1. 서 론
타부두 환적(Inter-Terminal Transportation, ITT)은 동일 항만 내에서 화물의 터미널 간 이동을 말하며 여러 터미널 운영사가 독립적으로 운영되는 항만에서 불가피하게 발생하는 절차이다. 추가적인 운송 비용과 시간 지연을 초래하며 항만의 경쟁력을 저하시키는 요인으로 선석 부족이나 터미널 간 협력 부족으로 인해 더욱 심화될 수 있으며, 동일 항만 내 타부두 환적의 효율적인 관리는 중요한 과제로 강조되어왔다.
부산항은 세계 2위 글로벌 환적항만으로 다양한 항로의 중심에 위치하여 있다. 하지만, 컨테이너터미널 운영사들이 독립적으로 운영되면서 발생한 타부두 환적은 부산항 경쟁력 저하의 주요원인으로 손꼽히고 있다. 부산항 내 서로 다른 10개의 컨테이너터미널에 기항한 선박은 화물을 옮겨 싣기(환적) 위하여 터미널 간 화물의 육상 운송을 빈번하게 진행하고 있다. 부산항은 글로벌 환경 속에서 입지를 유지하기 위해 노력하고 있지만, 컨테이너터미널의 분리·운영으로 인한 비효율성과 타부두 환적 문제는 앞으로의 성장에 큰 제약으로 인식되고 있다. 2023년 기준 부산항의 전체 물동량 중 타부두 환적화물 처리 비중은 약 36.3%로, 부산항 북항과 부산항 신항은 각각 약 46.3%, 34.0%를 기록하였다. 부산항에서 발생하는 타부두 환적 물동량을 효과적으로 관리하는 방안을 통해 항만 효율성 및 생산성을 개선할 필요가 있다.
부산항만공사(Busan Port Authority, BPA)는 부산항 내 타부두 환적 문제를 해결하기 위해 다양한 노력을 기울이고 있다. 대표적으로, 환적화물의 효율적인 처리를 위해 터미널과 운송사의 정보를 사전에 연계하고, 복수의 차량 및 화물정보를 한번에 전송하여 화물자동차가 터미널 진입 시 최적 화물 배정을 지원하는 환적운송시스템(TSS, Transhipment Shuttle System)을 도입하여 물류 흐름을 개선하고 있다. 2022년 11월 1차 TSS 시범운영 결과, 목표 물량 20% 초과 처리, 그룹오더 이용 시 차량 대기시간 6분(25%) 감소 등의 가시적인 성과를 보였다. 그리고, 2023년 7월-9월 간 2차 TSS 시범운영 결과, 화물차량의 터미널 내 대기시간(Turn around Time)이 절반가량(평균 22.6분 → 12.1분) 단축되었으며, 화물차량의 복화율은 약 3배(12.8% → 36.6%) 높아졌다. 이 밖에도 ITT 비용 절감을 위한 다양한 기술적 접근과 정책적 대안이 모색되고 있으며, 타부두 환적을 줄이고 부산항 컨테이너터미널의 효율성을 제고하기 위한 시도가 다양하게 이루어지고 있다.
컨테이너터미널 효율성 관련 선행연구를 살펴보면, 산출변수로 컨테이너물동량을 고려한 DEA(Data Envelopment Analysis) 분석이 활발하게 진행되고 있다. 컨테이너물동량은 항만의 경쟁력을 나타내는 지표로서 물동량의 유치와 이동에 중요한 요인이 된다(Liu and Lee, 2019). 그리고 2010년대 이후에는 컨테이너터미널을 운영하면서 발생하는 이산화탄소(CO) 배출량, 체선 선박 척수, 재해자 수, 사고 건수 등의 유해산출물을 고려한 효율성 분석이 진행되고 있다(Shin and Jeong, 2013; Lee, 2017; Sim et al., 2024; Quoc and Quoc, 2024). 한편, 타부두 환적과 관련된 선행연구를 살펴보면, 타부두 환적으로 인하여 발생하는 다양한 문제점을 지적하고 해결방안을 제안한 연구가 진행되어왔다. 타부두 환적비중이 높아지면 불필요한 추가 비용이 발생하고, 리핸들링 작업이 증가하여 컨테이너터미널의 비효율적인 운영을 야기하게 된다. 유럽의 항만은 대부분 하나의 터미널 운영사가 운영하는 반면(Seo and Park, 2016), 부산항은 다수의 컨테이너터미널 운영사로 인하여 타부두 환적이 빈번하게 이루어지고 있다. 이에 따라, 부산항 내 운영사별로 높은 타부두 환적 비중으로 인한 부정적인 영향을 고려하여, 컨테이너터미널 효율성 분석이 이루어질 필요가 있다.
본 연구는 부산항 컨테이너터미널 운영사 10개를 대상으로 타부두 환적으로 인한 효율성 저하수준을 파악하고자 한다. 이를 위해, 부산항만공사(BPA) 보고서에서 발표한 부산항 컨테이너터미널의 타부두 환적 비중을 유해산출물로 선정하였다. 그리고 유해산출물 고려 전후 대비 컨테이너터미널의 효율성 변화를 파악하기 위하여, DEA-SBM과 Undesirable Outputs 모형 분석을 차례대로 진행하였다. DEA-SBM 모형의 산출변수는 컨테이너물동량만을 고려하였으며, Undesirable Outputs 모형의 산출변수는 컨테이너물동량과 타부두 환적 비중을 동시에 고려하였다. 이후 두 가지 모형으로 도출된 분석결과를 비교하여 다양한 시사점을 도출하였다.
2. 이론적 배경
2.1 타부두 환적(ITT)에 따른 문제점
부산항은 기간항로의 중심에 위치하여 있으며, 싱가포르항에 이어 세계 2위의 컨테이너 환적항만이다. 부산항은 컨테이너터미널 운영사의 분리·운영으로 인하여 과도한 요율인하 경쟁, 타부두 환적 비용 발생, 선석 및 야드 공간 활용률 저하 등과 같은 다양한 문제점이 발생하고 있다. 이와 반대로, 세계 1위의 컨테이너 환적항만인 싱가포르항은 컨테이너터미널 운영사가 일원화되어 있어, 환적화물 수송이 용이하고 추가적인 ITT 비용에 대한 부담이 없다(Park, 2020).
그 중에서도 부두 간 화물운송에 따른 비용(ITT 비용)은 부산항의 환적항만 경쟁력을 저하시키는 주요 원인이다. ITT는 환적 중심의 항만에서 발생하는데 얼라이언스에 소속된 모든 선박을 동일 터미널에서 수용할 수 없는 가용선석 부족이 주요 원인이다(Park, 2021). 타부두 환적 물동량이 증가함에 따라 선사가 부담하는 항만 내 터미널 간 ITT 비용이 증가하고 있다. 아울러 선사, 터미널, 운송사 간 ITT 정보 공유 미비로 인하여 업무 절차의 비효율까지 발생하고 있는 상황이다(Seo, 2018). 부산항 ITT 계약 구조를 살펴보면, 선사는 다수의 운송사와 계약하여 물동량을 분배하며, 운송사는 배차를 효율적으로 진행하기 위한 물량을 선택할 수 없어 자연스럽게 복화운송의 기회는 줄어들고 물류비용이 상승하게 된다(Part et al., 2021). 또한, 부산항 신항의 타부두 환적 물동량이 운송되는 신항로와 신항남로는 수출입 화물차량과 일반차량이 동시에 통행되고 있고, 일부 구간에 대해서 교통혼잡 및 서비스 수준 개선이 필요한 상황이다(Kim et al., 2023). 부산항의 고질적인 경쟁력 약화 요인으로 지적되어 온 타부두 환적 문제를 해결하기 위하여 완충지역을 활용한 해결방안(Park et al., 2021), 시스템적 대안 방안(Oh et al, 2014), 화물자동차 적재중량 제한 완화 방안(Park, 2020), 컨테이너터미널 통합운영 방안(Shin et al., 2020), 적합한 운송수단을 선정하는 방안(Jo et al., 2020), 복화율 개선 방안(Park and Shin, 2022), 법·정책 및 운영적 방안(Kim et al., 2023) 등이 제안되고 있다.
부산항만공사(Busan Port Authority, BPA), 컨테이너터미널 운영사 등은 ITT의 운영적 문제 개선을 위하여 반출예약시스템(Vehicle Booking System, VBS), ITT 시스템 및 플랫폼 구축 등 다양한 방면으로 노력하였으나 가시적인 효과는 미흡한 실정이다(Park et al., 2021). BPA는 2022년부터 터미널과 운송사의 정보를 사전에 연계하고, 복수의 차량 및 화물정보를 한번에 전송하여 화물자동차가 터미널 진입 시 최적 화물 배정을 지원하는 환적운송시스템(Transhipment Shuttle System, TSS)을 본격적으로 추진 중에 있다. TSS는 타부두 환적화물 처리에 소요되는 시간 및 비용을 대폭 감축시킬 수 있을 것으로 기대된다.
2.2 부산항 타부두 환적(ITT) 물동량 현황
2023년 부산항 컨테이너터미널 운영사별 자부두·타부두 환적화물 처리실적은 <Table 1>과 같다. BPA에 따르면, 10개 주요 컨테이너터미널 운영사의 부산항 컨테이너 환적화물 처리실적은 총 12,342,907TEU이며, 자부두 및 타부두 환적의 비중은 각각 63.7%(7,860,111TEU), 36.3%(4,482,796TEU)로 나타났다. 부산항 북항 컨테이너터미널 운영사의 환적화물 처리실적은 총 2,366,181TEU로 조사되었으며, 자부두 및 타부두 환적의 비중은 각각 53.7%(1,270,676TEU), 46.3%(1,095,505TEU)로 나타났다. 세부적으로 HKT의 환적화물 처리실적은 828,953TEU(자부두 환적 비중: 62.2%(515,385TEU), 타부두 환적 비중: 37.8%(313,568TEU)), DPCT의 환적화물 처리실적은 194,074TEU(자부두 환적 비중: 39.1%(75,931TEU), 타부두 환적 비중: 60.9%(118,143TEU))로 나타났다. 그리고 BPT 감만부두 및 신선대부두의 환적화물 처리실적은 357,388TEU(자부두 환적 비중: 32.7%(116,860TEU), 타부두 환적 비중: 67.3%(240,528TEU)), 985,766TEU(자부두 환적 비중: 57.1%(562,500TEU), 타부두 환적 비중: 42.9%(423,266TEU))로 나타났다.
부산항 신항 컨테이너터미널 운영사의 환적화물 처리실적은 총 9,976,726TEU로 조사되었으며, 자부두 및 타부두 환적의 비중은 각각 66.0%(6,589,435TEU), 34.0%(3,387,291TEU)로 나타났다. 세부적으로 PNIT의 환적화물 처리실적은 2,346,870TEU(자부두 환적 비중: 63.3%(1,484,706TEU), 타부두 환적 비중: 36.7%(2,346,870TEU)), PNC의 환적화물 처리실적은 3,004,635TEU(자부두 환적 비중: 80.0%(2,403,762TEU), 타부두 환적 비중: 20.0%(600,873TEU))로 나타났다. 그리고 HJNC의 환적화물 처리실적은 1,549,900TEU(자부두 환적 비중: 55.5%(859,684TEU), 타부두 환적 비중: 44.5%(690,216TEU)), HPNT의 환적화물 처리실적은 1,230,637TEU(자부두 환적 비중: 47.1%(580,220TEU), 타부두 환적 비중: 52.9%(650,417TEU))로 나타났다. 마지막으로, BNCT의 환적화물 처리실적은 1,426,695TEU(자부두 환적 비중: 80.5%(1,149,004TEU), 타부두 환적 비중: 19.5%(277,691TEU)), BCT의 환적화물 처리실적은 417,989TEU(자부두 환적 비중: 26.8%(112,059TEU), 타부두 환적 비중: 73.2%(417,989TEU))로 나타났다.
2.3 선행연구 고찰
2.3.1 유해산출물을 고려한 항만 효율성 관련 선행연구
Shin and Jeong(2013)은 4개년(2007-2010년) 동안 이산화탄소(CO) 배출량을 고려한 부산항 및 광양항 컨테이너터미널의 환경 효율성을 측정하기 위하여 방향성 생산거리 함수(Directional Technology Distance Function) DEA 분석을 실시하였다. 투입변수는 선석길이, 컨테이너크레인(C/C) 수, CY 면적으로 선정하였으며, 유익산출물은 컨테이너물동량, 유해산출물은 이산화탄소(CO) 배출량으로 선정하였다. 분석결과, 부산항 컨테이너터미널의 효율성이 광양항 컨테이너터미널 보다 비교적 높게 나타났다. 이러한 결과를 바탕으로, 광양항은 항만시설에 기반하여 컨테이너 처리실적을 높이지 못하게 된다면 막대한 경제적 손실이 발생할 수 있다고 설명하였다.
Lee(2017)는 체선 선박이 항만의 운영 효율성에 미치는 영향을 알아보고자 DEA-SBM 분석을 진행하고 DEA-CCR 및 BCC 분석결과와 비교하였다. 투입변수는 하역능력을 선정하였으며, 유익산출물은 컨테이너처리량, 비컨테이너처리량, 유해산출물은 체선 선박척수로 선정하였다. 분석결과, 체선이 항만의 운영 효율성에 미치는 영향이 크지 않은 것으로 나타났다. 그리고, 잔여물을 제거 시 인천항은 3년간 11.9억원, 여수·광양항은 65.5억원을 보존가능하다고 설명하였다.
Song and Park(2023)은 COVID-19 전후로 체선을 고려한 국내 주요 항만(부산항, 여수·광양항, 울산항, 인천항)의 운영 효율성을 파악하고자 SBM-DEA 분석을 진행하였다. 분석결과, COVID-19 이전 2년(2018-2019년) 보다 이후 3년(2020-2022년) 동안 효율성은 전반적으로 낮아졌으며, 그 중에서도 인천항의 운영 효율성이 급증한 체선으로 인해 상당히 낮은 것으로 파악되었다. 또한, 항만의 인프라와 예산이 항만의 체선과 서로 긴밀하게 연결되어 있다고 밝혔다. 이를 바탕으로, 항만의 효율성을 개선하기 위해서 체선을 바람직하게 관리할 수 있는 시스템 및 정책이 구축되어야 한다고 설명하였다
Sim and Kim(2024)은 이산화탄소 배출량을 고려하여 우리나라 컨테이너터미널 간 상대적인 효율성을 비교하고자 우리나라에 위치한 17개 운영사를 대상으로 DEA-SBM과 Undesirable Outputs 모형 분석을 진행하였다. 투입변수는 선석길이, 하역능력, 유익산출물은 컨테이너물동량, 유해산출물은 이산화탄소(CO) 배출량으로 선정하였다. 분석결과, DEA-SBM에서는 부산항의 PNC, HJNC, Undesirable Output 모형에서는 PNC, HJNC, HJIT, E1CT, PCTC의 환경 효율성이 높게 나타났다. 이와 반대로, 광양항과 군산항에 위치한 컨테이너터미널 운영사는 2가지 모형에서 효율성이 낮게 나타났다. 이러한 결과를 바탕으로, 인천항과 평택당진항은 친환경적인 운영을 강조한 마케팅 전략을 수립하여야 한다고 설명하였다.
Sim et al.(2024)은 항만 재해자수를 고려하여 국내 항만의 안전 효율성을 알아보고자 우리나라 11개 항만을 대상으로 Undesirable Outputs 모형 분석을 진행하였다. 효율성 분석에 앞서 벡터자기회귀모형 분석을 통해 근로자수가 항만 재해자수에 영향을 미친다고 분석하였다. 이에 따라, 투입변수는 근로자수, 유익산출물은 항만 물동량, 유해산출물은 재해자수로 선정하였다. Undesirable Outputs 모형 분석결과, 안전 효율성은 여수·광양항이 가장 높게 나타났으며, 항만공사에 의해 관리되는 항만은 비교적 안전 효율성이 높다고 설명하였다.
Quoc and Quoc(2024)은 베트남 카이멥-티바이(Cai Mep -Thi Vai)에 위치한 18개 컨테이너터미널을 대상으로 운영 효율성을 분석하고자 SBM-DEA 분석을 진행하였다. 투입변수는 근로자수, CY 면적, 컨테이너크레인(C/C) 수, 야드크레인(Y/C) 수, 유익산출물은 컨테이너 물동량, 유해산출물은 이산화탄소(CO) 배출량, 컨테이너터미널 사고 건수로 선정하였다. 분석결과, 카이멥-티바이에 위치한 4개 컨테이너터미널의 효율성이 1.000으로 가장 높게 나타났으며, 일부 컨테이너터미널은 효율성이 0.117, 0.132로 나타나 효율성의 편차가 큰 것으로 나타났다. 이러한 결과는 해당 지역 내 효율성이 높은 컨테이너터미널을 벤치마킹하여 비효율적인 컨테이너터미널이 개선하기 위한 정보를 제공한다는 점에서 의의가 있다.
2.3.2 선행연구와의 차별점
기존 선행연구에서는 다양한 유해산출물을 고려하여 컨테이너터미널 효율성 분석이 진행되어왔다. 컨테이너터미널의 운영 효율성의 저해요인으로는 이산화탄소 배출량, 체선 선박 수, 항만 재해자 수, 사고 건수 등이 다양하게 고려되고 있다. 하지만, 컨테이너터미널의 운영 효율성 평가 시 운영사가 다수인 항만에서 고질적인 문제점으로 지적되고 있는 타부두 환적 물동량을 고려한 연구는 미비한 실정이다. 이에 본 연구에서는 전체 물동량 중 타부두 환적 비중을 유해산출물로 고려하여 부산항 컨테이너터미널의 운영 효율성을 측정하였다. 특히, DEA-SBM과 Undesirable Outputs 모형을 동시에 분석하여 유해산출물 고려 전후 대비 효율성의 변화를 파악하고 다양한 시사점을 도출하였다.
3. 연구 설계
3.1 분석 개요
타부두 환적 비중을 고려한 부산항 컨테이너터미널 간 상대적 효율성을 측정하고자 부산항 컨테이너터미널의 시설제원, 컨테이너 물동량, 환적물동량 데이터를 수집하여 DEA-SBM 모형, Undesirable Outputs 분석을 진행하였다. 투입변수 또는 산출변수에 대한 개별적인 효율성 정보를 제공하지 못하는 방향모형(Oriented Model)의 단점을 보완한 비방향 모형(Non-Oriented Model)을 사용하여 항만시설에 대한 컨테이너처리량 효율성을 분석하였다. 추가로 컨테이너터미널 효율성에 부정적인 영향을 주는 타부두 환적 물동량을 유해산출물로 선택하여 Undesirable Outputs 분석을 진행하고, 타부두 환적 물동량을 고려하지 않은 효율성과 고려한 효율성을 비교하였다.
DEA 분석은 다수의 투입물로 다수의 산출물을 생산할 때 상대적인 효율성을 분석하는 것으로 투입변수와 산출변수가 분석결과에 가장 큰 영향을 미친다. 이에 변수의 적정성을 확보하고자 선행연구에서 살펴본 여러 가지 변수 중 다음의 원칙에 부합하는 변수를 선정하였다. 첫째, 의사결정단위(Decision Making Units, DMU)를 고려하여 적절한 변수의 개수를 설정해야 한다. DEA 분석 시 투입변수 및 산출변수의 합이 DMU의 2배 이상일 경우 신뢰성이 있다고 판단할 수 있다(Golany and Roll (1989); Homburg(2001); Dyson et al. (2001)). 둘째, 개선성을 고려하여 변수를 설정하여야 한다. DEA 분석은 투입변수와 산출변수를 선정하여 효율성 분석을 진행한 뒤 비효율적인 요소를 파악한다. 따라서, 변수는 개선가능한 요소로 선정하여야 한다. 셋째, 변수 선정 시 객관성을 확보하여야 한다. 연구자는 DMU와 직접적인 연관이 있는 변수를 설정하고, 주관적인 판단은 배제되어야 한다. 이에, 컨테이너터미널의 효율성 관련 선행연구를 검토한 뒤, 선행연구를 토대로 변수를 선정하여 연구의 객관성을 확보하고자 한다.
앞서 선행연구와 DEA 분석의 원칙을 고려하여 변수를 <Table 3>과 같이 선정하였다. DMU인 항만터미널 운영사와 직접적인 연관을 가져야 하는 투입변수는 선석길이, 하역장비 대수로 구성하였으며, 산출변수는 컨테이너물동량, 유해산출물 변수는 타부두 환적 물동량 비중으로 선정하였다. ‘타부두 환적 물동량(ITT)’은 항만 차원에서 물동량 확대에 기여하는 긍정적 효과가 있으나, 개별 터미널의 관점에서 ITT 처리로 인한 운영 효율성 저하와 같은 한계를 동반하는 이중적 특성을 지닌다. 따라서, 본 연구에서는 ‘타부두 환적 물동량 비중(ITT Tatio)’을 유해산출물로 고려하여, 이러한 이중적 특성으로 인한 논란을 해소하고자 하였다. 즉, 본 연구는 유해산출물인 타부두 환적 물동량 비중 고려 전후 효율성과 비교한 후 다양한 시사점을 제시하고자 하였다.
3.2 분석 대상
본 연구에서는 부산항만공사가 발표한 ‘2023년 부산항 컨테이너화물 처리 및 수송 통계’ 자료에 수록된 부산항 컨테이너터미널운영사의 운영통계를 활용하였다. 선정한 DMU는 PNIT, PNC, HJNC, HPNT, BNCT, BCT, HKT, BPT 감만부두, BPT 신선대부두, DPCT로 부산항 컨테이너터미널 운영사 10곳이며, 선석길이, 하역장비, 컨테이너물동량, 타부두 환적 물동량을 변수로 사용하였다. 자세한 내용은 <Table 4>와 같다.
3.3 분석기법
3.3.1 DEA-SBM Model
DEA(Data Envelopment Analysis) 모형은 효율성 분석 시 널리 사용되는 기법이다. DEA 분석은 여러가지 투입변수와 산출변수 간 가중크기를 비교분석하여 의사결정단위(DMU) 당 효율성을 비교분석한다. 구체적으로, 각 DMU의 투입변수와 산출변수의 가중합 비율을 통해 상대적 효율성을 측정하게 된다. DEA 모형은 규모수익불변(Constant Returns to Scale, CRS)을 나타내는 CCR(Charnes, Cooper, Rhodes) 모형과 규모수익가변(Variable Returns to Scale, VRS)을 가정하는 BCC(Banker, Charnes, Cooper) 모형으로 구분한다. 또한, CCR 모형과 BCC 모형 간 효율성을 비교하여 규모의 효율성(Scale Efficiency, SE)을 파악할 수 있다. 그러나, DEA 모형은 투입변수와 산출변수의 여유분(Slack)을 무시하고 효율성을 측정하게 되며, 투입변수나 산출변수가 비례적으로 증감한다는 가정 아래서 설정된 방사형(Radial) 모형이다. 방사형 모형은 효율성이 높게 나온 DMU 간 순위를 결정할 수 없는 단점을 가지고 있다. 한편, DEA는 특정한 방향성을 가지고 있는 방향모형(Oriented model)이다. 비효율적인 DMU의 효율성 개선을 위하여 분석 시 산출변수를 고정시키고 투입변수 줄이는 투입기준(Input-oriented)으로 방향을 설정할 수 있다. 이와 반대로, 투입변수를 고정시키고 산출변수를 늘리는 산출기준(Output-oriented)으로 방향을 설정할 수 있다. 그러나, 방형모형은 투입변수 또는 산출변수에 대한 개별적인 효율성 정보를 제공하지 못한다는 단점이 있다(Park and Kim, 2014).
DEA-SBM(Slack Based Measure)은 잔여분이 존재하는 비효율적인 상태임에도 불구하고 효율성 값을 1로 계산하는 DEA 모형의 문제점을 보완할 수 있다(Park, 2011). DEA-SBM 모형은 Tone(2001)이 제안하였으며, 기존 DEA 모형과 동일하게 거리 개념으로 DMU 간 효율성을 측정하지만. DEA에서 간과하는 잔여분(Slack)을 고려할 수 있다. 비방사적 모형(Non-radial)의 SBM-DEA 분석은 투입변수나 산출변수의 비례적인 증감을 가정하지 않는 모형으로, 투입변수 잔여분 및 산출변수 부족분을 동시에 고려하여 최적의 효율성을 도출할 수 있다. 이를 통해, DEA-SBM은 DMU 간의 순위를 명확하게 밝혀낼 수 있다는 장점이 있다(Park, 2008). 또한, 비방향(Non-oriented) SBM-DEA는 투입변수 및 산출변수의 개선폭을 동시에 고려하며, 특정 방향성을 갖지 않고 투입물과 산출물을 동시에 최적화하는 분석을 진행할 수 있다. 따라서, SBM-DEA 모형은 기존 DEA 모형보다 효율성을 합리적으로 측정할 수 있는 방법으로 볼 수 있다.
DEA-SBM 모형의 계산식은 아래 식 (1)과 같다(Tone, 2001). 효율성 척도인 pk는 0과 1사이의 값으로 투입요소의 잔여분 s i − s r +
3.3.2 Undesirable Outputs Model
Cooper et al.(2006)은 Tone(2001)가 제안한 SBM(Slack based measure) 모형에서 유해산출물을 고려할 수 있도록 Undesirable Outputs Model을 제안하였다(Wang et al., 2019). Undesirable Outputs Model은 전통적인 DEA 분석에서 다루는 투입변수 및 산출변수 외에 유해산출물(Undesirable Output)을 추가로 고려하여 효율성을 도출하는 방식이다(Jung et al., 2020).
Undesirable Outputs Model의 계산식은 아래 식 (2)와 같다(Cooper et al., 2007). y o g y o b
4. 실증 분석
4.1 DEA-SBM 모형 분석결과
본 연구에서는 부산항 컨테이너터미널의 효율성을 측정하고자 DEA-SBM 모형을 활용하였다. 기존 방향모형이 각 변수에 대한 개별적인 효율성 정보를 제공하지 못하는 것을 보완한 비방향 모형(Non-oriented)을 사용하여 투입물과 산출물을 동시에 최적화하였다. 투입변수는 선석길이(Input 1), 하역장비(Input 2)를 사용하였으며, 산출변수로는 컨테이너물동량(Output 1)을 선정하였다.
SBM-CCR 모형 분석결과, 평균 효율성은 0.704로 규모에 대한 수익 불변(CRS) 측면에서 평균적으로 29.6%의 비효율성이 존재한다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), HJNC(1.000)이며, 평균 이상인 운영사는 PNC(0.969), HPNT(0.838), BNCT(0.734)로 나타났다. 평균보다 낮은 효율성을 보인 운영사는 BPT 신선대부두(0.654), HKT(0.538), BPT 감만부두(0.532), DPCT(0.467), BCT(0.306) 순으로 나타났다. 투입변수의 여분(Slack)은 투입 자원이 목표 수준보다 과도하게 투입되고 있어 투입을 줄여야 효율을 높일 수 있음을 뜻한다. 운영사의 세부적인 상태를 확인하기 위하여 여분(Slack)을 확인해 본 결과, 선석길이의 여분은 BPT 감만부두(575.0m), DPCT(184.3m), HKT(163.7m), BNCT(116.7m), PNC(54.7m), HPNT(50.0m), BCT(41.7m) 순으로 나타났다. 하역장비의 여분은 PNC(0.8대), BPT 신선대부두(0.6대) 순으로 나타났다. 산출변수의 여분은 산출을 늘려야 함을 의미한다. 컨테이너물동량의 여분(Slack)은 BCT(1,760,443TEU), HKT (1,399,747TEU), BPT 신선대부두(1,270,223TEU), DPCT(772,070TEU), BPT 감만부두(692,018TEU), HPNT(399,805TEU) 순으로 나타났다.
SBM-BCC 모형 분석결과, 전체 평균 효율성은 0.781로 규모에 대한 수익 가변(VRS) 측면에서 평균적으로 21.9%의 비효율성이 존재하는 것을 확인하였다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000), DPCT(1.000) 이며, 평균 이상인 운영사는 HPNT(0.838), 평균보다 낮은 효율성을 보인 운영사는 BNCT(0.734), BPT 감만부두(0.717), BPT 신선대부두(0.654), HKT(0.538), BCT(0.331) 순으로 나타났다. 여분(Slack)의 경우, 선석길이의 여분은 BPT 감만부두(464.4m), BPT 신선대부두(400.1m), HKT(347.0m), BNCT(300.0m), HPNT(50.0m), BCT(4.8m) 순으로 나타났다. 산출변수인 컨테이너물동량의 여분은 BCT(1,606,213TEU), HKT(934,693TEU), HPNT(399,805TEU), BNCT(296,575TEU), BPT 신선대부두(255,309TEU), BPT 감만부두(228,930TEU) 순으로 발생하였다. SBM-CCR모형과 SBM-BCC모형 모두 상대적 효율성이 1.000으로 나타난 운영사는 PNIT, HJNC이며, 이는 규모 수익(RTS)측면에서 규모수익불변(CRS)인 최적 규모에서 운영되고 있음을 보여준다.
4.2 Undesirable Outputs 모형 분석결과
다음으로 타부두 환적 물동량을 고려한 부산항 컨테이너터미널 효율성을 분석하고자 Undesirable Outputs 모형을 활용하였다. 투입변수는 선석길이(Input 1)와 하역장비(Input 2)를 사용하였으며, 유익산출물은 컨테이너물동량(Output 1), 유해산출물은 터미널별 ITT 비율(Undesirable Output 1)로 선정하였다.
Undesirable Outputs-CCR 모형 분석결과, 전체 평균 효율성은 0.611로 나타났다. 규모에 대한 수익 불변(CRS) 측면에서 평균적으로 38.9%의 비효율성이 존재한다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000)로 나타났으며, 그 다음으로 HPNT(0.622), BNCT(0.620), BPT 신선대부두(0.514), HKT(0.407), BPT 감만부두(0.393), DPCT(0.339), BCT(0.214) 순으로 나타났다. 투입물의 여분(Slack)을 확인해 본 결과, 선석길이의 여분은 BPT 감만부두(832.3m), BCT(726.8m), HKT(694.9m), DPCT(479.2m), BPT 신선대부두(472.6m), BNCT(389.2m), HPNT(181.1m) 순으로 나타났다. 하역장비의 여분은 BCT(7.4대), HKT(5.7대), BPT 신선대부두(5.7대), DPCT(3.2대), BNCT(2.9대), BPT 감만부두(2.8대), HPNT(1.3대) 순으로 확인되었다. 해당 모형의 경우 유해산출물인 ITT 비율의 여분을 줄여 효율성을 제고할 수 있다. ITT비율의 여분은 BCT 36.4%, HPNT 21.3%, BPT 감만부두 13.7%, HKT 12.3%, DPCT 11.7%, BPT 신선대부두 10.4%, BNCT 5.0%로 나타났다.
Undesirable Outputs-BCC 모형 분석결과, 전체 평균 효율성은 0.850으로 나타났다. 규모에 대한 수익 가변(VRS) 측면에서, 평균적으로 15.0%의 비효율성이 존재한다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000), BNCT(1.000), DPCT(1.000)로 나타났으며, 그 다음으로 HPNT(0.838), BPT 감만부두(0.771), BPT 신선대부두(0.745), HKT(0.695), BCT(0.451) 순으로 나타났다. 투입물의 여분(Slack)을 확인해 본 결과, 선석길이의 여분은 BPT 감만부두(417.7m), HKT(333.2m), BPT 신선대부두(190.7m), BCT(4.8m) 순으로 나타났다. 하역장비의 여분은 BPT 신선대부두(3.8대), HKT(3.3대), HPNT(1.0대) 순으로 확인되었다. 유해산출물인 ITT 비율의 여분은 BCT 15.8%, HPNT 4.7%, BPT 감만부두 3.6%, BPT 신선대부두 3.6%, HKT 3.5% 순으로 나타났다. 컨테이너터미널 처리량의 여분은 BCT 1,606,047TEU로 나타났다. Undesirable Outputs-CCR모형 및 BCC모형 비교결과, PNIT, HJNC는 두 모형에서 상대적 효율성이 1.000으로 가장 높게 나타났다. 해당 운영사들은 타부두 환적 물동량 고려 유무에 관계 없이 가장 효율적으로 운영되고 있음을 뜻한다. 한편, PNC는 DEA-SBM에서 효율성 1을 달성하지 못한 반면, Undesriable Output model에서 비교적 적은 타부두 환적 물동량 비중으로 인하여 이상적인 운영사로 나타났다. 또한, CCR 모형 기준 다른 운영사들은 타부두 환적 물동량을 고려하였을 때 북컨테이너터미널 운영사(PNIT, PNC, HJNC)와의 효율성 격차가 더욱 커지는 것으로 나타났다.
5. 결 론
5.1 결론 및 시사점
부산항은 세계 2위의 컨테이너 환적항만이나 1위인 싱가포르항과의 경쟁력 격차는 여전히 큰 상황이다. 부산항 내 여러 가지 운영사로 분리·운영되어 발생하는 ITT 비용 문제는 환적항만으로서 부산항의 경쟁력을 떨어트리는 주요 원인으로 지적받고 있다. 이러한 상황에서 부산항의 환적 경쟁력을 향상하기 위한 다양한 연구가 진행되고 있지만, 타부두 환적 물동량이 운영 효율성에 미치는 영향을 실질적으로 분석한 연구는 미비한 상황이다. 이에 본 논문은 DEA-SBM모형 및 Undesirable Outputs 모형 분석을 통해 터미널별 타부두 환적 물동량의 비중을 고려한 부산항 컨테이너터미널 효율성을 비교·분석하였으며, 다음과 같은 결론을 도출하였다.
첫째, 타부두 환적 물동량 비중을 고려하지 않은 부산항 컨테이너 운영사의 DEA-SBM CCR 모형 분석 결과, 전체 평균 효율성은 0.704로 나타났다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), HJNC(1.000)로 나타났다. SBM-BCC 모형 분석결과, 전체 평균 효율성은 0.781로 나타났으며, 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000), DPCT(1.000)로 나타났다.
둘째, 타부두 환적 물동량 비중을 고려한 부산항 컨테이너 운영사의 Undesirable Outputs CCR 모형 분석 결과 전체 평균 효율성은 0.611로 나타났다. 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000)로 나타났다. Undesirable Outputs-BCC 모형 분석결과, 전체 평균 효율성은 0.850으로 나타났으며, 가장 효율적으로 분석된 컨테이너터미널 운영사는 PNIT(1.000), PNC(1.000), HJNC(1.000), BNCT(1.000), DPCT(1.000)로 나타났다.
분석결과에 대한 시사점으로 첫 번째, 교통체증과 터미널 공간 활용 저하를 유발하는 타부두 환적 비중을 정량적 유해산출물로 반영하여 운영 효율성을 고려하였다는 점에서 학술적 의의를 가진다. 부산항은 복수 운영사의 특성을 가짐에도 불구하고 기존 선행연구에서는 운영 효율성을 고려할 때 타부두 환적이 미치는 영향을 간과하였다. 이에 본 연구에서는 타부두 환적 비중을 유해산출물로 선정하여 효율성을 분석하였으며, 부산항의 구조적 문제를 정량적으로 반영하여 보다 현실적인 접근을 시도하였다.
두 번째, 효율성이 가장 높게 나타난 부산항 신항 북컨테이너 운영사의 사례는 안정적인 운영 여건이 운영 효율성 제고에 핵심적으로 기여함을 보여준다. 타부두 환적 비중이 높은 상황에서도 효율성 1을 유지한 PNIT, HJNC는 선석과 장비 공급, 안정적인 물동량 확보 등 운영 기반의 안정성이 높은 효율에 핵심적으로 작용했음을 보여주며, 타 운영사들은 효율성 제고를 위해 안정적 운영 기반 확보해야 함을 시사한다.
세 번째, 효율성이 중간 수준으로 나타난 부산항 신항 남컨테이너 운영사의 경우 내부 운영 전략의 보완이 요구된다. BNCT는 두 모형 모두에서 투입 Slack이 크게 나타났으며, 이는 시설과 장비 활용의 최적화가 필요함을 의미한다. BCT는 산출 Slack과 유해산출 Slack 모두에서 비효율이 뚜렷하게 나타나, 물동량 유치 전략 강화 및 타부두 환적 비중 저감을 위한 운영개선이 필요하다고 사료된다.
네 번째, 효율성이 가장 낮게 나타난 북항의 운영사들은 구조적 보완과 협력적 대응체계를 마련해야 한다. DPCT, BPT 감만부두, BPT 신선대부두는 선석 slack이 높게 나타났으며, 이는 규모의 한계 및 운영 여건의 제약이 구조적으로 드러난 결과로 판단된다. 특히, 타부두 환적 비중이 낮고 유사한 수준임에도 불구하고 효율성이 낮게 나타난 것으로 보아, 장치장 공유나 운영사 간 협력체계 구축 등 시설적으로 보완될 만한 대응방안이 수립된다면 운영효율이 높아질 것으로 예상된다. 북항의 DPCT는 유해산출물을 고려했을 때와 고려하지 않았을 때 모두 가장 낮은 효율성을 보였던 운영사로, 운영을 이어받은 HKT의 역량이 주요한 변수로 작용할 가능성이 있다. 향후 내부도로 확대 등 연계 인프라를 활용함으로써 타부두 환적의 효율을 높이고 항만 운영 전반에 긍정적인 영향을 줄 수 있을 것이다.
5.2 연구의 한계점 및 향후 연구방향
본 연구는 2023년 부산항 컨테이너터미널 운영사를 대상으로 유해산출물인 타부두 환적 물동량 고려 전후의 효율성 변화를 파악하여 다양한 시사점을 제시하였다. 이는 부산항만공사가 타부두 환적화물에 효과적으로 대응하고자 다양한 정책을 펼치고 있는 가운데 중요한 시사점을 줄 것이라고 기대된다. 특히, 유해산출물로 사용한 타부두 환적화물 비중은 운송 비용과 시간 지연을 초래하며 항만의 경쟁력을 저하시키는 중요한 요인이다. 다만, 본 연구는 2023년의 정태적 데이터만을 분석하였으며, 부산항 북항이 HKT, BPT 2개의 운영사로 축소된 가운데 장기적인 관점에서 연구를 이어나갈 필요가 있다. 따라서, 향후 연구에서는 동태적인 시계열 데이터를 수집하고 현실적인 상황을 반영하여, 타부두 환적 문제에 대한 효과적인 해결 방안을 모색하는 연구가 이루어지길 기대한다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
