[논문]작전부대의 인원편성 최적화를 위한 워게임 전투실험 방법에 대한 연구

이용빈; 염봉진

doi:10.9766/kimst.2011.14.3.423

작전부대의 인원편성 최적화를 위한 워게임 전투실험 방법에 대한 연구
A Study on Warfighting Experimentation for Organizing Operational Troops 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.14 no.3, 2011년, pp.423 - 431

이용빈 (한국과학기술원 산업 및 시스템 공학과) , 염봉진 (한국과학기술원 산업 및 시스템 공학과)

Abstract ▼ AI-Helper

Warfighting experimentation is an important process for identifying requirements against changing military environment and for verifying proposed measures for reforming military service. The wargame simulation experiment is regarded as one of the most effective means to warfighting experimentation, and its importance is increasing than ever. On the other hand, the results of wargame experiments could be unreliable due to the uncertainty involved in the experimental procedure. To improve the reliability of the experimental results, systematic experimental procedures and analysis methods must be employed, and the design and analysis of experiments technique can be used effectively for this purpose. In this paper, AWAM, a wargame simulator, is used to optimize the organization of operational troops. The simulation model describes a warfighting situation in which the 'survival rate of our force' and the 'survival rate of the enemy force' are considered as responses, 'the numbers of weapons in the squad' as control factors, and 'the uncontrollable variables of the battlefield' as noise factors. In addition, for the purpose of effective experimentation, the product array approach in which the inner and outer orthogonal arrays are crossed is adopted. Then, the signal-to-noise-ratio for each response and the desirabilities for the means and standard deviations of responses are calculated and used to determine a compromise optimal solution. The experimental procedures and analysis methods developed in this paper can provide guidelines for designing and analyzing wargame simulation experiments for similar warfighting situations.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

모델에서 사용되는 무기체계의 제원, 장비의 성능, 화기의 명중확률 등의 입력데이터 값들은 일반적으로 실제의 실험 결과가 아닌 전문가들의 경험과 교범 상의 정보를 바탕으로 획득한다. 따라서 입력 값의 불확실성이 존재하며 이를 해소하기 위한 대안으로 입력 데이터의 불확실성을 잡음변수로 실험에 포함시키는 방안을 고려 할 수 있다.
특성치는 전투와 직접적으로 관련이 있는 측도만을 중점적으로 선정하였다. 또한 최적조건을 결정함에 있어서는 발생 가능한 다양한 상황 하에서도 우수한 특성치를 유지할 수 있는 조건을 결정하는 것을 목표로 하였다. 아울러, 실험결과를 이용하여 변수와 특성치와의 관계를 정량적으로 모형화하여 활용할 수 있도록 하는 데에도 목표를 두었다.
본 논문에서는 미래의 일반 소총부대 인원편성을 결정하는 문제를 대상으로 실험계획 및 다특성 최적화 방법을 적용하여 최적 인원 조합에 대한 결과를 도출하였다. 워게임 모델로는 AWAM모델을 사용하였으며 실험은 전통적인 실험계획법의 바탕 위에 다구치가 제안한 직적배치(Product Array)를 채택하여 다양한 상황(잡음) 하에서도 산포가 작으면서 바람직한 특성치를 유지하는 조건을 찾는 것을 목표로 하였다.
본 연구에서는 워게임 실험의 특성을 고려한 전투 실험 절차를 제안하였으며, 이를 부대의 인원장비의 최적설계를 결정하는 전투실험 문제에 적용한 사례를 제시하였다.
또한 최적조건을 결정함에 있어서는 발생 가능한 다양한 상황 하에서도 우수한 특성치를 유지할 수 있는 조건을 결정하는 것을 목표로 하였다. 아울러, 실험결과를 이용하여 변수와 특성치와의 관계를 정량적으로 모형화하여 활용할 수 있도록 하는 데에도 목표를 두었다.
본 논문에서는 미래의 일반 소총부대 인원편성을 결정하는 문제를 대상으로 실험계획 및 다특성 최적화 방법을 적용하여 최적 인원 조합에 대한 결과를 도출하였다. 워게임 모델로는 AWAM모델을 사용하였으며 실험은 전통적인 실험계획법의 바탕 위에 다구치가 제안한 직적배치(Product Array)를 채택하여 다양한 상황(잡음) 하에서도 산포가 작으면서 바람직한 특성치를 유지하는 조건을 찾는 것을 목표로 하였다.
호감도는 사용자가 정의하는 특성치의 바람직한 정도라고 할 수 있다. 호감도 함수를 이용한 방법의 원리는 실험결과 획득한 y_i 들이 목표치에 가까운 정도에 따라 특성치별 호감도(Individual Desirability) d_i 를 구하고 이를 종합한 종합호감도(Overall Desirability) D를 최대화시키는 것을 목표로 최적조건을 선정 하는 것이다. 호감도 함수를 이용한 접근방법의 장점은 호감도를 산출하는데 필요한 가중치를 사용자가 정의하기 때문에 실제 현장의 요구사항을 유연하게 충족시켜줄 수 있으며 개념적으로 단순하다는 것이다.

가설 설정

셋째, 상황 및 시나리오의 불확실성이다. 워게임 모델에서 다룰 수 있는 상황과 시나리오의 경우의 수는 매우 다양하다.

제안 방법

본 논문에서는 직적배치방법을 사용하여 내측에 제어변수를, 외측에는 잡음변수를 배치하였다. 내측은 2수준 짜리 3개 변수에 대하여 2³ 완전요인배치로 구성 하였고 잡음변수는 L₈(2⁷) 직교표를 사용하여 외측에 배치하였다.
또한 그 밖의 워게임 내에서 전투원들의 세부행동에 대한 동작명세는 야전교범 상의 전술적 개념과 실제훈련 경험 등을 참고로 하여 구체화하였다.
본 논문에서는 ‘아군의 생존율’과 ‘적군의 생존율’ 두 개의 특성치를 측도로 선정하였다.
본 논문에서는 직적배치방법을 사용하여 내측에 제어변수를, 외측에는 잡음변수를 배치하였다. 내측은 2수준 짜리 3개 변수에 대하여 2³ 완전요인배치로 구성 하였고 잡음변수는 L₈(2⁷) 직교표를 사용하여 외측에 배치하였다.
본 실험에서는 아생존율 평균과 표준편차, 적생존율의 평균과 표준편차 총 4개 기준에 대한 개별호감도를 구한 후 이를 통합한 종합호감도를 최종측도로 사용한다. 또한 호감도의 획득을 위한 가중치 값은 전문가의 의견을 반영하여 Table 8과 같이 선정하였다.
이러한 요인들은 잡음변수로 반영하여 계획적인 변화를 가함으로써 좀 더 실제에 가까운 결과를 도출할 수 있다. 본 실험에서는 전문가 의견수렴 및 유효성 검토를 거쳐 최종적으로 6개의 잡음변수를 Table 3과 같이 도출하였다.
본 연구의 목적이 미래 소부대급 소총부대의 인원/장비 조합을 결정하는 것이므로 제어변수는 미래 분대의 주요화기인 차기 단일형소총, 차기 경기관총, 차기 복합소총으로 정하였으며 전문가 의견을 반영하여 세부 제원 값을 정하였다. 또한 최소 단위인 분대급 인원조합을 설계 대상으로 하였다.
부대의 규모는 기본적으로 적군과 아군 양쪽 진영 모두 1개 중대 급으로 규모를 정하였다. 실험목적이 아군 인원조합의 최적조건을 찾는 것이므로 대안에 따른 결과의 변화가 뚜렷하게 구별될 수 있도록 하는 것이 중요하며 예비실험을 통해 적절한 규모를 확정 하였다.
전장지형은 낮은 산지와 평지, 수풀지대, 마을, 도로 등을 포함한 한국의 일반적인 지형을 선정하였으며 지형에 의한 효과는 실험변수가 아니기 때문에 이를 최대한 상쇄시키기 위하여 3개 소대 별로 각각 상이한 지형을 부여하였다.
최소제곱추정법을 사용하여 회귀분석을 사용할 때 설계자는 1차 다항식부터 고차 다항식까지 다양한 형태를 고려할 수 있으나 본 연구에서는 제어변수 항 3개, 제어변수 간의 교호작용 항 3개, 잡음변수 항 6개 그리고 제어변수와 잡음변수 간의 교호작용 항 18개의 총 30개 항을 고려하였다. 30개항을 고려한 메타모델의 기본 구조식은 다음 식 (5)와 같다.

대상 데이터

따라서 전체의 합이 9명이 되는 8번 조건은 최적조건 선정 대상에서 제외하고, 나머지 조건(1번∼7번) 내에서 SN비에 의한 최적 조건을 선정하였다(Table 7 참조).
본 연구의 목적이 미래 소부대급 소총부대의 인원/장비 조합을 결정하는 것이므로 제어변수는 미래 분대의 주요화기인 차기 단일형소총, 차기 경기관총, 차기 복합소총으로 정하였으며 전문가 의견을 반영하여 세부 제원 값을 정하였다. 또한 최소 단위인 분대급 인원조합을 설계 대상으로 하였다. 변수의 가능한 값의 범위 및 실험의 효율성을 고려하여 수준은 2개로 정하였으며 제어변수와 수준 값은 Table 2와 같이 나타낼 수 있다.
따라서 적절한 범위 내에서 최적조건이 결정되어야 한다. 본 실험에서는 분대 전체의 인원의 합을 8명 이내로 제약하였다. 따라서 전체의 합이 9명이 되는 8번 조건은 최적조건 선정 대상에서 제외하고, 나머지 조건(1번∼7번) 내에서 SN비에 의한 최적 조건을 선정하였다(Table 7 참조).
본 실험의 기본 상황은 아군 지역에 침투한 적의 경보병 특작부대에 대하여 탐색격멸작전을 실시하는 상황으로 선정하였다.
본 연구에서 다루고 있는 문제는 전투효과를 기준으로 소부대급 인원장비편성의 미래대안을 선정하기 위한 것으로 대안의 대상은 보병 소부대급의 인원/장비의 편성이다. 특성치는 전투와 직접적으로 관련이 있는 측도만을 중점적으로 선정하였다.

데이터처리

실험결과에 대한 회귀분석(Regression Analysis)을 통해 실험에 사용된 입력변수(제어변수, 잡음변수)와 특성치간의 관계를 특정한 함수식으로 정리할 수 있다.

이론/모형

Table 5와 Table 6에서 평균과 산포에 대한 최적조건이 서로 다르기 때문에 이를 동시에 만족하는 하나의 최적조건을 선정하기 위해서는 다특성 최적화를 위한 방법이 필요하다. 본 연구에서는 평균과 산포를 동시에 만족시킬 수 있는 조건을 찾기 위해 SN비에 의한 방법과 호감도 함수(Desirability Function)에 의한 방법을 적용하여 최적조건을 선정하였다.

성능/효과

둘째, 다루는 변수(Factor) 및 수준(Level)의 종류와 수가 많고 복잡하다. 전장상황을 모의하는 대부분의 분석용 워게임 모델들은 적게는 수십 개에서 많게는 수천 개에 이르는 다양한 변수를 포함하며 입력 가능한 수준의 범위도 넓다.
Table 5에 기록한 값들은 반복실험 결과들의 평균값이고 Total mean은 모든 결과값의 평균, Total std는 모든 결과값의 표준 편차를 나타내며 괄호 안의 숫자는 순위를 나타낸다. 아생존율의 Total mean은 클수록 좋은 특성이므로 A₂B₂C₂조건이, Total std는 작을수록 좋은 특성이므로 A₂B₁C₁조건이 가장 우수한 결과를 나타냈다.
아생존율의 추정값이다. 위의 회귀 식에 대한 R² 값은 85.0%이며 AVOVA분석 결과 모델의 P값이 #으로 충분히 작고 잔차분석에서도 특이한 점을 발견할 수 없었으므로 시뮬레이션 결과를 비교적 잘 설명하고 있음을 알 수 있다. 따라서 식 (6) 을 아생존율 y 에 대한 메타모델로 채택할 수 있으며 이는 신속한 모의결과 도출 및 결과의 타당성 검증 등의 목적으로 유용하게 활용될 수 있다.

후속연구

일반적으로 전투실험을 실시함에 있어서 앞 단계에서 선정한 변수의 수준이나 시나리오 등이 적절하지 않거나 워게임 모의논리의 오류 등으로 전체 실험결과가 의도한 목적을 잘 보여주지 못하거나 상식 밖의 결과를 도출하게 될 가능성이 있다. 따라서 사전 유효성 검토를 통해 최초 선정한 계획 및 워게임 모의논리 상의 문제점을 분석하여 필요한 부분을 수정한 후 본 실험을 실시하는 것이 바람직하다.
그리고 바람직한 실험계획 및 분석방법은 한가지로 정형화 될 수 있는 것이 아니며 실제 적용하고자 하는 문제의 특징을 깊이 이해 한 후 그에 맞게 적절히 변형되어야 한다. 따라서 전투실험계획 및 분석 기법의 발전을 위해서는 다양한 실험문제(특히 대규모 문제)들에 대해 여러 가지 방법들을 적용한 사례들이 제시, 검토되어야 할 것이다. 이와 같은 연구를 수행하는데 있어 본 논문에서 제시한 개념과 기법, 즉 워게임 실험 절차, 잡음을 충실히 반영한 시뮬레이션, 그리고 다특성치에 대한 분석방법 등은 유용하게 활용될 수 있으리라고 판단된다.
따라서 전투실험계획 및 분석 기법의 발전을 위해서는 다양한 실험문제(특히 대규모 문제)들에 대해 여러 가지 방법들을 적용한 사례들이 제시, 검토되어야 할 것이다. 이와 같은 연구를 수행하는데 있어 본 논문에서 제시한 개념과 기법, 즉 워게임 실험 절차, 잡음을 충실히 반영한 시뮬레이션, 그리고 다특성치에 대한 분석방법 등은 유용하게 활용될 수 있으리라고 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	변수의 종류는 무엇이 있고 각각은 무엇을 의미하는가?	실험조건은 변수들의 수준 조합으로 구성된다. 변수는 제어변수(Controllable Factor)와 잡음변수(Uncontrollable Factor)로 구분할 수 있는데 제어변수는 실험자가 통제할 수 있으며 실험을 통해 바람직한 값을 결정 하고자 하는 변수를 말하며, 잡음변수는 특성치에 영향을 미친다고 여겨지나, 통제 할 수 없는 변수를 말한다. 변수 선정에 앞서 특성치에 영향을 미친다고 예상되는 모든 주요변수들을 열거하는 작업이 선행되어야만 한다.
	실험계획법이란 무엇인가?	실험계획법(Design of Experiments)은 체계적이고 효과적인 실험 수행을 통해 실험목적을 달성할 수 있도록 하는 방법론으로 전투실험 분야에도 적용이 가능 하다. 이를 통해 가능한 최소한의 실험으로 최대의 정보를 얻을 수 있으며 합리적인 통계적 결과를 제시함으로써 실험결과의 신뢰도를 높일 수 있다.
	워게임 실험결과의 신뢰도 향상을 위한 접근 방법은 무엇이 있는가?	워게임 실험결과의 신뢰도 향상을 위해서 크게 두가지 접근방법을 고려할 수 있다. 첫 번째는 워게임 모델의 예측력을 향상시키는 것이다. 이를 위해서는 모델의 모의논리 개발 뿐만 아니라 모델링 방법론의 개발, 모델의 타당성 검증방법 개발 등이 함께 이루어져야 한다. 현재 우리 군에서도 모델의 정확도(Fidelity) 및 정밀도(Resolution), 그리고 모델 간의 연동성 및 호환성을 높이기 위한 연구, 개발이 지속적으로 진행되고 있다. 두 번째 접근방법은 체계적인 실험방법과 절차를 통해 결과의 신뢰도를 높이는 방법이다. 일반적으로 워게임 실험결과의 신뢰도를 높이기 위해 첫 번째의 접근방법만을 생각하기 쉽지만, 실제 현장에서 제기되는 신뢰도 문제는 워게임 모델 자체 뿐만 아니라 실험과정의 불확실성에 기인한 경우도 많다. 워게임 실험의 특성 상 실무자가 어떻게 실험을 계획하고, 시나리오를 구성하여 분석하는가에 따라 결과물이 달라질 수 있기 때문에 모든 워게임 실험 결과에는 구체적인 실험절차와 제한사항, 가정사항, 결과의 오차 범위 등이 명시되어야 하며 최대한 객관적이고 과학적인 절차에 의해 실험이 수행되어야 한다. 그러나 현장에서는 실험예산의 부족, 시간의 부족, 인력의 부족 등 여러가지 제약이 존재하기 때문에 제한적인 여건 하에서도 체계적이고 효과적인 실험을 수행할 수 있도록 하기 위한 방법론의 개발은 필수적이다.

참고문헌 (9)

Bernard, P. Z., Herbert, P. and Kim, T. G., Theory of Modeling and Simulation, Academic Press, London, 2000.
Derringer, G. and Suich, R., "Simulation Optimization of Several Response Variables", Journal of Quality Technology, 12(4), pp. 214-219, 1980.

상세보기
Kunert, J., Auer, C., Erdbrugge, M., and Ewers, R., "An Experiment to Compare Taguchi's Product Array and the Combined Array", Journal of Quality Technology, 39(1), pp. 17-34, 2007.

상세보기
Montgomery, D. C., Design and Analysis of Experiment 6th Ed, John Wiley, Hoboken, NJ, 2005.
Montgomery, D. C., Peck, E. A. and Vining, G. G., Introduction to Linear Regression Analysis 4th Ed, John Wiley, Hoboken, NJ, 2006.
Myers, R. H. and Montgomery, D. C., Response Surface Methodology 2th Ed, John Wiley, Hoboken, NJ, 2002.
Shoemaker, A. C., Tsui, K. L. and Wu, C. F. J., "Economical Experimentation Methods for Robust Design", Technometrics, 33(4), pp. 415-427, 1991.

상세보기
김충영, 민계료, 하석태, 강성진, 최석철, 최상영, 군사OR 이론과 응용, 두남, 2004.
다구치, 품질설계를 위한 실험계획법, 품질공학강좌 4, 한국공업표준협회, 1989.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증