Quay Crane Scheduling Considering the Workload of Yard Blocks in an Automated Container Terminal

장치장 블록의 작업부하를 고려한 안벽크레인 작업계획

This paper proposes quay crane (QC) scheduling algorithms that determine the working sequence of QCs over ship bays in a container vessel in automated container terminals. We propose two scheduling algorithms that examine the distribution of export containers in the stacking yard and determine the sequence of ship bays to balance the workload distribution among the yard blocks. One of the algorithms is a simple heuristic algorithm which dynamically selects the next ship bay based on the entropy of workloads among yard blocks whenever a QC finishes loading containers at a ship bay and the other uses genetic algorithm to search the optimal sequence of ship bays. To evaluate the fitness of each chromosome in the genetic algorithm, we have devised a method that is able to calculate an approximation of loading time of container vessels considering the workloads among yard blocks. Simulation experiments have been carried out to compare the efficiency of the proposed algorithms. The results show that our QC scheduling algorithms are efficient in reducing the turn-around time of container vessels.

본 논문은 컨테이너 터미널에서 장치장의 작업부하가 고르게 분산되도록 안벽크레인의 작업을 계획함으로써 장치장의 컨테이너 처리능력을 최대로 활용할 수 있는 두 가지 알고리즘을 제안한다. 두 제안방안 모두 선적 작업을 진행하는 동안 안벽크레인의 컨테이너 반출 요청이 특정 블록에 집중 되지 않고 전체 블록에 고르게 분산될 수 있도록 안벽크레인이 작업할 선박 베이(ship bay)의 순서를 결정한다. 첫 번째 제안 방안은 장치장 블록의 작업부하의 엔트로피(entropy)를 계산하여 이를 최대화하도록 다음에 작업할 베이를 결정하는 휴리스틱(heuristic)알고리즘이다. 두 번째 방안은 유전 알고리즘(genetic algorithm, GA)을 이용하여 최적의 선박 베이 작업순서를 탐색한다. 유전 알고리즘의 각 염색체(chromosome)의 적합도(fitness)를 계산하기 위해 장치장의 작업부하 분포를 고려하여 안벽크레인의 작업시간을 계산하는 알고리즘을 고안하였다. 제안한 두 가지 방안으로 선박 베이 작업순서를 조정한 안벽크레인 작업계획과 기존 작업계획을 비교 실험한 결과 선박의 총 적하 시간이 단축되는 것을 확인하였다.