MVP 명세서¶
인천항 반입 Cut-off 리스크 레이더¶
1. MVP 목표¶
공공 운영 데이터를 개별 작업 단위의 배차 의사결정으로 변환할 수 있음을 입증합니다.
2. MVP 정의¶
사용자는 단일 반입 작업을 입력하고 다음 결과를 받습니다.
- 정시 도착 확률
- miss 위험 점수
- 가장 늦어도 안전한 배차 시각
- 사유별 분해 결과
- 간단한 배차 시각 시뮬레이션
MVP가 증명해야 하는 것
이 단계의 핵심은 예측 모델의 복잡성이 아니라, 실제 운영 데이터가 의사결정 지원 값으로 변환될 수 있다는 점을 보여주는 것입니다.
3. 입력값¶
필수 입력값¶
- 출발지
- 목적지 터미널
- cut-off 일시
선택 입력값¶
- conservative mode 사용 여부
- 컨테이너 유형 placeholder
- 수동 안전 버퍼 조정값
4. 출력값¶
주요 출력값¶
- 정시 도착 확률
- 위험 점수 (0-100)
- 위험 라벨 (Low / Medium / High)
- 가장 늦어도 안전한 배차 시각
보조 출력값¶
- 사유 기여도 목록
- 시나리오 비교 표
5. 핵심 계산 구조¶
예상 총 소요 시간 =
- 도로 이동 시간
- 터미널 대기 시간
- gate 진입 보정값
- 안전 버퍼
해석 포인트
사용자는 세부 수식보다도 어떤 요소가 전체 지연을 키우는지에 더 민감하므로, 계산 결과와 함께 사유 설명을 반드시 제공해야 합니다.
6. MVP 규칙¶
위험 점수 구간¶
- 0-34: Low
- 35-69: Medium
- 70-100: High
정시 도착 확률의 대략적 매핑¶
초기 단계에서는 결정론적 점수를 확률 구간으로 매핑할 수 있습니다.
가장 늦어도 안전한 배차 시각¶
7. MVP 가정¶
- 현재 이용 가능한 공공 데이터만으로도 1차 운영 추정이 가능하다.
- 첫 모델은 규칙 기반으로 시작할 수 있다.
- 예측 정교함보다 설명 가능성이 더 중요하다.
- MVP 단계에서는 터미널 수준 정밀도로 충분하다.
8. MVP 제약사항¶
- 실제 도착 시각을 정확히 보장하지는 않는다.
- 기업용 SLA는 제공하지 않는다.
- v1에서는 동적 경로 엔진을 포함하지 않는다.
- v1에서는 심층 날씨/해양 모델을 포함하지 않는다.
해석 시 주의
이 결과는 의사결정 지원을 위한 추정값이며, 현장 판단을 완전히 대체하는 확정값으로 사용해서는 안 됩니다.
9. 데모 시나리오¶
예시:
- 출발지: 송도 창고
- 터미널: 선택한 인천항 터미널
- Cut-off: 17:00
결과:
- 정시 도착 확률: 41%
- miss 위험: High
- 가장 늦어도 안전한 배차 시각: 14:20
- 주요 사유: 교통, 터미널 혼잡, 진입 흐름
핵심 과제
데모에서는 단순히 수치를 보여주는 것을 넘어, 사용자가 왜 지금 배차하면 위험한지 즉시 이해하도록 만드는 것이 중요합니다.