مسئله
اپراتور بندری داده‌های عملیاتی و تجربه سازمانی کافی داشت، اما امکان پیش‌بینی پیامد تصمیم‌ها پیش از اجرا را نداشت. تغییر زمان ورود کشتی‌ها، محدودیت تجهیزات و جابه‌جایی منابع، برنامه‌ریزی روزانه را مختل می‌کرد و تصمیم‌ها همچنان به تجربه فردی وابسته بودند.
راهکار
دوقلوی دیجیتال بندر با استفاده از AnyLogic و بر پایه شبیه‌سازی رویدادگسسته و عامل‌محور توسعه یافت. عملیات کشتی‌ها، جرثقیل‌ها، جریان کانتینرها و تخصیص منابع در مدل بازسازی شد و یک لایه بهینه‌سازی برای مقایسه سناریوها به آن افزوده شد. اتصال مدل به NVIDIA Omniverse نیز امکان مشاهده سه‌بعدی عملیات و بررسی مصرف انرژی، سوخت و اثرات زیست‌محیطی را فراهم کرد.
نتیجه
تیم عملیاتی توانست پیش از اجرای تغییرات، سناریوهای مختلف را ارزیابی و گلوگاه‌ها را شناسایی کند. داده‌ها از ابزاری برای گزارش گذشته به بستری برای پیش‌بینی و پشتیبانی از تصمیم‌های عملیاتی تبدیل شدند.
مدیریت عدم قطعیت
در عملیات بندری، چالش اصلی مدیریت کشتی‌ها یا تجهیزات نیست؛ مدیریت عدم‌قطعیت است.
یک تغییر چندساعته در زمان ورود یک کشتی می‌تواند برنامه تخصیص جرثقیل‌ها، زمان‌بندی تخلیه و بارگیری، استفاده از منابع انسانی و حتی مصرف انرژی را تغییر دهد. در چنین شرایطی، ارزشمندترین دارایی سازمان نه تجهیزات بیشتر، بلکه توانایی پیش‌بینی پیامد تصمیم‌ها پیش از وقوع آن‌هاست.
در این پروژه، مسئله اصلی نبود ابزاری بود که بتواند آینده نزدیک عملیات را پیش از رخ دادن، برای تیم تصمیم‌گیر قابل مشاهده کند.
این پروژه برای یکی از اپراتورهای فعال صنعت بنادر و لجستیک طراحی شد؛ محیطی که روزانه صدها تصمیم عملیاتی در آن اتخاذ می‌شود و کیفیت هر تصمیم می‌تواند بر زمان انتظار کشتی‌ها، بهره‌برداری از تجهیزات، مصرف انرژی و کیفیت خدمات اثر مستقیم بگذارد.
در طول سال‌ها، حجم قابل توجهی از داده‌های عملیاتی در بخش‌های مختلف بندر تولید و ذخیره شده بود. با این حال این اطلاعات عمدتاً برای گزارش‌گیری و تحلیل گذشته مورد استفاده قرار می‌گرفتند و امکان ارزیابی سناریوهای آینده یا بررسی پیامد تصمیم‌ها پیش از اجرا وجود نداشت.
در نتیجه، بخش قابل توجهی از تصمیم‌های حساس همچنان بر پایه تجربه افراد و قضاوت لحظه‌ای اتخاذ می‌شد.
عدم داشبورد تحلیل وضعیت
در بررسی اولیه پروژه، خیلی زود مشخص شد که مسئله صرفاً بهینه‌سازی عملیات روزمره نیست.
چالش اصلی این بود که بندر در محیطی فعالیت می‌کرد که دائماً در حال تغییر بود؛ ورود کشتی‌ها همیشه مطابق برنامه اتفاق نمی‌افتاد، شرایط عملیاتی متغیر بود و محدودیت‌های منابع می‌توانست هر لحظه اولویت‌ها را تغییر دهد.
مدیران تصویری دقیق از وضعیت فعلی داشتند، اما نمی‌توانستند پیش از اعمال یک تغییر بدانند چه پیامدی در سایر بخش‌های عملیات ایجاد خواهد شد.
به بیان ساده‌تر، سازمان می‌توانست گذشته را ببیند و حال را مدیریت کند، اما ابزاری برای مشاهده آینده نزدیک در اختیار نداشت.
در کنار این موضوع، یک چالش انسانی نیز وجود داشت. بسیاری از کارکنان و مدیران سال‌ها با روش‌های سنتی برنامه‌ریزی و بهره‌برداری کار کرده بودند و طبیعی بود که نسبت به مدل‌های تصمیم‌یار و شبیه‌سازی‌های پیشرفته با احتیاط برخورد کنند. بنابراین موفقیت پروژه تنها به توسعه یک مدل دقیق وابسته نبود؛ ایجاد اعتماد به خروجی‌های مدل نیز بخش مهمی از مسیر تحول محسوب می‌شد.
در تحلیل مسئله، تصمیم گرفتیم پروژه را صرفاً به عنوان توسعه یک نرم‌افزار جدید تعریف نکنیم.
هدف ساخت یک داشبورد دیگر یا تولید گزارش‌های بیشتر نبود. سازمان پیش از این نیز به حجم زیادی از داده دسترسی داشت.
مسئله واقعی، افزایش کیفیت تصمیم‌گیری در شرایط عدم‌قطعیت بود.
بر همین اساس، رویکرد Digital Twin به عنوان هسته اصلی راهکار انتخاب شد؛ مدلی که بتواند رفتار واقعی بندر را بازآفرینی کند و محیطی امن برای آزمون سناریوهای مختلف فراهم آورد.
ایده محوری پروژه ساده بود:
مدیران باید بتوانند پیامد یک تصمیم را قبل از اجرای آن ببینند.
همچنین از ابتدا تصمیم گرفته شد که ارزیابی عملکرد تنها به شاخص‌های بهره‌وری محدود نشود. مصرف انرژی، اثرات زیست‌محیطی و بهره‌برداری پایدار نیز به بخشی از منطق تصمیم‌سازی تبدیل شدند تا تصویری جامع‌تر از عملکرد عملیاتی شکل گیرد.
ورود دوقلوی دیجیتال
پروژه با مطالعه میدانی عملیات آغاز شد.
پیش از هرگونه مدل‌سازی، فرآیندهای واقعی بندر، نحوه تخصیص منابع، جریان حرکت کشتی‌ها و منطق تصمیم‌گیری موجود بررسی شد. گفتگوهای گسترده‌ای با تیم‌های اجرایی انجام گرفت تا مدل نهایی نه بر اساس فرضیات نظری، بلکه بر اساس واقعیت عملیاتی بندر شکل بگیرد.
در مرحله بعد، دوقلوی دیجیتال بندر با استفاده از AnyLogic توسعه یافت و اجزای کلیدی عملیات شامل کشتی‌ها، جرثقیل‌ها، جریان کانتینرها و تخصیص منابع در محیط شبیه‌سازی بازسازی شدند.
برای افزایش قابلیت تصمیم‌سازی، یک لایه بهینه‌سازی پویا نیز به مدل افزوده شد تا تیم عملیاتی بتواند سناریوهای مختلف را پیش از اجرا ارزیابی و مقایسه کند.
در ادامه، مدل به محیط NVIDIA Omniverse متصل شد و یک نمای سه‌بعدی و تعاملی از عملیات ایجاد گردید.
این بخش صرفاً یک قابلیت بصری نبود. مشاهده مستقیم اثر تصمیم‌ها در محیط شبیه‌سازی‌شده باعث شد مدیران و تیم‌های عملیاتی ارتباط ملموس‌تری با مدل برقرار کنند و اعتماد بیشتری نسبت به خروجی‌های تحلیلی شکل بگیرد.
همچنین ماژول‌های تحلیل مصرف سوخت، انرژی و اثرات زیست‌محیطی به مدل اضافه شد تا تصمیم‌ها تنها از منظر سرعت اجرا ارزیابی نشوند و اثر آن‌ها بر بهره‌وری بلندمدت نیز قابل مشاهده باشد.
دستاورد ها
مهم‌ترین دستاورد پروژه، ایجاد یک قابلیت جدید در سازمان بود؛ قابلیت تصمیم‌گیری مبتنی بر پیش‌بینی.
تیم عملیاتی توانست پیش از اجرای تغییرات، سناریوهای مختلف را ارزیابی کند و اثر تصمیم‌های خود را بر بخش‌های مختلف عملیات مشاهده نماید.
گلوگاه‌هایی که پیش‌تر در جریان روزمره عملیات پنهان می‌ماندند شناسایی شدند و امکان مقایسه گزینه‌های مختلف تخصیص منابع فراهم شد.
همچنین نگاه سازمان به داده تغییر کرد. داده دیگر صرفاً ابزاری برای گزارش اتفاقات گذشته نبود؛ بلکه به بستری برای تحلیل آینده و پشتیبانی از تصمیم‌های عملیاتی تبدیل شد.
در سطحی عمیق‌تر، پروژه زمینه لازم برای توسعه راهکارهای پیشرفته‌تر تحول دیجیتال و استفاده گسترده‌تر از مدل‌های تصمیم‌یار در عملیات بندری را فراهم کرد؛ مسیری که می‌تواند به افزایش بهره‌وری، کاهش هزینه‌های عملیاتی و ارتقای کیفیت تصمیم‌گیری در مقیاس بزرگ منجر شود.
در بسیاری از پروژه‌های تحول دیجیتال، تمرکز اصلی بر جمع‌آوری داده یا توسعه ابزارهای جدید است.
اما تجربه این پروژه نشان داد ارزش واقعی فناوری زمانی آشکار می‌شود که بتواند کیفیت تصمیم‌گیری را بهبود دهد.
زمانی که دانش عملیاتی، شبیه‌سازی پیشرفته و تصویرسازی قابل فهم در کنار یکدیگر قرار می‌گیرند، فناوری از یک ابزار تخصصی فراتر می‌رود و به بخشی از توان مدیریتی سازمان تبدیل می‌شود؛ توانایی دیدن پیامدها پیش از وقوع آن‌ها.
فناوری‌ها و ابزارهای مورد استفاده
• AnyLogic
• NVIDIA Omniverse
• Digital Twin Architecture
• Discrete Event Simulation (DES)
• Agent-Based Modeling (ABM)
• Java-based Optimization Engine
• Material Handling Library
• Process Modeling Library
• Scenario Analysis & Decision Support