Automatic Guided Vehicles Introduction Impacts to Roll-On/Roll-Off Terminals: Simulation and Cost Model Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Automatic guided vehicles (AGVs) have been successfully applied to cargo terminals to reduce operating costs and improve productivity. However, the focus was on container terminal operations. Ports with roll-on/roll-off (RORO) terminals still heavily depend on human resources for the loading/unloading processes. Work operations are affected by human errors and safety issues. In particular, terminals where vehicles cannot be stacked pressure workers to handle cargo more rapidly, which induces more errors. In this study, we propose automating RORO terminal operations by using AGVs. We assessed the impact of AGVs on the productivity, cost efficiency, and environment. A series of simulation models was developed on the basis of the current loading system at an actual port to test the impact of AGVs. Then, we developed a cost model to analyze the economic benefit of AGVs compared with the current loading system. The environmental benefits were also analyzed. Results revealed that a system using 29 AGVs matched the productivity of the current loading system, and using more AGVs increased the productivity. For a given productivity level, the total operating cost of the AGV system was three times less than that of the current system over a 15-year period. The AGV system also showed great potential for improving the environmental friendliness of terminal operations. This is the first study to propose automating RORO terminal operations to improve productivity and sustainability through AGV technology rather than human factors. AGVs are expected to become a good option in the future to address labor shortages and the “untact” era.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle