舟山堆场运营效率等级评价数据

通过对堆场吞吐量与无人集卡运营效率进行综合量化评价，实时分析吞吐量强度、进出平衡度、集卡渗透率、有效作业率、运营稳定性等关键效率指标，码头运营与调度团队能够精准掌握每日运营质量，及时识别吞吐量异常波动、进出严重失衡、集卡作业效率下滑等运营瓶颈。这使得企业能够动态优化泊位与集卡的协同调度策略，合理分配有人作业与无人集卡的任务比例，有效减少移箱空跑等无效作业开销，从而持续提升码头整体作业效率与智能化装备的投入产出比。对于船公司与航运联盟而言，数据涵盖吞吐动量与稳定性的运营效率指数，是评估挂靠港口服务质量、优化航线网络布局的核心参考依据，能帮助其选择作业效率高且波动小的港口节点，降低船期延误风险。对于货代与供应链管理方，这意味着更可靠的到港作业时效预期，使其能够精准排定提还箱计划、优化仓储与陆运衔接，进而提升端到端供应链的履约确定性。该数据集与算法模型标准规范、结构清晰，可用于同类型自动化码头、智慧物流枢纽、多式联运中心等场景的运营质量评价体系建设，帮助行业从粗放统计转向精细化、可量化的运营效率管理。一、数据采集与预处理 采集字段：日期、进场TEU、提箱TEU、进提合计TEU、无人集卡总TEU、移箱TEU、移箱个数、重箱自然箱。数据来源于四个文件，按日期关联合并，形成每日统一记录。 二、核心运营指标计算 日吞吐量Q = 进提合计TEU； 净流入量Q_net = 进场TEU - 提箱TEU； 进出比R_inout = 进场TEU / 提箱TEU； 不平衡指数IMB(%) = (|进场TEU - 提箱TEU| / 进提合计TEU) × 100； 7日移动平均Q_MA7 = 近7日Q的算术平均值； 30日移动平均Q_MA30 = 近30日Q的算术平均值； 吞吐量动量M_throughput = Q_MA7 / Q_MA30，其中大于1表示短期强于长期，小于1表示短期弱于长期； 变异系数CV(%) = (近7日Q的标准差 / Q_MA7) × 100； 无人集卡渗透率P_agv(%) = (集卡总TEU / 进提合计TEU) × 100； 有效作业量Q_eff = 集卡总TEU - 移箱TEU； 有效作业率R_eff(%) = (Q_eff / 集卡总TEU) × 100； 移箱开销率R_move(%) = (移箱TEU / 集卡总TEU) × 100； 集卡增长动量M_agv = 集卡7日均线 / 集卡30日均线。 三、综合效率指数合成 吞吐量强度得分E_throughput = min(Q / Q_99th × 100, 100)，其中Q_99th为历史吞吐量的99分位值； 平衡度得分E_balance = (1 - IMB/100) × 100； 集卡渗透得分E_penetration = min(P_agv, 100)； 集卡效率得分E_efficiency = R_eff； 稳定性得分E_stability = max((1 - CV/100) × 100, 0)； 运营效率指数OEI = (E_throughput × W1) + (E_balance × W2) + (E_penetration × W3) + (E_efficiency × W4) + (E_stability × W5)，其中W1=0.25, W2=0.15, W3=0.25, W4=0.20, W5=0.15。

搜集汇总

背景与挑战

背景概述

该数据集基于码头堆场每日作业数据，通过计算吞吐量、进出平衡度、集卡渗透率、有效作业率及稳定性等关键指标，并合成运营效率指数，实现对堆场运营效率的等级评价。数据由企业自行产生，每日更新，可应用于码头调度优化、港口服务评估和供应链履约管理，为运营效率的精细化、量化管理提供数据支撑。