• 대한안전경영과학회지
• /
• 제26권2호
• /
• pp.23-31
• /
• 2024

In the military, ammunition and explosives stored and managed can cause serious damage if mishandled, thus securing safety through the utilization of ammunition reliability data is necessary. In this study, exploratory data analysis of ammunition inspection records data is conducted to extract reliability information of stored ammunition and to predict the ammunition condition code, which represents the lifespan information of the ammunition. This study consists of three stages: ammunition inspection record data collection and preprocessing, exploratory data analysis, and classification of ammunition condition codes. For the classification of ammunition condition codes, five models based on boosting algorithms are employed (AdaBoost, GBM, XGBoost, LightGBM, CatBoost). The most superior model is selected based on the performance metrics of the model, including Accuracy, Precision, Recall, and F1-score. The ammunition in this study was primarily produced from the 1980s to the 1990s, with a trend of increased inspection volume in the early stages of production and around 30 years after production. Pre-issue inspections (PII) were predominantly conducted, and there was a tendency for the grade of ammunition condition codes to decrease as the storage period increased. The classification of ammunition condition codes showed that the CatBoost model exhibited the most superior performance, with an Accuracy of 93% and an F1-score of 93%. This study emphasizes the safety and reliability of ammunition and proposes a model for classifying ammunition condition codes by analyzing ammunition inspection record data. This model can serve as a tool to assist ammunition inspectors and is expected to enhance not only the safety of ammunition but also the efficiency of ammunition storage management.

• 한국군사과학기술학회지
• /
• 제18권3호
• /
• pp.283-292
• /
• 2015

This paper presents the development of the automatic safety inspection technique for the ammunition fuzes using radiography images. The technique inspects 49-ammunition fuze by detecting the X-ray or neutron radiographic images to check whether the fuze is unintendedly armed or/and some major assembled parts are at right place. To execute the program, we loads the image(s) for under test. After reading images, the program conducts a series of pre-image processing, and then starts inspecting input images by using the detection algorithms which are designed distinctively for each fuze. After completing the detection process, the program displays the final result of the fuze status: "safety or danger." Through this program, we can cut off the fuzes which have any doubt about safety, and can only provide absolutely safe fuzes, compared with the current naked eye inspection method.

• 한국산학기술학회논문지
• /
• 제17권7호
• /
• pp.14-22
• /
• 2016

신관은 다양한 부품과 복잡성으로 인해 육안 검사 시 휴먼에러가 발생할 수 있으며 부품 누락, 장전된 신관 등이 제품에 혼입될 경우 탄약이 폭발할 가능성을 내재하고 있다. 본 논문에서는 신관 검사 시 휴먼에러를 방지하기 위한 탄약 자동화검사 알고리즘을 제안한다. 탄약 자동화검사 알고리즘은 다음과 같은 세 단계로 구성된다. 첫 번째로 검사 이미지 입력 및 전처리 단계로써 검사 대상 이미지를 입력하고, 이미지 회전 알고리즘을 적용하여 이미지를 회전한 후 이진화 알고리즘을 사용하여 이미지를 컴퓨터 계산에 적합하도록 이진화한다. 두 번째로 장전 및 비장전 여부를 검사하는 단계로써 Masked Template Matching 알고리즘 등을 활용하여 탄약의 장전여부를 판단한다. 세 번째로 부품검사 단계로써 이미지 탐색 알고리즘 등을 활용하여 부품 위치나 부품 누락 여부에 대해서 판단한다. 본 탄약 자동화검사 알고리즘을 신관 검사에 적용한 결과 부품 누락, 장전 여부 등을 오류 없이 효율적으로 검출함으로써 40mm 고속유탄 신관의 신뢰성 및 안전성 향상에 기여할 것으로 판단된다.

• 산업진흥연구
• /
• 제7권4호
• /
• pp.1-8
• /
• 2022

우리 주위를 살펴보면 한 번 사용하고 버리는 일회용품이 많다. 폭죽이나 탄약과 같은 일회용품이 대표적인데 이들 일회용품은 제조 후 한 동안 저장되어 있다가 필요한 때 사용하고 나면 폐기처분하게 된다. 하지만 이런 일회용품은 일반 운영장비와 달리 신뢰성평가가 제대로 이루어지지 못했다. 이에 본 연구에서는 일회용품 중에서 탄약에 대한 저장탄약신뢰성프로그램을 통해 탄약의 경우 신뢰성 확보를 위해 정부에서 어떤 일을 하는지 먼저 살펴본다. 이어서 통계분석적인 측면에서 탄약과 같은 일회용품에 대한 신뢰성분석 방안으로 어떤 것이 있는지 알아본다. 구체적으로 통계학에서 로트의 품질수준을 파악하는 샘플링검사를 활용하여 일정한 시기에 생산된 탄약에 대한 신뢰성의 수준을 파악할 수 있다. 본 연구에서는 KS Q0001인 계수규준형 1회 샘플링검사표를 이용할 수 있음으로 보여준다. 다음으로 탄약의 저장신뢰도를 파악할 수 있는 방법으로 비모수적인 방법과 모수적인 방법을 소개한다. 비모수적인 방법중에서 특히 Kaplan-Meier 방법은 중도중단데이터가 포함된 경우에도 활용될 수 있다. 마지막으로 모수적인 방법 중에는 신뢰성분석에 많이 활용되는 와이블분포가 탄약의 저장신뢰도를 파악하는 데에도 활용될 수 있다.

• 품질경영학회지
• /
• 제48권2호
• /
• pp.297-307
• /
• 2020

Purpose: The purpose of this study is to analyze the factors that affect ammunition performance by applying data mining techniques to the Ammunition Stockpile Reliability Program (ASRP) data of the 155mm propelling charge. Methods: The ASRP data from 1999 to 2017 have been utilized. Logistic regression and decision tree analysis were used to investigate the factors that affect performance of ammunition. The performance evaluation of each model was conducted through comparison with an artificial neural networks(ANN) model. Results: The results of this study are as follows; logistic regression and the decision tree analysis showed that major defect rate of visual inspection is the most significant factor. Also, muzzle velocity by base charge and muzzle velocity by increment charge are also among the significant factors affecting the performance of 155mm propelling charge. To validate the logistic regression and decision tree models, their classification accuracies have been compared with the results of an ANN model. The results indicate that the logistic regression and decision tree models show sufficient performance which conforms the validity of the models. Conclusion: The main contribution of this paper is that, to our best knowledge, it is the first attempt at identifying the significant factors of ASPR data by using data mining techniques. The approaches suggested in the paper could also be extended to other types ammunition data.