자료검색

국방기술품질원, 방산수출업체 대상 NATO 품질보증절차 교육 실시

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.

군수품 품질관리에 있어 형상관리는 무기체계와 전력지원체계의 국방 기술자료에 대한 관리도구로 그 중요성이 날로 증대되고 있다. 또한 국방규격은 ‘표준화 업무규정’ 및 ‘국방규격·표준서의 서식 및 작성에 관한 지침’을 준수한 규격화 업무를 수행하고 있으나, 작성기관 또는 업체에 따라 지침에 대한 해석이 상이하여 잘못 인용된 사례가 빈번하게 발생하고 있다. 이에 따른 기술자료의 검토 및 수정에 따른 불필요한 행정소요가 증가할 뿐만 아니라 군수품 형상관리 및 품질관리에 큰 영향을 미친다. 따라서 본 연구에서는 국방 기술자료의 체계적인 관리 및 일관성을 유지하기 위해서 민간의 도면 작성 및 검증 자동화 프로그램을 활용하여 국방도면 내 표제란, 주기란 등 정보를 전자 문서화하는 방안을 구축하여 활용할 수 있는 방안을 제시하였다. 또한 도면관리 자동화 프로그램을 특정 장비에 시범 적용함으로써 향후 운용되는 무기체계의 형상관리 업무 수행 시 활용할 수 있는 군수품 품질관리 등 현장 업무에 적용 가능한 방안을 도출해 보았다.

現 폭발적인 군수품 방산수출과 관련하여 국내·외 많은 지원 및 개선 등이 이루어지고 있으나 하자보상 제도 관련 규정은 제정된 이후 큰 변경 없이 현재에 이르고 있다. 국외제도는 하자조치의 신속성과 효율성 개선을 위해 발전해왔지만, 국내 하자보상 제도는 하자분류에 초점이 맞추어 진행되어, 신속한 하자조치는 뒷전으로 항상 밀리게 되었다. 이에 AQAP(Allied Quality Assurance Publication) 2070, DCMA(Defense Control Management Agency) PQDR(Product Quality Deficiency Report) 등 국외제도에 맞는 신속한 하자조치에 중심을 둔 하자보상 제도개선이 필요하다. 이에 사용자불만(Customer Complaints) 용어를 ISO 9001의 고객불평으로 변경을 통하여 인식개선을 유도하고, 기존 하자분류 중심에서 결함조치 중심으로 변경하는 제도개선 연구를 수행하였다.