확률 계산 모듈은 실질적으로 에이전트가 의사결정을 내리는 부분으로, 각각 표현 학습 모듈(representation module), 집계 모듈(aggregation module), 출력 모듈(output module) 로 구성되어 있다. 이를 통해 에이전트가 현재 후보로 가능한 다양한 안벽 배치 결정을 각각 선택할 확률 분포를 계산하고, 현재 상태의 가치를 추정한다. 최종적으로 에이전트는 이 확률 분포에 따라 안벽 배치를 결정하며, 가치 추정 시 발생하는 오차를 계산하여 정책을 지속적으로 개선한다.
그림 4. Unity 기반 시뮬레이션 인터페이스
또한 본 소프트웨어는 학습된 안벽 배치 계획 모델을 사용자가 Unity로 개발된 Simulator에서 구동하고 여러 휴리스틱과 비교 및 시뮬레이션을 진행할 수 있도록 UI/UX 인터페이스가 포함되어 있다. 사용자는 시뮬레이션 화면을 통해 각 선박의 안벽 배치, 작업 진행 상황, 대체 시나리오 등을 시각적으로 비교·분석할 수 있다. 이러한 인터페이스는 계획 수립 담당자뿐 아니라 경영진·현장 관리자 등 다양한 이해관계자들이 동일한 정보를 공유하고 의사결정에 참여할 수 있도록 지원하여, 본 소프트웨어의 실제 현장 적용성을 크게 향상시킬 수 있을 것으로 기대된다.
3. 본 소프트웨어의 실용성 및 독창성
본 소프트웨어의 강화학습 알고리즘에서는 안벽 간 이동 횟수, 선박의 작업별 특성에 맞는 전문 안벽 배치 여부, 작업 지연 여부 세 가지 목적함수를 비용(cost)이라는 단일 지표로 통합하여, 상충되는 다중 목표를 일관성 있는 방식으로 최적화할 수 있는 프레임워크를 구축하였다. 이와 같은 접근은 조선소 현장에서 실제로 요구되는 경제성·효율성 판단을 직접적으로 반영할 수 있다는 점에서 의의가 있을 것으로 보인다.
또한, 작업 도중 중단과 재시작이 가능한 프로세스, 선박별로 특정 안벽에 대한 선호도가 존재하는 상황 등 실제 조선소에서 빈번히 발생하는 조건들을 모델에 세밀하게 반영하여 현장 적용 가능성을 충분히 담보하는 수준으로 문제를 정의하고 솔루션을 제공할 수 있도록 하였다.
4. 소프트웨어의 활용 방안 및 기대 효과
조선소 의장 안벽 생산계획은 선박의 대형화, 공정 간 상호 의존성, 안벽별 작업 제약 등으로 인해 매우 복잡한 최적화 문제로 분류된다. 본 소프트웨어는 이러한 현실적 제약 조건을 정량적으로 반영하고 문제를 수학적으로 정식화함으로써, 기존 경험적 방식에 의존하던 계획 수립 과정을 체계적이고 재현 가능한 방식으로 전환하는 데 기여할 수 있을 것으로 보인다.
특히 본 소프트웨어는 계획 수립 과정과 결과를 직관적으로 이해할 수 있도록 Unity 기반의 3D 시뮬레이션 UI/UX를 제공한다. 사용자는 시뮬레이션 화면을 통해 각 선박의 안벽 배치, 작업 진행 상황, 대체 시나리오 등을 시각적으로 비교·분석할 수 있다. 이러한 인터페이스는 계획 수립 담당자뿐 아니라 경영진·현장 관리자 등 다양한 이해관계자들이 동일한 정보를 공유하고 의사결정에 참여할 수 있도록 지원하여, 본 소프트웨어의 실제 현장 적용성을 크게 향상시킬 수 있을 것으로 기대된다.
