大數據技術在港口生產管理中的應用

文/王維圳 曾文浩

港口作為世界經濟貿易交互的接口，在促進全球經濟發展的過程中具有十分重要的地位。隨著近年來貿易總額的不斷增加，港口的業務范圍也在不斷拓寬，石油、鐵礦、集裝箱以及散雜貨等的吞吐量整體呈現上漲趨勢，不斷增加的商業貿易在為港口帶來機遇的同時，也對港口的生產管理產生了極大的壓力，這就要求港口必須提升自身的生產運營效率，提升信息化程度，以應對不斷出現的挑戰與機遇。然而，隨著港口信息化技術的普及，在港口生產管理過程中所產生的海量數據隨之而來，這些數據如果不能得到妥善和充分的利用，不僅會給港口生產管理人員帶來極大的負擔，也會造成港口信息化資源的極大浪費，從而使港口信息化建設的效果受到限制，無法達到預期的理想成果。

1 大數據技術的特點

大數據技術是今年來興起的新型技術，由于其具有高效采集、處理、分析海量數據的特點，受到了社會各界的廣泛關注，在等計算機網絡、信息安全、電子商務、信息處理等領域中獲得了廣泛的應用。面對信息化建設不斷發展與健全的現代社會，海量的數據集合已經成為一種常態，面對這種情況，使用常規的技術手段和軟件工具已經無法在短時間、大范圍內實現有效的捕捉、管理和處理操作，使用大數據技術應對當前的技術發展現狀，是各行各業取得產業發展與創新所不可或缺的手段。

2 港口生產管理的大數據環境分析

港口的生產管理過程，主要包括港口物資集散及運輸過程中的煤炭生產過程、油品生產過程、鐵礦生產過程、散雜貨生產過程以及相應的能源生產過程等內容。由于港口的吞吐量不斷上漲，這些生產過程中所產生的數據量也不斷膨脹，如生產計劃、作業要求、微信計劃、設備運行狀態、海上交通指揮等生產過程中的管理信息采集，也需要使用相應的、較為先進的技術，才能夠保證采集過程的穩定性以及信息的有效性。而在這些海量數據的基礎上，相關人員需要完成運輸管理、檔案管理、合同管理、調度管理、維修管理、財務管理、生產計劃管理、物資管理等工作，由于港口生產環境的復雜性，這些工作往往具有跨系統、跨專業、跨網絡的特點，因此對港口的生產效率的提高產生了極大的阻礙。為了最大化港口的生產效率、科學化港口的生產排布以及使港口生產過程具有可追溯可推演的特點，需要以相應的大數據處理技術，以中央控制為核心，在港口建立自動化生產管理機制與智能輔助決策機制等大數據處理機制，完成相應的數據清洗、數據挖掘以及數據分析工作，最大化的擺脫常規港口中人為因素對生產作業所帶來的干擾，以提高港口的生產效率，提升港口對生產過程的監管力度，同時消除生產中的安全隱患，為港口的穩定運行提供保障。在將完成數據處理等工作后，使用大數據可視化技術，將物資生產過程、能源生產過程以及設備管理過程等內容的全面監控數據通過大數據的手段展示出來，以確保生產管理人員能夠對港口的生產過程做到全面掌控，并制定合理的生產管理計劃，從而在降低管理維護成本的同時，提高物資和設備等各類資源的使用效率，提高港口生產所帶來的經濟效益。

3 港口生產管理的大數據實際應用

在港口的生產管理中充分使用大數據技術，在生產的檔案管理、運輸管理、調度管理、合同管理、生產計劃管理、財務管理、維修管理等過程中，首先可以采用大數據采集技術，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等技術，獲得多種類型的數據，包括結構化、半結構化以及非結構化的數據，以便后續處理；然后通過大數據處理與分析技術，如hbase、hive、sqoop等大數據存儲技術、Flume分布式、Zookeeper、Kafka等大數據結構設計技術、Mahout、Spark、storm等大數據計算技術，對獲得的數據進行分布式存儲以及數據清洗和挖掘，去除無效的、冗余的數據，實現高效準確的數據分析；最后，利用JReport、Style Intelligence、python等大數據技術將這些數據進行可視化展示，方便港口管理人員對港口生產過程產生直觀、準確的認識，輔助相關人員做出更加準確且更有成效的決策。本文從港口機械設備運營維修管理、港口碼頭安全行駛規劃、港口防走私三個方面舉例論述大數據技術在港口生產管理中的應用。

4 港口機械設備運營維修管理

在現代化的港口生產管理中，通常使用自動化機械設備完成貨物的裝卸、運輸、分揀等工作。為了確保港口以高效、安全、穩定的狀態進行生產管理工作，通常在這些設備上安裝攝像頭、電流監測元件、高度測量元件等配件，方便用戶遠程掌握上述設備的具體運行狀態，并進行遠程控制。同時，這些機械設備的維護和管理也需要高度自動化，由于港口中各類吊機、運載設備、倉儲設備繁多，導致了港口機械設備運營維修管理相關的數據量非常大，使用大數據技術對該問題進行分析，能夠有效的總結港口機械設備故障的歷史規律，為管理人員提供參考，并智能提供數據分析服務及故障咨詢服務。

在實際應用中，首先需要收集港口機械設備的各類數據，包括設備基礎數據、設備作業相關數據、設備巡檢數據、設備故障數據、設備保養數據以及常規維護措施數據等數據，然后上上述數據匯聚到港口大數據中心，使用針對性設計的算法對上述數據進行清洗和挖掘，實現數據的標準化，從大量數據中獲得港口機械設備的最優運營維修管理方案，并為港口機械設備管理人員提供設備檢修時間預測、設備使用壽命與更換預測、設備故障類型原因智能分析以及設備智能自動修理等服務，進而保障港口穩定運行，提高港口生產效率。

5 港口碼頭安全行駛規劃

港口是海運與陸運、空運、鐵運的鏈接樞紐，在港口中進行的煤炭、石油、散雜貨、集裝箱等貨物的裝卸活動非常繁多，且需要通過自動導引車、集裝箱卡車等運輸設備在港口內部實現大量貨物在碼頭、倉庫、鐵路、公路、機場間的轉移和運輸，同時由于每個港口都是根據當地實際地理環境進行的針對性建設，因此每個港口的實際交通情況各不相同。為了最大化港口內運輸的效率，可以使用大數據技術對港口內運輸車輛進行分析，進而制定碼頭安全行駛規劃，在保證安全的前提下，降低各類貨物的存儲運輸成本。

利用大數據技術制定碼頭安全行駛規劃，首先需要搜集各類車輛所能夠裝載的貨物類型，如煤炭、石油、集裝箱、散雜貨等，明確運輸不同貨物的安全距離，并通過攝像頭、車載感知設備等傳感器，統計所有港口內運輸車輛的運行軌跡，然后采用聚類算法或神經網絡算法等機器學習算法，以速度分布、距離分布、路段分布、位置分布等為約束條件，對港口內運輸數據進行分析，得到港口中需要進行重點監控的區域，并根據分析出的區域類型，采用針對性的處理手段。對于易超速路徑，采用增加減速桿、限速標語等措施；對于緩慢行駛的區域，綜合各類傳感器獲得該區域的監控資料，并派出排查人員，分析并排除道路故障；對于沒有特殊情況的常規區域，綜合利用歷史數據，確定該類區域的最佳行駛速度、最佳行駛路線，并利用通信設備實現智能自動導航。

6 港口防走私

走私問題是飽受社會關注的重點問題，切實影響到了港口的收入、聲譽以及安全等多方面問題。傳統手段往往采用人力手動完成港口貨物的檢查及檢驗，具有耗時長、成本高等特點。使用大數據技術協助完成港口防走私管理，是傳統手段的有力輔助，能夠有效減少海關人員的重復勞動工作，并提升港口防走私檢查工作的覆蓋范圍，進而有效減少港口內的走私情況。

港口防走私所涉及到的數據非常繁多，使用大數據技術解決該問題時，需要收集被分析港口的進出口提單數據、買家身份與資產相關數據、賣家身份與資產相關數據、買家貨物采購數據、賣家產品供應數據、市場分析相關數據，并將上述信息匯聚到港口大數據中心，結合實時的市場行情，綜合歷史港口的買賣相關數據，利用算法對數據進行深入挖掘，將買家和買家進行分類，并針對每類買家分析貨物采購規律，針對每類買家分析產品供應規律，然后將港口中正在發生的交易與所分析出的規律進行實時比對，鎖定其中的異常交易數據，并結合海關人員的查驗工作，實現預測貨物走私案件的功能。

7 結論

在港口的生產管理中使用大數據技術，能夠有效降低管理維護成本，提高物資和設備等各類資源的使用效率，進而提高港口生產所帶來的經濟效益。本文分析了港口生產管理的大數據環境，論證了大數據技術能夠在港口貨物集散、運營維護等方面帶來極大便利，并從港口機械設備運營維修管理、港口碼頭安全行駛規劃、港口防走私等方面論證了港口中的大數據技術應用，證明了大數據技術能夠有效提高港口生產管理效率。