In most optimization model-based planning systems, additional information tends to be accumulated since the initial model building and its partial implementation. When an additional information results in changes in coefficients, sensitivity analysis is unavoidable. Particularly, if such changes require a set of desired values on the designated decision variables which are not feasible with the initial coefficients, a choice left is the adjustment of controllable coefficients. The controllable coefficients should be adjusted so that the desired values on the infeasible decision variables can be obtained. We call such an analysis an adaptive sensitivity analysis. Since there is no known analytical method for the general mapping between the "desired decision values" and the "controllable coefficients," we propose a neural network approach and attempt to validate with a scheduling problem in a refinery plant.
While we perform the adaptive sensitivity analysis, one-to-many problem is occurred in the data set. To resolve such one-to-many relationships in the data set, we develop a general purpose resolution algorithm. The algorithm is applied to the refinery case, and its validity is empirically confirmed.
According to the experimental performance of the neural network for the adaptive sensitivity analysis, the approach seems applicable to a wide real world industrial problem. To systematically support the adaptive sensitivity analysis procedure, we develop a tool UNIK-OPT/NN which integrates the neural network model with the semantically represented linear programming model that are generated by the knowledge-assisted optimization modeler UNIK-OPT. UNIK-OPT/NN is also applied to the refinery case. By using UNIK-OPT/NN, user can quickly develop an adaptive sensitivity analysis model for an optimization model, and can easily adjust the controllable coefficients in the optimization model.
대부분의 최적화 모형을 기반으로 하는 일정 계획 시스템에서 최초 모형 구축 및 부분적 계획 수립 이후 추가적 정보가 계속 발생하는 것은 일반적인 일이다. 이러한 추가적 정보가 최적화 모형의 상수들의 변화를 의미한다면 우리는 민감도 분석이라는 기법을 이용하여 이들의 변화에 대한 영향을 보려고 할 것이다. 만약 추가적 정보로 인해 임의의 일부 변수들이 어떠한 값들을 가져야 한다면 그리고 이로인해 최적화 모형이 가능해(Feasible Solution)를 갖지 못하게 된다면 남은 방법은 최적화 모형에 존재하는 통제가능한 상수들을 조정함으로써 이를 해결하는 수 밖에 없다. 이 때 통제가 능한 상수들은 임의의 일부 변수들이 지정된 값을 갖는 방향으로 조정되어야만 한다. 우리는 이러한 분석을 응용민감도분석이라고 정의하며 아직 이러한 형태의 임의의 결정변수의 값에 대한 통제가능상수의 조정이 분석적으로는 해결하기 어려우므로 신경회로망을 이용하여 이 문제를 접근하고자 한다. 우리는 응용민감도분석에 대한 신경회로망 접근 방법을 실제 정유 산업의 일정 계획 문제에 적용하여 타당성을 입증하였다. 최적화 모형에서의 응용민감도분석을 수행하는데 있어 신경회로망의 학습을 위한 데이타안에 일대다 관계로 인한 문제가 발생하게 된다. 우리는 이러한 일대다 관계를 해결하기 위해 범용성 일대다 관계 해결 알고리즘을 개발하였다. 우리는 범용성 일대 다 관계 해결 알고리즘 역시 정유 산업 문제에 적용되어 그 타당성이 검증되었으며 이러한 알고리즘은 비단 응용민감도분석을 위한 신경회로망 개발뿐만 아니라 보다 범용적인 신경회로망 적용시 사용될 수 있을 것이다. 우리의 응용민감도분석에 대한 신경회로망을 이용한 접근 방법의 성과를 바탕으로 실제 산업에서의 응용민감도분석의 적용범위는 광범위하게 보인다. 따라서 우리는 이러한 응용민감도분석에 대한 신경회로망을 이용한 접근방법을 체계적으로 지원하기 위하여 의미적으로 표현된 선형계획모형구축도구인 UNIK-OPT와 신경회로망 구축도 구인 UNIK-NEURO를 통합한 응용민감도분석도구 UNIK-OPT/NN을 개발하였다. UNIK-OPT/NN은 또한 실제 정유 산업 문제에 대해 시스템적 검증을 하였으며 이로인해 임의의 최적화 모형에서의 응용민감도를 분석하고자 하는 사용자는 보다 쉽고 빠르면서 동시에 체계적으로 최적화모형에서의 통제가능상수에 대한 적응적 통제를 수행 할 수 있게 되었다.
