• 목록

전통적인 반응표면최적화는 일정 범위의 투입변수들에 한해 먼저 비교적 소규모의 실험 데이터를 수집하고, 선형모형을 활용해 관심영역 근처에 접근한 후 그 곡면 등을 탐색하는 이른바 model-driven 방식을 따른다. 그러나, 대용량의 운영 데이터가 공정으로부터 자동으로 수집 및 저장되는 것이 보편화되면서 이를 활용해 최적의 투입범위를 도출하는 data-driven 방식이 보다 일반화되기에 이르렀다. 특히나 CART / PRIM 등의 알고리즘들이 활용됨으로써, 전역에 걸쳐 예측력이 우수한 모델을 반드시 전제하지 않고서도 충분히 좋은 투입조건 및 국소지역들을 찾아낼 수 있게 되었다. 그러나 개별 국소지역들에 관한 기술 (description)은 투입변수 범위 정보에 주로 한정되어 왔으며, 그 지역 내에 특화된 예측모델을 구축하는 데에 이르지는 않았다. 본 연구는 kernel 기반 가중치를 적용해 특정 투입범위 내에서만 유효한 국소적 예측모델들을 적합시키고 이를 평가함으로써, 각 국소지역에 고유한 반응표면을 예측 및 해석할 수 있는 방법론을 제안한다.