H
HandaroAIOne
HandaroAI One

글로벌 항만 인프라를 위한
AI 네이티브 운영 체제

코드가 클라우드 인프라 위에서 24시간 자율 동작 —사람의 노동력 없이 최적화를 실행합니다

Deep Reinforcement Learning 기반 T-CAG 항만 최적화  |  Enterprise SaaS & API 최적화 서비스

HandaroAI One - Live Dashboard (AS-IS)
AS-IS · Live Dashboard

AS-IS · Live Dashboard

HandaroAI One - Multi-Agent Consensus Hub (TO-BE AI)
TO-BE (AI) · Multi-Agent Hub

TO-BE (AI) · Multi-Agent Hub

32.3%

컨테이너 재처리 횟수 절감

547억원

부산항 연간 절감 잠재력

23h/7

사람 개입 없는 자율 운영

01 · Problem

항만 물류
비효율성의 도전

부산항은 세계적인 환적항이지만, 컨테이너 재처리(Rehandling) 및 야드 혼잡으로 인해 매년 막대한 운영 비용(OPEX)이 유출되고 있습니다.

₩500억+

부산항 연간 운영 비효율 규모 (추정)

비용 유출

불필요한 재처리 이동으로 연간 수백억 원의 시간 및 에너지 비용이 낭비됩니다.

생산성 한계

비효율적인 컨테이너 적재 정책으로 인해 터미널 처리 능력(CAPA)이 심각하게 제한됩니다.

미래 대응 시급

북극항로 물동량 증가에 대비하기 위한 지능형 AI 인프라 구축이 시급한 상황입니다.

02 · Solution

T-CAG Platform
항만 최적화 MVP

T-CAG (Terminal Capacity And Gain) 플랫폼은 AI를 통해 터미널 운영의 비효율을 제거하고 운영 이익(OPEX 절감)을 창출합니다.

T-CAG Yard Orchestrator

TYO · Rehandle Minimizer

컨테이너 재처리(Rehandle) 최소화 AI. '레고 블록 정리 문제'처럼, 입고 컨테이너의 출고 우선순위를 분석하여 가장 먼저 출고될 컨테이너가 밑에 깔리지 않도록 최적의 적재 위치를 결정합니다.

미래의 비용(재처리 페널티)을 예측하는 AI 의사결정 방식(Cost Function)을 사용하여 불필요한 작업을 미리 방지합니다.

T-CAG Core Engine

T-CAG Digital Twin

AI 학습 및 운영 환경

야드 전체(크레인, ITT 스케줄링)의 복잡한 운영 제약을 모델링하고, T-CAG TYO를 지속적으로 학습시키는 디지털 트윈 환경입니다. 전략적 의사결정을 위한 항만 시뮬레이터 역할을 수행합니다.

Port Digital Twin 3D View

3D 인터랙티브 뷰

Port Digital Twin Top View

평면 뷰 (실시간 상태)

T-CAG 핵심 성과

T-CAG TYO는 기존 Greedy 정책 대비 재처리 횟수를 혁신적으로 절감합니다.

총 이동 횟수
186175-5.9%
재처리 횟수
3423-32.4%
연간 절감 잠재력약 551억원
CAPA 증가 잠재력+9.3M TEU
수익 모델OPEX 절감 기반 Rev-Share

수익 모델

엔터프라이즈 SaaS 라이선싱 & API 기반 최적화 서비스 — 시스템이 클라우드 인프라 위에서 자율적으로 동작하며, 추가적인 인건비 없이 24시간 365일 지속적으로 가치를 창출합니다.

독점적 데이터 파이프라인

주요 항만 터미널의 독점적 실시간 데이터 파이프라인 — 전 세계 어디에도 없는 고유한 항만 T/O 운용 데이터. GPU 연산 및 BigQuery 수준의 클라우드 스토리지 인프라 활용.

03 · Roadmap

AI 파이프라인 &
미래 비전

T-CAG의 성공을 바탕으로, HandaroAI는 물류 시스템 전체를 아우르는 최종 비전을 완성합니다.

CURRENT
CURRENT · MVP
V1.0.0

T-CAG Platform

OPEX 절감을 위한 항만 최적화(Rehandle Minimum) 핵심 기술 완성. 3x5x5 환경에서 재처리 32.4% 절감 입증.

NEXT
V2.0.0

물류 최적화 솔루션

T-CAG 데이터 기반의 SCM 효율화 및 글로벌 수요 예측 연계. 항만 데이터를 활용한 공급망 전반의 최적화.

ULTIMATE
V3.0.0

항로 최적화 솔루션

DRL 기반 북극항로 및 해양 운송의 경제적 경로 결정 시스템 완성. 459.3km 단축 입증된 기술력 적용.

DRL Extreme Environment Test

DRL 기술력의 깊이

최고 난이도 환경(북극항로)에서 459.3 km 단축을 입증한 DRL Agent 트레이닝 환경. HandaroAI의 DRL 기술은 이미 최고 난이도의 환경에서 검증되었으며, 이 기술력이 T-CAG Platform에 적용되어 압도적인 성능을 보장합니다.

459.3 km
북극항로 운항 거리 단축
NSR-OptiNav DRL Agent
04 · Team

핵심 기술 팀
Architect

DRL 전문가와 항만 물류 도메인 전문가로 구성된 팀이 HandaroAI One을 만들어 갑니다.

이재성

CEO / DRL Engineer

Deep Reinforcement Learning 전문가. 항만 최적화 AI 아키텍처 설계 및 T-CAG 플랫폼 총괄.

DRLPythonPyTorch항만 물류

박민준

CTO / Backend Engineer

클라우드 인프라 및 백엔드 시스템 아키텍처 설계. 실시간 데이터 파이프라인 구축 담당.

CloudFastAPIBigQueryDevOps

김지현

AI Research Engineer

컨테이너 야드 시뮬레이션 환경 개발 및 DRL 에이전트 학습 파이프라인 최적화.

RLSimulationNumPyOpenAI Gym

HandaroAI

항만 물류 AI 스타트업 · 부산 기반 · 2024년 창업

파트너링 & 투자 문의

항만 물류의 미래를
함께 만들어 가세요

HandaroAI One은 항만 운영사, 터미널 운영사, 물류 기업과의 파트너십을 통해 글로벌 항만 인프라를 혁신합니다.