pbl02/scenario_md/AMM02-탄약·특수물자_저장최적화-AI 기반 탄약 저장 최적화 모델/AMM02_실습가이드.md

**AMM02 실습가이드 - AI 기반 탄약 저장 최적화 모델**

구    분 **실습가이드 [교육용가상자료]**

**1. 실습 개요**

본 실습은 교육용 가상 부대·가상 품목·가상 저장고 자료로 탄약·유류 소모량을 예측하고, 그 결과를 재보급 소요와 저장 배치 최적화로 연결하는 과정을 미션 단위로 구현한다. 미션마다 정답 코드(AMM02_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** | AMM02 AI 기반 탄약 저장 최적화 모델 |
| --- | --- |

| **난이도·유형** | 고급 / 데이터분석형 |
| --- | --- |

| **예상 소요시간** | 미션 10개, 총 28.5시간 |
| --- | --- |

| **준비물** | AMM02_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 자료 생성·모델 함수가 빠져 오류가 난다).

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

- 도전 과제는 코드 상단의 파라미터(DOS 경보 기준, 공간낭비 가중치 lam, 경보 안전계수, 가상 단가 등)를 바꿔 다시 실행하고 변화와 이유를 기록한다.

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

- 품목·계수·저장고는 모두 가상 값이다. 실제 탄약 제원·소모율·저장 기준·안전거리는 입력하지 않으며, 불출·대체 탄종·재배치는 군수참모 결재 사항이다.

**3. 미션 진행 요약**

| **미션** | **난이도·시간** | **핵심 확인 결과** |
| --- | --- | --- |
| **M1. 작전 단계별 탄약(구경별) 및 유류(항공유/경유) 기준 소모율(CSR) 데이터 정의** | 초급
1.5시간 | 필드 23개(목표 20개 이상), 정상 샘플 30건 오류 0건 |
| **M2. 부대 규모, 교전 강도, 이동 거리 변수 정규화 및 소모량 산출 전처리 모듈 구현** | 초급~중급
2시간 | 정제 규칙 10종 적용, 정합성 검증 10/10 통과(100%) |
| **M3. 교전 일수 기반 1차 탄약/유류 기본 소모량 계산 Baseline 알고리즘 구현** | 중급
2.5시간 | Baseline 일일 MAPE 탄약 37.9~43.8%, 유류 16.8~25.9% |
| **M4. 적 저항 수준 및 화력 운용 계획 연계 일자별 소모량 시계열 예측 모델 고도화** | 중급
3시간 | 파생 피처 14개, 평균 MAPE Baseline 33.4% -> 모델 14.9%(목표 25% 이하) |
| **M5. 부대별 일일 보급 수준(DOS) 연계 긴급 재보급 소요 산출 엔진 개발** | 중급~고급
3.5시간 | 오차율 개선 MAE 66.0%, RMSE 43.2%(목표 20% 이상) |
| **M6. 작전 지도 연계 탄약/유류 소모 예측 및 재보급 소요 가시화 대시보드 구현** | 중급~고급
3시간 | 상위 3개 인자 자동 산출률 100%(48건) |
| **M7. 보급 우선순위 지정 및 대체 탄종 불출을 위한 군수참모 HITL 결재선 설계** | 고급
3.5시간 | 작업비용 절감률 20.7%(목표 15% 이상), 공간낭비율 0.29 유지, 위치점수 60.2 -> 71.9 |
| **M8. 7일간 고강도 전면전 모의 탄약/유류 소모량 극한 스트레스 시뮬레이션** | 고급
3시간 | 경보 정확도 최저 96.1%(목표 95% 이상), 갱신 0.1초 이내(목표 2초) |
| **M9. AAR 기반 소모량 예측치와 실사격 결과 간 편차 분석 및 소모 계수 재보정** | 고급
3시간 | 재보정 검증 MAPE 34.0% -> 14.5% |
| **M10. 탄약/유류 소모량 예측 및 전술 재보급 계획 수립 시뮬레이터 통합 완성** | 최고급
3.5시간 | 자체 점검 7/7 PASS, 운영 가이드 완비율 100% |

**미션 1. 작전 단계별 탄약(구경별) 및 유류(항공유/경유) 기준 소모율(CSR) 데이터 정의**

| **난이도·시간** | 초급 · 1.5시간 |
| --- | --- |

| **진행 순서** | 1) M1 코드를 실행해 업무 프로세스 맵 5단계와 데이터 딕셔너리(7개 그룹)를 확인한다.
2) 정상 샘플 검증 결과와 오류 주입 6건이 각각 어떤 규칙에 걸렸는지 표로 정리한다.
3) 가상 CSR 계수표에서 작전 단계별 차이를 읽고 분석 목표(소모 예측·재보급·저장 배치)를 한 문단으로 쓴다. |
| --- | --- |

| **확인할 결과** | 필드 23개(목표 20개 이상), 정상 샘플 30건 오류 0건
주입 오류 6건(허용값·자료형·범위·누락·형식·분류 불일치) 모두 검출 |
| --- | --- |

| **도전 과제** | 저장 그룹에 '저장칸 온도 상태(temp_state: normal/high)' 필드를 추가하고 허용값 밖 값을 넣어 검출되는지 확인한다. |
| --- | --- |

| **제출물** | 스키마·딕셔너리 코드, 도메인 분석서(프로세스 맵·분석 목표) |
| --- | --- |

**미션 2. 부대 규모, 교전 강도, 이동 거리 변수 정규화 및 소모량 산출 전처리 모듈 구현**

| **난이도·시간** | 초급~중급 · 2시간 |
| --- | --- |

| **진행 순서** | 1) M2 코드를 실행해 정제 규칙 10종의 처리 건수를 확인한다.
2) 정제 전후 기술통계표에서 병력 규모·교전 강도·이동 거리의 최대값 변화를 확인한다.
3) 긴급 불출 예외 기록이 삭제되지 않고 보존된 건수를 기록한다. |
| --- | --- |

| **확인할 결과** | 정제 규칙 10종 적용, 정합성 검증 10/10 통과(100%)
원천 732건 -> 정제 720건, 긴급 불출 13건 보존 |
| --- | --- |

| **도전 과제** | R07 이동 거리 이상치 기준(150km)을 100km로 바꿔 결측 처리 건수와 정제 후 평균 변화를 비교한다. |
| --- | --- |

| **제출물** | 전처리 코드, 정제 품질 보고서(규칙별 처리 건수·전후 통계) |
| --- | --- |

**미션 3. 교전 일수 기반 1차 탄약/유류 기본 소모량 계산 Baseline 알고리즘 구현**

| **난이도·시간** | 중급 · 2.5시간 |
| --- | --- |

| **진행 순서** | 1) M3 코드를 실행해 부대별 90일 계획(Baseline)과 실제 소모량, 오차율을 확인한다.
2) 상관·유의성 표에서 유의미한 변수와 그렇지 않은 변수를 구분한다.
3) ABC 분석 결과 A등급 조합과 EDA 차트 8종의 핵심 발견점을 정리한다. |
| --- | --- |

| **확인할 결과** | Baseline 일일 MAPE 탄약 37.9~43.8%, 유류 16.8~25.9%
유의미한 상관 변수 6개(목표 5개 이상), EDA 차트 8종 |
| --- | --- |

| **도전 과제** | ABC 분석 기준을 상위 20%에서 상위 30%로 바꿔 A등급 조합 수와 소모량 점유율 변화를 비교한다. |
| --- | --- |

| **제출물** | EDA 결과(차트 8종), 핵심 발견점 요약 |
| --- | --- |

**미션 4. 적 저항 수준 및 화력 운용 계획 연계 일자별 소모량 시계열 예측 모델 고도화**

| **난이도·시간** | 중급 · 3시간 |
| --- | --- |

| **진행 순서** | 1) M4 코드를 실행해 파생 피처 수와 시계열 교차검증 폴드별 MAPE를 확인한다.
2) 품목별 검증 MAPE에서 Baseline과 모델의 차이가 큰 품목을 찾는다.
3) 피처 중요도 상위 6개와 제거 후보를 기록한다. |
| --- | --- |

| **확인할 결과** | 파생 피처 14개, 평균 MAPE Baseline 33.4% -> 모델 14.9%(목표 25% 이하)
중요도 상위: roll3, resist_lag1, csr_base |
| --- | --- |

| **도전 과제** | 제거 후보 피처(lag2, ph_* 등)를 FEATS에서 빼고 다시 실행해 MAPE 변화를 비교한다. |
| --- | --- |

| **제출물** | 피처 생성 코드, 교차검증 결과표, 피처 중요도 그림 |
| --- | --- |

**미션 5. 부대별 일일 보급 수준(DOS) 연계 긴급 재보급 소요 산출 엔진 개발**

| **난이도·시간** | 중급~고급 · 3.5시간 |
| --- | --- |

| **진행 순서** | 1) M5 코드를 실행해 Hold-out 성능표(Baseline·단일 GBR·앙상블)를 확인한다.
2) R2를 전체와 정상 소모(긴급 불출 제외)로 나눠 본 이유를 정리한다.
3) 75일 재보급 소요표에서 긴급·주의 판정과 재보급량 계산 방법을 확인한다. |
| --- | --- |

| **확인할 결과** | 오차율 개선 MAE 66.0%, RMSE 43.2%(목표 20% 이상)
R2 전체 0.827(미달), 정상 소모 0.966(달성), 긴급 판정 일치율 95.8% |
| --- | --- |

| **도전 과제** | DOS_ALERT를 2.0에서 1.5로 바꿔 긴급 건수와 판정 일치율 변화를 기록한다. |
| --- | --- |

| **제출물** | 앙상블 모델 코드, 성능표, 재보급 소요표 |
| --- | --- |

**미션 6. 작전 지도 연계 탄약/유류 소모 예측 및 재보급 소요 가시화 대시보드 구현**

| **난이도·시간** | 중급~고급 · 3시간 |
| --- | --- |

| **진행 순서** | 1) M6 코드를 실행해 상위 3개 인자 자동 산출률과 부대별 설명문을 확인한다.
2) 설명문에 자주 나오는 인자(전일 적 저항 수준 등)가 왜 중요한지 토의한다.
3) 가상 작전 지도와 waterfall 형식 그림을 보고 한 부대의 소모 예측 근거를 설명한다. |
| --- | --- |

| **확인할 결과** | 상위 3개 인자 자동 산출률 100%(48건)
설명 정합성 상관 0.91, 평균 기여도 1위 전일 적 저항 수준 |
| --- | --- |

| **도전 과제** | 기준일 D를 41에서 20(준비·공격 초기)으로 바꿔 주요 원인 인자가 어떻게 달라지는지 비교한다. |
| --- | --- |

| **제출물** | 설명 코드, 부대별 설명문, 대시보드 그림 |
| --- | --- |

**미션 7. 보급 우선순위 지정 및 대체 탄종 불출을 위한 군수참모 HITL 결재선 설계**

| **난이도·시간** | 고급 · 3.5시간 |
| --- | --- |

| **진행 순서** | 1) M7 코드를 실행해 현행(입고순)과 최적화 배치의 작업동선·공간낭비율·위치점수를 비교한다.
2) 대안배치와 돌발 수요 민감도 결과를 확인한다.
3) 결재 결과표에서 승인·수정·반려·무응답 처리와 감사 로그 무결성·변조 검출을 확인한다. |
| --- | --- |

| **확인할 결과** | 작업비용 절감률 20.7%(목표 15% 이상), 공간낭비율 0.29 유지, 위치점수 60.2 -> 71.9
제안 9건, 결재 없는 집행 0건, 변조 검출 성공 |
| --- | --- |

| **도전 과제** | _store의 optimize 함수 lam(공간낭비 가중치)을 8에서 0으로 바꿔 작업동선과 공간낭비율의 상충관계를 기록한다. |
| --- | --- |

| **제출물** | 최적화·결재 시뮬레이터 코드, 배치 비교표, 감사 로그 요약 |
| --- | --- |

**미션 8. 7일간 고강도 전면전 모의 탄약/유류 소모량 극한 스트레스 시뮬레이션**

| **난이도·시간** | 고급 · 3시간 |
| --- | --- |

| **진행 순서** | 1) M8 코드를 실행해 오류 주입 시나리오 5종의 경보 정확도와 부족 탐지율을 확인한다.
2) 부대 80개 부하 시험의 대시보드 갱신 시간을 기록한다.
3) 경보 안전계수(x1.0/x1.1/x1.2)에 따른 정확도와 탐지율의 상충관계를 정리한다. |
| --- | --- |

| **확인할 결과** | 경보 정확도 최저 96.1%(목표 95% 이상), 갱신 0.1초 이내(목표 2초)
7일 탄약 총소모 예측 오차 -0.2%, 안전계수 x1.1 시 탐지율 90% |
| --- | --- |

| **도전 과제** | inject의 보고 누락 비율을 30%로 올려 경보 정확도가 어떻게 변하는지 확인하고 보완 방안을 쓴다. |
| --- | --- |

| **제출물** | 스트레스 시험 코드, 시나리오별 결과표, 안전계수 권고안 |
| --- | --- |

**미션 9. AAR 기반 소모량 예측치와 실사격 결과 간 편차 분석 및 소모 계수 재보정**

| **난이도·시간** | 고급 · 3시간 |
| --- | --- |

| **진행 순서** | 1) M9 코드를 실행해 단계 x 품목별 실제/계획 비율과 교전 강도별 편차를 확인한다.
2) 재보정 계수로 다음 훈련 자료의 MAPE가 얼마나 개선되는지 확인한다.
3) 3대 효과 지표와 민감도 표, 도입 로드맵을 보고 효과 분석서를 정리한다. |
| --- | --- |

| **확인할 결과** | 재보정 검증 MAPE 34.0% -> 14.5%
비용 지수 12% 절감, 반출 작업시간 21% 단축, 긴급 재보급 횟수 유지(283->284회) |
| --- | --- |

| **도전 과제** | SHRINK_K를 20에서 100으로 바꿔 재보정 강도를 낮추면 검증 MAPE와 비용 절감률이 어떻게 달라지는지 기록한다. |
| --- | --- |

| **제출물** | AAR 분석 코드, 편차 원인 분석, 효과 지표·민감도 표, 로드맵 |
| --- | --- |

**미션 10. 탄약/유류 소모량 예측 및 전술 재보급 계획 수립 시뮬레이터 통합 완성**

| **난이도·시간** | 최고급 · 3.5시간 |
| --- | --- |

| **진행 순서** | 1) M10 코드를 실행해 [1]~[7] 단계 결과를 순서대로 확인한다.
2) 재학습 모델(v2)과 운영 모델(v1) 비교 결과와 교체 판단 이유를 기록한다.
3) 자체 점검표와 브리핑 요약 수치가 위 단계 결과와 일치하는지 대조한다. |
| --- | --- |

| **확인할 결과** | 자체 점검 7/7 PASS, 운영 가이드 완비율 100%
검증 MAPE v1 13.3%, v2 14.7% -> v1 유지, 긴급 재보급 6건 결재 대기 |
| --- | --- |

| **도전 과제** | PLAN_DAY를 85에서 70으로 바꿔 재보급 계획과 저장 배치 결과가 어떻게 달라지는지 브리핑 요약으로 작성한다. |
| --- | --- |

| **제출물** | 통합 시뮬레이터 코드, 자체 점검표, 브리핑 요약 |
| --- | --- |

**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 탄약 제원·소모율·저장 기준·안전거리를 사용하지 않았다 | ( ) |
| 불출·대체 탄종·재배치는 군수참모 결재 사항으로 설계했다 | ( ) |