인공지능 신경망을 활용한 항공 MRO 효율 혁신 방안

초록

본 논문은 항공 정비·수리·정비( MRO) 시스템의 데이터베이스를 중앙집중화하고 인공신경망(ANN)을 적용함으로써 정비 정보 전달 속도와 정확성을 높이고, 정비 효율·일관성·규제 준수를 강화하는 방안을 제시한다.

상세 요약

본 연구는 기존 MRO 시스템이 분산된 데이터베이스와 수작업 기반의 고장 진단 절차 때문에 정보 전달 지연, 오류 전파, 규제 미준수 위험을 내포하고 있음을 지적한다. 제안된 중앙집중형 MRO 데이터베이스는 모든 정비 매뉴얼, 부품 이력, 센서 로그 등을 통합해 실시간 조회가 가능하도록 설계된다. 여기서 핵심 기술로 인공신경망을 도입하는데, ANN은 대규모 비정형 데이터(예: 정비 로그, 엔진 진동 파형, 항공기 운항 기록)에서 패턴을 학습해 고장 예측·원인 분석·정비 우선순위 산정에 활용된다. 논문은 다층 퍼셉트론(MLP)과 컨볼루션 신경망(CNN) 기반 모델을 각각 정비 이력 데이터와 이미지(예: 부품 결함 사진) 처리에 적용하는 시나리오를 제시한다.

기술적 강점으로는 ① 데이터 표준화와 API 기반 연동을 통한 시스템 간 호환성, ② 실시간 추론을 위한 엣지 컴퓨팅 배치, ③ 정비사에게 직관적인 시각화 결과 제공을 통한 의사결정 지원을 들 수 있다. 그러나 논문은 데이터 품질 관리, 레이블링 비용, 모델 설명가능성(XAI) 부족, 그리고 항공 규제기관(FAA, EASA)의 인증 절차 등 실무 적용에 필요한 과제를 충분히 다루지 않는다. 또한 제안된 ANN 모델의 학습 데이터 규모, 검증 방법, 성능 지표(RMSE, 정확도 등)가 구체적으로 제시되지 않아 실효성을 판단하기 어렵다. 향후 연구에서는 실제 MRO 현장 데이터를 활용한 파일럿 프로젝트와, 모델 업데이트 주기·보안·인증 절차를 포함한 운영 프레임워크를 구축해야 할 필요가 있다.