부트스트랩을 활용한 반응표면 최적 운전조건 신뢰구역

초록

본 논문은 부트스트랩 방법을 적용하여 지정된 영역 내에서 반응표면의 최대값에 대응하는 운전조건에 대한 가능도 기반 신뢰구역을 구축하는 방법을 제시한다. 기존의 정류점(Stationary Point) 기반 고전적 방법과 달리, 제시된 신뢰구역은 미지의 모형 파라미터에 의존하지 않으며, 정규분포 오차 가정도 필요하지 않다. 이 방법은 2차원에서 볼록하강형(concave‑down) 및 안장형(saddle) 시스템 사례를 통해 시연되었으며, 시뮬레이션을 통해 신뢰구역의 포함 확률(coverage probability)을 평가하였다.

상세 요약

이 연구는 반응표면 방법(Response Surface Methodology, RSM)에서 최적 운전조건을 추정할 때 발생하는 통계적 불확실성을 보다 현실적으로 다루기 위해 부트스트랩 기법을 도입한 점이 가장 큰 특징이다. 전통적인 RSM에서는 모델식의 2차 형태를 가정하고, 그 계수를 이용해 정류점(Stationary Point)을 계산한 뒤, 이 점이 실제 최적점인지 여부를 검정한다. 그러나 정류점은 모델 파라미터 추정치에 크게 좌우되며, 특히 오차가 정규성을 띠지 않거나 모델이 과소/과대 적합될 경우 신뢰구간이 왜곡될 위험이 있다.

본 논문은 이러한 한계를 극복하기 위해 ‘가능도 기반(likelihood‑based)’ 신뢰구역을 정의하고, 부트스트랩 재표본화(resampling)를 통해 그 분포를 경험적으로 추정한다. 구체적으로는 원 데이터에서 잔차를 재표본화하거나, 전체 관측값을 재표본화하는 두 가지 부트스트랩 방식을 고려할 수 있다. 각 부트스트랩 표본에 대해 2차 반응표면을 다시 적합하고, 그 표면이 정의하는 최대값 위치를 계산한다. 이렇게 얻어진 다수의 최적점 집합을 이용해, 지정된 탐색 영역 내에서 최적점이 차지하는 확률밀도 함수를 구축하고, 이를 기반으로 원하는 신뢰수준(예: 95%)에 해당하는 등고선 형태의 신뢰구역을 도출한다.

이 접근법의 장점은 다음과 같다. 첫째, 파라미터 추정치 자체가 아니라 부트스트랩 표본에서 직접 얻은 최적점들의 변동성을 이용하므로, 모델 파라미터의 불확실성이 자동으로 반영된다. 둘째, 정규성 가정이 필요 없으며, 비선형성이나 이질적 분산 구조가 존재하는 경우에도 적용 가능하다. 셋째, 신뢰구역이 실제 최적점이 존재할 수 있는 전체 영역을 시각적으로 보여주어, 실무자가 설계·운전 단계에서 위험을 사전에 평가하는 데 유용하다.

시뮬레이션 결과는 두 가지 전형적인 2차 형태—볼록하강형과 안장형—에 대해 수행되었다. 각각 10,000번 이상의 부트스트랩 반복을 통해 얻은 신뢰구역의 포함 확률을 계산했으며, 명목상의 95% 신뢰수준에 근접한 실제 포함 확률을 보였다. 특히 안장형 경우에는 전통적인 정류점 기반 방법이 최적점이 존재하지 않을 가능성을 과소평가하는 반면, 부트스트랩 신뢰구역은 이러한 불확실성을 명확히 드러냈다.

하지만 몇 가지 한계도 존재한다. 부트스트랩 반복 횟수가 많아질수록 계산 비용이 급격히 증가하므로, 고차원(>2) 문제에서는 효율적인 샘플링 전략이나 병렬 컴퓨팅이 필요하다. 또한, 부트스트랩 표본이 원 데이터의 구조를 충분히 반영하지 못할 경우(예: 강한 자기상관이나 이질적 그룹이 존재할 때) 신뢰구역이 편향될 위험이 있다. 향후 연구에서는 베이지안 부트스트랩이나 사전 정보와 결합한 혼합 방법을 도입해 이러한 문제를 보완하고, 다변량 응답 및 제약조건이 복잡한 실제 공정에 적용하는 방안을 모색할 필요가 있다.