입력모형화 (Input Modeling)
한 줄 정의: 시뮬레이션에 사용할 확률적 요소(고객 도착 시간, 작업 처리 시간 등)를 실제 데이터에 근거한 적절한 확률분포로 표현하는 작업입니다.
쉽게 풀면
은행 창구에 손님이 도착하는 시뮬레이션을 만든다고 해봅시다. 손님이 몇 분 간격으로 오는지, 상담이 몇 분 걸리는지를 정확히 알 수는 없지만, 과거 데이터를 보면 어떤 패턴이 있다는 것을 알 수 있습니다. 입력모형화는 이런 불확실한 요소들을 실제 데이터에 가장 잘 맞는 확률분포 형태로 표현하는 작업입니다. 이렇게 만들어진 확률분포를 시뮬레이션에 입력값으로 사용해 현실과 비슷한 상황을 재현합니다.
왜 중요한가
시뮬레이션 결과의 신뢰성은 입력값이 실제 상황을 얼마나 잘 반영하는지에 크게 좌우됩니다. 입력모형화가 부정확하면 아무리 정교한 시뮬레이션 로직을 만들어도 결과가 현실과 동떨어지게 되므로, 시뮬레이션 연구에서 반드시 신중하게 다루어야 하는 단계입니다.
논문에서는 이렇게 쓰입니다
"과거 1년간의 고객 도착 데이터를 수집하여 적합도 검정을 통해 도착 간격을 지수분포로 입력모형화하였다."
실제 관측된 데이터를 바탕으로 통계적 검정을 거쳐 고객이 도착하는 간격을 특정 확률분포로 표현했다는 뜻입니다.
"작업 처리 시간에 대한 신뢰할 만한 데이터가 부족하여 전문가 의견을 활용한 입력모형화를 수행하였다."
데이터가 충분하지 않은 경우 전문가의 경험적 판단을 바탕으로 확률분포를 추정해 입력값을 구성했다는 의미입니다.
조금 더 깊게 보면
입력모형화는 대체로 데이터 수집, 후보 확률분포 선정, 분포의 모수 추정, 그리고 적합도 검정을 통한 분포 검증의 순서로 진행됩니다. 적절한 데이터가 없을 때는 경험적 분포를 그대로 사용하거나 전문가 판단에 의존하는 방식이 대안으로 쓰이기도 합니다.
주의할 점
과거 데이터를 기반으로 만든 입력모형은 데이터가 수집된 시점의 조건을 반영하므로, 시스템 환경이 크게 달라진 경우에는 입력모형을 다시 검토할 필요가 있습니다.