2025년 7월 3일 부산항 국제전시컨벤션센터에서 한국해양수산개발원(KMI)과 국제항만협회(IAPH)가 주관한 ‘2025 스마트항만 기술산업 국제포럼’이 진행되었다. 이번 포럼에서는 NextPort.Ai 최고기술책임자의 오스카 페르니아, Kalmar의 시니어매니저인 토미 린타카르타노 등 항만 분야의 전문가들이 차세대 항만 기술과 운영 전략에 대해 소개하였다.  그 중 CLT의 이경숙 수석이 발표한 ‘미래형 항만을 위한 통합 스마트 솔루션’을 소개한다.

이번 세션에서 주목해야 하는 부분은 Smart terminal이 아닌 Smart port라는 부분과 차세대 라는 부분이다. 차세대는 흔히 2가지 경우에 사용된다. 첫 번째는 산업이나 기술이 더 이상 효율 향상이 어려운 포화점에 도달한 경우이고, 두 번째는 외부환경이 급변하여 기존 시스템이 더 이상 유효하지 않은 경우이다. 

항만 산업은 지금, 기존 기술의 한계점과 환경의 변화라는 파도의 한가운데 있다. 이 변화의 파도속에서 어떤 기술이 핵심이 되고, 향후 항만은 어떻게 운영될 것인가를 이야기하고자 한다.

먼저, 항만이 직면한 환경적 변화이다. 각국의 항만공사가 정보를 공유하여 분석한 결과에 의하면 1년간 완전 자동화 터미널의 물량은 30% 증가한 반면에, 기존 터미널은 1.9% 감소했다. 수익성 또한 자동화 터미널은 전년 대비 22% 상승하여 효율성과 수익성 면에서 우위를 보이고 있다.

또한, 규모의 경제 실현을 위해 선박의 대형화도 빠르게 진행되고 있다. 2만 TEU 이상급 선박의 발주가 급증하고 있으며, 선사들은 31개 이상의 크레인 생산성을 요구하고 있다. 

터미널들은 선사 alliance의 초대형 물량들도 처리할 수 있어야 한다. 하지만 현실적으로는 일부 초대형 터미널을 제외하고, 개별 터미널이 alliance 물량을 처리하기에는 역부족이며 이는 환적 비용을 유발하여 항만의 경쟁력이 약화되고 있다. 초대형 선박 작업을 위한 인프라 부족으로 접안 지연이 빈번하게 발생하고 있다. 이는 터미널간 협력과 통합 운영을 요구하고 항만 단위 경쟁이 심화될 수밖에 없는 구조이다.

요컨데, 항만은 기존 시스템으로 더 이상 감당하기 어려운 운영 복잡성과 즉시 대응력을 요구받고 있다.  단일 물류 기점의 자동화와 최적화가 아닌 자동화–지능화–연결성 강화라는 키워드를 중심으로 항만은 새로운 디지털 생태계를 요구하고 있다. 이러한 디지털 생태계 구축을 위한 필수 기술은 자동화와 인프라 관련 기술과 여기서 수집된 데이터를 활용하는 인지 기반 기술로 나눌 수가 있다.

예를 들어, 무인 장비의 실시간 움직임은 5G 네트웍을 통해 IOT Platform으로 전달된다. 플랫폼을 통해 수집된 데이터는 사람의 인지가 아닌 데이터를 기반으로 한 인지 기술의 발달을 가능하게 한다. 

이 각각의 요소들은 아래와 같다.

터미널 장비의 자동화는 이미 많은 기술적 발전을 이루었으며, 최근의 화두는 이송장비 부문이다.

유인 이송장비에서 바닥에 설치된 트랜스폰더와 차량의 안테나를 통해 자동 주행하는 AGV 방식으로 발전되고 있고, 그 다음은 자율이동차량으로 발전하고 있다. 자율이동차량은 벤더에 따라 명칭이나 사용하는 기술에 일부 차이가 있으나 기본적으로는 차량의 멀티 센서를 이용해 주변 환경을 인식하며 주행 경로를 스스로 판단하는 장비이다. 이 장비의 가장 큰 장점은 터미널 내 수동 이송장비 또는 외부 트럭과 혼합 운영이 가능한 부분이다. 이러한 장점은 마치 인도가 유선망 보급이 매우 낮은데 반해, LTE와 5G 무선망 사용이 압도적인 것처럼 유인장비에서 자율이동차량으로의 점프업을 가능하게 하는 것이다. 이에, 부산신항을 포함한 다수의 터미널에서, AMR도입을 위해서 테스트를 진행 중이다

.

결국, 항만의 자동화는 자동화된 장비의 완전 자율 시스템으로의 진화를 의미한다. 전 세계 주요 항만을 보면 부산항을 포함하여 다수의 항만은 완전 자동화를 구현했고, 닝보항과 선전항은 부분 자동화 단계에 있다.

기존 장비를 활용하는 retrofit도 자동화를 촉진하고 있다. 중국의 텐진(TPSCT)터미널 처럼 STS와 야드 장비는 카메라, 센서 등을 추가로 설치해서 Remote로 개조를 하고, 이송 장비는 신규 구매를 하여, 수동 터미널에서 완전 자동화 터미널로 재개장 하는 경우도 있다. 이러한 Retrofit은 특히 인도와 남미를 중심으로 활성화되고 있다. 이런 자동화 장비는 인프라 기술을 요구한다. 

위 그래프에서 완전 자동화 터미널에서 장비와 터미널 운영 시스템이 송수신 메시지 건수이고 1초당 50건 이상의 메시지가 처리됨을 확인할 수 있다. 여기에는 장비와 장비간 메시지 수는 포함되어 있지 않다.

이러한 방대한 항만 데이터를 처리하기 위해서는 지연없이 고속 데이터 전송을 지원하는 네트웍 인프라가 필수적이다. 

위 표에서 5G는 모빌리티, 커버리지 등 모든 항목에서 Wi-Fi나 유선망 대비 우수한 특성을 갖고 있으며 높은 통신 안정성과 보안을 제공한다.  이처럼 5G 인프라는 항만의 디지털 전환의 핵심 기반이 되고 있다. 5G 인프라를 통해 송수신 되는 데이터를 비즈니스 적으로 실시간 처리할 수 있는 플랫폼이 필요하다. 플랫폼은 룰기반 제어, 이벤트 모니터링, 자체 분석 엔진을 포함한 IoT framework과 수집된 데이터를 처리하는 data center로 구성되며, 데이터 중심 의사결정의 기반이 된다. 

터미널의 작업은 장비간 연계되어 있고, 한지점에서 사고나 병목이 발생시 전체 업무에 영향을 미친다.

위 그래프는 실제 운영중인 터미널의 6개월간 데이터를 분석한 결과로 선박의 예정된 접안 시간 준수율과 STS 생산성과의 관계를 나타낸 것이다.

선박이 예상보다 1시간 늦게 도착하면 전체 생산성이 8% 감소하고, 2시간 지연 시 14%감소하는 것을 보여준다. 이처럼, 항만에서는 흐름의 병목이 큰 손실로 이어진다. 이런 병목 등을 사전에 감지하고 대응하기 위하여 디지털 트윈 기술이 필요하다. 디지털 트윈은 실제 항만을 가상 공간에 복제해 운영 상태를 모니터링할 수 있다. 이를 통해 장비 속도 저하를 파악하거나 병목 발생시 작업 조절이 가능하여 긴급 상황 발생시 즉각 대응이 가능하다.

 

두번째 핵심은 AI 기술이다. 기존 터미널 시스템에도 다양한 운영 최적화 로직들이 존재한다. 이 로직들은 대부분 고정된 알고리즘과 규칙 기반으로 특정 시점과 조건하에서 동작하는 반면, 항만에는 장비 상태, 작업 정보의 변경 등의 변수가 동시에 발생하고 상호작용한다. 항만의 변수는 매 순간 변하여 고정된 규칙으로 실시간으로 대응하기에는 한계가 있다.

AI는 복잡한 데이터를 빠르게 분석하고 예측해서, 최적화를 가능하게 하는 핵심도구로 떠오르고 있다. 앞서 살펴본 디지털 트윈의 경우도 현재 상황을 가상 공간에 복제하는데 그칠 수도 있지만, AI와 결합하면 예측 기반의 시뮬레이션이 가능해진다. 디지털 트윈은 실제 항만을 복제해 상황을 시각화하고 시뮬레이션 할 수 있지만 실제 장비를 제어하거나 실행할 수는 없다.

 

AI는 데이터를 바탕으로 문제를 예측하고 분석할 수 있지만 실행은 여전히 각기 개별 시스템에서 진행해야 한다. AI가 인체의 뇌처럼 판단을 내린다면, 실행 능력을 가진 신경계가 필요한데 이 역할을 하는 것이 지능형 통합 제어 시스템이다.

이 시스템은 IoT 플랫폼을 중심으로 자동화 장비, 운영 시스템, 각종 센서 정보를 통합하여 단순 자동화를 넘어 예측기반의 정밀한 제어를 가능하게 한다.

 

앞으로 항만이 이 기술을 활용하여 어떻게 운영될지에 대해서 전망한다면 먼저 터미널은 5G 네트웍 기반의 완전 자동화된 장비로 운영되며, 5G 인프라는 장비와 시스템간 실시간 통신을 지원한다. 이를 통해 무인 운영이 가능해지고 인력 의존도는 줄어들어 24시간 안정적 운영이 가능할 것이다.

 

IoT 플랫폼과 연동된 장비들은 중앙 컨트롤 시스템을 통해 통합 관리되어 전체 작업을 최적화할 것이다. 이러한 자동화된 인프라 위에 다양한 지능형 기술이 적용될 것이다.

AI 기반 최적화 기술은 실시간 데이터를 분석하여 장비의 운영과 작업 순서 등을 최적화한다. AI 기반 접안 스케줄링은 선박의 특성과 접안 이력을 분석하여 가장 효율적인 접안 시간과 접안 위치를 결정한다.

 

운영자는 virtual terminal 시뮬레이션을 통해 실제 환경과 동일한 조건에서 운영 시나리오를 미리 실행해보고 의사결정을 내릴 수 있다. 장비의 운행 패턴을 분석해서 예방 정비 일정을 도출할 수도 있다.

이처럼 루틴화된 운영은 AI를 활용하여 예측 운영 형태를 갖추게 될 것이다.

자동화된 인프라는 2015년 이후 전세계 주요 항만에서 많은 기술 발전을 거듭하여 진행 중이고, 한국에도 이미 오픈한 완전 자동화 항만 이외에도 인천글로벌 컨테이너터미널과 광양항이 수 년 이내에 개장이 예정되어 있으며 노하우를 구축해 가고 있다.

 

이처럼 자동화는 확산 단계인 반면, AI 기반 운영은 아직 초기 단계이다. CLT에서 POC를 진행 중인 사례를 통해 어떻게 운영될 지를 한번 확인해 보겠다.

 

단일 터미널로서 약 1000만 TEU를 처리하는 글로벌 터미널이 있다. 이 터미널의 최대 고민은 야드 장치장 부족이다. 물리적 공간 부족은 시스템적인 해결은 힘들지만, 같은 공간이라도 야드 내 불필요한 shifting이 발생하면 이는 장치장 수용 능력이 줄어드는 것과 같다. 이 고민을 해결하기 위해서 CLT가 도출한 전략은 컨테이너의 반출 시점을 예측해서 컨테이너의 장치 위치를 결정하는 AI 서비스를 개발한 것이다.

먼저 컨테이너가 야드에 머무는 시간인 dwell time을 예측하는 머신러닝 모델을 만들었다.

-> 모델은 학습한 내용과 개별 컨테이너의 dwell time을 바탕으로 반출 시간을 추정한다.

-> 그후 AI 모델은 TOS의 운영 factor와, 예측된 반출시간을 고려하여 컨테이너의 야드 위치를 결정하는 AI 서비스이다. 이 서비스에 대한 구성을 살펴보면,

TOS에서 초기 작업 계획을 수립하면

-> AI 를 활용한 dwell time 예측 모델은 반출시간을 추정하고

-> 예측 모델을 통해 컨테이너의 최종 위치를 결정하게 된다.

-> 이 결과 값은 machine learning 알고리즘을 통해 다음 학습 계획에 반영되는 순환구조로 구성되어 있다.

즉, 계획-실행-학습-재계획의 구조로 AI를 사용할수록 예측 정확도를 기대할 수 있다.

최종 POC의 목표는 야드내 shifting을 최대 30% 감소시키는 것이다.

 

AI를 통해 서비스되는 내용을 살펴보면,

먼저 AI예측 모델은 야드의 작업량과 dwell time을 기반으로 컨테이너의 야드 위치를 결정한다. 이 정보는 특정 block에 작업이 집중되는 것을 회피하고, 장비의 작업 최적화에 활용된다. 운영 계획을 실행하기 전에 시나리오를 가상 환경에서 시뮬레이션 하여 병목을 사전에 파악한다. 최종적으로 AI 대시보드는 장비와 야드 상황을 실시간 시각화하고 이상 징후를 탐지하는 통합 모니터링 도구로 사용된다. 즉, 디지털 트윈은 단순 시각화가 아니라 AI 서비스와 연동되어 실시간 의사 결정 도구로 사용된다.

앞서 살펴본 이러한 AI 서비스는, 기존 TOS 시스템에 Add on 형식으로 서비스된다.

이러한 서비스 형태는 멀티 모달 플랫폼에도 동일하게 적용할 수 있다. 멀티 모달 환경에서는 해운, 내륙운송, 세관 등 다양한 주체들을 유기적으로 연결되고 정보를 활용해야 한다. 문제는 각 주체는 이미 서로 다른 시스템과 데이터 체계를 가지고 있으며, 단순한 시스템 통합만으로는 전체 최적화를 달성하기 어렵기 때문이다. 그래서 필요한 것은 각 시스템이 자체 데이터를 유지한 채 실시간 의사결정을 위한 핵심 정보만을 경량 API나 비동기 메시징 방식으로 주고받는 경량 연결 기반의 데이터 연계 구조이다. 이 구조 위에 인지기반 AI 서비스는 제공함으로써 각 시스템이 독립적으로 운영되면서도 연계되는 물류 전반에 걸친 운영 효율성을 달성할 수 있는 지능형 기술 생태계를 실현할 수 있다.

 

이처럼 미래형 항만을 위한 스마트 솔루션은 자동화와 지능화, 그리고 add-on 형태의 서비스를 바탕으로 연결성을 강화하여 기존의 운영을 넘는 새로운 디지털 생태계를 구축해 나갈 것이다.

생태계란 각 주체들이 유기적으로 연결되어 순환구조를 이루는 것이다. 그리고 그것은 기술과 가치를 공유할 때 완성될 수 있다. CLT도 항만 생태계의 일원으로써 지속적으로 가치를 공유할 예정이다.

 

 

글쓴이: 이경숙 (Lucy lee, 터미널 비즈니스 컨설턴트, 싸이버로지텍)

이 글의 저작권은 글쓴이 및 싸이버로지텍에 있음으로 무단 복제 및 사용을 금지합니다. 

Copyright,2025, All rights reserved