| Home | E-Submission | Sitemap | Editorial Office |  
top_img
Journal of Korean Society for Quality Management > Volume 54(2); 2026 > Article
유도탄 전자부품 고장특성을 반영한 저장탄약신뢰성평가(ASRP) 방안

Abstract

Purpose

This study develops a system-level storage reliability management framework that explicitly integrates electronic components into the Ammunition Stockpile Reliability Program (ASRP). While conventional ASRP primarily focuses on the chemical degradation of propellants and explosives, the increasing reliance of modern missile systems on electronics-which exhibit random failure characteristics-requires an enhanced approach to ensure long-term mission readiness.

Methods

The proposed framework integrates design reliability data from the production phase with operational periodic inspection data. Failure rate trends are analyzed to classify electronic components by failure characteristics, enabling the development of tailored management strategies. Furthermore, the Martinez-type inspection interval model is applied to determine optimal system-level inspection intervals and related management parameters.

Results

The framework facilitates the dynamic adjustment of management intensity by comparing design failure rates with operational data to identify significant performance deviations. By utilizing the Martinez-type model, the study evaluates whether existing inspection cycles satisfy target storage reliability requirements and derives optimized intervals to maintain system integrity.

Conclusion

This study provides a practical, data-driven extension of the ASRP and a systematic methodology for the storage reliability management of advanced missile systems. The proposed framework overcomes the limitations of existing degradation-centric models that overlook the random failure characteristics of electronic components and their weak correlation with storage time.

1. 서 론

유도무기체계의 임무 성공은 저장·운용 전 주기에 걸친 신뢰성 확보에 의해 좌우되며, 장기간 저장 이후에도 요구 성능을 유지해야 한다는 점에서 저장 신뢰성 관리는 국방 품질보증의 핵심 과제로 인식되고 있다(Choi et al., 2005; Jeong et al., 2018). 방위산업 분야에서는 유도탄 저장신뢰성평가(Ammunition Stockpile Reliability Program, ASRP)를 기반으로 저장 중 성능 저하를 감시하고, 점검과 시험을 통해 결함을 조기에 탐지함으로써 체계 신뢰성을 유지하는 관리 체계를 운용해 왔다(Jo et al., 2023; Roh et al., 2020). ASRP는 저장 유도탄의 안전성, 가용성, 성능을 종합적으로 검증하여 정비, 수명 연장, 교체 및 폐기와 같은 군수 의사결정을 지원하는 제도로, 전시 상황에서 요구되는 임무 수행 능력을 과학적으로 판단하는 것을 목적으로 한다(Yoon et al., 2006; Bak & Park et al., 2023).
우리 군의 유도탄 ASRP는 제도적 역사와 데이터 축적 측면에서 상대적으로 짧은 기간 동안 제한된 범위로 운영되어 왔으며, 시험 규모와 데이터 관리, 분석 체계 측면에서 한계가 있다. 시험 대상이 일정 저장 기간을 경과한 탄약 위주로 선정되고 기능시험 중심으로 구성되는 경우가 많아, 다양한 저장·운용 환경에서의 고장 특성을 충분히 반영하기 어렵다(구승환 등, 2022). 방위산업 데이터는 표본 수가 제한적이고 데이터가 기관·부대·업체 단위로 분산 관리되어 장기적 경향 분석과 통계적 검증에 기반한 체계적인 의사결정으로 연결되기 어려운 구조적 제약이 존재한다. 또한, 기존 ASRP 운용 논리는 추진제, 폭약, 점화계 등 화공품의 화학적 열화를 전제로 정립되어 왔다. 저장 기간의 증가에 따라 열화가 누적되고 고장 확률이 증가한다는 가정은 화공품에는 타당하지만, 저장 기간과 고장 발생 간의 직접적인 연관성이 약하거나 고장이 우발적으로 발생하는 품목에 대해서는 동일한 설명력을 확보하기 어렵다(임준영·설현주, 2023). 이는 화공품 중심으로 설계된 기존 ASRP 논리가 고장 양상이 상이한 전자부품까지 포괄하기에는 구조적 한계를 가진다는 점을 시사한다(Jo et al., 2023).
최근 유도탄 체계는 유도·항법·제어, 탐색기, 데이터링크 등 핵심 기능의 상당 부분을 전자부품과 소프트웨어 기반 하위 시스템이 담당하는 방향으로 고도화되고 있다. 이에 따라 전자부품의 신뢰성은 체계 임무 성공에 직접적인 영향을 미치는 요소로 작용하고 있다(Jeon et al., 2023). 전자부품은 정상 운용 구간에서는 우발고장이 지배적인 고장 특성을 보이는 경우가 많다. 그럼에도 불구하고 현행 ASRP에서는 전자부품의 고장특성을 체계적으로 분류하고, 이를 품목 관리 전략이나 점검주기 결정으로 연계하는 절차가 명확히 정립되어 있지 않다.
본 연구는 유도탄 전자부품을 ASRP 관점에서 체계적으로 관리하기 위한 저장 신뢰성 관리 방안을 제안하는 것을 목적으로 한다. 양산 단계의 데이터와 운용 단계의 주기 검사 데이터를 연계하여 전자부품의 고장특성을 초기·우발·마모 고장으로 분류하고, 우발고장이 지배적인 품목을 중심으로 관리 전략을 구체화한다. FMECA 기반 위험도와 전문가 설문을 반영하여 집중관리품목을 선별하고, 설계 고장률과 필드 고장률의 비교를 통해 고장률 증/감 여부에 따른 차등 관리 방안을 제시한다. 체계 단위에서는 고장률과 고장탐지율을 동시에 고려하는 점검주기 결정 모델을 적용하여, 목표 저장 신뢰도를 만족하면서도 불필요한 점검을 최소화할 수 있는 ASRP 운용 방안을 제시한다. 화공품 중심의 기존 ASRP의 적용 범위를 확장하여, 우발고장이 지배적인 전자부품을 체계 단위 저장 신뢰성 관리의 명시적인 관리 대상 범주로 포함하는 분석 틀을 제안한다. 이를 통해 제한된 시험 및 정비 자원 하에서 합리적인 관리 우선순위를 설정하고, 전자부품을 포함한 유도탄 체계 전반의 저장 신뢰성 관리를 데이터 기반으로 고도화할 수 있는 실무적 방안을 제공하고자 한다.
본 논문의 구성은 다음과 같다. 제2장에서는 유도탄 전자부품의 저장 신뢰성 관리를 위한 제안 프레임워크를 설명하고, 전자부품 고장특성 분류 방법, 설계 고장률과 필드 고장률 비교를 통한 품목 차등 관리 절차, 그리고 Martinez 모델을 통한 최적 점검주기 도출을 제시한다. 제3장에서는 제안된 방법론을 실제 유도탄 관련 데이터에 적용하여 전자부품 고장특성 분류 결과와 집중관리 품목 선별 결과를 분석하고, 체계 단위 저장 신뢰도 관점에서 최적 점검주기 도출 사례를 제시한다. 마지막으로 제4장에서는 연구 결과를 종합하여 본 연구의 결론 및 향후 연구 방향을 제시한다.

2. 제안 방법론

2.1 전체 프레임워크 개요

본 연구는 유도탄 체계에서 전자부품의 우발고장 특성을 ASRP 운용 논리에 반영하기 위해, (1) 양산 및 운용 단계 데이터를 연계하여 전자부품의 고장특성을 분류하고, (2) 우발고장 품목을 대상으로 FMECA·임무 영향도·설계 대비 필드 고장률 증/감 여부를 결합해 관리 우선순위를 설정하며, (3) 체계 단위에서는 목표 저장 신뢰도를 만족하도록 점검주기를 결정하는 모델을 적용함으로써 ASRP 의사결정의 정량적 근거를 제공하는 것을 목표로 한다. 전체 프레임워크는 Figure 1과 같다.

2.2 데이터 분석 기반 전자부품 고장특성 분류

2.2.1 부품(비수리)과 체계(수리가능)의 구분

유도탄 전자부품 및 하위 구성품의 고장 데이터는 단일 수명주기를 가지는 비수리 품목과 고장 후 수리를 통해 반복적으로 운용되는 수리가능 체계가 혼재한다. 따라서 신뢰성 분석 시 분석 대상의 수리 가능성 여부를 우선 확인하고, 대상 특성에 적합한 확률 모형을 선택하는 절차가 필요하다. 본 연구는 먼저 분석 대상을 수리가능/비수리로 구분한 후, 비수리 품목에 대해서는 수명분포 기반의 고장특성(초기·우발·마모) 분류를 수행하고, 수리가능 체계에 대해서는 고장 발생 추세를 반영할 수 있는 NHPP 기반 분류를 수행한다. 해당 내용은 Figure 2와 같다.

2.2.2 체계 고장특성 분류: NHPP/HPP 기반 접근

유도탄과 같은 무기체계는 다수의 하위 구성품과 복합 기술 요소로 구성되며, 운용 중 고장이 발생하더라도 정비·수리를 통해 반복 운용이 가능하므로 수리가능 시스템으로 해석되는 경우가 많다. 이러한 시스템은 단일 수명분포로 전체 고장 행태를 설명하기 어렵고, 운용 시간 또는 누적 운용 정도에 따라 고장률이 증가·감소하는 추세가 나타날 수 있다. 이에 본 연구는 수리가능 체계의 고장특성 분석에 비균질 포아송 과정(NHPP)을 적용한다. NHPP는 고장률이 시간에 따라 변화하는 상황을 확률적으로 모델링할 수 있어, 고장 발생 추세가 존재하는지 여부를 정량적으로 판단하는 데 유용하다(Krivtsov, 2007).
균질 포아송 과정(HPP)은 일정 고장률을 전제하므로, NHPP 분석 결과 추세가 미미하여 우발고장으로 판단되는 경우에는 HPP 기반으로 체계 MTBF를 산출하여 운영·정비 의사결정의 입력 값으로 활용할 수 있다(Chang et al., 2017). 즉, 체계 수준에서는 NHPP를 통해 추세형 고장(증가/감소)과 우발형 고장(일정)을 구분하고, 우발형으로 판단될 경우 HPP를 추가 적용하여 체계 단위 고장률(λ=1/MTBF)을 정의하는 절차를 채택한다. 고장 발생 시각 자료에 대한 Laplace trend test 또는 MIL‑HDBK‑189 기반 추세 검정을 선행하고, P‑value값이 유의수준보다 작을 경우 NHPP, 그렇지 않은 경우 HPP를 선택하는 방식으로 모델 선택의 객관성을 확보할 수 있다(Tsang, 2012).

2.2.3 전자부품 고장특성 분류: Weibull 분포 적합

전자부품 품목은 수명 데이터를 기반으로 수명분포적합을 수행하고 고장특성을 분류한다. 본 연구는 전자부품의 고장특성을 초기고장/우발고장/마모고장으로 구분하기 위해 Weibull 분포를 적용하고, 형상모수(β)의 추정치 및 신뢰구간을 기준으로 고장특성을 판정한다. 구체적으로, β의 95% 신뢰구간이 1보다 큰 경우 마모고장으로 분류하고, 1을 포함하는 경우 우발고장으로, 1보다 작은 경우 초기고장으로 분류한다. 분류 결과로 나온 우발고장 품목의 고장률은 이후 2.3절의 집중관리품목 선정 및 차등관리 방안 수립의 입력으로 사용된다.

2.3 품목별 차등관리 방안

2.3.1 집중관리품목 선정: FMECA 기반 1차 선별

우발고장으로 분류된 전자부품은 고장 발생 시점의 예측이 어렵고, 시간 경과에 따른 열화 추세가 명확하지 않아 데이터 기반 관리만으로는 고장 위험을 충분히 통제하기 어렵다. 특히 유도무기체계와 같이 체계 신뢰성이 개별 구성품의 정상 상태 유지에 크게 의존하는 경우, 모든 우발고장 품목을 동일한 관리 수준으로 취급하는 것은 관리 효율성과 자원 활용 측면에서 한계를 가진다(Yang et al., 2024). 따라서 우발고장 품목에 대한 차등 관리 체계의 출발점으로, FMECA(Failure Mode, Effects, and Criticality Analysis) 자료를 활용한 집중관리품목의 1차 선별 절차를 적용한다. FMECA는 구성품 단위의 고장모드, 고장원인, 고장영향 및 위험도 부호를 체계적으로 정리한 자료로, 고장이 발생할 경우 체계 기능에 미치는 영향을 정성·정량적으로 판단하는 데 활용되어 왔다. 본 연구에서는 전자부품별 FMECA 자료에 명시된 위험도 부호를 기준으로, 상대적으로 위험도가 높거나 치명적 고장모드를 보유한 품목을 집중관리품목으로 우선 분류하고, 그 외 품목은 일반관리품목으로 구분하였다. 전체 집중관리품목 선정 프레임워크는 Figure 3과 같다.

2.3.2 자문단 설문

추가로 현장 운용·정비 경험을 보완적으로 결합하기 위해 군·ADD·체계 개발/양산 업체 전문가로 구성된 자문단을 통해 집중관리품목 목록을 보완하는 절차를 포함한다. 자문단 설문은 현장 적용성, 유지보수성, 조달 난이도 등 정량 평가로 포착되기 어려운 요인을 포함하여 추가 선정 또는 제외 필요 품목을 식별하도록 구성하며, 이를 통해 집중관리 체계의 실무 적합성과 수용성을 높인다.

2.3.3 집중관리품목 및 일반품목의 차등 관리 방안

앞서 고장특성 분류로 나온 우발고장 품목에 대해 지수분포 적합을 통해 MTBF를 산출하고(품목 고장률=1/MTBF), 이를 설계고장률과 비교하여 고장률 증/감 여부를 판단한다. 집중관리품목의 경우 설계 대비 필드 고장률이 증가하는 품목은 창정비 시 보완조치 권고, 강화 표준 제정, 가속시험 기반 내구성 개선, 안전재고 추가 확보 등 적극적 관리가 필요하며, 반대로 고장률이 감소하는 품목은 최소 수준의 예비품 확보 중심으로 관리하여 자원 효율성을 확보한다. 집중관리품목의 관리방안은 Table 1과 같다.
일반품목은 임무 영향이 제한적인 경우가 많으므로, 설계 대비 필드고장률이 증가하더라도 우선은 필수 운용을 위한 최소 예비품 확보 및 비용·운용 관점의 교체 판단을 기본으로 하되, 체계 단위에서 설계 대비 필드고장률이 증가하는지를 확인하여 체계 고장률 증가가 관찰될 경우에만 설계 개선(창정비 시 FMECA 위험도/치명도 저감)을 권고하는 방식이 합리적이다. 일반품목의 관리방안은 Table 2와 같다.

2.4 체계 단위 ASRP 적용 및 최적 점검주기 도출

2.4.1 체계 단위 점검주기 도출 모델 개념 및 적용조건

유도탄은 장기간 저장 상태를 유지하다가 단 한 번의 발사를 통해 임무를 수행하는 대표적인 One-shot system으로, 배치 이후 체계 성능을 좌우하는 핵심 품질 특성은 저장 신뢰도이다[Jeong & Lee, 2017]. 저장 기간 동안 발생하는 고장은 BIT(Built-In Test)와 같은 수시점검이나 일정 주기로 수행되는 정기검사를 통해 탐지·정비되며, 이러한 점검 활동은 시간 경과에 따라 감소하는 저장 신뢰도를 주기적으로 회복시키는 역할을 수행한다. 따라서 유도탄 체계의 저장 신뢰도는 점검주기, 점검 수단의 고장탐지율, 그리고 고장 발생 특성에 따라 주기적인 등락을 반복하는 형태로 변화한다.
이와 같은 특성을 고려하여, 유도탄의 저장 신뢰도 변화를 정량적으로 표현하고 정기검사 주기를 결정하기 위한 대표적인 접근법으로 Martinez 모델이 제안되어 왔다(Martinez, 1984). Martinez 모델은 유도탄의 고장이 일정한 고장률을 갖는 확률 과정으로 발생하며, 정기검사 및 BIT를 통해 일부 고장이 탐지·제거되고 나머지 고장은 은닉된 상태로 누적된다는 점을 명시적으로 고려한다(Chu, 2018). 특히 정기검사 이후에도 모든 고장이 완전히 제거되지 않고, 점검 장비의 탐지 한계로 인해 일부 고장이 잔존함에 따라 매 주기마다 저장 신뢰도의 최고 수준이 점진적으로 감소하는 현상을 모델에 반영한다는 점에서, 유도탄과 같은 저장 중심 무기체계의 특성을 비교적 현실적으로 묘사할 수 있다.
Martinez 모델을 적용하기 위해서는 다음과 같은 기본적인 가정이 전제된다. 첫째, 유도탄의 저장 고장은 지수분포를 따르며, 저장 기간 동안 고장률은 일정하다고 가정한다. 둘째, 정기검사와 BIT는 고장을 완전히 제거하지 못하며, 각각의 고장탐지율에 따라 탐지 가능한 고장만이 정비를 통해 제거된다. 셋째, 정기검사 주기 동안 새롭게 발생하는 고장은 이전 주기에서 정상 상태로 유지된 유도탄에서만 발생하는 것으로 가정하며, 이미 고장이 은닉된 유도탄은 다음 주기의 신규 고장 발생 대상에서 제외된다. 이러한 가정은 고장 중복 계산을 방지하고, 저장 신뢰도 예측의 과대 추정을 완화하기 위한 것이다.
본 연구에서는 우발고장으로 분류된 전자부품이 체계 성능에 미치는 영향을 체계 단위에서 관리하기 위해, 상기 가정을 만족하는 범위 내에서 Martinez 모델을 점검주기 도출 모델로 채택한다. 이를 통해 품목 수준의 고장률 분석 결과를 체계 단위 저장 신뢰도와 연결하고, 목표 저장 신뢰도를 만족하는 점검주기를 합리적으로 산정하고자 한다.

2.4.2 Martinez 모델 기반 점검주기 도출

유도탄의 저장 신뢰도는 정기검사를 통해 주기적으로 회복되지만, 점검 이후에도 일부 고장은 탐지되지 않은 상태로 은닉되어 잔존할 수 있다. 이러한 특성으로 인해, 점검 이후 시스템이 완전하게 복구된다고 가정하는 전통적 신뢰도 모델로는 저장 중 신뢰도 변화 양상을 충분히 설명하기 어렵다. 이러한 한계를 고려하여 Martinez는 정기검사를 수행하는 유도탄을 대상으로, 점검 장비의 고장탐지 한계를 반영한 저장 신뢰도 예측 모델을 제시하였다. 해당 모델은 정기검사 이후에도 일정 비율의 고장이 잔존한다는 불완전 점검 개념을 도입함으로써, 검사 주기 반복에 따라 저장 신뢰도가 점진적으로 감소하는 현실적인 특성을 수학적으로 표현한다. 특히, Jo & Ahn(2018)은 Martinez 모델을 기반으로 수시점검(BIT)과 정기검사를 모두 수행하는 유도탄을 대상으로, 점검 간 중복 고장을 배제한 저장 신뢰도 예측 모델을 제안하고, 이를 통해 점검주기 결정에 활용 가능한 체계 단위 신뢰도 산출 방법을 제시하였다. 해당 연구는 유도탄이 장기간 저장되는 One-shot system이라는 특성과, 점검주기·점검 효율이 저장 신뢰도 유지에 미치는 영향을 정량적으로 분석할 수 있음을 보여준다.
본 연구는 이러한 선행 연구에서 제시된 Martinez 계열 저장 신뢰도 모델의 기본 개념과 수식 구조를 체계 단위 ASRP 적용을 위한 점검주기 결정 모델로 활용한다. 본 연구의 목적은 저장 신뢰도 예측보다는 전자부품 고장특성 분석과 ASRP 기반 품목 관리 결과를 체계 단위 의사결정으로 연계하는 데 있다. 이에 따라 본 연구에서는 Martinez 모델을 점검주기 결정에 활용 가능한 수리적 틀로 적용한다. 이를 통해 고장률(λ), 정기검사 고장탐지율(α), BIT 고장탐지율(β)을 동시에 고려하여 목표 최소 저장 신뢰도를 만족하는 점검주기 T를 도출하고, 기존 점검주기와의 비교를 통해 합리적인 점검 정책을 제시하고자 한다. Martinez 모델에서 사용된 변수와 산출식은 Table 3, Table 4와 같다.

3. Case Study

본 장에서는 2장에서 제안한 전자부품 우발고장 기반 ASRP 적용 방안을 실제 운용·정비 데이터에 적용하여, 양산/운용 단계 데이터 연계를 통한 고장특성 분류, FMECA 기반 집중관리품목 선정과 설계/필드 고장률 비교에 따른 차등 관리, 체계 단위 점검주기 도출(Martinez 모델 적용)까지의 절차를 단계적으로 검증한다. 사례 데이터는 불규칙한 점검, 재검사 존재, 관측중단 등의 구조를 가지며, 전자부품 고장이 열화 기반 단조 증가보다는 간헐적 이상치 형태로 관측될 수 있다는 점을 전처리와 분류 기준에 반영하였다.

3.1 데이터 소개 및 전처리

본 사례 분석에 사용된 데이터는 (i) 양산 시점 검사 데이터, (ii) 주기점검 데이터, (iii) FMECA 자료, (iv) 신뢰도 분석 자료로 구성된다. 양산 시점 데이터는 모든 유도탄 생산시 정부검사 결과 기록을 사용하였으며, 점검 데이터는 군에서 운용하는 기간 동안 수행된 주기점검의 데이터를 사용하였다. FMECA 자료에는 품목/모듈별 고장유형, 원인, 영향, 위험도 등급이 포함되어 있어 위험 고장모드 기반의 집중관리품목 선별에 활용된다. 신뢰도 분석 자료에는 운용/저장 조건을 반영한 고장률 및 MTBF 정보가 포함되어 있다. 주기 점검 데이터에는 정규 점검 외 단기간 재검사 기록이 혼재되어 있어, 동일 차수에서 측정되지 않은 항목을 단순 결측으로 취급할 경우 분석이 왜곡될 수 있다. 이에 본 연구에서는 짧은 기간 내 수행된 재검사에서 발생한 미측정 항목을 분석에서 제거하고, 전자부품 우발고장 특성상 고장이 연속적 추세보다는 단속적 이상치로 관측될 수 있다는 점을 고려하여, 고장 발생 직후 검사에서 정상값이 도출되더라도 해당 고장을 잔존 고장으로 간주하는 보수적 판정 원칙을 적용하였다.

3.2 양산/운용데이터 연계를 통한 고장특성 분류

3.2.1 구간 데이터 변환 및 수명분포 기반 분류

점검 데이터는 개별 장비의 정확한 고장 발생 시점을 직접 제공하지 않기 때문에, 본 사례에서는 점검 시점 정보를 이용해 구간 데이터로 변환하여 수명분포 분석을 수행하였다. 구간1과 구간2는 각 장비의 연속된 검사 시점을 의미하며, 구간2에 “*”로 표기된 항목은 해당 시점까지 고장이 관측되지 않은 관측중단 자료를 의미한다. 비정상값이 짧은 기간내에 반복 관측되는 경우 동일 고장을 중복 계상할 우려가 있으므로, 최초 고장 발생 시점만 보존하고 반복 관측 구간은 제외하는 원칙을 적용하였다. 변환된 구간 데이터를 기반으로 수명분포 적합을 수행하고, Anderson-Darling 등 적합도 지표를 기준으로 분포 적합성을 확인하였다. 이후 고장특성 분류 목적(형상모수 해석)을 위해 Weibull 분포를 기준으로 형상모수와 신뢰구간을 산출하고, 신뢰구간 내 1 포함 여부를 근거로 우발고장 여부를 판정하였다. 그 결과, 분석 가능한 6개 품목은 형상모수가 1 전후이고 신뢰구간에 1을 포함하여 우발고장 특성으로 분류되었다. 일부 품목([품목 X], [품목 Y])은 고장 관측이 없어 분포 기반 분류에서 제외하였다. 구간데이터예시는 Table 5와 같다.

3.2.2 체계 단위 고장특성 분류(NHPP/HPP)

체계 수준에서는 수리가능 시스템 특성을 반영하기 위해 비균질 포아송 과정(NHPP) 기반 분석을 수행하였다. 비균질 포아송 과정 적합 결과 형상모수 추정치는 1보다 큰 값으로 산출되어 약한 마모 성향을 시사하였으나, 적합도 검정 결과 P-value 값 1이 도출되어 고장률의 변화 추세가 없는 것으로 판단하여 체계 고장은 우발고장으로 분류하였다. 이에 따라 체계 고장률 산출을 위해 균질 포아송 과정(HPP)을 가정하고 MTBF를 추정한 뒤 역수 변환으로 고장률을 정의하였다.

3.3 집중관리품목 선정 및 차등 관리 적용 결과

3.3.1 FMECA 기반 1차 선별 및 전문가 보완

FMECA 위험도 등급을 기반으로 1차 선별을 수행한 결과, 주요 전자부품 다수가 고위험 범주로 식별되어 잠정적으로 집중관리품목으로 분류되었다. 이후 실무 적용성을 보완하기 위해 군·연구기관·제조사 전문가로 구성된 자문 절차를 수행하였고, 그 결과 [품목 Z]는 제도적 교환주기, 고장원인 특성, 공급망 안정성 등을 고려할 때 집중관리 필요성이 낮은 것으로 판단되어 최종 집중관리품목에서 제외하였다. 자문 과정에서는 단순 고장률뿐 아니라 탐지율(검출도), 잠재결함 탐지 한계, 장납기·단종 리스크 등을 위험도 세분 요소로 고려할 필요성이 제기되었다.

3.3.2 설계/필드고장률 비교 및 차등 관리 방안

우발고장으로 분류된 품목에 대해 지수분포 적합을 통해 MTBF를 산출하고 이를 필드 고장률로 환산하였으며, 설계 고장률은 신뢰도 분석 자료에서 제공하는 조건별 값으로 설정하여 비교하였다. 비교 결과, 다수 품목은 설계 대비 필드 고장률이 감소하는 경향을 보였으나, 일부 품목([품목 Q])은 설계 대비 필드 고장률이 증가하는 것으로 확인되었다. 이에 따라 고장률 증가 품목은 창정비 단계에서의 보완조치 권고, 강화 표준 제정 및 가속수명시험 기반 내구성 개선, 안전재고 추가 확보 등 적극적 관리가 필요한 품목으로 규정하였다. 반면 고장률 감소 품목은 최소 수준의 예비품 확보 중심으로 관리 강도를 조정함으로써 자원 효율화를 도모하였다. 일반품목은 임무 영향이 제한적인 범위에서 비용·운용 관점을 고려한 교체 판단을 기본으로 하되, 체계 단위 고장률이 설계 대비 유의하게 증가하는 경우에 한해 설계 개선 또는 위험도 저감 조치를 권고하는 방식으로 정리하였다.

3.4 체계 단위 점검주기 산정: Martinez 모델 적용

체계 단위에서 목표 저장 신뢰도(예: 30년 동안 목표 신뢰도 80%)를 만족하는 점검주기를 도출하기 위해 Martinez 모델을 적용하였다. 본 연구에서는 정기검사 고장탐지율(α)과 BIT 고장탐지율(β)을 동시에 고려할 수 있는 확장된 Martinez 모델을 활용하여, 점검주기와 탐지율이 저장 신뢰도에 미치는 영향을 정량적으로 분석하였다. 모델 분석 결과, 동일한 목표 신뢰도 제약 조건 하에서도 점검주기를 단축하거나 고장탐지율을 상향 조정함으로써 목표 신뢰도를 만족할 수 있음을 확인하였다. 특히, 입력 고장률로 설계 고장률을 적용한 경우와 필드 고장률을 적용한 경우에 도출되는 최적 점검주기가 상이하게 나타났다. 설계 고장률을 기준으로 분석한 결과, 정기검사 고장탐지율(α=0.98)과 BIT 고장탐지율(β=0.88)을 고려할 때 목표 저장 신뢰도 80%를 만족하기 위한 점검주기는 약 X.X년 수준으로 도출되었다. 반면, 필드 고장률을 적용한 경우에는 동일한 목표 신뢰도 조건에서 점검주기를 최대 약 Y.Y년까지 확대할 수 있는 것으로 분석되었다.
이러한 분석 결과는 점검 정책 수립 시 단순히 점검주기 자체뿐만 아니라, 설계 고장률과 필드 고장률 중 어떤 고장률을 기준으로 적용할 것인지가 의사결정에 중대한 영향을 미친다는 점을 시사한다. 필드/설계 고장률 별 Martinez 모델 적용 결과에 따른 저장 신뢰도 변화 양상은 Figure 4, Figure 5와 같다.

3.5 적용 범위와 한계

본 사례 연구는 실제 운용 환경 데이터의 관측 구조(구간 데이터, 재검사, 관측중단, 시험항목 불완전성)를 반영하여 분석 절차를 구성했다는 점에서 의의를 가진다. 다만 고장 기록 누락 가능성, 시험항목 구성의 변화 및 측정 조건 차이, 탐지율(α, β) 가정값의 민감도 등은 결과 해석에 영향을 줄 수 있다. 따라서 향후에는 점검탐지율을 실측 데이터 기반으로 추정하거나, 점검·정비 효과를 확률변수로 모델링하는 확장 모형을 도입함으로써 점검주기 산정의 현실 적합성을 추가로 강화할 필요가 있다.

4. 결 론

본 연구는 기존 유도탄 저장신뢰성평가(ASRP)가 추진제·폭약·점화계 등 화공품의 열화 메커니즘을 중심으로 설계·운용되어 왔다는 한계를 인식하고, 전자부품의 우발고장 특성을 체계 단위 저장 신뢰성 관리 논리에 포함하기 위한 방안을 제안하였다. 이를 위해 전자부품의 고장특성을 초기·우발·마모 고장으로 분류하고, 우발고장이 지배적인 품목을 중심으로 관리 우선순위를 설정한 뒤, 체계 수준에서 점검주기를 정량적으로 도출하는 절차를 제시하였다. 제안된 프레임워크는 부품과 체계의 고장 메커니즘 차이를 고려하여 적절한 확률 모형을 구분 적용하고, FMECA와 자문단 설문을 반영한 차등 관리 방안을 통해 전자부품까지 포괄하는 ASRP 운용 근거를 제공한다. 또한 고장률과 고장탐지율을 동시에 고려하는 점검주기 결정 모델을 적용함으로써, 목표 저장 신뢰도를 만족하는 범위 내에서 점검 효율화를 달성할 수 있는 정량적 의사결정 기반을 제시하였다. 종합하면, 본 연구는 화공품 중심으로 발전해 온 기존 ASRP의 적용 범위를 확장하여, 전자부품 우발고장을 포함한 체계 단위 저장 신뢰성 관리를 데이터 기반으로 수행할 수 있는 분석 흐름을 제시한다.
향후 연구에서는 본 연구에서 구분하여 다룬 우발고장 품목과 열화고장 품목을 통합적으로 고려하는 체계 단위 저장 신뢰성 관리 모델로 확장할 예정이다. 이를 통해 고장 메커니즘이 상이한 구성품들이 혼재하는 유도탄 체계에서, 열화고장 품목과 우발고장 품목을 동시에 반영한 점검·정비 전략 수립 가능성을 검토하고자 한다. 또한 정기검사가 전제로 된 점검 체계뿐 아니라, 점검주기가 불규칙하거나 표본 기반 샘플링 검사를 수행하는 유도탄을 대상으로 한 저장 신뢰성 평가 방법론으로 연구 범위를 확장할 계획이다. 이러한 환경에서는 기존의 주기적 점검 가정이 성립하지 않으므로, 불규칙한 점검주기 샘플링 검사를 반영할 수 있는 확률적 모델 및 점검 정책이 요구된다. 이러한 운용 특성을 반영한 저장 신뢰도 예측 및 점검 정책 모델을 제안함으로써, 다양한 ASRP 운용 유형에 적용 가능한 일반화된 체계 단위 저장 신뢰성 관리 프레임워크를 구축하고자 한다.

REFERENCES

Bak, J. M., and Park, S. W. 2023. Analysis of the Causes of Cracks in Rocket Propellant in Thermal Cycling Test. Journal of Korean Society for Quality Management 51(4):735-749.
crossref pdf
Chang, H. S., Lee, K. W., Choi, Y. H., and Seo, D. S. 2017. Reliability analysis and its application based on quality information of submarine installed equipment during building stage. Journal of the Korean Society of Marine Engineering 41(9):934-942.
crossref
Choi, S. C., Bae, Y. H., and Kim, D. E. 2005. A Study on the Development of ASRP for Improvement of the Stockpile Ammunition Reliability. Journal of the Korea Institute of Military Science and Technology 8(4):32-40.

Chu, Y. W. 2018. A study on the effect of design reliability and periodic inspection cycle on storage reliability: Focusing on one-shot logistic equipment system. Journal of the Korea Convergence Society 9(7):223-230.

Gu, S. H., Jo, K. J., Kim, Y. C., Lee, J. H., and Lee, H. C. 2022. A study on the Implementation Method of the ASRP Live Firing of a Guided Missiles. Journal of the Korea Academia-Industrial Cooperation Society 23(23):118-124.
crossref
Jeon, D. J., Seo, Y. W., Kim, J. T., and Um, C. S. 2023. Reliability Design Improvement Plan for Warship Electronic Components Using RPA Method. Journal of the KNST 6(2):190-194.
crossref
Jeong, S. H., and Lee, S. 2017. Analysis of ΔΔ guided missile inspection period based on storage reliability. Journal of the Korea Academia-Industrial Cooperation Society 18(4):592-598.
crossref
Jeong, Y., Yoo, H., and Song, G. 2018. A Study on the shift to the reliability-based defense quality policy. Journal of Korean Society for Quality Management 46(2):193-210.
crossref pdf
Jo, B., and Ahn, J. 2018. Storage Reliability Prediction Model for Missile subjected to Non-periodic Test and Periodic Inspection excluding Overlapped Failures. Journal of the Korea Academia-Industrial Cooperation Society 19(5):599-604.

Jo, K. J., Kim, Y. C., and Gu, S. H. 2023. A study on the standard establishment of LOT setting for the Guided missile ASRP. Journal of the Korea Academia-Industrial Cooperation Society 24(4):288-294.
crossref
Krivtsov, V. V. 2007. Practical extensions to NHPP application in repairable system reliability analysis. Reliability Engineering & System Safety 92(5):560-562.
crossref
Lim, J. Y., and Seol, H. 2023. A study on the proper inspection cycle plan through reliability analysis of one-shot system. Journal of Korean Society of Industrial and Systems Engineering 46(1):48-54.
crossref
Martinez, E. C. 1984. Storage reliability with periodic test. Proceedings of the Annual Reliability and Maintainability Symposium. 181-185. IEEE.
crossref
Roh, Y. C., Cho, N. W., and Lee, D. 2020. A Study on Determinants of Stockpile Ammunition using Data Mining. Journal of Korean Society for Quality Management 48(2):297-307.
crossref pdf
Tsang, A. 2012. A review on trend tests for failure data analysis. West Indian Journal of Engineering.

Yang, X., He, Y., Liao, R., Cai, Y., and Dai, W. 2024. Mission reliability-centered opportunistic maintenance approach for multistate manufacturing systems. Reliability Engineering & System Safety 241: 109693.
crossref
Yoon, K. S., Kim, Y. H., Bong, H. G., and Lee, J. C. 2006. A case study of Six Sigma for improving non-function test process in the ammunition stockpile reliability program. Journal of Korean Society for Quality Management 34(4):13-21.

Figure 1
Overall Reliability Management Process for Electronic Components
jksqm-54-2-197f1.jpg
Figure 2
Failure Characterization Process
jksqm-54-2-197f2.jpg
Figure 3
Critical Item Selection Process
jksqm-54-2-197f3.jpg
Figure 4
Storage Reliability Profile Using the Martinez Model with Design Failure Rates
jksqm-54-2-197f4.jpg
Figure 5
Storage Reliability Profile Using the Martinez Model with Field Failure Rates
jksqm-54-2-197f5.jpg
Table 1
Management Strategies for Critical Electronic Components
Critical Item Category Management Strategy
Field failure rate > design failure rate During depot-level maintenance, corrective actions are recommended, and enhanced standards should be established to improve durability through accelerated testing
Additional safety stock should be maintained at operation and maintenance units
During depot-level maintenance, design improvements should be implemented to reduce severity and risk levels identified in FMECA
Field failure rate < design failure rate A minimum level of spare parts should be maintained at operation and maintenance units
Table 2
Management Strategies for General Electronic Components
General Item Category Management Strategy
Field failure rate > design failure rate Due to limited mission impact, only a minimum level of spare parts required for essential operations is maintained.
When a failure is detected during periodic inspection and its impact on the system is assessed as minor, the replacement decision is made considering cost and operational aspects.
If the system-level field failure rate exceeds the design failure rate, design improvements are recommended during depot-level maintenance to reduce the severity and risk levels identified in FMECA.
Field failure rate < design failure rate When a failure is detected during periodic inspection and its impact on the system is assessed as minor, the replacement decision is made considering cost and operational aspects.
Table 3
Notation and Definitions of the Martinez Model
Notation Definition
RN(min) Minimum storage reliability immediately before the N-th inspection
RN(max) Maximum storage reliability immediately after the N-th inspection
λ Failure rate of the missile (1/MTBF)
T Periodic inspection interval
α Failure detection rate of periodic inspection
β Failure detection rate of BIT (Built-In Test)
α ̄ (1 − α)
β ̄ (1 − β)
Table 4
Formulation of the Martinez Model
Notation Formulation
RN(max) exp{-α¯(∑K=1N-1RK(max)T)λT}
RN(min) exp[-{α¯(∑K=1N-1RK(max))+β¯RK(max)}λT]
Table 5
Example of Interval-Censored Failure Data
Interval start Interval End Frequency
0 36 1
0 42 1
⋮ ⋮ ⋮
17 * 1
37 * 1
189 * 7
219 * 1
Editorial Office
1806, 310, Gangnam-daero, Gangnam-gu, Seoul, 06253, Korea
TEL: +82-2-563-0357   FAX: +82-2-563-0358   E-mail: ksqmeditor@ksqm.org
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Society for Quality Management.                 Developed in M2PI
Close layer
prev next