2.1. 항만 서비스 지표 연구

항만의 서비스 지표에 관한 연구는 측정 시점 및 측정 대상 에 따라 다양하게 수행되었으며, 대표적인 항만 서비스 지표 의 관련 연구로는 UNCTAD, World Bank, MARAD, KMI, 해양수산부(MOF), 기타로 구분하여 볼 수 있다.

UNCTAD(1976)가 발간한 “Port Performance Indicators” 에서 제시한 내용을 근간으로 UNCTAD에 의해 제안된 주요 운영 지표는 Table 1에서와 같이 9개를 제안하였다.

Table 1

Port performance indicators by organizations

World Bank(1993)는 항만 생산성 지표를 운영(operation), 자산(asset), 재무(finance) 3가지로 구분하였고, 운영지표로 Table 1에서와 같이 5개로 정의하였다.

MARAD(2010)는 컨테이너 터미널의 생산성 평가를 위해 미국 전역의 컨테이너 항만을 대상으로 조사하여 선박&접안, 크레인(장비) 및 야드로 구분하여 측정 및 비교하였으며, 특히 선박&접안과 관련하여 Table 1과 같이 3개를 제시하였다.

Soner Esmer(2008)는 항만생산성에 관한 선행연구를 바 탕으로 항만관련 기관과 종사자의 의견을 종합하여 항만생산 성의 범주를 4가지로 각각 구분하였다. 세부적으로는 생산 (Production) 범주에 4가지, 생산성(Productivity) 범주에 7개, 활용도(Utilization) 범주에 4개, 서비스(Services) 범주에 3가 지 등 총 18가지로 분류하였다.

KMI(1998)는 국내 부두의 적정하역능력 산정방식으로 선석 미터당 하역능력 산정 방식과 선석 수, 선석 접안율, 연 간 작업일수, 1일 작업시간, 화물별 시간당 하역능력, 장비의 가동률 혹은 작업비율, 각 부두에서의 화물별 처리 점유비율 등과 같은 항만 현황을 반영하여 품목별 하역능력을 산정하였 다.

MOF(2014)는 컨테이너 전용부두 하역능력 재산정 연구 에서 선석점유율과 선박대기율을 중요 지표로 활용하였다. 2013년 연구(MOF, 2013) 기준으로 경제성 분석 기법을 적용 하여 컨테이너 전용부두 4선석은 선석점유율 57.1% 및 선박 대기율 7.4%에서, 5선석은 선석점유율 63.4% 및 선박대기율 6.6%에서, 6선석은 선석점유율 66.6% 및 선박대기율 5.6%를 최적 서비스 수준으로 정의하였다.

2.2. 항만 선박대기율 관련 연구

NABO(2015)는 사업현안분석 평가 보고서에서 항만의 중 요 서비스 지표인 선박대기율을 실제 현장에서 발생되는 선박 대기율로 실측할 필요가 있다고 강조하였다.

Park, S. K.(2014)은 Park, S. K. & Park, N. K.(2014)의 연 구를 기반으로 벌크 전용부두에서의 최적 서비스 수준에 관한 연구에서 선박의 도착분포로 정규분포와 지수분포를 적용하 였다. 그 결과, 선석수 별로 경제성 분석기법을 반영하여 최적 선박대기율을 구하였는데, 1선석은 6.20%∼6.70%, 2선석은 4.20%∼5.60%, 3선석은 3.50%∼4.20%, 4선석은 2.90%∼ 3.50% 사이를 최적 서비스 수준으로 도출하였다.

Park, S. K.(2016)은 컨테이너 전용부두의 최적 서비스 수 준에 관한 연구에서 컨테이너 부두 4선석은 선석점유율 63.4%와 선박대기율 10.6%에서, 5선석은 선석점유율 66.0%와 선박대기율 9.6%에서, 6선석은 선석점유율 69.0%와 선박대기 율 8.5%에서 최적 서비스 수준으로 분석되었다. 반면, 해양수 산부의 2013년 연구 결과에서는 4선석에서 선석점유율 57.1% 와 선박대기율 7.4%에서, 5선석에서는 선석점유율 63.4%와 선박대기율 6.6%에서, 6선석은 선석점유율 66.6%와 선박대기 율 5.6%에서 최적 서비스 수준을 분석하였다. 결과적으로, 최 적 서비스 수준은 분석 대상 및 시점에 따라 달라질 수 있음 을 언급하였다.

Kim, E. S., Kim, G. S.(2016)은 국내 항만의 선박 대기율 실증 연구에서 우리나라 항만의 현행 체선지표인 체선율은 항 만별 선박척수 비율로 단순 산정되어 항만의 고객인 선화주의 항만 선택 결정 및 항만관리자의 항만 개발 및 관리·운영 정 책 수립 의사결정에 제한적으로 활용되는 바, 항만운영정보시 스템과 해상교통관제시스템 원시자료를 활용하여 우리나라 항만의 선박 입출항 서비스 수준을 측정하고자 약 10년간의 부두별, 선종별 대기율을 산정하였다.

2.3. 항만관련 소프트웨어 개발 및 운영 현황

항만 운영과 관련하여 현재 국내·외에 적용중인 대표적인 항만관련 소프트웨어를 Table 2와 같이 두가지 유형(Type)으 로 구분하여 볼 수 있다.

Table 2

Software products of ports

항만운영 관련하여 정부 주도형(Government type)에서는 항만 관리(Port management) 또는 해사 안전(Maritime safety)을 목적으로 하는 소프트웨어로 구분하여 볼 수 있다. 대표적으로 항만운영정보시스템 Port-MIS, 해운항만물류정보 센터시스템 SP-IDC, 글로벌화물추적시스템 GCTS(Global Container Tracking System), 해양안전 종합정보 시스템 GICOMS(General Information Center on Maritime Safety & Security)를 들 수 있다.

항만 운영사 유형(Company type)에서는 항만 운영 주체인 터미널 운영사 TOC가 터미널 운영 효율성의 향상을 목적으 로 하는 소프트웨어 유형으로 분류할 수 있고, 관련 소프트웨 어FH는 CATOS, SPARCS, TOPS 등이 있다.

2.4. 선행 연구 요약

지금까지는 항만운영 관점에서 효율성과 안전 향상을 목적 으로 하는 소프트웨어로 국내 및 해외를 막론하고 여러 종류 가 개발되어 현장에 적용되어 활용되고 있다.

Table 3

Review summary

그러나, 항만의 생산성 및 서비스 효율을 동시에 감안하여 항만 이용주체인 선사와 화주의 입장에서 서비스 수준을 관리 가능하도록 하는 소프트웨어는 개발되지 않은 것이 현실이다. 따라서, 우리나라는 세계적인 항만 경쟁력을 확보해야 하는 시점에서 국내 항만의 서비스 수준을 신속하게 관리하고 전체 항만을 비교·관리할 수 있는 소프트웨어 개발이 필요한 상황 에 직면해 있다.

3.1. 항만의 생산성 지표 및 서비스 지표 정의

소프트웨어 개발을 위한 중요 항만 생산성과 서비스 지표 로는 선석 점유율, 선석 처리량, 접안 척수, 선박 대기율, 평균 대기 척수, 평균 대기 시간을 들 수 있다.

소프트웨어 설계를 위해 서비스 제공자인 TOC의 관심 사 항인 주요 생산성 지표를 다음과 같이 정의하여 산정하였다.

또한, 서비스 이용자인 화주 및 선사의 관심 사항인 주요 서비스 지표를 다음과 같이 정의하여 산정하였다.

이러한 지표를 활용하여 선석점유율 기준으로 선석 처리량, 접안 척수, 선박대기율, 평균 대기 척수 및 평균 대기 시간을 구할 수 있다. 또한, 역으로 선박 대기율 기준으로 선석 점유 율을 산정함으로써 필요 목적에 따라 다양하게 지표값을 활용 할 수 있게 하였다.

3.2. 생산성 및 서비스 지표의 분석

(식 1) ∼ (식 6)에서 정의된 항만 서비스 지표를 얻기 위한 분석 절차는 Fig. 1과 같이 총 12단계로 진행하였고, 각 단계 별 진행 내용은 다음과 같다.

Fig. 1

Analysis process of port service indicators

첫째, 항만 서비스 지표를 얻기 위한 연구 대상 및 범위를 설정하는 단계로, 연구 대상은 벌크(일반) 부두와 컨테이너 부 두를 대상으로 하였다. 또한, 연구 범위로는 선박이 항만에 입 항하여 선석에 접안하고 하역 종료 이후에 이안하여 출항하는 프로세스로 하였고, 만일에 입항 선박의 접안 선석이 가용 상 태가 아니면, 묘박지에서 대기하다가 선석이 가용상태가 되었 을때 접안하는 프로세스도 반영하였다.

3.3. 항만의 생산성 및 서비스 지표의 도출 산정식(예시)

항만 서비스 지표의 분석 절차에 따라 소프트웨어에서 관 리할 데이타는 해당 항만의 최근 1년∼3년 간의 실제 항만에 입출항 선박의 접안 및 하역 실적을 토대로 접안 선박의 크기 및 하역규모에 따라 여러 단계의 패턴으로 구분하여 분석하였 다. 이렇게 여러 단계로 패턴을 구분한 이유는 입항 선박의 크 기 및 하역 규모에 따라 하역 작업에 투입되는 크레인, 트랙터 등과 같은 장비수 및 하역작업 지원 인력인 갱(Gang)의 규모 도 달리 투입되므로 하역 처리 속도가 달라질 수 있다는 점들 을 반영하여 정확한 결과를 얻기 위함이다.

상기 사항을 반영하여 선박의 도착 척수를 적은 규모에서 큰 규모를 늘려가면서 여러 차례의 시뮬레이션을 반복적으로 진행하면 선석점유율도 변화하게 된다. 따라서 선석점유율에 따른 반복된 시뮬레이션 결과인 생산성 지표 값들과 서비스 값들을 선석점유율 기준으로 산점도 형태로 좌표에 나타내면 패턴을 형성하게 된다. 형성된 산점도 패턴을 반영한 일반화 산정식을 도출하므로서 선석점유율에 따라 필요한 생산성 지 표 및 서비스 지표 값을 예측할 수 있다. 선석점유율에 따른 예측 구간은 시뮬레이션이 진행된 선석점유율 구간(통상적으 로 0.300∼0.750 이내로 1.000은 선석점유율 100%를 의미)만 을 대상으로 얻어 내었다. 즉, 이러한 시뮬레이션 결과의 의미 는 선석점유율이 증가된다는 것은 해당 항만에 선박 도착 척 수가 많아진다는 것으로, 늘어나는 선박의 도착 패턴도 최근 에 항만에 입항하는 선박의 추세를 반영하여 진행함으로써 해 당 항만의 선박 도착 패턴과 도착 패턴에 따른 투입장비의 규 모 및 투입 인력의 규모도 모두 반영되어 해당 항만의 운영특 성이 제대로 반영되었음을 의미한다.

결과적으로, 항만의 생산성 지표인 선석 처리량과 선박 접 안 척수는 Table 4와 같은 산정식(예시로 실제 상황과 다를수 있음)을 얻었으며, 상관관계 결정계수도 역시 0.95 이상의 값 을 얻어 선석점유율에 따른 결과값도 모두 신뢰할 수준임을 알수 있다. 또한, 항만의 서비스 지표인 선박 대기율, 평균 대 기 척수 및 평균 대기 시간도 Table 5와 같이 산정식(예시로 실제 상황과 다를수 있음)을 얻었으며, 상관관계 결정계수도 역시 0.95 이상의 값을 얻어 선석점유율에 따른 결과값도 모 두 신뢰수준을 확보하였음을 의미한다.

Table 4

Formula summary on port productivity indicators (x : berth occupancy rate)

Table 5

Formula summary on port service indicators (x : berth occupancy rate)

즉, 벌크부두 및 컨테이너 부두의 선석 수에 따라 해당되는 산정식을 적용하면 항만의 생산성 지표 및 서비스 지표를 선 석점유율의 신뢰구간 이내에서 예측해 낼 수 있다.

3.4. 소프트웨어 메뉴 구성

소프트웨어 구성을 위한 메뉴는 Table 6과 같이 메인(주) 메뉴와 서브(하위) 메뉴로 구분하였고, 8개의 주메뉴를 기준으 로 메뉴 용도에 따라 최소 2개에서 최대 10개의 서브메뉴로 구성하였으며, 메뉴별 세부 기능은 다음과 같다.

4.1. 소프트웨어 개발 절차

서비스 지표 분석 절차로 얻은 결과값을 관리하기 위한 소 프트웨어의 개발 절차는 Fig. 2와 같이 총 8단계로 진행하였 고, 각 단계별 진행 내용은 다음과 같다.

Fig. 2

Software development process

4.2. 개발 소프트웨어의 주요 화면

개발 절차에 따라 진행된 최종 소프트웨어의 초기 화면은 Fig. 3과 나타낼 수 있다.

Fig. 3

Initial screen of developed software

개발 절차에 따라 진행된 최종 소프트웨어의 메인 화면은 Fig. 4와 같다.

Fig. 4

Main screen of developed software

개발 절차에 따라 진행된 최종 소프트웨어의 운영사(TOC) 관리 화면은 Fig. 5와 같다.

Fig. 5

Management screen for TOC code

개발 절차에 따라 진행된 최종 소프트웨어의 선박 대기율 수식 관리 화면은 Fig. 6과 같다.

Fig. 6

Management screen for ship’s waiting ratio formula

4.3. 벌크 부두의 최적화 소프트웨어 개발

벌크 부두의 최적화 관리를 위해 Table 4 및 Table 5의 벌 크부두 산정식을 적용하여 최적화 1선석 성과지표를 관리할 수 있도록 프로그램을 개발하였다. Fig. 7과 Fig. 8는 선석점 유율에 따른 선박대기율, 선석처리량, 접안척수, 평균대기척수, 평균대기시간을 관리할 수 있게 하였다. Table 6

Fig. 7

Performance indicators of exclusive bulk terminals

Fig. 8

Performance graphes of exclusive bulk terminals

Table 6

Menu configuration of software

4.4. 컨테이너 부두의 최적화 소프트웨어 개발

컨테이너 부두의 최적화 관리를 위해서 Table 4 및 Table 5의 컨테이너 산정식을 적용하여 최적화 1선석 성과지표를 관 리할 수 있도록 프로그램을 개발하였다. Fig. 9와 Fig. 10은 선석점유율에 따른 선박대기율, 선석처리량, 접안척수, 평균대 기척수, 평균대기시간을 관리할 수 있게 하였다.

Fig. 9

Performance indicators of container terminals

Fig. 10

Performance graphes of container terminals

4.5. 선박의 도착 패턴에 따른 서비스 수준

벌크 부두 또는 컨테이너 부두의 운영 선석수 기준으로 항 만에서 선박 대기율 또는 선박 도착 패턴에 따라 항만의 서비 스 수준은 달리 나타날 수 있다. 이러한 점을 반영하여 선박이 일정한 시간 간격에 따라 입항한다는 가정 하에 선박 도착 간 격의 표준 편차에 따라 항만 서비스 지표인 선박 대기율과 항 만의 생산성 지표인 연간 처리량과의 관계를 관리할 수 있도 록 Fig. 11과 같이 예측 가능한 화면을 설계하여 개발하였다.

Fig. 11

Optimal management screen of exclusive bulk terminals (1 berth sample)

즉, 터미널 운영사인 TOC 입장에서는 선사의 선박 도착 간 격이 어떤 형태로 발생되는가에 따라 선사 및 화주의 서비스 지표 수준도 달리 나타날 수 있고, 반대로 TOC의 항만 생산 성 지표인 연간 처리량도 어떻게 변화되는지를 알수 있다. 따 라서 터미널 운영사인 TOC는 자신들의 부두 또는 항만을 타 경쟁사 또는 경쟁 항만 대비로 어떤 서비스 수준으로 제공하 거나 관리할 것인지도 판단할 수 있다. 뿐만 아니라, 이에 따 른 생산성 지표인 연간 처리량도 알 수 있으므로 연간 수입도 예측할 수 있게 된다. 이렇게 관리함으로써 경쟁항만이나 경 쟁사보다도 전략적으로 유리하게 항만을 운영해 나갈 수 있 고, 항만 경쟁력도 확보할 수 있으므로 시시각각 변화하는 항 만 운영 상황에 따라 신속하게 적정 서비스 수준을 터미널에 적용할 수 있는 기반을 마련하게 될 수 있다.