스마트 해운항만물류 인력 수요 예측에 관한 연구
A Study on Forecasting Manpower Demand for Smart Shipping and Port Logistics
Article information
Abstract
4차 산업혁명의 영향으로 해운항만물류산업의 스마트화에 따른 전문인력의 수요를 예측하기 위하여 통계청의 2000년∼2020년 기간의 운수업조사 자료와 해양수산부의 한국선원통계연보 2004년∼2021년도 자료를 활용하여 추세분석과 시계열 분석을 실시하였다. 해운항만물류산업의 인력 수요 예측에서 추세분석의 선형회귀모형의 타당성이 가장 높은 것으로 평가되어 이를 적용하였다. 자율운항선 해기인력, 원격선박관리인력, 스마트 해운비즈니스 인력, 스마트 항만인력. 스마트 창고인력, 스마트 해운항만물류 서비스 인력의 2021∼2035년 기간의 인력 수요를 예측한 결과, 스마트 해운항만물류인력 수요는 2023년 8,953명, 2030년 20,688명, 2035년 26,557명으로 증가하는 것으로 예측되었다. 이 연구는 스마트 해운항만물류 인력수요에 대한 연구가 아직 이루어지지 않은 상태에서 스마트 인력수요를 통계자료에 근거하여 객관적으로 추정함으로써 인력 수요의 예측 가능성을 높이고, 향후 필요 전문인력 양성 방안을 수립하는데 기여할 것으로 기대된다.
Trans Abstract
Trend analysis and time series analysis were conducted to predict the demand of manpower under the smartization of shipping and port logistics with transportation survey data of Statistic Korea during the period from 2000 to 2020 and Statistical Yearbook data of Korean Seafarers from 2004 to 2021. A linear regression model was adopted since the validity of the model was evaluated as the highest in forecasting manpower demand in the shipping and port logistics industry. As a result of forecasting the demand of manpower in autonomous ship, remote ship management, smart shipping business, smart port, smart warehouse, and port logistics service from 2021 to 2035, the demand for smart shipping and port logistics personnel was predicted to increase to 8,953 in 2023, 20,688 in 2030, and 26,557 in 2035. This study aimed to increase the predictability of manpower demand through objective estimation analysis, which has been rarely conducted in the smart shipping and port logistics industry. Finally, the result of this research may help establish future strategies for human resource development for professionals in smart shipping and port logistics by utilizing the demand forecasting model described in this paper.
1. 서 론
4차산업 혁명 기술이 발전함에 따라 인공지능, 네트워크, 빅데이터 기술 등을 적용하여 무역 및 국제물류 효율화를 달성하려는 시도가 선진국을 중심으로 광범위하게 이루어지고 있다. 사물인터넷기술 등을 활용하여 빅데이터를 구축하고, 인공지능 등 초연결성과 초지능성 신기술을 활용하여 서비스 개선 및 서비스간 융합, 플랫폼 비즈니스 창출 등 산업의 스마트화가 진행되고 있다. 롤스로이스의 e-navigation 기반 자율운항선 개발, 머스크와 CMA CGM의 IoT 및 빅데이터 기반의 실시간 선박운항관리와 거래의 블록체인화, 로테르담항과 함브르크항 등의 로보틱스 스마트 항만 등 해운항만물류산업의 스마트화가 추진되고 있다.
우리나라는 GDP 대비 수출입 비중이 높은 대외 지향적 경제 체제를 가지고 있는데, 육로를 통한 해외 수출입이 불가능한 지리적 특성으로 해운 및 항만물류의 비중이 매우 높은 경제구조를 가지고 있다. 수출입 화물의 99.7%를 해상을 통해 운송되고 있어 해운항만물류산업의 경쟁력이 곧 국가 경쟁력과 직결되므로, 해운항만물류 서비스의 디지털 전환과 통합 디지털 플랫폼의 구축을 통한 산업의 스마트화가 수출입 경쟁력 확보와 직결되는 중요 과제로 대두되고 있다.
해운항만물류 산업의 스마트화를 통해 산업경쟁력을 제고하기 위해서는 IoT, 빅데이터, AI 등 첨단기술을 적용한 산업 혁신을 창출하고 이를 활용하기 위한 스마트 전문인력 양성에 대한 투자가 중요하다. 해운항만물류 분야의 스마트 전문인력을 양성하기 위해서는 먼저 스마트 인력 수요가 정확히 예측되고 이에 따른 인력양성 계획이 수립되어야 한다.
본 연구는 해운항만물류 산업의 스마트화와 이에 따른 이에 따른 인력 양성의 필요성에 의해 스마트 인력 수요를 예측하고자 한다. 해운항만 물류산업의 인력 현황을 고찰하여 향후 인력 수요를 예측하고, 이를 바탕으로 스마트 해운항만물류 분야의 인력 수요를 예측하고자 한다. 해운항만 물류 산업의 인력 현황은 해운항만물류산업의 세부업종별 분류기준을 일치시켜 정확한 인력 현황을 파악하기 위하여 통계청의 운수사업조사 9분류 기준(2000년∼2015년)과 10차 분류기준 (2007년∼2020)년의 통계자료를 바탕으로 추세 분석 및 시계열 분석을 통해 인력 수요를 예측하고, 이를 기준으로 해운항만물류 업종별 스마트 인력 수요를 예측하였다.
2. 이론적 배경
2.1 해운항만물류산업의 정의 및 분류
해운항만물류산업은 항만물류산업과 해운물류산업을 포괄한다. 해운물류산업은 선박을 이용하여 해상에서 화물이나 승객을 대량으로 수송하는 서비스업으로 해상여객운송사업, 해상화물운송사업, 해운중개업, 해운대리점업, 선박대여업 및 선박관리업으로 정의한다. 따라서 ‘해운물류산업’이란 국제물류를 구성하는 항만물류, 내륙운송물류, 항만물류, 항공물류 중에서 해운부문을 중핵으로 설정하고 그 시각에서 바라보는 국제물류산업의 부분집합이다.
항만물류산업’은 기본적으로 항만산업과 동일한 업종으로 구성된다. 즉 하만하역업, 예선업, 도선업, 물류창고업, 선박급유업, 선용품공급업, 선박수리업, 컨테이너수리업 등의 집합체라고 볼 수 있다. Lee(1998)은 항만물류가 운송, 보관(저장), 포장, 하역(이송), 정보, 관리(항해지원)의 6가지 기능으로 구성된다고 정의 하였다. Kim(2006)는 항만물류산업이라는 표현은 ‘물류’와 SCM (Supply Chain Management)이 지배적인 형태로 정착한 1990년대 후반 이후 들어와 사용되었으며, 과거 운송산업(Transport Industry)이 오늘날에는 물류산업(Logistics Industry)으로 변모했듯이 종래의 항만산업이 오늘날 항만물류산업으로 변모되었다고 하였다. 따라서 선행연구를 바탕으로 ‘항만물류산업’을 항만서비스의 공급자 및 이용자가 주고받는 항만서비스 관련 모든 정보가 네트워크로 연결되어 교류되는 현태의 산업이라고 할 수 있다.
해운항만물류산업은 다양한 세부 산업부문을 포함하고 있으며, 법률에 근거한 분류, 통계청 분류(물류산업분류), 한국은행 산업연관분류에서 다양하게 분류하고 있다. 먼저 해운법에서 해운업을 해상여객운송사업, 해상화물운송사업, 해운중개업, 해운대리점업, 선박대여업 및 선박관리업으로 정의하고 있으며, 물류정책기본법에서는 물류사업을 자동차ㆍ철도차량ㆍ선박ㆍ항공기 또는 파이프라인 등의 운송수단을 통하여 화물을 운송하는 화물운송업, 물류터미널이나 창고 등의 물류시설을 운영하는 물류시설운영업, 화물운송의 주선(周旋), 물류장비의 임대, 물류정보의 처리 또는 물류컨설팅 등의 업무를 하는 물류서비스업, 위의 물류사업을 종합적ㆍ복합적으로 영위하는 종합물류서비스업으로 정의하고 있다. 그리고 항만운송사업법에서는 항만운송사업을 항만하역사업, 검수사업, 감정사업, 검량사업으로 분류하고, 항만운송관련사업을 항만용역업, 선용품공급업, 선박연료공급업, 선박수리업, 컨테이너수리업으로 정의하고 있다. 또한 선박의 입출 및 출항 등에 관한 법률에서 는 예선업을 항만관련 사업으로 지정하고 있으며, 도선법에서는 도선업을 항만물류 사업으로 정하고 있다.
통계청은 한국표준산업분류에서 직접 파악할 수 없는 화물 운송과 관련된 활동(물류)에 대한 산업 연관분석 및 비용 편익분석 등을 할 수 있는 틀을 제공하기 위해 별도로 물류산업분류(2018)를 하고 있는데, 화물 운송업, 물류시설 운영업, 물류 관련 서비스업 등을 포괄범위로 구성하고 있다.
한국은행의 산업연관표상 분류에 의하면 해운항만 물류산업은 수상운송서비스, 수상운송보조서비스, 하역서비스, 보관 및 창고서비스, 기타 운송관련서비스 등이 해당된다.
본 연구에서는 법률에 근거한 분류와 통계청의 물류산업 분류 그리고 한국은행의 산업연관표의 산업 분류기준을 참고하고, 해운항만물류인력이 연차별로 조사되어 제시되고 있는 통계청자료를 근거로 해운항만물류산업의 인력 수요를 예측하고자 한다.
2.2 스마트 해운항만물류산업의 개요
해운항만물류산업은 IoT, 클라우드 시스템, 빅데이터 분석, 인공지능, 로봇 등의 4차 산업혁명 기술을 도입하여 생산성 향상과 산업의 스마트화를 지향하고 있다. 기존 해운항만물류 산업은 정보 추적 실패, 자원 간 정보 단절로 인한 지연 선적, 선박 및 트럭의 낮은 적재율, 유휴 차량 증가, 수익률 하락 등의 문제가 발생하였다. 이러한 정보 추적 실패 및 정보 단절로 인한 생산성 저하 및 비효율성 증가 등의 문제를 해결하기 위해 4차 산업혁명 기술을 도입하여 초연결, 초지능화를 추구하고 있다.
2.2.1 스마트 해운물류
4차 산업혁명 기술에 의한 초연결·초지능에 따른 예측가능성으로 해운물류산업의 스마트화가 이루어지고 있다.
(1) 자율운항선 개발
자율운항선은 빅데이터, AI, IoT 등의 기술을 통해 자율운항시스템이 구축된 선박으로, 종국적으로는 무인선박을 지향한다. 자율운항선은 모든 사물이 인터넷에 연결되는 IoT를 사용하여 기상과 운항 정보, 해상 장애물 등의 데이터를 단시간 내에 수집·해석 한다. 이러한 데이터 해석을 바탕으로 AI가 저연비의 안전한 최적항로를 알려주는 자동운항 시스템에 의해 선박을 운항한다. 또한 선박사고나 기기의 이상을 예측하여 해난사고 회피가 가능하다(Hwang et al., 2017). 안전운항(충돌회피), 경제운항 및 최적항로 선택을 특징으로 하는 자동운항 선박은 해운-조선의 공동 개발을 통해 2030년∼2050년 중에 원양선박에 상용운항 될 것으로 예측된다(Papanikolaou et al., 2016)
(2) IoT기반 원격 선박 내 진단·유지·보수
자율운행선에서의 IoT 기술은 선내 기기의 유지·보수와 선상업무의 효율화를 실현하는 시스템(PMS, SPICS, ABLOG)과 기기의 상태 진단 및 사고·고장의 예방을 실시하는 시스템LC-A, eGICSX)등으로 구성되어있다. LC-A 및 e-GICSX는 기관실 내 온도나 압력 등을 계측하는 센서로부터 얻은 대량의 데이터를 해석하여 보다 정확하게 기기의 상태 변화를 예지하고 사고 예방을 구현한다. 선박 내부에 부착된 센서를 통해 사진 연료유 공급, 충돌·좌초·전복방지를 위한 기관·기기류의 고장을 진단하고 수리를 가능하게 한다(Hwang et al., 2017). IoT를 활용하여 원격 선박 내 진단·유지·보수를 위한 추진/전력계통 모니터링, 사전 예방정비 및 부품교체 가이드 제공, 선박의 원격 유지관리 및 성능 분석. 등이 가능해진다.
(3) 블록체인 기반 플랫폼 구축
블록체인 기반의 플랫폼은 스마트 해운항만물류 산업의 가시성을 확보하고 보안을 향상시키기 위하여 도입이 추진되고 있다 (Maersk, MTI, 현대상선 등). 블록체인 플랫폼을 활용하여 국제물류분야 공급사슬 상의 계약을 디지털화함으로써 컨테이너의 이동 추적, 컨테이너 총중량 검증, 해운거래, 금융, 보험 등의 비즈니스에 활용된다. 선사, 터미널, 포워더, 운송사 등 해운항만물류 산업의 여러 관계 당사자들의 정보를 암호화하여 실시간으로 공유하고 관리할 수 있게 된다.(Ahn and Kim, 2021)
(4) 온라인 서비스 플랫폼 운영
온라인 플랫폼을 통해 화주는 선사가 제공하는 합리적인 가격과 일정에 따라 화물운송을 의뢰할 수 있으며, 이를 통해 원스톱 국제물류 서비스를 제공 받을 수 있다. 선사는 온라인 플랫폼을 통해 화주의 수요를 직접적으로 빠르게 파악할 수 있으며, 이를 통해 선복 조정과 비용 절감을 추진하고 있다. 화주의 온라인 선복예약은 온라인으로 주문서를 작성한 후 30분 내에 선복예약이 완료된다. 이와 더불어 화주는 온라인 플랫폼을 통해 세관신고, 포장, 창고 등의 서비스를 추가로 예약할 수 있다.(Hwang et al, 2017)
(5) 빅데이터, AI를 이용한 해운경기 분석
빅데이터를 관리하면서 실시간 해운산업 수급 실태를 파악하는 AI룰 활용한 해운 경기 분석 시스템이 등장하였다. AI, big data analysis, IoT 등 새로운 형태의 융합 data를 새로운 기법으로 분석하여 해운경기를 분석하고 예측할 수 있다(Yun et al., 2017). 해운 대기업의 경우에도 일정 규모 이상의 데이터 분석 및 연구역량을 자체적으로 확보하기 어려우므로, 세계해운시장의 경기예측 서비스를 제공하는 비즈니스가 가능해질 것이다.
(6) 신규 스마트 해운물류 비즈니스
IoT, 클라우드 시스템, 빅데이터 분석, 인공지능, 로봇 등의 기술으르 활용하여 해운물류산업의 초연결, 초지능화를 가능하게 하는 신규 비즈니스가 앞으로 지속적으로 개발되어 산업의 스마트화를 가속시킬 것으로 보인다.
2.2.2 스마트 항만물류
스마트 항만물류 기술은 해운항만 및 항만배후단지를 대상으로 화물운송, 물류시설운영 및 물류서비스를 수행하기 위해 물류의 기능(운송, 하역, 이송, 보관, 포장 및 정보)을 효율화, 친환경화, 안전화, 표준화시키는 시설, 장비 및 소프트웨어에 관한 기술을 말한다(Choi, 2012).
(1) 스마트 항만 구축 운영
스마트 항만은 항만물류장비, 항만물류인프라, 항만운영시스템 및 관련 시설물의 무인자동화, 고생산성화, 그린화를 적용한 항만을 의미한다.(Choi, 2012).
현재 항만산업은 완전무인 자동화항만의 건설 및 운영에 투자하고 있는 추세이다. 전 세계 항만은 인건비, 연료비 등 운영비를 절감하고, 기후변화에 따른 글로벌 환경정책에 대응하기 위해 로보틱 기술이 접목된 완전 무인 자동화를 추진 중이다(Shin et al, 2017). 하지만 우리나라의 컨테이너 터미널은 모두 반자동화 항만단계이다. 스마트 항만의 프로세스 자동화는 로보틱, 센서, 증강현실 기술 등을 이용하여 업무 프로세스의 효율성을 향상시킬 뿐만 아니라 노동시간을 절감 시킨다. 항만의 IoT 기술은 교통흐름관리, 환경피해 최소화, 항만 내 안정 확보 등에 이용되고, AI 기술은 예방정비, 서비스 품질 제고, 효율적인 자원 항당 계획 등을 수립하는데 활용 될 수 있다. 항만에의 블록체인 기술은 공급사슬 내에 물류, 자금 등의 흐름을 실시간으로 추적관리하고 관련주체간 안전한 정보공유를 가능하게 한다(Lee et al., 2019). 스마트 항만은 내부 뿐만 아니라 해운과 항만도시 등 전체 공급망 내 모든 이해관계자들이 디지털기술로 연계되고, 항만 작업자 및 항만 도시민 측면에서는 안전 및 친환경이 보장되어 지속 가능한 발전이 보장되는 항만을 의미한다(Lee and Lee, 2019).
(2) IoT/빅데이터 기반 해운-항만-내륙 정보 연계 시스템
IoT 기술을 활용하여 내륙 및 해상 교통 흐름을 실시간으로 제어 할 수 있다. 물류 IT 시스템으로 선박, 트럭, 사람, 크레인, 교각, 교통 흐름 등 항만 관련 모든 자원들에 대한 정보가 실시간으로 전달된다. IT 플랫폼을 통해 관련 서비스 정보가 스마트폰 또는 태블릿과 같은 모바일에서 모두 접근 가능하며, 교통 흐름 관련 정보, 철도 교통정보, 선박 입출항 자료 등이 제공된다. 이용 가능한 서비스는 항만 내 트럭 주차공간 예약, 철로 등 장비 유지보수 시점 예측 등 다양하고 포괄적이다(Lee et al., 2017).
(3) 빅데이터/클라우드 기반 화물 운송데이터 실시간 공유 시스템
해운회사, 터미널 운영사, 트럭 운전사, 화물열차, 샤시 공급업체, 공급망 관리자 등 다양한 관계자들이 화물운송데이터 공유 시스템을 통해 화물정보를 공유할 수 있다(Lee et al., 2017). 선사-터미널-육상운송사 간 실시간 물류데이터 공유 및 인공지능 기반 플랫폼이. 항만물류시스템 관련 기업에서 빅데이터, 인공지능 등의 디지털 신기술을 이용한 시스템 개발이 필요하다.
(4) 드론 기반 항만운영 모니터링
남아공 더반항은 항만의 정체를 최소화 하고 트럭 대기 시간을 감소하기 위하여 드론 기반 모니터링 시스템을 도입하였다. 드론 모니터링은 항만구역을 감시하고 선박이 항만에 안전하게 접안하도록 지원한다. 또한 공중 및 수중 드론을 이용하여 예인선 등 항마 자산을 추적 할 수 있고, 항만 작업자의 위치정보를 파악할 수 있도록 한다. 항만 도로/해상 교통 혼잡도를 모니터링하여 도로, 철도, 운영사, 선사에게 전송하여 항만운영을 최적화 한다(Lee et al., 2017).
(5) 스마트 물류창고 시스템 운영
스마트 물류창고는 창고의 원자재 및 제품을 관리하기 위해 바코드 프린터/스캐너/산업용 PDA를 이용하여 재고 데이터를 동기화 하고, 신속. 정확, 저비용으로 창고 운영의 효율성을 극대화 하는 창고관리 시스템 (WMS: Warehouse Manageemnt System)을 사용하고 있다. 미래의 물류장고는 스마트 글라스를 적용한 증강현실(AR) 실험을 통해 물류작업의 효율성을 제고할 것으로 기대된다. AI 탑제 로봇과 컨베이어밸트, AR, 컴퓨터 빚넌 등 4차 산업형 첨단기술을 이용하여 창고 관리 및 화물 보관 등을 자동화 하는 기술진보가 이루어지고 있다(Kim, 2020)
(6) 자동화·지능화 된 공동 물류 센터 구축
스마트 항만의 데이터를 분석·통합하고 이해관계자들간에 원할한 정보교류를 위해 항만 배후단지에 자동화·지능화된 공동물류센터를 건립하여 운영되어야 할 것이다. 이러한 첨단 스마트 물류센터의 건랍과 더불어 스마트 배달을 위한 드론, 배달 로봇, 자율주행 화물차와 같은 목적형 자율주행 이동수단 기술을 상호 연동시켜 구축해야 하며, 물류센터에서 화물의 입고, 보관, 풀필먼트, 출고 등 화물처리 전 과정을 지능화·자동화하는 스마트 물류센터 기술과 디지털화된 물류정보를 활용하여 계약, 입고, 재고관리, 출고, 배송, 반품, 회수 등을 종합관리하는 물류정보 통합 플랫폼 기술이 개발되어야 한다(Lee, 2022).
2.3 해운항만물류산업 인력 수요 예측 선행연구
Han(2005)은 항만물동량과 항만하역 기술변화를 반영한 시간함수를 사용하여 항만시설에 근거한 인력 수요를 회귀분석으로 추정하였고, 항만개발계획과 소요장비를 토대로 신규 항만시설 개발에 따른 항만인력 수요를 예측하였다.
Kim and Ko(2010)은 해운산업의 화물운송업, 해운중개업, 선박관리업 등 9개 사업영역별 필요 전문인력을 선정하고, 정기선 및 부정기선, 선박관리업, 해운중개업의 4개 업종을 대상으로 설문을 통해 인력 현황과 수요를 조사하고, System Dynamics를 활용하여 인력 수요를 전망하였다.
Shin(2012)는 해운․항만 물류산업인력 수요예측을 위한 선행지표를 도출하기 위해 귀납적 접근방법을 활용하여 기존 선행연구의 산업 내 인력의 영향변수를 확인하고, 해운․항만 물류산업인력 수요예측을 위해 다중회귀분석을 실시하여 통계적으로 유의적인 산업별 시차회귀모형을 도출하였다.
Park et al.(2012)는 5년간의 전년대비 증가율을 중간값으로 두고, 향후 10년간 선박척수 변화에 따른 시뮬레이션을 통해 연안선박의 선복량을 예측하고, 이를 활용하여 선박척수에 따른 연안해운의 선원 인력 수요를 회귀분석을 통해 예측하였다.
Lew et al.(2014)는 국내 선원인력에 대한 현황 분석을 통해 선원 수급에 미치는 주요 요인에 대해 알아보고, System Dynamics를 활용하여 선원의 효율적인 수급방안을 도출하였다. 선원인력의 변화에 대해 2006년부터 2020년까지의 시뮬레이션 기간을 설정하여, 선원수, 취업, 이직, 임금 등 실제 데이터 변수를 사용하여 분석한 결과, 선원인력은 2020년까지 지속적으로 감소하는 것으로 나타났으며, 원활한 선원인력 확보방안을 제시하기 위해 시나리오 분석을 실시하였다.
Han(2015)은 해운‧항만 물류산업의 세부 업종별 인력수요예측과 수급차 결과를 토대로 인력양성방안을 제시하였다. 해운항만물류산업의 과거데이터의 변화추이를 기초로 인력수요에 영향을 미치는 변수들을 파악하여 다중회귀분석과 시계열다항회귀분석 방법을 활용하여 신규인력수요를 예측하였으며, 예측방법에 대한 오차율을 평균절대비율오차(MAPE)을 활용하여 확인해봄으로써 측정분석방법에 대한 신뢰도를 확인하였다.
Park et al.(2018)는 해운·수산업 및 선원 현황 등 실태 분석 및 세계 선원수급 동향 분석을 바탕으로 선원수급 추계모형을 개발하였고, 이를 통해 수급전망, 선원수급 정책방향 및 제도 개선방안에 대해 제시하였다. 선원수요 추정은 경제전망을 통해 물동량을 예측하고, 다시 선복량 예측을 통해 선박척수를 예측하고 이에 따른 선원 수요를 회귀분석을 통해 예측하였다.
Jo(2019)은 자율운항선박의 기술발전형태에 따른 시나리오별 해양산업인력 규모 및 구조 변화에 대하여 시스템 다이내믹스를 활용하여 인력 규모 변화에 영향을 주는 요소들간의 인과관계를 분석하였다. 이를 위해 4개의 기술발전 유형에 대해 자율운항선박의 선복량에 따른 관련 산업 신규 일자리 규모와 선원 일자리 규모 변화를 비교 분석하여 선원 일자리의 감소보다 관련 해양 산업의 신규 일자리 창출로 인한 고용유발 효과가 더욱 크다고 분석하였다.
Jeon et al.(2020)는 향후 도래할 해상과 육상의 해기사 부족에 따른 문제해결을 위해 해기사의 실태를 조사하여 추진전략과 전략과제를 도출하였는데. 기존 해기사 데이터를 활용하여 회귀분석과 시계열분석을 통해 해기사 수요를 예측하고, 신규유입, 승진인원, 이직율, 퇴직인원 등을 고려하여 공급규모를 예측하였다.
Lee et al.(2022)의 연구에서는 상선 해기사 인력의 수요를 예측함에 있어서 기하평균을 활용한 단순평균법과 추세분석의 선형 및 다항 모형 그리고 시계열분석의 AR, MA, ARMA, ARIMA 모형 등 다양한 방법을 적용하여 종합적으로 분석하고, 예측결과들을 비교 평가함으로써 예측의 객관성과 신뢰도를 높이고자 하였다.
해운항만물류 인력수요 예측에 대한 대부분의 연구들은 산업전체 인력수요 예측에 중점을 두고 있으며, 최근의 해운항만물류 스마트 인력에 대한 연구들(Shin et al., 2018; Yoo and Kim, 2019; Park, 2022)은 스마트 인력의 필요성과 객관적인 자료에 근거하지 못한 인력수요 증가를 제시하고 있다. 본 연구는 해운항만물류 스마트 인력의 정확한 수요 예측이 이루어지고 있지 못한 상황에서 통계자료와 산업계 수요조사를 통해 객관적인 인력수요 예측 결과를 제시하고자 하였다.
3. 해운항만물류산업 인력 현황 및 수요 예측
3.1 해운항만물류산업 인력 현황
3.1.1 해운물류산업 인력 현황
통계청의 해운물류산업 분류기준에 따라 통계청 운수업조사 9차분류기준(2000년∼2015년)과 10차 분류기준(2007년∼2020년)의 통계자료를 조사분석한 결과, 2000년∼2020년 기간의 해운물류산업의 인력 현황은 Table 1과 같다.
Shipping & port logistics industry employee (unit: people)
3.1.2 항만물류산업 인력 현황
통계청의 항만물류산업 분류기준에 따라 통계청 운수업조사 9차분류기준(2000년∼2015년)과 10차 분류기준(2007년∼2020년)의 통계자료를 조사분석한 결과, 2000년∼2020년 기간의 항만물류산업의 인력 현황은 Table 2와 같다.
Shipping and port logistics industry employees trend (2000∼2020) (unit: people)
3.1.3 해운항만물류산업 인력 추이
해운항만항만물류 산업의 2000년∼2020년 기간의 인력변화 추이를 살펴보면, 연평균 3.82%의 증가율을 나타내고 있다.
3.2 해운항만물류산업 인력 수요 예측
해운항만물류산업의 인력수요를 예측함에 있어서 추세분석과 시계열분석을 활용할 수 있다. 추세분석은 인력수요에 영향을 미쳤던 변수를 조사하여 시간에 따른 변화를 파악하고, 변수간의 관계를 중심으로 미래 인력수요를 예측하는 방법이다. 접근방법은 근본적으로 회귀분석과 같으며 추세분석법은 인과형 모형에서 시간을 독립변수로 놓고 회귀방정식, 즉 추세선을 구하는 방법이다. 이어진 시계열 자료가 시간의 흐름에 있어서 선형의 관계를 가지면 단순 회귀분석을, 비선형의 관계를 가지면 비선형 회귀분석을 실시하게 된다. 과거의 추세와 변수간의 상관관계가 계속된다는 전제하에 인력수요를 예측하므로 단기예측에 더 적합하며, 변수간의 관계가 비선형일 경우에는 계산과정이 복잡해질 수 있다.(Jeon, 2020)
해운항만물류 산업의 인력 수요의 추세와 예측분석을 위해 시계열 자료에 바탕을 둔 시계열분석(time series analysis)을 활용할 수 있다. 이는 시간의 경과에 따라 순서대로 관측되는 값(시계열 자료)을 대상으로 이들의 추세, 변동요인 등을 파악하여 자료의 패턴을 유추함으로써 미래에 대해 예측하는 것이다. 분석대상 자료의 안정성에 따라 추정방법을 차별화할 수 있는데 안정적인 시계열인 경우 ARIMA(단변량)와 VAR(다변량)이 대표적이고, 안정적이지 않은 시계열인 경우 차분 등의 방법을 통해 시계열을 안정화시키거나 ECM(단변량)과 VECM(다변량) 등 추정방법을 달리한다(Park et al., 2012).
그리고 시간에 따라 지표가 산출되는 시계열 자료를 활용하여 다음과 같이 추세를 예측할 수 있다. ① AR(Auto- Regression, 자동회귀) : 자기자신의 과거값을 변수로 하는 회귀식으로 미래 수요 추정 때 사용된다. ② MA (Moving Average, 이동평균) : 과거 예측 오차를 이용하여 예측 한다 (예측 오차의 이동평균). ③ ARMA모형(AR+MA, 자동회귀 이동평균) : 과거의 상태값과 오차를 사용해 미래를 예측한다. ④ ARIMA모형(Auto Regression Integrated Moving Average, 통합자동회귀 이동평균) : 과거 데이터가 지니고 있는 추세(momentum)를 반영하여 예측 한다. 차분(difference) 개념을 사용하여 불규칙적 시계열 데이터를 규칙적 시계열 데이터로 활용할 수 있도록 변화하여 예측하도록 한다.(Lee et al., 2022)
해운항만물류산업의 2000년∼2020년 기간의 인력변화를 기하평균을 적용한 단순평균법과 추세분석의 선형 및 비선형 회귀모형 그리고 시계열 분석을 활용한 예측결과는 Table 4와 같다.
Demand forecast according to trend of changes in shipping and port logistics manpower (unit: people)
해운항만물류 산업의 인력수요를 기하평균의 단순평균법으로 예측한 경우는 2022년 161,605명에서 2030년 218,063명으로 매년 3.82%씩 증가하는 일정한 추세를 나타낸다. 추세선을 활용한 선형회귀모형은 통계적으로 유의하며 2022년 131,716명, 2030년 148,056명으로 매년 약 1.48% 증가하는 추세를 나타낸다. 추세선을 활용한 비선형 다항회귀식에서는 2022년에 235,720명의 인력 수요를 나타내었으나, 2030년에는 4,551,170명의 현실적으로 불가능한 수치를 나타내어 해운항만물류 산업의 인력수요 예측치로는 부적합한 것으로 평가된다.
시계열 모형에 의한 해운항만물류산업의 2022∼2030년의 인력 수요 예측결과는 AR모형과 ARMA모형에서만 통계적으로 유의하였으며, 모두 약간씩 감소하는 것으로 나타났다. 이는 해운항만물류산업의 2000년∼2020년 기간의 년도별 인력이 증가하다 감소한 추이를 반영한 결과로 볼 수 있다.
해운항만 물류산업의 추세분석과 시계열 분석을 활용한 인력수요 예측결과의 정확성을 평가해 보기 위하여 2015년 이후의 최근 5년간의 실적치와 비교하였다. 비교 결과 기하평균을 이용한 단순평균법의 차이가 14,585명으로 가장 적었으며, 다음으로 추세분석의 단순회귀모형이 16,195명으로 나타났다.
그런데 기하평균의 2030년 인력수요 예측결과는 2022년에 비해 1.35배 증가하는 것으로 나타나 해운항만물류산업 인력의 과거 20년간의 추이를 고려하면 증가율이 매우 높아 실질적인 인력 수요 예측결과로 활용하기 어렵다. 따라서 해운항만물류산업의 인력 수요 예측은 실적치와의 오차가 적고 통계적으로 유의하며 인력 변화 추이를 가장 발 반영하고 있는 것으로 평가되는 추세분석의 단순회귀모형을 적용하도록 한다.
4. 스마트 해운항만물류 인력 수요 예측
스마트 해운항만물류 분야는 창의성과 상상력을 가지고 AI, 증강현실, 가상로봇, 빅데이터, IoT, 블록체인 등의 기술을 활용할 수 있는 전문인력들의 수요가 급증 할 것으로 전망된다. 해운항만물류산업의 4차산업혁명 기술 적용과 디지털 전환에 의한 스마트화에 따른 인력 수요를 예측하기 위해 기존연구들에서 제시된 해운항만물류 인력 관련 예측치들을 활용하여 스마트 해운항만물류 분야의 인력 수요를 산정하였다.
4.1 스마트 해운물류 인력 수요 예측
4.1.1 자율운항선 스마트 해기사 인력 수요 예측
자율운항선은 로봇, 사물인터넷(IoT), 빅데이터, 인공지능(AI) 등의 기술을 총체적으로 융합하여 선박의 정보, 파고의 높이, 태풍 등의 변수들을 고려하면서 배가 나아갈 항로를 인공지능을 통해 스스로 결정하는 첨단 기술에 의해 자동 제어된다(Lee et al., 2022). 자율운항선박의 자동화, 지능화, 초연결성 기기는 해기사가 운용하게 되고, 자율운항선에 승선하여 선박을 운항하는 해기사는 이와 같은 첨단장비와 시스템에 대한 전문지식과 운용 능력을 갖추어야 할 것이다. 향후 자율운항선 선박척수와 요구되는 선원 수요를 예측하기 위한 기초 통계자료인 외항 및 내항상선 선박 척수와 해기사수 추이는 Table 6과 다음과 같다.
Number of vessel and seafarer (2003∼2020) (unit: vessel. people)
Table 6의 자료에 근거하여 선령한계로 폐선후 신조선으로 대체되는 선박과 신규증가 선박에 자율운항선의 도입비율을 적용하여 자율운항선 척수를 예측하고, 자율운항선 척당 승선 해기사수를 반영하여 자율운항선을 운항하는 스마트 해기사 인력을 Table 7과 같이 예측하였다.
Forecasting the number of Marine Autonomous Surface Ships (MASS) and seafarers (unit: vessel. people)
자율운항선의 스마트 해기사 인력은 2025년에 355명, 2030년에 2,733명, 2035년에 5,510명이 필요한 것으로 예측된다.
4.1.2 스마트 선박관리 인력 수요 예측
IoT, 빅데이터, AI 등의 기술을 통해 본선의 선체, 기관, 연료, 속도, 항로, 화물 등에 대한 정보를 실시간으로 수집, 모니터링, 분석하고, 필요한 조언을 본선에 제공하는 선박관리 인력은 이러한 선박관리 시스템의 운영 전문가가 되어야 한다. 육성과 본선과의 초연결성을 갖추고, 지능화된 선박의 원격 유지관리, 사전 예방정비, 선단관리 등을 수행하는 스마트 선박관리시스템의 인력 수요는 Table 8과 같이 예측된다.
Forecasting smart ship management personnel (unit: people)
스마트 선박관리 인력 수요는 2025년에 206명, 2030년에 786명, 2035년에 786명으로 예측된다.
4.1.3 스마트 해운비즈니스 인력 수요 예측
스마트 물류 기술의 발달로 해운기업들은 블록체인과 온라인 비지니스 플랫폼을 활용하여 화주, 터미널, 포워더, 운송사 등과의 해운거래와 금융 및 보험 등의 비즈니스를 수행하게 된다. 해운기업들은 선복예약, 세관신고, 포장, 창고 등의 해운물류 거래를 원스톱으로 처리하는 온라인 비즈니스 플랫폼을 운영한다. 뿐만 아니라 해운경기 변동에 대응하기 위하여 빅데이터와 AI 기반의 해운시황 분석 및 해운경기예측 시스템 역시 운영될 것이다. 해운기업들은 이러한 온라인 플랫폼 기반의 스마트 해운정보, 거래, 고객관리 시스템을 운영하기 위한 스마트 해운 비즈니스 인력이 필요하다. 스마트 해운 비지니스 인력은 해운기업의 정보시스템, 거래시스템, 고개관리시스템을 운영하는 인력으로 외항해운기업의 경우 약 50%, 내항 해운기업의 경우 약 30%의 인력이 이들 직무를 수행하고 있다.
외항 해운기업과 내항 해운기업의 2000년 ∼ 2019년의 종업원수를 기반으로 스마트 해운 비즈니스 인력 수요를 예측하고자 한다. 해운기업 중에서 정보, 거래, 고객관리의 스마트화가 가능한 통계청 분류의 외항 화물 운송기업과 내항화물 운송기업을 대상으로 스마트 해운비지니스 인력 수요를 예측한다. 통계청 분류의 외항 여객운송업과 내항여객운송업, 기타 해상운송업, 내륙 수상 여객 및 화물 운송업, 항만내 여객운송업은 규모가 매우 작고 거래의 스마트화를 추진하기가 용이하지 않으므로, 스마트 인력 수요에서 제외하였다. 외항 화물 운송기업과 내항 화물 운송기업의 2000년 ∼ 2019년의 종업원수는 Table 9와 같다.
Personnel trend in ocean-going and coastal shipping (2000∼2020) (unit: people)
위의 자료에 근거하여 추세분석의 선형회귀모형으로 외항 및 내항 화물 운송기업의 해운 비즈니스 인력 수요를 예측하고, 외항 및 내항 화물운송업체 CEO 대상의 인터뷰 조사를 통해 스마트화 진행비율을 적용하여 스마트 해운비즈니스 인력 수요를 Table 10과 같이 예측하였다.
Smart shipping business personnel forecasting (unit: people)
스마트 해운 비즈니스 인력은 2025년 9,995명, 2030년 11.215명, 2035년 11,715명으로 예측되었다.
4.2 스마트 항만물류 인력 수요 예측
4.2.1 스마트 항만운영 인력 수요 예측
항만하역 장비와 운영시스템의 자동화, 지능화, 실시간 원격통제 등의 스마트 항만의 건설 및 운영을 위한 전문인력의 수요가 증가할 것으로 예상된다. 부산항 신항의 2-4단계와 2-5단계 터미널은 반자동화2 형태의 스마트항만으로 개발될 예정이다. 기존 터미널도 세계 각국의 자동화 터미널과 경쟁하기 위하여 장비 및 운영시스템의 스마트화로 전환할 것으로 예상된다. 신규건설 터미널의 스마트 인력 수요와 기존 터미널의 스마트화에 따른 인력 수요는 Table 11과 같이 예측된다.
Forecasting smart terminal operation personnel (unit: people)
항만터미널의 스마트인력 수요는 2025년에 77명, 2030년에 451명, 2035년에 1,361명으로 예측된다.
4.2.2 스마트 창고 운영 인력 수요 예측
바코드와 스캐너 등을 활용하여 재고 데이터를 동기화하고, 신속, 정확, 저비용으로 창고관리를 하는 WMS(Warehouse Management System)에 AR, 드론, 로봇 등의 기술을 접목한 스마트 창고관리시스템이 도입됨에 따라 이러한 시스템을 운영할 전문인력의 수요가 발생할 것이다. 스마트창고 운영인력 수요를 예측하기 위한 창고기업체와 종사자수는 다음과 같다.
창고기업체수와 종업원자료를 활용하여 2020∼2030년 기간의 기업체수와 종업원수를 예측하고, 창고업체 임원진의 인터뷰조사를 통해 창고의 스마트화 비율을 반영하여 스마트 창고인력수를 Table 13과 같이 추정하였다.
Fforecasting the number of smart warehousing personnel (unit: warehouse, person)
창고의 스마트 인력 수요는 2025년에 193명, 2030년에 883명, 2035년에 1,537명으로 예측된다.
4.2.3 스마트 물류서비스 인력 수요 예측
해운항만 물류분야의 초연결, 초지능화에 의한 다음과 같은 스마트 물류서비스를 위한 전문인력이 필요할 것이다. 전문인력을 필요로 하는 스마트 물류서비스로는 자율운항선의 운항시스템과 육상의 원격운항 지원시스템 개발 및 구축 / 선박의 원격 진단, 유지, 보수지원 시스템 개발 및 구축 / 블록체인 기반 물류 SCM, 해운거래, 금융 및 보험 플랫폼 개발 및 구축 / 스마트 항만운영시스템 개발 및 운영 / 빅데이터,클라우드 기반 실시간 화물관리 시스템 개발 및 운영 / 항만 보안 및 안전관리 시스템 개발 및 운영 스마트 물류창고 시스템 개발 및 구축 / 기타 신규 해운항만 물류서비스 시스템 개발 및 구축 등이 있다. 해운항만 물류산업의 스마트 물류서비스 전문인력의 수요는 물류관련 서비스업 종사자의 인력 현황을 기초로 예측하였다.
물류관련서비스업 종사자수는 2019년 3,589명이며, 2020년 3,308명으로 조사되었다. 이들 인력을 기초로 물류관련서비스업과 인력구성이 가장 유사하다고 평가되는 정보통신방송업의 2016년∼2030년의 인력 예측(고용노동부, 2018)자료를 활용하여 스마트 물류서비스 인력을 예측하였다. 스마트 물류서비스 분야는 해운항만물류와 항공물류 그리고 철도 및 육상물류를 모두 통괄하여 긴밀히 연계되어 있으므로, 해운항만물류 분야의 스마트 물류서비스 인력을 별도로 구분할 필요없이 물류서비스 분야의 인력을 스마트 해운항만물류 서비스 인력으로 예측하여도 별 문제가 없을 것으로 판단된다.
2019년 및 2020년의 물류인력을 기준으로 유사업종의 인력증가율을 적용하여 스마트 물류인력 수요를 예측한 결과, 2025년에 193명, 2030년에 883명, 2035년에 1,537명으로 예측된다.
4.3 스마트 해운항만물류 인력 수요 예측 결과
이상의 스마트 해운항만 물류 산업 분야별 인력 예측 결과를 정리하면 다음과 같다.
스마트 해운항만물류 분야의 인력 수요는 2021년 4,6178명에서 2025년 14,620명, 2030년 20,688명, 2035년에는 26,557명으로 예측된다. 향후 스마트 해운항만물류 시장의 확대에 따라 스마트 해운항만물류 분야의 인력 비중도 2021년 3.6%에서 2035년에는 30.6%로 10배 정도 확대될 것으로 예측되었다.
5. 결 론
4차 산업혁명의 영향으로 해운항만물류산업의 스마트화에 따른 전문인력의 수요를 예측하기 위하여 통계청의 2000년∼2019년 기간의 운수업조사 자료와 해양수산부의 한국선원통계연보 2004년∼2021년도 자료를 활용하여 추세분석과 시계열 분석을 실시하였다.
기하평균을 이용한 단순평균법, 추세분석의 선형 및 다항 회귀모형, 시계열 분석의 AR, MA, ARMA, ARIMA모형의 해운항만물류 분야의 인력 수요 예측 결과를 비교한 결과 추세분석의 선형회귀모형에 의한 해운항만물류산업의 인력 수요 예측이 가장 타당한 것으로 평가되어 이를 적용하였다. 스마트 해운항만물류 분야의 인력을 자율운항선 해기인력, 원격선박관리인력, 스마트 해운비즈니스 인력, 스마트 항만인력. 스마트 창고인력, 스마트 해운항만물류 서비스 인력으로 구분하여 2021∼2035년 기간의 인력 수요를 예측한 결과, 스마트 인력 수요는 2023년 8,953명, 2030년 20,688명, 2035년 26,557명으로 증가하는 것으로 예측되었다.
이 연구는 스마트 해운항만물류에 대한 대부분의 연구들이 스마트 기술의 발전과 산업에의 적용방향에 초점을 맞추고 있는 상황에서 스마트 기술을 실제 직무에서 활용하기 위한 전문 인력 수요에 주목하여 스마트화가 이루어지는 업종 및 직무영역을 정의하고, 필요한 인력 수요를 객관적으로 예측하였다는 점에서 연구의 의의 크다고 할 수 있다.
또한 스마트 해운항만물류 인력수요에 대한 연구가 아직 이루어지지 않은 상태에서 스마트 인력수요를 통계자료에 근거하여 객관적으로 추정함으로써 인력 수요의 예측 가능성을 높이고, 향후 필요 전문인력 양성 방안을 수립하는데 기여할것으로 기대된다. 해운항만물류산업의 스마트화가 이루어지는 직무와 필요인력에 대한 정확한 수요 예측에 근거하여 스마트 기술 및 직무역량 배양을 위한 인력양성 규모와 교육과정 개발 등의 정책이 수립 및 추진될 수 있을 것이다.
스마트 해운항만물류 인력 수요 예측에 있어서 스마트화의 적용 및 추진 비율은 선행연구의 자료를 활용하였는데, 향후 에는 산업내 스마트화 실태조사를 주기적으로 실시하여 데이터를 집적하고, 이를 기반으로 인력 수요 예측 정확도를 높여 나가야 할 것이다. 또한 해운항만물류 산업의 스마트화에 따라 인력 구성에 있어서도 변화가 발생할 것이므로, 스마트 인력 수요뿐만 아니라 자동화 및 디지털화에 의한 단순 직무 담당인력의 감축 문제도 포함한 인력 수요 예측 연구가 수행되어야 할 것이다.
Shipping and port logistics industry employees trend (2000∼2020) (unit: people,%)
Comparison between demand forecast and actual manpower in shipping and port logistics (unit: people)
The number of warehousing company and employees (2000∼2020) (unit: warehouse, person)
Smart logistics-related service employees (2018∼2020) (unit: person)
Smart logistics service personnel forecasting (unit: person)
Result of smart shipping·port logistics personnel forecasting (unit: person, %)