선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나, 항만개발을 위해서는 많은 예산과 시간이 필요하므로 우선 손쉽고 시급하게 추진되어야 하는 것은 국내 항만의 주요 서비스 지표를 체계적으로 관리함으로써 객관적이고 비교·가능한 환경을 구축하는 것이다. 따라서, 본 연구에서는 선박 점유율에 따라 항만에서 최적의 생산성 지표와 고객 서비스 지표를 체계적으로 관리하고 TOC와 이용자간의 상호 절충점(trade-off)을 확인할 수 있는 소프트웨어를 개발하였다. 이를 통해서 항만에서의 추가적인 시설이나 인력 등의 투자 없이도 단기간에 효과적인 항만관리를 수행하면서 고객의 서비스 수준도 어느 정도 만족시킬 수 있는 계기를 마련하고자 하였다.
- 따라서, 본 연구에서는 선박 점유율에 따라 항만에서 최적의 생산성 지표와 고객 서비스 지표를 체계적으로 관리하고 TOC와 이용자간의 상호 절충점(trade-off)을 확인할 수 있는 소프트웨어를 개발하였다. 이를 통해서 항만에서의 추가적인 시설이나 인력 등의 투자 없이도 단기간에 효과적인 항만관리를 수행하면서 고객의 서비스 수준도 어느 정도 만족시킬 수 있는 계기를 마련하고자 하였다.
가설 설정
- 벌크 부두 또는 컨테이너 부두의 운영 선석수 기준으로 항만에서 선박 대기율 또는 선박 도착 패턴에 따라 항만의 서비스 수준은 달리 나타날 수 있다. 이러한 점을 반영하여 선박이 일정한 시간 간격에 따라 입항한다는 가정 하에 선박 도착 간격의 표준 편차에 따라 항만 서비스 지표인 선박 대기율과 항만의 생산성 지표인 연간 처리량과의 관계를 관리할 수 있도록 Fig. 11과 같이 예측 가능한 화면을 설계하여 개발하였다.
제안 방법
- · 다섯째, 항만의 여러 서비스 지표를 얻기 위한 시뮬레이션 실험 시나리오를 작성하였으며, 선박의 도착 분포로 지수분포를 적용하였다.
- · 둘째, 대상부두의 선정 및 모델링 과정으로 대상 부두로는 벌크부두 1선석부터 4선석과 컨테이너 부두 1선석부터 6선석까지 운영하는 항만에 적용 가능하도록 하였고, 선석의 수에 따라 운영되는 전체 프로세스를 모델링하였다.
- · 마지막으로 개발된 소프트웨어가 적정하게 개발되었는지를 검증하는 단계로, 국가의 소프트웨어 품질 인증 절차를 기준으로 검증하였다(MSIP, 2013).
- · 세째, 모델링된 결과를 기반으로 Arena 소프트웨어를 활용하여 벌크부두와 컨테이너 부두를 대상으로 시뮬레이션 모델 프로그램을 개발하였다.
- · 세째, 벌크부두(일반화물) 및 컨테이너 부두의 성과지표를 관리하기 위한 조회 화면을 설계하였으며, 선석점유율에 따라 선박대기율, 선석처리량, 접안척수, 평균대기 척수 및 평균대기시간을 데이타 또는 그래프로 조회할 수 있게 하였다.
- · 여덟째, 이전 단계의 설계 화면을 기반으로 관계형 데이타베이스 구축과 클라이언트 서버(C/S) 기반의 소프트웨어를 개발하였다.
- · 여섯째, 시뮬레이션 시나리오에 따른 시뮬레이션 독립 변수 정의 및 설정을 진행하였으며, 여기에 적용되는 독립변수는 선석의 수 및 해당 항만의 현실이 반영된 자료(장비수, 장비성능, 야드 규모, 투입인력 규모 등)를 적용하였다.
- · 열한번째, 일반화된 산정식을 통해 실험에서 적용한 범위 내(신뢰구간)에서 결과가 보장될 수 있도록 보장 범위를 제한적으로 적용하였다.
- · 첫째, 소프트웨어에서 공통적으로 사용할 기본 코드의 분석 및 설계를 진행하였다.
- K.(2014)의 연구를 기반으로 벌크 전용부두에서의 최적 서비스 수준에 관한 연구에서 선박의 도착분포로 정규분포와 지수분포를 적용하였다. 그 결과, 선석수 별로 경제성 분석기법을 반영하여 최적 선박대기율을 구하였는데, 1선석은 6.
- UNCTAD(1976)가 발간한 “Port Performance Indicators”에서 제시한 내용을 근간으로 UNCTAD에 의해 제안된 주요 운영 지표는 Table 1에서와 같이 9개를 제안하였다.
- · 첫째, 소프트웨어에서 공통적으로 사용할 기본 코드의 분석 및 설계를 진행하였다. 기본 코드는 총 6가지로 해양수산부의 Port-MIS 시스템에서 사용하는 코드와 국제표준화기구(ISO)의 표준 코드 체계를 기반으로 하였고, Port-MIS 코드를 그대로 적용한 부분은 지역코드, 국가코드, 항구코드, 항만시설코드 및 운영사 코드이며, 나머지 1개는 운영사 운영그룹 코드로 개발 소프트웨어를 활용하기 위하여 Port-MIS의 운영사 코드를 기반으로 추가 일련번호를 부여하여 생성하였다.
- 이러한 지표를 활용하여 선석점유율 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 있게 하였다.
- 첫째, 항만 서비스 지표를 얻기 위한 연구 대상 및 범위를 설정하는 단계로, 연구 대상은 벌크(일반) 부두와 컨테이너 부두를 대상으로 하였다. 또한, 연구 범위로는 선박이 항만에 입항하여 선석에 접안하고 하역 종료 이후에 이안하여 출항하는 프로세스로 하였고, 만일에 입항 선박의 접안 선석이 가용 상태가 아니면, 묘박지에서 대기하다가 선석이 가용상태가 되었을때 접안하는 프로세스도 반영하였다.
- 벌크 부두의 최적화 관리를 위해 Table 4 및 Table 5의 벌크부두 산정식을 적용하여 최적화 1선석 성과지표를 관리할 수 있도록 프로그램을 개발하였다. Fig.
- Soner Esmer(2008)는 항만생산성에 관한 선행연구를 바탕으로 항만관련 기관과 종사자의 의견을 종합하여 항만생산성의 범주를 4가지로 각각 구분하였다. 세부적으로는 생산(Production) 범주에 4가지, 생산성(Productivity) 범주에 7개, 활용도(Utilization) 범주에 4개, 서비스(Services) 범주에 3가지 등 총 18가지로 분류하였다.
- 소프트웨어 구성을 위한 메뉴는 Table 6과 같이 메인(주)메뉴와 서브(하위) 메뉴로 구분하였고, 8개의 주메뉴를 기준으로 메뉴 용도에 따라 최소 2개에서 최대 10개의 서브메뉴로 구성하였으며, 메뉴별 세부 기능은 다음과 같다.
- 소프트웨어 설계를 위해 서비스 제공자인 TOC의 관심 사항인 주요 생산성 지표를 다음과 같이 정의하여 산정하였다.
- 최적 데이타 관리(Optimal Data Management) : 선박의 항만 도착 간격 기준으로 표준편차에 따른 선박 대기율과 선석 처리량의 변화를 시뮬레이션한 결과를 반영한 산정식(Formula)을 등록하여 관리할 수 있게 하였다. 이러한 결과를 활용하면 해당 항만에서 TOC의 대표적 생산성 지표인 연간 처리량과 화주 및 선사의 대표적 서비스 지표인 선박 대기율간에 선박의 도착 패턴에 따라 어떻게 상호 변화되는지를 비교하여 알 수 있다.
- 이러한 항만 서비스 수준 지표의 중요성에도 불구하고, 이를 객관적이고 예측 가능한 수준으로 관리할 수 있는 적합한 소프트웨어가 정부 차원이나 소프트웨어 시장에서 현재까지 마련되지 않고 있다. 이러한 문제점들을 반영하여 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.
- · 다섯째, 일반화물 및 컨테이너 부두의 최적화 설정을 위한 화면을 설계하였다. 이를 통해서 선박의 도착 간격 또는 패턴에 따라 선박대기율과 연간 처리량을 예측할 수 있게 하였고, 해당 항만이나 터미널 운영사에서 최적의 선박 도착 패턴을 설정할 수 있게 하였다.
- 이를 활용하면, 컨테이너 부두 또는 벌크 부두의 선석 운영 규모에 따라, 우선적으로 선석점유율 대비 선박 대기율, 선석 처리량, 접안 척수, 평균 대기 척수, 평균 대기 시간을 예측할 수 있도록 하였다. 추가하여 이를 기초로 항만에 입항하는 선박의 도착 패턴이나 도착 간격에 따라 선박 대기율과 항만의 생산성 지표인 연간 처리량도 어떻게 변화되는지를 예측할 수 있도록 하였다.
- 기본 코드 관리(Basic Code Management) : 소프트웨어에서 사용할 기본 코드를 등록하고 관리하는 메뉴로, 항만의 대륙별 지역코드(Area code), 항만의 국가 소속 코드(Nation Code), 항만 코드(Port code), 항만별 시설 코드(Port Facility Code), 터미널 운영사 코드(TOC code), 터미널 운영사가 다수의 터미널을 운영할 때 관리하기 위한 터미털 운영 그룹 코드(TOC Operation Group Code), 소프트웨어 사용자 계정(User Account)으로 구성되었다. 즉, 국가/항만/항만시설/TOC 단위로 체계적으로 관리할 수 있도록 설계하였다.
- 이를 활용하면, 컨테이너 부두 또는 벌크 부두의 선석 운영 규모에 따라, 우선적으로 선석점유율 대비 선박 대기율, 선석 처리량, 접안 척수, 평균 대기 척수, 평균 대기 시간을 예측할 수 있도록 하였다. 추가하여 이를 기초로 항만에 입항하는 선박의 도착 패턴이나 도착 간격에 따라 선박 대기율과 항만의 생산성 지표인 연간 처리량도 어떻게 변화되는지를 예측할 수 있도록 하였다. 따라서, TOC 입장에서는 서비스 지표인 선박 대기율과 생산성 지표인 연간 처리량의 관계에서 최적의 운영 수준을 전략적으로 절충(Trade-off)할 수 있고, 결과적으로 경쟁 항만과 대비하여 더욱 많은 선사 및 화주를 유치할 수 있으므로 터미널 수입도 극대화할 수 있다.
- 컨테이너 부두의 최적화 관리를 위해서 Table 4 및 Table5의 컨테이너 산정식을 적용하여 최적화 1선석 성과지표를 관리할 수 있도록 프로그램을 개발하였다. Fig.
- 항만 서비스 지표의 분석 절차에 따라 소프트웨어에서 관리할 데이타는 해당 항만의 최근 1년∼3년 간의 실제 항만에 입출항 선박의 접안 및 하역 실적을 토대로 접안 선박의 크기 및 하역규모에 따라 여러 단계의 패턴으로 구분하여 분석하였다.
대상 데이터
- 선석점유율에 따른 예측 구간은 시뮬레이션이 진행된 선석점유율 구간(통상적으로 0.300∼0.750 이내로 1.000은 선석점유율 100%를 의미)만을 대상으로 얻어 내었다.
- 첫째, 항만 서비스 지표를 얻기 위한 연구 대상 및 범위를 설정하는 단계로, 연구 대상은 벌크(일반) 부두와 컨테이너 부두를 대상으로 하였다. 또한, 연구 범위로는 선박이 항만에 입항하여 선석에 접안하고 하역 종료 이후에 이안하여 출항하는 프로세스로 하였고, 만일에 입항 선박의 접안 선석이 가용 상태가 아니면, 묘박지에서 대기하다가 선석이 가용상태가 되었을때 접안하는 프로세스도 반영하였다.
데이터처리
- · 열번째, 실험결과가 적정한 경우에는 실험결과를 취합하여 Excel의 통계 프로그램을 적용하여 일반화를 위한 산정식을 도출하였고, 산정식의 상관관계 결정계수(Coefficient of determination, R2)가 적어도 0.95 이상의 산정식만을 채택하였다.
- · 네째, 시뮬레이션 개발 프로그램이 벌크 부두 및 컨테이너 부두의 선석 운영규모에 따라 적절한 결과를 도출하는지를 검증하였다. 검증 방법은 실제 해당 항만에서 3년간 처리한 실적과 시뮬레이션을 통해 얻은 결과를 비교하여 약 95% 이상(오차범위 5% 이내)의 결과가 유사하면 적절하게 모델링된 것으로 평가하여 적용하였다.
성능/효과
- 6%에서 최적 서비스 수준을 분석하였다. 결과적으로, 최적 서비스 수준은 분석 대상 및 시점에 따라 달라질 수 있음을 언급하였다.
- 결과적으로, 항만의 생산성 지표인 선석 처리량과 선박 접안 척수는 Table 4와 같은 산정식(예시로 실제 상황과 다를수 있음)을 얻었으며, 상관관계 결정계수도 역시 0.95 이상의 값을 얻어 선석점유율에 따른 결과값도 모두 신뢰할 수준임을 알수 있다. 또한, 항만의 서비스 지표인 선박 대기율, 평균 대기 척수 및 평균 대기 시간도 Table 5와 같이 산정식(예시로 실제 상황과 다를수 있음)을 얻었으며, 상관관계 결정계수도 역시 0.
- 그 결과, 선석수 별로 경제성 분석기법을 반영하여 최적 선박대기율을 구하였는데, 1선석은 6.20%∼6.70%, 2선석은 4.20%∼5.60%, 3선석은 3.50%∼4.20%, 4선석은 2.90%∼3.50% 사이를 최적 서비스 수준으로 도출하였다.
- 95 이상의 값을 얻어 선석점유율에 따른 결과값도 모두 신뢰할 수준임을 알수 있다. 또한, 항만의 서비스 지표인 선박 대기율, 평균 대기 척수 및 평균 대기 시간도 Table 5와 같이 산정식(예시로 실제 상황과 다를수 있음)을 얻었으며, 상관관계 결정계수도 역시 0.95 이상의 값을 얻어 선석점유율에 따른 결과값도 모두 신뢰수준을 확보하였음을 의미한다.
- · 일곱째, 선박도착 패턴의 최적화 관리를 위한 화면 설계를 진행하였다. 이 화면을 통해서 선박도착 패턴에 따라 TOC의 생산성 지표인 연간처리량과 항만 이용주체인 선사 및 화주의 서비스 수준인 선박대기율을 선박 도착 패턴에 따라 동시에 조회함으로써 TOC가 최적의 서비스 수준을 다앙하게 판단할 수 있게 하였다.
- 따라서, 본 연구에서 개발된 소프트웨어에 다음과 같은 기능이 향후 추가 개발되어 연계(Interface)될 필요가 있다. 첫째, 실제 항만의 운영 데이터를 실시간으로 반영할 수 있는 데이타 연계 과정이 반영되어야 한다. 이를 위하여 국내 항만에 입항하는 선박들의 입항정보를 실시간으로 반영하기 위한 Port-MIS 시스템과 연계가 필요하다.
- 항만의 생산성 및 서비스 수준과 관련하여 항만에서의 생산성은 항만의 4개 하역시스템인 안벽시스템, 이송시스템, 야드시스템 및 게이트시스템간 성능이 균형있게 유지될때 최고의 생산성을 보장할 수 있고, 항만의 서비스 수준은 항만의 생산성과 직접적으로 관련되어 있다. 따라서, 항만에서 최고의 생산성이 항만의 이용자들에게 항상 최고의 서비스를 보장하는 것은 아니다.
후속연구
- 본 소프트웨어에 위의 추가 기능들이 실시간으로 연계되어 구축된다면, 국내 항만의 서비스 지표를 실시간으로 파악할 수 있고, 다른 항만 경쟁국의 서비스 지표 대비로 국내 항만의 서비스 지표가 어느 수준인지도 신속하게 파악할 수 있어 국내 항만 개발 및 운영 전략을 수립하는데도 중요하게 활용될 수 있을 것이다.
- 둘째, 각 항만에서 가용선석의 부족으로 항계 인근의 묘박지에서 대기하는 선박의 척수 및 대기 시간을 파악하기 위해 각 선박의 AIS 데이터도 연계하여 대기시간을 반영하는 과정도 필요하다. 셋째, 연계된 실시간 데이터를 대상으로 필요시 자동으로 시뮬레이션하기 위한 시뮬레이션 프로그램과 직접 연동이 필요하며, 시뮬레이션 분석 결과는 본 소프트웨어의 데이타베이스에 직접 반영될 수 있는 환경 구축이 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.