변동점 식별·축소를 위한 제품 라인 시스템 엔지니어링 프로세스

초록

본 논문은 대규모 시스템 제품 라인에서 수천 개의 변형점과 다학제 복잡성을 효율적으로 관리하기 위해, 계층적 변동성 모델과 시스템 엔지니어링 개념을 결합한 자동화 프로세스를 제안한다. 제안된 방법은 기존 레거시 모델을 활용해 변이점 간 관계를 도출하고, 불필요한 변이점을 제거함으로써 14 %~40 %의 변동점 감소 효과를 입증한다.

상세 분석

이 연구는 제품 라인 시스템 엔지니어링(PLSE) 분야에서 변동성 관리의 두 가지 핵심 문제, 즉 변이점(variation point) 과다와 변이 간 관계 파악의 어려움을 동시에 해결하고자 한다. 기존 연구는 주로 요구사항 수준이나 소프트웨어 아키텍처에 초점을 맞추었지만, 본 논문은 시스템 수준, 특히 항공 엔진 제어와 같은 복합 물리 시스템에 적용 가능한 계층적 변동성 모델(SOVM)을 제시한다. 먼저, 레거시 시스템 모델(예: SysML, MATLAB/Simulink)을 추출하여 기능·구조·데이터 계층을 구성하고, 각 요소를 변이 후보로 매핑한다. 이후, 정형화된 관계 정의(동등, 포함, 상호 배제 등)를 기반으로 변이점 간 의존성을 그래프 형태로 표현한다. 핵심 알고리즘은 두 단계로 이루어진다. ① 변이점 간 관계 추출 단계에서는 트리/다이그래프 탐색을 통해 상위‑하위 변이점 연결을 식별하고, 변이점 간 중복성을 정량화한다. ② 변동점 축소 단계에서는 최소 커버 문제로 환원하여, 불필요하거나 대체 가능한 변이점을 제거한다. 이 과정은 NP‑hard 문제이지만, 휴리스틱 기반의 greedy 알고리즘과 제약 만족 솔버를 결합해 실시간에 가까운 성능을 달성한다. 실증 사례로 Rolls‑Royce 항공 엔진 제어 시스템을 사용했으며, 계층적 모델링을 통해 초기 120개의 변이점이 84~102개로 감소하였다. 추가적인 도메인(자동차 전장, 의료 기기)에서도 14 %~40 %의 변동점 감소가 확인되었으며, 변이점 감소에 따른 설계·검증 비용 절감 효과가 추정된다. 한계점으로는 레거시 모델의 품질에 크게 의존한다는 점과, 변이점 간 복합적인 비선형 관계를 완전히 포착하기 어려운 점을 들 수 있다. 향후 연구에서는 동적 시뮬레이션 데이터를 활용한 관계 강화와, 머신러닝 기반 변이점 중요도 예측을 통해 자동화 수준을 높이는 방안을 제시한다.