본 발표에서는 복잡한 물리 모델에 대한 민감도 분석 및 최적화를 보다 효율적이고 효과적으로 수행하기 위한 통계 모델링의 적용 사례를 소개합니다.
물리 모델은 현실을 그대로 반영하기 때문에 복잡한 경우가 많으며, 이로 인해 민감도 분석을 수행하는 데 상당한 자원이 필요하고 최적화가 매우 어렵거나 심지어 불가능할 수도 있습니다. 민감도 분석은 다양한 시나리오를 탐색한 후 모델을 사용하여 입력 매개변수에 대한 최적값을 결정하는 과정입니다. 이 과정은 여러 가지 매개변수 조합에 대해 모델을 실행해야 하므로 종종 간단하지 않습니다.
최근 프로젝트들은 실험 설계와 같은 통계적 기법을 활용하여 물리 모델의 출력값을 기반으로 대리 모델을 구축하기 위한 대표 데이터를 선택하는 데 있어 그 이점을 부각시켜 왔습니다. 그런 다음 JMP의 예측 프로파일러를 사용하여 대리 모델의 민감도 분석 및 최적화를 수행합니다. 이러한 기능은 실험 공간을 집중적으로 탐색하고 비교적 짧은 시간 내에 다양한 매개변수 간의 관계를 규명하는 데 도움을 줍니다. 이 접근 방식은 원자 모델과 공학 모델 모두에 성공적으로 적용되었습니다.
본 발표에서는 JMP의 통계 도구를 활용하여 복잡한 물리적 계산 모델에서 얻을 수 있는 가치를 극대화하는 방법을 소개합니다.
