[논문]초계작전을 위한 공중급유기 적정 대수 산정 연구

박세훈; 정의창; 정제훈

doi:10.9709/jkss.2019.28.1.057

초계작전을 위한 공중급유기 적정 대수 산정 연구
A Study on the Optimal Number of Air Tanker for Patrol Operations 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.28 no.1, 2019년, pp.57 - 65

박세훈 , 정의창 (공군교육사령부) , 정제훈 (공군사관학교)

초록
AI-Helper

공중급유기는 앞으로 공군 작전의 효율성을 높여줄 것으로 기대되고 있다. 공중급유기의 도입으로 전투기의 항속 거리 및 항속 시간이 증가되어 작전 가능 시간이 향상될 것이라 기대되기 때문이다. 그러나 공중급유기를 도입하는데 천문학적인 비용이 들기 때문에 신중한 논의가 필요하지만 아직은 그러한 논의가 부족한 것이 실정이다. 따라서 본 연구에서는 ABM(Agent Based Modeling) 기법을 활용하여 초계작전 시 공중급유기의 적정 대수를 산정하고자 하였다. 시뮬레이션을 구현할 때 실제 대한민국 공군에서 운용하고 있는 항공기의 제원을 입력하여 시뮬레이션의 신뢰성을 높였다. 적정 대수를 산정하기 위한 최적화 툴로써 본 연구에서 사용한 시뮬레이션 툴에 내장되어 있는 OptQuest를 사용하였고 적정 대수 산정결과는 4대이다.

Abstract ▼ AI-Helper

Air refueling is expected to increase the efficiency of the air force operations. This follows from the introduction of air refueling aircraft, which should to increase operational time by increasing the range and duration of fighter jets. Despite the effectiveness of the air refueling air crafts, the astronomical costs of adapting the air tankers call for careful discussions on whether to acquire any air craft and if so, how many. However there is no academic study on the subject to our knowledge. Thus, we use the ABM(Agent Based Modeling) technique to calculate the optimal number of air tankers during patrol operation. We have enhanced the reliability of the simulation by entering the specifications of the current aircraft operated by the Korean Air Force. As an optimization tool for determining the optimal number of counts, we use OptQuest built into the simulation tools and show that the optimal number of air tanker is 4.

주제어

표/그림 (15)

표 Table 1. Fact Sheet of A330-MRTT and F-16
표 Table 2. Engine of A330-MRTT and F-16
그림 Fig. 1. Tanker Route(International Virtual Aviation Organization Data)
그림 Fig. 2. Coordinates of Base & Operation Positions
표 Table 3. SFC(Specific Fuel Consumption)
표 Table 4. Fuel Consume per Hour(Weight)
표 Table 5. Coordinate of Base & Operation Route
그림 Fig. 3. State Chart of Fighter Agent
그림 Fig. 4. State Chart of Fighter Agent
그림 Fig. 5. State Chart of Tower Agent
그림 Fig. 6. State Chart of Base Agent
그림 Fig. 7. Simulation Scene Screenshot
그림 Fig. 8. Daily Fuel Consumption Trends of Fighters
그림 Fig. 9. Optimization Process of OptQuest Screenshot
그림 Fig. 10. Result of Optimization Screenshot

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 공중급유기의 적정 대수를 산정을 위한 시뮬레이션 모델을 구현하기 위하여 항공기 제원, SFC(비 연료 소모율), 작전경로 및 기지 좌표 등의 자료들을 입력하였다. 하지만 실제 환경과 완전히 동일하게 시뮬레이션을 구현하는 것은 어려움이 따르기 때문에 다음과 같은 가정 사항을 설정하였다.
본 연구에서 공중급유기의 적정 대수를 산정하기 위한 성과지표로써 전투기 연료소모의 최소화를 설정하였다. 전투기 이․착륙 시에는 많은 연료가 소모된다.

가설 설정

본 연구에서 각 항공기는 최대 추력의 70%만큼만 사용한다고 가정하였으며, 이에 따라 A330-MRTT과 F-16 의 추력을 각각 약 50,400lb, 약 10,269lb으로 설정하였다. 전투기의 경우 이륙 시 더 큰 추력이 필요한데, 이륙 시 After Burner를 사용한 최대 추력인 23,830lb의 70%를 사용한다고 가정하여, 약 16,681lb으로 가정하였다.
본 연구에서 각 항공기는 최대 추력의 70%만큼만 사용한다고 가정하였으며, 이에 따라 A330-MRTT과 F-16 의 추력을 각각 약 50,400lb, 약 10,269lb으로 설정하였다. 전투기의 경우 이륙 시 더 큰 추력이 필요한데, 이륙 시 After Burner를 사용한 최대 추력인 23,830lb의 70%를 사용한다고 가정하여, 약 16,681lb으로 가정하였다. 이때 각 항공기의 SFC 단위를 lb에서 kg으로 환산(1lb = 0.
하지만 실제 환경과 완전히 동일하게 시뮬레이션을 구현하는 것은 어려움이 따르기 때문에 다음과 같은 가정 사항을 설정하였다. 첫 번째로 전투기의 작전을 초계작전으로만 한정하였다. 초계작전이란 일정한 선회 경로를 따라 상공에서 선회하여 적국이 어떠한 행동을 하는지 혹은 공격 조짐이 있는지를 감시하는 작전이다.

제안 방법

4의 값을 이용하여 각각의 항공기가 시간당 비 연료량을 계산하고, 단위 통일을 위하여 항공유 밀도를 고려하여 분당 소모하는 연료의 양을 부피로 변환하여 모델에 입력하였다.
전투기 작전경로는 휴전선 인근에서 초계작전을 수행할 수 있는 경로로 설정하였고, 공중급유기 경로는 휴전선과 인접한 동해 및 서해 해상으로 설정하였다. 김해와 서산기지와 항공기 별 작전경로를 잇는 이동경로는 실제 항로가 아닌 임의의 직선경로로 설정하였다.
셋째, 연료의 소모량을 계산할 때 고도, 기상 등을 고려하지 못하였다. 넷째, 항공기의 실제 항로 대신 두 지점 사이의 직선경로를 항로로 설정하였다. 다섯째, 전투기 기지를 한 개만 설정하였다.
모델의 목적식을 이용하여 적정 대수를 산정하기 위하여, 공중급유기의 대수를 1대부터 10대까지 변화시켜 iteration을 10회 실시하였고, iteration당 난수로 구성된 변수들은 replication을 100회씩 실시하였다. 시뮬레이션 실행 중 공중급유기가 전투기에 공중급유를 지원하는 장면은 다음 Fig.
모델의 타당성 검사는 일일 연료소모량, 비행 소티 수와 같이 각 에이전트가 발생시키는 변수의 양을 모니터링하기 위하여 변수에 계수기를 연결하고 시뮬레이션 중에 변화되는 값을 Fig. 8과 같은 차트 형태로 표시하여 그 값이 현실적인 범위 내에 변동하는지 점검하였다.
2를 사용하였다. 본 연구는 2장에서 연구와 관련된 기존 문헌을 조사하였으며, 연구의 주요 개념들인 ABM, GIS (Geographic Information System) 및 최적화의 개념을 정리하였다. 3장에서는 시뮬레이션을 위한 제약 조건 및 입력 자료들에 대하여 정리하였다.
본 연구에서 공중급유기 작전경로는 작전 개념에 부합하도록 작전 경로를 설정하였다. 공중급유기 작전경로는 Fig.
따라서 국방부, 합동참모본부 및 각 군은 각종 무기체계 및 항공기 엔진 등 주요 구성품을 도입하기 전에 다양한 방법으로 분석 연구를 하여 적정 대수를 산정하고 있다. 본 연구에서는 한반도 내 초계작전을 중심으로 공중급유기의 적정 대수 산정 모델을 작성하여 시뮬레이션 하였다.
본 연구의 시사점으로 무기체계의 적정 대수 산정 연구에 모델링과 시뮬레이션 기법 중 하나인 ABM 기법을 사용하여 최적해를 계산하는 방법을 제시하였다. 특히 초계작전을 수행하는 전투기와 공중급유기에 대하여 각각의 설계 특성을 반영하여 연료 소모량을 시뮬레이션 하였으며 각 항공기별 연료량과 연료 소모량들에 대하여 시간에 따른 변화를 관찰할 수 있었다.
그럼에도 불구하고 본 연구는 모델링의 가정 사항들로 인하여 다음과 같은 한계점이 있다. 첫째, 다양한 공군 작전의 형태 중 초계작전만을 고려하였다. 둘째, F-16 단일 기종만을 고려하였다.
본 연구의 시사점으로 무기체계의 적정 대수 산정 연구에 모델링과 시뮬레이션 기법 중 하나인 ABM 기법을 사용하여 최적해를 계산하는 방법을 제시하였다. 특히 초계작전을 수행하는 전투기와 공중급유기에 대하여 각각의 설계 특성을 반영하여 연료 소모량을 시뮬레이션 하였으며 각 항공기별 연료량과 연료 소모량들에 대하여 시간에 따른 변화를 관찰할 수 있었다. 특히 적정 대수를 찾기 위하여 최적화 툴을 이용하였는데, 이는 연구시간을 단축하는데 큰 도움을 주었다.

대상 데이터

본 연구는 공중급유기의 적정 대수를 산정하기 위하여 ABM(Agent Based Modeling) 기법을 채택하였으며, ABM은 각각의 에이전트에 연구자가 모의 논리를 부여하여 활용하는 시뮬레이션 방법론이다. 모델링과 시뮬레이션에는 ABM 모델링 툴인 AnyLogic PLE 8.3.2를 사용하였다. 본 연구는 2장에서 연구와 관련된 기존 문헌을 조사하였으며, 연구의 주요 개념들인 ABM, GIS (Geographic Information System) 및 최적화의 개념을 정리하였다.
본 연구는 ABM 모델링과 시뮬레이션 툴인 AnyLogic PLE 8.3.2를 사용하였고 입력 자료는 공군의 항공기 제원들을 사용하였다. 성과지표는 3개 공역에서 초계작전을 수행하는 전투기와 공중급유기 연료 소모량의 최소화이며, 목적식에 대하여 최적화 툴인 OptQuest를 이용하여 공중급유기의 대수를 1 ~ 10까지 조정하고, 각 대수 당 100의 replication을 주어 총 1,000번의 시뮬레이션 실행한 결과 적정 대수는 5대였으며, 이때 총 연료 소모량은 68,550,775L로 계산되었다.
본 연구의 모델에서 사용하는 공중급유기는 한국 공군 도입 기종인 Airbus사의 A330-MRTT로 선정하였으며, 전투기는 한국 공군에서 현재 주력으로 운용하는 전력인 Lockheed Martin사의 F-16을 선정하였다. Table 1은 두 기종의 제원이며, 공중급유기 급유 속도는 단위를 통일하기 위하여 2,407.
이때 서산기지와 김해기지 노드의 좌표는 보안상 해당 시청의 좌표로 대체하였다. 전투기 작전경로는 휴전선 인근에서 초계작전을 수행할 수 있는 경로로 설정하였고, 공중급유기 경로는 휴전선과 인접한 동해 및 서해 해상으로 설정하였다. 김해와 서산기지와 항공기 별 작전경로를 잇는 이동경로는 실제 항로가 아닌 임의의 직선경로로 설정하였다.

이론/모형

ABM 기법을 활용한 군사 분야 연구로는 Ilanchinski (2004)이 가상전쟁 내 전투상황 연구에 ABM 기법을 사용하였고, Cioppa et al.(2004)은 ABM 기법의 군사 분야 적용방법에 대하여 연구하였다.
본 연구에서는 공중급유기 적정 대수 산정을 위하여 AnyLogic PLE 8.3.2 내 최적화 툴인 OptQuest를 사용하였다. OptQuest는 복잡한 시스템의 일반 최적화 문제의 해를 구하는 상업용 소프트웨어로 다양한 최적화의 해법으로 널리 활용되고 있으며(Jeon et al.

성능/효과

2를 사용하였고 입력 자료는 공군의 항공기 제원들을 사용하였다. 성과지표는 3개 공역에서 초계작전을 수행하는 전투기와 공중급유기 연료 소모량의 최소화이며, 목적식에 대하여 최적화 툴인 OptQuest를 이용하여 공중급유기의 대수를 1 ~ 10까지 조정하고, 각 대수 당 100의 replication을 주어 총 1,000번의 시뮬레이션 실행한 결과 적정 대수는 5대였으며, 이때 총 연료 소모량은 68,550,775L로 계산되었다.

후속연구

특히 적정 대수를 찾기 위하여 최적화 툴을 이용하였는데, 이는 연구시간을 단축하는데 큰 도움을 주었다. 따라서 이러한 연구 방법은 고가의 무기체계 도입사업에 대한 과학적 의사결정에 도움을 줄 수 있을 것이다. 또한 본 연구에서 산정한 공중급유기 적정 대수와 한국 공군이 도입 예정인 대수와의 비교하여 추가 도입 필요 대수를 계산할 수 있으며, 한반도 안보정세나 작전개념의 변화가 있을 경우 먼저 시뮬레이션을 통하여 적정 대수를 계산함으로써 장기적인 운용 계획에도 활용할 수 있을 것이다.
따라서 이러한 연구 방법은 고가의 무기체계 도입사업에 대한 과학적 의사결정에 도움을 줄 수 있을 것이다. 또한 본 연구에서 산정한 공중급유기 적정 대수와 한국 공군이 도입 예정인 대수와의 비교하여 추가 도입 필요 대수를 계산할 수 있으며, 한반도 안보정세나 작전개념의 변화가 있을 경우 먼저 시뮬레이션을 통하여 적정 대수를 계산함으로써 장기적인 운용 계획에도 활용할 수 있을 것이다.
다섯째, 전투기 기지를 한 개만 설정하였다. 추후 본 연구의 한계점을 보완한 연구가 이루어진다면 보다 유의미한 결과를 얻을 수 있을 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ABM이란 사용자가 각각의 행위자에 특성, 행동 등을 부여하고 이 객체들이 특정상황 아래에서 스스로 움직이게 하는 시뮬레이션 기법인데 여기서 행위자란?	ABM이란 사용자가 각각의 행위자(agent)에 특성, 행동 등을 부여하고 이 객체들이 특정상황 아래에서 스스로 움직이게 하는 시뮬레이션 기법이다. 행위자란 모델에서 영향을 미칠 수 있는 모든 요소를 의미한다(Bonabeau, 2002). ABM은 행위자와 행위자끼리 또는 행위자와 환경 사이의 상호작용이 만들어 내는 현상들을 분석할 수 있으며, 이를 통해 특정 사회 현상이 발생한 결과와 과정을 모두 이해할 수 있다(Macal and North, 2005).
	공중급유기의 효과로 기대되는 것은?	한국 공군은 공중급유기 4대를 도입하기로 결정하였고, 2018년 11월 12일 공중급유기 1호기를 인수하였으며 같은 해 12월부터 실전에 배치하였다. 공중급유기는 전투기의 항속거리와 항속시간을 늘려주어 작전시간을 향상시킬 것으로 기대된다. 공군이 공중급유기 도입에 투자 한 금액은 약 1조원으로 매우 크기 때문에 불필요한 재원의 낭비를 없애기 위해 적정 대수를 결정하는 것은 매우 중요한 일이다.
	공중급유기의 적정 대수를 산정하기 위하여 채택한 것은?	본 연구는 공중급유기의 적정 대수를 산정하기 위하여 ABM(Agent Based Modeling) 기법을 채택하였으며, ABM은 각각의 에이전트에 연구자가 모의 논리를 부여하여 활용하는 시뮬레이션 방법론이다. 모델링과 시뮬레이션에는 ABM 모델링 툴인 AnyLogic PLE 8.

참고문헌 (24)

Bonabequ, E. (2002). Agent-Based Modeling : Methods and Techniques for Simulating Human Systems, Proceedings of the National Academy of Science 99, Suppl 3, 7280-7287.

상세보기
Ciopa, T. M., T. W. Lucas, S. M. Sanchez (2004). Military Applications of Agent-based Simulation, Winter Simulation Conference.
Ham, W. G., Jung, Y. H., Na, J. H., Park, S. C. (2012). A study on Agent Based Simulation System Architecture for the Engagement of Ground Weapon Systems, Journal of the Korea Society for Simulation, 21(4), 81-90.
Ha, S. H., Moses Busogi, Kim, N. H. (2014). Humanin-the-loop Agent Based Modeling and Simulation, Proceeding of the Korea HCI Conference 2014, 101-104.
Ilanchinski, A. (2004). Artificial War : Multiagent-Based Simulation of Combat, World Scientific Publishers.
Jeon T. B., Sohn, Y. H., Kim, K. D. (2017). Optimal Number of Spare Engines and Modules for Aircraft Types, Journal of the Korea Society for the Simulation, 26(3), 35-46.
Kim, H. C., Choi, S. C. (2000). A Study of the Optimized Requirement Estimation of K-1 Tank Repair Parts, Military Operations Research Society of Korea, 26(2), 39-54.
Kim, J. H. (2010). A Proposition on Applying Agent-Based Model for Analyzing Logistics System, Journal of the Society for Port Economics, 26(3), 130-142.
Kim, S. M., Lee, M. G. (2014). Military Aircrafts Proper Quantity Decision Model Using Simulation Analysis, Journal of the Korea Society for Simulation, 23(4), 151-161.

원문보기 상세보기
Kim, S. T., Kim, C. W. (2011). Consumer-Agent Based Sensitivity Analysis of Product Diffusion Dynamics for Domestic Automobile Market, Journal of the Korea Society for Simulation, 20(2), 29-40.
Kim, Y. J. (2015). Applications of Agent-Based Modeling in Political Science : A Critical Review, Peace Studies, 23(1), 443-476.
Lee, D. J., Hong, Y. G. (2007). Agent Based Modeling & Simulation for Command and Control, Journal of the Korea Society for Simulation, 16(3), 39-48.
Lee, J. Y., Kim, J. S., Bae, S. M. Kim, J. M. (2015). Interrelation Analysis of UGV Operational Capability and Combat Effectiveness using AnyLogic Simulation, Journal of Applied Reliability, 15(2), 131-138.
Lee, J. Y., Shin, S. W., Kim, C. M. (2018). Analysis of UGV Effectiveness Based in ABM(Agent Based simulation) and Communication Network Environments, Journal of the Korea Society for Simulation, 27(3), 89-97.
Lim, J. D. (2009). Analysis of the Operational Effect of the UAV in the Army Corps Level Using D_MAP, Diss, Korea National Defense University.
Macal, C. M. and M. J. North. (2005). Tutiral on agentbased modeling and simulations, Proceedings of the Winter Simulation Conference.
Onggo, B. S., Karatas, M. (2016). Test-driven simulation modeling : A case study using agent-based maritime search-operation simulation, European Journal of Operational Research, 254(2016), 517-531.

상세보기
Park, H. D. et al. (2010). Principle and Application of GIS, Sigam Press, Seoul.
Park, J. G. (1996). A Study on the Decision of Aircraft Demand for Air to Surface Mission, Diss, Korea National Defense University.
Park, S. H., Kim, T. H., Jung H. J., Choi, W. G. (2018). A study on Air Force Air Transport Route Optimization Using Agent-Based Modeling, Korean Journal of Logistics, 26(3), 59-76.

상세보기
Shin, G. H., Nam, H. C., Lee, Y. W., Lee, T. S. (2012). Communication Modeling of Simulation for Network Centric Warfare Environment, Proceeding of 13th Communication and Computer Science Conference in ADD, 22.
Son, Y. S. (2012). A Model to Evaluate the Aircraft Requirement with Discrete-Time Absorbing Markov Chain, Diss, Korea National Defense University.
Song, C. H. (2004). A Study on the Optimal Allocation of Aircrafts to Closed Air Support By Goal Programming, Diss, Korea National Defense University.
Yoo, G. B. (2008). History of Geographic Information System in 50years, Orbis Sapientiae, 5, 156-171.

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