시스템 다이내믹스 모델링과 시뮬레이션(개정판)
Vensim R의 활용
Regular price
$28.09
Sale price
Regular price
Shipping calculated at checkout.
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
"미래를 예측하고 시각화하는 시뮬레이션의 비법을 공개하다"
MIT에서 개발된 예측 기법의 하나인 시스템 다이내믹스(system dynamics)를 이제 국내에서도 손쉽게 공부할 수 있는 교재가 출간되었다. 《시스템 다이내믹스 모델링과 시뮬레이션》은 시스템 다이내믹스 모델을 20여 년 동안 만들어 왔던 저자들(곽상만ㆍ유재국)이 실전에서 바로 응용 가능한 교재로서 만든 책이다.
저자들은 모델링의 추상성을 최대한 배제하고 이 교재를 통하여 독자들이 문제의 분석과 동시에 즉시 활용 가능하도록 수학의 기초를 제공함과 동시에, 함수, 첨자(subscripts), 민감도 분석(sensitive study), 캘리브레이션(calibration) 그리고 백캐스팅(backcasting) 등에 대한 저자들의 비법을 공개하였다. 이 책의 최종 목적은 현실 자료에 기반한 시뮬레이션(simulation)이며, 시뮬레이션을 통한 미래 예측에 필요한 전 과정을 공개하였다.
대학원에서 논문을 작성하는 사회과학 전공자 및 이공계 학생뿐만 아니라 국책연구기관과 민간 연구소의 연구원 등은 물론 미래 예측에 관심이 있는 일반인들도 일독할 만하다.
제2판인 이 책은 초판 발간 이후에 변화된 환경에 필요한 방법과 기법을 추가했다. 첫 번째로 추가된 것은 변수 자체가 아닌 패턴을 연결하는 방법이다. 초판은 모델링의 패턴을 사전식으로 나열했는데, 패턴을 결합하는 방법이 부재했다. 이번에 '변수 뭉치(모듈)'라는 용어를 사용하고 패턴을 조합하여 더 큰 시스템 모델로 만드는 과정을 수록했다(9.14). 두 번째로는 '11.6'에 추가된 '정책실험'이다. 정책실험은 최적화의 두 가지 유형 중 초판에 수록하지 못한 정책 대안 찾기에 대한 방법을 설명한 것이다. 마지막으로 LLM(대형언어모형, large language model)을 이용한 모델링을 15장에 추가했다. 이는 인공지능 기술인 RAG(Retrieval Augmented Generation, 검색증강현실)·LLM과 시스템 다이내믹스를 연결하는 방법에 대한 것이다.
MIT에서 개발된 예측 기법의 하나인 시스템 다이내믹스(system dynamics)를 이제 국내에서도 손쉽게 공부할 수 있는 교재가 출간되었다. 《시스템 다이내믹스 모델링과 시뮬레이션》은 시스템 다이내믹스 모델을 20여 년 동안 만들어 왔던 저자들(곽상만ㆍ유재국)이 실전에서 바로 응용 가능한 교재로서 만든 책이다.
저자들은 모델링의 추상성을 최대한 배제하고 이 교재를 통하여 독자들이 문제의 분석과 동시에 즉시 활용 가능하도록 수학의 기초를 제공함과 동시에, 함수, 첨자(subscripts), 민감도 분석(sensitive study), 캘리브레이션(calibration) 그리고 백캐스팅(backcasting) 등에 대한 저자들의 비법을 공개하였다. 이 책의 최종 목적은 현실 자료에 기반한 시뮬레이션(simulation)이며, 시뮬레이션을 통한 미래 예측에 필요한 전 과정을 공개하였다.
대학원에서 논문을 작성하는 사회과학 전공자 및 이공계 학생뿐만 아니라 국책연구기관과 민간 연구소의 연구원 등은 물론 미래 예측에 관심이 있는 일반인들도 일독할 만하다.
제2판인 이 책은 초판 발간 이후에 변화된 환경에 필요한 방법과 기법을 추가했다. 첫 번째로 추가된 것은 변수 자체가 아닌 패턴을 연결하는 방법이다. 초판은 모델링의 패턴을 사전식으로 나열했는데, 패턴을 결합하는 방법이 부재했다. 이번에 '변수 뭉치(모듈)'라는 용어를 사용하고 패턴을 조합하여 더 큰 시스템 모델로 만드는 과정을 수록했다(9.14). 두 번째로는 '11.6'에 추가된 '정책실험'이다. 정책실험은 최적화의 두 가지 유형 중 초판에 수록하지 못한 정책 대안 찾기에 대한 방법을 설명한 것이다. 마지막으로 LLM(대형언어모형, large language model)을 이용한 모델링을 15장에 추가했다. 이는 인공지능 기술인 RAG(Retrieval Augmented Generation, 검색증강현실)·LLM과 시스템 다이내믹스를 연결하는 방법에 대한 것이다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
제2판 서문
프롤로그
1 시스템 다이내믹스에 대한 소개
1.1 주요 개념의 이해
1.2 시스템 다이내믹스
1.3 시스템 다이내믹스 모델의 구축과 분석 과정
1.4 시스템 다이내믹스의 응용 가능 분야
1.5 좋은 시스템 다이내믹스 모델
2 미래 예측과 시스템 다이내믹스
2.1 불확실성
2.2 미래 예측
2.3 미래 예측과 시스템 다이내믹스 모델링과의 관계
2.4 백캐스팅
3 시스템 모델링에 대한 이해
3.1 벤심의 구성 파일
3.2 벤심의 인터페이스
3.3 변수
4 인과지도 그리기
4.1 기본 개념
4.2 변수 입력과 그리기
5 저량·유량도
5.1 저량변수와 유량변수의 구별
5.2 SFD 작성의 필요성
5.3 SFD 그리기의 준비
5.4 SFD 그리기
5.5 설정 및 시뮬레이션 방법
6 미적분의 기초적인 이해
6.1 미분과 적분
6.2 정상 상태
6.3 단위
7 시간에 대한 이해
7.1 타임스텝
7.2 기준 시간
7.3 내부 함수를 이용한 시간의 표현
8 함수
8.1 개요
8.2 마크로 함수
8.3 내장함수
9 모델링의 패턴
9.1 패턴의 요약
9.2 매개변수 모델
9.3 지수함수 모델
9.4 천이 모델
9.5 점근 모델
9.6 제한 모델
9.7 파동 모델
9.8 재고 모델
9.9 배스 확산 모델
9.10 욕조 모델
9.11 경쟁 모델과 학습 모델
9.12 네트워크 모델
9.13 모델의 통합
9.14 변수 뭉치(모듈)의 활용
10 변수의 연결
10.1 변수 값의 변경
10.2 곱의 결합 방식과 합의 결합 방식
10.3 무차원 수 접근 방식
10.4 첨자변수의 활용
10.5 계절 요인
11 난수와 최적화
11.1 난수
11.2 정책 최적화
11.3 계수의 최적화(캘리브레이션)
11.4 기본 준비
11.5 계수의 캘리브레이션
11.6 정책실험
12 민감도 시뮬레이션 & 백캐스팅
12.1 민감도 시뮬레이션
12.2 백캐스팅
12.3 ABM과 SD의 관계
13 데이터베이스의 활용
13.1 데이터베이스에서 자료 읽기
13.2 테이블의 설계와 연결
14 모델의 검증
14.1 검증이란
14.2 검증 시 검토 사항
14.3 검증 수단
14.4 시스템 다이내믹스 모델의 객관성 검증 방법
15 LLM을 이용한 시스템 다이내믹스 모델링
15.1 LLM 이용 SD 모델링 절차
15.2 LLM을 이용한 모델링의 실제
15.3 LLM과 시스템 다이내믹스의 결합
15.4 SD와 LLM의 결합
부록
ㆍ 부록 A 벤심 DSS 관련 파일 확장자명
ㆍ 부록 B 어휘
에필로그
참고문헌
찾아보기
프롤로그
1 시스템 다이내믹스에 대한 소개
1.1 주요 개념의 이해
1.2 시스템 다이내믹스
1.3 시스템 다이내믹스 모델의 구축과 분석 과정
1.4 시스템 다이내믹스의 응용 가능 분야
1.5 좋은 시스템 다이내믹스 모델
2 미래 예측과 시스템 다이내믹스
2.1 불확실성
2.2 미래 예측
2.3 미래 예측과 시스템 다이내믹스 모델링과의 관계
2.4 백캐스팅
3 시스템 모델링에 대한 이해
3.1 벤심의 구성 파일
3.2 벤심의 인터페이스
3.3 변수
4 인과지도 그리기
4.1 기본 개념
4.2 변수 입력과 그리기
5 저량·유량도
5.1 저량변수와 유량변수의 구별
5.2 SFD 작성의 필요성
5.3 SFD 그리기의 준비
5.4 SFD 그리기
5.5 설정 및 시뮬레이션 방법
6 미적분의 기초적인 이해
6.1 미분과 적분
6.2 정상 상태
6.3 단위
7 시간에 대한 이해
7.1 타임스텝
7.2 기준 시간
7.3 내부 함수를 이용한 시간의 표현
8 함수
8.1 개요
8.2 마크로 함수
8.3 내장함수
9 모델링의 패턴
9.1 패턴의 요약
9.2 매개변수 모델
9.3 지수함수 모델
9.4 천이 모델
9.5 점근 모델
9.6 제한 모델
9.7 파동 모델
9.8 재고 모델
9.9 배스 확산 모델
9.10 욕조 모델
9.11 경쟁 모델과 학습 모델
9.12 네트워크 모델
9.13 모델의 통합
9.14 변수 뭉치(모듈)의 활용
10 변수의 연결
10.1 변수 값의 변경
10.2 곱의 결합 방식과 합의 결합 방식
10.3 무차원 수 접근 방식
10.4 첨자변수의 활용
10.5 계절 요인
11 난수와 최적화
11.1 난수
11.2 정책 최적화
11.3 계수의 최적화(캘리브레이션)
11.4 기본 준비
11.5 계수의 캘리브레이션
11.6 정책실험
12 민감도 시뮬레이션 & 백캐스팅
12.1 민감도 시뮬레이션
12.2 백캐스팅
12.3 ABM과 SD의 관계
13 데이터베이스의 활용
13.1 데이터베이스에서 자료 읽기
13.2 테이블의 설계와 연결
14 모델의 검증
14.1 검증이란
14.2 검증 시 검토 사항
14.3 검증 수단
14.4 시스템 다이내믹스 모델의 객관성 검증 방법
15 LLM을 이용한 시스템 다이내믹스 모델링
15.1 LLM 이용 SD 모델링 절차
15.2 LLM을 이용한 모델링의 실제
15.3 LLM과 시스템 다이내믹스의 결합
15.4 SD와 LLM의 결합
부록
ㆍ 부록 A 벤심 DSS 관련 파일 확장자명
ㆍ 부록 B 어휘
에필로그
참고문헌
찾아보기
저자
저자
곽상만 경기도 파주에서 3남 1녀 중 3남으로 태어났다. 서울대학교 원자력공학과, KAIST 핵공학과를 졸업하고 미국 MIT에서 에너지정책으로 박사학위를 취득했다. 미국 핵무기 공장의 경영 문제를 다룬 주제로 박사학위 논문을 쓰면서 시스템 다이내믹스에 대한 기법을 연마하게 되었다. KAIST 졸업 후 미국 MIT로 유학 가기 전까지 약 5년간 원자력발전소 설계회사에서 컴퓨터 프로그램을 이용하여 의사결정 문제를 다루는 업무를 수행했는데, 이러한 경험이 시스템다이내믹스 기법과 결합하여 보다 폭넓은 모델링을 수행할 수 있는 배경이 되었다. 박사학위 취득 이후 20여 년간 자신의 컨설팅 회사를 운영하면서 다양한 사회적 문제에 대해 시스템 다이내믹스 기법을 적용해왔다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
