첨단화된 무기체계는 화력이 증가하고 다양한 기능이 추가됐지만, 무기의 결함은 치명적인 결과를 초래할 수 있다. 따라서 군은 무기체계 개발 혹은 운용 시 발생하는 결함을 최소화하기 위해 품질향상의 필요성을 제기하고 있다. 최근 제조업에서는 품질 향상을 위해 품질 데이터를 활용한 빅 데이터 분석에 대한 연구가 활발히 이루어지고 있다. 방위산업도 품질향상을 위해 다양한 시도를 하고 있지만, 무기 체계 개발 단계에서는 데이터 수집이 어려운 특성으로 인해 합리적인 품질분석이 불가능하다. 따라서 본 논문은 후속군수지원 단계의 데이터를 활용하여 무기체계와 부대에 대한 결함 유형을 분석한다. 후속군수지원 데이터는 전력화 이후에 수집되는 데이터로써 무기체계를 사용하는 부대들의 정비 요청에 관한 정보를 포함한다. 이러한 정보를 통해 본 연구는 무기체계의 결함에 영향을 미치는 변수들을 선택하고, 선택된 변수들에 대한 분석을 수행한다. 이러한 분석 결과는 무기개발 시 고려해야할 중요한 요인들을 찾고, 이를 반영한 무기체계 품질향상 방법론을 제안한다. 이 방법론은 무기체계 개발 기간을 단축시키고, 결함을 줄여 품질향상에 도움이 될 것으로 기대한다.
첨단화된 무기체계는 화력이 증가하고 다양한 기능이 추가됐지만, 무기의 결함은 치명적인 결과를 초래할 수 있다. 따라서 군은 무기체계 개발 혹은 운용 시 발생하는 결함을 최소화하기 위해 품질향상의 필요성을 제기하고 있다. 최근 제조업에서는 품질 향상을 위해 품질 데이터를 활용한 빅 데이터 분석에 대한 연구가 활발히 이루어지고 있다. 방위산업도 품질향상을 위해 다양한 시도를 하고 있지만, 무기 체계 개발 단계에서는 데이터 수집이 어려운 특성으로 인해 합리적인 품질분석이 불가능하다. 따라서 본 논문은 후속군수지원 단계의 데이터를 활용하여 무기체계와 부대에 대한 결함 유형을 분석한다. 후속군수지원 데이터는 전력화 이후에 수집되는 데이터로써 무기체계를 사용하는 부대들의 정비 요청에 관한 정보를 포함한다. 이러한 정보를 통해 본 연구는 무기체계의 결함에 영향을 미치는 변수들을 선택하고, 선택된 변수들에 대한 분석을 수행한다. 이러한 분석 결과는 무기개발 시 고려해야할 중요한 요인들을 찾고, 이를 반영한 무기체계 품질향상 방법론을 제안한다. 이 방법론은 무기체계 개발 기간을 단축시키고, 결함을 줄여 품질향상에 도움이 될 것으로 기대한다.
Although advanced weapon system weapons with high-performance and various functions have been developed, weapon defects can be fatal in the weapons industry. Therefore, the army requires quality improvement to reduce the number of defects which occur during both the development and operation of the ...
Although advanced weapon system weapons with high-performance and various functions have been developed, weapon defects can be fatal in the weapons industry. Therefore, the army requires quality improvement to reduce the number of defects which occur during both the development and operation of the weapon system. Recently, many manufacturers, including weapons manufacturers, have conducted analyses using defect related big-data in order to improve the quality. However, there have been few data analyses, because it is difficult to obtain the data required for the analysis of the development phase. Therefore, this study summarizes the pattern of the weapon system, military organization, and defect types using the actual data of the Post-Logistics Support (PLS) phase. The PLS data, which is referred to as the data collected after force integration, includes information on requests for maintenance. Through this information, this study selects key variables and analyzes the selected variables. The analysis results show the critical factors to be considered during the development phase. Finally, this study proposes a framework for advanced PLS systems using the PLS data. The proposed framework enables the development time of weapon systems to be further shortened and their quality to be improved.
Although advanced weapon system weapons with high-performance and various functions have been developed, weapon defects can be fatal in the weapons industry. Therefore, the army requires quality improvement to reduce the number of defects which occur during both the development and operation of the weapon system. Recently, many manufacturers, including weapons manufacturers, have conducted analyses using defect related big-data in order to improve the quality. However, there have been few data analyses, because it is difficult to obtain the data required for the analysis of the development phase. Therefore, this study summarizes the pattern of the weapon system, military organization, and defect types using the actual data of the Post-Logistics Support (PLS) phase. The PLS data, which is referred to as the data collected after force integration, includes information on requests for maintenance. Through this information, this study selects key variables and analyzes the selected variables. The analysis results show the critical factors to be considered during the development phase. Finally, this study proposes a framework for advanced PLS systems using the PLS data. The proposed framework enables the development time of weapon systems to be further shortened and their quality to be improved.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 효율성과 비용절감에 초점을 둔 TLCSM은 하나의 무기체계의 설계, 개발, 시험 전반에 걸쳐 집중적으로 관리하는 장점이 있지만, 전투배치 이후 장비의 결함에 대한 원인 분석과 피드백에는 한계가 있다. 따라서 본 연구는 후속군수지원 DB(Data Base)를 활용하여 무기체계의 개발단계를 위한 유의미한 정보를 획득하고자 한다. 또한, 획득한 정보는 무기체계 개발 프로세스에 활용하여 무기체계 개발 시 품질 향상하는데 기여할 수 있다[15].
개발 이후 실질적 전력화 이후의 불량에 대한 이력 관리는 추후 연구개발의 신뢰도 향상, 불량률 감소, 적절한 부품 사용 및 개발 간의 효율성 향상을 위해 필수적이다. 따라서 본 연구는 후속군수지원의 결함 데이터의 분석 가능성을 확인하기 위해 데이터 분석의 기초 절차를 통한 데이터 분석 프레임워크를 제안한다.
본 논문은 후속군수지원의 결함 데이터를 분석하여 부대, 무기체계, 결함원인에 대한 빈도 분석을 통한 품질향상 방법론을 제안하였다.
가설 설정
하지만 본 연구는 데이터 분석을 통해 현재 정비이력 관리 시스템의 한계점을 파악하고, 데이터 수집과 분석의 필요성을 확인하였다. 따라서 제안하는 절차를 통해 정비이력 관리를 지속적으로 유지함에 따라 효율적·장기적인 무기체계 품질 향상의 효과를 얻을 것이다. 또한 기존 DB로부터의 결함 데이터를 활용한 분석을 통해 새로운 무기체계 개발에 적용하여 국내 방위 산업의 신뢰성을 향상시키고 무기산업의 발전에 기여할 것으로 기대한다.
둘째, 무기체계의 첨단화에 따른 정비능력 구비에 한계가 있고, 정비비용의 상승으로 운영 유지에 어려움을 겪고 있다. 셋째, 현재의 획득전문기관이 획득 중심으로 사업관리가 이루어져 운영유지에 대한 관심이 저조하다. 또한 획득과 운영부서의 이원화로 인해 소요제기부터 폐기까지의 업무 연계성이 미흡하다.
제안 방법
따라서 본 연구는 무기체계의 후속군수지원 데이터를 Fig.1의 지식발견 절차의 데이터 선택(Selection), 변환(Transformation), 해석(Interpretation) 과정에 적용하여 무기 개발에 유용한 정보를 추출한다.
따라서 본 연구는 수집된 DB 중 전투준비태세에 가장 치명적인 피해를 끼칠 수 있는 필드불량데이터를 선정하여 지식발견 절차를 통해 분석을 수행했다. 분석 절차는 다음과 같다.
대상 데이터
4의 X축은 부대명을 나타내고, 각 Y축은 불량형태에 대한 빈도수를 나타낸다. 따라서 전처리 과정을 거친 최종 분석 데이터는 전체 부대에서 결함빈도가 높은 8개(M7, M8, M9, M11, M12, M19, M20, M22)의 부대에 대한 무기체계와 4개(기타, 설계불량, 운용미숙, 자재 불량)의 결함원인을 주요 변수로 선정했다.
본 논문에서 활용된 데이터는 2011년부터 2014년까지 4년간의 무기체계 필드불량으로 인한 수리 요청 데이터이다. 이는 각 부대와 정비창에서 수리가 불가한 품목에 대하여 제작업체에서 직접 수리하고, 접수일· 제조년도· 요청부대· 무기체계· 결함원인 등을 입력한 DB이다.
성능/효과
결과적으로 제안하는 방법론은 앞서 언급한 분석 절차를 통해 유용한 정보를 추출하여 무기체계의 중요한 결함원인들을 분석하고, 반복적인 결함을 보이는 무기체계들을 보유한 부대 정보를 얻을 수 있다. 따라서 새로운 무기체계 개발 시 결함요소를 사전에 차단함으로써 무기체계의 품질향상에 도움이 될 것이다.
후속연구
이를 통해 정비이력관리 시스템은 효율적인 변수활용과 결함원인 분석을 위한 구체적인 표준을 확립할 수 있을 것으로 예상된다. 결과적으로 무기체계 개발 시 충분한 데이터와 고도화된 데이터 분석 기법의 적용은 무기체계 전체의 품질 개선을 위해 효과적으로 활용될 수 있을 것이다.
2와 같이 개발→운용→정비→DB→PLSA(데이터분석)→개발 순서의 새로운 형태의 무기체계 프레임워크를 갖춘다. 따라서 제안하는 방법론은 지속적인 결함데이터 추적 및 패턴분석을 통해 무기체계 품질향상에 큰 도움이 될 것이다.
따라서 제안하는 절차를 통해 정비이력 관리를 지속적으로 유지함에 따라 효율적·장기적인 무기체계 품질 향상의 효과를 얻을 것이다. 또한 기존 DB로부터의 결함 데이터를 활용한 분석을 통해 새로운 무기체계 개발에 적용하여 국내 방위 산업의 신뢰성을 향상시키고 무기산업의 발전에 기여할 것으로 기대한다.
추후 연구로는 수집된 데이터로부터 보다 유의한 정보를 추출하기 위해 예측 및 분류와 같은 데이터 마이닝 기법을 활용하여 결함원인에 유의한 영향을 주는 변수를 추출하고, 결함을 예측한다. 이를 통해 정비이력관리 시스템은 효율적인 변수활용과 결함원인 분석을 위한 구체적인 표준을 확립할 수 있을 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
대부분 ILS 업무는 무엇에 중점을 두고 다루는가?
또한 방위사업관리규정의 대부분 ILS 업무는 군수지원요소의 개발을 중점으로 다루고 있다. 후속군수지원은 상세내용을 다루지 않고 보장 관련사항, 수출 시 업무처리 절차만을 다루고 있는 현실이다.
국방개혁 2020에서 요요 재원을 판단한 결과는?
국방부는 국방개혁 2020을 통해 2020년까지 국방연구개발비 비중을 국방예산 대비 10%가 되도록 증가시킬 계획을 발표했다. 국방개혁 2020은 소요재원 판단 결과, 무기체계의 첨단화 및 고가화로 인해 획득비용뿐만 아니라 운영유지비용이 급격히 증가할 것으로 예상하고 있다. 또한, 강한 화력을 갖는 유도미사일, 헬리콥터, 전투기, 전차 등의 투자가 집중되고 있는 추세다[1].
군이 미기체계에 결함을 최소화하기 위해 품질향상의 필요성을 제기하는 이유는?
첨단화된 무기체계는 화력이 증가하고 다양한 기능이 추가됐지만, 무기의 결함은 치명적인 결과를 초래할 수 있다. 따라서 군은 무기체계 개발 혹은 운용 시 발생하는 결함을 최소화하기 위해 품질향상의 필요성을 제기하고 있다.
참고문헌 (16)
C. H. Park, A case study on calibration of computational model for a reasonable cost estimation of missile development program, Journal of Digital Convergence, 2014. 5
K. Y. Lee, S. M. Kim, E. S. Park, J. E. Park, G. H. Kim, A qualitative study on software ILS application : Comparison analysis of maintenance types in software and hardware, Journal of the Korea Academia-Industrial cooperation Society, vol.15, no.9, pp5726-5737, 2014. DOI: http://dx.doi.org/10.5762/KAIS.2014.15.9.5726
K. N. Lee, H. C. Lee, A Study on the Combined Decision Tree(C4.5) and Neural Network Algorithm for Classification of Mobile Telecommunication Customer, Journal of intelligent information systems, vol.9, no. 1, 2003.
W. H. Byun, K. H. Lee, S. H. Lee, H. Y. Kee, Demand Forecasts Analysis of Electric Vehicles for Apartment in 2020, vol.11, no. 3, 2012. 6
G. S. Min, J. W. Jung, I. C. Choi, A data mining based Methodology for Military Occupational Specialty Assignment, Military Operations Research Society of Korea, vol. 30, no. 1, 2004. 6
Y. J. Park, G. W. Jeon, A Demand Forecasting for Aircraft Spare Parts using ARIMA, Military Operations Research Society of Korea, vol. 34, no. 2, 2008. 8
K. Y. Kang, B. K. Yoon, An Effective Recruits Assignment Method for Early Job Adaptation of Air-munition Maintenance Airmen Using Data mining Technique, Military Operations Research Society of Korea, vol. 37, no. 1, 2011. 3
T. G. Lee, Military Terminology Dictionary, Ilwolbooks, 2012. 6
DAPA(Defense Acquisition Program Administration), Defense acquisition program administration regulation, 2014. 2
C. K. Chung, A Study on PBL(Performance Based Logistics) application for advanced ROK(Republic of Korea) logistic support, Kwangwoon University, 2013
J. B. Lee, A Study on Improving the Defense Acquisition Management System-With emphasis on TLCSM, Pusan National University, 2012. 2
Karl Pearson, F.R.S, Mathematical contributions to the theory of evolution. Dulau and Co, 1904
※ AI-Helper는 부적절한 답변을 할 수 있습니다.