pbl02/scenario_md/AMM02-탄약·특수물자_저장최적화-AI 기반 탄약 저장 최적화 모델/AMM02-탄약·특수물자_저장최적화-AI 기반 탄약 저장 최적화 모델.md

AI 기반 탄약 저장 최적화 모델

난 이 도 고급

프로젝트 목표

탄약 저장고는 공간이 한정되어 있고 품목마다 함께 둘 수 없는 제약이 있어, 앞으로 얼마나 소모되고 얼마나 자주 반출될지를 알아야 입고 위치와 재보급 순서를 합리적으로 정할 수 있다. 그러나 작전 단계별 고정 기준 소모율(CSR)만으로 계획하면 교전 강도가 낮은 날은 과잉 재고가 쌓이고 높은 날은 긴급 재보급이 반복되어 저장 공간과 작업 동선이 낭비된다. 본 프로젝트는 교육용 가상 부대·가상 품목·가상 저장고 자료를 코드로 만들어, 탄약·유류 소모율 데이터 정의와 전처리, CSR 기반 Baseline과 탐색적 분석, 적 저항·화력 계획을 반영한 소모량 예측, 보급 수준(DOS) 연계 재보급 산출, 작전 지도 대시보드와 설명가능성, 저장 배치 최적화와 군수참모 결재선(HITL), 7일 고강도 스트레스 시험, AAR 기반 소모 계수 재보정을 단계별로 구현한다. 최종 목표는 예측 소모량을 근거로 재보급 소요와 저장 위치를 함께 제안해 저장 효율과 작업 동선을 개선하고, 불출·대체 탄종·재배치는 군수참모가 근거를 확인해 결정하도록 지원하는 통합 시뮬레이터를 완성하는 것이다.

유의사항	모든 부대·품목·저장고·소모 계수·단가는 코드 안에서 만든 교육용 가상 자료이며 실제 탄약 제원, 소모율, 저장 기준, 안전거리, 부대 보유량은 사용하지 않는다. 저장고 혼적 제한과 저장칸 용량은 학습용 가상 계수이며 실제 탄약 저장·취급은 관련 규정과 담당 부서 지침에 따른다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 재보급 우선순위, 대체 탄종 불출, 저장 재배치는 모두 군수참모 결재 후 집행하며, 비용·시간 효과는 가정 단가로 계산한 상대 비교값으로 예산 근거로 쓰지 않는다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.

1단계. 소모율 데이터 정의 및 전처리 모듈 구현

미션 1. 작전 단계별 탄약(구경별) 및 유류(항공유/경유) 기준 소모율(CSR) 데이터 정의 [초급 · 1.5시간]	미션 1. 작전 단계별 탄약(구경별) 및 유류(항공유/경유) 기준 소모율(CSR) 데이터 정의 [초급 · 1.5시간]
목표	작전 단계별 가상 탄약(탄종 A~D)·유류(항공유/경유) 기준 소모율(CSR) 데이터 규격과 업무 프로세스 맵, 데이터 딕셔너리를 정의한다.
수행	일일 소모 보고 수집부터 소모량 산출, 보급 수준(DOS) 계산, 재보급 결재, 가상 저장고 입고·배치까지 업무 흐름을 5단계로 정리한다. 식별·작전·품목·소모·재고·저장·관리 7개 그룹으로 필드 20개 이상을 정의하고 범위·형식·허용값 규칙을 붙인다. 품목 코드는 국방 표준 군수 코드 형식을 모사한 가상 코드로 두고, 가상 샘플을 검증기로 점검한 뒤 오류를 일부러 넣어 검출되는지 확인한다.
산출물	docs/amm02_logistics_domain_spec.md 및 데이터 딕셔너리, 가상 CSR 계수표
평가	[필수] 소모율 데이터 정의 — 업무 프로세스 맵 작성 완료, 필드 20개 이상 정의, 정상 샘플 검증 오류 0건, 주입 오류 전부 검출, 분석 목표(소모 예측·재보급·저장 배치)가 명확한가.

미션 2. 부대 규모, 교전 강도, 이동 거리 변수 정규화 및 소모량 산출 전처리 모듈 구현 [초급~중급 · 2시간]	미션 2. 부대 규모, 교전 강도, 이동 거리 변수 정규화 및 소모량 산출 전처리 모듈 구현 [초급~중급 · 2시간]
목표	부대 규모, 교전 강도, 이동 거리 변수를 정제·정규화하고 병력 100명당 환산 소모율을 산출하는 전처리 모듈을 구현한다.
수행	중복 기록 제거, 표기 통일, 백분율·자릿수 오기 보정, 음수·이상치 결측 처리, KNN 결측 보정 등 정제 규칙 10종을 적용한다. 긴급 불출 같은 군수 예외 기록은 삭제하지 않고 표시해 보존한다. 정제 전후 기술통계를 비교하고 정합성 검증 항목 10개를 모두 통과하는지 확인한다.
산출물	src/etl/amm02_data_cleansing.py 및 정제 품질 보고서
평가	[필수] 전처리 모듈 — 정제 규칙 10종 적용, 정합성 검증 통과율 100%, 긴급 불출 예외 기록 보존 건수와 정제 전후 통계 비교를 제시했는가.

2단계. CSR Baseline 분석 및 소모량 예측 모델 고도화

미션 3. 교전 일수 기반 1차 탄약/유류 기본 소모량 계산 Baseline 알고리즘 구현 [중급 · 2.5시간]	미션 3. 교전 일수 기반 1차 탄약/유류 기본 소모량 계산 Baseline 알고리즘 구현 [중급 · 2.5시간]
목표	교전 일수 x 작전 단계별 CSR x 병력 규모로 1차 탄약·유류 기본 소모량을 계산하는 Baseline 알고리즘을 구현하고 탐색적 분석으로 한계를 찾는다.
수행	부대별 90일 계획량과 실제 소모량을 비교하고 품목별 일일 MAPE를 계산한다. EDA 차트 8종을 만들고 교전 강도·적 저항·화력 임무 등과 환산 소모율의 상관계수와 p-value를 검정한다. 부대x품목 조합을 ABC(파레토) 분석해 상위 20% 핵심 관리 대상을 식별한다.
산출물	notebooks/amm02_eda_analysis.ipynb 및 EDA 요약 리포트
평가	[필수] Baseline·EDA — EDA 차트 8종 이상, 유의미한 상관 변수 5개 이상(p<0.05), Baseline 오차와 한계를 핵심 발견점으로 정리했는가.

미션 4. 적 저항 수준 및 화력 운용 계획 연계 일자별 소모량 시계열 예측 모델 고도화 [중급 · 3시간]	미션 4. 적 저항 수준 및 화력 운용 계획 연계 일자별 소모량 시계열 예측 모델 고도화 [중급 · 3시간]
목표	적 저항 수준(전일 실적)과 화력 운용 계획을 연계한 파생 피처로 일자별 소모량 시계열 예측 모델을 고도화한다.
수행	전일·최근 평균 소모 비율, CSR 계수, 교전 중 화력 계획, 적 저항 추세 등 사전에 알 수 있는 정보만으로 파생 피처 10개 이상을 만든다. CSR 기준량 대비 보정 계수를 예측하는 모델을 시계열 교차검증(5폴드)으로 평가해 Baseline과 비교한다. 피처 중요도로 제거 후보를 고른다.
산출물	src/features/amm02_feature_engineering.py 및 기준 모델
평가	[선택] 소모량 예측 모델 — 파생 피처 10개 이상, 시계열 교차검증 평균 MAPE 25% 이하, Baseline 대비 개선과 피처 중요도 근거를 제시했는가.

3단계. DOS 연계 재보급 엔진 및 작전 지도 대시보드·설명가능성

미션 5. 부대별 일일 보급 수준(DOS) 연계 긴급 재보급 소요 산출 엔진 개발 [중급~고급 · 3.5시간]	미션 5. 부대별 일일 보급 수준(DOS) 연계 긴급 재보급 소요 산출 엔진 개발 [중급~고급 · 3.5시간]
목표	앙상블 예측 모델과 보유량으로 부대·품목별 보급 수준(DOS)을 계산해 긴급 재보급 소요를 산출하는 엔진을 개발한다.
수행	GBR과 랜덤포레스트를 앙상블하고 가중치는 학습 기간 안의 검증 구간으로만 고른다. Hold-out 기간에서 Baseline 대비 오차율(MAE/RMSE) 개선과 R2를 계산하고, 사전 정보가 없는 긴급 불출 급증의 영향을 분리해 본다. 예측 소모량으로 DOS를 계산해 긴급·주의·정상을 판정하고 목표 DOS까지의 재보급량을 산출한다.
산출물	src/models/amm02_advanced_model.py, 재보급 소요표
평가	[필수] DOS 재보급 엔진 — Baseline 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 0.85 이상(전체·정상 소모 구분 제시), 긴급 재보급 판정과 재보급량 산출이 정확한가.

미션 6. 작전 지도 연계 탄약/유류 소모 예측 및 재보급 소요 가시화 대시보드 구현 [중급~고급 · 3시간]	미션 6. 작전 지도 연계 탄약/유류 소모 예측 및 재보급 소요 가시화 대시보드 구현 [중급~고급 · 3시간]
목표	가상 작전 지도에 부대별 탄약·유류 예측 소모와 보급 상태를 표시하고, 예측 건마다 기여도 상위 3개 인자와 자연어 설명을 자동 생성한다.
수행	가상 격자 좌표 지도에 부대별 예측 소모량과 교전 여부를 표시한다. 각 피처를 기준값으로 바꿨을 때의 예측 변화(대체값 비교)로 건별 기여도를 계산해 상위 3개 인자를 뽑고, 요약 그림과 건별 기여도 그림(SHAP summary·waterfall 대체)을 만든다. '전일 적 저항 수준(-13%)'처럼 군수 담당자가 바로 읽을 수 있는 설명문을 만든다.
산출물	src/explainability/amm02_xai_explainer.py 및 XAI 리포트, 대시보드 화면
평가	[선택] 대시보드·설명가능성 — 예측 건별 상위 3개 인자 자동 산출률 100%, 자연어 설명문 생성, 기여도 합과 예측 변화의 정합성을 확인했는가.

4단계. 저장 배치 최적화·결재선 설계 및 7일 고강도 스트레스 시험

미션 7. 보급 우선순위 지정 및 대체 탄종 불출을 위한 군수참모 HITL 결재선 설계 [고급 · 3.5시간]	미션 7. 보급 우선순위 지정 및 대체 탄종 불출을 위한 군수참모 HITL 결재선 설계 [고급 · 3.5시간]
목표	가상 저장고 배치를 최적화하고, 재배치·긴급 재보급 우선순위·대체 탄종 불출 제안을 군수참모 결재선(HITL)으로 처리하는 시뮬레이터를 설계한다.
수행	저장칸 용량·현재 점유·가상 혼적 제한을 제약으로 두고 반출 빈도 x 동선 거리와 공간낭비를 최소화하는 할당 문제(정수계획)를 풀어 현행(입고순) 배치와 작업비용·공간낭비율·위치점수를 비교한다. 돌발 수요 민감도와 대안배치(2·3안)를 제시한다. 모든 제안은 결재 대기로 시작해 승인·수정·반려·무응답을 사유와 함께 해시 체인 감사 로그에 남기고 결재 없는 집행이 0건인지 점검한다.
산출물	src/optimization/amm02_simulator.py, 결재 감사 로그
평가	[필수] 저장 최적화·결재선 — 최적화 적용 시 작업비용 15% 이상 절감, 공간낭비율 현행 이하, 자동 확정 0건, 결재 사유 기록률 100%, 감사 로그 변조 검출이 되는가.

미션 8. 7일간 고강도 전면전 모의 탄약/유류 소모량 극한 스트레스 시뮬레이션 [고급 · 3시간]	미션 8. 7일간 고강도 전면전 모의 탄약/유류 소모량 극한 스트레스 시뮬레이션 [고급 · 3시간]
목표	7일간 고강도 전면전(가상) 상황에서 소모량과 보유량을 일일 모의하고 재보급 경보 대시보드의 성능을 극한 조건에서 검증한다.
수행	가상 부대 8개의 마지막 7일을 고강도 공격 단계로 바꿔 소모·보유량을 모의한다. 보고 누락·보고 지연·긴급 수요 급증과 그 복합을 주입하고, 부대 수 10배 부하로 대시보드 갱신 시간을 측정한다. 경보 정확도와 부족 탐지율을 함께 보고 경보 안전계수에 따른 상충관계를 정리한다.
산출물	src/dashboard/amm02_app.py, 스트레스 시험 결과표
평가	[선택] 고강도 스트레스 시험 — 대시보드 갱신 2초 이내, 오류 주입 시나리오 전부에서 경보 정확도 95% 이상, 부족 탐지율과 안전계수 상충관계를 제시했는가.

5단계. AAR 소모 계수 재보정 및 통합 시뮬레이터 완성

미션 9. AAR 기반 소모량 예측치와 실사격 결과 간 편차 분석 및 소모 계수 재보정 [고급 · 3시간]	미션 9. AAR 기반 소모량 예측치와 실사격 결과 간 편차 분석 및 소모 계수 재보정 [고급 · 3시간]
목표	AAR 자료로 CSR 계획치와 실소모 결과의 편차를 분석하고 소모 계수를 재보정해 도입 효과를 산출한다.
수행	작전 단계·품목·교전 강도 구간별로 실제/계획 비율을 분석해 편차 원인을 찾는다. 표본 수에 따라 축소 추정한 보정 계수로 재보정하고 다음 훈련 자료로 검증한다. 같은 충족 수준(95%)에서 비용 지수, 저장고 반출 작업시간, 긴급 재보급 횟수 3대 효과 지표를 산출하고 단가 민감도와 단기·중기·장기 로드맵을 정리한다.
산출물	reports/amm02_roi_analysis.md
평가	[필수] AAR 재보정·효과 분석 — 편차 원인 분석, 재보정 후 검증 MAPE 개선, 3대 정량 효과 지표와 민감도 분석, 단계별 도입 로드맵을 제시했는가.

미션 10. 탄약/유류 소모량 예측 및 전술 재보급 계획 수립 시뮬레이터 통합 완성 [최고급 · 3.5시간]	미션 10. 탄약/유류 소모량 예측 및 전술 재보급 계획 수립 시뮬레이터 통합 완성 [최고급 · 3.5시간]
목표	소모량 예측부터 재보급 계획, 저장 배치, 결재 대기열, 재학습까지 한 번에 실행하는 통합 시뮬레이터를 완성한다.
수행	자료 생성·정합성 점검, 운영 모델과 재학습 모델 비교 후 교체 결정, DOS 기반 재보급 계획, 저장 배치 최적화, 결재 대기열 등록을 한 흐름으로 실행한다. 운영 가이드 10개 장과 가상 체계 연계 메시지 규격을 출력하고 자체 점검표로 완비 여부를 확인한다. 결과를 4줄 브리핑으로 요약한다.
산출물	docs/amm02_operations_guide.md 및 pipeline/amm02_retrain.py, 브리핑 요약
평가	[필수] 통합 시뮬레이터 — 재학습 파이프라인 정상 실행과 교체 판단, 자체 점검 전 항목 PASS, 운영 가이드 완비율 100%, 브리핑 수치가 실행 결과와 일치하는가.

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.)