전산 모델의 메타 모델링 – 도전과 기회
Cy Wegman, 섹션 헤드; Bill Worley, MS, 기술 리더 – Procter & Gamble
복잡한 컴퓨터 시뮬레이션은 오늘날 많은 제품과 프로세스에 대한 예측 모델 개발에 매우 중요합니다. 이러한 모델에는 고유한 문제가 있습니다. 한 번에 하나씩 시뮬레이션 환경에서 시뮬레이션 "실험"의 수가 증가함에 따라 전문 사용자에게는 계산 비용과 시간이 많이 소요될 수 있습니다. 이러한 문제에 대한 전체론적 솔루션을 찾기 위해 실험 설계 및 메타 모델링이 사용되고 있습니다. 메타 모델을 생성하는 컴퓨터 시뮬레이션의 결정론적 특성으로 인해 이것이 로그에서 떨어지는 것만큼 쉬울 것이라고 생각할 수도 있습니다. 우리의 경험은 통나무에 맞은 것과 비슷하다는 것입니다. 시스템의 전체적인 동작에 가장 근접한 모델을 찾는 것은 매우 어려웠습니다. 기존의 지혜는 최상의 전체 메타 모델로 이어지지 않을 수 있습니다. 예를 들어 모든 계산 데이터 포인트에 정확히 맞는 가우시안 프로세스 모델은 "좋은" 메타 모델을 제공합니다. 그러나 잭나이프 잔차 대 실제 플롯을 면밀히 조사하면 잔차 데이터가 확률론적 실험에서 보이는 노이즈와 더 비슷해 보입니다. 따라서 이와 같은 경우 신경망 또는 응답 표면 접근 방식이 가우시안 접근 방식보다 더 나은 전체 근사 모델로 이어질 수 있습니다. 이 강연에서는 메타 모델링의 일부인 도전과 기회에 대한 개요를 제공합니다.