자료검색

상태기반정비(CBM/CBM , Condition-Based Maintenance)는 장비의 상태정보변화를 고장의 징후로 식별하고 잔존유효수명(RUL, Remaining Useful Life)을 예측하는 정비를 일컫는다. 상태기반정비는 고장 발생 전에 고장을 해소하기 때문에 소모적인 정비비용 절감과 장비 운용률 향상을 기대할 수 있다. 이러한 장점으로 상태기반정비는 국방 분야 정비전략 패러다임 전환의 중심에 있다. 본 기고문에서는 대표적인 감시·정찰 무기체계인 열상감시장비(TOD, Thermal Observation Device)의 운용 데이터를 활용한 딥러닝 모델 기반의 상태기반정비 적용 방안을 소개하고자 한다.

최근 무기체계의 고도화에 따라 구성품의 수명 예측과 정비 시점 결정의 중요성이 증가하고 있다. 그러나 기존 공학해석 기반의 수명 분석 기법은 실제 작동 환경에서의 비선형성 및 불확실성을 충분히 반영하지 못해, 예측과 실제 수명 간에 오차가 발생하는 한계가 존재한다. 이러한 간극을 해소하기 위해 실시간 센서 데이터를 기반으로 물리 기반 모델을 지속적으로 보정하고, 시스템 건전성 상태를 반영할 수 있는 디지털 트윈 기술이 주목받고 있다. 본 기고에서는 디지털 트윈을 활용한 건전성 관리 및 상태기반 정비(CBM++) 기술지원 개념을 정립하고, 이를 통해 무기체계 운용유지단계 품질보증 기술지원에 대한 기술적 접근을 제시한다. 특히 디지털 트윈의 정의, 국방분야 적용 프레임워크, 구현 현황 및 향후 발전 방향을 중심으로 논의를 전개한다. 본 연구는 디지털 트윈 기술이 무기체계의 정비 신뢰성 향상과 운용 효율성 증대에 실질적으로 기여할 수 있음을 보여준다.

최근 4차 산업혁명이라는 화두와 함께 빅데이터에 대한 관심이 급부상하고 있으며, 국방 분야에서도 빅데이터를 활용하기 위해 많은 노력을 쏟고 있다. 이에 따라 본 기고문에서는 빅데이터에 대한 보다 세부적인 정의와 빅데이터 분석의 시작인 빅데이터 분석 기획의 중요성을 제시하였다. 또한, 필자가 예상할 수 있는 국방품질경영 분야에서의 빅데이터 활용 방안에 대한 예시를 제안하였다.

지금까지의 품질관리 개념은 주어진 사용자 요구도를 충족하기 위한 것으로 통용되어 왔다. 그러나 앞으로는 사용자 요구도 충족은 기본이고, 사용자가 요구하기에 앞서 더 나은 기능과 성능으로 개량될 수 있도록 연구하는 역할이 강조되고 있다. 무기체계 획득과정에서 이러한 품질관리 관점을 구현하기 위해서는 사업착수 전의 선제적이고 능동적인 품질기획활동이 필요하다.