebnisse des Storage Location- und des Crane Scheduling Problems: Es nimmt die Ergebnisse beider Problemstellungen auf und bestimmt die Transportwege der Van Carrier. Der Plan wird in jedem Schritt konkretisiert. Dabei besteht die Gefahr, dass sich die angenommenen Daten in vorangestellten Problemen ändern. In diesem Fall basieren die Ergebnisse der Vorgängermodelle auf falschen Eingangsdaten und können zu suboptimalen Entscheidungen führen. Die beschriebenen Probleme werden von Agenten gelöst. In der folgenden Abbildung wird auf den Aufbau dieser Agenten eingegangen.

162

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Parametersystem

Agent

Planungssystem

Wissenssystem

Instanzsystem Methodensystem

Perzeptorsystem

Entscheidungsmodell

Kooperationssystem

Rezeptorsystem

Zielsystem

Input

Output

Restriktionssystem

Abbildung 5-5: Architektur der Agenten im Modell

Die Abbildung zeigt die Architektur von Agenten in dem verwendeten Modell. Ein Agent verfügt über Rezeptoren und Perzeptoren zur Wahrnehmung und Abgabe von Reizen. Agenten umhüllen neben dem Planungssystem zusätzlich ein Wissenssystem, in dem der Agent Erfahrungen und Wissen hinterlegen kann, auf das bei der Suche nach Lösungen von Problemen zugegriffen werden kann. Das Kooperationssystem steuert die Weitergabe von erzeugten Lösungen.598 Das Planungssystem des Agenten baut auf dem Entscheidungsmodell bestehender Ansätze auf.599 Das Entscheidungsmodell enthält das Zielsystem600 und das Restriktionssystem. Zusätzlich müssen dem Planungssystem das Instanzsystem und auch das Methodensystem zur Verfügung stehen. Nachrichten, die der Agent erhält, werden mit Hilfe des Instanzsystems zu gültigen Instanzen für das Entscheidungsmo-

598

Über das Kooperationssystem wird gesteuert, an welche oder welchen Agenten die erzeugte Lösung weitergeleitet werden soll.

599

Vgl. hierzu die ausführliche Darstellung dieser Entscheidungsmodelle in den Kapiteln 3.2.2.2, 3.2.3.2, 3.2.4.2 und 3.2.5.2.

600

Das Zielsystem wird in den einzelnen Entscheidungsmodellen teilweise erweitert, um den Anforderungen, die sich durch das übergreifende Modell ergeben, gerecht zu werden. Vgl. hierzu Kapitel 5.1.2.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

163

dell überführt.601 Zur Lösung dieser Entscheidungsprobleme steht das Methodensystem zur Verfügung.602 Neben Nachrichten können über die Rezeptoren des Agenten auch Parameter des Terminals abgefragt werden. Eingesetzt in die Terminal-Umgebung ergibt sich für die Agenten die folgende Struktur: Terminal-Umgebung des Modells

CSP Agent

VDP Agent

BAP Agent

SLP Agent

Abbildung 5-6: In die Terminal-Umgebung eingesetzte Agenten603

Agenten informieren beteiligte Entscheidungsträger über ihre Planung. Bei sequenzieller Koordination erfolgt keine Rückmeldung nachfolgender Agenten zu ihren Vorgängern. Dieser Verlauf ist in der Abbildung durch die verstärkt gekennzeichneten Verbindungen angezeigt. Im Fall der iterativen Koordination erfolgt die n-fache Iteration zwischen zwei oder mehr Planungssystemen, bevor Ergebnisse weitergereicht werden. Innerhalb der Modelle werden die folgenden Entities eingesetzt, deren Beziehungen mit Hilfe eines Entity Relationship Modells (ERM) dargestellt werden können. Unter einem Entity versteht man reale oder abstrakte Objekte mit eigenständiger Bedeutung.604 Die En-

601

Beispielsweise werden aus einer Nachricht des CSP-Agenten an den Liegeplatzverantwortlichen die sich ergebenden Operationszeiten für die Containerschiffe berechnet und für das BAP-Modell gesetzt, vgl. hierzu auch die Kapitel 3.2.2 und 3.2.3.

602

Die Methoden werden in Kapitel 3.2 ausführlich vorgestellt.

603

Es wird die in Abbildung 5-1 aufgezeigte Struktur in das Modell übertragen.

604

Vgl. MERTENS, P. et al. (2005), S. 62- 64. Mit dem ERM lassen sich Objekte und ihre Beziehungen beschreiben. Entitytypen sind als Rechtecke und Beziehungstypen als Raute dargestellt. Ungerichtete Kanten verknüpfen Beziehungs- und Entitytypen. Die Komplexität des Beziehungstyps wird an der Kante angegeben.

164

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

tities des beschriebenen CT-Modells können durch das folgende ERM abgebildet werden. Attribute, die die Entities näher beschreiben, sind nicht in der Abbildung dargestellt.

Containerschiff

Yard 1

1

Job enthält

n

n

definiert

n

enthält ist zugeordnet

1

n

gruppiert

Bay

1

1

Block

n n

n n

Container

ist zugeordnet

1

lädt/ löscht

ist zugeordnet

n

1

transportiert

m

ist zugeordnet

1

1

m 1

lagert

n

Containerbrücke

n

Van Carrier m

besitzt

greift zu

Buffer 1

n

Abbildung 5-7: CT-Entity Relationship Modell (ohne Attribute)

Die Abbildung zeigt die im Modell verwendeten Entities und ihre Beziehungen mit Kardinalitäten. Der Beziehungstyp „ist zugeordnet“ ist Gegenstand der in den Planungssystemen behandelten Problemstellung. Jedes Containerschiff605 enthält mehrere Bays, die es im Rahmen des CSP zuzuordnen gilt. Eine Bay definiert n (hier: n=2) Jobs, um den Typ des Containers (hier: Import- und Exportcontainer) zu differenzieren. Jeder Job umfasst den Umschlag mehrerer Container. Im SLP werden diese Jobs einzelnen Blöcken zugeordnet, wobei ein Block mehrere Jobs aufnehmen kann, ein Job aber genau einem Block zuzuordnen ist. Der Yard umfasst mehrere Blöcke. Van Carrier transportieren einzelne Container zwischen den Blocks im Yard und den Buffern der Containerbrücke am Kai. Diese Zuordnung erfolgt im Rahmen des VDP. Eine Containerbrücke löscht und lädt die Container einer zugeordneten Bay zwischen Buffer und Containerschiff. Die Containerbrücke kann mehrere Reihen (nacheinander) bearbeiten.

605

Ein Containerschiff ist mindestens einer Kai-Ressource zugeordnet, deren Zuordnung mit der Liegeplatzplanung erfolgt. Der Kai wird nicht als Entity in das Modell aufgenommen, weil dieser in dem Modell nicht als komplexes Objekt abgebildet ist. Vgl. hierzu die Modelformulierung nach GUAN, Y.; CHEUNG, R. K. (2004) in Kapitel 3.2.2.2.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

165

Zusammenfassend gibt Abbildung 5-8 einen Überblick über die hier behandelten Entscheidungsbereiche des Terminals. Kai QC

Vehicle Dispatching Problem (VDP)

space

Block

Schiff

Storage Location Problem time

Berth Allocation Problem

Crane Scheduling Problem

Yard

Abbildung 5-8: Überblick behandelter Entscheidungsbereiche im Modell

Im folgenden Abschnitt ist auf das Zielsystem des CT im Modell einzugehen, das aus den allgemeinen Zielsetzungen der Logistik abzuleiten ist.

5.1.2 Definition eines Zielsystems im CT-Modell

In den in Kapitel 3.2 vorgestellten Modellen wird zumeist eine konkrete Zielfunktion für die betrachtete Problemstellung angegeben. In einem Überblick stellen STEENKEN, STAHLBOCK und VOß606, SAANEN607 und auch MEIER608 allgemeine Bezugspunkte für das Zielsystem in unterschiedlichen Entscheidungsbereichen zusammen. In diesem Abschnitt werden die Ziele des Terminals vorgestellt, wie sie in dem implementierten Modell eingesetzt werden. Das Zielsystem ist wiederum in seine Entscheidungsbereiche unterteilt sowie in gemeinsame, bereichsübergreifende Ziele. 5.1.2.1 Klassifizierung von Zielen

Zwischen den Entscheidungsbereichen bestehen Interdependenzen, wie in Kapitel 3.3 aufgezeigt wurde. Aus diesem Grund sind auch die systemübergreifenden Zielsetzungen des

606

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004).

607

Vgl. SAANEN, Y. A. (2004).

608

Vgl. MEIER, L. (2006).

166

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Terminals zu betrachten. In Abhängigkeit von den verwendeten Koordinationsinstrumenten spielen die übergreifenden Ziele des CT eine wesentliche Rolle im Planungsprozess. SAANEN zeigt eine umfassende Klassifizierung von CT-Kennzahlen auf. Hierzu werden genannt:609 ƒ

Design-Indikatoren, um CT-Typen zu klassifizieren

ƒ

Performance-Indikatoren aus Kundenperspektive

ƒ

Performance-Indikatoren aus Terminalperspektive, insb. Infrastruktur-Auslastung und Produktivität

ƒ

Performance-Indikatoren aus Terminalperspektive, insb. des Equipments

ƒ

Performance-Indikatoren aus Terminalperspektive, insb. Auslastung des Lagers

ƒ

Indikatoren zur Kostenanalyse

Die Klassifizierung von SAANEN umfasst alle Kennzahlen, die den CT und seine Umgebung betrachten. In die erste Gruppe fallen Indikatoren, die den CT selbst klassifizieren. Hierzu gehören Kennzahlen, die die Größe des Terminals und seine relevanten Dienstleistungen charakterisieren, z.B. der Containerumschlag in einem bestimmten Zeitraum und die durchschnittliche Lagernachfrage in TEU.610 Eine zweite Gruppe ist durch Kennzahlen gegeben, die die Leistungsfähigkeit des CT beschreiben. Diese Kennzahlen werden von SAANEN in unterschiedlichen Perspektiven klassifiziert. Aus der Sicht des Kunden interessieren z.B. die maximale Schiffsgröße oder die durchschnittliche Operationsgeschwindigkeit in TEU/ZE. Aus CT-Sicht ist die Leistungsfähigkeit der vorhandenen Ressourcen relevant, die von SAANEN weiterhin in die Gruppen Infrastruktur, Equipment und Lager differenziert werden. Hierzu gehören beispielsweise die abgefertigten Container pro Kaimeter in TEU/m, die Produktivität der QC in TEU/(QC/h) sowie die durchschnittliche Anzahl von Containerbewegungen, die notwendig ist, um auf einen bestimmten Container im Yard zuzugreifen.611

609

Vgl. SAANEN, Y. A. (2004), S. 34- 50.

610

SAANEN, Y. A. (2004), S. 36- 40.

611

SAANEN, Y. A. (2004), S. 40- 48.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

167

Zusätzlich werden von SAANEN Indikatoren zur Kostenanalyse genannt.612 Die Klassifizierung der Kennzahlen von STEENKEN, STAHLBOCK und VOß ist funktional gegliedert und orientiert sich an den in der Literatur publizierten Modellen und deren Zielsetzung für die betrachteten Bereiche.613 Für das Berth Allocation Problem werden von den Autoren die Minimierung der Transportdistanzen zur Maximierung der Produktivität sowie die Minimierung der Wartezeiten für Containerschiffe genannt.614 Weiterhin werden in der Literatur die Minimierung von Unzufriedenheiten und die Maximierung der Anzahl der Berth On Arrivals erwähnt.615 Diese Zielsetzungen decken sich mit den in den Entscheidungsmodellen konkret eingesetzten Zielsetzungen, angesprochen in Kapitel 3.2.2. Die Ziele des Crane Scheduling Problems setzen zur Maximierung der Leistungsfähigkeit des Terminals bei der Minimierung der Verzögerungen an den Containerbrücken an. Von ZHU und LIM wird der Fertigstellungszeitpunkt des letzten QC-Jobs minimiert.616 Diese Zielsetzung ist nur in dem isoliert betrachteten Modell sinnvoll, unter der Annahme, dass alle Schiffe und deren Jobs mit Beginn des Planungszeitraumes zur Verfügung stehen. STEENKEN, STAHLBOCK und VOß nennen zudem den ökonomischen Einsatz von Containerbrücken. Diesen Ansatz berücksichtigen u.a. MEISEL und BIERWIRTH in der Zielfunktion.617 Das Storage Location Problem orientiert sich an der effizienten Auslastung des Yards. Aus diesem Grund werden von den Autoren im Bereich der Yardplanung die Maximierung der Auslastung, die Minimierung der Transportdistanzen zwischen Kai und Yard sowie die Minimierung unnötiger Containerbewegungen genannt. Insbesondere im Rahmen der Zu-

612

Vgl. SAANEN, Y. A. (2004), S. 48- 50.

613

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004).

614

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 17.

615

Der Begriff UNZUFRIEDENHEIT ist von dem Entscheidungsträger zu definieren. Unzufriedenheit kann beim Kunden des CT entstehen, wenn die Ankunftsreihenfolge von Containerschiffen nicht der Abfertigungsreihenfolge entspricht. Die Kennzahl Berth On Arrivals gibt an, wie vielen Containerschiffen mit ihrer Ankunft ein Liegeplatz zugewiesen werden kann, d.h. die Wartezeit des Containerschiffs ist gleich Null, vgl. hierzu Abbildung 5-9.

616 617

Vgl. Kapitel 3.2.3.2.

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 21 und als Beispiel für den konkreten Einsatz dieser Zielsetzung, vgl. MEISEL, F.; BIERWIRTH, C. (2005), S. 106- 108.

168

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

ordnung zu bestimmten Blöcken wird die Notwendigkeit einer ausgeglichenen Lagerung aufgezeigt, weil es sonst zu Blockaden von Transportern an diesen Blöcken kommt, die den Prozess verzögern.618 Das Vehicle Dispatching Problem greift als operatives Planungssystem auf die Entscheidungen der vorangestellten Bereiche zurück. In diesem Rahmen kommt diesem Bereich eine koordinierende Funktion zu. Die Zielsetzungen orientieren sich an der Minimierung von Kosten in logistischen Systemen. Kosten entstehen für Elemente in einem logistischen System aufgrund von Bewegung, z.B. durch zu überbrückende Distanz, und durch Stillstand, z.B. durch zu überbrückende Zeit.619 Zu einem Stillstand kommt es u.a., wenn mehrere Transporter gleichzeitig auf Container aus demselben Yard-Block zugreifen möchten. Aus diesem Grund kommt auch der Yardplanung eine besondere Rolle zur Minimierung der Kosten in dem logistischen System zu. Das in Kapitel 3.2.5.2 diskutierte Modell von BÖSE

ET AL.

nutzt die Minimierung der

Transporter-Wartezeiten zur Maximierung der QC-Produktivität. STEENKEN, STAHLBOCK und VOß nennen zudem die Transport-Synchronisation mit den QC-Abläufen als wichtige Aufgabe der Transportplanung.620 Der folgende Abschnitt definiert die übergreifenden Ziele des Modells. 5.1.2.2 Übergreifende Ziele des Modells

Zu den übergreifenden Zielsetzungen sollen diejenigen Ziele gezählt werden, die von jedem isoliert betrachteten Ziel(sub-)system vorrangig zu behandeln sind. Übergreifend sind vor allem die Aufenthaltszeit im Hafen und die Transportdistanz zu berücksichtigen. Diese beiden Größen des Zielsystems enthalten Aussagen zur Konkurrenzfähigkeit des Terminals und auch zur Wirtschaftlichkeit des CT. Die Aufenthaltszeit setzt

618

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 23f. Die ausgeglichene Verteilung der Lagerung der Container im Yard wird von MURTY ET AL. in der Zielsetzung aufgegriffen, vgl. hierzu MURTY, K. G. et al. (2005), S. 321f.

619

Vgl. DAGANZO, C. F. (1999), S. 17ff.

620

Vgl. STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004), S. 25f.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

169

sich aus der Operationszeit im Hafen und der Wartezeit des Containerschiffs vor dem Hafen zusammen. Deshalb müssen auch diese Größen betrachtet werden. Die folgende Abbildung verdeutlicht die Berechnung der Zielsetzungen Aufenthaltszeit (TIP), Operationszeit ( top ) und Wartezeit ( t wait ) im Rahmen des in Kapitel 3.2.2 eingeführten time-spaceDiagramms.

Aufenthaltszeit im Hafen (Time in Port, TIP),

Wartezeit: twait

TIP twait  top

(c  a )

Operationszeit: top

Containerschiff

Zeit

Anlegezeitpunkt: u Ankunftszeit: a

Fertigstellungszeitpunkt: c

Abbildung 5-9: Zieldefinition

Die Abbildung verdeutlicht die Zusammensetzung der Zielgrößen. Die Aufenthaltszeit im Hafen (TIP) berechnet sich aus der Summe der Wartezeit des Containerschiffs vor dem Hafen und der Operationszeit im Hafen. Es ist die Minimierung der Aufenthaltszeit anzustreben. Für V ankommende Schiffe in dem Planungshorizont T ergibt sich folgende zu minimierende Zielgröße: TIP

1 V

V

¦ w (c v

v

 a v ) , mit v d V und a v d T .

v 1

Mit Hilfe von wv lässt sich jedem Schiff ein Gewicht zuordnen, das dessen relative Bedeutung ausdrückt. Die durchschnittliche Warte- und Operationszeit ergeben sich wie folgt: t wait

top

1 V ¦ wv (uv  a v ) sowie V v1 1 V

V

¦ w (c v

v 1

v

 uv ) , mit v d V und a v d T .

170

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Diese Zielsetzungen sind für alle implementierten Entscheidungsbereiche relevant. In der Liegeplatzplanung wird jedoch von einer konstanten Operationszeit für jedes Schiff ausgegangen, so dass diese Größe in diesem Planungssystem nicht variiert wird. Hier wird mit der Bestimmung des Anlegezeitpunktes und der Schiffsposition Einfluss auf die durchschnittliche Wartezeit der Containerschiffe genommen. In der Containerbrückenzuordnung werden für jedes Schiff mehrere Containerreihen betrachtet, unter Berücksichtigung der in der Liegpeplatzplanung gesetzten Schiffsposition ( posc ,w ). Auch für jede Bay des Schiffs werden konstante Bearbeitungszeiten durch einen QC angenommen. Je nach QC-Zuordnung können sich nun aber die Operationszeit der Schiffe (und dadurch die Wartezeit nachfolgender Schiffe) ändern. Gemeinsam mit der in der Yardplanung bestimmten Positionierung der Container im Yard ( posc ,l ) steht die Transportdistanz jedes einzelnen Containers einer Bay fest. Mit Hilfe der gegebenen Geschwindigkeit der Transporter auf dem Yard lassen sich die Container als individuelle Jobs bearbeiten. Dieser Transport beeinflusst die im CSP angenommene JobBearbeitungszeit und damit wiederum die durchschnittliche Operations- und Wartezeit der Containerschiffe. Die Transportdistanz kann wie folgt berechnet werden: C

D

¦ | pos

c ,w

 posc ,l | , mit a v ( c ) d T

c 1

Die Bedingung a v ( c ) d T drückt aus, dass die Ankunft des Schiffes, dem der Container c zugeordnet ist, innerhalb des betrachteten Planungszeitraumes liegt. In dem Planungszeitraum T sind C Container umzuschlagen. In diesem Zusammenspiel beeinflussen die implementierten Teilbereiche des CT gemeinsam die durchschnittliche Aufenthaltszeit von Containerschiffen. Die isoliert gewonnenen Entscheidungen sind mit Hilfe geeigneter Koordinationsinstrumente so abzustimmen, dass diese Zielgröße minimiert werden kann. Eine differenzierte Gewichtung der Schiffe ist sinnvoll, weil ihre Bearbeitung zu unterschiedlichen Konsequenzen für den CT führen kann. Beispielsweise kann eine bestimmte Produktivität vertraglich zugesichert sein und deren Nichteinhaltung eine Vertragsstrafe bedingen.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

171

Das Ergebnis des CTMP soll als Quadrupel dieser vier übergreifenden Kennzahlen angegeben werden: CTMP ( TIP , twait , top , D).621 Die Entscheidungen in den Planungssystemen beeinflussen gemeinsam das Ergebnis des CTMP. Der folgende Abschnitt zeigt konkurrierende Zielsetzungen im Rahmen der Planung von CT-Prozessen auf. 5.1.2.3 Konkurrierende Zielsetzungen

Das im vorangegangen Abschnitt vorgestellte Zielsystem ist von allen Agenten des MAS zu berücksichtigen. Innerhalb und zwischen den Planungssystemen kann es dennoch zu Zielkonflikten kommen. Dies ist der Fall, wenn mit der Verbesserung des Zielerreichungsgrades eines Zieles sich derjenige des anderen Zieles verschlechtert. Zwei Ziele können zueinander komplementär, konkurrierend (konträr) oder neutral sein. Zur Lösung von Zielkonflikten führen DOMSCHKE und DREXL die lexikographische Ordnung von Zielen, die Zieldominanz, die Zielgewichtung sowie die Berücksichtigung von Abstandsfunktionen an.622 In dieser Arbeit wird dieses Problem mit einer Gewichtung des Zielsystems gelöst. Am Beispiel von Transportdistanz und Wartezeit der Containerschiffe soll ein erster Zielkonflikt aufgezeigt werden. Die folgende Abbildung zeigt jeweils einen Ausschnitt aus dem Berth Allocation Problem, vor und nach der Abstimmung mit der Yardplanung.

Abbildung 5-10: Zielkonflikt zwischen Transportdistanz und Wartezeit

621

Ein Quadrupel bildet eine Zusammenfassung von vier geordneten Elementen.

622

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 55- 59.

172

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Durch Verschieben des Elements (10)623 lässt sich, für die gegebene Zuordnung von YardLagerplätzen, die Transportdistanz verringern. Für dieses Schiff muss dafür jedoch eine höhere Wartezeit in Kauf genommen werden. Dieses Beispiel verdeutlicht die Bedeutung der Gestaltung des Zielsystems. Es stellt sich die Frage, um wie viele Einheiten sich die Transportdistanz verringern muss, um die um eine Zeiteinheit erhöhte Wartezeit zu rechtfertigen. In Abhängigkeit von der Gewichtung beider Größen im Zielsystem ergeben sich unterschiedliche Empfehlungen für die Zuordnung.624 Die in Kauf genommene zusätzliche Wartezeit stellt eine Investition dar, zur Eröffnung des Potentials, um geringere Operationszeiten erreichen zu können. Die verlängerte Wartezeit lässt sich rechtfertigen, wenn die Operationszeit aufgrund der geringeren Transportdistanz ausreichend reduziert werden kann.625 Mit einer Sensitivitätsanalyse lässt sich eine Lösung des Optimierungsmodells auf Reaktionen gegenüber Veränderungen der Ausgangssituation testen. Von einer robusten Lösung kann gesprochen werden, wenn die Lösung auch bei Veränderung mehrerer Daten noch zulässig und hinsichtlich ihrer Güte „akzeptabel“ ist.626 Es ist interessant, das Verhältnis zwischen beiden Gewichten des Zielsystems zu untersuchen und zu analysieren, wie stark die Änderung der Zielkoeffizienten ausfallen muss, damit sich eine andere Entscheidung ergibt. Dieses Vorgehen unterstützt die Interpretationsfähigkeit einer Lösung. Das optimale Verhältnis beider Ziele kann zumeist nicht als exakter Wert, sondern lediglich in einem gewissen Bereich angegeben werden. Ein weiteres Beispiel für eine konkurrierende Zielsetzung zeigt sich in der Betrachtung der Kosten zur Bereitstellung zusätzlicher Ressourcen für den Umschlag von Containern des CT. Stellt der CT zusätzliche Containerbrücken und Transportfahrzeuge für den Contai-

623

Die Elemente der Abbildung stellen Containerschiffe dar. Vgl. hierzu Kapitel 3.2.2 und insbesondere die allgemeine Darstellung eines Liegeplatzplanes in Abbildung 3-5.

624

In der Gewichtung des Zielsystems ist bei Berücksichtigung von Transportdistanz in km und Aufenthaltszeit in h anzugeben, wie viele Einheiten der Zielsetzung I mit wie vielen Einheiten der Zielsetzung II äquivalent sind. Die Gewichtung drückt das Verhältnis zwischen einer Transporteinheit (in km) und einer Zeiteinheit (in Stunden) aus.

625

Dieser Aspekt ist Teil der Untersuchung in Kapitel 6.1.2.1.2.

626

Vgl. DOMSCHKE, W.; DREXL, A. (2007), S. 42ff.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

173

nerumschlag bereit, dann ist zu erwarten, dass sich die durchschnittliche Aufenthaltszeit für Containerschiffe im Hafen senken lässt. Gleichzeitig steigen jedoch die Kosten für die Durchführung der Operationen. In Abhängigkeit von den Kosten ist die optimale Zusammenstellung der CT-Ressourcen auszuwählen.627 Je mehr die Details von CT-Prozessen in dem Modell abgebildet werden, umso mehr lassen sich konkurrierende Ziele und auch Zielkonflikte aufzeigen. Insbesondere im Zusammenhang mit der Yardplanung ergeben sich Konflikte, weil sich durch Missachtung der Planung in diesem Bereich eine kurzfristige Beschleunigung der Prozessabläufe erzielen lässt.628 Die Analyse unterschiedlich gewichteter Zielfunktionen wird in dieser Arbeit nicht durchgeführt.

5.1.3 Modellkritik

Als Vorteil dieser Modellumsetzung wurde aufgezeigt, dass sich die Organisationsstruktur eines CT und auch dessen Koordinationsmethoden sehr gut übertragen lassen. Es ist dennoch nicht auszuschließen, dass die sequenzielle Zusammenführung dieser Teilergebnisse zunächst zu schlechteren Ergebnissen als in der Realität führt, weil ƒ

die Möglichkeit für den Eingriff eines menschlichen Experten in diesem Prozess nicht vorgesehen ist und

ƒ

die in die MAS-Umgebung eingesetzten Modelle der Literatur zwar die geforderten Problemstellungen abbilden, dennoch bislang nicht auf ihre Koordinationsfähigkeit überprüft werden konnten.629

627

Dieser Aspekt ist Teil der Untersuchung in Kapitel 6.1.1.2 im Rahmen der Erweiterung der Kailänge und in Kapitel 6.1.1.4 im Rahmen der Bereitstellung neuer Containerbrücken für den Containerumschlag.

628

Mit detaillierter Modellierung des Yards fällt dieser Aspekt stärker ins Gewicht, weil dann auch Umstauer zu behandeln sind, die den Prozess verlängern. Diese treten auf, wenn nicht direkt auf einen Container zugegriffen werden kann, weil der Container unterhalb von anderen Containern platziert ist. Umstauer werden in dem implementierten Yardmodell nicht behandelt.

629

Dies ist auch der Fall, weil bislang kein geeigneter Ansatz existiert, um diese Fähigkeit zu untersuchen. Auch aus der Übertragung der Ergebnisse in die Praxis sind bislang keine Resultate bekannt, aus denen sich Ansatzpunkte hierfür ergeben könnten. Vgl. Tabelle 4-1.

174

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Der CT ist in der Lage, auf zahlreiche Erfahrungen im Rahmen der Synthese zurückzugreifen, insbesondere auch im Voraus bei der Auswahl geeigneter Modelle. Es wurde bereits angesprochen, dass die Auswahl der richtigen Modelle im Rahmen des Planungsprozesses eine wichtige Aufgabe des Managements ist. Die gesamte Planung hängt von dieser Auswahl ab. Hier steht die Forschung noch in ihren Anfängen. Gleichzeitig eröffnet sich mit diesem Modell das Potential, die isolierten Modelle der Literatur hinsichtlich dieser Fähigkeiten zu überprüfen. Isoliert gefundene Ergebnisse können im übergreifenden Fall eine unterschiedliche Wirkung aufweisen. Als Ursachen für die Abweichung zwischen Ist- und Plan-Ergebnis identifiziert SAANEN u.a. die unterschätzte Anzahl menschlicher Interventionen in den Planungsprozess sowie eine unerwartet hohe Anzahl von Systemfehlern, etwa den Ausfall von Containerbrücken (Hardware) oder auch Softwarefehler.630 Das Informationssystem, das die Hard- und Software des CT koordinieren muss, stellt eine zentrale Ressource für den Container-Terminal dar.631 Die Kosten für Computer-Hardware und Software gibt SAANEN mit 4.000.000 € bis 20.000.000 € an.632 Diese Kosten belegen die hohe Bedeutung dieser Ressource und gleichzeitig die Notwendigkeit für die Untersuchung von Ansätzen zur Systemverbesserung. Es erscheint deshalb durchaus gerechtfertigt, die Leistung der in das Multiagentensystem eingesetzten Agenten ohne menschliche Intervention zu untersuchen. So lässt sich aufzeigen, inwieweit sich die vorhandenen Systeme ohne externe Unterstützung behaupten können.633 Diese Situation stellt sich als Benchmark für neue intelligente Lösungen dar.

630

Vgl. SAANEN, Y. A. (2004), S. 60ff.

631

Vgl. SAANEN, Y. A. (2004), S. 34.

Folgendes Beispiel soll die Bedeutung des Informationssystems verdeutlichen: In der Untersuchung von MEIER ET AL. konnte eine Prozessverbesserung über den Einsatz einer dynamischen VC-Zuordnung identifiziert werden, vgl. MEIER, L. et al. (2005), S. 2280f. Die Diskussion mit dem CT-Management bestätigte die erwartete Wirkung dieser Maßnahmen. Das zu diesem Zeitpunkt eingesetzte Informationssystem war jedoch nicht in der Lage, die vorgeschlagenen Maßnahmen abzubilden. 632 633

Vgl. SAANEN, Y. A. (2004), S. 49.

SAANEN weist darauf hin, dass Interventionsmöglichkeiten in automatisierten Terminals nochmals geringer ausfallen. Vgl. SAANEN, Y. A. (2004), S. 126.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

175

Es ist zudem auf die Kritik der isolierten Modelle hinzuweisen, die auch für das umfassende Modell gilt. Festzuhalten bleibt, dass der Vorteil dieses Ansatzes die Austauschbarkeit erlaubt, weil die isolierten Modelle über die definierten Schnittstellen als Modul integriert worden sind. Der folgende Abschnitt beschreibt die technische Realisierung dieses Modells.

5.2 Technische Realisierung Der Fokus dieser Arbeit soll auf der Analyse komplexer Logistiksysteme am Beispiel von Container-Terminal-Prozessen liegen. Um Experimente durchführen zu können, wurden verschiedene Entscheidungsprobleme implementiert und innerhalb eines Multiagentensystems miteinander verknüpft. Dadurch sollen Erkenntnisse über das Zusammenwirken von Entscheidungen gewonnen werden. Die folgenden Abschnitte geben einen Überblick über die technische Umsetzung der beschriebenen Modelle in Java und diejenigen Tools, die während der Anwendung zum Einsatz kommen.

5.2.1 Java

Java ist eine objektorientierte, plattformunabhängige und frei verfügbare Programmiersprache. Die Sprache basiert auf einer Vereinfachung übermäßig komplexer Merkmale, die andere objektorientierte Programmiersprachen belasten.634 Es existieren umfangreiche Klassen und Programmierschnittstellen (API) für Java, auf die während der Entwicklung zurückgegriffen werden kann. Zudem kann die Programmierung durch den Einsatz leistungsstarker Entwicklungsumgebungen zusätzlich erleichtert werden. Beispiele stellen das eingesetzte MAS-Framework JADE dar, auf das im folgenden Abschnitt eingegangen werden soll sowie die Programmierschnittstelle JDOM, mit deren Hilfe XML-Dateien innerhalb der Java-Umgebung manipuliert werden können. Zudem wurde

634

Auf die besondere Architektur der Programmiersprache Java, der Java Virtual Machine und der Plattform Java geht FLANAGAN ein. Vgl. FLANAGAN, D. (2006), S. 3- 9. Auf die Architektur der Sprache soll hier nicht näher eingegangen werden. Der Autor gibt einen umfassenden Überblick zu Java. Es werden auch die Unterschiede zwischen Java und C herausgestellt. Vgl. hierzu insbesondere die Seiten 88- 90.

176

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

bereits im Rahmen der Darstellung der Optimierungsmethoden auf APIs für Metaheuristiken eingegangen. Mit der Arbeit von PAGE und KREUTZER wurde die Einsatzfähigkeit von Java auch als Simulationssprache bestätigt.635 Insbesondere die Plattformunabhängigkeit ist für diese Arbeit von besonderer Bedeutung. So lassen sich Agenten oder deren Module von unabhängigen Herstellern entwickeln und in die (Modell-)Umgebung des Terminals einsetzen.

5.2.2 JADE und Ontologien

Das aufgezeigte Modell soll mit Hilfe von JADE (Java Agent Development Environment) in Java realisiert werden. JADE ist ein freies Framework zur Entwicklung von Multiagentensystemen in Java unter Einhaltung der FIPA-Spezifikationen636.637 Unter einem Framework verstehen HANSEN und NEUMANN ein „halbfertiges“ Softwaresystem. Aufgrund der darin enthaltenen und aufeinander abgestimmten Softwarekomponenten kann mit relativ geringem Aufwand ein (einer spezifischen Problemstellung) angepasstes Softwaresystem erstellt werden.638 Mit dem Agenten-Framework JADE ist somit die Grundlage für den Einsatz der multiagentenbasierten Technologie gegeben. Der Programmieraufwand kann stärker am Modell erfolgen, weil die technischen Probleme bereits weitgehend gelöst sind.639 LEHNER nennt Ontologien im Rahmen von Methoden zur Repräsentation von Wissen. Ontologien geben ein Vokabular an die Hand, mit dem sichergestellt werden kann, dass mit demselben Begriff auch dasselbe Konzept gemeint ist. So werden Uneinigkeiten über Be-

635

Vgl. Kapitel 2.2.4.3.

636

Die Foundation for Intelligent Physical Agents (FIPA) ist als IEEE Computer Society für die Standardisierung von agentenbasierten Technologien und deren Interoperabilität mit den Standards anderer Technologien betraut, vgl. FIPA (2008).

637

Vgl. o.A. (2008a). Eine umfassende Übersicht von Tools zur Modellierung agentenbasierter Systeme gibt die folgende Internetquelle: o.A. (2008b).

638 639

Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 229.

Zu technischen Problemen für die Realisierung von Agentensystemen zählen u.a. die Realisierung der Kommunikation und der Autonomie. Vgl. hierzu Kapitel 2.4.1 sowie WOOLDRIDGE, M. J. (2005), S. 15- 42 und S. 163- 183.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

177

griffe vermieden. In dieser Bedeutung helfen Ontologien bei Problemen der Kommunikation zwischen Personen, zwischen Personen und Maschinen sowie zwischen Maschinen.640 Der Austausch von Nachrichten zwischen den Knoten in einem Netzwerk ist Gegenstand der Informatik. Beispiele stellen u.a. CORBA, SOAP oder auch RMI dar. JADE-Agenten kommunizieren mit Hilfe der FIPA Semantic Language (FIPA-SL). Das JADE-Framework stellt alle notwendigen Klassen zur (Agenten-)Kommunikation und Validierung zur Verfügung. Ontologien helfen dem Agenten zur Beschreibung von Fakten, Annahmen, Hypothesen und Prädikaten im Rahmen einer definierten Domäne. Content Languages, u.a. FIPASL, sind domänenunabhängig.641 In dieser Arbeit kommunizieren Agenten unter Verwendung der mit Protégé definierten PortOntology642 mit Hilfe der FIPA-SL, die im Rahmen einer ACL-Message übertragen wird.643 Für die Realisierung der Agentenkommunikation in JADE werden Ontologien verwendet, die die folgenden Elemente berücksichtigen:644 ƒ

Concept: Ausdruck, der Entities mit komplexer Struktur abbildet, z.B.: (person :name Leif :age 28)

Dieser Ausdruck beschreibt eine Person mit dem Namen Leif und dem Alter 28. Es sind weitere, auch komplexe Attribute denkbar, z.B. eine Adresse, die gemeinsam durch Angabe der Straße, Hausnummer, Postleitzahl und Ort gegeben ist. ƒ

Predicate: Ausdruck, der einen Zustand beschreibt und wahr oder falsch sein kann, z.B.: (isSolution (Vessel :id 1 :start 10h :position 5))

640

Vgl. LEHNER, F. (2006), S. 195- 197. Ein Beispiel ist mit dem Kinderspiel Teekesselchen gegeben: Ein Teekesselchen ist ein Begriff, der mehr als nur eine Bedeutung besitzt (homonym), z.B. ein Jaguar. Ein Jaguar kann neben der Raubkatze in seiner Bedeutung auch als Fahrzeug verstanden werden. Ontologien stellen im Rahmen der Kommunikation sicher, dass es nicht zu diesem Problem kommen kann.

641

Vgl. VAN AART, C. et al. (2002), S. 1ff.

642

Ein Auszug dieser Definition mit Protégé ist im Anhang dargestellt.

643

Vgl. WOOLDRIDGE, M. (2008), S. 175- 180.

644

Vgl. VAN AART, C. et al. (2002), S. 3f.

178

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination Das Beispiel Predicate zeigt eine Lösung, in der das Schiff mit der Identifikationsnummer 10 zum Startpunkt 10 auf der Position 5 anlegt. Ein Agent ist in der Lage auszuwerten, ob diese Lösung gültig ist oder nicht.

ƒ

AgentAction: Concept, das eine Aktion abbildet, die von einem Agenten durchgeführt werden kann, z.B.: (assign (QC :id 1)(Bay :id 1))

Mit Hilfe des folgenden Konzepts kann ein Agent einen anderen bitten, die folgende Aktion durchzuführen: Weise Containerbrücke (QC) 1 der Bay (Jobreihe) 1 zu. Es ist wichtig festzuhalten, dass es sich hierbei lediglich um eine Bitte handeln kann, da ein Agent autonom entscheiden kann, ob und wann eine Handlung durchgeführt werden soll. Dies stellt einen entscheidenden Unterschied zur objektorientierten Programmierung dar, da ein Methodenaufruf dem Zwang zur Durchführung entspricht. Mit Hilfe von Protégé lassen sich komplexe Ontologien modellieren. Ein verfügbares Plug-In unterstützt die automatisierte Übertragung in die für JADE erforderliche Struktur.645 Die genannten Elemente der Ontologie sind im Rahmen der Kommunikation zwischen den Agenten notwendig für die semantische Prüfung der Nachricht. Sie werden konkret wie folgt verwendet: Die im Entity Relationship Modell abgebildeten Entities sind als Concept in Protégé realisiert.646 Die (Teil-)Lösungen einer Problemstellung werden zwischen den Agenten mit Hilfe von Predicates kommuniziert. Es werden Predicates für jedes Teilproblem erzeugt, mit denen der verantwortliche Agent seine Lösung kommunizieren kann. Andere Agenten können diese empfangen und prüfen, ob es sich um eine gültige Lösung handelt. Als Beispiel für eine Aktion (AgentAction) könnte der Liegeplatzplaner den Verantwortlichen der Containerbrückenplanung bitten, einen bestimmten Teil des Schiffes mit einer

645

Vgl. CAIRE, G.; CABANILLAS, D. (2004), S. 26. Das mit Hilfe von Protégé abgebildete Modell ist im Anhang dargestellt.

646

Vgl. Abbildung 5-7.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

179

bestimmten Brücke abzufertigen. Der QC-Planer wird dies jedoch nur dann durchführen, wenn ihm diese Aktion nützlich erscheint.647 Agenten kommunizieren mit Hilfe der Agent Communication Language (ACL). ACLNachrichten können zwischen allen Agenten ausgetauscht werden, die diesen Standard verstehen. Eingebettet in das Agentenframework lassen sich dessen Vorteile nutzen und erhöhen die Flexibilität des hier realisierten Modells. Ein Beispiel für die mögliche Erweiterung stellen verteilte Anwendungen dar, die gerade für die durchgeführten Berechnungen vorteilhaft sein können. JADE bietet mit speziellen Klassen die Möglichkeit, die Berechnungen auf mehrere Rechner in einem Netzwerk zu verteilen. Zudem unterstützt JADE ein GUI, das zur Prozessverifikation eingesetzt werden kann.648 Hinsichtlich der Architektur des Softwaresystems bietet JADE Vorteile, weil sich die implementierten Softwarekomponenten an wohldefinierte Schnittstellen zu halten haben. Der Einsatz von Softwarekomponenten erlaubt somit Wiederverwendbarkeit und Austauschbarkeit.649

5.2.3 Protégé

Für die technische Umsetzung und Einsatzfähigkeit im Rahmen des JADEAgentenframeworks ist das vorgestellte Modell des Container-Terminals an unterschiedliche Konventionen gebunden. Zur Unterstützung dieser Aufgaben dient das Tool Protégé650, das von der STANFORD UNIVERSITY entwickelt wurde.651

647

Dieses Element kommt in dieser Arbeit nicht zum Einsatz.

648

Die Überwachung der Kommunikation mit Hilfe des GUI ist im Anhang abgebildet.

649

Vgl. HANSEN, H. R.; NEUMANN, G. (2005), S. 224. Gerade die Austauschbarkeit erlaubt es in dieser Modellformulierung, dass sich auch neue Modellierungsansätze und Lösungsmethoden im Rahmen dieser Architektur untersuchen lassen.

650

Protégé wird für diese Arbeit in der Version 3.3.1 verwendet.

651

Vgl. o.A. (2008c). Protégé ist ein frei verfügbares und auf Java basierendes Tool zur Modellierung wissensbasierter Applikationen mit Ontologien. Zur automatisierten Generierung von Ontologien in Java in der für JADE-Agenten erforderlichen Struktur ist ein Bean Generator für Protégé erforderlich, der von o.A. (2008d) bereitgestellt wird und in Protégé eingesetzt werden kann. Die angegebene Quelle beschreibt diesen Prozess ausführlich.

180

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

Mit Hilfe von Protégé lässt sich das in der Konzeption in Kapitel 5.1.1 entwickelte Modell abbilden. Zur Integration in das JADE-Framework ist es erforderlich, die Entities den Klassen Concept, AgentAction oder Predicate zuzuordnen.652 Mit Hilfe des Class- und Slot-Editors lässt sich das Modell technisch realisieren. Das in Abbildung 5-7 gezeigte ERM wird in Protégé abgebildet. Der Ontology Bean Generator erzeugt dann automatisiert die entsprechenden Klassen.653 Es lässt sich eine HTML-basierte Übersicht generieren, die das technisch realisierte Modell aufzeigt.654

5.2.4 Extensible Markup Language (XML)

Um Daten und Parameter des Modells einzulesen, wird die eXtensible Markup Language (XML) verwendet. XML ist eine Meta-Auszeichnungssprache zur Definition anderer domänenspezifischer, semantischer und strukturierter Auszeichnungssprachen. XML umfasst einen Satz von Regeln zur Definition semantischer Tags, die ein Dokument zerteilen und die Bedeutung dieser Teile des Dokuments beschreiben. Im Gegensatz dazu werden mit der Hypertext Markup Language (HTML) die Formatierung und die Auszeichnung von Struktur und Semantik beschrieben.655 Aufgabe von XML ist nicht die Definition von Inhalten auf Präsentationsebene, sondern die Strukturierung von Inhalten.656 Mit Hilfe von Document Type Definitions (DTD) oder XML-Schemata lässt sich die eingesetzte XML-Struktur automatisiert validieren. Der Datenaustausch zwischen zwei Systemen wird dadurch erleichtert. Dies ist insbesondere für die interorganisatorische Kommunikation von Bedeutung und wird als Alternative zum herkömmlichen EDIFACT-Format genannt.657 Die CT-spezifischen Daten können mit Hilfe von XML strukturiert werden. Für die Zusammenarbeit mit Java wird die Programmierschnittstelle JDOM verwendet, die Klassen

652

Vgl. o.A. (2008a).

653

Vgl. VAN AART, C. et al. (2002), S. 4.

654

Ein Ausschnitt des in Protégé abgebildeten Modells ist im Anhang dargestellt.

655

Vgl. HAROLD, E. R. (2004), S. 31ff.

656

Vgl. BIETHAHN, J.; NOMIKOS, M. (2002), S. 57.

657

Vgl. BIETHAHN, J.; NOMIKOS, M. (2002), S. 156- 158.

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

181

für die Arbeit mit XML-Dateien zur Verfügung stellt.658 Mit Hilfe von JDOM werden die in XML strukturierten Daten in Java als Baumstruktur abgebildet. Es kann gezielt auf einzelne Elemente zugegriffen werden. Eine XML-Datei ist rein textbasiert und kann - wie Java - plattformunabhängig von jedem Texteditor bearbeitet werden. Der Datensatz und die Parameter der Terminalstruktur werden XML-basiert in das System eingelesen. Durch Austausch der XML-Datei kann die Struktur des CT in dem Modell verändert werden. Hierzu gehören bspw. die Position und Kapazität von Yard-Blöcken, die Kailänge, die Anzahl der Terminal-Ressourcen, deren Eigenschaften usw. Diese Modellparameter lassen sich von den Agenten jederzeit abfragen. Der im Anhang aufgezeigte und verwendete Datensatz kann ersetzt werden, ohne dass Änderungen an dem Programm und seinem Quellcode vorgenommen werden müssen. So lassen sich die in Kapitel 6 durchgeführten Simulationen für unterschiedliche Parameter und Datensätze an die Situation in anderen Häfen flexibel anpassen.659 Die verwendete XML-Struktur zum Einlesen von Daten und Parametern des Terminals ist im Anhang vorgestellt.

5.2.5 Unterstützende Tools

Es existieren unterschiedliche Tools, die die Arbeit mit Java unterstützen und vereinfachen. Eclipse ist eine frei verfügbare Software-Entwicklungsumgebung.660 Zusätzlich kommt die frei verfügbare Statistiksoftware R661 zum Einsatz, mit der die Auswertung der Ergebnisse in Kapitel 6 erfolgt. Alle in Kapitel 6 entwickelten Darstellungen der Untersuchungsergebnisse wurden mit Hilfe von R erzeugt. Ergebnisse, die im Rahmen der Simulation in Java erzeugt werden, können u.a. als CSV-Datei von R gelesen und verarbeitet werden. Nach Darstellung der Anforderungen an ein Modell für die Koordination interdependenter Planungssysteme, der konkreten Modellarchitektur und seiner technischen Realisierung,

658

Vgl. HUNTER, J. (2008). Es werden alle Klassen zur Manipulation von XML-Dokumenten mit Java bereitgestellt.

659

Beispielsweise lässt sich der Einfluss der Kailänge auf die Wartezeit der Containerschiffe vor dem Hafen testen. Unter Einsatz unterschiedlicher XML-Dateien werden jeweils unterschiedliche Werte für den Parameter KAILÄNGE gesetzt. Dieses Experiment wird in Kapitel 6.1.1.2 durchgeführt.

660

Vgl. The Eclipse Foundation (2008). Die angegebene Quelle beschreibt ausführlich die Systemfunktionen und stellt die Entwicklungsumgebung zur Verfügung.

661

Vgl. TEAM, R. D. C. (2007).

182

Entwicklung eines multiagentenbasierten Modells zur CT-Prozesskoordination

soll dieses Modell Gegenstand der Untersuchung im folgenden Kapitel sein. Untersuchungen werden sowohl isoliert als auch übergreifend durchgeführt. Zusammenfassend basiert das hier zu entwickelnde Modell auf den folgenden Grundsteinen: ƒ

Es werden bestehende CT-spezifische Modelle und Methoden verwendet, die bereits gute Ergebnisse für ihren jeweiligen Teilbereich gezeigt haben.

ƒ

Zur technischen Implementierung des Multiagentensystems wird auf das bestehende Framework JADE zurückgegriffen. So sind bereits technische Problemstellungen, u.a. zur Kommunikation von Agenten basierend auf dem FIPA Standard, gelöst.

Das folgende Kapitel setzt das hier entwickelte Modell ein. Es werden Experimente zur Koordination interdependenter Planungssysteme im Rahmen des CTMP aufgezeigt.

Koordination des Planungsprozesses in Container-Terminals

183

6 Koordination des Planungsprozesses in Container-Terminals In diesem Kapitel sollen die Ausführungen der vorangegangenen Kapitel unter Einsatz des in Kapitel 5 entwickelten Modells empirisch getestet werden. Hierfür kommt ein in Abstimmung mit dem Institut für Seeverkehrswirtschaft und Logistik (ISL) in Bremerhaven generierter, auf realistischen Parametern basierender Datensatz zum Einsatz.662 Die vorgestellten Modelle sind sowohl in isolierter als auch in übergreifender Form zu analysieren.663 Das Kapitel gliedert sich wie folgt: Zunächst werden der experimentelle Aufbau und die Durchführung der Experimente vorgestellt. Im Anschluss daran folgt eine zusammenfassende Interpretation der Ergebnisse, in der auch kritisch auf deren Übertragbarkeit einzugehen ist. Den Abschluss bildet die Betrachtung von Erweiterungsmöglichkeiten des Modells.

6.1 Experimenteller Aufbau und Durchführung Die folgende Untersuchung erfolgt empirisch-induktiv und setzt die Ceteris-paribusMethode ein. Es wird der Einfluss einer Größe (Ursache) auf eine andere Größe (Wirkung) untersucht, indem alle anderen Größen konstant gehalten werden. Eine Veränderung des Ergebnisses ist dann auf Veränderungen an diesem Systemelement zurückzuführen.664 Aus vielen gleich verlaufenden Experimenten soll induktiv ein gesetzmäßiger Zusammenhang gefolgert werden. Die untersuchten Größen werden in den nachfolgenden Kapiteln konkret aufgezeigt. Mit dem Einsatz von Metaheuristiken in der Optimierung der Teilprobleme wird dem Planungssystem eine stochastische Komponente hinzugefügt, die in dem Entscheidungsmodell selbst noch nicht vorhanden ist. Es sind für die Experimente mehrfache Replikationen durchzuführen, um die Wirkung einer Maßnahme beurteilen zu können. Für alle nachfol-

662

Vgl. ISL (2008). Dieser Datensatz ist im Anhang abgebildet.

663

In dieser Arbeit ist von einem übergreifenden bzw. zusammenhängenden Modell zu sprechen, wenn die isoliert entworfenen Subsysteme des CT gemeinsam in der Umgebung des Multiagentensystems untersucht werden, in der sie sich gegenseitig beeinflussen.

664

Vgl. WÖHE, G.; DÖRING, U. (2002), S. 34f.

184

Koordination des Planungsprozesses in Container-Terminals

genden Experimente werden jeweils 31 Replikationen durchgeführt. Die Darstellung der Ergebnisse erfolgt mit Hilfe von Boxplots, weil sich so die Verteilung der Ergebnisse der einzelnen Replikationen eines Experimentes aufzeigen lässt.

6.1.1 Methoden- und Parameteranalyse in isolierter Umgebung

In den vorangegangenen Kapiteln konnte aufgezeigt werden, dass die isolierten Modelle bereits gut erforscht sind.665 Die Folge ist, dass die Wirkungen von Modellparametern (für den isolierten Fall!) im Wesentlichen bekannt sind. Aus diesem Grund dient die isolierte Untersuchung der Parameter auch ihrer Validierung. Die Untersuchung in isolierter Umgebung ist wie folgt aufgebaut: Für die implementierten Modelle werden jeweils Methoden zur Lösung des Problems untersucht. Darauf aufbauend werden unter Einsatz der besten gefundenen Methode die Parameter des Modells variiert und ihre Wirkung festgestellt. Dem Vehicle Dispatching Problem kommt eine besondere Rolle zu. Es dient der Integration der Ergebnisse der vorangestellten Entscheidungen. Aus diesem Grund werden relevante Methoden und Parameter erst in Kapitel 6.1.2 angesprochen, in dem das übergreifende MAS-Modell behandelt wird. 6.1.1.1 Analyse von Methoden zur Lösung des BAP

Als Eingangsdaten für das Berth Allocation Problem werden die vom ISL bereitgestellten Daten verwendet.666 Der Planungszeitraum beträgt acht Tage. Insgesamt sind in diesem Zeitraum 62 Schiffe zuzuordnen. Der Typ der Schiffe wird in den Kategorien FEEDER (A), MEDIUM (B) und JUMBO (C) angegeben. Es wird angenommen, dass eine Containerbrücke 20 TEU/ h bearbeiten kann.667 Aus der Anzahl umzuschlagender Container und in Abhängigkeit von dem Typ eines Schiffes wird die Operationszeit geschätzt, die für das BAP konstant bleibt.

665

Vgl. Kapitel 3.2 und auch Kapitel 4.

666

Die Daten werden XML-basiert in das Modell eingelesen. Die Struktur ist im Anhang dargestellt.

667

Moderne Containerbrücken sind in der Lage, deutlich mehr TEU/h umzuschlagen. Vgl. hierzu die Ausführungen in Kapitel 3.1.4. Die Leistungsfähigkeit der Containerbrücken wird in diesem Abschnitt bewusst gering angesetzt, weil so die Auslastung des untersuchten Systems höher liegt.

Koordination des Planungsprozesses in Container-Terminals

185

Abhängig von dem Typ des Schiffs wird angenommen, dass eine unterschiedliche QCAnzahl für die Bearbeitung bereitsteht: Typ des Schiffs Anzahl

A

B

C

2

3

4

operierender QC

Tabelle 6-1: Anzahl operierender QC für Schiffstyp (Annahme)

Beispielsweise ist die Operationszeit für ein Schiff des Typs A, dass 400 TEU umschlagen lassen möchte, wie folgt zu bestimmen: Ein Feederschiff wird von zwei QC bearbeitet. Jede Containerbrücke ist in der Lage, 20 TEU pro Stunde umzuschlagen. Für dieses Schiff v wird die Operationszeit mit 10 Stunden geschätzt: top ,v

400TEU TEU 2 * 20 h

10h .668

Die Kailänge (S) wird in dem Modell auf S=170 Einheiten à 10m gesetzt.669 Zur Lösung des Berth Allocation Problems sollen insgesamt die folgenden vier Verfahren zum Einsatz kommen. Zu diesen gehören zwei Metaheuristiken: ƒ

Genetische Algorithmen sowie

ƒ

Particle Swarm Optimization

Für die Problemstellung werden Genetische Algorithmen eingesetzt, weil sich dieses Verfahren als äußerst flexibel erwiesen hat. Zudem wurde das Verfahren von NISHIMURA, IMAI und PAPADIMITRIOU bereits erfolgreich in der Liegeplatzplanung mit anderer Problemformulierung eingesetzt.670 Die Particle Swarm Optimization ist eine bislang wenig erforschte Metaheuristik, die von BRODERSEN und SCHUMANN speziell für den Einsatz in

668

Es wird dabei angenommen, dass genau zwei Containerbrücken ohne Verzögerungen mit einer Umschlagsleistung von jeweils 20 TEU/h an dem Schiff operieren.

669 670

Die Parameter des Modells sind in Kapitel 3.2.2.2 ausführlich beschrieben.

Vgl. Kapitel 2.2.3.3.2 für die Darstellung genetischer Algorithmen und Kapitel 3.2.2.1 für die Anwendung genetischer Algorithmen in der Liegeplatzplanung.

186

Koordination des Planungsprozesses in Container-Terminals

kombinatorischen Problemstellungen modifiziert wurde.671 Diese Problemstellung soll einen Ansatz geben, die Metaheuristik in einer komplexen Anwendung zu testen. Eine Lösung des Berth Allocation Problems wird in einem Vektor der Länge V (=Anzahl der Schiffe im Planungszeitraum) abgebildet. Jedes Element des Vektors beschreibt die zugewiesene Kaiposition des Schiffes. Die Schiffe werden anschließend in der Reihenfolge ihrer Ankunft - unter Berücksichtigung der zugewiesenen Position - auf den frühest möglichen Anlegezeitpunkt geschoben. Die Ergebnisse der Metaheuristiken sollen mit einer Heuristik verglichen werden, die speziell für das BAP entwickelt und von GUAN und CHEUNG vorgestellt worden ist: ƒ

Composite Heuristic672

Neben diesen Methoden kommt ein randomisiertes Verfahren zum Einsatz, bei dem die Schiffspositionen zufällig bestimmt werden. Es ist zu erwarten, dass diese Methode die schlechtesten Ergebnisse liefert, weil eine rein zufallsbasierte Vorgehensweise nicht in der Lage ist, aus vergangenen Lösungen zu „lernen“. Es ist dennoch sinnvoll, dieses Verfahren einzusetzen, weil sich durch einen Vergleich die Qualität der anderen Verfahren zur Lösung des BAP abschätzen lässt: ƒ

Randomisiertes Verfahren

Die Parametereinstellungen für GA und PSO sind in den folgenden Tabellen abgebildet.673

671

Vgl. Kapitel 2.2.3.3.3.

672

Vgl. Kapitel 3.2.2.2.

673

An diesen Parametereinstellungen für die verwendeten Metaheuristiken lässt sich ein wesentlicher Kritikpunkt dieser Vorgehensweise anbringen. Die Auswahl der Parameter erfolgt quasi willkürlich. Die Einstellung von Parametern einer Metaheuristik an eine bestimmte Problemstellung kann als Optimierungsproblem betrachtet werden. Hier werden nur wenige mögliche Parametereinstellungen untersucht. Eine methodische Vorgehensweise zur systematischen Konfiguration von Metaheuristiken zeigt MONETT DÍAZ mit Hilfe eines agentenbasierten Ansatzes, vgl. MONETT DÍAZ, D. (2005). Die Agenten übernehmen die Konfiguration der Verfahren für den menschlichen Experten.

Koordination des Planungsprozesses in Container-Terminals Experiment

187

Mutationsrate

Crossoverrate

Selektionsrate

Populationsgröße

Iterationen

1 (GA #1)

20

20

60

100

500

2 (GA #2)

40

40

60

100

500

3 (GA #3)

60

60

60

100

500

Nr.

4 (GA #4)

80

80

60

100

500

5 (GA #5)

100

100

60

100

500

6 (GA #6)

20

20

80

100

500

7 (GA #7)

40

40

80

100

500

8 (GA #8)

60

60

80

100

500

9 (GA #9)

80

80

80

100

500

10 (GA #10)

100

100

80

100

500

Tabelle 6-2: BAP-Parametereinstellungen für GA Experiment

Schwarmgröße

Iterationen

Mutationsrate

1 (PSO #1)

20

2500

0

2 (PSO #2)

20

2500

50

3 (PSO #3)

20

2500

100

4 (PSO #4)

60

834

0

5 (PSO #5)

60

834

50

6 (PSO #6)

60

834

100

7 (PSO #7)

100

500

0

8 (PSO #8)

100

500

50

9 (PSO #9)

100

500

100

Nr.

Tabelle 6-3: BAP-Parametereinstellungen für PSO

Minimiert wird die Summe der gewichteten Aufenthaltszeit aller Schiffe im Hafen in Stunden. Die Ergebnisse werden mit der in Kapitel 3.2.2.2 angegebenen Zielfunktion bewertet. Abbildung 6-1 zeigt die Ergebnisse der beiden Metaheuristiken unter Einsatz der in den Tabellen genannten Parametereinstellungen als Boxplots.

188

Koordination des Planungsprozesses in Container-Terminals

2600 2500 2400 2300

Summe der gewichteten Aufenthaltszeit in h

2700

BAP Genetische Algorithmen

GA #1

GA #2

GA #3

GA #4

GA #5

GA #6

GA #7

GA #8

GA #9

GA #10

2250 2240 2230 2220 2210 2200

Summe der gewichteten Aufenthaltszeit in h

2260

BAP Particle Swarm Optimization

PSO #1

PSO #2

PSO #3

PSO #4

PSO #5

PSO #6

PSO #7

PSO #8

PSO #9

Abbildung 6-1: BAP-Ergebnisse für GA und PSO (Boxplots)

Zu beachten ist die unterschiedliche Skalierung der Ordinate für genetische Algorithmen und die Particle Swarm Optimization. Die gefundenen Aufenthaltszeiten der Particle Swarm Optimization weisen eine deutlich geringere Varianz auf und liegen im Durchschnitt deutlich unter denen des Genetischen Algorithmus.674 Die folgende Tabelle zeigt zusammenfassend den Mittelwert, Median und die Standardabweichung der Summe der gewichteten Aufenthaltszeit aller Schiffe in Stunden.

674

Vgl. hierzu auch Tabelle 6-4.

Koordination des Planungsprozesses in Container-Terminals Experiment

GA

PSO

189

Nr.

1

2

3

4

5

6

7

8

9

10

mean

2358

2370

2329

2484

2524

2368

2403

2421

2450

2482

median

2350

2356

2313

2476

2520

2370

2394

2425

2449

2492

sd

45.22

53.05

56.11

82.52

78.16

39.34

57.36

62.18

65.88

69.96

mean

2224

2230

2238

2225

2230

2232

2225

2232

2233

-

median

2227

2232

2237

2226

2232

2233

2228

2234

2233

-

sd

12.66

12.00

6.89

10.96

11.34

13.47

10.03

10.79

11.21

-

Tabelle 6-4: BAP-Ergebnisse für GA und PSO

In der Tabelle ist jeweils der minimale Wert aller Einstellungen gekennzeichnet. Die Aufenthaltszeiten der Schiffe liegen bei Einsatz der Particle Swarm Optimization unter den von dem GA gefundenen Ergebnissen. Auch die Standardabweichung fällt geringer aus. Bisher wurden lediglich die eingesetzten Metaheuristiken verglichen. Abbildung 6-2 zeigt den Vergleich mit der Composite Heuristic und dem randomisierten Verfahren. Die Heuristik von GUAN und CHEUNG enthält keine stochastische Komponente. Es werden deshalb keine Replikationen durchgeführt.

2700 2600 2500 2400 2300

CH

2200

Summe der gewichteten Aufenthaltszeit in h

BAP- Methoden

PSO

GA

Random

Abbildung 6-2: Vergleich eingesetzter BAP-Methoden

Die Abbildung zeigt, dass der Einsatz der Particle Swarm Optimization zu der minimalen Aufenthaltszeit führt.675 Die Ergebnisse der PSO liegen dabei immer unterhalb der als

675

Für GA sind die Ergebnisse von Parametereinstellung #3 angegeben, für die PSO wird Einstellung #1 verwendet, weil hier die minimale Zielgröße erzielt worden ist. Vgl. Tabelle 6-2 und Tabelle 6-3 für die Parametereinstellungen der Metaheuristiken und Tabelle 6-4 für die Darstellung der Ergebnisse.

190

Koordination des Planungsprozesses in Container-Terminals

Benchmark eingesetzten Composite Heuristic nach GUAN und CHEUNG. Die Aufenthaltszeiten des GA liegen über denen der PSO und im Durchschnitt auch über den Ergebnissen der CH. Die Leistung von GA, PSO und CH zeigt sich auch durch den Vergleich mit dem randomisierten Verfahren. Die Heuristiken weisen deutlich geringere Aufenthaltszeiten für die Schiffe auf. Für den GA wird das Java-API JGAP verwendet, das Klassen für den Einsatz von Genetischen Algorithmen in Java zur Verfügung stellt und von MEFFERT veröffentlicht worden ist.676 Für die PSO wird eine vom Institut für Wirtschaftsinformatik der Universität Göttingen bereitgestellte Methode verwendet. 6.1.1.2 Analyse von BAP-Parametern

Die Kailänge (S) stellt einen Parameter der Liegeplatzplanung dar.677 Um die Wirkung dieses Parameters auf die Zielgröße beobachten zu können, soll S im Intervall [1000, 2200] variiert werden. Alle anderen Größen werden konstant gehalten. Zur Lösung des Problems wird die Particle Swarm Optimization mit der Parametereinstellung #1 eingesetzt, weil diese Methode in Kapitel 6.1.1.1 zu den besten Ergebnissen geführt hat. Zu erwarten ist, dass die Wartezeit der Schiffe mit zunehmender Kailänge sinkt, weil für die Bearbeitung der Schiffe mehr Ressourcen zur Verfügung stehen. Die folgende Tabelle zeigt die Ergebnisse für variierende Kailängen. Die Tabelle zeigt die Summe der gewichteten Aufenthaltszeit im Hafen in Stunden. Die Operationszeit ist für das Berth Allocation Problem konstant.

676 677

Vgl. MEFFERT, K. (2008).

In der Modellformulierung von GUAN und CHEUNG entspricht die Kailänge dem Parameter S. Vgl. Kapitel 3.2.2.2.

Koordination des Planungsprozesses in Container-Terminals

191

Kailänge in m

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

4402

3568

3031

2808

2576

2430

2315

2222

2191

2163

2145

2139

2137

w

2266

1432

894.5

672.5

440.5

293.6

179.2

86.45

55.42

27.19

9.26

2.90

0.78

op

2136

2136

2136

2136

2136

2136

2136

2136

2136

2136

2136

2136

2136

'TIP

-

834

537

223

230

146

115

93

31

28

18

6

2

sd

81.38

99.90

40.58

33.29

25.84

27.17

17.40

9.19

3.62

6.27

2.87

0.54

1.26

und Zielgröße in h

¦ TIP ¦t

¦t

Tabelle 6-5: BAP-Ergebnisse unter Variation der Kailänge

Die Modellergebnisse bestätigen die Vermutung, dass die Wartezeit für Containerschiffe mit zunehmender Kaifläche und unter sonst gleichen Umständen im isoliert betrachteten Modell sinkt. Zudem lässt sich der abnehmende Grenznutzen zusätzlicher Kaieinheiten feststellen: Unter Einsatz einer geringen Anzahl von Kai-Ressourcen, z.B. einer Kailänge von 1000 m, bewirkt die Hinzunahme eine erhebliche Reduktion der Zielgröße, während dieser Effekt mit Verlängerung des Kais abnehmend ist. Die Verlängerung von S erfolgt sukzessiv um jeweils 100 m. Die folgende Abbildung stellt die Ergebnisse grafisch dar.

3500 3000 2500

Fitnesswert in h

4000

4500

BAP - Variation der Kailänge

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

Kailänge in m

Abbildung 6-3: Variation der Kailänge

Die Abbildung zeigt die Summe der gewichteten Aufenthaltszeit der Containerschiffe im Hafen in Abhängigkeit von der Kailänge. Die Ausprägung der Zielgröße entspricht der

192

Koordination des Planungsprozesses in Container-Terminals

erwarteten Entwicklung. Dieser Effekt ist jedoch insbesondere auf das isolierte Modell zurückzuführen. Für das zusammenhängende Modell darf dieser Effekt nicht ohne weiteres angenommen werden, weil die Aufenthaltszeit der Schiffe nicht allein durch die Verlängerung der Kailänge sinken kann.678 Die simulierten Werte lassen sich im Rahmen einer einfachen Investitionsrechnung untersuchen, um für gegebene Kostensätze die optimale Kailänge in diesem betrachteten Modell zu bestimmen. Hierfür sind die folgenden Zahlen näher zu betrachten: Kailänge in m und

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

834

537

223

230

146

115

93

31

28

18

6

2

834

1371

1594

1824

1970

2085

2178

2209

2237

2255

2261

2263

k

k

k

k

k

k

k

k

k

k

k

k

k

2k

3k

4k

5k

6k

7k

8k

9k

10k

11k

12k

834 -

1371 -

1594 -

1824 -

1970 -

2085 -

2178 -

2209 -

2237 -

2255 -

2261 -

2263 -

k

2k

3k

4k

5k

6k

7k

8k

9k

10k

11k

12k

Zielgröße in h

Reduktion in h Reduktion in h (kumuliert) K K (kumuliert)

Differenz

Tabelle 6-6: Nutzen und Kosten der verlängerten Kailänge

Die Verlängerung der Kailänge verursacht Kosten, die durch die Reduktion der Wartezeit amortisiert werden sollen. Die entstehenden Kosten sind mit den Nutzeneinheiten, gemessen in der kumulierten Reduktion, zu vergleichen. Um beurteilen zu können, ob der Ausbau des Kais lohnend ist, sind die Kosten, gemessen in GE, auf ein vergleichbares Maß umzurechnen. Dies kann wie folgt durchgeführt werden: Beispielsweise verursacht die Verlängerung des Kais auf 1100 Meter k Kosten. Mit diesem eingesetzten Betrag ist eine Reduktion der Zielgröße um mindestens h Stunden zu erreichen.

678

Hier wirkt die Modellannahme, dass Schiffe mit einer konstanten Operationszeit bearbeitet werden und mit der Abfertigung begonnen wird, sobald eine Kairessource zur Verfügung steht. Durch die Integration in das zusammenhängende Modell entfällt diese Annahme. Auch übergreifend wird mit der Verlängerung des Kais eine Reduktion der Aufenthaltszeit angestrebt. Ob sich dieser Effekt einstellt, ist aber von weiteren Faktoren abhängig.

Koordination des Planungsprozesses in Container-Terminals

193

Zur Beurteilung der optimalen Kailänge (S*) [für dieses Ergebnis] sind zwei verschiedene Zielfunktionen (Z) denkbar: a) Die Minimierung der Aufenthaltszeit unter Berücksichtigung eines angemessenen Gewinns, mindestens jedoch Null, oder b) die Maximierung des Gewinns unter Berücksichtigung einer angemessenen Aufenthaltszeit. Der Gewinn ist definiert als die Differenz zwischen Nutzen und Kosten der Kailängenerhöhung. Die Quantifizierung des Begriffs „angemessen“ ist von dem CT-Betreiber zu beurteilen. Beide Zielsetzungen sind im Rahmen der Entscheidungsfindung für den CT von hoher Bedeutung: Um die Konkurrenzfähigkeit zu erhalten, ist der CT auf eine geringe durchschnittliche Aufenthaltszeit angewiesen. Gleichzeitig sind die Gewinne des Terminals zu maximieren, um das Überleben des Unternehmens zu sichern. Nur wenn der Betreiber beide Zielsetzungen vereinbaren kann, kann langfristig das Überleben des CT gesichert werden. Fänden die Kosten in dem Modell zur Beurteilung der optimalen Kailänge keine Berücksichtigung, dann würde sich für S* [für beide Zielsetzungen] die maximal untersuchte Größe (S*=2200m) ergeben, weil mit jeder Verlängerung der Kailänge eine Reduktion der durchschnittlichen Aufenthaltszeit einhergeht. 679 In Abhängigkeit von k und Z existieren unterschiedliche Handlungsempfehlungen: Ist k groß, dann muss die Reduktion der Aufenthaltszeit sehr stark ausfallen, um die Erweiterung der Kailänge zu begründen. Ist k klein, dann reicht eine geringe Aufenthaltszeitreduktion für die Empfehlung der Erweiterung. Unter Berücksichtigung der Kosten ergeben sich die folgenden Ergebnisse für die beiden betrachteten Ziele. Die Tabelle gibt an, für welchen Kostensatz die jeweilige Kailänge für die Zielsetzungen optimal ist.

679

Dies entspricht k=0. Vgl. Tabelle 6-7.

194 Kailänge in m

Z a)

Z b)

Koordination des Planungsprozesses in Container-Terminals 1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100 205.55

834

685.5

531.33

456

394

347.5

311.14

276.13

248.56

225.5

<= k <

<= k <

<= k <

<=k <

<= k <

<= k <

<= k <

<= k <

<= k <

<= k <

<= k <

685.5

531.33

456

394

347.5

311.14

276.13

248.56

225.5

205.55

188.58

226.5

146 <=

-

<= k <

k<

146

115

834

537 <=

<= k <

k<

537

226.5

115 <= k < 93

93

31

28

18

6

<= k <

<= k <

<= k <

<= k <

<= k <

31

28

18

6

2

2200

k <= 188.58

k <= 2

Tabelle 6-7: Optimale Kailänge (S*) in Abhängigkeit von Z und k

Die Tabelle zeigt, dass sich in Abhängigkeit von der gewählten Zielfunktion eine unterschiedliche Handlungsempfehlung ergibt. Die folgende Abbildung stellt dieses Ergebnis grafisch dar.

800

Kostensatz k für S*

0

200

400

k

600

z.B. k für S* = 1200m

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

S*

Abbildung 6-4: Optimale Kailänge (S*) in Abhängigkeit von Z und k

In der Abbildung zeigt die durchgezogene Linie die Zielsetzung a) (Aufenthaltszeitminimierung) und die gestrichelte Line die Zielsetzung b) (Gewinnmaximierung). Aus dieser Betrachtung lässt sich der folgende Zielkonflikt aufzeigen. Beispielsweise ergibt sich für k=200 die folgende Situation:

2000

Reduktion, kumuliert Kosten Differenz

1000

BAP und CSP

1500

195

0

500

Fitnesswert in h

Koordination des Planungsprozesses in Container-Terminals

1200

1400

Sb* = 1400m (Gewinnmaximierung)

1600 Kailänge in m

1800

2000

2200

Sa* = 2100m (Aufenthaltszeitminimierung)

Abbildung 6-5: Zielkonflikt BAP-Parameter (Kailänge)

In Abbildung 6-5 ist die kumulierte Reduktion der Aufenthaltszeit dargestellt. Zusätzlich sind die entstehenden Kosten und die Differenz beider Größen abgebildet. Für die Minimierung der Aufenthaltszeit ist die Kailänge so weit zu erhöhen, dass die Differenz aus Nutzen und Kosten gerade noch größer als Null ist. Dies ist für S*=2100 m der Fall. Unter Einsatz der zweiten Zielsetzung, der Gewinnmaximierung, ergibt sich eine andere optimale Kailänge von S*=1400 m.680 Die Empfehlungen für S* weichen in Abhängigkeit von der Zielgröße erheblich voneinander ab. Bevor eine abschließende Beurteilung bzgl. S* erfolgen kann, ist die Analyse weiterer Faktoren unbedingt erforderlich. Weiterhin ist kritisch anzumerken, dass die Beurteilung von S* hier isoliert erfolgt, d.h. ohne Berücksichtigung anderer relevanter Entscheidungen des CT. Allein mit der Verlängerung des Kais lässt sich die Aufenthaltszeit keinesfalls verringern. Der folgende Abschnitt geht auf die isolierte Betrachtung des Crane Scheduling Problems ein.

680

Diese Aussage umfasst die Annahme, dass die resultierende Aufenthaltszeit angemessen ist, vgl. hierzu Zielsetzung b) in diesem Abschnitt.

196

Koordination des Planungsprozesses in Container-Terminals

6.1.1.3 Analyse von Methoden zur Lösung des CSP

Wie in Abschnitt 6.1.1.1 sollen auch für das CSP unterschiedliche Lösungsmethoden untersucht werden, bevor im folgenden Abschnitt wiederum auf Parameter des Modells eingegangen wird. Die Eingangsdaten der Problemstellung basieren auf den Ergebnissen der Liegeplatzplanung. Es wird angenommen, dass die auf dem Containerschiff liegenden Container in einem Abstand von 50 Metern zu bearbeiten sind. Für ein Schiff mit einer Länge von 250 Metern und 500 umzuschlagenden TEU werden fünf unterschiedliche Jobs differenziert, die von den Containerbrücken abzufertigen sind. Jeder Job wird mit 100 TEU (=

vTEU ) # Jobs

angegeben, d.h. zu bearbeitende Container werden uniform auf die Jobs verteilt.681 Für das CSP kommen folgende Metaheuristiken zum Einsatz: ƒ

Genetische Algorithmen

ƒ

Simulated Annealing

Die Auswahl der Genetischen Algorithmen für den Einsatz erfolgt mit Blick auf die Flexibilität im Einsatz. Das Simulated Annealing wird von ZHU und LIM auch für das CSP (in anderer Form) eingesetzt. Die Eigenschaften der Metaheuristik lassen gute Ergebnisse für die Problemstellung vermuten.682 Die Abbildung einer Lösung des Crane Scheduling Problems wird in einem Vektor der Länge n (=Anzahl der Bays der Schiffe im Planungszeitraum) abgebildet. Jedes Element des Vektors beschreibt die der Bay zugewiesene Containerbrücke. Für diese Zuordnung werden - in gültiger Reihenfolge - die Start- und Fertigstellungszeitpunkte berechnet.

681

Diese Annahme wirkt auf das Ergebnis der Containerbrückenplanung. Ist die Anzahl umzuschlagender Container der Jobs der Schiffe stark unterschiedlich verteilt, dann ist zu erwarten, dass sich das Ergebnis der QC-Planung verändert. In dieser Arbeit wird nur die uniforme Verteilung der Container in den Jobs berücksichtigt.

682

Es ist hervorzuheben, dass auch andere Metaheuristiken in Frage kommen können. Die hier vorgenommene Auswahl zeigt die von MÜLLER-MERBACH angesprochene Problemhomogenität der Methoden auf, vgl. Kapitel 2.2.1. Werden in der Literatur neue und bessere Methoden entwickelt, dann können diese ebenfalls im Rahmen dieser Umgebung zum Einsatz kommen. Mit SA ist ein auf lokaler Suche basierendes Verfahren gegeben, vgl. Kapitel 2.2.3.3.4.

Koordination des Planungsprozesses in Container-Terminals

197

Beide Metaheuristiken greifen auf eine Ausgangslösung zurück, die mit Hilfe von zwei regelbasierten Heuristiken konstruiert werden:683 ƒ

Entscheidungsheuristik für Ausgangslösung 1 (EH1)

ƒ

Entscheidungsheuristik für Ausgangslösung 2 (EH2)

Aufgrund der Struktur des CSP ist im Vergleich zum BAP ein einfaches randomisiertes Verfahren kaum einsatzfähig, weil es zu sehr schlechten Ergebnissen führt.684 Für das CSP soll zusätzlich ein ƒ

Greedy-Verfahren

eingesetzt werden, welches jeweils die zum frühestmöglichen Zeitpunkt einsatzbereite Containerbrücke auswählt. Ist der Zeitpunkt der möglichen Zuordnung für mehrere Containerbrücken gleich, ist diejenige Brücke zu bestimmen, die zu diesem Zeitpunkt die geringste Distanz zu der Position des Jobs aufweist. Die Eingangsdaten erfordern eine Zuordnung in Form der BAP-Lösung, weil hier die Positionen und die Zeitpunkte der Schiffe definiert sind. Aus der BAP-Lösung ergibt sich die für die Modellerweiterung relevante Adjazenzmatrix, die die Beziehung der Schiffe, ihrer Vorgänger und Nachfolger, untereinander darstellt.685 Für den weiteren Verlauf werden die Einstellungen des CT verändert. Die Leistungsfähigkeit aller eingesetzten Containerbrücken wird für das CSP auf 25 TEU pro Stunde gesetzt.686 Insgesamt stehen dem CT (m=)15 Containerbrücken zur Verfügung. Tabelle 6-8 und Tabelle 6-9 zeigen die für das Simulated Annealing und die Genetischen Algorithmen verwendeten Parameter. Es werden drei Eröffnungsheuristiken getestet. Zu-

683

Die Arbeitsweise dieser Eröffnungsheuristiken ist im Anhang erläutert. Aus den Untersuchungen mit dieser Problemstellung ist bekannt, dass der Einsatz einer Eröffnungsheuristik das Endergebnis deutlich verbessern kann.

684

Für das BAP gilt dies nicht, weil die zufällig bestimmten Positionen des Schiffes durch anschließende Transformation auf den frühestmöglichen Startzeitpunkt gerückt werden. Vgl. Kapitel 6.1.1.1.

685 686

Ein Beispiel für die aus einer BAP-Lösung resultierende Adjazenzmatrix ist im Anhang abgebildet.

Für das CSP erfolgt die Anpassung der Leistungsfähigkeit der Containerbrücken an eine realistische Größe. Vgl. hierzu die in Kapitel 3.1.4 genannten Richtwerte. Für die Untersuchung des BAP wurden 20 TEU/h angenommen. Dies liegt darin begründet, dass dadurch die angenommene Operationszeit für jedes Schiff höher liegt. Die Problemstellung wird dadurch erschwert, weil die Auslastung des CT steigt.

198

Koordination des Planungsprozesses in Container-Terminals

sätzlich kommen für das SA zwei unterschiedliche Nachbarschaftsfunktionen zum Einsatz, deren Funktionsweise ausführlich im Anhang erläutert ist. Experiment

Eröffnungsheuristik

Nachbarschaft

Abkühlrate

Iterationen

Temperatur

1 (SA #1)

EH 1

1

80

500

100

2 (SA #2)

EH 1

1

99

500

100

3 (SA #3)

EH 1

2

80

500

100

4 (SA #4)

EH 1

2

99

500

100

5 (SA #5)

EH2

1

80

500

100

6 (SA #6)

EH 2

1

99

500

100

7 (SA #7)

EH 2

2

80

500

100

8 (SA #8)

EH 2

2

99

500

100

9 (SA #9)

Greedy

1

80

500

100

10 (SA #10)

Greedy

1

99

500

100

11 (SA #11)

Greedy

2

80

500

100

12 (SA #12)

Greedy

2

99

500

100

Nr.

Tabelle 6-8: CSP-Parametereinstellungen für SA Experiment

Eröffnungsheuristik

Mutationsrate

Crossoverrate

Populationsgröße

Iterationen

1 (GA #1)

EH 1

60

60

10

50

2 (GA #2)

EH 1

80

80

10

50

3 (GA #3)

EH 1

dynamisch687

dynamisch

10

50

4 (GA #4)

EH 2

60

60

10

50

5 (GA #5)

EH 2

80

80

10

50

6 (GA #6)

EH 2

dynamisch

dynamisch

10

50

7 (GA #7)

Greedy

60

60

10

50

8 (GA #8)

Greedy

80

80

10

50

9 (GA #9)

Greedy

dynamisch

dynamisch

10

50

Nr.

Tabelle 6-9: CSP-Parametereinstellungen für GA

687

Diese Einstellung ist im Rahmen der Klassendefinition nach MEFFERT, K. (2008) ausführlich definiert.

Koordination des Planungsprozesses in Container-Terminals

199

Die Ergebnisse der Metaheuristiken mit den genannten Parametereinstellungen sind in Abbildung 6-6 dargestellt.

50 40 30 20

Durchschnittliche Aufenthaltszeit in h

60

CSP Simulated Annealing

SA #1

SA #2

SA #3

SA #4

SA #5

SA #6

SA #7

SA #8

SA #9

SA #10

SA #11

SA #12

45 40 35 30 25 20

Durchschnittliche Aufenthaltszeit in h

50

CSP Genetische Algorithmen

GA #1

GA #2

GA #3

GA #4

GA #5

GA #6

GA #7

GA #8

GA #9

Abbildung 6-6: CSP-Ergebnisse für SA und GA (Boxplots)

Bereits die grafische Betrachtung der Ergebnisse zeigt einen Vorteil für EH1 gegenüber den anderen Eröffnungsheuristiken, sowohl für GA als auch für SA. Zudem zeigt die erste für SA definierte Nachbarbarschaftsfunktion durchgehend bessere Ergebnisse als die zweite. In der folgenden Tabelle sind die Ergebnisse numerisch dargestellt. Experiment

GA

SA

Nr.

1

2

3

4

5

6

7

8

9

10

11

12

mean

24.11

25.42

23.69

31.32

30.94

27.54

27.44

31.01

27.23

-

-

-

median

23.76

24.35

23.37

30.55

29.73

27.01

27.09

27.69

26.06

-

-

-

sd

3.17

3.31

2.46

4.28

5.78

2.87

4.62

9.17

5.76

-

-

-

mean

24.04

30.95

26.25

32.42

24.77

28.29

26.99

34.07

29.81

36.80

29.88

31.94

median

24.15

30.09

24.59

29.96

24.58

28.08

25.28

33.78

26.17

36.04

28.33

31.01

sd

2.93

4.58

4.13

9.63

2.30

2.68

3.72

7.02

9.53

7.10

6.29

6.23

Tabelle 6-10: CSP-Ergebnisse für SA und GA

200

Koordination des Planungsprozesses in Container-Terminals

Die folgende Abbildung zeigt zusammenfassend den Vergleich der eingesetzten Eröffnungsverfahren zusammen mit beiden Metaheuristiken und deren besten gefundenen Parametereinstellungen.

50 40 20

30

Aufenthaltszeit in h

60

CSP Heuristiken

EH1

EH2

Greedy

SA #1

GA #3

Abbildung 6-7: CSP Heuristiken

GA und SA sind in der Lage, die Eröffnungsheuristiken weiter zu verbessern. Das Ergebnis der Metaheuristiken ist stark von dem variierenden Ergebnis der Ausgangslösung abhängig. Die Variation des Ergebnisses der Ausgangslösung liegt allein in (der Variation) der Liegeplatzlösung begründet, weil sich die Instanz des CSP aus der Liegeplatzplanung ergibt. Von der BAP-Lösung ist bekannt, dass in der Regel nicht die optimale, sondern lediglich eine gute Lösung gefunden werden kann. Die Bestimmung der Eröffnungslösung selbst unterliegt jedoch keiner stochastischen Komponente. Die nachstehende Abbildung zeigt die Optimierung der Ausgangslösung durch die eingesetzten Metaheuristiken. Die Ausgangslösung wird - basierend auf den Ergebnissen der Liegeplatzplanung - mit Hilfe von EH1 gewonnen. Die Ergebnisse der Eröffnungsheuristik sind über die durchgezogene Linie dargestellt. Die darauf ansetzende SA- und GAVerbesserung zeigen die unterbrochenen Kurven.688

688

Die Darstellung der Verteilung wird mit Hilfe der R-Funktion density()erzeugt.

Koordination des Planungsprozesses in Container-Terminals

201

0.20

CSP Heuristiken

0.10 0.00

0.05

relative Häufigkeit

0.15

EH1 SA GA

20

30

40

50

Durchschnittliche Aufenthaltszeit in h

Abbildung 6-8: Optimierung der Eröffnungsheuristik mit SA und GA

SA und GA sind in der Lage, die Ausgangslösung mit ähnlich guten Ergebnissen zu verbessern. Die Ausgangslösung kann zu schlechten Lösungen führen und weist eine hohe Varianz auf. Im Vergleich dazu fällt die Varianz der Ergebnisse beider Metaheuristiken geringer aus. Beide Verfahren zeigen im Durchschnitt eine niedrigere Aufenthaltszeit. Der folgende Abschnitt untersucht die Wirkung des Modellparameters m, der die Anzahl zur Verfügung stehender Containerbrücken angibt.689 6.1.1.4 Analyse von CSP-Parametern

In Abschnitt 6.1.1.3 hat der Genetische Algorithmus mit der Parametereinstellung #3 zu der minimalen Aufenthaltszeit geführt. Für das CSP soll in diesem Abschnitt die Anzahl verfügbarer Containerbrücken unter Einsatz dieser Methode variiert werden.690 Es ist zu erwarten, dass die Aufenthaltszeit der Containerschiffe mit steigender QC-Anzahl sinkt, weil mehr Ressourcen für die Abfertigung der Schiffe zur Verfügung gestellt werden. Weiterhin ist zu vermuten, dass der Grenznutzen für den Einsatz einer weiteren Containerbrücke sinkt. In dem CSP werden Interferenzen zwischen den QC berücksichtigt. Aus diesem Grund ist es möglich, dass es zu gegenseitigen Behinderungen bei einer hohen

689 690

Vgl. Kapitel 3.2.3.2.

Es ist zu beachten, dass die CSP-Verfahren in Kapitel 6.1.1.3 unter Einsatz von m=15 QC untersucht worden sind. Es ist nicht auszuschließen, dass sich für eine andere QC-Anzahl ein anderes Ergebnis ergeben hätte.

202

Koordination des Planungsprozesses in Container-Terminals

Anzahl verfügbarer Containerbrücken kommt. Dies kann sich nachteilig auf die Aufenthaltszeit auswirken. Es ist weiterhin zu berücksichtigen, dass das Modell in diesem Abschnitt nur isoliert betrachtet wird. Im übergreifenden Modell gelten diese Hypothesen nicht ohne weiteres, denn ohne die entsprechende Unterstützung, beispielsweise die Erhöhung verfügbarer Transporter, lässt sich das Potential zusätzlicher QC nicht realisieren. Zu kritisieren ist zudem, dass der Mehreinsatz von Entities auf dem CT zu Staus und Behinderungen im Prozessablauf führen kann. Zu viele eingesetzte Entities können deshalb auch negativen Nutzen mit sich bringen. Dieser Punkt findet in der Transportplanung des VDP jedoch keine Berücksichtigung. Die folgende Abbildung zeigt die simulierten Ergebnisse der durchschnittlichen Aufenthaltszeit für die Containerschiffe in Abhängigkeit von der Anzahl verfügbarer Containerbrücken.

50 40 20

30

Fitnesswert in h

60

70

CSP - Variation der Anzahl der Containerbrücken

8

9

10

11

12

13

14

15

16

17

18

19

Anzahl der Containerbrücken

Abbildung 6-9: Variation der Anzahl eingesetzter Containerbrücken

Die erwartete Wirkung durch die Variation der Containerbrückenanzahl kann durch die Abbildung bestätigt werden. Weiterhin lässt sich der abnehmende Grenznutzen zusätzlicher Containerbrücken erkennen. Für einen detaillierten Überblick zeigt die folgende Tabelle die durchschnittlichen Aufenthaltszeiten im Hafen und die Standardabweichung in Abhängigkeit von m.

Koordination des Planungsprozesses in Container-Terminals QC durchschnittliche

203

8

9

10

11

12

13

14

15

16

17

18

19

70.60

64.66

49.43

35.78

27.36

22.64

22.00

20.79

19.96

18.01

16.95

17.23

5.55

2.05

5.22

3.06

1.76

0.77

1.16

0.70

0.44

0.38

0.46

0.70

Aufenthaltszeit sd

Tabelle 6-11: Fitnesswert und Standardabweichung für CSP-Parametervariation

Die Hinzunahme der 19. Containerbrücke zeigt keine Reduktion der durchschnittlichen Aufenthaltszeit. Für die Begründung der Steigerung der Aufenthaltszeit durch die Hinzunahme der Containerbrücke kommen in dem Modell zwei Ansatzpunkte in Frage: ƒ

Die Berücksichtigung von QC-Interferenzen bewirkt, dass sich Containerbrücken gegenseitig behindern können. Sind zu viele Containerbrücken am Kai des Terminals vorhanden, dann kann dies zu einer Behinderung führen, so dass sich der Einsatz negativ auswirken kann.

ƒ

Das Crane Scheduling Problem in der Formulierung von ZHU und LIM ist NPvollständig.691 Die Hinzunahme weiterer Containerbrücken (Vergrößerung von m) erweitert den Lösungsraum. Diese Erweiterung erschwert es dem Optimierungsverfahren, eine gute Lösung zu finden. Das Potential zur Minimierung der Zielgröße durch die Bereitstellung einer weiteren Brücke kann deshalb auch durch das eingesetzte Lösungsverfahren reduziert werden.

Analog zu der Analyse in Kapitel 6.1.1.2 soll der Nutzen einer zusätzlich bereitgestellten Containerbrücke für die zwei aufgeführten Zielfunktionen aufgezeigt werden. Die Tabelle fasst die dafür notwendigen Werte entsprechend zusammen. QC

9

10

11

12

13

14

15

16

17

18

19

Reduktion in h

5.94

15.23

13.65

8.42

4.72

0.64

1.21

0.83

1.95

1.06

-0.28

5.94

21.17

34.82

43.24

47.96

48.6

49.81

50.64

52.59

53.65

53.37

5.94 -

21.17 -

34.82 -

43.24 -

47.96 -

48.6 -

49.81 -

50.64 -

52.59 -

53.65 -

53.37 -

k

2k

3k

4k

5k

6k

7k

8k

9k

10k

11k

Reduktion in h (kumuliert)

Differenz

Tabelle 6-12: Kumulierte Reduktion der Aufenthaltszeit für CSP-Parametervariation

691

Vgl. ZHU, Y.; LIM, A. (2006), S. 7f.

204

Koordination des Planungsprozesses in Container-Terminals

Bei Vernachlässigung der Kosten für die Bereitstellung einer weiteren Containerbrücke zeigen die simulierten Werte die optimale Anzahl einzusetzender Containerbrücken für m*=18. Die optimale Containerbrückenanzahl für k z 0 und unter Berücksichtigung von Z zeigt die folgende Tabelle analog zum Vorgehen in Kapitel 6.1.1.2. QC

9

10

11 11.61

10.81

9.59

8.1

7.12

6.33

5.84

Z a)

-

-

>=k >

>= k >

>= k >

>= k >

>= k >

>= k >

>= k >

10.81

9.59

8.1

7.12

6.33

5.84

5.37

-

-

-

>= k >

-

Z b)

-

12

13

14

11.61

8.42

4.72

>= k >

>= k >

>= k >

8.42

4.72

1.16

15

16

17

1.16

18

5.37 >= k

1.06 >= k

1.06

19

-

-

Tabelle 6-13: Optimale Containerbrückenanzahl (m*) in Abhängigkeit von Z und k

Der Nutzen zusätzlicher Containerbrücken wird in Höhe der Reduktion der durchschnittlichen Aufenthaltszeit in Stunden angegeben. Um diese Größe mit den Kosten vergleichen zu können, sind die Kosten für die Bereitstellung einer zusätzlichen Containerbrücke in Höhe der minimal geforderten Reduktionszeit (ebenfalls in Stunden) anzugeben. Die Tabelle zeigt die optimale Anzahl einzusetzender Containerbrücken in Abhängigkeit von k und der gewählten Zielsetzung. Die folgende Abbildung stellt dieses Ergebnis grafisch dar.

k

0

2

4

6

8

10

12

Kostensatz k für m*

9

10

11

12

13

14

15

16

17

18

m*

Abbildung 6-10: Optimale Containerbrückenanzahl (m*) in Abhängigkeit von Z und k

Die durchgezogene Linie stellt die Aufenthaltszeitminimierung und die gestrichelte Linie die Gewinnmaximierung dar. Auch hier lässt sich ein Widerspruch in der Empfehlung der optimalen Anzahl einzusetzender Containerbrücken für unterschiedliche Kostensätze auf-

Koordination des Planungsprozesses in Container-Terminals

205

zeigen. Daraus ergibt sich, dass auch in diesem Entscheidungsbereich die Auswahl der einzusetzenden Ressourcen von mehr Kriterien abhängig ist, als in diesem Modell berücksichtigt werden. Das Modell kann deshalb nur einen ersten Ansatz für die Entscheidung aufzeigen. 6.1.1.5 Analyse von Methoden zur Lösung des SLP

Die Eingangsdaten des Storage Location Problems basieren - wie im Crane Scheduling Problem - auf den Ergebnissen der Liegeplatzplanung. Dies liegt darin begründet, dass mit dem Liegeplatzplan feststeht, wann und wo ein Containerschiff anlegen wird. Erst wenn diese Daten bekannt sind, lassen sich die Lagerstandorte für die Container im Yard transportdistanzminimal zuordnen. Gleichzeitig deckt dieses Vorgehen ein Problem auf: Auch die Liegeplatzplanung benötigt die Daten der Containerstandorte im Yard, weil die Schiffe dann transportdistanzminimal den Liegeplätzen am Kai zugeordnet werden können.692 Die Minimierung der Transportdistanz reduziert direkt die Kosten des CT-Betreibers und kann die Reduktion der Operationszeit bewirken, wenn die Entscheidungen des Terminals optimal abgestimmt sind. Das Layout des Lagers ist im Anhang dargestellt. Für jeden Block wird einheitlich eine Kapazität von 720 TEU angenommen. Insgesamt stehen dem CT in diesem Modell 30 Blöcke zur Verfügung. Folgende SLP-Methoden kommen für den ersten Teil der Problemstellung zum Einsatz: ƒ

Regelbasiertes Verfahren nach MURTY, Fill Ratio Equalization (FRE)

ƒ

Genetische Algorithmen

Die Einstellungen des GA sind mit der folgenden Tabelle gegeben.

692

Zu den Abhängigkeiten der isolierten Planungssysteme vgl. Kapitel 3.3.

206

Koordination des Planungsprozesses in Container-Terminals Experiment

Mutationsrate

Crossoverrate

Selektionsrate

Populationsgröße

Iterationen

1 (GA #1)

20

20

60

50

50

2 (GA #2)

40

40

60

50

50

3 (GA #3)

60

60

60

50

50

Nr.

4 (GA #4)

80

80

60

50

50

5 (GA #5)

dynamisch

dynamisch

60

50

50

6 (GA #6)

20

20

80

50

50

7 (GA #7)

40

40

80

50

50

8 (GA #8)

60

60

80

50

50

9 (GA #9)

80

80

80

50

50

10 (GA #10)

dynamisch

dynamisch

80

50

50

Tabelle 6-14: SLP-Einstellungen für GA

Zur Lösung des klassischen Transportproblems als zweiten Teil des SLP kommen die folgenden Methoden zum Einsatz: ƒ

Nordwesteckenregel (NWE)

ƒ

Vogel´sche Approximationsmethode (VAM)

NWE und VAM stellen Eröffnungsheuristiken des klassischen Transportproblems dar. Ihre Anwendung führt in der Regel nicht zu einer optimalen Lösung. Die optimale Lösung lässt sich mit Hilfe der Simplex-Methode erzielen. Aufgrund der besonderen Struktur des Transportproblems wurde die folgende Methode entwickelt, die ebenfalls das Auffinden des Optimums garantiert und hier zum Einsatz kommen soll: ƒ

Modified-Distribution-Methode (MODI)

Die folgende Abbildung zeigt die Ergebnisse, die mit Hilfe von FRE nach MURTY und unter Einsatz genetischer Algorithmen gefunden wurden. Die Transportzuordnung erfolgt

Koordination des Planungsprozesses in Container-Terminals

207

mit der Modified-Distribution-Methode unter Einsatz einer der genannten Eröffnungsheuristiken.693 Die Zielsetzung minimiert das Zuordnungsungleichgewicht im Yard in TEU.694

3000

4000

5000

6000

7000

Zuordnungsungleichgewicht (wasserseitig) in TEU

SLP - GA und FRE

GA #1

GA #2

GA #3

GA #4

GA #5

GA #6

GA #7

GA #8

GA #9

GA #10

Murty

Abbildung 6-11: SLP-Ergebnisse mit GA und FRE nach MURTY

Mit Hilfe des GA lässt sich das Zuordnungsungleichgewicht im Yard in Abhängigkeit von der Parametereinstellung senken. Der Fill-Ratio-Equalization-Ansatz nach MURTY

ET AL.

berücksichtigt weder die Verweilzeit von Exportcontainern im Yard vor der Ankunft des Containerschiffs, noch die Verweildauer von Importcontainern bis zum Weitertransport ins Hinterland.695 Der GA ist in der Lage, diesen Aspekt zu berücksichtigen und kann deshalb das Zuordnungsungleichgewicht weiter reduzieren. Im folgenden Abschnitt ist wiederum auf die Parameter des Modells einzugehen. 6.1.1.6 Analyse von SLP-Parametern

Für die Analyse von Parametern des Storage Location Problems sollen die folgenden Ansatzpunkte untersucht werden: ƒ

Verschieben der Positionen der Lagerplätze (Yard-Blöcke)

693

Für den Rechenaufwand der MODI-Methode ist bei dieser Problemstellung kaum relevant, welche der beiden Eröffnungsmethoden zum Einsatz kommen.

694

Vgl. Kapitel 3.2.4.2.

695

Vgl. Kapitel 3.2.4.2.

208 ƒ

Koordination des Planungsprozesses in Container-Terminals Veränderung der Kapazitäten der Lagerplätze

Im Gegensatz zu Parameteruntersuchungen der vorangegangenen Modelle wirken sich diese Einstellungen in isolierter Betrachtung nicht auf die Aufenthaltszeit der Schiffe aus.696 Mit Betrachtung des SLP kommt jedoch die Transportdistanz als Element des Zielsystems des CTMP hinzu. Insgesamt werden fünf unterschiedliche Experimente durchgeführt, wie in Abbildung 6-12 dargestellt ist. Versuch #1: Schieben des Lagers nach oben (leicht) Lager mit Blöcken

Versuch #3: Schieben des Lagers nach rechts (stark)

Versuch #4: Erhöhung der Lagerkapazität (++) Kai

Versuch #5: Reduzierung der Lagerkapazität (--)

Versuch #2: Schieben des Lagers nach unten (stark)

Abbildung 6-12: Versuchsaufbau SLP-Parameter

Es werden drei unterschiedliche Positionen des Lagers untersucht. Hinzu kommt die Veränderung der Lagerkapazität. Die folgende Abbildung zeigt den Einfluss dieser Parameter auf die Transportdistanz. Alle Experimente werden im Anschluss an die BAP-Zuordnung durchgeführt.

696

Erst im übergreifenden Modell in Kapitel 6.1.2 wirken die im SLP bestimmten Standorte für Container im Yard auf die Aufenthaltszeit, weil die Operationszeit der Schiffe durch die Transportdistanz der VC beeinflusst wird. Die Auswahl der Zielfunktion nach MURTY ET AL. ist sinnvoll, weil sie die modellübergreifende Wirkung der SLP-Entscheidung berücksichtigt.

209

800

900

1000

1100

1200

SLP Parameter

700

Durchschnittliche Transportdistanz zwischen Kai und Yard in m

Koordination des Planungsprozesses in Container-Terminals

Exp #1

Exp #2

Exp #3

Exp #4

Exp #5

Abbildung 6-13: Variation der SLP-Parameter

Die Variation von SLP-Parametern dient als Test, um die Wirkungsweise des Modells zu verstehen und die Implementierung zu validieren. Betrachtet wird die durchschnittliche Transportdistanz für die VC zwischen Kaiposition und Yard in m.697 Für die gesetzten Parametereinstellungen zeigt sich das erwartete Bild. Die Verlegung der Lagerplätze in entfernte Bereiche führt erwartungsgemäß zu einer Erhöhung der durchschnittlichen Transportdistanz. Die Experimente #4 und #5 untersuchen eine Veränderung der Block-Kapazitäten. Steigt die Block-Kapazität, dann steigt damit der Spielraum für die Zuordnung von Lagerplätzen. Dies führt in der durchgeführten Untersuchung zu einer Reduzierung der durchschnittlichen Transportdistanz, während die Kapazitätssenkung in Experiment #5 zu einer Verlängerung führt. Die Ergebnisse kommen unter Berücksichtigung einer für die Yardplanung akzeptablen Verteilung zustande.698 Nachdem die Teilprobleme des CTMP in ihrer isolierten Form betrachtet worden sind,699 erfolgt in dem folgenden Abschnitt die Untersuchung der Problemstellungen in dem übergreifenden Modell der MAS-Umgebung.

697

Die Eigenschaften von Van Carriern werden in Kapitel 3.1.4 ausführlich vorgestellt.

698

Für die Optimierung wird der GA mit der Parametereinstellung #5 verwendet, vgl. Kapitel 6.1.1.5.

699

Das Vehicle Dispatching Problem ist aufgrund seiner übergreifenden Bedeutung bislang davon ausgenommen.

210

Koordination des Planungsprozesses in Container-Terminals

6.1.2 Analyse von Koordinationsinstrumenten in MAS-Umgebung

Die in die MAS-Umgebung eingesetzten Teilprobleme bilden gemeinsam die übergreifende Problemstellung, die als Container-Terminal Management Problem bezeichnet werden soll.700 Das Problem lässt sich durch seinen Entscheidungsbaum veranschaulichen, der sich bei (sequenziellem) Durchlauf der einzelnen Planungssysteme des CTMP ergibt.

BAP gute BAP Lösungen

CSP …

…

gute CSP Lösungen

SLP …

…

gute SLP Lösungen

VDP …

gute VDP Lösungen

CTMP- Lösung

Abbildung 6-14: Entscheidungsbaum des CTMP

Abbildung 6-14 zeigt den Entscheidungsbaum im übergreifenden Modell, das die isolierten Modelle integriert. Wie in der vorangegangenen Untersuchung aufgezeigt werden konnte, ergeben sich für jedes Einzelproblem mehrere gute Lösungen. Das VDP-Ergebnis der letzten Stufe entspricht dem Ergebnis des CTMP. Die sequenzielle Koordination entspricht dem unidirektionalen Durchlaufen des Entscheidungsbaums. Der Einsatz dieser Koordinationsform lässt eine hohe Varianz erwarten, weil sich die Anzahl möglicher Lösungen mit jeder Stufe vervielfacht. In anspruchsvolleren Koordinationsinstrumenten müssen Rücksprünge auf vorangegangene Stufen, auch in andere Knoten als die Wurzel, möglich sein.701

700 701

Vgl. hierzu die Modellentwicklung der Architektur in Kapitel 5.

Diese Forderung steht im Einklang mit der Beschreibung von Koordinationsinstrumenten in Kapitel 2.3.3. In einem iterativen Ansatz soll mit jeder Iteration ein besseres Ergebnis erzielt werden. Hierfür ist es notwendig, jeden Schritt in einem zuvor noch nicht durchlaufenen Knoten zu beginnen.

Koordination des Planungsprozesses in Container-Terminals

211

Es soll untersucht werden, wie sich die CTMP-Lösung unter sequenzieller Koordination der Teilprobleme verhält. Anschließend ist die Frage zu stellen, welche Möglichkeiten zur Verbesserung der Qualität der Lösung existieren. Die folgenden Experimente werden im Rahmen der MAS-Umgebung durchgeführt, die die isolierten Modelle integriert. Die Untersuchung gliedert sich wie folgt: Zunächst sind mit Kapitel 6.1.2.1 Teilmengen des CTMP zu betrachten, weil sie in der Literatur von besonderer Bedeutung sind:702 ƒ

BAP und CSP

ƒ

BAP und SLP

Im Anschluss daran folgt in Kapitel 6.1.2.2 die übergreifende Untersuchung, in der alle Elemente des CTMP zu berücksichtigen sind: ƒ

BAP, CSP, SLP und VDP

6.1.2.1 Untersuchung von Teilmengen des CTMP

In diesem Abschnitt sollen zunächst zusammenhängende Teilmengen des CTMP untersucht werden. Dieses betrifft die Koordination von BAP und CSP sowie von BAP und SLP. 6.1.2.1.1 Koordination von BAP und CSP

Von ADAM

ET AL.

werden Instrumente zur Koordination interdependenter Planungssyste-

me beschrieben. In komplexen Systemen ist die Simultanplanung nicht durchführbar. Die sequenzielle Planung zeigt Probleme auf, die nicht akzeptiert werden können. Aus diesem Grund soll in diesem Abschnitt die Wirkung eines iterativen Ansatzes getestet werden. ADAM

ET AL.

sehen das iterative Vorgehen als Gegenentwurf zur Simultanplanung.703

PARUNAK führt aber an, dass sich iterative Systeme auch chaotisch verhalten können.704

702

Vgl. u.a. MEISEL, F.; BIERWIRTH, C. (2005) für die Untersuchung von BAP und CSP sowie MOORTY, R.; CHUNG-PIAW, T. (2006) für die Untersuchung von BAP und SLP. Auf diese Probleme wird auch in Kapitel 3.3 eingegangen.

703

Vgl. ADAM, D. et al. (2004), S. 82.

704

Vgl. PARUNAK, H. (1991), S. 241- 259.

212

Koordination des Planungsprozesses in Container-Terminals

Unter Einsatz der in den vorangegangenen Abschnitten bestimmten Methoden und deren Einstellungen werden beide Problembereiche iterativ durchlaufen und passen jeweils ihre Eingangsdaten an die Situation des abhängigen Bereichs an. Diese Iterationen werden für 31 Replikationen fünfmal durchgeführt. Es ist zu untersuchen, ob sich durch einfache Iteration ein im Durchschnitt besser koordiniertes Ergebnis finden lässt.705 Die folgende Abbildung zeigt die Ergebnisse, die in diesem Versuch beobachtet wurden.

30 25 20

Durchschnittliche Aufenthaltszeit in h

BAP und CSP - Verlauf (iterativ)

Iteration 1 (=Sequenz)

Iteration 2

Iteration 3

Iteration 4

Iteration 5

Abbildung 6-15: Iterativer Verlauf für BAP und CSP

Die Abbildung zeigt, dass der unkontrollierte iterative Verlauf für BAP und CSP nicht zu der gewünschten Verbesserung im Laufe fortschreitender Iterationen führt.706 Die Ergebnisse der Iterationen in der Abbildung zeigen die durchschnittliche Aufenthaltszeit der Containerschiffe in Stunden, nachdem die CSP Planung erfolgt ist. Die erste Iteration entspricht dem Ergebnis der sequenziellen Planung. In den folgenden Iterationen werden mit Hilfe der Ergebnisse des CSP die Operationszeiten für das BAP angepasst und erneut durchlaufen.

705

Der iterative Ansatz zur Koordination interdependenter Planungssysteme wird ebenfalls von MEIER und SCHUMANN für BAP und CSP für insgesamt 12 Iterationen durchgeführt. Vgl. MEIER, L.; SCHUMANN, R. (2007).

706

Der Verlauf wird als unkontrolliert charakterisiert, weil es im Rahmen der Iteration zwischen BAP und CPS zu keiner Anpassung von Modellparametern kommt. Denkbar wäre bspw. die Anpassung einer Gewichtung der Zielfunktion, um auf bestimmte Eigenschaften des Ergebnisses des anderen Planungssystems zu reagieren.

Koordination des Planungsprozesses in Container-Terminals

213

Für die genaue Untersuchung der iterativen Ergebnisse sind in der folgenden Tabelle der Mittelwert, der Median und die Standardabweichung für jede Iteration angegeben. Sequenz

Iteration 2

Iteration 3

Iteration 4

Iteration 5

mean

23.47

23.29

23.17

22.69

23.99

median

23.18

22.32

21.95

22.69

23.04

sd

3.49

2.92

4.15

2.93

3.81

Tabelle 6-15: Ergebnisse der iterativen Untersuchung für BAP und CSP

Die beobachtete durchschnittliche Aufenthaltszeit im Hafen liegt weiterhin im Rahmen der sequenziell festgestellten Zeit. Es ist keine signifikante Verbesserung durch diese einfache Koordinationsform festzustellen.707 Dennoch lässt sich beobachten, dass der Median bis zur dritten Iteration deutlich sinkt und für alle Iterationen unter dem sequenziellen Niveau verbleibt. Insgesamt kann das Ergebnis der iterativen Koordination jedoch nicht befriedigend sein. Im Folgenden ist deshalb ein weiterer Ansatz für die Koordination dieser Teilbereiche zu untersuchen. Die Lösung des BAP erfolgt im Weiteren mit dem GA, weil gezielt die Variabilität in der Population dieses Verfahrens genutzt werden soll. Aus der isolierten Modellbetrachtung können zusammenfassend die folgenden Erkenntnisse für die Gestaltung des MAS-basierten Ansatzes gewonnen werden: ƒ

Das CSP-Ergebnis ist maßgeblich von der Ausgangslösung der Eröffnungsheuristik abhängig.

ƒ

Das absolut beste BAP-Ergebnis führt nicht immer zu der für das CSP optimalen Ausgangslösung.

ƒ

Mit Hilfe der CSP-Eröffnungsheuristiken lässt sich relativ schnell, d.h. ohne mehrfache Iterationen, eine Lösung bestimmen.

707

Zu einem ähnlichen Ergebnis gelangen auch MEIER und SCHUMANN, vgl. MEIER, L.; SCHUMANN, R. (2007).

214

Koordination des Planungsprozesses in Container-Terminals

Aus diesen Erkenntnissen lässt sich der folgende MAS-unterstützte Ansatz entwickeln, der insbesondere die Unabhängigkeit der Agenten unterstreicht und gleichzeitig die Kommunikationsfähigkeit von Agenten nutzt, um die Qualität der CTMP-Lösung zu verbessern. Mit Blick auf die genannten Aspekte der isolierten Optimierung erscheint es sinnvoll, nicht nur die beste gefundene Lösung weiter zu verfolgen, sondern einen mehrere gute Lösungen umfassenden Pool zu untersuchen. Schwarmbasierte Verfahren - wie sie die für das Berth Allocation Problem verwendeten Metaheuristiken darstellen - bieten hierfür einen geeigneten Ansatzpunkt. Die in der Population des GA, bzw. dem Schwarm der PSO enthaltenen Lösungen, entwickeln sich im Laufe fortlaufender Iterationen zunehmend zu guten Lösungen.708 Es sollen demnach die Elemente des Pools genutzt und durch den CSP-Agenten in einem schnellen Prüfverfahren auf ihre Erfolgsaussicht (für das CSP) untersucht werden. Mit dem daraus gewonnenen besten Element kann dann mit Hilfe einer CSP-Metaheuristik die Ausgangslösung wie gehabt optimiert werden. Dieses Vorgehen wird in Abbildung 6-16 vorgestellt: BAP- Pool

BAP

CSP

CSP

BAP- Optimierung

CSP- Auswahl

CSP- Optimierung

Ergebnis

Abbildung 6-16: MAS-basiertes Vorgehen für BAP und CSP

Dieser Ansatz bietet zwei wesentliche Vorteile:709 ƒ

Der BAP-Agent kann seine Problemstellung unabhängig von anderen Einflüssen optimieren und wird durch die vom Management vorgegebene Zielsetzung motiviert, ein möglichst gutes Ergebnis zu erzielen. Die Optimierung bleibt somit vollständig in der Hand des Liegeplatzplaners, der Experte für diese Aufgabenstellung ist.

708 709

Vgl. hierfür die Kapitel 2.2.3.3.2 sowie 2.2.3.3.3.

Das aufgezeigte Koordinationsmodell wird MAS-BASIERT bezeichnet, weil verschiedene Elemente agentenbasierter Koordination in diesem Ansatz auftreten, u.a. die Kommunikationsfähigkeit der Agenten. Vgl. hierzu auch 2.4.2. Die Berechnung wird in der MAS-UMGEBUNG durchgeführt.

Koordination des Planungsprozesses in Container-Terminals ƒ

215

Der CSP-Agent beurteilt nun die Lösungen der zuletzt erzeugten Generation des GA (respektive des Schwarms der PSO), weil dieser - basierend auf dieser Entscheidung - mit dem Ergebnis weiterarbeiten muss. Es wird dabei angenommen, dass der BAP-Agent den Lösungen dieses Pools indifferent gegenübersteht. Der BAP-Agent bleibt weiterhin in der Lage, die Akzeptanzgrenze für eine gute Lösung autonom festzulegen.

Das folgende Beispiel zeigt die Lösungsvielfalt der Population des GA nach 50 Iterationen.

1.0

Lösungsvielfalt GA- Population

0.6 0.4

relative Häufigkeit

0.8

gute Lösungen in GA Population

0.0

0.2

Beste Lösung in GA Population

13

14

15

Akzeptanzgrenze

16

17

18

Durchschnittliche Aufenthaltszeit in h

Abbildung 6-17: Lösungsvielfalt in der Population des GA710

Die Abbildung zeigt, dass Ergebnisse bis zu einem (vom BAP-Agenten) definierten Fitnesswert als gute Lösungen akzeptiert und in den Pool aufgenommen werden.711 Alle in diesem Pool enthaltenen Lösungen werden von dem CSP-Agenten mit Hilfe einer Eröffnungsheuristik auf ihr Potential überprüft. Die Berechnung mit dieser Heuristik kann sehr schnell erfolgen. Die Ergebnisse dieses Vorgehens sind mit Tabelle 6-16 gegeben. Zum Vergleich werden die Ergebnisse des sequenziellen und iterativen Vorgehens ebenfalls mit aufgezeigt.

710

Die Abbildung wurde mit Hilfe der R-Funktion density() erzeugt, unter Einsatz der in Kapitel 6.1.1.1 gefundenen Parametereinstellung für den GA. Es ist gut zu erkennen, dass in der (fortgeschrittenen) Population des GA noch immer ein (bewusst) breites Spektrum unterschiedlicher Chromosome vorgehalten wird.

711

In der Abbildung entspricht der Threshold dem Fitnesswert von 14.4 h.

216

Koordination des Planungsprozesses in Container-Terminals CSP Eröffnungsheuristik

Durchschnittliche Zielgröße in h

BAP EH 1 (*)

Aufenthaltszeit

14.01

Wartezeit

0.32

Operationszeit

13.68

28.83 (23.12) 14.04 (9.52) 14.78 (13.60)

CSP Metaheuristik sequen-

Greedy

33.52

31.88

23.46

23.17712

22.00

12.87

19.99

10.43

10.11

8.68

20.64

11.89

13.03

13.06

13.33

ziell

iterativ

MAS-

EH 2

basiert

Tabelle 6-16: Vergleich von Koordinationsmethoden zwischen BAP und CSP

Während die sequenzielle und die iterative Koordination zu ähnlichen Ergebnissen führen, zeigt sich mit der MAS-basierten Koordination, dass sich die durchschnittliche Aufenthaltszeit der Containerschiffe im Hafen durch die gezielte Auswahl von Elementen für die Optimierung erheblich senken lässt. Festzuhalten bleibt, dass die Ergebnisse des BAP nach Durchlaufen des CSP nicht mehr zu halten sind. Insbesondere die BAP-Annahme, dass Containerschiffe mit dem Anlegezeitpunkt am Kai sofort bearbeitet werden, kann im zusammenhängenden (Teil-)Modell nicht aufrecht erhalten werden. Dies führt insbesondere zu einer massiven Erhöhung der Wartezeiten, wenn das CSP mit einbezogen wird. Interessant ist das Verhalten der drei eingesetzten Eröffnungsheuristiken:713 Die Aufenthaltszeit setzt sich aus der Wartezeit und der Operationszeit zusammen. Das GreedyVerfahren zeigt eine sehr geringe Operationszeit bei hoher durchschnittlicher Wartezeit. EH 2 weist eine geringe Wartezeit, dafür jedoch eine hohe Operationszeit auf. Der Erfolg von EH 1 scheint in der ausgeglichenen Gestaltung beider Größen zu liegen. Der Stern (*) kennzeichnet die durch den Pool erhaltenen Ergebnisse mit EH 1.

712

Angegeben ist die während der Iterationen gefundene, minimale durchschnittliche Aufenthaltszeit in h, vgl. Tabelle 6-15.

713

Die Bestimmung einer Ausgangslösung mit EH1 und EH2 ist detailliert im Anhang beschrieben. Vgl. auch Kapitel 6.1.1.3.

Koordination des Planungsprozesses in Container-Terminals

217

Die folgende Abbildung zeigt die Verteilung der Ergebnisse in allen fünf Iterationen und für das MAS-basierte Vorgehen. BAP und CSP

0.05

0.10

Sequenz Iteration 2 Iteration 3 Iteration 4 Iteration 5 MAS- Pool

0.00

relative Häufigkeit

0.15

BAP und CSP

10

15

20

25

30

35

40

Durchschnittliche Aufenthaltszeit in h

Abbildung 6-18: Vergleich sequenzieller, iterativer und MAS-basierter Koordination

Die Abbildung bestätigt die Vorteilhaftigkeit der MAS-basierten Koordination für BAP und CSP gegenüber den anderen Verfahren. Aufgrund des Erfolgs dieses Vorgehens soll dieses Koordinationsmodell auch Teil der in Kapitel 6.1.2.2.2 zu untersuchenden, alle Teilprobleme des CTMP umfassenden Problemstellung werden.714 6.1.2.1.2 Koordination von BAP und SLP

Für die Koordination von BAP und SLP werden zwei verschiedene Koordinationsmodelle untersucht. Zum einen kommt die als Benchmark eingesetzte sequenzielle Koordination zum Einsatz. Zum anderen soll ein iterativer Ansatz untersucht werden. Es ist zu erwarten, dass dieser Ansatz für die Koordination von BAP und SLP besser geeignet ist, als für die Abstimmung der im vorangegangenen Abschnitt vorgestellten Teilprobleme, weil der Liegeplatzplaner das Ergebnis der Yardplanung direkt in die Zielfunktion aufnehmen kann.

714

Es soll von einem Koordinationsmodell gesprochen werden, wenn definiert wird, wie die Koordination der interdependenten Planungssysteme des CTMP ablaufen soll.

218

Koordination des Planungsprozesses in Container-Terminals

Das iterative und MAS-basierte Koordinationsmodell für BAP und SLP kann wie folgt beschrieben werden:715 1. Der BAP-Agent beginnt mit der Zuordnung der Liegeplätze. 2. Auf diesen Ergebnissen basierend legt der SLP-Agent die Lagerplätze für die Container im Yard fest. Das sequenzielle Koordinationsmodell ist an dieser Stelle beendet. 3. Der BAP-Agent beginnt wieder mit der Neuordnung der Schiffsliegeplätze unter Berücksichtigung der Lagerplätze für die Container. In die Zielfunktion wird nun zusätzlich die Transportentfernung aufgenommen.716 Die Schiffe werden durch die erneute Zuordnung verschoben, und es kann zu einer Verlängerung von Wartezeiten kommen, wenn dadurch die Transportdistanz gesenkt werden kann. 4. Der Einfluss der neu angeordneten Liegeplätze auf die Yardplanung wird durch den SLP-Agenten geprüft, weil die Modifikation der Liegeplätze zu veränderten Zugriffszeitpunkten im Yard führt. Nur wenn das Zuordnungsungleichgewicht nicht unverhältnismäßig durch die Neuordnung der Schiffe aus dem Gleichgewicht kommt, ist der SLP-Agent bereit, diese neue Lösung zu akzeptieren.717 5. Wird die Lösung vom SLP-Agenten akzeptiert, dann wird die Transportdistanz zwischen Kai und Yard optimiert, basierend auf der bestehenden Yard-Zuordnung und den neuen Liegeplätzen.718 Kann die neue Liegeplatzzuordnung hingegen nicht

715

Das aufgezeigte Vorgehen enthält aufgrund der Rückkopplung des Informationsflusses Elemente von MOORTHY und CHUNG-PIAW, vgl. Kapitel 3.2.2.1.

716

Es ist eine auf die spezifischen Anforderungen des CT auszurichtende Gewichtung der Zielfunktion zu entwickeln. Darin muss definiert werden, wie hoch die Reduktion der Transportdistanz ausfallen muss, um eine Verlängerung der Wartezeit zu rechtfertigen. In dieser Untersuchung wird das Verhältnis (willkürlich) mit 1:1000 festgelegt, d.h., eine Stunde Wartezeit entspricht der Reduktion der Transportdistanz um 1000m. Aus der Literatur sind keine Ansätze zur Bestimmung eines optimalen Verhältnisses beider Ziele bekannt.

717 718

Vgl. hierzu die Zielfunktion des SLP in Kapitel 3.2.4.2.

Dies ist der Fall, wenn sich die Zielgröße des SLP nach Umstellung der BAP-Lösung um nicht mehr als t% verändert.

Koordination des Planungsprozesses in Container-Terminals

219

vom SLP-Agenten akzeptiert werden, dann ist dieser gezwungen, erneut mit der Lagerplanung zu beginnen, basierend auf der neuen Liegeplatzzuordnung.719 Die folgende Abbildung zeigt zusammenfassend das eingesetzte Vorgehen.

Start

BAP

Liegeplatzzuordnung

SLP

Lagerplatzzuordnung

BAP

Anpassung der Liegeplatzzuordnung an die Lagerplatzzuordnung

Nein

Ja SLP

SLP ?

Ist die Anpassung der Liegeplätze für das SLP akzeptabel?

Stopp

Optimierung der Transportdistanz

Abbildung 6-19: Ablauf iterativer/ MAS-basierter Koordination für BAP und SLP

Die Ergebnisse dieses Vorgehens für das Zusammenspiel von BAP und SLP sind mit der folgenden Tabelle gegeben. Durchschnittliche Zielgröße in h und m

SLP BAP sequenziell

iterativ/ MAS

Aufenthaltszeit

14.01

14.01

14.69

Wartezeit

0.32

0.32

1.01

Operationszeit

13.68

13.68

13.68

Distanz

-

71055 (769.5 m)

67847 (734.5 m)

Tabelle 6-17: Vergleich von Koordinationsmethoden zwischen BAP und SLP

719

An dieser Stelle wird die MAS-basierte Komponente dieses Verfahrens hervorgehoben: Der SLP-Agent bleibt autonom und ist allein für die Yardplanung verantwortlich. Ohne seine Akzeptanz kann keine Lösung zustande kommen.

220

Koordination des Planungsprozesses in Container-Terminals

Auf den ersten Blick scheint das iterative Vorgehen nachteilig, weil die Aufenthaltszeit im Vergleich zur sequenziellen Koordination steigt. Insbesondere die Koordination von BAP und SLP erfordert jedoch die Behandlung von Zielkonflikten:720 In speziellen Situationen kann die Transportdistanz für den Containertransport zwischen Kai und Yard reduziert werden, wenn die Schiffe dafür auf einen geeigneten Liegeplatz warten. Tatsächlich sinkt die Transportdistanz im Vergleich zur sequenziellen Koordination, während die Wartezeit und bei konstanter Operationszeit auch die Aufenthaltszeit der Containerschiffe steigt. Ziel dieses Vorgehens ist die Reduktion der Operationszeit, die über die Verringerung der Transportdistanz gesenkt werden soll. Die Operationszeit ist für das Zusammenspiel von BAP und SLP jedoch konstant. Aus diesem Grund ist es erforderlich, nicht allein Teilmengen des CTMP zu betrachten, sondern alle relevanten Planungssysteme in der MAS-Umgebung zu untersuchen. 6.1.2.2 Untersuchung des CTMP

In diesem Abschnitt werden alle Teilprobleme in der gemeinsamen MAS-Umgebung betrachtet. Die Ergebnisse des sequenziellen Vorgehens werden dabei als Benchmark für das daran folgende Koordinationsmodell genommen. Im Rahmen des VDP werden jeweils drei Van Carrier für eine Containerbrücke eingesetzt, die mit einer konstanten Geschwindigkeit von 36 km/h fahren. 6.1.2.2.1 Sequenzielle Koordination als Benchmark

Das sequenzielle Koordinationsmodell stellt das in der Praxis übliche Vorgehen dar. Die Ergebnisse einer vorangestellten Stufe werden an das nachfolgende Planungssystem weitergereicht. Dieses Vorgehen ist in Abbildung 3-4 aufgezeigt. Die sequenzielle Aneinanderreihung von Ergebnissen führt - unter den hier gesetzten Einstellungen - zu folgendem CTMP-Ergebnis. Dargestellt sind die durchschnittliche Zeit in h sowie die durchschnittliche Transportdistanz zwischen Kai und Yard in m.

720

Vgl. hierzu Kapitel 3.3, in dem die Interdependenzen vorgestellt werden und zudem Kapitel 5.1.2.3 für ein Beispiel konfliktärer Zielsetzungen im Rahmen des CTMP.

221

5

10

740

15

760

20

780

25

800

Koordination des Planungsprozesses in Container-Terminals

Aufenthaltszeit =

Wartezeit +

Operationszeit

Durchschnittliche Transportdistanz in m

Abbildung 6-20: Sequenzielles CTMP-Ergebnis (Boxplot)

Die grafische Darstellung als Boxplot deckt auf, dass die Ergebnisse des CTMP bei sequenzieller Aneinanderreihung der isoliert modellierten Subsysteme - wie vermutet - zu einer relativ hohen Varianz führen.721 Durch das Zusammenwirken der Teilprobleme in der MAS-Umgebung ist es möglich zu untersuchen, wie sich Koordinationsinstrumente und Zielvorgaben in den Teilbereichen auf das Gesamtproblem auswirken. Grundsätzlich existieren zwei Möglichkeiten, ein Koordinationsproblem zu lösen.722 Den ersten Ansatz gibt die Simultanplanung, mit der sich Probleme als Ganzes lösen lassen. In der Praxis ist dieser Ansatz jedoch häufig unbrauchbar, da die resultierende Modellkomplexität zu hoch ist.723 Dieses Problem wurde im Speziellen auch für das CTMP erkannt. Obwohl es Ansätze für die Synthese von Planungssystemen gibt,724 ist nicht zu erwarten, dass sich ein solcher Ansatz für das CTMP durchsetzen kann. Um Pläne zu koordinieren, bleibt deshalb nur ein iteratives Verfahren, in dessen Rahmen die Koordination über rückgekoppelte Planungsschritte erfolgt. Um Pläne für das CTMP koordinieren zu können, sind Rückkopplungen erforderlich. Die im Modell eingesetzten Beziehungen stellen die Grundlage bereit, überhaupt nach koordinierten Lösungen suchen zu können.

721

Vgl. Kapitel 6.1.2.

722

Vgl. die ausführliche Darstellung zur Koordination betrieblicher Entscheidungen in Kapitel 2.3.

723

Vgl. ADAM, D. et al. (2004), S. 82.

724

Vgl. MEISEL, F.; BIERWIRTH, C. (2005), PARK, Y.; KIM, K. H. (2003) und auch MOORTY, R.; CHUNGPIAW, T. (2006).

222

Koordination des Planungsprozesses in Container-Terminals

Es gibt keine allgemeingültigen Vorgaben, wie die Iteration zur Koordination von Teilproblemen auszusehen hat. Aus diesem Grund sollen die aus den Experimenten gewonnenen Erkenntnisse genutzt werden, um ein Modell für die Koordination des CTPlanungsprozesses zu entwickeln und in der Umgebung des Multiagentensystems zu untersuchen. 6.1.2.2.2 Multiagentenbasierte Koordination

Das eingesetzte multiagentenbasierte Koordinationsmodell setzt sich aus den in den vorangegangenen Abschnitten bestimmten Ansätzen zusammen. Für das CTMP wird ein MAS-basiertes Verfahren eingesetzt, das sich aus der gezeigten Vorgehensweise zur Koordination von BAP und CSP in Kapitel 6.1.2.1.1 sowie zur Koordination von BAP und SLP in Kapitel 6.1.2.1.2 zusammensetzt. In der folgenden Abbildung ist das Vorgehen dargestellt. Start Berücksichtigung der Yardposition BAP

SLP

SLP: Akzeptanz? BAP CSP Pool Nein! Ja!

Neustart!

VDP:= CTMP-Lösung (Stopp)

Abbildung 6-21: MAS-basierte Koordination im CTMP

Zur Koordination von BAP und SLP kommt der iterative/ MAS-gestützte Ansatz zum Einsatz.725 In diese Vorgehensweise wird das Vorgehen zur Koordination von BAP und CSP integriert.726 Es ist darauf hinzuweisen, dass eine Vielzahl weiterer Ansätze für diese Untersuchung in Frage kommt. Die Untersuchung einer Kombination der besten beobachteten Ansätze erscheint zunächst sinnvoll.

725 726

Dieses Vorgehen wird in Kapitel 6.1.2.1.2 vorgestellt.

Vgl. Kapitel 6.1.2.1.1. Nach der Berücksichtigung der Transportdistanz in der Zielfunktion durch den BAP-Agenten wird das Ergebnis der Liegeplatzplanung (als Pool guter Lösungen) zunächst an die Containerbrückenplanung weitergereicht. Erst danach erfolgt die Prüfung dieses Ergebnisses durch den SLPAgenten.

Koordination des Planungsprozesses in Container-Terminals

223

Die folgende Tabelle zeigt die Ergebnisse der MAS-basierten Koordination im Vergleich zum sequenziellen Ansatz für den Planungsprozess. Das Ergebnis des VDP entspricht - als letzte Stufe in diesem Prozess - dem für das CTMP gefundenen Ergebnis und ist deshalb hervorgehoben. BAP

CSP

SLP

VDP (CTMP)

Zielgröße

Aufenthaltszeit

Wartezeit

Operationszeit

Distanz

seq.

MAS

seq.

MAS

seq.

MAS

seq.

MAS

mean

14.02

14.25

23.39

22.32

14.02

14.25

25.19

24.86

median

14.00

14.14

23.31

22.16

14.00

14.14

25.05

24.42

min

13.80

13.94

18.69

19.78

13.80

13.94

20.23

21.15

max

14.33

14.94

26.90

26.26

14.33

14.94

28.68

29.13

sd

0.12

0.31

1.92

1.84

0.12

0.31

2.04

2.12

mean

0.33

0.57

9.99

9.15

0.33

0.57

10.79

10.49

median

0.32

0.46

9.77

8.81

0.32

0.46

10.39

10.29

min

0.11

0.25

6.35

6.72

0.11

0.25

6.85

7.08

max

0.65

1.25

14.40

14.04

0.65

1.25

14.79

14.58

sd

0.12

0.31

2.06

1.90

0.12

0.31

2.10

1.95

mean

13.68

13.68

13.40

13.17

13.68

13.68

14.40

14.37

median

13.68

13.68

13.45

13.23

13.68

13.68

14.48

14.39

min

13.68

13.68

12.28

11.76

13.68

13.68

12.68

12.68

max

13.68

13.68

14.65

14.09

13.68

13.68

15.96

16.13

sd

0

0

0.68

0.64

0

0

0.81

0.99

mean

-

-

-

-

771.70

737.60

771.70

737.60

median

-

-

-

-

774.90

735.10

774.90

735.10

min

-

-

-

-

729.70

716.20

729.70

716.20

max

-

-

-

-

808.70

760.30

808.70

760.30

sd

-

-

-

-

16.74

12.36

16.74

12.36

Tabelle 6-18: Vergleich sequenzieller und MAS-basierter Koordination

224

Koordination des Planungsprozesses in Container-Terminals

Der Vergleich beider Koordinationsmethoden zeigt den gewünschten Effekt: Die MASbasierte Koordination reduziert im Durchschnitt alle vier für das CTMP betrachteten Zielgrößen. Zur besseren Übersicht zeigt die folgende Abbildung die Entwicklung der Zielgrößen im Planungsprozess.727

Wartezeit

Operationszeit

Zielgröße in h 11

5

15

12

Zielgröße in h

Zielgröße in h

13

20

10

14

Aufenthaltszeit

15

15

25

Entwicklung der Zielgröße im Planungsprozess

BAP

SLP

CSP

VDP

MAS Sequenz

10

0

10

Planungsprozess

BAP

SLP

CSP

VDP

BAP

SLP

CSP

VDP

Abbildung 6-22: Entwicklung der Zielgrößen des CTMP im Planungsprozess

Es ist möglich, die Entwicklung der Zielgrößen im Planungsprozess zu betrachten und zu analysieren. Dabei ist zu beachten, dass die Aufenthaltszeit nach Durchführung der Liegeplatzplanung für die MAS-basierte Koordinationsform höher liegt als in der sequenziellen Planung. Dies ist durchaus gewollt und liegt darin begründet, dass bereits im Rahmen der Liegeplatzplanung auf die Position zu lagernder Container eingegangen wird. Die Berücksichtigung bereits zu Beginn des Planungsprozesses gilt als Ursache für ein besseres Ergebnis am Ende dieses Prozesses. Die Abbildung zeigt die Entwicklung der Zielgrößen für den Lauf durch die beteiligten Planungssysteme. Am Ende des Planungsprozesses ist das Gesamtergebnis für den CT in Form des Zielsystems ersichtlich.728 Der MAS-Ansatz ist in der Lage, die durchschnittliche Aufenthaltszeit von Containerschiffen um 33 Minuten zu

727

Der Planungsprozess lässt sich über die Entwicklung des Zielsystems in allen vier implementierten Planungssystemen darstellen.

728

Vgl. hierzu die Definition des Zielsystems in Kapitel 5.1.2.2.

Koordination des Planungsprozesses in Container-Terminals

225

reduzieren.729 Unter Berücksichtigung der in Kapitel 1.1 einleitend angesprochenen Operationskosten von bis zu 65.000 € für ein Containerschiff am Tag zeigt sich der Wert dieser Koordinationsmethode. Die beobachteten guten Ergebnisse mit Hilfe der multiagentenbasierten Koordination sind im folgenden Abschnitt kritisch auf ihre Übertragbarkeit in die Realität zu überprüfen, und es ist auf die Interpretation der Ergebnisse insgesamt einzugehen.

6.2 Übertragbarkeit und Interpretation der Ergebnisse Im Vergleich zu ihrer isolierten Variante liefern bisherige Ansätze relativ schlechte Lösungen im Prozesszusammenhang. Dies lässt sich vor allem durch das sequenzielle Aneinanderreihen suboptimaler Lösungen im Rahmen ihrer Synthese erklären. Es konnte gezeigt werden, dass die sequenzielle Koordinationsform zu ungenügenden Ergebnissen führt. In der Realität des CT kann dieser Nachteil durch das Eingreifen von Experten ausgeglichen werden, die aus Erfahrung wissen, wie auf bestimmte Probleme reagiert werden muss. Wünschenswert ist ein IT-gestützter Weg, der bereits im Voraus gute Ansätze liefert, die wiederum von Experten begutachtet und verbessert werden können. Bereits im Rahmen der ersten Untersuchungen mit Multiagentensystemen konnten verbesserte Ergebnisse aufgezeigt werden. Dies lässt erwarten, dass mit weitergehenden Untersuchungen zusätzliches Potential für die Prozessoptimierung erschlossen werden kann. Unter Berücksichtigung der gezeigten Zuwachsraten für den Containerverkehr erscheint dies unbedingt notwendig. Es ist klar, dass sich die eingesetzten Modelle nicht ohne weiteren Aufwand in die Realität übertragen lassen, weil dort zusätzliche Restriktionen zu beachten sind. Dies zeigen auch die ausführlich diskutierten Annahmen und die Modellkritik in Kapitel 3.2. Dennoch lassen sich im Rahmen des MAS nun die Auswirkungen von zuvor isoliert betrachteten Modellen in ihrem Prozesszusammenhang untersuchen. Es lassen sich so Erkenntnisse für die zukünftige Modellgestaltung gewinnen. Die intensive Forschung im Bereich der Logistik im Allgemeinen und im Bereich von CTProblemstellungen im Speziellen hat zu einem Verständnisgewinn über die Wirkung von

729

Vgl. Tabelle 6-18.

226

Koordination des Planungsprozesses in Container-Terminals

Entscheidungen geführt. Auch lassen sich nun Probleme präzise beschreiben und darstellen. Der hier untersuchte MAS-basierte Koordinationsansatz ist durch die Erkenntnisse vorangestellter Experimente beeinflusst.730 Ein Problem des induktiv-empiristischen Erkenntnisweges ist, dass die durch die Beobachtungen formulierten besonderen Sätze kein Beweis für ihre Gültigkeit darstellen. Ihr Einsatz kann sich als falsch erweisen, auch wenn sehr viele Beobachtungen die Wirkung zu bestätigen scheinen.731 Konkret wurden folgende Erkenntnisse in Rahmen von Kapitel 6.1 auf induktivempirischem Erkenntnisweg gewonnen: ƒ

Die Beurteilung der eingesetzten Optimierungsmethoden

ƒ

Die Wirkung der Modellparameter

Im Rahmen der Untersuchung von Teilmengen des CTMP wurden Erkenntnisse gewonnen, die in die implementierte Methode zur Prozesskoordination einspielen: ƒ

Im Zusammenspiel von BAP und CSP konnte beobachtet werden, dass die Aufenthaltszeit über die Iteration des Informationsflusses zwischen den Planungssystemen weniger reduziert wurde, als bei einer abschließenden CSP-Beurteilung mehrerer guter BAP-Lösungen.

ƒ

Im Zusammenspiel von BAP und SLP konnte beobachtet werden, dass die Transportdistanz über die Iteration des Informationsflusses zwischen den Planungssystemen reduziert werden konnte.

Basierend auf diesen Erkenntnissen wurde ein Koordinationsprotokoll entwickelt, das sich durch die folgenden Punkte auszeichnet: ƒ

Koordination durch verstärkte Kommunikation (BAP und CSP)

ƒ

Koordination durch zielgerichtete Iteration (BAP und SLP)

730

Vgl. die Gestaltung MAS-basierter Koordination in Kapitel 6.1.2.

731

Vgl. BORCHERT, J.; GOOS, P.; STRAHLER, B. (2004), S. 10f.

Koordination des Planungsprozesses in Container-Terminals

227

Es ist festzuhalten, dass bereits die Implementierung eines einfachen Ansatzes zur Prozesskoordination zu einer Verbesserung der Zielgrößen des CTMP geführt hat. Dieser Ansatz konnte aus den vorangegangenen Experimenten abgeleitet werden. Es zeigt sich, dass die Durchführung von Experimenten mit dem entwickelten System zu Erkenntnissen führt, die sich anschließend im Rahmen des Modells untersuchen lassen.

6.3 Erweiterbarkeit und Modellkritik Neben den hier vorgestellten Methoden lassen sich weitere Koordinationsformen untersuchen. In dieser Arbeit konnte nur ein kleiner Ausschnitt möglicher Instrumente simuliert werden. Auch multikriterielle Zielsysteme wurden bislang nicht umfassend berücksichtigt, erscheinen jedoch vielversprechend, weil in dem umfassenden CT-Modell eine Vielzahl konfliktärer Ziele zusammen kommt. Kritisch an dem vorgestellten Modell lässt sich anmerken, dass die Anzahl verwendeter Datensätze noch ausgedehnt werden kann. Beispielsweise lassen sich mit Daten weiterer Häfen die Experimente erneut durchführen, was zu veränderten Ergebnissen führen kann. Diese Kritik lässt sich für empirische Modelle kaum vollständig ausschließen. Ansätze der Literatur, die Teilmengen des CTMP behandeln und sehr gute Ergebnisse liefern, weil sie speziell auf die Koordination der Teilmenge ausgerichtet sind, müssen keinesfalls als Konkurrenz zu diesem Ansatz betrachtet werden. Kernelement dieser Arbeit ist die Untersuchung bestehender Modelle in einer gemeinsamen Umgebung. So ist es möglich, auf dem Know-how existierender Modelle aufzubauen und diese im Rahmen einer neuen Perspektive zu beleuchten. Die Schnittstellen sind idealtypisch formuliert und finden sich in den betroffenen Modellen der Literatur wieder. Beispielsweise ist es möglich, die isolierten Modelle BAP und CSP durch ein gemeinsames Modell (BAPCSP) zu ersetzen.732 Eine solche Maßnahme lässt sich als Veränderung der Organisationsstruktur des Container-Terminals interpretieren. Es lassen sich dann neue Koordinationsformen untersuchen.

732

Beispiele hierfür lassen sich in der Literatur finden. Vgl. Kapitel 3.3. Die Schnittstellen werden dadurch nicht verändert.

228

Koordination des Planungsprozesses in Container-Terminals

Die Analyse weiterer Untersuchungsschwerpunkte für dieses Modell zeigt aber auch, wie vielseitig diese Rahmenstruktur einsetzbar ist.

Schlussbetrachtung

229

7 Schlussbetrachtung Für die Koordination interdependenter Planungssysteme in der Logistik existierten bislang kaum einsatzfähige Methoden. Im Gegensatz dazu konnte in der Literatur auf eine Vielzahl isolierter Modelle, die Teilprobleme von Container-Terminals aufgreifen und gute Ansätze für die Lösung dieser Problemstellungen aufzeigen, zurückgegriffen werden. Schwachstelle dieser Modelle bleibt die Vernachlässigung von Beziehungen zu abhängigen Planungssystemen. Nachdem in Kapitel 2 die Grundlagen logistischer Systeme und Prozesse vorgestellt wurden, konnten in Kapitel 3 bestehende Entscheidungsmodelle der CT-Logistik klassifiziert und deren Stärken und Schwächen abgewogen werden. Wesentliche Interdependenzen zwischen Entscheidungsbereichen des CT, die in isolierten Modellen keine Berücksichtigung finden, wurden identifiziert. Kapitel 4 widmete sich Leistung und Grenzen dieser Modelle, unter Berücksichtigung zukünftiger Anforderungen sowie zuvor identifizierter wechselseitiger Abhängigkeiten. Den Bedarf insbesondere an intelligenten Methoden zur Prozesskoordination stellt die Literatur heraus. Implikationen wurden aufgezeigt, die sich auf dieser Grundlage ergeben. Kapitel 5 zeigte deshalb die Entwicklung eines multiagentenbasierten Modells zur CTProzesskoordination auf, deren Eignung für den Einsatz in dieser Domäne bestätigt werden konnte. Bestehende Modellansätze können in einer gemeinsamen und sich wechselseitig beeinflussenden Umgebung weitergehend untersucht werden. Dieser Rahmen und die gewählte Architektur der Agenten begünstigen den Einsatz intelligenter Methoden zur Koordination interdependenter Planungssysteme. Mit diesem entwickelten Modell wurden in Kapitel 6 umfangreiche Untersuchungen durchgeführt. Die hierfür verwendete Datengrundlage hatte das Institut für Seeverkehrswirtschaft und Logistik in Bremerhaven zur Verfügung gestellt. Nach Tests von Methoden und Parameterwirkungen in isolierter Umgebung wurden mit den daraus gewonnenen Einstellungen übergreifende Untersuchungen durchgeführt. Mit jedem Entwicklungsschritt fand eine kritische Überprüfung statt. Diese führte, basierend auf den Untersuchungen mit dem MAS-Modell, zur Entwicklung eines Koordinationsansatzes. Bereits mit einem relativ einfachen implementierten Koordinationsmodell konnte eine Prozessverbesserung im Vergleich zu der in der Praxis üblichen Vorgehensweise zur

230

Schlussbetrachtung

Synthese isolierter Teilprobleme festgestellt werden. Dies lässt auf ein hohes Potential für die Optimierung der CT-Prozesse mit diesem Ansatz schließen. Zahlreiche weitergehende Ansatzpunkte lassen sich aufzeigen. Die Fähigkeiten, die sich durch das Multiagentensystem ergeben, wurden in der bisherigen Form noch nicht ausgeschöpft. Planungssysteme und Lösungsmethoden sind aufgrund der Modellierung austauschbar und erweiterbar. Kapitel 6.2 zeigte kritisch Möglichkeiten einer Modellerweiterung. Für die Zukunft bietet es sich an, zusätzliche Planungssysteme in die MAS-Umgebung zu integrieren. Hierzu gehört die Stauplanung, die für jedes Containerschiff, stark von den Interessen des Reeders beeinflusst, durchzuführen ist. Daneben ist die Yardplanung zu nennen, die hier auf das Storage Location Problem reduziert wurde. Mit Berücksichtigung detaillierter Containerinformationen lassen sich die Containerflüsse noch genauer untersuchen. Dazu gehören auch Fragestellungen der Reihenfolgeplanung und Stapelhöhe von Containern. Nicht zuletzt sollte die Personalplanung zukünftig in das Modell eingesetzt werden. Ausgeklammert wurde bisher der landseitige Weitertransport in dieser Betrachtung. Wenn sich das Containeraufkommen jedoch, wie in der Studie des BUNDESMINISTERIUMS

FÜR

VERKEHR, BAU UND STADTENTWICKLUNG angegeben, bis zum Jahr 2025 in Deutschland vervierfachen soll, dann kann es nicht genügen, nur die Prozesse im Container-Terminal zu optimieren.733 Um diese erhebliche Steigerung der logistischen Leistung bewältigen zu können, müssen Verkehrsträger ausgebaut, modernisiert und optimal koordiniert sein. Hier sind zahlreiche Forschungsfragen unbeantwortet. Der verstärkte Güterverkehr über Wasser führt zu einer Verringerung des Verkehrsaufkommens auf der Straße. Aus diesem Grund wachsen Anforderungen an ContainerTerminals, weil in dem optimierten Containerverkehr auch die Chance für die Reduktion des Kohlenstoffdioxidausstoßes (CO2) gesehen wird. Interessant erscheint ferner die Berücksichtigung von Interessen der Hafenbehörde und anderer Stakeholder. Ihre Vorgaben beeinflussen den Handlungsrahmen des CT. Inspiriert

733

Vgl. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007).

Schlussbetrachtung

231

wäre diese Maßnahme durch den Beitrag von HENESEY, NOTTEBOOM und DAVIDSSON, die bereits ein Stakeholder Relationship Management System untersuchen.734 Hier könnten die Wirkungen von Regelungen der Behörde und Interessensvertretern bis auf die Ebene einzelner Bereiche untersucht werden. Selbst der Einsatz veränderter Organisationsstrukturen, beispielsweise die angesprochene Integration von BAP und CSP, lässt sich in dieses Modell einsetzen und im Zusammenhang mit der Terminal-Umgebung untersuchen. So ist es möglich, die Liegeplatz- und Containerbrückenplanung durch einen gemeinsamen Entscheidungsbereich zu ersetzen. Die Zusammenlegung dieser Bereiche erscheint sinnvoll, weil es an dieser Schnittstelle zu einer erheblichen Steigerung der Aufenthaltszeit kommt. In der Literatur vorhandene Modelle wurden in dieser Arbeit diskutiert. Organisatorische Veränderungen lassen sich keinesfalls nur für die Liegeplatz- und Containerbrückenplanung simulieren. Modelle für die Koordination von Liegeplatz- und Yardplanung sowie andere Bereiche wurden bereits angesprochen. Hier bieten sich zahlreiche Ansatzpunkte für weitere Forschungsarbeiten, die sich mit den zurzeit vorherrschenden und beschriebenen Anforderungen decken. Auch ist es denkbar, die aufgezeigte Vorgehensweise der Konstruktion eines multiagentenbasierten Ansatzes zur Koordination interdependenter Planungssysteme, auf andere Bereiche in der Logistik zu übertragen. Die Anforderungen sind nach Ansicht von PFOHL gegeben.735 Die Radio Frequency Identification (RFID)-Technologie kann für die Identifikation von Containern und unterstützend im Prozessablauf in Container-Terminals eingesetzt werden. Diese Technologie stellt ebenfalls einen Gegenstand aktueller Forschung dar. Es fehlt jedoch an weltweiten Standards. Hinzu kommen technische Aspekte, die das Multiagenten-Framework bietet und die bislang nur in einfacher Form ausgenutzt worden sind. Verteilte Agenten können die Rechengeschwindigkeit steigern und lassen so weiter verbesserte Ergebnisse erhoffen. Noch lange sind die Möglichkeiten zur (technischen) Prozessbeschleunigung und Reduzierung des

734

Vgl. HENESEY, L. (2004), S. 99- 125.

735

Vgl. PFOHL, H. C. (2004b), S. 16ff.

232

Schlussbetrachtung

Speicheraufwands nicht ausgeschöpft. Auch aus Sicht der (reinen) Informatik entstehen deshalb zahlreiche Anforderungen. Das Framework JADE bietet die Möglichkeit den Koordinationsprozess grafisch darzustellen und zu überwachen. Die Transparenz des Planungsprozesses für den Anwender wird dadurch erhöht, die Akzeptanz von Ergebnissen dieser Simulation gesteigert. Ohne verständliche Präsentation der Resultate ist die Übertragung auf reale Fälle und damit die Akzeptanz bei Praktikern kaum denkbar. Wissensbasierte Komponenten und weitergehende Konzepte der KI bieten im Rahmen des MAS weitere Ansatzpunkte. Auch hier ergeben sich für zukünftige Forschungsarbeiten breite Einsatzmöglichkeiten. Ein Wissenssystem ist deshalb in der Architektur der Agenten berücksichtigt.

Anhang

233

Anhang A1: Konstruktive Verfahren und lokale Suche Konstruktive Verfahren

Konstruktive Verfahren erzeugen Lösungen für kombinatorische Optimierungsprobleme, indem sukzessive und ohne Backtracking neue Komponenten zu einer Partiallösung736 hinzugefügt werden, bis eine vollständige Lösung existiert. Um Komponenten hinzuzufügen, können unterschiedliche Verfahren zum Einsatz kommen, z.B. zufällige Verfahren, Greedy-Verfahren oder einfache Regeln. Greedy-Verfahren werden häufig zur Bestimmung einer gültigen Ausgangslösung eingesetzt, nur in Ausnahmefällen lässt sich auf diese Weise eine optimale Lösung bestimmen.737 DORIGO gibt ein Beispiel für die Greedy-Konstruktion einer Lösung für das TravellingSalesman-Problem.738 Es ist in der Abbildung leicht zu erkennen, dass diese Lösung nicht optimal ist. f

b

a

e

c

d

Abbildung A-1: Greedy-Konstruktion einer TSP-Lösung (suboptimal)739

Das Problem der gierigen Bestimmung einer Lösung liegt, wie in Abbildung A-1 erkennbar ist, in der Vernachlässigung globaler Zusammenhänge zwischen den einzelnen Knoten.

736

Es wird im Rahmen dieser Arbeit zwischen Lösungen und Teil- (bzw. Partial-)Lösungen differenziert. Ist von einer Lösung die Rede, so ist damit grundsätzlich eine Lösung als Ganzes zu sehen, ist nur ein Teil der Lösung gemeint, wird explizit von einer Partiallösung gesprochen.

737

Vgl. CORMEN, T. H. (2005), S. 370.

738

Das Traveling-Salesman-Problem wird in der Literatur ausführlich diskutiert. Die ursprüngliche Formulierung ist in FLOOD, M. M. (1956), S. 61-75 zu finden.

739

DORIGO, M.; STÜTZLE, T. (2004), S. 30.

234

Anhang

In jedem Knoten wird lediglich der individuelle Nutzen optimiert. Zwar lässt sich mit Beginn des Verfahrens jeweils die kürzeste Verbindung zwischen zwei Elemente realisieren, der Einsatz dieser Verbindungen führt aber zu einer Verringerung des Spielraums für nachfolgende Knoten, so dass zuletzt die ungünstige Verbindung von f nach a in die Lösung aufgenommen werden muss. Lokale Suche

Die lokale Suche basiert auf der iterativen Erforschung der Nachbarschaft einer Lösung. Es wird versucht, bestehende Lösungen durch lokale Änderungen zu verbessern. Hierfür ist es erforderlich zu definieren, welche Elemente Teil der Nachbarschaft sein sollen. DORIGO gibt folgende Definition für die Nachbarschaftsstruktur: S „A neighborhood structure is a function N : S  2 that assigns a set of neighbors

N ( s ) Ž S to every s  S . N (s ) is also called the neighborhood of s.”740 Es ist demnach nicht implizit gegeben, welche Elemente zu der Nachbarschaft eines Elements gehören: Erst mit der Definition der Nachbarschaftsfunktion wird die Umgebung festgelegt. Zudem ist zu definieren, auf welche Weise die Nachbarschaft zu durchsuchen ist. Hier kommen z.B. die best-improvement- oder auch first-improvement-Regel zum Einsatz.741

A2: CSP-Eröffnungsheuristiken Für das CSP werden zur Bestimmung einer gültigen Ausgangslösung zwei einfache Heuristiken eingesetzt.

740

DORIGO, M.; STÜTZLE, T. (2004), S. 31.

741

Vgl. DORIGO, M.; STÜTZLE, T. (2004), S. 31.

Anhang

235 procedure Einfache_Eröffnungsheuristik (EH2) Bestimme Arbeitsbereich AB für jeden QC Für jeden Job Bestimme Earliest Assignment Time (EAT) für jeden QC für jeden Job j Wenn Job position in AB von QC q liegt, dann Weise zu (QC q, Bay b, EAT)

end procedure

Abbildung A-2: CSP-Eröffnungsheuristik (Pseudocode)

Die einfache Eröffnungsheuristik basiert auf dem Ansatz, für jede Containerbrücke einen bestimmten Arbeitsbereich zu definieren. Die Abbildung zeigt den Pseudocode des Verfahrens. Alle Jobs, die in den Arbeitsbereich fallen, werden diesem QC zugeordnet. Der Vorteil dieser Heuristik liegt in der einfachen Berechenbarkeit und dem Erreichen einer gültigen Lösung, weil sich die Containerbrücken aufgrund fixierter Arbeitsbereiche nicht schneiden können. Zu kritisieren ist u.a. die Fixierung eines Arbeitsbereichs für alle Containerbrücken.742 Mit der Festlegung auf einen bestimmten Arbeitsbereich verliert das Verfahren an Flexibilität. Eine Abschwächung der aufgeführten Nachteile soll mit der folgenden Heuristik erreicht werden.743

742

Der Arbeitsbereich eines QC ergibt sich in dieser Eröffnungsheuristik aus dem Quotienten der gesamten Kailänge dividiert durch die Anzahl zur Verfügung stehender Containerbrücken. Der Arbeitsbereich ist somit für jeden QC gleich groß.

743

Entgegen der Darstellungsreihenfolge beider Eröffnungsheuristiken in diesem Abschnitt soll die erweiterte Methode als EH1 bezeichnet werden, weil sie primär zur Entwicklung einer Ausgangslösung für das CSP zum Einsatz kommt. Vgl. hierzu Kapitel 6.1.1.3.

236

Anhang procedure Einfache_Eröffnungsheuristik (EH1)

Bestimme Arbeitsbereich AB für jeden QC Für jeden Job Bestimme Earliest Assignment Time (EAT) für jeden QC für jeden Job j Wenn Schiff v keinen Nachfolger v´ hat, dann Weise zu (QC q, Bay b, EAT) // wie in EH2 sonst

Wenn AB von v und AB von v‘ überlappen, dann Weise zu (QC q, Bay b, EAT), so dass sich AB von v und AB von v´ nicht überlappen sonst Weise zu (QC q, Bay b, EAT) // wie in EH2 end procedure

Abbildung A-3: Erweiterte CSP-Eröffnungsheuristik (Pseudocode)

Im Gegensatz zu der eben vorgestellten, sehr einfachen Eröffnungsheuristik werden hier die Nachfolger der Schiffe berücksichtigt, so dass, nicht direkt aufeinander folgend, dieselbe Containerbrücke eingesetzt wird. Sollten zwei aufeinander folgende Schiffe in denselben Arbeitsbereich einer Containerbrücke fallen, dann kann dieser Bereich verlassen werden, um die schnellere Bearbeitung der Schiffe gewährleisten zu können. Mit dem Einsatz dieser Ausnahmeregelung in EH2 wird versucht, die starre Zuordnungsform von EH1 zu lösen, um so ein besseres Eröffnungsergebnis für das CSP zu erreichen. Der Ergebnisvergleich dieser Heuristiken wird in Kapitel 6.1.1.3 vorgestellt.

A3: CSP-Nachbarschaft (SA) Für das Crane Scheduling Problem wird von dem Simulated Annealing auf zwei unterschiedliche Definitionen einer Nachbarschaft zurückgegriffen, die für die Entwicklung einer Lösung von Bedeutung sind. In der untersuchten Instanz werden J=176 Jobs und C=15 QC betrachtet. Die CSP-Lösung lässt sich als Vektor der Länge J darstellen. Jedem Element des Vektors wird eine ganze Zahl i, i  ^0,1,..., C  1` zugewiesen. Das Element beschreibt den Index desjenigen QC, der für die Bearbeitung des Jobs zuständig ist.

Anhang

237

Die folgenden Abbildungen zeigen die eingesetzten Nachbarschaften für die CSPMetaheuristik. procedure Erzeuge_Nachbarn (NB1) Bestimme zufälliges Element der Lösung (Bay b) Bestimme Zufallselement (u

 ^0,1` )

Wenn (u <= 0.5) Senke den Index q des zugeordneten QC für Bay b Bestimme EAT Weise zu (QC q, Bay b, EAT) sonst Erhöhe den Index q des zugeordneten QC für Bay b Bestimme EAT Weise zu (QC q, Bay b, EAT)

end procedure

Abbildung A-4: Erzeugen einer benachbarten Lösung für das CSP (NB1)

NB1 erzeugt ein benachbartes Element der Lösung. Hierfür wird zufällig ein Element der Lösung ausgewählt und die bislang zugewiesene Containerbrücke entweder durch ihren linken oder rechten Nachbarn ersetzt. Die folgende Abbildung zeigt den Pseudocode der zweiten eingesetzten Nachbarschaftsfunktion. procedure Erzeuge_Nachbarn (NB2) Bestimme zufälliges Element der Lösung (Schiff v) Bestimme die Anzahl der Jobs des ausgewählten Schiffs Wähle QC q für die Bearbeitung des ersten Jobs von v Für alle Jobs von v Bestimme EAT Weise zu (QC q, Bay b, EAT) q++

end procedure

Abbildung A-5: Erzeugen einer benachbarten Lösung für das CSP (NB2)

NB2 variiert nicht nur ein einziges Element eines zufällig bestimmten Jobs, sondern alle Elemente eines zufällig ausgewählten Schiffs.

238

Anhang

A4: Visualisierung von Ergebnissen isolierter Modelle Im Folgenden sollen die Ergebnisse isolierter Lösungen dargestellt werden. Es wird zunächst das Ergebnis der Greedy-Zuordnung für die Containerbrückenzuordnung betrachtet. Die Visualisierung gibt eine neue Perspektive, um Schwachstellen in der Zuordnung aufdecken zu können.

Abbildung A-6: Greedy CSP-Zuordnung

Die Abbildung zeigt die Zuordnung von Containerbrücken auf die einzelnen Jobs der Containerschiffe. Der Rahmen dieser Planung ist mit dem Ergebnis der Liegeplatzplanung gegeben. Die Operationszeiten der Schiffe variieren nun in Abhängigkeit von der QCZuordnung zu den Bays.744 Die Zuordnung eines Jobs zu derjenigen Containerbrücke, die diesen zum frühestmöglichen Zeitpunkt durchführen kann, erscheint zunächst sinnvoll. Die Abbildung deckt auf, dass diese Zuordnungsform eine Schwäche aufweist.

744

Schiffe sind in der Abbildung als transparente Rechtecke dargestellt. Darin sichtbar sind die Jobs abgebildet, die den QC zugeordnet sind.

Anhang

239

Ebenfalls aus der Visualisierung des CSP soll das Ergebnis der in A2 vorgestellten Eröffnungsheuristik (EH2) betrachtet werden, weil sich ein typisches Lösungsbild aufgrund der fixierten Arbeitsbereiche für die Containerbrücken ergibt. Die folgende Abbildung zeigt die Bewegungen der Containerbrücken am Kai im Zeitablauf.

Abbildung A-7: Containerbrückenbewegung am Kai mit EH2

Es ist gut ersichtlich, dass die QC lediglich in dem ihnen definierten Bereich agieren. Im Folgenden soll die Lagerplanung vorgestellt werden.

240

Anhang

Abbildung A-8: Yard-Auslastung im Planungszeitraum

Die Abbildung zeigt die einzelnen Blöcke zur Lagerung von Containern im Yard. Jeder Block ist in acht Stufen gegliedert, die jeweils seine Auslastung im Planungszeitraum kennzeichnen. Der Planungszeitraum erstreckt sich über acht Tage. Insbesondere die näher am Kai liegenden Blöcke werden sehr stark beansprucht. Diese Lösung erscheint sinnvoll, weil die Zuordnung auch unter Berücksichtigung der Transportminimierung erfolgt.

A5: Port Model in Protégé Das mit Protégé abgebildete Modell lässt sich in das HTML-Format exportieren und kann damit übersichtlich dargestellt werden. Die folgende Abbildung zeigt die Klassenhierarchie des implementierten Modells.

Anhang

241

Abbildung A-9: Klassenhierarchie in Protégé

Beispielhaft soll zudem das Vessel-Entity in Protégé abgebildet aufgezeigt werden.

Abbildung A-10: Vessel-Entity in Protégé

242

Anhang

A6: Kommunikation in JADE Die Agentenplattform JADE bietet zur Prozessanalyse und -unterstützung eine grafische Benutzeroberfläche (GUI), mit deren Hilfe sich der Aufbau des Experiments darstellen lässt. Die grafische Unterstützung als Sequenzdiagramm dient auch der Modellvalidierung, weil sich der Kommunikationsprozess transparent darstellen lässt.745 Die folgende Abbildung verdeutlicht den Kommunikationsfluss für die sequenzielle Koordination.

Abbildung A-11: Kommunikation bei sequenzieller Koordination

Im Vergleich dazu ist in der nachstehenden Abbildung das untersuchte MAS-basierte Kommunikationsprotokoll abgebildet.

745

Die Kommunikationsprotokolle lassen sich aus dem Koordinationsprozess ableiten. Dieser Prozess ist in Kapitel 6.1.2 vorgestellt. Die Darstellung als Sequenzdiagramm ist im Rahmen von Interaktionsdiagrammen aus der Unified Modelling Language bekannt, vgl. u.a. HANSEN, H. R.; NEUMANN, G. (2005), S. 240.

Anhang

243

Abbildung A-12: Kommunikation bei MAS-basierter Koordination

Es zeigt sich, dass die Kommunikation, wie durch das Protokoll vorgegeben, abläuft.

A7: Verwendeter Datensatz Die folgende Tabelle zeigt die für die Untersuchung in Kapitel 6 verwendeten Daten. ID

Typ

Ankunftstag

Ankunftszeit

TEU

Länge

1

Medium (B)

1

1

504

215

2

Feeder (A)

1

2

542

142

3

Feeder (A)

1

2

266

99

4

Feeder (A)

1

6

136

90

5

Medium (B)

1

6

2429

296

6

Medium (B)

1

8

2413

271

7

Feeder (A)

1

9

549

155

8

Feeder (A)

1

10

889

192

9

Feeder (A)

1

12

226

98

10

Feeder (A)

1

13

458

156

11

Feeder (A)

1

20

293

193

12

Feeder (A)

1

21

811

201

13

Medium (B)

2

4

557

218

14

Feeder (A)

2

7

277

106

15

Feeder (A)

2

12

178

98

16

Feeder (A)

2

13

146

92

17

Feeder (A)

2

15

519

128

18

Medium (B)

2

21

2869

297

19

Feeder (A)

2

21

697

173

20

Feeder (A)

3

2

199

103

21

Feeder (A)

3

8

485

144

22

Feeder (A)

3

15

251

90

23

Feeder (A)

3

15

848

183

24

Feeder (A)

3

18

514

120

25

Feeder (A)

4

0

240

92

244

Anhang 26

Feeder (A)

4

1

277

27

Feeder (A)

4

3

256

146 109

28

Medium (B)

4

3

491

227

29

Medium (B)

4

8

818

258

30

Feeder (A)

4

12

406

165

31

Jumbo (C)

4

16

4136

341

32

Medium (B)

4

17

2276

299

33

Feeder (A)

4

21

745

171

34

Feeder (A)

4

22

192

94

35

Feeder (A)

5

4

515

144

36

Medium (B)

5

5

1552

248

37

Feeder (A)

5

5

248

90

38

Medium (B)

5

6

519

222

39

Feeder (A)

5

9

559

112

40

Feeder (A)

5

10

164

104

41

Medium (B)

5

11

2496

284

42

Feeder (A)

5

13

512

189

43

Jumbo (C)

5

18

2448

318

44

Feeder (A)

5

23

739

186

45

Feeder (A)

6

9

768

192

46

Feeder (A)

6

9

235

98

47

Feeder (A)

6

10

296

82

48

Feeder (A)

6

11

134

109

49

Feeder (A)

6

11

97

87

50

Medium (B)

6

13

2616

286

51

Feeder (A)

6

16

908

186

52

Feeder (A)

6

17

179

98

53

Feeder (A)

6

18

504

135

54

Feeder (A)

6

21

326

141

55

Medium (B)

6

22

493

230

56

Feeder (A)

7

2

582

150

57

Feeder (A)

7

6

287

87

58

Feeder (A)

7

8

252

112

59

Feeder (A)

7

14

784

191

60

Feeder (A)

7

14

151

92

61

Feeder (A)

7

18

982

188

62

Feeder (A)

7

22

49

102

Tabelle A-1: Verwendeter Datensatz

A8: Yard-Layout Für das Storage Location Problem wird auf den Yard zugegriffen. Die folgende Tabelle zeigt die verwendete Einstellung auf.

Anhang

245

Zusätzlich wird die Zeit definiert, die ein Container im Yard verbleibt. Importcontainer erreichen den Hafen zwei Tage vor der geplanten Ankunft des Containerschiffs. Exportcontainer verlassen den Hafen drei Tage nach Abfertigung des Containerschiffs. Block ID

Position (x, y)

Kapazität in

1

(30, 10)

720

2

(30, 40)

720

3

(30, 70)

720

4

(30, 100)

720

5

(30, 130)

720

6

(30, 160)

720

7

(80, 10)

720

8

(80, 40)

720

9

(80, 70)

720

10

(80, 100)

720

11

(80, 130)

720

12

(80, 160)

720

13

(130, 10)

720

14

(130, 40)

720

15

(130, 70)

720

16

(130, 100)

720

17

(130, 130)

720

18

(130, 160)

720

19

(180, 10)

720

20

(180, 40)

720

21

(180, 70)

720

22

(180, 100)

720

23

(180, 130)

720

24

(180, 160)

720

25

(230, 10)

720

26

(230, 40)

720

27

(230, 70)

720

28

(230, 100)

720

29

(230, 130)

720

30

(230, 160)

720

Tabelle A-2: Yard-Layout

Insgesamt steht für den Hafen eine Lagerkapazität von 30 * 720 = 21.600 TEU zur Verfügung.

A9: XML-Daten Die in den Tabellen bereitgestellten Informationen werden über eine XML-Datei von dem System eingelesen, deren Struktur wie folgt aufgebaut ist. In dem Beispiel sind der erste Block und das erste Containerschiff dargestellt.

246

Anhang

<port> <posX>

30

<posY>

10





720





B





1





1





504



<size>

22







Das Java-API JDOM unterstützt die Manipulation von XML-Dateien mit Java.746

A10: XML-Parameter Die Parameter des Modells werden aus der folgenden XML-Struktur eingelesen. <port>

746

1





Bremerhaven











0

<save> 0





0





Vgl. o.A. (2008).

Anhang

247

data\woche14.xml



data\bapsolution.xml data\cspsolution.xml <slpsolution> data\slpsolution.xml data\vdpsolution.xml



170





8







2







3 <exportContainerStay> 2 <exportFactor> 40

60





<entities> 15





50







<moves>

25





600







3



248

Anhang <solution>





5







<useweight>

1





100





0



<wt>

0





0





0



<parameter>

5







<parameter> 10

<parameter> 40

<parameter> 40

Anhang

249

<parameter> 1





<parameter> 60

5





<useweight>

1



100



0



<wt> 0





0





0





0





0





0



250

Anhang

<parameter> 10



<parameter> 10









<parameter> 30







<parameter> 3





<parameter> 1





<Storage Location Problem --> <slp> 2

2

50



50



0



100



<parameter> 30 <parameter> 35

Anhang

251



<tpp>



A11: Adjazenzmatrix (aus dem Liegeplatzplan resultierend)

Abbildung A-13: Beispiel Liegeplatzzuordnung und resultierende Adjazenzmatrix

Definition Adjazenzmatrix nach MEINEL und MUNDHENK:747 Sei G = (V, E) ein (gerichteter) Graph mit der Knotenmenge V = {v1 ,..., v n } . Die n x n Matrix AG = ( ai , j )1di , j dn mit ai , j

1 falls ( vi , v j )  E und ai , j

0 sonst

heißt Adjazenzmatrix von G. Die aus dem Liegeplatzplan resultierende Adjazenzmatrix ist im Folgenden abgebildet. Diese Matrix zeigt alle Vorgänger eines Containerschiffs, die gemäß diesem Plan zuvor abgefertigt werden müssen.

747

MEINEL, C.; MUNDHENK, M. (2000), S. 245.

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

0

1

1

0

0

1

1

1

46

47

48

49

50

51

52

53

54

1

0

0

1

0

57

58

59

60

61

1

0

45

0

0

44

56

1

43

55

1

0

42

1

0

39

0

0

38

41

0

40

1

0

37

0

36

34

35

1

0

0

33

31

32

1

30

0

27

1

0

26

0

0

29

0

25

28

1

0

24

0

21

23

0

22

0

0

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

1

0

1

0

0

0

0

0

19

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

20

18

1

0

2

0

0

0

1

0

1

0

0

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

2

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

3

0

1

0

0

0

0

1

1

1

1

0

0

0

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

1

0

0

0

1

0

1

1

0

1

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

4

0

1

0

0

1

0

1

1

1

1

0

0

1

1

0

0

0

1

0

1

0

1

0

0

0

0

1

0

0

1

0

1

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

5

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

6

0

1

0

1

1

0

0

0

0

0

0

1

1

1

1

1

0

1

1

0

1

0

0

0

1

0

0

0

0

0

1

1

0

0

1

0

0

0

0

0

0

1

1

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

7

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

8

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

9

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

10

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

11

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

12

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

13

0

0

0

1

0

0

0

0

0

0

0

1

1

0

1

1

0

0

1

0

1

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

14

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

15

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

16

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

1

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

17

0

1

0

0

0

0

1

1

1

1

0

0

0

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

1

0

0

0

1

0

1

1

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

18

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

19

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

20

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

21 22

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

23

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

24

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

25

0

1

0

0

0

0

1

1

1

1

0

0

0

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

26

0

1

0

0

1

0

0

0

0

0

0

1

1

1

0

0

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

27

0

1

0

0

0

0

1

1

1

1

0

0

0

0

0

0

0

0

0

1

0

1

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

28

1

0

1

0

0

1

1

1

0

0

1

0

0

0

0

0

1

0

0

1

0

0

1

1

0

1

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

29

0

1

0

0

1

0

0

0

0

0

0

0

1

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

30

0

0

0

1

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

31 32

1

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

33

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

34

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

35

1

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

36

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

1

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

37

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

38

1

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

39

0

1

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

40

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

41 42

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

43

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

44

1

0

1

0

0

1

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

45

0

0

0

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

46

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

47

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

48

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

49

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

50

1

0

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

51 52

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

53

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

54

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

55

1

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

56

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

57

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

58

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

59

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

60

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

61

252 Anhang

A11: Adjazenzmatrix

Literaturverzeichnis

253

Literaturverzeichnis AARTS, E.; KORST, J.; MICHIELS, W. (2007) AARTS, E. ; KORST, J. ; MICHIELS, W.: Simulated Annealing. In: GONZALEZ, T. F. (Hrsg.): Handbook of Approximation Algorithms and Metaheuristics. Boca Raton [u.a.] : Chapman & Hall/ CRC, 2007. ADAM, D. (1996) ADAM, D.: Planung und Entscheidung. Wiesbaden: 4. Aufl. 1996. ADAM, D. et al. (2004) ADAM, D. et al.: Allgemeine Betriebswirtschaftslehre - Koordination betrieblicher Entscheidungen: die Fallstudie Peter Pollmann. Berlin [u.a.]: 3. Aufl. Springer, 2004. amazon.de (2008) amazon.de: amazon.de. URL http://www.amazon.de/. - abgerufen am 02.03.2008. BEA, F. X.; FRIEDL, B.; SCHWEITZER, M. (2005) BEA, F. X. ; FRIEDL, B. ; SCHWEITZER, M.: Allgemeine Betriebswirtschaftslehre. Stuttgart: 9. Aufl. Lucius & Lucius, 2005. BIERWIRTH, C.; MEISEL, F. (2007) BIERWIRTH, C. ; MEISEL, F.: A fast Heuristic for Quay Crane Scheduling with Interference Constraints. In: Journal of Scheduling, Preprint (2007). BIETHAHN, J. et al. (2004) BIETHAHN, J. et al.: Optimierung und Simulation. München [u.a.]: Oldenbourg, 2004. BIETHAHN, J. et al. (2005) BIETHAHN, J. et al.: Methoden der praktischen Entscheidungsfindung. Göttingen: 5. Aufl. 2005. BIETHAHN, J.; MEIER, L.; KLETTNER, N. (2006) BIETHAHN, J. ; MEIER, L. ; KLETTNER, N.: Agenten in der Hafenlogistik. In: KÜFER, K. et al. (Hrsg.): Multicriteria Decision Making and Fuzzy Systems, Theory, Methods and Applications. Aachen : Shaker, 2006. BIETHAHN, J.; MUCKSCH, H.; RUF, W. (2004) BIETHAHN, J. ; MUCKSCH, H. ; RUF, W.: Ganzheitliches Informationsmanagement Bd. 1: Grundlagen. München: 6. Aufl. Oldenbourg, 2004. BIETHAHN, J.; NOMIKOS, M. (2002) BIETHAHN, J. ; NOMIKOS, M.: Ganzheitliches E-Business. München [u.a.]: Oldenbourg, 2002.

254

Literaturverzeichnis

BISH, E. K. et al. (2005) BISH, E. K. et al.: Dispatching vehicles in a mega container terminal. In: OR Spektrum 27 (2005) S. 491–506. BLOECH, J. (2003) BLOECH, J.: Managementlehre und Optimalplanung. Göttingen: 2003. BLOECH, J. et al. (2008) BLOECH, J. et al.: Einführung in die Produktion. Berlin [u.a.]: 6. Aufl. Springer, 2008. BOERSCH, I.; HEINSOHN, J.; SOCHER, R. (2007) BOERSCH, I. ; HEINSOHN, J. ; SOCHER, R.: Wissensverarbeitung. München: 2. Aufl. Elsevier Spektrum Akademischer Verlag, 2007. BORCHERT, J.; GOOS, P.; STRAHLER, B. (2004) BORCHERT, J. ; GOOS, P. ; STRAHLER, B.: Forschungsansätze. In: SCHUMANN, M. (Hrsg.): Arbeitsbericht Nr. 25/2004. 2004. BÖSE, J. et al. (2000) BÖSE, J. et al.: Vehicle Dispatching at Seaport Container Terminals Using Evolutionary Algorithms. Hawaii: 2000. BORGELT, C. et al. (2003) BORGELT, C. et al.: Neuro-Fuzzy-Systeme. Wiesbaden: 3. Aufl. Vieweg, 2003. BRINKMANN, B. (2005) BRINKMANN, B.: Seehäfen: Planung und Entwurf. Berlin [u.a.]: Springer, 2005. BRODERSEN, O.; SCHUMANN, M. (2007) BRODERSEN, O. ; SCHUMANN, M.: Einsatz der Particle Swarm Optimization zur Optimierung universitärer Stundenpläne. In: SCHUMANN, M. (Hrsg.): Arbeitsbericht Nr. 05/2007. 2007. BRUZZONE, A.; SIGNORILE, R. (1998) BRUZZONE, A. ; SIGNORILE, R.: Simulation and Genetic Algorithms for Ship Planning and Shipyard Layout. In: Simulation 71 (1998) Nr. 2, S. 74-83. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007a) Bundesministerium für Verkehr Bau und Stadtentwicklung (BMVBS): Verkehrspolitische Orientierung für einen Masterplan Güterverkehr und Logistik. 2007a. Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) (2007b) Bundesministerium für Verkehr Bau und Stadtentwicklung (BMVBS): Seeverkehrsprognose 2025. URL http://www.bmvbs.de/Verkehr/Wasser,1477/Seeverkehrs-prognose.htm. - abgerufen am 29. Oktober 2007b.

Literaturverzeichnis

255

Bundesministerium für Wirtschaft und Technologie (BMWi) (2007) Bundesministerium für Wirtschaft und Technologie (BMWi): Monitoring-Bericht des BMWi nach § 51 EnWG zur Versorgungssicherheit bei Erdgas. 2007. CAIRE, G.; CABANILLAS, D. (2004) CAIRE, G. ; CABANILLAS, D.: JADE TUTORIAL - APPLICATION-DEFINED CONTENT LANGUAGES AND ONTOLOGIES. 2004. CHARNES, A.; COOPER, W. (1954) CHARNES, A. ; COOPER, W.: The stepping stone method of explaining linear programming calculations in transportation problems. In: Management Science 1 (1954) S. 49-69. CHEN, P. et al. (2003) CHEN, P. et al.: The general yard allocation problem. In: LNCS 2724/2003 (2003). CORDEAU, J. et al. (2005) CORDEAU, J. et al.: Models and Tabu Search Heuristics for the Berth-Allocation Problem. In: Transportation Science 39 (2005) Nr. 4, S. 526-538. CORMEN, T. H. (2005) CORMEN, T. H.: Introduction to algorithms. Boston, Mass. [u.a.]: 2. ed. Aufl. McGraw-Hill, 2005. CUDAHY, B. J. (2006) CUDAHY, B. J.: Box boats: how container ships changed the world. New York, NY: 1. Aufl. Fordham Univ. Press, 2006. DAGANZO, C. F. (1989) DAGANZO, C. F.: The crane scheduling problem. In: Transportation Research -B23B (1989) Nr. 3, S. 159-175. DAGANZO, C. F. (1999) DAGANZO, C. F.: Logistic System Analysis. Berlin [u.a.]: 3. Aufl. Springer, 1999. DAI, J. et al. (2004) DAI, J. et al.: Berth Allocation Planning Optimization in Container-Terminals. 2004. DARWIN, C. (1860) DARWIN, C.: On the Origin of species by means of natural selection: or the preservation of favoured races in the struggle for life. London: 1860. DAVIDSSON, P. et al. (2005) DAVIDSSON, P. et al.: Agent-Based Approaches to Transort Logistics. In: KLÜGL, F.; BAZZAN, A. ; OSSOWSKI, S. (Hrsg.): Applications of Agent Technology in Traffic and Transportation. Basel : Birkhäuser Verlag, 2005.

256

Literaturverzeichnis

DE CASTILHO,

B.; DAGANZO, C. F. (1993)

CASTILHO, B. ; DAGANZO, C. F.: Handling Strategies For Import Containers At Marine Terminals. In: Transportation Research B 27b (1993) Nr. 2, S. 151-166.

DE

DOMSCHKE, W. (1997) DOMSCHKE, W.: Logistik: Rundreisen und Touren. München [u.a.]: 4. Aufl. Oldenbourg, 1997. DOMSCHKE, W.; DREXL, A. (2007) DOMSCHKE, W. ; DREXL, A.: Einführung in Operations Research: mit 63 Tabellen. Berlin [u.a.]: 7. Aufl. Springer, 2007. DOMSCHKE, W.; SCHOLL, A. (2002) DOMSCHKE, W. ; SCHOLL, A.: Grundlagen der Betriebswirtschaftslehre. Berlin [u.a.]: 2. Aufl. Springer, 2002. DORIGO, M.; STÜTZLE, T. (2004) DORIGO, M. ; STÜTZLE, T.: Ant colony optimization. 2004. DURFEE, E.; LESSER, V.; CORKILL, D. (1989) DURFEE, E. ; LESSER, V. ; CORKILL, D.: Trends in cooperative distributed problem solving. In: IEEE Transactions on Knowledge and Data Engineering 1 (1989) Nr. 1, S. 63- 83. ELLINGER, T.; BEUERMANN, G.; LEISTEN, R. (2003) ELLINGER, T. ; BEUERMANN, G. ; LEISTEN, R.: Operations Research. Berlin [u.a.]: 6. Aufl. Springer, 2003. Eurogate (2007) Eurogate: Eurogate. URL http://www.eurogate.de. - abgerufen am 27.11.2007. European Logistics Association (2008) European Logistics Association: European Logistics Association (ELA). URL http://www.elalog.org/. - abgerufen am 02.03.2008. FIPA (2008) FIPA: Foundation for Intelligent Physical Agents. URL http://www.fipa.org/. - abgerufen am 19.03.08. FISCHER, H. (2006) FISCHER, H.: Ein systemorientierter Ansatz zur Modularisierung von Planspielen mit dem Ziel der Komplexitätssteuerung und Integration in Standardsoftware. Göttingen, 2006. FLANAGAN, D. (2006) FLANAGAN, D.: Java in a Nutshell. Beijing [u.a.]: 4. Aufl. O´Reilly, 2006.

Literaturverzeichnis

257

FLEISCHMANN, B. (2004) FLEISCHMANN, B.: Begriffliche Grundlagen der Logistik. In: ARNOLD, D. et al. (Hrsg.): Handbuch Logistik. 2004. FLOOD, M. M. (1956) FLOOD, M. M.: The Traveling-Salesman Problem. In: Journal of the Operations Research Society Of America 4 (1956) Nr. 1, S. 61-75. FU, Z. et al. (2007) FU, Z. et al.: Port space allocation with a time dimension. In: Journal of the Operational Research Society 58 (2007) Nr. 6, S. 797–807. GAMBARDELLA, L. M. et al. (2001) GAMBARDELLA, L. M. et al.: An optimization methodology for intermodal terminal management. In: Journal of Intelligent Manufacturing 12 (2001) S. 521-534. GHANEA-HERCOCK, R. (2003) GHANEA-HERCOCK, R.: Applied evolutionary algorithms in Java. New York [u.a.]: Springer, 2003. GUAN, Y.; CHEUNG, R. K. (2004) GUAN, Y. ; CHEUNG, R. K.: The berth allocation problem: models and solution methods. In: OR Spectrum 26 (2004) S. 75-92. GÜNTHER, H.; KIM, K. (2007) GÜNTHER, H. ; KIM, K.: Container Terminals and terminal operations. In: KIM, K. H. ; GÜNTHER, H. (Hrsg.): Container terminals und cargo systems: design, operations management, and logistics control issues. Berlin [u. a.] : Springer, 2007. Hafen Hamburg (2007) Hafen Hamburg: Hafen Hamburg. URL http://www.hafen-hamburg.de/. - abgerufen am 29. Oktober 2007. HANSEN, H. R.; NEUMANN, G. (2005) HANSEN, H. R. ; NEUMANN, G.: Wirtschaftsinformatik 1. Stuttgart: 9. Aufl. Lucius & Lucius, 2005. HARDER, R. (2008) HARDER, R.: OpenTS - Java Tabu Search. or.org/Ots/index.html. - abgerufen am 10.03.08.

URL

http://www.coin-

HAROLD, E. R. (2004) HAROLD, E. R.: XML. Bonn: 2. Aufl. mitp, 2004. HARTMANN, S. (2004) HARTMANN, S.: A General Framework for Scheduling Equipment and Manpower at Container Terminals. In: OR Spectrum 26 (2004) S. 51-74.

258

Literaturverzeichnis

HAX, H. (1974) HAX, H.: Enscheidungsmodelle in der Unternehmung. Reinbek bei Hamburg: Rowohlt, 1974. HEINRICH, L. J. (1994) HEINRICH, L. J.: Systemplanung 1. München [u.a.]: 6. Aufl. Oldenbourg, 1994. HENESEY, L. (2004) HENESEY, L.: Enhancing Container Terminal Performance: A Multi Agent Systems Approach. Blekige Institute of Technology, Karlshamn, Sweden, Department of Systems and Software Engineering, 2004. HEPPNER, F.; GRENANDER, U. (1990) HEPPNER, F. ; GRENANDER, U.: A stochastic nonlinear Model for coordinated Bird Flocks. In: KRASNER, S. (Hrsg.): The Ubiquity of Chaos. Washington: 1990. HOLGUÍN-VERAS, J.; JARA-DÍAZ, S. (1999) HOLGUÍN-VERAS, J. ; JARA-DÍAZ, S.: Optimal pricing for priority service and space allocation in container ports. In: Transportation Research -B- 33 (1999) Nr. 2, S. 81- 106. HOLLAND, J. (1998) HOLLAND, J.: Adaption in natural and artificial systems. An introduction analysis with applications to biology, control and artificial intelligence. Ann Arbor: University of Michigan Press, 1998. HUNTER, J. (2008) HUNTER, J.: jdom.org. URL http://www.jdom.org/. - abgerufen am 17.01.08. IHDE, G. (1996) IHDE, G.: Sustainable Mobility. In: BLOECH, J. ; IHDE, G. (Hrsg.): Vahlens Großes Logistik Lexikon. München : Vahlen, 1996. IHDE, G. (2001) IHDE, G.: Transport, Verkehr, Logistik. München: 3. Aufl. Vahlen, 2001. ILOG (2007) ILOG: ILOG Optimization CPLEX. URL http://www.ilog.com. - abgerufen am 26.11.2007. IMAI, A.; NAGAIWA, K.; CHAN, T. W. (1997) IMAI, A. ; NAGAIWA, K. ; CHAN, T. W.: Efficient Planning Of Berth Allocation For Container Terminals In Asia. In: Journal of Advanced Transportation 31 (1997) Nr. 1, S. 75-94. IMAI, A.; NISHIMURA, E.; PAPADIMITRIOU, S. (2001) IMAI, A. ; NISHIMURA, E. ; PAPADIMITRIOU, S.: The dynamic berth allocation problem for a container port. In: Transportation Research Part B: Methodological 35 (2001) Nr. 4, S. 401-417.

Literaturverzeichnis

259

ISERMANN, H. (1996) ISERMANN, H.: Stauraumplanung. In: BLOECH, J. ; IHDE, G. B. (Hrsg.): Vahlens Großes Logistik Lexikon. München : Vahlen, 1996. ISL (2008) ISL: ISL - Institut für Seeverkehrswirtschaft und Logistik. URL http://www.isl.org/. - abgerufen am 30.01.2008. JadeWeserPort (2008) JadeWeserPort: JadeWeserPort. URL http://www.jadeweserport.de. - abgerufen am 05.02.2008. JIN, C.; LIU, X.; GAO, P. (2004) JIN, C. ; LIU, X. ; GAO, P.: An Intelligent Simulation Method Based on Artificial Neural Network for Container Yard Operation. In: YIN, F. ; WANG, J. ; GUO, C. (Hrsg.): ISNN 2004, LNCS 3174. 2004. JUNG, A. (2005) JUNG, A.: The Box That Makes the World Go Round. In: Spiegel Special International Edition 7/2005 (2005) S. 120- 121. Kalmar Industries (2008) Kalmar Industries: KALMAR CONTAINER HANDLING SYSTEMS COMPLETE RANGE OF PRODUCTS AND KNOWHOW. URL http://www.rrtobe.com/salesmaterial_store_pdf_low_res/CHS_KIOY0309E17.pdf. - abgerufen am 13.02.2008. KELTON, W. D.; SADOWSKI, R. P.; SADOWSKI, D. A. (2002) KELTON, W. D. ; SADOWSKI, R. P. ; SADOWSKI, D. A.: Simulation with Arena. Boston [u.a.]: 2. Aufl. McGraw-Hill, 2002. KENNEDY, J.; EBERHART, R. (1995) KENNEDY, J. ; EBERHART, R.: Particle Swarm Optimization. Perth, Australia: 1995. KIA, M.; SHAYAN, E.; GHOTB, F. (2000) KIA, M. ; SHAYAN, E. ; GHOTB, F.: The importance of information technology in port terminal operations. In: International Journal of Physical Distribution and Logistics 30 (2000) Nr. 3, S. 331-344. KIM, K. H.; KIM, H. B. (1999) KIM, K. H. ; KIM, H. B.: Segregating space allocation models for container inventories in port container terminals. In: International Journal of Production Economics 59 (1999) S. 415-423. KIM, K. H.; LEE, K. M.; HWANG, H. (2003) KIM, K. H. ; LEE, K. M. ; HWANG, H.: Sequencing delivery and receiving operations for yard cranes in port container terminals. In: International Journal Production Economics 84 (2003) S. 283–292.

260

Literaturverzeichnis

KIM, K. H.; MOON, K. C. (2003) KIM, K. H. ; MOON, K. C.: Berth scheduling by simulated annealing. In: Transportation Research - B - 37 (2003) Nr. 6, S. 541-560. KIM, K. H.; PARK, Y. (2004) KIM, K. H. ; PARK, Y.: A crane scheduling method for port container terminals. In: European Journal of Operational Research 156 (2004) S. 752-768. KIM, K. H.; PARK, Y. M.; RYU, K. (2000) KIM, K. H. ; PARK, Y. M. ; RYU, K.: Deriving decision rules to locate export containers in container yards. In: European Journal of Operational Research 124 (2000) S. 89-101. KLEIN, R. (2008) KLEIN, R.: Mathematische Methoden der Wirtschaftswissenschaften. URL http://www.wiwi.uni-augsburg.de/bwl/klein/service_decisionsupportsysteme.html. - abgerufen am 12.03.08. KOSCHKE, R. et al. (2007) KOSCHKE, R. et al.: Informatik trifft Logistik. Bremen: 2007. KOZAN, E.; PRESTON, P. (2006) KOZAN, E. ; PRESTON, P.: Mathematical modelling of container transfers and storage locations at seaport terminals. In: OR Spectrum 28 (2006) S. 519–537. KRISHNA, V. (2002) KRISHNA, V.: Auction theory. San Diego [u.a.]: Academic Press, 2002. LACKNER, A. (2004) LACKNER, A.: Dynamische Tourenplanung mit ausgewählten Metaheuristiken: eine Untersuchung am Beispiel des kapazitätsrestriktiven dynamischen Tourenplanungsproblems mit Zeitfenstern. Göttingen: 1. Aufl. Cuvillier, 2004. LANGER, H. et al. (2006) LANGER, H. et al.: Integration von Software-Agenten und Soft-ComputingMethoden für die Transportplanung. Göttingen: Cuvillier, 2006. LAUX, H.; LIERMANN, F. (2005) LAUX, H. ; LIERMANN, F.: Grundlagen der Organisation. Berlin [u.a.]: 6. Aufl. Springer, 2005. LEE, L. H. et al. (2006) LEE, L. H. et al.: An optimization model for storage yard management in transshipment hubs. In: OR Spectrum 28 (2006) S. 539–561. LEGATO, P.; MONACO, M. F. (2004) LEGATO, P. ; MONACO, M. F.: Human resources management at a marine container terminal. In: European Journal of Operational Research 156 (2004) S. 769–781.

Literaturverzeichnis

261

LEHNER, F. (2006) LEHNER, F.: Wissensmanagement. München, Wien: Carl Hanser Verlag, 2006. LEMPER, B. (2003) LEMPER, B.: Containerschifffahrt und Welthandel - eine Symbiose. 2003. LEVINSON, M. (2006) LEVINSON, M.: The Box. Princeton, New Jersey: Princeton University Press, 2006. LIM, A. et al. (2004) LIM, A. et al.: Crane scheduling with spatial constraints. In: Naval Research Logistics 51 (2004) S. 386-406. LIM, A.; RODRIGUES, B.; SONG, L. (2004) LIM, A. ; RODRIGUES, B. ; SONG, L.: Manpower allocation with time windows. In: Journal of the Operational Research Society 55 (2004) S. 1178–1186. LIM, A.; RODRIGUES, B.; XU, Z. (2007) LIM, A. ; RODRIGUES, B. ; XU, Z.: A m-Parallel Crane Scheduling Problem with a Non-crossing Constraint. In: Naval Research Logistics 54 (2007) Nr. 2, S. 115-127. LIM, A.; XU, Z. (2005) LIM, A. ; XU, Z.: A critical-shaking neighborhood search for the yard allocation problem. In: European Journal of Operational Research (2005). Lindo Systems Inc. (2007) Lindo Systems Inc.: LINDO System's LINDO API page. http://lindo.com/products/api/dllm.html. - abgerufen am 11.11.2007.

URL

LIU, J.; WAN, Y.; WANG, L. (2006) LIU, J. ; WAN, Y. ; WANG, L.: Quay Crane Scheduling at Container Terminals To Minimize the Maximum Relative Tardiness of Vessel Departures. In: Naval Research Logistics 53 (2006) Nr. 1, S. 60-74. LOKUGE, P.; ALAHAKOON, D. (2007) LOKUGE, P. ; ALAHAKOON, D.: Improving the adaptability in automated vessel scheduling in container ports using intelligent software agents. In: European Journal of Operational Research 177 (2007) S. 1985–2015. MEERSMANS, P. J. M. (2002) MEERSMANS, P. J. M.: Optimization of Container Handling Systems. Rotterdam, 2002. MEERSMANS, P. J.; DEKKER, R. (2001) MEERSMANS, P. J. ; DEKKER, R.: Operations Research supports container handling. Economic Institute Report EI 2001-22, 2001.

262

Literaturverzeichnis

MEFFERT, K. (2008) MEFFERT, K.: JGAP: Java Genetic Algorithms http://jgap.sourceforge.net/. - abgerufen am 21.01.08.

Package.

URL

MEIER, L. (2006) MEIER, L.: Analyse und Systematisierung entscheidungsrelevanter Einflüsse in Container-Terminal-Prozessen. In: BIETHAHN, J. (Hrsg.): Proceedings zum 10. Symposium: Simulation als betriebliche Entscheidungshilfe: neuere Werkzeuge und Anwendungen aus der Praxis - 13. - 15. März 2006 in Braunlage. Göttingen : Inst. für Wirtschaftsinformatik, 2006. MEIER, L. et al. (2005) MEIER, L. et al.: SIMULATION AND OPTIMIZATION OF SELECTED CLASSIFICATION NUMBERS AT A CONTAINER TERMINAL: TECON - RIO GRANDE, BRAZIL. 2005. MEIER, L.; FISCHER, H. (2006) MEIER, L. ; FISCHER, H.: Koordination integrierter Logistikprozesse im Hafen. Göttingen: Cuvillier, 2006. MEIER, L.; LACKNER, A. (2005) MEIER, L. ; LACKNER, A.: Simulation und Optimierung von handshake operations eines Container Terminals. 2005. MEIER, L.; SCHUMANN, R. (2007) MEIER, L. ; SCHUMANN, R.: Coordination of interdependent Planning Systems, a case study. Bremen: 2007. MEINEL, C.; MUNDHENK, M. (2000) MEINEL, C. ; MUNDHENK, M.: Mathematische Grundlagen der Informatik. Stuttgart [u.a.]: Teubner, 2000. MEISEL, F.; BIERWIRTH, C. (2005) MEISEL, F. ; BIERWIRTH, C.: Integration of Berth Allocation and Crane Assignment to Improve the Resource Utilization at a Seaport Container Terminal. Berlin: Springer, 2005. MERKEL, H. (1995) MERKEL, H.: Logistik-Management-Systeme. München [u.a.]: Oldenbourg, 1995. MERTENS, P. et al. (2005) MERTENS, P. et al.: Grundzüge der Wirtschaftsinformatik. Berlin [u.a.]: 9. Aufl. Springer, 2005. MERTENS, P. (1982) MERTENS, P.: Simulation. Stuttgart: 2. Aufl. Poeschel, 1982.

Literaturverzeichnis

263

METROPOLIS, N. et al. (1953) METROPOLIS, N. et al.: Equation of state calculations by fast computing maschines. In: Journal of Chemical Physics 21 (1953) Nr. 6, S. 1087-1092. MIKUS, B. (2003) MIKUS, B.: Strategisches Logistikmanagement: ein markt-, prozess- und ressourcenorientiertes Konzept. Wiesbaden: 1. Aufl. Dt. Univ.-Verl., 2003. MINSKY, M. (1994) MINSKY, M.: Künstliche Intelligenz ist Evolution: Jenseits des Konnektionismus. Braunschweig [u.a.]: Vieweg, 1994. MOCCIA, L. et al. (2006) MOCCIA, L. et al.: A Branch-and-Cut Algorithm for the Quay Crane Scheduling Problem in a Container Terminal. In: Naval Research Logistics 53 (2006) Nr. 1, S. 45-59. MONETT DÍAZ, D. (2005) MONETT DÍAZ, D.: Agent-Based Configuration of (Metaheuristic) Algorithms. Aachen: Shaker, 2005. MOORTY, R.; CHUNG-PIAW, T. (2006) MOORTY, R. ; CHUNG-PIAW, T.: Berth management in container terminal: the template design problem. In: OR Spectrum 28 (2006) S. 495-518. MÜLLER-MERBACH, H. (1992) MÜLLER-MERBACH, H.: Operations Research: Methoden und Modelle der Optimalplanung. München: 10. Nachdr. der 3. Aufl. Vahlen, 1992. MURTY, K. G. et al. (2005) MURTY, K. G. et al.: A decision support system for operations in a container terminal. In: Decision Support Systems 39 (2005) S. 309– 332. NG, W.; MAK, K. (2005) NG, W. ; MAK, K.: Yard crane scheduling in port container terminals. In: Applied Mathematical Modelling 29 (2005) S. 263-276. Niedersächsisches Ministerium für Wirtschaft, Arbeit und Verkehr (2006) Niedersächsisches Ministerium für Wirtschaft Arbeit und Verkehr: Tiefwasserhafen Wilhelmshaven - Eurogate gewinnt Ausschreibung für JadeWeserPort. 2006. NISHIMURA, E.; IMAI, A.; PAPADIMITRIOU, S. (2001) NISHIMURA, E. ; IMAI, A. ; PAPADIMITRIOU, S.: Berth allocation planning in the publid berth system by genetic algorithms. In: European Journal of Operational Research 131 (2001) S. 282-292. NISSEN, V. (1994) NISSEN, V.: Evolutionäre Algorithmen. Wiesbaden: DeutscherUniversitätsVerlag, 1994.

264

Literaturverzeichnis

NISSEN, V. (2002) NISSEN, V.: Anwendbarkeit von Fuzzy Sets in der Projektarbeit einer Unternehmensberatung. 2002. NISSEN, V.; BIETHAHN, J. (1995) NISSEN, V. ; BIETHAHN, J.: Evolutionary Algorithms in Management Applications. Berlin [u.a.]: Springer, 1995. NOTTEBOOM, T.; WINKELMANS, W. (2002) NOTTEBOOM, T. ; WINKELMANS, W.: Stakeholder Relations Management in ports: dealing with the interplay of forces among stakeholders in a changing competitive environment. Panama City: 2002. NTB (2007) NTB: North Sea Terminal Bremerhaven. URL http://www.ntb.eu. - abgerufen am 27.11.2007. o.A. (1996) o.A.: Twenty Foot Equivalent Unit (TEU). In: BLOECH, J. ; IHDE, G. B. (Hrsg.): Vahlens Großes Logistik Lexikon. München : Vahlen, 1996. o.A. (2008) o.A.: JDOM. URL http://www.jdom.org/. - abgerufen am 05.04.08. o.A. (2008a) o.A.: JADE - Java Agent Development Framework. URL http://jade.tilab.com/. abgerufen am 12.03.08. o.A. (2008b) o.A.: Tools for Agent-Based Modelling. URL http://www.swarm.org/index.php?title=Tools_for_Agent-Based_Modelling. - abgerufen am 19.03.08. o.A. (2008c) o.A.: The Protégé Ontology Editor and Knowledge Acquisition System. URL http://protege.stanford.edu/. - abgerufen am 12.03.08. o.A. (2008d) o.A.: Ontology Bean Generator. URL http://protege.cim3.net/cgibin/wiki.pl?OntologyBeanGenerator. - abgerufen am 12.03.08. PAGE, B.; KREUTZER, W. (2005) PAGE, B. ; KREUTZER, W.: The Java Simulation Handbook. Aachen: Shaker Verlag, 2005. PARK, Y.; KIM, K. H. (2003) PARK, Y. ; KIM, K. H.: A Simultaneous Scheduling Method for Berth and Quay Cranes. In: OR Spectrum 25 (2003) S. 1-23.

Literaturverzeichnis

265

PARUNAK, H. (1991) PARUNAK, H.: Characterizing the Manufacturing Scheduling Problem. In: Journal of Manufacturing Systems 10 (1991) Nr. 3, S. 241-259. PAWELLEK, G.; SCHÖNKNECHT, A. (2007) PAWELLEK, G. ; SCHÖNKNECHT, A.: Größenentwicklung von Containerschiffen und Auswirkung auf die intermodale Transportkette. In: Logistics Journal 2007 (2007) Nr. 4, S. 1-17. PETERKOFSKY, R. I.; DAGANZO, C. F. (1990) PETERKOFSKY, R. I. ; DAGANZO, C. F.: A branch and bound solution method for the crane scheduling problem. In: Transportation Research B 24 (1990) Nr. 3, S. 159172. PFOHL, H. C. (2004a) PFOHL, H. C.: Logistikmanagement. Berlin [u.a.]: 2. Aufl. Springer, 2004a. PFOHL, H. C. (2004b) PFOHL, H. C.: Logistiksysteme: betriebswirtschaftliche Grundlagen. Berlin [u.a.]: 7. Aufl. Springer, 2004b. POCHERT, B. (2005) POCHERT, B.: Konzeption einer unscharfen Balanced Scorecard: Möglichkeiten der Fuzzyfizierung einer Balanced Scorcard zur Unterstützung des Strategischen Managements. Göttingen: 1. Aufl. Cuvillier, 2005. PUMPE, D. (2000) PUMPE, D.: Ein Referenzmodell zur Planung und Steuerung der Abläufe in Seehafen-Containerterminals. Berlin: Mensch-und-Buch-Verl., 2000. REBOLLO, M. et al. (2000) REBOLLO, M. et al.: A Multi-Agent System for the Automation of a Port Container Terminal. Barcelona: 2000. RIEGER, S. (2007) RIEGER, S.: Einheitliche Authentifizierung in heterogenen IT- Strukturen für ein sicheres e-Science-Umfeld. Göttingen: Cuvillier, 2007. Rockwell Automation (2008) Rockwell Automation: Rockwell Automation - Arena Simulation Software. URL http://www.arenasimulation.com/. - abgerufen am 05.02.2008. RÜBEL, G. (2004) RÜBEL, G.: Grundlagen der Realen Außenwirtschaft. München [u.a.]: Oldenbourg, 2004. SAANEN, Y. A. (2004) SAANEN, Y. A.: An approach for designing robotized marine container terminals. Delft, Technische Universiteit Delft, 2004.

266

Literaturverzeichnis

SAMMARRA, M. et al. (2007) SAMMARRA, M. et al.: A tabu search heuristic for the quay crane scheduling problem. In: Journal of Scheduling 10 (2007) S. 327-336. SCHÖNSLEBEN, P. (2007) SCHÖNSLEBEN, P.: Integrales Logistikmanagement: Operations und Supply Chain Management in umfassenden Wertschöpfungsnetzwerken. Berlin [u.a.]: 5. Aufl. Springer, 2007. SCHOTT, R. (1989) SCHOTT, R.: Stauplanung für Containerschiffe. Göttingen: Vandenhoeck Ruprecht, 1989. SCHUBERT, A. (2002) SCHUBERT, A.: Unternehmens Balanced Scorecard mit Fuzzy Logik. 2002. SCHUMANN, M.; DIEKMANN, T.; DOBRINDT, M. (2007) SCHUMANN, M. ; DIEKMANN, T. ; DOBRINDT, M.: Methoden der Entscheidungsfindung I, Sktipt zur Veranstaltung an der Universität Göttingen. Göttingen: 2007. SCHWERDTFEGER, H.; ZABERN, T.; PÖLKING-EIKEN, H. (1991) SCHWERDTFEGER, H. ; ZABERN, T. ; PÖLKING-EIKEN, H.: Bremen/Bremerhaven Container Story: die Erfolgsgeschichte einer Kiste, die den Hafen veränderte. Bremen: 1. Aufl. Steintor, 1991. SEIDELMANN, C. (2004) SEIDELMANN, C.: Kombinierter Verkehr. In: ARNOLD, D. et al. (Hrsg.): Handbuch Logistik. 2004. SONDERGELD, L. (2001) SONDERGELD, L.: Performance analysis methods for heuristic search optimization with an application to cooperative agent algorithms. Aachen: Shaker, 2001. STAHLBOCK, R.; VOß, S. (2007) STAHLBOCK, R. ; VOß, S.: Operations research at container terminals: a literature update. In: OR Spectrum Online first (2007). STEENKEN, D.; VOß, S.; STAHLBOCK, R. (2004) STEENKEN, D. ; VOß, S. ; STAHLBOCK, R.: Container terminal operation and operations research: a classification and literature review. In: OR spectrum 26 (2004) S. 3-49. TEAM, R. D. C. (2007) TEAM, R. D. C.: R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing, 2007. The Eclipse Foundation (2008) The Eclipse Foundation: Eclipse - an open development platform. URL http://www.eclipse.org/. - abgerufen am 19.03.08.

Literaturverzeichnis

267

TRANBERG, L. K. (2005) TRANBERG, L. K.: Optimizing Yars Operations In Port Container Terminals. 2005. VACCA, I.; BIERLAIRE, M.; SALANI, M. (2007) VACCA, I. ; BIERLAIRE, M. ; SALANI, M.: Optimization of Container Terminal Operations. Zürich: 2007. VAHRENKAMP, R. (2005) VAHRENKAMP, R.: Logistik. München [u.a.]: 5. Aufl. Oldenbourg, 2005. VAN AART,

C. et al. (2002)

VAN AART, C. et al.: Creating and Using Ontologies in Agent Communication. 2002.

ver.di (2008) ver.di: ver.di: ÖTV. URL http://www.verdi.de/archiv/oetv. - abgerufen am 11.02.2008. VIS, I. (2008) VIS, I.: Container logistics. URL http://www.irisvis.nl/container/. - abgerufen am 01.04.08. VIS, I. F.; DE KOSTER, R. (2003) VIS, I. F. ; DE KOSTER, R.: Transshipment of containers at a container terminal: an overview. In: European Journal of Operational Research 147 (2003) S. 1-16. VIS, I.; HARIKA, I. (2004) VIS, I. ; HARIKA, I.: Comparison of vehicle types at an automated container terminal. In: OR Spectrum 26 (2004) S. 117-143. WANG, F.; LIM, A. (2007) WANG, F. ; LIM, A.: A stochastic beam search for the berth allocation problem. In: Decision Support Systems 42 (2007) S. 2186-2196. WEBER, J.; KUMMER, S. (1998) WEBER, J. ; KUMMER, S.: Logistikmanagement. Stuttgart: 2. Aufl. SchäfferPoeschel, 1998. WÖHE, G.; DÖRING, U. (2002) WÖHE, G. ; DÖRING, U.: Einführung in die allgemeine Betriebswirtschaftslehre. München: 21. Aufl. Vahlen, 2002. WOOLDRIDGE, M. (2008) WOOLDRIDGE, M.: An Introduction to MultiAgent Systems. http://www.csc.liv.ac.uk/~mjw/pubs/imas/. - abgerufen am 10.03.08.

URL

WOOLDRIDGE, M. J. (2005) WOOLDRIDGE, M. J.: An introduction to multiagent systems. Chichester [u.a.]: Reprint. Aufl. Wiley, 2005.

268

Literaturverzeichnis

World Trade Organization (2006) World Trade Organization: World Trade Report 2006. 2006. ZHANG, C. et al. (2003) ZHANG, C. et al.: Storage space allocation in container terminals. In: Transportation Research -B- 37 (2003) S. 883-903. ZHU, Y.; LIM, A. (2006) ZHU, Y. ; LIM, A.: Crane scheduling with non-crossing constraint. In: Journal of the Operational Research Society 57 (2006) Nr. 12, S. 1464-1471.