pbl02/scenario_md/MNT03-장비정비·수리부속_고장분석-고장률 분석을 통한 다빈도 고장품목 식별/MNT03-장비정비·수리부속_고장분석-고장률 분석을 통한 다빈도 고장품목 식별.md

고장률 분석을 통한 다빈도 고장품목 식별

난 이 도 고급

프로젝트 목표

야전 정비 현장에서는 어떤 부품이 자주 고장 나는지 정확히 알아야 수리부속을 먼저 확보하고 예방정비 주기를 조정할 수 있지만, 차량 전자제어장치(ECU)가 남기는 고장 진단 코드(DTC)는 한 번에 여러 개가 겹쳐 기록되고 부품 간 공유 코드도 있어 첫 번째 코드만 보면 원인 부품을 자주 놓친다. 본 프로젝트는 고장·정비 이력을 연결하고 가동시간 대비 고장률을 계산해 다빈도 고장품목을 식별하는 데이터분석 기본기를 익히는 것을 목표로, 교육용 가상 차량 100대의 18개월 DTC·정비 이력을 코드로 만들어 분석한다. 데이터 스키마 정의, 로그 정제, 단일 코드 Baseline과 파레토·상관 분석, 연관 규칙 기반 근본 원인 예측, 정비 조치 추천과 신뢰도 점수, 설명가능성과 정비병용 진단 화면, 숙련 정비관 2차 진단(HITL) 시뮬레이터, 1,000건 동시 주입 부하 시험, AAR 룰 재튜닝과 효과 산출, 재학습을 포함한 통합 도구까지 단계별로 구현한다. 최종 목표는 다빈도 고장품목을 근거와 함께 식별해 수리부속 확보와 예방정비 우선순위를 정하되, 복합 고장의 최종 판단은 숙련 정비관이 내리도록 지원하는 것이다.

유의사항	모든 차량·DTC·정비 이력·부품 단가는 코드 안에서 만든 교육용 가상 자료이며 실제 부대명, 장비 제원, 정비 실적, 실제 고장 진단 코드 체계는 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 진단·조치 추천은 정비 판단 보조 정보이며 복합 고장과 신뢰도가 낮은 건의 최종 확정은 숙련 정비관이 하고, 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.

1단계. DTC·정비 데이터 정의 및 로그 정제

미션 1. 전차/장갑차 전자제어장치(ECU) 고장 진단 코드(DTC) 및 정비 매뉴얼 데이터셋 정의 [초급 · 1.5시간]	미션 1. 전차/장갑차 전자제어장치(ECU) 고장 진단 코드(DTC) 및 정비 매뉴얼 데이터셋 정의 [초급 · 1.5시간]
목표	전차/장갑차 계열 가상 차량의 ECU 고장 진단 코드(DTC) 발생 로그, 정비 이력, 정비 매뉴얼 데이터셋의 스키마와 데이터 딕셔너리, 고장률 분석 업무 프로세스 맵을 정의한다.
수행	DTC 발생부터 정비 이력 연결, 고장률 집계, 다빈도 품목 식별, 사후검토까지 업무 흐름을 단계별로 정리하고, DTC 로그·정비 건·차량·예측 대상 묶음으로 피처 20개 이상을 정의한다. 예측 대상(근본 원인 부품, 월간 고장 건수, 오진단 여부)을 명확히 하고, 장비·부품 식별코드는 국방 표준 코드 형식을 모사한 가상 코드로 둔다. 가상 데이터에서 표본을 추출해 검증기로 점검하고, 오류를 일부러 넣어 검출되는지 확인한다.
산출물	docs/mnt03_logistics_domain_spec.md, 데이터 딕셔너리
평가	[필수] 도메인·데이터 정의 — 업무 프로세스 맵 작성 완료, 피처 20개 이상 정의, 정상 표본 검증 오류 0건, 군수 실무 프로세스와 일치하고 분석 목표가 명확한가.

미션 2. DTC 시계열 발생 로그 정제, 동시 발생 코드 정규화 전처리 모듈 구현 [초급~중급 · 2시간]	미션 2. DTC 시계열 발생 로그 정제, 동시 발생 코드 정규화 전처리 모듈 구현 [초급~중급 · 2시간]
목표	DTC 시계열 발생 로그를 정제하고 같은 정비 건에서 동시 발생한 코드를 정규화하는 전처리 모듈을 구현한다.
수행	중복 행 제거, 차량 ID·DTC 코드·시각 표기 통일, 가동시간 단위 통일, 음수 가동시간 결측 처리, 미등록 차량·미정의 코드 격리, KNN 결측 보정, 동시 발생 코드의 정비 건 묶음·정렬 등 정제 규칙 10종을 적용한다. 긴급·비계획 정비처럼 이상값으로 보여도 군수 예외인 기록은 지우지 않고 표시만 한다. 정제 전후 기술통계와 정합성 검증 결과를 비교한다.
산출물	src/etl/mnt03_data_cleansing.py, 정제 품질 보고서
평가	[필수] DTC 로그 정제 — 정제 규칙 10종 적용, 정합성 검증 통과율 100%, 비계획·긴급 정비 예외가 보존되고 정제 전후 통계 변화가 설명되었는가.

2단계. 단일 코드 Baseline 분석 및 연관 규칙 기반 원인 예측

미션 3. 단일 고장 코드 기반 1차 고장 부품 매핑 Baseline 알고리즘 구현 [중급 · 2.5시간]	미션 3. 단일 고장 코드 기반 1차 고장 부품 매핑 Baseline 알고리즘 구현 [중급 · 2.5시간]
목표	단일 고장 코드 기반 1차 고장 부품 매핑 Baseline(첫 기록 코드와 가장 자주 함께 나온 부품)을 구현하고, 탐색적 분석으로 다빈도 고장품목과 고장 증가 요인을 찾는다.
수행	학습 기간 이력으로 코드와 부품의 대응표를 만들어 검증 기간의 부품 정확도를 측정하고, 공유·증상 코드처럼 모호한 코드가 첫 기록일 때 정확도가 떨어지는지 확인한다. 부품별 1000가동시간당 고장률, 파레토(ABC) 등급, 차량별 정비 건수와 피처의 상관계수·p-value를 계산하고 EDA 차트 8종 이상을 그린다. 상위 20% 품목이 전체 고장에서 차지하는 비중으로 핵심 관리 대상을 식별한다.
산출물	notebooks/mnt03_eda_analysis.ipynb, EDA 요약 리포트
평가	[필수] Baseline 및 EDA — EDA 시각화 차트 8종 이상, 유의한 상관 피처 5개 이상(p<0.05), 파레토 상위 20% 품목 식별, 핵심 발견점이 정비 의사결정에 직관적인가.

미션 4. 연관 규칙 마이닝(Apriori/FP-Growth) 기반 다중 DTC 동시 발생 시 근본 원인 예측 모델 고도화 [중급 · 3시간]	미션 4. 연관 규칙 마이닝(Apriori/FP-Growth) 기반 다중 DTC 동시 발생 시 근본 원인 예측 모델 고도화 [중급 · 3시간]
목표	연관 규칙 마이닝(Apriori)으로 다중 DTC 동시 발생 시 근본 원인 부품을 예측하는 모델을 고도화하고, 월간 고장 건수 기준 모델의 파생 피처를 설계한다.
수행	동시 발생 DTC 세트와 근본 원인 부품을 항목으로 보고 최소 지지도 미만을 가지치기하며 빈발 항목집합과 연관 규칙(신뢰도·향상도)을 구한다. 규칙 기반 예측을 단일 코드 Baseline과 비교하고, 지연값·기대 고장 수·계절 요인 등 파생 피처 10개 이상으로 월간 고장 건수 모델을 만든다. 시계열 교차검증(과거로만 학습)으로 MAPE를 평가하고 피처 중요도로 차원을 줄인다.
산출물	src/features/mnt03_feature_engineering.py, 기준 모델
평가	[선택] 연관 규칙·파생 피처 — 파생 피처 10개 이상, 기준 모델 MAPE 25% 이하, 시계열 교차검증 적용, 피처 설계가 정비 실무에서 납득 가능한가.

3단계. 정비 조치 추천 엔진 및 설명가능한 진단 화면

미션 5. DTC 기반 정비 조치 가이드라인 및 추천 신뢰도 점수 산출 엔진 개발 [중급~고급 · 3.5시간]	미션 5. DTC 기반 정비 조치 가이드라인 및 추천 신뢰도 점수 산출 엔진 개발 [중급~고급 · 3.5시간]
목표	DTC 입력으로 정비 조치 가이드라인과 추천 신뢰도 점수를 산출하는 엔진을 개발하고 기준 모델 대비 개선을 확인한다.
수행	코드 유형별 가중치를 둔 고장 부품 확률 모델로 상위 3개 후보와 신뢰도를 내고, 후보별 정비 조치 절차를 진단 카드로 출력한다. 신뢰도 구간별 실제 정확도(보정 오차)를 점검하고 신뢰도가 낮은 건은 숙련 정비관 확인을 권고한다. 월간 고장 건수 예측은 앙상블(릿지+그래디언트 부스팅)과 하이퍼파라미터 탐색으로 전월값 기준 모델과 Hold-out 비교한다.
산출물	src/models/mnt03_advanced_model.py
평가	[필수] 추천 엔진·고도화 모델 — 기준 모델 대비 MAE/RMSE 20% 이상 개선, R2 0.85 이상, 불규칙한 월별 변동에도 예측이 안정적인가.

미션 6. 정비병용 모바일/웹 고장 코드 진단 및 정비 조치 절차 대시보드 구현 [중급~고급 · 3시간]	미션 6. 정비병용 모바일/웹 고장 코드 진단 및 정비 조치 절차 대시보드 구현 [중급~고급 · 3시간]
목표	정비병용 고장 코드 진단 화면(진단 카드와 웹 대시보드 구성)을 구현하고, 예측마다 기여도 상위 3개 인자와 자연어 요약을 자동 산출하는 설명가능성(XAI) 모듈을 만든다.
수행	모델의 입력 인자별 기여도를 계산해 건마다 상위 3개 근거를 뽑고, 인자를 평균값으로 되돌렸을 때 예측 확률이 낮아지는지로 근거 유효성을 점검한다. 모바일 진단 카드(진단·신뢰도·근거·조치 절차·요약 문장)와 최근 달 경보·다빈도 진단 부품을 보여주는 웹 대시보드 구성을 출력한다. 요약 문장은 근거를 자연어로 풀어 쓴다.
산출물	src/explainability/mnt03_xai_explainer.py, XAI 리포트
평가	[선택] 설명가능성·진단 화면 — 주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%, 정비관이 신뢰하고 조치할 수 있도록 근거와 조치 절차가 명확한가.

4단계. 정비관 2차 진단(HITL) 및 1,000건 부하 시험

미션 7. 복합 고장 의심 시 숙련 정비관 2차 정밀 진단(HITL) 워크플로우 설계 [고급 · 3.5시간]	미션 7. 복합 고장 의심 시 숙련 정비관 2차 정밀 진단(HITL) 워크플로우 설계 [고급 · 3.5시간]
목표	복합 고장이 의심될 때 숙련 정비관 2차 정밀 진단(HITL) 워크플로우를 시뮬레이션으로 설계하고 오진단 비용 절감 효과를 검증한다.
수행	신뢰도가 기준 미만이거나 3개 계통 이상 DTC가 겹친 건을 정비관 대기열에 올리고, 엔진 안을 자동 확정하지 않은 채 정비관의 확정·정정·무응답(엔진 안 유지, 재확인 표시)을 사유와 함께 해시 체인 감사 로그로 남긴다. 엔진 단독 확정 대비 오진단 비용 절감률을 계산하고, 신뢰도 기준과 정비관 월 수용량, 고장 급증 상황에 대한 민감도를 분석한다.
산출물	src/optimization/mnt03_simulator.py
평가	[필수] 정비관 2차 진단(HITL) — 엔진 단독 확정 대비 오진단 비용 15% 이상 절감, 자동 확정 0건, 결정 로깅률 100%, 수용량 등 현실 제약과 시나리오별 대안이 적절한가.

미션 8. 1,000건 동시 다발 고장 코드 주입 시 연관 고장 추론 부하 테스트 [고급 · 3시간]	미션 8. 1,000건 동시 다발 고장 코드 주입 시 연관 고장 추론 부하 테스트 [고급 · 3시간]
목표	1,000건의 DTC 진단 요청을 동시에 주입해 연관 고장 추론의 처리 시간과 경보 정확도를 확인하는 부하 테스트를 수행한다.
수행	가상 진단 요청 1,000건에 표기 오류, 빈 요청, 미정의 코드, 미등록 차량, 중복 코드 같은 오류를 섞어 일괄 처리하고, 정상 처리·격리 건수와 유실 여부를 센다. 처리 시간(대시보드 로딩에 해당)과 계통 경보의 정확도·재현율·정밀도를 목표와 비교하고, 단건 반복 호출 방식과 일괄 처리 방식의 시간을 비교한다. 요청 수를 100~5,000건으로 늘려 처리량 변화를 확인한다.
산출물	src/dashboard/mnt03_app.py(Streamlit/Dash 구성은 부하 시험 결과로 대체), 부하 시험 결과표
평가	[선택] 동시 다발 부하 시험 — 1,000건 처리와 화면 구성 시간 2초 이내, 경보 발령 정확도 95% 이상, 오류 요청 유실 0건과 격리 사유 분류가 되었는가.

5단계. AAR 룰 재튜닝 및 통합 도구 완성

미션 9. AAR 기반 연관 고장 오진단 사례 분석 및 고장 룰베이스 재튜닝 [고급 · 3시간]	미션 9. AAR 기반 연관 고장 오진단 사례 분석 및 고장 룰베이스 재튜닝 [고급 · 3시간]
목표	AAR 기간의 연관 고장 오진단 사례를 원인별로 분석하고 고장 룰베이스(코드 유형 가중치·예외 규칙)를 재튜닝해 효과를 지표로 산출한다.
수행	AAR 기간 오진단 건을 모호 코드 입력, 연쇄 고장 코드 오인, 복수 고유 코드 충돌 등으로 분류하고 대표 사례를 정리한다. 코드 유형 가중치와 사전확률 보정, AAR 예외 규칙을 AAR 기간에서 튜닝하고, 이후 검증 기간에서 정확도와 비용지수 변화를 확인한다. 비용 절감, 재작업 시간 단축, 헛교체 부품 비용 감소의 3대 정량 효과 지표를 가정 단가로 계산하고 단기·중기·장기 도입 로드맵을 정리한다.
산출물	reports/mnt03_roi_analysis.md
평가	[필수] AAR·룰 재튜닝 — 비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출, 검증 기간 성능 개선, 추정 산식이 객관적이고 기획 부서를 설득할 수 있는가.

미션 10. 무기체계 고장 코드(DTC) 기반 연관 고장 예측 및 정비 가이드 도구 완성 [최고급 · 3.5시간]	미션 10. 무기체계 고장 코드(DTC) 기반 연관 고장 예측 및 정비 가이드 도구 완성 [최고급 · 3.5시간]
목표	DTC 입력부터 연관 고장 예측, 정비 가이드, 승인 대상 선별, 재학습까지 한 파일로 통합하고 자체 점검과 브리핑 요약을 출력하는 도구를 완성한다.
수행	월별 정비 실적으로 진단 모델을 학습하고, 신규 실적으로 도전자 모델을 만들어 챔피언과 검증 오차를 비교한 뒤 비슷하거나 나을 때만 교체한다. 운용 요청의 손상 건은 수동 확인으로 분리하고 모델 장애 시 규칙 기반 대체 동작을 시험한다. 자체 점검 항목, 운영 문서 7개 장 완비 여부, 다빈도 품목 고장률과 예비 수리부속 우선 확보 건의가 담긴 정비 담당 장교 브리핑 요약을 출력한다.
산출물	docs/mnt03_operations_guide.md, pipeline/mnt03_retrain.py
평가	[필수] 통합 도구 완성 — 자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비, 자체 점검 전 항목 통과, 군수 정보체계 연동 인터페이스 방안이 있어 지속 운영이 가능한가.

최종 판정

판정 기준 : 모든 필수 항목([필수])에서 PASS를 받아야 최종 PASS로 인정한다.

최종 판정 결과 : ( PASS / FAIL )

평가 의견 : (필수 항목 중 하나라도 FAIL인 경우 사유를 기재한다.)