올해 독일의 라이프니츠 하노버대학교(Leibniz University Hannover)에서 열린 제8회 ISRERM은 격년마다 개최되는 신뢰성 분야 심포지움이다. 2008년 지에 리(Jie Li) 교수와 얀강 자오(Yan-Gang Zhao) 교수가 알프레도 앙(Alfredo Ang) 교수의 도움으로 중국 상하이에 위치한 퉁지대학(Tongji University) 처음 개최하기 시작했다. 이후 일본의 가나가와대학(Kanagawa University), 대만의 국립대만과학기술대학(National Taiwan University of Science & Technology), 한국의 연세대학교 등을 거쳐 올해 아시아 외에는 처음으로 독일에서 개최되었다.

이번 심포지움에는 유럽 안전 및 신뢰성 협회(ESRA¹⁾), 미국토목기술자협회 기반시설 복원 부문(IRD²⁾), 미국기계기술자협회 안전공학 및 위험분석 부문(SERAD³⁾), 신뢰성공학 및 확률역학 국제연구센터(JCERSM⁴⁾) 및 복원성 인프라를 위한 국제 공동 연구센터(ICRI⁵⁾)와 같은 기관의 후원 및 참여가 이뤄졌다.

ISRERM은 『산업 및 민간의 전 분야에서 신뢰성공학 및 위험관리 이론 및 기법에 관한 지식을 교환을 통해 다양한 학문 분야에서 서로에게 영감을 주기 위함』 이라는 주제로 각 분야의 다양한 주제와 발표가 이뤄졌다.

2019년에 발발한 코로나19와 기후 온난화 등으로 인한 기상재해로 인해서 인프라(수도시설, 전기시설, 구조물 등)에 대한 신뢰성 분석에 대한 관심이 늘어가고 있다. 이에 발맞춰 ISRERM 역시 그 규모나 참여자의 수가 매년 늘어가고 있는 상황이다.

이번 심포지움은 크게 14개의 일반주제(General Session Topics)와 23개의 미니주제(Mini Symposia)로 구성되어 있다. 그 중 필자가 관심 있게 참여한 세션은 다음과 같다.

이번 학회의 특징은 신뢰도 측정을 위해서 다양한 분야의 최신 기술을 적용한 논문이 많이 보였다는 점이다. 머신러닝을 이용하여 수명주기를 예상하는 시도(Yauhen Varabei, Machine Learning Techniques for intelligent Life Cycle Management)나 드론을 이용하여 인프라를 관리하는 방법(Fabian Kaufmann, Drone-based acqusition of as-built models for the autonomation of processes within the digital management of bridge assets) 등에 대한 내용이 눈에 띄었다.

금번 학회에서 발표한 논문 중에는 시스템의 수명주기 모양이 욕조모양임을 착안하여 실제 데이터를 욕조모델에 피팅시켜 남은 수명주기를 예측하는 논문이 우리가 수행하는 업무와 연관이 있다고 판단하여 발표자인 마시밀리아노 글로지오(Massimiliano Glogio)와 학회 중간에 인터뷰를 진행하였다.

욕조곡선모형에 대해 간략히 설명하면 다음과 같다. 국방기술품질원에서 수행하는 무기체계 야전운용제원 RAM분석 업무를 수행하면 아래 그림과 같은 추세의 고장률 변화를 확인하게 된다.

고장률 변화의 모양이 욕조모양을 닮았다하여 bathtub(욕조) 모형이라고 부른다. 장비가 운용되는 초기에 발견되는 다양한 초기 결함으로 인해서 높은 고장률을 보이는 초기고장 단계와 이후 품질이 안정되어 일정한 고장률을 보이는 우발고장 단계 그리고 장비 노후화로 인해서 다시 고장률이 증가하는 마모고장 단계의 3단계로 구분이 된다. 대부분의 장비에서 그 정도는 다르지만 비슷한 형태의 고장률 분포를 보이게 되며 장비 특성에 따른 기울기 등을 파악함으로써 남은 무기체계의 수명을 경험적으로 예측한다는 것이 해당 연구의 핵심 주제이다.

국방군수통합정보체계를 통해서 수집되는 정보 중 초기고장단계에서는 신뢰도 있는 고장데이터를 얻기 어렵다. 초기에 발생하는 고장은 시제업체를 통해 AS가 진행되는 계약형태의 특성상 초기 수리이력에 대해 군수통합정보체계에 기록되지 않기 때문이다. 따라서 장비 운용 초기 단계의 데이터가 누락(left censored)된 데이터를 이용해서 분석하는 경우가 많다.

이번 인터뷰에서는 기품원에서 분석하는 야전운용제원 RAM분석 업무에 대해 공유한 뒤 초기 데이터가 누락된 상태에서 모델의 적용 가능성에 대해서 논의하였으며 이후 추가 자료를 수집하여 기품원 내부적으로 모델을 발전시켜갈 예정이다.

머신러닝 분야에서 인상깊었던 연구는 스위스 연방공과대학(ETH Zurich)의 '위험, 안전, 불확실성 정량화(Risk, Safety and Uncertainty Quantification) 연구실'의 지도교수인 브루노 수드레(Bruno Sudret)가 발표한 PC-Kringing, 부분집합 시뮬레이션 및 민감도 분석을 이용한 시스템 신뢰성 분석을 위한 능동적 학습 연구(Active learning for system reliability analysis using PC-Kriging, subset simulation and sensitivity analysis)라는 논문이었다. 머신러닝을 이용한 구조물의 신뢰도 분석 연구였으며 연구 결과보다도 인상깊었던 점은 누적된 연구를 통해서 발전시킨 머신러닝 기술을 라이브러리화하여 외부에 UQLab이라는 이름으로 공개한다는 점이었다. 다양한 예제와 기본배경지식부터 자세하게 설명한 사용자 매뉴얼도 함께 정리되어 있어서 신뢰도 분야에서 머신러닝을 이용하기 위한 훌륭한 시작점이 될 것이라 기대하고 있다.

이번 학회는 신뢰도 분석의 세계적인 변화 추세를 두 눈으로 확인할 수 있는 좋은 기회였다. 일부는 지금의 당장 분석 업무에 적용해볼 만한 것이었으며, 앞으로의 변화에 맞춰 우리가 관심 있게 지켜보아야 할 분야도 있었다. 특히 기계학습(Active/Machine Learning)에 대한 부분은 이미 오픈소스도 충분하게 제공되고 있으며 의미있는 기술의 발전도 이뤄지고 있기 때문에 지금부터라도 관심을 가지고 연구를 시작해야 할 것이다.