*국방기술품질원 연구원 (Defense Agency for Technology and Quality)
Vol. 36, No. 2, pp. 49-57, April 2021
https://doi.org/10.14346/JKOSOS.2021.36.2.49
ISSN 2383-9953 (Online) http://www.kosos.or.kr/jkosos
퍼지 기반 다양한 모델을 이용한 회전익 항공기 착륙장치의 위험 우선순위 평가
나성현*†⋅이광은*⋅구정모*
Risk Analysis for the Rotorcraft Landing System Using Comparative Models Based on Fuzzy
Seong Hyeon Na*†⋅Gwang Eun Lee*⋅Jeong Mo Koo*
†
Corresponding Author Seong Hyeon Na Tel : +82-55-751-5114 E-mail : [email protected] Received : January 14, 2021 Revised : February 17, 2021 Accepted : April 7, 2021
Abstract : In the case of military supplies, any potential failure and causes of failures must be considered. This study is aimed at examining the failure modes of a rotorcraft landing system to identify the priority items. Failure mode and effects analysis (FMEA) is applied to the rotorcraft landing system. In general, the FMEA is used to evaluate the reliability in engineering fields. Three elements, specifically, the severity, occurrence, and detectability are used to evaluate the failure modes. The risk priority number (RPN) can be obtained by multiplying the scores or the risk levels pertaining to severity, occurrence, and detectability. In this study, different weights of the three elements are considered for the RPN assessment to implement the FMEA. Furthermore, the FMEA is implemented using a fuzzy rule base, similarity aggregation model (SAM), and grey theory model (GTM) to perform a comparative analysis. The same input data are used for all models to enable a fair comparison. The FMEA is applied to military supplies by considering methodological issues. In general, the fuzzy theory is based on a hypothesis regarding the likelihood of the conversion of the crisp value to the fuzzy input. Fuzzy FMEA is the basic method to obtain the fuzzy RPN. The three elements of the FMEA are used as five linguistic terms. The membership functions as triangular fuzzy sets are the simplest models defined by the three elements. In addition, a fuzzy set is described using a membership function mapping the elements to the intervals 0 and 1. The fuzzy rule base is designed to identify the failure modes according to the expert knowledge. The IF-THEN criterion of the fuzzy rule base is formulated to convert a fuzzy input into a fuzzy output. The total number of rules is 125 in the fuzzy rule base.
The SAM expresses the judgment corresponding to the individual experiences of the experts performing FMEA as weights. Implementing the SAM is of significance when operating fuzzy sets regarding the expert opinion and can confirm the concurrence of expert opinion. The GTM can perform defuzzification to obtain a crisp value from a fuzzy membership function and determine the priorities by considering the degree of relation and the form of a matrix and weights for the severity, occurrence, and detectability. The proposed models prioritize the failure modes of the rotorcraft landing system. The conventional FMEA and fuzzy rule base can set the same priorities. SAM and GTM can set different priorities with objectivity through weight setting.
Key Words : FMEA, fuzzy, similarity aggregation model, grey theory model, membership function
Copyright@2021 by The Korean Society
of Safety All right reserved.
1.
서 론군수품에 대한 위험관리는 사업 특성과 평가 항목에 따라 기술적인 기법을 사용하여 다양하게 활용하고 있 다. 군수품 양산단계의 품질보증 활동은 위험관리를 기 반으로 품질경영체제 평가, 프로세스 검토, 제품확인감 사 등의 업무를 수행하기 때문에, 각 품질 구성품에 대 해서 객관성 있는 분석이 필요하다. 위험관리를 위한 위험 식별의 등급은 위험 발생 가능성과 영향 등을 고 려하여 다양하게 분류할 수 있다1).위험관리 방법 중 고 장 모드 영향 분석(Failure Mode and Effects Analysis, 이 하 FMEA)은 1950년대 시스템의 오동작 문제를 연구하 기 위하여 개발된 것으로 고장 관리를 위한 체계적인 신뢰성 기법으로 사용되고 있다. Shin 등은 사출성형기 에 의한 재해를 예방하기 위해 FMEA를 통해 고장이 많 이 발생하는 부품 군을 확인하였다. 또한, Shin 등은 전 문가의 경험과 경제적 측면을 고려하여 위험에 대한 수 용 여부를 결정하게 된다고 하였다2). 이러한 FMEA는 주관적인 의견이나 등급 부여에 대한 타당성을 확보하 기 위해 객관성을 확보할 수 있는 방법론을 적용하는 연구를 통해 발전하고 있다. 국내에서 Kwon 등은 기존 FMEA를 보완하기 위해 와이블 분포를 이용한 연구 모 델을 제시하였다3).
FMEA에 적용 가능한 방법론 중 퍼지 이론은 Zadeh 에 의해서 발전된 이론으로 최근 인공지능의 발전과 함 께 인간 신뢰성(Human Reliability) 분야에서 사용된다4). 퍼지 이론을 이용한 FMEA는 국내외 많은 분야에서 활 용하고 있다. Dağsuyu 등은 살균 장치에 대해서 3, 5단 계의 퍼지 FMEA를 수행하고 위험 우선순위를 도출하 였다5). Ahn 등은 해상 추진 장치 중 연료 셀과 가스 터 빈 시스템에 대해서 퍼지 FMEA를 수행하고 위험 우선 순위를 도출하였다6).다음, FMEA와 같이 위험관리에서 사용할 수 있는 방법론은 유사 집합 법과 그레이 시스 템 이론이 있다. Hsu 등은 지식 기반 이론과 집합 데이 터(Aggregating Data)를 통해 전문가 시스템을 적용한 유사 집합 법(Similarity Aggregation Method, SAM)을 제 안하였고, 이를 통해 전문가 의견을 종합하였다7). Yazdi 등은 항공기 착륙장치에 대해서 퍼지 FMEA와 유사 집 합 법을 이용하였다8).그레이 시스템 이론(Grey System Theory)은 Deng에 의해 제안된 것으로, 정보, 사용법, 구조 등에 대해서 알려지지 않은 것을 정량화할 때 활 용한다9). Raju 등은 알루미늄 복합재의 마모 거동 평가 를 위해서 퍼지 이론과 그레이 이론을 동시에 적용하였 고, 이를 통해 마모에 영향을 미치는 인자를 정량화하 여 우선순위를 결정하였다10).
본 논문에서는 군수품 위험관리 발전을 위해 퍼지 기 반 방법론 적용을 통한 위험 우선순위 평가 모델을 제 시하였다. 사례 연구는 회전익 항공기 착륙장치에 대하 여 5가지 고장 모드를 설정하였고, FMEA의 심각도, 발 생도, 검출도를 5단계로 정의하였다. FMEA는 퍼지 이 론, 유사 집합 모델, 그레이 이론 모델을 적용하였고, 각 모델을 통해서 5가지 고장 모드에 대한 위험 우선순위 를 도출하였다. 유사 집합 모델과 그레이 이론 모델은 공통으로 퍼지 FMEA의 소속도 함수를 이용하였다. 기 존 FMEA를 통해 도출한 위험도는 퍼지 규칙 기반, 유 사 집합 모델과 그레이 이론 모델을 적용한 결과를 비 교하였다.
2.
방법론 2.1 개요회전익 항공기 착륙장치의 고장에 대한 위험 우선순 위 도출을 위해서 본 논문에서 제안된 모델은 퍼지 기 반 FMEA에서 유사 집합 모델과 그레이 이론 모델을 적 용하여 결과를 도출하는 것이다. 퍼지 규칙 기반은 125 개의 규칙을 이용하고, 유사 집합 모델과 그레이 이론 모델은 각각 유사 집합 법과 그레이 시스템 이론을 기 반으로 적용한 모델들이다.
2.2 FMEA
FMEA는 발생 가능한 고장 모드와 영향을 평가하여 우선순위가 높은 위험 항목을 관리하는 기법이다. FMEA 요소는 심각도(Severity, S), 발생도(Occurrence, O), 검출도(Detectability, D)로 구성한다. 심각도는 위험 발생 시 해결 정도, 발생도는 발생 가능성, 검출도는 검 출할 수 있는 정도를 나타낸다. 위험도(Risk Priority Number, 이하 RPN)는 식(1)과 같고, 정량화된 값으로 표현할 수 있다.
× ×
(1)2.3 퍼지 이론 및 제안된 모델
퍼지 이론은 인지(Human Knowledge)의 오류를 줄이 기 위해 모호하거나 불확실한 상태를 공학적 언어로 표 현하는 것이다. 또한, 퍼지 이론은 복잡한 현상의 문제 를 단순화하여 정보의 손실을 최소화할 수 있다. 퍼지 이론은 0 또는 1인 두 개의 값을 취하는 특성 함수에 의 해 규정되는 크리스프 집합(Crisp Set)을 소속도 함수 (Membership Function)를 이용하여 퍼지 집합(Fuzzy Set) 으로 확장한 것이다.
(a) triangular form
(b) trapezoidal form Fig. 1. Membership function.
≤ ≤
≤ ≤
(2)
≤ ≤
≤ ≤
≤ ≤
(3)
퍼지 집합은 기본적으로 삼각형 또는 사다리꼴 형태 를 통해 구성한다. Fig. 1은 식(2), (3)에 대해서 퍼지 집 합을 도시한 것이고, Fig. 2는 제안된 퍼지 모델을 나타 낸 것이다. 제안된 퍼지 모델은 크게 퍼지화기(Fuzzifier), 퍼지 추론 엔진(Fuzzy Inference Engine), 비퍼지화기 (Defuzzifier)로 구성된다. 퍼지화기는 크리스프 값을 퍼 지 값으로 변환하는 역할을 한다. 퍼지 추론 엔진은 소 속도 함수와 퍼지 규칙을 이용하여 퍼지 출력 값을 추 론하는 역할을 한다.
Fig. 2. Process of proposed fuzzy model.
본 논문에서 퍼지 추론 엔진은 퍼지 규칙 기반, 유사 집합 모델, 그레이 이론 모델을 적용하였다. 비퍼지화기는 퍼지 이론의 정량적인 결과로 퍼지 출력 값을 실제로 사용하기 위해 등가의 크리스프 값으로 변환한다.
퍼지 규칙 기반(Fuzzy Rule Base)은 IF-THEN을 통해 수치변수 대신 언어적 평가를 수행하기 위해 만들어진 것이다. IF-THEN은 퍼지 규칙 기준을 만들고 이를 통 한 추론 결과가 여러 가지일 경우 합성으로 최종 추론 결과를 나타내는 것이다. IF 부는 퍼지 입력 값(또는 변 수)을 사용하는 전반부이고, THEN 부는 퍼지 출력 값 (또는 변수)에 해당하는 후반부이다.
2.4 유사 집합 모델
전문가 의견을 종합하는 방법은 최대-최소 Delphi 법, 산술 평균, 투표, 퍼지 우선 관계, 퍼지 Delphi 법 등이 있다. Hsu 등은 전문가 의견을 종합하기 위해 퍼지 이 론을 활용한 유사 집합 모델을 제시하였다7). 유사 집합 모델은 FMEA를 수행하는 전문가의 개별 경험에 의한 판단을 가중치로 표현할 수 있다. Table 1은 직위, 경력, 교육 등 특성에 따른 가중치를 나타낸 것이다.
Table 2는 식(4)를 통해 전문가의 의견(
)에 대한 가 중치(
)를 나타낸 것이다.
(4)
유사 집합 모델은 전문가의 의견과 의견 일치 정도를 통해 구성한다. 전문가 3명의 의견은
, 전 문가 의견 일치 정도는 식(5)와 같이
또는
로 나타낸다.Table 1. Traits for expert weighting score
Score Position Job experience Education
3 Researcher < 3 Bachelor
4 Junior researcher < 5 Master
5 Senior researcher < 7 Ph. D
Table 2. Expert weighting results Position Job
experience Education
Expert 1 4 4 4 12 0.36
Expert 2 3 4 4 11 0.33
Expert 3 3 3 4 10 0.30
Fig. 3. Intersection of expert opinion on fuzzy sets.
max
min
(5)
Fig. 3은 소속도 함수에서 퍼지 집합을 도시한 것이 다. 유사 집합 모델은 각 전문가의 의견이 반영된 소속 도 함수의 교차(Intersection)가 있어야 하며, 전체 면적 과 교차 면적을 활용한다.
유사 집합 모델은 전문가 의견 일치 정도를 다음과 같은 행렬로 나타낸다.
식(6)은 전문가의 평균 일치 정도(Average Agreement Degree, AAD), 식(7)은 상대 일치 정도(Relative Agreement Degree, RAD)를 나타낸 것이다.
≠
(6)
(7)
유사 집합 모델은 전문가의 의견에 대한 가중치(
) 와 일치 정도에 대한 가중치(
)를 통해 전문가의 종합 의견(
)을 계산할 수 있다. 일치 정도 계수(Consensus Degree Coefficients, CDC)는 식(8)과 같다. 식(9)는 전문 가 종합 의견 결과를 나타낸 것이다.
∙
∙
≤
≤
(8)
⊗
⊕ ⋯ ⊕
⊗
(9)여기서,
⊕
는 퍼지 더하기,⊗
는 퍼지 곱하기를 나타 낸 것이다. Hsu 등은 퍼지 함수에 대한 범위를 통해 결 과를 도출하였지만, 본 논문에서는 위험 우선순위 선정 을 위해 심각도, 발생도, 검출도에 대한 각 전문가 의견 결과의 평균값을 통해 도출하였다. 각각의 평균값들의 곱은 위험도를 나타내었다.2.5 그레이 이론 모델
그레이 이론 모델(Grey Theory Model, GTM)은 그레 이 시스템 이론(Grey System Theory, GST)을 바탕으로 FMEA의 소속도 함수를 비퍼지화 하는 방법이다. 그레 이 이론 모델은 퍼지 이론과 비교하면 전문가의 데이터 분포 없이 적은 수의 데이터를 통해 결과 도출이 가능 하다. Chen 등은 퍼지 함수에서 크리스프 값을 얻기 위 해 그레이 시스템 이론을 적용한 비퍼지화 방법을 제안 하였다11). Chen 등은 같은 소속도 함수에서 그레이 이 론을 적용하기 때문에 위험 항목에 대한 가중치를 선정 하기 어렵다. 본 논문에서 그레이 이론 모델은 심각도, 발생도, 검출도의 소속도 함수에 대해서 각각 적용하였 다. 각 언어 표현에 대한 비퍼지화 값은 비교를 위해 행 렬로 표현한다.
Fig. 4는 그레이 시스템 이론에서 3가지의 언어변수 에 대한 소속도 함수가 있을 때, 비퍼지화된 크리스프 값(
)을 도출하기 위해 나타낸 것이다.
는 식 (10)과 같이 나타낼 수 있다. 비퍼지화된 크리스프 값은 심각도, 발생도, 검출도의 위험 수준(Level)에 대해서 구 성한 소속도 함수를 의미한다.
(10)
Fig. 4. Defuzzifier of the linguistic term for GTM.
고장 모드 1~5에 대한
는 식(11)과 같이 나타낼 수 있다. 여기서,
는 고장 모드 5개를 나타낸 것이고,
개의 고장 모드에 대해서도 적용할 수 있다.
→
(11)
는 그레이 상관 계수(Grey relation coefficient)로서 식(12)와 같다.
는
에서 최솟값을 나타낸 것이고,
는 식별자(Identifier)를 나타낸 것으로, 위험에 대한 상 대적인 값에 영향을 미치는 인자이다.
는 심각도, 발 생도, 검출도의 중요도를 선정할 수 있는 가중 계수 (Weighting Coefficient)를 나타낸 것이다.
max
max
min
min
max
max
∈
(12)
FMEA에서 잠재적인 영향에 대해 분석하는 상관도 (Degree of Relation)는
로 나타내며, 수치가 작을수록 우선순위가 높아진다.
(13)2.6 퍼지 FMEA
퍼지 FMEA는 기존 FMEA의 결과에 대한 신뢰성을 높이기 위해 퍼지 이론과 FMEA를 결합한 것이다. 퍼지
FMEA는 기존 FMEA의 위험도와 관련된 변수들을 언 어변수로 변환하여 현상의 불확실한 상태를 정량적으 로 표현할 수 있다. 퍼지 추론을 위해 필요한 규칙의 개 수는 입력변수에 할당하는 개수에 따라 달라진다. 퍼지 FMEA는 평가과정에 언어규칙에 따라 정량화할 수 있으 며, 퍼지 연산을 이용하여 퍼지 RPN(F-RPN)을 도출할 수 있다. Tables 3~5는 위험 수준에 따른 각각 심각도, 발 생도, 검출도에 대한 언어적 변수를 나타낸 것이다.
Figs. 5~7은 각각 심각도, 발생도, 검출도에 대한 소 속도 함수를 나타낸 것이다. x축은 입력 값(Score), y축 은 소속도(Degree of membership)를 나타낸다. 소속도 함수 분석 도구는 Excel을 이용하였다.
Table 3. Risk level and linguistic expressions for severity
Level Category Description
S
L1 Very low Safety
L2 Low Not serious injury
L3 Medium Minor injury
L4 High Severe injury
L5 Very high Death or system loss
Table 4. Risk level and linguistic expressions for occurrence
Level Category Description
O
L1 Very low 1:100
L2 Low 1:50
L3 Medium 1:20
L4 High 1:10
L5 Very high 1:2
Table 5. Risk level and linguistic expressions for detectability
Level Category Description
D
L1 Very low Unlikely
L2 Low Remote
L3 Medium Moderate
L4 High Probable
L5 Very high Frequent
Fig. 5. Membership functions for severity.
Fig. 6. Membership functions for occurrence.
Fig. 7. Membership functions for detectability.
3.
사례 연구 3.1 회전익 항공기 착륙장치착륙장치는 비접이식 형태로 지상 착륙 시 완충장치 기능과 계류 시 기체를 지지해주는 기능을 한다.
Fig. 8은 회전익 항공기에 적용된 전륜 착륙장치(Nose landing gear, NLG)와 주륜 착륙장치(Main landing gear, MLG)를 나타낸 것이다. 이러한 착륙장치의 부품 및 구 성품은 완충장치 조립체(Shock strut assembly), 휠 조립체
Fig. 8. Landing system of rotorcraft.
(Wheel assembly), 드래그 빔 조립체(Drag beam assembly) 등으로 구성되어 있다. 착륙장치는 회전익 항공기에서 전방과 중앙 양쪽에 장착되고, 장착된 부품 및 구성품 은 착륙 시 충격 때문에 고장을 발생하게 된다.
3.2 회전익 항공기 착륙장치의 FMEA
Table 6은 회전익 항공기의 착륙장치 중 주륜 착륙 장치(Main Landing Gear, MLG)의 5가지 고장에 대한 FMEA를 나타낸 것이다. 착륙장치에 대한 고장 모드는 퍼지 FMEA 적용을 위해 5가지로 선정하였다. 고장 모 드는 주륜 착륙장치에 대한 주차 모드, 핀 손상, 오일 누유, 가스 누유, 내추락 상실 순으로 위험 우선순위를 도출할 수 있다. 동일 RPN은 위험 우선순위를 검토하 는 과정에서 추가적인 분석이 필요하다.
Table 6. FMEA for landing system
Failure mode S O D RPN
FM1 Break parking mode 3 2 1 6
FM2 MLG Pin damage 3 1 2 6
FM3 MLG Oil leakage 2 2 4 16
FM4 MLG Gas leakage 1 4 4 16
FM5 MLG No shock absorption 5 1 4 20
3.3 퍼지 규칙 기반을 이용한 위험도
Fig. 9는 심각도, 발생도, 검출도의 IF-THEN에 따른 위험도를 나타낸 규칙이고, Table 7은 5가지 고장 모드 에 대해 퍼지 규칙 기반을 적용하여 위험 우선순위를 도출한 것이다. 퍼지 규칙 기반은 IF-THEN 규칙에 따 라 위험도 산출이 가능하지만, 동일 위험 우선순위를 도출하는 단점을 가진다.
Table 7. Priorities using fuzzy rule base Failure
mode
IF THEN Priority
S O D
FM1 3 2 1 37.5 4
FM2 3 1 2 37.5 4
FM3 2 2 4 62.5 2
FM4 1 4 4 62.5 2
FM5 5 1 4 75 1
3.4 유사 집합 모델을 이용한 위험도
유사 집합 모델(SAM)은 전문가의 의견을 논리적으 로 종합하는 방법으로 사용한다. Table 8은 유사 집합 모델을 위한 전문가의 의견을 수치로 나타낸 것이다.
예시는 고장 모드 1(FM1)에 대해서 유사 집합 모델 을 적용한 것이다. 이때 가중치(
)는 0.5로 설정하였다.Table 8. Each expert opinion for SAM
Failure mode E1 E2 E3 Avg.
FM1
S 3 2 3 3
O 3 2 2 2
D 1 1 1 1
FM2
S 3 3 4 3
O 1 2 1 1
D 1 2 2 2
FM3
S 2 2 2 2
O 2 2 2 2
D 4 4 4 4
FM4
S 2 1 1 1
O 4 3 4 4
D 4 5 4 4
FM5
S 4 5 5 5
O 1 2 1 1
D 4 4 4 4
Table 9. Parameter of SAM for severity of FM1
1 (2, 5, 8) 0.68 0.40 0.38
2 (1, 3.5, 6) 0.35 0.21 0.27
3 (2, 5, 8) 0.68 0.40 0.35
Table 9는 유사 집합 모델 식에 따라 Fig. 5의 심각도에 대한 소속도 함수에서 Level 3, 2, 3인 출력 값을 나타낸 것이다.
동일 방법으로 고장 모드 1(FM1)의 심각도, 발생도와 검출도의 결과는 각각 다음과 같다.
≈ ⊗⊕⊗⊕⊗ ≈
≈ ⊗ ⊕⊗⊕⊗ ≈
≈ ⊗⊕⊗⊕⊗ ≈
고장 모드 1(FM1)의 심각도에 대해서 전문가의 의견 (
)을 도출할 수 있다.
× × ≈
Fig. 9. Fuzzy Rule Base(125 cases).
Fig. 10. Result according to beta coefficient.
Table 10. Priorities using SAM Failure
Mode S O D
Priority
FM1 3 2 1 13.14 5
FM2 3 1 2 22.45 4
FM3 2 2 4 105.00 3
FM4 1 4 4 106.96 2
FM5 5 1 4 112.06 1
Fig. 10은 위와 같은 방법을 사용하여 모든 고장 모드 에 대해서 0, 0.3, 0.5, 0.7, 1로 설정한 가중치(
)에 따 른 위험도를 정리하여 나타낸 것이다. 본 논문에서는 가중치(
)를 0.5로 설정하였고, 유사 집합 모델 결과를 Table 10과 같이 나타낸다.3.5 그레이 이론 모델을 이용한 위험도
그레이 이론 모델(GTM)은 심각도, 발생도, 검출도에 대한 각각의 소속도 함수를 활용하였다. Table 11은 심 각도, 발생도, 검출도에 대한 소속도 함수의 비퍼지화 수를 나타낸 것이다. Table 12는 식(10),(11)을 통해 그 레이 관계 계수를 도출하기 위해 정리한 것이다.
Table 13은 식 (12),(13)을 통해 각 고장 모드에 대한 그레이 상관 계수를 정리한 것으로, 심각도(
), 발생 도(
), 검출도(
)에 대해서 나타낸 것이다. 상관도는 낮을수록 위험 우선순위가 높다.Table 11. Defuzzified crisp numbers for GTM
Risk
S O D
L1 0.25 0.20 0.09
L2 0.38 0.42 0.24
L3 0.50 0.50 0.50
L4 0.62 0.58 0.72
L5 0.75 0.80 0.91
Table 12. Calculation for Grey relation coefficient of GTM
Failure
Mode i k S O D
FM1 1 0.50-0.25=0.25 0.42-0.20=0.22 0.09-0.09=0 FM2 2 0.50-0.25=0.20 0.20-0.20=0 0.24-0.09=0.15 FM3 3 0.38-0.25=0.13 0.42-0.20=0.22 0.72-0.09=0.63 FM4 4 0.25-0.25=0 0.58-0.20=0.38 0.72-0.09=0.63 FM5 5 0.75-0.25=0.5 0.20-0.20=0 0.72-0.09=0.63
Table 13. Priorities using GTM
Priority
1 0.56 0.59 1.00 0.74 5
2 0.56 1.00 0.68 0.69 4
3 0.71 0.59 0.33 0.53 2
4 1.00 0.45 0.33 0.62 3
5 0.39 1.00 0.33 0.49 1
3.6 각 모델에 따른 위험 우선순위 비교
Table 14는 기본 FMEA의 RPN, 퍼지 규칙 기반, 유 사 집합 모델, 그레이 이론 모델을 통해 도출된 위험 우선순위를 정리하여 나타낸 것이다.
Table 14에서 기존 FMEA는 심각도, 발생도, 검출도 에 대한 가중치를 설정하지 않기 때문에 동일 우선순 위를 도출할 수 있다. 또한, 언어변수를 크리스프 값과 소속도 함수로 구성하는 퍼지 규칙 기반은 IF-THEN에 의해 규칙을 설정하기 때문에 규칙의 분할에 따라 동 일 우선순위를 도출할 수 있다. 반면, 유사 집합 모델 은 전문가 의견을 기반으로 의견의 일치 정도를 수식 적으로 풀이하게 되는데, 전문가 특성 가중치와 일치 정도에 대한 가중치(
)를 설정하여 우선순위를 다르 게 도출할 수 있다. 그레이 이론 모델은 소속도 함수를 활용하여 비퍼지화된 크리스프 값을 통해 위험 수준을 정량화한다. 그레이 이론 모델은 심각도, 발생도, 검출 도에 대한 가중치(
) 설정을 통해 구분된 우선순위를 도출할 수 있다.Table 14. Priority of landing system for various model Failure
mode
Priority RPN Fuzzy rule
base SAM GTM
FM1 4 4 5 5
FM2 4 4 4 4
FM3 2 2 3 2
FM4 2 2 2 3
FM5 1 1 1 1
Table 14에서 고장 모드 3과 4의 유사 집합 모델과 그레이 이론 모델의 우선순위 결과는 전문가 의견, 심 각도, 발생도, 검출도에 대한 가중치 설정이 달라 다르 게 도출되었다. 이 경우, 전문가는 고장 모드에 대한 구조적 분석을 추가로 진행해야 한다. 고장 모드 3과 4 는 회전익 항공기 착륙장치에서 충격 착륙 시 완충기 조립체 내부의 질소가스가 압축되면서 충격을 흡수하 는 완충 작용과 관련된 것으로, 가스 누출에 대한 우선 순위는 오일 누유와 비교 시 높을 수 있다.
4.
결 론군수품 중 양산단계 품질보증 활동에서 회전익 항공 기는 위험관리를 수행하며, 위험관리는 FMEA를 통해 도출된 고장 모드의 위험 우선순위를 활용한다. 기존 FMEA는 심각도, 발생도, 검출도에 대한 가중치를 부 여한 중요도 선정에서 단점을 나타내기 때문에 방법론 적용을 통한 객관성을 확보하기 위해 발전하고 있다. 본 논문에서는 회전익 항공기 착륙장치의 5가지 고장 모드에 대해서 FMEA 및 퍼지 FMEA를 통해서 위험 우선순위를 도출하였다. 그 결과 퍼지 규칙 기반을 적 용한 결과는 동일 우선순위를 나타낸다. 이 단점을 보 완하기 위해, 제안된 방법은 유사 집합 모델과 그레이 이론 모델을 통해 우선순위를 도출하는 것이다.
하지만 전문가 의견에 중점을 두는 유사 집합 모델과 FMEA 요소에 중점을 두는 그레이 이론 모델은 도출한 각각의 위험 우선순위 결과가 다르게 나오는 한계를 가 진다. 이 경우, 전문가는 해당 고장 모드에 대한 추가적 인 구조적 분석을 통해 두 모델 중 적합한 모델을 선정 해야 한다.
제안된 모델은 회전익 항공기뿐만 아니라 여러 군수 품에서 운용 환경에 맞게 적절한 방법 및 모델을 선정 하여 위험관리 측면에서 기초 자료로써 활용할 수 있 을 것이다. 향후, 다음 연구는 퍼지 추론 엔진에서 유 사 집합 모델과 그레이 이론 모델을 수식적으로 결합 하는 방향으로 나아가야 할 것으로 사료된다.
References
1) B. C. Shin, W. Y. Hwang, N. S. Ahn, D. H. Kim, G. L. Lee, B. K. Jang and J. H. Byun, “Suggestions on Enhancing the Effectiveness of Government Quality Assurance Activities for Military Supplies in Production Stage”, Journal of Society Quality Management, Vol. 44, No. 1, pp. 153-166, 2016.
2) W. C. Shin and J. M. Chae, “Risk Priority Number using FMEA by the Plastic Moulding Machine”, J. Korean Soc.
Saf., Vol. 30, No. 5, pp. 108-113, 2015.
3) H. M. Kwon, M. K. Lee and S. H. Hong, “Risk Evaluation of Failure Cause for FMEA under a Weibull Time Delay Model”, J. Korean Soc. Saf., Vol. 33, No. 3, pp. 83-91, 2018.
4) L. A. Zadeh, “Fuzzy Sets”, Information and Control, Vol.
8, pp. 338-353, 1965.
5) C. Dağsuyu, E. Göçmen, M. Narli and A. Kokangül,
“Classical and Fuzzy FMEA Risk Analysis in a Sterilization Unit”, Computers & Industrial Engineering, Vol. 101. pp. 286-294, 2016.
6) J. Ahn, Y. Noh, S. H. Park, B. I. Choi and D. Chang,
“Fuzzy Based Failure Mode and Effect Analysis(FMEA) of a Hybrid Molten Carbonate Fuel Cell(MCFC) and Gas Turbine System for Marine Propulsion”, Journal of Power Sources, Vol. 364. pp. 224-233, 2017.
7) H. M. Hsu and C. T. Chen, “Aggregation of Fuzzy Opinions under Group Decision Making”, Fuzzy Sets and Systems, Vol. 79. pp. 279-285, 1996.
8) M. Yazdi. S. Daneshvar and H. Setareh, “An Extension to Fuzzy Developed Failure Mode and Effects Analysis (FDFMEA) Application for Aircraft Landing System”, Safety Science, Vol. 98, pp. 113-123, 2017.
9) J. Deng, “Introduction to Grey System Theory”, The Journal of Grey System, Vol. 1, pp. 1-24, 1989.
10) S. S. Raju, G. S, Rao and C. Samantra, “Wear Behavioral Assessment of Al-CSAp-MMCs using Grey-Fuzzy Approach”, Measurement, Vol. 140, pp. 254-268, 2019.
11) C. B. Chen and C. M. Klein, “A Simple Approach to Ranking a Group of Aggregated Fuzzy Utilities”, IEEE Transactions on Systems, Man, and Cybernetics-Part B : Cybernetics, Vol. 27, No. 1, 1997.
