서론

신뢰성은 장비의 미래품질로써, 주어진 환경에서 요구된 성능을 의도한 기간을 적절하게 수행할 확률을 의미하며, 무기체계는 혹독한 야전 환경에서 온전한 성능을 발휘하여 임무를 수행하기 위해 높은 신뢰성이 요구된다. 높은 신뢰성을 달성하기 위해서는 그림 1.과 같이 무기체계 개발 시 RAM 분석을 통해 신뢰성과 정비성을 고려하여 설계하고 적절한 정비정책을 수립하여 군수지원성능을 유지하도록 유도해야 한다. RAM은 신뢰도(Reliability), 가용도(Availability), 정비도(Maintainability)를 의미하며, 그중 신뢰도는 신뢰성 설계, 정비정책 수립, 수리부속 소요산정, 총수명주기비용 산출 등 IPS 업무 전반에 활용되는 중요한 척도이다. 때문에, 연구개발주관기관은 연구개발단계에 RAM 분석업무를 수행하고 결과물을 제출하도록 국방부 “총수명주기관리업무훈령”과 방위사업청 “무기체계 RAM 업무지침”에 명시되어 있다.

신뢰도는 무기체계를 구성하는 조립체와 부품의 고장률을 기반으로 산출되며, 고장률은 100만 시간당 고장이 발생하는 횟수를 의미한다. 부품의 고장률은 부품별 고장률을 수록하고 있는 데이터 북이나 수학적 예측모델을 활용하여 추정하게 된다. 대한민국 방산업계에서는 Quanterion 社(RiAC)의 NPRD(Non-electronic Parts Reliability Data)와 EPRD(Electronic Parts Reliability Data)와 같은 고장률 데이터 북을 활용하거나, 미 국방성에서 90년대에 배포한 고장률 예측모델(MIL-HDBK-217F)을 주로 활용하고 있는 실정이다. MIL-HDBK-217F는 비교적 간단한 수식으로 구성되어 활용이 간편하지만, 부품수명에 영향을 주는 스트레스 요소 중 온도요소만 고려하기 때문에 고장률 예측 정확성이 낮은 것으로 알려져 있다. 또 NPRD나 EPRD는 미국 운용환경조건에서 수집된 데이터를 활용한 것이므로 한국 실정과 잘 맞지 않으며 품목의 설계특성을 반영하지 않고 단순 운용환경과 품명만으로 고장률을 제공하기 때문에 예측 정확성이 낮은 것으로 알려져 있다. 무기체계가 첨단화됨에 따라 첨단부품과 소자가 사용되고 있으나 기존 예측모델과 데이터 북은 신규 부품에 대한 고장률이 제시되지 않아 진부화되었기 때문에, 주요 선진 방산업계에서는 MIL-HDBK-217F나 RiAC 고장률 데이터북 활용을 권고하지 않으며, 자국 환경에 적합한 고장률 예측모델이나 기법을 보유하고 있다.

이 때문에, 국방기술품질원 국방신뢰성연구센터에서는 국내 방산업계에서 활용할 수 있는 한국형 고장률 예측기법을 연구하여 개발단계 무기체계 신뢰도 예측을 위한 지침을 제공하고 대한민국 방산 무기체계들의 신뢰성 향상에 이바지하기 위해 2022년부터 관련 연구를 수행하고 있다.

본론

연구 목표

연구의 목표는 그림 2.에서와 같이 전자기계부품 신뢰도 예측 시 전자기계부품 신뢰도 예측 정확성을 높일 수 있는 모델을 구축하는 것으로, 기존 국내 방산업계에서 활용 중인 진부화된 예측모델을 대체하기 위한 한국형 기계·전자부품 고장률 예측모델 수립 및 무기체계 구성 장비 간 영향성(체계복잡도)을 고려한 신뢰도 구조 분석기법 구축을 위한 연구를 수행하였다. 그리고 예측 고장률에 개발단계에서 수행한 신뢰성 시험결과나, 야전운용제원 RAM 분석결과를 융합하여 더 정확한 예측기법을 개발하기 위한 다양한 융합기법을 조사하였고, 국내 방산업계에서 RAM 분석에 활용하고 있는 외산 소프트웨어를 대체하기 위한 한국형 고장률 분석 소프트웨어를 개발하여 배포를 목표로 프로토타입 개발 방안을 연구하였다.

연구결과

복잡체계 신뢰도 구조 분석기법

한국형 고장률 예측모델 구축을 위하여 선진 RAM 분석모델과 기법에 대한 조사를 수행하였다. 국내외 논문과 미군 자료를 통해 체계복잡도를 고려한 신뢰도 구조 분석기법으로 Bayesian Network 기법과 Markov Process/Chain 기법이 주류를 형성하고 있음을 확인하였다. 기존의 RBD(Reliability Block Diagram)나 FTA(Failure Tree Analysis)를 활용한 신뢰도 구조분석은 복잡한 구조구현에 한계가 명확했다. 조사결과, 구성품 간 기능연계와 고장 파급효과 정밀분석은 Bayesian Network(BN)가 효과적이며 고장과 수리가 공존하는 상황에서의 RAM 모델링은 Markov Process (MP) 기법이 효과적인 것으로 확인하였다. 특히 Bayesian Network는 Monte Carlo 개념을 활용한 시뮬레이션과 수치적 해석을 통해 난해한 문제의 기댓값 산출이 가능하여 최근 AI 등 여러 산업 분야에 활발하게 적용되고 있는 기법으로, 문제에 맞는 세부 알고리즘 설계를 정교하게 구성할 수 있다면 구성품 사이의 기능 연관 관계와 인과관계 반영에 탁월하여 무기체계와 같은 복잡 체계 다 수준 시스템이나 다종 구성품의 이질적 신뢰도 데이터(야전운용제원 RAM 분석결과, 신뢰성 시험결과 등) 융합을 위한 복잡 체계 모델링에 유리하기 때문에 신뢰도 구조분석에 적용하기 적절한 것으로 판단되었다.

예측·야전 데이터 융합 예측기법

예측모델을 활용한 고장률 예측값을 유사품목의 야전 고장 데이터나 신뢰성 시험데이터의 융합을 통해 고장률을 예측할 경우 더욱 정확한 고장률을 예측할 수 있으며, 이를 위해 미 공군 F-35(Joint Strike Fighter)와 미 육군 Stryker 장갑차 FOV(Family of Vehicle)와 미래 전투차량(Future Combat Vehicle) 사례를 조사하여 Bayesian Reliability 기법 적용 가능성을 연구하였다. Bayesian Reliability 기법은 고장률 예측치나 개발단계 수명시험자료, DT/OT 고장 자료, 야전 데이터 등 모든 데이터를 활용하여 사전분포를 감마분포로 추정하고, 이후에 추가 획득되는 시험/운용데이터(우도 함수)를 결합하여 사후분포를 지속해서 개선하며 활용할 수 있어 시험데이터와 운용 경험 데이터가 매우 부족한 한국군 현실에 적용하여 준수한 수준의 고장률 예측치를 제공할 수 있으므로 해당 기법이 적절한 것으로 판단되었다.

RAM 특화연구실 혼합모델 검증

국방과학연구소「국방 RAM 특화연구실」 연구결과 도출한 고장률 예측 혼합모델은 전자부품 10종에 대해 MIL-HDBK-217F와 RiAC-HDBK-217Plus, FIDES를 혼합한 모델로서, 각각의 기존 모델만을 활용한 경우 대비 더 우수한 고장률 예측결과를 보였으나, OOO 헬기에 대한 1개 무기체계만을 대상으로 검증한 점과 검증한 장비의 전자부품 비율이 15%로 낮은 한계점을 가졌기 때문에, 본 연구에서 국방기술품질원 야전운용제원 RAM 분석결과와 체계개발업체에서 분석한 예측결과들을 활용하여 혼합모델의 예측 정확성을 재검증하고 한국형 예측모델로 활용 가능한지를 확인하였다. 검증은 그림4.와 같은 절차를 통해 OO 전차와 △△함을 구성하는 조립체 9종을 선정하여 수행하였고, 기존 예측모델 3종과 혼합모델, 야전운용제원 RAM 분석결과를 비교하여 고장률 예측 정확성을 확인하였다.

그 결과, 표 1.에서와 같이 9개 조립체 중 4개의 조립체에서 혼합모델의 고장률 예측결과가 야전 고장률과 가장 유사하였으며, 2개의 조립체에서는 2번째로 가장 유사하였다. 따라서 국방 RAM 특화연구실에서 도출한 고장률 예측 혼합모델은 고장률 예측결과가 야전 고장률에 가장 근접함을 검증할 수 있었으며 한국형 예측모델 구축에 활용할 수 있을 것으로 판단되었다. 다만 자료 획득의 한계로 검증에 활용한 조립체의 수량이 적었기 때문에, 향후 추가 검증을 위한 표본 확보와 지속적인 검증을 통한 공신력 확보가 필요하며 217F, 217Plus, FIDES 모델 외 국내외에서 활용되는 여러 모델(IEC TR 62380, Telcordia SR0332 등)을 추가 식별하여 혼합모델에서 고려할 수 있는 스트레스 인자의 종류를 늘리고 예측 정확성 향상을 위한 연구를 ‘24년까지 연구를 수행할 예정이다.

고장률 예측 SW 프로토타입 개발

연구 중인 한국형 고장률 예측모델과 야전운용제원 분석결과를 기반으로 현재 국방기술품질원에서 구축하고 있는 고장률 데이터북 정보를 함께 제공하여 쉽게 활용할 수 있는 고장률 예측 SW 개발에 착수하였다.

SW 프로토타입은 ’23년에 사용자 편의성과 활용성에 대한 의견을 수렴하기 위하여 프로토타입을 우선 배포하여 UI와 인터페이스, 기능 등에 대한 국내 방산 업체와 기관에 의견을 수렴할 예정이다. ‘22년에는 SW 논리 구조와 기능목록을 작성하고, 한국형 고장률 데이터 북과 연계하는 방안에 관하여 연구하였다. 프로토타입에는 현재 방산업계에서 가장 많이 활용되는 MIL-HDBK-217F 예측모델을 탑재하여 기존 국외 상용 SW와 비교하여 더 높은 활용성과 편의성을 제공할 수 있도록 설계하고 있으며, 향후 상용 예측모델과 데이터북, Markov Process, Bayesian Network, 데이터 융합기능, K-Factor 등 한국형 예측모델을 탑재하여 배포예정이다.

결론

체계복잡도를 고려한 RAM 정확성 향상을 위해 Markov Process로 모델링된 기존의 대표적 복잡 구조 모델을 조사하여 고장률 산출방안을 제시하였으며, RBD와 FTA 기능을 보유하면서 체계복잡도 모델링 성능이 우수한 Bayesian Network 활용방안을 제시하였다. 또 국방 RAM 특화연구실의 고장률 예측 혼합모델의 예측결과 타당성 검증을 수행 완료하였고, K-Factor 적용 가능성을 제시하였다. 국외 무기체계 사례조사를 통해 야전/시험데이터를 고장률 예측에 융합 활용하는 Bayesian Reliability 기법을 제시하였으며, 각 연구결과는 그림 6.과 같이 체계와 부체계, LRU(Line Replaceable Unit), SRU(Shop Replaceable Unit), 단품 수준에서 각각 적용 가능할 수 있을 것으로 판단된다. 마지막으로 한국형 고장률 예측모델과 기법을 탑재할 고장률 예측 SW를 개발 중이며, 2023년에는 SW의 기본기능과 인터페이스, 편의성과 활용성 향상을 위한 의견수렴용 프로토타입 버전을 개발하여 ‘23년 배포예정이다. 위 연구는 `24년까지 지속 수행 예정이며, 연구결과를 바탕으로 도출한 예측모델과 SW를 기반으로 RAM 업무지침을 제시하면, 국내 방산 무기체계의 신뢰성 향상에 이바지할 것으로 기대된다.