ارائه مدل پيش بيني عملكرد پايانه كانتينر در بنادربا رويكرد پويايي سيستم

با توجه به ماهيت علت و معلولي بخش حمل و نقل دريايي و تاثير متقابل متغيرها در اين بخش و نيز پيچيدگي هاي حاكم برآن لازم است تا به كمك ابزارهايي ، سياستهاي اتخاذ شده در اين بخش مورد آزمون قرارگيرد. دغدغه مورد نظر در اين مقاله پيش بيني عملكرد ترمينال كانتينري از حيث تعداد كانتينر تخليه وبارگيري شده، زمان كل حضور كشتي از زمان ورود به لنگرگاه تا خروج از بندر و در صد اشغال اسكله ترمينال كانتينري مي باشد. در اين تحقيق، ، مدل پوياي عملكرد ترمينال كانتينر بنادر، با استفاده ازروش پوياي سيستم ها ارائه شده است. اعتبار مدل پيشنهادي با استفاده از داده هاي تاريخي 1384 تا 1394بندر شهيد رجايي مورد تائيد قرارگرفته است. نتايج شبيه سازي نشان مي دهدكه با افزايش 1 دستگاه گنتري كرين تعداد كل كانتينرهاي جابه جا شده 5/12% افزايش و متوسط زمان كشتي 30% كاهش مي يابد. با سرمايه گذاري وساخت يك اسكله تعداد كل تخليه/ بارگيري 4% افزايش و متوسط زمان كشتي 37% كاهش مي يابد. در حالي كه با ساخت 1 اسكله و همچنين افزايش يك دستگاه گنتري كرين تعداد كل تخليه/ بارگيري 37% افزايش و زمان كشتي 45% كاهش مي يابد. مدل پيشنهادي كمك مي نمايد كه مديران، از اثرات تصميمات و سياست هاي خود در طراحي و توسعه آينده ترمينالهاي كانتينري و نتايج آنها تصوير روشني داشته باشند.

Due to the nature of the causal maritime transport sector and interaction of variables in this section as well as the complexities, Systemd ynamics (SD) approach is used to measure and forecast port performance. This paper concerns the performance in terms of the number of container loading and unloading of container terminal, ship turnaround time in port and berth occupied percentage. Historical data of Shahid Rajae from 1384 to 1394 is used to valid proposed model. The results of simulation show that by increasing one more gantry crane, the container throughput increase 12/5% and the average service time decrease about 30%. By investing and developing one berth more, the throughput increase 4% and average service time decrease about 37%. Whereas by increasing one more gantry crane and berth, the throughput increase 37% and average service time decrease about 45%. The proposed model can help port managers to see the effects of their decisions on future port performance and design policies that lead to desired consequences.