앙상블 학습 기반의 동시조달수리부속 예측모형 연구

초록

초기 무기체계 전력화 시 일정기간 재보급 없이 주어진 운용임무를 수행하기 위해 필요한 필수 수리부속을 동시조달수리부속이라고 한다. 본 수리부속은 보통 총사업비 3%에 해당하며 전투준비태세를 보장하고 원활한 장비운용을 위해 전력화와 동시에 산정되는 수리부속을 뜻한다. 본 연구는 동시조달수리부속의 소요산정에 대한 중요성을 고려하여 기존의 방법론에 대한 정확도를 높이기 위해 랜덤포레스트(RF), 아다부스트(ABC), 지지기반머신(SVM) 등 머신러닝 기반의 모형을 제시하였다. 동시조달수리부속 예측을 위해 일반분해목록(GBL) 등과 같은 획득데이터와 수리부속의 보급 및 정비체계인 장비정비정보체계(DELIIS)의 운영데이터를 활용하였다. 기존의 육군에서 주로 사용한 고장간 평균시간(MTBF) 기반의 기법은 획득데이터만 활용한 반면 본 연구에서의 머신러닝 기법은 운영데이터도 함께 활용하였다는데 의의를 가진다. 결과적인 측면에서도 MTBF 기반의 기법의 정확도는 83%인 반면 머신러닝 기법의 정확도는 DT, RF, ABC, SVM, KNN, VOTE이 각각 85.1, 92.5%, 94.7%, 95.1%, 92.6%, 95.5%로 우수함을 보였다. 기타 Recall, Precison, F1-Score 부분에서도 머신러닝 기법이 우수한 것으로 나타났으며 특히, 머신러닝 기법 중 VOTE 기법이 가장 우수한 결과를 보였다. 본 연구는 기존의 방법론 대비 운영데이터를 추가적으로 활용하였고 앙상블 기법을 적용하여 결과의 개선을 보였다는데 큰 의의를 가진다.

키워드