컨테이너 터미널의 이론적 대기율과 실제 대기율 비교에 관한 연구: 부산항 신항 A 터미널을 대상으로 A Study on the Gap between Theoretical and Actual Ship Waiting Ratio of Container Terminals: The Case of a Terminal in Busan New Port원문보기
컨테이너 터미널의 선박대기율에 관한 정부의 공식적 발표가 없는 상황에서 부산항 컨테이너 터미널의 선박 입항척수는 연 2.9%이상 증가하고 있다. 컨테이너 터미널의 선석 혼잡이 발생하고 있지만 실제 선박대기율 및 평균 대기시간은 측정되지 않고 있어 터미널 운영 정책 결정에 어려움이 예상된다. 본 연구는 항만시설사용실적자료와 터미널운영데이터자료를 통해 컨테이너 터미널의 대기율을 공인된 대기시간으로 산정하고자 한다. 이를 통해 컨테이너터미널의 선박대기율 측정 방식을 제안하고 터미널의 실제 대기율과 대기행렬이론상의 대기율을 비교하여 차이가 어떻게 발생하는지를 밝혀내고자 한다. 분석결과, 부산항 A터미널의 최근 3년간(2014~2016) 발생한 대기 척수는 총 587척이며, 월평균 16.3척의 대기선박이 발생하는 것으로 나타났으며 대기율은 123.9%를 보이고 있다. 반면, 행렬이론상의 대기율과 실제 터미널의 대기율을 비교하였으며, 점유율 70%일 때 대기행렬이론상 대기율은 31.1%이 도출되었다. 이러한 차이가 나는 이유로는 항만의 특성상 입항선박이 많은 피크요일로 인한 것이라 추정된다. 피크요일 시 대기척수를 조사한 결과, 일요일 197척, 화요일 89척, 수요일 89척의 선박이 대기한 것으로 나타났다.
컨테이너 터미널의 선박대기율에 관한 정부의 공식적 발표가 없는 상황에서 부산항 컨테이너 터미널의 선박 입항척수는 연 2.9%이상 증가하고 있다. 컨테이너 터미널의 선석 혼잡이 발생하고 있지만 실제 선박대기율 및 평균 대기시간은 측정되지 않고 있어 터미널 운영 정책 결정에 어려움이 예상된다. 본 연구는 항만시설사용실적자료와 터미널운영데이터자료를 통해 컨테이너 터미널의 대기율을 공인된 대기시간으로 산정하고자 한다. 이를 통해 컨테이너터미널의 선박대기율 측정 방식을 제안하고 터미널의 실제 대기율과 대기행렬이론상의 대기율을 비교하여 차이가 어떻게 발생하는지를 밝혀내고자 한다. 분석결과, 부산항 A터미널의 최근 3년간(2014~2016) 발생한 대기 척수는 총 587척이며, 월평균 16.3척의 대기선박이 발생하는 것으로 나타났으며 대기율은 123.9%를 보이고 있다. 반면, 행렬이론상의 대기율과 실제 터미널의 대기율을 비교하였으며, 점유율 70%일 때 대기행렬이론상 대기율은 31.1%이 도출되었다. 이러한 차이가 나는 이유로는 항만의 특성상 입항선박이 많은 피크요일로 인한 것이라 추정된다. 피크요일 시 대기척수를 조사한 결과, 일요일 197척, 화요일 89척, 수요일 89척의 선박이 대기한 것으로 나타났다.
The number of ships serviced at the container terminals in Busan is increasing by 2.9% per year. In spite of the increase in calling ships, there are no official records of waiting rate by the port authority. This study attempts to compare the theoretical ship waiting ratio and actual ship waiting r...
The number of ships serviced at the container terminals in Busan is increasing by 2.9% per year. In spite of the increase in calling ships, there are no official records of waiting rate by the port authority. This study attempts to compare the theoretical ship waiting ratio and actual ship waiting ratio. The actual ship waiting ratio of container terminals is acquired from the 2014 to 2016 data of PORT-MIS and Terminal Operating System (TOS). Furthermore, methods and procedures to measure the actual ship's waiting rate of container terminal are proposed for ongoing measurement. In drawing the theoretical ship waiting ratio, the queuing theory is applied after deploying the ship arrival probability distribution and ship service probability distribution by the Chi Square method. As a result, the total number of ships waiting in a terminal for three years was 587, the average monthly service time and the average waiting time was 13.8 hours and 17.1 hours, respectively, and the monthly number of waiting ships was 16.3. Meanwhile, according to the queuing theory with multi servers, the ship waiting ratio is 31.1% on a 70% berth occupancy ratio. The reason behind the huge gap is the congested sailing in the peak days of the week, such as Sunday, Tuesday, and Wednesday. In addition, the number of waiting ships recorded on Sundays was twice as much as the average number of waiting ships.
The number of ships serviced at the container terminals in Busan is increasing by 2.9% per year. In spite of the increase in calling ships, there are no official records of waiting rate by the port authority. This study attempts to compare the theoretical ship waiting ratio and actual ship waiting ratio. The actual ship waiting ratio of container terminals is acquired from the 2014 to 2016 data of PORT-MIS and Terminal Operating System (TOS). Furthermore, methods and procedures to measure the actual ship's waiting rate of container terminal are proposed for ongoing measurement. In drawing the theoretical ship waiting ratio, the queuing theory is applied after deploying the ship arrival probability distribution and ship service probability distribution by the Chi Square method. As a result, the total number of ships waiting in a terminal for three years was 587, the average monthly service time and the average waiting time was 13.8 hours and 17.1 hours, respectively, and the monthly number of waiting ships was 16.3. Meanwhile, according to the queuing theory with multi servers, the ship waiting ratio is 31.1% on a 70% berth occupancy ratio. The reason behind the huge gap is the congested sailing in the peak days of the week, such as Sunday, Tuesday, and Wednesday. In addition, the number of waiting ships recorded on Sundays was twice as much as the average number of waiting ships.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 항만시설사용실적자료와 터미널운영데이터자료를 통해 컨테이너 터미널의 대기율을 공인된 대기시간으로 산정하고자 한다. 이를 통해 컨테이너터미널의 선박대기율 측정 방식을 제안하고 터미널의 실제 대기율과 대기행렬이론상의 대기율을 비교하여 차이가 어떻게 발생하는지를 밝혀내고자 한다.
본 연구에서는 대기행렬시스템의 이론상 도착시간간격이 지수분포를 따르는지를 밝혀내기 위해 부산항 신항 A터미널을 대상으로 분석을 실시하였다.
본 연구는 항만시설사용실적자료와 터미널운영데이터자료를 통해 컨테이너 터미널의 대기율을 공인된 대기시간으로 산정하고자 한다. 이를 통해 컨테이너터미널의 선박대기율 측정 방식을 제안하고 터미널의 실제 대기율과 대기행렬이론상의 대기율을 비교하여 차이가 어떻게 발생하는지를 밝혀내고자 한다.
가설 설정
“H03: 요일별 서비스시간의 차이가 없다”라는 귀무가설이 설정된다.
이론과 실제 선박대기율의 차이는 특정요일에 많은 선박이 입항하기 때문인 것으로 추정되어 이를 검정하기 위해 가설을 설정한다.
주) x축은 도착시간구간, y축은 백분율임.
제안 방법
A 터미널의 경우 6개 선석을 보유한 복수 선석이므로 복수 선석의 대기율 산정공식을 활용하고자 한다. 도착은 λ율로 프와송 분포를 따르고, 서버는 C 개이며, 각 서버는 평균 1/μ인 지수분포를 따른다고 가정할 경우, 산정식은 아래의 식(10), (11), (12), (13), (14), (15)와 같다(Donald Gross et al, 1969).
TOS자료 중 선명, 호출부호, 선박길이, 선박적재능력, 항차, 접안시간, 하역시작시간, 하역종료시간, 이안시간, 평균할당크레인 수, 양·적하량, 총 크레인 작업시간 등을 수집하였으며, Port-MIS의 항만시설사용실적자료 중 항만코드, 호출부호, 항차, 선명, 사용시설목적, 시설코드, 시설명, 이용시작시간 및 종료시간 등을 추출하였다.
가설 검증을 위하여 3년간 요일별 입항선박척수, 물동량, 서비스시간을 조사하여 분석하였다.<표 9>
선박자동식별시스템 (AIS, Auto Identification System) 정보를 활용하여 국내 주요 항만의 서비스 지표인 선석점유율 및 선종별 대기율을 분석하였다. 국내 항만 중 포항항이 비정상적으로 높은 대기율을 보이고 있는데, 그 이유는 물류흐름상의 절차, 너울(스웰)과 같은 외부영향으로 인한 대기 등으로 추정하였다.
대기시스템으로 서비스 수준 평가지표간의 관계를 분석하였다.
박병인·배종욱·박상준(2009)은 항만별 서비스 수준을 실증분석하기 위해 국내 28개 무역항에 대한 기회비용 관점의 항만 대기비용을 산정하였다. 또한 이러한 항만대기비용 산정결과를 활용하여 항만별 서비스 수준을 평가하였다.
본 연구에서는 TOS와 Port-MIS 항만시설사용실적자료를 활용하여 실제 대기시간 및 평균대기율 산정하였다. 분석결과, 부산항 A터미널의 최근 3년간(2014∼2016) 발생한 대기 척수는 총 587척이며, 월평균 16.
이기열·김근섭·김은수·정무영(2015)에 의하면 국내 항만의 경우 항만 체선을 도출하기 위해 전체 입항선박 수 대비 대기시간이 12시간 이상인 선박의 척수를 바탕으로 산정하기 때문에 실제 선박 대기 현상의 발생 현황을 파악하기 힘들다고 주장하였다. 선박자동식별시스템 (AIS, Auto Identification System) 정보를 활용하여 국내 주요 항만의 서비스 지표인 선석점유율 및 선종별 대기율을 분석하였다. 국내 항만 중 포항항이 비정상적으로 높은 대기율을 보이고 있는데, 그 이유는 물류흐름상의 절차, 너울(스웰)과 같은 외부영향으로 인한 대기 등으로 추정하였다.
이를 이용하여 평균선석점유율과 예상되는 선박의 대기시간간의 관계를 규명하였다. 선석점유율과 대기시간의 관계 모델을 활용하여 인천항에 적정항만시설을 산정하였다.
백인흠(1998)에 의하면 항만 전체는 선박대기시간과 밀접한 관계가 있으며, 항만에 대기행렬이론을 적용하여 선박의 도착형태와 부두서비스 시간을 분석하였다. 이를 이용하여 평균선석점유율과 예상되는 선박의 대기시간간의 관계를 규명하였다. 선석점유율과 대기시간의 관계 모델을 활용하여 인천항에 적정항만시설을 산정하였다.
장영태(1991)은 체선·체화가 문제되는 항만의 개선을 위하여 선박의 체항시간을 단축시켜 경제적 기회비용을 높여야 함을 주장하였다. 항만의 서비스 지표로 선박당 평균 재항시간과 대기시간을 제시하였다. 도착시간분포와 서비스시간분포가 얼랑분포를 나타낼 때 대기추정식을 이용할 수 있다고 주장하였다.
대상 데이터
A 터미널은 부산항 신항의 북측에 위치한 6개 선석을 보유한 터미널 총 선석길이 2km를 보유하고 있다. A 터미널 시설현황은 <표 1>과 같다.
본 연구에서는 A 터미널의 실제 대기시간을 산정하기 위하여 2014년~2016년 3년간의 TOS 자료와 Port-MIS의 항만시설사용실적정보를 활용하였다. TOS자료 중 선명, 호출부호, 선박길이, 선박적재능력, 항차, 접안시간, 하역시작시간, 하역종료시간, 이안시간, 평균할당크레인 수, 양·적하량, 총 크레인 작업시간 등을 수집하였으며, Port-MIS의 항만시설사용실적자료 중 항만코드, 호출부호, 항차, 선명, 사용시설목적, 시설코드, 시설명, 이용시작시간 및 종료시간 등을 추출하였다.
연구의 범위는 부산항 신항의 A터미널을 대상으로 한다. 본 연구의 2장은 대기율과 관련된 선행연구를 검토하고, 3장은 대기행렬이론을 통한 이론상 대기율 산정, 4장은 A터미널을 대상으로 3년간 실제 운영현황을 분석하여 실제 대기율을 측정하며, 대기행렬이론의 대기율과 컨테이너 터미널 실제 산정된 대기율 결과값과 비교 분석하며 5장은 결론 및 향후 연구를 다루고 있다.
자료 : A 터미널 Port-MIS 자료(2014~2016).
자료 : A 터미널 TOS 자료(2014~2016).
자료 : A 터미널 자료.
자료 : 해양수산부 항만시설사용실적자료(2014~2016).
데이터처리
이를 검증하기 위해 χ2 검증을 실시하였으며, 검증결과는 요일별 차이가 있다는 것이다.
이론/모형
001448로 나타났다. A터미널의 서비스시간간격이 베타분포에 적합한지를 테스트하기 위하여 Chi Square Test기법을 사용하였다. 그 결과 <표 3>과 같이 적합성이 유의한 것으로 나타났다.
A터미널의 선박도착시간간격이 지수분포에 적합한지를 테스트하기 위하여 Chi Square Test기법을 사용하였으며, 와 같이 적합성이 유의한 것으로 나타났다.
성능/효과
A 터미널의 3년간(2014~2016)의 Port-MIS자료를 바탕으로 서비스시간간격을 분석한 결과, 총 입항선박 수는 6,675척으로 동일하며, 평균 서비스시간은 14.2시간, 서비스시간분포는 베타분포, Square Error는 0.001448로 나타났다. A터미널의 서비스시간간격이 베타분포에 적합한지를 테스트하기 위하여 Chi Square Test기법을 사용하였다.
A 터미널의 3년간(2014~2016)의 Port-MIS자료를 바탕으로 선박도착시간간격을 분석한 결과, 총 입항선박 수는 6,675척, 평균 도착시간은 3.94시간, 도착분포는 와 같이 지수분포를 나타냈으며, 분포의 Square Error는 0.0022로 나타났다.
A터미널의 TOS자료와 Port-MIS항만시설사용실적 자료를 활용하여 평균대기시간/평균접안시간의 식(16)을 이용하여 산정한 대기율 결과는 과 같으며, 부산항 A터미널의 최근 3년간(2014∼2016) 발생한 대기 척수는 총 587척, 월평균 16.2척의 대기선박이 발생하는 것으로 나타났다.
또한, 특정 요일 입항 선박에 영향을 받아 대기선박도 특정 요일에 높게 나타나고 있는 것으로 나타났다. 일요일 197척, 화요일 89척, 수요일 89척으로 선박이 대기한 것으로 나타나 이들이 평균대기율을 높인 것으로 추정된다.
46% 연평균 증가율을 나타냈다<그림 5>. 물동량과 선석점유율과의 상관관계를 살펴보면 87%로 분석되어 물동량과 비례하여 선석 점유율도 상승하는 것으로 분석되었다.
9%를 보이고 있다. 반면, 행렬이론상의 대기율과 실제 터미널의 대기율을 비교하였으며, 점유율 70%일 때 대기행렬이론상 대기율은 31.1%이 도출되었다. 이러한 차이가 나는 이유로는 항만의 특성상 입항선박이 많은 피크요일로 인한 것이라 분석된다.
부산항 신항 A 터미널의 3년간 입항선박 및 화물량을 월별로 분석한 결과, 입항선박은 2014년 2, 183척에서 2016년 2,544척으로 361척 증가, 처리량은 2014년 3,986천TEU에서 2016년 4,678천TEU로 692천TEU 증가하면서 최근 3년간 입항척수는 5.2%, 처리량은 5.5% 연평균 증가율을 나타냈다<;그림 4>. 2014년도 평균 선석점유율은 65.
분석결과, 부산항 A터미널의 최근 3년간(2014∼2016) 발생한 대기 척수는 총 587척이며, 월평균 16.3척의 대기선박이 발생하는 것으로 나타났으며 대기율은 123.9%를 보이고 있다.
선박대기율은 컨테이너 터미널 서비스 수준을 측정하는 주요한 지표이므로 이를 낮추려는 노력이 필요하다. 선박의 대기율을 줄이는 방법은 여러 가지 방안이 있으나 새로운 선석을 개발하지 않고도 요일별 선박의 입항을 분산시키면 상당한 효과가 있을 것으로 나타났다.
실제 입항하는 선박을 그림으로 표현하면 일요일, 화요일, 수요일에 평균 1,016척 이상의 선박이 입항하는 것으로 나타났다.<그림 9>
입항 선박 규모는 5,000TEU 이하의 피더선급 선박이 전체의 61.3%를 차지하며, 5천TEU급이상의 모선이 38.7%를 차지하고 있으며, 선박당 서비스 시간은 5,000TEU 이하가 평균 7시간 걸리며, 5천 TEU급이상의 모선이 평균 16.8시간 걸리는 것으로 분석되었다.
2%로 증가하였다. 입항선박 및 물동량 증가로 인해 선석점유율은 4.46% 연평균 증가율을 나타냈다<;그림 5>. 물동량과 선석점유율과의 상관관계를 살펴보면 87%로 분석되어 물동량과 비례하여 선석 점유율도 상승하는 것으로 분석되었다.
제3절에서 제시한 바와 같이 대기행렬이론상 대기율은 점유율 70%일 때 31.1%로 산정되었고, A터미널의 실제 대기율 산정 값은 선석 점유율 71.4%일 때 123.9% 대기율로 산정되었다.<그림 8>
즉, Square Error는 0.0581로서 크게 나타나지만 유의 확률의 검증 결과 (P< 0.005)는 유의한 것으로 나타났다.
이를 검증하기 위해 χ2 검증을 실시하였으며, 검증결과는 요일별 차이가 있다는 것이다. 즉, 입항 척수, 물동량, 서비스 시간 등 대기에 영향을 주는 주요 요소들이 요일별 차이가 있음을 밝혀냈다.
2척의 대기선박이 발생하는 것으로 나타났다. 평균 대기시간/평균 접안시간 대기율(시간기준)은 123.9%로 나타났다.
후속연구
향후 연구과제로는 다양한 선석 수의 변화를 통하여 선박대기율의 변화를 관찰하면서 그 원인을 면밀하게 분석할 필요가 있을 것이다. 항만은 우리나라에서 중요한 국가적 인프라인 만큼 정밀한 분석을 통한 대기율의 서비스지표를 관리해야만 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
김창곤은 대기이론을 어떻게 분석했는가?
김창곤(2000)은 선박대기시간 비율, 선박대기 확률, Norm-time 초과 비율을 컨테이너 터미널의 서비스 수준 평가지표로 제시하고 이들의 상호관계를 대기이론을 이용하여 분석하였다. 컨테이너 터미널은 엄밀히 개방형 대기시스템(open queueing syste -m)이나 시스템의 크기가 크고 또한 선박도착시간 분포 등 관련시간 분포가 마코프 특성을 만족하지 않는 경우가 많기 때문에 대기이론을 이용하여 해석학적으로 문제를 푸는 것은 한계가 있다고 주장하였다. 대기시스템으로 서비스 수준 평가지표간의 관계를 분석하였다.
선박의 대기시간 비율의 이용처는 무엇인가?
UNCTAD(1973, 1985)에 의하면 선박의 대기시간 비율을 항만의 서비스수준 중요 지표로 사용하고 있으며, 항만의 권장 서비스 수준의 대기율은 30% 이내 수준의 대기시간을 유지할 것을 주장하였다.
선박대기율의 현재 상황은 무엇인가?
컨테이너 터미널의 선박대기율에 관한 정부의 공식적 발표가 없는 상황에서 부산항 컨테이너 터미널의 선박 입항척수는 연 2.9%이상 증가하고 있다. 컨테이너 터미널의 선석 혼잡이 발생하고 있지만 실제 선박대기율 및 평균 대기시간은 측정되지 않고 있어 터미널 운영 정책 결정에 어려움이 예상된다.
참고문헌 (13)
김창곤(2000), 컨테이너 터미널의 서비스 수준 평가지표에 대한 고찰, 한국해양수산개발원, 제15권 제1호, 39-57.
박병인.배종욱.박상준(2009), 선박당 평균대기비용에 의한 항만의 서비스 수준 평가, 한국항만경제학회, 제25권 제4호, 185-205.
박상국(2016), 컨테이너 전용부두의 최적 서비스 수준에 관한 연구, 한국항만경제학회, 제32권 제2호, 137-156.
백인흠(1998), 선박재항시간에 대한 분석연구, 한국수산해양교육학회, 제10권 제1호, 1-14.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.