기지/창 계획정비와 불시 결함발생에 따른 항공기 불가동 최소화를 위해 장착엔진에 추가로 보유하는 엔진이 예비엔진으로 항공기의 적정 가용도 달성을 통한 군사력 유지에 핵심적인 중요성을 지닌다. 본 연구의 목적은 다양한 군용항공기의 유형을 고려한 예비엔진/모듈의 최적 소요를 산출하는 방법을 제시하는 것이다. 먼저, 이 분야의 대표적 접근법인 METRIC과 메타모형에 대하여 각각의 개념, 특징 및 제한사항을 고찰하고 본 연구에서의 접근 방향을 제시하였다. 다음으로, 다양한 군용항공기에 대한 검토를 수행하고 이들을 총 5가지 유형으로 분류하였다. 유형별 계획, 비계획 정비에 대한 상세 분석을 기반으로 관련된 변수와 파라메터들을 도출하였다. 본 문제의 복잡성으로 인해 수식을 이용한 최적해의 도출이 불가능하며, 기지/야전/창 등의 정비로직을 분석한 후 ARENA 기반의 시뮬레이션과 OptQuest를 이용하여 최적소요를 산출하였다. 개발된 시뮬레이션 모델이 일련의 사례들을 통하여 최적해를 효율적으로 도출할 수 있음을 보였다.
기지/창 계획정비와 불시 결함발생에 따른 항공기 불가동 최소화를 위해 장착엔진에 추가로 보유하는 엔진이 예비엔진으로 항공기의 적정 가용도 달성을 통한 군사력 유지에 핵심적인 중요성을 지닌다. 본 연구의 목적은 다양한 군용항공기의 유형을 고려한 예비엔진/모듈의 최적 소요를 산출하는 방법을 제시하는 것이다. 먼저, 이 분야의 대표적 접근법인 METRIC과 메타모형에 대하여 각각의 개념, 특징 및 제한사항을 고찰하고 본 연구에서의 접근 방향을 제시하였다. 다음으로, 다양한 군용항공기에 대한 검토를 수행하고 이들을 총 5가지 유형으로 분류하였다. 유형별 계획, 비계획 정비에 대한 상세 분석을 기반으로 관련된 변수와 파라메터들을 도출하였다. 본 문제의 복잡성으로 인해 수식을 이용한 최적해의 도출이 불가능하며, 기지/야전/창 등의 정비로직을 분석한 후 ARENA 기반의 시뮬레이션과 OptQuest를 이용하여 최적소요를 산출하였다. 개발된 시뮬레이션 모델이 일련의 사례들을 통하여 최적해를 효율적으로 도출할 수 있음을 보였다.
Spare engine plays an important role for securing readiness of military strength during unexpected fault occurrences and field/depot planned maintenances. The purpose of this research is to present an approach towards the optimal number of spare engines/modules for diversity of aircraft types. We fi...
Spare engine plays an important role for securing readiness of military strength during unexpected fault occurrences and field/depot planned maintenances. The purpose of this research is to present an approach towards the optimal number of spare engines/modules for diversity of aircraft types. We first reviewed two representative approaches, METRIC and meta model. We then investigated military aircrafts and categorized them into 5 types with regard to the engine type and number of engines/modules per aircraft. Through rigorous investigation of planned/non-planned maintenance of each type, we drew parameters and variables involved. As known, due to the complexity of the problem, it is impossible to develop a simple mathematical model with a closed form solution. Based on the airbase operation and maintenance logic with parameters/variable drawn, we developed a simulation model using ARENA well representing real field exercises. For the optimal solution, we applied OptQuest. It has shown that the program developed generates reliable results through a set of case examples.
Spare engine plays an important role for securing readiness of military strength during unexpected fault occurrences and field/depot planned maintenances. The purpose of this research is to present an approach towards the optimal number of spare engines/modules for diversity of aircraft types. We first reviewed two representative approaches, METRIC and meta model. We then investigated military aircrafts and categorized them into 5 types with regard to the engine type and number of engines/modules per aircraft. Through rigorous investigation of planned/non-planned maintenance of each type, we drew parameters and variables involved. As known, due to the complexity of the problem, it is impossible to develop a simple mathematical model with a closed form solution. Based on the airbase operation and maintenance logic with parameters/variable drawn, we developed a simulation model using ARENA well representing real field exercises. For the optimal solution, we applied OptQuest. It has shown that the program developed generates reliable results through a set of case examples.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이는 본 연구에서 얻고자 하는 최종 결과이다. 그러나, 때때로 얻어진 최적해가 실제의 의사결정에서 수용되지 못하거나 최적해 주변의 추가적인 가능해(feasible solution) 들을 검토하고자 할 수 있다. 비용 외에 가용도가 특히 중요하게 고려될 수 있으며 이의 중요도 정도에 따라 여러 가능한 해들 중 적절한 해를 선택할 수도 있을 것이다.
본 연구에서는 공군전력의 핵심인 다양한 유형의 항공기들에 대한 예비 엔진 및 모듈의 최적 소요량 산출을 위한 방법을 제시하였다. 본 연구를 통하여 현재 및 향후 고려되는 대부분의 항공기 유형에 대한 최적 예비엔진 산출을 위한 기반이 마련되었다.
본 연구의 주된 목적은 군용항공기의 다양한 유형을 검토, 분류하고 유형에 따라 최적 예비엔진 수량 산출을 위한 효율적인 방법을 제시함에 있다. 연구 수행을 위하여 제 2절에서는 예비엔진 수량 산출과 관련한 대표적 모형인 METRIC(Multi-Echelon Technique for Recoverable Item Control) 모형과 메타모형에 대한 개념 및 특징 등을 고찰한다.
가설 설정
- 모든 계획 및 비계획 정비에 있어 2개 이상의 엔진 또는 모듈 등의 정비수요가 동시에 발생하지 않는다.
- 부대, 야전, 창 정비를 통한 모듈 및 엔진의 정비는 완벽하며 정비결과 불량은 없다.
- 엔진의 고장은 엔진자체 및 모듈에 의한 고장에서 기인하되 모듈에 의한 엔진 고장시 단 하나의 모듈에 기인한다.
- 정비자원의 고장은 발생하지 않는다. 즉, 부대, 야전, 창의 정비를 위한 설비/작업조는 전혀 고장나지 않으며 필요시 항상 가용하다.
- 항공기 비가동, 엔진 및 모듈의 저장 중에는 고장이 발생하지 않는다.
- 항공기 유형에 있어 단발은 1대, 쌍발은 2대, 그리고 다발은 4대의 엔진을 가정한다.
마지막 줄의 계획정비를 위한 정비주기에 있어서 해당사항이 없을 경우는 매우 큰 값(예, 1000000)을 입력하도록 하였다. Fig. 7의 다양한 확률변수 모수 값들에 대해서는 편의상 가정하였다.
Table 4의 유형별 특성은 적정 예비 엔진/모듈 수준을 위한 알고리듬 개발에 있어 변수 및 파라메터 도출에 중요한 기반을 제공한다. 본 연구에서는 엔진고장과 관련한 문제에 초점을 가지므로 항공기 자체의 고장인 비엔진 문제는 고려하지 않는다. 이제 항공기 유형별 정비체계를 근간으로 항공기 운영을 통한 가용도 산출을 위한 다양한 변수 및 파라메터들을 설정․정의하였다.
특별히, 계획 정비인 경우는 정비 후 모든 엔진과 모듈의 누적 비행시간/사이클이 0으로 초기화된다. 창의 수리자원 능력은 유한 또는 무한일 수 있으나 본 연구에서는 무한을 가정한다.
예제에서는 평균가용도 결과를 얻기 위하여 준비기간 240시간과 20년간 1회 시뮬레이션을 설정하였다. 하루를 8시간으로 가정하였기에 준비기간 240시간은 30일에 해당되며 이 기간 결과치를 제거하였다. 이들은 신뢰성 있는 결과 도출과 관련하여 중요하게 취급되어야 하는 사항이다.
제안 방법
본 연구의 주된 관점이 예비 엔진/모듈의 적정재고와 정비절차이며 크게, 완제형 엔진과 모듈형 엔진 그리고 단발형 엔진과 쌍발형 엔진 등의 유형으로 분류가 가능하다. 그러나, 본 연구에서는 기종의 특성 및 향후의 확장성을 고려하여 항공기 유형을 다음과 같이 5가지로 분류한다.
더욱이, 본 문제의 경우 다양한 확률변수가 포함되며 일반화하기 위해서는 여러 확률변수 함수를 모두 포함하여 모델링해야 한다. 둘째, 메타모형의 경우 문제의 핵심은 제약조건(메타 모형)의 결정인데 이를 위해서는 다양한 확률변수, 모수 값, 파라메터값들에 대한 특정 조합(들)을 중심으로 실험계획을 수립하고 각각에 대한 시뮬레이션 결과를 수집한 뒤 최종적으로 회귀분석을 통하여 제약인 가용도 수식을 도출한다. 문제는 고려할 수 있는 입력변수/파라메터 조합이 바뀔 경우 모든 과정을 다시 반복해야 한다는 점이다.
본 연구에서 평균가용도는 시간의 흐름에 따른 누적치이며 다양한 경우에 대한 실험을 통하여 시간의 진행에 따른 평균 가용도 결과를 검토한 결과 빠른 시간에 가용도의 변화가 특정 값에 도달하여 이후 매우 작은 변화를 가짐을 관측하였다. 또한 창 정비를 수행할 정도의 기간이 고려되어야하므로 수년 정도로도 만족 가능하나 다소 주관적 이지만 20년이라는 긴 기간을 고려하여 안정상태 시뮬레이션 특성을 반영하도록 하여 1회의 수행만으로 필요한 결과를 얻을 수 있도록 설계하였다.
제 3절에서는 고려되는 항공기 기종들 전반에 대하여 검토하고 이들을 본 연구에서 개발할 모형을 위해 재분류한다. 분류된 유형별로 정비 특성들을 검토한 후 수반되는 주요 파라메터들과 변수들을 식별․정의하고 시뮬레이션 모델을 작성한다. 제 4절에서는 작성된 모델을 중심으로 최적 예비엔진/모듈의 수량산출 방법을 논한다.
본 연구의 주된 목적은 군용항공기의 다양한 유형을 검토, 분류하고 유형에 따라 최적 예비엔진 수량 산출을 위한 효율적인 방법을 제시함에 있다. 연구 수행을 위하여 제 2절에서는 예비엔진 수량 산출과 관련한 대표적 모형인 METRIC(Multi-Echelon Technique for Recoverable Item Control) 모형과 메타모형에 대한 개념 및 특징 등을 고찰한다. 본 연구에서 다루는 문제는 내용의 복잡성으로 closed form의 해를 구하는 것이 불가능하다.
. 예제에서는 평균가용도 결과를 얻기 위하여 준비기간 240시간과 20년간 1회 시뮬레이션을 설정하였다. 하루를 8시간으로 가정하였기에 준비기간 240시간은 30일에 해당되며 이 기간 결과치를 제거하였다.
이들 각각은 완제형(공통) 및 모듈형으로 구분하였으며, 사용자의 편의를 위하여 변수명 보다는 각각의 의미를 통하여 입력할 수 있도록 하였다.
본 연구에서 다루는 문제는 내용의 복잡성으로 closed form의 해를 구하는 것이 불가능하다. 이런 이유로 최적화의 기법을 병합한 시뮬레이션 접근 방법을 적용하였다. 제 3절에서는 고려되는 항공기 기종들 전반에 대하여 검토하고 이들을 본 연구에서 개발할 모형을 위해 재분류한다.
대상 데이터
본 연구의 문제는 Figure 1과 같이 부대, 야전, 그리고 창의 3단계로 구성된다. 엔진 및 모듈의 재고는 야전에서 보유하며 부대와 창은 재고를 갖지 않는다.
최적해는 OptQuest를 통하여 산출하며, 편의상 예제를 통하여 설명하기로 한다. 예제는 유형 2인 모듈형 항공기, KF-16을 선정했으며 다음 Table 8에 선정된 항공기에 대한 기본적인 정보를 도시했다. 우리의 목표는 고려되는 운영조건하에서 엔진과 모듈의 최적 예비수량을 결정함이다.
이론/모형
LRU(Line Replaceable Unit) 및 SRU(Shop Replaceable Unit)에 의한 체계 고장이 가능하며, 이들의 수리교체와 적정재고를 고려하기 때문이다. METRIC 모형에서 최적해는 한계분석법(marginal analysis)을 이용하여 최적치를 산출한다.
본 연구와 관련한 또 다른 접근법은 메타모형 기반의 수리계획법의 적용이다. 메타모형은 다단계 수리시스템에서 최소의 비용을 가져오는 최적 예비/수리부품수의 결정 과정에서 가용도를 최대화하기 위한 기법으로 Madu 등(1992)에 의해 제시되었다.
본 연구의 시뮬레이션 프로그램은 ARENA 14.5를 이용하여 작성되었다. 세부 정비로직은 앞에서 설명한 바와 같으며 전체적인 프로그램 로직은 Figure 5와 같다.
성능/효과
불행히도 확률변수와 모수 값들을 포함한 파라메터들의 조합이 무수히 많으며 이 모든 조합에 대해 민감도를 분석하는 것은 본 연구의 수준을 넘는다. 다만, 간단한 검토를 통하여 가용도는 야전 정 비능력의 증가에 따라 향상됨이 확인되었다. 본 연구에서는 운용가용도를 고려하되 실제로 행정처리시간, 엔진/모듈의 창고 입출력시간, 창고로부터 정비소까지의 이동시간 등에 대한 상세 값들을 모두 고려하지는 않았으므로 실제의 가용도 값과는 차이가 있다.
연구 수행을 위하여 제 2절에서는 예비엔진 수량 산출과 관련한 대표적 모형인 METRIC(Multi-Echelon Technique for Recoverable Item Control) 모형과 메타모형에 대한 개념 및 특징 등을 고찰한다. 본 연구에서 다루는 문제는 내용의 복잡성으로 closed form의 해를 구하는 것이 불가능하다. 이런 이유로 최적화의 기법을 병합한 시뮬레이션 접근 방법을 적용하였다.
그러나, 본 논문은 특정 주어진 조건(조합)에 있어서의 안정상태가 아닌 수만가지 후보 조합들 대상의 최적해 탐색과정상 안정적인 결과를 의미하기에 조건들을 통한 최적해 탐색과정 상의 안정상태를 충족해야하는 관계로 이들 모두를 만족하는 준비기간 및 실행시간 대한 근거 제시는 어렵다. 본 연구에서 평균가용도는 시간의 흐름에 따른 누적치이며 다양한 경우에 대한 실험을 통하여 시간의 진행에 따른 평균 가용도 결과를 검토한 결과 빠른 시간에 가용도의 변화가 특정 값에 도달하여 이후 매우 작은 변화를 가짐을 관측하였다. 또한 창 정비를 수행할 정도의 기간이 고려되어야하므로 수년 정도로도 만족 가능하나 다소 주관적 이지만 20년이라는 긴 기간을 고려하여 안정상태 시뮬레이션 특성을 반영하도록 하여 1회의 수행만으로 필요한 결과를 얻을 수 있도록 설계하였다.
군용항공기는 전투기, 공중기동기, 감시통제기, 훈련기, 무인기, 헬리콥터 등으로 분류된다(양욱(2014)). 본 연구의 주된 관점이 예비 엔진/모듈의 적정재고와 정비절차이며 크게, 완제형 엔진과 모듈형 엔진 그리고 단발형 엔진과 쌍발형 엔진 등의 유형으로 분류가 가능하다. 그러나, 본 연구에서는 기종의 특성 및 향후의 확장성을 고려하여 항공기 유형을 다음과 같이 5가지로 분류한다.
다양한 입력 값들의 변화에 따라 즉시적으로 해를 검토하고자 함이 현업에서의 바램이다. 셋째, 본 문제에서는 단일 항공기가 아닌 모든 공군 항공기 유형을 고려하는 관계로 상기 두 방법의 적용은 매우 제한적이다.
상술한 두 접근법은 검증된 방법론으로서 높은 활용도를 보이고 있으나 본 연구의 목적을 고려하면 한계점을 갖고 있다. 첫째, METRIC 모형의 경우 목적함수가 노드들의 평균재고부족량 총 합을 최소화 하는 함수로서 자체가 근사값이며 이를 만족하는 해는 1회의 수식 평가가 아닌 반복적인 과정을 통하여 산출된다. 더욱이, 본 문제의 경우 다양한 확률변수가 포함되며 일반화하기 위해서는 여러 확률변수 함수를 모두 포함하여 모델링해야 한다.
본 연구의 확장으로 향후의 연구 주제들을 다음과 같이 제시한다. 첫째, 운영단계에서의 예비엔진 검토 및 구입 프로세스 정립이다. 현재는 초기 획득단계에서 필요한 예비 엔진/모듈들을 일괄 구입하며 운영단계의 추가적인 구입 절차는 마련되어 있지 않다.
후속연구
일반적으로 시뮬레이션 결과는 매회 다르기 때문에 여러 회 반복함이 권장된다. 그러나, 본 논문은 특정 주어진 조건(조합)에 있어서의 안정상태가 아닌 수만가지 후보 조합들 대상의 최적해 탐색과정상 안정적인 결과를 의미하기에 조건들을 통한 최적해 탐색과정 상의 안정상태를 충족해야하는 관계로 이들 모두를 만족하는 준비기간 및 실행시간 대한 근거 제시는 어렵다. 본 연구에서 평균가용도는 시간의 흐름에 따른 누적치이며 다양한 경우에 대한 실험을 통하여 시간의 진행에 따른 평균 가용도 결과를 검토한 결과 빠른 시간에 가용도의 변화가 특정 값에 도달하여 이후 매우 작은 변화를 가짐을 관측하였다.
본 연구에서는 공군전력의 핵심인 다양한 유형의 항공기들에 대한 예비 엔진 및 모듈의 최적 소요량 산출을 위한 방법을 제시하였다. 본 연구를 통하여 현재 및 향후 고려되는 대부분의 항공기 유형에 대한 최적 예비엔진 산출을 위한 기반이 마련되었다. 본 연구의 결과를 바탕으로 공군의 전평시 시나리오, 작전 등과의 연계 및 데이터를 이용한 프로그램의 활용을 통하여 공군의 업무에 좋은 활용이 기대된다.
본 연구를 통하여 현재 및 향후 고려되는 대부분의 항공기 유형에 대한 최적 예비엔진 산출을 위한 기반이 마련되었다. 본 연구의 결과를 바탕으로 공군의 전평시 시나리오, 작전 등과의 연계 및 데이터를 이용한 프로그램의 활용을 통하여 공군의 업무에 좋은 활용이 기대된다.
상술한 두 접근법은 검증된 방법론으로서 높은 활용도를 보이고 있으나 본 연구의 목적을 고려하면 한계점을 갖고 있다. 첫째, METRIC 모형의 경우 목적함수가 노드들의 평균재고부족량 총 합을 최소화 하는 함수로서 자체가 근사값이며 이를 만족하는 해는 1회의 수식 평가가 아닌 반복적인 과정을 통하여 산출된다.
항공기 유형이 여럿인 관계로 이들을 모두 설명하는 것은 어렵다. 이들 중 고정익 모듈형은 본 연구에서 다루는 핵심적인 유형으로 세부적인 정비로직을 고찰할 필요가 있다. 이를 통하여 쌍발, 다발 유형에 대해서도 동일한 방법으로 로직이 정의될 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
METRIC 모형이란?
METRIC은 부대(base)와 창(depot) 등 2단계 또는 그 이상의 다단계(multi-echelon) 정비보급체계에서 각 노드의 수리부품에 대한 평균재고부족량(EBO, Expected Back Orders)의 합을 최소화하는 적정재고수준을 결정하기 위해 Sherbrooke(1968)에 의해 처음 수립된 모형을 기반으로 발전하였다. 즉, 수리/보급 지원을 위해 부대 및 창 각 단계에서 특정 예비 수량을 재고로 유지할 경우 예상되는 단계별 기대부족량의 총 합을 최소화하기 위한 근사적 모형이다. 이에 추가로 다단계 부품 구조(indenture)를 갖는 경우는 더 복잡하다.
METRIC 모형에서 최적해를 구하는 방법은?
LRU(Line Replaceable Unit) 및 SRU(Shop Replaceable Unit)에 의한 체계 고장이 가능하며, 이들의 수리교체와 적정재고를 고려하기 때문이다. METRIC 모형에서 최적해는 한계분석법(marginal analysis)을 이용하여 최적치를 산출한다.
본 논문에서 최적화의 기법을 병합한 시뮬레이션 접근 방법을 적용한 이유는?
연구 수행을 위하여 제 2절에서는 예비엔진 수량 산출과 관련한 대표적 모형인 METRIC(Multi-Echelon Technique for Recoverable Item Control) 모형과 메타모형에 대한 개념 및 특징 등을 고찰한다. 본 연구에서 다루는 문제는 내용의 복잡성으로 closed form의 해를 구하는 것이 불가능하다. 이런 이유로 최적화의 기법을 병합한 시뮬레이션 접근 방법을 적용하였다.
참고문헌 (25)
군수관리단 (2011), 예비엔진/모듈 산출절차 정립 및 산출 결과.
김진호, 이상진, 정성태 (2014), 예비엔진 및 모듈 재고수준이 전시 운용가용도에 미치는 영향, 경영과학, 제31권, 1호, pp. 33-48.
양욱 (2014), KODEF 군용기 연감 2014-2015, 플래닛미디어.
우제웅 (2000), 항공기 예비기관/모듈 적정소요 산정모형연구, 국방정책연구 제49, pp.115-144.
유승낙 (2003), F-16 항공기 예비엔진 및 모듈 적정재고 수준 판단 연구, 석사학위논문, 국방대학교.
윤혁, 이상진 (2008), Vari-METRIC을 개선한 다단계 재고모형의 효과 측정, 경영과학, 제 28권, 제 1호, pp. 117-127.
이상진, 배주근, 김민규 (2010), 항공기 예비엔진 및 모듈 재고수준이 운용가용도에 미치는 영향, 품질경영학회, 제38권, 제3호, pp.333-339.
이순호 (2001), ARENA를 이용한 수리순환품목 적정재고수준 판단 모델 연구, 국방대학교.
Graves, S. C. (1985), A Multi-Echelon Inventory Model for a Recoverable Item with one-for-one Replacement, Management Science, vol., 31, pp. 1247-1256.
Hillestad, R. J. and Carrillo, M. J. (1980), Models and techniques for recoverable item, stockage when demand and the Repair Process are nonstaionary -part I: performance measurement, Rand Corporation Report No. N-1482-AF, The Rand Corporation, Santa Monica.
Hillestad, R. J. (1982), Dyna-Metric: Dynamic Multi-Echelon Technique for Recoverable Item Control, R-2785-AF, The Rand Corporation, Santa Monica.
Kruse, K. C. (1979), An Exact N Echelon Inventory Model: The Simple Simon Method, U.S. Army Research Office, Technical Report TR 79-2.
Lee, H. L. (1987), A multi-echelon inventory model for a repairable item with emergency lateral transhipments, Management Science, Vol. 31, pp. 1247-1256.
Laguna, M. (2011), OptQuest, Optimization of Complex Systems, Opttek Systems, Inc.
Madu, C. N. and Kuei, C. (1992), Simulation Metamodels of System Availability and Optimum Spare and Repair Units, IE Transactions, 99-104.
Mudstadt, J. (1973), A Model for a Multi-Item, Multi-Echelon, Multi-Indenture Inventory System, Management Science, vol. 20, pp. 472-481.
Slay, M. F. (1980), Vari-METRIC: An Approach to Modeling Multi-echelon Resupply when the Demand Process is Poisson with a Gamma Prior, Working paper, Logistics Management Institute, Washington, D.C.
Steans III, D. E. (1998), Logistics Simulations Metamodel for F404-GE-400 Engine Maintenance, Naval Postgraduate School.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.