[논문 리뷰] Developments and applications of Shapley effects to reliability-oriented sensitivity analysis with correlated inputs

Marouane Il Idrissi, Vincent Chabridon외 1명|arXiv (Cornell University)|2021. 01. 20.

Probabilistic and Robust Engineering Design인용 수 7

한 줄 요약

이 논문은 상관된 입력을 가진 신뢰성 중심 응용 분야를 위한 새로운 민감도 분석 방법인 타겟 셰플리 효과를 소개한다. 협력 게임 이론을 바탕으로, ℓ² 노름을 사용해 실패 확률에 대한 입력 기여도를 공정하게 할당함으로써, 종속성 하에서도 해석 가능한 분산 기반 중요도 측정이 가능하게 한다. 이는 단순 사례와 실제 홍수 및 팬데믹 모델을 통해 검증되었다.

ABSTRACT

Reliability-oriented sensitivity analysis methods have been developed for understanding the influence of model inputs relative to events which characterize the failure of a system (e.g., a threshold exceedance of the model output). In this field, the target sensitivity analysis focuses primarily on capturing the influence of the inputs on the occurrence of such a critical event. This paper proposes new target sensitivity indices, based on the Shapley values and called "target Shapley effects", allowing for interpretable sensitivity measures under dependent inputs. Two algorithms (one based on Monte Carlo sampling, and a given-data algorithm based on a nearest-neighbors procedure) are proposed for the estimation of these target Shapley effects based on the $\ell^2$ norm. Additionally, the behavior of these target Shapley effects are theoretically and empirically studied through various toy-cases. Finally, the application of these new indices in two real-world use-cases (a river flood model and a COVID-19 epidemiological model) is discussed.

연구 동기 및 목표

• 입력 간 통계적 종속성이 존재할 때 민감도 분석에서 해석 가능한 중요도 측정이 부족한 문제를 해결한다.
• 대칭성과 효율성을 보장하면서, 셰플리 값 기반으로 공정하게 입력 영향을 할당하는 일반적인 타겟 민감도 분석(TSA) 프레임워크를 개발한다.
• 실제 구현을 위한 두 가지 추정 알고리즘—몬테카를로 샘플링과 주어진 데이터 기반 최근접 이웃 방법—을 제안한다.
• 강우 홍수 및 코로나19 팬데믹 기간 중 중환자실 침대 부족과 같은 희귀 실패 사건을 포함한 실제 응용 분야에서 방법의 효과성을 입증한다.
• 상관된 입력 하에서 제안된 지표의 이론적 및 실증적 검증을 제공하여, 강건성과 해석 가능성 모두 확보한다.

제안 방법

• 타겟 셰플리 효과를 ℓ² 노름을 사용한 거리 기반 셰플리 값 공식화로 정의하며, 거리 개념은 실패 사건의 지표 함수의 분산이다.
• 각 입력의 실패 지표 분산 기여도를 셰플리 값 원칙에 따라 공정하게 할당하는 협력 게임으로서 타겟 셰플리 효과를 수립한다.
• 입력 조합을 샘플링하고 조건부 분산 기여도를 계산하여, 몬테카를로 기반 알고리즘을 통해 타겟 셰플리 효과를 추정한다.
• 기본 모델에 접근할 수 없는 관찰 데이터에 적합한, 최근접 이웃 절차를 활용한 주어진 데이터 알고리즘을 제안한다.
• 각 입력이 기여하는 총 분산의 백분율을 나타내도록 ℓ² 노름을 사용해 해석 가능성 향상.
• 정규 분포를 가진 단순 모델과 두 가지 실제 사례 연구—강우 홍수 모델과 중환자실 수용 능력 제약이 있는 코로나19 전파 모델—에 방법을 적용.

실험 결과

연구 질문

• RQ1 입력 간 통계적 종속성이 존재할 때 타겟 민감도 분석에서 입력 중요도를 공정하게 측정하는 방법은 무엇인가?
• RQ2 셰플리 값은 입력 상관관계 하에서 해석 가능한 분산 기반 중요도 측정을 가능하게 하기 위해 민감도 분석에 적응시킬 수 있는가?
• RQ3 제안된 추정 방법(몬테카를로 및 주어진 데이터 기반)은 타겟 셰플리 효과 추정에서 정확성과 효율성 측면에서 어떻게 성능을 보이는가?
• RQ4 상관된 입력이 존재할 경우 타겟 셰플리 효과는 어떻게 행동하는가? 이러한 설정에서 기존 소볼 지수와 비교해 볼 때 어떤가?
• RQ5 타겟 셰플리 효과는 희귀 실패 사건을 포함한 실제 신뢰성 문제에서 영향력 있는 입력을 얼마나 잘 식별할 수 있는가?

주요 결과

• 제안된 타겟 셰플리 효과는 입력 상관관계 및 상호작용 기여도를 공정하게 할당하는 해석 가능한 백분율 기반 중요도 측정을 제공한다.
• 이 방법은 단순 사례와 실제 응용 분야에서 모두 실패 확률에 영향을 주는 핵심 입력을 성공적으로 식별하였으며, 강우 홍수 모델과 팬데믹 중환자실 수용 능력 모델이 포함된다.
• 최근접 이웃 기반 주어진 데이터 알고리즘은 기본 모델에 접근하지 않아도 타겟 셰플리 효과를 추정할 수 있게 하여, 관찰 데이터에 대한 적용 범위를 넓힌다.
• 강우 홍수 모델에서는 강수 강도와 강저 고도와 관련된 입력이 가장 영향력 있는 것으로 밝혀졌으며, 물리적 직관과 일치한다.
• 코로나19 모델에서는 기본 재생수 $R_0$와 중환자실 침대 가용성이 핵심 요소로 나타났으며, $R_0$가 침대 수용 능력만으로는 더 강력한 영향을 미쳤다.
• 실패 사건이 점점 희귀해질수록 모든 입력이 영향력 있는 것으로 나타나는 경향이 있어, 극단적 꼬리 시나리오에서는 해석에 주의가 필요하다는 점을 시사하며, 타겟 민감도 프레임워크의 한계를 드러낸다.