[논문 리뷰] 항만에서 최적 생산성 및 서비스 수준 관리를 위한 소프트웨어 개발

내가 논문 읽은 이유: 선박 대기율을 증가시키는 요인에는 무엇이 있는지 알아내기 위해

 

논문요약: 컨테이너 부두 및 벌크부두를 대상으로 중요 서비스 지표인 선석 점유율, 선박 대기율, 선석 처리량, 접안 척수, 평균 대기 척수, 평균 대기 시간과 같은 6개 지표를 객관적으로 정의하고 관리할 수 있는 소프트웨어를 개발하였다. 컨테이너 부두는 1개 선석부터 6개 선석까지와 벌크 부두는 1개 선석부터 4개 선석까지를 선택적으로 활용할 수 있도록 6개의 서비스 지표를 산정하여 예측이 가능토록 하였다. 이를 활용하면 선석점유율 대비 선박 대기율, 선석 처리량, 접안 척수, 평균 대기 척수, 평균 대기 시간을 예측할 수 있다. 

추가하여 선박의 도착 패턴에 따라 선박 대기율과 항만의 생산성 지표인 연간 처리량도 어떻게 변화되는지를 예측할 수 있도록 하였다. 

 

연구의 필요성: 항만 개발을 위해서는 많은 예산과 시간이 필요하므로 우선 손쉽고 시급하게 추진되어야 하는 것은 국내 항만의 주요 서비스 지표를 체계적으로 관리함으로써 객관적이고 비교가능한 환경을 구축하는 것이다. 이번 연구를 통해, 추가적인 시설이나 인력 등의 투자 없이도 단기간에 효과적인 항만관리를 수행하면서 고객의 서비스 수준도 어느정도 만족시킬 수 있는 계기를 마련하고자 한다. 

 

연구 내용:

1. 항만의 생산성 지표 및 서비스 지표 정의

    1-1) 선석 점유율 = SUM(입항선박의 접안시간)/ SUM(,선석의 총 가용시간)

    1-2) 선석 처리량 = SUM(선박별 하역량)

    1-3) 접안 척수 = SUM(하역 처리한 선박 수)

    1-4) 선박 대기율 = AVG(SUM(대기선박의 대기시간))/ AVG(SUM(입항선박의 접안시간))

    1-5) 평균 대기 척수 = 대기 선박 수....(? 오타인가 AVG(대기 선박 수)가 아닌데 왜지,,,,)

    1-6) 평균 대기 시간 = SUM(대기선박의 대기시간)/ 총대기 선박수

선석점유율을 기준으로 선석 처리량, 접안 척수, 선박대기율, 평균 대기 척수 및 평균 대기 시간을 구할 수 있다. 

또한, 역으로 선박 대기율 기준으로 선석 점유율을 산정함으로써 필요 목적에 따라 다양하게 지표값을 활용할 수 있다.

 

2. 생산성 및 서비스 지표의 분석 절차

1번에서 정의된 항만 서비스 지표를 얻기 위한 분석 절차는 아래의 12단계를 거쳤다.

    2-1) 항만 서비스 지표를 얻기 위한 연구 대상 및 범위를 설정하는 단계

    -> 연구 대상: 벌크(일반) 부두와 컨테이너 부두, 연구 범위: 입항 -> 출항(선석과 접안과정 포함)

    2-2) 대상부두의 선정 및 모델링 과정

    -> 대상 부두: 벌크부두 1석부터 4선석, 컨테이너부두 1선석부터 6선석까지 운영하는 항만(아마 부산 신항)

    -> 선석의 수에 따라 운영되는 전체 프로세스를 모델링함.

    2-3) 모델링된 결과를 기반으로 Arena 소프트웨어를 활용하여 벌크부두와 컨테이너 부두를 대상으로 시뮬레이션 모델 프로그램을 개발

    2-4) 시뮬레이션 개발 프로그램이 적절한 결과를 도출하는지를 검증

    2-5) 항만의 여러 서비스 지표를 얻기 위한 시뮬레이션 실험 시나리오를 작성하였으며, 선박의 도착 분포로 지수분포를 적용하였다. (선박의 도착분포가 지수분포를 형성하지 않는 경우에는 대안으로 적합한 도착분포, 예를 들면 포아송분포를 적용하여도 무방한 것으로 확인되었다.)

    2-6) 시뮬레이션 시나리오에 따른 시뮬레이션 독립 변수 정의 및 설정을 진행

    -> 독립변수로 선석의 수 및 해당 항만의 현실이 반영된 자료(장비수, 장비성능, 야드 규모, 투입인력 규모 등)를 적용하였다. 

    2-7) 시뮬레이션을 진행함

    2-8) 시뮬레이션 결과를 검증하는 단계로 실험에 따른 오차를 줄이기 위해 동일 실험을 최소 10회에서 최대 50회 진행

    2-9) 실험결과를 검증하여 부적정한 경우에는 시뮬레이션 독립변수를 조정하여 동일 실험을 반복

    2-10) 실험결과가 적정한 경우에는 실험결과를 취합하여 Excel의 통계 프로그램을 적용하여 일반화를 위한 산정식을 도출하고, 산정식의 상관관계 결정계수가 적어도 0.95 이상의 산정식만을 채택

    2-11) 일반화된 산정식을 통해 실험에서 적용한 범위 내(신뢰구간)에서 결과가 보장될 수 있또록 보장 범위를 제한적으로 적용하였다.

    2-12) 산정식에 따라 주요 서비스 지표를 활용하여 최적 서비스 수준을 도출하고, 소프트웨어에 적용하기 위한 데이터 값을 정리.

 

3. 항만의 생산성 및 서비스 지표의 도출 산정식

    3-1) 입출항 선박의 접안 및 하역 실적을 토대로 접안 선박의 크기및 하역규모에 따라 여러 단계의 패턴으로 구분하여 분석하였다. (이렇게 여러 단계로 패턴을 구분한 이유는 입항 선박의 크기 및 하역 규모에 따라 하역 작업에 투입되는 장비수 인력의 규모가 달라 하역 처리 속도가 달라질 수 있기 때문이다.)

   3-2) 선석점유율 기준으로 산점도 형태로 좌표에 나타내면 패턴을 형성하게 된다. 형성된 산점도 패턴을 반영한 일반화 산정식을 도출하므로서 선석점유율에 따라 필요한 생산성 지표 및 서비스 지표 값을 예측할 수 있다. (선석점유율 구간은 0.3~0.75 이내만을 대상으로 얻어 내었다.)
   3-3) 선박의 도착 패턴도 해당 항만의 선박 도착 패턴과 도착 패턴에 따른 투입장비의 규모 및 투입 인력의 규모 모두 반영한다.  

   3-4) 선석 점유율을 x값으로 하고 선석 개수별 선석 처리량, 선석 접안 척수, 대기 척수, 대기 시간, 대기율을 y값으로 하는 사정식을 구한다. (상관관계 결정계수도 0.95이상의 값을 얻는다.)

 

4. 소프트웨어 메뉴 구성(...불필요한 내용 생략)

    4-1) 분석 자료 관리

    -> 선박 대기율, 선석 처리량, 선석 접안척수, 평균 대기 척수, 평균 대기시간에 대한 5개의 산정식을 등록하여 관리

    4-2) 최적 데이터 관리

    -> 선박의 항만 도착 간격 기준으로 표준편차에 따른 선박 대기율과 선석 처리량의 변화를 시뮬레이션한 결과를 반영한 산정식을 등록하여 관리

    --> 연간 처리량과 선박 대기율간에 선박의 도착 패턴에 따라 어떻게 상호 변화되는지를 비교하여 알 수 있음.

   4-3) 도착 간격 패턴 중에 가장 적합한 최적 도착 패턴 구간을 설정할 수 있게 함.

    -> 선박도착 최적화 실현

 

5. 소프트웨어 개발(...불필요한 내용 생략)

    5-1) 선석점유율에 따라 선박대기율, 선석퍼리량, 접안척수, 평균대기척수 및 평균대기시간을 데이터 또는 그래프로 조회할 수 있게 함.

   5-2) 최적 선박 대기율과 최적 선석 처리량을 도출할 수 있는 산정식을 등록하고 관리

   5-3) 선박의 도착 간격 또는 패턴에 따라 선박대기율과 연간 처리량을 예측할 수 있게 하였고, 해당 항만이나 터미널 운영사에서 최적의 선박 도착 패턴을 설정할 수 있게 함.

  

6. 한계

    6-1) 실제 항만의 운영 데이터를 실시간으로 반영할 수 있는 데이터 연계 과정이 반영되어야 한다. 이를 위하여 국내 항만에 입항하는 선박들의 입항정보를 실시간으로 반영하기 위한 Port-MIS 시스템과 연계가 필요하다

    6-2) 각 항만에서 가용선석의 부족으로 항계 인근의 묘박지에서 대기하는 선박의 척수 및 대기 시간을 파악하기 위해 각 선박의 AIS 데이터도 연계하여 대기시간을 반영하는 과정도 필요하다.

    6-3) 연계뙨 실시간 데이터를 대상으로 필요시 자동으로 시뮬레이션하기 위한 시뮬레이션 프로그램과 직접 연동이 필요하며, 시뮬레이션 분석 결과는 본 소프트웨어의 데이터베이스에 직접 반영될 수 있는 환경 구축이 필요하다.

 

출처: 박상국. "항만에서 최적 생산성 및 서비스 수준 관리를 위한 소프트웨어 개발." Journal of Korean Navigation and Port Reserch 41.3 (2017): 137-148.