Розробка прогнозної оптимізаційної моделі для мінімізування затримок та неефективності в спеціальних портах

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.323188

Ключові слова:

Анотація

Об’єктом цього дослідження є система транспортування кам’яних заповнювачів в контексті архіпелагічної логістики, зосереджена на інтеграції морського та наземного транспортних засобів на терміналах для власного використання в Індонезії. У багатьох острівних країнах, таких як Індонезія, ефективність морської логістики відіграє вирішальну роль у підтримці економічної конкурентоспроможності. Однак такі проблеми, як обмежена інфраструктура, високі витрати на логістику та низька доступність, залишаються, особливо на терміналах для власного використання, де завантаження та розвантаження сипучих товарів, як-от кам’яних заповнювачів, може тривати 2–5 днів через обмеження обладнання. Ця неефективність збільшує час швартування та експлуатаційні витрати, послаблюючи продуктивність ланцюга поставок і промислову конкурентоспроможність. Оскільки попит на будівельні матеріали зростає, оптимізація портової інфраструктури та транспортного сполучення стає актуальною. У цьому дослідженні використовується модель довготривалої короткострокової пам’яті, оптимізована за допомогою оптимізації роєм частинок, щоб підвищити точність прогнозування попиту на сукупний порід. Модель досягає середньої абсолютної відсоткової похибки 0,46 % для даних навчання та 5,26 % для даних тестування, що свідчить про високу надійність прогнозу. Аналіз часових рядів визначає тенденцію до зниження попиту в 2022 році, що вказує на важливість точного прогнозування для зменшення неефективності. Краще прогнозування дає змогу краще планувати порти та керувати запасами, що веде до швидкої логістичної системи. Результати показують, що ефективна транспортна система, яка реагує на попит, значно скорочує час завантаження та загальні витрати на логістику. Дослідження підкреслює, що добре інтегрований підхід до прогнозування може сприяти кращому прийняттю рішень в управлінні портом і плануванні транспортування. Завдяки оптимізації транспортної ефективності та зв’язності запропонована модель пропонує зацікавленим сторонам зрозуміти, гарантуючи, що майбутнє планування інфраструктури узгоджується з цілями сталого розвитку

Біографії авторів

Syarifuddin Ishak, Universitas Brawijaya

Doctoral Program of Civil Engineering

Department of Civil Engineering

Ludfi Djakfa, Universitas Brawijaya

Professor

Department of Civil Engineering

Achmad Wicaksono, Universitas Brawijaya

Philosophy of Doctor, Associate Professor

Department of Civil Engineering

Moch Abdillah Nafis, Institut Teknologi Sepuluh Nopember

Lecturer

Department of Business Statistics

Посилання

  1. Tovar, B., Wall, A. (2022). The relationship between port-level maritime connectivity and efficiency. Journal of Transport Geography, 98, 103213. https://doi.org/10.1016/j.jtrangeo.2021.103213
  2. Surury, F., Syauqi, A., Purwanto, W. W. (2021). Multi-objective optimization of petroleum product logistics in Eastern Indonesia region. The Asian Journal of Shipping and Logistics, 37 (3), 220–230. https://doi.org/10.1016/j.ajsl.2021.05.003
  3. Seyedan, M., Mafakheri, F. (2020). Predictive big data analytics for supply chain demand forecasting: methods, applications, and research opportunities. Journal of Big Data, 7 (1). https://doi.org/10.1186/s40537-020-00329-2
  4. Interview on Operational Challenges at PT. Watu Meriba Jaya (2020). P. T. W. M. J. Mining Engineering Team Leader.
  5. Aldahmani, E., Alzubi, A., Iyiola, K. (2024). Demand Forecasting in Supply Chain Using Uni-Regression Deep Approximate Forecasting Model. Applied Sciences, 14 (18), 8110. https://doi.org/10.3390/app14188110
  6. Atmayudha, A., Syauqi, A., Purwanto, W. W. (2021). Green logistics of crude oil transportation: A multi-objective optimization approach. Cleaner Logistics and Supply Chain, 1, 100002. https://doi.org/10.1016/j.clscn.2021.100002
  7. Terrada, L., Khaili, M. E., Ouajji, H. (2022). Demand Forecasting Model using Deep Learning Methods for Supply Chain Management 4.0. International Journal of Advanced Computer Science and Applications, 13 (5). https://doi.org/10.14569/ijacsa.2022.0130581
  8. Liu, W., Sun, D., Xu, T. (2019). Integrated Production and Distribution Planning for the Iron Ore Concentrate. Mathematical Problems in Engineering, 2019 (1). https://doi.org/10.1155/2019/7948349
  9. Abolghasemi, M., Beh, E., Tarr, G., Gerlach, R. (2020). Demand forecasting in supply chain: The impact of demand volatility in the presence of promotion. Computers & Industrial Engineering, 142, 106380. https://doi.org/10.1016/j.cie.2020.106380
  10. Gundu, V., Simon, S. P. (2020). PSO–LSTM for short term forecast of heterogeneous time series electricity price signals. Journal of Ambient Intelligence and Humanized Computing, 12 (2), 2375–2385. https://doi.org/10.1007/s12652-020-02353-9
  11. Cui, T., Shi, Y., Wang, J., Ding, R., Li, J., Li, K. (2025). Practice of an improved many-objective route optimization algorithm in a multimodal transportation case under uncertain demand. Complex & Intelligent Systems, 11 (2). https://doi.org/10.1007/s40747-024-01725-4
  12. Binsfeld, T., Hamdan, S., Jouini, O., Gast, J. (2024). On the optimization of green multimodal transportation: a case study of the West German canal system. Annals of Operations Research. https://doi.org/10.1007/s10479-024-06075-5
Розробка прогнозної оптимізаційної моделі для мінімізування затримок та неефективності в спеціальних портах

##submission.downloads##

Опубліковано

2025-04-22

Як цитувати

Ishak, S., Djakfa, L., Wicaksono, A., & Nafis, M. A. (2025). Розробка прогнозної оптимізаційної моделі для мінімізування затримок та неефективності в спеціальних портах. Eastern-European Journal of Enterprise Technologies, 2(13 (134), 91–98. https://doi.org/10.15587/1729-4061.2025.323188

Номер

Розділ

Трансфер технологій: промисловість, енергетика, нанотехнології