Mfumo Otomatiki wa Upakiaji na Upakuaji Mlalo Uliowekwa Kwenye Gari (Automated Horizontal Loading and Unloading System, AHLUS) ni mfumo wa retrofit wa uotomatishaji wa ndani ya gari unaobadilisha sakafu ya mizigo ya malori ya kibiashara yaliyopo kutoka eneo tulivu la kuhifadhi kuwa jukwaa hai la kushughulikia mizigo kupitia konveyer ya mkanda na kizigeu kinachosogea. Utafiti uliofanywa na Sukmin Hong, Longxiao Liu, Gwanyong Oh, Sungmin Kim, Hanbyul Ryu, EunSu Lee, Daisik Nam na Daejin Kim ulichunguza athari za kiutendaji na kiuchumi za AHLUS katika uwasilishaji wa maili ya mwisho wa chakula kibichi nchini Korea Kusini, na uwezo wa kusafirisha mizigo isiyofanana kwenye jukwaa moja la gari katika Kisiwa cha Baengnyeong. Sehemu ya kiasi inategemea uchunguzi 184 wa dereva-siku na siku 110 za kipekee za kazi kutoka kwa malori mawili ya tani 1 yaliyo na AHLUS na madereva wawili.

Katika kipindi cha kujifunza, wastani wa kila siku wa uwasilishaji ulikuwa vifurushi 239,9, katika kipindi cha mpito vifurushi 249,9, na katika kipindi thabiti vifurushi 287,4. Tofauti ghafi kati ya kipindi thabiti na kipindi cha kujifunza ilikuwa +47,5 kifurushi/siku au %19,8. Utabiri wa counterfactual wa modeli ya interrupted time-series, unaozingatia mwenendo wa pre-intervention na athari za wikendi, ulionyesha takribani +37,0 kifurushi/siku au athari ya deployment ya %14,8 katika kipindi thabiti.

Ongezeko hili si athari ya kisababishi iliyotengwa ya vifaa vya AHLUS pekee. Magari yalikuwa na AHLUS katika kipindi chote cha uchunguzi; mnamo Desemba 2024, mfumo wa dispatch ulianza kugawa mizigo mingi zaidi kwa magari haya, na madereva pia walipata uzoefu wa kutumia mfumo. Kwa hiyo, utafiti unakadiria athari ya mchakato wa deployment ambapo uwezo wa vifaa, kujifunza kwa dereva na ugawaji upya wa usafirishaji vilitokea pamoja.

Katika modeli ya jumla ya gharama ya umiliki, hali ya msingi ilikokotoa faida halisi ya fedha ya kila mwezi ya 968.645 KRW, muda wa kurejesha mtaji kwa msingi wa fedha wa miezi 4,13, NPV ya miaka mitano ya 47.467.823 KRW na ROI rahisi ya kila mwaka ya %291. Katika uchanganuzi wa Monte Carlo, muda wa wastani wa kurejesha mtaji ulikuwa miezi 4,6; hata hivyo, usambazaji wa uwezekano uliotumika haukukadiriwa kitakwimu kutoka kwenye data bali uliwekwa kama dhana. Kwa hiyo, matokeo ya kiuchumi yanapaswa kutafsiriwa ndani ya operesheni iliyochunguzwa na dhana za modeli pekee.

AHLUS Inabadilisha Kazi Gani ya Lori katika Utafiti Huu?

AHLUS hubadilisha sehemu ya mizigo ya lori kutoka kuwa ujazo tuli unaobeba mizigo pekee hadi kuwa jukwaa hai la kushughulikia mizigo linalosogeza mzigo kwa mlalo katika urefu wa gari na kupanga upya eneo la mizigo linaloweza kutumika kwa kizigeu kinachosogea; vipengele viwili vikuu vya kimitambo vya mfumo ni konveyer ya mkanda ya umeme na mfumo wa bulkhead unaosogea.

Kikwazo cha kimwili katika eneo la jadi la mizigo

Katika magari ya usambazaji yenye boksi lililofungwa, dereva anaweza kulazimika kuingia kimwili katika sehemu ya mizigo ili kutafuta kifurushi, kupanga upya mzigo au kuupakua. Ingawa nyakati za kupakia na kupakua zinaweza kuonekana ndogo moja moja, katika operesheni za maili ya mwisho zenye vituo vingi zinaweza kujikusanya katika zamu na kupunguza idadi ya safari ambazo gari linaweza kufanya kwa siku.

Moja ya michango ya kinadharia ya utafiti ni kutokuchukulia muda wa kushughulikia mzigo ndani ya gari kama kigezo cha uendeshaji kisichobadilika na cha nje. Vifaa vya ndani ya gari vinapobadilishwa, muda wa huduma kwa kila kituo, muda wa mzunguko wa gari na idadi ya safari zinazoweza kufanywa katika zamu fulani pia zinaweza kubadilika.

Usanifu wa mfumo wa AHLUS

AHLUS ina mifumo miwili midogo iliyosawazishwa. Wa kwanza ni konveyer otomatiki ya mkanda yenye msuguano mkubwa inayohamisha mizigo kando ya mhimili wa urefu wa gari kati ya mlango wa nyuma na ndani ya sehemu ya mizigo. Mfumo huendeshwa na mota ya umeme inayopata nishati kutoka miundombinu ya umeme ya gari.

Kipengele cha pili ni mfumo wa bulkhead unaosogea. Wakati wa kupakia, kizigeu hurudishwa nyuma ili kufungua nafasi ya mzigo mpya. Baada ya kupakia kukamilika, kinaweza kusogea mbele ili kupunguza nafasi tupu na kuzuia harakati ya mzigo. Wakati wa usafirishaji, hufungwa ili kusaidia uthabiti wa mzigo. Wakati wa kupakua, hufanya kazi pamoja na konveyer ya mkanda kama kisukuma cha kimitambo, kikielekeza mzigo kuelekea mlango wa nyuma.

Kitengo cha udhibiti kiko nyuma ya gari. Opereta anaweza kudhibiti mwendo wa mzigo kwenda mbele au nyuma kutoka hapo bila kuingia na kutoka mara kwa mara katika sehemu ya mizigo.

Maana ya kilojistiki ya kizigeu kinachosogea

Kazi ya kizigeu kinachosogea si kubana mzigo pekee. Uwasilishaji na uchukuaji vinapotokea kwenye njia moja, nafasi inayofunguka kadri mzigo wa outbound unavyotolewa inaweza kugawiwa upya kwa mizigo ya inbound au mizigo ya kurejeshwa.

Kipengele hiki ni muhimu kwa kuunganisha forward delivery na reverse logistics katika gari moja. Hata hivyo, utafiti haukupima kupungua halisi kwa kiwango cha safari tupu za kurudi au katika jumla ya vehicle miles traveled; manufaa haya yanajadiliwa kama uwezekano wa matumizi.

Upakuaji mlalo wa nyenzo kavu za kumwagika

Mfumo unaotumika katika magari ya kati na mazito una miundo ya sealing inayolenga kuzuia nafaka, makaa ya mawe au aggregate na nyenzo nyingine kavu za kumwagika kuingia kwenye mapengo kati ya konveyer na sakafu ya sehemu ya mizigo.

Kwa hiyo, mzigo wa kumwagika unaweza kupakuliwa kutoka nyuma ya gari si kwa kuinua kwa wima boksi la dump pekee, bali kwa mwendo wa mlalo unaoratibiwa wa sakafu hai na bulkhead inayosogea. Katika onyesho la Kisiwa cha Baengnyeong, udongo na aggregate zilisafirishwa kwa hali hii ya uendeshaji.

Kwa nini muktadha wa mnyororo baridi ni muhimu?

Chanzo kilichagua mazingira makuu ya uwanjani ya utafiti kuwa uwasilishaji wa usiku wa bidhaa safi na zinazohisi mabadiliko ya joto. Ikiwa ushughulikiaji wa mkono unapungua na muda wa mlango kubaki wazi unapunguzwa, inaweza kutarajiwa kuwa mfiduo wa bidhaa kwa joto la mazingira ya nje utapungua.

Hata hivyo, wakati wa utafiti profaili za joto katika sehemu ya mizigo au data za door-open duration hazikurekodiwa. Kwa hiyo, kuboreshwa kwa ubora wa mnyororo baridi si matokeo ya moja kwa moja ya utafiti.

Nini kinaweza kusemwa kuhusu ergonomia?

AHLUS inalenga kupunguza hitaji la dereva kuingia katika sehemu ya mizigo ili kusukuma, kuvuta na kubeba vifurushi. Utaratibu huu unatoa nadharia inayokubalika ya ergonomia kuhusu kupungua kwa mzigo wa kimwili.

Hata hivyo, idadi ya harakati za dereva, umbali wa kutembea, mzigo wa mfumo wa misuli na mifupa, elektromiografia au mizani sanifu za ergonomia hazikutumika. Kwa hiyo, utafiti hauonyeshi kuwa faida ya ergonomia ilipimwa au kuwa hatari ya majeraha ya misuli na mifupa ilipungua.

Muundo wa data wa utafiti

Vipindi vitatu vya uendeshaji

Je, Ongezeko la Uwasilishaji la %19,8 Ni Athari ya Vifaa vya AHLUS Pekee?

Hapana. %19,8 ni tofauti kati ya wastani ghafi wa vipindi vya kujifunza na thabiti, na kwa kuwa vifaa vilikuwa tayari kwenye magari katika kipindi chote cha uchunguzi, haiwezi kutafsiriwa kama hardware-only causal effect; utafiti unapima athari ya pamoja ya uwezo ulioundwa na vifaa kuwa wa kutumika kupitia kujifunza kwa dereva na ugawaji upya wa dispatch.

Kwa nini hakuna ulinganisho wa pre-installation?

Malori mawili yenye AHLUS yalikuwa tayari na mfumo kabla ya kipindi cha ukusanyaji wa data za utafiti kuanza. Kwa hiyo, watafiti hawakuwa na mfululizo wa muda wa awali wa kulinganisha wa magari hayo mawili bila AHLUS.

Zaidi ya hayo, data za kila siku za magari yasiyo na AHLUS katika mtandao huo wa usambazaji hazikutolewa kwa watafiti na opereta. Kwa hiyo, miundo yenye nguvu zaidi ya kulinganisha kama difference-in-differences, synthetic control au matched untreated vehicle haikuweza kutumika.

Kwa nini kizuizi cha dispatch ni muhimu?

Katika mazingira ya utafiti, idadi ya vifurushi ambavyo dereva anaweza kuwasilisha kwa siku haitegemei tu kasi yake ya kimwili. Kiasi cha mzigo kilichogawiwa na mfumo wa dispatch kwa gari ndicho kinachoweka kikomo cha throughput ya kila siku inayoonekana ya dereva.

Hata kama AHLUS iliunda nafasi ya uwezo wa kushughulikia katika kipindi cha kujifunza, kwa sababu kiasi cha usafirishaji kilibaki katika kiwango cha awali, uwezo huo unaweza kuwa haukuonekana kama idadi kubwa ya vifurushi. Kiasi cha dispatch kilipoongezwa mnamo Desemba, uwezo uliokuwa tayari umeundwa ulianza kubadilika kuwa throughput.

Mbinu na Matokeo ya Utafiti

Modeli ya interrupted time-series

Mbinu kuu ya kiasi ni regresha ya mfululizo mmoja ya interrupted time-series (ITS). Chanzo kilifafanua modeli kwa namna ifuatayo:

\[ Y_t = \beta_0 + \beta_1 t + \beta_2 post_t + \beta_3 (t-T^*)post_t + \beta_4 weekend_t + \varepsilon_t \tag{1} \]

Hapa \(Y_t\) inawakilisha wastani wa kila siku wa idadi ya vifurushi vya madereva wawili katika siku t; \(t\) mwenendo wa muda; \(post_t\) kiashiria cha intervention ambacho ni 1 tarehe 1 Desemba 2024 na baada yake; \(T^*\) tarehe ya kuvunjika ya 1 Desemba 2024; na \(weekend_t\) kiashiria cha wikendi.

\(\beta_1\) hupima mwenendo wa kabla ya intervention, \(\beta_2\) mabadiliko ya papo hapo ya kiwango tarehe 1 Desemba, na \(\beta_3\) mabadiliko ya ziada ya mteremko wa kila siku baada ya kuvunjika.

Kwa sababu ya heteroskedasticity na uhusiano wa mfululizo katika mfululizo wa kila siku, makosa ya kawaida yalikokotolewa kwa Newey–West heteroskedasticity and autocorrelation consistent (HAC) estimator yenye lag saba.

Matokeo ya regresha ya ITS

Mwenendo wa kabla ya intervention si muhimu kitakwimu. Mabadiliko ya papo hapo ya kiwango ya −5,90 kifurushi mwanzoni mwa Desemba pia si muhimu. Kinyume chake, mteremko wa ziada wa kila siku wa +0,913 kifurushi baada ya intervention ni muhimu kwa kiwango cha juu.

Tofauti ya wastani kati ya mfululizo fitted katika kipindi thabiti na mfululizo counterfactual uliopanua mwenendo wa kabla ya intervention ni takribani 37,0 kifurushi/siku. Hii inalingana na ongezeko la %14,8 dhidi ya counterfactual.

Ulinganisho ghafi wa vipindi

Wastani wa kipindi thabiti ni vifurushi 47,5/siku juu kuliko kipindi cha kujifunza. Tofauti hii ghafi inalingana na %19,8.

Ulinganisho wa takwimu kwa jozi

Matokeo katika kiwango cha dereva

Wastani wa kila siku wa uwasilishaji wa Driver A uliongezeka kutoka 238,1 katika kipindi cha kujifunza hadi vifurushi 291,2 katika kipindi thabiti. Tofauti ni +53,1 kifurushi/siku au %22,3; Cohen's d = 3,45 na p<0,001.

Kwa Driver B, wastani uliongezeka kutoka 241,2 hadi vifurushi 282,0. Tofauti ni +40,8 kifurushi/siku au %16,9; Cohen's d = 2,68 na p<0,001.

Kuonekana kwa tofauti kubwa katika mwelekeo mmoja kwa madereva wote wawili kunapunguza uwezekano kwamba matokeo ya aggregate yanatokana na utendaji usio wa kawaida wa dereva mmoja. Hata hivyo, madereva wawili si sampuli inayoweza kuwakilisha sekta nzima.

Uchanganuzi wa unyeti wa tarehe ya kuvunjika

Watafiti walitambua kuwa deployment haikutokea kwa siku moja, hivyo walijenga upya modeli ya ITS kwa tarehe mbadala za kuvunjika za 17 Novemba, 24 Novemba, 8 Desemba na 15 Desemba.

Katika njia zote mbadala, koeffishenti ya slope-change ilibaki chanya na muhimu: \(\beta_3=0{,}833–0{,}950\), zote zikiwa na p<0,01. Tofauti ya fitted–counterfactual katika kipindi thabiti ilikuwa katika anuwai ya 37,0–47,4 kifurushi/siku kati ya tarehe mbadala.

Ukaguzi wa kielelezo wa modeli

Figure 3 ya chanzo ina paneli tano: uwasilishaji wa kila siku wa madereva wawili na wastani wao unaosogea wa siku 7; mfululizo fitted wa ITS na counterfactual; boxplot kwa vipindi; wastani wa kila mwezi kwa dereva; residual diagnostic.

Katika uchanganuzi wa residual, Shapiro–Wilk \(W=0{,}988\), \(p=0{,}412\) uliripotiwa na ikaelezwa kuwa hakuna muundo wa kimfumo ulio dhahiri katika usambazaji wa residual.

Matokeo ya Kurejesha Mtaji kwa Miezi 4,1 Ni Imara Kiasi Gani?

Katika modeli ya msingi ya TCO, muda wa kurejesha mtaji wa fedha wa miezi 4,13 ulipatikana, na unyeti wa njia moja pamoja na uchanganuzi wa Monte Carlo unaonyesha unyeti wa matokeo haya kwa mabadiliko ya vigezo yanayokubalika; hata hivyo, baadhi ya viingizo vya gharama kando na throughput ni makadirio ya kihandisi au maoni ya wataalamu, na kwa kuwa usambazaji wa Monte Carlo haukukadiriwa kwa njia ya kiempiria, matokeo hayapaswi kutafsiriwa kama uthibitisho huru wa kiuchumi.

Mlinganyo wa jumla ya gharama ya umiliki

Chanzo kinafafanua faida halisi ya fedha ya kila mwezi kama:

\[ Net_{month} = (\Delta q-\ell)\,p\,d_{eff} - e\,c_e\,d_{eff} - \frac{m}{12} \tag{2} \]

kama ilivyofafanuliwa.

Hapa \(\Delta q\) ni idadi ya ziada ya vifurushi kwa siku; \(\ell\) gharama ya fursa ya payload-loss inayotokana na ujazo unaochukuliwa na AHLUS katika eneo la mizigo; \(p\) ada kwa kifurushi; \(d_{eff}\) siku zinazofaa za kazi kwa mwezi; \(e\) matumizi ya kila siku ya umeme ya mkanda; \(c_e\) bei ya umeme; \(m\) gharama ya kila mwaka ya matengenezo.

Siku zinazofaa za kazi na muda wa kurejesha mtaji:

\[ d_{eff}=d(1-\delta) \]

\[ BEP\,(ay)=\frac{CapEx}{Net_{month}} \tag{3} \]

hukokotolewa kwa njia hizi. \(\delta\) ni kiwango cha downtime kinachotokana na matengenezo/hitilafu.

Viingizo vya msingi vya TCO

Matokeo ya msingi ya kiuchumi

Toleo la conservative throughput

Modeli ya msingi ya kiuchumi hutumia tofauti ghafi ya 47,5 kifurushi/siku kati ya kipindi cha kujifunza na thabiti. Tofauti ya model-implied counterfactual ya 37,0 kifurushi/siku inapotumiwa, faida halisi ya fedha ya kila mwezi ni takribani 690.000 KRW na muda wa kurejesha mtaji ni takribani miezi 5,8.

Toleo hili linaonyesha kuwa matokeo ya kiuchumi ni nyeti kwa kipimo cha throughput kinachochaguliwa, lakini makadirio yote mawili makuu ya athari ya utafiti yanatoa kurejeshwa kwa mtaji chini ya mwaka mmoja chini ya dhana za msingi.

Unyeti wa njia moja

Kigezo kinachoathiri zaidi muda wa kurejesha mtaji ni throughput ya ziada ya vifurushi. Wakati \(\Delta q=60\) kifurushi/siku, BEP ni takribani miezi 3,1; wakati ni 35 kifurushi/siku, ni takribani miezi 6,3.

CapEx ni ya pili, na gharama ya fursa ya payload-loss ni ya tatu kwa ushawishi. Athari ya dhana za umeme na matengenezo kwa BEP ni ndogo zaidi katika anuwai za unyeti za chanzo.

Uchanganuzi wa Monte Carlo

Chanzo kilitumia michoro 50.000 ya Monte Carlo. Kwa throughput, \(N(47{,}5,8{,}0)\), na kwa vigezo vingine vingi usambazaji wa pembetatu ulidhaniwa.

Mediani ya BEP ilikuwa miezi 4,6, mkengeuko wa kawaida miezi 2,4 na anuwai ya asilimia ya 5.–95. ilikuwa miezi 3,2–7,7. Chini ya dhana za modeli, uwezekano wa kurejesha uwekezaji ndani ya miezi sita uliripotiwa kuwa %83.

Katika michoro yote 50.000 faida halisi ilikuwa chanya; hata hivyo, chanzo kinasisitiza kuwa hii si uhakika wa kiempiria. Chini ya dhana za msingi, ongezeko la throughput linalohitajika kwa mapato halisi chanya ni takribani vifurushi 11/siku na liko karibu mkengeuko wa kawaida 4,6 chini ya wastani wa usambazaji wa throughput uliotumika. Kwa hiyo, inatarajiwa kuwa michoro hasi kwa vitendo inaondolewa na muundo wa modeli.

Uchanganuzi wa matukio

Je, Onyesho la Kisiwa cha Baengnyeong Linathibitisha Ufanisi wa AHLUS?

Hapana. Matumizi ya kisiwani yanaonyesha kwa ubora kwamba AHLUS inaweza kushughulikia aina tofauti za kimwili za mizigo katika gari moja; hata hivyo, kwa kuwa hakuna data ya kiasi iliyokusanywa kuhusu tija, muda wa kupakia, gharama, matumizi ya meli ya magari au utendaji wa huduma, sehemu hii si uthibitisho wa ufanisi au athari za kiuchumi.

Kwa nini lojistiki ya kisiwa ni tofauti?

Kisiwa cha Baengnyeong kimetenganishwa kijiografia na bara la Korea Kusini na kuingia na kutoka kwa mizigo kunategemea usafiri wa baharini. Mahitaji yanaweza kuwa yenye msongamano mdogo na yasiyo ya kawaida; katika kipindi kimoja mizigo tofauti kimwili kama aggregate ya ujenzi, pembejeo za kilimo, vifurushi vya kila siku na vifaa vya uvuvi inaweza kusafirishwa.

Katika mazingira kama haya, kuweka dump truck, flatbed au box truck tofauti kwa kila daraja la mzigo kunaweza kuwa kutokuwa na ufanisi kiutendaji. Swali kuu la onyesho la AHLUS ni kama sakafu hiyo hiyo hai ya mizigo inaweza kuendana na maumbo tofauti ya mizigo.

Matokeo yanayoungwa mkono na utafiti

Katika magari mawili yaliyo na AHLUS, baada ya kuingia katika kipindi thabiti cha mchakato wa deployment, throughput ya kila siku ya vifurushi iliyoonekana ilikuwa kubwa kwa kiasi muhimu kuliko katika kipindi cha kujifunza.

Modeli ya interrupted time-series inaonyesha slope change chanya na muhimu baada ya 1 Desemba ikilinganishwa na pre-intervention trend.

Tofauti ghafi ya kipindi cha kujifunza–thabiti ni %19,8; tofauti ya model-implied counterfactual ni %14,8.

Chini ya kampuni iliyochunguzwa na dhana za msingi za kiuchumi, modeli ya TCO inakokotoa muda mfupi wa kurejesha mtaji.

Onyesho la kisiwa linaonyesha kwamba jukwaa hilo hilo la AHLUS linaweza kushughulikia kimwili nyenzo kavu za kumwagika, mizigo isiyo ya kawaida, masanduku na mizigo ya pallet bila kubadilisha vifaa.

Matokeo ambayo utafiti hauungi mkono

Ongezeko la %19,8 si athari ya kisababishi ya vifaa vya AHLUS pekee.

Utafiti hauna magari ya udhibiti ya wakati mmoja yasiyo na AHLUS.

Upungufu halisi wa dakika katika muda wa kupakia au kupakua haukupimwa moja kwa moja.

Haikupimwa kwamba joto la bidhaa za mnyororo baridi au muda wa ambient exposure ulipungua.

Mabadiliko katika ergonomia ya dereva au mzigo wa misuli na mifupa hayakujaribiwa kwa zana zilizothibitishwa za upimaji.

Hakuna matokeo ya kiuchumi au ya kiasi ya ufanisi kwa onyesho la kisiwa.

Matokeo kutoka kampuni moja, madereva wawili na muktadha mmoja wa uendeshaji hayawezi kujumlishwa moja kwa moja kwa sekta nzima ya maili ya mwisho.

Changamoto za matumizi na kupanua kiwango

Gharama ya retrofit kwa gari la kawaida la tani 1 imetolewa kwenye chanzo kuwa takribani 4.000.000 KRW. Kwa teknolojia ya hatua za awali, ulinganifu wa vifaa, uimara wa muda mrefu na uelewa wa soko ni miongoni mwa vikwazo vya kupitishwa.

Kwa kuwa mfumo sasa unasakinishwa kupitia retrofit iliyobinafsishwa, mchakato wa uzalishaji unachukua muda. Kwa kiwango kikubwa zaidi, miundombinu ya uzalishaji wa mfululizo uliosanifishwa itahitajika.

Ingawa AHLUS inaotomatisha mwendo ndani ya gari, kiolesura cha kimwili kati ya kituo cha usambazaji na gari hakijaotomatishwa kikamilifu. Katika vituo visivyo na mifumo ya juu ya dock, kuleta mzigo kutoka ardhini hadi ukingo wa nyuma wa gari bado kunaweza kuhitaji kazi ya mikono.

Utafiti wa baadaye

Chanzo kinatoa kipaumbele kwa majaribio makubwa zaidi ya uwanjani yanayojumuisha kampuni nyingi, maeneo na aina za njia, ikiwezekana yakiwa pia na magari ya udhibiti yasiyo na AHLUS.

Katika tafiti zijazo, nyakati halisi za loading/unloading cycle, muda wa kushughulikia kwa kila kituo, umbali wa kutembea wa dereva na workload ya kimwili zinapaswa kupimwa moja kwa moja kwa vifaa.

Ili kujaribu nadharia ya mnyororo baridi, muda wa mlango kubaki wazi na profaili za joto za sehemu ya mizigo; kwa matokeo ya mazingira, idling, vehicle miles traveled na empty return trips zinapaswa kurekodiwa kwa kiasi.

Vihisi vinavyopima katika muda halisi nafasi tupu ya bulkhead inayosogea na majukwaa mahiri yanayosambaza data hii kwa mifumo ya routing/loading inayotegemea wingu pia yanapendekezwa kwenye chanzo kama maeneo ya utafiti wa baadaye.

Maelezo ya Chanzo na Mbinu

Kichwa asili: Vehicle-Mounted Automated Horizontal Loading System for Freight Operations: Evidence from Last-Mile Cold Chain Delivery and Island Logistics.

Waandishi: Sukmin Hong; Longxiao Liu; Gwanyong Oh; Sungmin Kim; Hanbyul Ryu; EunSu Lee; Daisik Nam; Daejin Kim.

Corresponding author: Daejin Kim.

Taasisi: SpeedFLOOR Co., Ltd.; Graduate School of Logistics, Inha University; College of Business and Public Management, Kean University; Center for Supply Chain and Maritime Logistics, Kean University; Industrial Park Collaboration Center, Inha University.

Jarida: Applied Sciences.

Mchapishaji: MDPI, Basel, Switzerland.

Taarifa ya uchapishaji: Applied Sciences 2026, 16(17), 8755.

DOI: 10.3390/app16178755.

Historia ya makala: Ilipokelewa 22 Julai 2026; ikarekebishwa 29 Agosti 2026; ikakubaliwa 1 Septemba 2026; ikachapishwa 3 Septemba 2026.

Aina ya chanzo: Utafiti asili wa lojistiki tumizi uliopitiwa na wataalamu na wenye ufikiaji wazi; uthibitishaji wa uwanjani wa uchunguzi wa kampuni moja, uchanganuzi wa interrupted time-series, uundaji wa modeli ya kiuchumi na onyesho la ubora la kisiwa.

Leseni: Creative Commons Attribution (CC BY).

Teknolojia kuu: Automated Horizontal Loading and Unloading System (AHLUS).

Eneo kuu la utafiti: Kurly Nextmile Inc. uwasilishaji wa maili ya mwisho wa chakula kibichi/mnyororo baridi, Korea Kusini.

Magari: Malori mawili ya usambazaji ya tani 1 yaliyo na AHLUS.

Kipindi cha uchunguzi: 16 Oktoba 2024–3 Februari 2025.

Data: Uchunguzi 184 wa dereva-siku; siku 110 za kipekee za uendeshaji; madereva wawili.

Mbinu kuu ya takwimu: Interrupted time-series regression; Newey–West HAC, 7 lag.

Vipimo vya ziada: Welch t-test, Mann–Whitney U na Cohen's d.

Tarehe kuu ya kuvunjika: 1 Desemba 2024; si usakinishaji wa vifaa bali mwanzo wa ugawaji upya wa dispatch.

Matokeo makuu ghafi ya throughput: Kujifunza 239,9 → thabiti 287,4 kifurushi/siku; +47,5 kifurushi/siku; +%19,8.

Model-implied deployment effect: Takribani +37,0 kifurushi/siku; +%14,8 dhidi ya counterfactual.

Matokeo ya msingi ya TCO: Faida halisi ya fedha ya kila mwezi 968.645 KRW; BEP miezi 4,13; NPV ya miaka 5 47.467.823 KRW; ROI rahisi ya kila mwaka %291.

Monte Carlo: Michoro 50.000; mediani ya BEP miezi 4,6; asilimia ya 5.–95. miezi 3,2–7,7; chini ya dhana za modeli uwezekano wa BEP ≤ miezi 6 ni %83.

Onyesho la kisiwa: Baengnyeong Island; Oktoba 2024–Januari 2025; onyesho la kiteknolojia la ubora, si uthibitishaji wa kiasi wa utendaji.

Ufadhili: Korea Agency for Infrastructure Technology Advancement (KAIA), Ministry of Land, Infrastructure and Transport; Grant Nos. RS-2025-02314218 na RS-2025-25463200.

Kamati ya maadili: Haitumiki.

Ridhaa yenye taarifa: Haitumiki.

Upatikanaji wa data: Data zinaweza kuombwa kutoka kwa corresponding author; hazipatikani hadharani kwa sababu ya vizuizi vya usiri wa kibiashara wa kampuni ya lojistiki iliyoshiriki.

Tamko la matumizi ya akili bandia: Waandishi wameripoti kuwa walitumia zana ya Claude Fable 5.1 kwa uhariri wa lugha na kuboresha usomaji pekee; waliikagua wenyewe maudhui ya mwisho na kuchukua wajibu wake.

Mgongano wa maslahi: Mwandishi wa kwanza Sukmin Hong anafanya kazi SpeedFLOOR Co., Ltd., kampuni inayotengeneza na kuzalisha AHLUS. Waandishi walifichua hili kama mgongano unaowezekana wa maslahi; walieleza kuwa ukusanyaji wa data, uchanganuzi wa kiasi na uandaaji wa makala ulifanywa na washirika wa kitaaluma wa Inha University wasiokuwa na maslahi ya kifedha.

Michango ya waandishi: Uundaji wa dhana S.H., D.N. na D.K.; metodolojia D.N. na D.K.; uchanganuzi rasmi na utafiti L.L., G.O., S.K. na H.R.; rasilimali S.H.; uratibu wa data L.L., G.O., S.K. na H.R.; rasimu ya awali L.L., G.O., S.K. na H.R.; mapitio/uhariri E.L., D.N. na D.K.; usimamizi D.N. na D.K.; usimamizi wa mradi D.K.; upatikanaji wa ufadhili S.H., D.N. na D.K. kama ilivyoripotiwa.

Kizuizi kikuu cha kimetodolojia: Utafiti hauna mfululizo wa udhibiti wa wakati mmoja usio na AHLUS wala pre-installation baseline. Deployment effect iliyopimwa ni athari iliyounganishwa ya vifaa, kujifunza kwa dereva na ugawaji upya wa dispatch. Msingi wa kiempiria wa utafiti umewekewa mipaka na madereva wawili, magari mawili, kampuni moja na muktadha mmoja mkuu wa uendeshaji.

Kizuizi cha utaratibu: Muda wa kupakia/kupakua, ushughulikiaji kwa kila kituo, umbali wa kutembea, workload ya kimwili, compartment temperature na door-open duration havikupimwa moja kwa moja.

Kizuizi cha modeli ya kiuchumi: Ingawa throughput inatokana na data ya uwanjani, baadhi ya viingizo kama payload loss, nguvu, matengenezo na downtime vinategemea makadirio ya kihandisi au maoni ya wataalamu. Usambazaji wa Monte Carlo si usambazaji wa uwezekano uliokadiriwa kwa njia ya kiempiria.

Dokezo la matumizi ya picha: Makala ina leseni ya CC BY. Hata hivyo, kwa Verianla, badala ya kunakili moja kwa moja picha na vielelezo vya chanzo kwa kiwango cha pikseli, usanifu wa mfumo wa AHLUS, mtiririko wa mizigo, ulinganisho wa vipindi na modeli ya kiuchumi unapaswa kujengwa upya kwa michoro na majedwali asilia yanayobaki waaminifu kwa chanzo.