강건 설계(Robust design, RD) 모델링에서 최소제곱법(least-squares method, LSM)에 기반한 반응표면분석법(response surface methodology, RSM)은 입력 요인과 이에 대응하는 출력 반응 간의 기능적 관계를 추정하기 위한 유용한 통계적 도구이다. 신경망(neural network, NN) 기반 모델은 LSM 기반 RSM에서 필요한 가정 없이 입력-출력 함수를 수행할 수 있는 대안적 수단을 제공한다. 그러나 현재의 NN 기반 추정 방법들은 항상 적절한 반응 함수를 제공하지는 않는다. 따라서 RD 모델링 영역에서는 개선의 여지가 있다. 본 연구에서는 공정 평균 및 표준편차 반응 함수를 얻기 위한 새로운 NN 기반 RD 모델링 절차를 제안한다. 둘째, 순전파 역전파 신경망(feed-forward back-propagation neural network, FFNN), 연쇄전파 역전파 신경망(cascade-forward back-propagation neural network, CFNN), 방사기저함수 신경망(radial basis function network, RBFN)에 기반한 RD 모델링 방법들을 제안한다. 셋째, 제안된 세 가지 방법을 검증하기 위해 주어진 진짜 함수(true function)를 사용한 두 가지 시뮬레이션 연구를 수행한다. 넷째, 제안된 접근법의 잠재력을 보여주기 위해 사례 연구를 살펴본다. 결론적으로, 본 연구에서 제안한 세 가지 순전파 NN 구조 기반 모델링 방법과 기존의 LSM 기반 RSM에 대한 비교 분석 결과, 제안된 방법들은 기대 품질 손실(expected quality loss, EQL)과 다양한 변동성 지표들에서 유의하게 더 낮은 수준을 보였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.