OneSAF는 미국에서 개발된 교전급 시뮬레이션 프레임워크로, 미래 전장에 대한 M&S 분석을 위해 국내에서도 지속적으로 활용되고 있다. 그러나 여단급 규모의 OneSAF 시나리오를 작성하기 위해서는 많은 시간과 노력이 필요하며, 실험계획요원과 모의분석요원 간의 상호 이해 부족으로 인해 시나리오의 일관성과 효율성이 저하되는 문제가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 작전투명도에 기반한 시나리오 작성 방법을 제안한다. 제안한 방법은 기본군대부호, 작전활동부호, 협조관계를 활용해 작전투명도를 구성하고, 이를 OneSAF 표준과업과 매핑하여 임무계획표로 자동 변환하도록 설계되었다. 마지막으로 여단 공격 시나리오를 대상으로 사용자 테스트를 수행한 결과, 제안 방법이 기존 작성 방식 대비 시나리오의 일관성과 작성 효율성이 모두 향상됨을 확인하였다.

이산 사건 시스템 명세(Discrete Event System Specification; DEVS) 형식론은 모델링 및 시뮬레이션 분야에서 널리 사용된다. 시뮬레이터/모델 개발 과정에서 구현된 원자모델이 DEVS 명세에 부합하는지 검증하는 단위 시험이 필요하지만, 시험자가 수작업으로 시험 사례를 설계하는 방식은 누락과 중복이 발생하기 쉽다. 특히 원자모델은 입력에 의해 발생하는 외부 상태천이뿐 아니라 시간 전진(ta)에 의해 발생하는 내부 상태천이를 포함하므로, 시간 요소를 고려한 시험 사례 생성이 필수이다. 본 논문은 단일 원자모델을 대상으로, DEVS 명세로부터 시험 사례를 자동 생성하는 알고리즘을 제안한다. 제안 알고리즘은 외부 입력 이벤트 선택과 입력이 없는 대기를 통한 내부 이벤트 발생을 조합하여 원자모델에서 가능한 이벤트 조합을 체계적으로 열거하며, 명세의 상태천이(전이) 커버리지를 달성하는 유한한 시험 사례 집합을 생성한다. Generator-Buffer-Processor 예제의 원자모델에 적용한 사례 연구를 통해 알고리즘의 적용 가능성을 보인다.

본 연구에서는 대학 강좌 추천의 성능 향상을 위해 Transformer 기반 시퀀스 추천 모델을 제안하였다. 대학 강좌 선택은 '학기 내 병렬 수강'과 '학기 간 순차 관계'가 공존하는 구조적 특성을 가지므로, 이를 반영하기 위해 '학기 단위 바스켓' 개념을 적용한 TSR(Term-level Sequential Recommendation Model)과 '강좌 단위 시퀀스'를 처리하는 CSR(Course-level Sequential Recommendation Model)을 설계하였다. 실제 대학생의 7년간 수강 이력 데이터를 활용하여 모델을 학습하고 성능을 평가한 결과, TSR과 CSR 모두 기존 비교 모델보다 모든 성능 지표에서 일관되게 우수한 결과를 보였다. 이는 Transformer의 self-attention 메커니즘이 강좌 간 장기 의존성과 순차적 패턴을 효과적으로 학습함을 보여준다. 특히 TSR은 CSR 대비 평균 약 4% 이상의 성능 향상을 기록하였으며, 이는 학기 단위 구조와 병렬 수강 특성을 보다 정교하게 반영한 결과로 해석된다. 본 연구는 Transformer 기반 시퀀스 추천 모델을 대학 강좌의 구조적 특성에 부합하도록 적용하고 그 우수성을 실증하였다는 점에서 학술적 의의를 가지며, 향후 개인 맞춤형 학습 설계와 수강 지도 자동화 등 대학 교육혁신을 위한 핵심 기술로 활용될 것으로 기대된다.

압력-충격량 (Pressure-Impulse, P-I) 곡선은 폭발 하중 하에서 방폭문의 피해 수준을 평가하는 핵심 도구이나, 기존 방식은 회전유연각, 방폭문의 구성 및 크기별로 개별 수치해석이 필요하여 시간과 비용이 크게 든다는 한계를 가진다. 본 연구에서는 P-I 곡선 예측 문제를 조건부 회귀 문제로 재정의하고, 제한된 해석 결과만으로 미관측 조건의 P-I 곡선을 예측할 수 있는 학습 기반 방법을 제안한다. 방폭문에 작용하는 최대 압력을 입력으로 하고 충격량을 출력으로 하는 회귀 모델을 구성하였으며, 회전유연각, 방폭문 구성 및 크기 정보를 조건 변수로 활용하였다. 단순 다층 퍼셉트론 모델(Plain MLP)과 Feature-wise Linear Modulation(FiLM)기반 조건부 모델을 비교한 결과, FiLM 기반 모델은 각도 일반화, 모델 크기 일반화 문제뿐만 아니라 도메인에 의존하지 않도록 하여, 보다 안정적이고 정확한 예측 성능을 보였다. 본 연구는 P-I 곡선을 조건에 따라 변화하는 함수 군으로 해석할 수 있는 관점을 제시하며, 계산 효율적인 구조 응답 예측을 위한 실질적인 대안을 제공한다.

트윈 크레인 스토커 시스템은 디스플레이 제조공정에서 패널이 적재된 캐세트를 적시에 이송하기 위한 핵심 물류 설비이다. 그러나 고밀도 작업 환경에서 다수의 이송 명령을 처리할 때 발생하는 크레인 간 간섭은 시스템 효율을 저하시키는 주된 요인이다. 본 연구는 작업 우선순위 준수와 크레인 간 간섭 최소화를 동시에 고려한 트윈 크레인 작업할당 문제(TCJAP)를 다룬다. 이를 위해 운용 중 발생하는 간섭 조건을 명확히 정의하고, 상호작용에 따른 지연 시간을 정량적으로 반영하는 정교한 적합도 함수(Fitness function)를 제안한다. 제안된 함수는 유전알고리즘(GA)에 통합되어 작업할당 최적화에 적용되었다. 실험 결과, 작업 부하가 높은 환경에서 제안된 기법은 기존 방식 대비 총완료시간(Makespan)을 13.92%, 택트타임(Tact time)을 2.9% 감소시켰다. 이러한 결과는 크레인 간 간섭으로 인한 미시적인 지연을 감수하더라도, 전체 관점에서 간섭을 제어하는 작업할당 전략이 시스템의 장기적 운영 효율 향상에 중요함을 시사한다.

본 연구는 강화학습 기반의 예하 부대 과업 계획 기법을 제안하여 기존의 경험 의존적 의사결정 방식의 한계를 극복하고자 한다. 현행 군 과업 계획은 지휘관과 참모의 경험에 의존함으로써, 과업 계획 결과의 질이 개인의 역량에 좌우되며, 신속한 의사결정이 필요한 경우 다양한 정보에 대한 충분한 검토가 제한될 수도 있다. 이러한 제한 사항을 극복하기 위한 방법으로 강화학습을 활용한 연구들이 있었으나, 그리드 월드 기반의 단순한 과업을 고려함으로써, 전술기동, 우회, 점령 등의 복잡한 군 과업을 반영하지 못했다. 이를 해결하기 위해 본 논문은 전장 상황을 모의하는 전장디지털트윈을 활용한 강화학습 기반의 예하 부대 과업 계획 기법을 제안한다. 다중 에이전트 구조와 SAC 알고리즘을 적용하여 학습 복잡도를 낮추고, 계층적 강화 학습 구조를 활용하여 파라미터 입력이 필요한 규칙 기반 과업의 학습이 용이하도록 하였으며, 그래프 어텐션 네트워크를 활용하여 부대별 중요도를 다르게 반영할 수 있도록 하였다. 실험을 통해 주어진 시나리오에서 사람의 개입 없이 임무 달성을 위한 예하 부대 과업 계획을 효과적으로 생성하는 것을 확인하였다. 제안하는 방법은 향후 인공지능 기반 지휘결심지원체계 발전에 활용될 것으로 기대된다.

정밀 농업에서 잡초는 작물과 수분·영양소를 경쟁하여 생산성을 저하시키며, UAV 기반 선택적 잡초 관리는 환경 부담과 비용을 줄이기 위한 중요한 대안이다. 특히 침입성 잡초는 불완전한 탐지 시 급속 재확산되므로 완전 탐색이 필수적이다. 기존 UAV 잡초 탐지 연구는 주어진 구역에서 가능한 많은 잡초를 발견하는 경로 설계에 집중했지만, 농경지 전역의 잡초를 완전히 탐색하는 경로를 체계적으로 최적화하지는 못했다. van Essen 등의 강화학습 기반 접근은 전체 탐색을 시도했으나, 글로벌 맵을 평균 풀링으로 축소하는 과정에서 공간 정보가 손실되어 모든 잡초를 안정적으로 찾지 못하는 한계가 있었다. 본 연구는 이러한 문제를 "가능한 모든 잡초를 찾을 수 있는 효율적 경로계획"으로 재정의하고, CBAM 기반 어텐션과 다중스케일 특징 학습을 결합한 DQN 기반 UAV 경로계획 프레임워크를 제안한다. 세 가지 분포 시나리오에서 제안 기법은 기존 방법 대비 완전 탐색 성공률을 약 2배로 향상시키고, 경로 길이를 30~40% 감소시켜 농경지 전역 완전 탐색의 가능성을 확인하였다. 또한 제안 프레임워크는 농경지 잡초 관리뿐 아니라 탐색·정찰 등 일반적인 맵 기반 강화학습 경로계획 문제로도 확장 가능하다.

폭발 위협으로부터 인명과 주요 자산을 보호하기 위해 방폭문의 구조적 성능을 정량적으로 평가하는 기술은 매우 중요하다. 본 연구에서는 방폭문 피해를 평가하기 위한 접근법으로 압력-충격량(Pressure-Impulse, PI) 곡선 기반 분석 기법을 적용하였다. 기존 피해 평가는 폭압 하중에 대한 최대 변위 기준에 의존해 왔으나, 이는 하중 지속 시간의 영향을 충분히 반영하지 못하는 한계를 가지고 있다. 이를 보완하기 위해 본 연구에서는 기준 모델과 더불어 철판 두께, 콘크리트 두께, 전체 두께를 변수로 설정한 방폭문 수치 모델을 구성하였다. 해석 결과를 통해 각 모델의 PI 곡선을 도출하고, 압력 우세 영역과 충격량 우세 영역을 비교 분석하여 손상 지배 인자를 규명하였다. 그 결과, 대부분의 설계 조건에서 충격량이 구조 손상에 더 큰 영향을 미치는 주요 지배 인자로 작용하는 것으로 확인되었다. 특히 철판과 콘크리트의 조합에 따라 지배 인자 영역의 경계가 달라지는 경향이 있어 향후 방폭문을 설계할 때 충격량 중심의 설계 전략을 적용하는 것이 타당할 것으로 보인다.

본 연구에서는 화약 이동 속도가 폭발 압력 및 충격량 특성에 미치는 영향을 수치해석을 통해 분석하였다. 기존 폭발 하중 예측은 정지 상태 화약 폭발을 가정하고 있어, 이동 화약 폭발에 대한 연구는 제한적이다. 이에 본 연구에서는 화약 이동 속도 변화에 따른 지면에서의 폭발 반사 압력 및 반사 충격량 분포 특성을 정량적으로 평가하였다. 수치해석은 ANSYS AUTODYN을 이용하여 수행하였으며, TNT 화약 50 kg을 적용한 외부 폭발 조건에서 지면 방향 화약 이동 속도는 0~700 m/s 범위로 변화시키고, 폭발 위치는 바닥면으로부터 1.5 m 및 3.0 m 높이에 설정하였다. 해석 결과, 화약 이동 속도가 증가함에 따라 바닥면에서 측정되는 폭발 압력과 충격량은 전반적으로 증가하였으며, 특히 이동 방향과 일치하는 지면 수직 위치에서 증가가 가장 크게 나타났다. 반면, 폭발 높이 증가로 인해 지면 입사각이 감소할수록 압력과 충격량의 증가율은 감소하는 경향을 보였다. 본 연구 결과는 동적 폭발 조건을 고려한 폭발 하중 평가 및 구조물 방호 설계를 위한 기초 자료로 활용될 수 있을 것으로 판단된다.