---
type: author
temep: true
slug: eunseoksuh
name_ko: 서은석
name_en: Eun-seok Suh
aliases:
  - 서은석
  - Eun-seok Suh
  - E.-S. Suh
  - Eunseok Suh
affiliation: Seoul National University
agent: eunseoksuh
categories:
  - '[[temep-faculty]]'
research_themes:
  - '[[system-architecture]]'
  - '[[modularity]]'
  - '[[structural-complexity]]'
  - '[[integrative-complexity]]'
  - '[[technology-infusion]]'
  - '[[flexible-product-platform]]'
  - '[[reconfigurability]]'
  - '[[change-propagation]]'
  - '[[decomposition-perspective]]'
  - '[[decomposition-granularity]]'
  - '[[digital-twin]]'
  - '[[mbse]]'
  - '[[technology-roadmap]]'
  - '[[multi-objective-optimization]]'
methods:
  - '[[design-structure-matrix]]'
  - '[[delta-dsm]]'
  - '[[graph-energy]]'
  - '[[shannon-entropy]]'
  - '[[monte-carlo-simulation]]'
  - '[[pareto-optimization]]'
  - '[[hybrid-simulation]]'
  - '[[opm]]'
  - '[[sax-dtw]]'
  - '[[qfd]]'
  - '[[morphological-matrix]]'
  - '[[dsm-clustering]]'
courses_taught: []
last_updated: '2026-05-20T11:30:52+09:00'
---
# 서은석

*Eun-seok Suh* · [[temep]], Seoul National University

## 핵심 개념

서은석의 지적 영토는 [[systems-engineering]] 및 *시스템 아키텍처 · 복잡성 · 기술주입* 의 교차점이다. 시스템 공학 관점에서 기술경영 문제를 다루는 것이 뚜렷한 특징이다.


### 개념 지도

마스터 개념: **System Architecture** ([[system-architecture]], 시스템 아키텍처)

```mermaid
flowchart TD
    M["System Architecture<br/>[마스터 개념]"]
    DSM["DSM<br/>[표현 도구]"]
    DEC["Decomposition<br/>[분석 행위]"]
    MOD["Modularity<br/>[구조적 속성]"]
    M --> DSM
    M --> DEC
    M --> MOD
    DSM --> DDSM["ΔDSM"]
    DSM --> CHANGE["Change Propagation"]
    CHANGE --> TI["Technology Infusion"]
    DEC --> PERS["Perspective"]
    DEC --> GRAN["Granularity"]
    MOD --> MGG["MG&G"]
    MOD --> IC["Integrative Complexity (IC)"]
    IC --> SC["Structural Complexity"]
    SC --> MOO["Multi-objective Optimization"]
    IC --> MDI["MDI (entropy)"]
    classDef master fill:#fff3b0,stroke:#333,stroke-width:2px
    class M master
```

응용 확장:
- [[flexible-product-platform]] → [[change-propagation]] + Platform Bandwidth
- [[reconfigurability]] → 장애 시 구성 변경, 서비스 정책 최적화
- [[digital-twin]] → 실시간 데이터 기반 최적화
- [[mbse]]/[[opm]] → 복잡 시스템의 통합 모델링
- [[technology-roadmap]] → 기술 개발과 정책/전략 연결

---

### 개별 개념 정의

#### Design Structure Matrix (DSM, 설계구조행렬)

**정의**: 시스템의 구성요소를 행과 열에 배치하고, 구성요소 간 상호연결(물리적 연결, 물질 흐름, 에너지 흐름, 정보 흐름)을 셀에 표시하는 정방행렬. 시스템 아키텍처의 "지도"이자 서은석 연구의 공통 언어(lingua franca). → [[design-structure-matrix]]

**핵심 발견**: Xerox 프린팅 시스템(84개 요소, 밀도 3.7%)에 대한 DSM 구축 경험에서, DSM의 scope(범위)와 granularity(입도)가 이후 분석 결과에 결정적 영향을 미침을 발견. DSM 구축 노력의 경험적 공식: T_DSM = 0.02 * N_e^2 (N_e = 요소 수). 20x20 DSM은 약 8시간, 84x84 DSM은 약 140시간(1인월) 소요. (Suh et al. 2010, Systems Engineering)

**DSM의 4가지 연결 유형**: (1) Physical Connection (물리적 연결, 대칭), (2) Mass Flow (물질 흐름, 비대칭 가능), (3) Energy Flow (에너지 흐름), (4) Information Flow (정보 흐름). (Suh et al. 2010)

**사용 맥락**: 학생이 시스템을 서술적으로 설명할 때, "DSM으로 그려보면 어떻게 되나요?"로 구체화 유도.

#### Modularity (모듈성)

**정의**: "A module is a relatively independent chunk of a system that is loosely coupled to the rest of the system." 모듈 내부는 강하게 결합(tightly coupled)되고, 모듈 간에는 약하게 결합(loosely coupled)된 시스템 구조적 속성. 이진(modular/integral)이 아니라 연속적 스케일. → [[modularity]] (Holtta-Otto et al. 2012)

**주요 메트릭**:
- **MG&G** (Guo & Gershenson): 모듈 내 연결 대비 모듈 간 연결 비율. 범위 [-1, 1]. 1이면 완전 모듈러, 0이면 integral. (Chiriac et al. 2011)
- **MG&Ginter**: MG&G의 변형. 모듈 내 연결을 무시하고 모듈 간 연결만으로 계산. 완전 integral = 0, 완전 modular = 1. (Chiriac et al. 2011)
- **MDL** (Minimum Description Length): 정보이론 기반. 모듈 수, 모듈 크기, 모듈 내/외 연결의 정보량을 종합. 값이 작을수록 모듈러. (Yu et al. 2007)
- **Integrative Complexity (IC)**: 아래 별도 항목 참조.

**핵심 발견**: 8개 커플링 모듈성 메트릭을 24개 정규 아키텍처(integral, modular, bus)에 대해 factorial analysis한 결과, 대부분의 메트릭이 bus 아키텍처나 loose internal coupling이 있는 시스템에서 비일관적 결과를 생산. (Holtta-Otto et al. 2012)

**사용 맥락**: "모듈성이 높다/낮다"는 판단이 어떤 메트릭, 어떤 관점, 어떤 입도 수준에서의 판단인지 항상 명시할 것.

#### Structural Complexity (구조적 복잡성)

**정의**: 시스템 아키텍처의 구성요소와 연결 패턴에서 비롯되는 복잡성. [[graph-energy]] 기반 메트릭으로 측정하며, Weyuker의 소프트웨어 복잡성 기준을 만족. 구조적(structural), 동적(dynamic), 조직적(organizational) 복잡성 분류 중 구조적 복잡성에 집중. → [[structural-complexity]] (Min & Suh 2016, JMD)

**핵심 발견**:
- 구조적 복잡성은 최하위 분해 수준의 아키텍처 구성에 크게 의존. 최상위가 modular이어도 하위 수준이 integral이면 복잡성이 높음. (Min & Suh 2016)
- 아키텍처 복잡성과 실제 설계 노력(design effort) 사이에 유의미한 상관관계 존재. 열차 대차(train bogie) 시스템 15개 서브시스템에서 검증. (Kim & Suh 2017, JMD)
- 기술 주입([[technology-infusion]])은 통합 방식에 따라 복잡성을 다르게 변화시킴. 수소 연소 엔진 사례로 검증. (Min & Suh 2016, JED)

**사용 맥락**: 복잡성을 단순히 "줄여야 할 것"이 아니라 "관리해야 할 변수"로 취급.

#### Integrative Complexity (IC, 통합적 복잡성)

**정의**: IC = 전체 시스템 복잡성 - 개별 모듈 복잡성의 합. 모듈화가 복잡성을 "제거"하는 것이 아니라 "재분배"하는 것임을 포착하는 대안적 모듈성 메트릭. IC가 높으면 모듈 간 통합/조립 복잡성이 높고, 이는 낮은 모듈성을 의미. → [[integrative-complexity]] (Sinha & Suh 2018, JMD)

**핵심 발견**: IC와 전통적 모듈성 메트릭 사이에 강한 음의 상관관계. 소프트웨어, 항공우주, 자동차 등 다양한 공학 도메인에서 검증. 모듈화의 본질이 복잡성 "감소"가 아니라 복잡성의 "위치 이동"(모듈 내부로)임을 이론적으로 규명. (Sinha & Suh 2018)

**사용 맥락**: "모듈화하면 단순해진다"는 직관에 반박할 때. 조립/통합 복잡성을 간과하면 안 된다는 논점.

#### Technology Infusion (기술 주입)

**정의**: 기존 시스템/제품에 새로운 기술을 통합하는 과정. 대부분의 제품은 clean-sheet 설계가 아니라 기존 세대에서 진화. Technology Infusion Analysis(TIA)는 DSM과 ΔDSM을 사용하여 기술 주입의 영향을 사전적으로(ex ante) 정량 평가하는 10단계 프레임워크. → [[technology-infusion]] (Suh et al. 2010, Systems Engineering)

**핵심 도구 - ΔDSM**: 기존 시스템 DSM(baseline)에서 기술 주입으로 인한 변경만을 포착하는 행렬. 새로운 컴포넌트 추가, 기존 컴포넌트 수정/제거, 인터페이스 변경을 패턴 코드로 표시. → [[delta-dsm]] (Suh et al. 2010)

**Technology Invasiveness Index (TIE)**: TIE = NEC_ΔDSM / NEC_DSM (비어있지 않은 ΔDSM 셀 수 / 비어있지 않은 baseline DSM 셀 수). 0~100% 범위. Xerox 프린팅 시스템 사례에서 침습성 8.5%에도 불구하고 양의 ΔNPV 기대. (Suh et al. 2010)

**TIA 10단계**: (1) Baseline DSM 구축 → (2) 기술 주입 식별 → (3) ΔDSM 구축 → (4) 침습성 계산 → (5) 성능/비용 모델 → (6) 기존 제품 가치 V(g) → (7) 수정 제품 가치 V(Δg) → (8) 수익 영향 → (9) 비용 영향 → (10) 확률적 ΔNPV 분석. (Suh et al. 2010)

**사용 맥락**: "새 기술을 도입하면 좋아지겠죠?"라는 막연한 기대에 "침습성은 얼마이고, 예상 ΔNPV는?"으로 응답.

#### Flexible Product Platform (유연 제품 플랫폼)

**정의**: 미래 수요 불확실성과 사양 변경에 대응할 수 있도록 "유연 요소(flexible elements)"를 내장한 제품 플랫폼. 유연 요소는 완전히 공통도 아니고 완전히 고유도 아닌 "cousin" 부품. → [[flexible-product-platform]] (Suh & de Weck 2007, J Intell Manuf; Suh et al. 2007, RED)

**Flexible Product Platform Design Process (FPDP) 7단계**: (I) 시장/변종/불확실성 식별 → (II) 불확실성 관련 핵심 속성 및 설계 변수 결정 → (III) 제품 패밀리 최적화 및 플랫폼 대역폭 결정 → (IV) 핵심 플랫폼 요소 식별 → (V) 유연 플랫폼 설계 대안 생성 → (VI) 설계 대안 비용 산정 → (VII) 불확실성 분석 ([[monte-carlo-simulation]]). (Suh et al. 2007)

**Change Propagation Index (CPI)**: 각 요소에 대해 CPI = ΔE_out - ΔE_in. CPI > 0이면 multiplier (변경 증폭), CPI = 0이면 carrier, CPI < 0이면 absorber. Multiplier 요소가 유연성 내장의 최우선 후보. (Suh et al. 2007)

**사용 맥락**: 플랫폼 전략이 "공통 부품 늘리기"가 아니라 "어디에 유연성을 내장할 것인가"의 문제임을 강조.

#### System Decomposition (시스템 분해)

**정의**: 복잡한 시스템을 더 작은 하위 시스템(서브시스템)으로 나누는 분석 행위. 아키텍처 분석의 첫 단계이자, 이후 모든 분석 결과에 영향을 미치는 결정적 선택. (Chiriac et al. 2011; Suh 2015)

**사용 맥락**: 분해는 "발견"이 아니라 "결정"임을 항상 상기. "시스템을 어떻게 분해하셨나요?"가 첫 질문.

#### Decomposition Perspective (분해 관점)

**정의**: 시스템을 분해할 때 채택하는 이해관계자의 관점. 동일한 물리적 시스템이라도 기능적(functional), 조립(assembly), 유지보수(maintenance) 관점에서 분해하면 전혀 다른 아키텍처 분석 결과(특히 모듈성)를 산출. → [[decomposition-perspective]] (Suh 2015, Systems Engineering)

**핵심 발견**: 제트 엔진 시스템을 3가지 관점에서 분해한 결과, 모듈성 메트릭(MG&G, MDL)이 관점에 따라 극적으로 달라짐. 이는 아키텍처 분석에 "평가자 간 신뢰도(interrater reliability)" 문제가 있음을 의미. (Suh 2015)

**사용 맥락**: 아키텍처를 논할 때 "어떤 관점에서의 분석인가요?"를 반드시 물을 것.

#### Decomposition Granularity (분해 입도)

**정의**: 시스템 분해의 세부 수준("grain size"). Granularity 0(전체 시스템)부터 Granularity N(개별 부품)까지 계층적. 같은 시스템이라도 분해 수준에 따라 모듈성 측정 결과가 달라짐. → [[decomposition-granularity]] (Chiriac et al. 2011, JMD)

**핵심 발견**: 88개 이상화된 아키텍처와 실제 프린팅 시스템에서 테스트한 결과, (1) 모듈성의 정도는 입도 수준에 의해 영향받고, (2) 낮은 입도에서 더 integral한 시스템이 높은 입도에서 반드시 더 integral하지는 않으며, (3) 그러나 변화의 방향(modular→integral 또는 그 반대)은 입도에 관계없이 일관됨. (Chiriac et al. 2011)

**사용 맥락**: "이 시스템은 모듈러합니다"라는 주장에 "어떤 입도 수준에서의 판단인가요?"로 응답.

#### Module Diffusion Index (MDI, 모듈 확산 지수)

**정의**: [[shannon-entropy]] 기반 메트릭. 기능적 관점의 모듈이 다른 이해관계자 관점(제조, 유지보수, 조립)의 모듈로 얼마나 "확산"되는지 측정. MDI가 낮으면 아키텍처가 관점 간에 강건(robust)하고, MDI가 높으면 관점에 따라 분석 결과가 크게 달라짐. → [[module-diffusion-index]] (Ahn & Suh 2018, Systems Engineering)

**핵심 발견**: 데스크톱 컴퓨터가 관점-강건 아키텍처의 모범 사례 (어떤 관점에서 분해하든 동일한 모듈 구조). 기계식 시계 아키텍처들을 MDI로 비교하여 어떤 설계가 가치사슬 전반에 더 적합한지 정량적으로 평가. 2015년 논문에서 제기된 "관점 문제"를 정량화하려는 후속 작업. (Ahn & Suh 2018)

**사용 맥락**: 복수 이해관계자가 관여하는 시스템에서 "이 아키텍처가 모든 이해관계자에게 작동하는가?"를 물을 때.

#### Reconfigurability (재구성 가능성)

**정의**: 시스템의 구성을 반복적이고 가역적으로 변경할 수 있는 능력. 구성요소 장애 시 대체 구성으로 전환하여 성능 저하(degraded mode)로나마 운영을 지속. → [[reconfigurability]] (Suh & Kott 2010, JMD)

**핵심 발견**: Xerox 병렬 프린팅 시스템 3개 컨셉에 대해 4가지 서비스 정책을 시뮬레이션한 결과, (1) 추가적 모듈성(hyper module)이 반드시 성능을 향상시키지는 않으나, (2) 재구성 가능한 아키텍처에서 서비스 정책을 최적화하면 생산성 +13%, 가용성 +22%, 서비스 비용 -17%의 극적 개선 달성. "모듈성보다 서비스 정책이 더 중요할 수 있다." (Suh & Kott 2010)

**사용 맥락**: 모듈성의 가치가 아키텍처 자체가 아니라 아키텍처가 가능하게 하는 운영 정책에 있음을 보여주는 사례.

#### Multi-objective Optimization (다목적 최적화)

**정의**: 상충하는 복수 목적함수를 동시에 최적화하는 프레임워크. Pareto frontier(비지배 해 집합)를 도출하여 의사결정자에게 트레이드오프를 가시화. → [[multi-objective-optimization]], [[pareto-optimization]] (Sinha & Suh 2018, Pareto paper)

**핵심 발견**: 모듈성 극대화 vs. 복잡성 형평(complexity equity, 모듈 간 복잡성 균등 배분) 사이에 근본적 트레이드오프 존재. 모듈성을 최대화하면 소수의 모듈에 복잡성이 과부하됨. 이는 병렬 개발 일정에 영향. 열차 대차 시스템에서 Pareto frontier 도출로 검증. (Sinha & Suh 2018)

**사용 맥락**: "최적의 아키텍처가 무엇인가?" 질문에 "어떤 목적 간 트레이드오프를 원하시나요?"로 응답.

#### Digital Twin (디지털 트윈)

**정의**: 물리적 시스템의 가상 복제본으로, 실시간 데이터 수집을 통해 시스템 상태를 반영하고 최적화에 활용. 서은석 연구에서는 봉제 생산라인의 전력 모니터링 데이터를 활용한 이산사건 시뮬레이션. → [[digital-twin]] (Jung & Suh 2021, JCISE; Jung & Suh 2022, 2024)

**핵심 발견**: 전력 모니터링 시스템으로 작업자별 공정 시간을 실시간 추출([[sax-dtw]] 패턴 인식). 유전 알고리즘과 결합하여 병목 공정 제거, 생산성 34.8~67.4% 향상. (Jung & Suh 2024, Systems Engineering)

**사용 맥락**: 정적 설계 분석에서 동적, 데이터 기반 최적화로의 전환을 논할 때.

#### Model-Based Systems Engineering (MBSE)

**정의**: 문서 중심이 아닌 형식 모델 중심의 시스템 공학. Object-Process Methodology([[opm]])를 사용하여 시스템의 구조와 행동을 통합 모델링. 엔지니어와 정책 결정자가 공통 이해를 공유할 수 있는 도구. → [[mbse]] (Balaci & Suh 2024, Systems Engineering)

**핵심 발견**: 정부 주도 기술 로드맵에 MBSE를 적용하여, 적응형 교통 신호 제어 시스템(ATSCS)의 242개 구성 대안을 체계적으로 탐색하고 Pareto 최적화. 사이버 회복탄력성(cyber resilience)과 처리량(throughput)을 이중 평가 기준으로 사용. (Balaci & Suh 2024)

**사용 맥락**: 기술 시스템이 정책/전략과 만나는 지점에서의 커뮤니케이션 도구로.

#### Change Propagation (변경 전파)

**정의**: 시스템의 한 요소에 대한 설계 변경이 상호연결된 다른 요소들로 파급되는 현상. 변경 전파의 정도와 패턴은 시스템 아키텍처(연결 구조)에 의해 결정. → [[change-propagation]] (Suh et al. 2007)

**요소 분류**: CPI(Change Propagation Index) 기반으로 (1) Multiplier (CPI > 0, 변경 증폭), (2) Carrier (CPI = 0, 변경 전달), (3) Absorber (CPI < 0, 변경 흡수), (4) Constant (변경 무관). (Suh et al. 2007, Eckert et al. 2004에서 차용)

**사용 맥락**: 플랫폼 설계에서 "어떤 요소에 유연성을 내장할 것인가"의 판단 기준으로 CPI 활용.

#### Technology Roadmap (기술 로드맵)

**정의**: 기술 개발과 조직/국가 전략 목표를 연결하는 전략 기획 프레임워크. Advanced Technology Roadmap Architecture(ATRA)를 정부 맥락에 적용한 13단계 프레임워크. → [[technology-roadmap]] (Balaci & Suh 2024)

**핵심 발견**: 기술 로드맵이 단순 R&D 우선순위화가 아니라 정책 일관성(policy coherence)의 도구. 특허 트렌드 분석, 글로벌 벤치마킹, 형태학적 행렬([[morphological-matrix]]) 분석을 결합. 한국 교통 관리 기술 발전을 위한 전략적 권고 도출. (Balaci & Suh 2024)

**사용 맥락**: 기술 시스템이 컴포넌트 수준을 넘어 국가 전략 수준으로 확장될 때.

---

### 개념 간 관계

#### 전제 관계 (A 없이 B 불가)
- **DSM → 모든 아키텍처 분석**: DSM이 없으면 모듈성, 복잡성, 기술 주입 분석 불가
- **분해 → 모든 DSM 기반 분석**: 분해 결정이 선행되어야 DSM 구축 가능
- **관점 선택 → 의미 있는 분해**: 관점 없는 분해는 무의미 (2015 논문의 핵심 교훈)
- **메트릭 정의 → 비교/최적화**: 측정 없이 비교 불가

#### 상호 강화 관계
- **입도 ↔ 모듈성 측정**: 입도를 높이면 모듈성 측정값이 변함. 역으로 모듈성 분석이 적절한 입도 선택을 안내.
- **복잡성 메트릭 ↔ 설계 결정**: 복잡성 측정이 설계 우선순위를 안내하고, 설계 변경이 복잡성을 바꿈.
- **기술 주입 ↔ 아키텍처 진화**: 주입이 아키텍처를 변경하고, 아키텍처가 주입의 침습성을 결정.

#### 긴장 관계 (핵심 트레이드오프)
- **모듈성 vs. 통합 복잡성**: 모듈성을 높이면 IC가 증가 (복잡성의 재분배, 감소가 아님)
- **모듈성 최대화 vs. 복잡성 형평**: Pareto frontier 상의 근본적 트레이드오프 (2018)
- **단일 관점 vs. 다중 관점**: 한 관점에서 최적인 아키텍처가 다른 관점에서는 아닐 수 있음
- **DSM 입도 vs. 분석 실행 가능성**: 입도를 높이면 정확도 증가하나 노력(0.02*N^2)도 증가
- **모듈성 vs. 서비스 정책**: 재구성 가능 시스템에서 아키텍처보다 서비스 정책이 성능에 더 큰 영향

---

### 방법론적 도구 매핑

| 도구 | 용도 | 핵심 논문 |
|------|------|----------|
| [[design-structure-matrix]] / [[delta-dsm]] | 시스템 표현, 기술 주입 변경 포착 | Suh et al. 2010 |
| [[dsm-clustering]] (CDA, IGTA) | 모듈 식별, 시스템 분해 | Sinha & Suh 2020 |
| [[graph-energy]] | 구조적 복잡성 측정 (Weyuker 기준 만족) | Min & Suh 2016 |
| [[shannon-entropy]] | 관점 간 강건성(MDI) 측정 | Ahn & Suh 2018 |
| [[monte-carlo-simulation]] | 불확실성 하 NPV/ΔNPV 분석 | Suh & de Weck 2007; Suh et al. 2010 |
| [[pareto-optimization]] | 다목적 트레이드오프 (모듈성 vs 복잡성 등) | Sinha & Suh 2018 |
| [[hybrid-simulation]] (DES+ABM+SD) | 복잡 시스템 행동 모델링 | Suh 2015 cross-docking; Suh 2018 FANG |
| [[opm]] (Object-Process Methodology) | MBSE 기반 시스템 설계/커뮤니케이션 | Balaci & Suh 2024 |
| [[sax-dtw]] 패턴 인식 | 실시간 공정 시간 추출 (디지털 트윈) | Jung & Suh 2022, 2024 |
| [[qfd]] (Quality Function Deployment) | 고객 요구와 시스템 요구 매핑 | Choi & Suh 2020 |
| [[morphological-matrix]] | 설계 대안 공간 체계적 탐색 | Balaci & Suh 2024 |

---

### 미해결 긴장과 열린 질문

1. **메트릭의 보편성**: 모듈성 메트릭이 도메인에 따라(소프트웨어 vs. 기계 vs. 인프라) 다르게 작동하는가?
2. **관점 통합**: 복수 관점을 어떻게 "최적으로" 종합하는가? MDI는 측정 도구이지 처방(prescription)은 아님.
3. **복잡성의 동태성**: 구조적 복잡성은 정적(static) 속성. 시스템이 운영 중 동적으로 변할 때는?
4. **스케일 전환**: 컴포넌트 수준 분석 도구(DSM, 모듈성 메트릭)가 인프라/국가 수준에서도 유효한가?
5. **AI/ML 통합**: 디지털 트윈에서 패턴 인식(SAX/DTW) 너머, ML/AI가 아키텍처 최적화에 어떻게 기여하는가?

---

### 교수의 사고 패턴

#### 핵심 질문 시퀀스 (시스템 문제를 만나면)
1. "이 시스템의 경계는 어디인가?" (scope 결정)
2. "어떤 관점에서 분해할 것인가?" (perspective 선택)
3. "DSM으로 표현하면 어떻게 되는가?" (구조적 표현)
4. "모듈성/복잡성은 어떤 메트릭으로 측정할 것인가?" (정량화)
5. "다른 관점에서 보면 결과가 달라지는가?" (강건성 점검)
6. "트레이드오프의 Pareto frontier는 어떤 모양인가?" (최적화)

#### 구조 > 기능
시스템을 볼 때 "이것이 무엇을 하는가?"(기능)보다 "이것이 어떻게 연결되어 있는가?"(구조)를 먼저 묻는다. 기능은 구조에서 비롯된다는 인식론적 입장.

#### 관점 명시의 습관
모든 아키텍처 분석에서 "누구의 관점에서?" "어떤 입도에서?"를 명시하는 것이 습관. 이를 명시하지 않는 분석은 불완전하다고 간주.

#### 메트릭 설계자의 사고
주장을 뒷받침하려면 메트릭이 필요하고, 좋은 메트릭은 수학적으로 엄밀하며(Weyuker 기준), 실제 데이터로 검증 가능해야 한다. "어떻게 측정하시겠습니까?"가 핵심 질문.

#### 산업 사례의 역할
이론은 산업 사례와 함께 검증되는 경우가 많다. GM 플로어팬, Xerox 프린터, 열차 대차, DARPA FANG-1, 봉제 생산라인, 교통 신호 시스템이 검증 사례로 반복 등장한다. "어떤 시스템을 염두에 두고 계신가요?"

## 연구 궤적

관통 질문: **"시스템 아키텍처 결정을 어떻게 정량화하고 최적화할 수 있는가?"**

---

### 시대 구분

#### 1기: MIT/Xerox 시대 (2007-2012) — 도구 습득과 산업 검증

**맥락**: MIT Engineering Systems Division에서 [[olivier-de-weck]] 지도하에 박사학위. 이후 Xerox Innovation Group(Webster, NY)에서 Research Scientist. 학문적 프레임워크를 산업 현장에서 검증하는 시기.

**핵심 논문 분석**:

**(1) Flexible Product Platforms: Framework and Case Study (Suh & de Weck 2007, RED)**
- 논지: 플랫폼 설계에서 "유연 요소(flexible elements)"를 체계적으로 식별하고 내장하는 7단계 프로세스(FPDP) 제안. 유연성은 "어디에 얼마만큼" 내장할 것인가의 문제.
- 방법론: [[qfd]] → 다학제 최적화(FE + 비용 모델) → 변경 전파 분석(CPI) → [[monte-carlo-simulation]] NPV 분석
- 통찰: 유연성이 초기 투자를 34% 증가시키지만, 미래 불확실성 하에서 변경 전파를 억제하고 switching cost를 낮춰 장기적으로 수익성 높음. 유연성은 real option으로 기능.
- 사례: GM 자동차 body-in-white(BIW). 21개 컴포넌트 중 10개가 유연 후보로 식별.

**(2) Technology Infusion for Complex Systems: A Framework and Case Study (Suh et al. 2010, SE)**
- 논지: DSM + ΔDSM을 사용하여 기술 주입의 침습성, 비용, 가치를 사전적으로 정량화하는 TIA 10단계 프레임워크.
- 통찰: "DSM의 scope와 granularity가 이후 모든 분석 결과에 영향을 미친다." 이 관찰이 이후 3기(모듈성/입도) 연구의 씨앗.
- 실전 교훈: 84x84 DSM 구축에 약 140시간(1인월) 소요. T_DSM = 0.02 * N_e^2.
- 사례: Xerox 프린팅 시스템. 침습성 8.5%에도 양의 ΔNPV.

**(3) Reconfigurable Parallel Printing System Design (Suh & Kott 2010, JMD)**
- 논지: 재구성 가능한 병렬 프린팅 시스템 3개 컨셉 × 4개 서비스 정책을 [[monte-carlo-simulation]].
- 통찰: "추가적 모듈성(hyper module)은 반드시 성능을 향상시키지 않는다. 그러나 재구성 가능한 아키텍처에서 서비스 정책을 최적화하면 극적 개선(생산성+13%, 가용성+22%, 비용-17%). 아키텍처와 운영 정책의 공동 설계가 핵심."
- 위치: 모듈성이 목적이 아니라 수단임을 보여주는 첫 번째 경험적 증거.

**(4) Level of Modularity and Different Levels of System Granularity (Chiriac et al. 2011, JMD)**
- 논지: 모듈성 측정이 분해 입도 수준에 의해 영향받는가? 88개 이상화된 아키텍처 + 실제 프린팅 시스템에서 3개 메트릭(MG&G, MG&Ginter, MDL) 테스트.
- 통찰: 입도가 결과를 바꾼다. 변화의 방향(더 modular/더 integral)은 일관되지만, 정도는 입도에 따라 다르다. "아키텍처 분석 결과를 해석할 때 분해 수준에 주의해야 한다."
- 위치: **메타-비판적 전환점.** 도구 자체를 질문하기 시작. "우리의 측정 도구가 우리가 생각하는 것을 측정하고 있는가?"

**시기의 기여**: DSM이라는 표현 도구를 산업 현장에서 체득하고, 유연 플랫폼-기술 주입-재구성이라는 응용 방법론을 형성. 동시에 "측정 도구 자체에 대한 의문"이라는 이후 연구의 씨앗을 발견.

---

#### 2기: SNU 이론기 (2015-2018) — 복잡성 이론의 심화

**맥락**: 서울대 [[temep]] 부임. MIT ([[kaushik-sinha]]), SUTD ([[katja-holtta-otto]])와 국제 협업 네트워크 형성. 1기에서 발견한 "도구 자체에 대한 질문"을 본격 연구 프로그램으로 발전시킨 가장 생산적인 시기(10편).

**핵심 논문 분석**:

**(5) Seeing Architecture Through Different Lenses (Suh 2015, SE)**
- 논지: 동일 물리적 시스템이라도 분해 관점(기능/조립/유지보수)에 따라 모듈성 분석 결과가 극적으로 달라짐.
- 통찰: "올바른 분해"는 관점과 목적에 따라 달라진다. 관점이 결과를 크게 좌우한다. 아키텍처 분석에 "interrater reliability" 문제가 존재.
- 위치: 2기 전체를 관통하는 **핵심 문제 제기** 논문. 2018년 MDI 논문에서 해결.

**(6) System Architecture, Level of Decomposition, and Structural Complexity (Min & Suh 2016, JMD)**
- 논지: 아키텍처 구성(integral/linear-modular/bus-modular)과 분해 수준이 상호작용하여 구조적 복잡성을 결정. [[graph-energy]] 기반 메트릭(Weyuker 기준 만족) 도입.
- 통찰: 구조적 복잡성은 최하위 분해 수준의 구성에 강하게 의존. 최상위가 modular이어도 하위가 integral이면 복잡성이 높다.
- 27개 합성 시스템 + 실제 산업 시스템에서 검증.

**(7) Integrative Complexity: An Alternative Measure for System Modularity (Sinha & Suh 2018, JMD)**
- 논지: IC = 전체 복잡성 - 모듈별 복잡성의 합. 모듈화는 복잡성의 "감소"가 아니라 "재분배".
- 통찰: IC와 전통적 모듈성 메트릭 사이 강한 음의 상관관계. 모듈성의 본질에 대한 이론적 재해석. "모듈화하면 단순해진다"는 직관이 틀렸다.
- 소프트웨어, 항공우주, 자동차에서 도메인 간 검증.

**(8) Entropy-Based System Assessment Metric for Architecture Robustness (Ahn & Suh 2018, SE)**
- 논지: [[shannon-entropy]] 기반 Module Diffusion Index(MDI)로 아키텍처의 관점 간 강건성 정량화.
- 통찰: 2015년의 "관점 문제"를 **정량화하려는 후속 작업**. 데스크톱 컴퓨터가 관점-강건 아키텍처의 모범 사례.
- 위치: 2015년 문제 제기 → 2018년 정량화 시도라는 3년간의 연구 아크.

**(9) Pareto-Optimization of Complex System Architecture (Sinha & Suh 2018)**
- 논지: 모듈성 극대화 vs. 복잡성 형평(모듈 간 균등 배분) 사이의 근본적 트레이드오프 발견.
- 통찰: 최대 모듈성은 소수 모듈에 복잡성을 과부하. 병렬 개발 일정에 악영향. 열차 대차 시스템에서 Pareto frontier 도출.

**추가 핵심 논문**:
- Analysis of Architectural Complexity for Product Family and Platform (Kim & Suh 2016, JMD): 플랫폼 복잡성이 변종(variant) 복잡성에 미치는 영향.
- Impact of Technology Infusion on System Architecture Complexity (Min & Suh 2016, JED): 기술 주입이 복잡성을 어떻게 변화시키는가.
- Correlation Between Architectural Complexity and Actual System Design Effort (Kim & Suh 2017, JMD): 복잡성 메트릭과 실제 설계 노력의 상관관계 검증.
- Modeling Prize-Based Open Design Challenges (Suh 2018, SE): DARPA FANG-1 대회를 [[hybrid-simulation]](DES+ABM+SD)으로 모델링. 시스템 사고를 혁신 생태계로 확장.

**시기의 기여**: (1) "관점 문제" 제기(2015) → 정량화 시도(2018)의 연구 아크, (2) 구조적 복잡성의 측정 도구 제시, (3) 모듈성의 본질("재분배, 감소 아님")에 대한 이론적 재해석, (4) 복잡성을 최적화 변수로 다루는 방법론 제시.

---

#### 3기: SNU 응용/확장기 (2019-2024) — 데이터, 정책, 스케일

**맥락**: 2기의 이론적 기반 위에서 응용 도메인을 극적으로 확장. 컴포넌트 수준 → 생산라인 → 제품/서비스 → 인프라 → 국가 정책. 정적 분석 → 실시간 데이터 기반 동적 최적화.

**핵심 논문 분석**:

**(10) Simulation-Based Hybrid Optimization for Digital Twin of Garment Production Lines (Jung & Suh 2021, JCISE)**
- 논지: 봉제 생산라인의 [[digital-twin]]. 이산사건 시뮬레이션 + 유전 알고리즘으로 작업 할당 최적화.
- 통찰: 전력 모니터링 데이터에서 [[sax-dtw]] 패턴 인식으로 작업 시간 추출. "데이터가 모델을 만든다."

**(11) Value Chain and Stakeholder-Driven Product Family Design (Choi & Suh 2020, SE)**
- 논지: 이해관계자 관점과 가치사슬을 제품 패밀리 설계에 통합. [[qfd]]로 고객 요구를 시스템 요구에 매핑.
- 통찰: 2기의 "관점" 개념이 설계 프로세스에 직접 적용. 단일 엔지니어링 관점이 아닌 가치사슬 전체를 고려.

**(12) Government-Led Technology Roadmap for ATSCS (Balaci & Suh 2024, SE)**
- 논지: 정부 주도 기술 로드맵을 위한 13단계 체계적 프레임워크. ATRA를 한국 교통 신호 시스템에 적용.
- 통찰: DSM/[[mbse]]([[opm]]) 도구가 컴포넌트 설계에서 국가 정책까지 스케일 가능. 사이버 회복탄력성이 성능과 동등한 평가 기준으로 부상. 242개 구성 대안의 Pareto 최적화.
- 위치: 가장 최근의 스케일 확장. "시스템 아키텍처 방법론 → 정부 의사결정 도구."

**추가 핵심 논문**:
- Product Service System Availability Improvement (Suh 2019, Applied Sciences): 현장 수리 키트 최적화.
- DSM-Based Modularization with Multiple Design Constraints (Sinha & Suh 2020, SE): 복수 제약조건 하 모듈화.
- Remote Sensing of Sewing Work Levels (Jung et al. 2020, Applied Sciences): 전력 모니터링으로 작업 수준 원격 감지.
- Comparative Analysis of 5G Network Architectures (Lee & Suh 2020, Applied Sciences): 5G 네트워크 아키텍처 비교.
- Multiple Technology Infusion Assessment (Moon & Suh 2023): 복수 기술 동시 주입 평가 프레임워크.
- Garment Production Line Optimization (Jung & Suh 2024, SE): 실시간 데이터 기반 생산라인 최적화, 생산성 34.8~67.4% 향상.
- Systematic Application of Traffic Signal System Architecture (Balaci & Suh 2024, SE): MBSE 기반 교통 시스템 아키텍처 설계.

**시기의 기여**: (1) 정적 → 동적 분석으로의 전환(디지털 트윈, 실시간 데이터), (2) 이해관계자/가치사슬을 설계 프로세스에 명시적 통합, (3) 컴포넌트 → 생산라인 → 인프라 → 국가 정책으로의 스케일 확장, (4) MBSE를 정책과 공학의 연결 도구로 활용하는 방향 제시.

---

### 지적 실타래

#### 실타래 1: DSM as Lingua Franca (2007 → 2024, 전 시기)
첫 논문(FPDP)부터 최신 논문(교통 로드맵)까지 DSM이 모든 분석의 출발점. 1기에서 도구로 습득 → 2기에서 도구 자체를 비판적으로 분석 → 3기에서 새로운 맥락(MBSE, 디지털 트윈)에서 확장.

#### 실타래 2: "Perspective Matters" (2011 등장 → 2015 중심 → 2018 해결 → 2020 설계 통합)
입도가 결과를 바꾼다는 발견(2011) → 관점이 결과를 바꾼다는 문제 제기(2015) → MDI를 통한 정량화 시도(2018) → 가치사슬 관점을 제품 설계에 통합(2020). 가장 일관되게 이어지는 지적 실타래.

#### 실타래 3: 메트릭 설계 (2012 → 2018)
기존 메트릭의 비일관성 발견(2012 Holtta-Otto) → graph energy 기반 복잡성 메트릭 제안(2016) → IC 제안(2018) → MDI 제안(2018). 매 논문이 새로운 측정 도구를 만들거나 기존 도구를 비판.

#### 실타래 4: 산업 검증 (전 시기)
GM 플로어팬(2007) → Xerox 프린터(2010) → 열차 대차(2016-2018) → 봉제 생산라인(2020-2024) → 교통 시스템(2024). 각 사례가 이론의 검증이자 새로운 질문의 원천.

#### 실타래 5: 스케일 확장 (2019 → 2024)
컴포넌트(부품 설계) → 시스템(제품 아키텍처) → 생산라인(공장 최적화) → 인프라(교통 시스템) → 국가 정책(기술 로드맵). 3기에서 급격히 가속.

---

### 전환점과 동기

#### 전환점 1: MIT → Xerox (2007 → 2010)
학문적 프레임워크(FPDP)를 산업 현장에서 검증. DSM 구축의 실전적 어려움(140시간/84요소)을 체험. 이론과 산업 사례를 함께 보려는 문제의식이 강화된다.

#### 전환점 2: 입도 논문 (2011) — 메타-비판적 전환
도구를 사용하다가 "도구 자체가 결과를 왜곡한다"는 발견. 이후 연구의 성격이 "도구 적용"에서 "도구에 대한 도구"로 전환. 이 메타-비판적 자세가 2기 전체를 관통.

#### 전환점 3: Xerox → SNU (2012 → 2015)
산업 R&D에서 학계로 복귀. 산업 경험을 가지고 돌아온 연구자로서, 이론의 실전적 기반이 다른 학자들과의 차별점. [[kaushik-sinha]](MIT), [[katja-holtta-otto]](SUTD/Aalto)와의 국제 협업 네트워크 형성.

#### 전환점 4: 이론기 → 응용/확장기 (2018 → 2019)
IC, MDI, Pareto 등 이론적 도구를 제시한 후, 이를 새로운 도메인(봉제, 5G, 교통)에 적용. 정적 분석에서 실시간 데이터 기반 동적 분석으로 전환. 분석 도구(descriptive)에서 최적화 도구(prescriptive)로.

---

### 지적 DNA

서은석의 연구는 "**아키텍처가 행동을 강하게 조건짓는다**"는 관점으로 읽을 수 있다.

- 시스템의 성능, 비용, 서비스, 진화 가능성은 아키텍처(구성요소 간 연결 패턴)에 크게 좌우된다
- 아키텍처 결정은 다운스트림 결과를 가지며, 이 결과는 사전적으로(ex ante) 정량화 가능
- 정량화의 도구는 DSM이며, 측정의 도구는 수학적으로 엄밀한 메트릭
- 그러나 이 측정 자체가 관점과 입도에 의존하므로, 측정의 한계를 인식해야 함
- 모듈성은 수단이지 목적이 아님. 목적은 복잡성의 관리이며, 관리란 제거가 아니라 최적 배분

[[jeongdonglee]] 교수와의 대비:
- [[jeongdonglee]]: "축적이 혁신에 선행한다" — 거시적, 진화론적, 시간 축
- 서은석: "아키텍처가 행동을 강하게 조건짓는다" — 미시적, 구조적, 공간(연결) 축
- 공통: "측정할 수 없으면 이해할 수 없다" — 정량적 지향은 공유하나, 측정 대상이 다름