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

AI 기반 정비인력 부하율 예측·공정균형

난 이 도 고급

프로젝트 목표

야전에서 장비가 고장 나면 이동정비반이 얼마나 빨리 도착해 고치느냐가 부대 전투력 회복 속도를 좌우하지만, 가까운 정비반부터 보내는 방식은 요청이 몰리는 지역의 정비반에 부하를 집중시키고 핵심 장비를 뒤로 미루는 문제가 있다. 본 프로젝트는 정비인력의 부하율과 공정 균형을 데이터로 예측·관리하는 것을 목표로, 교육용 가상 지역의 긴급 정비 요청과 이동정비반 자료를 코드로 만들어 분석한다. 요청 데이터 스키마 정의, 정비반 상태 자료 정제, 거리 기준 Baseline과 탐색적 분석, 중요도·정비 소요시간·이동 경로를 종합한 우선순위 엔진, 출동 지연 위험도와 현장 수리 가능성 점수, 관제 대시보드와 설명가능성, 정비대대장 승인(HITL) 시뮬레이터, 동시 다발 요청 스트레스 시험, AAR 가중치 재튜닝과 효과 산출, 재학습을 포함한 통합 도구까지 단계별로 구현한다. 최종 목표는 핵심 장비의 가동중단 시간을 줄이면서 정비반 간 부하를 고르게 하고, 출동 순서 변경과 재배치는 지휘관이 근거를 보고 결정하도록 지원하는 것이다.

유의사항	모든 요청·정비반·좌표·시간·비용 단가는 코드 안에서 만든 교육용 가상 자료이며 실제 부대명, 위치, 장비 제원, 정비 실적은 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 우선순위·배정 결과는 판단 보조 정보이며 출동 순서 변경과 정비반 재배치는 정비대대장이 승인한다. 비용 절감액 등 금액은 가정 단가로 계산한 상대 비교값으로 예산 근거로 쓰지 않는다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.

1단계. 정비 요청 데이터 정의 및 정비반 상태 정제

미션 1. 야전 긴급 정비 요청(고장 위치, 장비 중요도, 고장 유형) 데이터셋 스키마 정의 [초급 · 1.5시간]	미션 1. 야전 긴급 정비 요청(고장 위치, 장비 중요도, 고장 유형) 데이터셋 스키마 정의 [초급 · 1.5시간]
목표	야전 긴급 정비 요청(고장 위치, 장비 중요도, 고장 유형)과 이동정비반 상태 자료의 스키마, 데이터 딕셔너리, 업무 프로세스 맵을 정의한다.
수행	요청 접수부터 배정·출동·정비·복귀·실적 입력까지 업무 흐름을 단계별로 정리하고, 요청·정비반·결과 세 묶음으로 피처 20개 이상을 정의한다. 예측 대상(표준 정비시간, 출동 지연, 현장 수리 가능성, 정비반 부하율)을 명확히 하고, 장비 식별코드·보급 분류군은 국방 표준 코드 형식을 모사한 가상 코드로 둔다. 가상 샘플을 검증기로 점검하고 오류를 일부러 넣어 검출되는지 확인한다.
산출물	docs/mnt10_logistics_domain_spec.md, 데이터 딕셔너리
평가	[필수] 도메인·데이터 정의 — 업무 프로세스 맵 작성 완료, 피처 20개 이상 정의, 정상 샘플 검증 오류 0건, 예측 대상과 분석 목표가 명확한가.

미션 2. 이동정비반 보유 장비/공구 및 출동 가능 상태 정보 전처리 모듈 구현 [초급~중급 · 2시간]	미션 2. 이동정비반 보유 장비/공구 및 출동 가능 상태 정보 전처리 모듈 구현 [초급~중급 · 2시간]
목표	이동정비반의 보유 장비·공구·인력·출동 가능 상태 로그를 정제하는 전처리 모듈을 구현한다.
수행	중복 보고 제거, 정비반 ID·상태값·시각 표기 통일, 연료 단위 통일, 불가능한 인원·음수 공구 수량 결측 처리, 좌표 이상값 보간, KNN 결측 보정 등 정제 규칙 10종을 적용한다. 긴급 불출처럼 이상값처럼 보이지만 실제 군수 예외인 기록은 지우지 않고 표시만 한다. 정제 전후 기술통계와 정합성 검증 결과를 비교한다.
산출물	src/etl/mnt10_data_cleansing.py, 정제 품질 보고서
평가	[필수] 정비반 상태 정제 — 정제 규칙 10종 적용, 정합성 검증 통과율 100%, 군수 예외 데이터가 보존되고 정제 전후 통계 변화가 설명되었는가.

2단계. 거리 기준 Baseline 분석 및 우선순위 엔진 고도화

미션 3. 거리 기준 1차 이동정비반 배정 Baseline 알고리즘 구현 [중급 · 2.5시간]	미션 3. 거리 기준 1차 이동정비반 배정 Baseline 알고리즘 구현 [중급 · 2.5시간]
목표	거리 기준 1차 이동정비반 배정 Baseline(접수 순서 + 최근접 정비반)을 구현하고 탐색적 분석으로 출동 지연과 부하 불균형의 원인을 찾는다.
수행	가상 30일 요청을 Baseline으로 배정·모의해 정비반별 부하율, 도착시간, 이동시간을 산출한다. 도착시간 분포, 정비반 부하, 요청 위치 등 EDA 차트 8종 이상을 그리고, 출동 지연과 피처의 상관계수와 p-value로 유의한 요인을 고른다. 장비·고장 조합의 파레토(ABC) 분석으로 핵심 관리 대상을 식별한다.
산출물	notebooks/mnt10_eda_analysis.ipynb, EDA 요약 리포트
평가	[필수] Baseline·탐색적 분석 — EDA 차트 8종 이상, 통계적으로 유의한 피처 5개 이상, Baseline의 한계(부하 집중·핵심장비 후순위)를 핵심 발견점으로 정리했는가.

미션 4. 장비 작전 중요도, 정비 소요 시간, 이동 경로를 종합한 최적 출동 우선순위 추천 엔진 고도화 [중급 · 3시간]	미션 4. 장비 작전 중요도, 정비 소요 시간, 이동 경로를 종합한 최적 출동 우선순위 추천 엔진 고도화 [중급 · 3시간]
목표	장비 작전 중요도, 예측 정비 소요시간, 이동 경로(도착 예상시각), 정비반 부하를 종합한 출동 우선순위 추천 엔진을 만든다.
수행	접수 시점에 알 수 있는 정보만으로 파생 피처 10개 이상을 만들고 정비 소요시간 예측 모델을 시계열 교차검증(MAPE)으로 평가한다. 예측 정비시간·중요도·대기시간으로 우선순위 점수를 만들고, 도착 예상시각과 당일 부하를 고려해 정비반을 고른다. Baseline 대비 핵심장비 도착시간과 부하율 편차를 비교하고 피처 중요도로 차원 축소 후보를 고른다.
산출물	src/features/mnt10_feature_engineering.py, 기준 모델
평가	[선택] 우선순위 추천 엔진 — 파생 피처 10개 이상, 예측 MAPE 25% 이하, Baseline 대비 핵심장비 도착시간 단축과 부하 균형 개선을 수치로 제시했는가.

3단계. 지연 위험도 점수 및 관제 대시보드·설명가능성

미션 5. 출동 지연 위험도 및 현장 수리 가능성 신뢰도 점수 산출 모듈 개발 [중급~고급 · 3.5시간]	미션 5. 출동 지연 위험도 및 현장 수리 가능성 신뢰도 점수 산출 모듈 개발 [중급~고급 · 3.5시간]
목표	출동 지연 위험도와 현장 수리 가능성을 점수로 산출하는 모듈을 개발한다.
수행	접수~도착 시간을 앙상블 회귀(GBM+RandomForest)로 예측해 거리 기반 기준모델과 Hold-out 기간에서 MAE·RMSE·R2를 비교한다. 예측 지연을 낮음·주의·높음 등급으로 나눠 실제 지연 비율을 확인한다. 현장 수리 가능성을 확률로 산출하고 AUC·Brier 점수와 구간별 실제 비율로 신뢰도 점수의 보정 상태를 검증한다.
산출물	src/models/mnt10_advanced_model.py
평가	[필수] 지연 위험도·신뢰도 점수 — 기준모델 대비 MAE/RMSE 20% 이상 개선, R2 0.85 이상, 점수 구간별 실제 비율이 단조롭게 증가해 신뢰도 점수로 쓸 수 있는가.

미션 6. 야전 정비 요청 현황 및 이동정비반 관제 대시보드 UI 구현 [중급~고급 · 3시간]	미션 6. 야전 정비 요청 현황 및 이동정비반 관제 대시보드 UI 구현 [중급~고급 · 3시간]
목표	정비 요청 현황과 이동정비반 상태를 보여 주는 관제 대시보드를 만들고, 예측마다 근거를 설명하는 설명가능성(XAI) 기능을 붙인다.
수행	요청·정비반 지도, 정비반 부하율, 중요도별 대기 요청, 일별·중요도별 도착시간, 예측 워터폴 그림으로 관제 화면을 구성한다. 피처를 배경 값으로 바꿨을 때 예측이 얼마나 달라지는지로 국소 기여도를 계산해(SHAP 근사) 모든 요청의 상위 3개 인자를 자동 산출한다. 이를 '예상 정비 10.8h(평균 대비 +6.7h), 영향 요인: …' 같은 자연어 설명으로 만들고 과부하 경보를 표시한다.
산출물	src/explainability/mnt10_xai_explainer.py, XAI 리포트
평가	[선택] 관제 대시보드·XAI — 예측 건당 기여도 상위 3개 인자 자동 산출률 100%, 대시보드 구성요소 4종 이상, 설명이 정비 실무자가 조치할 수 있을 만큼 명확한가.

4단계. 대대장 승인 체계 및 동시 다발 요청 스트레스 시험

미션 7. 긴급 출동 순서 변경 및 정비반 재배치를 위한 정비대대장 HITL 승인 체계 설계 [고급 · 3.5시간]	미션 7. 긴급 출동 순서 변경 및 정비반 재배치를 위한 정비대대장 HITL 승인 체계 설계 [고급 · 3.5시간]
목표	긴급 출동 순서 변경과 정비반 재배치를 정수계획(할당 문제)으로 제안하고, 정비대대장 승인을 거쳐야만 적용되는 HITL 승인 체계를 시뮬레이터로 설계한다.
수행	배정 주기마다 기본 계획(접수 순서·최근접)과 할당 최적화 제안을 비교해, 다르고 기대 이득이 있으면 승인 대기열에 올린다. 모의 정비대대장은 구역 이탈·이득 크기를 근거로 승인·반려하고, 무응답이면 기본 계획을 유지한다. 모든 제안·결정을 해시 체인 감사 로그에 남기고, 기본 계획 대비 가동중단 비용 절감률과 승인 지연·요청 급증에 대한 민감도를 분석한다.
산출물	src/optimization/mnt10_simulator.py
평가	[필수] 대대장 HITL 승인 체계 — 자동 승인 0건, 결정 로깅률 100%, 감사 로그 변조 탐지, 기본 계획 대비 가동중단 비용 15% 이상 절감과 민감도 분석을 제시했는가.

미션 8. 동시 20개소 긴급 정비 요청 발생 모의 출동 스케줄링 스트레스 테스트 [고급 · 3시간]	미션 8. 동시 20개소 긴급 정비 요청 발생 모의 출동 스케줄링 스트레스 테스트 [고급 · 3시간]
목표	동시 20개소 긴급 정비 요청이 한꺼번에 들어오는 상황에서 출동 스케줄링과 관제 화면이 제때 동작하는지 스트레스 시험한다.
수행	동시 20·40·60개소 요청, 정비반 1개 출동 불가, 손상 요청 데이터를 주입하고 할당 최적화로 배정한다. 스케줄링과 대시보드 생성 시간, '핵심장비 4시간 내 도착 불가' 경보의 정확도(예상 대비 실제 도착), 요청 유실 여부, 필터 조회 응답을 측정한다. 손상 요청은 수동 확인 목록으로 넘기고, 처리 지연 시 규칙 기반 즉시 배정으로 전환하는 기능 축소 기준을 정한다.
산출물	src/dashboard/mnt10_app.py(Streamlit/Dash 등), 스트레스 시험 결과표
평가	[선택] 동시 다발 요청 스트레스 시험 — 처리+화면 생성 2초 이내, 경보 정확도 95% 이상, 요청 유실 0건, 손상 데이터 분리와 기능 축소 운용 기준을 제시했는가.

5단계. AAR 가중치 재튜닝 및 통합 도구 완성

미션 9. AAR 기반 출동 우선순위 배정 오류 분석 및 가중치 매트릭스 재튜닝 [고급 · 3시간]	미션 9. AAR 기반 출동 우선순위 배정 오류 분석 및 가중치 매트릭스 재튜닝 [고급 · 3시간]
목표	출동 우선순위 배정 결과를 AAR로 검토해 오류 원인을 분석하고, 가중치 매트릭스를 재튜닝해 도입 효과를 정량 지표로 산출한다.
수행	핵심장비 도착 4시간 초과 사례를 정비반 부하 집중·원거리 배정·도로·기상 지연·배정 주기 대기로 분류한다. 과거 기간에서 가중치 조합을 탐색해 재튜닝하고 평가 기간에서 Baseline·현행·재튜닝을 비교한다. 가동중단 비용 절감액(가상 단가), 핵심장비 도착시간 단축률, 정비인력 초과근무 변화의 3대 지표와 단계별 도입 로드맵을 정리한다.
산출물	reports/mnt10_roi_analysis.md
평가	[필수] AAR·가중치 재튜닝·효과 산출 — 3대 정량 효과 지표 산출, 오류 원인 분류의 근거 제시, 가중치로 해결되지 않는 원인과 운영 조치를 구분해 설득력 있게 정리했는가.

미션 10. 야전 이동정비반 긴급 출동 우선순위 배정 및 경로 최적화 도구 통합 완성 [최고급 · 3.5시간]	미션 10. 야전 이동정비반 긴급 출동 우선순위 배정 및 경로 최적화 도구 통합 완성 [최고급 · 3.5시간]
목표	요청 검증부터 예측 모델 재학습, 우선순위 배정, 승인 대상 선별, 부하 경보까지 야전 이동정비반 출동 도구를 통합하고 운영 문서를 완비한다.
수행	신규 실적으로 도전자 모델을 학습해 챔피언 모델과 검증 MAPE를 비교한 뒤 교체 여부를 정하는 자동 재학습 파이프라인을 구현한다. 재튜닝 가중치로 다음 달 요청을 배정하고, 손상 요청 분리·모델 장애 시 표준시간표 대체·자동 승인 0건 등을 자체 점검한다. 운영 지침서 장별 작성 여부를 점검하고 정비대대장 브리핑 요약과 국방 군수 정보체계 연동 방향을 출력한다.
산출물	docs/mnt10_operations_guide.md, pipeline/mnt10_retrain.py
평가	[필수] 통합 도구·운영 문서 — 자동 재학습 파이프라인 정상 실행, 자체 점검 전부 통과, 운영 문서 100% 완비, 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.)