선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구를 통해 KAAV의 주요 복구성 수리부속과 M/F장비의 재고수준이 운용가용도에 미치는 영향을 분석하여 이들의 최적 재고수준을 구하고자 하였다. 이를 위해 운용가용도 측정을 위한 시뮬레이션 모형을 제안하고 이를 다중 회귀모형 기반의 메타모델로 표현한 뒤 정수계획 모형과 결합하였다.
- 이러한 상황에서 본 연구는 현재 해병대에서 운용 중인 육 · 해상 기동장비 KAAV(Korea Assault Amphibious Vehicle)를 대상으로 시뮬레이션에 기반 한 수리부속 및 정비대체장비 재고수준이 운용가용도에 미치는 영향을 규명하기 위해 실시되었다.
가설 설정
- M/F장비는 다른 수리부속과 비용의 차이도 심할 뿐만 아니라 사업예산의 성격 또한 상이(장비 : 방위력개선비 / 수리부속 : 전력운영비)하기 때문에 이는 메타모델을 도출하여 운용가용도에 미치는 영향(회귀계수)까지만 확인했다. 둘째, 각 재고수준의 수량을 1개 ~ 10개 범위 내로 한정한다는 것이다. 셋째, 각 재고수준이 정수라는 것이다.
- 둘째, 각 재고수준의 수량을 1개 ~ 10개 범위 내로 한정한다는 것이다. 셋째, 각 재고수준이 정수라는 것이다. 이러한 제약식을 바탕으로 Excel 2016을 이용하여 정수계획 모형을 실행하였고, 결과는 Table 11과 같다.
- 첫째, 운용가용도에 영향을 미칠 수 있는 기타요소를 미고려 하였다는 것이다. 현실에서는 기상조건, 훈련 상황, 성능개량 / 개선 등 고장발생을 야기 시키는 기타 상황이 충분히 존재한다.
제안 방법
- Table 3에 요구되는 세부자료를 입력하기 위해 해군 장비정비정보체계와 야전부대 보유자료를 수집한 다음 RAM 분석을 시행하였다. 먼저 정비 종류별 시행횟수를 산출한 후 평균 장비 운용시간을 구하였으며, 이를 통해 MTBF와 MTBM을 구한 결과는 Table 4와 같다.
- Table 3의 순번 4 ~ 7 산출을 위해 장비정비정보체계의 정비지시서에 기록된 정비 소요시간을 대기시간과 정비시간으로 구분한 다음 적합도 검정 시행 후 확률분포를 추정하였다. 이 중 품목별 재생시간에 대한 확률분포 설정 결과는 Table 7과 같다.
- 해군 장비정비정보체계를 이용하여 KAAV에 대한 3년 간(’14 ~ ’16년)의 정비 실적을 수집하였다. 그리고 이를 정비 단계별 3가지(야전정비, 창정비, 야전 및 창정비) 유형으로 구분하였다. 이 중 야전 및 창정비 시 사용한 수리부속별 금액 순위는 Table 2와 같다.
- 셋째, 모델의 각 단계에 소요되는 시간을 입력하기 위해 연구대상 6개 품목의 정비실적을 바탕으로 RAM 분석을 시행하여 MTBF(Mean Time Between Failure), MTBM(Mean Time Between Maintenance), Mct(Mean Corrective Maintenance Time), Mpt(Mean Preventive Maintenance Time), LDT(Logistics Delay Time)등을 산출했다. 넷째, 품목별 재고수준을 다르게 한 100개의 시나리오를 구성하여 시뮬레이션을 실행했다. 다섯째, 결과 값을 바탕으로 운용가용도를 종속변수로, 각 품목별 재고수준을 독립변수로 한 다중 회귀분석을 통해 메타모델 식을 구하였다.
- 다음은 계획정비와 비계획정비로 정비유형을 구분하여 분석했다. 앞에서 지정한 5품목의 복구성 수리부속은 계획정비 시 고장이 발견되는 경우가 전체의 9.
- 연구방법을 간략히 언급하면, 먼저 연구범위를 선정하기 위해 현재 해병대에서 보유 중인 KAAV 000대에 대한 3년간의 정비실적을 바탕으로 고비용 복구성 수리부속 5품목과 정비대체장비를 연구대상으로 선정했다. 둘째, 시뮬레이션 실행을 위해 현재 운용 중인 정비 / 보급지원체계를 반영한 모델을 구축했다. 셋째, 모델의 각 단계에 소요되는 시간을 입력하기 위해 연구대상 6개 품목의 정비실적을 바탕으로 RAM 분석을 시행하여 MTBF(Mean Time Between Failure), MTBM(Mean Time Between Maintenance), Mct(Mean Corrective Maintenance Time), Mpt(Mean Preventive Maintenance Time), LDT(Logistics Delay Time)등을 산출했다.
- 먼저, 재생정비 대기시간만을 해당 비율만큼 감소시킨 후 각 품목별 재생정비시간 확률분포의 변화 값을 구하였으며, 이 중 1개 품목(패널, 기구용)의 결과 값을 대표로 나타내면 Table 12와 같다. 여기서 재생정비시간 확률분포는 적합도 검정 결과에 따라 최소자승오차가 최소가 되는 분포를 선정함에 따른 것이다.
- 둘째, 시뮬레이션 실행을 위해 현재 운용 중인 정비 / 보급지원체계를 반영한 모델을 구축했다. 셋째, 모델의 각 단계에 소요되는 시간을 입력하기 위해 연구대상 6개 품목의 정비실적을 바탕으로 RAM 분석을 시행하여 MTBF(Mean Time Between Failure), MTBM(Mean Time Between Maintenance), Mct(Mean Corrective Maintenance Time), Mpt(Mean Preventive Maintenance Time), LDT(Logistics Delay Time)등을 산출했다. 넷째, 품목별 재고수준을 다르게 한 100개의 시나리오를 구성하여 시뮬레이션을 실행했다.
- 5를 사용하였고, 실행기간은 장비 수명기간인 20년으로 지정하였다. 시뮬레이션 반복횟수 설정을 위해 10개 시나리오를 무작위로 선정하여 각 시나리오별 500회의 반복 실행을 거친 후 누적된 평균가용도가 몇 회가 지났을 때부터 안정상태(Steady State)에 이르는 지를 비교하였다. 그 결과 Fig.
- 본 연구를 통해 KAAV의 주요 복구성 수리부속과 M/F장비의 재고수준이 운용가용도에 미치는 영향을 분석하여 이들의 최적 재고수준을 구하고자 하였다. 이를 위해 운용가용도 측정을 위한 시뮬레이션 모형을 제안하고 이를 다중 회귀모형 기반의 메타모델로 표현한 뒤 정수계획 모형과 결합하였다.
- 해당 연구를 수행하며 복구성 품목의 재생정비를 위한 가용 정비인력 부족, 정비계획 미반영 등의 이유로 재생정비 대기시간이 장기간 소요된다는 특성을 식별하였다. 이에 따라, 각 복구성 품목의 재생정비 대기시간이 원래 값에서 80 %, 60 %, 40 % 수준으로 감소할 때 메타모델 및 정수계획 모형 결과는 어떻게 변화하는 지에 대해 민감도 분석을 실시했다.
- 정비교범, 실무자 의견 등을 바탕으로 정비종류(비계획 야전정비, 계획 야전정비, 계획 군직 창정비, 계획 외주 창정비)에 맞게 연구대상 품목이 정확한 흐름을 유지할 수 있도록 Fig. 1과 같이 시뮬레이션 모형을 구성했다.
- 정수계획 모형[10] 실행을 위해 먼저 각 품목별 단가와 수량의 곱의 합인 총 비용이 최소(Minimize Cost)가 되어야 한다는 목표함수식을 제시한 다음 총 3가지의 제약식을 설정하였다. 첫째, 위에서 도출한 메타 모델 식의 종속변수인 운용가용도가 95 %를 초과해야 한다는 것이다.
- 해당 연구를 수행하며 복구성 품목의 재생정비를 위한 가용 정비인력 부족, 정비계획 미반영 등의 이유로 재생정비 대기시간이 장기간 소요된다는 특성을 식별하였다. 이에 따라, 각 복구성 품목의 재생정비 대기시간이 원래 값에서 80 %, 60 %, 40 % 수준으로 감소할 때 메타모델 및 정수계획 모형 결과는 어떻게 변화하는 지에 대해 민감도 분석을 실시했다.
대상 데이터
- 그리고 이때 M/F장비는 계획정비 대상장비와 1:1로 교체 운용되고 있기 때문에 계획정비와 연계하여 운용가용도에 가장 큰 영향을 미치는 품목으로 볼 수 있다. 결국 연구대상은 5개 복구성 수리부속과 M/F장비를 포함하여 총 6개 품목으로 선정하였다.
- 시뮬레이션을 위한 프로그램[8]은 ARENA 14.5를 사용하였고, 실행기간은 장비 수명기간인 20년으로 지정하였다. 시뮬레이션 반복횟수 설정을 위해 10개 시나리오를 무작위로 선정하여 각 시나리오별 500회의 반복 실행을 거친 후 누적된 평균가용도가 몇 회가 지났을 때부터 안정상태(Steady State)에 이르는 지를 비교하였다.
- 연구방법을 간략히 언급하면, 먼저 연구범위를 선정하기 위해 현재 해병대에서 보유 중인 KAAV 000대에 대한 3년간의 정비실적을 바탕으로 고비용 복구성 수리부속 5품목과 정비대체장비를 연구대상으로 선정했다. 둘째, 시뮬레이션 실행을 위해 현재 운용 중인 정비 / 보급지원체계를 반영한 모델을 구축했다.
- 해군 장비정비정보체계를 이용하여 KAAV에 대한 3년 간(’14 ~ ’16년)의 정비 실적을 수집하였다.
- 이에 반해 나머지 5개 품목은 다소요 / 저비용 비복구성 수리부속에 해당한다. 해당 논문에서는 적은 수량으로도 비용과 운용가용도에 많은 영향을 미치는 5개의 복구성 수리품목을 연구대상으로 지정하였다.
데이터처리
- 넷째, 품목별 재고수준을 다르게 한 100개의 시나리오를 구성하여 시뮬레이션을 실행했다. 다섯째, 결과 값을 바탕으로 운용가용도를 종속변수로, 각 품목별 재고수준을 독립변수로 한 다중 회귀분석을 통해 메타모델 식을 구하였다. 마지막으로 메타모델과 재고확보 예산을 제약식으로 한 정수계획 모형을 실행한 뒤 목표 운용가용도 달성조건을 충족하는 최적 재고수준을 산출했다.
- 메타모델 실행 분석도구는 Excel 2016을 사용하였으며, 시뮬레이션에서 도출한 100개 시나리오 값을 입력 하여 Table 9와 같은 다중 회귀분석 결과 값을 산출하였다.
이론/모형
- 이번에는 결정계수의 큰 차이 없이 모든 회귀계수가 통계적으로 유의미한 것으로 해석되었다. 따라서 이를 메타모델로 설정하고 정수계획 모형에 적용하였다.
- 셋째, 각 재고수준이 정수라는 것이다. 이러한 제약식을 바탕으로 Excel 2016을 이용하여 정수계획 모형을 실행하였고, 결과는 Table 11과 같다.
성능/효과
- 이에 반해 KAAV 완성 장비 계획정비 횟수는 134회였고, 이는 절대로 무시할 수 없는 수치였다. 검토결과 운용가용도에 가장 많은 영향을 미치는 품목으로 M/F장비라는 해답을 얻을 수 있었다. M/F장비는 정비지원 시설에서 즉각적인 수리가 불가능하거나, 정비기간동안 정비대상 장비를 장기간 운용하지 못함으로써 임무수행에 지장을 초래하게 되는 것을 방지하기 위해 사용가능 장비와 사용불가 장비를 1:1로 교환해 주기 위한 정비 대치품을 의미한다.
- 시뮬레이션 반복횟수 설정을 위해 10개 시나리오를 무작위로 선정하여 각 시나리오별 500회의 반복 실행을 거친 후 누적된 평균가용도가 몇 회가 지났을 때부터 안정상태(Steady State)에 이르는 지를 비교하였다. 그 결과 Fig. 2와 같이 모든 결과가 100회 이전에 안정상태에 도달하는 것을 확인하였으며, 이에 따라 반복횟수를 100회로 설정하였다.
- 셋째, M/F장비는 완성장비 계획정비 발생 소요에 한해서만 지원한다. 넷째, 수리부속 재고수준은 10개 이하의 정수로 한정한다. 다섯째, 장비 수명주기 동안 고장빈도, 정비 기간, 행정 및 군수 지연시간 분포는 수집한 3년간의 실적과 동일하다.
- 넷째, 수리부속 재고수준은 10개 이하의 정수로 한정한다. 다섯째, 장비 수명주기 동안 고장빈도, 정비 기간, 행정 및 군수 지연시간 분포는 수집한 3년간의 실적과 동일하다.
- 이러한 연구방법은 비단 KAAV 뿐만 아니라 다른 종류의 장비까지 적용이 가능할 것이다. 둘째, M/F장비까지 연구대상으로 포함함에 따라 도출한 M/F장비의 회귀계수는 추후 신규장비 획득 등의 상황에서 M/F장비 소요 산출 시 참고자료로서 충분히 활용이 가능하다. 마지막으로 재생정비 대기시간 감소가 재고수준 감소 및 예산절감에 얼마나 기여할 수 있는 지 확인할 수 있었다는 점이다.
- 첫째, 연구대상 수리부속은 100 % 재생 가능하다. 둘째, 수리 부속 미교체 하에 발생하는 정비행위(주유, 조정 등)는 고장정비 발생 대상에서 제외한다. 셋째, M/F장비는 완성장비 계획정비 발생 소요에 한해서만 지원한다.
- 73 %나 증가할 수 있다는 것은 주목할 만하다. 둘째, 재생정비 대기시간의 감소 시 M/F장비의 회귀계수가 상승한다는 것이다. 재생정비 대기시간을 감소하지 않았을 때 M/F장비의 회귀계수는 0.
- 다섯째, 결과 값을 바탕으로 운용가용도를 종속변수로, 각 품목별 재고수준을 독립변수로 한 다중 회귀분석을 통해 메타모델 식을 구하였다. 마지막으로 메타모델과 재고확보 예산을 제약식으로 한 정수계획 모형을 실행한 뒤 목표 운용가용도 달성조건을 충족하는 최적 재고수준을 산출했다.
- KAAV 수리부속은 창정비 소요시간 중 정비대기시간이 대부분을 차지하고 있었다. 만약 이를 적절하게 관리한다면 보다 적은 양의 수리부속 재고만으로도 운용가용도 향상에 기여가 가능할 것으로 판단하였다.
- Table 13의 결과를 통해 두 가지의 뚜렷한 특성을 확인할 수 있었다. 먼저, 복구성 수리부속의 재생정비 기간이 감소하는 만큼 Y절편이 상당히 증가한다는 것이다. 특히 모든 품목의 재고수준이 0이라 하더라도 재생정비 대기시간이 40% 수준으로 감소한 다면 평균 운용가용도가 2.
- 분석결과 결정계수, 유의한 F-값 등 다른 통계량은 해당 분석이 통계적으로 유의미하다고 설명하고 있으나, 엔진 조립체의 P-값은 0.65로서 설정한 유의수준 0.05를 초과함에 따라 해당 분석이 유의미하다고 보기 힘든 것으로 해석되었다. 해당 결과를 볼 때, 수집한 데이터만을 가지고 엔진 조립체의 재고를 판단하기에는 제한이 있으며, 의사결정을 위해서는 더 많은 자료 수집이 필요하겠다.
- 하지만 계획정비는 계획된 일정에 따라 정비가 진행 되는 만큼 재생정비 대기시간이 0에 가깝기 때문에 다른 품목의 재생정비 대기시간이 감소하면 M/F장비의 회귀계수는 상승하게 된다. 분석결과 정비대기 시간이 40 % 수준일 경우에는 회귀계수가 0.2081로 2배 가까이 증가한 것을 확인 할 수 있었다. M/F 장비가 운용가용도에 미칠 수 있는 영향이 커질 수 있다는 것은 그만큼 그 역할이 중요하다는 것을 의미한다.
- 둘째, 수리 부속 미교체 하에 발생하는 정비행위(주유, 조정 등)는 고장정비 발생 대상에서 제외한다. 셋째, M/F장비는 완성장비 계획정비 발생 소요에 한해서만 지원한다. 넷째, 수리부속 재고수준은 10개 이하의 정수로 한정한다.
- 시뮬레이션 시행 결과, 각 품목의 재고가 1개씩 증가할 때마다 평균 운용가용도는 전반적으로 0.1 ~ 0.3%가 증가하는 것을 볼 수 있었다. 하지만, 필요 이상으로 재고수준을 늘린 경우에는 운용가용도가 더 이상 증가하지 않고 유지되는 경향도 식별되었다.
- 52 %였다. 예상보다 높은 수치였으나, 목표 운용가용도(95 %) 달성을 위해서는 재고수준을 높여가며 실험할 필요가 있었다.
- 재생정비 대기시간 감소 시 도출된 독립변수 각각의 결과는 P-값이 모두 통계적으로 유의하며, 결정계수 또한 0.975 이상으로 독립변수와 종속변수 간의 연관에 대한 타당성을 충분히 설명하고 있었다.
- 정수계획 모형을 실행한 결과 목표 운용가용도를 충족하기 위한 최소 비용은 약 8.61억원이 산출되었다. 해당 품목을 현재 군에서 보유 중인 비용으로 환산한 결과(30.
- 연구수행을 위한 가정사항은 다음과 같다. 첫째, 연구대상 수리부속은 100 % 재생 가능하다. 둘째, 수리 부속 미교체 하에 발생하는 정비행위(주유, 조정 등)는 고장정비 발생 대상에서 제외한다.
- 실행을 위해 먼저 각 품목별 단가와 수량의 곱의 합인 총 비용이 최소(Minimize Cost)가 되어야 한다는 목표함수식을 제시한 다음 총 3가지의 제약식을 설정하였다. 첫째, 위에서 도출한 메타 모델 식의 종속변수인 운용가용도가 95 %를 초과해야 한다는 것이다. 이 때 M/F장비의 재고수준은 현재 전력화 운용 중인 수량을 적용했다.
- 먼저, 복구성 수리부속의 재생정비 기간이 감소하는 만큼 Y절편이 상당히 증가한다는 것이다. 특히 모든 품목의 재고수준이 0이라 하더라도 재생정비 대기시간이 40% 수준으로 감소한 다면 평균 운용가용도가 2.73 %나 증가할 수 있다는 것은 주목할 만하다. 둘째, 재생정비 대기시간의 감소 시 M/F장비의 회귀계수가 상승한다는 것이다.
- 61억원이 산출되었다. 해당 품목을 현재 군에서 보유 중인 비용으로 환산한 결과(30.67억)와 비교하면 28.08 % 수준에 불과하며, 동일수준의 재고를 유지한다고 보면, 장기적으로는 22.06억원의 예산절감이 가능한 것으로 분석되었다.
후속연구
- 현실에서는 기상조건, 훈련 상황, 성능개량 / 개선 등 고장발생을 야기 시키는 기타 상황이 충분히 존재한다. 단순히 정비횟수 뿐만 아니라 기타 조건을 포괄적으로 반영한다면 보다 신뢰성 있는 연구 진행이 가능할 것이다.
- 둘째, 수리부속 이외에 정비대체장비(Maintenance Float, M/F)까지 연구대상 품목으로 지정했다는 점이다. 완성장비에 대한 계획정비는 전체 정비 중 가장 많은 비중을 차지하며, 이때 M/F장비는 운용가용도 향상을 위해 입고되는 장비와 즉각 교체 불출된다.
- 둘째, M/F장비까지 연구대상으로 포함함에 따라 도출한 M/F장비의 회귀계수는 추후 신규장비 획득 등의 상황에서 M/F장비 소요 산출 시 참고자료로서 충분히 활용이 가능하다. 마지막으로 재생정비 대기시간 감소가 재고수준 감소 및 예산절감에 얼마나 기여할 수 있는 지 확인할 수 있었다는 점이다.
- 8 %의 예산절감이 가능해 진다. 위 결과를 바탕으로 차후 정비대기시간 발생원인에 대한 정량적 분석이 이루어진다면 해당 수리부속 예산을 실제 어느 수준까지 절감할 수 있을 것인지 가늠할 수 있을 것이다.
- 먼저, 최초로 항공기가 아닌 육·해상 기동 장비를 대상으로 연구를 수행했다는 점이다. 이러한 연구방법은 비단 KAAV 뿐만 아니라 다른 종류의 장비까지 적용이 가능할 것이다. 둘째, M/F장비까지 연구대상으로 포함함에 따라 도출한 M/F장비의 회귀계수는 추후 신규장비 획득 등의 상황에서 M/F장비 소요 산출 시 참고자료로서 충분히 활용이 가능하다.
- 05를 초과함에 따라 해당 분석이 유의미하다고 보기 힘든 것으로 해석되었다. 해당 결과를 볼 때, 수집한 데이터만을 가지고 엔진 조립체의 재고를 판단하기에는 제한이 있으며, 의사결정을 위해서는 더 많은 자료 수집이 필요하겠다. 이에 따라 엔진 조립체의 재고수준을 독립변수에서 제외시킨 다음 남은 5개 변수를 가지고 다시 다중 회귀분석을 실시하였으며, 결과는 Table 10과 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.