우주선 설계의 법칙 (Akin's Laws of Spacecraft Design)

• 공학 설계의 핵심 원칙을 간결하게 정리한 문서로, 수치 기반 사고와 반복적 설계 과정을 강조
• 정량적 분석의 중요성을 첫 번째 법칙으로 제시하며, 수치 없는 분석은 단순한 의견에 불과함을 지적
• 완벽한 신뢰성을 전제로 한 시스템은 비현실적이며, 일부 오류 상태에서도 작동 가능한 견고한 설계가 필요함
• 설계는 본질적으로 반복적 과정이며, 최종 설계에 포함되지 않는 시도와 실패를 감수해야 함
• 이러한 법칙들은 엔지니어링 사고방식과 리더십, 데이터 해석의 균형을 강조하며, 실제 산업 설계에도 적용 가능함

법칙 1 — 수치로 증명되는 공학

• “Engineering is done with numbers. Analysis without numbers is only an opinion. ”
  • 공학적 성공은 정량화 가능해야 함
  • “더 빠르다”, “더 저렴하다”, “더 단순하다”는 주장은 반드시 수치로 검증 필요
  • 수학 학습이 공학 교육의 핵심 이유로 제시됨

법칙 2 — 불완전한 상태에서도 작동하는 설계

• “To design a spacecraft right takes an infinite amount of effort... design them to operate when some things are wrong. ”
  • 100% 신뢰성을 요구하는 시스템은 비현실적임
  • Deep Water Horizon, 후쿠시마 등의 실패 사례 언급
  • 항공기 제어에서는 3중 논리 검사(three-way logic checking) 로 안정성 확보

법칙 3 — 설계는 끝나지 않는 반복

• “Design is an iterative process... one more than the number you have currently done. ”
  • 설계는 항상 한 번 더 반복되어야 함
  • 완벽한 설계는 존재하지 않으며, 지속적 개선이 필요함

법칙 4 — 최선의 아이디어가 항상 채택되지 않음

• “Your best design efforts will inevitably wind up being useless in the final design. ”
  • Bhargava’s Law: 연구 아이디어 10개 중 1개만 산업 적용
  • 기술적 우수성이 반드시 상업적 성공으로 이어지지 않음
  • 예시: Nokia N95와 1세대 iPhone 비교

법칙 5 — Miller’s Law: 데이터 속의 패턴

• “Three points determine a curve. ”
  • 어떤 데이터에서도 패턴을 찾을 수 있음
  • 그러나 그 패턴이 실제 현상인지, 측정 잡음인지 구분 필요
  • 특히 학계와 대학원생이 이 규칙을 무시하는 경향 언급

법칙 6 — Mar’s Law: 로그-로그 선형성의 함정

• “Everything is linear if plotted log-log with a fat magic marker. ”
  • Bigg’s Law: “수학적 도구에 집착하지 말라. 그것은 당신을 사랑하지 않는다.”
  • 데이터의 과적합(overfitting) 을 경계

법칙 7 — 리더십의 역설

• “At the start of any design effort, the person who most wants to be team leader is least likely to be capable of it. ”
  • Dilbert 만화는 실제 엔지니어링 조직의 경험을 약간 과장한 사례로 언급
  • 리더십은 일부 타고나지만, 상당 부분은 학습되어야 함
  • 일부 관리자는 비즈니스의 본질을 존중하지 않음, 산업공학자들이 MBA에 대해 불만을 갖는 이유로 언급

법칙 8 — 최적점은 극단이 아닌 중간에 존재

• “In nature, the optimum is almost always in the middle somewhere. ”
  • 최적점이 극단에 있다고 주장하는 것은 의심해야 함
  • 예시: 최적 전력 전달, 센서 저항의 최적값

법칙 9 — 불완전한 정보 속에서도 시작

• “Not having all the information you need is never a satisfactory excuse for not starting the analysis. ”
  • 분석을 시작하기 위해 모든 정보가 완비될 필요는 없음
  • 다만, 추가 분석 시 보완해야 할 값을 명확히 인식해야 함