KR20210083661A

KR20210083661A - 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템 및 방법

Info

Publication number: KR20210083661A
Application number: KR1020190176168A
Authority: KR
Inventors: 송동호; 신지애; 박재한
Original assignee: 소프트온넷(주)
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2021-07-07
Also published as: KR102604656B1

Abstract

본 발명은, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템에 관한 것으로서, 입력 데이터 처리부에서 입력된 EDI 파일과 서비스(Service: 선사에서 운행하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을, 운송 기간과 운송 비용을 최소로 하는 최적화를 위하여, 항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주(Consignor)를 기본 객체로 가지고, 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙 운송 네트워크(network)를 기본적으로 고려하여, 다중 컨테이너를 운송함에 있어서, 다양한 제약조건들을 논리적 수식으로 처리하는 ECR 다중제약조건 동시처리부를 포함하고, 상기 ECR 다중제약조건 동시처리부는, 컨테이너의 경로 및 일정을 수립하는데 전체적으로 적용되는 제약조건으로서 목적 함수(objective function)를 가지며, 컨테이너가 지상에서 운송되는 비용, 해상에서 운송되는 비용, 터미널에 양하/적하되는 비용, 터미널에 보관되는 비용 등의 발생하는 모든 금전적 비용과 운송하는 시간을 가중치에 따라 적용하여, 상기 목적 함수가 최소로 되게 하는 것을 특징으로 한다. 이러한 구성에 의하여, 공컨테이너 재배치 계획을 최적화함으로써 비용 절감 효과를 누릴 수 있다.

Description

인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템 및 방법{SYSTEM FOR REPOSITIONING OPTIMIZATION OF EMPTY CONTAINER IN SHIP NETWORK BASED ARTIFICIAL INTELLIGENCE PLANNING TECHNOLOGY AND METHOD THEREFOR}

본 발명은 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템 및 방법에 관한 것으로서, 보다 상세하게는, 인공지능 플래닝 기술 기반한 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템 및 방법에 관한 것이다.

종래에는 국제간 무역 거래가 활성화되어 컨테이너 운송수요의 증가와 선박의 대형화, 컨테이너 터미널의 자동화 등에 따른 해운환경이 변화됨으로 인해 기존의 컨테이너선의 경로가 컨테이너 운송수요에 정확히 대응하지 못하거나, 선박의 대형화로 인한 항구의 처리 능력 부족으로 인해 경로를 재편성할 경우가 발생하는 등 컨테이너선의 경로 결정 업무가 최적화되어 관리되지 못함으로 인한 많은 문제점이 대두되고 있다.

따라서, 변화된 해운환경에 효율적으로 대응하기 위해 컨테이너를 효율적으로 운송 할 수 있는 기술과 컨테이너선의 경로 결정을 위한 효율적인 알고리즘 또는 시스템의 필요성이 증대되고 있다.

첫째, 종래 선사와 화주 간의 운송계약을 체결하는 시스템의 경우는 풀컨테이너의 경로 및 일정을 계획하는데 컴퓨터 소프트웨어를 사용하지 않았기 때문에 사람이 직접 선적 네트워크(shipping network)를 보고 경로 및 일정을 계획했기 때문에 투입되는 노동력과 최적인지에 대한 평가를 하기 어려웠다.

둘째, 종래 선사의 공컨테이너 재배치 계획은 컴퓨터 소프트웨어를 사용하지 않았기 때문에 사람이 직접 선적 네트워크(shipping network)와 풀컨테이너 운송 현황에 따라 공컨테이너 재배치 계획을 수립해야 하고, 이 때문에 공컨테이너 재배치를 위해 풀컨테이너 운송계약을 포기하거나 정기선(Liner)이 아닌 임시선 (Feeder)을 추가로 투입함으로써 추가 비용이 발생할 수 있다.

셋째, 종래에 해운 물류는 풀컨테이너와 공컨테이너가 모두 동일한 부피를 차지하지만 풀컨테이너에 대한 계획과 공컨테이너에 대한 계획을 분리해서 수립했다.

송신화주는 수신화주에게 가장 안전하고 정해진 일정내에 화물이 전달되기를 기대한다. 또한, 화주들 간의 무역 불균형으로 인하여 발생하는 공컨테이너(Empty Container)의 부족으로 인한 재배치(Repositioning) 비용을 최소화할 수 있는 공컨테이너 배치 방법이 요구된다.

따라서, 본 발명은 상기한 문제점을 해결하기 위해 창안된 것으로, 화주들 간의 무역 불균형으로 인하여 발생하는 공컨테이너(Empty Container)의 부족으로 인한 재배치(Repositioning) 비용을 최소화가능한 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템 및 방법을 제공하는 것이다. 또한, 본 발명은, 풀컨테이너 운송의 결과를 반영하고, 화주들의 공컨테이너 수요-공급 예측가능한 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템 및 방법을 제공하는 것이다. 또한, 본 발명은, 입력된 화주의 풀컨테이너(Full Container 혹은 Laiden Container 라고 함: 화물이 적재된 컨테이너) 수, 출발지(source door)와 목적지(destination door)만을 가지고 정해진 기한(deadline)까지 출발지에서 목적지까지 운송하는 경로(route)와 일정(schedule)을 계산하고 이를 실행하여 기일내에 화물이 도착하도록 모델링 하는 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템 및 방법을 제공하는 것이다.

상기의 목적을 달성하기 위한 본 발명의 제1양태에 따른 구성은, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템으로서, 다수의 화주의 운송계약에 따라 화물을 송신자로부터 수신자로 배송하는 과정에서 송신화주가 수신화주에게 어떤 컨테이너를 언제까지 보내야 한다는 모델링을 수행하는 모델링부와, 기존 선사의 운송경로를 이용하여 부분 구간에 대하여 화물 운송을 하는 서비스를 하거나, 필요한 운송경로를 최적화하여 신설하거나, 신설된 운송경로의 일부를 이용하여 화물운송을 최적화하고, 선박 트럭 철도를 포함하는 운송 장비 운영을 최적화 하고, 컨테이너 터미널내 야적 시간 및 경비를 최소화하여 최적화 하는 해상/육상 운송계획수립부와, 풀/공컨테이너 운송을 위하여 이를 기존 사람이 플래닝하고 스케쥴링을 하는데 투입되는 노동력과 시간을 획기적으로 줄일 수 있도록 하는 인공지능 기술을 이용한 선적 플래닝부와, 상기 모델링부와 상기 해상/육상 운송계획수립부와, 상기 선적 플래닝부의 결과를 이용하여 실제 해상/육상 운송을 집행하는 해상/육상 풀/공컨테이너 배송집행부를 포함하는 것을 특징으로 한다.

여기서, 풀컨테이너 운송결과에 대한 통계치 등 결과지표 분석을 수행하는 결과지표 분석부를 더 포함하는 것이 바람직하다.

여기서, 상기 해상/육상 풀/공컨테이너 배송 집행부는, 입력 데이터 처리부와, 출력 데이터 처리부와, 상기 입력 데이터 처리부에서 입력된 EDI 파일과 서비스(Service: 선사에서 운영하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을, 운송 기간과 운송 비용을 최소로 하는 최적화를 위하여, ECR 다중제약조건 동시처리부에서 프로그래밍한 다양한 제약조건들을 만족하는 목표점을 검색하기 위하여 CSP 검색 엔진을 수행하는 CSP 검색 수행부와, 항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주(Consignor)를 기본 객체로 가지고, 해운 물류가 가지는 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙운송 네트워크(network)를 기본적으로 고려하여, 다중 컨테이너를 운송함에 있어서, 아래와 같은 제약조건들을 논리적 수식으로 처리하는 ECR 다중제약조건 동시처리부를 포함하는 것이 바람직하다.

상기 ECR 다중제약조건 동시처리부는, 컨테이너의 경로 및 일정을 수립하는데 전체적으로 적용되는 제약조건으로서 목적 함수(objective function)를 가지며, 상기 목적 함수는 컨테이너가 지상에서 운송되는 비용, 해상에서 운송되는 비용, 터미널에 양하/적하되는 비용, 터미널에 보관되는 비용 등의 발생하는 모든 금전적 비용과 운송하는 시간을 가중치에 따라 적용하고, 상기 제약 조건은 목적 함수가 최소로 되게 하는 것이 바람직하다.

상기 ECR 다중제약조건 동시처리부는 풀컨테이너가 화주의 물류보관소(Door)에서 어떤 컨테이너 터미널까지 지상 운송되며 어떤 항을 통해 해상 운송에 대한 준비를 하는지를 결정하는 것이 바람직하다.

또한, 상기 ECR 다중제약조건 동시처리부는 풀컨테이너가 출발지 컨테이너 터미널에서 어떤 선박을 통해 목적지 물류 보관소(Door)로 갈 수 있는 목적지 컨테이너 터미널로 이동할지 결정하는 것인, 목적지 컨테이너 터미널에서 목적지 물류 보관소(Door)로 갈 수 있는 시간과 운송비용 및 보관 비용이 다르며 선박마다 일정(schedule)이 다르기 때문에 이를 고려하여 적합한 선박과 목적지 컨테이너 터미널을 결정하는 것이 바람직하다.

여기서, 각 컨테이너 터미널까지 이동하는 시간과 운송 비용이 모두 상이하고, 컨테이너 터미널에 연결된 항구가 정해져 있으며, 각 항구마다 정박하는 선박이 상이하고, 또한 선박마다 정박하는 항구 목록(port call)이 다르며, 이동시간 역시 다르며, 이를 고려하여 적합한 컨테이너 터미널로 풀컨테이너를 이동시키는 것이 바람직하다.

여기서, 풀컨테이너를 목적지 컨테이너 터미널에서 최종 목적지인 목적지 물류보관소(Door)로 운송하며, 화주마다 풀컨테이너를 찾아가기 원하는 시간과 비율이 상이하다는 것과 목적지 컨테이너 터미널에서 목적지 물류보관소(Door)까지 이동시간을 고려하여 운송하는 것이 바람직하다.

상기 CSP 검색 수행부는 CSP 엔진을 리눅스 OS 상에서 혹은 윈도우즈 OS 상에서 수행하기 위해 필요한 쉘 명령어와 수행에 필요한 다양한 파라미터값들을 입력하여 수행하는 것이 바람직하다.

상기의 목적을 달성하기 위한 본 발명의 제2양태에 따른 구성은, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 방법으로서, 입력 데이터 처리부에서 입력된 EDI 파일과 서비스(Service: 선사에서 운영하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을 고려하여 운송 기간과 운송 비용을 최소로 하는 최적화를 위해 ECR 다중제약조건 동시처리부가 CSP 검색 엔진을 수행하여 다양한 제약 조건을 만족하는 목표점을 검색하는 단계와, 상기 ECR 다중 제약조건 동시처리부가 항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주 (Consignor)를 기본 객체로 가지고, 해운 물류가 가지는 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙운송 네트워크(network)를 고려하여, 다중 컨테이너를 운송함에 있어서, 다수의 제약조건들을 논리적 수식으로 동시처리하는 단계를 포함하는 것을 특징으로 한다.

상기의 구성으로 이루어진 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템 및 방법에 따르면, 입력되는 운송계약을 바탕으로 객관적인 수치적 지표를 나타낼 수 있는 경로 및 일정을 제공할 수 있고, 공컨테이너 재배치 계획을 최적화함으로써 비용 절감 효과를 누릴 수 있다. 또한, 본 발명에 의하면, 풀컨테이너와 공컨테이너의 경로 및 일정에 대한 계획을 동시에 수립하기 때문에 종래 방식에서보다 더 최적의 결과를 낼 수 있다.

도 1은 일반적인 선사 선적 네트워크의 컨테이너 운송 과정을 나타낸 개략도,
도 2는 일반적인 지역내 운송 네트워크의 개략도,
도 3은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템의 구성도,
도 4는 본 발명의 일실시예에 따라서 구성된 ECR 시스템의 개략 구성도,
도 5는 본 발명의 일실시예에 따른 선사 선적 네트워크의 운송 과정을 나타낸 개략도,
도 6은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 방법의 순서도,
도 7은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화를 위한 프로그램 함수예이다.

본 발명의 이점 및 특징, 그리고 그것을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 통해 설명될 것이다. 그러나 본 발명은 여기에서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 단지, 본 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여 제공되는 것이다.

도면들에 있어서, 본 발명의 실시예들은 도시된 특정 형태로 제한되는 것이 아니며 명확성을 기하기 위하여 과장된 것이다. 또한, 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소를 나타낸다. 본 명세서에서 "및/또는"이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 또한, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서에서 사용되는 "포함한다" 또는 "포함하는"으로 언급된 구성요소, 단계, 동작 및 소자는 하나 이상의 다른 구성요소, 단계, 동작, 소자 및 장치의 존재 또는 추가를 의미한다.

이하에서, 본 발명의 바람직한 실시 예가 첨부된 도면들을 참조하여 본 발명을 구체적으로 설명한다. 본 발명을 설명함에 있어서 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

본 발명을 설명하기에 앞서, 컨테이너 화물 흐름에 대해 설명한다.

화주에서 선박까지 수출 컨테이너 화물의 흐름은 다음 특징을 가진다.

일반적으로 수출컨테이너화물의 흐름은 FCL(full container load) 또는 LCL(less than a container load)에 따라 컨테이너 적입 경로 및 방법이 달라진다.

FCL은 화주 1명이 컨테이너 하나를 가득 채우는 컨테이너 화물이고, LCL은 화주 1명이 컨테이너 하나를 가득 채울 수 없어서 여러 화주의 화물을 컨테이너 하나에 같이 싣게 되는 컨테이너 화물이다.

FCL(full container load)화물의 경우 수출상(화주)이 선사에 선적을 의뢰할 경우 선사는 화주가 별도로 지정하지 않는 한 자신과 계약된 컨테이너 운송회사에 연락하여 공컨테이너를 수출상의 회사 또는 화물이 있는 장소에 배정한다.

화물 적입 작업이 끝난 화물 (풀컨테이너)은 운반, 통관 등의 절차를 거치고 최종적으로 선박에 적재된다.

선사별로 대형 화주가 존재하고, 대형 화주는 운송계약의 수가 많기 때문에 선사 입장에서는 대형 화주에 따라 운영 계획을 수립한다. 대형 화주는 LCL(Less than a Container Load)이 아닌 FCL(Full Container Load)을 취급한다.

선사와 화주가 운송계약을 맺게 되면, 통상 선적 기일에 맞춰 선사가 화주에게 풀컨테이너 수량에 맞는 공컨테이너를 보내주므로, 컨테이너 수요는 화주의 운송계약에 따라 결정된다.

전세계적으로 지역마다 수출/수입량이 다르다. 수출량이 수입량보다 많은 지역은 수급되는 공컨테이너보다 사용하는 공컨테이너 양이 더 많고 수출량이 수입량보다 적은 지역은 공컨테이너를 사용하는 양보다 수급되는 공컨테이너 양이 더 많다.

이러한 공컨테이너 수급 불균형의 이유로 공컨테이너를 지역간 운송할 필요가 있다. 공컨테이너 재배치에 사용하는 비용은 선사 운영의 5~8%에 해당하고 보관 및 유지 관리에 드는 비용까지 합치면 운영비용의 12%까지 증가한다.

선사는 단기/장기적으로 공컨테이너 수요를 예측해서 재배치 계획을 수립한다. 공컨테이너 재배치 비용은 다음 조건에 따라 결정된다.

컨테이너 터미널 별로 양하/적하 비용이 다르고, 컨테이너를 보관하는 장소에 따라 보관 비용이 다르고, 운송하는 경로에 따라 비용이 다르다.

공컨테이너 재배치하는 동안 동일한 부피의 풀컨테이너를 운송할 수 없다. (공컨테이너와 풀컨테이너는 선박 내에 동일한 부피를 차지한다.)

도 1은 일반적인 선사 선적 네트워크의 컨테이너 운송 과정을 나타낸 개략도이고, 도 2는 일반적인 지역내 운송 네트워크의 개략도이다.

도 3은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 시스템의 구성도이다.

도 3의 화물 배송 모델링부(1)는 다수의 화주의 운송계약에 따라 화물을 송신자로부터 수신자로 배송하는 과정에서 송신화주가 수신화주에게 어떤 컨테이너를 언제까지 보내야 한다는 모델링을 수행한다.

해상/육상 운송계획수립부(2)는 기존 선사의 운송경로를 이용하여 부분 구간에 대하여 화물 운송을 하는 서비스를 하거나, 필요한 운송경로를 최적화로 신설하거나, 신설된 운송경로의 일부를 이용하여 화물운송을 최적화하고, 선박 트럭 철도를 포함하는 운송 장비 운영을 최적화하고, 컨테이너 터미널내 야적 시간 및 경비를 최소화하여 최적화한다.

선적 플래닝부(3)는 인공지능 기술을 이용하여 풀/공컨테이너 운송을 위한 플래닝과 스케쥴링을 한다.

해상/육상 풀/공컨테이너 배송집행부(5)는 상기 화물 배송 모델링부(1)와 해상/육상 운송계획수립부(2)와, 선적 플래닝부(3)의 결과를 이용하여 실제 육상.해상 운송을 집행한다.

해상/육상 풀/공컨테이너 배송집행부(5)는 공컨테이너를 필요로 하는 화주의 위치와 시점에 맞춰 공컨테이너를 운송해주도록 실제 집행하는 것이다.

공컨테이너는 운송 비용과 보관 비용이 모두 발생하므로, 해상/육상 풀/공컨테이너 배송집행부가 이를 최소화하면서 정해진 일정에 맞춰서 화주에게 전달하도록 경로와 일정을 제공하는 것이다. 즉, 화주가 필요한 공컨테이너에 대한 수요를 예측하는 결과에 따라, 여분의 공컨테이너가 위치하는 장소로부터 수요가 있는 장소까지 정해진 일정에 따라 선박운항 계획에 맞추거나 새로 수립하여 해당 화주가 필요한 공컨테이너를 배송해준다.

도 4는 본 발명의 일실시예에 따라서 구성된 ECR 시스템의 개략 구성도이다. 도 4에 보인 바와 같이, ECR 시스템은 입력 데이터 처리부(10), 출력 데이터 처리부(20), ECR 다중 제약 조건 동시 처리부(30), CSP(Constraint Satisfaction Problem) 검색 수행부(40)를 포함한다.

CSP 검색 수행부(40)는 입력 데이터 처리부(10)에서 입력된 EDI 파일과 서비스(Service: 선사에서 운영하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을, 운송 기간과 운송 비용을 최소로 하는 최적화를 위하여, ECR 다중제약조건 동시처리부(30)에서 프로그래밍한 다양한 제약조건들을 만족하는 목표점을 검색한다.

따라서 CSP 검색 수행부(40)는 CSP 엔진(41)을 리눅스 OS 상에서 혹은 윈도우즈 OS 상에서 수행하기 위해, 필요한 쉘 명령어와 수행에 필요한 다양한 파라미터값들을 입력받아 수행한다.

CSP(Constraint Satisfaction Problem) 알고리즘은, 인공지능 문제풀이 방법 중 하나인 주어진 제약 조건을 만족하는 최적의 답을 찾는다.

CSP 검색은, 사람이 수행하는 체계적인 검색(systematic search)을 효과적으로 할 수 있도록 하며 검색 공간을 줄여주는 방법이다. 모든 트리(Tree)를 가지고 검색하는 일반적인 검색보다 제약 조건을 두어 조건을 만족하지 않는 트리(Tree)의 가지를 검사하지 않음으로써 시간적으로 수행 능력이 향상될 수 있다. 그리고, CSP 검색은 어떤 문제에 대해 제약조건을 바꿔주면 문제를 해결할 수 있는 특징을 가진다.

한편, 도 4의 ECR 다중제약조건 동시처리부(30)는 항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주(Consignor)를 기본 객체로 가지고, 해운 물류가 가지는 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙운송 네트워크(network)를 기본적으로 고려하여, 다중 컨테이너를 운송함에 있어서, 아래와 같은 제약조건들을 논리적 수식으로 표현하는 프로그램이다.

a. 컨테이너의 경로 및 일정을 수립하는데 전체적으로 적용되는 제약조건으로서 목적 함수(objective function)가 있다. 이 목적 함수는 컨테이너가 지상에서 운송되는 비용, 해상에서 운송되는 비용, 터미널에 양하/적하되는 비용, 터미널에 보관되는 비용 등의 발생하는 모든 금전적 비용과 운송하는 시간을 가중치에 따라 적용한다.

본 발명에서 제약조건은 목적 함수를 최소가 되도록 하는 제약조건이다. 즉, 본 발명의 ECR 프로그램은 가능한 비용이 최소로 되게 하고 운송 시간을 최소로 되게 하는 경로와 일정을 계획하도록 한다.

b. ECR 다중제약조건 동시처리부(30)는 풀컨테이너가 화주의 물류보관소(Door)에서 어떤 컨테이너 터미널까지 지상 운송되며 어떤 항을 통해 해상 운송에 대한 준비를 하는지를 결정한다.

물류 보관소(Door)에서 지상 운송될 수 있는 컨테이너 터미널은 한정적이며, 각 컨테이너 터미널까지 이동하는 시간과 운송 비용이 모두 다르다. 또한 컨테이너 터미널에 연결된 항구가 정해져 있으며, 각 항구마다 정박하는 선박이 다르다. 또한 선박마다 정박하는 항구 목록(port call)이 다르며, 이동시간 역시 다르다. 이를 고려하여 적합한 컨테이너 터미널로 풀컨테이너를 이동시킨다.

c. ECR 다중제약조건 동시처리부(30)는 풀컨테이너가 출발지 컨테이너 터미널에서 어떤 선박을 통해 목적지 Door로 갈 수 있는 목적지 컨테이너 터미널로 이동할지 결정한다. 목적지 컨테이너 터미널에서 목적지 Door로 갈 수 있는 시간과 운송비용 및 보관 비용이 다르며 선박마다 일정(schedule)이 다르기 때문에 이를 고려하여 적합한 선박과 목적지 컨테이너 터미널을 결정한다.

d. 풀컨테이너를 목적지 컨테이너 터미널에서 최종 목적지인 목적지 Door로 운송한다. 화주마다 풀컨테이너를 찾아가기 원하는 시간과 비율이 다르다. 어떤 화주는 절반은 당장, 나머지 절반은 일주일 뒤에 받기를 원하기도 한다. 목적지 컨테이너 터미널에서 목적지 Door까지 이동시간을 고려하여 운송한다.

e. 풀컨테이너를 목적지 Door까지 운송하게 되면 컨테이너 안에 적재된 화물을 회수하고 공컨테이너로 다시 컨테이너 터미널 혹은 공컨테이너 보관소로 운송한다. 이때 화주에 따라서 반납하는 기일과 비율이 다르다. 어떤 컨테이너 터미널 혹은 공컨테이너 보관소로 반납받을 것인지, 언제 반납받을 것인지 계산하고 반납 받았을때 사용할 수 있는 공컨테이너로 취급한다.

f. 대여한 공컨테이너가 있을 경우 공컨테이너 대여/반납 정책에 따라서 컨테이너 터미널에서 공컨테이너 보관소로 반납하거나 풀컨테이너를 화주에게 운송했다가 반납되는 공컨테이너를 바로 공컨테이너 보관소로 이동한다.

g. 공컨테이너를 인접 컨테이너 터미널 혹은 공컨테이너 보관소로부터 필요로 하는 화주에게 운반한다. 화주가 공컨테이너를 필요로 하는 날이 정해져 있으므로 그 날짜에 맞춰서 이동시간을 고려하여 공컨테이너를 이동한다.

h. 공컨테이너를 선박으로 운송하기 위해서는 풀컨테이너를 적하하고 남은 공간에 한해서만 적하할 수 있다. 따라서 풀컨테이너의 운송 상황과 연계하여 공컨테이너를 선박에 적하한다.

i. 공컨테이너를 화주에게 전달하고 나면, 다시 풀컨테이너로 컨테이너 터미널로 돌아온다. 이를 다시 풀컨테이너 운송계약으로 취급하여 계획한다.

j. 컨테이너 터미널엔 위기상황시 대처할 수 있도록 최소 보유 공컨테이너 수량이 존재한다. 급한 상황이 아니라면 컨테이너 터미널에 최소 몇개의 공컨테이너를 상시 보관한다.

본 발명의 ECR 다중제약조건 동시처리부(30)가 상기 a~j 에서 상세히 설명한 다중 제약조건을 도메인 문제로 설정을 프로그래밍하는 것이 핵심이다.

이 ECR 다중제약조건 동시처리부(30)의 CSP 검색 수행부(40)는 하부의 CSP 검색 엔진(41)과 CSP 엔진 수행부(42)를 기반으로 하고 있으며, CSP 검색 엔진(41)은 다중제약조건 동시처리부에서 주어지는 수십개의 제약조건들을 모두 만족하는 최적의 목표점을 주어진 조건 트리에서 찾아낼 수 있도록 프로그래밍을 한다.

따라서 ECR 다중제약조건 동시처리부(30)에서 이러한 제약조건들에 대한 논리적 프로그래밍을 완성한 것들을, CSP 검색 엔진(41)에서는 주어진 검색 트리의 전체 혹은 일부 도메인을 대상으로 목표 상태에 도달하기 위한 트리 검색을 수행한다. 예를 들면, 서울에서 도쿄까지 컨테이너를 운송하기 위해서 부산에 있는 컨테이너 터미널로 지상 운송하고 부산항을 지나가는 정기선을 통해 도쿄항에 내려서 목적지까지 가는 등의 모든 가능한 경우의 수를 대상으로 검색을 수행한다. 이것은 마치 절차적 언어에서 루프를 돌면서 전체 검색 도메인을 검색하는 것과 동일하다.

CSP 검색 엔진(41)이 주어진 EDI와 서비스(service) 및 일정(schedule)에 대해서, ECR 프로그램을 수행한다.

입력된 풀컨테이너 및 공컨테이너를 모두 기한 내에 운송하고 운송 비용 및 보관 비용을 최소로 하도록, 다중제약조건 처리부(30)에서 프로그래밍된 모든 제약조건들의 내용들을, CSP 엔진 수행부(42)을 통하여 수행하여, 최종 목표들에 대한 정보를 생성한다.

CSP 엔진 수행부(42)의 수행의 결과 처리가 완료되고 성공될 경우, CSP 검색 엔진(41)이 검색한 최종 목표들에 대한 정보가 출력 처리부(20)를 통하여 두가지 방식으로 출력한다.

출력 처리부(20)는 EDI 파일 형태로 출력하는 EDI 파일 출력부(21)와, 이를 선사 및 화주가 보고 시각적으로 보다 쉽게 이해하고 운영에 필요한 자료로 활용하는 목적으로 그래픽 처리되어 결과의 경로와 일정 및 비용에 대한 정보가 화면상으로 출력하는 그래픽 출력부(22)를 가진다.

도 5는 본 발명의 일실시예에 따른 선사 선적 네트워크의 운송 과정을 나타낸 개략도이다.

도 5에 보인 바와 같이, 송신화주(Door A)가 컨테이너 n개를 수신화주(Door B)에게 Date까지 보낸다고 가정하자. 이를 함수인자로 표현하면 move(from_DoorA, to_DoorB, containers, date)가 된다.

이 함수 표현이 주어지면, 이동 수행엔진(move(출발지, 목적지, 컨테이너, 날짜))(420)에 의해 배송이 될 것이다.

이 경우 풀컨테이너 운송(출발지, 목적지, 컨테이너, 날짜)/지정 전처리부(421)에서 수행할 추가 업무는 출발지, 목적지를 구간별로 나누고, 구간 이동 계획수립을 수행한다. 예를 들면,

① move(from_DoorA, to_Terminal 1, containers, date),

② move(from_Terminal 1, to_Port1, containers, date),

③ move(from_Port1, to_Ship1, containers, date),

④ move(from_Ship1, to_Port2, containers, date),

⑤ move(from_Port2, to_Terminal 2, containers, date),

⑥ move(from_Terminal 2, to_DoorB, containers, date),

이 경우 육상운송 경로 설정 및 일정 할당부(32)에서 정기노선 트럭이 있으면 할당하고, 해당사항이 없으면 임시노선 트럭을 할당하여 육상 운송을 수행한다.

a. 상기 ①번 move(from_DoorA, to_Terminal 1, containers, date),

을 수행하기 위하여, containers가 10개 이면 아래 방식으로 10개의 컨테이너들을 트럭 10대에 각각 싣고 DoorA에서 Terminal 1으로 모두 배송하게 된다.

delivery (truck#1, from_DoorA, to_Terminal 1, container#1, date),

delivery (truck#2, from_DoorA, to_Terminal 1, container #2, date),

…

상기 ②번 move(from_Terminal 1, to_Port1, containers, date),

을 수행하기 위하여, containers가 10개이면 아래 방식으로 10개의 컨테이너들을 트럭 10대에 각각 싣고 from_Terminal 1, to_Port1, 으로 모두 배송하게 된다.

delivery (truck#11, from_Terminal 1, to_Port1, container#1, date),

delivery (truck#12, from_Terminal 1, to_Port1, container #2, date),

…

상기 ③번 move(from_Port1, to_Ship1, containers, date),

delivery (yardtruck#1, from_Port1, to_Ship1, container#1, date),

delivery (yardtruck#2, from_Port1, to_Ship1, container #2, date),

…

이 과정에서 Terminal내부에서 일어나는 Yard Crane, Yard Truck, Quay Crane을 이용한 delivery는 Terminal 내부 운송의 문제로서 상기 설명한 내용과 유사하게 동작할 것으로 보고 본 발명에서는 언급하지 않는다.

상기 ④번 move(from_Ship1, to_Port2, containers, date),

delivery (ship#1, from_Ship1, to_Port2, container#1, date),

delivery (ship#1, from_Ship1, to_Port2, container #2, date),

…

상기 ⑤번 move(from_Port2, to_Terminal 2, containers, date),

delivery (truck#101, from_Port2, to_Terminal 2, container#1, date),

delivery (truck#102, from_Port2, to_Terminal 2, container #2, date),

…

상기 ⑥번 move(from_Terminal 2, to_DoorB, containers, date),

을 수행하기 위하여, containers가 10개이면 이런방식으로 10개의 컨테이너들을 트럭 10대에 각각 싣고 from_Terminal 1, to_Port1, 으로 모두 배송하게 된다.

delivery (truck#121, from_Port2, to_Terminal 2, container#1, date),

delivery (truck#122, from_Port2, to_Terminal 2, container #2, date),

상기 설명 과정에서 세가지 결정사항이 필요하다. 물론 이 세가지 결정사항들은 상호 연관성이 깊어 종속적이며, 제약조건으로 조건을 부여하는 방법으로 정보가 입력될 것이며, 출력은 세가지에 대한 결정결과가 나오게 된다.

첫째는 일정에 대한 결정이고, 둘째는 이동수단으로서 truck#, ship#, 들에 대한 결정이 필요하고, 세번째는 경로에 대한 결정이 필요하다.

첫째, 일정에 따른 결정은, 최초 송신화주(Door A)가 컨테이너 n개를 수신화주(Door B)에게 소정 날짜(Date)까지 보낸다고 가정한다. 즉, 이를 함수인자로 표현하면 move(from_DoorA, to_DoorB, containers, date)의 내용에 따라, 경로와, 이에 필요한 이동수단들이 주어진 일정 내에 가용한지의 여부를 고려하여 최적의 값을 도출하는 것이다.

둘째, 이동수단으로서 트럭들과 배들은 이들 이동장치들의 일정에 따른 가용성, 이용기간 등을 xx가 요청을 하면, yy는 자원풀을 검색후 배당을 하는 방식으로 결정을 해 주게 된다.

셋째, 경로에 대한 결정은, 전처리 과정에서 필요할 수도 있는데, Door A가 Port1으로 container# 개를 소정 날짜(date)에 보내기 위하여 Terminal 1을 경유할 수도 있고, Terminal 3을 경유할 수 도 있다. 또한, 트럭을 이용할 수도 있고, 철도를 이용할 수 있는 경우의 수도 있다고 가정 하자.

이 경우, DoorA 에서 최종 Port1으로 컨테이너 #개를 date에 맞춰 최적으로 송부하기 위한 최적의 경로를 전처리 과정 2320 터미널 및 항구 결정, 2310선박, 트럭 운송장치 결정에서 처리하게 된다.

다음에, 도 6을 참조하여 본 발명의 일실시예에 따른 ECR 시스템의 동작에 대하여 설명한다. 도 6은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화 방법의 순서도이고, 도 7은 본 발명의 일실시예에 따른 인공지능 플래닝 기술 기반 선사 선적 네트워크 및 공컨테이너 재배치 최적화를 위한 프로그램 함수예이다.

스텝 S1 : ECR 다중제약조건 동시처리부(30) 프로그램이 정상 동작하기 위해서는 하부 CSP 검색 엔진(1000)이 준비가 되고, 처리해야 할 EDI 정보가 입력되어야 하고, 또한 선사의 선적 네트워크(Shipping network)에 따른 서비스(service;: 선사에서 운영하는 항로)와 일정(schedule)에 대한 정보(3020)가 입력되어야 한다.

이와 같이, ECR 시스템 동작의 첫 단계에서는 CSP 검색 엔진(40)이 준비상태로 가기 위한 조치를 취하고, 이 엔진이 다중제약조건 동시처리부(30) 프로그램에서 프로그래밍된 수십개의 제약조건을 만족하는 CSP 검색 엔진이 수행할 준비를 마친다.

이를 위해, 입력 데이터 처리부(10)의 EDI 파일 입력부(11)는 보다 구체적인 일례에 대한 선사와 화주 간의 운송계약에 대한 정보를 전자문서 형식의 EDI로 입력받는다. 또한, 입력 데이터 처리부(10)의 육,해상 경로 및 일정 입력부(12)는 선사가 운영 중인 선적 네트워크(shipping network)인 서비스(service;: 선사에서 운영하는 항로)와 일정(schedule)을 입력받는다.

통상, 선적 네트워크(shipping network)는 선사에서 구성하여 실제로 운영하는 서비스(service: : 선사에서 운영하는 항로)와 일정(schedule)을 만드는 것이다. 이러한 정보들을 ECR 프로그램이 입력을 받으면 이제 ECR 프로그램이 수행될 수 있는 모든 준비는 완료된 상태가 된다.

스텝 S2 : ECR 다중제약조건 동시처리부(30) 프로그램은 특정 객체의 인스턴스들이 입력되어야 하부 CSP 검색 엔진(40)에서 이 값들을 이용하여 구체적인 인스턴스 값들을 가지고 검색이 이루어진다. 이 인스턴스 값들로서 선사와 화주 간의 운송계약에 대한 정보와 선사가 운용중인 서비스(service)와 일정(schedule)이 있다.

첫째, 입력 데이터 처리부의 EDI 파일 입력부(11)로 선사와 화주 간의 운송계약에 대한 정보가 입력되어야 한다. 이 정보는 통상 선사로부터 EDI 형태의 문서로 전달받는다. 이 EDI 문서에는 운송계약에 대한 구체적인 내용들이 들어있다. 이 정보에는 풀컨테이너를 출발지에서 목적지까지 운송하는 계약에 대한 정보와 공컨테이너를 필요로 하는 화주에 대한 정보가 있다.

풀컨테이너를 출발지에서 목적지까지 운송하는 계약에 대한 정보는 화주의 출발지 Door, 화주의 목적지 Door, 운송할 풀컨테이너의 수, 운송기한이 있다.

선사의 운영에 따라 운송계약의 운임 또한 본 발명의 일실시예에 따른 ECR 시스템이 제공해줄 수 있다.

공컨테이너를 필요로 하는 화주에 대한 정보는 수요지 Door, 공컨테이너의 수, 필요로 하는 날짜시간(일시)가 있다. 이 EDI 정보로부터 스텝 S2에서는 풀컨테이너 운송에 대한 경로와 일정을 계산하고 공컨테이너 수요에 따른 경로와 일정을 계산한다.

이에 대해서 ECR 다중제약조건 동시처리부(30) 프로그램에서 보다 구체적인 제약조건들을 적용해가면서 컨테이너 운송에 대한 경로와 일정을 계산하는 과정이 S3부터 S10까지 이어서 수행이 된다.

둘째, 입력 데이터 처리부(10)의 육,해상 경로 및 일정 입력부(12)로 선사가 운용중인 서비스(service: 선사에서 운영하는 항로)와 일정(schedule)에 대한 정보가 입력되어야 한다.

선사에서 선적 네트워크(shipping network)를 작성하고 이를 실제로 운용하는 서비스(service: 선사에서 운영하는 항로)와 일정(schedule)을 정한다. 이렇게 정해진 서비스(service)와 일정(schedule)을 입력해 주면 구체적인 인스턴스 값이 확정이 모두 완료된다.

ECR 다중제약조건 동시처리부(30)에서 주어진 서비스(service:: 선사에서 운영하는 항로)와 일정(schedule)을 이용하여 풀컨테이너 운송계약과 공컨테이너 수요를 모두 만족시키면서 운송 시간과 비용을 최소화하도록, 제약조건들을 고려하여 최적화된 경로와 일정을 계산하게 된다.

스텝 S3 ~ S10 : ECR 다중제약조건 동시처리부(30)는 아래 열거한 5개의 주요 제약조건들을 동시에 만족하도록 처리하는 개별 서브 프로그램들(s3~s10)로 구성된다.

본 실시예에서 특이한 사항은, CSP 방식의 프로그램에서는 이들 s3~s10 서브 프로그램들이 순차적으로 수행되는 것이 아니라, 하나의 트리에서 이들 제약조건을 모두 만족하는 목표값들을 동시병렬로 처리된다는 것이다. 따라서 전통적인 흐름도에서 하나의 단계가 수행되고, 그 결과를 다음 단계에서 처리하는 순차 처리 방식의 그림으로 표현하기는 어렵다.

그래서, 다중제약조건 동시처리부라는 대표 단계를 하나로 나타내고, 그 내부에 5개의 서브 프로그램 단계를 나타내었다.

또한, 이 8개의 주요 제약조건들을 동시에 만족한다는 것은 이들 제약조건들의 곱하기 만큼의 경우의 수가 많다는 점이다. 즉, 이들 각각의 제약조건들이 가지는 모든 경우의 수를 하나의 도메인으로 할 때, 경우의 수는, 이 모든 제약조건들의 도메인 수를 모두 곱한 수 만큼의 도메인이 형성된다.

따라서 CSP 검색 엔진은 검색 도메인으로 실제로 엄청나게 거대한 검색 트리를 대상으로 이 모든 제약조건을 만족하는 목표를 찾기 위하여 트리 검색을 하게 된다. 현실적 수치들을 대입하였을 때에 실제로 아래 제약조건들의 곱하기는 수억 회에서 수십억 회의 경우의 수가 일반적이다.

스텝 S3에서 전체 오브젝트 함수 처리부(31)는 컨테이너의 경로와 일정을 수립하는데 전체적으로 적용되는 제약조건으로서의 목적 함수를 처리한다. 이 목적 함수는 컨테이너를 운송하는데 드는 비용과 시간을 가중치에 따라 계산한 값이 최소가 되도록 하는 제약조건이다.

즉, 본 발명에 따른 ECR 프로그램은 주어진 모든 컨테이너를 제약조건에 맞게 운송하도록 노력하고, 또한 선사가 설정한 가중치에 따라 운송 시간과 비용을 가능한 한 최소화하도록 하는 제약조건을 만족하기 위하여 가능한 한 모든 트리검색을 시도한다.

스텝 S4는 육상 운송 경로 설정 및 일정 할당부(322)가, Door에서 어떤 컨테이너 터미널로 풀컨테이너와 공컨테이너를 운송할 것인지, 언제, 몇개의 컨테이너를 운송할 것인지를 할당한다. 어떻게 할당하느냐에 따라서 운송 비용과 시간이 달라지기 때문에 가능한 조합을 모두 시도해 본다.

육상 운송 경로 설정 및 일정 할당부(322)가 각 공컨테이너가 있는 보관소로부터 S7 의 결과로 할당된 컨테이너 터미널까지 이동할 경로를 계산한다. 만약 육상운송 비용이 너무 높거나, 전체 오브젝트(Objective) 함수의 판단에 따라) 일정이 마감일(deadline)에 맞지 않는다면 S5, S6, S7 에서 다른 선택을 하도록 한다.

육상 운송 경로 설정 및 일정 할당부(322)가 고려하는 요인은, 육상운송 비용, 육상운송 수단, 철도 스케줄, 스텝S7에서 할당된 컨테이너 터미널 위치이다.

스텝 S5는 해상 운송 경로 설정 및 일정 할당부(32)가, 컨테이너 터미널에서 Door로 컨테이너를 운송하는 것을 할당한다. 특히 공컨테이너의 경우 화주가 원하는 수령 일시가 존재하고, 컨테이너 터미널 혹은 공컨테이너 보관소(depot)에는 공컨테이너의 보관 비용이 발생한다. 따라서 기한을 맞추면서 보관 비용과 운송 비용을 최소화하도록 컨테이너 터미널에서 물류 보관소(Door)로 컨테이너를 운송하도록 할당한다.

이때, 각 공컨테이너를 선사의 어떤 서비스(Service:: 선사에서 운영하는 항로)를 이용해서 운송할 것인지, 일정 (출발일)은 어떻게 할 것인지 할당한다. 마찬가지로 운송 비용이나 일정이 마감일(deadline)에 맞지 않는다면 S4, S6, S7 에서 다른 선택을 하도록 한다. 고려하는 요인은 S7에서 할당된 컨테이너 터미널에서 출발하는 운항스케줄과, 해상 운송 경로 설정 및 일정 할당부(32)가, S4에서 할당된 육상운송을 통해 컨테이너 터미널에 도착하는 시간과, 선사에서 제공한 Service Network 및 스케줄과, 컨테이너 터미널의 보관 비용이다.

스텝 S6은 선박 할당 및 양하,적하 할당부(34)가 선박 할당 및 양하/적하 할당한다. 선박마다 이미 계약된 풀컨테이너 운송계약 때문에 공컨테이너를 적재할 수 있는 수량의 제약이 생긴다. 선박 할당 및 양하,적하 할당부가 이러한 제약조건 안에서 어떤 선박을 이용할 것인지 할당하고 양하 및 적하 일정을 계산한다. 이때, 컨테이너 터미널에서 출발하는 운항스케줄(선박 포함)과, S5단계에서 할당된 서비스망(Service Network)과, 선박에 적재할 수 있는 빈공간을 고려한다.

스텝 S7은 선박 할당 및 양하,적하 할당부(34)가 공컨테이너를 선박에 적하하고 양하하는 시점과 수량 등을 할당한다. 여러 선박이 있고 선박마다 항구 목록(port call)과 일정(schedule)이 다르다. 공컨테이너 수요가 있는 화주에게까지 전달하기 위해 가능한 모든 경우의 수를 시도해 본다.

컨테이너 터미널 및 항구 할당부(35)가 해상운송의 출발지항 및 도착지항과 컨테이너 터미널을 할당한다. 컨테이너 터미널 및 항구 할당부(35)가 지역별 해상운송 비용과 육상운송 비용이 다르기 때문에 다양한 컨테이너 터미널을 비교해서 할당하며, 고려하는 요인은, 각 컨테이너 터미널에서 화주/최종 목적지까지의 이동 시간 및 비용과, 컨테이너 터미널 별 양하/적하 비용과, 풀컨테이너를 공컨테이너로 회수할 때의 예상 비용 및 시간이다.

스텝 S8에서, 풀컨테이너 운송 추적 및 회수부(36)가 어떤 컨테이너 터미널 혹은 공컨테이너 보관소로 회수할 건지, 언제 회수할건지 등에 대해 추적한다.

이에 대해 상세히 설명하면 다음과 같다.

선사는 풀컨테이너 운송계약에 따라 목적지 Door까지 운송하고 나서 다시 공컨테이너로 회수한다. 선사에서는 화주와 풀컨테이너 운송 계약을 맺고 이 계약에는 출발지항, 도착지항, 선박명, 출도착 일정, 풀컨테이너 수량 등이 포함되어 있다.

기계약된 정보를 추적함으로써 선박의 빈공간을 계산할 수 있다. 또한 운송 완료된 풀컨테이너를 다시 회수함으로써 공컨테이너를 확보한다. 이때 화주마다 풀컨테이너를 공컨테이너로 반납하는 시간이 다르다.

풀컨테이너 운송 추적 및 회수부(36)가 고려하는 요인은, 기계약된 풀컨테이너 계약 정보와, 예측되는 풀컨테이너 계약와, 선박의 빈 공간과, 화주별 공컨테이너 반납 특성 정보와, 회수한 공컨테이너를 보관할 보관장소이다.

스텝 S9에서 공컨테이너 재배치 계획부(37)는 회수한 공컨테이너는 다시 다른 목적으로 사용할 수 있도록 할당하여, 공컨테이너 재배치 계획을 수행한다

위 제약조건 및 고려사항을 바탕으로 공컨테이너 재배치 계획을 수립한다. 또한 공컨테이너 재배치 계획부(37)는 선사에서 적용하는 특이사항 및 정책을 반영한다.

스텝 S10에서 컨테이너 운송 및 보관 비용 계산부(38)는 목적 함수를 위해 모든 컨테이너의 운송 비용과 보관 비용을 계산한다.

즉, 컨테이너 운송 및 보관 비용 계산부(38)는 수립된 공컨테이너 재배치 계획을 수행하기 위한 비용을 계산한다.

스텝 S11은 다중제약조건 동시처리부(30)에서 상기 5개 주요 제약조건들을 모두 CSP 검색 엔진(40)에 입력시키고 검색 전체 공간(도메인)에 대해서 목표상태를 찾기 위한 트리 검색을 수행하는 단계이다. 즉, CSP 엔진(Solver)(41)들은 전체 도메인에 대한 트리 검색 기능이 자체 내장되어 있기 때문에 CSP 응용프로그램에서 절차적 언어에서 수행하는 루프문 같은 것은 별도로 하지 않는 특징이 있다. 예를 들면, 부산에서 도쿄까지 가는 다양한 경로에 대해서 명시적으로 검색을 위한 for loop 같은 것을 쓰지 않아도, CSP 엔진(41)의 내부에서 컨테이너 운송에 대해서 모든 검색을 CSP 엔진(solver)(41) 자체적으로 검색 수행하는 기능에 의거하여 목표상태를 찾아내는 것이다.

스텝 S11에서 CSP 엔진수행부(42)가 상기 ECR 다중제약조건 동시처리부의 프로그램과, CSP 엔진 수행을 위한 명령어와 파라미터를 리눅스 혹은 윈도즈 OS상에서 수행된다. 이 명령어를 통하여 CSP 엔진(41)은 수행을 시작하여 최종 목표값 들을 찾아내기 위하여 전체 검색 도메인에 대해서 긴 트리 검색을 단일 쓰레드 방식 또는 멀티 쓰레드 방식으로 수행하고, 모든 제약조건을 만족시킬 수 있는 목표치를 찾을 경우 수행을 종료하게 된다. 이때, 하나의 목표치를 찾은 후 수행을 멈출 수도 있고, 더 최적화된 조합을 찾기 위해 또 다른 최적화된 목표치를 계속 찾도록 수행을 계속할 수도 있다. 최종 검색 엔진의 종료는 수행시간에 제약을 줌으로써 완전 종료할 수 있다.

스텝 S12는 다중제약조건 동시처리부(30)에서 상기 제약조건들을 모두 만족시킬 수 있는 목표치를 찾을 수 있었는가를 최종 판단하는 단계이다. 여기에서 만족스러운 목표치를 찾았으면 그 결과를 출력한다. 이 판단 단계에서 만족스러운 해법을 찾지 못했을 경우, 트리 검색을 계속하게 된다.

스텝 S13는 상기 스텝 S12의 판단 단계에 따라, 상기 제약조건들을 모두 만족시키는 결과 값을 찾았을 경우, 이를 최종 결과물로 보고 출력을 하는 단계이다. 이 단계에서는 문서 형태로 출력하고 저장하거나 모니터에 그래픽 형태로 출력한다.

본 발명에 따른 컨테이너 배치 시스템 및 방법에 의해, 계획된 풀컨테이너와 공컨테이너의 경로와 일정에 따라 운송을 완료한 후 이에 대한 다양한 운송결과 지표들에 대한 분석 및 통계분석을 수행할 수 있다. 이러한 지표 및 통계분석을 통해 향후 보다 나은 최적화를 위한 피드백 자료로 활용할 수도 있고, 여타 목적으로 활용할 수도 있고 선사 운용에 도움을 줄 수 있다. 따라서, 풀컨테이너 운송결과지표 분석에 이용할 수 있다.

이상과 같은 구성에 따라서, 본 발명은 다음과 같은 효과를 제공한다.

송신화주는 수신화주에게 가장 안전하고 정해진 일정내에 화물이 전달되기를 기대한다. 이러한 화주들의 요구를 맞추기 위해, 본 발명에서는 가장 단순 명료하게 출발지, 목적지, 데드라인의 자료구조로 모델링을 하였고, 이러한 모델링의 효과로 인하여 전체 화물 운송시스템이 사용자 관점에서 무척 간단 명료해짐으로써 운송상 문제발생시 신속하게 발견할 수 있고 수정할 수 있는 효과가 있다.

화주들은 풀컨테이너 운송 및 공컨테이너 재배치를 수행함에 있어 시장에서 요구되는 핵심기능으로서, 정해진 기한을 지키면서 최대한 비용을 줄이는 것이다. 이러한 점에서, 공컨테이너에 대한 경로 및 일정 뿐만 아니라 풀컨테이너에 대한 경로 및 일정을 동시에 계획하는 것이 최대의 효과를 얻을 수 있는 것이다. 동일한 공컨테이너 수요를 충족시킬 때 비용이 적게 드는 경로 및 일정을 제공하는 최적화 소프트웨어 시스템의 가치가 더 높다.

이러한 핵심 효과를 뒷받침하는 구체적인 하위 효과를 설명하면 다음과 같다.

첫째, 종래 선사와 화주 간의 운송계약을 체결하는 시스템의 경우는 풀컨테이너의 경로 및 일정을 계획하는데 컴퓨터 소프트웨어를 사용하지 않았기 때문에 사람이 직접 선적 네트워크(shipping network)를 보고 경로 및 일정을 계획했기 때문에 투입되는 노동력과 최적인지에 대한 평가를 하기 어려웠으나, 본 발명에서는 입력되는 운송계약을 바탕으로 객관적인 수치적 지표를 나타낼 수 있는 경로 및 일정을 제공할 수 있다.

둘째, 종래 선사의 공컨테이너 재배치 계획은 컴퓨터 소프트웨어를 사용하지 않았기 때문에 사람이 직접 선적 네트워크(shipping network)와 풀컨테이너 운송 현황에 따라 공컨테이너 재배치 계획을 수립해야 하고, 이 때문에 공컨테이너 재배치를 위해 풀컨테이너 운송계약을 포기하거나 정기선(Liner)이 아닌 임시선 (Feeder)을 추가로 투입함으로써 추가 비용이 발생할 수 있다. 본 발명에서는 공컨테이너 재배치 계획을 최적화함으로써 비용 절감 효과를 누릴 수 있다.

셋째, 종래 해운 물류는 풀컨테이너와 공컨테이너가 모두 동일한 부피를 차지하지만 풀컨테이너에 대한 계획과 공컨테이너에 대한 계획을 분리해서 수립했다. 본 발명은 풀컨테이너와 공컨테이너의 경로 및 일정에 대한 계획을 동시에 수립하기 때문에 기존 방식에서보다 더 최적의 결과를 낼 수 있다.

상기는 본 발명의 예시로서, 한정적으로 해석되어야 하는 것은 아니다. 본 발명의 몇 가지 예시적인 실시 형태에 대해 설명했지만, 본 발명의 신규 교시 및 이점으로부터 현저하게 일탈하지 않고, 많은 변경이 예시적인 실시 형태에 있어서 가능한 것을 당업자라면 용이하게 이해할 것이다. 따라서 모든 그러한 변경은 특허청구의 범위에서 정의되는 본 발명의 범위 내에 포함되는 것이 의도된다. 따라서 상기가 본 발명의 예시이며, 공개된, 또는 본 명세서에 공개되는 발명에 있어서 특정의 실시 형태에 한정되는 것으로서 해석되어서는 안 되며, 개시된 실시 형태로의 변경 및 다른 실시 형태가 본 명세서에 개시되는 발명의 범위 내에 포함되는 것으로 이해해야 할 것이다.

10 : 입력 데이터 처리부 11 : EDI 파일 입력부
12 : 육해상 경로 및 일정 입력부
20 : 출력 처리부
21 : EDI 파일 출력부 22 : 그래픽 출력부
30 : ECR 다중제약조건 동시 처리부
31 : 전체 오브젝트 함수 처리부
32 : 육상 운송 경로 설정 및 일정 할당부
33 : 해상운송 경로 설정 및 일정 할당부
34 : 선박 할당 및 양하, 적하 할당부
35 : 컨테이너 터미널 및 항구 할당부
36 : 풀컨테이너 운송 추적 및 회수부
37 : 공컨테이너 재배치 계획부
38 : 컨테이너 운송 및 보관 비용 계산부
40 : CSP 검색 엔진
41 : CSP 엔진 42 : CSP 엔진 수행부

Claims

인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템으로서,
다수의 화주의 운송계약에 따라 화물을 송신자로부터 수신자로 배송하는 과정에서 송신화주가 수신화주에게 어떤 컨테이너를 언제까지 보내야 한다는 모델링을 수행하는 모델링부와,
기존 선사의 운송경로를 이용하여 부분 구간에 대하여 화물 운송을 하는 서비스를 하거나, 필요한 운송경로를 최적화하여 신설하거나, 신설된 운송경로의 일부를 이용하여 화물운송을 최적화하고, 선박 트럭 철도를 포함하는 운송 장비 운영을 최적화 하고, 컨테이너 터미널내 야적 시간 및 경비를 최소화하여 최적화 하는 해상/육상 운송계획수립부와,
풀/공컨테이너 운송을 플래닝하고 스케쥴링을 하는 인공지능 기술을 이용한 선적 플래닝부와,
상기 모델링부와 상기 해상/육상 운송계획수립부 및 상기 선적 플래닝부의 처리 결과를 이용하여 실제 해상/육상 운송을 집행하는 해상/육상 풀/공컨테이너 배송집행부를 포함하는 것을 특징으로 하는, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제1항에 있어서,
풀컨테이너 운송결과에 대한 통계치 등 결과지표 분석을 수행하는 결과지표 분석부를 더 포함하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제1항에 있어서,
상기 해상/육상 풀/공컨테이너 배송 집행부는,
입력 데이터 처리부와,
출력 데이터 처리부와,
상기 입력 데이터 처리부에서 입력된 EDI 파일과 서비스(Service: 선사에서 운영하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을, 운송 기간과 운송 비용을 최소로 하는 최적화를 위하여, ECR 다중제약조건 동시처리부에서 프로그래밍한 다양한 제약조건들을 만족하는 목표점을 검색하기 위하여 CSP 검색 엔진을 수행하는 CSP 검색 수행부와,
항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주 (Consignor)를 기본 객체로 가지고, 해운 물류가 가지는 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙운송 네트워크(network)를 고려하여, 다중 컨테이너를 운송함에 있어서, 다수의 제약조건들을 논리적 수식으로 동시처리하는 ECR 다중제약조건 동시처리부를 포함하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제3항에 있어서,
상기 ECR 다중제약조건 동시처리부는, 컨테이너의 경로 및 일정을 수립하는데 전체적으로 적용되는 제약조건으로서 목적 함수(objective function)를 가지며, 상기 목적 함수는 컨테이너가 지상에서 운송되는 비용, 해상에서 운송되는 비용, 터미널에 양하/적하되는 비용, 터미널에 보관되는 비용 등의 발생하는 모든 금전적 비용과 운송하는 시간을 가중치에 따라 적용하고,
상기 제약 조건은 목적 함수가 최소로 되게 하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제4항에 있어서,
상기 ECR 다중제약조건 동시처리부는 풀컨테이너가 화주의 물류보관소(Door)에서 어떤 컨테이너 터미널까지 지상 운송되며 어떤 항을 통해 해상 운송에 대한 준비를 하는지를 결정하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제3항에 있어서,
상기 ECR 다중제약조건 동시처리부는 풀컨테이너가 출발지 컨테이너 터미널에서 어떤 선박을 통해 목적지 물류 보관소(Door)로 갈 수 있는 목적지 컨테이너 터미널로 이동할지 결정하는 것인, 목적지 컨테이너 터미널에서 목적지 Door로 갈 수 있는 시간과 운송비용 및 보관 비용이 다르며 선박마다 일정(schedule)이 다르른 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제3항에 있어서,
각 컨테이너 터미널까지 이동하는 시간과 운송 비용이 모두 상이하고, 컨테이너 터미널에 연결된 항구가 정해져 있으며, 각 항구마다 정박하는 선박이 상이하고, 또한 선박마다 정박하는 항구 목록(port call)이 다르며, 이동시간이 다르며, 상기 ECR 다중제약조건 동시처리부는 이를 고려하여 적합한 컨테이너 터미널로 풀컨테이너를 이동시키는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제3항에 있어서,
풀컨테이너를 목적지 컨테이너 터미널에서 최종 목적지인 목적지 물류보관소(Door)로 운송하며, 화주마다 풀컨테이너를 찾아가기 원하는 시간과 비율이 상이하다는 것과 목적지 컨테이너 터미널에서 목적지 물류보관소(Door)까지 이동시간을 고려하여 운송하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
제3항에 있어서,
상기 CSP 검색 수행부는 CSP 엔진을 리눅스 OS 상에서 혹은 윈도우즈 OS 상에서 수행하기 위해 필요한 쉘 명령어와 수행에 필요한 다양한 파라미터값들을 입력하여 수행하는 것인, 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 시스템.
인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 방법으로서,
입력 데이터 처리부에서 입력된 EDI 파일과 서비스(Service: 선사에서 운영하는 항로) 및 일정(schedule)을 바탕으로, 풀컨테이너와 공컨테이너의 경로와 일정을 고려하여 운송 기간과 운송 비용을 최소로 하는 최적화를 위해 ECR 다중제약조건 동시처리부가 CSP 검색 엔진을 수행하여 다양한 제약 조건을 만족하는 목표점을 검색하는 단계와,
상기 ECR 다중 제약조건 동시처리부가 항구(Port), 컨테이너 터미널(Terminal), 공컨테이너 보관소(Depot), 화주의 물류보관소(Door), 화주 (Consignor)를 기본 객체로 가지고, 해운 물류가 가지는 선적 네트워크(Shipping network)와 내륙의 항과 컨테이너 터미널, 공컨테이너 보관소, 화주의 물류보관소(Door) 간의 내륙운송 네트워크(network)를 고려하여, 다중 컨테이너를 운송함에 있어서, 다수의 제약조건들을 논리적 수식으로 동시처리하는 단계를 포함하는 것을 특징으로 하는 인공지능 플래닝 기술 기반 선사 선적 네트워크의 공컨테이너 재배치 최적화 방법.