자료검색

품질보증에서 군수품의 성적서 관리는 주요한 업무이다. 하지만, 항공기와 같은 복잡한 무기체계의 경우 단순한 볼트, 너트부터 전자식 레이더, 열상 카메라 등 약 20만 개의 도면으로 구성되어 확인해야 할 품질데이터가 방대하다고 볼 수 있다. 이에 딥러닝 기법을 활용하여 치수 성적서의 합/불 판정을 자동으로 수행하고자 연구를 진행했다. 숫자나 글자를 인식하는 OCR 기능을 딥러닝을 구현하는 연구는 활발히 진행되어 많은 모델이 존재하지만, 그 데이터의 합격과 불합격을 논리적으로 판단하는 딥러닝 모델은 연구가 진행되지 않았다. 이에 점근적인 접근을 통해 1개, 3개, 6개의 변수를 가진 성적서를 판단하는 딥러닝 모델을 구현하였으며, 그 결과를 분석하여 N개의 치수에 적용할 수 있는 딥러닝 모델을 개발했다. 시험 결과로 99% 이상의 정확도를 획득하였으며, 동일한 판단 기준을 가진 구성품에 계속 적용할 수 있음을 확인했다. 해당 딥러닝 모델을 발전시킬 경우 모든 치수성적서에 대해 합/불 판단을 자동으로 수행할 수 있으며, 품질데이터의 관리에 획기적으로 기여할 것으로 판단된다.

현재 인공지능 분야는 산·학·연의 전문가들이 더 좋은 알고리즘 개발 등 AI 기술 자체에 대한 고도화에 더 많은 관심을 두고 있고, 이 기술이 탑재된 AI 시스템의 품질관리 영역은 상대적으로 활발한 연구가 진행되고 있지 못한 상황이다. 하지만 AI 기술이 우리 사회에 신뢰를 얻고 광범위하게 적용되기 위해서는 AI 기술이 탑재된 시스템의 품질과 관련된 사항은 반드시 연구해야 할 필요가 있는 분야로 생각되기에 본 고에서는 신뢰할 수 있는 AI 시스템이 되기 위해 짚어보아야 할 것들을 알아보고자 한다.

오늘날 고성능의 반도체 및 전자부품은 기술의 발전에 따라 매우 빠르게 개발되고 상용화되고 있다. 이는 곧 전자부품의 개발 및 운용 주기가 짧아짐에 따라 상대적으로 운용기간이 긴 군수품의 경우 기술의 발전이 무기체계의 운용성 측면에서 운영유지비의 증가의 주요 원인이 되고 있다. 미국은 ’06년에 SD-22 부품단종관리 가이드북을 제정하여 군수품의 부품단종으로 인한 영향을 최소화하기 위해 노력하고 있다. 국내의 경우에도 획득단계 부품단종관리 업무 매뉴얼의 제정(’20.4월), 총수명주기관리훈령 개정 등을 통해 부품단종에 대해 대응하고자 지속적으로 노력하고 있으며, 본 기고에서는 이러한 부품단종에 대한 대내·외 인식 변화와 대두되는 단종부품관리 중요성에 맞추어 부품단종 대응 방안의 연구방향을 소개하고자 한다.