계산 모델의 메타 모델링 - 과제와 기회
Cy Wegman, 섹션 책임자; Bill Worley, MS, 기술 리더 – Procter & Gamble
복잡한 컴퓨터 시뮬레이션은 오늘날 많은 제품과 프로세스에 대한 예측 모델을 개발하는 데 중요합니다. 이러한 모델에는 고유한 과제가 있습니다. 한 번에 한 가지 시뮬레이션 환경에서 시뮬레이션 "실험"의 수가 증가함에 따라 전문가 사용자에게는 계산 비용이 많이 들고 시간이 많이 걸릴 수 있습니다. 실험 계획 및 메타 모델링은 이러한 문제에 대한 전체적 솔루션을 찾는 데 사용되고 있습니다. 메타 모델을 만드는 컴퓨터 시뮬레이션의 결정론적 특성으로 인해 통나무에서 떨어지는 것만큼 쉬울 것이라고 생각할 수 있습니다. 우리의 경험에 따르면 통나무에 맞는 것과 더 비슷합니다. 시스템의 전체적 동작에 가장 잘 근접하는 모델을 찾는 것은 매우 어려웠습니다. 기존의 지혜로는 최상의 전체 메타 모델이 나오지 않을 수 있습니다. 예를 들어 모든 계산 데이터 포인트에 정확히 맞는 가우시안 프로세스 모델은 "좋은" 메타 모델을 제공합니다. 그러나 잭나이프 잔차와 실제 플롯을 자세히 살펴보면 잔차 데이터가 확률적 실험에서 볼 수 있는 노이즈와 더 비슷해 보입니다. 따라서 이와 같은 경우 신경망 또는 반응 표면 접근 방식이 가우시안 접근 방식보다 더 나은 전체 근사 모델로 이어질 수 있습니다. 이 강연에서는 메타 모델링의 일부인 과제와 기회에 대한 개요를 제공합니다.
