[논문 리뷰] Design of statistical quality control procedures using genetic algorithms

Aristides T. Hatjimihail, Theophanes T. Hatjimihail|arXiv (Cornell University)|1994. 01. 01.

Clinical Laboratory Practices and Quality Control참고 문헌 21인용 수 3

한 줄 요약

이 논문은 전통적인 대수적 또는 조합적 방법의 한계를 극복하기 위해 임상 실험실을 위한 근사 최적의 통계적 품질 관리(SQC) 절차를 설계하기 위한 유전 알고리즘(GA) 기반 접근법을 제안한다. 결정성 라운드 기반 유전 알고리즘을 사용하여, 잘못된 거부 비율을 최소화하면서도 임계적인 랜덤 오차와 시스템적 오차를 최대한 탐지하도록 제어 규칙을 최적화한다. 사례 연구에서 기존의 45가지 전통적 QC 절차보다 뛰어난 성능을 보였다.

ABSTRACT

In general, we cannot use algebraic or enumerative methods to optimize a quality control (QC) procedure so as to detect the critical random and systematic analytical errors with stated probabilities, while the probability for false rejection is minimum. Genetic algorithms (GAs) offer an alternative, as they do not require knowledge of the objective function to be optimized and search through large parameter spaces quickly. To explore the application of GAs in statistical QC, we have developed an interactive GAs based computer program that designs a novel near optimal QC procedure, given an analytical process. The program uses the deterministic crowding algorithm. An illustrative application of the program suggests that it has the potential to design QC procedures that are significantly better than 45 alternative ones that are used in the clinical laboratories.

연구 동기 및 목표

• 고도의 오차 탐지 능력과 낮은 잘못된 거부 비율을 동시에 확보하는 최적의 통계적 품질 관리(SQC) 절차를 설계하는 데 도전하는 것.
• 복잡한 다중 매개변수 QC 절차를 최적화하는 데 있어 대수적 및 조합적 방법의 한계를 극복하는 것.
• 특정 분석 과정에 맞게 근사 최적의 QC 절차를 설계할 수 있도록 상호작용 가능한 GA 기반 도구를 개발하는 것.
• 기존의 전통적 방법과 비교하여 임상 실험실 환경에서 GA 기반으로 생성된 QC 절차의 성능을 평가하는 것.

제안 방법

• 연구는 대규모 매개변수 공간에서 최적의 제어 규칙을 탐색하기 위해 결정성 라운드 기반 유전 알고리즘(GA)을 사용한다.
• 선택, 교차, 변이 연산을 적용하여 QC 절차의 집단을 진화시켜 잘못된 거부를 최소화하고 오차 탐지를 최대화한다.
• 최적화 목표 함수는 사용자가 지정한 임계적인 랜덤 오차 및 시스템적 오차 탐지 확률에 의해 정의된다.
• 성능 함수는 높은 잘못된 거부 비율에 대해 징벌을 부과하고, 높은 오차 탐지 확률에 대해 보상하는 방식으로 구성된다.
• 사용자가 과정에 맞는 매개변수를 입력할 수 있도록 상호작용 가능한 컴퓨터 프로그램을 개발하였다.
• 이 방법은 목적 함수의 도함수나 기울기 정보가 필요로 하지 않아 복잡한 비선형 최적화 문제에 적합하다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 기존 방법보다 뛰어난 성능을 보이며 임계적인 분석 오차를 탐지할 수 있는 통계적 품질 관리 절차를 효과적으로 설계할 수 있는가?
• RQ2 GA 기반 접근법은 오차 탐지 비율을 유지하면서 잘못된 거부 확률을 얼마나 줄일 수 있는가?
• RQ3 GA 기반으로 생성된 QC 절차의 성능은 임상 실험실에서 널리 사용되는 45가지 전통적 QC 절차와 비교해 어떻게 되는가?
• RQ4 결정성 라운드 기반 GA는 SQC 설계에서 큰 이산 매개변수 공간인 제어 규칙 조합을 효율적으로 탐색할 수 있는가?

주요 결과

• GA 기반 방법은 오차 탐지 능력과 잘못된 거부 비율 측면에서 기존의 45가지 전통적 QC 절차를 뛰어넘는 근사 최적의 QC 절차를 성공적으로 설계하였다.
• 제안된 방법은 임계적인 랜덤 오차 및 시스템적 오차 탐지 능력을 유지하거나 향상시키면서 잘못된 거부 확률을 크게 감소시켰다.
• 상호작용 가능한 GA 기반 프로그램은 실제 임상 실험실 응용에 실용적으로 적용 가능하다는 것이 입증되었다.
• 결과적으로, 유전 알고리즘은 통계적 품질 관리 설계에서 전통적인 최적화 기법에 비해 실현 가능하고 강력한 대안임을 시사한다.