$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

컨테이너 터미널의 재정돈 대상 컨테이너 주기적 재선택 방안
Iterative Container Reselection Methods for Remarshaling in a Container Terminal 원문보기

한국항해항만학회지 = Journal of navigation and port research, v.34 no.6 = no.152, 2010년, pp.503 - 509  

박기역 (부산대학교 컴퓨터공학과) ,  박태진 (부산대학교 컴퓨터공학과) ,  류광렬 (부산대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

장치장 재정돈은 선적작업의 효율을 향상시키기 위해 사전에 컨테이너들을 재배치해 두는 작업을 일컫는다. 일반적으로 재정돈 작업에는 상당한 시간이 소요되지만 선적작업 시작 이전에 이를 위한 충분한 유휴 시간이 확보되기 어렵기 때문에 선택적인 재정돈이 필요하게 된다. 본 연구에서는 재정돈 대상 컨테이너의 선택 방안으로 제안된 바 있는 휴리스틱 방안과 유전알고리즘 기반의 방안에 대해 객관적인 비교 실험을 수행하고 각각의 성능 특징을 분석한다. 특히 작업현장의 불확실성 때문에 발생하는 계획과 실행 간의 괴리를 극복하기 위해 제안된 주기적 재선택 방안에 대해서도 면밀한 실험을 통한 검증을 시도한다. 현실성있는 불확실성 모델을 도입한 시뮬레이션 실험 결과, 휴리스틱 방안의 경우에는 계산 부담이 거의 없기 때문에 재선택 주기가 짧을수록 불확실성에 대한 대처가 빨라서 성능이 좋은 반면, 유전알고리즘 기반의 방안은 탐색에 소요되는 시간 부담 때문에 적절한 세대 변천 수가 보장되는 정도의 주기로 재선택을 하는 것이 유리한 것으로 확인되었다.

Abstract AI-Helper 아이콘AI-Helper

Remarshaling is referred to a preparatory task of rearranging containers piled up in a stacking yard to improve the efficiency of loading. Selective remarshaling is required because the time for remarshaling known as large time-consuming task is not enough to remarshal all containers. In this resear...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구의 가정이 한 대의 크레인이 작업을 수행하는 상황이므로 크레인 두 대의 간섭 등 복잡한 상황은 시뮬레이션하지 않았다. 또한, 본 연구의 목표는 재정돈 수행 후 블록에서의 적하 시 컨테이너 처리 시간을 최소화하는 것이므로, 이송 차량의 시뮬레이션까지 필요한 안벽 크레인의 효율을 직접 측정하지는 않았다.
  • 또한, 유전알고리즘을 이용한 방안은 적하 작업 소요 시간을 컨테이너 선택기준으로 하고, 휴리스틱 방안은 주어진 적하 계획에 따라 작업할 때의 예상 적하 지연 정도를 선택기준으로 함으로 인해, 두 방안 간의 비교 결과가 객관적이지 못했다. 본 논문에서 선택기준을 유전알고리즘의 기준으로 통일하여 실험함으로써 비교 결과의 객관성을 확보하도록 한다. 이후 3장에서는 휴리스틱 방안과 유전알고리즘에 의한 재정돈 컨테이너 선택 방안을 소개하고, 4장에서는 Park et al.
  • 최근 장치장 크레인의 작업 효율을 향상시키기 위한 연구가 다양하게 진행되어 왔다. 본 논문에서는 특히 재정돈 방법을 통해 적하 시 장치장 크레인의 효율을 향상시키는 방안을 제안한다. 재정돈이란 적하 작업이 시작되기 전 크레인의 유휴시간을 이용하여 컨테이너들을 정리 정돈해 둠으로써 적하 시 장치장 크레인의 작업 효율을 향상시키고자 하는 준비 작업을 말한다.
  • 그러나 실제 현장에서는 재정돈 작업을 위한 시간이 충분히 확보되지 않아 적하 대상 컨테이너들 중 일부에 대해서만 정리 작업을 하는 경우가 많다. 본 논문은 기존에 제안된 재정돈 대상 컨테이너 선택방안들을 현실적인 환경에서 실험하여 그 성능을 엄격하게 비교하고자 한다. 제한된 시간 내에 재정돈을 하면서 높은 효율을 얻기 위해서는 적하 작업의 지연을 많이 일으키는 컨테이너를 선택하여 재정돈 하는 것이 유리하다.
  • 장치장 크레인의 경우 이동 소요시간에는 거의 불확실성이 없으나 컨테이너를 집거나 놓는 작업은 컨테이너 장치 상태에 따라 그 소요시간에 상당한 불확실성이 존재한다. 본 연구에서는 현장 조사를 바탕으로 크레인의 컨테이너를 집거나 놓는 동작에 표준 정규분포에 기반을 둔 불확실성이 발생하도록 하였다.
  • (2007)이 제안한 주기적 재계획 방안을 차용하여 주기적으로 컨테이너를 다시 선택하는 방안이 제안되었다. 이 방안은 소정의 주기마다 앞으로 남은 시간 동안 재정돈할 컨테이너들을 다시 선택하고 그렇게 선택된 컨테이너로 계획을 재수립하여 계획과 실제 재정돈 작업과 결과의 차이를 줄이고자 하는 것이다. 당연히, 이미 재정돈된 컨테이너는 다음 계획에서 선택 대상에 포함되지 않는다.
  • 재정돈의 목적은 크레인의 유휴시간을 이용하여 적하 작업의 효율을 최대한 향상시킬 수 있도록 미리 준비하는데 있다. 따라서 유휴시간이 제한되어 있다면 적하 시 장치장 크레인의 이동거리가 길거나 재취급이 많이 필요한 컨테이너들을 우선적으로 재정돈 대상으로 선택하되, 이렇게 선택된 컨테이너들에 대한 재정돈 작업이 주어진 유휴시간 내에 완료될 수 있어야 한다.

가설 설정

  • 장치장에는 7개의 블록이 있으며 각 블록은 41개의 베이로 이루어져 있고, 각 베이는 10개의 5단 스택으로 구성되어 있다. 각 블록에는 같은 크기의 장치장 크레인 두 대가 설치되어 있지만 해측의 장치장 크레인만 재정돈 작업을 수행한다고 가정하였다. 장치장 크레인은 부산 신항에 건설 중인 자동화 터미널에 도입예정인 장비와 같은 사양을 가지는 것으로 설정하였다.
  • 본 논문에서 비교 대상이 되는 재정돈 컨테이너 선택 방안들의 성능을 평가하기 위한 실험 환경은 다음과 같다. 먼저 대상 터미널은 한 선박에 3대의 안벽 크레인이 적하 작업을 수행하는 것으로 가정하였다. 장치장에는 7개의 블록이 있으며 각 블록은 41개의 베이로 이루어져 있고, 각 베이는 10개의 5단 스택으로 구성되어 있다.
  • 그런데 이동거리나 재취급 수와는 달리, 선택된 컨테이너들을 모두 재정돈하는데 소요되는 시간은, 컨테이너가 옮겨질 위치를 확정한 다음 실제로 옮기는 작업까지 시뮬레이션 해 보기 전에는 정확히 알 수 없다. 본 논문에서는 재정돈 대상 컨테이너들이 모두 해측 HP에 가까이 위치한 베이로 재정돈된다는 가정 하에 이동 시 평균 소요시간을 적용함으로써 (실험에서는 평균치를 해측 HP로부터 2번째 베이로 설정) 재정돈 소요시간을 대략적으로 추정한다.
  • 이 시뮬레이터는 장치장 크레인의 주행, 권상, 권하, 횡행을 가감속을 반영하여 모사할 수 있으며, 이동 거리 및 작업 상황에 따라 작업 수행 시간을 정교하게 계산할 수 있다. 본 연구의 가정이 한 대의 크레인이 작업을 수행하는 상황이므로 크레인 두 대의 간섭 등 복잡한 상황은 시뮬레이션하지 않았다. 또한, 본 연구의 목표는 재정돈 수행 후 블록에서의 적하 시 컨테이너 처리 시간을 최소화하는 것이므로, 이송 차량의 시뮬레이션까지 필요한 안벽 크레인의 효율을 직접 측정하지는 않았다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
컨테이너 터미널의 생산성은 무엇에 의해 좌우되는가? 컨테이너 터미널의 생산성은 선박의 정박시간에 의해 크게 좌우된다. 선박의 정박시간은 컨테이너를 선박에 싣는 적하 작업과 선박에서 컨테이너를 내리는 양하 작업을 수행하는 안벽 크레인의 작업 효율에 따라 결정된다.
재정돈 컨테이너의 선택을 위한 유전알고리즘의 집단 내 유전자 개체는 무엇과 비례하는가? 재정돈 컨테이너의 선택을 위한 유전알고리즘의 집단 내 개체는 간단한 이진 벡터 형태로 표현된다. 각 유전자의 이진 값은 해당 컨테이너의 재정돈 여부와 대응된다. 예를 들어 i번째 유전자의 값이 1인 것은 i번째 컨테이너가 재정돈 대상으로 선택됨을 의미한다.
선박의 정박시간은 무엇에 따라 결정되는가? 컨테이너 터미널의 생산성은 선박의 정박시간에 의해 크게 좌우된다. 선박의 정박시간은 컨테이너를 선박에 싣는 적하 작업과 선박에서 컨테이너를 내리는 양하 작업을 수행하는 안벽 크레인의 작업 효율에 따라 결정된다. 양하의 경우 컨테이너들을 선박으로부터 내려 장치장의 가용 공간 어디에든 쌓아두면 되기 때문에 보통 작업이 신속히 진행될 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. 강재호, 류광렬, 김갑환(2006), "장치장에서 베이 내 컨테이너의 효율적인 재정돈 방안", 한국지능정보시스템학회, pp. 287-295. 

  2. 김지은, 박기역, 박태진, 류광렬(2009), "제한된 유휴시간을 고려한 자동화 컨테이너 터미널의 재정돈 컨테이너 선택 방안", 한국항해항만학회지, vol. 33, No. 10, pp. 715-722. 

  3. Ahn, E. Y., Park, K., Kang, B. and Ryu, K. R.(2007), "Real Time Scheduling by Coordination for Optimizing Operations of Equipments in a Container Terminal", Proceedings of ICTAI 2007, vol. 1, pp. 44-48. 

  4. Hirashima, Y., Ishikawa, N. and Takeda, K.(2006), "A New Reinforcement Learning for Group-Based Marshalling Plan Considering Desired Layout of Containers in Por Terminals", Proc. IEEE Conf. Networking , Sensing and control, pp.670-675 

  5. Kang, J., Oh, M, S., Ahn, E. Y., Ryu, K. R. and Kim, K, H.(2006), "Planning for Intra-block Remarshalling in a Container Terminal", 19th International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems, vol. 4031, pp. 1211-1220. 

  6. Kim, K. H., and Bae, J. W.(1998), "Re-marshalling export containers in port containers terminals", Computers and Industrial Engineering, 35(3-4), 655-658. 

  7. Lee, Y., and Hsu, N.Y.(2007), "An optimization model for the container pre-marshalling problem", Computer and operations Research, vol.34, pp.3395-658 

  8. Park, T., Kim, J., and Ryu, K. R.(2010), "Iterative Replanning using Genetic Algorithms for Remarshaling in a Container Terminal", Proceedings of AIA 2010, CD, ISBN-(Book)978-0-88986-817-5. 

  9. Park, K., Park, T., and Ryu, K. R.(2009), "Planning for remarshaling in an automated container terminal using cooperative coevolutionary algorithms", Proceedings of SAC 2009, 1098-1105. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로