KR20200078079A - Virtual training evaluation and analysis system and method using experiential knowledge of expert - Google Patents
Virtual training evaluation and analysis system and method using experiential knowledge of expert Download PDFInfo
- Publication number
- KR20200078079A KR20200078079A KR1020180167655A KR20180167655A KR20200078079A KR 20200078079 A KR20200078079 A KR 20200078079A KR 1020180167655 A KR1020180167655 A KR 1020180167655A KR 20180167655 A KR20180167655 A KR 20180167655A KR 20200078079 A KR20200078079 A KR 20200078079A
- Authority
- KR
- South Korea
- Prior art keywords
- virtual training
- data
- virtual
- evaluation
- training data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 120
- 238000011156 evaluation Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims description 61
- 238000012549 training Methods 0.000 claims description 42
- 238000013480 data collection Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 55
- 230000006870 function Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
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.The present invention relates to a virtual training evaluation analysis system and method using expert experience knowledge, and more specifically, expert experience to perform evaluation analysis by quantitatively comparing learner training performance results using expert experience knowledge It relates to a virtual training evaluation analysis system and method using knowledge.
가상훈련(Virtual Training)은 특정 훈련을 목적으로 필요한 가상의 환경과 상황을 제공하여, 학습자에게 실제 훈련과 유사한 학습 효과를 제공할 수 있다.Virtual training provides a virtual environment and situation necessary for a specific training purpose, and thus provides a learning effect similar to actual training to a learner.
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.This virtual training technology is gaining more attention with the recent development of virtual reality technology due to the advantage of being able to accurately control the system for performing virtual training, and to proceed safely and at a lower cost than the real environment. .
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.In particular, as the demand for virtual training contents (simulation modules) for experience and practice increases in the high-risk/high-cost-related industries, various virtual training simulator projects are also attracting attention as the virtual training industry expands.
최근, 국내에서 운용되는 가상훈련 시스템은 다양한 몰입형 입출력 장치들을 통해, 학습자의 훈련 수행에 따라 결과들을 모사하고 있다.Recently, a virtual training system operated in Korea is simulating results according to a learner's training performance through various immersive input/output devices.
특히, 국방 분야에서 운용되는 가상훈련 시스템의 경우, 훈련 효과의 증대를 위해 학습자의 훈련 결과를 평가하고 분석하는 디브리핑(Debriefing) 기능을 제공하고 있다.In particular, in the case of a virtual training system operated in the defense field, a debriefing function for evaluating and analyzing a learner's training results is provided to increase training effectiveness.
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.The debriefing process of the flight simulator provides three-dimensional reproduction of the actual flight trajectory and image reproduction of the cockpit screen based on the contents (virtual training data) stored by the flight data storage module during simulated flight (virtual training). It supports evaluation and analysis of flight training results.
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.In addition, by providing a variety of situations, such as threat information, armed information, target information, and flight maneuver information, as flight simulators, the learner's training results can be obtained for various situations, and the evaluator (expert) can evaluate the learner from multiple angles It helps to make accurate judgments.
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.However, the simple replay of the stored training results is forced to rely on the evaluator's qualitative judgment, and since it is difficult to consider real-time evaluation during training, there is a disadvantage that it is impossible to provide active feedback to the learner.
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.In addition, since this limited evaluation and analysis function is provided in a form limited to the corresponding system, a separate evaluation analysis system is being developed for each virtual training system required in each field.
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.In this regard, in Korean Patent Publication No. 10-2016-0140041 ("Experience Knowledge-Based Virtual Training Scenario Extraction and Evaluation System"), expert information is obtained from experts, experience knowledge is extracted from expert information, and experience knowledge Disclosed is a system that can increase the value of virtual encouragement by creating a used learning scenario.
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.The present invention was devised to solve the problems of the prior art as described above, and virtual training using expert experience knowledge that can perform evaluation analysis by quantitatively comparing learner training performance results using expert experience knowledge It is to provide an evaluation analysis system and method.
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.The virtual training evaluation and analysis system using expert experience knowledge according to an embodiment of the present invention is a virtual training linkage means that receives virtual training data from a module performing virtual training connected by using a preset Open API service. (100) and using the preset Open API service, performs a quantitative evaluation analysis of the virtual training data received from the virtual training linkage means 100, and includes an integrated
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.Further, the virtual training linkage means 100 is a virtual
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.Furthermore, the virtual training evaluation and analysis system using the expert experience knowledge is a virtual training data of a learner who needs quantitative evaluation analysis through a module that performs a virtual training connected to the virtual training linkage means 100. It is preferable to receive or receive virtual training data of a plurality of experts for setting the criteria for quantitative evaluation analysis of the learner.
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.Furthermore, the integrated
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.The virtual training evaluation analysis method using expert experience knowledge according to an embodiment of the present invention includes virtual training data of a learner who needs quantitative evaluation analysis from a module performing virtual training in a virtual training linkage means, and A virtual training data collection step (S100) of collecting virtual training data of a plurality of experts in a time-series order to receive the criteria for quantitative evaluation analysis of learners, in an integrated management server unit, for evaluating and analyzing the virtual training data In the event setting step (S200) of setting a specific section, the integrated management server unit sets and sets statistical criteria for each data element of the virtual training data of the expert collected by the virtual training data collection step (S100). A reference data generation step (S300) for generating experience reference data using a statistical criterion, the virtual management data and experience of the learner corresponding to a specific section set by the event setting step (S200) in the integrated management server unit Using the reference data, the evaluation analysis step (S400) for performing quantitative evaluation analysis and the integrated management server unit to the output step (S500) for transmitting the result information of the quantitative evaluation analysis by the evaluation analysis step (S400) It is preferably made.
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.Furthermore, in the virtual training evaluation and analysis method using the expert experience knowledge, prior to performing the data collection step (S100), in the virtual training linkage means, a specific simulation model is selected from pre-stored simulation models to perform the virtual training. It is preferably configured to further include a plug-in step (S10) to deliver to the module to perform.
더 나아가, 상기 이벤트 설정단계(S200)는 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.Furthermore, in the event setting step (S200), it is preferable to set a specific section for evaluating and analyzing the virtual training data using the characteristics of each simulation model.
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.Further, in the virtual training data collection step (S100), the component information of the virtual training data is reconstructed and collected according to predetermined data structure information using characteristics of the specific simulation model selected by the plug-in step (S10). It is desirable to do.
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.Further, in the reference data generation step (S300), statistical criteria are set for each data element of the specific simulation model selected by the plug-in step (S10), and the virtual training data of the expert is calculated using the statistical criteria. , It is preferable to generate the experience reference data.
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.Furthermore, it is preferable that the virtual training linkage means and the integrated management server unit perform each step of the virtual training evaluation analysis method using the expert experience knowledge by using a preset Open API service.
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.The virtual training evaluation analysis system and method using the expert experience knowledge of the present invention according to the above configuration can utilize not only the expert experience knowledge for effective evaluation and analysis of virtual training, but also apply the Open API service. A scalable virtual training evaluation analysis system and method can be provided.
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.In other words, by using the Open API service in common with various types of virtual training systems (various virtual training systems in various fields), there is an advantage of quantitative evaluation and analysis of learners' virtual training data.
또한, 가상훈련에 대한 전문가 경험지식을 별도로 구성하여 평가 분석시 학습자(비교 대상)와의 평가 효율성을 높일 수 있는 장점이 있다.In addition, the expert experience knowledge for virtual training is separately configured to increase the efficiency of evaluation with learners (comparison targets) during evaluation analysis.
특히, 구성된 전문가 경험지식을 이용하여 학습자의 훈련수행 결과와 정량적으로 비교 분석할 수 있어, 기존의 정성적 평가의 한계를 극복할 수 있는 장점이 있다.In particular, it is possible to quantitatively compare and analyze the results of the training performance of learners using the constructed expert experience knowledge, which has the advantage of overcoming the limitations of the existing qualitative evaluation.
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.In addition, the virtual training evaluation analysis system and method using the expert's experience knowledge of the present invention can be applied to virtual training modules in various fields (aircraft, automobile, ship, etc.) to secure experience knowledge of experts in each field. According to the characteristics of each virtual training module, the virtual training data for a specific purpose can be configured and analyzed for evaluation, so that the learner can be easily evaluated from various angles.
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.1 is a view showing a virtual training evaluation and analysis system utilizing expert experience knowledge according to an embodiment of the present invention.
2 is a view showing a virtual training evaluation analysis system and a virtual training system in connection with expert experience knowledge according to an embodiment of the present invention.
FIG. 3 is a diagram schematically illustrating a method for managing expert experience knowledge in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention.
4 is a diagram illustrating a method of defining extended data element information using basic data element information of virtual training data in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention. .
5 is a diagram illustrating a method of setting an event for setting a specific section for evaluating and analyzing virtual training data in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention to be.
FIG. 6 is a diagram illustrating in more detail a method of managing expert experience knowledge in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention.
7 is an exemplary view showing result information of a quantitative evaluation analysis in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention.
8 is a flowchart illustrating a method for analyzing and analyzing virtual training using expert experience knowledge according to an embodiment of the present invention.
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.Hereinafter, a virtual training evaluation analysis system and method using the expert experience knowledge of the present invention will be described in detail with reference to the accompanying drawings. The drawings introduced below are provided as examples in order to sufficiently convey the spirit of the present invention to those skilled in the art. Therefore, the present invention is not limited to the drawings presented below and may be embodied in other forms. In addition, the same reference numbers throughout the specification indicate the same components.
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.At this time, unless there are other definitions in the technical terms and scientific terms used, it has the meanings commonly understood by those skilled in the art to which this invention belongs, and the subject matter of the present invention in the following description and the accompanying drawings. Descriptions of well-known functions and configurations that may unnecessarily obscure are omitted.
더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.In addition, a system means a set of components, including devices, mechanisms and means, organized and regularly interacted to perform the necessary functions.
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.The virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention are commonly linked to various types of virtual training systems (various virtual training systems in various fields) using Open API services. By applying, the learner's virtual training data can be quantitatively analyzed.
Open API 서비스 관련 기술은 SOAP(Simple Object Access Protocol) 기반의 웹서비스 또는 REST(Representational State Transfer) 기반 웹서비스가 대표적이다.The Open API service-related technology is representative of SOAP (Simple Object Access Protocol) based web service or REST (Representational State Transfer) based web service.
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.SOAP-based web service is a service-oriented architecture, and can exchange information in XML using HTTP protocol. However, the service can be freely defined, but its configuration is complicated and there is a big overhead.
이에 따라 최근들어 REST 기반의 웹서비스가 보편화되고 있다.Accordingly, recently, REST-based web services have become common.
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.These REST-based web services are based on resource-oriented architecture (ROA), and when a service requester requests a resource, the service provider directly responds to the resource without an intermediate medium.
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.SOAP-based web services have an overhead in encoding/decoding data in XML format in the exchange of information between the service requester and the provider, but in the case of REST-based web services, only the basic method of HTTP is used by using the URL of the resource. It has the advantage of excellent performance because it delivers the resource itself.
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.Accordingly, the virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention, various types of virtual training systems (in various fields) using Open API services through REST-based web services. It can be applied in common with various virtual training systems) to quantitatively analyze and analyze learners' virtual training data.
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.1 is a view showing a virtual training evaluation and analysis system using expert experience knowledge according to an embodiment of the present invention, and referring to FIG. 1, virtual training evaluation using expert experience knowledge according to an embodiment of the present invention The analysis system will be described in detail.
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.As illustrated in FIG. 1, the virtual training evaluation and analysis system using expert experience knowledge according to an embodiment of the present invention is preferably configured to include the virtual training linkage means 100 and the integrated
이 때, 상기 가상훈련 연계수단(100)과 통합관리 서버부(200)는 상술한 바와 같이, 미리 설정된 Open API 서비스를 이용하여 동작하는 것이 바람직하다.At this time, it is preferable that the virtual training linkage means 100 and the integrated
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.In the past, evaluation and analysis functions for virtual training were developed in a system-dependent form, and separate evaluation and analysis functions have been developed according to an operating environment or a simulation model. However, the virtual training evaluation and analysis system using expert experience knowledge according to an embodiment of the present invention is common to various simulation models (ship, aviation, automobile, etc.) by connecting the virtual training system, as shown in FIG. 2. Can be applied as
각 구성에 대해서 자세히 알아보자면,To learn more about each configuration,
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.It is preferable that the virtual training linkage means 100 receives virtual training data (virtual training result data) from a module (simulation model) performing virtual training connected by using a preset Open API service.
상세하게는, 도 1에 도시된 바와 같이, 상기 가상훈련 연계수단(100)은 가상훈련 모델부(110)와 API 브로커부(120)를 포함하여 구성되는 것이 바람직하다.In detail, as shown in Figure 1, the virtual training linkage means 100 is preferably configured to include a virtual
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.The virtual
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.That is, as described above, the virtual
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.The
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.That is, the
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.Since each virtual training system has different data information according to the simulation model, the
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.In addition, when receiving the result information according to the quantitative evaluation analysis of the virtual training data from the integrated
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.In detail, the integrated
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.In addition, since the virtual training evaluation analysis system using expert experience knowledge according to an embodiment of the present invention performs quantitative evaluation analysis of learner's virtual training data using expert experience knowledge as described above, for this purpose, quantitative evaluation In addition to the virtual training data of the learner who needs analysis, it is preferable to receive virtual training data of a plurality of experts for setting the criteria for quantitative evaluation analysis of the learner.
즉, 가상훈련 학습자의 훈련수행을 평가하기 위한 비교 대상은 특정 전문가의 가상훈련 데이터 또는 다수 전문가의 통계 데이터를 기반으로 구성하는 것이 바람직하다.That is, the comparison target for evaluating the training performance of the virtual training learner is preferably configured based on virtual training data of a specific expert or statistical data of multiple experts.
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.When only virtual training data of a specific expert is used, it is necessary to immediately set the corresponding virtual training data as reference data. However, when using virtual training data of multiple experts, it is desirable to set additional statistical criteria for each data element to calculate the reference data Do. This will be described later.
다만, 가상훈련 학습자의 훈련수행을 평가하기 위한 비교 대상인 전문가는 사전에 설정되는 것이 바람직하며, 이에 대해서 한정하는 것은 아니다.However, it is preferable that the expert who is the comparison target for evaluating the training performance of the virtual training learner is set in advance, and is not limited thereto.
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.The integrated
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.To this end, the
상기 기본 관리부(210)는 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들을 각각 데이터베이스화하여 저장 및 관리하는 것이 바람직하다.Preferably, the
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.That is, it is preferable that the
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.In addition, since there are data element information reflecting characteristics of the corresponding simulation model according to each virtual training system as much as various simulation models, the
이 때, 상기 기본 관리부(210)는 상기 기본 데이터 요소 정보들로부터 계산하여 도출할 수 있는 확장 데이터 요소 정보들까지 별도로 정의하는 것이 바람직하다.At this time, it is preferable that the
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.4 is an exemplary view showing a calculation formula configuration window for calculating extended data element information. In detail, it is preferable that the
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.At this time, the operators shown in FIG. 4 are only an embodiment of the present invention, and according to the characteristics of the simulation model of the applied virtual training system, various operators may be added to be used to define a calculation expression between elements.
상기 훈련 관리부(220)는 상기 가상훈련 연계수단(100)으로부터 전달되는 상기 가상훈련 데이터들 중 상기 학습자의 가상훈련 데이터를 시계열 순으로 수집하는 것이 바람직하다.It is preferable that the
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.In addition, unlike the
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.As described above, the experience
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.Specifically, by setting statistical criteria (average, mode, maximum, minimum, etc.) for each data element, comparing the virtual training data of each expert to generate the data based on the set statistical criteria and the experience criteria data It is preferred.
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.That is, when receiving virtual training data through two or more experts, as shown in FIG. 6, the statistical criteria (average, mode, minimum, maximum, etc.) are set for each selected data element to generate the experience-based data It is preferred.
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.In addition, it is preferable that the configuration information of the experience reference data includes virtual training data of an expert, data elements of a generation object (simulation model), reference event information (reference value), generation time interval, and the like.
만약, 전문가의 가상훈련 데이터의 수집이 어려울 경우, 전문가의 가상훈련 데이터 없이도 상기 경험기준 데이터를 생성할 수도 있다.If the expert's virtual training data is difficult to collect, the experience-based data may be generated without the expert's virtual training data.
상세하게는, 기본적인 경험지식 생성절차에 따라 임의의 경험지식을 생성하고, 생성한 상기 임의의 경험지식은 상기 기본 데이터 요소 정보만을 이용하여 생성할 수 있다.In detail, an arbitrary experience knowledge is generated according to a basic experience knowledge generation procedure, and the generated experience knowledge can be generated using only the basic data element information.
생성한 상기 임의의 경험지식과 외부로부터 입력받은 경험지식을 이용하여 상기 경험기준 데이터를 생성할 수 있다.The experience reference data may be generated using the generated experience knowledge and experience knowledge received from the outside.
이 때 입력받은 경험지식의 기본 데이터 요소 정보는 상기 기본 관리부(210)에서 생성한 상기 기본 데이터 요소 정보와 일치하는 것이 바람직하다.At this time, it is preferable that the basic data element information of the received experience knowledge matches the basic data element information generated by the
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.3 is a diagram illustrating a method of managing expert experience knowledge in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention, wherein t1, t2, t3 are virtual of the same type Values representing the training result data of each expert who performed training, and e1, e2, e3, and e4 are predefined events (events included in virtual training). It is desirable to define an event by determining a target data element and setting an event reference value and state conditions before and after the event for the element. Each training event is the point at which a change in value (increase or decrease) occurs based on this reference value.
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.The upper table of FIG. 3 is an example of an event configuration for e1, and it can be seen that an event occurs when the setting conditions for two data elements item02 and item03 are simultaneously satisfied.
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.It can be seen that both the before and after state conditions set in item02 for e1 are the same. Accordingly, when the value of item02 is equal to or less than 70.0 and the value of item03 changes from False to True, e1 generates an event.
h1은 통계 기준이 설정된 하단 테이블(경험지식 구성정보 테이블)에 따라 t1, t2, t3의 가상훈련 데이터로부터 생성된 경험지식 데이터를 의미한다.h1 denotes experience knowledge data generated from virtual training data of t1, t2, and t3 according to a lower table (experience knowledge configuration information table) in which a statistical standard is set.
h1은 e1의 발생지점부터 s1지점까지 동일 길이의 구간으로 생성됨을 알 수 있으며, e1은 h1의 기준이벤트임을 알 수 있다.It can be seen that h1 is generated from the occurrence point of e1 to the point of s1 in the same length, and e1 is a reference event of h1.
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.The t1, t2, and t3 operating in the virtual training system having the same system configuration information (data information, data type, occurrence cycle, etc.) correspond to each data in chronological order from the reference event occurrence point to the set section. When the corresponding data is synchronized and the operation is processed according to the defined statistical criteria, experience knowledge data is generated.
이처럼 기준이벤트에서 시간 순서로 경험지식 데이터가 생성될 경우, 이 때의 기준이벤트 유형은 시작 이벤트이다.When the experience knowledge data is generated in the order of time from the reference event, the reference event type at this time is the start event.
한편, 시뮬레이션 모델의 특성에 따라 기준이벤트에서 시간역순으로 구간을 설정하여 상기 경험지식 데이터를 생성할 수도 있다. 이 경우, 기준이벤트 유형은 종료 이벤트이다.On the other hand, according to the characteristics of the simulation model, it is also possible to generate the experience knowledge data by setting the interval in reverse order from the reference event. In this case, the reference event type is an end event.
일 예를 들자면, 항공기 착륙 순간을 기준으로 이벤트를 설정한 항공기 착륙 과정의 경험지식이 이에 해당한다.For example, experience knowledge of an aircraft landing process that sets an event based on an aircraft landing moment corresponds to this.
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.However, when the real-time training evaluation is operated, since the reference event is detected, the evaluation analysis is performed sequentially in synchronization with time, so the experience knowledge data generated as the end event cannot be used immediately.
이와 연관하여, 상기 이벤트 관리부(240)는 각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.In this regard, it is preferable that the
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.In detail, it is preferable to set the information on a specific time point of the collected virtual training data to extract data of a specific section or to define an event that uses data of a specific section as a reference time point for comparison.
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.For example, as shown in FIG. 5, it is possible to define a registered event by setting a'reference value and a previous state condition and a subsequent state condition' for'element 001'.
'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.Since other data elements other than'element 001' have the same pre/post status condition, it is desirable to define an event used as a satisfying time point by applying the reference value of'element 001', the previous state condition, and the subsequent state condition.
즉, 정의된 이벤트 중 하나를 기준 이벤트로 정하고 평가 구간의 시간 구간을 포함하며, 기준 이벤트의 타입을 시작 이벤트 또는 종료 이벤트로 구분하는 것이 바람직하다.That is, it is preferable to define one of the defined events as a reference event, include a time period of the evaluation section, and classify the type of the reference event into a start event or an end event.
시작 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 순으로 시간 구간만큼의 평가 구간을 설정할 수 있으며,In the case of the start event, the evaluation intervals corresponding to the time interval can be set in chronological order from the point where the reference event occurred.
종료 이벤트의 경우, 기준 이벤트가 발생한 지점부터 시간 역순으로 시간 구간만큼의 평가 구간을 설정하는 것이 바람직하다.In the case of the end event, it is preferable to set the evaluation intervals corresponding to the time interval in reverse chronological order from the point where the reference event occurred.
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.Preferably, the evaluation and
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.That is, the data corresponding to the specific section of the learner's virtual training data and the data corresponding to the specific section of the expert's experience reference data may be received to perform quantitative evaluation analysis.
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.As an example of quantitative evaluation analysis, virtual flight training was performed in conjunction with an open source flight simulation program called Flignt Gear, and the model used for training was the F-14 Tomcat, which evaluated the takeoff process at San Francisco International Airport.
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.As shown in FIG. 7, through the graphs of speed among various data elements, the ① and ② sections are two preset allowable range sections, and the ③ section represents the learner's training curve for speed, and the ④ section is allowed. This section is outside the standard of the range, and is a section that requires learner correction (education), and the
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.The
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.8 is a flow chart illustrating a method for analyzing and analyzing virtual training using expert experience knowledge according to an embodiment of the present invention, and referring to FIG. 8, virtual training evaluation using expert experience knowledge according to an embodiment of the present invention The analysis method will be described in detail.
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,As illustrated in FIG. 8, a virtual training evaluation analysis method using expert experience knowledge according to an embodiment of the present invention includes a virtual training data collection step (S100), an event setting step (S200), and a reference data generation step (S300). ), the evaluation analysis step (S400) and output step (S500) is preferably made,
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.Before performing the virtual training data collection step (S100), in the virtual training linkage means 100, a plug-in step (S10) of selecting a specific simulation model from among pre-stored simulation models and delivering it to the module performing the virtual training (S10) It is preferred to perform further.
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.The plug-in step (S10) is connected to the module for performing the virtual training, the simulation model of the connected virtual training system to receive the virtual training data for a specific simulation model selected from among the previously stored simulation models. It is desirable to plug in, select a specific simulation model from among various simulation models, and receive the virtual training data about it through a network.
각 단계에 대해서 자세히 알아보자면,To learn more about each step,
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.The virtual training data collection step (S100) is based on the virtual training data of the learner who needs quantitative evaluation analysis from the module performing the virtual training connected in the virtual training linkage means 100, and the criteria of the quantitative evaluation analysis of the learner. It is desirable to receive virtual training data of a number of experts for setting and collect them in chronological order.
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.Specifically, in the virtual training data collection step (S100), it is preferable that the virtual training data of the learner and the virtual training data of the expert are received and stored and managed by the virtual training linkage means 100.
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.In addition, since there are data element information reflecting the characteristics of the corresponding simulation model according to each virtual training system as much as various simulation models, the database structure of the basic data element information of the virtual training data using the characteristics of each simulation model It is desirable to define.
이 때, 상기 기본 데이터 요소 정보들로부터 계산하여 도출할 수 있는 확장 데이터 요소 정보들까지 별도로 정의하는 것이 바람직하다.In this case, it is preferable to separately define extended data element information that can be calculated and derived from the basic data element information.
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.In detail, it is preferable to define a calculation expression between each element using a given operator by referring to the basic data element information and the predefined extended data element information. Optionally, constants can be added to support calculation expressions between data elements and constants, and the time calculated by the time delay function can be used to delay the occurrence time. It is preferable that each defined basic data element information and extended data element information includes attribute information such as data type, unit, and collection cycle.
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.In the virtual training data collection step (S100), it is preferable to receive the virtual training data and reconstruct the component information of the virtual training data according to preset data structure information using characteristics of the specific simulation model, and then deliver the virtual training data.
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.That is, it is preferable that the
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.Since each virtual training system has different data information according to the simulation model, by using these features, data structure information (data schema information) of each simulation model can be used to dynamically link the simulation model without additional program modification. It is preferable to reconstruct and transmit element information of the virtual training data so as to be possible.
상기 이벤트 설정단계(S200)는 상기 통합관리 서버부(200)에서, 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것이 바람직하다.In the event setting step (S200), in the integrated
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.Specifically, in the event setting step (S200), in the integrated
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.In detail, it is preferable to set the information on a specific time point of the collected virtual training data to extract data of a specific section or to define an event that uses data of a specific section as a reference time point for comparison.
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.For example, as shown in FIG. 5, it is possible to define a registered event by setting a'reference value and a previous state condition and a subsequent state condition' for'element 001'.
'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.Since other data elements other than'element 001' have the same pre/post status condition, it is desirable to define an event used as a satisfying time point by applying the reference value of'element 001', the previous state condition, and the subsequent state condition.
즉, 정의된 이벤트 중 하나를 기준 이벤트로 정하고 평가 구간의 시간 구간을 포함하며, 기준 이벤트의 타입을 시작 이벤트 또는 종료 이벤트로 구분하는 것이 바람직하다.That is, it is preferable to define one of the defined events as a reference event, include a time period of the evaluation section, and classify the type of the reference event into a start event or an end event.
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.In the case of a start event, it is possible to set an evaluation section corresponding to a time section in chronological order from the point where the reference event occurred, and in the case of an end event, it is desirable to set an evaluation section corresponding to a time section in chronological order from the point where the reference event occurred Do.
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.The reference data generation step (S300), in the integrated
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.Specifically, in the reference data generation step (S300), in the integrated
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.That is, when receiving virtual training data through two or more experts, as shown in FIG. 6, the statistical criteria (average, mode, minimum, maximum, etc.) are set for each selected data element to generate the experience-based data It is preferred.
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.In addition, it is preferable that the configuration information of the experience reference data includes virtual training data of an expert, data elements of a generation object (simulation model), reference event information (reference value), generation time interval, and the like.
만약, 전문가의 가상훈련 데이터의 수집이 어려울 경우, 전문가의 가상훈련 데이터 없이도 상기 경험기준 데이터를 생성할 수도 있다.If the expert's virtual training data is difficult to collect, the experience-based data may be generated without the expert's virtual training data.
상세하게는, 기본적인 경험지식 생성절차에 따라 임의의 경험지식을 생성하고, 생성한 상기 임의의 경험지식은 상기 기본 데이터 요소 정보만을 이용하여 생성할 수 있다.Specifically, an arbitrary experience knowledge is generated according to a basic experience knowledge generation procedure, and the generated experience knowledge can be generated using only the basic data element information.
생성한 상기 임의의 경험지식과 외부로부터 입력받은 경험지식을 이용하여 상기 경험기준 데이터를 생성할 수 있다.The experience reference data may be generated using the generated experience knowledge and experience knowledge received from the outside.
이 때 입력받은 경험지식의 기본 데이터 요소 정보는 상기 가상훈련 데이터 수집단계(S100)에서 생성한 상기 기본 데이터 요소 정보와 일치하는 것이 바람직하다.At this time, it is preferable that the basic data element information of the received experience knowledge matches the basic data element information generated in the virtual training data collection step (S100).
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.Specifically, by setting statistical criteria (average, mode, maximum, minimum, etc.) for each data element, comparing the virtual training data of each expert to generate the data based on the set statistical criteria and the experience criteria data It is preferred.
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.3 is a diagram illustrating a method for managing expert experience knowledge in a virtual training evaluation analysis system and method using expert experience knowledge according to an embodiment of the present invention, wherein t1, t2, t3 are virtual of the same type Values representing the training result data of each expert who performed training, and e1, e2, e3, and e4 are predefined events (events included in virtual training). It is desirable to define an event by determining a target data element and setting an event reference value and state conditions before and after the event for the element. Each training event is the point at which a change in value (increase or decrease) occurs based on this reference value.
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.The upper table of FIG. 3 is an example of an event configuration for e1, and it can be seen that an event occurs when the setting conditions for two data elements item02 and item03 are simultaneously satisfied.
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.It can be seen that both the before and after state conditions set in item02 for e1 are the same. Accordingly, when the value of item02 is equal to or less than 70.0 and the value of item03 changes from False to True, e1 generates an event.
h1은 통계 기준이 설정된 하단 테이블(경험지식 구성정보 테이블)에 따라 t1, t2, t3의 가상훈련 데이터로부터 생성된 경험지식 데이터를 의미한다.h1 denotes experience knowledge data generated from virtual training data of t1, t2, and t3 according to a lower table (experience knowledge configuration information table) in which a statistical standard is set.
h1은 e1의 발생지점부터 s1지점까지 동일 길이의 구간으로 생성됨을 알 수 있으며, e1은 h1의 기준이벤트임을 알 수 있다.It can be seen that h1 is generated from the occurrence point of e1 to the point of s1 in the same length, and e1 is a reference event of h1.
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.The t1, t2, and t3 operating in the virtual training system having the same system configuration information (data information, data type, occurrence cycle, etc.) correspond to each data in chronological order from the reference event occurrence point to the set section. When the corresponding data is synchronized and the operation is processed according to the defined statistical criteria, experience knowledge data is generated.
이처럼 기준이벤트에서 시간 순서로 경험지식 데이터가 생성될 경우, 이 때의 기준이벤트 유형은 시작 이벤트이다.When the experience knowledge data is generated in the order of time from the reference event, the reference event type at this time is the start event.
한편, 시뮬레이션 모델의 특성에 따라 기준이벤트에서 시간역순으로 구간을 설정하여 상기 경험지식 데이터를 생성할 수도 있다. 이 경우, 기준이벤트 유형은 종료 이벤트이다.On the other hand, according to the characteristics of the simulation model, it is also possible to generate the experience knowledge data by setting the interval in reverse order from the reference event. In this case, the reference event type is an end event.
일 예를 들자면, 항공기 착륙 순간을 기준으로 이벤트를 설정한 항공기 착륙 과정의 경험지식이 이에 해당한다.For example, experience knowledge of an aircraft landing process that sets an event based on an aircraft landing moment corresponds to this.
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.However, when the real-time training evaluation is operated, since the reference event is detected, the evaluation analysis is performed sequentially in synchronization with time, so the experience knowledge data generated as the end event cannot be used immediately.
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.The evaluation and analysis step (S400) is quantitative, using the virtual training data of the learner and the experience reference data corresponding to a specific section set by the event setting step (S200) in the integrated
즉, 상기 평가분석 단계(S400)는 상기 통합관리 서버부(200)에서, 설정한 특정 구간(평가 구간)에 해당하는 데이터들을 전달받는 것이 바람직하다.That is, in the evaluation and analysis step (S400), it is preferable to receive data corresponding to a specific section (evaluation section) set in the integrated
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.That is, the data corresponding to the specific section of the learner's virtual training data and the data corresponding to the specific section of the expert's experience reference data may be received to perform quantitative evaluation analysis.
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.As an example of quantitative evaluation analysis, virtual flight training was performed in conjunction with an open source flight simulation program called Flignt Gear, and the model used for training was the F-14 Tomcat, which evaluated the takeoff process at San Francisco International Airport.
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.As shown in FIG. 7, through the graphs of speed among various data elements, the ① and ② sections are two preset allowable range sections, and the ③ section represents the learner's training curve for speed, and the ④ section is allowed. This section is outside the standard of the range, and is a section that requires learner correction (education), and the
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.In the output step (S500), it is preferable to transmit the result information of the quantitative evaluation analysis by the evaluation and analysis step (S400) in the integrated
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.On the other hand, the virtual training evaluation and analysis method using expert experience knowledge according to an embodiment of the present invention can be recorded in a storage medium by being implemented in the form of program instructions that can be performed through various electronic information processing means. The storage medium may include program instructions, data files, data structures, or the like alone or in combination.
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.The program instructions recorded on the storage medium may be specially designed and configured for the present invention or may be known and usable by those skilled in the software art. Examples of storage media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic-optical media such as floptical disks. (magneto-optical media) and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language codes such as those produced by a compiler, as well as high-level language codes that can be executed by a device, such as a computer, that processes information electronically using an interpreter.
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.As described above, in the present invention, specific matters such as specific constituent elements and the like have been described by the limited embodiment drawings, but these are provided only to help the overall understanding of the present invention, and the present invention is limited to the above-described one embodiment. No, those skilled in the art to which the present invention pertains can make various modifications and variations from these descriptions.
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.Accordingly, the spirit of the present invention should not be limited to the described embodiments, and should not be determined, and all claims that are equivalent to or equivalent to the scope of the present invention, as well as the claims below, will be included in the scope of the spirit of the present invention. .
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 : 출력부100: virtual training connection means
110: virtual training model unit 120: API broker unit
200: integrated management server
210: basic management unit 220: training management unit
230: experience knowledge collection unit 231: experience knowledge management unit
240: event management unit 250: evaluation and analysis unit
260: output
Claims (10)
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 시스템.
A virtual training linkage means (100) for receiving virtual training data from a module performing virtual training connected by using a preset Open API service; And
An integrated management server unit 200 that performs quantitative evaluation analysis of the virtual training data received from the virtual training linkage means 100 and provides result information using a preset Open API service;
It includes,
The integrated management server unit 200
The result information is transmitted to the virtual training linkage means 100, and the virtual training linkage means 100 transmits the result information to a module for performing the virtual training that is connected in real time to quantitative training. A virtual training evaluation and analysis system using expert experience knowledge characterized by performing evaluation analysis and feedback.
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.
According to claim 1,
The virtual training linkage means (100)
A virtual training model unit 110 connected to a module performing the virtual training and receiving the virtual training data for a specific simulation model selected from pre-stored simulation models; And
After receiving the virtual training data from the virtual training model unit 110, the integrated management server unit reconstructs element information of the virtual training data according to predetermined data structure information using characteristics of the specific simulation model ( 200) to the API broker unit 120;
It includes,
The API broker unit 120
A virtual training evaluation and analysis system utilizing expert experience knowledge, characterized in that the virtual training data reconstructed according to a predetermined transmission cycle is transmitted to the integrated management server unit 200.
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 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템.
According to claim 2,
The virtual training evaluation and analysis system using the expert experience knowledge
Through the module for performing the virtual training connected to the virtual training connection means 100,
Virtual training data of learners who need quantitative evaluation analysis is delivered, or
A virtual training evaluation and analysis system using expert experience knowledge characterized by receiving virtual training data of a plurality of experts for setting a standard for quantitative evaluation analysis of the learner.
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 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템.
According to claim 3,
The integrated management server unit 200
A basic management unit 210 that stores and manages the virtual training data transmitted from the virtual training connection means 100 in a database;
A training management unit 220 for collecting the virtual training data of the learners transmitted from the virtual training connection means 100 in chronological order;
An experience knowledge collection unit 230 for collecting virtual training data of the experts transmitted from the virtual training connection means 100 in chronological order;
Statistical criteria are set for each element of virtual training data using the characteristics of each simulation model, and experience criteria are used using statistical criteria that set virtual training data of the experts collected by the experience knowledge collection unit 230. An experience knowledge management unit 231 for generating data;
An event manager 240 for setting a specific section for evaluation analysis of the virtual training data by using characteristics of each simulation model;
An evaluation analysis unit 250 that receives data corresponding to a specific section set by the event management unit 240 from the training management unit 220 and the experience knowledge management unit 231 and performs quantitative evaluation analysis; And
An output unit 260 for transmitting result information of the quantitative evaluation analysis performed by the evaluation analysis unit 250;
Virtual training evaluation analysis system using expert experience knowledge, characterized in that comprises a.
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 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
In the virtual training linkage means, receiving virtual training data of a learner who needs quantitative evaluation analysis from a module performing virtual training and virtual training data of a plurality of experts for setting standards of the quantitative evaluation analysis of the learner Virtual training data collection step of collecting in chronological order (S100);
In the integrated management server unit, an event setting step of setting a specific section for evaluation analysis of the virtual training data (S200);
In the integrated management server unit, the virtual training data of the expert collected by the virtual training data collection step (S100) is set as a statistical standard for each data element, and experience data is generated using the set statistical criteria Reference data generation step (S300);
In the integrated management server unit, an evaluation analysis step (S400) of performing quantitative evaluation analysis using the virtual training data and experience reference data of the learner corresponding to a specific section set by the event setting step (S200); And
In the integrated management server unit, an output step (S500) of transmitting the result information of the quantitative evaluation analysis by the evaluation analysis step (S400);
Virtual training evaluation analysis method using expert experience knowledge, characterized in that consisting of.
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 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
The method of claim 5,
The virtual training evaluation analysis method using the expert experience knowledge is
Before performing the data collection step (S100),
In the virtual training linkage means, a plug-in step (S10) of selecting a specific simulation model from among pre-stored simulation models and transmitting the module to the virtual training module;
Virtual training evaluation analysis method using expert experience knowledge, characterized in that further comprises a.
상기 이벤트 설정단계(S200)는
각각의 시뮬레이션 모델의 특성을 이용하여 상기 가상훈련 데이터의 평가 분석을 위한 특정 구간을 설정하는 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
The method of claim 6,
The event setting step (S200)
A virtual training evaluation and analysis method using expert experience knowledge, characterized in that a specific section is set for the evaluation analysis of the virtual training data using the characteristics of each simulation model.
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.
The method of claim 7,
The virtual training data collection step (S100)
Virtual training utilizing expert experience knowledge, characterized in that by reconfiguring and collecting element information of the virtual training data according to data structure information preset using the characteristics of the specific simulation model selected by the plug-in step (S10). Assessment analysis method.
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 것을 특징으로 하는 전문가 경험지식을 활용하는 가상훈련 평가 분석 방법.
The method of claim 7,
The reference data generation step (S300)
A statistical criterion is set for each data element of the specific simulation model selected by the plug-in step (S10), and the virtual training data of the expert is calculated using the statistical criterion to generate the experience criterion data. Analysis method of virtual training evaluation using expert experience knowledge.
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.The method of claim 5,
The virtual training linkage means and integrated management server unit
A virtual training evaluation analysis method using expert experience knowledge, characterized in that each step of the virtual training evaluation analysis method using the expert experience knowledge is performed using a preset Open API service.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180167655A KR102199810B1 (en) | 2018-12-21 | 2018-12-21 | Virtual training evaluation and analysis system and method using experiential knowledge of expert |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180167655A KR102199810B1 (en) | 2018-12-21 | 2018-12-21 | Virtual training evaluation and analysis system and method using experiential knowledge of expert |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200078079A true KR20200078079A (en) | 2020-07-01 |
| KR102199810B1 KR102199810B1 (en) | 2021-01-11 |
Family
ID=71601669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180167655A Active KR102199810B1 (en) | 2018-12-21 | 2018-12-21 | Virtual training evaluation and analysis system and method using experiential knowledge of expert |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102199810B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947127A (en) * | 2021-02-04 | 2021-06-11 | 彭浩明 | Intelligent electricity consumption control management system |
| CN113763771A (en) * | 2021-09-09 | 2021-12-07 | 大连海事大学 | Ship turbine simulation training evaluation system based on network and implementation method |
| KR102535129B1 (en) * | 2022-10-11 | 2023-05-30 | (주)제이티시스템 | Tracked vehicle control trainer simulator |
| KR102673553B1 (en) * | 2023-11-15 | 2024-06-11 | 주식회사 티엔에스 | Virtual simulation performance system |
| CN119067319A (en) * | 2024-10-30 | 2024-12-03 | 北京太极信息系统技术有限公司 | An evaluation system for test identification system based on expert experience |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005189908A (en) * | 2003-12-24 | 2005-07-14 | Toshiba Corp | Simulation system |
| KR20160140041A (en) | 2015-05-29 | 2016-12-07 | 전자부품연구원 | Virtual Training Scenario Generation and Evaluation System based on Experience Knowledge |
| KR20170013778A (en) * | 2015-07-28 | 2017-02-07 | 엘에스산전 주식회사 | dispatcher training system and its control method |
| KR20170129395A (en) * | 2016-05-17 | 2017-11-27 | (주)토탈소프트뱅크 | A training evaluation device for simulator of overhead crane |
| KR101911516B1 (en) * | 2017-12-26 | 2018-10-24 | (주)에프앤아이 | Method for obtaining psychological state data, assessing psychological state of user and providing feedback, and server using the same |
-
2018
- 2018-12-21 KR KR1020180167655A patent/KR102199810B1/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005189908A (en) * | 2003-12-24 | 2005-07-14 | Toshiba Corp | Simulation system |
| KR20160140041A (en) | 2015-05-29 | 2016-12-07 | 전자부품연구원 | Virtual Training Scenario Generation and Evaluation System based on Experience Knowledge |
| KR20170013778A (en) * | 2015-07-28 | 2017-02-07 | 엘에스산전 주식회사 | dispatcher training system and its control method |
| KR20170129395A (en) * | 2016-05-17 | 2017-11-27 | (주)토탈소프트뱅크 | A training evaluation device for simulator of overhead crane |
| KR101911516B1 (en) * | 2017-12-26 | 2018-10-24 | (주)에프앤아이 | Method for obtaining psychological state data, assessing psychological state of user and providing feedback, and server using the same |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947127A (en) * | 2021-02-04 | 2021-06-11 | 彭浩明 | Intelligent electricity consumption control management system |
| CN113763771A (en) * | 2021-09-09 | 2021-12-07 | 大连海事大学 | Ship turbine simulation training evaluation system based on network and implementation method |
| KR102535129B1 (en) * | 2022-10-11 | 2023-05-30 | (주)제이티시스템 | Tracked vehicle control trainer simulator |
| WO2024080513A1 (en) * | 2022-10-11 | 2024-04-18 | ㈜제이티시스템 | Tracked vehicle driving trainee simulator |
| KR102673553B1 (en) * | 2023-11-15 | 2024-06-11 | 주식회사 티엔에스 | Virtual simulation performance system |
| KR102673556B1 (en) * | 2023-11-15 | 2024-06-11 | 주식회사 티엔에스 | Virtual simulation performance system |
| CN119067319A (en) * | 2024-10-30 | 2024-12-03 | 北京太极信息系统技术有限公司 | An evaluation system for test identification system based on expert experience |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102199810B1 (en) | 2021-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102199810B1 (en) | Virtual training evaluation and analysis system and method using experiential knowledge of expert | |
| US10957216B2 (en) | Assessing a training activity performed by a user in an interactive computer simulation | |
| US8170976B2 (en) | Assessing student performance and providing instructional mentoring | |
| US20190304322A1 (en) | Performance metrics in an interactive computer simulation | |
| US11715387B2 (en) | Standard operating procedures feedback during an interactive computer simulation | |
| US11087633B2 (en) | Simulation server capable of interacting with a plurality of simulators to perform a plurality of simulations | |
| CA2915768A1 (en) | Method and system for automatic evaluation of robustness and disruption management for commercial airline flight operations | |
| US20090319238A1 (en) | Simulation scoring systems | |
| US20110111385A1 (en) | Automated training system and method based on performance evaluation | |
| JP6200039B2 (en) | Automatic traffic generation for fairing systems | |
| AU2017202520B2 (en) | Virtual weather generation | |
| CN113837908A (en) | Course-based network training system and method | |
| Cecil | A conceptual framework for supporting UAV based cyber physical weather monitoring activities | |
| US11288340B2 (en) | Dynamically updating a model associated to a simulated interactive object | |
| Murphy et al. | Message latency characterization of a distributed live, virtual, constructive simulation environment | |
| Schier-Morgenthal | Multiple remote tower simulation environment | |
| US20200287798A1 (en) | Systems and methods for a resilient infrastructure simulation environment | |
| Pawlowski et al. | Applying Executable Architectures to Support Dynamic Analysis of C2 Systems | |
| Wilber | ATM Technology Demonstration-1 Phase II Boeing Configurable Graphical Display (CGD) Software Design Description | |
| Song et al. | Design of virtual education experiment platform based on artificial intelligence | |
| Lyu et al. | Simulated Troubleshooting of Civil Aircraft Based on Operation and Maintenance Database | |
| Schreiber | Transforming Training: A Perspective on the Need for and Payoffs from Common Standards | |
| KR102777831B1 (en) | Training simulation equipment and method | |
| Soler et al. | RUMS-Realtime visualization and evaluation of live, virtual, constructive simulation data | |
| Gabalin | Simulation modeling training on the example of building of the information and control system model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20181221 |
|
| PA0201 | Request for examination | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20200420 Patent event code: PE09021S01D |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20201027 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20201231 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20210104 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20231227 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20241209 Start annual number: 5 End annual number: 5 |