컨테이너 야적장 플래닝을 위한 AI 및 시뮬레이션

문제점

오늘날, 세계 무역량의 약 80%는 해상을 통해 이루어지며 전 세계의 복합 항만과 터미널에 의해 처리됩니다. 글로벌 운송의 증가와 함께, 복합 운송 시설은 수용량을 늘리고 수요를 충족시킬 수 있도록 개편되고 있습니다. 동시에 시설을 안전하고 효율적으로 유지할 필요가 있으며 그것이 바로 터미널 운영업체들이 시행 전 변화된 부분들을 테스트를 거칠 방법을 찾는 것입니다.

이탈리아 제노바의 산 조르지오 터미널은 터미널의 처리량을 늘리고 더 안전한 터미널로 만들기 위해 터미널 시설의 레이아웃과 운영을 개편할 계획을 세웠습니다. 터미널은 컨테이너 야적장 플래닝의 시험대가 되고 현재 작업에 변경점들이 어떤 영향을 미칠지 예측하는 데 도움이 될 터미널의 디지털 트윈인 항만 시뮬레이션이 필요했습니다.

시뮬레이션은 그런 복잡한 환경의 디지털 복제판을 만들어내기 위한 자연스러운 기술이기에, 터미널 경영진은 이 프로젝트를 스위스의 시뮬레이션 기반 의사 결정 지원 시스템 개발업체의 컨테이너 터미널 시뮬레이션 엔지니어들과 이 프로젝트 계약을 맺었습니다. 컨테이너 터미널 시뮬레이션 접근법을 사용하면, 엔지니어들은 상호작용적인 환경에서 물리적·운영적 활동을 모두 미러링하고 자세한 동적 워크 플로우를 포착할 수 있습니다.

컨테이너 터미널 시뮬레이션에서 엔지니어들은 다음과 같은 이유로 애니로직의 모델링 소프트웨어를 선택하였습니다.

• 애니로직의 모델링 소프트웨어에는 복잡하면서도 자세한 머리어티얼 핸들링 모델을 위한 내장형 모델링 라이브러리가 있습니다. 이 라이브러리에는 화물 처리 작업 시뮬레이션의 속도를 높이고 간단하게 만들 수 있게 사용이 준비된 요소들이 포함되어 있습니다.
• 애니로직은 커스텀 모델 인터페이스의 생성을 지원하여, 애니로직에 익숙하지 않은 이들이 모델을 간단히 사용할 수 있게 해줍니다.
• 애니로직의 모델링 소프트웨어는 엔지니어로 하여금 AI 플랫폼으로 모델에 연결하고 시뮬레이션 데이터를 사용해 알고리즘을 훈련할 수 있도록 해줍니다. 훈련을 통해 배운 정책은 결국 실제 시스템에 배포되거나 정책이 자율적으로 결정을 내릴 수 있게 모델에서 사용됩니다.
• 엔지니어들은 애니로직 클라우드 계산 기능과 배포된 시뮬레이션 기술을 사용하여 한 번에 여러 시나리오를 실행할 수 있습니다. 이 방법으로 복잡한 다중 실행 실험이 일반 컴퓨터에서보다 더욱 빠르고 더욱 효율적으로 실행됩니다.

솔루션

디지털 트윈을 만들기 위해 엔지니어들은 어떻게 직원, 컨테이너, 차량이 터미널 주변을 움직이고 있는지에 관한 정보를 수집해야 했습니다. 이를 위해 엔지니어들은 터미널 내에서 직원들의 위치를 계속 추적할 수 있도록 핸드폰을 가지고 다니게 했습니다. 이런 방식을 통해 특정 구역을 드나드는 사람들과 그들 사이의 움직임을 확인할 수 있었습니다. 컨테이너와 트레일러의 경우, GPS를 통해 그 정확한 위치를 사내 추적 시스템으로 전송하는 신호기를 나누어 주었습니다.

컨테이너 터미널 시뮬레이션 엔지니어들은 이 정보를 사용하여 터미널 환경에서 수집한 데이터를 넣은 정확한 디지털 트윈을 만들었습니다. 전체적으로 엔지니어들은 선적과 화물선 열차를 포함하여 2만개의 상호 연결된 객체들의 움직임을 항만 시뮬레이터에서 표시할 수 있었습니다. 시뮬레이션의 속도를 높이기 위해 엔지니어들은 애니로직 머리어리얼 핸들링 라이브러리와 해당 라이브러리의 이미 만들어진 요소들을 사용했습니다.

모델 구축의 마지막 단계는 컨테이너 터미널 시뮬레이션 모델을 마이크로소프트 프로젝트 본사이(Microsoft Project Bonsai)에 연결하는 것이었습니다. 이 AI 플랫폼은 시뮬레이션 모델 데이터에 기반한 더욱 쉬운 심층 강화 러닝을 허용하였습니다. 엔지니어들은 화물 처리의 다양한 단계에서 시뮬레이션 데이터를 사용해 경영진을 위해 의사 결정을 내려주거나 혹은 적어도 솔루션을 제안해주기를 바랐습니다.

대피 시나리오 테스트

컨테이너 터미널 시뮬레이션 모델이 준비되자 엔지니어들은 현재 레이아웃과 작동에 스트레스 테스트를 하기로 했습니다. 엔지니어들은 모델을 구역으로 나누고 몇몇 구역에서는 불이 번지거나 폭발이 일어나는 경우 발생할 수 있는 가능한 대피 시나리오를 개시하였습니다.

최적의 대피 경로를 찾기 위해, 엔지니어들은 모델의 AI 찬스에 의존하였습니다. 이 알고리즘은 비상 사태의 발전과 항만에서 진행 중인 프로세스를 고려하여 위험한 구역에서 안전한 구역까지 모든 가능한 경로를 분석하였습니다. 시뮬레이션의 속도를 높이기 위해 애니로직 클라우드와 함께 다양한 비상 사태 발전 시나리오가 시뮬레이션으로 실행되었습니다. 결과적으로 이 알고리즘은 안전한 구역으로 대피하는 최적의 경로를 제시하고 그 경로를 각각의 에이전트에 할당하였습니다.

그런 다음 엔지니어들은 출력 데이터를 이용하여 실제로 대피 경로를 테스트하였습니다. 여러 구역 중 하나에서 위험한 상황을 시뮬레이션하고 컨테이터 터미널 디지털 트위에 연결된 대피 시스템에 신호를 전달했습니다. 이에 대응하여 디지털 트윈은 근처에 있는 안전한 구역을 찾아 그 위치를 시스템에 알려주었습니다. 그 후 시스템은 대피 지역에 있는 직원에게 안전한 장소로 안내하는 개별 대피 플랜을 핸드폰 알림으로 전송하였습니다.

AI를 사용한 구역 관리

컨테이너 터미널 시뮬레이션 모델은 터미널 처리량 개선에도 사용되었습니다. 트럭이 컨테이너를 가져가거나 또는 내려놓기 위해 주차 구역에 도착할 때, 경영진들은 트럭에 주차 공간을 할당합니다. 하지만 경영진들의 결정은 일반적으로 항만의 현재 상황에 기반한 것으로 발생할 수 있는 파손, 트럭 대기 시간, 비상 상황 등을 고려하지 않습니다. 이는 주차 공간의 비효율적인 사용과 처리량의 감소를 야기할 수 있습니다.

경영진들의 의사 결정을 개선하기 위해, 엔지니어들은 AI의 기능을 사용하여 트럭의 승하차 작업(화물 처리 단계의 하나)을 시뮬레이션·최적화하였습니다. 이 구역에서 작업의 효율성을 개선하면 처리 시간을 줄이고 유동성을 증가시켜 터미널의 처리량을 높이는 데 도움이 됩니다.

애니로직을 사용한 컨테이너 터미널 시뮬레이션

터미널의 처리량은 터미널의 다른 작업에 크게 의존하고 있고, 이 때문에 엔지니어들은 현재 디지털 트윈을 주차 공간의 모델로 확장하였습니다. 특히 트럭이 관련된 물류 작업 모델에서 엔지니어는 다음의 사항을 반영하였습니다.

• 선적에서 주차장으로 컨테이너를 이송하는 데 드는 평균 시간
• 주차장에서 사용가능한 주차 공간의 수

AI 브레인이 컨테이너 터미널 시뮬레이션 모델에서 과거 데이터와 주차 공간 배정에 어떤 정책이 구현되었는지를 학습하는 데는 약간의 시간이 걸렸습니다. 학습 단계가 끝나자, 모델은 선적에 관련된 새로운 데이터를 계속해서 공급받았고 AI 브레인은 들어오는 트럭을 어디로 보낼 것인지 결정하였습니다.

결과

엔지니어들은 응급 상황에서 믿을 수 있는 대피 전략을 구축하고 터미널의 안전을 개선하는 데 도움이 되는 의사 결정 시스템을 만들었습니다. 시스템은 사고 발생 시 즉석에서 안전 구역으로 가는 경로를 다시 계산하고 차례로 현장에 있는 직원들에게 대피 방향을 전송하는 사내 알림 시스템으로 정보를 전달합니다.

엔지니어들은 시뮬레이션과 결합한 AI 기능이 전반적인 터미널 처리량을 20% 개선한다는 것 역시 보여주었습니다. 러닝 AI 알고리즘은 집계된 과거의 데이터를 사용해 주차 공간의 배정 전략을 개선하고 터미널 처리량 최적화에 더 많은 통찰력을 제공합니다. 엔지니어들이 알고리즘이 만들어낸 결정을 살펴보았을 때, 그 결정은 관리자들이 만든 결정과 유사하였습니다. 이것은 AI에 기반한 의사 결정이 이후 터미널에 구현될 수 있으며 향후 추가적인 개선을 위해 다른 화물 처리 단계에 걸쳐 적용될 수 있다는 사실을 입증합니다.

2021 애니로직 컨퍼런스에서 MEVB의 로베르토 레베트리아가 프리젠테이션한 프로젝트: