ازدحام الموانئ وأسعار الحاويات: دقة نموذج التنبؤ بالشبكة العصبية RBF تصل إلى 96%

النقل بالحاويات هو الشريان الرئيسي للتجارة العالمية، لكن تزايد حالات الازدحام في الموانئ يؤدي إلى تفاقم تقلبات أسعار الشحن، مما يفرض تحديات على التحكم في تكاليف سلسلة التوريد. وقد استخدمت دراسة حديثة نُشرت في مجلة "Frontiers in Marine Science" شبكة عصبية ذات دوال الأساس الشعاعي (RBF) لتحقيق تنبؤ عالي الدقة لمؤشر شنغهاي لتصدير الحاويات (SCFI) في ظل ازدحام الموانئ، حيث بلغت جودة ملاءمة النموذج 96%. كما تحققت الدراسة من تأثير انتقال أسعار الشحن في ظل ظروف الازدحام الشديد، مما يوفر أداة جديدة للإنذار المبكر بالمخاطر لصناعة الشحن.

بيانات الدراسة ومنهجيتها

أُجريت الدراسة بالتعاون بين باحثين من جامعة كيونغ هي وجامعة تشونغانغ وجامعة دانكوك في كوريا الجنوبية. جمع الفريق بيانات الازدحام اليومي لأربعة موانئ رئيسية هي شنغهاي وبوسان ولوس أنجلوس ونيويورك خلال الفترة من 1 يناير 2016 إلى 1 يناير 2023، وطابقها مع مؤشر SCFI الأسبوعي لنفس الفترة. اختارت الدراسة مؤشر SCFI المركب وخطين رئيسيين للتجارة عبر المحيط الهادئ، وهما شنغهاي-لوس أنجلوس (SCFI1) وشنغهاي-نيويورك (SCFI2)، كهدفين للتنبؤ.

تمتلك الشبكة العصبية ذات الدوال الأساس الشعاعي قدرة قوية على ملاءمة العلاقات غير الخطية، وهي مناسبة لمعالجة العلاقات الديناميكية المعقدة بين ازدحام الموانئ وأسعار الشحن. استخدم الباحثون هذا النموذج للتنبؤ الانحداري بمؤشر SCFI، كما استخدموا نموذج الارتباط مع التأخر الزمني لتحليل خصائص الترابط بين مؤشرات الخطوط المختلفة.

النتائج الرئيسية

أظهرت نتائج الدراسة أن نموذج الشبكة العصبية RBF حقق جودة ملاءمة تنبؤية (R²) بلغت 96% لمؤشر SCFI المركب، و94% لمؤشر SCFI1، و93% لمؤشر SCFI2. وتشير هذه النتائج إلى وجود ارتباط قوي بين مؤشرات ازدحام الموانئ وتقلبات أسعار الشحن، وأن نماذج التعلم العميق قادرة على التقاط التغيرات غير الخطية بشكل فعّال.

والأهم من ذلك، أكد نموذج الارتباط مع التأخر الزمني وجود ارتباط متأخر بين SCFI1 وSCFI2 خلال فترات الازدحام الشديد غير الطبيعي. وهذا يعني أن ازدحام الموانئ لا يؤثر على أسعار الشحن المحلية فحسب، بل قد ينتج عنه تأثير انتقال عبر الخطوط الملاحية، أي أن تقلبات أسعار الشحن على خط معين يمكن أن تمتد إلى خط آخر في غضون أسابيع. وتعكس آلية الانتقال هذه الترابط الوثيق لشبكة النقل بالحاويات العالمية.

تأثير سلسلة التوريد

يؤدي ازدحام الموانئ مباشرة إلى تقليص القدرة الفعلية للنقل، ورفع تكاليف الشحن، وزيادة التكاليف اللوجستية لأصحاب البضائع ووكلاء الشحن. يمكن لشركات الملاحة مواجهة ذلك عبر تعديل الخطوط أو الجداول أو الرسوم الإضافية، ويساعد التنبؤ الدقيق بأسعار الشحن في اتخاذ هذه القرارات. النموذج الجديد الذي تقدمه الدراسة يمكّن شركات الملاحة من توقع اتجاهات أسعار الشحن في وقت أكثر ملاءمة وتحسين توزيع القدرة الاستيعابية مسبقًا، مما يقلل من مخاطر السوق.

أما بالنسبة لأصحاب البضائع، فإن التنبؤ بأسعار الشحن يمكن أن يساعد في إدارة الميزانيات والتفاوض على العقود. وفي سياق الارتباط بين ازدحام الموانئ وأسعار الشحن، يمكن للشركات استخدام نتائج التنبؤ لتعديل خطط المخزون والنقل، والحد من تأثير انقطاعات سلسلة التوريد.

التأثير الإقليمي

الموانئ الأربعة المشمولة بالدراسة هي جميعها بوابات أساسية لمناطقها: ميناء شنغهاي وميناء بوسان هما مركزان مهمان للحاويات في آسيا، بينما يخدم ميناء لوس أنجلوس وميناء نيويورك سوقي الساحل الغربي والساحل الشرقي للولايات المتحدة على التوالي. تؤثر حالات الازدحام في هذه الموانئ بشكل مباشر على استقرار ومستويات أسعار الشحن لخطوط التجارة عبر المحيط الهادئ.تشير التأثيرات الانتقالية التي كشفت عنها الدراسة إلى أن ازدحام ميناء واحد قد ينتشر عبر شبكة الشحن، مما يحدث تأثيرات متسلسلة على الممرات التجارية العالمية. وفي البيئة الحالية التي تولي سلاسل التوريد أهمية كبيرة للتوقيت وانخفاض المخزون، أصبح تقلب أسعار الشحن على مسارات المحيط الهادئ محط تركيز إدارة مخاطر اللوجستيات الدولية.

وجهات النظر في القطاع وأهميتها

ويشير الباحثون إلى أنه على الرغم من أن مؤشر SCFI يعد مؤشرًا مهمًا لسوق الشحن الدولي، إلا أن الدراسات التنبؤية المتعلقة بحالات الازدحام لا تزال محدودة نسبيًا. تركز التنبؤات التقليدية في الغالب على مؤشر البلطيق للشحن الجاف (BDI)، بينما تتأثر أسعار شحن الحاويات بعوامل مثل هيكل العقود والعرض والطلب في السوق، مما يجعل النمذجة أكثر صعوبة. وقد وفّر تطبيق الشبكات العصبية RBF نهجًا كميًا جديدًا للتنبؤ بأسعار شحن الحاويات.

وتؤكد نتائج الدراسة أن الجمع بين البيانات الضخمة للازدحام في الموانئ والتعلم العميق يمكن أن يوفر أساسًا لاتخاذ القرارات في تنظيم نقل الحاويات، ويساعد في تخطيط استراتيجيات الشحن والتخفيف من مخاطر السوق. كما يعرض هذا المسار آفاق تطبيق الذكاء الاصطناعي في مجال اللوجستيات.

التوقعات المستقبلية

مع تطور تقنيات اللوجستيات، من المتوقع أن يتم دمج هذه النماذج التنبؤية بشكل أكبر في منصات الشحن الرقمية وأنظمة مؤشرات أسعار الشحن، لتوفير تحذيرات ديناميكية للسوق. وبالاستناد إلى بيانات الازدحام الفعلية في الموانئ، ومعلومات التتبع عبر إنترنت الأشياء، وحالة الملاحة في الممرات المائية، من المتوقع أن تستمر دقة النماذج في التحسن. وفي ظل حالة عدم اليقين في الممرات الحيوية مثل قناة السويس وقناة بنما، ستعزز هذه الأدوات مرونة سلاسل التوريد العالمية.

بالإضافة إلى ذلك، يمكن استخدام نموذج التأثيرات الانتقالية لتحديد مسارات انتشار المخاطر في شبكة الموانئ، مما يساعد مديري الموانئ وشركات الشحن على وضع إجراءات استباقية. كما أن لهذه المنهجية قيمة مرجعية لتطوير موانئ الأسواق الناشئة وتحسين الممرات التجارية.

الخاتمة

أصبح ازدحام الموانئ عاملاً رئيسيًا في تقلب أسعار شحن الحاويات. وقد أثبت النموذج التنبئي القائم على الشبكات العصبية RBF، بجودة ملاءمة بلغت 96%، فعالية التعلم العميق في تحليل سوق الشحن، وكشف آلية انتقال أسعار الشحن عبر المسارات. وفي ظل التعقيد المتزايد لسلاسل التوريد العالمية، سيصبح التنبؤ بأسعار الشحن المعتمد على البيانات أداة قرار لا غنى عنها لقطاع الشحن ومديري اللوجستيات.

المصدر: Frontiers in Marine Science - Port congestion and container freight rate dynamics: forecasting with an RBF neural network