항공·기갑 장비의 엔진과 구동계는 고장이 나기 전에 진동, 온도, 압력에 미세한 변화가 먼저 나타나지만, 고정 임계값만으로는 고부하 운용일을 이상으로 오인하거나 초기 열화를 놓쳐 수리부속을 제때 확보하지 못한다. 본 프로젝트는 고장 실적과 수리부속 소모를 연결해 정비와 부품 관리의 연계 문제를 학습하는 것을 목표로, 교육용 가상 기동체 48대의 센서 시계열과 부품 소모를 코드로 만들어 분석한다. 센서 데이터셋 정의, 잡음 제거와 FFT 특징량 추출, 임계값 Baseline과 부품 소모 파레토 분석, 오토인코더 기반 미세 변화 감지와 파생 피처 모델, 잔존수명(RUL) 예측과 이상 신뢰도 점수, 설명가능한 경보 화면, 검사관 승인(HITL) 기반 조기 입고 시뮬레이터, 대용량 스트림 스트레스 시험, AAR 오경보 분석과 임계 재보정, 재학습을 포함한 통합 도구까지 단계별로 구현한다. 최종 목표는 고장 전에 이상 징후를 일찍 잡아 정비 시점과 수리부속 소요를 예고하되, 조기 입고 결정은 검사관이 근거를 보고 내리도록 지원하는 것이다.
", "deliverables": [ "docs/mnt04_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)", "src/etl/mnt04_data_cleansing.py (필수)", "정제 품질 보고서 (필수)", "notebooks/mnt04_eda_analysis.ipynb (필수)", "EDA 요약 리포트 (필수)" ], "constraints": "실제 부대 편성, 위치, 작전 일정, 군번·성명 등 민감 군사보안 및 개인식별정보는 절대 외부 AI에 입력하지 않는다.
모든 실습에는 제공된 교육용 가상 데이터셋 및 시뮬레이션 표본만을 활용한다.
AI 모델이 제안한 분석값이나 탐지 결과는 참고 지표이며, 최종 승인·보류·교전·배치 명령은 사람이 확정한다.
모든 센서 파형·온도·압력·고장·부품 단가는 코드 안에서 만든 교육용 가상 자료이며 실제 부대명, 장비 제원, 정비 실적, 실제 센서 기준값은 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 경보·RUL 예측·입고 제안은 정비 판단 보조 정보이며 조기 입고와 정비 시행은 항공/기갑 검사관이 승인하고 실제 정비는 정비 매뉴얼과 안전 절차를 따른다. 비용 절감액 등 금액은 가정 단가로 계산한 상대 비교값으로 예산 근거로 쓰지 않는다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.
수행 증거: 요구된 데이터 전처리, 모델 구현, 검증 지표 산출, HITL 워크플로우 증거가 명확한가?
판단 근거: 오경보/미탐 방지, 신뢰도 등급화, 파라미터 튜닝의 군사적·논리적 근거가 타당한가?
앞뒤 연결성: 앞 미션의 스키마·전처리가 뒤 미션의 예측·대시보드·AAR 재보정에 정상 연계되는가?
안전성: 보안 규정 준수, 극단 과부하 상황에서의 Fail-safe 복원력이 확보되었는가?
10개 미션 전체에서 요구되는 필수([필수]) 평가 기준을 모두 PASS해야 프로젝트 최종 PASS로 판정한다.
", "prerequisites": "기본 프로그래밍 지식 및 장비정비·수리부속 데이터 분석 기초", "refFiles": [], "refText": "", "projectSkills": [ { "skillId": "competency_군특화문제해결_장비정비·수리부속_문제분석", "level": 3, "category": "군특화문제해결", "subCategory": "장비정비·수리부속 문제분석" }, { "skillId": "competency_군특화문제해결_장비정비·수리부속_대안도출", "level": 2, "category": "군특화문제해결", "subCategory": "장비정비·수리부속 대안도출" }, { "skillId": "competency_데이터분석검증_결과검증", "level": 3, "category": "데이터분석검증", "subCategory": "AI 결과 검증" }, { "skillId": "competency_AI활용역량_도구활용", "level": 2, "category": "AI활용역량", "subCategory": "AI 도구 및 모델 활용" }, { "skillId": "competency_전술의사결정_인간검토", "level": 3, "category": "전술의사결정", "subCategory": "HITL 인간 검토 및 책임분계" } ], "prerequisiteVods": [], "missions": [ { "id": "MNT04_M01", "sequence": 1, "title": "헬기/기갑 엔진 및 구동계 진동, 온도, 압력 센서 시계열 데이터셋 정의", "durationHours": 1.5, "overview": "헬기/기갑 엔진 및 구동계의 진동, 온도, 압력 센서 시계열과 고장·수리부속 소모 실적의 데이터셋 스키마, 데이터 딕셔너리, 업무 프로세스 맵을 정의한다.
", "objectives": "센서 수집부터 전처리, 특징 추출, 이상 감지, RUL 예측, 검사관 승인, 정비·부품 소모, 사후검토까지 업무 흐름을 단계별로 정리하고, 센서·특징·고장·부품 묶음으로 피처 20개 이상을 정의한다. 예측 대상(이상 여부, 잔존수명, 부품 소모)을 명확히 하고 장비·부품 식별코드는 국방 표준 코드 형식을 모사한 가상 코드로 둔다. 가상 센서 자료에서 표본을 추출해 검증기로 점검하고 오류를 일부러 넣어 검출되는지 확인한다.
", "scenario": "헬기/기갑 엔진 진동, 온도, 압력 센서 시계열 데이터셋을 정의한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 헬기/기갑 엔진 및 구동계의 진동, 온도, 압력 센서 시계열과 고장·수리부속 소모 실적의 데이터셋 스키마, 데이터 딕셔너리, 업무 프로세스 맵을 정의한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 센서 수집부터 전처리, 특징 추출, 이상 감지, RUL 예측, 검사관 승인, 정비·부품 소모, 사후검토까지 업무 흐름을 단계별로 정리하고, 센서·특징·고장·부품 묶음으로 피처 20개 이상 정의하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: docs/mnt04_logistics_domain_spec.md 및 데이터 딕셔너리 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "docs/mnt04_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)" ], "evaluationKeys": [ "[헬기/기갑 엔진 및 구동계 진동, 온도, 압력 센서 시계열 데이터셋 정의] 요구된 핵심 성능 기준(업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의)을 완벽히 달성하였는가?
업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의 기준을 충족하고 도메인 분석서 및 데이터 요구명세서 승인을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
국방 표준 군수 코드(NIIN, FSC 등) 체계 반영을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성 관점의 타당성이 확보되었는가?
군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성이 논리적으로 검증되었으며 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성
정량 기준: 업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의
진행 기준: 도메인 분석서 및 데이터 요구명세서 승인
검증 방법: 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M1 코드를 실행해 데이터 딕셔너리(센서·특징·고장·부품)와 피처 수를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M1 코드를 실행해 데이터 딕셔너리(센서·특징·고장·부품)와 피처 수를 확인한다.
M1 코드를 실행해 데이터 딕셔너리(센서·특징·고장·부품)와 피처 수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출
M1 코드를 실행해 데이터 딕셔너리(센서·특징·고장·부품)와 피처 수를 확인한다. 실행 결과 및 검증 로그
M1 코드를 실행해 데이터 딕셔너리(센서·특징·고장·부품)와 피처 수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
업무 프로세스 맵 10단계에서 각 단계의 입력·출력 데이터를 정리한다.
업무 프로세스 맵 10단계에서 각 단계의 입력·출력 데이터를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출
업무 프로세스 맵 10단계에서 각 단계의 입력·출력 데이터를 정리한다. 실행 결과 및 검증 로그
업무 프로세스 맵 10단계에서 각 단계의 입력·출력 데이터를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·허용값·누락·자료형)에 걸렸는지 표로 정리한다.
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·허용값·누락·자료형)에 걸렸는지 표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·허용값·누락·자료형)에 걸렸는지 표로 정리한다. 실행 결과 및 검증 로그
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·허용값·누락·자료형)에 걸렸는지 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(피처 22개(목표 20개 이상), 표본 20건 검증 오류 0건 주입 오류 5건 모두 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
센서 묶음에 '진동 가속도 최댓값(vib_peak, 0~20)' 필드를 추가하고 범위 밖 값을 넣어 검출되는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
고주파 센서 신호의 잡음을 제거하고 FFT 변환으로 RMS, 첨도 등 주요 특징량을 추출하는 전처리 모듈을 구현한다.
", "objectives": "표기·단위(온도 F/C, 압력 psi/kPa) 통일, 중복 제거, 불가능값 결측 처리, 파형 단발 스파이크의 중앙값 필터 제거, 간섭 잡음 창의 저역통과 필터, KNN 결측 보정 등 정제 규칙 10종을 적용한다. 고장 임박 시점의 긴급 점검 측정처럼 이상값으로 보여도 군수 예외인 기록은 지우지 않고 표시만 한다. 정제 전후로 RMS와 첨도의 오차와 기술통계를 비교한다.
", "scenario": "센서 잡음 제거, FFT 변환 및 주요 특징량(RMS 등) 추출 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 고주파 센서 신호의 잡음을 제거하고 FFT 변환으로 RMS, 첨도 등 주요 특징량을 추출하는 전처리 모듈을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 표기·단위(온도 F/C, 압력 psi/kPa) 통일, 중복 제거, 불가능값 결측 처리, 파형 단발 스파이크의 중앙값 필터 제거, 간섭 잡음 창의 저역통과 필터, KNN 결측 보정 등 정제 규칙 10종을 적용 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/etl/mnt04_data_cleansing.py 및 정제 품질 보고서 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/etl/mnt04_data_cleansing.py (필수)", "정제 품질 보고서 (필수)" ], "evaluationKeys": [ "[고주파 센서 신호 잡음 제거, FFT 변환 및 주요 특징량(RMS, Kurtosis) 전처리 구현] 요구된 핵심 성능 기준(데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%)을 완벽히 달성하였는가?
데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100% 기준을 충족하고 ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
자동 결측치 보정 알고리즘(KNN, 계절성 보간 등) 적용을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성 관점의 타당성이 확보되었는가?
군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성이 논리적으로 검증되었으며 전후 데이터 통계량(기술통계) 비교 및 무결성 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성
정량 기준: 데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%
진행 기준: ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축
검증 방법: 전후 데이터 통계량(기술통계) 비교 및 무결성 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다.
M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86
M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다. 실행 결과 및 검증 로그
M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
R7(스파이크 제거)과 R8(저역통과)이 어떤 오류에 적용되는지, R10(긴급 점검 보존)이 일반 이상값과 어떻게 다른지 설명한다.
R7(스파이크 제거)과 R8(저역통과)이 어떤 오류에 적용되는지, R10(긴급 점검 보존)이 일반 이상값과 어떻게 다른지 설명한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86
R7(스파이크 제거)과 R8(저역통과)이 어떤 오류에 적용되는지, R10(긴급 점검 보존)이 일반 이상값과 어떻게 다른지 설명한다. 실행 결과 및 검증 로그
R7(스파이크 제거)과 R8(저역통과)이 어떤 오류에 적용되는지, R10(긴급 점검 보존)이 일반 이상값과 어떻게 다른지 설명한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
정제 전후 RMS·첨도 오차 표와 기술통계 표를 정리한다.
정제 전후 RMS·첨도 오차 표와 기술통계 표를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86
정제 전후 RMS·첨도 오차 표와 기술통계 표를 정리한다. 실행 결과 및 검증 로그
정제 전후 RMS·첨도 오차 표와 기술통계 표를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정합성 검증 10/10 통과(통과율 100%) 중복 80건 제거, 긴급 점검 11건 보존, RMS 오차 0.267 -> 0.116, 첨도 8.31 -> 0.86)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
KNNImputer의 n_neighbors를 5에서 2로 바꿔 보정된 온도·압력 평균이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
임계값 초과 기반 1차 센서 이상 징후 감지 Baseline을 구현하고, 탐색적 분석으로 고정 임계값의 한계와 수리부속 소모의 핵심 관리 대상을 찾는다.
", "objectives": "정상 자료 분포로 RMS, 첨도, 온도, 압력 임계값을 정하고 하나라도 넘으면 이상으로 보는 Baseline의 탐지율, 정밀도, 고부하 운용일 오경보율, 고장 전 확보 시간을 측정한다. 피처와 잔존수명의 스피어만 상관계수·p-value로 유의한 인자를 고르고 EDA 차트 8종 이상을 그린다. 고장 유형별 수리부속 소모 비용의 파레토(ABC) 분석으로 핵심 부품을 식별한다.
", "scenario": "임계값 초과 기반 1차 센서 이상 징후 감지 Baseline 알고리즘을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 임계값 초과 기반 1차 센서 이상 징후 감지 Baseline을 구현하고, 탐색적 분석으로 고정 임계값의 한계와 수리부속 소모의 핵심 관리 대상을 찾는다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 정상 자료 분포로 RMS, 첨도, 온도, 압력 임계값을 정하고 하나라도 넘으면 이상으로 보는 Baseline의 탐지율, 정밀도, 고부하 운용일 오경보율, 고장 전 확보 시간을 측정 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: notebooks/mnt04_eda_analysis.ipynb 및 EDA 요약 리포트 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "notebooks/mnt04_eda_analysis.ipynb (필수)", "EDA 요약 리포트 (필수)" ], "evaluationKeys": [ "[임계값 초과 기반 1차 센서 이상 징후 감지 Baseline 알고리즘 구현] 요구된 핵심 성능 기준(EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출)을 완벽히 달성하였는가?
EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출 기준을 충족하고 EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
파레토 분석(ABC 분류)을 통한 상위 20% 핵심 관리 대상 식별을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 의사결정에 직관적인 인사이트 제공 수준 관점의 타당성이 확보되었는가?
군수 의사결정에 직관적인 인사이트 제공 수준이 논리적으로 검증되었으며 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 의사결정에 직관적인 인사이트 제공 수준
정량 기준: EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출
진행 기준: EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화
검증 방법: 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M3 코드를 실행해 Baseline의 탐지율·정밀도·고부하일 오경보율을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M3 코드를 실행해 Baseline의 탐지율·정밀도·고부하일 오경보율을 확인한다.
M3 코드를 실행해 Baseline의 탐지율·정밀도·고부하일 오경보율을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%
M3 코드를 실행해 Baseline의 탐지율·정밀도·고부하일 오경보율을 확인한다. 실행 결과 및 검증 로그
M3 코드를 실행해 Baseline의 탐지율·정밀도·고부하일 오경보율을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
상관분석 표에서 유의한 피처를 고르고 EDA 차트 8종에서 열화 징후를 찾는다.
상관분석 표에서 유의한 피처를 고르고 EDA 차트 8종에서 열화 징후를 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%
상관분석 표에서 유의한 피처를 고르고 EDA 차트 8종에서 열화 징후를 찾는다. 실행 결과 및 검증 로그
상관분석 표에서 유의한 피처를 고르고 EDA 차트 8종에서 열화 징후를 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
파레토 표에서 A등급 부품과 상위 20% 비중을 확인해 핵심 발견점 3가지를 쓴다.
파레토 표에서 A등급 부품과 상위 20% 비중을 확인해 핵심 발견점 3가지를 쓴다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%
파레토 표에서 A등급 부품과 상위 20% 비중을 확인해 핵심 발견점 3가지를 쓴다. 실행 결과 및 검증 로그
파레토 표에서 A등급 부품과 상위 20% 비중을 확인해 핵심 발견점 3가지를 쓴다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline 탐지율 25.3%, 정밀도 90.3%, 고부하일 오경보율 28.6% 유의 피처 9개, EDA 차트 8종, 상위 20% 품목(구동 기어 세트)이 소모 비용의 46%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
TH의 rms 임계값을 1.25에서 1.0으로 낮춰 탐지율과 고부하일 오경보율이 어떻게 변하는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
오토인코더 기반 미세 진동·온도 변화 감지 예지정비(PdM) 모델을 고도화하고, 파생 피처로 잔존수명 기준 모델을 만든다.
", "objectives": "정상 자료만으로 오토인코더(MLP)를 학습해 재구성 오차를 이상 점수로 쓰고 2일 연속 초과 시 경보를 켠다. 임계값 Baseline과 탐지율, 오경보율, 미세 변화 구간 탐지율을 비교한다. 부하·외기 보정 잔차, 이동 평균, 일 변화량 등 파생 피처 10개 이상으로 RUL 모델을 만들어 개체 단위 시계열 교차검증으로 MAPE를 평가하고 순열 중요도로 피처를 줄인다.
", "scenario": "오토인코더 기반 미세 진동 변화 감지 예지정비(PdM) 모델을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 오토인코더 기반 미세 진동·온도 변화 감지 예지정비(PdM) 모델을 고도화하고, 파생 피처로 잔존수명 기준 모델을 만든다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 정상 자료만으로 오토인코더(MLP)를 학습해 재구성 오차를 이상 점수로 쓰고 2일 연속 초과 시 경보를 켠다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 5개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/features/mnt04_feature_engineering.py 및 기준 모델 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/features/mnt04_feature_engineering.py (필수)", "기준 모델 (필수)" ], "evaluationKeys": [ "[오토인코더(Autoencoder)/LSTM 기반 미세 진동 변화 감지 예지정비(PdM) 모델 고도화] 요구된 핵심 성능 기준(파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성)을 완벽히 달성하였는가?
파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성 기준을 충족하고 피처 파이프라인 및 베이스라인 모델 성능 지표 도출을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
피처 중요도(Feature Importance) 분석을 통한 차원 축소을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 실무에서 납득 가능한 피처 설계의 논리성 관점의 타당성이 확보되었는가?
군수 실무에서 납득 가능한 피처 설계의 논리성이 논리적으로 검증되었으며 교차 검증(Time-series Cross Validation)을 통한 과적합 방지를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 실무에서 납득 가능한 피처 설계의 논리성
정량 기준: 파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성
진행 기준: 피처 파이프라인 및 베이스라인 모델 성능 지표 도출
검증 방법: 교차 검증(Time-series Cross Validation)을 통한 과적합 방지
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M4 코드를 실행해 파생 피처 목록과 오토인코더·Baseline 비교(탐지율·오경보율·확보...", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M4 코드를 실행해 파생 피처 목록과 오토인코더·Baseline 비교(탐지율·오경보율·확보 시간)를 확인한다.
M4 코드를 실행해 파생 피처 목록과 오토인코더·Baseline 비교(탐지율·오경보율·확보 시간)를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하)
M4 코드를 실행해 파생 피처 목록과 오토인코더·Baseline 비교(탐지율·오경보율·확보 시간)를 확인한다. 실행 결과 및 검증 로그
M4 코드를 실행해 파생 피처 목록과 오토인코더·Baseline 비교(탐지율·오경보율·확보 시간)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
미세 변화 구간(열화
미세 변화 구간(열화에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하)
미세 변화 구간(열화 실행 결과 및 검증 로그
미세 변화 구간(열화 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
1~0.3) 탐지율 차이를 확인하고 이유를 설명한다.
1~0.3) 탐지율 차이를 확인하고 이유를 설명한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하)
1~0.3) 탐지율 차이를 확인하고 이유를 설명한다. 실행 결과 및 검증 로그
1~0.3) 탐지율 차이를 확인하고 이유를 설명한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
교차검증 폴드별 MAPE, 피처 중요도, 차원 축소 결과를 정리한다.
교차검증 폴드별 MAPE, 피처 중요도, 차원 축소 결과를 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하)
교차검증 폴드별 MAPE, 피처 중요도, 차원 축소 결과를 정리한다. 실행 결과 및 검증 로그
교차검증 폴드별 MAPE, 피처 중요도, 차원 축소 결과를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(오토인코더 탐지율 79.2%·오경보율 0.0%(Baseline 22.7%·1.7%), 미세 구간 2.0% -> 32.4% 파생 피처 14개, 교차검증 평균 MAPE 22.7%(목표 25% 이하))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
AE 클래스의 q(정상 분위수)를 0.99에서 0.95로 낮춰 탐지율과 오경보율이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
부품 고장 임박 시점(RUL)을 예측하는 앙상블 모델과 상태 이상 신뢰도 점수 엔진을 개발한다.
", "objectives": "그래디언트 부스팅, 랜덤 포레스트, 릿지를 평균하는 앙상블을 하이퍼파라미터 탐색으로 만들어 RMS와 온도만 쓰는 선형 기준 모델과 Hold-out 검증 개체에서 MAE, RMSE, R2를 비교한다. 오토인코더 이상 점수와 모델 간 의견 일치도를 결합한 신뢰도 점수를 구간별 실제 열화 비율로 점검하고, 점검 카드로 정비 계획 수립 권고 또는 추가 관찰을 출력한다.
", "scenario": "부품 고장 임박 시점(RUL) 예측 및 상태 이상 신뢰도 점수 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 부품 고장 임박 시점(RUL)을 예측하는 앙상블 모델과 상태 이상 신뢰도 점수 엔진을 개발한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 그래디언트 부스팅, 랜덤 포레스트, 릿지를 평균하는 앙상블을 하이퍼파라미터 탐색으로 만들어 RMS와 온도만 쓰는 선형 기준 모델과 Hold-out 검증 개체에서 MAE, RMSE, R2를 비교 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/models/mnt04_advanced_model.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/models/mnt04_advanced_model.py (필수)" ], "evaluationKeys": [ "[부품 고장 임박 시점(RUL) 예측 및 상태 기반 이상 신뢰도 점수 엔진 개발] 요구된 핵심 성능 기준(기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상)을 완벽히 달성하였는가?
기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상 기준을 충족하고 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
앙상블(Ensemble) 기법 적용을 통한 일반화 성능 강화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성 관점의 타당성이 확보되었는가?
비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성이 논리적으로 검증되었으며 Hold-out 테스트 데이터셋 대상 최종 성능 평가를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성
정량 기준: 기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상
진행 기준: 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장
검증 방법: Hold-out 테스트 데이터셋 대상 최종 성능 평가
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M5 코드를 실행해 기준 모델, 단일 모델 3종, 앙상블의 MAE·RMSE·R2를 비교한다...", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M5 코드를 실행해 기준 모델, 단일 모델 3종, 앙상블의 MAE·RMSE·R2를 비교한다.
M5 코드를 실행해 기준 모델, 단일 모델 3종, 앙상블의 MAE·RMSE·R2를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1
M5 코드를 실행해 기준 모델, 단일 모델 3종, 앙상블의 MAE·RMSE·R2를 비교한다. 실행 결과 및 검증 로그
M5 코드를 실행해 기준 모델, 단일 모델 3종, 앙상블의 MAE·RMSE·R2를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
열화 단계별(30일 이내·30~90일·90일 이상) 오차 표를 읽고 어느 구간이 어려운지 설명한다.
열화 단계별(30일 이내·30~90일·90일 이상) 오차 표를 읽고 어느 구간이 어려운지 설명한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1
열화 단계별(30일 이내·30~90일·90일 이상) 오차 표를 읽고 어느 구간이 어려운지 설명한다. 실행 결과 및 검증 로그
열화 단계별(30일 이내·30~90일·90일 이상) 오차 표를 읽고 어느 구간이 어려운지 설명한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
신뢰도 구간별 실제 열화 비율 표와 점검 카드 3건을 확인한다.
신뢰도 구간별 실제 열화 비율 표와 점검 카드 3건을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1
신뢰도 구간별 실제 열화 비율 표와 점검 카드 3건을 확인한다. 실행 결과 및 검증 로그
신뢰도 구간별 실제 열화 비율 표와 점검 카드 3건을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 76.0%, RMSE 70.9% 개선(목표 20% 이상), R2 0.909(목표 0.85 이상) 신뢰도 ECE 0.065, 선택 하이퍼파라미터 GBR depth=4, ridge alpha=1)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
하이퍼파라미터 탐색 목록의 ridge alpha (1, 10)에 100을 추가해 선택값과 검증 MAE가 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
장비 센서 상태를 개체별로 모니터링해 결함 경보를 띄우는 정비병용 화면을 구성하고, 경보 건마다 기여도 상위 3개 인자와 자연어 요약을 자동 산출하는 설명가능성(XAI) 모듈을 구현한다.
", "objectives": "오토인코더 재구성 오차를 입력 인자별로 나누어 경보 건마다 상위 3개 인자를 뽑고, 1순위 인자를 정상값으로 되돌렸을 때 점수가 내려가는지로 근거 유효성을 점검한다. 1순위 인자에서 의심 부품(베어링, 기어, 오일 펌프, 냉각 팬 모터)을 추정해 점검 카드와 운용 상태표(정상·주의·경보)를 출력한다. 요약 문장은 근거를 자연어로 풀어 쓴다.
", "scenario": "장비 센서 상태 실시간 모니터링 및 결함 경보 대시보드를 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 장비 센서 상태를 개체별로 모니터링해 결함 경보를 띄우는 정비병용 화면을 구성하고, 경보 건마다 기여도 상위 3개 인자와 자연어 요약을 자동 산출하는 설명가능성(XAI) 모듈을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 오토인코더 재구성 오차를 입력 인자별로 나누어 경보 건마다 상위 3개 인자를 뽑고, 1순위 인자를 정상값으로 되돌렸을 때 점수가 내려가는지로 근거 유효성을 점검 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/explainability/mnt04_xai_explainer.py 및 XAI 리포트 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/explainability/mnt04_xai_explainer.py (필수)", "XAI 리포트 (필수)" ], "evaluationKeys": [ "[장비 센서 상태 실시간 모니터링 및 결함 징후 경보 대시보드 구현] 요구된 핵심 성능 기준(주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%)을 완벽히 달성하였는가?
주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100% 기준을 충족하고 SHAP summary plot 및 waterfall plot 생성 파이프라인 완성을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
자연어 기반 요약 텍스트(예: '리드타임 증가 원인은 해외 조달 지연') 자동 생성을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성 관점의 타당성이 확보되었는가?
군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성이 논리적으로 검증되었으며 실무자 대상 설명 근거 유용성 평가 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성
정량 기준: 주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%
진행 기준: SHAP summary plot 및 waterfall plot 생성 파이프라인 완성
검증 방법: 실무자 대상 설명 근거 유용성 평가 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M6 코드를 실행해 상위 3개 인자 산출률과 근거 유효성을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M6 코드를 실행해 상위 3개 인자 산출률과 근거 유효성을 확인한다.
M6 코드를 실행해 상위 3개 인자 산출률과 근거 유효성을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대
M6 코드를 실행해 상위 3개 인자 산출률과 근거 유효성을 확인한다. 실행 결과 및 검증 로그
M6 코드를 실행해 상위 3개 인자 산출률과 근거 유효성을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
점검 카드 4건(베어링·기어·오일 펌프·냉각 팬 모터)에서 근거와 의심 부품이 맞는지 확인한다.
점검 카드 4건(베어링·기어·오일 펌프·냉각 팬 모터)에서 근거와 의심 부품이 맞는지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대
점검 카드 4건(베어링·기어·오일 펌프·냉각 팬 모터)에서 근거와 의심 부품이 맞는지 확인한다. 실행 결과 및 검증 로그
점검 카드 4건(베어링·기어·오일 펌프·냉각 팬 모터)에서 근거와 의심 부품이 맞는지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
운용 상태표의 정상·주의·경보 대수를 읽고 경보 화면의 정렬 기준을 정한다.
운용 상태표의 정상·주의·경보 대수를 읽고 경보 화면의 정렬 기준을 정한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대
운용 상태표의 정상·주의·경보 대수를 읽고 경보 화면의 정렬 기준을 정한다. 실행 결과 및 검증 로그
운용 상태표의 정상·주의·경보 대수를 읽고 경보 화면의 정렬 기준을 정한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 1,327건 모두 상위 3개 인자 산출(산출률 100%), 근거 유효성 98.9% 의심 부품 정확도 99.3%, 기준일 상태표 경보 11대)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
경보 판정의 연속 일수 k를 2에서 1로 바꿔 경보 건수가 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서 경보 시 예방 정비 조기 입고를 제안하되 항공/기갑 검사관이 승인해야 확정되는 HITL 승인 모듈을 설계하고 효과를 시뮬레이션으로 검증한다.
", "objectives": "경보와 RUL 예측으로 입고일을 제안하고 승인 대기열에 올려 검사관의 승인·반려·무응답(기본 계획인 정기 교체 유지)을 사유와 함께 해시 체인 감사 로그로 남긴다. 정기 교체 대비 비용(부품, 점검, 사후 고장, 남은 수명 낭비) 절감률을 계산하고, 승인 후 입고 지연과 가동 강도 급증(전시 전환 가정)에 대한 민감도를 분석한다.
", "scenario": "예방 정비 조기 입고 결정을 위한 검사관 HITL 승인 모듈을 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서 경보 시 예방 정비 조기 입고를 제안하되 항공/기갑 검사관이 승인해야 확정되는 HITL 승인 모듈을 설계하고 효과를 시뮬레이션으로 검증한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 경보와 RUL 예측으로 입고일을 제안하고 승인 대기열에 올려 검사관의 승인·반려·무응답(기본 계획인 정기 교체 유지)을 사유와 함께 해시 체인 감사 로그로 남긴다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/optimization/mnt04_simulator.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/optimization/mnt04_simulator.py (필수)" ], "evaluationKeys": [ "[예방 정비 조기 입고 결정을 위한 항공/기갑 검사관 HITL 승인 모듈 설계] 요구된 핵심 성능 기준(최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상)을 완벽히 달성하였는가?
최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상 기준을 충족하고 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
돌발 수요(전시 전환 등) 대비 민감도(Sensitivity) 분석 모듈 추가을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성 관점의 타당성이 확보되었는가?
현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성이 논리적으로 검증되었으며 과거 실적 데이터 대비 최적화 결과 비교 백테스팅를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성
정량 기준: 최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상
진행 기준: 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료
검증 방법: 과거 실적 데이터 대비 최적화 결과 비교 백테스팅
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M7 코드를 실행해 정기 교체, 검사관 승인 방식, 전부 적용(비교용)의 비용을 비교한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M7 코드를 실행해 정기 교체, 검사관 승인 방식, 전부 적용(비교용)의 비용을 비교한다.
M7 코드를 실행해 정기 교체, 검사관 승인 방식, 전부 적용(비교용)의 비용을 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지
M7 코드를 실행해 정기 교체, 검사관 승인 방식, 전부 적용(비교용)의 비용을 비교한다. 실행 결과 및 검증 로그
M7 코드를 실행해 정기 교체, 검사관 승인 방식, 전부 적용(비교용)의 비용을 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
감사 로그 무결성 검사와 변조 탐지, 반려 사유 예를 확인한다.
감사 로그 무결성 검사와 변조 탐지, 반려 사유 예를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지
감사 로그 무결성 검사와 변조 탐지, 반려 사유 예를 확인한다. 실행 결과 및 검증 로그
감사 로그 무결성 검사와 변조 탐지, 반려 사유 예를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
승인 후 입고 지연과 가동 강도 급증 민감도 표를 읽고 대안(승인 기한, 대기 정비 슬롯)을 정리한다.
승인 후 입고 지연과 가동 강도 급증 민감도 표를 읽고 대안(승인 기한, 대기 정비 슬롯)을 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지
승인 후 입고 지연과 가동 강도 급증 민감도 표를 읽고 대안(승인 기한, 대기 정비 슬롯)을 정리한다. 실행 결과 및 검증 로그
승인 후 입고 지연과 가동 강도 급증 민감도 표를 읽고 대안(승인 기한, 대기 정비 슬롯)을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(비용 절감률 15.3%(목표 15% 이상), 승인 126·반려 7·무응답 11건, 자동 승인 0건 결정 로깅률 100%, 변조는 seq 5에서 탐지)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
PERIOD(정기 교체 주기)를 90에서 110으로 바꿔 절감률이 어떻게 달라지는지 확인하고 이유를 설명한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
장시간 기동 센서 데이터를 대용량 스트림으로 주입해 처리 시간, 경보 정확도, 불량 패킷 격리를 확인하는 스트레스 시험을 수행한다.
", "objectives": "가상 센서 측정 1,000건에 결측 패킷, 센서 고정, 포화, 범위 이탈을 섞어 한꺼번에 주입하고 정상 처리·격리·유실 건수와 처리 시간을 센다. 정상 구간과 열화가 뚜렷한 구간을 기준으로 경보 정확도, 재현율, 정밀도를 계산하고 상태 화면 구성 시간을 잰다. 1,000~100,000건으로 규모를 늘려 처리량과 운용 기준을 정리한다.
", "scenario": "장시간 기동 센서 데이터 대용량 스트림 주입 스트레스 테스트를 수행한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 장시간 기동 센서 데이터를 대용량 스트림으로 주입해 처리 시간, 경보 정확도, 불량 패킷 격리를 확인하는 스트레스 시험을 수행한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 가상 센서 측정 1,000건에 결측 패킷, 센서 고정, 포화, 범위 이탈을 섞어 한꺼번에 주입하고 정상 처리·격리·유실 건수와 처리 시간을 센다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/dashboard/mnt04_app.py (Streamlit/Dash 등) 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/dashboard/mnt04_app.py (Streamlit/Dash 등) (필수)" ], "evaluationKeys": [ "[장시간 비행/기동 센서 데이터 대용량 스트림 주입 스트레스 테스트] 요구된 핵심 성능 기준(대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상)을 완벽히 달성하였는가?
대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상 기준을 충족하고 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
보고서 자동 출력(PDF/Excel Export) 기능 탑재을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX) 관점의 타당성이 확보되었는가?
의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)이 논리적으로 검증되었으며 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)
정량 기준: 대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상
진행 기준: 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증
검증 방법: 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M8 코드를 실행해 1,000건 주입 결과(정상·격리·유실, 처리 시간)를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M8 코드를 실행해 1,000건 주입 결과(정상·격리·유실, 처리 시간)를 확인한다.
M8 코드를 실행해 1,000건 주입 결과(정상·격리·유실, 처리 시간)를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내
M8 코드를 실행해 1,000건 주입 결과(정상·격리·유실, 처리 시간)를 확인한다. 실행 결과 및 검증 로그
M8 코드를 실행해 1,000건 주입 결과(정상·격리·유실, 처리 시간)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
경보 정확도·재현율·정밀도와 회색 구간(열화 초기) 처리 방식을 확인한다.
경보 정확도·재현율·정밀도와 회색 구간(열화 초기) 처리 방식을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내
경보 정확도·재현율·정밀도와 회색 구간(열화 초기) 처리 방식을 확인한다. 실행 결과 및 검증 로그
경보 정확도·재현율·정밀도와 회색 구간(열화 초기) 처리 방식을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
규모별 처리량 표와 운용 기준(격리율 20% 초과 시 센서 점검, 축소 모드)을 정리한다.
규모별 처리량 표와 운용 기준(격리율 20% 초과 시 센서 점검, 축소 모드)을 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내
규모별 처리량 표와 운용 기준(격리율 20% 초과 시 센서 점검, 축소 모드)을 정리한다. 실행 결과 및 검증 로그
규모별 처리량 표와 운용 기준(격리율 20% 초과 시 센서 점검, 축소 모드)을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(1,000건 정상 945·격리 55·유실 0, 처리 0.1초 이내(목표 2초 이내) 경보 정확도 98.0%(목표 95% 이상), 상태 화면 구성 0.03초, 100,000건 처리 수 초 이내)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
make_stream의 bad_rate를 0.06에서 0.25로 높여 격리 건수와 운용 기준(격리율 20%) 적용 여부를 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
AAR 기반으로 예지정비 오경보를 원인별로 분석하고 이상 감지 임계 파라미터를 재보정해 효과를 지표로 산출한다.
", "objectives": "AAR 기간 오경보를 고부하 운용일, 외기 급변, 센서 스파이크, 열화 초기 경계 등으로 분류하고, 정상 분위수·연속 일수·고부하일 임계 완화를 AAR 기간 자료만으로 격자 탐색해 재보정한다. 이후 검증 기간 개체에서 오경보와 고장 전 확보 시간을 비교하고, 비용 절감, 불필요 점검 시간 단축, 확보 시간 변화의 3대 정량 효과 지표를 가정 단가로 계산하며 도입 로드맵을 정리한다.
", "scenario": "AAR 기반 예지정비 오경보를 분석하고 임계 파라미터를 재보정한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, AAR 기반으로 예지정비 오경보를 원인별로 분석하고 이상 감지 임계 파라미터를 재보정해 효과를 지표로 산출한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 AAR 기간 오경보를 고부하 운용일, 외기 급변, 센서 스파이크, 열화 초기 경계 등으로 분류하고, 정상 분위수·연속 일수·고부하일 임계 완화를 AAR 기간 자료만으로 격자 탐색해 재보정 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: reports/mnt04_roi_analysis.md 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "reports/mnt04_roi_analysis.md (필수)" ], "evaluationKeys": [ "[AAR 기반 예지정비 오경보 분석 및 이상 감지 임계 파라미터 재보정] 요구된 핵심 성능 기준(비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출)을 완벽히 달성하였는가?
비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출 기준을 충족하고 ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
단기/중기/장기 단계별 도입 효과 로드맵 구체화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력 관점의 타당성이 확보되었는가?
추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력이 논리적으로 검증되었으며 회계/기획 기준 모델과의 비교 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력
정량 기준: 비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출
진행 기준: ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록
검증 방법: 회계/기획 기준 모델과의 비교 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M9 코드를 실행해 AAR 기간 오경보 건수와 원인 분류 비율을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M9 코드를 실행해 AAR 기간 오경보 건수와 원인 분류 비율을 확인한다.
M9 코드를 실행해 AAR 기간 오경보 건수와 원인 분류 비율을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일
M9 코드를 실행해 AAR 기간 오경보 건수와 원인 분류 비율을 확인한다. 실행 결과 및 검증 로그
M9 코드를 실행해 AAR 기간 오경보 건수와 원인 분류 비율을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
재보정 전후의 AAR 기간·검증 기간 오경보와 고장 전 확보 시간을 비교표로 정리한다.
재보정 전후의 AAR 기간·검증 기간 오경보와 고장 전 확보 시간을 비교표로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일
재보정 전후의 AAR 기간·검증 기간 오경보와 고장 전 확보 시간을 비교표로 정리한다. 실행 결과 및 검증 로그
재보정 전후의 AAR 기간·검증 기간 오경보와 고장 전 확보 시간을 비교표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
3대 정량 효과 지표와 도입 로드맵을 ROI 보고서에 옮긴다.
3대 정량 효과 지표와 도입 로드맵을 ROI 보고서에 옮긴다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일
3대 정량 효과 지표와 도입 로드맵을 ROI 보고서에 옮긴다. 실행 결과 및 검증 로그
3대 정량 효과 지표와 도입 로드맵을 ROI 보고서에 옮긴다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(AAR 기간 오경보 9건(고부하 운용일 22%) -> 재보정 후 4건, 검증 기간 16 -> 10건, 미탐 0대 유지 비용 10.9% 절감, 불필요 점검 37.5% 단축, 확보 시간 60 -> 57일)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
LATE_COST를 0.15에서 0.5로 올려 재보정 파라미터가 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
센서 검증부터 이상 감지, RUL 예측, 승인 대기 입고 제안, 수리부속 소요 예고, 재학습까지 한 파일로 통합하고 자체 점검과 브리핑 요약을 출력하는 도구를 완성한다.
", "objectives": "지난달·이번 달 실적으로 챔피언 모델과 도전자 모델을 학습해 검증 F1을 비교하고 비슷하거나 나을 때만 교체한다. 운용 측정의 손상 건은 격리하고, 재보정 임계로 경보를 내며, 경보 개체의 입고 제안을 승인 대기로 두고 의심 부품별 소요를 예고한다. 모델 장애 시 정기 주기 기준 대체 동작을 시험하고, 자체 점검 항목, 운영 문서 7개 장 완비 여부, 정비 담당 장교 브리핑 요약을 출력한다.
", "scenario": "항공/기갑 장비 예지정비(PdM) 센서 데이터 이상 징후 감지 시스템을 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 센서 검증부터 이상 감지, RUL 예측, 승인 대기 입고 제안, 수리부속 소요 예고, 재학습까지 한 파일로 통합하고 자체 점검과 브리핑 요약을 출력하는 도구를 완성한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 지난달·이번 달 실적으로 챔피언 모델과 도전자 모델을 학습해 검증 F1을 비교하고 비슷하거나 나을 때만 교체 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: docs/mnt04_operations_guide.md 및 pipeline/mnt04_retrain.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "장비정비·수리부속", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "docs/mnt04_operations_guide.md (필수)", "pipeline/mnt04_retrain.py (필수)" ], "evaluationKeys": [ "[항공/기갑 장비 예지정비(PdM) 센서 데이터 이상 징후 감지 시스템 통합 완성] 요구된 핵심 성능 기준(자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비)을 완벽히 달성하였는가?
자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비 기준을 충족하고 최종 인도물 검수 및 프로젝트 완료 발표자료 완성을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
차기 국방군수통합정보체계(DELIIS 등) 연계 인터페이스 가이드 수록을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성 관점의 타당성이 확보되었는가?
지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성이 논리적으로 검증되었으며 End-to-End 전체 파이프라인 자동화 실행 및 최종 검수를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성
정량 기준: 자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비
진행 기준: 최종 인도물 검수 및 프로젝트 완료 발표자료 완성
검증 방법: End-to-End 전체 파이프라인 자동화 실행 및 최종 검수
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M10 코드를 실행해 재학습 결과(챔피언·도전자 F1, 교체 여부)를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M10 코드를 실행해 재학습 결과(챔피언·도전자 F1, 교체 여부)를 확인한다.
M10 코드를 실행해 재학습 결과(챔피언·도전자 F1, 교체 여부)를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
M10 코드를 실행해 재학습 결과(챔피언·도전자 F1, 교체 여부)를 확인한다. 실행 결과 및 검증 로그
M10 코드를 실행해 재학습 결과(챔피언·도전자 F1, 교체 여부)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
자체 점검 통과 수와 운영 문서 작성률, 모델 장애 시 대체 동작을 확인한다.
자체 점검 통과 수와 운영 문서 작성률, 모델 장애 시 대체 동작을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
자체 점검 통과 수와 운영 문서 작성률, 모델 장애 시 대체 동작을 확인한다. 실행 결과 및 검증 로그
자체 점검 통과 수와 운영 문서 작성률, 모델 장애 시 대체 동작을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
출력된 브리핑 요약으로 5분 분량 정비 담당 장교 브리핑 자료를 만든다.
출력된 브리핑 요약으로 5분 분량 정비 담당 장교 브리핑 자료를 만든다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
출력된 브리핑 요약으로 5분 분량 정비 담당 장교 브리핑 자료를 만든다. 실행 결과 및 검증 로그
출력된 브리핑 요약으로 5분 분량 정비 담당 장교 브리핑 자료를 만든다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
CONFIG의 retrain_tolerance를 0.02에서 0.05로 올려 도전자 교체 여부가 바뀌는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.