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.

품질에 대한 정의는 산업의 발전과 함께 변화해 왔다. 과거 단순히 제품의 규격 충족 여부를 확인하는 것이었다면, 현재 4차 산업혁명과 함께 고객 중심의 접근이 강화되었다. 이러한 변화는 품질보증 기관의 업무 확장으로 이어졌고, 품질에 시간의 개념을 고려한 신뢰성이 대두됨에 따라 품질의 영역은 더욱 넓어졌다. 그러나 업무의 지속적 확장으로 품질보증 기관은 인력 활용과 업무의 효율성이라는 새로운 문제에 직면하게 됐다. 이러한 문제는 국방 품질에서도 예외는 아니다. 국방기술품질원(이하 기품원)은 양산단계의 품질보증 활동에서 개발단계와 운영유지단계로 품질보증 활동의 영역을 확장하였다. 최근에는 방산 수출 증대와 AI·사이버·우주 무기체계 등 첨단무기체계의 등장으로 기품원의 업무가 다변화되고 있다. 따라서 한정된 자원으로 품질보증 업무의 효율성을 제고하기 위한 방안을 모색할 필요가 있다.