미국 해병대, 데이터 분석을 통해 수십억 달러를 절약하다

JMP^® Pro를 이용한 예측 모델링으로 전투 중 장비 손실 예측

전투 중 장비 손실을 예측하는 시스템을 개선하기 위해 예측 모델링을 사용한 4 명의 미국 해병대원이 권위있는 군사 관련 상을 수상했습니다. 분석능력이 향상된 CARF (Combat Active Replacement Factors) 시스템은 앞으로 수십억 달러를 절약할 것으로 예상됩니다.

데이빗 스캇(David Scott) 중위, 애런 브루시아가(Aaron Burciaga) 대위, 신시아 칙(Cynthia Cheek) 대위, 제니스 스카긴스(Janice Scoggins) 대위는 2013년도 리스트 상(Rist Prize)을 수상했습니다. 이 상은 매년 군사작전 수행에서 모범사례를 선정해 수여됩니다. 이번 수상은 전투 중 장비 손실을 예측하는 미국 해병대의 CARF 시스템 고도화 작업의 성공적 수행에 대한 공로를 인정했습니다.

"바람직한 소식입니다. 미국 해병대는 항상 모범사례를 적용해 더 나은 선택을 하고자 노력하고 있습니다." 브루시아가 대위는 말합니다. 이번 경우, 더 나은 선택은 효율성을 크게 향상시켰습니다. 브루시아가 대위의 팀은 2017년까지 해병대의 비용을 23억 달러까지 절약할 수 있었습니다.

라디오에서 탱크까지 모든 물자를 낭비하지 않되 충분하게 보급하려면 분석적이고 데이터 주도적인 접근법이 필수적입니다. 그러나 브루시아가 대위가 프로젝트를 맡았을 당시의 CARF 시스템은 15년 전 방법론에 의존하고 있었습니다. 해병대 본부에서 근무하던 브루시아가 대위의 동료 대부분은 이 시스템을 신뢰하지 않았습니다.

"CARF를 개선하려는 노력이 없던 것은 아닙니다. 분석가들은 과거에도 많은 시도를 했습니다." 그러나 브루시아가 대위의 팀만이 불가능을 가능하게 하는 도전에 성공했습니다. 브루시아가 대위의 무기고에는 SAS의 통계적 발견 소프트웨어 JMP Pro가 있습니다. 이 소프트웨어는 예측 모델링을 비롯한 기타 고급 분석 방법을 PC에서 수행할 수 있게 해주며, 분석 결과를 시각적으로 표시합니다.

CARF 오버홀의 어려움 중 하나는 유용한 데이터가 부족했다는 점입니다. 브루시아가 대위의 팀은 앙상블 기법과 재귀 분할을 사용해 해병대 핵심 장비에 전체에 대해 값을 할당할 수 있었습니다. "재귀 분할 덕분에, 우리는 고수준의 검증된 방법을 사용하여 많은 시간과 무차별 프로그래밍 시도를 절약할 수 있었습니다."

팀원들은 분할 방법으로 부트스트랩 포레스트를 선택하여 변수를 살펴보는 환경을 좁힐 수 있었습니다. 부트스트랩 포레스트는 약간의 데이터가 변경되어도 안정적으로 유지되며, 많은 예측변수가 사용될 때에도 과적합에 강한 결과를 생성합니다.

해병대 군수품목은 수십만에 달하지만, 완전한 데이터를 제공하는 건 300여 종이기 때문에 부트스트랩 포레스트가 효과적이라고 브루시아가 대위는 설명합니다.

이 방법을 통해 분석가는 데이터가 있는 더 작은 장비 세트로 시야를 좁힐 수 있었습니다. 그런 다음 그 결과를 더 큰 인벤토리로 확장하여 추정할 수 있었습니다.

팀원들도 누락된 데이터 문제를 해결할 수 있었습니다.

브루시아가 대위는 말합니다. "때론 무엇이 빠져있는지 알지 못합니다. 분석을 시작하고 기술통계와 분포를 확인해야 이것들이 보이기 시작합니다. 이런 기능은 프로세스와 시스템에서 차이가 있는 부분을 파악하는데 도움이 됩니다."

이 프로세스는 데이터를 가장 효과적인 방식으로 저장하기 위한 데이터 필터링, 클린징 및 프로파일링의 필요성을 밝혀냈습니다. 새로운 방법론으로 총 34,818개의 새로운 CARF 값을 만들었으며, 이는 이전보다 약 3배나 많은 수치입니다.

CARF 통계분석도구(CARF-STAT)로 알려진 새로운 시스템에 대한 반응은 긍정적입니다. 해병대 군수단장 윌리엄 M. 포크너(William M. Faulkner) 중장은 리스트 상 후보로 브루시아가 대위의 팀을 추천했습니다.

"많은 어려움에도 불구하고, 이 후보자들은 2017년 이후의 전쟁을 지원하기 위한 포괄적인 전략 개발에 필요한 정책, 프로세스 및 계획요소 개발에 새로운 운영 연구 기법을 적용했습니다."라고 포크너 중장은 추천서에 적었습니다.

브루시아가 대위에게 있어서 CARF-STAT는 고급 분석을 사용하여 효율성을 향상시키는 시작일 뿐입니다. "탐색해야 할 것이 아직 많습니다."라고 그는 말합니다. 다음 단계는 새로운 방법론과 도구를 주정부 부대의 재 보급에 적용하고 나아가 타군으로까지 확대하는 것입니다. 브루시아가 대위는 말합니다. "최고의 방법론을 갖춘 공통 도구를 사용한다면 사람들은 좋은 아이디어를 더 좋은 아이디어로 발전시키고 보다 일관된 해답과 공감할 수 있는 해결책에 이를 수 있을 것입니다."