码头运营是多岗位、多机种、多环节的生产链，在这条生产链的运作中，其内外部因素又是实时变动着的。譬如因船舶抵港时间提前或延迟引起泊位的变化，因闸口流量不同引起堆场拥堵程度的变化，因机械故障引起的机械投入数量变化等等，某一岗位、一机种、一环节、一因素的微小变化，就会可能产生蝴蝶效应，导致整条生产链运作缓慢、停滞、甚至断裂。因此，及时发现生产过程中的细节异常，实时调整资源投入，合理配置各作业线，协调作业冲突，确保生产链的正常运行，是提高码头运营效率的主要手段。

因此，对运营数据进行实时监测分析对码头运营有着极其重要的意义，这也给我们提出了一个课题——如何实时监测运营数据？

首先，以1小时作为统一的监测时间间隔，接着将在相同时间段发生的运营数据罗列出来，根据监测的需要，分类归纳出各种数据对比集合。比如：将前沿操作量、堆场操作量、闸口流量这三个数据形成一个集合，通过观察每小时这三个数据的变化，我们就能基本掌握目前码头总作业情况，三项数据是否平衡，堆场操作量否满足闸口流量和前沿操作量的需要；建立前沿机械作业速度集合，实时监测比较船舶各作业线速度，就能全盘掌握船舶作业进度，对作业速度异常的作业线重点跟踪。同理，我们根据监测的需要，建立起“堆场机械作业速度集合”、“场拖车拖运速度集合”，然后通过实时对比分析，找出作业线的薄弱点，给中控室实时控制生产过程、科学合理地调整计划提供重要的决策依据。

通过上述阐释，我们基本掌握如何建立运营实时数据分析的步骤。下面，我们选取一些典型数据集合，逐个探讨各数据集合的建立、分析方法及其在码头作业过程中的作用。

1、堆场滞港值与空耗值数据集合分析

该数据集合通过选取前沿操作量、堆场作业量、闸口流量三个数据，宏观分析目前运营的主要环节是否运作正常，资源配置是否合理。该数据集合按时段形成的柱状图如下图。

以小时为单位，该数据集合数据监测分析如下表。

滞港值的统计分析

1.生产达到最佳状态时，差异值为0，即堆场的有效作业量Y（装卸船+装卸车）＝船舶操作量Q+闸口流量Z。拖车滞港率低、船舶效率高。

2.当Y

空耗值的统计分析

堆场理论操作量L＝堆场投入机械数量M*平均每台每小时作业箱量N。L＝D时，达到理论最佳状态。当L>D时，说明机械存在空耗现象，计算（L-D）/N，得出堆场机械空耗台数。

由于码头作业存在不可控因素，滞港值和空耗值不可能达到最佳状态，通过长时间的数据统计监测，我们能得出这两个值的合理区间，当滞港值与空耗值偏离合理区间时，说明数据异常，系统自动触发报警机制，提醒中控人员及时调配作业资源。

2、堆场机械单机作业数据与拖车滞港量数据集合分析

该数据集合主要提取单台机械在相应时段内的作业效率、其所对应作业箱区的拖车滞港数、预约进港数这三个数据进行分析，从而判断机械的运作状态及机械配置合理性。数据集合分析如下表。

机械实际作业量<基准值，其所对应的箱区还存在拖车滞港现象，证明该机械没有处于正常作业状态，系统将自动发出提示，提醒中控员加强对该机械的跟踪管理。

当机械实际作业量≥基准值，而拖车滞港量与预港进港量之和超过滞港基准量时，则说明该箱区机械不足，须调配机械进入该箱区。

3、船舶作业效率数据集合实时监测分析

该数据集合主要通过实时监测每艘船舶作业效率，发现偏离值出现异常的船舶。根据船舶投入的作业线多少，设立相应的船舶装卸速度基准值。用表格形式形成的数据集合如下表。

以作业开始时间为原点，作业结束时间为终点作为横坐标，以小时作业量、累积数为纵坐标，应用“时间推移图”建立的数据集合如下图。

4、船舶“在港作业时间”数据集合实时监测分析

该数据集合主要采用“时间推移图”的方式来实时监测记录船舶在港的每一个动态，从而发现船舶在港的异常情况，及时采取措施应对。

船舶在港时间段划分

船舶从抵达港口锚地开始，至船舶离港，将产生一系列动态，我们从“船舶位置”入手，以抵港、离港作为起点、终点，将船舶在港时间分为：锚地、进港、在泊、出港四个时间段，将“在泊”划分为“系缆、作业前手续/准备、作业、完工后手续/离泊准备、解缆”5个时间段，以抵港、离港作为起点、终点。

船舶在港时间推移图数据集合图表

以抵港时间为原点，按上述划分的时间段，作为横坐标值，以离港时间为横坐标终点，以时间作为纵坐标，用柱状图表示“船舶在该位置的时间因素组成”，图表结合，制作出如下“船舶在港时间推移图数据集合”。

通过上述模型将船舶在港的各种因素集合在一起，分析影响船舶在港时间的因素，找出主要因素和异常因素，加以分析改进。

5、机械作业数据集合分析

该数据集合主要通过实时监测各机种、各机械的作业效率，实时掌握机械运行状态，及时发现异常情况，便于合理调配机械。

按机种建立数据集合分析表

该数据集合主要通过实时汇总各类机械的作业效率，通过纵向、横向比较，发现异常数据。以岸桥为例，如下表。

当偏离值>单台岸桥每小时平均作业箱量时，说明可能存在机械空耗现象，提醒中控人员关注岸桥的作业动态。

单机生产数据监测分析

该数据集合主要通过实时监测单台机械的作业效率，及时掌握机械运行状态。

仍以岸桥为例单台岸桥的生产数据集合如下表。

注*：基准值指岸桥的平均每小时的作业效率。

同理，我们能够相应建立堆场机械作业数据集合分析，单台机械的作业数据集合分析，设定相应的偏离值区间，及时发现数据异常情况分析原因，为科学合理地调配资源提供依据。

6、闸口流量数据实时监测分析

该数据集合主要通过读取各时段的闸口流量，分析闸口流量峰谷值，为合理安排工班、调配资源提供科学依据。其形成的柱状分析图如下图。

根据上图显示，当天闸口流量峰值区间为上午10：00-下午18：00，最大峰值出现在下午16：00，因此，我们可以在该峰值区间多投入机械。

上面主要选取了一些数据集合，介绍了建立运营数据实时监测分析的基本方法，分别阐述各个数据集合在码头运营实时控制过程中所起的作用。从上述各个数据集合分析中，我们能够及时找出异常情况，并采取相应措施。比如“滞港值”，当滞港值异常时，我们可以采取“控制闸口流量”或者“增加机械投入”措施，并进一步跟踪下一时段的运营数据，以检验措施的有效性。比如“空耗值”，当空耗值异常时，我们可以减少机械投入，以达到节能降耗效果。

在码头运营中，各环节都会产生相应的运营数据，我们通过收集、整理、分析，根据需要建立相应的数据集合，逐步建立起运营数据实时分析系统，有助于我们及时发现运营各环节的异常情况，也有助于我们全盘掌握目前码头各环节的运营能力，理清运营需求与资源配比的关系，即多少作业量配置多少资源，准确科学地配置各环节的资源，从而实现资源的最优配置。同时，我们也应充分认识到该系统的建立并不是一蹴而就的，原始数据的采集、基准值的确定需要长时间的积累，数据的分析方法需要不断改进，系统需持续完善，而且随着码头运营能力的进一步提高，隐匿更深的“蝴蝶”也会逐步被揭开，我们将面临新的“问题蝴蝶”。