Россия
Россия
Россия
Россия
Россия
Рассматривается модель функционирования стратегического (ситуационного) центра цифровых технологий в портовой логистике на примере Новороссийского морского торгового порта – крупнейшего транспортного узла России на Черном море. Актуальность исследования обусловлена необходимостью повышения эффективности управления грузопотоками, сокращения простоев судов и комплексной цифровизации ключевых логистических процессов в условиях активного развития цифровой экономики и возрастающей нагрузки на портовую инфраструктуру. Проанализированы основные проблемы действующей системы портовой логистики, среди которых выделяются фрагментация информационных систем различных терминалов, отсутствие сквозного учета грузов, недостаточная автоматизация документооборота, задержки при согласовании документации и низкий уровень применения предиктивной аналитики. Для формализации процессов обслуживания судов и грузовых потоков предложено использование математического аппарата теории массового обслуживания, а именно многоканальной системы массового обслуживания с отказами. Данная модель позволяет количественно оценить пропускную способность портовой инфраструктуры, выявить узкие места, рассчитать вероятность простоев судов и обосновать управленческие решения по оптимизации логистических операций. Описана архитектура цифровой платформы «Умный порт», интегрирующей все терминалы Новороссийска на основе единого API и стандартов обмена данными. Рассмотрено применение IoT-устройств для мониторинга контейнеров и техники в реальном времени, автоматизация таможенного оформления через интеграцию с системой «Единое окно», представлена функциональная модель ситуационного центра, обеспечивающего мониторинг, прогнозирование и управление кризисными ситуациями. Для визуализации логики работы разработаны UML-диаграммы прецедентов и деятельности, отражающие взаимодействие участников логистической цепи. Представлены результаты сравнительного анализа ключевых логистических показателей до и после внедрения цифровых решений, подтверждающие значительный рост операционной эффективности: сокращение времени обработки контейнеров, снижение ошибок в документообороте, уменьшение простоев судов и повышение удовлетворенности клиентов.
портовая логистика, цифровизация, умный порт, ситуационный центр, система массового обслуживания, цифровая платформа, Новороссийский морской порт, транспортная логистика
Введение
В условиях активного развития цифровой экономики особую значимость приобретает модернизация транспортно-логистических систем, особенно в круп ных морских узлах, таких как порт Новороссийска, – ключевом элементе транспортной инфраструктуры Российской Федерации на Черном море. Актуальность темы обусловлена тем, что портовая логистика является стратегическим сегментом не только региональной, но и национальной экономики, обеспечивая экспортно-импортные операции, грузоперевозки и межрегиональные связи. Однако существующие процессы управления грузопотоками, документооборотом, складской и терминальной логистикой в Новороссийском морском торговом порту (НМТП) недостаточно автоматизированы и не полностью соответствуют современным цифровым стандартам [1].
Целью исследования является моделирование лологистических процессов ситуационного центра на примере НМТП.
Для достижения поставленной цели необходимо решить следующие задачи:
– рассмотреть факторы, влияющие на цифровизацию портовой логистики;
– выявить основные проблемы действующей системы портовой логистики, включая фрагментацию информационных систем и недостаточную автоматизацию документооборота;
– для формализации процессов обслуживания судов предложить использование многоканальной системы массового обслуживания с отказами, позволяющей оценить пропускную способность портовой инфраструктуры и вероятность простоев.
В условиях глобальной цифровизации транспортной отрасли возрастает потребность в создании единой цифровой платформы, интегрирующей все участки логистической цепи: от момента поступления заявки на перевозку до финальной доставки груза получателю. Особенно остро стоит задача снижения транзакционных издержек, повышения прозрачности грузовых операций, минимизации простоев судов и оптимизации складских процессов [2–4].
Концептуальные основы и математическое моделирование функционирования цифровой экосистемы «Умный порт» в логистической цепи Новороссийского морского узла
Термин «цифровая экономика» впервые был введен Доном Тапскоттом в работе «Цифровая экономика: обещание и перспективы сетевого интеллекта», где он описал переход от традиционных промышленных моделей к экономике, основанной на данных [5]. В российском контексте цифровая экономика определяется как хозяйственная деятельность, ключевым фактором производства в которой выступают данные в цифровой форме, анализ которых позволяет значительно повысить эффективность логистических, производственных и управленческих процессов [6].
Согласно Стратегии развития информационного общества в РФ на 2017–2030 гг. и Госпрограмме «Цифровая экономика Российской Федерации», одной из приоритетных задач является цифровизация транспортной инфраструктуры, включая портовые комплексы [7].
Факторы, влияющие на цифровизацию портовой логистики:
– уровень цифровой грамотности персонала;
– наличие ИКТ-инфраструктуры;
– развитие нормативно-правовой базы;
– интеграция с национальными цифровыми платформами (например, «Единое окно» в морских портах);
– уровень взаимодействия между участниками логистической цепи (экспедиторы, терминалы, таможня, судовладельцы) [8].
Цифровая платформа в портовой логистике – это многосторонняя экосистема, объединяющая:
– участников грузовых операций;
– программное обеспечение для управления грузопотоками;
– устройства IoT (интернета вещей) для отслеживания контейнеров и оборудования;
– аналитические модули на базе Big Data и искусственного интеллекта [9].
Для формализации взаимодействия участников логистической цепи Новороссийского порта предлагается следующая UML-диаграмма прецедентов (рис. 1).
Рис. 1. Диаграмма прецедентов взаимодействия участников логистической цепи порта Новороссийска
в рамках цифровой платформы «Умный порт»
Fig. 1. Diagram of the use cases of interaction of participants in the logistics chain of the port of Novorossiysk
within the framework of the Smart Port digital platform
Порт Новороссийска – крупнейший морской порт России по объему грузооборота. Однако, несмотря на масштабы, в логистических процессах сохраняются следующие проблемы:
– фрагментация ИТ-систем у разных терминалов;
– отсутствие сквозного учета грузов от судна до получателя;
– задержки при согласовании документации;
– низкий уровень предиктивной аналитики [10].
Для решения этих задач предлагаются следующие меры:
1. Внедрение цифровой платформы «Умный порт», интегрирующей все терминалы Новороссийска с единым API и стандартами обмена данными [11].
2. Развертывание IoT-датчиков: происходит на контейнерах, шасси и погрузочной технике для отслеживания в реальном времени.
3. Автоматизация таможенного оформления: происходит через интеграцию с системой «Единое окно» и платформой «Цифровой транспорт и логистика» [12].
4. Создание ситуационного центра портовой логистики, осуществляющего мониторинг, прогнозирование и управление кризисными ситуациями (например, заторами на причалах).
Учитывая масштабы грузопотоков и стратегическое значение порта Новороссийска для национальной логистической системы, требуется системный подход к цифровой модернизации, сочетающий технологическую интеграцию, стандартизацию данных и повышение операционной прозрачности.
Для формализации процессов обработки судов и грузовых потоков в порту Новороссийска в рамках функционирования ситуационного центра целесообразно использовать аппарат теории массового обслуживания. Применение математической модели массового обслуживания позволяет количественно оценить пропускную способность портовой инфраструктуры, выявить узкие места и обосновать управленческие решения, направленные на снижение простоев судов и повышение эффективности логистических операций.
В условиях порта Новороссийска поток заявок формируется за счет заходов судов, поступающих на обслуживание в акваторию и к причальным фронтам. Процесс обслуживания включает диспетчеризацию, швартовку, погрузочно-разгрузочные операции и оформление сопроводительной документации. Учитывая стохастический характер поступления судов и длительности их обработки, данные процессы целесообразно моделировать в виде многоканальной системы массового обслуживания (СМО) [13].
Рассмотрим портовую логистическую систему как многоканальную СМО с отказами, где [14]:
– входной поток заявок (судов) является пуассоновским с интенсивностью λ;
– время обслуживания одного судна подчиняется показательному распределению с параметром μ;
– количество каналов обслуживания n соответствует числу одновременно доступных причалов или ресурсов обслуживания.
В случае занятости всех каналов вновь прибывшее судно получает отказ, что интерпретируется как вынужденный простой на рейде. Такое допущение соответствует реальным условиям функционирования порта при пиковых нагрузках и ограниченности причальной инфраструктуры.
Состояние системы в момент времени t характеризуется числом судов, находящихся на обслуживании. Вероятность нахождения системы в состоянии i обозначим через Pi (t), где i = 0, 1, …, n. Динамика состояний описывается системой дифференциальных уравнений Колмогорова:
В установившемся режиме система переходит
к стационарному распределению вероятностей, определяемому системой алгебраических уравнений по формуле
при условии нормирования по формуле
На основе полученных стационарных вероятностей рассчитываются ключевые показатели эффективности портовой логистической системы. Вероятность отказа в обслуживании определяется как Pn и отражает долю судов, вынужденных ожидать освобождения ресурсов. Вероятность безотказного обслуживания, соответственно, равна 1 – Pn. Среднее число судов, находящихся в системе, вычисляется по формуле
а среднее время пребывания судна в системе определяется с использованием формулы Литтла:
Использование данной математической модели позволяет оценить влияние интенсивности судопотока и количества причалов на вероятность простоев, загрузку портовой инфраструктуры и общую пропускную способность порта Новороссийска.
Результаты и обсуждение
Для визуализации логики функционирования математической модели массового обслуживания, реализуемой в цифровой платформе порта Новороссийска, целесообразно использовать UML-диаграмму деятельности. Данный тип диаграмм позволяет отразить последовательность обработки судна от момента его поступления в порт до завершения обслуживания либо вынужденного ожидания при перегрузке системы.
Диаграмма деятельности отражает взаимосвязь между входным потоком заявок, состоянием ресурсов обслуживания и результатами работы ситуационного центра в условиях ограниченной пропускной способности портовой инфраструктуры (рис. 2).
Продемонстрирована реализация многоканальной системы массового обслуживания в условиях порта Новороссийска, отражены ключевые этапы обработки судна с учетом возможности отказа или ожидания при отсутствии свободных ресурсов.
Рис. 2. Диаграмма классов системы массового обслуживания в порту Новороссийска
Fig. 2. Class diagram of the queuing system in the port of Novorossiysk
В рамках цифровой платформы и ситуационного центра данная логика используется для мониторинга загрузки причалов, прогнозирования простоев и формирования управленческих решений по перераспределению потоков судов.
Полученные результаты могут быть использованы ситуационным центром для поддержки управленческих решений, направленных на снижение простоев судов и повышение эффективности логистических операций. Функциональная модель ситуационного центра (СЦ) представлена на рис. 3.
Рис. 3. Функциональная модель ситуационного центра портовой логистики:
структура обработки данных и генерации управленческих решений
Fig. 3. The functional model of the situational center of port logistics: the structure
of data processing and generation of management decisions
Разработанная функциональная модель отражает логику работы СЦ как ядра цифровой экосистемы портовой логистики. Каждый блок модели соответствует ключевому этапу обработки данных – от их сбора до выработки управленческих решений. Такая структура обеспечивает не только оперативный мониторинг текущих грузовых операций, но и возможность прогнозирования загрузки терминалов, выявления узких мест в логистической цепи и своевременного реагирования на сбои. В условиях высокой динамики грузопотоков в порту Новороссийска подобный подход позволяет перейти от реактивного управления к проактивному, основанному на анализе больших данных и алгоритмах машинного обучения.
Алгоритм обработки данных в СЦ:
1. Ввод данных (грузовые накладные, GPS-метки, статусы терминала).
2. Проверка и корректировка данных.
3. Обработка по алгоритмам машинного обучения.
4. Формирование отчетности и рекомендаций.
5. Визуализация на панели управления.
Для объективной оценки эффективности внедрения цифровых решений в портовую логистику целесообразно провести сравнительный анализ ключевых операционных показателей до и после трансформации. Такой подход позволяет количественно зафиксировать достигнутые улучшения и обосновать дальнейшие инвестиции в цифровую инфраструктуру. На основе данных, предоставленных операторами терминалов НМТП, а также отчетов Федерального агентства морского и речного транспорта был составлен сравнительный анализ, отражающий динамику основных логистических метрик [14]. Результаты сведены в следующую таблицу.
Сравнительные показатели эффективности логистических операций в порту Новороссийска
до и после внедрения цифровых решений
Comparative performance indicators of logistics operations in the port of Novorossiysk
before and after the introduction of digital solutions
|
Показатель |
До цифровизации |
После внедрения цифровизации |
|
Время обработки контейнера, ч |
4–6 |
1,5–2 |
|
Ошибки в документообороте, % |
8–10 |
<1 |
|
Простой судна у причала, ч |
12–24 |
4–8 |
|
Удовлетворенность клиентов, % |
65 |
89 |
Представленные данные свидетельствуют об эффективности внедрения цифровых решений в портовую инфраструктуру Новороссийска в 2023–2024 гг. [15]. Анализ позволил выявить значимое улучшение логистической эффективности по ряду параметров, включая сокращение времени обработки грузов, снижение частоты ошибок в документообороте
и уменьшение простоев судов у причалов.
Цифровая трансформация портовой логистики Новороссийска – не просто технологическая модернизация, а системная перестройка всей логистической экосистемы. Внедрение цифровых платформ, СЦ и интеллектуальных систем управления позволяет:
– сократить логистические издержки;
– повысить прозрачность и предсказуемость операций;
– усилить конкурентоспособность порта на международном уровне.
Особое значение имеют синхронизация с национальными проектами, такими как «Цифровая экономика» и «Цифровой транспорт и логистика», а также развитие кадрового потенциала специалистов в области цифровой логистики [16, 17].
Развитие информационной инфраструктуры и использование IoT-устройств позволяют осуществлять мониторинг грузопотоков в реальном времени, минимизировать простои судов и оптимизировать работу причалов и терминалов. Применение математических моделей массового обслуживания обеспечивает количественную оценку эффективности портовых операций, выявление узких мест и поддержку управленческих решений [18]. Кроме того, использование алгоритмов машинного обучения и аналитики больших данных способствует проактивному управлению логистическими процессами и прогнозированию потенциальных сбоев [19–24].
Повышение цифровой грамотности персонала и стандартизация данных создают основу для устойчивого функционирования цифровой экосистемы порта. Опыт НМТП демонстрирует, что системный подход к цифровизации позволяет не только улучшить оперативные показатели, но и повысить удовлетворенность клиентов.
Заключение
Внедрение стратегического (ситуационного) центра цифровых технологий в Новороссийском морском торговом порту позволит повысить эффективность управления грузопотоками и снизить простои судов. Анализ текущей системы выявил проблемы, связанные с разрозненностью данных и недостаточной автоматизацией. Для оптимизации процессов предложена математическая модель (многоканальная система массового обслуживания) и разработана цифровая платформа «Умный порт» с функциональной моделью ситуационного центра. Внедрение цифровых решений в портовой логистике Новороссийского морского торгового порта позволит повысить операционную эффективность, что подтверждается сравнительным анализом логистических показателей. Это демонстрирует перспективность использования ситуационных центров и цифровых платформ для оптимизации портовых процессов в условиях развития цифровой экономики.
В перспективе дальнейшая интеграция с международными логистическими платформами и расширение функционала ситуационного центра будут способствовать укреплению стратегической роли порта в глобальной транспортной сети. Результаты проведенного исследования подтверждают высокую эффективность цифровых решений и необходимость их постоянного развития для обеспечения устойчивого роста и конкурентоспособности портовой инфраструктуры.
1. Кузнецов А. В. Цифровая трансформация транспортно-логистической системы России // Вестн. науч.-техн. развития. 2022. № 7 (171). С. 45–52.
2. Логистика морских портов: вызовы и перспективы цифровизации / под ред. Е. И. Зайцева. М.: ТрансЛит, 2023. 216 с.
3. Чан Тхи Хыонг, Шуршев В. Ф. Разработка математической модели для решения задачи оптимизации управления перегрузочными процессами морского порта // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2011. № 1. С. 83–88.
4. Чан Хыонг Тхи, Шуршев В. Ф. Информационная система управления перегрузочными процессами морского порта (на примере Социалистической Республики Вьетнам) // Вестн. Астрахан. гос. техн. ун-та. Сер.: Морская техника и технология. 2009. № 2. С. 57–60.
5. Tapscott D. The Digital Economy: Promise and Peril in the Age of Networked Intelligence. NY: McGraw-Hill, 1996. 342 p.
6. О Стратегии развития информационного общества в Российской Федерации на 2017–2030 годы: Указ Президента РФ от 09 мая 2017 г. № 203. URL: https://www.garant.ru/products/ipo/prime/doc/71570570/ (дата обращения: 12.12.2025).
7. Об утверждении Государственной программы «Цифровая экономика Российской Федерации»: Распоряжение Правительства РФ от 28 июля 2017 г. № 1632-р. URL: https://www.garant.ru/products/ipo/prime/doc/71634878/ (дата обращения: 12.12.2025).
8. Герасимов Б. Б., Козлов В. В. Информационные технологии в управлении морскими портами // Мор. вестн. 2021. № 4. С. 33–39.
9. Кудрявцева О. В., Бялецкая Е. М. Цифровизация рыбной отрасли: проблемы и перспективы // Вестн. АПК Ставрополья. 2025. № 1. С. 112–120.
10. Аналитический отчет НМТП за 2024 год. Новороссийск: НМТП, 2025. 95 с.
11. Концепция «Умный порт»: мировой опыт и российская практика / сост. В. И. Логинов. М.: Морские вести, 2020. 144 с.
12. Сотников А. А. Исследование теоретических и правовых основ технологии единого окна в таможен-ном деле // Молодой ученый. 2025. № 16 (567). С. 16–20.
13. Лемперт А. А., Жарков М. Л., Казаков А. Л., Ву Х. З. Моделирование морского контейнерного терминала с использованием сети массового обслуживания // Управление большими системами: сб. тр. 2024. № 112. С. 310–337. DOIhttps://doi.org/10.25728/ubs.2024.112.15.
14. Государственный портовый контроль в Россий-ской Федерации – 2024 // Федеральное агентство морского и речного транспорта (Росморречфлот). URL: https://morflot.gov.ru/media/nx1ksdpf/%D0%BE%D1%82%D1%87%D0%B5%D1%82-%D0%B3%D0%BF%D0%BA-2024.pdf (дата обращения: 01.02.2026).
15. Новороссийский морской торговый порт. Показатели грузооборота. URL: https://нмтп.транснефть.рф/ (дата обращения: 21.12.2025).
16. Крюкова А. С. Особенности реализации программы «Цифровой транспорт и логистика» в рамках транспортной стратегии Российской Федерации // Междунар. журн. гуманитар. и естеств. наук. 2022. № 1–3 (64). С. 123–125. DOIhttps://doi.org/10.24412/2500-1000-2022-1-3-123-125.
17. Иванов Д. А. Цифровая логистика: от теории к практике. СПб.: Изд-во Политехн. ун-та, 2023. 184 с.
18. Дубинина Н. А., Мичурина О. Ю., Кудрявцева О. В., Кушнер А. А., Кушнер М. A. Бизнес-анализ деятельности интегрированных структур рыбохозяйственного комплекса России в условиях цифровизации // Инженер.-строит. вестн. Прикаспия. 2023. № 2 (44). С. 108–115. DOIhttps://doi.org/10.52684/2312-3702-2023-44-2-108-115.
19. Кудрявцева О. В., Кудрявцева М. А., Бялецкая Е. М. Разработка базы данных в MongoDB для управления изменениями в DevOps // Инженер.-строит. вестн. Прикаспия. 2025. № 2 (52). С. 81–86. DOIhttps://doi.org/10.52684/2312-3702-2025-52-2-81-86.
20. Шуршев Т. В. Анализ информационных систем на основе искусственного интеллекта // Инфокоммуникационные технологии: актуальные вопросы цифровой экономики: сб. науч. тр. V Междунар. науч.-практ. конф. (Екатеринбург, 29 января 2025 г.). Екатеринбург: Сиб. гос. ун-т телекоммуникаций и информатики, 2025. С. 151–155.
21. Хоменко Т. В., Шуршев Т. В. Система интеллектуальной поддержки принятия решений на основе сверточной нейронной сети // Информационные системы и технологии. 2025. № 5 (151). С. 113–121.
22. Шуршев Т. В. Выбор средств разработки и проектирование интеллектуальной информационной системы на основе искусственного интеллекта // Новейшие технологии освоения месторождений углеводородного сырья и обеспечение безопасности экосистем Каспийского моря: материалы XV Междунар. науч.-практ. конф. (Астрахань, 10–11 октября 2024 г.). Астрахань: Изд-во АГТУ, 2024. С. 312–315.
23. Шуршев Т. В., Хоменко Т. В. Разработка системы интеллектуальной поддержки принятия решений на основе сверточной нейронной сети // XXI век: итоги прошлого и проблемы настоящего плюс. 2024. Т. 13. № 1 (65). С. 50–57.
24. Шуршев Т. В. Создание сверточной нейронной сети // Инновационные технологии в обучении и производстве: материалы XVIII Всерос. заоч. науч.-практ. конф. (Камышин, 19–20 ноября 2024 г.): в 3 т. Волгоград: Изд-во Волгогр. гос. техн. ун-та, 2024. Т. 2. С. 113–115.
