디지털 트윈과 국방 M&S
1. 개요
디지털 트윈(Digital Twin)은 물리적 자산, 시스템, 또는 프로세스의 가상 복제본으로서, 실시간 데이터와 시뮬레이션을 결합하여 현실 세계의 대상을 디지털 환경에서 정밀하게 재현하는 기술이다. 이 개념은 제조업과 산업 분야에서 시작되었으나, 현재 국방 분야에서 가장 혁신적인 기술 중 하나로 부상하고 있다. 미국 국방부(Department of Defense, DoD)는 디지털 트윈을 차세대 무기체계 개발, 군수 지원, 예측 정비, 그리고 전투 시뮬레이션의 핵심 기반 기술로 인식하고 있다.
디지털 트윈의 국방 적용은 단순한 3D 모델링을 넘어서, 물리 기반 시뮬레이션(Physics-Based Simulation), 기계학습(Machine Learning), 사물인터넷(IoT) 센서 데이터를 통합하여 무기체계의 전 수명주기(Life Cycle)를 관리하는 포괄적인 접근 방식을 의미한다. 미국 공군(USAF)의 F-35 전투기 프로그램, 해군의 함정 유지보수 체계, 육군의 차세대 전투차량(NGCV) 개발 등에서 디지털 트윈이 핵심적인 역할을 수행하고 있다.
특히 2020년대 들어 미 국방부는 디지털 엔지니어링(Digital Engineering) 전략의 일환으로 디지털 트윈 도입을 가속화하고 있다. 2018년 발표된 "DoD Digital Engineering Strategy"에서는 모든 주요 획득 프로그램에 디지털 모델 기반 접근법을 적용하도록 명시하였으며, 이는 디지털 트윈 기술의 국방 분야 확산을 촉진하는 핵심 동력이 되고 있다. 본 포스트에서는 디지털 트윈의 기본 개념부터 국방 분야의 구체적 적용 사례, 핵심 기술 요소, 미국의 주요 프로그램, 그리고 한국 국방에 대한 시사점을 심층적으로 분석한다.
2. 디지털 트윈의 정의와 발전 역사
2.1 디지털 트윈의 정의
디지털 트윈은 미국 미시간 대학교의 Michael Grieves 교수가 2002년 제조업 분야에서 처음 제안한 개념으로, 물리적 제품의 가상 표현(Virtual Representation)을 의미한다. NASA(미국항공우주국)에서는 디지털 트윈을 "물리적 자산의 정확한 가상 복제본으로서, 센서 데이터, 시뮬레이션, 기계학습을 통합하여 자산의 상태를 실시간으로 반영하고 미래 성능을 예측하는 시스템"으로 정의한다.
국방 분야에서 디지털 트윈은 더욱 확장된 의미를 가진다. 미 국방부 산하 연구개발기관인 DARPA(Defense Advanced Research Projects Agency)는 디지털 트윈을 "무기체계, 플랫폼, 또는 군사 시스템의 물리적 특성, 운용 이력, 환경 조건을 통합적으로 모델링하여 설계, 시험평가, 운용, 유지보수의 전 단계에서 의사결정을 지원하는 가상 시스템"으로 정의한다.
2.2 역사적 발전 과정
디지털 트윈의 역사는 1960년대 NASA의 아폴로 프로그램까지 거슬러 올라간다. 당시 NASA는 우주선의 물리적 복제본을 지상에 유지하며 문제 해결에 활용하였는데, 이것이 디지털 트윈의 개념적 시초라 할 수 있다. 아폴로 13호 사고 당시, 지상의 시뮬레이터를 통해 우주비행사들의 귀환 절차를 개발한 것이 대표적인 사례이다.
2000년대 이후 컴퓨팅 파워의 발전, IoT 센서 기술의 성숙, 클라우드 컴퓨팅의 확산으로 디지털 트윈은 본격적인 기술로 발전하였다. 2010년 NASA는 차세대 우주 탐사 차량을 위한 디지털 트윈 개념을 공식화하였으며, 이후 GE(General Electric), Siemens 등 산업체들이 제조업에 적용하기 시작하였다. 국방 분야에서는 2015년 미 공군이 F-35 전투기의 구조 수명 관리를 위해 디지털 트윈을 도입하면서 본격적인 적용이 시작되었다.
| 시기 | 주요 발전 사항 | 국방 분야 적용 |
|---|---|---|
| 1960년대 | 아폴로 프로그램의 물리적 복제본 활용 | 우주/항공 시뮬레이션 개념 등장 |
| 2002년 | Michael Grieves 교수의 디지털 트윈 개념 제안 | PLM(제품수명주기관리) 개념 도입 |
| 2010년 | NASA 디지털 트윈 공식화 | 우주 탐사 차량 시뮬레이션 |
| 2015년 | 산업 IoT와 디지털 트윈 통합 | F-35 구조 수명 관리 도입 |
| 2018년 | DoD Digital Engineering Strategy 발표 | 전 획득 프로그램 적용 의무화 |
| 2020년대 | AI/ML 기반 예측 분석 통합 | 예측 정비, 자율시스템, LVC 훈련 통합 |
3. 국방 분야 디지털 트윈 적용 영역
3.1 무기체계 개발 및 획득
디지털 트윈은 무기체계의 설계, 개발, 시험평가 단계에서 혁신적인 변화를 가져오고 있다. 전통적인 무기체계 개발은 물리적 시제품 제작과 반복적인 시험을 필요로 하여 막대한 비용과 시간이 소요되었다. 디지털 트윈을 활용하면 가상 환경에서 설계 대안을 검증하고, 시험평가를 시뮬레이션하며, 잠재적 결함을 사전에 식별할 수 있다.
미 공군의 e-Series 전투기 프로그램은 디지털 트윈 기반 개발의 대표적 사례이다. Northrop Grumman의 B-21 Raider 스텔스 폭격기는 "디지털 최초(Digital First)" 접근법을 채택하여, 물리적 시제품 제작 이전에 완전한 디지털 트윈을 구축하였다. 이를 통해 개발 기간을 약 30% 단축하고, 설계 변경 비용을 50% 이상 절감한 것으로 알려져 있다.
3.2 예측 정비(Predictive Maintenance)
예측 정비는 디지털 트윈의 가장 성숙한 국방 적용 분야 중 하나이다. 기존의 정비 방식은 정해진 주기에 따라 수행하는 예방 정비(Preventive Maintenance) 또는 고장 발생 후 수행하는 사후 정비(Corrective Maintenance)였다. 디지털 트윈은 실시간 센서 데이터와 시뮬레이션을 결합하여 장비의 고장을 사전에 예측하고, 최적의 정비 시점을 결정할 수 있게 한다.
미 해군의 함정 추진 시스템, 공군의 항공기 엔진, 육군의 전투차량 등에서 디지털 트윈 기반 예측 정비가 도입되고 있다. 예를 들어, Pratt & Whitney사의 F135 엔진(F-35 전투기 탑재)은 수천 개의 센서에서 수집된 데이터를 디지털 트윈에 반영하여 엔진 상태를 실시간으로 모니터링하고, 부품 교체 시기를 예측한다. 이를 통해 예정되지 않은 정비로 인한 가동 중단을 35% 감소시킨 것으로 보고되고 있다.
3.3 군수 지원 및 공급망 관리
디지털 트윈은 복잡한 군수 지원 체계와 공급망을 최적화하는 데도 활용된다. 무기체계의 부품 소요 예측, 재고 관리, 수송 경로 최적화 등에 디지털 트윈 기반 시뮬레이션이 적용되고 있다. 미 국방부 산하 국방군수청(DLA: Defense Logistics Agency)은 "Supply Chain Digital Twin" 프로젝트를 통해 전 세계 군수 네트워크를 가상으로 모델링하고 있다.
3.4 훈련 및 전투 시뮬레이션
LVC(Live, Virtual, Constructive) 훈련 환경에서 디지털 트윈은 가상 훈련의 현실성을 크게 향상시킨다. 실제 무기체계의 디지털 트윈을 훈련 시뮬레이터에 통합함으로써, 훈련병들이 실제 장비와 동일한 특성을 가진 가상 장비로 훈련할 수 있다. 미 육군의 합성훈련환경(STE: Synthetic Training Environment)은 디지털 트윈을 핵심 구성요소로 포함하고 있다.
| 적용 영역 | 주요 기능 | 기대 효과 | 대표 프로그램 |
|---|---|---|---|
| 무기체계 개발 | 가상 설계 검증, 시험평가 시뮬레이션 | 개발 기간 30% 단축, 비용 50% 절감 | B-21 Raider, NGCV |
| 예측 정비 | 실시간 상태 모니터링, 고장 예측 | 가동률 향상, 정비비용 절감 | F-35 ALIS, 함정 추진시스템 |
| 군수 지원 | 부품 소요 예측, 재고 최적화 | 재고 비용 감소, 가용성 향상 | DLA Supply Chain DT |
| 훈련 시뮬레이션 | 고충실도 가상 장비, LVC 통합 | 훈련 효과 향상, 비용 절감 | 육군 STE, 해군 TCTS |
| 작전 계획 | 전장 환경 모델링, 피해 평가 | 의사결정 지원, 위험 감소 | JMTC, WARSIM |
4. 디지털 트윈의 핵심 기술 요소
4.1 물리 기반 모델링(Physics-Based Modeling)
디지털 트윈의 핵심은 물리적 현상을 정확하게 재현하는 모델링 기술이다. 무기체계의 구조역학(Structural Mechanics), 유체역학(Fluid Dynamics), 열전달(Heat Transfer), 전자기학(Electromagnetics) 등을 수학적 모델로 표현하고 시뮬레이션한다. 유한요소해석(FEA: Finite Element Analysis), 전산유체역학(CFD: Computational Fluid Dynamics) 등의 기법이 핵심적으로 활용된다.
예를 들어, 항공기 디지털 트윈은 비행 중 기체에 가해지는 하중, 피로 누적, 온도 변화 등을 실시간으로 계산하여 구조적 건전성을 평가한다. Lockheed Martin의 F-35 디지털 트윈은 개별 항공기의 비행 이력 데이터를 반영하여 기체별 잔여 수명을 추정한다.
4.2 IoT 센서 및 데이터 수집
디지털 트윈의 "실시간성"은 물리적 자산에 장착된 센서로부터 수집되는 데이터에 기반한다. 현대 무기체계에는 수백에서 수천 개의 센서가 장착되어 온도, 압력, 진동, 전압, 유량 등 다양한 물리량을 측정한다. 이러한 데이터는 무선 통신, 위성 링크, 또는 저장 후 업로드 방식으로 디지털 트윈 시스템에 전달된다.
미 공군의 F-35 전투기는 약 1,400개의 센서에서 초당 수 기가바이트의 데이터를 생성한다. 이 데이터는 ALIS(Autonomic Logistics Information System)를 통해 처리되며, 각 항공기의 디지털 트윈을 업데이트하는 데 활용된다.
4.3 인공지능 및 기계학습
대량의 센서 데이터를 분석하고 예측 모델을 구축하는 데 인공지능(AI)과 기계학습(ML)이 필수적이다. 딥러닝 알고리즘은 복잡한 패턴을 인식하여 고장 징후를 조기에 탐지하고, 강화학습(Reinforcement Learning)은 최적의 정비 전략을 도출하는 데 활용된다.
미 국방부는 AI 기반 디지털 트윈 분석을 위해 JAIC(Joint Artificial Intelligence Center)를 중심으로 다양한 프로젝트를 추진하고 있다. 예측 정비 분야에서 AI는 전통적인 통계 기법 대비 고장 예측 정확도를 40% 이상 향상시킨 것으로 보고되고 있다.
4.4 고성능 컴퓨팅(HPC) 및 클라우드
복잡한 물리 시뮬레이션과 대규모 데이터 처리를 위해 고성능 컴퓨팅(HPC: High-Performance Computing) 인프라가 필요하다. 미 국방부는 DoD High Performance Computing Modernization Program(HPCMP)을 통해 국방 연구개발을 위한 슈퍼컴퓨팅 자원을 제공하고 있다. 최근에는 클라우드 컴퓨팅의 활용도 증가하고 있으며, AWS GovCloud, Microsoft Azure Government 등의 플랫폼이 활용되고 있다.
4.5 데이터 표준 및 상호운용성
다양한 시스템 간 데이터 교환을 위해 표준화된 데이터 형식과 인터페이스가 중요하다. 국방 분야에서는 HLA(High Level Architecture), DIS(Distributed Interactive Simulation) 등의 시뮬레이션 상호운용 표준이 사용된다. 또한 모델 기반 시스템 공학(MBSE: Model-Based Systems Engineering)을 위한 SysML, 3D 모델 교환을 위한 STEP(Standard for the Exchange of Product Data) 등이 활용된다.
| 기술 영역 | 핵심 기술 | 적용 도구/플랫폼 | 국방 활용 사례 |
|---|---|---|---|
| 물리 모델링 | FEA, CFD, MBD | ANSYS, Abaqus, COMSOL | F-35 구조 해석, 미사일 공력 분석 |
| 데이터 수집 | IoT 센서, 엣지 컴퓨팅 | OSIsoft PI, PTC ThingWorx | 항공기 상태 모니터링 |
| AI/ML | 딥러닝, 강화학습 | TensorFlow, PyTorch | 예측 정비, 이상 탐지 |
| HPC/클라우드 | 병렬 컴퓨팅, 분산 처리 | DoD HPCMP, AWS GovCloud | 대규모 시뮬레이션 |
| 표준/상호운용 | HLA, DIS, SysML | MAK VR-Forces, Pitch RTI | 연합훈련, M&S 통합 |
5. 미국 국방부 주요 디지털 트윈 프로그램
5.1 F-35 Lightning II 디지털 트윈
F-35 전투기는 세계에서 가장 진보된 디지털 트윈 적용 사례 중 하나이다. Lockheed Martin은 각 F-35 항공기에 대해 개별 디지털 트윈을 생성하고 유지한다. 이 디지털 트윈은 항공기의 제조 데이터, 비행 이력, 정비 기록, 센서 데이터를 통합하여 항공기의 현재 상태와 잔여 수명을 지속적으로 업데이트한다.
F-35의 ALIS(Autonomic Logistics Information System)는 디지털 트윈 데이터를 활용하여 정비 요구사항을 자동으로 식별하고, 부품 소요를 예측하며, 정비 절차를 권고한다. 2023년부터 ALIS는 차세대 시스템인 ODIN(Operational Data Integrated Network)으로 전환되고 있으며, 향상된 데이터 분석 및 클라우드 기반 아키텍처를 제공한다. 미 국방부는 F-35 디지털 트윈 프로그램에 연간 약 2억 달러 이상을 투자하고 있는 것으로 추정된다.
5.2 미 해군 함정 디지털 트윈(Navy Ships Digital Twin)
미 해군은 함정의 설계, 건조, 운용, 정비를 지원하기 위해 디지털 트윈을 적극 도입하고 있다. NAVSEA(Naval Sea Systems Command)는 "Digital Thread and Digital Twin" 이니셔티브를 통해 주요 함정 프로그램에 디지털 기술을 적용하고 있다. 최신 항공모함 CVN-78 Gerald R. Ford급, DDG-51 Arleigh Burke급 구축함, 차세대 공격잠수함(SSN-774 Virginia급) 등이 디지털 트윈을 활용하고 있다.
함정 디지털 트윈은 선체 구조, 추진 시스템, 전투체계, 전력 시스템 등을 통합적으로 모델링한다. Huntington Ingalls Industries(HII)는 뉴포트 뉴스 조선소에서 디지털 조선(Digital Shipbuilding) 개념을 적용하여 건조 효율성을 15-20% 향상시킨 것으로 보고하고 있다.
5.3 육군 합성훈련환경(STE) 디지털 트윈
미 육군의 합성훈련환경(STE: Synthetic Training Environment)은 LVC 훈련을 통합하는 차세대 훈련 플랫폼으로, 디지털 트윈이 핵심 구성요소이다. STE는 실제 무기체계(M1 Abrams 전차, M2 Bradley 보병전투차량, AH-64 Apache 헬기 등)의 디지털 트윈을 가상 훈련 환경에 통합하여 고충실도 훈련을 제공한다.
STE 디지털 트윈은 무기체계의 기동 특성, 무장 성능, 센서 능력을 정밀하게 재현한다. 또한 One World Terrain(OWT) 프로젝트를 통해 전 세계 지형의 디지털 트윈을 구축하여 어떤 지역에서든 사실적인 훈련이 가능하도록 한다. 미 육군은 STE 개발에 2026년까지 약 10억 달러 이상을 투자할 계획이다.
5.4 DARPA Aircrew Labor In-cockpit Automation System (ALIAS)
DARPA의 ALIAS 프로그램은 조종사 업무 부담을 줄이기 위한 자동화 시스템으로, 항공기 디지털 트윈을 활용한다. ALIAS는 다양한 항공기에 적용 가능한 이동식 자동화 키트로, 항공기 시스템의 디지털 트윈을 기반으로 비행 제어, 시스템 관리, 비상 대응을 지원한다. Sikorsky UH-60 Black Hawk 헬리콥터에서 무인 비행 시연에 성공하였다.
5.5 공군 Digital Campaign
미 공군은 "Digital Campaign"이라는 이름 아래 디지털 트윈과 디지털 엔지니어링을 전면적으로 도입하고 있다. 이 캠페인은 무기체계 획득 전 과정에 디지털 접근법을 적용하며, "e-Series" 전투기(차세대 전투기) 개발, KC-46A 공중급유기 지원, 핵 현대화 프로그램 등에 디지털 트윈이 활용된다. 공군은 디지털 트윈을 통해 획득 기간을 50% 단축하고, 비용을 상당 부분 절감하는 것을 목표로 하고 있다.
6. 한국 국방에 대한 시사점
6.1 무기체계 개발 효율화
한국은 KF-21 보라매 전투기, KDDX 차기구축함, K2 흑표 전차 등 다양한 첨단 무기체계를 개발하고 있다. 이러한 프로그램에 디지털 트윈을 도입함으로써 개발 기간 단축과 비용 절감을 달성할 수 있다. 특히 KF-21 프로그램은 Block 2, Block 3 개발 단계에서 디지털 트윈 기반 접근법을 확대 적용할 필요가 있다. 미국 F-35 프로그램의 사례를 벤치마킹하여, 설계-제조-시험평가를 연결하는 디지털 스레드(Digital Thread)를 구축하는 것이 중요하다.
6.2 예측 정비 체계 도입
한국군은 F-35A 스텔스 전투기를 도입하여 운용 중이며, 이미 ALIS/ODIN 시스템을 통해 디지털 트윈 기반 정비를 경험하고 있다. 이러한 경험을 국산 무기체계에도 확대 적용할 필요가 있다. KF-16, KF-21, KUH-1 수리온 등 국산 및 면허생산 항공기에 디지털 트윈 기반 예측 정비 시스템을 도입하면 가동률 향상과 정비 비용 절감을 기대할 수 있다. 국방과학연구소(ADD)와 한국항공우주산업(KAI)을 중심으로 관련 기술 개발이 필요하다.
6.3 훈련 시뮬레이션 고도화
한국군의 전투준비태세훈련체계를 디지털 트윈 기반으로 발전시킬 필요가 있다. 현재 육군의 과학화전투훈련단(KCTC), 해군의 전술훈련체계, 공군의 ACMI(Air Combat Maneuvering Instrumentation) 등을 디지털 트윈과 통합하면 훈련 효과를 크게 향상시킬 수 있다. 미 육군 STE를 참고하여 한국형 합성훈련환경을 구축하고, 실제 무기체계의 디지털 트윈을 훈련 시뮬레이터에 통합하는 것을 검토해야 한다.
6.4 산업 기반 육성
디지털 트윈 기술은 국방 분야를 넘어 제조업, 건설, 에너지 등 다양한 산업에 적용된다. 국방 디지털 트윈 사업을 통해 국내 기업들의 관련 역량을 육성하면, 민간 산업에도 파급 효과가 있을 것이다. 삼성중공업, 현대중공업, 대우조선해양 등 조선사들은 이미 민간 선박에 디지털 트윈을 적용하고 있으며, 이러한 역량을 군함 건조에도 활용할 수 있다.
6.5 데이터 표준 및 보안 체계 구축
디지털 트윈 도입을 위해서는 데이터 표준과 사이버 보안 체계가 선행되어야 한다. 무기체계 데이터의 민감성을 고려하여 보안이 강화된 데이터 교환 프로토콜을 개발하고, 클라우드 활용 시 국방 클라우드 인프라를 통해 데이터 주권을 확보해야 한다. 한국군 고유의 데이터 표준을 개발하되, NATO 표준과의 상호운용성도 고려해야 한다.
7. 도전과제와 향후 전망
7.1 기술적 도전과제
디지털 트윈의 국방 분야 확산에는 여전히 해결해야 할 기술적 과제가 존재한다. 첫째, 물리 모델의 정확성과 계산 효율성 사이의 균형이다. 고충실도 시뮬레이션은 정확하지만 계산 시간이 오래 걸리며, 실시간 의사결정 지원에는 한계가 있다. 둘째, 레거시 시스템과의 통합이다. 기존 무기체계에는 충분한 센서가 장착되지 않았거나, 데이터 인터페이스가 부족한 경우가 많다. 셋째, 데이터 품질과 가용성이다. 디지털 트윈의 정확성은 입력 데이터의 품질에 직접적으로 의존한다.
7.2 제도적 도전과제
디지털 트윈 도입은 기술만의 문제가 아니라 제도와 문화의 변화도 요구한다. 획득 규정, 시험평가 기준, 형상관리 절차 등이 디지털 트윈을 수용할 수 있도록 개정되어야 한다. 미국의 경우 2018년 디지털 엔지니어링 전략 발표 이후에도 제도 정비에 수년이 소요되었다. 또한 조직 문화의 변화도 필요하다. 디지털 트윈 기반 의사결정을 신뢰하고 활용하도록 인력을 교육하고, 조직 프로세스를 개편해야 한다.
7.3 향후 전망
향후 10년간 디지털 트윈은 국방 M&S의 핵심 기술로 자리잡을 것으로 전망된다. AI/ML 기술의 발전으로 디지털 트윈의 예측 능력이 향상되고, 자율시스템과의 통합이 가속화될 것이다. 또한 확장현실(XR: Extended Reality) 기술과 결합하여 보다 직관적인 인터페이스가 제공될 것이다. 5G/6G 통신 기술은 실시간 데이터 전송을 가능하게 하여 디지털 트윈의 "실시간성"을 강화할 것이다.
미 국방부는 2030년까지 모든 주요 무기체계에 디지털 트윈을 적용하는 것을 목표로 하고 있다. 한국도 이러한 흐름에 발맞추어 디지털 트윈 역량을 조기에 확보하는 것이 필요하다.
8. 결론
디지털 트윈은 국방 M&S 분야에서 패러다임 전환을 이끄는 핵심 기술이다. 물리적 자산의 가상 복제본을 통해 무기체계의 설계, 제조, 운용, 정비의 전 과정을 혁신할 수 있다. 미국 국방부는 F-35, 해군 함정, 육군 STE 등 다양한 프로그램에서 디지털 트윈을 성공적으로 적용하고 있으며, 이를 통해 비용 절감, 일정 단축, 성능 향상의 효과를 거두고 있다.
한국 국방의 관점에서 디지털 트윈은 무기체계 개발 효율화, 예측 정비 도입, 훈련 시뮬레이션 고도화, 산업 기반 육성 등 다양한 측면에서 의미가 있다. 그러나 성공적인 도입을 위해서는 기술 개발뿐 아니라 제도 정비, 인력 양성, 데이터 표준화 등이 병행되어야 한다. 미국의 선진 사례를 벤치마킹하면서도 한국군의 특성에 맞는 디지털 트윈 전략을 수립하는 것이 중요하다.
디지털 트윈은 단순한 기술이 아니라 국방 혁신의 방향을 제시하는 개념이다. 물리적 세계와 디지털 세계의 융합을 통해 더욱 스마트하고 효율적인 국방력을 구축하는 것이 21세기 국방의 핵심 과제이며, 디지털 트윈은 그 중심에 있다.
참고 자료
- U.S. Department of Defense. (2018). Digital Engineering Strategy. Office of the Deputy Assistant Secretary of Defense for Systems Engineering. https://ac.cto.mil/wp-content/uploads/2019/06/2018-Digital-Engineering-Strategy_Approved_PrintVersion.pdf
- Grieves, M., & Vickers, J. (2017). Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems. In Transdisciplinary Perspectives on Complex Systems. Springer. https://www.springer.com/gp/book/9783319387543
- U.S. Government Accountability Office. (2021). F-35 Joint Strike Fighter: DOD Needs to Update Modernization Schedule and Improve Data on Software Development, GAO-21-226. https://www.gao.gov/products/gao-21-226
- Defense Acquisition University. (2020). Digital Engineering Fundamentals. DAU Press. https://www.dau.edu/cop/stm/Lists/Tools%20and%20Publications/DispForm.aspx?ID=50
- National Academies of Sciences, Engineering, and Medicine. (2019). Department of Defense Digital Engineering Strategy: Report of a Workshop. The National Academies Press. https://www.nap.edu/catalog/25574
- U.S. Air Force. (2020). Air Force Digital Campaign. Secretary of the Air Force Public Affairs. https://www.af.mil/News/Article-Display/Article/2094513/air-force-announces-digital-campaign/
- NAVSEA. (2021). Digital Shipbuilding Strategy. Naval Sea Systems Command. https://www.navsea.navy.mil/Home/Warfare-Centers/NSWC-Carderock/
- U.S. Army. (2019). Synthetic Training Environment Cross-Functional Team. Army Futures Command. https://www.army.mil/standto/archive/2019/06/14/
- DARPA. (2020). Aircrew Labor In-Cockpit Automation System (ALIAS). Defense Advanced Research Projects Agency. https://www.darpa.mil/program/aircrew-labor-in-cockpit-automation-system
- Lockheed Martin. (2021). F-35 Lightning II: Digital Thread and Sustainment. Lockheed Martin Aeronautics. https://www.lockheedmartin.com/en-us/products/f-35.html
댓글
댓글 쓰기