A simultaneous time and fuel minimization robust possibilistic multiobjective programming approach for truck-sharing scheduling in container terminals under uncertainty
Notice bibliographique
Résumé
The issue of integrated scheduling and sequencing operation of unloading and loading equipment in container ports has been one of the most important issues concerning time efficiency. In addition, with the emergence of green harbor concepts, the inclusion of criteria for minimizing energy consumption, fuel and emission reduction are among the other issues that have been noticed by planners in the field of energy efficiency. Furthermore, due to the complexity and scope of activities of a container terminal, uncertainty in operational parameters such as transportation time, time of readiness and entry of work into the system and the velocity of the transportation fleet are inevitable in this operational environment. Therefore, this research with the aim of sharing trucks among loading and unloading equipment, proposes a robust multi-objective integer programming model for the synchronized scheduling of truck operations with other handling equipment to decrease the fuel consumption of trucks and the flow time of containers, considering the uncertainty in operational parameters as fuzzy numbers. To find the Pareto solutions for this model, the ε-Constraint technique is employed. Finally, the performance of the model in deterministic and uncertain modes is evaluated, compared and analyzed employing the inputs gathered from Shahid Rajaei port. The findings demonstrate that using this model will result in a substantial decrease in both fuel consumption and flow time of containers in comparison to the current procedure. Additionally, results will demonstrate the extent to which the terminal's fuel and time consumption will increase under conditions of uncertainty in operational parameters when the optimal plans derived from the robust model are implemented.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».