[논문]주성분 분석기법을 이용한 선박의 연료소비 예측에 관한 연구

김영롱; 김구종; 박준범

doi:10.5394/kinpr.2019.43.6.335

초록
AI-Helper

최근 선박의 배기가스 규제가 강화되면서 연료소비량을 저감하기 위한 많은 방안들이 검토되고 있다. 그중에서도 선박으로부터 수집한 데이터를 활용하여 연료소모량을 예측하는 기계학습 모델을 개발하고자 하는 연구가 활발히 수행되고 있다. 하지만 많은 연구들이 학습모델의 주요 변수 선정이나 수집데이터의 처리 방법에 대한 고려가 미흡하였으며, 무분별한 데이터의 활용은 변수 간의 다중공선성 문제를 야기할 수도 있다. 본 연구에서는 이러한 문제점을 해결하기 위하여 주성분 분석을 이용하여 선박의 연료소비를 예측하는 방법을 제시하였다. 13K TEU 컨테이너 선박의 운항데이터에 주성분 분석을 수행하였으며, 추출한 주성분으로 회귀분석을 수행하여 연료소비 예측모델을 구현하였다. 평가용 데이터에 대한 모델의 설명력은 82.99%이었으며, 이러한 예측모델은 항해 계획 수립 시 운항자의 의사결정을 지원하고 항해 중 에너지 효율적인 운항상태 모니터링에 기여할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

As the regulations of ship exhaust gas have been strengthened recently, many measures are under consideration to reduce fuel consumption. Among them, research has been performed actively to develop a machine-learning model that predicts fuel consumption by using data collected from ships. However, m...

As the regulations of ship exhaust gas have been strengthened recently, many measures are under consideration to reduce fuel consumption. Among them, research has been performed actively to develop a machine-learning model that predicts fuel consumption by using data collected from ships. However, many studies have not considered the methodology of the main parameter selection for the model or the processing of the collected data sufficiently, and the reckless use of data may cause problems such as multicollinearity between variables. In this study, we propose a method to predict the fuel consumption of the ship by using the principal component analysis to solve these problems. The principal component analysis was performed on the operational data of the 13K TEU container ship and the fuel consumption prediction model was implemented by regression analysis with extracted components. As the R-squared value of the model for the test data was 82.99%, this model would be expected to support the decision-making of operators in the voyage planning and contribute to the monitoring of energy-efficient operation of ships during voyages.

주제어

표/그림 (17)

그림 Fig. 1 Flow chart of the study
그림 Fig. 2 Operational route of the target ship
표 Table 1 Principal particulars of the target ship
표 Table 2 Data list collected from the target ship
그림 Fig. 3 Outlier detection by the relationship between engine power and fuel consumption
그림 Fig. 4 Time series data of sampling point identified as an outlier
그림 Fig. 5 Time series data of mean draft filtered by median filter
그림 Fig. 6 Time series data of trim filtered by median filter
표 Table 3 Descriptive statistics of operational variables
그림 Fig. 7 Linear transformation using principal component analysis
그림 Fig. 8 Eigen values and cumulative variances corresponding to the number of components(all variables)
그림 Fig. 9 Score plot of each variable according to the principal component
그림 Fig. 10 Eigen values and cumulative variances corresponding to the number of components (independent variables only)
그림 Fig. 11 Analysis of principal components constituting independent variables
표 Table 4 Principal component scores of each variable
그림 Fig. 12 Prediction accuracy of the model for 10 days of test data
표 Table 5 Fuel consumption of the target ship in 10 days

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 13K TEU급 컨테이너 선박으로부터 약 6개월간 수집한 운항데이터를 활용하여 선박의 연료소비를 예측하고자 하였다. 데이터의 통합, 정제, 변환 및 축소 과정을 통해서 데이터의 전처리를 수행하였으며, 주성분 회귀분석을 통해 예측모델을 구현하였다.

가설 설정

3) 제3주성분 : 상대 풍향이 감소하면 상대 풍속이 증가하고 단위 항해 거리당 연료소모량이 증가한다. 상대 풍향과 상대 풍속은 바람과 선박의 벡터 합성으로 계산된다.
3) 제3주성분 : 상대 풍향이 감소하면 상대 풍속이 증가하고 단위 항해 거리당 연료소모량이 증가한다. 상대 풍향과 상대 풍속은 바람과 선박의 벡터 합성으로 계산된다. 따라서 상대 풍향의 감소는 선박이 강한 선수 방향 바람을 조우하거나 고속으로 항해하는 경우에 해당하며, 이는 연료효율을 감소시키는 역할을 한다.

제안 방법

1) 선박의 운항 특성을 고려한 적절한 데이터 정제를 수행하기 위하여 변수 간의 선형 관계, 중앙값 필터, 주성분 분석과 같은 방법을 활용하였다.
주성분 분석은 전체 데이터의 분산을 대표하는 서로 독립적인 성분을 추출해주는 기법이기 때문에 다중공선성 문제를 해결하는 데 효과적이며, 많은 데이터를 실시간으로 송수신할 필요가 있는 선박과 같은 환경에서 주성분으로 변환된 데이터를 활용하면 상대적으로 적은 양의 데이터를 송수신하여도 효과적인 결과를 얻을 수 있을 것으로 판단된다. 따라서 실제 13K TEU 컨테이너 선박으로부터 수집한 운항데이터를 사용하여 주성분분석을 수행하고, 추출한 주성분을 회귀 모형에 적용하여 선박의 연료소비 예측모델을 구현한다. 결과적으로 얻은 모델에서 구한 예측 결과를 실제 관측데이터와 비교·분석함으로써 모델의 효용성을 검토하고자 한다.
본 연구에서는 Table 1과 같은 제원을 가진 13K TEU급 컨테이너선을 대상으로 연구를 수행하였으며, 2014년 1월부터 약 6개월간 대상 선박의 감시 제어 시스템(Alarm Monitoring and control System; AMS)으로부터 1분 간격으로 운항데이터를 수집하였다. 선박 운항자의 의사결정을 지원할 수 있는 연료소비 예측모델을 개발하기 위하여 수집된 데이터 중 실질적으로 본선에서 조정 가능한 운항변수, 선박의 침로, 속도, 흘수, 트림 그리고 기상조건에 대한 변수 등을 Table 2와 같이 선택하였으며, 선박의 운항과 직접적인 관련이 있는 주기관의 연료소모량에 대해서만 분석을 수행하였다. 해당하는 기간동안 대상 선박은 Fig.
선박의 운항변수와 연료소비 간의 관계를 파악하기 위하여 독립변수와 종속변수를 포함한 전체 운항데이터에 대한 주성분 분석을 수행하였다. Fig.
연료소비 예측모델에 사용될 입력변수를 추출하기 위하여 종속변수인 연료소모율을 제외한 나머지 독립변수들에 대하여 주성분 분석을 수행하였다. 전체 운항데이터 세트 중 70%를 예측모델의 구현을 위한 학습용 데이터, 나머지 30%는 모델의 성능을 평가하기 위한 평가용 데이터로 활용하였다.

대상 데이터

본 연구에서는 Table 1과 같은 제원을 가진 13K TEU급 컨테이너선을 대상으로 연구를 수행하였으며, 2014년 1월부터 약 6개월간 대상 선박의 감시 제어 시스템(Alarm Monitoring and control System; AMS)으로부터 1분 간격으로 운항데이터를 수집하였다. 선박 운항자의 의사결정을 지원할 수 있는 연료소비 예측모델을 개발하기 위하여 수집된 데이터 중 실질적으로 본선에서 조정 가능한 운항변수, 선박의 침로, 속도, 흘수, 트림 그리고 기상조건에 대한 변수 등을 Table 2와 같이 선택하였으며, 선박의 운항과 직접적인 관련이 있는 주기관의 연료소모량에 대해서만 분석을 수행하였다.

데이터처리

따라서 실제 13K TEU 컨테이너 선박으로부터 수집한 운항데이터를 사용하여 주성분분석을 수행하고, 추출한 주성분을 회귀 모형에 적용하여 선박의 연료소비 예측모델을 구현한다. 결과적으로 얻은 모델에서 구한 예측 결과를 실제 관측데이터와 비교·분석함으로써 모델의 효용성을 검토하고자 한다.
본 연구에서는 13K TEU급 컨테이너 선박으로부터 약 6개월간 수집한 운항데이터를 활용하여 선박의 연료소비를 예측하고자 하였다. 데이터의 통합, 정제, 변환 및 축소 과정을 통해서 데이터의 전처리를 수행하였으며, 주성분 회귀분석을 통해 예측모델을 구현하였다. 연구 결과를 요약하면 다음과 같다.
주성분 분석을 통해 10개의 운항변수를 선박의 추진성분, 하중성분, 외력성분 및 타각성분을 설명해주는 4개의 주성분으로 축약하였고, 이를 이용하여 식 (11)과 같은 회귀분석 모델을 구현하였다.

이론/모형

본 연구에서는 이러한 문제점을 해결하고 효율적인 데이터분석 및 처리를 수행하기 위하여 주성분 분석(Principal Component Analysis;PCA)을 활용하고자 한다. 주성분 분석은 전체 데이터의 분산을 대표하는 서로 독립적인 성분을 추출해주는 기법이기 때문에 다중공선성 문제를 해결하는 데 효과적이며, 많은 데이터를 실시간으로 송수신할 필요가 있는 선박과 같은 환경에서 주성분으로 변환된 데이터를 활용하면 상대적으로 적은 양의 데이터를 송수신하여도 효과적인 결과를 얻을 수 있을 것으로 판단된다.

성능/효과

(i) 선형 관계를 나타내는 선박의 기관출력과 연료소모량의 회귀선으로부터 3 표준편차를 벗어나는 관측값을 이상값으로 식별하였으며, 식별한 값의 시계열 분석을 통해 이러한 방법의 유효성을 확인할 수 있었다.
1) 제1주성분 : 선박 주기관의 분당 회전수가 증가하면 선박의 대지속력과 대수속력이 증가하며 단위 항해 거리당 연료소모량이 증가한다. 즉, 선속이 높을수록 연료효율이 감소하는경향이 있다.
3) 평가용 데이터에 대한 주성분 회귀모델의 예측 성능은 평균 제곱근 오차 0.0211, 조정 결정계수 0.8299이었다. 10일동안 선박의 연료소비를 예측한 결과 하루 평균 4.
4) 제4주성분 : 선박에서 사용하는 타각이 커질수록 단위항해 거리당 연료소모량은 증가한다. 선박이 운항 중 타를 사용하게 되면 타판에 작용하는 항력에 의해서 속도를 저하시키는 역할을 하며, 이는 연료효율을 감소시킨다.

후속연구

다만, 본 연구에서는 선박에서 관측한 풍향과 풍속 데이터만을 외부 환경 조건으로 활용하였는데 파랑 스펙트럼, 유의파고, 파의 주기 등과 같은 추가적인 데이터를 취득할 수 있다면연료소비에 대한 외력의 영향을 더욱 정교하게 반영할 수 있을 것으로 판단된다. 또한 본 연구에서는 한 척의 컨테이너 선박을 대상으로 연구를 수행하여 일반적인 적용가능성에 대한한계가 존재하였으며, 다양한 선종과 운항 상태에 대한 데이터가 축적된다면 고도화된 통합 연료소비 예측모델을 수립할 수 있을 것이라고 판단된다. 향후 주성분 분석뿐만 아니라 다른 차원감소 방법에 의한 변수 선정에 대해서도 검토할 예정이며, 모델의 정확도 향상을 위하여 기계학습 방법도 적용할 예정이다.
주성분 분석을 통한 예측모델은 다중공선성 문제를 극복할수 있으면서도 차원을 효율적으로 감소시켜 주기 때문에 선박과 육상에서의 빅데이터 송수신 및 저장에도 효과적일 것으로 판단되며, 항해 계획을 수립하거나 선박의 운항 중 에너지 효율적인 상태 모니터링 및 예측에 적용하여 선박 운항자의 의사결정을 지원하기 위한 에너지효율 최적화 시스템 개발에 활용될 수 있을 것으로 사료된다. 또한 운항데이터의 처리와 분석에 사용된 여러 접근 방법들은 예지 정비 및 안전 시스템개발과 같은 다양한 분야에도 확장 가능할 것으로 판단된다.
1톤 정도의 예측 오차가 발생하였으나, 전반적인 연료소비 경향의 예측이 가능하기 때문에 항해 계획 수립 또는 항해 중 선박의 에너지 효율적인 운항상태를 유지하기 위한 목적에는 충분히 적용할 수 있을 것으로 사료된다. 향후 다른 차원축소 방법이나 인공신경망과 같은 기계학습 방법을 추가로 고려한다면 모델의 예측 정확도를 보완할 수 있을 것으로 판단된다.
또한 본 연구에서는 한 척의 컨테이너 선박을 대상으로 연구를 수행하여 일반적인 적용가능성에 대한한계가 존재하였으며, 다양한 선종과 운항 상태에 대한 데이터가 축적된다면 고도화된 통합 연료소비 예측모델을 수립할 수 있을 것이라고 판단된다. 향후 주성분 분석뿐만 아니라 다른 차원감소 방법에 의한 변수 선정에 대해서도 검토할 예정이며, 모델의 정확도 향상을 위하여 기계학습 방법도 적용할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	주성분 분석이란 무엇인가?	주성분 분석은 변수들 사이의 분산-공분산 관계를 이용하여 변수들의 선형결합으로 나타낼 수 있는 주성분을 찾는 방법이다. 전체 데이터의 분산을 대표할 수 있는 주성분을 추출하기 때문에 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하며 서로 독립적인 새로운 변수들로 주성분을 구성하여 정보 손실의 최소화 및 다중공선성이 의심되는 회귀 모형에도 응용할 수 있다(Pearson, 1901).
	주성분 분석이 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하는 이유는 무엇인가?	주성분 분석은 변수들 사이의 분산-공분산 관계를 이용하여 변수들의 선형결합으로 나타낼 수 있는 주성분을 찾는 방법이다. 전체 데이터의 분산을 대표할 수 있는 주성분을 추출하기 때문에 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하며 서로 독립적인 새로운 변수들로 주성분을 구성하여 정보 손실의 최소화 및 다중공선성이 의심되는 회귀 모형에도 응용할 수 있다(Pearson, 1901). 다음은 주성분 분석을 통하여 데이터의 차원을 축소하는 방법을 나타낸 것이다.
	주성분 분석이 다중공선성 문제를 해결하는 데 효과적인 이유는 무엇인가?	본 연구에서는 이러한 문제점을 해결하고 효율적인 데이터분석 및 처리를 수행하기 위하여 주성분 분석(Principal Component Analysis;PCA)을 활용하고자 한다. 주성분 분석은 전체 데이터의 분산을 대표하는 서로 독립적인 성분을 추출해주는 기법이기 때문에 다중공선성 문제를 해결하는 데 효과적이며, 많은 데이터를 실시간으로 송수신할 필요가 있는 선박과 같은 환경에서 주성분으로 변환된 데이터를 활용하면 상대적으로 적은 양의 데이터를 송수신하여도 효과적인 결과를 얻을 수 있을 것으로 판단된다. 따라서 실제 13K TEU 컨테이너 선박으로부터 수집한 운항데이터를 사용하여 주성분분석을 수행하고, 추출한 주성분을 회귀 모형에 적용하여 선박의 연료소비 예측모델을 구현한다.

참고문헌 (15)

Cattell, R. B.(1966), "The Scree Test For The Number of Factors", Multivariate behavioral research, Vol. 1, No. 2, pp. 245-276.

상세보기
IMO.(2009), "Guidelines for voluntary use of the ship energy efficiency operational indicator (EEOI)", MEPC 1/Circ. 684.
IMO.(2012a), "Guidelines on survey and certification of the energy efficiency design index (EEDI)", MEPC 63/23/Add.1, Annex 10.
IMO.(2012b), "Guidance for the development of a ship energy efficiency management plan (SEEMP)", MEPC 59/24/Add.1, Annex 19.
Jolliffe, I. T.(1982), "A Note on the Use of Principal Components in Regression", Journal of the Royal Statistical Society: Series C (Applied Statistics), Vol. 31, No. 3, pp. 300-303.
Kim, K. J., Lee, S. D., Jun, C. H., Park, K. M. and Byeon, S. S.(2017), "A Statistical Procedure of Analyzing Container Ship Operation Data for Finding Fuel Consumption Patterns", Korean Journal of Applied Statistics, Vol. 30, No. 5, pp. 633-645.

원문보기 상세보기
Moore, D. S. and Kirkland, S.(2007), The Basic Practice of Statistics, Vol. 2, WH Freeman Press.
Pearson, K.(1901), "Principal Components Analysis", The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, Vol. 6, No. 2, p. 559.
Pedersen, B. P. and Larsen, J.(2009), "Prediction of Full-Scale Propulsion Power using Artificial Neural Networks", Proceedings of the 8th international conference on computer and IT applications in the maritime industries (COMPIT'09), Budapest, Hungary, pp. 10-12.
Perera, L. P. and Mo, B.(2016), "Marine Engine Operating Regions under Principal Component Analysis to evaluate Ship Performance and Navigation Behavior", IFAC-PapersOnLine, Vol. 49, No. 23, pp. 512-517.

상세보기
Petersen, J. P., Jacobsen, D. J. and Winther, O.(2012), "Statistical modelling for ship propulsion efficiency", Journal of marine science and technology, Vol. 17, No. 1, pp. 30-39.

상세보기
Pratt, W. K.(1991), Digital Image Processing, John Wiley and Sons Press.
Pukelsheim, F.(1994), "The Three Sigma Rule", The American Statistician, Vol. 48, No. 2, pp. 88-91.

상세보기
Stopford, M.(2009), Maritime Economics, 3rd Ed, Routledge Press.
Yan, X., Wang, K., Yuan, Y., Jiang, X. and Negenborn, R. R.(2018), "Energy-efficient shipping: An application of big data analysis for optimizing engine speed of inland ships considering multiple environmental factors", Ocean Engineering, Vol. 169, pp. 457-468.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

주성분 분석기법을 이용한 선박의 연료소비 예측에 관한 연구
A Study on the Prediction of Fuel Consumption of a Ship Using the Principal Component Analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (17)

표/그림 (17)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

주성분 분석기법을 이용한 선박의 연료소비 예측에 관한 연구 A Study on the Prediction of Fuel Consumption of a Ship Using the Principal Component Analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (17) 모든 표/그림 보기

표/그림 (17) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

박준범 (9)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

주성분 분석기법을 이용한 선박의 연료소비 예측에 관한 연구
A Study on the Prediction of Fuel Consumption of a Ship Using the Principal Component Analysis 원문보기

초록
AI-Helper

표/그림 (17)

표/그림 (17)

AI 본문요약
AI-Helper