• Proceedings of the Korea Society for Simulation Conference
• /
• 1993.10a
• /
• pp.1-1
• /
• 1993

시뮬레이션 분야에서 출력 분석은 중요한 분야중의 하나로 출력 분석을 정확히 하기 위해서, 지금까지 많은 연구가 진행되어 왔다. 본 연구에서는 현재까지 시뮬레이션 출력 분석 분야에서 사용되지 않았던 프로크루스테스 분석(Procrustes Analysis) 방법을 사용하여 시뮬레이션 출력 데이타의 안정상태(steady state)를 분석하는 방법을 제시한다. 본 논문에서 사용하는 프로크루스테스 분석 방법은 시뮬레이견 출력 분석을 효과적으로 수행할 수 있도록 앨고리듬을 개선하여 적용하며, M/M/1 대기모형을 대상으로 시뮬레이션을 수행한다. M/M/1 대기모형에서 대기열의 평균대기시간과 평균길이라는 두가지 매개변수에 대한 출력 데이타를 동시에 사용하여, 프로크루스테스 분석을 행한 결과와 시뮬레이션 출력 분석에서 일반적으로 쓰이는 반복-제거 방법(replication-deletion approach)을 비교한 결과, 시뮬레이션 실행 횟수를 줄여도 추정하고자 하는 참값에 보다 더 가깝고 신뢰 구간의 폭이 더 좁은 추정치를 얻는다.

• Journal of the Korea Society for Simulation
• /
• v.19 no.3
• /
• pp.119-125
• /
• 2010

The moving block bootstrap, the stationary bootstrap, and the threshold bootstrap are methods of simulation output analysis, which are applicable to autocorrelated data. These bootstrap methods assume the stationarity of data. However, bootstrap methods cannot work if the stationary assumption is not guaranteed because of seasonality or trends in data. In the simulation output analysis, threshold bootstrap method is the best in describing the autocorrelation structure of original data set. The threshold bootstrap makes the cycle based on threshold value. If we apply the bootstrap to seasonality data, we can get similar accuracy of the results. In this paper, we verify the possibility of applying the bootstrap to seasonal data.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1996.05a
• /
• pp.1-3
• /
• 1996

시뮬레이션 기법을 이용한 시스템의 분석에 있어서 실험의 자동화는 현재 많은 연구와 개발이 진행 중인 분야이다. 컴퓨터와 정보통신 시스템에 대한 시뮬레이션의 예를 들어 보면, 수많은 모델을 대한 시뮬레이션을 수행할 경우 자동화된 실험의 제어가 요구되고 있다. 시뮬레이션 수행회수, 수행길이, 데이터 수집방법 등과 관련하여 시뮬레이션 실험방법이 자동화가 되지 않으면, 시뮬레이션 실험에 필요한 시간과 인적 자원이 상당히 커지게 되며 출력데이터에 대한 분석에 있어서도 어려움이 따르게 된다. 시뮬레이션 실험방법을 자동화하면서 효율적인 시뮬레이션 출력분석을 위해서는 시뮬레이션을 수행하는 경우에 항상 발생하는 초기편의 (initial bias)를 제거하는 문제가 선결되어야 한다. 시뮬레이션 출력분석에 사용되는 데이터들이 초기편의를 반영하지 않는 안정상태에서 수집된 것이어야만 실제 시스템에 대한 올바른 해석이 가능하다. 실제로 시뮬레이션 출력분석과 관련하여 가장 중요하면서도 어려운 문제는 시뮬레이션의 출력데이터가 이루는 추계적 과정 (stochastic process)의 안정상태 평균과 이 평균에 대한 신뢰구간(confidence interval: c. i.)을 구하는 것이다. 한 신뢰구간에 포함되어 있는 정보는 의사결정자에게 얼마나 정확하게 평균을 추정할 구 있는지 알려 준다. 그러나, 신뢰구간을 구성하는 일은 하나의 시뮬레이션으로부터 얻어진 출력데이터가 일반적으로 비정체상태(nonstationary)이고 자동상관(autocorrelated)되어 있기 때문에, 전통적인 통계적인 기법을 직접적으로 이용할 수 없다. 이러한 문제를 해결하기 위해 시뮬레이션 출력데이터 분석기법이 사용된다.본 논문에서는 초기편의를 제거하기 위해서 필요한 출력데이터의 제거시점을 찾는 새로운 기법으로, 유클리드 거리(Euclidean distance: ED)를 이용한 방법과 현재 패턴 분류(pattern classification) 문제에 널리 사용 중인 역전파 신경망(backpropagation neural networks: BNN) 알고리듬을 이용하는 방법을 제시한다. 이 기법들은 대다수의 기존의 기법과는 달리 시험수행(pilot run)이 필요 없으며, 시뮬레이션의 단일수행(single run) 중에 제거시점을 결정할 수 있다. 제거시점과 관련된 기존 연구는 다음과 같다. 콘웨이방법은 현재의 데이터가 이후 데이터의 최대값이나 최소값이 아니면 이 데이터를 제거시점으로 결정하는데, 알고기듬 구조상 온라인으로 제거시점 결정이 불가능하다. 콘웨이방법이 알고리듬의 성격상 온라인이 불가능한 반면, 수정콘웨이방법 (Modified Conway Rule: MCR)은 현재의 데이터가 이전 데이터와 비교했을 때 최대값이나 최소값이 아닌 경우 현재의 데이터를 제거시점으로 결정하기 때문에 온라인이 가능하다. 평균교차방법(Crossings-of-the-Mean Rule: CMR)은 누적평균을 이용하면서 이 평균을 중심으로 관측치가 위에서 아래로, 또는 아래서 위로 교차하는 회수로 결정한다. 이 기법을 사용하려면 교차회수를 결정해야 하는데, 일반적으로 결정된 교차회수가 시스템에 상관없이 일반적으로 적용가능하지 않다는 문제점이 있다. 누적평균방법(Cumulative-Mean Rule: CMR2)은 여러 번의 시험수행을 통해서 얻어진 출력데이터에 대한 총누적평균(grand cumulative mean)을 그래프로 그린 다음, 안정상태인 점을 육안으로 결정한다. 이 방법은 여러 번의 시뮬레이션을 수행에서 얻어진 데이터들의 평균들에 대한 누적평균을 사용하기 매문에 온라인 제거시점 결정이 불가능하며, 작업자가 그래프를 보고 임의로 결정해야 하는 단점이 있다. Welch방법(Welch's Method: WM)은 브라운 브리지(Brownian bridge) 통계량()을 사용하는데, n이 무한에 가까워질 때, 이 브라운 브리지 분포(Brownian bridge distribution)에 수렴하는 성질을 이용한다. 시뮬레이션 출력데이터를 가지고 배치를 구성한 후 하나의 배치를 표본으로 사용한다. 이 기법은 알고리듬이 복잡하고, 값을 추정해야 하는 단점이 있다. Law-Kelton방법(Law-Kelton's Method: LKM)은 회귀 (regression)이론에 기초하는데, 시뮬레이션이 종료된 후 누적평균데이터에 대해서 회귀직선을 적합(fitting)시킨다. 회귀직선의 기울기가 0이라는 귀무가설이 채택되면 그 시점을 제거시점으로 결정한다. 일단 시뮬레이션이 종료된 다음, 데이터가 모아진 순서의 반대 순서로 데이터를 이용하기 때문에 온라인이 불가능하다. Welch절차(Welch's Procedure: WP)는 5회이상의 시뮬레이션수행을 통해 수집한 데이터의 이동평균을 이용해서 시각적으로 제거시점을 결정해야 하며, 반복제거방법을 사용해야 하기 때문에 온라인 제거시점의 결정이 불가능하다. 또한, 한번에 이동할 데이터의 크기(window size)를 결정해야 한다. 지금까지 알아 본 것처럼, 기존의 방법들은 시뮬레이션의 단일 수행 중의 온라인 제거시점 결정의 관점에서는 미약한 면이 있다. 또한, 현재의 시뮬레이션 상용소프트웨어는 작업자로 하여금 제거시점을 임의로 결정하도록 하기 때문에, 실험중인 시스템에 대해서 정확하고도 정량적으로 제거시점을 결정할 수 없게 되어 있다. 사용자가 임의로 제거시점을 결정하게 되면, 초기편의 문제를 효과적으로 해결하기 어려울 뿐만 아니라, 필요 이상으로 너무 많은 양을 제거하거나 초기편의를 해결하지 못할 만큼 너무 적은 양을 제거할 가능성이 커지게 된다. 또한, 기존의 방법들의 대부분은 제거시점을 찾기 위해서 시험수행이 필요하다. 즉, 안정상태 시점만을 찾기 위한 시뮬레이션 수행이 필요하며, 이렇게 사용된 시뮬레이션은 출력분석에 사용되지 않기 때문에 시간적인 손실이 크게 된다.

• Journal of the Korea Society for Simulation
• /
• v.6 no.2
• /
• pp.81-87
• /
• 1997

안정상태 시뮬레이션의 출력 분석에서 백분율의 추정은 시스템 설계와 성능분석에 매우 유용하다. 그러나 지금까지 지속적으로 발전된 대부분의 안정상태 시뮬레이션 연구는 그 대상이 주로 시스템의 평균값에 치중되어 왔다. 본 논문에서는 시뮬레이션 출력 과정의 안정상태 백분율에 대하여 Bonferroni 동시 신뢰구간 추정 방법과 붓스트랩을 이용하는 신 뢰구간 추정 방법을 제시한다. 이 방법들은 전통적인 방법보다 적은 수의 관찰 값을 가지고 상대적으로 좁은 신뢰구간을 얻으며, 시뮬레이션 출력 분석에 있어 널리 사용되는 배치 평 균 방법을 응용하므로 적용하기도 쉽다. 새로운 두 가지 추정 방법의 타당성을 검증하기 위 하여 이들을 전통적인 배치 백분율 방법과 서로 비교, 평가한다. 대기 행렬 모델(MIMI)과 시계열 모델(AR(1))에 적용한 결과, 새로운 방법들은 전통적인 방법에 비하여 상당히 적은 수의 관찰 값만으로 신뢰성 있는 추정치를 얻을 수 있었다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1998.10a
• /
• pp.62-64
• /
• 1998

유전 알고리즘은 전통적인 등반 알고리즘을 이용하여 구하기 어려웠던 최적화 문제를 해결하기 위한 강인한 (Robust) 탐색 기법이다. 특히 목적함수가 (1)여러 개의 국부 최대치를 가지거나 (2)수학적으로 표현이 불가능하거나 어렵거나 (3) 목적함수에 교란항이 섞여 있을 경우도 우수한 탐색 능력을 갖는 것으로 알려져 있다. 본 논문에서는 군집성 분석(cluster analysis)을 이용하여 군집화함으로써 유전 알고리즘을 이용하여 나타나는 다양한 해집합을 형성하는 개체군을 그룹화하고, 각 군집에 부여된 군집 적합도에 따라서 최적해를 구함으로써 최적값에 근접시킬 수 있는 탐색 알고리즘을 제안하였으며, 시뮬레이션의 출력이 특정한 테스트 함수의 형태로 나타난다고 가정한 경우에 확률적으로 나타나는 시뮬레이션 모델의 출력을 최대화하는 문제에 대하여 적용하고 분석하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 1992.09a
• /
• pp.113-136
• /
• 1992

• Journal of the Korea Society for Simulation
• /
• v.21 no.3
• /
• pp.11-16
• /
• 2012

Simulation is the imitation of the operation of a real-world process or system over time. It concerns the study of the operating characteristics of real systems. Typically, a simulation project consists of several steps such as data collection, coding, model verification, model validation, experimental design, output data analysis, and implementation. Among these steps of a simulation study this paper focus on statistical analysis methods of simulation output data. Specially, we explain how to develop confidence interval estimators for mean ${\mu}$ in terminating and non-terminating simulation cases. We, then, explore the estimation techniques for $f({\mu})$, where the function $f({\bullet})$ is a nonlinear that is continuously differentiable in a neighborhood of ${\mu}$ with $f'({\mu}){\neq}0$.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.10 no.6
• /
• pp.73-80
• /
• 1996

본 논문은 펄스 형태의 출력전류를 얻기 위한 직류 직원 장치의 성능분석에 관한 것이다. 직류 전원장치의 입력은 3상 3,300[V]이고 펄스 출력용량은 4.2MW( 600VDC, 7kADC)이며 용도는 플라즈마의 밀폐 및 구속을 위한 전자적 구동용이다. 펄스폭인 10초인 펄스 파형이 150초 주기로 출력되면서 동작함에 따라 전원장치를 구성하는 변압기와 위상제어 정류기의 용량선정시 전원장치의 성능과 설비비를 고려하여 최적화할 필요가 있다. 본 논문에서는 변압기의 용량선정시 역률과 전압강하를 고려하여 가능한 한 용량을 최소화하였으며 선정된 변압기에 대하여 변압기의 %Z에 따른 직류 출력전압 강하, 역류, 전고조파 왜율 등의 특성을 시뮬레이션을 통하여 분석하였으며 제작된 전원장치의 실험을 통하여 분석하였으며 제작된 전원장치의 실험을 통하여 분석의 타당성을 검증하였다. 특히, 전원장치의 과부하 동작시 변압기의 %Z가 출력성능에 미치는 영향에 대하여 중점적으로 시뮬레이션 하였으며 실험적으로 확인하였다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2006.04a
• /
• pp.17-24
• /
• 2006

오늘날 과학 및 공학연구를 위하여 복잡한 컴퓨터 시뮬레이션을 자주 사용하고 있다. 전통적 물리적 실험이 입력수의 한계와 출력의 측정오차를 가지는 반면 시뮬레이션 실험 또는 전산실험은 입력수에 제한이 거의 없고 대부분 출력 또한 측정오차가 없거나 매우 작다. 이러한 전산 실험의 분석을 위해 비교적 새롭게 등장한 통계적 방법이 DACE(Design and Analysis of Computer Experiments)이나. 본 발표에서는 이 DACE의 기본 개념과 원리를 간단히 소개하고, 실제로 기계설계에 효과적으로 적용된 사례를 보이고, 향후 연구방향 등을 논의하겠다. 특히 시뮬레이션 코드에 존재하는 절대상수의 추정문제(calibration)와 공간선형 모형의 최적선택을 위한 알고리즘을 소개한다.

• Korean Journal of Optics and Photonics
• /
• v.35 no.2
• /
• pp.49-60
• /
• 2024

We analyze the number of phase screens required for the simulation of a high-energy laser beam's propagation over an atmospheric channel. For high-energy lasers exceeding tens of kilowatts (kW) in power, the laser beam is mainly affected by atmospheric turbulence and thermal blooming. When using the split-step method to implement losses due to atmospheric absorption and scattering and distortion of the beam due to turbulence and thermal blooming, the number of phase screens is a critical factor in determining the accuracy and time required for the simulation. By comparing simulation results obtained using a large number of phase screens (e.g., 150 screens) under a wide range of atmospheric turbulence conditions, we provide new guidelines for the number of phase screens required for simulating the beam propagation of a high-power laser below 2.5×10⁶ W/m² (e.g., a 500-kW laser beam having a 50-cm diameter).