머신러닝을 활용한 방위력개선사업 사업비 변동예측에 관한 연구 (A Study on Machine Leaning-Based Prediction to Forecast Cost Variance in Defense Acquisition Programs)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 25권 / 9호 / 442 ~ 456페이지
· 저자명 : 김병주, 최상옥

초록

방위력 개선사업의 비용 변동예측은 사업관리뿐만 아니라 국방 예산의 계획 및 집행 효율성을 높이는 데에도도움을 줄 수 있다. 본 연구는 지난 7년 동안 방위력개선사업 총사업비를 활용하여 머신러닝 기반 모델을 통해 방위력개선사업의 비용 변동예측 가능 여부 확인을 위해 수행하였다. 머신러닝 기반 예측 모델 확인을 위해 Deep Neural Network, Extreme Gradient Boosting Machine, Distributed Random Forest 등의 방법으로 예측 모델을 구현하고 각각의 성능을 비교하였다. 머신러닝 예측 모델들은 모두 0.9 이상 결정계수를 보여 회귀분석 모델의 0.34에 비해우수한 예측 성능을 보여 향후 이를 정책적 도구로 활용 가능성을 확인하였다, 그러나, 데이터 부족으로 인해 신규 과제에 대한 결정 계수는 0.48~0.71 수준으로 낮아지는 것을 확인하였으나, 신규 과제에 대한 예측 또한 머신 러닝이 회귀분석 모델의 결정계수 0.23보다 좋은 성능을 보여, 많은 데이터 축적 후 총사업비 변동성 예측에 머신러닝 모델 활용가능성을 확인할 수 있었다. 향후 사업비 변동 예측 연구 발전을 위해 추후 데이터 축적을 위한 정책 및 이를 사업관리에활용할 수 있는 정책에 관한 추가 연구가 필요하겠다.

영어초록

This study examined the feasibility of using machine learning (ML) models to predict the cost variance in defense capability improvement projects, utilizing the total project costs from the last seven years. Various predictive models were implemented using Deep Neural Networks, Extreme Gradient Boosting Machines, and Distributed Random Forests, and their performances were comparatively assessed. The ML-based models demonstrated superior forecasting capabilities, with a coefficient of determination exceeding 0.9, significantly outperforming the regression analysis model benchmark of 0.34. On the other hand, the coefficient of determination for new projects due to the limited data availability was reduced to 0.48-0.71. Despite this, the ML models outperformed the regression analysis result (0.23) in forecasting new projects. As more data become available, the use of ML models for predicting the variability in total project costs appears promising. Further research will be needed for policy development to accumulate data and integrate these insights into project management practices.

참고자료

· 없음