선박 연료소모량 예측을 위한 데이터 설계 요인 영향 분석: 다중 요인 실험적 접근
Analysis of Data Design Factors Affecting Ship Fuel Consumption Prediction: A Multi-Factor Experimental Approach
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
전 세계적으로 지속 가능한 미래에 대한 책임이 강화되면서 2050년 온실가스 순배출 제로 달성을 위한 노력이가속화되고 있다. 이에 따라 전 세계 무역의 90% 이상을 담당하고 전체 인위적 탄소 배출량의 약 3%를 차지하는 해운산업의 탈탄소화 필요성이 더욱 커지고 있다. 그러나 기존 연구는 운항 종료 후 확보되는 변수에 의존하거나 시간적연속성과 데이터 완전성을 가정함으로써 실제 운항 환경에 적용하는 데 한계가 있었다. 본 연구는 항해 계획 단계에서확보 가능한 변수만을 활용해 연료소모량을 예측하는 자동화 실험 프레임워크를 제안한다. 정상 운항 필터링, 입력 변수표현 방식, 시간 해상도, 데이터 분할 방법, 목표 변수 선택, 모델 유형 등 핵심 실험 요소를 체계적으로 구성했다. Hydra를 활용해 요소 조합별 실험을 자동화하고, ANOVA 검정을 적용하여 각 요소의 예측 성능에 대한 기여도를 정량화했다. 연구 결과, 다양한 운항 조건 설정이 예측 정확도에 결정적인 영향을 미치는 것으로 나타났으며, 이러한 분석을바탕으로 향후 에너지 효율적 항해 계획을 위한 데이터 설계 전략을 제시한다.
Abstract
With the strengthening global commitment to a sustainable future, efforts to achieve net-zero greenhouse gas emissions by 2050 are accelerating. Accordingly, the need for decarbonization in the maritime sector, which carries over 90% of global trade and produces about 3% of anthropogenic emissions, continues to grow. Yet many existing studies rely on post-voyage variables or assume temporal continuity and data completeness, limiting their applicability to real operations. This study proposes an automated experimental framework that predicts fuel oil consumption using only variables available at the voyage planning stage. Key experimental factors—normal-operation filtering, input representation, temporal resolution, data-splitting methods, target variable selection, and model type— are systematically defined. The Hydra framework automates experiments across factor combinations, and ANOVA quantifies each factor’s contribution to prediction performance. Results show that operational condition settings strongly influence accuracy, and the study provides a data design strategy to support future energy-efficient voyage planning.