Cel badań i hipotezy/pytania badawcze:
Przedmiotem badań jest identyfikacja wpływu czasu zatrzymania kontenerów w celu określenia wydajności operacyjnej placu na podstawie porównania przepustowości i wydajności ponownego przeładunku z różnymi strategiami magazynowania.

Metody badawcze:
Ponieważ globalny handel stał się wrażliwy, operacje terminalowe w zakresie efektywnego przewozu kontenerów stały się kluczowym elementem w ograniczaniu korków. Aby ułatwić analizę, artykuł wprowadza proste metody oceny wpływu czasu pozostawania kontenerów i polityk magazynowania na przepustowość importu, gęstość magazynowania oraz wydajność ponownego przetwarzania. Żeby oszacować przewidywaną liczbę przesunięć podczas dostarczania kontenera importowego do ciężarówki drogowej, stosuje się metodę symulacji Monte Carlo (MCS). Metoda MCS to podejście do iteracyjnej oceny modelu deterministycznego z wykorzystaniem zbiorów liczb losowych jako danych wejściowych. Istnieją trzy ważne powody stosowania metody MCS. Po pierwsze, pozwala wyciągać wnioski na temat zmienności oczekiwanych ponownych obsług w zależności od wysokości stosu i strategii przechowywania. Po drugie, pozwala wygodnie rozwiązywać strategie ad hoc ponownej obsługi – unikalne strategie przeładunku stosowane przez Lekki Freeport Terminal (LFT), gdy zatoka jest pełna. Po trzecie, omija to konieczność przyjmowania ograniczeń dotyczących prawdopodobieństwa dostarczania kontenerów do zewnętrznych ciężarówek. W istocie MCS zapewnia solidny sposób szacowania liczby ponownych obsług.

Główne wyniki:
Wyniki pokazują, że wydłużone czasy zatrzymania prowadzą do wąskich gardeł operacyjnych, co skutkuje spadkiem efektywności placu i zwiększeniem wymagań dotyczących ponownego przeładunku. Jest to szczególnie widoczne w sytuacji analizy ponownego przetwarzania w modelach równego i nierównego prawdopodobieństwa, w przypadku których wyższa zmienność czasu zatrzymania wzmacnia nieefektywności. W wyniku poprawy zarządzania czasem zatrzymania terminale mogą osiągnąć lepszą wydajność przepustowości i usprawnić procesy ponownego przetwarzania. Ponadto badanie pokazuje, że modelowanie probabilistyczne dostarcza cennych informacji na temat wyników ponownego przetwarzania, umożliwiając terminalom przewidywanie i ograniczanie potencjalnych strat produktywności. Rozwiązanie problemów z czasem zatrzymania jest kluczowe dla usprawnienia działalności placu kontenerowego i efektywnego radzenia sobie ze wzrostem wolumenów handlu.

Implikacje dla teorii i praktyki:
Wyniki stanowią model ilościowy poprawiający wydajność w LFT i innych podobnych terminalach.