수송 계획 최적화·시뮬레이션 지원 1기

프로젝트 정보

강의레벨: 고급
수행 형태: 3인 팀
교육일수: 18일
이수시간: 48시간
분야: 시뮬레이션 모델링, 최적화 알고리즘 적용, 자율 의사결정 로직 설계, AI 기반 의사결정 추천

프로젝트 소개

차량과 인력을 배분해 수송 임무를 계획하는 문제를 최적화 모델로 푼다. 그리고 계획이 실제로 어떻게 흐트러지는지 시뮬레이션으로 확인한다.

최적화는 조건이 명확한 문제에서 사람을 압도한다. 차량 30대로 임무 50건을 배분하는 조합은 사람이 손으로 다 볼 수 없다. 반면 최적화 모델은 조건에 없는 것을 고려하지 못한다. "저 도로는 요즘 공사 중"을 모델은 모른다.

이 프로젝트는 그 경계를 다룬다. 계획을 수립하는 최적화, 계획의 취약성을 확인하는 시뮬레이션, 그리고 결과를 사람이 검토·수정할 수 있게 만드는 인터페이스까지 만든다. 최종 판단은 사람이 한다는 전제를 설계에 새겨 넣는다.

3인 1팀. 모델링·시뮬레이션·인터페이스로 역할을 나눈다.

미션 여정

미션 7개 · 문제 62개

1. 문제 정형화 — 결정할 것과 지켜야 할 것 6시간 180 크레딧 문제 8개

2. 모델 구현 — 수식을 코드로 7시간 190 크레딧 문제 9개

3. 해가 없을 때 — 충돌하는 제약 찾아내기 6시간 200 크레딧 문제 8개

4. 기준 계획과 비교 — 얼마나 나아졌나 6시간 210 크레딧 문제 9개

5. 시뮬레이션 — 계획이 어디서 무너지나 7시간 220 크레딧 문제 10개

6. 검토·수정 인터페이스 — 사람이 결정한다 6시간 230 크레딧 문제 9개

7. 통합과 활용 한계 정리 6시간 240 크레딧 문제 9개

수행 조건과 산출물

선수학습: · 선수 : 「장비 정비 수요 예측 모델 개발」 또는 동등한 모델링 경험. 파이썬 중급.
· 선수 스킬 : 「AI 솔루션 설계 Level 3」, 「실행 및 검증 Level 3」 진단 통과.
· 수학 기초 : 선형계획의 개념(변수·목적함수·제약)을 이해해야 한다. 단체법 유도는 필요 없다.
· 준비물 : 파이썬 3.11+, 최적화 라이브러리(PuLP / OR-Tools 중 선택), 시뮬레이션용 난수 도구.
제약조건: · 제공된 더미 수송 시나리오만 사용한다. 실제 작전 계획·부대 배치 자료를 사용하지 않는다.
· 최적화 결과를 그대로 지시로 내보내는 기능을 만들지 않는다. 사람 검토·수정 단계가 필수다.
· 목적함수와 제약은 반드시 문서로 명시한다. 코드에만 있는 제약은 산출물로 인정하지 않는다.
· 해가 없을 때 임의로 제약을 완화해 답을 만들지 않는다. 어느 제약을 왜 완화했는지 기록해야 한다.
· 시뮬레이션 결과를 확률로 제시할 때 그 확률의 근거(가정)를 함께 밝힌다.
산출물: 1. 최적화 모델 — 변수·목적함수·제약이 코드와 문서로 대응
2. 모델 명세서 — 목적함수·제약·가정·단위
3. 시뮬레이션 엔진 — 지연·고장·수요 변동 반영
4. 계획 취약성 분석 — 어떤 조건에서 계획이 무너지는가
5. 계획 검토·수정 인터페이스
6. 기준 계획 대비 비교 리포트
7. 활용 한계 문서 — 모델이 고려하지 못하는 것
참고자료: · 실습 시나리오 : 더미 수송 임무 50건, 차량 30대(유형 4종), 인력 60명, 거리·소요시간 행렬, 기준 수작업 계획
· 참고 : PuLP / OR-Tools 공식 문서, 「수송 문제와 배분 문제 정리」(사내)
· 시뮬레이션 가정 자료 : 차량 고장률, 도로 지연 분포(더미)