Abstract
The Main object of this research is directed to LG Oil company harbor in kwangyang-hang, where various ships ranging from 300 ton to 48000ton DWT use seven berths in the harbor. This harbor suffered from inefficient and unsafe management procedures since it is difficult to set guidelines for arrival and departure of ships according to the weather conditions and the current guidelines dose not offer clear basis of its implications. Therefore, it has long been suggested that these guidelines should be improved. This paper proposes a decision-support system, which can quantitatively decide the possibility of entry or departure on a harbor by analyzing the weather conditions (wind, current, and wave) and taking account of factors such as harbor characteristics, ship characteristics, weight condition, and operator characteristics. This system has been verified using 5$_{th}$ and 7$_{th}$ berth in Kwangyang-hang harbor. Machine learning technique using genetic programming(GP) is introduced to the system to quantitatively decide and produce results about the possibility of entry or arrival, and weighted linear associative memory (WLAM) method is also used to reduce the amount of calculation the GP has to perform. Group of additive genetic programming trees (GAGPT) is also used to improve learning performance by making it easy to find global optimum.mum.
본 연구에서 대상으로 하고 있는 LG정유 광양항 제품부두는 7선석(Berth)에 재화중량(DWT) 300톤에서 48000톤의 선박까지 다양한 선박이 이용하고 있으며, 해상의 기상상태에 따른 선박 입출항 통제 지침 설정이 어렵고, 현재 사용하고 있는 지침의 근거가 명확하지 않아 현재의 부두 운영이 비효율적이거나 안정성이 결여되어 있다고 할 수 있다. 따라서 이를 개선하기 위한 합리적인 부두운영 제한조건 개발이 절실히 요구되었다. 본 논문에서는 대상 부두의 특성, 대상 선박의 특성, 하중상태, 선박 운항자의 특성 등을 고려하여 해상/기상 상황(바람, 조류 및 파랑)에 따른 부두 입출항 가능 여부를 정량적으로 판단하고, 안전성 향상 방안을 제시할 수 있는 의사결정 시스템을 개발하고 5번, 7번 선석을 대상으로 이를 검증하였다. 여기서는 입출항 여부를 정량적으로 판단하여 결과를 제시하기 위해서 유전적 프로그램이(Genetic Programming)을 이용한 기계학습 방법을 이용하였으며, GP의 방대한 계산량을 줄이기 위한 가중 선형 연상 기억(Weighted Linear Associative Memory:WLAM) 방법의 도입 및 전역 최적점을 쉽게 찾기 위한 Group of Additive Genetic Programming Trees(GAGPT)를 도입함으로써 학습 성능을 개선하였다.
