Model koncepcyjny kontroli ruchu jednostek pływających w portach morskich z wykorzystaniem metod symulacyjnych

Transkrypt

1 Bohdan Pac 1, Ryszard Zadrąg 2 Model koncepcyjny kontroli ruchu jednostek pływających w portach morskich z wykorzystaniem metod symulacyjnych Wstęp Transport morski stanowi jedną z najpojemniejszych i najtańszych gałęzi transportu, dlatego też jest on szeroko wykorzystywany do przemieszczania towarów na duże odległości między poszczególnymi portami załadowania i wyładowania, stanowiąc zazwyczaj strategiczny odcinek w przewozach multimodalnych, intermodalnych i kombinowanych. Istotnym elementem infrastruktury punktowej tego transportu są porty morskie będące aktualnie kombinacją różnego rodzaju morskich terminali przeładunkowych, poczynając od masowych, poprzez drobnicowe, kontenerowe na promowych kończąc. Sprawność operacyjna transportu morskiego uzależniona jest nie tylko od rodzaju statku, jego ładowności i prędkości przemieszczania, ale również od potencjału portu morskiego, który będzie się wyrażał poprzez: - odpowiednią przestrzeń oraz długość nabrzeży zdolnych do przyjęcia określonego taboru morskiego; - lokalizację, czyli usytuowanie na styku obszaru lądowego i morskiego bądź w jego sąsiedztwie (ujście rzeki lub zatoka) oraz funkcjonującą infrastrukturę i suprastrukturę przeznaczoną do jego obsługi, często decydującą o typie portu oraz jego wyposażeniu, szczególnie jeśli chodzi o akwatorium portowe; - wyposażenie, czyli o odpowiednie składniki infrastruktury technicznej, głównie transportowej i suprastruktury, a także konieczne do prowadzenia wielozmianowej działalności operacyjnej zasoby personelu o odpowiednich kwalifikacjach i umiejętnościach zawodowych oraz technologię i organizację operacji przeładunkowo magazynowych; - operacje logistyczne, zorientowane na realizację zadań transportowych z zakresu przeładunku i przemieszczania rzeczy i osób, zmieniających tam w ramach cyklu transportowego środowisko z lądowego na morskie lub na odwrót. 3 Wielokryterialną ocenę potencjału portu morskiego należy rozpocząć od zbadania jego możliwości operacyjnych wynikających ze sprawności obsługi zawijających jednostek oraz stopnia wykorzystania dostępnych nabrzeży portowych. Zróżnicowanie przepływającego wolumenu ładunków przez morskie porty handlowe, tworzy przesłankę do analizy tego potencjału w kontekście istniejących na ich terenie morskich terminali przeładunkowych. O płynności operacyjnej terminala będzie decydować nie tylko ilość obsługiwanych statków w odpowiedniej perspektywie czasowej, ale też liczba jednostek oczekujących na redzie oraz dobowy stopień wykorzystania nabrzeży przeładunkowych. Do badania wybrano Głębokowodny Terminal Kontenerowy ( Deep Water Container Terminal) w Porcie Gdańskim. Problem badawczy dotyczył określenia efektywności i stabilności dobowego wykorzystania nabrzeży przeładunkowych. Powyższą stabilność i efektywność oceniono poprzez wprowadzenie miernika oceny decyzji, jakim jest wskaźnik zajętości nabrzeża. Dane o ruchu jednostek pozyskano z Systemu Automatycznej Identyfikacji Danych AIS (Automatic Identification System) będącego źródłem informacji m.in. o ruchu jednostek w DCT dla centrum kontroli i nadzoru ruchu statków VTS (Vessel Traffic Service) w Zatoce Gdańskiej. Rozwiązanie problemu badawczego polegało na wykonaniu kilku zadań badawczych polegających na: - przeprowadzeniu obserwacji dobowego ruchu jednostek pływających w DCT wykorzystując dane z systemu AIS (jako ograniczenie przyjęto okres obserwacji wynoszący 60 dni); 1 dr Bohdan Pac, Wyższa Szkoła Bankowa Gdańsk 2 dr inż. Ryszard Zadrąg, Politechnika Gdańska 3 A.S. Grzelakowski, M.Matczak, Współczesne porty morskie, funkcjonowanie i rozwój, Akademia Morska w Gdyni, Gdynia 2012, s. 11. Logistyka 6/

2 - badaniu częstotliwości wchodzących jednostek w funkcji ich długości oraz czasu ich obsługi w terminalu; - dokonaniu symulacji ruchu jednostek pływających obsługiwanych w DCT na kolejne 16 dni na podstawie przeprowadzonych obserwacji (narzędziem, jakie wykorzystano do realizacji tego zadania była metoda Monte Carlo służąca do symulacji stanów i procesów gospodarczych); - zdefiniowaniu zasadniczego miernika podejmowania decyzji jakim jest wskaźnik zajętości nabrzeża oraz ocena stabilności działalności operacyjnej DCT na podstawie zmian tego wskaźnika w funkcji czasu. Charakterystyka Głębokowodnego Terminala Kontenerowego (DCT) Przedmiotem badań był ruch jednostek w Głębokowodnym Terminalu Kontenerowym (DCT), zlokalizowanym w Porcie Północnym. DCT to najnowocześniejszy terminal kontenerowy w Polsce o powierzchni 44 ha, który rozpoczął swoje funkcjonowanie w czerwcu 2007 roku. Instalacja ta ze względu na swoje położenie stanowi istotny element systemu logistycznego polskiej gospodarki morskiej i całego kraju. O standardach działania oraz kierunkach rozwoju DCT zadecydowały następujące czynniki: - współpraca DCT z Maersk Line, dzięki której do terminala zawijają co tydzień od 2011 roku największe na świecie kontenerowce, takie jak: MS Evelyn Maersk, MS Emma Maersk, MS Eleonora Maersk, MS Elba Maersk i MS Eugen Maersk ; - osiągnięcie przez DCT Gdańsk w czerwcu 2011 roku pierwszego miliona przeładunków (milionowy kontener wpłynął do Gdańska na statku MS Emma Maersk ); - inicjatywa budowy Pomorskiego Centrum Logistycznego w sąsiedztwie DCT. Wielofunkcyjne centrum logistyczne jest finansowane i budowane przez australijską Grupę Goodman. Wstępna koncepcja zagospodarowania przewiduje nawet do 500 tysięcy m² powierzchni magazynowych oraz do 40 tysięcy m² powierzchni biurowej. Rozwój centrum logistycznego ma być połączony z rozbudową okolicznej infrastruktury komunikacyjnej, m.in. Trasy Sucharskiego, tunelu pod Martwą Wisłą i Południowej Obwodnicy Gdańska. Zaletą centrum będzie przede wszystkim bezpośrednie połączenie z nowoczesnym głębokowodnym terminalem kontenerowym DCT Gdańsk - Wprowadzenie nowego zintegrowanego systemu operacyjnego avis SPARCS 4 w czerwcu 2011 roku, umożliwiającego kompleksowe zarządzanie działalnością operacyjną terminala; - zaimplantowanie w lipcu 2011 narzędzia E-SMART przeznaczonego do wizualnego zarządzania sprzętem i wyposażeniem. 4 W zakresie możliwości przyjmowania i obsługi statków DCT Gdańsk jest wyposażony w nabrzeże o długości 650 m, szerokości 315 m i całkowitej powierzchni 21 ha (rys. 1). W ramach tego potencjału zorganizowano dwa stanowiska do obsługi jednostek pływających. Pierwsze o długości 385 m i głębokości 16,5 m (zanurzenie wchodzących statków do 15 m) oraz drugie o długości 265 m i głębokości 13,5 m, wyposażone w rampę ro-ro o szerokości 40 m. Pozostały istotny potencjał DCT Gdańsk to: - 5 suwnic typu STS i 13 typu RTG; - 5 hektarów utwardzonych placów składowych przeznaczonych do składowania ładunków Ro- Ro i innych (pojemność ok. 22,5 tys TEU); - magazyn konsolidacyjny (o pow m²) z rampą samochodową, oraz miejscem przeznaczonym do jego dalszej rozbudowy; - parking dla ponad 100 samochodów ciężarowych wraz z zapleczem sanitarnym; - skomunikowanie z krajową siecią kolejową i drogową oraz bliskość lotniska Gdańsk Rębiechowo. 5 Od 2012 roku możliwości przeładunkowe DCT Gdańsk osiągnęły 1 mln TEU. Zastosowanie systemu automatycznej identyfikacji statków AIS Jak już wspomniano we wstępie, punktem wyjściowym do rozwiązania problemu badawczego była realizacja pierwszego zadania polegającego na zebraniu danych o ruchu jednostek wchodzących i wychodzących z DCT. Przedmiotowe dane pozyskano na podstawie informacji pochodzących z bazy VTS dla J. Najder Rozwój polskich portów morskich, Uniwersytet Gdański, 2013, s Logistyka 6/2013

3 Zatoki Gdańskiej, której elementem jest System Automatycznej Identyfikacji statków (AIS), zapewniający automatyczną wymianę danych, przydatnych do unikania kolizji między statkami oraz identyfikujący statek dla brzegowych systemów nadzorujących ruch statków. Zasadnicza rola systemu AIS polega przesyłaniu danych w relacji statek statek oraz statek brzeg statek. Przesyłane dane dotyczą m.in.: - nazwy, bandery, pozycji geograficznej, kursu, prędkości, portu przeznaczenia jednostek pływających, ich typu, stopnia uprzywilejowania - wszystkich statkach pasażerskich, niezależnie od rozmiaru. Działanie systemu AIS polega na wysyłaniu informacji o pozycji i prędkości poruszającego się statku z okrętowego GPS oraz kompasu z częstotliwością kilku sekund. W przypadku jednostek znajdujących się na kotwicy lub zacumowanych sygnał jest wysyłany rzadziej np. co 2-3 minuty. Zasadniczo informacje nadawane przez AIS można podzielić na dwie grupy tzn. stałe i zmienne. Pierwsze, nadawane co ok. 6 minut zawierają: - unikalny numer przydzielony dla każdego statku, tzw. numer MMSI (Maritime Mobile Service Identity); - Rys 1. Widok na DCT Gdańsk wynikającego z postanowień międzynarodowych przepisów o zapobieganiu zderzeniom na morzu, ilości osób na statku oraz statusu przewożonych ładunków; - informacji istotnych z punktu widzenia bezpieczeństwa żeglugi, dotyczących lokalnych ostrzeżeń nawigacyjnych lub transmisji informacji hydrometeorologicznych i monitorowania oznakowania nawigacyjnego. 6 Według wymagań V Rozdziału Konwencji SOLAS opracowanej przez IMO, system AIS powinien być zainstalowany na: - wszystkich jednostkach o pojemności brutto 300 ton i więcej, pływających w żegludze międzynarodowej; - wszystkich jednostkach o pojemności brutto 500 ton i więcej, niezatrudnionych w żegludze międzynarodowej; 6 G. Adamczyk Kotarska, Wprowadzenie systemu AIS jako efektywnego źródła informacji nawigacyjnej, Materiały Biura Hydrograficznego Marynarki Wojennej. - numer IMO, stały numer przydzielany jednostce danej bandery (po zmianie bandery następuje zmiana numeru IMO); - sygnał wywoławczy jednostki; - nazwa statku (do 20 znaków) - rodzaj przewożonego ładunku; - wymiaru statku (zaokrąglone do 1 metra); - zanurzenie jednostki; - port przeznaczenia oraz oczekiwany czas wejścia do portu w formacie miesiąc/dzień/godzina/minuta; - informacje nt. lokalizacji anteny systemu GPS oraz systemu pozycjonowania jednostki. Oprócz informacji rutynowych nadawanych ze stałą częstotliwością, jednostka podaje nieregularnie informacje dotyczące swojego statusu (czy jest w ruchu czy na postoju), wykonywanych zwrotów, zaistniałych awarii, dokładności określenia pozycji, kursu względem Ziemi, rzeczywistego kursu z żyrokompasu itp. Zasadnicze dane wykorzystane w badaniu dotyczyły numerów MMSI, nazwy jednostki oraz oczekiwanego czasu wejścia do DCT Gdańsk. Logistyka 6/

4 System umożliwia automatyczne monitorowanie wszystkich statków podlegających postanowieniom rozdziału V Konwencji SOLAS, wykorzystując w tym celu stacje brzegowe AIS systemów krajowych poszczególnych państw. W Polsce oddano do eksploatacji stacje obejmujące zasięgiem przede wszystkim obszary polskich służb VTS na Zatoce Gdańskiej i toru wodnego Szczecin-Świnoujście. Są one połączone siecią komputerową. Serwer krajowy sieci polskiej zainstalowany jest w Urzędzie Morskim w Gdyni. Realizuje on wymianę informacji z analogicznymi systemami innych państw. W prowadzonych badaniach wykorzystano dane z systemu VTS Zatoki Gdańskiej, spływające z 5 radarowych stacji brzegowych (kapitanaty portu Hel, Gdańsk, Gdynia, Wieża radarowa Górki zachodnie oraz Latarnia morska Krynica Morska) (rys. 2) odbierających sygnały od przemieszczających się jednostek. Rys. 2 Lokalizacja i zasięgi stacji brzegowych systemu VTS Zatoka Gdańska. Źródło: S. Świerczyński, K. Czaplewski Pozyskiwanie informacji nawigacyjnej na potrzeby systemów VTS., Zeszyty naukowe AMW, Rok L III, nr 3, Gdynia 2012 Informacje ze stacji brzegowych przesyłane są do VTS drogą radiowa lub łączami światłowodowymi. 7 7 S. Świerczyński, K. Czaplewski Pozyskiwanie informacji nawigacyjnej na potrzeby systemów VTS., Zeszyty naukowe AMW, Rok L III, nr 3, Gdynia 2012, s Symulacja ruchu jednostek w DCT Gdańsk Jak wyżej wspomniano, system AIS dostarcza nie tylko informacji nawigacyjnych niezbędnych w kontroli ruchu jednostek, ale również dostarcza danych charakteryzujących same jednostki, tj.: wymiary zewnętrzne (długość, szerokość, zanurzenie), nośność itp. Korzystając z możliwości ww. systemu, obserwacji poddano ruch jednostek w terminalu DCT Gdańsk. Okres obserwacji, jak wspomniano, obejmował 60 dni. W oparciu o zebrane dane przeprowadzono analizę szeregów czasowych koncentrując się na dwóch parametrach, tj.: częstości i gęstości prawdopodobieństwa. Analizę zobrazowano w postaci histogramów, między innymi długości jednostek wchodzących do terminala, ich czasów przebywania w terminalu, liczby jednostek wchodzących i wychodzących. Uzyskane w ten sposób zbiory danych opisano rozkładem normalnym (Rys. 3 i 4)., choć lepszymi parametrami dopasowania (przybliżenia) do rozkładu cech poszczególnych zmiennych (długość jednostki, czas rozładunku) charakteryzował się rozkład logarytmicznie normalny. Na wykorzystanie wspomnianego rozkładu normalnego miały wpływ dwie okoliczności. Po pierwsze, parametry rozkładu normalnego, tj.: wartość oczekiwana, wariancja, jak również dystrybuanta rozkładu przybierały wartości nieznacznie różniące od wartości parametrów rozkładu logarytmicznie normalnego. Podobne były również w obu przypadkach wartości testu zgodności rozkładu chi-kwadrat (χ 2 ). Po drugie, w dalszej analizie wykorzystywano generator liczb losowych (de facto liczb pseudolosowych) znajdujący się w zasobach programu Excel, który wykorzystuje transformatę Boxa-Mullera. Transformata ta transformuje dwie zmienne losowe o rozkładzie jednostajnym (a taki charakter miały dane uzyskane podczas obserwacji) na zmienne o rozkładzie normalnym. Zbieżność rozrzutów w populacji pomiędzy populacją obserwowaną a populacją liczb losowych skutkuje większym trafnością (prawdopodobieństwem) otrzymanych wyników. Analizując zebrane dane można badać zależności pomiędzy zmiennymi podlegającymi rejestracji. Niech przykładem będzie zależność pomiędzy długością jednostki pozostającej w porcie a czasem jej postoju, który na potrzeby pracy można traktować jako czas rozładunku i załadunku, a szerzej jako czas obsługi jednostki. 386 Logistyka 6/2013

5 Rys. 3. Histogram długości jednostek wchodzących do portu Źródło: opracowanie własne. Rys. 4. Histogram czasów postoju w porcie Źródło: opracowanie własne. Podstawą analizy jest określenie współczynnika korelacji, którego wartość w tym przypadku wskazuje na ścisły związek pomiędzy długością jednostki a czasem postoju w porcie i wynosi r = 0,93. Znajdując równanie korelacji (1), np. opisane funkcją liniową, można, znając wartość jednej zmiennej, wnioskować o wartości pozostałej. Graficzną zależność pomiędzy długością jednostki pozostającej w porcie a czasem jej postoju przedstawiono za pomocą wykresu rozrzutu (Rys. 5). (1) gdzie: T p czas postoju jednostki w porcie [h], L j długość jednostki [m]. Podobną analizę można przeprowadzić, np. pomiędzy nośnością jednostek (szerzej, np. ilością kontenerów) wyrażoną w DWT a czasem rozładunku, czy też liczbą jednostek wchodzących/wychodzących z portu a np. odstępami czasowymi pomiędzy tymi Logistyka 6/

6 jednostkami. Takie i inne analizy pozwolą na wnioskowanie o,,zapasie początkowym, którym w przypadku portu jest długość dostępnego wyposażonego w infrastrukturę wolnego nabrzeża portowego. Głównym zadaniem, jakie sobie postawili autorzy, było zasymulowanie ruchu jednostek (tj. wejść i wyjść) w terminalu DCT Gdańsk z wykorzystaniem metody Monte Carlo. Okres przeprowadzonej symulacji obejmował 16 dni roboczych DCT.. był zapas dysponowanego nabrzeża wyznaczony poprzez dominantę długości jednostek wchodzących. Natomiast dalsze zmiany długości dysponowanego nabrzeża były wynikiem prowadzonej symulacji. Rys. 5. Zależność pomiędzy długością jednostki a czasem postoju w porcie Źródło: opracowanie własne Symulacja mogła się odbyć w oparciu o dane zgromadzone podczas wcześniejszej obserwacji ruchu jednostek generowane przez system AIS. Część tych danych zestawiono w tabeli 1, która odzwierciedla wyniki obserwacji wejść jednostek i powiązanego z nimi przedmiotowego prawdopodobieństwa dla poszczególnych długości oraz w wymiarze skumulowanym. Na podstawie rozkładu prawdopodobieństwa wygenerowano liczby losowe stosownie do jego wartości. Wynikiem symulacji jest bezwzględny miernik oceny decyzji, wyrażający się długością dysponowanego nabrzeża podczas operacyjnej działalności terminala. Wielkością wyjściową w tym zakresie Symulowana długość jednostek wchodzących (tabela 2, kolumna 3) była określona poprzez wygenerowany zbiór liczb losowych (tabela 1, kolumna 4). 388 Logistyka 6/2013

7 Tabela 1. Długość jednostek oraz skumulowane prawdopodobieństwa i odpowiadające im przedziały liczb losowych Źródło: opracowanie własne Tabela 2. Symulacja metodą Monte Carlo ruchu statków w terminalu kontenerowym Źródło: opracowanie własne Legenda: Z pwn- zapas początkowy wolnego nabrzeża; LL jw - liczba losowa długości jednostek wchodzących; SL jw - symulowana długość jednostek wchodzących; LL wy - liczba losowa wyjść; l jwy - Długości jednostek wychodzących; T oj - czasy obsługi jednostek; N jwp - liczba jednostek przebywających w porcie; L jwp - długości jednostek przebywających w porcie Kolejną zmienną wejściową był zbiór liczb losowych odnoszący się do liczby wyjść, który determinował długość zwalnianego nabrzeża (zapas dysponowany wolnego nabrzeża) w korelacji z czasem obsługi (1). Na podstawie rozkładu długości jednostek wchodzących oraz obliczonych czasów obsługi określono długość i czasy obsługi jednostek aktualnie znajdujących się w porcie (tabela 2, kolumna 8,9). Proponowane rozwiązanie problemu badawczego posiada Logistyka 6/

8 pewne ograniczenia, które wynikają z możliwości przyjęcia jednostek przez poszczególne nabrzeża terminalu. Przedmiotowe ograniczenie będzie decydować o wielkości miernika bezwzględnego, na podstawie których zaproponowano miernik względny definiowany jako wskaźnik zajętości nabrzeża. (2) gdzie: W Z wskaźnik zajętości; L WMB długość wolnych metrów bieżących nabrzeża [m]; L WE sumaryczna długość jednostek wchodzących [m]; L WY - sumaryczna długość jednostek wychodzących [m]; L C całkowita długość dysponowana nabrzeża [m]. Obserwacja zmian wartości wskaźnika zajętości W Z pozwoli między innymi na ocenę stabilności symulowanego procesu. Zmiany wartości wskaźnika W Z w okresie objętym symulacją (16 dni) przedstawiono na rys. 6. Z analizy wykresu na rys. 6 wynika, że wartości współczynnika zmieniają się w bardzo szerokim zakresie (od wartości maksymalnej do minimalnej), co może świadczyć o braku stabilności procesu. Z drugiej jednak strony, należy zauważyć pewną prawidłowość, a mianowicie, po osiągnięciu wartości bliskiej maksymalnej wartość współczynnika stopniowo zmniejsza się do wartości minimalnej, po czym proces ten zaczyna się powtarzać. Dla pełnego obrazu zmian współczynnika zajętości należałoby przeprowadzić badania w szerszym zakresie niż zaproponowany w pracy. Rys. 6. Zmiany współczynnika zajętości WZ w okresie symulacji Źródło: opracowanie własne 390 Logistyka 6/2013

9 Wnioski Prezentowane w niniejszej pracy rozwiązanie problemu badawczego jest, jak się wydaje perspektywiczne, zważywszy że stanowi pierwszą próbę podejścia autorów do tematu. Zaproponowana metoda posiada duże możliwości jej implementacji do zagadnienia, szczególnie przy jego uszczegółowianiu. Należy zwrócić uwagę na fakt, że użyto najprostszego generatora liczb losowych. Ponadto w obu przypadkach określania zbiorów liczb losowych (dla długości jednostek wchodzących i liczby jednostek opuszczających port) próby były względem siebie niezależne, co pozo - staje w pewnym dysonansie ze stanem faktycznym, gdyż istnieje związek funkcyjny pomiędzy tymi zmiennymi. Problem ten rozwiązano poprzez analityczne dopasowane długości poszczególnych jednostek wchodzących do ich skumulowanej długości oraz dopasowanie długości poszczególnych jednostek wychodzących do czasu ich obsługi w roboczogodzinach. W trakcie pracy nasunęły się następujące wnioski natury szczegółowej: 1. Dane gromadzone przez system AIS mogą być z powodzeniem wykorzystane do prognozowania działalności operacyjnej portu / terminala kontenerowego. 2. Przyjęty do badania okres bazowy 60 dni umożliwia zdefiniowanie danych wejściowych do symulacji na podstawie metod statystycznych (obserwacja była prowadzona na bieżąco oraz archiwizowana przez autorów opracowania w oparciu o odczytywane dane z systemu dostępne na stronie internetowej oraz bieżące zestawienia Urzędu Morskiego Gdynia). 3. Rezultaty symulacji wskazują iż DCT zachowuje pełną płynność operacyjną pod względem wejść i wyjść jednostek względem czasu ich obsługi co w zasadzie potwierdzają dane rzeczywiste z obserwacji. 4. Badanie stabilności wskaźnika zajętości wykazało pewną monotoniczność jego zmian, co może być zjawiskiem typowym dla terminala kontenerowego. Pełna interpretacja tego procesu wymaga dłuższego okresu symulacji. 5. Wspomniany wskaźnik zajętości informuje nas o efektywności wykorzystania nabrzeża, można na jego podstawie prognozować wzrosty i spadki natężenia działalności operacyjnej terminala, a także definiować potrzeby w zakresie rozbudowy koniecznego dysponowanego nabrzeża. 6. Badany problem odnosił się do symulacji operacji w relacji statek długość nabrzeża, niemniej jednak proponowana metoda umożliwia rozwiązywanie innych zagadnień logistycznych, jak np. prognozowanie wielkości wchodzącego i wychodzącego wolumenu w relacji z zewnętrznymi partnerami terminala. 7. Proponowane rozwiązanie jest pewną koncepcją, która będzie doskonalona przez autorów w trakcie dalszych prac. Streszczenie Ruch jednostek pływających niezależnie od ich przeznaczenia w portach morskich jest procesem charakteryzującym się dużą dynamiką. Liczba wejść i wyjść w jednostce czasu determinuje ilość jednostek przebywających oraz obsługiwanych w danym porcie oraz może stanowić rekomendację co do dalszych inwestycji infrastrukturalnych, których celem jest zwiększenie potencjału operacyjnego w zakresie postoju i obsługi. Pożytecznym narzędziem wspierającym proces podejmowania decyzji w tym obszarze może być symulacja, która poprzez zbudowanie odpowiedniego modelu kontroli ruchu ułatwia poszukiwanie optymalnych rozwiązań w sytuacjach złożonych, gdzie rozwiązanie analityczne może być bardzo skomplikowane lub nawet niemożliwe. Niniejszy artkuł stanowi próbę zbudowania takiego modelu, który poprzez symulację wejść i wyjść jednostek w przyjętym czasie, określa możliwości operacyjne portu co do liczby przyjmowanych i obsługiwanych statków, pozwala ocenić stabilność symulowanego procesu ruchu jednostek pływających w porcie morskim, a także formułuje pewne mierniki oceny decyzji, mogące stanowić rekomendacje w zakresie podejmowanych działań inwestycyjnych, mających na celu wzrost potencjału operacyjnego danej instalacji logistycznej. Abstract The ship movement at the sea ports independently of their type and capabilities is a very dynamic process. The number of call on and exit to the sea in the timely manner determines the number of vessels staying and handled by sea port installations. It also can give the clear recommendation what kind of investments are required to improve the sea port operational capabilities in the future. The simulation method Logistyka 6/

10 can be a very useful tool within the decision making process. It allows to create the model of the movement control which enable to find the optimised solutions in the complicated situation when the analytic method cannot be applicable. The article presents the model idea which using the simulation method of the ship movement at the sea port in the time perspective determines its operational capabilities referring to the number of the ships received and handled at the sea port. The model is also the tool to estimate the stability of the sea movement process at the port and formulate the some factors that could dictate same investments to extend its operational capabilities. Literatura 1. Grzelakowski A.S., Matczak M., Współczesne porty morskie, funkcjonowanie i rozwój, Akademia Morska w Gdyni, Gdynia Najder J., Rozwój Polskich portów morskich, Uniwersytet Gdański, Gdańsk Najder J., Polskie Porty Morskie, Uniwersytet Gdański, Gdańsk Ficoń K. Logistyka morska, statki, porty, spedycja, BELL, Warszawa Zdzisław Sarjusz Wolski, Strategia zarzadzania zaopatrzeniem, Placet, Warszawa Kopczewska K., Kopczewski T. Wójcik P., Metody ilościowe w R, aplikacje ekonomiczne i finansowe, CeDeWu.pl Wydawnictwa Fachowe, Warszawa Świerczyński S., Czaplewski K. Pozyskiwanie informacji nawigacyjnej na potrzeby systemów VTS, Zeszyty naukowe AMW, Rok L III, nr 3, Gdynia Logistyka 6/2013