국방부, 수리부속 수요예측 모형 개발로 예산 효율화 달성

수요예측 모형 개발해 예산 129억 절감...머신러닝 도입도

[보안뉴스 박미영 기자] 국방부는 수리부속 예측 정확도를 높이기 위해 수요예측 모형을 개발해 예측 정확도를 크게 향상시켰으며, 그 결과 2018년도 예산 편성에서 수리부속 예산 129억원을 절감하는 효과를 얻었다.

우리 군은 약 3만여종에 이르는 방대한 양의 장비를 운용하고 있는데, 장비를 제때에 정비하고 언제든 운용할 수 있는 상태로 유지하기 위해서는 수리부속 재고 수준을 적정하게 유지하는 것이 중요하다. 그러나 52만여종에 달하는 수리부속의 미래 수요를 정확하게 예측해 재고량을 산정하기란 쉽지 않고, 산술평균법·이동평균법 등과 같은 기존 수요 실적에만 의존한 단순 통계적 예측 기법으로는 수요예측 정확도를 향상하는 데 한계가 있었다.

이러한 문제를 해결하기 위해 국방부는 2012년에 한국국방연구원에 수리부속 소요분석팀을 신설해 기존 단순 통계적 예측 기법에 장비별 특성 및 운용 실적 등 수리부속 수요에 영향을 미치는 요인까지 종합적으로 고려한 수리부속 수요예측 모형을 개발해 왔다.

또한 여기에서 더 나아가 최근 국방연구원은 수요예측 분야에 기계학습(머신러닝)을 접목했다. 기계학습(머신러닝)은 컴퓨터가 데이터를 분석하고 스스로 학습하는 과정을 거치고 나면 패턴을 인식할 수 있는 능력을 갖추게 되는데, 이렇게 되면 입력하지 않은 정보에 대해서도 판단·결정할 수 있게 된다는 것을 의미한다.

국방연구원 수리부속 소요분석팀의 분석 결과에 따르면, 이미 개발된 수요예측 기법에 기계학습을 결합하는 방식을 추가함으로써 수요예측 정확도가 더욱 높아졌다고 한다.

그 결과 종전 기법으로는 70% 수준이었던 수리부속 수요예측 정확도가 평균 79% 수준으로 향상됐으며, 정확도가 향상된 주요 장비의 수요예측 결과를 2018년도 예산 편성에 적용해 약 129억원을 효율화하는 성과를 달성했다.

국방부는 이러한 수요예측 정확도의 향상이 앞으로 장비 가동에 필요한 수리부속을 적기에 보급해 장비 가동을 보장함으로써, 전투 준비 태세 유지에 기여할 뿐만 아니라 예산을 효율화해 국방비를 절감하는 데도 기여하게 될 것으로 기대하고 있다.
[박미영 기자(mypark@boannews.com)]

내년 회사에 꼭 도입하고 싶은 보안 솔루션 또는 플랫폼은 무엇인가요?
	XDR
	EDR
	AI 보안
	제로트러스트
	공급망 보안 체계(SBOM)
	클라우드 보안 솔루션
	기타(댓글로)