베이지안 최적화로 신뢰성 극대화

초록

본 논문은 제조 설계에서 극히 희귀한 고장 확률(10⁻⁶~10⁻⁸)을 최소화하기 위해, 중요도 샘플링을 결합한 두 가지 베이지안 최적화(BO) 획득 함수—Thompson Sampling 기반 TS‑MR과 Knowledge Gradient 기반 KG‑MR—를 제안한다. 두 방법 모두 제한된 실험 예산 하에서 한계 상태면(limit‑state surface)을 효율적으로 탐색하며, 실험 결과 기존 기법들을 크게 능가함을 보인다.

상세 분석

이 논문은 신뢰성 최적화 문제를 “명목 설계 x∈X에 대한 실패 확률 P(x)를 최소화”하는 형태로 정형화하고, 이를 확률적 함수 f(y)와 설계‑교란 변환 g(x,u)=x+u 로 모델링한다. 핵심 난제는 실패 확률이 10⁻⁶ 이하와 같이 매우 작아 표준 몬테카를로 추정이 거의 불가능하다는 점이다. 이를 해결하기 위해 저자는 중요도 샘플링(Q_u) 을 도입, 실패가 더 자주 발생하도록 분포를 확대하고 가중치를 재조정한다.

두 가지 획득 전략은 다음과 같다.

1. TS‑MR: 현재 GP 사후에서 함수 샘플 ˜f 를 그린 뒤, ˜f 로 정의된 실패 지표 I{˜f(g(x,u))≥c} 를 최소화하는 명목 설계 x̂ 를 찾는다. 이후, 해당 x̂ 주변에서 “불확실도·밀도 곱” α_MV(u;x̂)=p(u)·Var