QFD를 활용한 AI 기반 해안감시시스템 개발모델에 대한 개념적 연구

권용수¹ ; 권준홍² ; 윤종준³^{, *} ; 정재욱⁴ ; 허정행⁵ ; 김재준⁴

1지디엘시스템 국방연구소 연구소장
2지디엘시스템 대표이사
3국방과학연구소 군전력연구센터 겸임연구원
4지디엘시스템 SW개발부 수석연구원
5지디엘시스템 국방연구소 수석연구원

A Conceptual Study on the Development Model of AI-based Coastal Surveillance System Using QFD

Yong Soo Kwon¹ ; Joon Hong Kwon² ; Joung Jun Youn³^{, *} ; Jae Wook Jung⁴ ; Jung Haeng Hur⁵ ; Jae Joon Kim⁴

1Director, Defence Research Center, GDL System
2Chief Executive Officer, GDL System
3Visiting researcher, Defense Force Research Center, Agency for Defence Development
4Chief development engineer, SW Division, GDL System
5Chief researcher, Defence Research Center, GDL System

Correspondence to: ^*Joung Jun Yun Defense Force Research Center, Agency for Defence Development P.O. Box 35, Daejeon, Republic of Korea Tel: +82-42-336-7880 Fax: +82-42-336-7887 E-mail: tabusch@hanmail.net

초록

본 논문은 시스템엔지니어링 접근방법을 통한 산업체 주도의 개념적 연구 개발모델을 제시한다. 기존 해안감시시스템의 문제점 및 연안침투 사례 분석을 통해 COIs를 도출하고, QFD 도구를 활용하여 이를 해결할 수 있는 효율적인 시스템 개발 모델을 제시하였다. QFD를 적용하여 임무 수행에 필요한 핵심기능을 도출하고, 적용 가능한 AI 기술 요소를 식별하였다. 이를 기반으로 주·야간 및 전천후 상황에서 효율적으로 접촉물을 탐지하고 식별할 수 있는 AI 기반 해안감시시스템을 제안하였다.

Abstract

This paper describes an industrial company led conceptual study through a systems engineering approach. COIs were derived through the analysis of existing coastal surveillance system problems and the coastal infiltration cases, and the efficient system development model that can solve them using QFD tools was presented. It was derived critical functions required to perform the mission successfully by applying the QFD tool and identified applicable AI technology elements. It then proposed an AI-based coastal surveillance system that can efficiently detect and identify targets under the day and night and all weathers.

Keywords:

Systems Engineering, Coastal Surveillance System, QFD, AI

키워드:

시스템 엔지니어링, 해안감시시스템, 품질기능전개, 인공지능

References

Joon Hong Kwon et al., “Development of an AI-based Coastal Guard Surveillance System,” Journal of the Military Operations Research Society of Korea, Vol.48, No. 2, pp.86-98, 2022.
Avigilon, Enhancing Human Attention Span With Self-Learning Video Analytics, p. 2, 2018.
국무조정실·국무총리비서실, 북한 소형목선 상황관련 정부합동브리핑, 대한민국 정책브리핑 보도자료, 2019. 7. 3.
김정욱, ‘태안 밀입국 보트’ 13번이나 보고도···軍, 낚시배로 오판, 서울경제, 2020. 6. 5.
신규진,‘CCTV 포착’ 8차례 놓친 軍… 귀순 배수로 존재조차 몰랐다, 동아일보, 2021. 2. 24.
황조연, 이영주, 김성진, 이남용, 박진호, “레이다기반의 통합해안감시체계 구축에 관한 개념 연구,” 한국 IT정책경영학회 논문지, Vol. 9, No. 4, pp. 433-443, 2017.
최병찬, 임도유, 권세훈, 김지현, 주지한, 남해운, “Denoising 엔코더-디코더 딥러닝 네트워크를 이용한 클러터 제거 기법,” 한국전자파학회 논문지, Vol. 33, No. 9, pp. 720-729, 2022.
오재용, 김혜진, 박세길, “AIS 데이터 분석을 통한 이상 거동 선박의 식별에 관한 연구,” 한국항해항만학회지, Vol. 42, No. 4, pp. 277-282, 2018.
황훈규, 김배성, 신일식, 송상기, 남경태, “해상-빅데이터 기반 선박 항적 표시 및 해상교통량 통계 분석 시스템의 개발,” 한국정보통신학회논문지, Vol. 20, No. 6, pp. 1195-1202, 2016.
S. Moon, J. Lee, J. Lee, D. Nam, and W. Yoo, “A Comparative Study on the Maritime Object Detection Performance of Deep Learning Models,” ICTC Proceeding, pp. 1155-1157, 2020. [https://doi.org/10.1109/ICTC49870.2020.9289620]
J. Lee, S. Moon, D. Nam, and W. Yoo, “Vessel Database Construction and Comparative Study on Ship Classification Performance Suitable for Korean Maritime Environment,” IEIE Proceeding, pp. 1864-1866, 2020.
M. Zhang, J. Choi, K. Daniilidis, M. Wolf, and C. Kanan, “VAIS : A Dataset for Recognizing Maritime Imagery in the Visible and Infrared Spectrums”, IEEE CVPRW Proceeding, pp. 10-16, 2015. [https://doi.org/10.1109/CVPRW.2015.7301291]
남권우, 노명일, 이혜원, 이원재, “자율 운항 선박을 위한 딥러닝 기반 선박 이미지 분류 방법,” 한국CDE학회 논문집, Vol. 26, No. 2, pp. 144-153, 2021.