pbl02/scenario_md/MNT10-장비정비·수리부속_정비인력-AI 기반 정비인력 부하율 예측·공정균형/MNT10_실습가이드.md

MNT10 실습가이드 - AI 기반 정비인력 부하율 예측·공정균형

구 분 실습가이드 [교육용가상자료]

1. 실습 개요

본 실습은 교육용 가상 지역의 긴급 정비 요청과 이동정비반 자료로 정비인력 부하율 예측·공정 균형 분석과 출동 우선순위 도구를 미션 단위로 구현하는 과정이다. 미션마다 정답 코드(MNT10_정답코드.md)의 해당 코드를 웹 파이썬 실행기에 붙여 넣어 실행하고, 출력된 수치가 평가 기준을 충족하는지 확인한 뒤 파라미터를 바꿔 보는 도전 과제를 수행한다. 미션별 코드는 서로 독립적이어서 어느 미션부터 실행해도 동작한다.

과제	MNT10 AI 기반 정비인력 부하율 예측·공정균형

난이도·유형	고급 / 데이터분석형

예상 소요시간	미션 10개, 총 28.5시간

준비물	MNT10_정답코드.md, 웹 파이썬 실행기(numpy·pandas·scipy·scikit-learn·matplotlib 사용 가능), 결과 기록용 문서

2. 진행 방법

• 정답코드 md에서 해당 미션의 코드 블록 전체를 복사해 실행기에 붙여 넣고 실행한다(부분 복사 시 요청 생성·모의 함수가 빠져 오류가 난다).

• 실행 결과를 md의 '실행 결과 예시'와 비교한다. 난수 시드가 고정되어 같은 값이 나오지만, 처리 시간(초·ms)은 실행 환경에 따라 달라진다.

• 도전 과제는 코드 상단의 파라미터(가중치 W, 경보 기준시간, 승인 지연, 가상 단가 등)를 바꿔 다시 실행하고 변화와 이유를 기록한다.

• 그래프 글자는 영문, 표·출력은 한글이다. 한글이 깨지면 실행기 글꼴 문제이며 결과에는 영향이 없다.

• 실제 부대 위치·장비·정비 실적은 입력하지 않는다. 출동 순서 변경과 재배치는 정비대대장 승인 사항이며, 금액은 가정 단가에 따른 상대 비교값이다.

3. 미션 진행 요약

미션	난이도·시간	핵심 확인 결과
M1. 야전 긴급 정비 요청(고장 위치, 장비 중요도, 고장 유형) 데이터셋 스키마 정의	초급
1.5시간	피처 24개(목표 20개 이상), 정상 샘플 20건 오류 0건
M2. 이동정비반 보유 장비/공구 및 출동 가능 상태 정보 전처리 모듈 구현	초급~중급
2시간	정합성 검증 10/10 통과(통과율 100%)
M3. 거리 기준 1차 이동정비반 배정 Baseline 알고리즘 구현	중급
2.5시간	Baseline 핵심장비 평균 도착 3.13h, MT5 평균 부하율 1.36
M4. 장비 작전 중요도, 정비 소요 시간, 이동 경로를 종합한 최적 출동 우선순위 추천 엔진 고도화	중급
3시간	파생 피처 18개, 평균 MAPE 12.5%(목표 25% 이하)
M5. 출동 지연 위험도 및 현장 수리 가능성 신뢰도 점수 산출 모듈 개발	중급~고급
3.5시간	MAE 83.9%·RMSE 82.4% 개선, R2 0.975
M6. 야전 정비 요청 현황 및 이동정비반 관제 대시보드 UI 구현	중급~고급
3시간	상위 3개 인자 자동 산출률 100%(356건)
M7. 긴급 출동 순서 변경 및 정비반 재배치를 위한 정비대대장 HITL 승인 체계 설계	고급
3.5시간	가동중단 비용 19.1% 절감(목표 15% 이상), 자동 승인 0건
M8. 동시 20개소 긴급 정비 요청 발생 모의 출동 스케줄링 스트레스 테스트	고급
3시간	동시 20개소 처리+화면 약 0.2~0.3초(목표 2초 이내), 경보 정확도 100%
M9. AAR 기반 출동 우선순위 배정 오류 분석 및 가중치 매트릭스 재튜닝	고급
3시간	4시간 초과 8건, 원인 전부 정비반 부하 집중
M10. 야전 이동정비반 긴급 출동 우선순위 배정 및 경로 최적화 도구 통합 완성	최고급
3.5시간	재학습 정상 실행(도전자 MAPE 10.0%로 교체), 자체 점검 8/8 통과

미션 1. 야전 긴급 정비 요청(고장 위치, 장비 중요도, 고장 유형) 데이터셋 스키마 정의

난이도·시간	초급 · 1.5시간

| 진행 순서 | 1) M1 코드를 실행해 데이터 딕셔너리(요청·정비반·결과)와 피처 수를 확인한다. 2) 업무 프로세스 맵의 단계별 담당·입력·출력을 정리한다.

3) 오류 주입 결과에서 각 오류가 어떤 규칙에 걸렸는지 표로 정리한다.

| 확인할 결과 | 피처 24개(목표 20개 이상), 정상 샘플 20건 오류 0건

주입 오류 5건(범위·형식·허용값·누락·자료형) 모두 검출

도전 과제	요청 묶음에 '요청 부대 가용 정비공 수(unit_mechanics, 0~20)' 필드를 추가하고 범위 밖 값을 넣어 검출되는지 확인한다.

제출물	스키마·딕셔너리 코드, 도메인 분석서(프로세스 맵·예측 대상)

미션 2. 이동정비반 보유 장비/공구 및 출동 가능 상태 정보 전처리 모듈 구현

난이도·시간	초급~중급 · 2시간

| 진행 순서 | 1) M2 코드를 실행해 정제 규칙 10종별 처리 건수를 확인한다. 2) R10(긴급 불출 보존)이 일반 이상값과 어떻게 구분되는지 설명한다.

3) 정제 전후 기술통계 표로 인원·연료·좌표의 변화를 정리한다.

| 확인할 결과 | 정합성 검증 10/10 통과(통과율 100%)

중복 12건 제거, 긴급 불출 예외 15건 보존

도전 과제	KNNImputer의 이웃 수를 바꿔(예: 5 → 2) 보정값과 정제 후 평균이 어떻게 달라지는지 확인한다.

제출물	정제 모듈 코드, 정제 품질 보고서(규칙·건수·전후 통계)

미션 3. 거리 기준 1차 이동정비반 배정 Baseline 알고리즘 구현

난이도·시간	중급 · 2.5시간

| 진행 순서 | 1) M3 코드를 실행해 Baseline의 도착시간·부하율·이동시간을 확인한다. 2) EDA 차트 8종에서 정비반 부하 집중과 지연 분포를 찾는다.

3) 상관분석과 파레토 A등급으로 핵심 발견점 3가지를 쓴다.

| 확인할 결과 | Baseline 핵심장비 평균 도착 3.13h, MT5 평균 부하율 1.36

유의 피처 5개, EDA 차트 8종

도전 과제	make_requests의 per_day를 14로 늘려 Baseline의 과부하 일수와 지연 상관이 어떻게 변하는지 확인한다.

제출물	EDA 코드, EDA 요약 리포트(차트·상관·파레토·핵심 발견점)

미션 4. 장비 작전 중요도, 정비 소요 시간, 이동 경로를 종합한 최적 출동 우선순위 추천 엔진 고도화

난이도·시간	중급 · 3시간

| 진행 순서 | 1) M4 코드를 실행해 파생 피처 수와 시계열 교차검증 MAPE를 확인한다. 2) Baseline과 추천 엔진의 비교표에서 핵심장비 도착시간·부하율 편차·총 이동을 비교한다.

3) 추천 예시 표로 우선순위 점수가 어떻게 정해졌는지 설명한다.

| 확인할 결과 | 파생 피처 18개, 평균 MAPE 12.5%(목표 25% 이하)

핵심장비 평균 도착 38.7% 단축, 부하율 편차 0.365 → 0.143

도전 과제	W0의 balance를 0으로 바꿔 부하율 편차와 총 이동시간이 어떻게 달라지는지 확인한다.

제출물	피처·모델 코드, Baseline 대비 성능 비교표

미션 5. 출동 지연 위험도 및 현장 수리 가능성 신뢰도 점수 산출 모듈 개발

난이도·시간	중급~고급 · 3.5시간

| 진행 순서 | 1) M5 코드를 실행해 기준모델과 앙상블의 MAE·RMSE·R2를 비교한다. 2) 지연 위험도 등급별 실제 지연 비율을 확인한다.

3) 현장 수리 가능성 점수 구간별 실제 비율로 보정 상태를 판단한다.

| 확인할 결과 | MAE 83.9%·RMSE 82.4% 개선, R2 0.975

현장 수리 AUC 0.762, 구간별 실제 비율 0.34 → 0.63 → 0.83

도전 과제	앙상블 비율(GBM:RF)을 0.7:0.3으로 바꾸고 Hold-out 성능 변화를 비교한다.

제출물	모델 코드, Hold-out 성능 보고서, 점수 등급 기준

미션 6. 야전 정비 요청 현황 및 이동정비반 관제 대시보드 UI 구현

난이도·시간	중급~고급 · 3시간

| 진행 순서 | 1) M6 코드를 실행해 상위 3개 인자 자동 산출률과 산출 시간을 확인한다. 2) 대시보드 6개 그림에서 과부하 정비반과 핵심장비 대기 요청을 찾는다.

3) 자연어 설명 예시를 읽고 정비 담당자가 취할 조치를 적는다.

| 확인할 결과 | 상위 3개 인자 자동 산출률 100%(356건)

구성요소 6종, 22일차 전 정비반 과부하 경보

도전 과제	배경 표본 수(Xh.sample 30)를 10으로 줄여 설명이 얼마나 달라지는지, 계산 시간과의 교환 관계를 확인한다.

제출물	XAI·대시보드 코드, 대시보드 캡처, XAI 리포트(설명 예시 5건)

미션 7. 긴급 출동 순서 변경 및 정비반 재배치를 위한 정비대대장 HITL 승인 체계 설계

난이도·시간	고급 · 3.5시간

| 진행 순서 | 1) M7 코드를 실행해 기본 계획·HITL·전부 적용(비교용)의 비용지수를 비교한다. 2) 변경 제안의 승인·반려·무응답 건수와 반려 사유를 확인한다.

3) 승인 지연 민감도와 요청 급증 시나리오 결과를 정리한다.

| 확인할 결과 | 가동중단 비용 19.1% 절감(목표 15% 이상), 자동 승인 0건

결정 로깅률 100%, 감사 로그 변조 탐지

도전 과제	commander의 구역 이탈 기준을 45km에서 30km로 줄여 승인 건수와 비용 절감률이 어떻게 바뀌는지 확인한다.

제출물	시뮬레이터 코드, 승인 체계 설계서(기준·흐름·로그), 민감도 분석표

미션 8. 동시 20개소 긴급 정비 요청 발생 모의 출동 스케줄링 스트레스 테스트

난이도·시간	고급 · 3시간

| 진행 순서 | 1) M8 코드를 실행해 4개 상황(20·40·60개소, 정비반 불가, 손상 데이터)의 결과표를 확인한다. 2) 처리+화면 시간, 경보 정확도, 유실 건수를 목표와 비교한다.

3) 놓친 경보·헛경보 원인과 기능 축소 운용 기준을 정리한다.

| 확인할 결과 | 동시 20개소 처리+화면 약 0.2~0.3초(목표 2초 이내), 경보 정확도 100%

전 상황 유실 0건, 손상 요청 수동 확인 분리

도전 과제	ALERT_H를 3시간으로 줄여 경보 수와 경보 정확도가 어떻게 변하는지 확인한다.

제출물	스트레스 시험 코드, 결과표, 기능 축소 운용 기준

미션 9. AAR 기반 출동 우선순위 배정 오류 분석 및 가중치 매트릭스 재튜닝

난이도·시간	고급 · 3시간

| 진행 순서 | 1) M9 코드를 실행해 핵심장비 4시간 초과 사례와 원인 분류를 확인한다. 2) Baseline·현행·재튜닝 비교표로 가중치 재튜닝 효과를 정리한다.

3) 3대 정량 효과 지표와 AAR 결론(운영 조치)을 ROI 보고서에 옮긴다.

| 확인할 결과 | 4시간 초과 8건, 원인 전부 정비반 부하 집중

절감액 15,317만원(가상), 도착 40.2% 단축, 초과근무 146인·h 감소

도전 과제	PRICE의 차량 운행 단가를 5에서 20으로 올려 재튜닝된 가중치가 어떻게 달라지는지 확인한다.

제출물	AAR·재튜닝 코드, ROI 분석 보고서(지표·로드맵)

미션 10. 야전 이동정비반 긴급 출동 우선순위 배정 및 경로 최적화 도구 통합 완성

난이도·시간	최고급 · 3.5시간

| 진행 순서 | 1) M10 코드를 실행해 재학습 결과(챔피언·도전자 MAPE, 교체 여부)를 확인한다. 2) 자체 점검 통과 수와 운영 문서 작성률을 확인한다.

3) 출력된 브리핑 요약으로 5분 분량 정비대대장 브리핑 자료를 만든다.

| 확인할 결과 | 재학습 정상 실행(도전자 MAPE 10.0%로 교체), 자체 점검 8/8 통과

운영 문서 7개 장 100%, 핵심장비 도착 3.50h → 1.95h

도전 과제	CONFIG의 retrain_tolerance를 0으로 바꾸고, 도전자가 근소하게 나쁠 때 교체되지 않는지 확인한다.

제출물	통합 코드, 운영 지침서, 재학습 파이프라인 설명, 브리핑 자료

4. 최종 점검표

점검 항목	확인
미션 1~10 코드가 모두 오류 없이 실행되었다	( )
각 미션의 확인할 결과를 기록했다	( )
도전 과제 결과와 이유를 기록했다	( )
브리핑 수치가 실행 결과와 일치한다	( )
실제 부대 위치·장비·정비 실적을 사용하지 않았다	( )
출동 순서 변경·재배치는 정비대대장 승인 사항으로 설계했다	( )