최적의 항만 인력 파견

최적의 항만 인력 파견

BCMEA(British Columbia Maritime Employers Association)는 캐나다 브리티시컬럼비아주(British Columbia)의 5개 항구 지역에서 활동하는 해양 고용주들이 만든 단체입니다. 고용주들은 항만 근로자들에게 화물의 선적 및 양하와 기타 부두 노역을 의지하는 터미널 운영자이자 항만 노동자이자 운송 대리인입니다. 협회는 7,000명이 넘는 현역 항만 근로자를 대표하며 근로자 훈련 및 일자리 파견에 관여하고 있습니다.

심웰(SimWell) 및 사이먼 프레이저 대학교 경영학과(Simon Fraser University Beedie School of Business)와 협력하여 BCMEA는 밴쿠버(Vancouver) 항만 인력 파견의 디지털 트윈을 만들었습니다.

심웰은 미국과 캐나다 기반의 기업으로, 산업 공학 시뮬레이션 및 최적화 분야에서 수상 경력이 있는 전문기업입니다. 시뮬레이션 모델링 전문가팀은 BCMEA에 디지털 트윈 기능에 대해 조언하고 애니로직을 사용하여 행위자 기반 시뮬레이션을 구현하는 데 도움을 주었습니다.

사이먼 프레이저 대학교 경영학과의 두 학생 그룹이 프로젝트에 참여했습니다. 한 그룹은 머신 러닝을 사용하여 노동 및 기술 가용성에 대한 모델을 교육했고, 두 번째 그룹은 시나리오 비교를 돕기 위해 시각화 작업을 했습니다.

문제: 연안 인력 부족

BCMEA는 인력 부족 상황이 발생하지 않도록 모든 항구에 훈련되고 자격을 갖춘 항만 인력의 안정적인 공급을 보장할 책임이 있습니다. BCMEA는 2016년부터 예기치 않게 인력 부족 문제를 겪기 시작했으며, 그에 대한 대응의 일부로 항만 근로자 훈련 및 가용성을 개선하기 위한 단기, 중기 및 장기 계획 개발을 수행했습니다.

프로젝트 초기, 인력 부족을 해결하기 위한 장단기 계획
프로젝트 초기, 인력 부족을 해결하기 위한 장단기 계획
(확대하려면 클릭)

계획의 일환으로, 그들은 인력 파견 과정의 시뮬레이션을 진행해보길 원했습니다. 이는 파견 시 기술 매칭 분석 및 훈련 필요성의 결정을 가능하게 해주었습니다.

항만 인력 파견의 복잡성

BCMEA의 경우, 파견은 하루에 세 번 이루어지며, 거기에는 인력이 필요한 현장과 그 일을 수행할 수 있는 직원의 매칭 작업이 포함됩니다. 매칭 작업은 다양한 매개 변수에 따라 달라집니다:

노동자들은 어디로 가고 누구를 위해 일할지 선택할 수 있기 때문에, 인력 가용성은 예측이 어렵습니다. 콜백은 예외로, 근로자가 이전에 근무했던 작업을 다시 제안받아 직접 고용되는 경우입니다.

어느 날부터 어느 날까지 어떤 근로자가 작업 가능한지 알 수 없다는 것은 인력 부족이 언제든지 발생할 수 있으며 특정 기술이 필요한 작업의 수행이 불가능해질 수도 있음을 의미합니다. 이에 대한 해답은 필요할 때 이용할 수 있는 숙련되고 자격을 갖춘 가용 인력을 충분히 확보하는 것입니다. 이것은 결국 얼마나 많은 훈련이 필요할 것인가에 대한 지속적인 과제로 이어집니다.

이 프로젝트가 있기 전까지 훈련의 양은 고용주와 소통하는 사람들의 평가를 통해 직감으로 결정되었습니다. 그 방식도 만족스러웠지만 일자리에 더 많은 기술과 더 많은 훈련이 요구되면서 KPI(Key Performance Indicator: 핵심성과지표)를 제대로 충족시키지 못 하는 그런 방식은 이제 충분히 효과적이지 못 합니다.

해결책

2016년의 예상치 못했던 인력 부족에 대응하여 만들어진 BMCEA의 중장기 계획은 데이터 분석 프로그램을 만드는 것으로 이어졌습니다.

시작하기 위해 BMCEA는 브리티시컬럼비아의 항만 인력 파견에 대한 현재 및 과거의 상태를 이해하기 위해 데이터 세트와 대시보드를 만들었습니다. 이 초기 작업의 결과로 그들은 동향을 인식하고 계획을 더 잘 알릴 수 있는 역량을 갖추게 되었습니다.

데이터 세트 및 대시보드에 이은 목표는 예측 분석 역량을 발전시키는 것이었습니다. 이를 통해 BMCEA는 미래를 내다보고 새로운 컨테이너 터미널 개방이나 더 많은 트럭 운전사 훈련의 효과와 같은 시나리오를 분석할 수 있게 되었습니다. 의사 결정권자들에게 더 많은 훈련이 노동 가용성을 향상시킬 것이라는 사실은 쉽게 예측할 수 있는 사실이었겠지만, 예측 분석의 목표는 노동 및 훈련의 필요량을 정량화하는 것이었습니다.

모델 도식 및 사용자 인터페이스 예
모델 도식 및 사용자 인터페이스 예
(확대하려면 클릭)

심웰은 예측 분석 역량을 발전시키기 위한 기초로서 밴쿠버 항만 인력 파견의 디지털 트윈을 구축하는 데 조언과 도움을 주었습니다. 그들은 필요한 측정 기준으로 작동하며 실제 시스템의 움직임을 나타내는 애니로직을 사용하여 행위자 기반 시뮬레이션 모델을 구현했습니다.

용이한 확장성 덕분에 인력 가용성에 대한 별도의 머신 러닝(ML) 모델을 디지털 트윈에 연결할 수 있었습니다. 가용성 모델을 개발한 사이먼 프레이저 대학교 경영학과에서는 더 나은 이해와 의사소통을 위한 시각화도 제공했습니다.

개발자들은 시뮬레이션 모델과 독립적으로 반복될 수 있도록 나머지 모델에서 가용성 모델을 분리했습니다. ML 모델은 외부에서 작동하며 웹 API를 통해 애니로직 시뮬레이션 모델에 연결됩니다.

가용성 모델이 인력 가변성을 포착하기 위해 ML을 사용하는 이유는 시간이 지남에 따라 이 방법이 휴리스틱과 같은 대안보다 더 정확하다는 것이 입증되었기 때문입니다. 과거 데이터에 존재하는 인력 가변성의 패턴은 명시적으로 포착하기 어렵지만 ML은 이 패턴들을 이용하는 방법을 제공합니다.

주요 설계 기능은 프로세스 구성으로부터 데이터 매개 변수를 분리하는 것입니다. 이러한 구분으로 인해 고용 기록과 같은 과거 데이터를 다양한 방식으로 수정하여 가설을 테스트할 수 있는 데이터 기반 시나리오 생성이 가능해졌습니다. 예를 들어, 분석가들은 다양한 훈련 프로그램이 다양한 시나리오에 미칠 수 있는 영향을 조사할 수 있습니다.

현재 디지털 트윈은 1년 동안의 밴쿠버의 항만 인력 파견을 6분 만에 시뮬레이션할 수 있습니다. 시뮬레이션은 사용자 인터페이스 또는 파이썬 스크립트에서 호출되는 창 숨김 모드로 실행할 수 있습니다. 시뮬레이션의 모든 작업은 기록되며 파이썬 스크립트와 태블로 데이터 시각화를 사용하여 플랫폼 외부에서 추가 분석할 수 있습니다.

결과

항만 파견 도구의 시각적 사용자 인터페이스
항만 파견 도구의 시각적 사용자 인터페이스
(확대하려면 클릭)

디지털 트윈은 여러 면에서 유용합니다. 초기 결과에는 훈련에 많은 노력이 필요한 복잡한 평가인 대규모 운영자 풀 분석이 포함됩니다. 디지털 트윈 도구를 사용해 훈련 필요량을 분석하여 최적의 3년 투자 수익을 결정했습니다.

또 다른 경우에는, 이 모델이 항구 터미널 확장 시나리오에서의 고무 타이어 갠트리(RTG/RMG) 작업의 노동 수요를 조사하는 데 사용되었습니다. 그 결과 항구의 RTG/RMG 인력 수요가 300% 증가할 것으로 나타났습니다.

전반적으로 밴쿠버 항만 인력 파견 디지털 트윈은 장기 전략을 지원하고 인구 통계 및 기술 동향을 예측하며 시나리오 모델링 기반의 비즈니스를 가능하게 해줍니다. 디지털 트윈은 다른 지역으로도 확대될 예정입니다.

이 사례 연구는 BCMEA의 선임 데이터 과학자인 Bart Fransen이 2021 애니로직 컨퍼런스에서 발표했습니다[PDF].



유사 케이스 스터디

더 많은 케이스 스터디

산업 사례 연구가 포함된 팜플렛 받기(영문)

다운로드