Bir liman işletmesi için kapasite yeterlilik analizi

Abstract

Dünya ticaretinin önemli bir kısmı denizyolu taşımacılığı ile yapılmaktadır. Bu sebeple limanlar uluslararası ticarette önemli bir yere sahiptir. Doğru kapasite planlaması tüm işletmelerin verimliliği ve yatırım planları açısından büyük önem taşımaktadır. Kapasite konusunda yapılacak planlama çalışmaları talep tahminine dayanmaktadır. Limanlar için özellikle önemli bir gösterge olan talep tahmini, gelecekteki kapasite ihtiyacının belirlenmesi konusunda fikir vermektedir. Bu çalışmada, Türkiye'deki bir limanın talep tahmini problemi için farklı yöntemler karşılaştırılmıştır. 2012-2017 döneminde farklı operasyon türleri için (genel kargo, konteyner, araç) üç tip veri toplanmıştır. Önceki çalışmalar incelendiğinde talep tahmini için makine öğrenme yöntemlerinin sık kullanılmadığı ve konteyner terminallerinde talep tahminine yönelik çalışmaların, deniz terminallerinde yapılan çalışmalardan çok daha fazla olduğu görülmüştür. En iyi tahmin yöntemini belirlemek ve 2017 yılından sonraki iki yıl için yük elleçleme hacimlerini tahmin etmek amacıyla üç veri setine istatistiksel tahmin yöntemleri ve makine öğrenme yöntemleri uygulanmıştır. İstatistiksel tahmin yöntemleri ve makine öğrenme yöntemlerinin tahmin performansları analiz edilmiştir. Seçilen doğruluk ölçütlerine göre, Toplamsal Holt Winter’s, konteyner ve araç elleçleme hacimleri için en iyi tahmin yöntemi olarak kabul edilirken, genel kargo için ARIMA yöntemi en iyi tahmin değerlerini sağlamıştır. Her veri tipi için, en iyi performans gösteren modelin tahmin sonuçları, limanın yapılacak rıhtım yapım çalışması sebebiyle 2017 yılından sonraki iki yıl için talebi karşılayabilecek kapasiteye sahip olup olmadığını analiz etmek için kullanılmıştır. Hesaplanan kapasite kullanım oranlarına göre yıkılacak olan iskelenin rıhtım doluluğunu fazla etkileyeceği bu sebeple limanın iskele yapımı tamamlanana kadar operasyon hızını artırıcı ve depolama alanlarını artırıcı planlar yapması gerektiği görülmüştür.

An important part of world trade is done by sea transportation. Therefore, ports have an important place in international trade. Capacity planning is very important in terms of the efficiency of the all enterprises and investment plans. Planning studies on capacity are based on demand estimation. The demand forecasting, which is a particularly important indicator for ports, provides an idea about determining the future capacity need. In this study, different methods are compared for demand forecasting problem of a seaport in Turkey. Three types of data were collected from the period of 2012-2017 for different operation types (general cargo, container, vehicle). When previous studies are examined, it is seen that machine learning methods are not used frequently for demand forecasting and studies on demand forecasting at container terminals are much more than studies conducted at marine terminals. Statistical forecasting methods and machine learning methods were applied to three data sets to determine the best estimation method and to estimate the handling volumes for the next two years after 2017. The comparison of the forecasting performances of statistical forecasting methods and machine learning methods have been analysed. According to chosen accuracy measures, Additive Holt Winter’s was recognized as the best forecasting method for container and vehicle handling volumes, whereas ARIMA method ensured the best forecasting values for general cargo. For each data type, the prediction results of the best performing model were used to analyze whether the port has the capacity to handle the demand for the next two years after 2017 due to the quay construction work. According to the calculated capacity utilization rates, it will be seen that the quay to be demolished will affect the occupancy of the quay much and therefore plans should be made to increase the operational speed and increase storage areas until the pier construction is completed.