현재 해운·항만 산업은 급변하는 트랜드와 치열한 경쟁 속에서 살아남기 위해 항만물류자원의 확충 및 효율적인 운용을 통해 항만 처리능력을 향상시키기 위한 전략을 펼치고 있다. 항만의 처리능력 산정은 부두에 설치되는 하역장비에 의하여 결정되는 것으로 항만의 처리능력은 물류자원을 추가적으로 배치하거나 활용 중인 자원을 효율적으로 운용하는 등 다양한 방법을 통해 향상 시킬 수 있다. 하지만 물류자원의 추가 배치는 시간과 비용의 한계가 명확하기 때문에 단기간에 향상 효과를 기대하기 어렵다. 따라서 처리능력 향상을 위해서는 활용중인 자원에 대한 효율적인 운용 방법을 찾는 것이 실현성이 높다. 국내 항만들 역시 4차 산업혁명 기술의 발달에 따라 정보화, 디지털화를 적극적으로 추진하고 있다. 그러나 현재 하역 프로세스에서 Y/T 배정 대수 산정은 전문가의 경험에 따른 감각에 의존하고 있는 실정이며, 관련된 선행연구 또한 Y/T의 배차 또는 항만 전체의 필요 대수 산정에 초점을 두고 있다. 이에 본 연구는 입항 선박의 하역정보를 활용하여 Y/T 배정 대수에 영향을 미치는 요인을 분석하고 이를 바탕으로 군집분석, 회귀분석, DNN(Deep Neural Network : 심층신경망)모형을 활용하여 분석하였다.
현재 해운·항만 산업은 급변하는 트랜드와 치열한 경쟁 속에서 살아남기 위해 항만물류자원의 확충 및 효율적인 운용을 통해 항만 처리능력을 향상시키기 위한 전략을 펼치고 있다. 항만의 처리능력 산정은 부두에 설치되는 하역장비에 의하여 결정되는 것으로 항만의 처리능력은 물류자원을 추가적으로 배치하거나 활용 중인 자원을 효율적으로 운용하는 등 다양한 방법을 통해 향상 시킬 수 있다. 하지만 물류자원의 추가 배치는 시간과 비용의 한계가 명확하기 때문에 단기간에 향상 효과를 기대하기 어렵다. 따라서 처리능력 향상을 위해서는 활용중인 자원에 대한 효율적인 운용 방법을 찾는 것이 실현성이 높다. 국내 항만들 역시 4차 산업혁명 기술의 발달에 따라 정보화, 디지털화를 적극적으로 추진하고 있다. 그러나 현재 하역 프로세스에서 Y/T 배정 대수 산정은 전문가의 경험에 따른 감각에 의존하고 있는 실정이며, 관련된 선행연구 또한 Y/T의 배차 또는 항만 전체의 필요 대수 산정에 초점을 두고 있다. 이에 본 연구는 입항 선박의 하역정보를 활용하여 Y/T 배정 대수에 영향을 미치는 요인을 분석하고 이를 바탕으로 군집분석, 회귀분석, DNN(Deep Neural Network : 심층신경망)모형을 활용하여 분석하였다.
Currently, the shipping and port industries are implementing strategies to improve port processing capabilities through the expansion and efficient operation of port logistics resources to survive fierce competition with rapidly changing trends. The calculation of the port's processing capacity is d...
Currently, the shipping and port industries are implementing strategies to improve port processing capabilities through the expansion and efficient operation of port logistics resources to survive fierce competition with rapidly changing trends. The calculation of the port's processing capacity is determined by the loading and unloading equipment installed at the dock, and the port's processing capacity can be improved through various methods, such as additional deployment of logistics resources or efficient operation of resources in use. However, it is difficult to expect an improvement effect in a short period of time because the additional deployment of logistics resources is clearly limited in time is clear. Therefore, it is a feasible way to find an efficient operation method for resources being used to improve processing capacity. Domestic ports are also actively promoting informatization and digitalization with the development of the 4th industrial revolution technology. However, the calculation of the number of Y/T (Yard Tractor) assignments in the current unloading process depends on expert experience, and related previous studies also focus on the allocations of Y/T or Calculation of the total number of Y/T required. Therefore, this study analyzed the factors affecting the number of Y/T allocations using the loading and unloading information of incoming ships, and based on this, cluster analysis, regression analysis, and deep neural network(DNN) model were used.
Currently, the shipping and port industries are implementing strategies to improve port processing capabilities through the expansion and efficient operation of port logistics resources to survive fierce competition with rapidly changing trends. The calculation of the port's processing capacity is determined by the loading and unloading equipment installed at the dock, and the port's processing capacity can be improved through various methods, such as additional deployment of logistics resources or efficient operation of resources in use. However, it is difficult to expect an improvement effect in a short period of time because the additional deployment of logistics resources is clearly limited in time is clear. Therefore, it is a feasible way to find an efficient operation method for resources being used to improve processing capacity. Domestic ports are also actively promoting informatization and digitalization with the development of the 4th industrial revolution technology. However, the calculation of the number of Y/T (Yard Tractor) assignments in the current unloading process depends on expert experience, and related previous studies also focus on the allocations of Y/T or Calculation of the total number of Y/T required. Therefore, this study analyzed the factors affecting the number of Y/T allocations using the loading and unloading information of incoming ships, and based on this, cluster analysis, regression analysis, and deep neural network(DNN) model were used.
A.SKAF and S.LAMROUS(2019), "Single quay crane and mulitple yard trucks scheduling problem with intergration of reach-stacker cranes at port of Tripoil-Lebanon"Bari, Italy. October 6-9, 2019
Lai, K. and Lam, K.(1994), "A Study of Container Yard Equipment Allocation Strategy in Hong Kong," International Journal of Modeling and Simulation, 14(3), 134-138.
L. Zhen, S. Yu, Shuaian Wang, and Z. Sun, "Scheduling quay cranesand yard trucks for unloading operations in container ports," SpringerScience+Business Media New York, Feb 2019 455-478
L. Tang, J. Zhao, and J. Liu, "Modeling and solution of the jointquay crane and truck scheduling problem," European Journal of Operational Research 236 2014 978-990
Nam Kyu Park, Ju Young Kim, Seok Jun Hwang, Jung Hun Lee (2009). "A Study of RTLS based Y/T Pooling System Architecture in a Container Terminal." 제어로봇시스템학회 국내학술대회 논문집, 384-389
김기영 (2007). "컨테이너 터미널의 야드 트럭의 최적 대 수와 최적 운행을 위한 해석 모형." 산업공학학회(IE interfaces),20(4), 498-503
김선구, 최용석 (2012). "컨테이너터미널 효율성 평가를 위한 AHP/DEA 통합모형." 한국항만경제학회지, 28(2),179-194
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.