군에서 사용하고 있는 수리부속은 약 72만 종으로, 국방 예산의 약 3%(약 1.3조원)을 차지하고 있으며, 적시적기의 수리부속 보급은 무기체계 전투준비태세에 직접적인 영향을 미치고 있어 수리부속 수요예측은 장비가동률과 국방예산운영 측면에서 매우 중요한 요소가 되고 있다. 그래서 현재 공군에서 적용중인 시계열 예측모형의 예측한계를 개선하기 위해 다수의 연구들이 데이터마이닝 중 지도학습을 통한 새로운 외부변수를 추가하여 예측률을 향상시키는데 집중하였고, 군에서 비지도학습과 피쳐 엔지니어링을 통한 예측 정확도 향상 연구는 한정되어 있었다. 따라서 본 연구에서는 수리부속 수요예측 정확도를 향상시키기 위해서 공군에서 운용중인 F-15K 전투기에 대한 2014 ~ 2019년까지의 5,752개 수리부속 품목의 소모개수와 표준단가 데이터 수집하였고, 데이터마이닝 모형(Random forest, GBM, XGBoost, LightGBM, Ridge, Lasso, Elastic Net regression)을 활용하여 시계열모형과 예측률을 비교하였다. 예측력척도는 RMSE (평균제곱근오차)를 사용하였다. 연구결과 데이터마이닝 모형이 현재 공군에서 적용중인 시계열 예측 모형에 비해 예측정확도가 높았으며, 이어서 비지도학습의 차원축소와 피쳐 엔지니어링을 통해 예측정확도를 더욱 높일 수 있었다.