[논문 리뷰] The Role of Network Analysis in Industrial and Applied Mathematics

Mason A. Porter, Sam Howison|arXiv (Cornell University)|2017. 03. 20.

Complex Network Analysis Techniques참고 문헌 70인용 수 5

한 줄 요약

이 논문은 산업 및 응용수학 분야에서 네트워크 분석을 위한 물리적·응용수학적 접근를 주장하며, 네트워크 과학, 통계학, 최적화의 원리를 융합하여 인간 이동성과 소매점 레이아웃과 같은 복잡한 시스템을 모델링한다. 이 틀을 통해 실질적인 산업 문제에 대한 데이터 기반, 수학적으로 엄밀한 모델링이 가능함을 보여주며, 테스코와 덴햄비와의 협업을 통해 소매점 레이아웃 최적화 및 네트워크 기반 인간 이동 패턴 분석의 핵심 결과를 도출한다.

ABSTRACT

Many problems in industry --- and in the social, natural, information, and medical sciences --- involve discrete data and benefit from approaches from subjects such as network science, information theory, optimization, probability, and statistics. The study of networks is concerned explicitly with connectivity between different entities, and it has become very prominent in industrial settings, an importance that has intensified amidst the modern data deluge. In this commentary, we discuss the role of network analysis in industrial and applied mathematics, and we give several examples of network science in industry. We focus, in particular, on discussing a physical-applied-mathematics approach to the study of networks. We also discuss several of our own collaborations with industry on projects in network analysis.

연구 동기 및 목표

• 산업 및 응용수학 분야에서 네트워크 분석을 위한 물리적·응용수학적 프레임워크를 홍보하기 위해.
• 특히 데이터 폭발 상황에서 증가하는 이산적이고 데이터 기반의 모델링 접근법에 대한 필요성을 해결하기 위해.
• 기계적 모델링, 확률적 방법, 경험적 검증을 융합하여 네트워크 과학과 응용수학을 통합하기 위해.
• 실제 산업 응용 분야, 예를 들어 소매점 레이아웃 최적화 및 인간 이동성 모델링을 위한 네트워크 모델을 개발하고 검증하기 위해.
• 대규모 네트워크 모델링에서 실생활 인간 데이터를 사용할 경우 발생하는 윤리적, 계산적, 방법론적 과제를 부각하기 위해.

제안 방법

• 물리적 또는 행동 원리에서 유도된 제어 방정식을 도출하고 단순화한 후, 渐近적, 섭동적, 계산 기법을 사용해 분석하기 위해 물리적·응용수학적 접근를 채택하기 위해.
• 엔티티 간 연결성을 모델링하기 위해 네트워크 과학을 사용하며, 시스템을 노드와 에지로 구성된 그래프로 간주하여 상호작용이나 관계를 표현하기 위해.
• 불확실성, 누락된 데이터, 고차원 네트워크 구조를 다루기 위해 확률적 및 통계적 모델링을 통합하기 위해.
• 테스코와의 협업을 통해 소매점 레이아웃 구성과 같은 실제 제약 조건에 최적화 기법을 적용하기 위해.
• 고객 위치 및 구매 데이터와 같은 실증 데이터를 기반으로 모델을 검증하고, 이해관계자 피드백을 반복적으로 통합하여 모델을 개선하기 위해.
• 행동 경제학과 추천 시스템에 기반한 무작위 보행자 동역학 및 흡인 기반 모델을 사용해 소매 환경 내 인간 이동을 시뮬레이션하기 위해.

실험 결과

연구 질문

• RQ1 산업 분야의 이산적이고 네트워크 기반 문제에 대해 물리적·응용수학적 프레임워크를 어떻게 적응시킬 수 있는가?
• RQ2 부분적 또는 실시간 데이터를 포함한 대규모 고차원 네트워크를 모델링할 때의 주요 방법론적 과제는 무엇인가?
• RQ3 실제 산업 데이터, 예를 들어 소매 고객의 이동 및 구매 데이터를 사용하여 네트워크 모델을 어떻게 검증하고 개선할 수 있는가?
• RQ4 네트워크 과학을 최적화 및 행동 경제학과 어떻게 융합하여 산업 의사결정을 향상시킬 수 있는가?
• RQ5 대규모 개인 데이터를 사용해 인간 행동을 네트워크 모델링할 경우 발생하는 윤리적 고려사항은 무엇인가?

주요 결과

• 물리적·응용수학적 접근는 산업적 맥락에서 네트워크 모델링에 매우 효과적이며, 엄밀하고 해석 가능하며 경험적으로 기반을 둔 모델링을 가능하게 한다.
• 네트워크 과학은 현대 산업에서 이산 데이터의 보편성로 인해 전통적인 연속체 방법과 함께 응용수학의 핵심 구성 요소가 되었다.
• 테스코 및 덴햄비와의 협업을 통해 네트워크 기반 모델이 고객 이동 및 구매 행동을 시뮬레이션함으로써 소매점 레이아웃 최적화에 기여할 수 있음을 입증하였다.
• 소규모 공간 및 시간 척도에서 인간 이동성을 모델링하기 위해서는 특정 네트워크 동역학, 예를 들어 흡인 영역이나 쇼핑 목록을 무작위 보행자 모델에 통합하는 것이 필요하다.
• 실제 세계의 데이터 제약을 다루기 위해 확률적 모델링, 불확실성 정량화, 데이터 정제의 통합이 필수적이다.
• 특히 데이터 기밀 문제와 관련된 윤리적 과제는 전통적인 산업 응용과는 다름을 보이며, 인간 생성 데이터를 신중하게 다루어야 한다.