서은석

Eun-seok Suh · 기술경영경제정책전공, Seoul National University

핵심 개념

개념 지도

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

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 (몬테카를로 시뮬레이션). (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”에 대한 정량적 해결. (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
몬테카를로 시뮬레이션	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

메트릭의 보편성: 모듈성 메트릭이 도메인에 따라(소프트웨어 vs. 기계 vs. 인프라) 다르게 작동하는가?
관점 통합: 복수 관점을 어떻게 “최적으로” 종합하는가? MDI는 측정 도구이지 처방(prescription)은 아님.
복잡성의 동태성: 구조적 복잡성은 정적(static) 속성. 시스템이 운영 중 동적으로 변할 때는?
스케일 전환: 컴포넌트 수준 분석 도구(DSM, 모듈성 메트릭)가 인프라/국가 수준에서도 유효한가?
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)

“이 시스템의 경계는 어디인가?” (scope 결정)
“어떤 관점에서 분해할 것인가?” (perspective 선택)
“DSM으로 표현하면 어떻게 되는가?” (구조적 표현)
“모듈성/복잡성은 어떤 메트릭으로 측정할 것인가?” (정량화)
“다른 관점에서 보면 결과가 달라지는가?” (강건성 점검)
“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 반드시 산업 사례로 검증. GM 플로어팬, Xerox 프린터, 열차 대차, DARPA FANG-1, 봉제 생산라인, 교통 신호 시스템이 검증 사례로 반복 등장. “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) → 몬테카를로 시뮬레이션 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 몬테카를로 시뮬레이션.
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 확립. 동시에 “측정 도구 자체에 대한 의문”이라는 이후 연구의 씨앗을 발견.

2기: SNU 이론기 (2015-2018) — 복잡성 이론의 심화

맥락: 서울대 기술경영경제정책전공 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 객관적으로 존재하지 않는다. 관점이 결과를 결정한다. 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”에 대한 정량적 해결. 데스크톱 컴퓨터가 관점-강건 아키텍처의 모범 사례.
위치: 2015년 문제 제기 → 2018년 해결이라는 3년간의 연구 아크 완성.

(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]으로 모델링. 시스템 사고를 혁신 생태계로 확장.

시기의 기여: (1) “관점 문제” 제기(2015) → 정량적 해결(2018)의 연구 아크 완성, (2) 구조적 복잡성의 엄밀한 측정 도구 확립, (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. qfd로 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] 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 확립.

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) → MDI로 정량적 해결(2018) → 가치사슬 관점을 제품 설계에 통합(2020). 가장 깊이 파고든 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. “이론은 현실에서 검증되어야 한다”는 확신 형성.

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], [katja-holtta-otto]와의 국제 협업 네트워크 형성.

전환점 4: 이론기 → 응용/확장기 (2018 → 2019)

IC, MDI, Pareto 등 이론적 도구를 완성한 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 지적 DNA는 “아키텍처가 행동을 결정한다”는 핵심 신념이다.

시스템의 성능, 비용, 서비스, 진화 가능성은 모두 아키텍처(구성요소 간 연결 패턴)의 함수
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

이정동 교수와의 대비:

이정동: “축적이 혁신에 선행한다” — 거시적, 진화론적, 시간 축
서은석: “아키텍처가 행동을 결정한다” — 미시적, 구조적, 공간(연결) 축
공통: “측정할 수 없으면 이해할 수 없다” — 정량적 지향은 공유하나, 측정 대상이 다름

인접 그래프

1-hop 이웃 15개

인물 8
개관 1
방법론 1
주제 1
강의 3
논문 1

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (1)

Systematic application of traffic-signal-control system architecture design and selection using model-based systems engineering and Pareto frontier analysis

강의 (3)

인물 (7)

개관 (1)

기술경영경제정책전공

서은석

핵심 개념

개념 지도

개별 개념 정의

Design Structure Matrix (DSM, 설계구조행렬)

Modularity (모듈성)

Structural Complexity (구조적 복잡성)

Integrative Complexity (IC, 통합적 복잡성)

Technology Infusion (기술 주입)

Flexible Product Platform (유연 제품 플랫폼)

System Decomposition (시스템 분해)

Decomposition Perspective (분해 관점)

Decomposition Granularity (분해 입도)

Module Diffusion Index (MDI, 모듈 확산 지수)

Reconfigurability (재구성 가능성)

Multi-objective Optimization (다목적 최적화)

Digital Twin (디지털 트윈)

Model-Based Systems Engineering (MBSE)

Change Propagation (변경 전파)

Technology Roadmap (기술 로드맵)

개념 간 관계

전제 관계 (A 없이 B 불가)

상호 강화 관계

긴장 관계 (핵심 트레이드오프)

방법론적 도구 매핑

미해결 긴장과 열린 질문

교수의 사고 패턴

핵심 질문 시퀀스 (시스템 문제를 만나면)

구조 > 기능

관점 명시의 습관

메트릭 설계자의 사고

산업 사례의 역할

연구 궤적

시대 구분

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

2기: SNU 이론기 (2015-2018) — 복잡성 이론의 심화

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

지적 실타래

실타래 1: DSM as Lingua Franca (2007 → 2024, 전 시기)

실타래 2: “Perspective Matters” (2011 등장 → 2015 중심 → 2018 해결 → 2020 설계 통합)

실타래 3: 메트릭 설계 (2012 → 2018)

실타래 4: 산업 검증 (전 시기)

실타래 5: 스케일 확장 (2019 → 2024)

전환점과 동기

전환점 1: MIT → Xerox (2007 → 2010)

전환점 2: 입도 논문 (2011) — 메타-비판적 전환

전환점 3: Xerox → SNU (2012 → 2015)

전환점 4: 이론기 → 응용/확장기 (2018 → 2019)

지적 DNA

See also

인접 그래프

이 문서를 가리키는 페이지

논문 (1)

강의 (3)

인물 (7)

개관 (1)