머신러닝과 의사결정 통합: 운영비용 기반 예측과 유지보수 라우팅

**1. 서론** 전력망과 같은 인프라 시스템에서는 고장 예측과 그에 따른 유지보수 스케줄링이 핵심 운영 과제이다. 기존 연구는 예측 모델을 별도로 학습한 뒤, 예측값을 입력으로 라우팅·스케줄링 최적화를 수행한다. 그러나 예측 오차가 라우팅 비용에 미치는 영향을 정량적으로 파악하기 어렵다. 저자는 이를 해결하기 위해 “Machine Learning with Operational Costs (MLOC)”라는 새로운 프레임워크를 제안한다. MLOC은 예측 모델 학습 과정에 운영비용을 정규화 항으로 포함시켜, 학습 단계부터 의사결정 비용을 고려한다. **2. MLOC 프레임워크** 전통적인 지도학습 목표는 \