• 해양환경안전학회지
• /
• 제27권7호
• /
• pp.1051-1058
• /
• 2021

예부선의 운항은 일반적으로 자항능력을 갖추고 있지 못한 부선과 예인선을 결합하여 운항하는 해상운송의 한 형태로 해양안전심판원이 해마다 발행하는 재결사례집에 실린 재결을 분석하여보면 지난 5년간의 해양사고 6백여 건 중 예인선은 65척, 부선은 총 69척에서 사고가 발생한 것으로 나타났다. 본 논문은 예부선 사고의 저감 대책을 제안하기 위하여, 예부선의 운항 형태와 운항현황을 알아보고, 재결에 나타난 주요 사고 형태별 사고방지 교훈 내용을 분석하였다. 이를 통하여 인적요소가 해양사고의 원인으로서 차지하는 비율이 크다는 것을 확인할 수 있었다. 또한 본 연구는 사고방지를 위하여 예부선 운항자들에 대한 관련 내용의 효율적인 홍보와 교육을 위한 방안으로서 예부선 협회를 통해 홍보하는 방안과 한국해양수산연수원의 예인선직무교육에 교육자료 형태로 제공하는 방안, 한국해운조합을 통해 홍보물을 배포하는 방법 등을 제안하였다. 이러한 연구 결과는 예부선 사고에서 나타난 사고방지 교훈을 본 연구에서 제안한 홍보방식을 통하여 효과적인 교육을 실현하여 예부선 사고의 저감에 활용될 것으로 기대된다.

• 해양환경안전학회지
• /
• 제28권5호
• /
• pp.780-790
• /
• 2022

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

• 한국항해항만학회지
• /
• 제47권1호
• /
• pp.37-48
• /
• 2023

최근 국제 교역량 증가에 따른 물동량 폭증은 항만하역업 내 위험 노출 및 안전사고 증가로 이어지고 있다. 그리고 2021년 1월부터 중대재해처벌법이 시행되면서 항만하역업 내 안전을 중요시하고 생명을 보호하는 각종 지침과 법안들이 제정되고 있다. 하지만, 이러한 노력에도 불구하고 항만하역업 내 중대형 안전사고는 지속적으로 발생하고 있다. 한국산업안전보건공단에 따르면 2016년부터 2019년 4년 동안 항만하역업 내 재해자수는 연평균 4.2%씩 증가하였다. 항만하역업 사고의 효율적인 사후관리나 안전 관련 법/제도를 마련하기 위해서는 사고 원인과 피해를 고려한 위험도 분석이 진행되어야 현실적인 사고 저감방안 및 방지대책을 수립할 수 있다. 따라서 본 연구에서는 5년간 한국산업안전보건공단에서 집계된 항만하역업 사고사례 1,039건을 바탕으로 위험성 평가를 진행하여 항만하역업 내 주요 위험요인 및 예방대책을 도출하였다. 이후 IPA분석과 Borich 요구도 분석, The Locus for Focus 분석을 진행하여 예방대책에 대한 우선순위를 결정하였다.

• 한국항해항만학회지
• /
• 제47권1호
• /
• pp.1-9
• /
• 2023

해양사고 분석에 관한 많은 연구가 진행되고 있으며, 해양사고는 매년 업데이트되고 있어 주기적으로 원인을 분석하고 규명하는 것이 필요하다. 이 연구에서는 이전의 데이터와 새로운 데이터를 활용하여 해양사고를 파악·분석을 통해 어선 해양사고 원인을 규명하여 사고를 예방하는 것이다. 해양사고 데이터는 어선의 특수성을 고려하여 해양안전심판원의 어선에 대한 해양사고재결서 16년간의 1,921건을 수집하였으며, 해양수산부 종합상황실 사고알림문자 이력 3년간의 1,917건을 수집하였다. 재결서 데이터와 문자 데이터는 변수에 따라 분류하였으며, 수량화 작업을 수행하였다. 수량화 작업을 통한 데이터를 사용하여 베이지안 네트워크를 이용해 사전확률을 계산하였고, 후방 추론을 이용하여 어선 해양사고를 예측하였다. 두 가지 수집한 데이터 중 해양사고재결서는 모든 어선의 사고가 재결서에 포함되지 않았기 때문에 해양수산부 사고알림문자를 선택하였다. 분류한 데이터를 베이지안 네트워크를 사용하여 어선 해양사고의 사전 확률을 계산하였다. 후방 추론으로 계산한 기관손상이 서해 연안에서 발생할 어선 해양사고의 확률은 0.0000031%였다. 이 연구의 기대효과는 어선 해양사고를 분석하기 위하여 새로운 사고알림문자 데이터를 활용하여 실제 어선 특성에 맞는 해양사고를 분석할 수 있다는 것이다. 추후에는 어선 해양사고에 영향을 미치는 변수들 간의 인과관계에 관한 연구를 수행할 예정이다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2020년도 추계학술대회
• /
• pp.163-164
• /
• 2020

세계적인 물동량의 증가와 함께 물류기업들은 원가 절감을 위해 화물을 운송하는 선박의 대형화와 항만의 양적화 장비의 고효율화 그리고 육상에서의 운송장비 역시 무인화 전동화가 되는 추세이다. 우리나라 해군 항만 역시 세계적인 추세와 같은 상황에 직면해있다. 과거 FF나 PCC, 참수리 등의 중소형 함정은 내구연한으로 퇴역하고 있으며 그 자리를 KDX, FFG, LST-II 등 대형 함정으로 대체되고 있으며 특히 독도함과 차기 경항공모함과 같은 대형 함정 역시 준비되고 있다. 해군 함정은 일반 상선과는 달리 주기적인 점검과 예방 정비가 필요하여 정비창과 같은 수리부두가 운영되고 있다. 해군 정비창에서는 주로 트레일러, 트럭, 트럭형 크레인을 주로 사용하여 함정 중량물 양적하 작업을 진행 중에 있으며 민간에서 행하는 자동화 및 무인화 장비의 적용이나 개발은 미비하며 자체 개선 사례 역시 매우 미약한 실정이다. 본 연구에서는 해군함정의 중량품 정비품 이송, 보관 및 하역 등의 물류체계에 관한 연구를 통하여, 군 물류체계의 효율화를 행하고자 한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.108-109
• /
• 2022

본 연구는 선박 내부의 기관실에서 금속체 표면파를 이용하여 통신할 때 기관 구동으로 발생하는 잡음 간섭에 대하여 실험을 통한 데이터를 수집, 분석하였다. 실험은 순톤수 265톤 예인 선박의 기관실의 임의의 7구역을 선정하여 기관 구동 전과 구동 중에 생기는 잡음 성분을 신호 분석기를 통해 측정하고 표면파 통신에 미치는 영향을 측정하였다. 잡음 성분의 분석을 토대로 실제의 통신망을 구성하여 금속 격벽으로 이루어진 구역에서의 표면파 통신의 특성을 확인하기 위하여 실제의 통신망은 3개의 금속 격벽 사이로 통신장비를 설치하여 무선통신과 비교 실험을 진행하여 그 차이점을 확인하였다. 그 결과 표면파 통신의 경우에는 격벽 3개의 환경에서 기관의 구동 전후에 송수신 rate는 기관 구동 전과 구동 중인 상태에서 유의미한 차이가 없었으나 무선을 사용하는 Wi-Fi의 경우 구동 중인 상태에서 현저한 성능 저하를 나타냄을 확인하였다. 실험 데이터를 분석한 결과 기관 구동으로 인한 잡음은 무선통신에는 영향을 주지만 표면파 통신에 영향을 주지 않음을 확인하였다. 따라서 선박 내의 전자파 잡음이 많은 구역에서도 선박의 금속 구조물을 이용하여 표면파 통신 시스템을 구성하였을 때 무선통신을 대체할 수 있고 나아가 선박 내 밀폐 공간 및 기관실에서의 표면파 통신의 적용이 가능할 것으로 생각한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.383-384
• /
• 2022

4차 산업 혁명 이후 디지털 트윈, IoT 및 AI 등의 기술 발전에 따라 고차원적인 데이터 분석을 기반으로 의사결정 문제를 해결하고 있는 추세이다. 이는 최근 항만물류 분야에도 적용되고 있으며 항만 생산성 향상을 위해 컨테이너 터미널을 대상으로 빅데이터 분석, 딥러닝 예측, 시뮬레이션 등의 연구가 다수 이루어지고 있다. 이러한 고차원적 데이터 분석 기법들은 일반적으로 많은 데이터 수를 요구한다. 그러나 2020년 코로나19 팬데믹으로 인해 전 세계 항만의 환경은 변화하였다. 코로나19 발병 이전의 데이터를 현재 항만 환경에 적용하는 것은 적절하지 않으며, 발병 이후의 데이터는 딥러닝 등의 데이터 분석에 적용하기에 충분히 수집되지 않았다. 따라서 본 연구에서는 이러한 문제 해결 방법의 하나로 데이터 분석을 위한 항만 데이터 증강 방법을 제시하고자 한다. 이를 위해 컨테이너 터미널 운영 측면에서 생성적 적대 신경망 모형을 통해 야드의 컨테이너 장치 상태를 생성하고, 실제 데이터와 증강된 데이터 간의 통계적 분포 확인을 통해 유사성을 검증하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.389-390
• /
• 2022

최근 국제 교역량 증가와 비대면 사회 기조에 따른 물동량 폭증은 항만산업 내 위험 노출 및 안전사고 증가로 이어지고 있다. 이와 함께 2021년 1월 27일부터 중대재해처벌법이 시행되면서 항만터미널 내 안전 및 생명을 보호하는 각종 지침과 법안들이 제정되고 있다. 하지만, 이러한 노력에도 불구하고 항만터미널산업 내 중대형 안전사고가 지속적으로 발생하고 있다. 한국산업안전보건공단에 따르면 2016년부터 2019년 동안 항만하역업의 재해자수는 4.2%씩 증가하였다. 항만 사고의 효율적인 사후관리나 관련 안전 법/제도의 마련을 위해서는 일차적으로 사고 원인과 피해를 고려한 위험도 분석이 진행되어야 현실적인 사고 저감방안과 방지대책을 수립할 수 있다. 따라서 본 연구에서는 2016년부터 2022년까지 5년간 한국산업안전보건공단에서 집계된 항만터미널 사고사례 1,039건을 바탕으로 위험성 평가를 진행하여 주요 위험요인 및 예방대책을 도출하였다. 이후 IPA분석과 Borich 요구도 분석, The Locus for Focus 분석을 통해 예방대책에 대한 우선순위를 결정하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 춘계학술대회
• /
• pp.200-201
• /
• 2023

디지털 트윈 기술은 현실 세계의 문제점을 해결하고 비용을 최소화하기 위한 가상세계를 만드는 방법으로 다양한 분야에 사용되고 있으며, 대규모 시스템인 선박이나 해양플랜트 등 해사 분야에도 적극적으로 활용되고 있다. 본 논문에서는 선박조종 시뮬레이터를 이용하여 연안 해역의 디지털 트윈을 구축하고자 하였으며, 이렇게 개발된 연안 해역의 디지털 트윈은 실제 해역의 해상교통 환경을 제공하여 해상교통이 복잡한 우리나라 연안 해역을 안전하게 관리하는 데 사용될 수 있다. 또한, 충돌위험 상황 및 사고 상황 등 가혹한 환경에 대한 가상의 해상교통 환경을 제공하여 연안 해역에서 자율운항선박과 관련된 기술과 지능형 해상교통정보 서비스를 개발하고 고도화하는 데 유용하게 사용될 수 있다. 더불어 실제 해상교통상황의 모니터링이 필요하지만 물리적으로 모니터링이 어려운 구역에 대한 3D 기반 모니터링 장비로 사용될 수 있으며, 항만/관제 구역의 항공뷰, 운항 중인 선박의 선교뷰/맹목구간뷰 등의 해상교통상황을 안전하게 관리하기 위한 기능을 제공할 수 있다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 춘계학술대회
• /
• pp.57-58
• /
• 2023

컨테이너 터미널에서 컨테이너를 하역하고 이송하는 작업 소요시간은 항만 생산성과 직결되는 요소 중 하나로 작업 소요시간의 최소화는 항만 생산성의 극대화를 야기할 수 있다. 컨테이너의 작업 소요시간 중 선석과 야드 간 컨테이너의 이송을 담당하는 야드 트랙터(Yard Tractor; Y/T)의 작업시간이 큰 부분을 차지한다고 할 수 있다. 그러나 현재 야드 트랙터의 작업시간은 터미널 운영 실무자 경험에 기반한 추정은 가능하나, 이를 정량적으로 추정하기는 어려운 실정이다. 최근, 4차 산업혁명 핵심기술 중 하나인 IoT(Internet Of Things)를 기반으로 항만 내 물류자원을 실시간으로 모니터링 및 추적하여 작업시간을 산정하는 기술이 연구되고 있지만 이를 실제 항만 현장에서 상용화하기에는 어려운 단계이다. 따라서, 본 연구에서는 컨테이너 터미널 운영 효율화를 위해 야드 트랙터 작업시간 예측 모형을 개발한다. 예측 모형의 개발을 위해 실제 항만 운영 데이터를 분석하여 야드 트랙터의 작업에 영향을 끼치는 요인을 분석하고, 이에 따른 야드 트랙터의 작업시간을 예측한다.