제조업 현장에서 숙련된 인력의 확보와 유지는 생산성 및 공급망 회복탄력성(resilience)에 핵심적인 요소입니다. 새로운 연구는 이러한 '숙련도 제약(skill-constrained)' 생산-재고 시스템에서 인력 교육 결정을 포함한 모델 예측 제어(Model Predictive Control, MPC) 접근 방식을 제시했습니다. 이는 생산에 필요한 인증된 작업자, 시간이 지나면 감소하는 숙련도, 그리고 생산과 교육 모두에 필요한 제한된 작업 시간을 종합적으로 고려하여 최적의 운영 전략을 수립하는 것을 목표로 합니다.
이 연구에서 제안된 폐쇄 루프(closed-loop) 숙련도 제약 모델 예측 제어기는 매 교대 근무마다 생산, 재고, 미결 주문, 그리고 교육에 대한 유한한 시점의 혼합 정수 계획(mixed-integer program)을 해결합니다. 이는 작업자의 인증 상태를 이진 변수로 예측하고, 생산 자격 요건을 엄격하게 적용하며, 미래의 숙련도 격차를 반영하는 해석 가능한 최종 가치(terminal value)를 포함합니다. 연구팀은 합성 시나리오인 SkillChain-Gym을 통해 이 제어기를 평가했는데, 새로운 기술 충격, 수요 충격, 결근, 예측 및 가용성 품질 모드 등 다양한 상황에서 기존의 생산 전용, 유지보수 전용 방식, 정적 교차 훈련 보험 계획, 그리고 강력한 반응형 휴리스틱(heuristic)과 비교했습니다. 그 결과, 특정 정책 클래스가 항상 우월하지 않으며, '체제 의존성(regime dependence)'이 있음을 발견했습니다.
즉, 예측 제어는 숙련도 또는 노동력 병목 현상이 교육 완료에 충분할 만큼 일찍 예측될 수 있을 때 효과적입니다. 반면, 수요-생산 능력 경계에 가깝거나 사전 충격 여유가 충분하여 보험 비용이 저렴할 때는 정적인 보험 계획이 갑작스러운 충격에 더 강한 면모를 보였습니다. 이 연구는 예측 가능성(forecastability)이 적응성(adaptivity) 자체보다 예측 제어의 효용성을 결정하는 중요한 요소임을 시사합니다. 이는 제조업체가 AI 기반 최적화 시스템을 도입할 때, 단순히 기술 도입을 넘어 실제 운영 환경의 불확실성과 예측 가능성을 면밀히 분석하여 가장 적합한 전략을 선택해야 함을 의미합니다.