WO2018124452A1 - 장치장 크레인 작업 계획 시스템 및 방법 - Google Patents

장치장 크레인 작업 계획 시스템 및 방법 Download PDF

Info

Publication number
WO2018124452A1
WO2018124452A1 PCT/KR2017/012358 KR2017012358W WO2018124452A1 WO 2018124452 A1 WO2018124452 A1 WO 2018124452A1 KR 2017012358 W KR2017012358 W KR 2017012358W WO 2018124452 A1 WO2018124452 A1 WO 2018124452A1
Authority
WO
WIPO (PCT)
Prior art keywords
solution
candidate
container
strategy
work
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2017/012358
Other languages
English (en)
French (fr)
Inventor
류광렬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University Industry Cooperation Foundation of Pusan National University
Original Assignee
University Industry Cooperation Foundation of Pusan National University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020170031546A external-priority patent/KR101894377B1/ko
Application filed by University Industry Cooperation Foundation of Pusan National University filed Critical University Industry Cooperation Foundation of Pusan National University
Publication of WO2018124452A1 publication Critical patent/WO2018124452A1/ko
Priority to US16/221,047 priority Critical patent/US10636107B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C19/00—Cranes comprising trolleys or crabs running on fixed or movable bridges or gantries
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management

Definitions

  • the present invention relates to a plant crane work planning system and method. Specifically, the present invention relates to a plant crane work planning system and method based on a strategy based planning method.
  • Container terminals can be divided into three areas: quay walls, storage areas, and hinterland.
  • the quay is where the vessel is temporarily anchored, where it is loaded with containers or unloaded containers from the vessel.
  • a warehouse is a place where containers are temporarily stored before they are exported or imported.
  • the hinterland is where external trucks carrying containers move in and out.
  • the warehouse crane work plan of the container terminal determines which containers are to be stacked where.
  • the plant crane work plan of the container terminal can determine the crane work assignment problem and the container device positioning problem.
  • the crane work assignment problem is a matter of determining a container to be worked by a crane in a plant. Since there are different kinds of containers according to the purpose in the container terminal, if the crane carries the container indiscriminately, the transportation of the other crane may be hindered.
  • the problem of container device positioning is a problem of determining the loading position of containers entering the device.
  • loading the container in the storage space is limited by size, weight, etc., if the container is loaded indiscriminately, the available space of the storage space may be insufficient.
  • a strategy based planning method may be used.
  • the existing strategy-based planning method has a problem that is specialized only in the work scenario used for the exploration of the strategy. That is, the existing strategy-based planning method shows a good performance only in specialized work scenarios and poor performance in other work scenarios.
  • the technical problem to be solved by the present invention is to provide a plant crane work planning system exhibiting improved performance in various work scenarios.
  • Another technical problem to be solved by the present invention is to provide a method for designing a crane crane work that exhibits improved performance in various work scenarios.
  • a crane construction work planning system including a scenario providing unit for providing a plurality of work scenarios and a plurality of first candidate solutions using a genetic algorithm.
  • an input unit providing first information that is information of an evaluation target container candidate, second information that is information of an evaluation position device candidate, and a first strategy and the first information are used to determine a target container for the operation. And a determining unit for determining the container loading position using the second strategy and the second information, and a loading unit for loading the container according to the determination of the determining unit.
  • the first information includes the specification information of the container and the second information includes the location information of the device head.
  • the genetic algorithm selects the inferior candidate solution of the target solution population as the inferior candidate solution, selects a first parent from the target solution population, applies crosses and mutations to the first parent, and applies the first child. , Select a second parent from the target solution population, select a second child most similar to the first child from the second parent, select a better child of the first and second children as the best candidate solution, Replacing inferior candidate solutions with good candidate solutions, including evolving the target solution population.
  • the genetic algorithm evaluates all candidate solutions of the target solution population at a first number of times, based on the working scenario, evaluates the first child at a second number of times, and based on the working scenario, Based, evaluating the second child a third number greater than the second number.
  • evaluating the second child includes performing after evaluating the first child.
  • the second number is equal to the first number.
  • selecting the second parent includes performing after selecting the first parent.
  • the first evolutionary unit repeats evolving the first solution group until the evolved first solution group converges
  • the second evolutionary unit is configured to perform the second evolution until the evolved second solution group converges. Repeat evolving the population.
  • the method further comprises determining a container to be worked on using the first strategy, and determining a container loading position using the second strategy.
  • determining the object to be worked on includes further using the specification information of the container, and determining the container loading position includes further using the location information of the device head.
  • evolving the first and second solution groups further includes performing each of a predetermined number of repetitions.
  • Plant crane work planning systems and methods in accordance with some embodiments may lead to optimized strategies in various work scenarios.
  • the plant crane work planning system and method in accordance with some embodiments may result in an optimized strategy by minimizing noise.
  • FIG. 1 is a conceptual diagram illustrating a container terminal.
  • FIG. 2 is an enlarged view of an enlarged view of portion A of FIG. 1.
  • FIG. 3 is a conceptual diagram illustrating the operation of a plant crane for loading containers.
  • FIG. 4 is a block diagram of a plant crane work planning system according to some embodiments of the inventive concept.
  • FIG. 5 is a block diagram of a strategy derivation unit of FIG. 4.
  • FIG. 6 is a diagram for describing a coevolution algorithm for the first evolutionary unit and the second evolutionary unit of FIG. 5.
  • FIG. 7 is a diagram for describing a genetic algorithm for the first and second evolutionary units of FIG. 5.
  • FIG. 8 is a block diagram of a determination unit of FIG. 4.
  • FIG. 9 is a flowchart of a plant crane work planning method according to some embodiments of the inventive concept.
  • FIGS. 1 to 4 a plant crane planning system according to some embodiments of the inventive concept will be described.
  • FIG. 1 is a conceptual diagram illustrating a container terminal.
  • FIG. 2 is an enlarged view of an enlarged view of portion A of FIG. 1.
  • 3 is a conceptual diagram illustrating the operation of a plant crane for loading containers.
  • the container terminal includes an inner wall 20, an apparatus cabinet 10, and a backing 30.
  • the quay wall 20 is an area where the ship 40 is anchored.
  • the container 12 may be unloaded from the ship 40 by the container crane (CC).
  • the unloaded container 12 may be transported to the yard 10 by an automated guided vehicle (AGV).
  • AGV automated guided vehicle
  • the container 12 loaded in the equipment cabinet 10 may be transferred to the inner wall 20 by the internal transport vehicle AGV.
  • the transferred container 12 may be shipped to the ship 40 by a container crane (CC).
  • the device cabinet 10 is an area where the container 12 is temporarily loaded.
  • the container 12 transported to the yard 10 by the internal transport vehicle AGV may be loaded on the yard 10 by automated stacking cranes (ASC).
  • ASC automated stacking cranes
  • the loaded container 12 may be transported to the inner wall 20 to be shipped back to the ship 40 or transferred to the rear panel 30.
  • the container 12 may be loaded in a plurality of blocks arranged perpendicular to the direction in which the ship 40 is to be fixed.
  • the multiple crane ASC can load the container 12 by each block.
  • the internal transport vehicle AGV can move between each block.
  • the container 12 may be loaded in a plurality of blocks arranged horizontally in the direction in which the ship 40 is to be fixed.
  • the hedge 30 is an area connected to the equipment cabinet 10 and landside.
  • the rear truck 30 may move an external truck (ET).
  • the container of the yard 10 may be transported to the rear panel 30 by an external truck ET.
  • the external truck (ET) can transfer the container from the hedge (30) to the plant (10).
  • the backing paper 30 is an area for transferring the container 12 between the equipment cabinet 10 and other places on the land side.
  • the container 12 may be stacked in a block in the apparatus cabinet 10.
  • Blocks can have a constant length (bays), widths (rows) and heights (tiers).
  • the length (bays) means the distance in the long corner direction of the rectangular parallelepiped-shaped container 12
  • the width (rows) means the distance in the short corner direction.
  • the movement of the container 12 may be described.
  • the portion where the yard 10 extends into the quay wall 20 is referred to as a seaside handover point (HP).
  • the portion where the storage device 10 is connected to the backing 30 is referred to as a landside handover point.
  • Container 12 may enter and exit at each handover point.
  • the outer truck ET may move to the hedge 30 at the six handover point.
  • the plant crane ASC may load the container 12.
  • the container 12 may be imported (imported) from the vessel, or may be exported (export) from the six sides.
  • the loaded container 12 may be loaded by ship or may be carried out on the land side.
  • the container 12 may be unloaded from a ship and transshipment to another ship.
  • two or more crane ASCs may be installed in the cabinet 10.
  • a plant crane may be used to reorder or rehandling the container 12.
  • the rearrangement is to move the container 12 to the position where the device crane ASC in each direction touches in the device cabinet 10 when the container 12 should be moved to the opposite side from the sea side or the land side.
  • moving the container 12 when it is to be transported or shipped directly on land is called repositioning.
  • Re-handling means that the container 12 is not moved but when the container 12 loaded under the container 12 is to be moved, the container 12 is moved.
  • FIG. 4 is a block diagram of a plant crane work planning system according to some embodiments of the inventive concept.
  • the plant crane work planning system includes a strategy derivation unit 100, an input unit 200, a determination unit 300, and a loading unit 400.
  • the crane construction work planning system is based on a strategy-based planning method.
  • the strategy-based planning method is a planning method in which scores are calculated based on various evaluation criteria for each candidate of a given candidate group and a candidate who has the highest score is selected.
  • the different criteria of the strategy-based planning method may have different importance, which can be weighted for each criteria.
  • a weight combination given to each evaluation criterion is referred to as a strategy.
  • the strategy-based planning method may provide a score function as shown in Equation 1 below.
  • x is an input value
  • s (x) is a score function
  • f i (x) is an evaluation criterion function
  • w i is a weighting constant of each evaluation criterion function
  • n is a natural number.
  • the score function is the sum of the products of each evaluation criterion function and the weighting constant.
  • the set of w 1 to w n is a strategy.
  • the plant crane work planning system may determine a container to be worked on and a container loading position.
  • the containers 12 that can be the object of work may be candidates. That is, s (x) may evaluate the scores of the container candidates that may be the work targets, respectively. For example, s (x) may each evaluate the scores of the containers 12 that have to be processed within a certain time.
  • x is information of the container candidate to be evaluated and f i (x) is an evaluation criterion function for evaluating the container candidate to be evaluated.
  • x may include specification information of the container such as the weight, size, etc. of the container candidate to be evaluated. Accordingly, the container candidate having the highest value of s (x) can be determined as the work target container.
  • s (x) may evaluate the scores of the candidates for the location of the device that may be the loading object. For example, s (x) may each evaluate the scores of the locations of the cabinet 10 where the container 12 may be loaded.
  • x is information of the evaluation target device length position candidate
  • f i (x) is an evaluation reference function for evaluating the evaluation target container candidate.
  • x may include location information of a device length such as a coordinate value of an evaluation target device location location candidate. Accordingly, the device length position candidate having the highest value of s (x) can be determined as the container loading position.
  • the strategy derivation unit 100 may derive the optimized strategy. That is, the strategy derivation unit 100 may derive by optimizing the set of all w i (that is, w 1 to w n ) of Equation 1 above.
  • the strategy derivation unit 100 may provide a strategy (hereinafter, referred to as a first strategy) for determining a work target container.
  • the strategy derivation unit 100 may provide a strategy (hereinafter, referred to as a second strategy) for determining a container loading position.
  • the strategy derivation unit 100 may derive the optimized first strategy and the second strategy. This will be described later in detail with reference to FIGS. 5 to 7.
  • the input unit 200 may provide an input value. That is, the input unit 200 may provide x of Equation 1 above.
  • the input unit 200 may provide information (hereinafter, referred to as first information) of the evaluation target container candidate.
  • the input unit 200 may provide information (hereinafter, referred to as second information) of the evaluation target device field position candidate.
  • the determination unit 300 may determine a work target container and a container loading position by the device crane ASC. That is, the determination unit 300 may calculate s (x) by using Equation 1 and determine a candidate having the highest s (x).
  • the determination unit 300 may receive the first strategy from the strategy derivation unit 100, receive the first information from the input unit 200, and determine a work target container to be operated by the device crane ASC. .
  • the determination unit 300 may receive the second strategy from the strategy derivation unit 100 and receive the second information from the input unit 200 to determine a container loading position where the ASC loads the container. have. This will be described later in detail with reference to FIG. 8.
  • the loading unit 400 may load the container 12 in the apparatus cabinet 10 according to the determination of the determination unit 300.
  • the loading unit 400 may correspond to an overhead crane (ASC).
  • ASC overhead crane
  • the technical spirit of the present disclosure is not limited thereto, and the loading unit 400 may include any device capable of loading the container 12 according to the determination of the determination unit 300.
  • FIG. 5 is a block diagram of a strategy derivation unit of FIG. 4.
  • FIG. 6 is a diagram for describing a coevolution algorithm for the first evolutionary unit and the second evolutionary unit of FIG. 5.
  • FIG. 7 is a diagram for describing a genetic algorithm for the first and second evolutionary units of FIG. 5.
  • the strategy derivation unit 100 may include a scenario providing unit 110, a first evolution unit 120, and a second evolution unit 130.
  • the scenario provider 110 may provide a plurality of work scenarios.
  • the work scenario here is a scenario of a plant crane working.
  • the plant manager can have different working scenarios for different operating situations. Accordingly, the scenario provider 110 may provide different scenarios of the mill crane work.
  • This work scenario can be used to assess the superiority of the strategy. For example, to evaluate a first strategy, which is a strategy for determining a work target container, a specific work scenario may be required. That is, evaluating a specific strategy may be based on a work scenario provided from the scenario provider 110.
  • the first evolutionary unit 120 may evolve a first solution group including a plurality of candidate strategies (hereinafter, referred to as first candidate solutions) for determining a work target container.
  • first candidate solutions a first solution group including a plurality of candidate strategies
  • the first evolution unit 120 may evolve a first solution group including a plurality of first candidate solutions using a genetic algorithm.
  • the first evolutionary unit 120 may provide the best candidate solution of the first solution group as the first strategy.
  • the second evolutionary unit 130 may evolve a second solution group including a plurality of candidate strategies (hereinafter, referred to as second candidate solutions) for determining a container loading position.
  • the second evolution unit 130 may evolve a second solution group including a plurality of second candidate solutions by using a genetic algorithm.
  • the second evolutionary unit 130 may provide the best candidate solution of the second solution group as the second strategy.
  • the first evolution unit 120 and the second evolution unit 130 may evolve the first solution group and the second solution group by using a coevolution algorithm. Specifically, the first evolutionary unit 120 may evaluate each first candidate solution of the first solution group and evolve the first solution group based on the second strategy. In addition, the second evolutionary unit 130 may evaluate each second candidate solution of the second solution group and evolve the second solution group based on the first strategy.
  • the first solution group and the second solution group may each evolve.
  • a first generation first sea population may evolve and evolve into a second generation first sea population
  • a second generation first sea population may evolve to evolve into a third generation first sea population.
  • the first evolutionary unit may evaluate each candidate solution of the second generation first solution group based on the first generation second strategy, which is the best candidate solution of the first generation second solution group.
  • the second evolutionary unit may evaluate each candidate solution of the second generation second solution group based on the first generation first strategy, which is the best candidate solution of the first generation first solution group.
  • the first strategy which is a strategy for determining the container to be worked on
  • the second candidate solution which is a candidate strategy for determining the container loading position
  • the second strategy which is a strategy for determining the loading position
  • the first candidate solution which is a candidate strategy for determining the container to be worked on.
  • first evolution unit 120 and the second evolution unit 130 may be described. Specifically, the first evolutionary unit 120 and the second evolutionary unit 130 evolve the first solution group and the second solution group, respectively, using a genetic algorithm based on restricted tournament selection (RTS). You can.
  • RTS restricted tournament selection
  • a target solution group which is a solution group to be evolved by a genetic algorithm
  • the target sea population may mean one sea population selected from the first sea population and the second sea population.
  • the target solution group is the first solution group.
  • all candidate solutions of the target solution group are evaluated at the first number of times (S101). Specifically, all the first candidate solutions of the first solution group can be evaluated by the first number of times.
  • evaluating each first candidate solution may be based on a work scenario arbitrarily selected from the scenario provider 110. That is, each first candidate solution may be evaluated based on the same work scenarios, or may be evaluated based on different work scenarios. Accordingly, the first evolutionary unit 120 may evaluate each first candidate solution based on various work scenarios.
  • each first candidate solution may be evaluated based on a second strategy. That is, each first candidate solution may be evaluated based on the second strategy as well as the work scenario that is arbitrarily selected from the scenario providing unit 110. If the target solution group is the second solution group, each second candidate solution may be evaluated based on the first strategy as well as a work scenario arbitrarily selected from the scenario provider 110.
  • the first number may be two or more times.
  • the particular first candidate solution of the first solution group may be evaluated based on the same working scenarios, or may be evaluated based on different working scenarios, during two or more evaluations. Accordingly, the first candidate solution can be evaluated based on various work scenarios.
  • an inferior candidate solution which is the inferior candidate solution of the target solution group is selected (S110).
  • the first inferior candidate solution of the first solution group may be selected as the inferior candidate solution.
  • the inferior candidate solution can be selected by comparing the respective first candidate solutions evaluated in step S101.
  • the average of each of the first candidate solutions evaluated two or more times can be compared to select the inferior candidate solution as the inferior candidate solution.
  • inferior candidate solutions may be selected by comparing the respective first candidate solutions by other methods.
  • the first parent is selected from the target solution group (S120).
  • a first parent may be generated by randomly selecting a first candidate solution from the first solution group.
  • the first parent may include a plurality of first candidate solutions, but the technical spirit of the present invention is not limited thereto.
  • crossover and mutation are applied to the first parent to generate a first child (S125).
  • crosses and mutations can be applied to a first candidate solution arbitrarily selected from a first solution population. Accordingly, an evolved first candidate solution that does not exist in the first parent can be generated to form a first child.
  • the first child may include a plurality of evolved first candidate solutions, but the technical spirit of the present invention is not limited thereto.
  • the first child is evaluated at a second frequency (S126).
  • evaluating the first child may be based on a work scenario arbitrarily selected from the scenario provider 110. Evaluating the first child is substantially the same as evaluating the first candidate solution. That is, like the first candidate solution, the first child may be evaluated based on the second strategy as well as the work scenario randomly selected from the scenario provider 110. If the target solution group is the second solution group, the first child may be evaluated based on the first strategy as well as the work scenario arbitrarily selected from the scenario provider 110.
  • the second number may be equal to the first number.
  • the technical spirit of the present invention is not limited thereto, and the second number may be different from the first number.
  • the second parent is selected from the target solution group (S130).
  • a second parent may be generated by arbitrarily selecting a first candidate solution from the first solution group.
  • the second parent may include a plurality of first candidate solutions, but the technical spirit of the present invention is not limited thereto.
  • the second parent may include the same number of first candidate solutions as the first parent, or may include a first candidate solution different from the first parent.
  • selecting the second parent (S130) is described as being performed after selecting the first parent (S120), but the technical spirit of the present invention is not limited thereto. That is, selecting the second parent (S130) may be performed before selecting the first parent (S120), or may be performed simultaneously with selecting the first parent (S120).
  • a second child most similar to the first child is selected from the second parent (S135).
  • the second parent S135.
  • the second child is evaluated at a third frequency (S136).
  • evaluating the second child may be based on a work scenario arbitrarily selected from the scenario provider 110. Evaluating the second child is substantially the same as evaluating the first candidate solution. That is, like the first candidate solution, the second child may be evaluated based on the second strategy as well as the work scenario that is randomly selected from the scenario provider 110. If the target solution group is the second solution group, the second child may be evaluated based on the first strategy as well as the work scenario arbitrarily selected from the scenario provider 110.
  • the third number may be greater than the second number. That is, the second child may be evaluated based on various work scenarios than the first child. Since the second child is similar to the first child, being selected as the second child means that the probability of being a good candidate solution is high. That is, by evaluating the second child several times based on different working scenarios, it is possible to more accurately evaluate the excellent candidate solution by removing noise.
  • evaluating the second child (S136) is performed after evaluating the first child (S126), but the technical spirit of the present invention is not limited thereto. That is, evaluating the second child (S136) may be performed before evaluating the first child (S126) or may be performed simultaneously with evaluating the first child (S126).
  • the superior child among the first child and the second child is selected as the excellent candidate solution (S140).
  • the best candidate solution can be selected by comparing each of the first and second children evaluated in step S126 and step S136.
  • the average of each of the first and second children evaluated two or more times can be compared to select a better candidate solution as an excellent candidate solution.
  • the technical idea of the present invention is not limited thereto, and an excellent candidate solution may be selected by comparing each of the first and second children.
  • the inferior candidate solution is replaced with the excellent candidate solution to evolve the target solution group (S150).
  • the first solution group may be evolved by replacing the inferior candidate solution of the first candidate solution of the first solution group with a better candidate solution of the first child and the second child. Accordingly, the first solution group may include a more improved first candidate solution.
  • the target population is repeated until the target population has evolved (S160).
  • the evolution of the first solution group may be repeated until the evolved first solution group converges.
  • Whether the evolved first solution group converges may be determined by whether the difference between the evolved first solution group and the first solution group before evolution is within a tolerance range. Specifically, if the difference between the evolved first solution group and the first solution group before evolution is outside the tolerance range, the previous steps (S110 to S150) are repeated to evolve the first solution group.
  • the technical idea of the present invention is not limited thereto, and the evolution of the target solution group may be performed a predetermined number of times.
  • the best candidate solution is derived from the strategy. Specifically, when the evolved first solution group converges, the best first candidate solution may be derived as the first strategy. If the target solution group is the second solution group, the genetic algorithm according to FIG. 7 may derive the second strategy.
  • the strategy derivation unit 100 may derive the optimized first strategy and the second strategy by using the scenario providing unit 110, the first evolution unit 120, and the second evolution unit 130. .
  • FIG. 8 is a block diagram of a determination unit of FIG. 4.
  • the determiner 300 may include a container determiner 310 and a loading position determiner 320.
  • the container determiner 310 may receive a first strategy from the strategy derivation unit 100, receive first information from the input unit 200, and determine a work target container. In detail, the container determiner 310 may determine a work target container by using Equation 2 below.
  • y is first information and w 1i is a first strategy.
  • s 1 (y) is a score function for determining a work target container
  • f 1i (y) is an evaluation criterion function for evaluating a candidate container for evaluation. Accordingly, the container determination unit 310 may determine the container candidate having the highest value of s 1 (y) as the work target container.
  • the loading location determiner 320 may receive a second strategy from the strategy derivation unit 100, receive second information from the input unit 200, and determine a container loading location. In detail, the loading position determiner 320 may determine a work target container by using Equation 3 below.
  • z is the second information and w 2i is the second strategy.
  • s 2 (z) is a score function for determining a work target container
  • f 2i (z) is an evaluation criterion function for evaluating an evaluation target container candidate. Accordingly, the loading position determiner 320 may determine the container candidate having the highest value of s 2 (z) as the work target container.
  • the plant crane work planning system may derive an optimized strategy in various work scenarios.
  • the plant crane work planning system in accordance with some embodiments may result in an optimized strategy by minimizing noise.
  • the mill crane work planning system in accordance with some embodiments may exhibit improved performance in various work scenarios.
  • FIG. 9 a method for designing a crane crane according to some embodiments of the inventive concept will be described. For convenience of description, portions overlapping with those described with reference to FIGS. 1 to 8 will be briefly described or omitted.
  • FIG. 9 is a flowchart of a plant crane work planning method according to some embodiments of the inventive concept.
  • the first solution group including the plurality of first candidate solutions is evolved using the genetic algorithm (S11a). Further, the second solution group including the plurality of second candidate solutions is evolved using the genetic algorithm (S11b).
  • evolving the first solution group may evaluate each first candidate solution of the first solution group based on the second strategy and evolve the first solution group.
  • evolving the second solution group may evaluate each second candidate solution of the second solution group based on the first strategy, and evolve the second solution group.
  • each of the first solution group and the second solution group can be performed using the genetic algorithm described above with reference to FIG. 7.
  • a first strategy derived from the first solution group is provided (S12a).
  • a second strategy derived from the second solution group (S12b).
  • step S11a iterates to evolve the first solution group until the first solution group evolved in step S11a converges, and the second solution group until the second solution group evolved in step S11b converges. It can be repeated to evolve. If the evolved first solution group converges, the best first candidate solution can be derived as the first strategy. Similarly, once the evolved second solution group converges, the best second candidate solution can be derived as the second strategy.
  • first information which is information on the evaluation target container candidate is provided (S13a). Further, second information which is information on the evaluation target device head position candidate is provided (S13b).
  • the operation target container is determined using the first strategy and the first information (S14a). Further, the container loading position is determined using the second strategy and the second information (S14b).
  • the container is loaded in accordance with the operation target container determined by the steps S14a and S14b and the determined container loading position. Specifically, according to the operation target container determined by the steps S14a and S14b and the determined container loading position, the facility crane ASC may load the container 12.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Mechanical Engineering (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

장치장 크레인 작업 계획 시스템 및 방법이 제공된다. 장치장 크레인 작업 계획 시스템은, 복수의 작업 시나리오를 제공하는 시나리오 제공부, 유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시키는 제1 진화부, 및 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시키는 제2 진화부를 포함하고, 제1 진화부는, 제2 해집단의 가장 우수한 후보해인 제2 전략에 기반하여 각각의 제1 후보해를 평가하고, 제2 진화부는, 제1 해집단의 가장 우수한 후보해인 제1 전략에 기반하여 각각의 제2 후보해를 평가하고, 각각의 제1 및 제2 후보해를 평가하는 것은, 복수의 작업 시나리오로부터 임의로 선택되는 작업 시나리오에 각각 기반한다.

Description

장치장 크레인 작업 계획 시스템 및 방법
본 발명은 장치장 크레인 작업 계획 시스템 및 방법에 관한 것이다. 구체적으로, 본 발명은 전략 기반 계획 방법에 기반하는 장치장 크레인 작업 계획 시스템 및 방법에 관한 것이다.
컨테이너 터미널은 크게 안벽, 장치장, 배후지의 세 영역으로 나눌 수 있다. 안벽은 선박이 임시로 정박하는 장소로, 이 곳에서 선박에 컨테이너를 싣거나 선박으로부터 컨테이너를 내린다. 장치장은 컨테이너가 수출 혹은 수입되기 전에 임시로 보관되는 장소이다. 배후지는 컨테이너를 운반하는 외부 트럭이 드나드는 장소이다.
특히, 매일 많은 양의 컨테이너가 장치장으로 들어오고 나가기 때문에, 장치장의 효율적인 운영은 컨테이너 터미널의 전체 생산성에 매우 중요한 영향을 미친다. 이에 따라, 현장에서는 최적화된 전략으로 장치장을 운영하는 것이 요구된다.
컨테이너 터미널의 장치장 크레인 작업 계획은, 어떤 컨테이너를 어디에 쌓을지 결정한다. 예를 들어, 컨테이너 터미널의 장치장 크레인 작업 계획은, 크레인 작업 할당 문제와 컨테이너 장치 위치 결정 문제를 결정할 수 있다.
크레인 작업 할당 문제는, 장치장의 크레인이 작업할 컨테이너를 결정하는 문제이다. 컨테이너 터미널에는 목적에 따라 서로 다른 종류의 컨테이너들이 존재하므로, 만일 크레인이 무분별하게 컨테이너를 운송하면 다른 크레인의 운송이 방해될 수 있다.
또한, 컨테이너 장치 위치 결정 문제는, 장치장으로 들어오는 컨테이너들의 적재 위치를 결정하는 문제이다. 장치장에 컨테이너를 적재할 때에는 크기나 무게 등에 의한 제약이 있기 때문에, 만일 컨테이너를 무분별하게 적재하면 장치장의 가용 공간이 부족해질 수 있다.
따라서, 장치장 크레인 작업 계획의 최적화가 요구된다. 이를 위해, 전략 기반 계획 방법이 사용될 수 있다. 그러나, 기존의 전략 기반 계획 방법은, 전략의 탐색에 사용되는 작업 시나리오에만 특화되는 문제점이 있다. 즉, 기존의 전략 기반 계획 방법은, 특화된 작업 시나리오에서만 좋은 성능을 보이고, 다른 작업 시나리오에서는 좋지 않은 성능을 보이는 문제점이 있다.
본 발명이 해결하고자 하는 기술적 과제는 다양한 작업 시나리오에서 개선된 성능을 나타내는 장치장 크레인 작업 계획 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 다양한 작업 시나리오에서 개선된 성능을 나타내는 장치장 크레인 작업 계획 방법을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 복수의 작업 시나리오를 제공하는 시나리오 제공부, 유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시키는 제1 진화부, 및 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시키는 제2 진화부를 포함하고, 제1 진화부는, 제2 해집단의 가장 우수한 후보해인 제2 전략에 기반하여 각각의 제1 후보해를 평가하고, 제2 진화부는, 제1 해집단의 가장 우수한 후보해인 제1 전략에 기반하여 각각의 제2 후보해를 평가하고, 각각의 제1 및 제2 후보해를 평가하는 것은, 복수의 작업 시나리오로부터 임의로 선택되는 작업 시나리오에 각각 기반한다.
몇몇 실시예에서, 평가 대상 컨테이너 후보의 정보인 제1 정보와, 평가 대상 장치장 위치 후보의 정보인 제2 정보를 제공하는 입력부와, 제1 전략 및 제1 정보를 이용하여 작업 대상 컨테이너를 결정하고, 제2 전략 및 제2 정보를 이용하여 컨테이너 적재 위치를 결정하는 결정부와, 결정부의 결정에 따라 컨테이너를 적재하는 적재부를 더 포함한다.
몇몇 실시예에서, 제1 정보는 컨테이너의 제원 정보를 포함하고, 제2 정보는 장치장의 위치 정보를 포함한다.
몇몇 실시예에서, 유전자 알고리즘은, 대상 해집단의 가장 열등한 후보해를 열등 후보해로 선정하고, 대상 해집단으로부터 제1 부모를 선택하고, 제1 부모에 대해 교배 및 돌연변이를 적용하여 제1 자식을 생성하고, 대상 해집단으로부터 제2 부모를 선택하고, 제2 부모로부터 제1 자식과 가장 유사한 제2 자식을 선택하고, 제1 및 제2 자식 중 더 우수한 자식을 우수 후보해로 선정하고, 열등 후보해를 우수 후보해로 대체하여, 대상 해집단을 진화시키는 것을 포함한다.
몇몇 실시예에서, 유전자 알고리즘은, 작업 시나리오에 기반하여, 제1 횟수로 대상 해집단의 모든 후보해를 평가하고, 작업 시나리오에 기반하여, 제2 횟수로 제1 자식을 평가하고, 작업 시나리오에 기반하여, 제2 횟수보다 많은 제3 횟수로 제2 자식을 평가하는 것을 포함한다.
몇몇 실시예에서, 제2 자식을 평가하는 것은, 제1 자식을 평가한 후에 수행하는 것을 포함한다.
몇몇 실시예에서, 제2 횟수는 제1 횟수와 동일하다.
몇몇 실시예에서, 제2 부모를 선택하는 것은, 제1 부모를 선택한 후에 수행하는 것을 포함한다.
몇몇 실시예에서, 제1 진화부는, 진화된 제1 해집단이 수렴할 때까지 제1 해집단을 진화시키는 것을 반복하고, 제2 진화부는, 진화된 제2 해집단이 수렴할 때까지 제2 해집단을 진화시키는 것을 반복한다.
상기 기술적 과제를 달성하기 위한 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 방법은, 복수의 작업 시나리오를 제공하고, 유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시키고, 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시키는 것을 포함하고, 제1 해집단을 진화시키는 것은, 제2 해집단의 가장 우수한 후보해인 제2 전략에 기반하여 각각의 제1 후보해를 평가하고, 제1 해집단을 진화시키는 것은, 제1 해집단의 가장 우수한 후보해인 제1 전략에 기반하여 각각의 제2 후보해를 평가하고, 각각의 제1 및 제2 후보해를 평가하는 것은, 복수의 작업 시나리오로부터 임의로 선택되는 작업 시나리오에 각각 기반한다.
몇몇 실시예에서, 제1 전략을 이용하여 작업 대상 컨테이너를 결정하고, 제2 전략을 이용하여 컨테이너 적재 위치를 결정하는 것을 더 포함한다.
몇몇 실시예에서, 작업 대상 컨테이너를 결정하는 것은, 컨테이너의 제원 정보를 더 이용하는 것을 포함하고, 컨테이너 적재 위치를 결정하는 것은, 장치장의 위치 정보를 더 이용하는 것을 포함한다.
몇몇 실시예에서, 제1 해집단 및 제2 해집단을 진화시키는 것은, 소정의 반복 횟수로 각각 수행되는 것을 더 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 기술적 사상의 몇몇 실시예에 의하면 적어도 다음과 같은 효과가 있다.
몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템 및 방법은, 다양한 작업 시나리오에서 최적화된 전략을 도출할 수 있다.
또한, 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템 및 방법은, 노이즈를 최소화하여 최적화된 전략을 도출할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 컨테이너 터미널을 도시하는 개념도이다.
도 2는 도 1의 A를 확대하여 도시한 확대도이다.
도 3은 컨테이너를 적재하는 장치장 크레인의 작업을 설명하는 개념도이다.
도 4는 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템의 블록도이다.
도 5는 도 4의 전략 도출부의 블록도이다.
도 6은 도 5의 제1 진화부 및 제2 진화부에 대한 공진화 알고리즘(coevolution algorithm)을 설명하기 위한 도면이다.
도 7은 도 5의 제1 진화부 및 제2 진화부에 대한 유전자 알고리즘(genetic algorithm)을 설명하기 위한 도면이다.
도 8은 도 4의 결정부의 블록도이다.
도 9는 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
비록 제1, 제2 등이 다양한 구성 요소들을 서술하기 위해서 사용되나, 이들 구성 요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성 요소를 다른 구성 요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성 요소는 본 발명의 기술적 사상 내에서 제2 구성 요소 일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서, 도 1 내지 도 4를 참조하여, 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 계획 시스템을 설명한다.
도 1은 컨테이너 터미널을 도시하는 개념도이다. 도 2는 도 1의 A를 확대하여 도시한 확대도이다. 도 3은 컨테이너를 적재하는 장치장 크레인의 작업을 설명하는 개념도이다.
도 1을 참조하면, 컨테이너 터미널은 안벽(20), 장치장(10) 및 배후지(30)를 포함한다.
안벽(20)은 선박(40)이 정박하는 영역이다. 컨테이너(12)는 컨테이너 크레인(CC)에 의해 선박(40)에서 하역될 수 있다. 하역된 컨테이너(12)는 내부 이송 차량(AGV; automated guided vehicle)에 의해 장치장(10)으로 이송될 수 있다. 또한, 장치장(10)에 적재된 컨테이너(12)는 내부 이송 차량(AGV)에 의해 안벽(20)으로 이송될 수 있다. 이송된 컨테이너(12)는 컨테이너 크레인(CC)에 의해 선박(40)에 선적될 수 있다.
장치장(10)은 컨테이너(12)가 임시적으로 적재되는 영역이다. 내부 이송 차량(AGV)에 의해 장치장(10)으로 이송된 컨테이너(12)는, 장치장 크레인(ASC; automated stacking cranes)에 의해 장치장(10)에 적재될 수 있다. 적재된 컨테이너(12)는 안벽(20)으로 이송되어 선박(40)에 다시 선적되거나, 배후지(30)로 이송될 수 있다.
도시된 것처럼, 컨테이너(12)는 선박(40)이 정착하는 방향에 수직하게 배열된 복수의 블록으로 적재될 수 있다. 복수의 장치장 크레인(ASC)은 각 블록으로 컨테이너(12)를 적재할 수 있다. 내부 이송 차량(AGV)은 각각의 블록 사이로 이동할 수 있다. 도시된 것과 달리, 컨테이너(12)는 선박(40)이 정착하는 방향에 수평하게 배열된 복수의 블록으로 적재될 수도 있다.
배후지(30)는 장치장(10)과 육측(landside)으로 연결되는 영역이다. 배후지(30)에서는 외부 트럭(ET; external truck)이 이동할 수 있다. 장치장(10)의 컨테이너는 외부 트럭(ET)에 의해 배후지(30)로 이송될 수 있다. 또한, 외부 트럭(ET)은 배후지(30)로부터 장치장(10)으로 컨테이너를 이송할 수 있다. 즉, 배후지(30)는 장치장(10)과 육측의 다른 장소 사이에서 컨테이너(12)를 이송하기 위한 영역이다.
도 2를 참조하면, 장치장(10) 내의 블록에 컨테이너(12)가 적재(stack)될 수 있다. 블록은 일정한 길이(bays), 너비(rows) 및 높이(tiers)를 가질 수 있다. 여기서, 길이(bays)란 직육면체 형상의 컨테이너(12)의 긴 모서리 방향의 거리를 의미하고, 너비(rows)란 짧은 모서리 방향의 거리를 의미한다.
도 3을 참조하면, 컨테이너(12)의 이동을 설명할 수 있다. 장치장(10)이 안벽(20)과 이어지는 부분은 해측(seaside) 핸드오버 포인트(handover point, HP)로 지칭된다. 또한, 장치장(10)이 배후지(30)와 이어지는 부분은 육측(landside) 핸드오버 포인트로 지칭된다. 컨테이너(12)는 각각의 핸드오버 포인트에서 들어오고 나갈 수 있다. 외부 트럭(ET)은 육측 핸드오버 포인트에서 배후지(30)로 이동할 수 있다.
상술한 것처럼, 장치장 크레인(ASC)은 컨테이너(12)를 적재할 수 있다. 여기서, 컨테이너(12)는 선박에서 하역(import)된 것일 수도 있고, 육측으로부터 이송(export)된 것일 수도 있다. 적재된 컨테이너(12)는 선박으로 선적(loading)될 수도 있고, 육측으로 이송(carry-out)될 수도 있다. 또한, 컨테이너(12)는 선박에서 하역되어 다른 선박으로 환적(transshipment)될 수도 있다. 하나의 블록에 특별히 제한되는 것은 아니지만, 장치장(10)에는 2개 이상의 장치장 크레인(ASC)이 설치될 수 있다.
또한, 장치장 크레인(ASC)은 컨테이너(12)를 재정돈하거나 재취급(rehandling)하는데 사용될 수도 있다. 재정돈이란, 해측이나 육측으로부터 컨테이너(12)가 반대측으로 이동되어야 하는 경우에, 장치장(10) 내에서 각각의 방향에 있는 장치장 크레인(ASC)이 닿는 위치로 컨테이너(12)를 옮기는 것이다. 재정돈 중에서, 컨테이너(12)가 바로 육지로 이송되거나 선적되어야 하는 경우에 컨테이너(12)를 이동시키는 것을 리포지셔닝(repositioning)이라 한다. 재취급이란, 당해 컨테이너(12)가 이동될 필요는 없지만 당해 컨테이너(12) 아래에 적재된 컨테이너(12)가 이동되어야 하는 경우에, 당해 컨테이너(12)를 이동시키는 것이다.
도 4는 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템의 블록도이다.
도 4를 참조하면, 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 전략 도출부(100), 입력부(200), 결정부(300) 및 적재부(400)를 포함한다.
본 실시예에 따른 장치장 크레인 작업 계획 시스템은 전략 기반 계획 방법에 기반한다. 전략 기반 계획 방법이란, 주어진 후보군의 각 후보에 대해 여러 가지 평가 기준으로 점수를 계산하고, 가장 높은 점수를 얻은 후보를 선택하는 계획 방법이다.
전략 기반 계획 방법의 여러 가지 평가 기준은 각각 중요도가 다를 수 있는데, 이러한 중요도에 따라 각 평가 기준 별로 가중치를 부여할 수 있다. 이 때, 각 평가 기준 별로 부여되는 가중치 조합을 전략이라고 지칭한다. 구체적으로, 전략 기반 계획 방법은 아래 수학식 1과 같은 점수 함수를 제공할 수 있다.
Figure PCTKR2017012358-appb-M000001
여기서, x는 입력값이고, s(x)는 점수 함수이고, fi(x)는 평가 기준 함수이고, wi는 각 평가 기준 함수의 가중 상수이다. n은 자연수이다. 즉, 점수 함수는 각 평가 기준 함수와 가중 상수를 곱한 값들의 합이다. 이 때, w1 내지 wn의 집합이 전략이다.
몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 작업 대상 컨테이너와, 컨테이너 적재 위치를 결정할 수 있다.
예를 들어, 장치장 크레인(ASC)이 작업할 컨테이너(12)를 결정하고자할 때, 작업 대상이 될 수 있는 컨테이너(12)들은 후보군이 될 수 있다. 즉, s(x)는 작업 대상이 될 수 있는 컨테이너 후보들의 점수를 각각 평가할 수 있다. 예를 들어, s(x)는 일정 시간 내로 처리되어야 하는 컨테이너(12)들의 점수를 각각 평가할 수 있다.
이러한 경우에, x는 평가 대상 컨테이너 후보의 정보이고, fi(x)는 평가 대상 컨테이너 후보를 평가하기 위한 평가 기준 함수이다. 예를 들어, x는 평가 대상 컨테이너 후보의 무게, 크기 등과 같은 컨테이너의 제원 정보를 포함할 수 있다. 이에 따라, s(x)의 값이 가장 높은 컨테이너 후보를 작업 대상 컨테이너로 결정할 수 있다.
또한, 예를 들어, 장치장 크레인(ASC)이 컨테이너(12)를 적재할 위치를 결정하고자할 때, s(x)는 적재 대상이 될 수 있는 장치장 위치 후보의 점수를 각각 평가할 수 있다. 예를 들어, s(x)는 컨테이너(12)가 적재될 수 있는 장치장(10)의 위치들의 점수를 각각 평가할 수 있다.
이러한 경우에, x는 평가 대상 장치장 위치 후보의 정보이고, fi(x)는 평가 대상 컨테이너 후보를 평가하기 위한 평가 기준 함수이다. 예를 들어, x는 평가 대상 장치장 위치 후보의 좌표값과 같은 장치장의 위치 정보를 포함할 수 있다. 이에 따라, s(x)의 값이 가장 높은 장치장 위치 후보를 컨테이너 적재 위치로 결정할 수 있다.
전략 도출부(100)는 전략을 최적화하여 도출할 수 있다. 즉, 전략 도출부(100)는 상기 수학식 1의 모든 wi(즉, w1 내지 wn)의 집합을 최적화하여 도출할 수 있다.
구체적으로, 전략 도출부(100)는 작업 대상 컨테이너를 결정하기 위한 전략(이하, 제1 전략)을 제공할 수 있다. 또한, 전략 도출부(100)는 컨테이너 적재 위치를 결정하기 위한 전략(이하, 제2 전략)을 제공할 수 있다. 또한, 전략 도출부(100)는 제1 전략 및 제2 전략을 최적화하여 도출할 수 있다. 이에 관해서는, 도 5 내지 도 7에 관한 설명에서 상세히 후술한다.
입력부(200)는 입력값을 제공할 수 있다. 즉, 입력부(200)는 상기 수학식 1의 x를 제공할 수 있다.
구체적으로, 입력부(200)는 평가 대상 컨테이너 후보의 정보(이하, 제1 정보)를 제공할 수 있다. 또한, 입력부(200)는 평가 대상 장치장 위치 후보의 정보(이하, 제2 정보)를 제공할 수 있다.
결정부(300)는 장치장 크레인(ASC)이 작업 대상 컨테이너 및 컨테이너 적재 위치를 결정할 수 있다. 즉, 결정부(300)는 상기 수학식 1을 이용하여 s(x)를 계산하고, 가장 높은 s(x)를 갖는 후보를 결정할 수 있다.
구체적으로, 결정부(300)는 전략 도출부(100)로부터 제1 전략을 제공받고, 입력부(200)로부터 제1 정보를 제공받아, 장치장 크레인(ASC)이 작업할 작업 대상 컨테이너를 결정할 수 있다. 또한, 결정부(300)는 전략 도출부(100)로부터 제2 전략을 제공받고, 입력부(200)로부터 제2 정보를 제공받아, 장치장 크레인(ASC)이 컨테이너를 적재할 컨테이너 적재 위치를 결정할 수 있다. 이에 관해서는, 도 8에 관한 설명에서 상세히 후술한다.
적재부(400)는 결정부(300)의 결정에 따라 장치장(10)에 컨테이너(12)를 적재할 수 있다. 구체적으로, 적재부(400)는 장치장 크레인(ASC)에 대응될 수 있다. 그러나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니고, 적재부(400)는 결정부(300)의 결정에 따라 컨테이너(12)를 적재할 수 있는 임의의 장치를 포함할 수 있다.
이하에서, 도 5 내지 도 7을 참조하여, 몇몇 실시예에 따른 전략 도출부(100)의 동작을 구체적으로 설명한다.
도 5는 도 4의 전략 도출부의 블록도이다. 도 6은 도 5의 제1 진화부 및 제2 진화부에 대한 공진화 알고리즘(coevolution algorithm)을 설명하기 위한 도면이다. 도 7은 도 5의 제1 진화부 및 제2 진화부에 대한 유전자 알고리즘(genetic algorithm)을 설명하기 위한 도면이다.
도 5를 참조하면, 전략 도출부(100)는 시나리오 제공부(110), 제1 진화부(120) 및 제2 진화부(130)를 포함할 수 있다.
시나리오 제공부(110)는 복수의 작업 시나리오를 제공할 수 있다. 여기서 작업 시나리오는, 장치장 크레인 작업의 시나리오이다. 장치장은 다양한 운영 상황에 따라 여러 가지 작업 시나리오를 가질 수 있다. 이에 따라, 시나리오 제공부(110)는 장치장 크레인 작업의 서로 다른 시나리오를 제공할 수 있다.
이러한 작업 시나리오는 전략의 우열을 평가하는데 사용될 수 있다. 예를 들어, 작업 대상 컨테이너를 결정하기 위한 전략인 제1 전략을 평가하기 위해서는, 특정한 작업 시나리오가 요구될 수 있다. 즉, 특정한 전략을 평가하는 것은, 시나리오 제공부(110)로부터 제공되는 작업 시나리오에 기반할 수 있다.
제1 진화부(120)는 작업 대상 컨테이너를 결정하기 위한 복수의 후보 전략(이하, 제1 후보해)을 포함하는 제1 해집단을 진화시킬 수 있다. 구체적으로, 제1 진화부(120)는, 유전자 알고리즘(genetic algorithm)을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시킬 수 있다. 또한, 제1 진화부(120)는 제1 해집단의 가장 우수한 후보해를 제1 전략으로 제공할 수 있다.
제2 진화부(130)는 컨테이너 적재 위치를 결정하기 위한 복수의 후보 전략(이하, 제2 후보해)을 포함하는 제2 해집단을 진화시킬 수 있다. 구체적으로, 제2 진화부(130)는, 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시킬 수 있다. 또한, 제2 진화부(130)는 제2 해집단의 가장 우수한 후보해를 제2 전략으로 제공할 수 있다.
이 때, 제1 진화부(120) 및 제2 진화부(130)는 공진화 알고리즘(coevolution algorithm)을 이용하여 제1 해집단 및 제2 해집단을 진화시킬 수 있다. 구체적으로, 제1 진화부(120)는 제2 전략에 기반하여 제1 해집단의 각각의 제1 후보해를 평가하고, 제1 해집단을 진화시킬 수 있다. 또한, 제2 진화부(130)는 제1 전략에 기반하여 제2 해집단의 각각의 제2 후보해를 평가하고, 제2 해집단을 진화시킬 수 있다.
더 구체적으로, 도 6을 참조하면, 제1 해집단 및 제2 해집단은 각각 진화될 수 있다. 예를 들어, 제1 세대 제1 해집단은 진화되어 제2 세대 제1 해집단으로 진화될 수 있고, 제2 세대 제1 해집단은 진화되어 제3 세대 제1 해집단으로 진화될 수 있다.
이 때, 제1 진화부는, 제1 세대 제2 해집단의 가장 우수한 후보해인 제1 세대 제2 전략에 기반하여, 제2 세대 제1 해집단의 각각의 후보해를 평가할 수 있다. 마찬가지로, 제2 진화부는, 제1 세대 제1 해집단의 가장 우수한 후보해인 제1 세대 제1 전략에 기반하여, 제2 세대 제2 해집단의 각각의 후보해를 평가할 수 있다.
즉, 작업 대상 컨테이너를 결정하기 위한 전략인 제1 전략은, 컨테이너 적재 위치를 결정하기 위한 후보 전략인 제2 후보해를 평가하는데 사용될 수 있다. 마찬가지로, 적재 위치를 결정하기 위한 전략인 제2 전략은, 작업 대상 컨테이너를 결정하기 위한 후보 전략인 제1 후보해를 평가하는데 사용될 수 있다.
도 7을 참조하면, 제1 진화부(120) 및 제2 진화부(130)에 사용되는 유전자 알고리즘을 설명할 수 있다. 구체적으로, 제1 진화부(120) 및 제2 진화부(130)는 제한된 토너먼트 선택(RTS; restricted tournament selection)에 기반하는 유전자 알고리즘을 사용하여, 제1 해집단 및 제2 해집단을 각각 진화시킬 수 있다.
먼저, 유전자 알고리즘에 의해 진화의 대상이 되는 해집단인 대상 해집단을 제공한다(S100). 본 실시예에서, 대상 해집단은 제1 해집단 및 제2 해집단에서 선택되는 하나의 해집단을 의미할 수 있다. 그러나, 설명의 편의를 위해, 이하에서 대상 해집단은 제1 해집단인 것으로 가정한다.
이어서, 제1 횟수로 대상 해집단의 모든 후보해를 평가한다(S101). 구체적으로, 제1 횟수로 제1 해집단의 모든 제1 후보해를 평가할 수 있다. 이 때, 각각의 제1 후보해를 평가하는 것은, 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오에 기반할 수 있다. 즉, 각각의 제1 후보해는 서로 동일한 작업 시나리오에 기반하여 평가될 수도 있고, 서로 다른 작업 시나리오에 기반하여 평가될 수도 있다. 이에 따라, 제1 진화부(120)는 다양한 작업 시나리오에 기반하여 각각의 제1 후보해를 평가할 수 있다.
또한, 도 6에 관한 설명에서 상술한 것처럼, 각각의 제1 후보해는 제2 전략에 기반하여 평가될 수 있다. 즉, 각각의 제1 후보해는 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제2 전략에도 기반하여 평가될 수 있다. 만일, 대상 해집단이 제2 해집단인 경우에, 각각의 제2 후보해는 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제1 전략에도 기반하여 평가될 수 있다.
몇몇 실시예에서, 제1 횟수는 2회 이상일 수 있다. 이러한 경우에, 제1 해집단의 특정한 제1 후보해는, 2회 이상 평가되는 동안 서로 동일한 작업 시나리오에 기반하여 평가될 수도 있고, 서로 다른 작업 시나리오에 기반하여 평가될 수도 있다. 이에 따라, 제1 후보해는 다양한 작업 시나리오에 기반하여 평가될 수 있다.
이어서, 대상 해집단의 가장 열등한 후보해인 열등 후보해를 선정한다(S110). 구체적으로, 제1 해집단의 가장 열등한 제1 후보해를 열등 후보해로 선정할 수 있다. 열등 후보해는, 단계(S101)에서 평가된 각각의 제1 후보해를 비교하여 선정할 수 있다.
제1 횟수가 2회 이상인 경우에, 각각 2회 이상 평가되는 각각의 제1 후보해의 평균을 비교하여, 가장 열등한 후보해를 열등 후보해로 선정할 수 있다. 그러나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니고, 다른 방법으로 각각의 제1 후보해를 비교하여 열등 후보해를 선정할 수도 있다.
이어서, 대상 해집단으로부터 제1 부모를 선택한다(S120). 구체적으로, 제1 해집단으로부터 임의로 제1 후보해를 선택하여 제1 부모를 생성할 수 있다. 이 때, 제1 부모는 복수의 제1 후보해를 포함할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.
이어서, 제1 부모에 대해 교배(crossover) 및 돌연변이(mutation)를 적용하여 제1 자식을 생성한다(S125). 구체적으로, 제1 해집단으로부터 임의로 선택된 제1 후보해에 대해 교배 및 돌연변이를 적용할 수 있다. 이에 따라, 제1 부모에 존재하지 않는 진화된 제1 후보해를 생성하여, 제1 자식을 형성할 수 있다. 이 때, 제1 자식은 복수의 진화된 제1 후보해를 포함할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.
이어서, 제2 횟수로 제1 자식을 평가한다(S126). 이 때, 제1 자식을 평가하는 것은, 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오에 기반할 수 있다. 제1 자식을 평가하는 것은, 제1 후보해를 평가하는 것과 실질적으로 동일하다. 즉, 제1 후보해와 마찬가지로, 제1 자식은 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제2 전략에도 기반하여 평가될 수 있다. 만일, 대상 해집단이 제2 해집단인 경우에, 제1 자식은 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제1 전략에도 기반하여 평가될 수 있다.
몇몇 실시예에서, 제2 횟수는 제1 횟수와 동일할 수 있다. 그러나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니고, 제2 횟수는 제1 횟수와 다를 수도 있다.
이어서, 대상 해집단으로부터 제2 부모를 선택한다(S130). 구체적으로, 제1 해집단으로부터 임의로 제1 후보해를 선택하여 제2 부모를 생성할 수 있다. 이 때, 제2 부모는 복수의 제1 후보해를 포함할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. 또한, 제2 부모는 제1 부모와 동일한 수의 제1 후보해를 포함할 수도 있고, 제1 부모와 서로 다른 제1 후보해를 포함할 수도 있다.
본 실시예에서, 제2 부모를 선택하는 것(S130)은 제1 부모를 선택한(S120) 이후에 수행되는 것으로 설명되지만, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. 즉, 제2 부모를 선택하는 것(S130)은 제1 부모를 선택하기(S120) 전에 수행될 수도 있고, 제1 부모를 선택하는 것(S120)과 동시에 수행될 수도 있다.
이어서, 제2 부모로부터 제1 자식과 가장 유사한 제2 자식을 선택한다(S135). 제1 자식이 복수인 경우에, 제1 자식의 수와 동일한 수의 제2 자식을 생성할 수 있다.
이어서, 제3 횟수로 제2 자식을 평가한다(S136). 이 때, 제2 자식을 평가하는 것은, 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오에 기반할 수 있다. 제2 자식을 평가하는 것은, 제1 후보해를 평가하는 것과 실질적으로 동일하다. 즉, 제1 후보해와 마찬가지로, 제2 자식은 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제2 전략에도 기반하여 평가될 수 있다. 만일, 대상 해집단이 제2 해집단인 경우에, 제2 자식은 시나리오 제공부(110)로부터 임의로 선택되는 작업 시나리오뿐만 아니라, 제1 전략에도 기반하여 평가될 수 있다.
몇몇 실시예에서, 제3 횟수는 제2 횟수보다 많을 수 있다. 즉, 제2 자식은 제1 자식보다 다양한 작업 시나리오에 기반하여 평가될 수 있다. 제2 자식은 제1 자식과 유사하므로, 제2 자식으로 선택된다는 것은 우수한 후보해일 확률이 높다는 것을 의미한다. 즉, 제2 자식을 서로 다른 작업 시나리오에 기반하여 여러 번 평가함으로써, 노이즈를 제거하여 우수한 후보해를 보다 정확히 평가할 수 있다.
본 실시예에서, 제2 자식을 평가하는 것(S136)은 제1 자식을 평가한(S126) 이후에 수행되는 것으로 설명되지만, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. 즉, 제2 자식을 평가하는 것(S136)은 제1 자식을 평가하기(S126) 전에 수행될 수도 있고, 제1 자식을 평가하는(S126) 것과 동시에 수행될 수도 있다.
이어서, 제1 자식과 제2 자식 중 더 우수한 자식을 우수 후보해로 선정한다(S140). 우수 후보해는, 단계(S126) 및 단계(S136)에서 평가된 각각의 제1 자식 및 제2 자식을 비교하여 선정할 수 있다.
제2 횟수 및 제3 횟수가 2회 이상인 경우에, 각각 2회 이상 평가되는 각각의 제1 자식 및 제2 자식의 평균을 비교하여, 더 우수한 후보해를 우수 후보해로 선정할 수 있다. 그러나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니고, 다른 방법으로 각각의 제1 자식 및 제2 자식을 비교하여 우수 후보해를 선정할 수도 있다.
이어서, 열등 후보해를 우수 후보해로 대체하여, 대상 해집단을 진화시킨다(S150). 구체적으로, 제1 해집단의 제1 후보해 중에서 가장 열등한 열등 후보해를, 제1 자식과 제2 자식 중 더 우수한 우수 후보해로 대체하여 제1 해집단을 진화시킬 수 있다. 이에 따라, 제1 해집단은 보다 개선된 제1 후보해를 포함할 수 있다.
이어서, 진화된 대상 해집단이 수렴할 때까지 대상 해집단을 진화시키는 것을 반복한다(S160). 구체적으로, 진화된 제1 해집단이 수렴할 때까지 제1 해집단을 진화시키는 것을 반복할 수 있다.
진화된 제1 해집단이 수렴하는지 여부는, 진화된 제1 해집단과 진화되기 전의 제1 해집단의 차이가 허용 오차 범위 내인지 여부로 판단할 수 있다. 구체적으로, 만일 진화된 제1 해집단과 진화되기 전의 제1 해집단의 차이가 허용 오차 범위 밖이라면, 이전 단계(S110 내지 S150)를 반복하여 다시 제1 해집단을 진화시킨다. 그러나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니고, 대상 해집단을 진화시키는 것은 소정의 반복 횟수로 수행될 수도 있다.
만일, 진화된 대상 해집단이 수렴하면, 가장 우수한 후보해를 전략으로 도출한다. 구체적으로, 진화된 제1 해집단이 수렴하면, 가장 우수한 제1 후보해를 제1 전략으로 도출할 수 있다. 대상 해집단이 제2 해집단이 경우에, 도 7에 따른 유전자 알고리즘은 제2 전략을 도출할 수 있다.
이에 따라, 전략 도출부(100)는 시나리오 제공부(110), 제1 진화부(120) 및 제2 진화부(130)를 이용하여, 최적화된 제1 전략 및 제2 전략을 도출할 수 있다.
이하에서, 도 8을 참조하여, 몇몇 실시예에 따른 결정부(300)의 동작을 구체적으로 설명한다.
도 8은 도 4의 결정부의 블록도이다.
도 8을 참조하면, 결정부(300)는 컨테이너 결정부(310) 및 적재 위치 결정부(320)를 포함할 수 있다.
컨테이너 결정부(310)는 전략 도출부(100)로부터 제1 전략을 제공받고, 입력부(200)로부터 제1 정보를 제공받아, 작업 대상 컨테이너를 결정할 수 있다. 구체적으로, 컨테이너 결정부(310)는 아래 수학식 2를 이용하여 작업 대상 컨테이너를 결정할 수 있다.
Figure PCTKR2017012358-appb-M000002
여기서, y는 제1 정보이고, w1i는 제1 전략이다. 또한, s1(y)는 작업 대상 컨테이너를 결정하기 위한 점수 함수이고, f1i(y)는 평가 대상 컨테이너 후보를 평가하기 위한 평가 기준 함수이다. 이에 따라, 컨테이너 결정부(310)는 s1(y)의 값이 가장 높은 컨테이너 후보를 작업 대상 컨테이너로 결정할 수 있다.
적재 위치 결정부(320)는 전략 도출부(100)로부터 제2 전략을 제공받고, 입력부(200)로부터 제2 정보를 제공받아, 컨테이너 적재 위치를 결정할 수 있다. 구체적으로, 적재 위치 결정부(320)는 아래 수학식 3을 이용하여 작업 대상 컨테이너를 결정할 수 있다.
Figure PCTKR2017012358-appb-M000003
여기서, z는 제2 정보이고, w2i는 제2 전략이다. 또한, s2(z)는 작업 대상 컨테이너를 결정하기 위한 점수 함수이고, f2i(z)는 평가 대상 컨테이너 후보를 평가하기 위한 평가 기준 함수이다. 이에 따라, 적재 위치 결정부(320)는 s2(z)의 값이 가장 높은 컨테이너 후보를 작업 대상 컨테이너로 결정할 수 있다.
이에 따라, 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 다양한 작업 시나리오에서 최적화된 전략을 도출할 수 있다. 또한, 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 노이즈를 최소화하여 최적화된 전략을 도출할 수 있다. 이에 따라, 몇몇 실시예에 따른 장치장 크레인 작업 계획 시스템은, 다양한 작업 시나리오에서 개선된 성능을 나타낼 수 있다.
이하에서, 도 9를 참조하여, 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 계획 방법을 설명한다. 설명의 편의를 위해, 도 1 내지 도 8을 이용하여 설명한 것과 중복되는 부분은 간략히 설명하거나 생략한다.
도 9는 본 발명의 기술적 사상의 몇몇 실시예에 따른 장치장 크레인 작업 계획 방법의 순서도이다.
도 9를 참조하면, 먼저 복수의 작업 시나리오를 제공한다(S10).
이어서, 유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시킨다(S11a). 또한, 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시킨다(S11b).
구체적으로, 제1 해집단 및 제2 해집단을 진화시키는 것은, 도 6에 관한 설명에서 상술한 공진화 알고리즘을 이용할 수 있다. 즉, 제1 해집단을 진화시키는 것(S11a)은, 제2 전략에 기반하여 제1 해집단의 각각의 제1 후보해를 평가하고, 제1 해집단을 진화시킬 수 있다. 또한, 제2 해집단을 진화시키는 것(S11b)은, 제1 전략에 기반하여 제2 해집단의 각각의 제2 후보해를 평가하고, 제2 해집단을 진화시킬 수 있다.
또한, 각각의 제1 해집단 및 제2 해집단을 진화시키는 것은, 도 7에 관한 설명에서 상술한 유전자 알고리즘을 이용하여 수행할 수 있다.
이어서, 제1 해집단으로부터 도출되는 제1 전략을 제공한다(S12a). 또한, 제2 해집단으로부터 도출되는 제2 전략을 제공한다(S12b).
구체적으로, 단계(S11a)에서 진화된 제1 해집단이 수렴할 때까지 제1 해집단을 진화시키는 것을 반복하고, 단계(S11b)에서 진화된 제2 해집단이 수렴할 때까지 제2 해집단을 진화시키는 것을 반복할 수 있다. 만일, 진화된 제1 해집단이 수렴하면, 가장 우수한 제1 후보해를 제1 전략으로 도출할 수 있다. 마찬가지로, 진화된 제2 해집단이 수렴하면, 가장 우수한 제2 후보해를 제2 전략으로 도출할 수 있다.
이어서, 평가 대상 컨테이너 후보의 정보인 제1 정보를 제공한다(S13a). 또한, 평가 대상 장치장 위치 후보의 정보인 제2 정보를 제공한다(S13b).
이어서, 제1 전략 및 제1 정보를 이용하여, 작업 대상 컨테이너를 결정한다(S14a). 또한, 제2 전략 및 제2 정보를 이용하여, 컨테이너 적재 위치를 결정한다(S14b).
이어서, 단계(S14a, S14b)에 의해 결정된 작업 대상 컨테이너 및 결정된 컨테이너 적재 위치에 따라, 컨테이너를 적재한다. 구체적으로, 단계(S14a, S14b)에 의해 결정된 작업 대상 컨테이너 및 결정된 컨테이너 적재 위치에 따라, 장치장 크레인(ASC)은 컨테이너(12)를 적재할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (13)

  1. 복수의 작업 시나리오를 제공하는 시나리오 제공부;
    유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시키는 제1 진화부; 및
    상기 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시키는 제2 진화부를 포함하고,
    상기 제1 진화부는, 상기 제2 해집단의 가장 우수한 후보해인 제2 전략에 기반하여 각각의 상기 제1 후보해를 평가하고,
    상기 제2 진화부는, 상기 제1 해집단의 가장 우수한 후보해인 제1 전략에 기반하여 각각의 상기 제2 후보해를 평가하고,
    각각의 상기 제1 및 제2 후보해를 평가하는 것은, 복수의 상기 작업 시나리오로부터 임의로 선택되는 작업 시나리오에 각각 기반하는 장치장 크레인 작업 계획 시스템.
  2. 제 1항에 있어서,
    평가 대상 컨테이너 후보의 정보인 제1 정보와, 평가 대상 장치장 위치 후보의 정보인 제2 정보를 제공하는 입력부와,
    상기 제1 전략 및 상기 제1 정보를 이용하여 작업 대상 컨테이너를 결정하고, 상기 제2 전략 및 상기 제2 정보를 이용하여 컨테이너 적재 위치를 결정하는 결정부와,
    상기 결정부의 결정에 따라 컨테이너를 적재하는 적재부를 더 포함하는 장치장 크레인 작업 계획 시스템.
  3. 제 2항에 있어서,
    상기 제1 정보는 컨테이너의 제원 정보를 포함하고,
    상기 제2 정보는 장치장의 위치 정보를 포함하는 장치장 크레인 작업 계획 시스템.
  4. 제 1항에 있어서,
    상기 유전자 알고리즘은,
    대상 해집단의 가장 열등한 후보해를 열등 후보해로 선정하고,
    상기 대상 해집단으로부터 제1 부모를 선택하고,
    상기 제1 부모에 대해 교배 및 돌연변이를 적용하여 제1 자식을 생성하고,
    상기 대상 해집단으로부터 제2 부모를 선택하고,
    상기 제2 부모로부터 상기 제1 자식과 가장 유사한 제2 자식을 선택하고,
    상기 제1 및 제2 자식 중 더 우수한 자식을 우수 후보해로 선정하고,
    상기 열등 후보해를 상기 우수 후보해로 대체하여, 상기 대상 해집단을 진화시키는 것을 포함하는 장치장 크레인 작업 계획 시스템.
  5. 제 4항에 있어서,
    상기 유전자 알고리즘은,
    상기 작업 시나리오에 기반하여, 제1 횟수로 상기 대상 해집단의 모든 후보해를 평가하고,
    상기 작업 시나리오에 기반하여, 제2 횟수로 상기 제1 자식을 평가하고,
    상기 작업 시나리오에 기반하여, 상기 제2 횟수보다 많은 제3 횟수로 상기 제2 자식을 평가하는 것을 포함하는 장치장 크레인 작업 계획 시스템.
  6. 제 5항에 있어서,
    상기 제2 자식을 평가하는 것은, 상기 제1 자식을 평가한 후에 수행하는 것을 포함하는 장치장 크레인 작업 계획 시스템.
  7. 제 5항에 있어서,
    상기 제2 횟수는 상기 제1 횟수와 동일한 장치장 크레인 작업 계획 시스템.
  8. 제 4항에 있어서,
    상기 제2 부모를 선택하는 것은, 상기 제1 부모를 선택한 후에 수행하는 것을 포함하는 장치장 크레인 작업 계획 시스템.
  9. 제 1항에 있어서,
    상기 제1 진화부는, 상기 진화된 제1 해집단이 수렴할 때까지 상기 제1 해집단을 진화시키는 것을 반복하고,
    상기 제2 진화부는, 상기 진화된 제2 해집단이 수렴할 때까지 상기 제2 해집단을 진화시키는 것을 반복하는 장치장 크레인 작업 계획 시스템.
  10. 복수의 작업 시나리오를 제공하고,
    유전자 알고리즘을 이용하여 복수의 제1 후보해를 포함하는 제1 해집단을 진화시키고,
    상기 유전자 알고리즘을 이용하여 복수의 제2 후보해를 포함하는 제2 해집단을 진화시키는 것을 포함하고,
    상기 제1 해집단을 진화시키는 것은, 상기 제2 해집단의 가장 우수한 후보해인 제2 전략에 기반하여 각각의 상기 제1 후보해를 평가하고,
    상기 제1 해집단을 진화시키는 것은, 상기 제1 해집단의 가장 우수한 후보해인 제1 전략에 기반하여 각각의 상기 제2 후보해를 평가하고,
    각각의 상기 제1 및 제2 후보해를 평가하는 것은, 복수의 상기 작업 시나리오로부터 임의로 선택되는 작업 시나리오에 각각 기반하는 장치장 크레인 작업 계획 방법.
  11. 제 10항에 있어서,
    상기 제1 전략을 이용하여 작업 대상 컨테이너를 결정하고,
    상기 제2 전략을 이용하여 컨테이너 적재 위치를 결정하는 것을 더 포함하는 크레인 작업 계획 방법.
  12. 제 11항에 있어서,
    상기 작업 대상 컨테이너를 결정하는 것은, 컨테이너의 제원 정보를 더 이용하는 것을 포함하고,
    상기 컨테이너 적재 위치를 결정하는 것은, 장치장의 위치 정보를 더 이용하는 것을 포함하는 크레인 작업 계획 방법.
  13. 제 10항에 있어서,
    상기 제1 해집단 및 상기 제2 해집단을 진화시키는 것은, 소정의 반복 횟수로 각각 수행되는 것을 더 포함하는 장치장 크레인 작업 계획 방법.
PCT/KR2017/012358 2016-12-27 2017-11-02 장치장 크레인 작업 계획 시스템 및 방법 Ceased WO2018124452A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/221,047 US10636107B2 (en) 2016-12-27 2018-12-14 System and method for planning yard crane work

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2016-0179604 2016-12-27
KR20160179604 2016-12-27
KR10-2017-0031546 2017-03-14
KR1020170031546A KR101894377B1 (ko) 2016-12-27 2017-03-14 장치장 크레인 작업 계획 시스템 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/221,047 Continuation US10636107B2 (en) 2016-12-27 2018-12-14 System and method for planning yard crane work

Publications (1)

Publication Number Publication Date
WO2018124452A1 true WO2018124452A1 (ko) 2018-07-05

Family

ID=62710990

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/012358 Ceased WO2018124452A1 (ko) 2016-12-27 2017-11-02 장치장 크레인 작업 계획 시스템 및 방법

Country Status (1)

Country Link
WO (1) WO2018124452A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10636107B2 (en) 2016-12-27 2020-04-28 Pusan National University Industry-University Cooperation Foundation System and method for planning yard crane work

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090016139A (ko) * 2007-08-10 2009-02-13 한국해양연구원 컨테이너 터미널에서의 실시간 컨테이너 장치장 위치결정방법
KR20100048004A (ko) * 2008-10-30 2010-05-11 동명대학교산학협력단 자동화 컨테이너 터미널에서 이종 장비간 통합 일정계획방법
KR20140133032A (ko) * 2013-05-09 2014-11-19 서울대학교산학협력단 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090016139A (ko) * 2007-08-10 2009-02-13 한국해양연구원 컨테이너 터미널에서의 실시간 컨테이너 장치장 위치결정방법
KR20100048004A (ko) * 2008-10-30 2010-05-11 동명대학교산학협력단 자동화 컨테이너 터미널에서 이종 장비간 통합 일정계획방법
KR20140133032A (ko) * 2013-05-09 2014-11-19 서울대학교산학협력단 유사도 특성을 이용한 메타휴리스틱 알고리즘에 기반한 시스템 및 그 제어방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LEE, SEUNG HWAN ET AL.: "Quay Crane Scheduling considering the Workload of Yard Blocks in an Automated Container Terminal", JOURNAL OF INTELLIGENCE AND INFORMATION SYSTEMS, vol. 14, no. 4, December 2008 (2008-12-01), pages 103 - 116 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10636107B2 (en) 2016-12-27 2020-04-28 Pusan National University Industry-University Cooperation Foundation System and method for planning yard crane work

Similar Documents

Publication Publication Date Title
Zalzala et al. Genetic algorithms in engineering systems
Wu et al. Deadlock resolution in automated manufacturing systems with robots
Nishi et al. Petri net decomposition approach for dispatching and conflict-free routing of bidirectional automated guided vehicle systems
WO2015186849A1 (ko) 전지 트레이
JP2020033154A (ja) ピッキング支援システムおよび支援方法
WO2011065616A1 (ko) 객체 추적 장치 및 그 방법 및 센서의 위치 지정 방법
WO2014003254A1 (ko) 움직임 벡터의 예측을 위한 탐색영역 설정 장치 및 방법
WO2022173100A1 (ko) 디지털 어소팅 시스템을 위한 작업 스케줄링 장치 및 그 동작 방법
WO2025034088A1 (en) System for controlling total picking of robot for processing orders at same time, and system
WO2025127283A1 (en) Server for allocating robot to picking zone in process of managing plurality of orders simultaneously, and system thereof
WO2018124452A1 (ko) 장치장 크레인 작업 계획 시스템 및 방법
WO2021010671A9 (ko) 뉴럴 네트워크 및 비국소적 블록을 이용하여 세그멘테이션을 수행하는 질병 진단 시스템 및 방법
Simrin et al. The dynamic berth allocation problem: A linearized formulation
Hu et al. Positioning a handshake bay for twin stacking cranes in an automated container terminal yard block
WO2020105986A1 (ko) 화물 선적 순서 설정 장치
WO2023182791A1 (en) Logistics management system and logistics management method
US9411235B2 (en) Coating and developing apparatus, method of operating the same and storage medium
CN111524845A (zh) 半导体加工设备的晶片传输方法和半导体加工设备
WO2023090515A1 (ko) 컨테이너 적재 시스템 및 그 방법
KR101287528B1 (ko) 자동반송시스템의 작업 할당 장치 및 그 방법
WO2026084099A1 (ko) 물류 창고의 재고 관리를 위한 이동형 재고실사 로봇 및 이를 포함하는 재고 관리 시스템과 이를 이용하여 물류 창고의 재고 관리 방법
Takakuwa Module modeling and economic optimization for large-scale AS/RS
WO2012030013A1 (ko) 개폐기 설치위치 결정 방법, 시스템 및 이를 포함하는 기록매체
WO2025220790A1 (ko) 유휴 이동체들을 배치하는 전자 장치 및 그 동작 방법
Basile et al. Modeling of AS/RS via coloured Petri nets

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17887654

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17887654

Country of ref document: EP

Kind code of ref document: A1