장비 수리부속은 생산 중단(단종)이나 단종 예고가 나오면 조달 리드타임이 길어지고 공급업체가 줄어, 수요를 미리 알지 못하면 결품으로 장비가 정비 대기 상태에 머물게 된다. 따라서 단종 위험에 대응하려면 먼저 품목별 수요를 정확히 예측하고, 그 예측에 리드타임·공급업체 수·대체품 유무를 결합해 결품 위험을 측정해야 한다. 본 프로젝트는 교육용 가상 야전 정비창의 수리부속 청구/출고 이력과 장비 가동률 자료를 코드로 만들어, 데이터 스키마 정의, NSN 정제와 계절성 분리, 이동평균·지수평활 Baseline, 머신러닝 수요 예측, 안전재고와 결품(단종) 위험 지수, 긴급 조달 대시보드와 설명가능성, 정비장교 발주 승인 워크플로우, 수요 300% 폭증 부하 시험, AAR 기반 안전재고 재보정을 단계별로 구현한다. 최종 목표는 수요 예측과 단종 위험 분석을 하나로 묶어 단종예고 품목의 최종 구매·대체품 전환과 일반 발주를 근거와 함께 제안하고, 발주량은 정비장교가 확인해 확정하는 통합 패키지를 완성하는 것이다.
", "deliverables": [ "docs/mnt02_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)", "src/etl/mnt02_data_cleansing.py (필수)", "정제 품질 보고서 (필수)", "notebooks/mnt02_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 품목·NSN·단가·재고·공급업체 정보는 코드 안에서 만든 교육용 가상 자료이며 실제 부대 보유량, 조달 계약, 업체 정보, 장비 제원은 사용하지 않는다. NSN·FSC는 국방 표준 군수 코드 형식만 모사한 가상 번호다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 발주량, 최종 구매, 대체품 전환은 모두 정비장교 승인 후 집행하며 대체품은 호환성 검증을 거친다. 비용·시간 효과는 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": "MNT02_M01", "sequence": 1, "title": "야전 정비창 수리부속 청구/출고 이력 및 장비 가동률 데이터셋 스키마 정의", "durationHours": 1.5, "overview": "야전 정비창 수리부속 청구/출고 이력, 품목·공급망(단종 상태 포함), 장비 가동률 자료의 스키마와 업무 프로세스 맵, 데이터 딕셔너리를 정의한다.
", "objectives": "정비 소요 발생부터 청구, 재고 확인·불출, 조달 요청, 단종 위험 검토, 가동률 집계까지 업무 흐름을 단계별로 정리한다. 청구/불출·품목/공급망·가동률 세 묶음으로 필드 20개 이상을 정의하고 NSN·FSC·NIIN은 국방 표준 군수 코드 형식을 모사한 가상 번호로 둔다. 가상 샘플을 검증기로 점검하고 형식·범위·허용값·누락·논리 오류를 넣어 검출되는지 확인한다.
", "scenario": "야전 정비창 수리부속 청구/출고 이력 및 장비 가동률 데이터 스키마를 정의한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 야전 정비창 수리부속 청구/출고 이력, 품목·공급망(단종 상태 포함), 장비 가동률 자료의 스키마와 업무 프로세스 맵, 데이터 딕셔너리를 정의한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 정비 소요 발생부터 청구, 재고 확인·불출, 조달 요청, 단종 위험 검토, 가동률 집계까지 업무 흐름을 단계별로 정리하고 규격화하는 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/mnt02_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/mnt02_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)" ], "evaluationKeys": [ "[야전 정비창 수리부속 청구/출고 이력 및 장비 가동률 데이터셋 스키마 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 업무 프로세스 맵과 데이터 딕셔너리(청구/불출·품목/공급망·가동률)를 ...", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M1 코드를 실행해 업무 프로세스 맵과 데이터 딕셔너리(청구/불출·품목/공급망·가동률)를 확인한다.
M1 코드를 실행해 업무 프로세스 맵과 데이터 딕셔너리(청구/불출·품목/공급망·가동률)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.
필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 모두 검출
M1 코드를 실행해 업무 프로세스 맵과 데이터 딕셔너리(청구/불출·품목/공급망·가동률)를 확인한다. 실행 결과 및 검증 로그
M1 코드를 실행해 업무 프로세스 맵과 데이터 딕셔너리(청구/불출·품목/공급망·가동률)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 모두 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·누락·허용값·논리)에 걸렸는지 표로 정리한다.
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·누락·허용값·논리)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.
필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 모두 검출
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·누락·허용값·논리)에 걸렸는지 표로 정리한다. 실행 결과 및 검증 로그
오류 주입 결과에서 각 오류가 어떤 규칙(형식·범위·누락·허용값·논리)에 걸렸는지 표로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 모두 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
단종 위험 분석에 쓰일 필드(prod_status, lead_time_m, supplier_count, alt_available)의 역할을 정리한다.
단종 위험 분석에 쓰일 필드(prod_status, lead_time_m, supplier_count, alt_available)의 역할을 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 모두 검출
단종 위험 분석에 쓰일 필드(prod_status, lead_time_m, supplier_count, alt_available)의 역할을 정리한다. 실행 결과 및 검증 로그
단종 위험 분석에 쓰일 필드(prod_status, lead_time_m, supplier_count, alt_available)의 역할을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(필드 24개(목표 20개 이상), 정상 샘플 20건 오류 0건 주입 오류 6건(형식·최소값·누락·허용값·최대값·NSN 논리 불일치) 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.
품목/공급망 묶음에 '단종 공지 일자(eol_notice_date, YYYY-MM)' 필드를 추가하고 형식이 틀린 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.
청구 기록의 결측치 보정, 계절성 수요 분리, 품목코드(NSN) 정제를 수행하는 전처리 모듈을 구현한다.
", "objectives": "중복 청구 제거, NSN 형식 정규화와 미등록 NSN 격리, 날짜·단위 통일, 음수·과다 수량 보정 등 정제 규칙 10종 이상을 적용하고 긴급 불출은 이상치로 지우지 않는다. 전산 장애로 빠진 월은 계절성 보간으로 채우고 단순 선형 보간과 오차를 비교한다. 정제 전후 기술통계와 품목군별 계절지수를 제시한다.
", "scenario": "결측치 보정, 계절성 수요 분리 및 부품코드(NSN) 정제 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 청구 기록의 결측치 보정, 계절성 수요 분리, 품목코드(NSN) 정제를 수행하는 전처리 모듈을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 중복 청구 제거, NSN 형식 정규화와 미등록 NSN 격리, 날짜·단위 통일, 음수·과다 수량 보정 등 정제 규칙 10종 이상을 적용하고 긴급 불출은 이상치로 지우지 않는다 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/etl/mnt02_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/mnt02_data_cleansing.py (필수)", "정제 품질 보고서 (필수)" ], "evaluationKeys": [ "[결측치 보정, 계절성 수요 분리 및 수리부속 품목코드(NSN) 정제 전처리 모듈 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 11종의 처리 건수를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M2 코드를 실행해 정제 규칙 11종의 처리 건수를 확인한다.
M2 코드를 실행해 정제 규칙 11종의 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.
정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개
M2 코드를 실행해 정제 규칙 11종의 처리 건수를 확인한다. 실행 결과 및 검증 로그
M2 코드를 실행해 정제 규칙 11종의 처리 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
계절성 보간과 단순 선형 보간의 결측 월 보간 오차를 비교한다.
계절성 보간과 단순 선형 보간의 결측 월 보간 오차를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개
계절성 보간과 단순 선형 보간의 결측 월 보간 오차를 비교한다. 실행 결과 및 검증 로그
계절성 보간과 단순 선형 보간의 결측 월 보간 오차를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
정제 전후 기술통계와 축전지 품목의 월별 계절지수를 해석한다.
정제 전후 기술통계와 축전지 품목의 월별 계절지수를 해석한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개
정제 전후 기술통계와 축전지 품목의 월별 계절지수를 해석한다. 실행 결과 및 검증 로그
정제 전후 기술통계와 축전지 품목의 월별 계절지수를 해석한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 11종 적용, 정합성 검증 10/10 통과(100%) 결측 월 보간 MAE: 계절성 5.72개 < 선형 7.86개)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.
R8 단위 환산에서 상자 배수(x10)를 x12로 바꿔 정제 후 평균 청구 수량과 정합성 검증 결과가 어떻게 바뀌는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
이동평균과 지수평활법으로 1차 부품 소요량 예측 Baseline을 만들고 탐색적 분석으로 수요 요인과 핵심 관리 품목을 찾는다.
", "objectives": "3·6개월 이동평균, 단순 지수평활, 작년 같은 달 방식의 MAE·WAPE·MAPE를 평가 구간 6개월에서 비교한다. 운용시간·훈련 월·가동률 등과 수요의 상관계수·p-value를 검정하고 EDA 차트 8종을 만든다. ABC(파레토) 분석으로 상위 20% 품목을 식별하고 그중 단종·단종예고 품목을 표시한다.
", "scenario": "이동평균 기반 1차 부품 소요량 예측 Baseline 알고리즘을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 이동평균과 지수평활법으로 1차 부품 소요량 예측 Baseline을 만들고 탐색적 분석으로 수요 요인과 핵심 관리 품목을 찾는다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 3·6개월 이동평균, 단순 지수평활, 작년 같은 달 방식의 MAE·WAPE·MAPE를 평가 구간 6개월에서 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: notebooks/mnt02_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/mnt02_eda_analysis.ipynb (필수)", "EDA 요약 리포트 (필수)" ], "evaluationKeys": [ "[이동평균 및 지수평활법 기반 1차 부품 소요량 예측 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 MA3·MA6·SES·작년 같은 달 Baseline의 오차를 비교한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M3 코드를 실행해 MA3·MA6·SES·작년 같은 달 Baseline의 오차를 비교한다.
M3 코드를 실행해 MA3·MA6·SES·작년 같은 달 Baseline의 오차를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
Baseline MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개
M3 코드를 실행해 MA3·MA6·SES·작년 같은 달 Baseline의 오차를 비교한다. 실행 결과 및 검증 로그
M3 코드를 실행해 MA3·MA6·SES·작년 같은 달 Baseline의 오차를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
상관 검정표에서 유의미한 피처와 그렇지 않은 피처를 구분한다.
상관 검정표에서 유의미한 피처와 그렇지 않은 피처를 구분한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
Baseline MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개
상관 검정표에서 유의미한 피처와 그렇지 않은 피처를 구분한다. 실행 결과 및 검증 로그
상관 검정표에서 유의미한 피처와 그렇지 않은 피처를 구분한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
ABC 분석 상위 20% 품목 중 단종·단종예고 품목을 확인한다.
ABC 분석 상위 20% 품목 중 단종·단종예고 품목을 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 MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개
ABC 분석 상위 20% 품목 중 단종·단종예고 품목을 확인한다. 실행 결과 및 검증 로그
ABC 분석 상위 20% 품목 중 단종·단종예고 품목을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(Baseline MAPE: MA3 32.7%, SES 28.9%, 작년 같은 달 22.8% 유의한 피처 6개(목표 5개 이상), 상위 20% 중 단종 위험 품목 4개)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.
SES 평활 계수 후보 [0.1, 0.2, 0.3, 0.5]를 0.6 하나로 고정해 다시 실행하고 오차 변화와 이유를 쓴다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
시계열 머신러닝으로 결전 대비 야전 부품 수요 예측 모델을 고도화한다(Prophet/LSTM은 실행 환경 제약으로 포아송 그래디언트 부스팅으로 대체).
", "objectives": "지연값·이동평균·변동성·계절지수·훈련 계획·운용시간 등 예측 시점 이전 정보로 파생 피처 10개 이상을 만든다. 확장 창 시계열 교차검증으로 MAPE를 확인하고 순열 중요도로 차원 축소 후보를 고른다. 작전 템포 1.5배 시나리오에서 다음 달 수요 증가가 큰 품목과 그 생산 상태를 확인한다.
", "scenario": "시계열 머신러닝 기반 결전 대비 야전 부품 수요 예측 모델을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 시계열 머신러닝으로 결전 대비 야전 부품 수요 예측 모델을 고도화한다(Prophet/LSTM은 실행 환경 제약으로 포아송 그래디언트 부스팅으로 대체). 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 지연값·이동평균·변동성·계절지수·훈련 계획·운용시간 등 예측 시점 이전 정보로 파생 피처 10개 이상 작성하여 원인을 분석하는 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/mnt02_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/mnt02_feature_engineering.py (필수)", "기준 모델 (필수)" ], "evaluationKeys": [ "[시계열 머신러닝(Prophet/LSTM) 기반 결전 대비 야전 부품 수요 예측 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 15개와 시계열 교차검증 결과를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M4 코드를 실행해 파생 피처 15개와 시계열 교차검증 결과를 확인한다.
M4 코드를 실행해 파생 피처 15개와 시계열 교차검증 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개
M4 코드를 실행해 파생 피처 15개와 시계열 교차검증 결과를 확인한다. 실행 결과 및 검증 로그
M4 코드를 실행해 파생 피처 15개와 시계열 교차검증 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
피처 중요도 상위 6개와 차원 축소 후보를 기록한다.
피처 중요도 상위 6개와 차원 축소 후보를 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개
피처 중요도 상위 6개와 차원 축소 후보를 기록한다. 실행 결과 및 검증 로그
피처 중요도 상위 6개와 차원 축소 후보를 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
작전 템포
작전 템포에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개
작전 템포 실행 결과 및 검증 로그
작전 템포 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
5배 시나리오에서 수요 증가 상위 품목의 생산 상태를 확인한다.
5배 시나리오에서 수요 증가 상위 품목의 생산 상태를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개
5배 시나리오에서 수요 증가 상위 품목의 생산 상태를 확인한다. 실행 결과 및 검증 로그
5배 시나리오에서 수요 증가 상위 품목의 생산 상태를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평균 MAPE: ML 22.3% / MA3 31.5%(목표 25% 이하) 작전 템포 1.5배 시 전체 수요 946개 -> 1210개)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.
차원 축소 후보(ma6, trend_t, lag2)를 FEATS에서 빼고 다시 실행해 MAPE 변화를 비교한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
앙상블 수요 예측으로 품목별 적정 안전재고·재주문점을 산출하고 단종 위험을 반영한 결품 위험 지수(Stockout Risk) 엔진을 개발한다.
", "objectives": "포아송 그래디언트 부스팅과 랜덤포레스트를 앙상블하고 가중치는 학습 기간 안의 검증 구간으로 고른다. Hold-out 6개월에서 기준 모델(MA3) 대비 MAE/RMSE 개선율과 R2를 계산한다. 예측 오차로 서비스 수준 95% 안전재고와 재주문점을 구하고, 리드타임 동안의 결품 확률에 단종 상태·단일 공급업체·대체품 부재를 결합해 위험 지수와 등급을 산출한다.
", "scenario": "적정 안전재고량 산출 및 결품 위험 지수 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 앙상블 수요 예측으로 품목별 적정 안전재고·재주문점을 산출하고 단종 위험을 반영한 결품 위험 지수(Stockout Risk) 엔진을 개발한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 포아송 그래디언트 부스팅과 랜덤포레스트를 앙상블하고 가중치는 학습 기간 안의 검증 구간으로 고른다 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/models/mnt02_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/mnt02_advanced_model.py (필수)" ], "evaluationKeys": [ "[적정 안전재고량 산출 및 결품 위험 지수(Stockout Risk) 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 Hold-out 성능표(MA3·단일 모델·앙상블)를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M5 코드를 실행해 Hold-out 성능표(MA3·단일 모델·앙상블)를 확인한다.
M5 코드를 실행해 Hold-out 성능표(MA3·단일 모델·앙상블)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.
MAE 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개
M5 코드를 실행해 Hold-out 성능표(MA3·단일 모델·앙상블)를 확인한다. 실행 결과 및 검증 로그
M5 코드를 실행해 Hold-out 성능표(MA3·단일 모델·앙상블)를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
안전재고·재주문점 계산식과 위험 지수 구성(결품 확률·단종 상태·공급업체·대체품)을 정리한다.
안전재고·재주문점 계산식과 위험 지수 구성(결품 확률·단종 상태·공급업체·대체품)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.
MAE 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개
안전재고·재주문점 계산식과 위험 지수 구성(결품 확률·단종 상태·공급업체·대체품)을 정리한다. 실행 결과 및 검증 로그
안전재고·재주문점 계산식과 위험 지수 구성(결품 확률·단종 상태·공급업체·대체품)을 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
위험 지수 상위 8개 품목의 생산 상태와 리드타임을 확인한다.
위험 지수 상위 8개 품목의 생산 상태와 리드타임을 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 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개
위험 지수 상위 8개 품목의 생산 상태와 리드타임을 확인한다. 실행 결과 및 검증 로그
위험 지수 상위 8개 품목의 생산 상태와 리드타임을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(MAE 38.1%, RMSE 45.6% 개선(목표 20% 이상), R2 0.952 위험 등급: 경보 13개, 주의 2개, 관찰 25개)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.
_inv의 STATUS_W에서 단종예고 가중치를 0.5에서 0.8로 바꿔 경보 품목 수가 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
야전 부품 재고 현황과 긴급 조달 필요 품목을 보여 주는 대시보드를 만들고 품목별 위험 원인을 설명한다.
", "objectives": "가용재고와 재주문점, 품목군·생산 상태별 위험 지수, 긴급 조달 필요 품목을 그림으로 표시한다. 리드타임·수요 증가·재고 부족·예측 불확실성·단종 상태·단일 공급업체·대체품 부재를 하나씩 기준값으로 바꿔 위험 지수 변화를 계산하고 기여도 상위 3개 인자를 뽑는다. '주된 원인은 조달 리드타임이 길다'처럼 자연어 설명문을 자동 생성한다.
", "scenario": "야전 부품 재고 현황 및 긴급 조달 필요 품목 대시보드를 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 야전 부품 재고 현황과 긴급 조달 필요 품목을 보여 주는 대시보드를 만들고 품목별 위험 원인을 설명한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 가용재고와 재주문점, 품목군·생산 상태별 위험 지수, 긴급 조달 필요 품목을 그림으로 표시 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/mnt02_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/mnt02_xai_explainer.py (필수)", "XAI 리포트 (필수)" ], "evaluationKeys": [ "[야전 부품 재고 현황 및 긴급 조달 필요 품목 가시화 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 자동 산출률과 긴급 조달 품목 설명문을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M6 코드를 실행해 상위 3개 인자 자동 산출률과 긴급 조달 품목 설명문을 확인한다.
M6 코드를 실행해 상위 3개 인자 자동 산출률과 긴급 조달 품목 설명문을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7
M6 코드를 실행해 상위 3개 인자 자동 산출률과 긴급 조달 품목 설명문을 확인한다. 실행 결과 및 검증 로그
M6 코드를 실행해 상위 3개 인자 자동 산출률과 긴급 조달 품목 설명문을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
요인별 평균 기여도와 생산 상태별 평균 위험 지수를 비교한다.
요인별 평균 기여도와 생산 상태별 평균 위험 지수를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7
요인별 평균 기여도와 생산 상태별 평균 위험 지수를 비교한다. 실행 결과 및 검증 로그
요인별 평균 기여도와 생산 상태별 평균 위험 지수를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
대시보드 그림(재고 대 재주문점, 품목군x상태 위험, 품목 기여도)을 보고 조달 우선순위를 토의한다.
대시보드 그림(재고 대 재주문점, 품목군x상태 위험, 품목 기여도)을 보고 조달 우선순위를 토의한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7
대시보드 그림(재고 대 재주문점, 품목군x상태 위험, 품목 기여도)을 보고 조달 우선순위를 토의한다. 실행 결과 및 검증 로그
대시보드 그림(재고 대 재주문점, 품목군x상태 위험, 품목 기여도)을 보고 조달 우선순위를 토의한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(상위 3개 인자 자동 산출률 100%(40개 품목) 긴급 조달 13개, 평균 위험: 단종 92.0, 단종예고 84.5, 생산중 13.7)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.
긴급 조달 기준(위험 60 이상)을 70 이상으로 바꿔 긴급 품목 목록과 설명이 어떻게 바뀌는지 비교한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
예측 기반 발주 정책과 단종 대체품 전환의 효과를 백테스트로 검증하고, 발주량을 정비장교가 최종 확정하는 HITL 승인·조정 워크플로우를 설계한다.
", "objectives": "12개월 재고 백테스트로 현행(최근 평균+고정 여유) 정책, 예측 정책, 예측+단종 대체품 전환을 보관비·발주비·결품손실·충족률·회전율로 비교하고 효과를 분해한다. 서비스 수준과 돌발 수요(1.5배) 민감도를 본다. 다음 달 발주량은 예산 제약 선형계획으로 추천하고, 정비장교가 승인·조정·반려·보류를 사유와 함께 남기며 해시 체인 감사 로그로 변조를 검출한다.
", "scenario": "부품 발주량 최종 확정을 위한 정비장교 HITL 승인 워크플로우를 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 예측 기반 발주 정책과 단종 대체품 전환의 효과를 백테스트로 검증하고, 발주량을 정비장교가 최종 확정하는 HITL 승인·조정 워크플로우를 설계한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 12개월 재고 백테스트로 현행(최근 평균+고정 여유) 정책, 예측 정책, 예측+단종 대체품 전환을 보관비·발주비·결품손실·충족률·회전율로 비교하고 효과를 분해 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/optimization/mnt02_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/mnt02_simulator.py (필수)" ], "evaluationKeys": [ "[부품 발주량 최종 확정을 위한 정비장교 HITL 승인/조정 워크플로우 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 3개 정책의 12개월 비용·충족률·회전율을 비교한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M7 코드를 실행해 3개 정책의 12개월 비용·충족률·회전율을 비교한다.
M7 코드를 실행해 3개 정책의 12개월 비용·충족률·회전율을 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공
M7 코드를 실행해 3개 정책의 12개월 비용·충족률·회전율을 비교한다. 실행 결과 및 검증 로그
M7 코드를 실행해 3개 정책의 12개월 비용·충족률·회전율을 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
효과 분해(예측 정책 효과와 단종 대체품 전환 효과)와 민감도 결과를 정리한다.
효과 분해(예측 정책 효과와 단종 대체품 전환 효과)와 민감도 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.
총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공
효과 분해(예측 정책 효과와 단종 대체품 전환 효과)와 민감도 결과를 정리한다. 실행 결과 및 검증 로그
효과 분해(예측 정책 효과와 단종 대체품 전환 효과)와 민감도 결과를 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
발주 추천 LP 결과와 정비장교 결재(승인·조정·보류), 감사 로그 변조 검출을 확인한다.
발주 추천 LP 결과와 정비장교 결재(승인·조정·보류), 감사 로그 변조 검출을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공
발주 추천 LP 결과와 정비장교 결재(승인·조정·보류), 감사 로그 변조 검출을 확인한다. 실행 결과 및 검증 로그
발주 추천 LP 결과와 정비장교 결재(승인·조정·보류), 감사 로그 변조 검출을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(총비용 337.6 -> 129.8백만(61.5% 절감), 생산중·단종예고 품목만 13.0% 절감 자동 확정 0건, 결재 사유 기록률 100%, 변조 검출 성공)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.
BUDGET 비율을 0.6에서 0.4로 낮춰 LP 추천 건수와 고위험 품목의 충족 정도가 어떻게 바뀌는지 기록한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
전시 작전 템포 증가로 부품 수요가 평시의 300%로 폭증하는 상황을 모의해 결품 경보와 대시보드의 성능을 부하 시험한다.
", "objectives": "품목군별 실제 증가 배수가 다른 3개월 폭증 상황을 반복 모의하고, 평시 예측·모델 직접 예측·작전 템포 계수 보정·월별 실적 반영 방식의 경보 정확도와 결품 탐지율을 비교한다. 트리 모델이 학습 범위 밖 수요를 외삽하지 못하는 한계를 확인한다. 품목 수 50배 부하에서 대시보드 갱신 시간을 측정한다.
", "scenario": "전시 부품 수요 300% 폭증 시뮬레이션 부하 테스트를 수행한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 전시 작전 템포 증가로 부품 수요가 평시의 300%로 폭증하는 상황을 모의해 결품 경보와 대시보드의 성능을 부하 시험한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 품목군별 실제 증가 배수가 다른 3개월 폭증 상황을 반복 모의하고, 평시 예측·모델 직접 예측·작전 템포 계수 보정·월별 실적 반영 방식의 경보 정확도와 결품 탐지율을 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/dashboard/mnt02_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/mnt02_app.py (Streamlit/Dash 등) (필수)" ], "evaluationKeys": [ "[전시 작전 템포 증가 모의 부품 수요 300% 폭증 시뮬레이션 부하 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 폭증 시 모델 직접 예측과 템포 계수 보정 예측의 합계를 비교한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M8 코드를 실행해 폭증 시 모델 직접 예측과 템포 계수 보정 예측의 합계를 비교한다.
M8 코드를 실행해 폭증 시 모델 직접 예측과 템포 계수 보정 예측의 합계를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초)
M8 코드를 실행해 폭증 시 모델 직접 예측과 템포 계수 보정 예측의 합계를 비교한다. 실행 결과 및 검증 로그
M8 코드를 실행해 폭증 시 모델 직접 예측과 템포 계수 보정 예측의 합계를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
예측 방식 4가지의 경보 정확도·결품 탐지율을 비교하고 미달 원인(경계 구간)을 확인한다.
예측 방식 4가지의 경보 정확도·결품 탐지율을 비교하고 미달 원인(경계 구간)을 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 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초)
예측 방식 4가지의 경보 정확도·결품 탐지율을 비교하고 미달 원인(경계 구간)을 확인한다. 실행 결과 및 검증 로그
예측 방식 4가지의 경보 정확도·결품 탐지율을 비교하고 미달 원인(경계 구간)을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
품목 2,000개 부하 시험의 대시보드 갱신 시간을 기록한다.
품목 2,000개 부하 시험의 대시보드 갱신 시간을 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
경보 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초)
품목 2,000개 부하 시험의 대시보드 갱신 시간을 기록한다. 실행 결과 및 검증 로그
품목 2,000개 부하 시험의 대시보드 갱신 시간을 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(경보 정확도 93.8%(목표 95% 미달), 경계 구간 제외 시 99.6% 결품 탐지율 98.4%, 품목 2,000개 갱신 0.1초 이내(목표 2초))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.
GROUP_MULT의 배수 차이를 더 크게(예: battery 2.0, power_train 4.0) 바꿔 월별 실적 반영 방식의 효과가 커지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
AAR 관점에서 과다·과소 재고와 수요 예측 오차를 분석하고 안전재고 파라미터를 재보정해 도입 효과를 산출한다.
", "objectives": "앞 6개월 운영 결과를 품목군·ABC 등급·생산 상태별 예측 편향, 과다 재고, 결품 품목으로 분석해 원인을 찾는다. ABC 등급별 안전재고 계수(z)와 품목군별 편향 보정값을 앞 6개월로 정하고 뒤 6개월에서 검증한다. 총비용, 정비 대기시간, 재고 회전율 3대 효과 지표와 단가 민감도, 단기·중기·장기 로드맵을 정리한다.
", "scenario": "AAR 기반 부품 수요 예측 오차를 분석하고 안전재고 파라미터를 재보정한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, AAR 관점에서 과다·과소 재고와 수요 예측 오차를 분석하고 안전재고 파라미터를 재보정해 도입 효과를 산출한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 앞 6개월 운영 결과를 품목군·ABC 등급·생산 상태별 예측 편향, 과다 재고, 결품 품목으로 분석해 원인을 찾는다 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: reports/mnt02_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/mnt02_roi_analysis.md (필수)" ], "evaluationKeys": [ "[AAR 기반 부품 과다/과소 재고 예측 오차 분석 및 안전재고 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 품목군별 예측 편향과 과다·결품 품목을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M9 코드를 실행해 품목군별 예측 편향과 과다·결품 품목을 확인한다.
M9 코드를 실행해 품목군별 예측 편향과 과다·결품 품목을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상
M9 코드를 실행해 품목군별 예측 편향과 과다·결품 품목을 확인한다. 실행 결과 및 검증 로그
M9 코드를 실행해 품목군별 예측 편향과 과다·결품 품목을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
앞 6개월로 정한 ABC별 z와 편향 보정값을 뒤 6개월에서 검증한다.
앞 6개월로 정한 ABC별 z와 편향 보정값을 뒤 6개월에서 검증한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상
앞 6개월로 정한 ABC별 z와 편향 보정값을 뒤 6개월에서 검증한다. 실행 결과 및 검증 로그
앞 6개월로 정한 ABC별 z와 편향 보정값을 뒤 6개월에서 검증한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
3대 효과 지표, 민감도, 도입 로드맵을 효과 분석서로 정리한다.
3대 효과 지표, 민감도, 도입 로드맵을 효과 분석서로 정리한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상
3대 효과 지표, 민감도, 도입 로드맵을 효과 분석서로 정리한다. 실행 결과 및 검증 로그
3대 효과 지표, 민감도, 도입 로드맵을 효과 분석서로 정리한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(재보정 z: A 0.84, B 0.84, C 1.28 / 6개월 총비용 117.7 -> 55.3백만(53.0%) 정비 대기시간 89.3% 단축, 재고 회전율 1.2% 향상)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.
코드 안 SHORT_MULT(결품 1개 손실 배수)를 0.6에서 1.2로 키워 ABC별 재보정 z와 정비 대기시간이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
수요 예측, 재학습, 안전재고·위험 지수, 단종 대응, 발주 추천과 결재 대기열을 한 번에 실행하는 통합 패키지를 완성한다.
", "objectives": "자료 생성·정합성 점검, 운영 모델과 재학습 모델 비교 후 교체 판단, 다음 달 예측과 위험 지수 산출을 한 흐름으로 실행한다. 단종예고 품목은 최종 구매(LTB) 수량을, 단종 품목은 대체품 보유 여부를 정리하고 생산중 품목은 예산 제약 발주를 추천해 결재 대기열에 올린다. 운영 가이드 10개 장과 가상 연계 메시지 규격, 자체 점검표, 브리핑 요약을 출력한다.
", "scenario": "AI 기반 야전 정비 부품 수요 예측 및 재고 최적화 시스템 패키지를 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 수요 예측, 재학습, 안전재고·위험 지수, 단종 대응, 발주 추천과 결재 대기열을 한 번에 실행하는 통합 패키지를 완성한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 자료 생성·정합성 점검, 운영 모델과 재학습 모델 비교 후 교체 판단, 다음 달 예측과 위험 지수 산출을 한 흐름으로 실행 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/mnt02_operations_guide.md 및 pipeline/mnt02_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/mnt02_operations_guide.md (필수)", "pipeline/mnt02_retrain.py (필수)" ], "evaluationKeys": [ "[AI 기반 야전 정비 부품 수요예측 및 재고최적화 시스템 통합 패키지 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 [1]~[7] 단계 결과를 순서대로 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M10 코드를 실행해 [1]~[7] 단계 결과를 순서대로 확인한다.
M10 코드를 실행해 [1]~[7] 단계 결과를 순서대로 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 [1]~[7] 단계 결과를 순서대로 확인한다. 실행 결과 및 검증 로그
M10 코드를 실행해 [1]~[7] 단계 결과를 순서대로 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
재학습 모델 비교 결과와 교체 판단, 단종예고 최종 구매 수량 계산 방법을 기록한다.
재학습 모델 비교 결과와 교체 판단, 단종예고 최종 구매 수량 계산 방법을 기록한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
재학습 모델 비교 결과와 교체 판단, 단종예고 최종 구매 수량 계산 방법을 기록한다. 실행 결과 및 검증 로그
재학습 모델 비교 결과와 교체 판단, 단종예고 최종 구매 수량 계산 방법을 기록한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
자체 점검표와 브리핑 요약 수치가 위 단계 결과와 일치하는지 대조한다.
자체 점검표와 브리핑 요약 수치가 위 단계 결과와 일치하는지 대조한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
자체 점검표와 브리핑 요약 수치가 위 단계 결과와 일치하는지 대조한다. 실행 결과 및 검증 로그
자체 점검표와 브리핑 요약 수치가 위 단계 결과와 일치하는지 대조한다. 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.
LTB_MONTHS를 24에서 12로 바꿔 최종 구매 수량과 결재 대기열이 어떻게 달라지는지 브리핑 요약으로 작성한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.