WO2023090515A1 - 컨테이너 적재 시스템 및 그 방법 - Google Patents

컨테이너 적재 시스템 및 그 방법 Download PDF

Info

Publication number
WO2023090515A1
WO2023090515A1 PCT/KR2021/018271 KR2021018271W WO2023090515A1 WO 2023090515 A1 WO2023090515 A1 WO 2023090515A1 KR 2021018271 W KR2021018271 W KR 2021018271W WO 2023090515 A1 WO2023090515 A1 WO 2023090515A1
Authority
WO
WIPO (PCT)
Prior art keywords
container
weight
stack
storage area
classes
Prior art date
Application number
PCT/KR2021/018271
Other languages
English (en)
French (fr)
Inventor
조성원
박현지
박진형
Original Assignee
한국해양과학기술원
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
Application filed by 한국해양과학기술원 filed Critical 한국해양과학기술원
Publication of WO2023090515A1 publication Critical patent/WO2023090515A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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; CALCULATING OR 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

  • first, second, A, B, (a), and (b) may be used to describe components of an embodiment of the present invention.
  • Each storage area specifies an area for containers belonging to the same container group.
  • the standard form of the prediction result of GMM that is, the marginal probability distribution of container weight x for container group g can be expressed as in the following [Equation 1].
  • components and ' ⁇ units' may be combined into smaller numbers of components and ' ⁇ units' or further separated into additional components and ' ⁇ units'.
  • components and ' ⁇ units' may be implemented to play one or more CPUs in a device or a secure multimedia card.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)

Abstract

실시예에 의한 컨테이너 적재 시스템 및 그 방법이 개시된다. 상기 컨테이너 적재 시스템은 컨테이너에 대한 중량 등급을 예측하기 위한 예측 모델을 생성하는 제1 모듈; 상기 생성된 예측 모델을 이용하여 상기 컨테이너에 대한 복수의 중량 등급을 예측하고 상기 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 할당된 스택과 저장 영역의 적재 상황을 기초로 상기 저장 영역의 모든 스택 중 하나를 상기 컨테이너의 저장 위치로 결정하는 제2 모듈; 및 상기 예측 모델과 상기 야드 스택 구성을 저장하는 DB(Database)를 포함한다.

Description

컨테이너 적재 시스템 및 그 방법
실시예는 컨테이너 적재 시스템 및 그 방법에 관한 것이다.
컨테이너 운송의 발달과 함께 컨테이너 터미널의 부족한 저장 공간 자원을 효율적으로 관리하는 일은 해상 운송 허브의 중요한 역할이 되었다. 컨테이너는 무작위로 저장 장소에 도착하여 야드 블록 형태로 쌓인다. 야드 크레인(Yard cranes)은 최상단에 위치한 컨테이너를 처리해야 하는데, 이미 쌓인 컨테이너의 아래에 있는 대상 컨테이너에 접근하기 위해서는 그 위에 쌓인 컨테이너를 처리해야 한다.
하지만 이러한 비효율적인 처리로 인해 과도한 운영 지연이 발생하여 컨테이너 처리 흐름에 병목 현상이 발생한다. 따라서 컨테이너 터미널의 생산성을 향상시키기 위해서는 도착 컨테이너의 가장 효율적인 저장 위치 결정 방법이 요구된다. 향후 컨테이너의 선적 운영 시 컨테이너 처리 흐름을 용이하게 하기 위해서 야드 스택별로 적재되는 컨테이너의 가중치가 균질하도록 컨테이너의 저장 위치를 결정해야 한다.
실시예는 최적의 컨테이너 저장 위치를 결정할 수 있는 컨테이너 적재 시스템 및 그 방법을 제공한다.
실시예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
실시예에 따른 컨테이너 적재 시스템은 컨테이너에 대한 중량 등급을 예측하기 위한 예측 모델을 생성하는 제1 모듈; 상기 생성된 예측 모델을 이용하여 상기 컨테이너에 대한 복수의 중량 등급을 예측하고 상기 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 할당된 스택과 저장 영역의 적재 상황을 기초로 상기 저장 영역의 모든 스택 중 하나를 상기 컨테이너의 저장 위치로 결정하는 제2 모듈; 및 상기 예측 모델과 상기 야드 스택 구성을 저장하는 DB(Database)를 포함할 수 있다.
상기 제1 모듈은 각 컨테이너 그룹에 대한 컨테이너 중량 집계하여 각 컨테이너 그룹에 대한 고유한 GMM(Gaussian mixture model) 기반 예측 모델을 생성할 수 있다.
상기 제2 모듈은 상기 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 복수의 중량 등급 각각의 기여도를 산출하고, 상기 산출된 각 중량 등급의 기여도를 기초로 각 스택에 대한 가중 평균값을 산출하고, 상기 산출된 가중 평균값을 기초로 상기 저장 영역에서 모든 스택들 중 가중 평균값이 최대인 스택을 상기 컨테이너의 저장 위치로 결정할 수 있다.
상기 제2 모듈은 상기 복수의 중량 등급과 상기 야드 스택 구성을 기초로 스택에서 비어 있는 모든 슬롯을 상기 예측된 복수의 중량 등급의 구성과 동일하도록 할당할 수 있다.
상기 제2 모듈은 K개의 중량 등급마다 상기 예측 모델에서 산출되는 중량 등급별 혼합 가중치의 값을 부여하고, 상기 스택에서 비어 있는 모든 슬롯을 K개의 중량 등급에 혼합 가중치의 값만큼 할당할 수 있다.
상기 제2 모듈은 상기 결정된 컨테이너의 저장 위치로 상기 야드 스택 구성을 업데이트할 수 있다.
실시예에 따른 컨테이너 적재 방법은 미리 생성된 예측 모델과 저장 영역별 야드 스택 구성을 DB(Database)에 저장하는 단계; 상기 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급을 예측하는 단계; 및 상기 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 할당된 스택과 저장 영역의 적재 상황을 기초로 상기 저장 영역의 모든 스택 중 하나의 스택을 상기 컨테이너의 저장 위치로 결정하는 단계를 포함할 수 있다.
상기 컨테이너 적재 방법은 각 컨테이너 그룹에 대한 컨테이너 중량을 집계하여 각 컨테이너 그룹에 대한 고유한 GMM(Gaussian mixture model) 기반 예측 모델을 생성하는 단계를 더 포함할 수 있다.
상기 결정하는 단계는 상기 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 복수의 중량 등급 각각의 기여도를 산출하고, 상기 산출된 각 중량 등급의 기여도를 기초로 각 스택에 대한 가중 평균값을 산출하고, 상기 산출된 가중 평균값을 기초로 상기 저장 영역에서 모든 스택들 중 가중 평균값이 최대인 스택을 상기 컨테이너의 저장 위치로 결정할 수 있다.
상기 결정하는 단계는 상기 복수의 중량 등급과 상기 야드 스택 구성을 기초로 스택에서 비어 있는 모든 슬롯을 상기 예측된 복수의 중량 등급의 구성과 동일하도록 할당할 수 있다.
상기 결정하는 단계는 K개의 중량 등급마다 상기 예측 모델에서 산출되는 중량 등급별 혼합 가중치의 값을 부여하고, 상기 스택에서 비어 있는 모든 슬롯을 K개의 중량 등급에 혼합 가중치의 값만큼 할당할 수 있다.
상기 컨테이너 적재 방법은 상기 결정된 컨테이너의 저장 위치로 상기 야드 스택 구성을 업데이트하는 단계를 더 포함할 수 있다.
실시예에 따르면, 미리 생성된 예측 모델을 이용하여 컨테이너의 복수의 중량 등급을 예측하고, 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 복수의 중량 등급마다 스택을 할당하여 그 할당된 스택 중 하나를 컨테이너의 저장 위치로 결정하도록 함으로써, 최적의 컨테이너 저장 위치를 결정할 수 있다.
실시예에 따르면, 최적의 컨테이너 저장 위치를 결정하여 과도한 운영 지연 발생을 억제하는 것이 가능하기 때문에 컨테이너 터미널의 생산성을 향상시킬 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 컨테이너 적재 시스템의 구성을 나타내는 도면이다.
도 2는 컨테이너의 야드 블록을 나타내는 도면이다.
도 3은 저장 영역의 야드 베이 구성을 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 컨테이너의 적재 방법을 나타내는 도면이다.
도 5는 도 4에 도시된 컨테이너의 저장 위치 결정 과정을 나타내는 도면이다.
도 6a 내지 도 6d는 중량 등급에 따른 스택 할당 과정을 설명하기 위한 도면들이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
다만, 본 발명의 기술 사상은 설명되는 일부 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 기술 사상 범위 내에서라면, 실시예들 간 그 구성 요소들 중 하나 이상을 선택적으로 결합, 치환하여 사용할 수 있다.
또한, 본 발명의 실시예에서 사용되는 용어(기술 및 과학적 용어를 포함)는, 명백하게 특별히 정의되어 기술되지 않는 한, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 일반적으로 이해될 수 있는 의미로 해석될 수 있으며, 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미를 고려하여 그 의미를 해석할 수 있을 것이다.
또한, 본 발명의 실시예에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함할 수 있고, “A 및(와) B, C 중 적어도 하나(또는 한 개 이상)”로 기재되는 경우 A, B, C로 조합할 수 있는 모든 조합 중 하나 이상을 포함할 수 있다.
또한, 본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다.
이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등으로 한정되지 않는다.
그리고, 어떤 구성 요소가 다른 구성요소에 ‘연결’, ‘결합’ 또는 ‘접속’된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결, 결합 또는 접속되는 경우뿐만 아니라, 그 구성 요소와 그 다른 구성 요소 사이에 있는 또 다른 구성 요소로 인해 ‘연결’, ‘결합’ 또는 ‘접속’ 되는 경우도 포함할 수 있다.
또한, 각 구성 요소의 “상(위) 또는 하(아래)”에 형성 또는 배치되는 것으로 기재되는 경우, 상(위) 또는 하(아래)는 두 개의 구성 요소들이 서로 직접 접촉되는 경우뿐만 아니라 하나 이상의 또 다른 구성 요소가 두 개의 구성 요소들 사이에 형성 또는 배치되는 경우도 포함한다. 또한, “상(위) 또는 하(아래)”으로 표현되는 경우 하나의 구성 요소를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.
실시예에서는, 미리 생성된 예측 모델을 이용하여 컨테이너의 복수의 중량 등급을 예측하고, 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 복수의 중량 등급마다 스택을 할당하여 그 할당된 저장 영역의 모든 스택 중 하나를 컨테이너의 저장 위치로 결정하고자 한다.
도 1은 본 발명의 실시예에 따른 컨테이너 적재 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 컨테이너 적재 시스템은 DB(Database, 100), 제1 모듈(200), 제2 모듈(300)을 포함할 수 있다.
DB(100)는 야드 블록별 컨테이너에 대한 제원 정보, 저장 영역의 야드 스택 구성을 저장할 수 있다. 여기서 제원 정보는 컨테이너의 중량, 크기, 유형, 목적지 등을 포함할 수 있다.
제1 모듈(200)은 컨테이너에 대한 복수의 중량 등급(weight class)을 예측하기 위한 예측 모델을 생성할 수 있다. 제1 모듈(200)은 컨테이너 그룹(container group)에 대한 컨테이너 중량을 집계하여 각 컨테이너 그룹에 대한 고유한 가우시안 혼합 모델(Gaussian mixture model, 이하 GMM이라 한다) 기반 예측 모델을 생성할 수 있다. 제1 모듈(200)은 미리 생성된 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급을 예측할 수 있다. 여기서 GMM은 모집단을 부분 모집단의 선형 중첩으로 나타내는 모델을 지칭하고, 각 부분 모집단이 가우스 분포를 따른다.
제2 모듈(300)은 제1 모듈(200)로부터 생성된 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급을 예측하고, 예측된 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 컨테이너의 저장 위치를 동적으로 결정할 수 있다.
도 2는 컨테이너의 야드 블록을 나타내는 도면이고, 도 3은 저장 영역인 야드 베이 구성을 나타내는 도면이다.
도 2를 참조하면, 컨테이너의 야드 블록은 베이(Bay), 로우(Row), 티어(Tier)로 컨테이너가 위치하는 슬롯(Slot)의 주소 체계를 설명한다. 여기서 베이는 직육면체 형상의 컨테이너의 긴 모서리 방향이 거리, 너비는 짧은 모서리 방향의 거리를 의미한다.
도 3을 참조하면, 컨테이너의 저장 영역은 베이의 여러 스택으로 구성될 수 있다. 저장 위치에 대한 결정은 저장 영역에서 하나의 스택을 선택하는 것을 의미한다. 각 스택은 컨테이너가 적재되는 복수의 슬롯(Slot)을 포함할 수 있다.
각 저장 영역은 동일한 컨테이너 그룹에 속하는 컨테이너에 대한 영역을 지정한다.
도 4는 본 발명의 실시예에 따른 컨테이너의 적재 방법을 나타내는 도면이고, 도 5는 도 4에 도시된 컨테이너의 저장 위치 결정 과정을 나타내는 도면이다.
도 4 내지 도 5를 참조하면, 본 발명의 실시예에 따른 컨테이너 적재 시스템은 미리 정해진 야드 블록에 적재하고자 하는 컨테이너의 제원 정보를 입력 받을 수 있다(S410).
다음으로, 컨테이너 적재 시스템은 입력 받은 컨테이너의 제원 정보를 기초로 미리 생성된 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급을 예측할 수 있다(S420).
구체적으로, 도 5의 컨테이너 적재 시스템은 미리 생성된 GMM 기반 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급(weight class)을 예측하고, 예측된 복수의 중량 등급 각각에 대한 책임값(responsibility)을 구할 수 있다.
GMM은 평균(mean)
Figure PCTKR2021018271-appb-img-000001
, 공분산(covariance)
Figure PCTKR2021018271-appb-img-000002
, 혼합 가중치(mixture weight)
Figure PCTKR2021018271-appb-img-000003
에 의해 변수화될 수 있다. 이러한 파라미터들은 다음의 [표 1]과 같이 정의될 수 있다.
Notation
G Set of container groups, indexed by g
Kg Set of clusters (i.e., weight class) for container group g, indexed by k
x(i) Container weight of container i
g(i) Container group of container i
k(i) Probable weight class of container i
Figure PCTKR2021018271-appb-img-000004
 Mean of cluster k for container group g
Figure PCTKR2021018271-appb-img-000005
 Covariance of cluster k for container group g
Figure PCTKR2021018271-appb-img-000006
 Mixture weight of cluster k for container group g; 0≤
Figure PCTKR2021018271-appb-img-000007
≤1 and
Figure PCTKR2021018271-appb-img-000008
=1
Figure PCTKR2021018271-appb-img-000009
 Latent indicator variable; defined as 1 if the container weight x is observed from cluster k and 0 otherwise;
Figure PCTKR2021018271-appb-img-000010
=1,
Figure PCTKR2021018271-appb-img-000011
=
Figure PCTKR2021018271-appb-img-000012
Figure PCTKR2021018271-appb-img-000013
 Marginal probability distribution of container weight x for container group g
Figure PCTKR2021018271-appb-img-000014
 Posterior probability (i.e., “responsibility”) that container weight x is observed from cluster k for container group g
먼저, GMM의 예측 결과의 표준 형식 즉, 컨테이너 그룹 g을 위한 컨테이너 중량 x의 주변 확률 분포(marginal probability distribution)
Figure PCTKR2021018271-appb-img-000015
은 다음의 [수학식 1]과 같이 나타낼 수 있다.
[수학식 1]
Figure PCTKR2021018271-appb-img-000016
Figure PCTKR2021018271-appb-img-000017
의 주변 우도(marginal likelihood)를 최대화하는 GMM의 3개의 파라미터를 추정해야 한다. 가장 널리 사용하는 방법은 EM(expectation maximization) 알고리즘인데, EM 알고리즘은 E-step과 M-step을 반복하여 모델 파라미터를 추정한다.
초기화된 모델 파라미터들과 log-likelihood추정값이 주어지면, E-step은 모델 파라미터들을 이용하여 [수학식2]와 같이 책임값(responsibility)
Figure PCTKR2021018271-appb-img-000018
을 구할 수 있다.
[수학식 2]
Figure PCTKR2021018271-appb-img-000019
M-step은 책임값을 이용하여 모델 파라미터들을 재 추정할 수 있다.
실시예에 따른 컨테이너 적재 시스템은 [수학식 2]를 이용하여 컨테이너에 대한 복수 개의 중량 등급 예컨대, 중량 등급1, 중량 등급2, 중량 등급3, 중량 등급4에 대한 각각의 책임값을 구할 수 있다.
다음으로, 컨테이너 적재 시스템은 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 중량 등급마다 스택을 할당하고(S430), 할당된 스택과 저장 영역의 적재 상황을 기초로 저장 영역의 모든 스택 중 하나를 선택하여 선택된 스택을 컨테이너의 저장 위치로 결정할 수 있다(S440).
이때, 컨테이너 적재 시스템은 결정된 저장 위치를 기초로 야드 스택을 업데이트 한다. 이렇게 업데이트된 야드 스택은 다음 컨테이너가 들어올 때 사용된다.
구체적으로, 도 5의 컨테이너 적재 시스템은 예측된 복수의 중량 등급에 대한 각각의 책임값과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 중량 등급 대 스택 할당을 결정할 수 있다.
스택 할당 과정에서 사용되는 파라미터들은 다음의 [표 2]와 같이 정의될 수 있다.
Notation
Ag Set of storage areas for container group g, indexed by a
Sa Set of Stacks in storage area a, indexed by s
Kas
Set of weight classes designated for stack s in storage area a, indexed
by k
Figure PCTKR2021018271-appb-img-000020
 Range of cumulative mixture weight values for weight class k
Ras Range of cumulative mixture weight values for stack s in storage area a
a(i) Preselected storage area for container i
s(i|a) Stack to be selected for container i given storage area a
tas Remaining slot capacity (in number of containers) of stack s in storage area a
Figure PCTKR2021018271-appb-img-000021
 Contribution of weight class k to Ras for k∈
Figure PCTKR2021018271-appb-img-000022
Figure PCTKR2021018271-appb-img-000023
 List of container weights for stack s in storage area a of container group g
먼저, 중량에 따라 오름차순으로 정렬된 GMM의 인덱스가 주어지면, 각 중량 등급을 위한 혼합 가중치
Figure PCTKR2021018271-appb-img-000024
의 누적 범위
Figure PCTKR2021018271-appb-img-000025
는 다음의 [수학식 3]과 같이 나타낼 수 있다.
[수학식 3]
Figure PCTKR2021018271-appb-img-000026
마찬가지로 저장된 스택의 인덱스가 주어지면, 각 스택을 위한 혼합 가중치
Figure PCTKR2021018271-appb-img-000027
의 누적 범위
Figure PCTKR2021018271-appb-img-000028
는 다음의 [수학식 4]와 같이 나타낼 수 있다.
[수학식 4]
Figure PCTKR2021018271-appb-img-000029
상기 [수학식 4]는 남은 슬롯의 개수를 기초로 각 스택을 위한 누적 범위를 산출한다. 예컨대, 저장 영역이 4개의 빈 스택으로 이루어진 경우, 누적 범위
Figure PCTKR2021018271-appb-img-000030
는 {(0, 0.25), (0.25, 0.5), (0.5, 0.75), (0.75, 1)}로 설정될 수 있다.
스택에서 중량 등급의 구성이 누적 범위
Figure PCTKR2021018271-appb-img-000031
의 인자가 지정된 누적 범위
Figure PCTKR2021018271-appb-img-000032
에 있는지에 의해 결정되는 중량 등급 대 스택 할당
Figure PCTKR2021018271-appb-img-000033
은 다음의 [수학식 5]와 같이 나타낼 수 있다.
[수학식 5]
Figure PCTKR2021018271-appb-img-000034
동적 컨테이너 배치가
Figure PCTKR2021018271-appb-img-000035
에 영향을 미치는
Figure PCTKR2021018271-appb-img-000036
를 변경하기 때문에, 변수
Figure PCTKR2021018271-appb-img-000037
는 연속 조정될 수 있다.
다음으로, 컨테이너 적재 시스템은 결정된 저장 위치에 컨테이너를 적재할 수 있다(S450).
도 6a 내지 도 6d는 중량 등급에 따른 스택 할당 과정을 설명하기 위한 도면들이다.
도 6a를 참조하면, 두 개의 저장 영역에는 동일한 컨테이너 그룹에 속하는 컨테이너가 할당되어 있다고 가정하고, 모든 중량 등급 k=1, 2, 3, 4에 대해 혼합 가중치
Figure PCTKR2021018271-appb-img-000038
이 0.25로 설정된 경우, 저장 영역 A, B 사이에 차이가 없는 초기화된
Figure PCTKR2021018271-appb-img-000039
를 보여주고 있다.
즉, 중량 등급 k=1, 2, 3, 4이 각 저장 영역의 스택 stack1, stack2, stack3, stack4에 할당될 수 있다.
도 6b를 참조하면, 저장 영역 A의 각 스택에 3, 3, 1, 3개의 컨테이너가 순서대로 적재되어 있으면, 누적 범위
Figure PCTKR2021018271-appb-img-000040
는 {(0, 0.2), (0.2, 0.4), (0.4, 0.8), (0.8, 1)}로 갱신될 수 있다.
도 6c를 참조하면, 모든 중량 등급 k=1, 2, 3, 4에 대해 혼합 가중치
Figure PCTKR2021018271-appb-img-000041
이 0.25이고, 누적 범위
Figure PCTKR2021018271-appb-img-000042
는 {(0, 0.2), (0.2, 0.4), (0.4, 0.8), (0.8, 1)}이기 때문에, 모든 중량 등급 k=1, 2, 3, 4은 스택 stack1, stack2, stack3, stack4에 할당될 수 있다.
즉, 스택에서 비어 있는 모든 슬롯을 복수의 중량 등급의 구성과 동일하도록 할당하되, 예컨대, K(K는 양의 정수) 개의 중량 등급마다 GMM에서 산출되는 중량 등급별 혼합 가중치의 값을 부여하고, 스택에서 비어 있는 모든 슬롯을 K개의 중량 등급에 혼합 가중치의 값만큼 할당할 수 있다.
다음으로, 제2 모듈은 결정된 중량 등급 대 스택 할당을 기초로 컨테이너의 저장 위치를 결정할 수 있다.
구체적으로, 복수의 중량 등급이 각 스택에 할당되기 때문에, 복수의 중량 등급의 기여도를 고려해야 한다.
Figure PCTKR2021018271-appb-img-000043
에 대한 중량 등급 k의 기여도
Figure PCTKR2021018271-appb-img-000044
는 다음의 [수학식 6]과 같이 나타낼 수 있다.
[수학식 6]
Figure PCTKR2021018271-appb-img-000045
평준화된
Figure PCTKR2021018271-appb-img-000046
에 따라
Figure PCTKR2021018271-appb-img-000047
의 가중 평균값이 최대인 스택을 선택해야 한다. 주어진 저장 영역에서 컨테이너를 위해 선택될 스택
Figure PCTKR2021018271-appb-img-000048
은 다음의 [수학식 7]과 같다.
[수학식 7]
Figure PCTKR2021018271-appb-img-000049
도 6d를 참조하면, 중량 등급 weight class 1을 위한 스택 stack1의
Figure PCTKR2021018271-appb-img-000050
는
Figure PCTKR2021018271-appb-img-000051
= min{0.25,0.2} - max{0, 0} = 0.2-0 = 0.2와 같이 유도된다. 마찬가지로 중량 등급 1, 2를 위한 스택의
Figure PCTKR2021018271-appb-img-000052
는
Figure PCTKR2021018271-appb-img-000053
와
Figure PCTKR2021018271-appb-img-000054
로 유도된다.
스택stack1에 대한 평준화된
Figure PCTKR2021018271-appb-img-000055
에 따른
Figure PCTKR2021018271-appb-img-000056
의 가중 평균값은
Figure PCTKR2021018271-appb-img-000057
로 유도되고, 스택 stack2에 대한 가중 평균값은
Figure PCTKR2021018271-appb-img-000058
+
Figure PCTKR2021018271-appb-img-000059
로 유도된다.
이러한 과정을 통해 산출된 가중 평균값을 기초로, 주어진 저장 영역에서 모든 스택들 중
Figure PCTKR2021018271-appb-img-000060
의 가중 평균값이 최대인 스택을 컨테이너의 저장 위치로 선택할 수 있다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
[부호의 설명]
100: DB
200: 제1 모듈
300: 제2 모듈

Claims (12)

  1. 컨테이너에 대한 중량 등급을 예측하기 위한 예측 모델을 생성하는 제1 모듈;
    상기 생성된 예측 모델을 이용하여 상기 컨테이너에 대한 복수의 중량 등급을 예측하고 상기 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 할당된 스택과 저장 영역의 적재 상황을 기초로 상기 저장 영역의 모든 스택 중 하나를 상기 컨테이너의 저장 위치로 결정하는 제2 모듈; 및
    상기 예측 모델과 상기 야드 스택 구성을 저장하는 DB(Database)를 포함하는, 컨테이너 적재 시스템.
  2. 제1항에 있어서,
    상기 제1 모듈은,
    각 컨테이너 그룹에 대한 컨테이너 중량 집계하여 각 컨테이너 그룹에 대한 고유한 GMM(Gaussian mixture model) 기반 예측 모델을 생성하는, 컨테이너 적재 시스템.
  3. 제1항에 있어서,
    상기 제2 모듈은,
    상기 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고,
    상기 복수의 중량 등급 각각의 기여도를 산출하고,
    상기 산출된 각 중량 등급의 기여도를 기초로 각 스택에 대한 가중 평균값을 산출하고,
    상기 산출된 가중 평균값을 기초로 상기 저장 영역에서 모든 스택들 중 가중 평균값이 최대인 스택을 상기 컨테이너의 저장 위치로 결정하는, 컨테이너 적재 시스템.
  4. 제3항에 있어서,
    상기 제2 모듈은,
    상기 복수의 중량 등급과 상기 야드 스택 구성을 기초로 스택에서 비어 있는 모든 슬롯을 상기 예측된 복수의 중량 등급의 구성과 동일하도록 할당하는, 컨테이너 적재 시스템.
  5. 제4항에 있어서,
    상기 제2 모듈은,
    K(K는 양의 정수) 개의 중량 등급마다 상기 예측 모델에서 산출되는 중량 등급별 혼합 가중치의 값을 부여하고,
    상기 스택에서 비어 있는 모든 슬롯을 K개의 중량 등급에 혼합 가중치의 값만큼 할당하는, 컨테이너 적재 시스템.
  6. 제1항에 있어서,
    상기 제2 모듈은,
    상기 결정된 컨테이너의 저장 위치로 상기 야드 스택 구성을 업데이트하는, 컨테이너 적재 시스템.
  7. 미리 생성된 예측 모델과 저장 영역별 야드 스택 구성을 DB(Database)에 저장하는 단계;
    상기 예측 모델을 이용하여 컨테이너에 대한 복수의 중량 등급을 예측하는 단계; 및
    상기 예측된 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고, 상기 할당된 스택과 저장 영역의 적재 상황을 기초로 상기 저장 영역의 모든 스택 중 하나의 스택을 상기 컨테이너의 저장 위치로 결정하는 단계를 포함하는, 컨테이너 적재 방법.
  8. 제7항에 있어서,
    각 컨테이너 그룹에 대한 컨테이너 중량을 집계하여 각 컨테이너 그룹에 대한 고유한 GMM(Gaussian mixture model) 기반 예측 모델을 생성하는 단계를 더 포함하는, 컨테이너 적재 방법.
  9. 제7항에 있어서,
    상기 결정하는 단계는,
    상기 복수의 중량 등급과 미리 정해진 저장 영역의 야드 스택 구성을 기초로 상기 복수의 중량 등급마다 스택을 할당하고,
    상기 복수의 중량 등급 각각의 기여도를 산출하고,
    상기 산출된 각 중량 등급의 기여도를 기초로 각 스택에 대한 가중 평균값을 산출하고,
    상기 산출된 가중 평균값을 기초로 상기 저장 영역에서 모든 스택들 중 가중 평균값이 최대인 스택을 상기 컨테이너의 저장 위치로 결정하는, 컨테이너 적재 방법.
  10. 제9항에 있어서,
    상기 결정하는 단계는,
    상기 복수의 중량 등급과 상기 야드 스택 구성을 기초로 스택에서 비어 있는 모든 슬롯을 상기 예측된 복수의 중량 등급의 구성과 동일하도록 할당하는, 컨테이너 적재 방법.
  11. 제10항에 있어서,
    상기 결정하는 단계는,
    K개의 중량 등급마다 상기 예측 모델에서 산출되는 중량 등급별 혼합 가중치의 값을 부여하고,
    상기 스택에서 비어 있는 모든 슬롯을 K개의 중량 등급에 혼합 가중치의 값만큼 할당하는, 컨테이너 적재 방법.
  12. 제7항에 있어서,
    상기 결정된 컨테이너의 저장 위치로 상기 야드 스택 구성을 업데이트하는 단계를 더 포함하는, 컨테이너 적재 방법.
PCT/KR2021/018271 2021-11-22 2021-12-03 컨테이너 적재 시스템 및 그 방법 WO2023090515A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210161342A KR102380374B1 (ko) 2021-11-22 2021-11-22 컨테이너 적재 시스템 및 그 방법
KR10-2021-0161342 2021-11-22

Publications (1)

Publication Number Publication Date
WO2023090515A1 true WO2023090515A1 (ko) 2023-05-25

Family

ID=81183533

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/018271 WO2023090515A1 (ko) 2021-11-22 2021-12-03 컨테이너 적재 시스템 및 그 방법

Country Status (2)

Country Link
KR (1) KR102380374B1 (ko)
WO (1) WO2023090515A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090115274A (ko) * 2008-05-01 2009-11-05 부산대학교 산학협력단 개별 컨테이너 적하순서 계획 방법
US20100145501A1 (en) * 2006-10-06 2010-06-10 Nicolas Guilbert Container vessel stowage planning
KR101089285B1 (ko) * 2010-04-16 2011-12-05 한국과학기술원 이동 항만 크레인의 운영 계획 방법 및 장치
KR101135464B1 (ko) * 2010-07-15 2012-04-13 대우조선해양 주식회사 컨테이너 최적 배치 선정 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
KR20130093253A (ko) * 2012-02-14 2013-08-22 주식회사 싸이버로지텍 컨테이너 선적 위치 결정 시스템, 그 시스템을 이용한 컨테이너 선적 위치 결정 방법 및 그 방법을 컴퓨터 프로그램으로 기록한 컴퓨터 판독 가능한 기록매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100145501A1 (en) * 2006-10-06 2010-06-10 Nicolas Guilbert Container vessel stowage planning
KR20090115274A (ko) * 2008-05-01 2009-11-05 부산대학교 산학협력단 개별 컨테이너 적하순서 계획 방법
KR101089285B1 (ko) * 2010-04-16 2011-12-05 한국과학기술원 이동 항만 크레인의 운영 계획 방법 및 장치
KR101135464B1 (ko) * 2010-07-15 2012-04-13 대우조선해양 주식회사 컨테이너 최적 배치 선정 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
KR20130093253A (ko) * 2012-02-14 2013-08-22 주식회사 싸이버로지텍 컨테이너 선적 위치 결정 시스템, 그 시스템을 이용한 컨테이너 선적 위치 결정 방법 및 그 방법을 컴퓨터 프로그램으로 기록한 컴퓨터 판독 가능한 기록매체

Also Published As

Publication number Publication date
KR102380374B1 (ko) 2022-04-01

Similar Documents

Publication Publication Date Title
WO2012111905A2 (ko) 맵 리듀스를 이용한 분산 메모리 클러스터 제어 장치 및 방법
CA2159269C (en) Method and apparatus for achieving uniform data distribution in a parallel database system
US7023797B2 (en) Flexible aggregation of output links
US20190227589A1 (en) Optimizing core utilization in neurosynaptic systems
EP1564638A1 (en) A method of reassigning objects to processing units
EP1505502B1 (en) A method of assigning objects to processing units
WO2020138605A1 (ko) 사용자 특성을 반영한 클러스터 기반 가상 네트워크 기능의 자원 할당 방법
CN1801761A (zh) 使移动设备关联到wlan中的接入点的方法和设备
Feng et al. Smart stacking for import containers using customer information at automated container terminals
WO2023090515A1 (ko) 컨테이너 적재 시스템 및 그 방법
US6877057B2 (en) Information handling system with dynamic interrupt allocation apparatus and methodology
WO2023020213A1 (zh) 任务分配的方法、装置、设备、存储介质及程序产品
CN112383477A (zh) 一种面向数据中心光网络的路由和频谱分配方法及装置
EP1524599B1 (en) A method of reassigning objects to processing units
WO2005055059A1 (en) A method of assigning objects to processing units
Hu et al. Load shuffling algorithms for split-platform AS/RS
US20150178092A1 (en) Hierarchical and parallel partition networks
US5396628A (en) Method of and apparatus for data distribution of processing load
US5603028A (en) Method and apparatus for data distribution
US3375499A (en) Telephone switching system control and memory apparatus organization
JP7468337B2 (ja) 情報処理装置、最適化方法および最適化プログラム
US20170262316A1 (en) Allocation of resources
Kang et al. Determination of storage locations for incoming containers of uncertain weight
US6731636B1 (en) Scheduler using small sized shuffle pattern in ATM network
EP0426990B1 (en) Method of and apparatus for data distribution

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: 21964901

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE