KR102199810B1 - 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법 - Google Patents

전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법 Download PDF

Info

Publication number
KR102199810B1
KR102199810B1 KR1020180167655A KR20180167655A KR102199810B1 KR 102199810 B1 KR102199810 B1 KR 102199810B1 KR 1020180167655 A KR1020180167655 A KR 1020180167655A KR 20180167655 A KR20180167655 A KR 20180167655A KR 102199810 B1 KR102199810 B1 KR 102199810B1
Authority
KR
South Korea
Prior art keywords
virtual training
data
training data
analysis
evaluation
Prior art date
Application number
KR1020180167655A
Other languages
English (en)
Other versions
KR20200078079A (ko
Inventor
이근주
송근석
박선미
Original Assignee
(주)아이엠티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)아이엠티 filed Critical (주)아이엠티
Priority to KR1020180167655A priority Critical patent/KR102199810B1/ko
Publication of KR20200078079A publication Critical patent/KR20200078079A/ko
Application granted granted Critical
Publication of KR102199810B1 publication Critical patent/KR102199810B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B2241/00—Design characteristics
    • B63B2241/20—Designs or arrangements for particular purposes not otherwise provided for in this class

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Technology (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는, 기설정된 Open API 서비스를 이용하여, 연결되어 있는 가상훈련을 수행하는 모듈로부터 가상훈련 데이터를 전달받는 가상훈련 연계수단(100) 및 기설정된 Open API 서비스를 이용하여, 상기 가상훈련 연계수단(100)부터 전달받은 상기 가상훈련 데이터의 정량적 평가 분석을 수행하고, 결과 정보를 제공하는 통합관리 서버부(200)를 포함하며, 상기 통합관리 서버부(200)는 상기 결과정보를 상기 가상훈련 연계수단(100)으로 전달하고, 상기 가상훈련 연계수단(100)은 연결되어 있는 상기 가상훈련을 수행하는 모듈로 상기 결과정보를 전달하여 수행된 가상훈련에 대한 실시간 정량적 평가 분석 및 피드백을 수행하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템에 관한 것이다.

Description

전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법 {Virtual training evaluation and analysis system and method using experiential knowledge of expert}
본 발명은 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 전문가 경험지식을 활용하여 학습자의 훈련수행 결과를 정량적으로 비교하여 평가 분석을 수행할 수 있는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에 관한 것이다.
가상훈련(Virtual Training)은 특정 훈련을 목적으로 필요한 가상의 환경과 상황을 제공하여, 학습자에게 실제 훈련과 유사한 학습 효과를 제공할 수 있다.
이러한 가상훈련 기술은 가상훈련을 수행하는 시스템을 정확하게 통제할 수 있고, 실제 환경보다 더 안전하고 적은 비용으로 진행할 수 있는 장점으로 인해, 최근 가상현실(Virtual Reality) 기술의 발전과 더불어 더욱 주목받고 있다.
특히, 고위험/고비용 관련 산업 분야에서 체험 및 실습을 위한 가상훈련 콘텐츠(시뮬레이션 모듈)에 대한 요구도 증가하면서 가상훈련 산업 규모의 확대와 더불어 다양한 가상훈련 시뮬레이터 사업들이 역시 주목받고 있다.
최근, 국내에서 운용되는 가상훈련 시스템은 다양한 몰입형 입출력 장치들을 통해, 학습자의 훈련 수행에 따라 결과들을 모사하고 있다.
특히, 국방 분야에서 운용되는 가상훈련 시스템의 경우, 훈련 효과의 증대를 위해 학습자의 훈련 결과를 평가하고 분석하는 디브리핑(Debriefing) 기능을 제공하고 있다.
이러한 비행 시뮬레이터의 디브리핑 과정은, 모의비행(가상훈련) 시 비행 데이터 저장 모듈에 의해 저장된 내용(가상훈련 데이터)을 바탕으로 실제 비행한 궤적에 대한 3차원 재현과 조종석 화면의 영상 재현을 제공하여 비행훈련 결과에 대한 평가 분석을 지원하고 있다.
또한, 위협 정보, 무장 정보, 표적 정보, 편대 기동 정보 등 다양한 상황을 비행 시뮬레이터로 제공함으로써, 다양한 상황에 대한 학습자의 훈련 결과를 획득할 수 있어, 평가자(전문가)가 다각도에서 학습자를 평가할 수 있어 정확한 판단에 도움을 준다.
그렇지만, 저장된 훈련결과에 대한 단순 재생은 평가자의 정성적인 판단에 의존하게 할 수 밖에 없으며, 훈련 수행 중의 실시간 평가는 고려하기 어렵기 때문에 학습자에게 적극적인 피드백을 제공할 수 없는 단점이 있다.
뿐만 아니라, 이러한 제한적인 평가 및 분석 기능을 해당 시스템에 국한된 형태로 제공되기 때문에 각각 분야에서 요구되는 가상훈련 시스템마다 각각 별도의 평가 분석 시스템이 개발되고 있는 실정이다.
이와 관련해서, 국내공개특허 제10-2016-0140041호("경험지식 기반 가상훈련 시나리오 추출 및 평가 시스템")에서는 전문가의 전문정보들을 획득하고 전문가의 전문정보들로부터 경험지식들을 추출하며 경험지식들을 이용한 학습 시나리오를 생성하여, 가상훈려의 가치를 증대시킬 수 있는 시스템을 개시하고 있다.
공개특허공보 제10-2016-0140041호(공개일 2016.12.07.)
본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 전문가 경험지식을 활용하여 학습자의 훈련수행 결과를 정량적으로 비교하여 평가 분석을 수행할 수 있는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템은, 기설정된 Open API 서비스를 이용하여, 연결되어 있는 가상훈련을 수행하는 모듈로부터 가상훈련 데이터를 전달받는 가상훈련 연계수단(100) 및 기설정된 Open API 서비스를 이용하여, 상기 가상훈련 연계수단(100)부터 전달받은 상기 가상훈련 데이터의 정량적 평가 분석을 수행하고, 결과 정보를 제공하는 통합관리 서버부(200)를 포함하며, 상기 통합관리 서버부(200)는 상기 결과정보를 상기 가상훈련 연계수단(100)으로 전달하고, 상기 가상훈련 연계수단(100)은 연결되어 있는 상기 가상훈련을 수행하는 모듈로 상기 결과정보를 전달하여 수행된 가상훈련에 대한 실시간 정량적 평가 분석 및 피드백을 수행하는 것이 바람직하다.
더 나아가, 상기 가상훈련 연계수단(100)은 상기 가상훈련을 수행하는 모듈과 네트워크 연결되어, 기저장된 시뮬레이션 모델들 중 선택된 특정 시뮬레이션 모델에 대한 상기 가상훈련 데이터를 전달받는 가상훈련 모델부(110) 및 상기 가상훈련 모델부(110)로부터 상기 가상훈련 데이터를 전달받아, 상기 특정 시뮬레이션 모델의 특성을 이용하여 기설정된 데이터 구조 정보에 따라, 상기 가상훈련 데이터의 요소 정보들을 재구성하여 상기 통합관리 서버부(200)로 전달하는 API 브로커부(120)를 포함하며, 상기 API 브로커부(120)는 기설정된 전송주기에 따라 재구성한 상기 가상훈련 데이터를 상기 통합관리 서버부(200)로 전달하는것이 바람직하다.
더 나아가, 상기 전문가 경험지식을 활용한 가상훈련 평가 분석 시스템은 상기 가상훈련 연계수단(100)과 연결되어 있는 연결되어 있는 가상훈련을 수행하는 모듈을 통해서, 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터를 전달받거나, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 다수의 전문가의 가상훈련 데이터를 전달받는 것이 바람직하다.
더 나아가, 상기 통합관리 서버부(200)는 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들을 각각 데이터베이스화하여 저장 및 관리하는 기본 관리부(210), 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 학습자의 가상훈련 데이터를 시계열 순으로 수집하는 훈련 관리부(220), 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 전문가의 가상훈련 데이터를 시계열 순으로 수집하는 경험지식 수집부(230), 각각의 시뮬레이션 모델의 특성을 이용하여 각각의 가상훈련 데이터의 요소별로 통계 기준을 설정하고, 상기 경험지식 수집부(230)에서 수집한 상기 전문가의 가상훈련 데이터들을 설정한 통계 기준을 이용하여 경험기준 데이터를 생성하는 경험지식 관리부(231), 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 이벤트 관리부(240), 상기 훈련 관리부(220)와 경험지식 관리부(231)로부터 상기 이벤트 관리부(240)에서 설정한 특정 구간에 해당하는 데이터들을 전달받아, 정량적 평가 분석을 수행하는 평가분석부(250) 및 상기 평가분석부(250)에서 수행한 상기 정량적 평가 분석의 결과 정보를 전달하는 출력부(260)를 포함하여 구성되는 것이 바람직하다.
본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법은, 가상훈련 연계수단에서, 연결되어 있는 가상훈련을 수행하는 모듈로부터 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터와, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 다수의 전문가의 가상훈련 데이터를 전달받는 시계열순으로 수집하는 가상훈련 데이터 수집단계(S100), 통합관리 서버부에서, 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 이벤트 설정단계(S200), 통합관리 서버부에서, 상기 가상훈련 데이터 수집단계(S100)에 의해 수집한 상기 전문가의 가상훈련 데이터들을 각각의 데이터 요소별로 통계 기준을 설정하고, 설정한 통계 기준을 이용하여 경험기준 데이터를 생성하는 기준 데이터 생성단계(S300), 통합관리 서버부에서, 상기 이벤트 설정단계(S200)에 의해 설정한 특정 구간에 해당하는 상기 학습자의 가상훈련 데이터와 경험기준 데이터를 이용하여, 정량적 평가 분석을 수행하는 평가분석 단계(S400) 및 통합관리 서버부에서, 상기 평가분석 단계(S400)에 의한 상기 정량적 평가 분석의 결과 정보를 전달하는 출력단계(S500)로 이루어지는 것이 바람직하다.
더 나아가, 상기 전문가 경험지식을 활용한 가상훈련 평가 분석 방법은 상기 데이터 수집단계(S100)를 수행하기 앞서서, 가상훈련 연계수단에서, 기저장된 시뮬레이션 모델들 중 특정 시뮬레이션 모델을 선택하여 상기 가상훈련을 수행하는 모듈로 전달하는 플러그인 단계(S10)를 더 포함하여 구성되는 것이 바람직하다.
더 나아가, 상기 이벤트 설정단계(S200)는 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.
더 나아가, 상기 가상훈련 데이터 수집단계(S100)는 상기 플러그인 단계(S10)에 의해 선택한 상기 특정 시뮬레이션 모델의 특성을 이용하여 기설정된 데이터 구조 정보에 따라, 상기 가상훈련 데이터의 요소 정보들을 재구성하여 수집하는 것이 바람직하다.
더 나아가, 상기 기준 데이터 생성단계(S300)는 상기 플러그인 단계(S10)에 의해 선택한 상기 특정 시뮬레이션 모델의 데이터 요소별로 통계 기준을 설정하고, 상기 전문가의 가상훈련 데이터들을 상기 통계 기준을 이용하여 연산하여, 상기 경험기준 데이터를 생성하는 것이 바람직하다.
더 나아가, 상기 가상훈련 연계수단과 통합관리 서버부는 기설정된 Open API 서비스를 이용하여 상기 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법의 각 단계를 수행하는 것이 바람직하다.
상기와 같은 구성에 의한 본 발명의 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법은 가상훈려의 효과적인 평가와 분석을 위해 전문가의 경험지식을 활용할 수 있을 뿐 아니라, Open API 서비스를 적용하여 확장성 있는 가상훈련 평가 분석 시스템 및 그 방법을 제공할 수 있다.
즉, Open API 서비스를 이용하여 다양한 형태의 가상훈련 시스템(다양한 분야의 다양한 가상훈련 시스템)과 연동되어 공통으로 적용하여, 학습자의 가상훈련 데이터를 정량적 평가 분석할 수 있는 장점이 있다.
또한, 가상훈련에 대한 전문가 경험지식을 별도로 구성하여 평가 분석시 학습자(비교 대상)와의 평가 효율성을 높일 수 있는 장점이 있다.
특히, 구성된 전문가 경험지식을 이용하여 학습자의 훈련수행 결과와 정량적으로 비교 분석할 수 있어, 기존의 정성적 평가의 한계를 극복할 수 있는 장점이 있다.
더불어, 본 발명의 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법은, 다양한 분야(항공기, 자동차, 선박 등)의 가상훈련 모듈에 적용할 수 있어, 각 분야의 전문가들의 경험지식을 확보할 수 있으며, 각각의 가상훈련 모듈의 특성에 따라 특정 목적의 가상훈련 데이터를 구성받아 평가 분석할 수 있어, 다각도에서 학습자를 용이하게 평가할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템과 가상훈련 시스템을 연계하여 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 전문가 경험지식을 관리하는 방식을 도식화한 도면이다.
도 4는 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 가상훈련 데이터들의 기본 데이터 요소 정보들을 이용한 확장 데이터 요소 정보를 정의하는 방식을 도식화한 도면이다.
도 5는 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하기 위한 이벤트를 설정하는 방식을 도식화한 도면이다.
도 6은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 전문가 경험지식을 관리하는 방식을 좀 더 상세하게 도식화한 도면이다.
도 7은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 정량적 평가 분석의 결과 정보를 나타낸 예시도이다.
도 8은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법을 나타낸 순서도이다.
이하 첨부한 도면들을 참조하여 본 발명의 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
이 때, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.
더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.
본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법은, Open API 서비스를 이용하여 다양한 형태의 가상훈련 시스템(다양한 분야의 다양한 가상훈련 시스템)과 연동되어 공통으로 적용하여, 학습자의 가상훈련 데이터를 정량적 평가 분석할 수 있다.
Open API 서비스 관련 기술은 SOAP(Simple Object Access Protocol) 기반의 웹서비스 또는 REST(Representational State Transfer) 기반 웹서비스가 대표적이다.
SOAP 기반의 웹서비스는 서비스 지향구조(Service Oriented Architecture)로서 HTTP 프로토콜을 이용해 XML로 정보를 교환할 수 있어 서비스를 자유자재로 정의할 수 있지만, 그 구성이 복잡하고 오버헤드가 큰 문제점이 있다.
이에 따라 최근들어 REST 기반의 웹서비스가 보편화되고 있다.
이러한 REST 기반의 웹서비스는 자원 지향 구조(ROA, Resource Oriented Architecture)를 근간으로 서비스 요청자가 필요한 리소스를 요청하면 서비스 제공자는 중간 매개체없이 해당 리소스를 직접 응답해주게 된다.
SOAP 기반의 웹서비스는 서비스 요청자와 제공자 간의 정보 교환에서 XML 형식으로 된 데이터를 인코딩/디코딩하는 작업에 오버헤드가 발생하지만, REST 기반 웹서비스의 경우, 리소스의 URL을 사용하여 HTTP의 기본 메소드만으로 리소스 자체를 그대로 전달하기 때문에 성능적으로 우수한 장점이 있다.
이에 따라, 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법은, REST 기반의 웹서비스를 통한 Open API 서비스를 이용하여 다양한 형태의 가상훈련 시스템(다양한 분야의 다양한 가상훈련 시스템)과 연동되어 공통으로 적용하여, 학습자의 가상훈련 데이터를 정량적 평가 분석할 수 있다.
도 1은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템을 나타낸 도면이며, 도 1을 참조로 하여 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템을 상세히 설명한다.
본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템은 도 1에 도시된 바와 같이, 가상훈련 연계수단(100) 및 통합관리 서버부(200)를 포함하여 구성되는 것이 바람직하다.
이 때, 상기 가상훈련 연계수단(100)과 통합관리 서버부(200)는 상술한 바와 같이, 미리 설정된 Open API 서비스를 이용하여 동작하는 것이 바람직하다.
종래에는 가상훈련을 위한 평가 분석 기능이 시스템에 의존하는 형태로 개발되어, 운용환경이나 시뮬레이션 모델에 따라 각각 별도의 평가 분석 기능이 개발되어 왔다. 그렇지만, 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템은 도 2에 도시된 바와 같이, 가상훈련 시스템을 연계하여 다양한 시뮬레이션 모델들(선박, 항공, 자동차 등)에 공통으로 적용될 수 있다.
각 구성에 대해서 자세히 알아보자면,
상기 가상훈련 연계수단(100)은 미리 설정된 Open API 서비스를 이용하여 연결되어 있는 가상훈련을 수행하는 모듈(시뮬레이션 모델)로부터 가상훈련 데이터(가상훈련 결과 데이터)를 전달받는 것이 바람직하다.
상세하게는, 도 1에 도시된 바와 같이, 상기 가상훈련 연계수단(100)은 가상훈련 모델부(110)와 API 브로커부(120)를 포함하여 구성되는 것이 바람직하다.
상기 가상훈련 모델부(110)는 상기 가상훈련을 수행하는 모듈과 네트워크 연결되어, 미리 저장된 시뮬레이션 모델들 중 선택된 특정 시뮬레이션 모델에 대한 상기 가상훈련 데이터를 전달받을 수 있다.
즉, 상술한 바와 같이, 상기 가상훈련 모델부(110)는 연결되어 있는 가상훈련 시스템의 시뮬레이션 모델에 플러그인되어, 다양한 시뮬레이션 모델들 중 원하는 특정 시뮬레이션 모델을 선택하고 이에 대한 상기 가상훈련 데이터를 네트워크를 통해서 전달받는 것이 바람직하다.
상기 API 브로커부(120)는 상기 가상훈련 모델부(110)로부터 상기 가상훈련 데이터를 전달받아, 상기 특정 시뮬레이션 모델의 특성을 이용하여 미리 설정된 데이터 구조 정보에 따라 상기 가상훈련 데이터의 요소 정보들을 재구성하여 상기 통합관리 서버부(200)로 전달하는 것이 바람직하다.
즉, 상기 API 브로커부(120)는 전달받은 상기 가상훈련 데이터를 미리 정의된 데이터 정보에 따라 검증하고 재구성한 뒤 미리 정의된 전송 주기에 따라 상기 가상훈련 데이터를 상기 통합관리 서버부(200)로 전달하는 것이 바람직하다.
각각의 가상훈련 시스템은 시뮬레이션 모델에 따라 다른 데이터 정보를 갖고 있기 때문에, 상기 API 브로커부(120)는 이러한 특징을 이용하여 각 시뮬레이션 모델의 데이터 구조 정보(데이터 스키마 정보)를 사용하여 별도의 프로그램 수정 없이 시뮬레이션 모델과 동적으로 연계할 수 있도록 상기 가상훈련 데이터의 요소 정보들을 재구성하여 상기 통합관리 서버부(200)로 전달하는 것이 바람직하다.
더불어, 추후에 상기 통합관리 서버부(200)로부터 상기 가상훈련 데이터의 정량적 평가 분석에 따른 결과 정보를 전달받을 경우, 상기 API 브로커부(120)는 시뮬레이션 모델의 인터페이스를 통해 시뮬레이션 모델로 전달하여, 학습자가 다양한 몰입형 입출력 장치를 통해 평가결과를 바로 인식(실시간 피드백)할 수 있는 장점이 있다.
상세하게는, 상기 통합관리 서버부(200)는 상기 결과정보를 상기 가상훈련 연계수단(100)으로 전달하고, 상기 가상훈련 연계수단(100)은 연결되어 있는 상기 가상훈련을 수행하는 모듈로 상기 결과정보를 전달함으로써, 수행된 가상훈련에 대한 실시간 정량적 평가 분석 및 피드백을 수행할 수 있는 장점이 있다.
더불어, 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템은 상술한 바와 같이, 전문가 경험지식을 활용하여 학습자의 가상훈련 데이터를 정량적 평가 분석하기 때문에, 이를 위해서, 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터와 더불어, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 다수의 전문가의 가상훈련 데이터를 전달받는 것이 바람직하다.
즉, 가상훈련 학습자의 훈련수행을 평가하기 위한 비교 대상은 특정 전문가의 가상훈련 데이터 또는 다수 전문가의 통계 데이터를 기반으로 구성하는 것이 바람직하다.
특정 전문가의 가상훈련 데이터만을 이용할 경우, 곧바로 해당 가상훈련 데이터를 기준 데이터로 설정하면 되지만, 다수 전문가의 가상훈련 데이터들을 이용할 경우, 이를 데이터 요소별로 추가적인 통계 기준을 설정하여 기준 데이터를 산정하는 것이 바람직하다. 이에 대해서는 후술하도록 한다.
다만, 가상훈련 학습자의 훈련수행을 평가하기 위한 비교 대상인 전문가는 사전에 설정되는 것이 바람직하며, 이에 대해서 한정하는 것은 아니다.
상기 통합관리 서버부(200)는 미리 설정된 Open API 서비스를 이용하여, 상기 가상훈련 연계수단(100)으로부터 전달받은 상기 가상훈련 데이터의 정량적 평가 분석을 수행하고, 그 결과 정보를 제공할 수 있다.
이를 위해, 상기 통합관리 서버부(200)는 도 1에 도시된 바와 같이, 기본 관리부(210), 훈련 관리부(220), 경험지식 수집부(230), 경험지식 관리부(231), 이벤트 관리부(240), 평가분석부(250) 및 출력부(260)를 포함하여 구성되는 것이 바람직하다.
상기 기본 관리부(210)는 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들을 각각 데이터베이스화하여 저장 및 관리하는 것이 바람직하다.
즉, 상기 기본 관리부(210)는 상기 가상훈련 연계수단(100)으로부터 상기 학습자의 가상훈련 데이터와 전문가의 가상훈련 데이터를 전달받아 이를 저장 및 관리하는 것이 바람직하다.
또한, 다양한 시뮬레이션 모델만큼이나 각각의 가상훈련 시스템에 따라 해당 시뮬레이션 모델의 특성을 반영하는 데이터 요소 정보들이 존재하기 때문에, 상기 기본 관리부(210)에서는 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터들의 기본 데이터 요소 정보들을 데이터베이스 구조 정의하는 것이 바람직하다.
이 때, 상기 기본 관리부(210)는 상기 기본 데이터 요소 정보들로부터 계산하여 도출할 수 있는 확장 데이터 요소 정보들까지 별도로 정의하는 것이 바람직하다.
도 4는 확장 데이터 요소 정보를 계산하기 위한 계산식 구성 창을 나타낸 예시도이다. 상세하게는, 상기 기본 관리부(210)는 상기 기본 데이터 요소 정보와 미리 정의된 확장 데이터 요소 정보를 참조하여, 미리 주어진 연산자를 사용해 각 요소 간의 계산식을 정의하는 것이 바람직하다. 필요에 따라 상수를 추가하여 데이터 요소와 상수 간의 계산식을 지원하면서 시간 지연 기능을 통해 수집 시점으로부터 계산된 값을 발생시간을 지연시킬 수도 있다. 정의된 각각의 기본 데이터 요소 정보와 확장 데이터 요소 정보는 데이터 타입, 단위, 수집주기 등의 속성 정보를 포함하여 구성되는 것이 바람직하다.
이 때, 도 4에 도시되어 있는 연산자들은 본 발명의 일 실시예에 불과하며, 적용되는 가상훈련 시스템의 시뮬레이션 모델의 특성에 따라, 다양한 연산자들을 추가하여 각 요소 간의 계산식을 정의하는데 활용할 수 있다.
상기 훈련 관리부(220)는 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들 중 상기 학습자의 가상훈련 데이터를 시계열 순으로 수집하는 것이 바람직하다.
또한, 상기 경험지식 수집부(230)는 상기 훈련 관리부(220)와는 달리, 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들 중 상기 전문가의 가상훈련 데이터를 시계열 순으로 수집하는 것이 바람직하다.
상기 경험지식 관리부(231)는 상술한 바와 같이, 각각의 시뮬레이션 모델의 특성을 이용하여 각각의 가상훈련 데이터의 요소 별로 통계 기준을 설정하고, 상기 경험지식 수집부(230)에서 수집한 상기 전문가의 가상훈련 데이터들을 설정한 통계 기준을 이용하여 연산하여, 경험기준 데이터를 생성하는 것이 바람직하다.
상세하게는, 각각의 데이터 요소별로 통계 기준(평균, 최빈, 최대, 최소 등)을 설정하여, 각 전문가의 가상훈련 데이터들을 비교하여 설정된 통계 기준에 따라 연산된 데이터를 상기 경험기준 데이터를 생성하는 것이 바람직하다.
즉, 둘 이상의 전문가를 통해서 가상훈련 데이터를 입력받을 경우, 도 6에 도시된 바와 같이, 선택도니 데이터 요소 별로 통계 기준(평균, 최빈, 최소, 최대 등)을 설정하여 상기 경험기준 데이터를 생성하는 것이 바람직하다.
또한, 상기 경험기준 데이터의 구성정보로는 전문가의 가상훈련 데이터, 생성 대상(시뮬레이션 모델)의 데이터 요소, 기준 이벤트 정보(기준값), 생성 시간 구간 등을 포함하는 것이 바람직하다.
만약, 전문가의 가상훈련 데이터의 수집이 어려울 경우, 전문가의 가상훈련 데이터 없이도 상기 경험기준 데이터를 생성할 수도 있다.
상세하게는, 기본적인 경험지식 생성절차에 따라 임의의 경험지식을 생성하고, 생성한 상기 임의의 경험지식은 상기 기본 데이터 요소 정보만을 이용하여 생성할 수 있다.
생성한 상기 임의의 경험지식과 외부로부터 입력받은 경험지식을 이용하여 상기 경험기준 데이터를 생성할 수 있다.
이 때 입력받은 경험지식의 기본 데이터 요소 정보는 상기 기본 관리부(210)에서 생성한 상기 기본 데이터 요소 정보와 일치하는 것이 바람직하다.
도 3은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 전문가 경험지식을 관리하는 방식을 도식화한 도면으로, t1, t2, t3은 동일 유형의 가상훈련을 수행한 각각의 전문가들의 훈련결과 데이터를 나타낸 값이며, e1, e2, e3, e4는 미리 정의된 각각의 이벤트들(가상훈련에 포함되어 있는 이벤트)이다. 이벤트는 대상이 되는 데이터 요소를 결정하고 이 요소에 대해 이벤트 기준값 및 이벤트 이전과 이후 상태 조건을 설정하여 정의하는 것이 바람직하다. 각 훈련의 이벤트는 이 기준값을 근거로 하여 값의 변화(증가 또는 감소)가 나타나는 지점을 의미한다.
도 3의 상단 테이블은 e1에 대한 이벤트 구성 예로서, item02와 item03의 두가지 데이터 요소에 대한 설정 조건을 동시에 만족할 때, 이벤트가 발생함을 알 수 있다.
e1에 대해 item02에 설정된 이전과 이후 상태 조건은 둘 다 같은 것을 알 수 있다. 이에 따라, e1은 item02의 값이 70.0보다 같거나 작으면서 item03의 값이 False에서 True로 변화할 경우, 이벤트가 발생하게 된다.
h1은 통계 기준이 설정된 하단 테이블(경험지식 구성정보 테이블)에 따라 t1, t2, t3의 가상훈련 데이터로부터 생성된 경험지식 데이터를 의미한다.
h1은 e1의 발생지점부터 s1지점까지 동일 길이의 구간으로 생성됨을 알 수 있으며, e1은 h1의 기준이벤트임을 알 수 있다.
시스템 구성 정보(데이터 정보, 데이터 타입, 발생 주기 등)가 같은 가상훈련 시스템에서 운용된 t1, t2, t3는 기준이벤트 발생 지점부터 설정된 구간까지 시계열순에 따라 각 데이터가 서로 대응한다. 대응되는 데이터끼리 동기화되어 정의된 통계 기준에 따라 연산이 처리되면 경험지식 데이터가 생성되게 된다.
이처럼 기준이벤트에서 시간 순서로 경험지식 데이터가 생성될 경우, 이 때의 기준이벤트 유형은 시작 이벤트이다.
한편, 시뮬레이션 모델의 특성에 따라 기준이벤트에서 시간역순으로 구간을 설정하여 상기 경험지식 데이터를 생성할 수도 있다. 이 경우, 기준이벤트 유형은 종료 이벤트이다.
일 예를 들자면, 항공기 착륙 순간을 기준으로 이벤트를 설정한 항공기 착륙 과정의 경험지식이 이에 해당한다.
그렇지만, 실시간 훈련평가 운용시, 기준 이벤트가 탐지된 이후부터 시간이 지남에 따라 순차적으로 동기화되어 평가 분석이 이루어지기 때문에, 종료 이벤트로 생성된 상기 경험지식 데이터를 곧바로 사용될 수 없다.
이와 연관하여, 상기 이벤트 관리부(240)는 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.
상세하게는, 수집된 상기 가상훈련 데이터들의 특정 시점에 대한 정보를 설정하여 특정 구간의 데이터를 추출하거나, 특정 구간의 데이터를 비교를 위한 기준 시점으로 사용하는 이벤트를 정의하는 것이 바람직하다.
일 예를 들자면, 도 5에 도시된 바와 같이, '요소001'에 대해 '기준값과 이전 상태 조건, 이후 상태 조건'을 설정하여 등록된 이벤트를 정의할 수 있따.
'요소001' 외에 다른 데이터 요소들은 이전/이후 상태 조건이 동일하므로 '요소001'의 기준값과 이전 상태 조건, 이후 상태 조건을 적용하여 만족하는 시점으로 사용하는 이벤트를 정의하는 것이 바람직하다.
즉, 정의된 이벤트 중 하나를 기준 이벤트로 정하고 평가 구간의 시간 구간을 포함하며, 기준 이벤트의 타입을 시작 이벤트 또는 종료 이벤트로 구분하는 것이 바람직하다.
시작 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 순으로 시간 구간만큼의 평가 구간을 설정할 수 있으며,
종료 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 역순으로 시간 구간만큼의 평가 구간을 설정하는 것이 바람직하다.
상기 평가분석부(250)는 상기 훈련 관리부(220)와 경험지식 관리부(231)로부터 상기 이벤트 관리부(240)에서 설정한 특정 구간(평가 구간)에 해당하는 데이터들을 전달받는 것이 바람직하다.
즉, 상기 학습자의 가상훈련 데이터 중 상기 특정 구간에 해당하는 데이터와, 상기 전문가의 경험기준 데이터 중 상기 특정 구간에 해당하는 데이터들을 전달받아, 정량적 평가 분석을 수행할 수 있다.
정량적 평가 분석의 일 예를 들자면, Flignt Gear라는 오픈소스 비행 시뮬레이션 프로그램과 연계하여 가상 비행 훈련을 수행하여, 훈련에 사용된 기종은 F-14 톰캣으로 샌프란시스코 국제공항에서의 이륙 과정을 평가하였다.
도 7에 도시된 바와 같이, 여러 가지 데이터 요소 중 속도에 관한 그래프를 통해서 ①, ② 구간은 미리 설정된 두 가지 허용범위 구간이며, ③ 구간은 속도에 대한 학습자의 훈련 곡선을 나타내며, ④ 구간은 허용범위의 기준을 벗어난 구간으로서 학습자의 보정(교육)이 요구되는 구간이며, ⑤, ⑥ 구간은 훈련 진행 과정에서 발생하는 이벤트를 의미한다. 특히, ⑥ 구간 이후로 정량적 평가 분석이 이루어졌으므로 ⑥ 이벤트가 해당 평가 항목의 기준 이벤트 임을 알 수 있다.
상기 출력부(260)는 상기 평가분석부(250)에서 수행한 상기 정량적 평가 분석의 결과 정보를 전달할 수 있다. 이 때, 상술한 바와 같이, 상기 가상훈련 연계수단(100)으로 전달하여 실시간 피드백 또는 결과 분석을 통한 학습자 평가 등으로 활용될 수 있다.
도 8은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법을 나타낸 순서도로서, 도 8을 참조로 하여 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법을 자세히 설명한다.
본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법은 도 8에 도시된 바와 같이, 가상훈련 데이터 수집단계(S100), 이벤트 설정단계(S200), 기준 데이터 생성단계(S300), 평가분석 단계(S400) 및 출력단계(S500)로 이루어지는 것이 바람직하며,
상기 가상훈련 데이터 수집단계(S100)를 수행하기 앞서서, 상기 가상훈련 연계수단(100)에서, 미리 저장된 시뮬레이션 모델들 중 특정 시뮬레이션 모델을 선택하여 상기 가상훈련을 수행하는 모듈로 전달하는 플러그인 단계(S10)를 더 수행하는 것이 바람직하다.
상기 플러그인 단계(S10)는 상기 가상훈련을 수행하는 모듈과 네트워크 연결되어, 미리 저장된 시뮬레이션 모델들 중 선택된 특정 시뮬레이션 모델에 대한 상기 가상훈련 데이터를 전달받기 위하여, 연결되어 있는 가상훈련 시스템의 시뮬레이션 모델에 플러그인되어, 다양한 시뮬레이션 모델들 중 원하는 특정 시뮬레이션 모델을 선택하고 이에 대한 상기 가상훈련 데이터를 네트워크를 통해서 전달받는 것이 바람직하다.
각 단계에 대해서 자세히 알아보자면,
상기 가상훈련 데이터 수집단계(S100)는 상기 가상훈련 연계수단(100)에서 연결되어 있는 가상훈련을 수행하는 모듈로부터 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터와, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 다수의 전문가의 가상훈련 데이터를 전달받아, 시계열 순으로 수집하는 것이 바람직하다.
상세하게는, 상기 가상훈련 데이터 수집단계(S100)는 상기 가상훈련 연계수단(100)에서 상기 학습자의 가상훈련 데이터와 전문가의 가상훈련 데이터를 전달받아 이를 저장 및 관리하는 것이 바람직하다.
또한, 다양한 시뮬레이션 모델만큼이나 각각의 가상훈련 시스템에 따라 해당 시뮬레이션 모델의 특성을 반영하는 데이터 요소 정보들이 존재하기 때문에, 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터들의 기본 데이터 요소 정보들을 데이터베이스 구조 정의하는 것이 바람직하다.
이 때, 상기 기본 데이터 요소 정보들로부터 계산하여 도출할 수 있는 확장 데이터 요소 정보들까지 별도로 정의하는 것이 바람직하다.
상세하게는, 상기 기본 데이터 요소 정보와 미리 정의된 확장 데이터 요소 정보를 참조하여, 미리 주어진 연산자를 사용해 각 요소 간의 계산식을 정의하는 것이 바람직하다. 필요에 따라 상수를 추가하여 데이터 요소와 상수 간의 계산식을 지원하면서 시간 지연 기능을 통해 수집 시점으로부터 계산된 값을 발생시간을 지연시킬 수도 있다. 정의된 각각의 기본 데이터 요소 정보와 확장 데이터 요소 정보는 데이터 타입, 단위, 수집주기 등의 속성 정보를 포함하여 구성되는 것이 바람직하다.
상기 가상훈련 데이터 수집단계(S100)는 상기 가상훈련 데이터를 전달받아, 상기 특정 시뮬레이션 모델의 특성을 이용하여 미리 설정된 데이터 구조 정보에 따라 상기 가상훈련 데이터의 요소 정보들을 재구성하여 전달하는 것이 바람직하다.
즉, 상기 API 브로커부(120)는 전달받은 상기 가상훈련 데이터를 미리 정의된 데이터 정보에 따라 검증하고 재구성한 뒤 미리 정의된 전송 주기에 따라 상기 가상훈련 데이터를 전달하는 것이 바람직하다.
각각의 가상훈련 시스템은 시뮬레이션 모델에 따라 다른 데이터 정보를 갖고 있기 때문에, 이러한 특징을 이용하여 각 시뮬레이션 모델의 데이터 구조 정보(데이터 스키마 정보)를 사용하여 별도의 프로그램 수정 없이 시뮬레이션 모델과 동적으로 연계할 수 있도록 상기 가상훈련 데이터의 요소 정보들을 재구성하여 전달하는 것이 바람직하다.
상기 이벤트 설정단계(S200)는 상기 통합관리 서버부(200)에서, 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.
상세하게는, 상기 이벤트 설정단계(S200)는 상기 통합관리 서버부(200)에서, 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.
상세하게는, 수집된 상기 가상훈련 데이터들의 특정 시점에 대한 정보를 설정하여 특정 구간의 데이터를 추출하거나, 특정 구간의 데이터를 비교를 위한 기준 시점으로 사용하는 이벤트를 정의하는 것이 바람직하다.
일 예를 들자면, 도 5에 도시된 바와 같이, '요소001'에 대해 '기준값과 이전 상태 조건, 이후 상태 조건'을 설정하여 등록된 이벤트를 정의할 수 있따.
'요소001' 외에 다른 데이터 요소들은 이전/이후 상태 조건이 동일하므로 '요소001'의 기준값과 이전 상태 조건, 이후 상태 조건을 적용하여 만족하는 시점으로 사용하는 이벤트를 정의하는 것이 바람직하다.
즉, 정의된 이벤트 중 하나를 기준 이벤트로 정하고 평가 구간의 시간 구간을 포함하며, 기준 이벤트의 타입을 시작 이벤트 또는 종료 이벤트로 구분하는 것이 바람직하다.
시작 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 순으로 시간 구간만큼의 평가 구간을 설정할 수 있으며, 종료 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 역순으로 시간 구간만큼의 평가 구간을 설정하는 것이 바람직하다.
상기 기준 데이터 생성단계(S300)는 상기 통합관리 서버부(200)에서, 상기 가상훈련 데이터 수집단계(S100)에 의해 수집한 상기 전문가의 가상훈련 데이터들을 각각의 데이터 요소별로 통계 기준을 설정하고, 설정한 통계 기준을 이용하여 상기 경험기준 데이터를 생성할 수 있다.
상세하게는, 상기 기준 데이터 생성단계(S300)는 상기 통합관리 서버부(200)에서, 각각의 시뮬레이션 모델의 특성을 이용하여 각각의 가상훈련 데이터의 요소 별로 통계 기준을 설정하고, 상기 전문가의 가상훈련 데이터들을 설정한 통계 기준을 이용하여 연산하여, 경험기준 데이터를 생성하는 것이 바람직하다.
즉, 둘 이상의 전문가를 통해서 가상훈련 데이터를 입력받을 경우, 도 6에 도시된 바와 같이, 선택도니 데이터 요소 별로 통계 기준(평균, 최빈, 최소, 최대 등)을 설정하여 상기 경험기준 데이터를 생성하는 것이 바람직하다.
또한, 상기 경험기준 데이터의 구성정보로는 전문가의 가상훈련 데이터, 생성 대상(시뮬레이션 모델)의 데이터 요소, 기준 이벤트 정보(기준값), 생성 시간 구간 등을 포함하는 것이 바람직하다.
만약, 전문가의 가상훈련 데이터의 수집이 어려울 경우, 전문가의 가상훈련 데이터 없이도 상기 경험기준 데이터를 생성할 수도 있다.
상세하게는, 기본적인 경험지식 생성절차에 따라 임의의 경험지식을 생성하고, 생성한 상기 임의의 경험지식은 상기 기본 데이터 요소 정보만을 이용하여 생성할 수 있다.
생성한 상기 임의의 경험지식과 외부로부터 입력받은 경험지식을 이용하여 상기 경험기준 데이터를 생성할 수 있다.
이 때 입력받은 경험지식의 기본 데이터 요소 정보는 상기 가상훈련 데이터 수집단계(S100)에서 생성한 상기 기본 데이터 요소 정보와 일치하는 것이 바람직하다.
상세하게는, 각각의 데이터 요소별로 통계 기준(평균, 최빈, 최대, 최소 등)을 설정하여, 각 전문가의 가상훈련 데이터들을 비교하여 설정된 통계 기준에 따라 연산된 데이터를 상기 경험기준 데이터를 생성하는 것이 바람직하다.
도 3은 본 발명의 일 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법에서의 전문가 경험지식을 관리하는 방식을 도시화한 도면으로, t1, t2, t3은 동일 유형의 가상훈련을 수행한 각각의 전문가들의 훈련결과 데이터를 나타낸 값이며, e1, e2, e3, e4는 미리 정의된 각각의 이벤트들(가상훈련에 포함되어 있는 이벤트)이다. 이벤트는 대상이 되는 데이터 요소를 결정하고 이 요소에 대해 이벤트 기준값 및 이벤트 이전과 이후 상태 조건을 설정하여 정의하는 것이 바람직하다. 각 훈련의 이벤트는 이 기준값을 근거로 하여 값의 변화(증가 또는 감소)가 나타나는 지점을 의미한다.
도 3의 상단 테이블은 e1에 대한 이벤트 구성 예로서, item02와 item03의 두가지 데이터 요소에 대한 설정 조건을 동시에 만족할 때, 이벤트가 발생함을 알 수 있다.
e1에 대해 item02에 설정된 이전과 이후 상태 조건은 둘 다 같은 것을 알 수 있다. 이에 따라, e1은 item02의 값이 70.0보다 같거나 작으면서 item03의 값이 False에서 True로 변화할 경우, 이벤트가 발생하게 된다.
h1은 통계 기준이 설정된 하단 테이블(경험지식 구성정보 테이블)에 따라 t1, t2, t3의 가상훈련 데이터로부터 생성된 경험지식 데이터를 의미한다.
h1은 e1의 발생지점부터 s1지점까지 동일 길이의 구간으로 생성됨을 알 수 있으며, e1은 h1의 기준이벤트임을 알 수 있다.
시스템 구성 정보(데이터 정보, 데이터 타입, 발생 주기 등)가 같은 가상훈련 시스템에서 운용된 t1, t2, t3는 기준이벤트 발생 지점부터 설정된 구간까지 시계열순에 따라 각 데이터가 서로 대응한다. 대응되는 데이터끼리 동기화되어 정의된 통계 기준에 따라 연산이 처리되면 경험지식 데이터가 생성되게 된다.
이처럼 기준이벤트에서 시간 순서로 경험지식 데이터가 생성될 경우, 이 때의 기준이벤트 유형은 시작 이벤트이다.
한편, 시뮬레이션 모델의 특성에 따라 기준이벤트에서 시간역순으로 구간을 설정하여 상기 경험지식 데이터를 생성할 수도 있다. 이 경우, 기준이벤트 유형은 종료 이벤트이다.
일 예를 들자면, 항공기 착륙 순간을 기준으로 이벤트를 설정한 항공기 착륙 과정의 경험지식이 이에 해당한다.
그렇지만, 실시간 훈련평가 운용시, 기준이벤트가 탐지된 이후부터 시간이 지남에 따라 순차적으로 동기화되어 평가 분석이 이루어지기 때문에, 종료 이벤트로 생성된 상기 경험지식 데이터를 곧바로 사용될 수 없다.
상기 평가분석 단계(S400)는 상기 통합관리 서버부(200)에서, 상기 이벤트 설정단계(S200)에 의해 설정한 특정 구간에 해당하는 상기 학습자의 가상훈련 데이터와 상기 경험기준 데이터를 이용하여, 정량적 평가 분석을 수행할 수 있다.
즉, 상기 평가분석 단계(S400)는 상기 통합관리 서버부(200)에서, 설정한 특정 구간(평가 구간)에 해당하는 데이터들을 전달받는 것이 바람직하다.
즉, 상기 학습자의 가상훈련 데이터 중 상기 특정 구간에 해당하는 데이터와, 상기 전문가의 경험기준 데이터 중 상기 특정 구간에 해당하는 데이터들을 전달받아, 정량적 평가 분석을 수행할 수 있다.
정량적 평가 분석의 일 예를 들자면, Flignt Gear라는 오픈소스 비행 시뮬레이션 프로그램과 연계하여 가상 비행 훈련을 수행하여, 훈련에 사용된 기종은 F-14 톰캣으로 샌프란시스코 국제공항에서의 이륙 과정을 평가하였다.
도 7에 도시된 바와 같이, 여러 가지 데이터 요소 중 속도에 관한 그래프를 통해서 ①, ② 구간은 미리 설정된 두 가지 허용범위 구간이며, ③ 구간은 속도에 대한 학습자의 훈련 곡선을 나타내며, ④ 구간은 허용범위의 기준을 벗어난 구간으로서 학습자의 보정(교육)이 요구되는 구간이며, ⑤, ⑥ 구간은 훈련 진행 과정에서 발생하는 이벤트를 의미한다. 특히, ⑥ 구간 이후로 정량적 평가 분석이 이루어졌으므로 ⑥ 이벤트가 해당 평가 항목의 기준 이벤트 임을 알 수 있다.
상기 출력단계(S500)는 상기 통합관리 서버부(200)에서, 상기 평가분석 단계(S400)에 의한 상기 정량적 평가 분석의 결과 정보를 전달하는 것이 바람직하며, 상기 가상훈련 연계수단(100)으로 전달하여 실시간 피드백 또는 결과 분석을 통한 학습자 평가 등으로 활용될 수 있다.
한편, 본 발명의 실시예에 따른 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법은 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 소자 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것 일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100 : 가상훈련 연계수단
110 : 가상훈련 모델부 120 : API 브로커부
200 : 통합관리 서버부
210 : 기본 관리부 220 : 훈련 관리부
230 : 경험지식 수집부 231 : 경험지식 관리부
240 : 이벤트 관리부 250 : 평가분석부
260 : 출력부

Claims (10)

  1. 기설정된 Open API 서비스를 이용하여, 연결되어 있는 가상훈련을 수행하는 모듈로부터 가상훈련 데이터를 전달받는 가상훈련 연계수단(100); 및
    기설정된 Open API 서비스를 이용하여, 상기 가상훈련 연계수단(100)부터 전달받은 상기 가상훈련 데이터의 정량적 평가 분석을 수행하고, 결과 정보를 제공하여 수행된 가상훈련에 대한 실시간 정량적 평가 분석 및 피드백을 수행하는 통합관리 서버부(200);
    를 포함하며,
    상기 가상훈련 연계수단(100)은
    연결되어 있는 상기 가상훈련을 수행하는 모듈을 통해서, 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터를 전달받고, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 특정 전문가의 가상훈련 데이터 또는 다수의 전문가의 가상훈련 데이터를 전달받으며,
    상기 통합관리 서버부(200)는
    각각의 시뮬레이션 모델의 특성을 이용하여 전달되는 학습자의 가상훈련 데이터, 전문가의 가상훈련 데이터 각각을 상기 가상훈련 데이터들의 기본 데이터 요소 정보들과, 상기 기본 데이터 요소들로부터 계산하여 도출하는 확장 데이터 요소 정보들로 데이터베이스화하여 저장 및 관리하는 기본 관리부(210);
    상기 학습자의 가상훈련 데이터를 시계열 순으로 수집하는 훈련 관리부(220);
    상기 전문가의 가상훈련 데이터를 시계열 순으로 수집하는 경험지식 수집부(230);
    각각의 시뮬레이션 모델의 특성을 이용하여 각각의 가상훈련 데이터의 요소 별로 통계 기준을 설정하고, 상기 경험지식 수집부(230)에서 수집한 상기 전문가의 가상훈련 데이터들을 설정한 상기 통계 기준을 이용하여 경험기준 데이터를 생성하는 경험지식 관리부(231);
    각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 이벤트를 기준으로 시간 순으로 또는 시간 역순으로 특정 구간을 설정하는 이벤트 관리부(240);
    상기 훈련 관리부(220)에서 수집한 상기 학습자의 가상훈련 데이터 중 상기 이벤트 관리부(240)에서 설정한 상기 특정 구간에 해당하는 데이터들과, 상기 경험지식 관리부(231)에서 생성한 상기 경험기준 데이터 중 상기 이벤트 관리부(240)에서 설정한 상기 특정 구간에 해당하는 데이터들을 전달받아, 상기 학습자의 가상훈련 데이터의 정량적 평가 분석을 수행하는 평가분석부(250); 및
    상기 평가분석부(250)에서 수행한 상기 정량적 평가 분석의 결과 정보를 전달하는 출력부(260)를 포함하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템.
  2. 제 1항에 있어서,
    상기 가상훈련 연계수단(100)은
    상기 가상훈련을 수행하는 모듈과 네트워크 연결되어, 기저장된 시뮬레이션 모델들 중 선택된 특정 시뮬레이션 모델에 대한 상기 가상훈련 데이터를 전달받는 가상훈련 모델부(110); 및
    상기 가상훈련 모델부(110)로부터 상기 가상훈련 데이터를 전달받아, 상기 특정 시뮬레이션 모델의 특성을 이용하여 기설정된 데이터 구조 정보에 따라, 상기 가상훈련 데이터의 요소 정보들을 재구성하여 상기 통합관리 서버부(200)로 전달하는 API 브로커부(120);
    를 포함하며,
    상기 API 브로커부(120)는
    기설정된 전송주기에 따라 재구성한 상기 가상훈련 데이터를 상기 통합관리 서버부(200)로 전달하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템.
  3. 삭제
  4. 삭제
  5. 가상훈련 연계수단에서, 기저장된 시뮬레이션 모델들 중 특정 시뮬레이션 모델을 선택하여 가상훈련을 수행하는 모듈로 전달하는 플러그인 단계(S10);
    가상훈련 연계수단에서, 연결되어 있는 가상훈련을 수행하는 모듈로부터 정량적 평가 분석이 필요한 학습자의 가상훈련 데이터와, 상기 학습자의 정량적 평가 분석의 기준을 설정하기 위한 특정 전문가의 가상훈련 데이터 또는 다수의 전문가의 가상훈련 데이터를 전달받는 시계열순으로 수집하는 가상훈련 데이터 수집단계(S100);
    통합관리 서버부에서, 상기 가상훈련 데이터의 평가 분석을 위한 특정 이벤트를 기준으로 시간 순으로 또는 시간 역순으로 특정 구간을 설정하는 이벤트 설정단계(S200);
    통합관리 서버부에서, 상기 가상훈련 데이터 수집단계(S100)에 의해 수집한 상기 전문가의 가상훈련 데이터들을 상기 특정 시뮬레이션 모델의 데이터 요소별로 통계 기준을 설정하고, 설정한 통계 기준을 이용하여 상기 통계 기준을 이용하여 연산하여 경험기준 데이터를 생성하는 기준 데이터 생성단계(S300);
    통합관리 서버부에서, 상기 이벤트 설정단계(S200)에 의해 설정한 특정 구간에 해당하는 상기 학습자의 가상훈련 데이터와 상기 이벤트 설정단계(S200)에 의해 설정한 특정 구간에 해당하는 상기 경험기준 데이터를 이용하여, 상기 학습자의 가상훈련 데이터의 정량적 평가 분석을 수행하는 평가분석 단계(S400); 및
    통합관리 서버부에서, 상기 평가분석 단계(S400)에 의한 상기 정량적 평가 분석의 결과 정보를 전달하여 수행된 가상훈련에 대한 실시간 정량적 평가 분석 및 피드백을 수행하는 출력단계(S500);
    로 이루어지는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
  6. 삭제
  7. 삭제
  8. 제 5항에 있어서,
    상기 가상훈련 데이터 수집단계(S100)는
    상기 플러그인 단계(S10)에 의해 선택한 상기 특정 시뮬레이션 모델의 특성을 이용하여 기설정된 데이터 구조 정보에 따라, 상기 가상훈련 데이터의 요소 정보들을 재구성하여 수집하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
  9. 삭제
  10. 제 5항에 있어서,
    상기 가상훈련 연계수단과 통합관리 서버부는
    기설정된 Open API 서비스를 이용하여 상기 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법의 각 단계를 수행하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
KR1020180167655A 2018-12-21 2018-12-21 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법 KR102199810B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180167655A KR102199810B1 (ko) 2018-12-21 2018-12-21 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180167655A KR102199810B1 (ko) 2018-12-21 2018-12-21 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20200078079A KR20200078079A (ko) 2020-07-01
KR102199810B1 true KR102199810B1 (ko) 2021-01-11

Family

ID=71601669

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180167655A KR102199810B1 (ko) 2018-12-21 2018-12-21 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102199810B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947127A (zh) * 2021-02-04 2021-06-11 彭浩明 智慧用电控制管理系统
CN113763771A (zh) * 2021-09-09 2021-12-07 大连海事大学 一种基于网络的船舶轮机模拟训练考评系统及实现方法
KR102535129B1 (ko) * 2022-10-11 2023-05-30 (주)제이티시스템 궤도차량 조종 훈련수 시뮬레이터
KR102673556B1 (ko) * 2023-11-15 2024-06-11 주식회사 티엔에스 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005189908A (ja) * 2003-12-24 2005-07-14 Toshiba Corp シミュレーションシステム
KR101911516B1 (ko) 2017-12-26 2018-10-24 (주)에프앤아이 사용자의 심리 상태 데이터를 획득하고 사용자의 심리 상태를 판단하고 피드백을 제공하는 방법 및 이를 이용한 서버

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160140041A (ko) 2015-05-29 2016-12-07 전자부품연구원 경험지식 기반 가상훈련 시나리오 추출 및 평가 시스템
KR20170013778A (ko) * 2015-07-28 2017-02-07 엘에스산전 주식회사 급전원 훈련 시스템 및 그 제어 방법
KR101874826B1 (ko) * 2016-05-17 2018-08-02 (주)토탈소프트뱅크 천장크레인 시뮬레이터의 훈련 평가 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005189908A (ja) * 2003-12-24 2005-07-14 Toshiba Corp シミュレーションシステム
KR101911516B1 (ko) 2017-12-26 2018-10-24 (주)에프앤아이 사용자의 심리 상태 데이터를 획득하고 사용자의 심리 상태를 판단하고 피드백을 제공하는 방법 및 이를 이용한 서버

Also Published As

Publication number Publication date
KR20200078079A (ko) 2020-07-01

Similar Documents

Publication Publication Date Title
KR102199810B1 (ko) 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법
US10957216B2 (en) Assessing a training activity performed by a user in an interactive computer simulation
US10991262B2 (en) Performance metrics in an interactive computer simulation
CN105653789B (zh) 一种异构仿真方法
US20200357294A1 (en) Simulation server capable of interacting with a plurality of simulators to perform a plurality of simulations
EP2827303A1 (en) A computer-implemented method for determining at least one exploded path of an exploded view of an assembly of three-dimensional modeled objects.
US20170069218A1 (en) L-v-c operating system and unmanned aerial vehicle training/testing method using the same
AU2017202520B2 (en) Virtual weather generation
US20110111385A1 (en) Automated training system and method based on performance evaluation
US20200388194A1 (en) Systems and methods for generating aircraft training programs adapted to user characteristics
CN113837908A (zh) 一种基于课程的网络培训系统与方法
JP6005044B2 (ja) フェアリングシステムのための自動トラフィック生成
US11715387B2 (en) Standard operating procedures feedback during an interactive computer simulation
CA3000480C (en) Systems and methods for remotely operated machine training
KR102155728B1 (ko) 훈련 재연 방법 및 장치
KR102180046B1 (ko) 다중 해상도 모델 기반의 전장 m＆s 시스템 및 이의제어방법
US11822863B2 (en) Model based system for virtual device simulation
CN108701426B (zh) 发送指导者操作站(ios)过滤信息的方法和便携式计算设备
Soler et al. RUMS-Realtime visualization and evaluation of live, virtual, constructive simulation data
Schier-Morgenthal Multiple Remote Tower Simulation Environment
Schier Remote tower simulation environment
Lyu et al. Simulated Troubleshooting of Civil Aircraft Based on Operation and Maintenance Database
Kuang et al. Civil Aircraft Cockpit Human Machine Interactive Dynamic Assessment Quality Improvement Based on System Engineering
Gabalin Simulation modeling training on the example of building of the information and control system model
Park An Agile Roadmap for Live, Virtual and Constructive-integrating Training Architecture (LVC-ITA): A Case Study Using a Component Based Integrated Simulation Engine

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant