AKMICIREBONAKMICIREBON

Jurnal Sains Teknologi Transportasi MaritimJurnal Sains Teknologi Transportasi Maritim

Seaports are essential for global trade, acting as vital hubs within vast freight transport networks. Efficient berth allocation for smooth port operations, minimising vessel wait times, and optimising resource use is critical. This study analyzed berth utilization, vessel service times, traffic seasonality, and revenue at Lekki Deep Seaport. This study uses Python-based simulation and data visualisation to analyze berth allocation at Lekki Deep Sea Port, considering factors like vessel arrival rates (averaging one every 2.5 days), service times (1.5 to 2.5 days based on vessel size), berth utilisation under different traffic scenarios, revenue, idle costs, and congestion management via predictive modelling. Findings indicate that the current berth infrastructure is sufficient under present traffic conditions. However, to prepare for future challenges, proactive measures like optimizing service times and implementing machine learning models are recommended as traffic grows to maintain efficiency. This study offers valuable insights for optimizing port operations and ensuring Lekki Deep Sea Ports continued contribution to West African economic growth.

This study analyzed berth utilization, vessel service times, traffic seasonality, and revenue at Lekki Deep Seaport.The findings reveal that increasing berth utilization led to congestion.Larger vessels require longer service times, highlighting the need for efficient scheduling.Seasonal traffic fluctuations necessitate adaptable resource management.Revenue is tied to berth occupancy, but cost control is crucial for profitability.Increased traffic requires strategic planning to minimize berth idle time and improve throughput.We offer recommendations that are not just a roadmap for improvement in the Lekki Deep Seaport.Implementing them can improve berth efficiency, reduce costs, enhance service, and ultimately increase profitability and sustainable growth.

Berdasarkan analisis terhadap Lekki Deep Sea Port, beberapa saran penelitian lanjutan dapat diajukan untuk meningkatkan efisiensi dan keberlanjutan operasional pelabuhan. Pertama, penelitian lebih lanjut dapat difokuskan pada pengembangan model prediktif yang lebih akurat untuk memprediksi waktu kedatangan kapal dan volume kargo, dengan mempertimbangkan faktor-faktor eksternal seperti kondisi cuaca dan fluktuasi permintaan pasar. Model ini dapat membantu dalam mengoptimalkan jadwal berlabuh dan alokasi sumber daya, sehingga mengurangi waktu tunggu kapal dan meningkatkan utilisasi dermaga. Kedua, penelitian dapat mengeksplorasi penerapan teknologi kecerdasan buatan (AI) dan pembelajaran mesin (machine learning) untuk mengotomatiskan proses alokasi dermaga dan penugasan crane, dengan mempertimbangkan berbagai kendala operasional dan tujuan bisnis. Hal ini dapat meningkatkan efisiensi operasional, mengurangi biaya tenaga kerja, dan meningkatkan fleksibilitas dalam menghadapi perubahan kondisi. Ketiga, penelitian dapat dilakukan untuk mengidentifikasi dan menganalisis faktor-faktor yang mempengaruhi variabilitas waktu pelayanan kapal, khususnya untuk kapal berukuran sedang (250m-270m LOA), dan mengembangkan strategi untuk mengurangi variabilitas tersebut. Strategi ini dapat mencakup peningkatan koordinasi antara berbagai departemen pelabuhan, optimalisasi proses bongkar muat, dan peningkatan kualitas infrastruktur dan peralatan. Dengan menggabungkan ketiga saran penelitian ini, diharapkan Lekki Deep Sea Port dapat terus meningkatkan efisiensi operasional, mengurangi biaya, dan memberikan kontribusi yang signifikan terhadap pertumbuhan ekonomi di wilayah tersebut.

  1. Optimizing Berth Allocation at Lekki Deep Sea Port: A Predictive Model for Efficiency and Growth | Jurnal... doi.org/10.51578/j.sitektransmar.v7i2.112Optimizing Berth Allocation at Lekki Deep Sea Port A Predictive Model for Efficiency and Growth Jurnal doi 10 51578 j sitektransmar v7i2 112
Read online
File size575.8 KB
Pages11
DMCAReport

Related /

ads-block-test