دور الذكاء الاصطناعي عبر التعلم المعزز في تعزيز كفاءة تخصيص الأرصفة البحرية

دراسة حالة ميناء المنطقة الحرة بمصراتة، ليبيا

Abstract

الملخص

تُعد عملية تخصيص الأرصفة للسفن من أكثر التحديات التشغيلية تعقيدًا التي تواجه الموانئ البحرية على مستوى العالم، نظرًا للحاجة إلى تنسيق فعال بين الموارد المحدودة مثل الأرصفة والطلبات المتزايدة من السفن ذات الأحجام والأنواع المختلفة. في هذا السياق، تهدف هذه الدراسة إلى تطوير نموذج مبتكر يعتمد على تقنية التعلم المعزز  (Reinforcement Learning)، أحد فروع الذكاء الاصطناعي  (Artificial Intelligence)، لتخصيص الأرصفة للسفن بناءً على معايير تشغيلية متعددة تشمل طول السفينة (Ship Length)، الوزن الصافي (Net Weight)، والغاطس الأقصى.(Max Draft)  تم تطبيق النموذج على بيانات تشغيلية حقيقية من ميناء المنطقة الحرة بمصراتة في ليبيا، الذي يُعد أحد الموانئ الاستراتيجية في شمال إفريقيا. أظهرت النتائج الأولية للنموذج قدرة ملحوظة على تحسين كفاءة تخصيص الأرصفة وتقليل أوقات الانتظار، مما يعزز الكفاءة التشغيلية. ومع ذلك، أشارت الدراسة إلى وجود تحديات تتعلق بتعميم النموذج ودمجه مع الأنظمة اللوجستية الأخرى. تقدم هذه الدراسة إطارًا عمليًا ومساهمةً علميةً في توظيف الذكاء الاصطناعي لتحسين الأداء التشغيلي في الموانئ البحرية وتعزيز دورها في دعم التجارة العالمية.

Abstract

The process of berth allocation for ships is among the most complex operational challenges faced by seaports worldwide. This process requires efficient coordination between limited resources, such as berths, and the increasing demand from diverse ship sizes and types. This study aims to develop an innovative model based on Reinforcement Learning (RL), a branch of Artificial Intelligence (AI), for dynamic berth allocation. The model considers multiple operational criteria, including ship length, net weight, and max draft. Real operational data from the Misurata Free Zone Port, a strategic port in North Africa, were used to validate the model. The initial results demonstrated the model’s ability to enhance berth allocation efficiency and reduce waiting times, thereby improving overall operational performance. However, challenges related to generalizing the model and integrating it with other logistical systems were identified. This study provides a practical framework and significant contribution to leveraging AI for optimizing port operations and supporting global trade.