서 론

노천광산에서 적재·운반 공정은 원석 생산량, 장비 운영상태, 운반거리, 호퍼 처리조건 및 작업장 위치와 직접적으로 연계되는 핵심 공정이다(Alarie and Gamache, 2002; Dindarloo et al., 2015). 특히 트럭과 로더를 이용한 원석 운반작업은 장비 배차, 운반도로 조건, 작업장 변화, 호퍼 운영상태 및 장비 대기시간에 따라 운반 사이클이 달라지므로, 실제 가행 중인 광산에서 운영조건 변화가 전체 운반공정에 미치는 영향을 현장에서 직접 검토하기에는 시간적·경제적 제약이 크다. 따라서 장비 추가, 장비 대체, 작업장 변경 및 운반조건 변화와 같은 운영 시나리오를 사전에 평가하기 위해서는 실제 운반공정의 작업 흐름과 장비 간 상호작용을 반영할 수 있는 시뮬레이션 기반 접근이 필요하다.

최근 광산 분야에서는 ICT 기반 모니터링, 데이터 분석, 디지털 트윈 및 스마트마이닝 기술의 도입이 확대되면서, 현장 운영자료를 활용한 공정 분석과 의사결정 지원의 중요성이 증가하고 있다. Brzychczy et al.(2020)은 광산 장비의 운영자료를 활용하여 기계장비 이용률 개선을 위한 데이터 분석 접근을 제시하였으며, Gackowiec et al.(2020)은 광산 공정 모니터링에서 핵심성과지표의 활용 가능성을 검토하였다. 또한 Nobahar et al.(2024)과 Van Eyk and Heyns(2024)는 광산 운영에서 디지털 트윈 시스템을 구축하기 위한 자료 구조와 모델링 체계를 논의하였다. 이러한 연구들은 광산 운영자료의 디지털화가 단순한 자료 축적을 넘어 생산성 분석, 장비 운영상태 평가, 성능지표 산정 및 시뮬레이션 기반 의사결정 지원으로 확장될 수 있음을 보여준다.

이산사건 시뮬레이션(discrete-event simulation, DES)은 트럭, 로더, 호퍼와 같이 제한된 장비자원을 공유하는 운반시스템을 분석하는 데 적합한 기법이다. 광산 운반공정에서는 장비 이동, 적재, 하역 및 대기 과정이 반복적으로 발생하며, 각 작업단계는 장비 점유상태와 작업순서의 영향을 받는다. 기존 연구에서는 트럭-로더 및 트럭-쇼벨(shovel) 운반시스템의 장비 조합, 배차전략, 병목구간, 생산량 및 운반효율을 분석하기 위해 다양한 DES 모델이 개발되어 왔다(Choi, 2011; Choi and Nieto, 2011; Park and Choi, 2013; Park et al., 2014a; Park et al., 2014b; Park et al., 2014c; Park et al., 2016). 이후 Greberg et al.(2016)은 지하광산 운반공정의 대안적 운반방식을 비교하기 위해 DES를 적용하였고, Anani et al.(2017)은 룸앤필러(room and pillar) 광산의 패널 폭 최적화 문제에 DES를 활용하였다. Krysa et al.(2021)은 저품위 광상 채굴 과정에서 원료 운반 효율을 분석하기 위해 이산사건 시뮬레이션을 적용하였으며, Zeng et al.(2022)은 트럭 배정 조건에 따른 운반시스템 변화를 검토하였다. Huayanca et al.(2023)은 노천 구리광산의 트럭 대수 산정을 위해 DES를 적용하였다.

국내에서도 광산 운반공정의 시뮬레이션 모델 개발과 현장자료 활용 연구가 지속적으로 수행되어 왔다. Baek and Choi(2019)는 ICT 기반 광산 안전관리 시스템에서 수집된 빅데이터를 활용하여 지하광산 트럭 운반작업을 시뮬레이션하였고, Jung et al.(2020)은 AnyLogic을 이용하여 노천광산 트럭–로더 운반시스템의 시뮬레이션 및 실시간 시각화 모델을 제시하였다. Jung et al.(2021)은 ICT 시스템에서 축적된 자료를 이용하여 지하 석회석 광산의 원석 생산량을 확률적으로 예측하였으며, Park et al.(2023)은 기계학습과 DES를 결합하여 석회석 광산의 생산량 예측 가능성을 검토하였다. 이들 연구는 광산 운반공정에 ICT 자료와 시뮬레이션 기법을 적용한 대표적인 선행연구로 평가된다. 다만 기존 연구들은 주로 시뮬레이션 모델 개발, 생산량 예측, 장비조합 분석 또는 배차 조건 검토에 초점을 두었다. 실제 가행 중인 노천광산에서 하역 완료시각 중심으로 기록되는 ICT 모니터링 자료를 DES 입력자료로 변환하기 위한 구체적인 전처리 절차와 타임스터디 자료의 결합 방식을 상세히 제시한 사례는 현재까지 보고되지 않았다.

실제 광산의 ICT 모니터링 자료는 현장 운반조건을 반영한다는 장점이 있으나, 원석 운반공정의 모든 세부 작업시간을 직접 제공하지는 않는다. 예를 들어 ICT 운반실적 자료는 하역 완료시각, 운반거리, 운반량, 트럭 ID, 로더 ID, 호퍼 ID 및 작업장 정보가 기록되지만, 공차 이동시간, 로더 접근시간, 적재시간, 실차 이동시간, 호퍼 접근시간, 하역시간 및 대기시간을 운반 사이클별로 명확히 분리하지 못하는 경우가 많다. 따라서 ICT 운반기록을 DES 입력자료로 활용하기 위해서는 자료 구조를 분석하고, 동일 트럭의 연속 하역기록을 이용한 사이클타임 산정, 작업일자·차수·품위코드·운반장비 ID 기준의 자료 그룹화, 무효자료 제거, 현장 타임스터디를 통한 세부 작업시간 보완 등 별도의 입력자료 구조화 과정이 필요하다.

본 연구에서는 원석 운반작업 관련 ICT 모니터링 자료가 수집되고 있는 노천 석회석 광산을 대상으로, 현장 타임스터디 자료를 함께 활용하여 원석 운반공정을 모의하기 위한 이산사건 시뮬레이션 모델을 개발하였다. 이를 위해 ICT 운반기록에서 하역 완료시각, 운반거리, 운반량, 장비 ID 및 작업장 정보를 추출하고, 동일 작업조건별 그룹화와 연속 하역기록 차이를 이용하여 트럭 사이클타임을 산정하였다. 또한 ICT 로그만으로 직접 구분하기 어려운 적재시간, 하역시간, 로더 접근시간 및 공차·실차 운반시간 비율은 현장 타임스터디 자료를 이용하여 보완하였다. 이후 산정된 입력자료를 AnyLogic 기반 DES 모델에 적용하고, 실제 현장 운반실적과 비교하여 모델 타당성을 검토하였다. 본 연구의 목적은 새로운 DES 알고리즘을 제안하는 데 있지 않다. 대신 실제 가행 중인 노천 석회석 광산의 ICT 운반기록과 현장 타임스터디 자료를 결합하여 DES 입력자료를 구축하는 절차를 체계화하고, 이를 기반으로 개발한 시뮬레이션 모델의 타당성을 현장 운반실적과 비교하여 검토하는 데 있다.

연구지역

연구지역 및 원석 운반공정

본 연구의 대상 지역은 충청북도 단양군에 위치한 노천 석회석 광산이다(Fig. 1). 연구지역은 천공, 발파, 원석 운반 및 조쇄 공정으로 구성된 석회석 생산체계를 운영하고 있으며, 본 연구에서는 이 중 원석 운반공정을 시뮬레이션 모델링 대상으로 선정하였다.

Fig. 1.

Aerial view of the study area.

연구지역의 원석 운반작업은 발파 후 작업장에서 로더가 덤프트럭에 원석을 적재하고, 트럭이 지정된 호퍼까지 이동한 뒤 하역하는 방식으로 수행된다. 하역을 완료한 트럭은 다시 작업장으로 복귀하여 다음 운반 사이클을 반복한다. 이때 작업장 위치는 생산계획과 원석 품위에 따라 달라지며, 투입 장비와 운반거리는 작업장 위치, 호퍼 운영상태 및 운반계획에 따라 변동된다.

연구지역에는 최대 8대의 트럭, 4대의 로더 및 2기의 호퍼가 원석 운반작업에 투입될 수 있다. 원석 운반시 로더와 트럭이 하나의 작업조를 구성하며, 트럭은 작업장과 호퍼 사이를 반복 운행한다. 한 교대 기준 원석 운반량은 약 12,000–13,000톤 수준이며, 트럭 1대는 평균 약 30회의 운반 사이클을 수행한다.

원석 운반 사이클은 공차 이동, 로더 대기, 적재, 실차 이동, 호퍼 대기 및 하역으로 구성된다. 트럭이 작업장에 도착했을 때 로더가 다른 트럭을 적재 중인 경우에는 적재가 완료될 때까지 대기하며, 적재를 완료한 트럭은 호퍼로 이동한다. 또한, 호퍼에서도 다른 트럭이 하역 중이거나 호퍼가 충진, 점검 등으로 일시 정지된 경우 대기시간이 발생한다(Fig. 2). 따라서 연구지역의 원석 운반공정은 트럭, 로더 및 호퍼가 제한된 장비자원으로 상호작용하는 구조를 가지며, 이러한 장비 점유와 대기 관계를 반영하기 위해 이산사건 시뮬레이션 접근이 필요하다.

Fig. 2.

A loaded truck waiting in front of the hopper.

ICT 모니터링 시스템

연구지역에서는 원석 생산량, 장비 위치 및 운반실적을 관리하기 위한 ICT 기반 모니터링 시스템을 운영하고 있다. 이 시스템은 운반장비에 부착된 IoT(Internet of Things) 센서와 현장 모니터링 장비를 통해 트럭 및 로더의 운행상태를 추적하고, 생산량, 품위, 호퍼 투입량, 작업장 및 운반거리 등의 자료를 기록한다. 본 연구에서는 이 중 원석 운반공정의 이산사건 시뮬레이션 입력자료 산정에 필요한 항목을 중심으로 ICT 모니터링 자료를 활용하였다.

ICT 모니터링 시스템에서 획득되는 자료는 운반실적 자료, 장비 및 위치 자료, 생산·품위 자료, 작업관리 자료로 구분할 수 있다(Table 1). 본 연구에서는 이 가운데 DES 입력자료 산정과 모델 검증에 필요한 항목을 중심으로 활용하였다. 특히 하역 완료시각, 운반거리, 운반량, 트럭 ID 및 로더 ID는 트럭 사이클타임, 운반횟수, 총 운반량, 작업장–호퍼 간 운반거리 및 장비조합을 산정하는 데 사용하였다. 반면 생산·품위 자료와 작업관리 자료는 직접적인 시뮬레이션 입력자료로 사용하지 않고, 작업장 조건과 호퍼 운영상태를 해석하기 위한 보조자료로 활용하였다.

ICT 모니터링 자료는 실제 광산의 운반조건을 반영한다는 장점이 있으나, 트럭이 호퍼에 하역한 결과를 중심으로 기록되기 때문에, 해당 사이클 내부에서 발생한 공차 이동시간, 적재시간, 실차 이동시간, 하역 시간 및 대기시간이 각각 독립적인 항목으로 저장되지 않는다. 따라서 본 연구에서는 ICT 모니터링 시스템 자료를 그대로 시뮬레이션 입력값으로 사용하는 것이 아니라, 현장 타임스터디 자료와 결합하여 작업단계별로 입력자료를 산정하였다. 이를 통해 실제 운반실적을 기반으로 하면서도 DES 모델에 필요한 작업시간, 유효 이동속도 및 장비 운영조건을 산정할 수 있었다. 본 연구에서 유효 이동속도는 트럭의 순수 주행속도가 아니라, ICT 기반 사이클타임에서 적재·하역 관련 작업시간을 제외한 잔여 시간을 운반거리와 결합하여 산정한 입력값을 의미한다. 해당 값은 ICT 로그에서 개별적으로 분리되지 않은 일부 대기 및 운영 지연의 영향을 포함할 수 있으므로, 현장 운반 사이클의 평균적 운영 특성이 반영된 유효 이동속도값으로 해석하였다.

연구방법

본 연구에서는 ICT 모니터링 시스템 자료와 현장 타임스터디 결과를 결합하여 노천 석회석 광산의 원석 운반공정을 모의하기 위한 이산사건 시뮬레이션 모델을 개발한다. 연구방법은 크게 원석 운반시스템의 DES 모델링 구조 정의, ICT 모니터링 자료 전처리, 타임스터디 기반 작업단계 분리 및 입력자료 산정, AnyLogic 기반 시뮬레이션 모델 구현, 현장 운반실적 기반 모델 검증 및 장비조합 시나리오 분석으로 구성된다. 먼저 트럭–로더–호퍼로 구성된 원석 운반공정의 작업 흐름과 장비 점유 관계를 정의하고, 이후 ICT 운반실적 자료와 타임스터디 자료를 결합하여 각 작업단계별 입력자료를 산정한다.

원석 운반시스템 및 DES 모델 구조

본 연구에서는 노천 석회석 광산의 원석 운반공정을 트럭, 로더 및 호퍼가 상호작용하는 이산사건 시스템으로 정의하였다. 원석 운반공정은 공차 이동, 로더 대기, 적재, 실차 이동, 호퍼 대기, 하역 및 복귀 과정으로 구성되며, 각 작업단계는 장비의 점유 상태와 작업 순서에 따라 순차적으로 발생한다(Fig. 3).

Fig. 3.

Discrete-event logic of the truck–loader–hopper haulage cycle.

시뮬레이션이 시작되면 장비대기구역에 위치한 트럭은 배정된 작업장으로 공차 이동한다. 트럭이 작업장에 도착하면 로더의 사용 가능 여부를 판단한다. 로더가 다른 트럭을 적재하고 있지 않는 경우에는 해당 트럭이 로더를 점유하고 적재작업을 수행한다. 반면, 로더가 이미 다른 트럭을 적재하고 있는 경우에는 선행 트럭의 적재작업이 완료될 때까지 대기한다. 이때 발생하는 대기시간은 로더 자원의 제한으로 인해 발생하는 운반 사이클 내 지연요소로 반영한다. 적재를 완료한 트럭은 지정된 호퍼로 실차 상태로 이동한다. 호퍼에 도착한 트럭은 호퍼의 가동 여부와 다른 트럭의 하역 여부를 확인한다. 호퍼가 가동 중이고 다른 트럭이 하역작업을 수행하고 있지 않은 경우에는 즉시 하역작업을 수행한다. 그러나 호퍼가 충진, 점검 또는 운영상태 변화로 인해 정지되어 있거나 다른 트럭이 하역 중인 경우에는 호퍼 앞에서 대기한다. 하역작업이 완료되면 트럭은 남은 작업시간을 확인한 뒤 다음 운반사이클을 반복하거나 장비대기구역으로 복귀하여 작업을 종료한다.

이와 같이 본 연구의 시뮬레이션 알고리즘은 원석 운반공정에서 반복적으로 발생하는 작업순서와 장비 점유 관계를 반영한다. 특히 로더와 호퍼는 동시에 여러 트럭이 사용할 수 없는 제한된 자원으로 설정하며, 해당 자원이 점유 중일 때 도착한 트럭은 대기상태로 전환되도록 구성한다. 이를 통해 로더와 호퍼의 제한 자원 구조, 장비 점유 관계 및 대기 발생 메커니즘을 DES 모델에 반영하였다.

ICT 모니터링 자료 전처리

본 연구에서는 연구지역에서 운영 중인 ICT 모니터링 시스템에 기록되는 운반실적 자료를 시뮬레이션 입력자료 산정에 활용한다. ICT 모니터링 시스템은 원석 운반작업과 관련하여 작업일자, 차수, 송석호기, 품위코드, 운반장비 ID, 로더 ID, 톤수, 이동거리 및 배출일자를 기록한다. 이러한 자료는 실제 가행 중인 광산의 장비 운영상태와 운반 조건을 반영하므로, 현장 기반 시뮬레이션 모델을 개발하는 데 중요한 기초자료로 활용된다. ICT 운반실적 자료를 DES 입력자료로 변환하기 위한 전처리 절차는 Fig. 4와 같다. 전처리 과정에서는 2024년 6월 1일부터 2024년 6월 30일까지의 ICT 운반실적 자료를 사용하며, 연구지역의 원석 운반작업에 투입되는 57톤 트럭을 분석 대상으로 선별한다.

Fig. 4.

Preprocessing workflow for converting ICT haulage records into DES input parameters.

ICT 운반기록은 일반적으로 하나의 운반 사이클이 완료된 시점, 즉 트럭이 호퍼에 원석을 하역한 결과를 중심으로 저장된다. 따라서 원본 데이터만으로는 트럭의 공차 이동, 로더 접근 및 적재, 실차 이동, 호퍼 하역, 로더 및 호퍼 대기시간을 작업 단계별로 직접 구분하기 어렵다. 이에 따라 본 연구에서는 ICT 자료를 그대로 시뮬레이션 입력값으로 사용하지 않고, 자료 정제와 작업단계 분리 과정을 거쳐 이산사건 시뮬레이션 모델에 필요한 입력자료로 변환한다.

ICT 데이터 전처리 과정에서는 작업일자와 배출일자의 의미를 구분하여 하역 완료 시각을 정의하고, 트럭 사이클타임(Truck cycle time) 산정에 필요한 자료를 선별한다. 본 연구에서 작업일자는 운반작업이 수행된 날짜를 의미하며, 배출일자는 해당 작업일 내 하역 완료시각을 의미한다. 또한 품위코드는 운반작업이 수행된 작업장 위치를 식별하는 기준으로 활용한다. 전처리 과정에서는 작업일자, 차수, 품위코드 및 운반장비 ID를 기준으로 운반기록을 그룹화하고, 동일 그룹 내에서 연속적으로 기록된 배출일자의 차이를 이용하여 트럭 사이클타임을 산정한다. 이때 각 그룹의 첫 번째 운반기록은 이전 하역 완료시각이 존재하지 않아 사이클타임을 계산할 수 없으므로 제외한다. 또한 이동거리가 0으로 기록된 자료는 작업장-호퍼 간 운반거리 산정에 활용할 수 없으므로 제외한다. 예를 들어 동일 작업일자, 차수, 품위코드 및 운반장비 ID로 구성된 하나의 그룹에서 특정 트럭의 하역 완료시각이 09:10:00, 09:32:30, 09:55:10 순으로 기록된 경우, 첫 번째 기록은 이전 하역 완료시각이 없으므로 제외하고, 두 번째 및 세 번째 운반기록의 사이클타임은 각각 22분 30초와 22분 40초로 산정된다. 이와 같이 산정된 사이클타임은 이후 타임스터디 기반 적재·하역 관련 시간과 결합하여 공차 및 실차 유효 이동시간과 유효 이동속도를 산정하는 데 활용한다.

전처리된 ICT 데이터는 트럭 사이클타임, 작업장별 운반거리, 트럭별 운반횟수, 호퍼별 운반량, 장비 투입조건을 산정하는 데 활용한다. 트럭 사이클타임은 작업일자, 차수, 품위코드 및 운반장비 ID가 동일한 자료 내에서 연속 하역 완료시각 간 차이를 이용하여 계산하며, 작업장별 운반거리는 ICT 시스템에 기록된 이동거리 자료를 이용한다. 또한 트럭 ID와 로더 ID를 활용하여 각 작업일의 장비 투입조건을 확인하고, 호퍼 번호와 하역 완료시각을 이용하여 호퍼별 운반실적을 정리한다. 이와 같이 정제된 ICT 자료는 이후 타임스터디 결과와 결합하여 원석 운반공정의 작업단계별 입력자료를 산정하는 데 사용한다.

타임스터디 기반 작업단계 분리 및 입력자료 산정

ICT 모니터링 시스템 자료만으로는 원석 운반 사이클 내부의 세부 작업시간을 직접 구분하기 어렵기 때문에, 본 연구에서는 현장 타임스터디 자료를 활용하여 작업단계별 입력자료를 산정한다. 타임스터디는 원석 운반작업을 구성하는 호퍼접근, 하역, 공차운반, 로더접근, 적재 및 실차운반 과정을 구분하기 위해 수행되었으며, GPS 또는 차량 속도계 기반의 순수 주행속도는 별도로 측정하지 않았다. 동영상 촬영과 스톱워치 측정을 병행하여, 각 작업단계의 소요시간을 기록한다. 이를 통해 ICT 로그에서 직접 확인하기 어려운 적재시간, 하역시간, 공차 이동시간과 실차 이동시간의 상대적 비율을 보완한다.

트럭의 전체 운반 사이클 타임은 동일 트럭의 연속 하역기록 사이의 시간 차이를 이용하여 산정한다. ICT 운반기록을 작업일자, 차수, 품위코드 및 운반장비 ID를 기준으로 그룹화하고, 각 그룹 내에서 하역 완료시각을 운반순서에 따라 정렬한다. 동일 그룹 내 j번째 운반기록에 대해, 트럭 사이클타임 CTj는 식 (1)과 같이 산정한다.

여기서 tjdump는 동일 작업일자, 차수, 품위코드 및 운반장비 ID 조건에서 j번째 운반기록의 하역 완료시각을 의미한다. 본 연구에서 품위코드는 운반작업이 수행된 작업장 위치를 식별하는 기준으로 활용한다. 각 그룹의 첫 번째 운반기록은 이전 하역 완료시각이 존재하지 않아 사이클타임을 산정할 수 없으므로 제외한다.

ICT 운반기록은 일반적으로 호퍼 하역 완료 시점을 기준으로 생성되므로, 동일 트럭의 다음 하역기록까지의 시간 차이는 하나의 운반 사이클을 대표하는 값으로 활용할 수 있다. 다만 이 사이클타임에는 공차 이동, 적재, 실차·하역 이동 및 대기시간이 모두 포함되므로, 이를 그대로 시뮬레이션 입력자료로 사용할 수는 없다. 따라서 앞서 설명한 바와 같이 사이클타임에서 로더접근시간, 적재시간, 호퍼접근시간 및 하역시간을 제외한 잔여 시간을 유효 이동시간으로 정의하였다. 이 유효 이동시간에는 ICT 로그에서 개별적으로 분리되지 않은 일부 대기 영향이 포함될 수 있다. 따라서 본 연구에서 산정한 공차 및 실차 유효 이동속도는 순수 주행속도가 아니라, 현장 운반 사이클을 반영한 유효 이동속도로 해석한다. 사이클타임에서 적재·하역 관련 작업소요 시간을 차감하여 식 (2)와 같이 산정한다.

여기서 Ttraveleff는 트럭의 유효 이동시간, 식 (3)은 사이클타임에서 차감할 적재·하역 관련 작업소요시간을 정의한 것이다. Twork,c는 식 (2)의 유효 이동시간 계산에 적용한다. TSTL,c와 Tloading,c는 각각 장비 조합 c의 로더접근시간과 적재시간을 의미하며, Thopper-approachTS와 TdumpTS는 타임스터디에서 측정한 호퍼접근시간과 하역시간을 의미한다.

공차 이동시간과 실차 이동시간은 타임스터디에서 산정한 공차·실차 이동시간 비율을 적용하여 분리한다. 타임스터디에서 측정한 공차운반시간을 TdumpTS, 실차운반시간을 TloadedTS라고 할 때, 공차 및 실차 이동시간 비율은 식 (4) 및 식 (5)와 같이 산정한다.

산정된 비율을 적용하여 각 운반 사이클의 공차 이동시간과 실차 이동시간은 식 (6) 및 식 (7)과 같이 계산한다.

이후 ICT 모니터링 시스템에 기록된 운반거리와 분리된 이동시간을 이용하여 공차 상태와 실차 상태의 트럭 유효 이동속도를 각각 산정한다. 운반거리 D와 식 (6), 식 (7)에서 산정한 공차 및 실차 이동시간을 이용하여 공차 유효 이동속도와 실차 유효 이동속도는 식 (8) 및 식 (9)와 같이 계산한다. 이때 이동시간은 시간(hour) 단위로 환산하여 유효 이동속도를 km/h 단위로 계산하였다.

적재시간은 로더가 트럭에 원석을 적재하는 데 소요되는 시간으로 정의하며, 타임스터디 결과를 기반으로 산정한다. 연구지역에서는 트럭과 로더의 조합에 따라 적재 소요시간이 달라질 수 있으므로, 장비 유형별 조합을 고려하여 적재시간을 입력자료로 구성한다. 본 연구에서 로더 작업시간을 적재시간과 로더접근시간의 합으로 정의한다. Loader A-Truck A 조합의 로더 작업시간은 타임스터디 결과를 기반으로 산정하고, Loader B가 투입되는 조합은 트럭 적재함 용량, 로더 버킷 용량 및 로더의 유압 동작시간을 이용하여 추정한다. 이때 로더의 유압 동작시간은 버킷을 후방으로 젖혀 원석을 유지하는 rack back, 붐을 상승시키는 raise, 버킷을 전방으로 회전시켜 원석을 배출하는 dump, 버킷을 하강시키는 lower 및 플로트 기능을 이용해 버킷을 하강시키는 lower float down 동작시간의 합으로 산정한다. 트럭-로더 조합 c에서 필요한 버킷 덤프 횟수 Ndump,c는 식 (10)과 같이 산정한다.

여기서 Ctruck은 트럭 적재함 용량, Cbucket은 로더 버킷 용량이다. 장비조합별 적재 시간 Tloading,c과 로더 작업시간 Tloader,c은 식 (11) 및 식 (12)와 같이 산정한다.

여기서 Thyd는 로더 유압 동작시간의 합이며, TSTL은 타임스터디에서 측정한 로더 접근시간이다.

하역시간은 트럭이 호퍼에 도착한 후 원석을 하역하는 데 소요되는 시간으로 정의하며, 타임스터디에서 측정한 하역작업 시간을 이용하여 산정한다. 적재시간과 하역시간은 타임스터디 결과의 최소값, 중앙값 및 최대값을 이용하여 삼각분포로 구성하며, 중앙값은 제한된 측정자료에서 대표 작업시간을 나타내는 중심값으로 적용한다. 공차 유효 이동속도와 실차 유효 이동속도는 각각 평균과 표준편차를 산정하여 정규분포 형태의 시뮬레이션 입력자료로 구성한다. 장비조합 변화에 따른 시뮬레이션 수행이 가능하도록 트럭과 로더의 장비 제원도 입력자료에 반영한다. 트럭은 1회 운반량에 따라 구분하고, 로더는 해당 트럭과의 적재 작업에 필요한 작업시간을 반영하여 유형화한다. 이를 통해 개발 모델은 현재 운영 중인 장비조건뿐만 아니라, 장비 대체 또는 장비 대형화 조건에서도 원석 운반량 변화를 검토할 수 있도록 구성된다. 본 절에서 산정한 작업시간, 유효 이동속도, 운반량 및 장비조건은 이후 이산사건 시뮬레이션 모델의 주요 입력자료로 활용한다.

시뮬레이션 모델 개발 방법

본 연구에서는 이산사건으로 구조화한 원석 운반공정을 구현하기 위해 AnyLogic 소프트웨어를 활용한다. AnyLogic은 장비의 이동, 자원 점유, 대기, 적재 및 하역과 같이 시간 순서에 따라 발생하는 사건을 모델링할 수 있으며, 시뮬레이션 수행 과정에서 장비의 위치와 작업상태를 시각적으로 확인할 수 있다는 장점이 있다(Jung et al., 2020). 이에 따라 본 연구에서는 트럭, 로더, 호퍼 및 작업장을 주요 구성요소로 설정하고, 연구지역의 원석 운반공정을 모의할 수 있는 이산사건 시뮬레이션 모델을 구현한다.

모델의 공간 구성은 작업장, 장비대기구역, 운반도로 및 호퍼로 구성한다. 작업장은 실제 광산 운영조건에 따라 변경될 수 있으므로, 시뮬레이션 입력조건에 따라 위치를 조정할 수 있도록 설정한다. 장비대기구역과 호퍼 위치는 연구지역에서 실제로 운영되는 위치를 기준으로 반영한다.

모델의 주요 입력자료는 작업시간 인자와 장비 운영인자로 구분한다(Fig. 5). 작업시간 인자에는 적재시간, 하역시간, 공차 유효 이동속도 및 실차 유효 이동속도가 포함된다. 장비 운영인자에는 투입 트럭 수, 투입 로더 수, 작업장 위치, 호퍼 충진시간, 장비 점검시간 및 시뮬레이션 작업시간이 포함된다. 적재시간과 하역시간은 타임스터디 결과를 바탕으로 산정하며, 공차 및 실차 유효 이동속도는 ICT 모니터링 자료와 타임스터디 결과를 결합하여 계산한 값을 적용한다. 작업장 위치와 운반거리는 ICT 모니터링 시스템에 기록된 자료를 활용하여 설정한다.

Fig. 5.

Input–output structure of the developed DES model.

시뮬레이션 결과는 총 원석 운반량, 트럭별 운반횟수, 로더이용률, 호퍼이용률로 출력한다. 본 연구에서는 이 중 총 원석 운반량과 트럭별 운반횟수를 현장 운반실적과 비교하여 모델을 검증하는 주요 지표로 활용한다. 로더 및 호퍼 이용상태는 모델 내부에서 장비 점유와 대기 관계가 정상적으로 구현되었는지 확인하기 위한 보조 지표로 활용한다.

시뮬레이션 검증 및 수행 방법

개발된 시뮬레이션 모델을 검증하기 위해 실제 현장 운반실적과 시뮬레이션 결과를 비교한다. 검증자료는 ICT 모니터링 시스템과 현장 장부에 기록된 작업자료를 활용하며, 검증 대상일은 장비 투입조건과 작업장 위치가 확인 가능한 작업일로 선정한다. 본 연구에서는 2023년 4월 5일 2차 작업과 2024년 7월 18일 2차 작업을 모델 검증 대상으로 설정한다.

검증 시뮬레이션의 입력조건은 각 검증일자의 실제 운영조건을 기준으로 설정한다. 2023년 4월 5일 2차 작업은 로더 4대, 트럭 8대, 호퍼 2대가 투입된 조건으로 구성하며, 작업장은 Level 140, 150, 165, 175에 위치한 것으로 설정한다. 2024년 7월 18일 2차 작업은 로더 3대, 트럭 5대, 호퍼 1대가 투입된 조건으로 구성하며, 작업장은 Level 160, 165, 175에 위치한 것으로 설정한다. 작업시간, 적재시간, 하역시간, 공차 및 실차 유효 이동속도는 앞 절에서 산정한 입력자료를 적용하고, 장비 투입조건과 작업장 위치는 각 검증일자의 실제 기록을 반영한다.

모델 검증은 총 원석 운반량, 총 운반횟수 및 트럭별 운반횟수를 중심으로 수행한다. 총 원석 운반량은 개발된 모델이 해당 작업일의 전체 운반 규모를 모의하는지 판단하기 위한 지표로 사용한다. 총 운반횟수와 트럭별 운반횟수는 모델이 장비별 운반 사이클의 반복 횟수와 장비 배차 결과를 어느 정도 모의하는지 검토하기 위한 기준으로 사용한다. 검증 결과는 현장자료와 시뮬레이션 결과의 단순 비교뿐만 아니라, 총 운반량 오차율, 총 운반횟수 차이 및 트럭별 운반횟수 차이를 이용하여 정량적으로 평가한다. 총 운반량 오차율 EQ는 식 (13)과 같이 산정한다.

여기서 Qsim은 시뮬레이션에서 산정된 총 원석 운반량, Qfield는 현장자료에 기록된 총 원석 운반량이다. 양의 오차율은 시뮬레이션 결과가 현장자료보다 크게 산정된 경우를 의미하며, 음의 오차율은 시뮬레이션 결과가 현장자료보다 작게 산정된 경우를 의미한다. 총 운반횟수 차이 △N, 트럭별 운반횟수 차이 △Nk 및 총 운반횟수 오차율 EN은 식 (14), 식 (15) 및 식 (16)과 같이 산정한다.

여기서 nsim,k와 nfield,k는 각각 트럭 k의 시뮬레이션 운반횟수와 현장 운반횟수이다. 이를 통해 개발 모델이 전체 운반량뿐만 아니라 개별 트럭의 반복 운반 패턴을 어느 정도 모의하는지 검토한다.

다만 실제 광산 현장에서는 운반작업 외에도 발파 후 정리작업, 도로정비, 장비 점검, 작업자 판단에 따른 작업순서 변경 등 비정형적 운영 변화가 발생할 수 있다. 이러한 요소는 ICT 로그와 타임스터디 기반 입력자료만으로 완전히 반영하기 어렵다. 따라서 본 연구의 검증 결과는 시뮬레이션 모델의 절대적 예측 정확도를 입증하기 위한 것이 아니라, ICT 모니터링 자료와 타임스터디 기반 입력자료를 이용하여 원석 운반공정의 주요 흐름과 운반실적을 어느 정도 모의할 수 있는지를 검토하는 기준으로 해석한다.

장비조합 시뮬레이션 시나리오 설정

개발된 이산사건 시뮬레이션 모델이 장비조합 변화 조건에서도 적용 가능한지 검토하기 위해 트럭과 로더의 조합을 변경한 시뮬레이션 조건을 설정한다. 연구지역의 원석 운반작업은 트럭, 로더 및 호퍼의 조합에 따라 운반 사이클과 총 운반량이 달라질 수 있으므로, 장비 유형과 투입 대수의 변화는 시뮬레이션 모델의 활용 가능성을 검토하는 주요 조건이 된다. 본 연구에서는 장비조합 변화에 따른 운반량 변화를 사전에 검토할 수 있도록 트럭과 로더의 유형 및 투입 대수를 시나리오 조건으로 구성한다.

시뮬레이션에 사용되는 트럭은 1회 운반량을 기준으로 Truck A와 Truck B로 구분한다. Truck A는 연구지역에서 사용되는 57톤 트럭으로 설정하고, Truck B는 85톤 트럭으로 설정한다. 로더는 트럭 유형과의 적재작업 연계성을 고려하여 Loader A와 Loader B로 구분한다. Loader A는 Truck A와 연계되는 장비 조건으로 설정하고, Loader B는 Truck B와의 조합을 고려한 장비 조건으로 설정한다. 각 장비 유형별 적재시간과 운반량은 앞 절에서 산정한 입력자료를 적용한다.

장비조합 시뮬레이션 조건은 기존 장비조건에서 대형 장비가 단계적으로 도입되는 상황을 가정하여 구성한다. Table 2는 기존 장비조건에서 대형 트럭과 대형 로더가 단계적으로 도입되는 상황을 가정한 장비조합 시나리오를 나타낸다. 각 시나리오는 Truck A와 Loader A를 Truck B와 Loader B로 순차적으로 대체하는 방식으로 구성하였으며, S1은 초기 장비조합 조건, S2–S9는 이전 시나리오 대비 트럭 또는 로더 유형 및 대수가 일부 변경된 조건을 의미한다. 이를 통해 장비조합 변화에 따른 원석 운반량 변화를 검토할 수 있도록 한다. 하역 설비인 호퍼는 장비조합 변화 외의 영향을 최소화하기 위해 2기를 동일하게 투입하는 조건으로 설정한다.

본 연구에서 설정한 장비조합 시나리오는 특정 조합을 최적해로 단정하기 위한 것이 아니라, 개발된 시뮬레이션 모델이 장비 대체 또는 장비 대형화 조건에서 원석 운반량 변화를 사전에 검토하는 데 활용될 수 있는지를 확인하기 위한 조건이다. 따라서 시뮬레이션 결과는 장비조합별 운반량 변화와 모델 적용 가능성을 검토하는 자료로 해석하며, 실제 장비도입 의사결정을 위해서는 장비 구매비, 유지관리비, 연료비, 운전자 배치, 도로 조건, 조쇄공정 처리능력 등 추가적인 경제성 및 운영조건 검토가 함께 필요하다.

연구결과

본 연구에서는 ICT 모니터링 시스템 자료와 현장 타임스터디 결과를 활용하여 원석 운반 공정의 이산사건 시뮬레이션 입력자료를 산정하고, 이를 AnyLogic 기반 시뮬레이션 모델에 적용하였다. 연구결과는 ICT 자료 및 입력변수 산정 결과, 시뮬레이션 모델 구현 결과, 현장 운반실적 기반 모델 검증 결과, 장비조합 변화 조건에서의 모델 적용 가능성 검토 결과로 구분하여 제시하였다.

ICT 데이터 및 입력변수

ICT 모니터링 시스템에 기록된 2024년 6월 1일부터 6월 30일까지의 원석 운반자료를 분석한 결과, 총 13,598개의 운반기록이 확보되었다. 이 중 연구지역의 원석 운반작업에 투입되는 57톤 트럭의 운반기록을 분석 대상으로 선별하였으며, 사이클타임 산정이 불가능한 자료와 이동거리가 0으로 기록된 자료를 제외하였다. 그 결과, 8,481개의 유효자료가 시뮬레이션 입력자료 산정에 활용되었다. 정제된 ICT 자료는 트럭 사이클타임, 작업장별 운반거리, 장비 투입조건, 호퍼별 운반실적 및 트럭별 운반횟수를 산정하는 데 사용되었다.

ICT 자료만으로는 운반 사이클 내부의 세부 작업시간을 직접 구분하기 어려웠기 때문에, 타임스터디 결과를 이용하여 적재시간, 하역시간 및 공차·실차 이동시간 비율을 산정하였다(Table 3). 공차와 실차 이동시간 비율의 평균은 각각 0.30과 0.70으로 나타났으며, 적재 및 하역 관련 작업시간은 시뮬레이션 입력자료로 활용하였다.

본 연구에서 수행한 타임스터디는 실제 가행 중인 광산의 운반작업을 대상으로 수행되었으나, 일부 작업항목의 측정 표본 수가 제한적이라는 한계를 가진다. 특히 호퍼 접근 및 대기와 관련된 항목은 현장 운영상태와 트럭 도착순서에 따라 변동성이 크며, 본 연구에서 확보한 표본 수만으로 일반화된 확률분포를 통계적으로 추정하기에는 한계가 있다. 따라서 본 연구에서 적용한 삼각분포는 모집단 분포를 엄밀하게 추정한 결과라기보다는, 제한된 현장 관측값의 최소값, 중앙값 및 최대값을 시뮬레이션 입력자료에 반영하기 위한 경험적 입력 가정으로 해석하는 것이 적절하다.

트럭 유효 이동속도는 ICT 모니터링 시스템에 기록된 운반거리와 타임스터디 기반 작업시간 분리 결과를 결합하여 산정하였다. 동일 트럭의 연속 하역기록을 이용하여 트럭 사이클타임을 산정하고, 여기서 적재시간, 로더접근시간, 호퍼접근시간 및 하역시간을 제외한 잔여시간을 유효 이동시간으로 정의하였다. 다만 본 연구에서 산정한 유효 이동속도는 순수 주행속도가 아니라, ICT 기반 사이클타임에서 적재·하역 관련 시간을 제외한 잔여 시간을 이용하여 계산한 값이다. 따라서 일부 대기 및 운영 지연의 영향이 포함될 수 있으며, 현장 운반 사이클의 평균적 운영 특성을 반영하는 경험적 입력변수로 해석하였다. 산정 결과, 공차 상태의 평균 유효 이동속도는 43.04 km/h, 표준편차는 9.10 km/h로 산정되었으며, 실차 상태의 평균 유효 이동속도는 17.58 km/h, 표준편차는 3.72 km/h로 산정되었다(Table 4).

장비조합 변화 조건을 반영하기 위해 트럭과 로더 유형별 적재시간도 산정하였다. 연구지역에서 사용되는 장비조건과 장비 제원을 고려하여 Loader A–Truck A, Loader B–Truck A, Loader B–Truck B 조합의 적재 관련 소요시간을 구분하였다. 본 연구에서는 로더 작업시간을 버킷 작업시간과 로더 접근시간의 합으로 정의하였다. Loader A–Truck A 조합의 버킷 작업시간은 현장 타임스터디 결과를 기반으로 산정하였으며, Loader B가 포함된 조합은 트럭 적재함 용량, 로더 버킷 용량 및 로더 유압 동작시간을 이용하여 추정하였다. 산정 결과, Loader A–Truck A 조합의 적재 관련 시간은 5.15분, Loader B–Truck A 조합은 4.21분, Loader B–Truck B 조합은 4.49분으로 나타났다(Table 5).

최종적으로 시뮬레이션 모델에는 적재시간, 하역시간, 공차 및 실차 유효 이동속도, 작업장 위치, 시뮬레이션 작업시간, 호퍼 충진시간, 장비 점검시간, 투입 트럭 수 및 투입 로더 수가 입력자료로 적용되었다. 적재 및 하역 관련 시간은 타임스터디에서 확보한 관측값의 최소값, 중앙값 및 최대값을 이용하여 삼각분포 형태의 입력값으로 구성하였다. 다만 표본 수가 제한적이므로, 본 연구에서 적용한 삼각분포는 통계적으로 일반화된 작업시간 분포라기보다는 관측된 현장 작업시간의 범위를 반영하기 위한 경험적 입력 가정으로 사용하였다. 트럭 유효 이동속도는 공차 및 실차 상태별 평균과 표준편차로 구성하였으며, 유효 이동속도 개념에 따라 정규분포 입력값으로 적용하였다(Table 6). 작업시간은 8시간, 호퍼 충진시간은 20분, 장비 점검시간은 15분으로 설정하였다.

시뮬레이션 모델 개발 결과

ICT 모니터링 자료와 타임스터디 결과를 기반으로 산정한 입력자료를 적용하여 AnyLogic 기반 원석 운반 이산사건 시뮬레이션 모델을 구현하였다. 개발된 모델은 연구지역의 작업장, 장비대기구역, 운반도로 및 호퍼 위치를 공간 구성요소로 포함하며, 트럭, 로더, 호퍼 간의 작업 순서와 장비 점유 관계를 반영하도록 구성하였다. 모델 내에서 로더와 호퍼는 제한된 자원으로 설정하였다. 로더는 동시에 하나의 트럭만 적재할 수 있도록 구성하였으며, 로더가 사용 중일 때 작업장에 도착한 트럭은 대기상태로 전환되도록 하였다. 호퍼 역시 동시에 하나의 트럭만 하역할 수 있도록 설정하였으며, 호퍼가 가동 중지 상태이거나 다른 트럭이 하역 중인 경우에는 도착한 트럭이 호퍼 앞에서 대기하도록 구현하였다. 이를 통해 로더와 호퍼의 제한 자원 구조, 장비 점유 관계, 대기 발생 로직 및 반복 운반 과정을 시뮬레이션 모델 내에서 모의할 수 있었다. 다만 ICT 로그 기반 유효 이동속도에 일부 대기 영향이 포함될 수 있으므로, 모델 내에서 산출되는 로더 대기시간과 호퍼 대기시간은 실제 현장에서 관측된 대기시간을 직접 산정한 값으로 해석하기에는 한계가 있다. 본 연구에서 로더와 호퍼를 제한 자원으로 설정한 목적은 트럭이 제한된 적재·하역 자원을 공유할 때 발생하는 장비 점유 관계와 대기 구조를 시뮬레이션 로직에 반영하기 위한 것이다. 따라서 모델 검증은 로더 및 호퍼 대기시간의 절대값이 아니라 총 원석 운반량과 트럭별 운반횟수를 중심으로 수행하였다.

개발된 모델은 시뮬레이션 수행 과정에서 장비의 위치와 작업상태를 시각적으로 확인할 수 있도록 구현하였다(Fig. 6). 화면에는 작업장 정보, 투입 장비의 위치 및 상태, 호퍼별 운반량, 시간대별 운반량, 금일 송석현황 및 품위정보가 표시되도록 하였다. 또한 시뮬레이션 종료 후에는 총 원석 운반량, 트럭별 운반횟수, 호퍼별 운반량 등 주요 결과를 확인할 수 있도록 구성하였다.

Fig. 6.

User interface and spatial layout of the AnyLogic-based haulage simulation model.

시뮬레이션 모델 검증 결과

개발된 시뮬레이션 모델을 검증하기 위해 2023년 4월 5일 2차 작업과 2024년 7월 18일 2차 작업의 현장 운반실적을 시뮬레이션 결과와 비교하였다. 검증 시뮬레이션에서는 앞 절에서 산정한 작업시간 및 유효 이동속도 입력자료를 동일하게 적용하였으며, 장비 투입조건, 작업장 위치 및 호퍼 운영조건은 각 검증일자의 실제 기록을 기준으로 설정하였다. 2023년 4월 5일 2차 작업은 로더 4대, 트럭 8대, 호퍼 2대가 투입된 조건이며, 작업장은 Level 140, 150, 165, 175에 위치하였다(Fig. 7). 2024년 7월 18일 2차 작업은 로더 3대, 트럭 5대, 호퍼 1대가 투입된 조건이며, 작업장은 Level 160, 165, 175에 위치하였다.

Fig. 7.

Simulation layout for the April 5, 2023 validation case.

Table 7은 검증 대상일의 현장 운반실적과 시뮬레이션 결과를 총 운반량, 총 운반횟수, 차이 및 오차율 기준으로 비교한 결과이다. 2023년 4월 5일 2차 작업의 실제 원석 운반량은 12,654톤, 시뮬레이션 운반량은 13,281톤으로 나타났으며, 차이는 +627톤, 오차율은 +4.95%로 산정되었다. 총 운반횟수는 현장자료 222회, 시뮬레이션 233회로 나타나 +11회의 차이를 보였다. 2024년 7월 18일 2차 작업의 실제 원석 운반량은 8,208톤, 시뮬레이션 운반량은 8,322톤으로 나타났으며, 차이는 +114톤, 오차율은 +1.39%로 산정되었다. 총 운반횟수는 현장자료 144회, 시뮬레이션 146회로 나타나 +2회의 차이를 보였다.

검증 결과, 두 검증 대상일 모두 시뮬레이션 결과가 현장 운반량보다 다소 높게 산정되었으나, 총 운반량 오차율은 5% 이내로 나타났다. 특히 2024년 7월 18일 2차 작업에서는 총 운반량 오차율이 1.39%, 총 운반횟수 차이가 +2회로 산정되어 현장 운반규모를 비교적 잘 모의하였다. 2023년 4월 5일 2차 작업에서는 총 운반량 오차율이 4.95%, 총 운반횟수 차이가 +11회로 나타났으며, 이는 작업자 판단, 현장 정리, 도로 상태 변화 등 ICT 기록에 직접 반영되지 않는 비정형 운영요소의 영향으로 해석할 수 있다.

트럭별 운반횟수를 비교한 결과, 일부 트럭을 제외하면 실제 운반횟수와 시뮬레이션 결과는 유사한 경향을 보였다(Fig. 8). 다만 일부 트럭에서는 실제 운반횟수와 시뮬레이션 결과 간 차이가 상대적으로 크게 나타났다. 이는 해당 작업조건에서 트럭 1대와 로더 1대가 배차되어 작업을 수행하면서 시뮬레이션 모델 내에서는 로더 대기시간이 거의 발생하지 않았기 때문으로 판단된다. 실제 현장에서는 작업자 판단, 작업장 내 이동여건, 대기 위치, 장비 간 간섭, 현장 정리 등으로 인해 단순 장비 배차조건만으로 설명하기 어려운 지연이 발생할 수 있다. 따라서 트럭별 운반횟수의 일부 차이는 모델의 구조적 오류라기보다는 실제 현장 운영의 비정형성을 단순화한 데 따른 차이로 해석하는 것이 적절하다.

Fig. 8.

Comparison of field and simulated haul counts by truck for the July 18, 2024 validation case.

이상의 검증 결과를 종합하면, 개발된 DES 모델은 제한된 검증 조건에서 실제 운반공정의 총 운반 규모와 트럭별 운반 패턴을 합리적으로 재현하는 것으로 나타났다. 다만 본 연구의 모델 검증은 장비 투입조건과 작업장 위치가 확인 가능한 2개 작업일의 2차 작업 조건을 대상으로 수행되었으므로, 다양한 계절적 조건, 작업장 변화, 도로 상태, 장비 운영상태 및 교대 조건을 모두 대표한다고 보기는 어렵다. 또한 입력자료는 2024년 6월 ICT 운반기록을 기반으로 산정한 반면, 검증은 2023년 4월과 2024년 7월 사례를 대상으로 수행하였다. 따라서 채굴 진행에 따른 작업장 위치, 운반거리 및 도로 조건 변화가 검증 오차에 일부 영향을 미쳤을 가능성이 있다. 실제로 입력자료 산정 시점과 상대적으로 가까운 2024년 7월 18일 사례의 총 운반량 오차율은 1.39%였으나, 시점 차이가 큰 2023년 4월 5일 사례에서는 오차율이 4.95%로 상대적으로 크게 나타났다. 따라서 본 연구의 검증 결과는 개발 모델의 일반화된 예측 정확도를 입증하는 결과라기보다는, 제한된 검증일 조건에서 ICT 모니터링 자료와 타임스터디 기반 입력자료를 이용해 원석 운반공정의 전체 운반규모와 트럭별 운반횟수 경향을 비교한 모델 타당성 검토 결과로 해석하는 것이 적절하다. 또한 본 연구에서는 반복 시뮬레이션을 통한 평균 및 오차 범위를 제시하지 못하였으므로, 향후 연구에서는 다양한 작업일과 운영조건을 포함한 추가 검증자료를 확보하고 반복 시뮬레이션을 수행하여 결과의 변동성과 입력자료 불확실성을 함께 검토할 필요가 있다.

장비조합 시나리오 시뮬레이션 결과

개발된 시뮬레이션 모델이 장비 유형 및 투입 대수 변화 조건에서도 운반공정을 모의할 수 있는지 검토하기 위해 트럭과 로더의 장비조합을 변화시킨 시나리오를 적용하였다. 본 시나리오는 특정 장비조합의 우열이나 최적성을 평가하기 위한 것이 아니라, 개발 모델이 장비 대체 또는 대형화 가정 조건에서 원석 운반량 변화를 산정할 수 있는지 확인하기 위한 활용 사례로 설정하였다.

시나리오는 기존 장비조건을 기준으로 85톤 Truck B와 Loader B가 단계적으로 도입되는 상황을 가정하여 구성하였다. 각 시나리오에서 트럭은 설정된 장비조합에 따라 작업장으로 이동하고, 로더 적재, 실차 이동, 호퍼 하역 및 공차 복귀 과정을 반복하도록 모의되었다. 또한 로더와 호퍼가 사용 중인 경우에는 대기상태가 발생하도록 구현되어, 장비조합 변화에 따른 운반 사이클의 변화를 확인하였다.

Table 8은 장비조합 변화 조건에 따른 시뮬레이션 결과를 나타낸다. 총 원석 운반량은 S1에서 13,281톤으로 나타났으며, 장비조합이 변화함에 따라 S9에서 18,947톤까지 증가하였다. 이는 1회 운반량이 큰 Truck B의 투입 대수가 증가하고, 이에 대응하는 Loader B의 투입 비중이 증가하면서 시뮬레이션상 총 운반량이 증가한 결과로 해석된다. 반면 총 운반횟수는 S1의 233회에서 S9의 243회로 일부 증가하였으나, 모든 시나리오에서 운반량과 동일한 방향으로 일정하게 증가하지는 않았다. 예를 들어 S6은 S5보다 총 운반량이 증가하였으나 총 운반횟수는 감소하였고, S8 역시 S7보다 총 운반량은 소폭 증가하였으나 총 운반횟수는 감소하였다. 이는 장비조합 변화에 따라 1회 운반량, 로더 작업시간, 운반 사이클 반복횟수가 동시에 달라지기 때문으로 판단된다.

따라서 장비조합 변화 시뮬레이션 결과는 단순히 운반횟수의 증가 여부보다는 트럭의 적재용량, 로더와 트럭의 조합, 장비 투입 대수 및 대기상태가 결합되어 총 원석 운반량에 영향을 미친다는 점을 보여준다. 개발된 모델은 이러한 장비조합 변화 조건에서도 원석 운반공정을 모의하고, 총 원석 운반량과 운반횟수의 변화를 산정할 수 있었다. 이는 개발 모델이 단일 검증일자의 운반실적 모의뿐만 아니라, 장비 대체 또는 장비 대형화 조건을 사전에 검토하는 도구로 활용될 수 있음을 의미한다.

다만 본 연구에서는 장비조합별 결과를 특정 조합의 우열이나 최적해로 단정하지 않는다. 시뮬레이션상 S9에서 가장 높은 운반량이 산정되었으나, 이는 시뮬레이션상 운반량 결과일 뿐이며 실제 장비도입의 타당성을 의미하지는 않는다. 장비조합에 따른 실제 도입 여부를 판단하기 위해서는 장비 구매비, 유지관리비, 연료비, 운전자 배치, 도로 조건, 조쇄공정 처리능력, 현장 안전성 등의 추가 검토가 필요하다. 따라서 본 연구에서 수행한 장비조합 변화 시뮬레이션은 개발 모델의 적용 가능성을 확인하기 위한 활용 사례로 해석하는 것이 적절하다.

즉, ICT 모니터링 자료와 타임스터디 기반 입력자료를 적용한 이산사건 시뮬레이션 모델을 이용하면, 가행 중인 노천 석회석 광산에서 장비 대체, 장비 대형화, 작업장 변경과 같은 운영조건 변화에 따른 원석 운반량 변화를 사전에 검토할 수 있다. 이는 현장 운영조건을 직접 변경하기 어려운 광산에서 시뮬레이션 모델이 장비조합 변화에 따른 운반공정 변화를 검토하기 위한 기초자료를 제공할 수 있음을 보여준다.

결 론

본 연구에서는 ICT 모니터링 시스템이 운영되고 있는 노천 석회석 광산을 대상으로 원석 운반공정을 모의하기 위한 이산사건 시뮬레이션 모델을 개발하였다. 원석 운반공정은 공차 이동, 적재, 실차 이동, 하역 및 장비 대기 과정으로 구조화하였으며, 이를 AnyLogic 기반 시뮬레이션 모델로 구현하였다. 또한 ICT 모니터링 시스템에 기록된 운반실적, 장비정보, 작업장 위치, 운반거리 자료와 현장 타임스터디 결과를 결합하여 시뮬레이션 입력자료를 산정하였다.

ICT 운반기록만으로는 운반 사이클 내부의 세부 작업시간을 직접 구분하기 어려웠기 때문에, 본 연구에서는 타임스터디 결과를 활용하여 적재·하역 관련 시간과 공차·실차 이동시간 비율을 보완하였다. 다만 산정된 유효 이동속도에는 일부 운영 지연의 영향이 포함될 수 있으므로, 향후 연구에서는 GPS 기반 주행기록과 장비 상태 로그를 활용하여 순수 주행시간과 대기시간을 분리할 필요가 있다.

실제 현장 운반실적과 비교한 결과, 개발된 모델은 총 운반량 기준 약 1.4–5.0% 수준의 오차를 보였으며, 트럭별 운반횟수 역시 전반적으로 유사한 경향을 나타냈다. 이를 통해 ICT 운반기록과 타임스터디 자료를 결합한 DES 접근이 실제 노천광산 운반공정의 주요 운영 특성과 운반 규모를 재현하는 데 활용될 수 있음을 확인하였다. 다만 본 연구의 검증은 제한된 작업일을 대상으로 수행되었으며, 실제 현장의 비정형 운영요소와 다양한 계절적·운영상 조건을 충분히 반영하지 못하였다. 따라서 본 연구의 결과는 모델의 절대적 예측 정확도를 입증하기보다는, 제한된 조건에서 모델의 적용 가능성을 검토한 결과로 해석하는 것이 적절하다. 향후 연구에서는 보다 다양한 작업일과 운영조건을 포함하는 추가 검증자료를 확보하고, 반복 시뮬레이션을 통해 결과의 변동성과 입력자료 불확실성을 함께 검토할 필요가 있다.

개발된 모델은 장비 유형과 투입 대수 변화에 따른 운반공정의 변화를 모의할 수 있었으며, 장비 대체 또는 장비 대형화 시나리오를 사전에 평가하는 도구로 활용될 가능성을 확인하였다. 장비 유형과 투입 대수가 달라지는 조건에서도 모델은 공차 이동, 적재, 실차 이동, 하역 및 대기과정을 반복적으로 모의하였으며, 장비조합 변화에 따른 원석 운반량 변화를 사전에 검토할 수 있는 구조를 제공하였다. 다만 본 연구의 장비조합 시뮬레이션은 특정 조합의 최적성을 입증하기 위한 것이 아니라, 개발 모델이 장비 대체 및 장비 대형화 조건을 모의할 수 있음을 확인하기 위한 활용 사례로 해석하는 것이 적절하다.

본 연구의 의의는 실제 가행 중인 노천 석회석 광산의 ICT 운반기록과 현장 타임스터디 자료를 결합하여 DES 입력자료를 구축하는 절차를 제시하고, 이를 기반으로 현장 운반공정을 모의·검증하였다는 데 있다. 향후에는 장기간 ICT 로그를 활용한 입력자료 고도화, 장비 고장 및 도로 상태 변화와 같은 비정형 운영요소의 반영, 그리고 실시간 ICT 자료와의 연계를 통해 디지털 트윈 기반 운반공정 관리로 확장할 필요가 있다.