九州大学学術情報リポジトリ
Kyushu University Institutional Repository
BIG DATA ANALYTICS FRAMEWORK FOR RESOURCES EVALUATION OF CONTAINER TERMINALS
チアゴ, ノバエス, マチアス
http://hdl.handle.net/2324/4110473
出版情報：九州大学, 2020, 博士（工学）, 課程博士 バージョン：
権利関係：やむを得ない事由により本文ファイル非公開 (2)
氏 名： TIAGO NOVAES MATHIAS （チアゴ ノバエス マチアス）
論 文 名： BIG DATA ANALYTICS FRAMEWORK FOR RESOURCES EVALUATION OF CONTAINER TERMINALS
（コンテナターミナルにおける経営資源評価のためのビッグデータ分 析のフレームワークに関する研究）
区 分：甲
論文要約
企業活動におけるリソース（経営資源）とは人物金といわれ、人的資源としては社 員や組織、物的資源としては場所や機器等の設備、財務的資源としては資金力等が相 当する。最近ではIoTの発展から企業活動により得られる情報もリソースとして重要 視されている。企業活動とはリソースを有効活用して、さらに利益を獲得することを 目的としている。
コンテナターミナルにおける物的資源は、主にコンテナの蔵置場所や荷役機器があ り、これらを最大限に活用して収益を得る。例えば、コンテナの蔵置場所の効率的利 用とは、狭い面積でスループットが高い運用が考えられ、また、荷役機器が効率的利 用とは、荷役機器の投入数、コンテナの取扱量、稼働状況、エネルギー効率等が考え られる。これらは相互にトレードオフ関係になる場合もある。
物的資源の運用状況を把握するには現状の荷役状況分析が重要課題であるが、多く のコンテナターミナルでは荷役情報を必ずしも取得できる状況ではなく、また荷役情 報があったとしても、荷役状況を分析するために情報取得されている訳ではない。
本論文では、国内の中規模ターミナルである博多港のアイランドシティ・コンテナターミ ナル（ICCTと略す）において取得されているトランスファー・クレーン（T/Cと略す）等に 関わる作業日報の2017年8月１日から2018年7月31日までの１年間の約130万件のコンテナ 荷役作業と34項目のT/Cの荷役作業に関するビッグデータを分析して、コンテナターミナ ルにおける経営資源評価の分析のためのフレームワークについて検討した。
本論文は、以下の6章により構成されている。
第1章のIntroductionにおいては、研究全体の背景、本研究の目的、概要を述べている。
第2章のThe Maritime Container Transportationにおいては、世界の海上コンテナ輸送の特 徴や現状、コンテナ荷役方式の概要およびICCTの荷役方式や荷役作業の特徴について述べ ている。
第3章のBig Data: A literature Surveyにおいては、文献調査として、データサイエ ンスの現状やビッグデータの役割について述べ、本研究でのコンテナターミナルでの 荷役作業のビッグデータの役割について述べている。
第4章のFramework for Big Data Analysisにおいては、コンテナターミナルにおける 荷役作業のビッグデータの概要と、このビッグデータ解析のためのフレームワークに ついて以下のような解析方法を述べている。1)データフィルター法においては、把握 対象と目的を設定し、集計の基準を設定し、目的の荷役状況の分析を行う方法であり、
2)荷役作業データ間の相関の把握法においては、各荷役作業の母集団の分布形状が必 ずしも正規分布になるとは限らないことから、Spearman（スピアマン）の順位相関係 数を用い有意性検定を行いデータ間の相互の関連性を把握する方法であり、3) T/Cの コンテナ荷役作業履歴の可視化法においては、源データの各行はT/Cのコンテナ荷役 作業動作を時刻歴として示していることから、着目するベイにおいて荷役作業をトレ ースして可視化する方法であり、4)コンテナの蔵置状態の推定法においては、源デー タには、コンテナの初期蔵置状態は含まれていないため、コンテナの移動状態をトレ ースしながらコンテナの存在の有無を決定する方法を提示し、5)荷役作業改善シミュ レーション法においては、コンテナ荷役作業においてのリハンドリング等のような無 駄な荷役作業の改善の効果を把握するために、無駄な荷役作業を除去したと仮定して、
コンテナの移動をトレースし直して、どの程度の改善効果が見込めるかを見積もる方 法を示している。なお、分析では、源データから中間データファイルを生成して進め、
分析プログラム作成には、プログラミング言語としてPythonを用いた。
第５章のData Analysis and Evaluationにおいては、T/Cの荷役作業のビッグデータを、
第４章において述べたビッグデータ分析のためのフレームワークを用いて、コンテナ の蔵置状況、コンテナの滞留日数、コンテナのリハンドリング作業の状況、T/C運転手の コンテナの蔵置の山の作り方の癖や運転スキル、各荷役作業間の関連性、T/Cの一日当 たりの各荷役作業や稼働率等のコンテナターミナルにおける経営資源に関わる評価分 析を行い、改善法を述べた。
第６章のConclusion and direction for future researchにおいては研究のまとめを述べ た。
