一、适用对象与条件 适用对象：配备高精度容积传感器的装载危险化学品的液货运输船。 适用条件：依赖5G/卫星通信实现数据实时传输的液货船码头装卸作业。 二、解决的问题 装卸起止时间判定偏差大：基于容积持续变化规则自动精准判定，耗时计算误差从±15分钟降至±1分钟； 装卸效率评估依赖人工经验：实时计算装卸速率并自动分级（高效/中效/低效），提升准确率； 低效故障发现滞后：动态监测装卸速率，异常即时告警，缩短故障响应时间。 三、主要价值 精准效率管理：人工记录无法实时捕获装卸速率波动，导致资源调配失准。此数据可指导优先检修低效货舱（如管线堵塞），提升码头月均作业效率。 港口调度优化：实时共享装卸效率数据，支持区域港口协同调度，减少船舶待泊时间，提升整体航道利用率； 货主供应链决策：为货主提供精准的装卸时间预测与滞期风险预警，优化物流成本核算与租船合约管理。
1. 数据采集 通过货舱内的高精度传感器，每10秒采集一次各货舱的容积。所有数据均带有时间戳，并通过5G或卫星通信链路实时传输至岸基服务器，形成连续的时间序列数据流。 采集字段包括：装卸类别、船舶编号、总舱容（m³）、装卸初始容积（m³）、装卸完成容积（m³）、装卸作业开始时间、装卸作业结束时间、最大设计速率 2. 数据处理 为保证后续分析结果的准确性，需对采集到的原始数据进行清洗和标准化处理，具体步骤如下： 去空格与格式统一：去除字段中的非法字符，将数值字段统一为浮点型； 完整性校验：检查必填字段是否齐全（装卸类别、船舶编号、总舱容（m³）、装卸初始容积（m³）、装卸完成容积（m³）、装卸作业开始时间、装卸作业结束时间、最大设计速率），缺失任一字段即标记为异常数据； 异常值剔除：使用统计方法（3σ原则）识别并剔除明显超出合理范围的数值（如装卸初始容积或装卸完成容积超过总舱容）； 数据聚合：在液货船码头装卸作业时间内，按装卸作业开始时间、装卸作业结束时间、船舶编号进行汇总，生成可用于分析的结构化数据表。 3. 核心算法规则 装卸总耗时判定逻辑： 以货舱容积变化为依据，设定“装卸作业开始时间”和“装卸作业结束时间”的判断条件： 当货舱容积变化大于阈值时（每分钟变化＞0.1 m³）且持续超过5分钟时，判定为装卸作业开始； 当货舱容积变化（每分钟变化=0m³）且持续稳定超过10分钟后，判定为装卸作业结束，中间时间段即为装卸总耗时。 装卸总容积（m³）计算公式： 当装卸类别为“卸”时，装卸总容积=装卸初始容积-装卸完成容积； 当装卸类别为“装”时，装卸总容积=装卸完成容积-装卸初始容积； 装卸总耗时（分钟）=装卸作业结束时间-装卸作业开始时间，小时和分钟的转化为1/60。 装卸速率计算公式：装卸速率（m³/h）=装卸总容积/装卸总耗时 装卸速率等级： 设计最大速率为500m³/h IF 设计最大速率×0.6≤装卸速率≤设计最大装卸速率 → "高效" IF 设计最大速率×0.4≤装卸速率＜设计最大装卸速率×0.6 → "中效" IF 装卸速率＜设计最大装卸速率×0.4→ "低效"
| 字段名 | 类型 | 描述 |
|---|---|---|
装卸类别 |
-- | -- |
船舶编号 |
-- | -- |
总舱容（m³） |
-- | -- |
装卸初始容积（m³） |
-- | -- |
装卸完成容积（m³） |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 装卸类别 | 卸 |
| 船舶编号 | 长龙75 |
| 总舱容（m³） | 9933.11 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/5094405