수석 ASQ 회원 ASQ CQE, CSQP 및 CQIA 인증 보유 필라델피아의 Drexel University에서 생명공학 석사학위를 취득 PMI (Project Management Institute) 공인리스크관리전문가(PMI-RMP) ERMCP (Enterprise Risk Management Certified Professional) RIMS (Risk Management Society)RIMS-CRMP ISO / IEC 17024 : 2012에 따라 American National Standards Institute (ANSI)의 공식인증
옮긴이: 임종권 K-Risk 회장
jklim54@daum.net/010-9029-4329
현재 많은 사람들이 알고 있듯이 COVID-19는 코로나 바이러스 (SARS-CoV-2)로 인한 공기 중 호흡기 질환이다. 이 질병은 2019년 12 월에 처음 확인되었으며 전 세계적으로 빠르게 휩쓸고 있다. 2020년 초부터 지금까지 질병의 심각성과 사망률에 대해 많은 논쟁이 있었다. 초기에 큰 타격을 입은 국가 (한국, 중국 등)에 대한 일부 데이터가 있지만 보고 차이 및 기타 혼란 요인으로 인해 많은 불확실성이 이러한 리스크를 둘러싸고 있다.
또한 특히 전 세계의 여러 정부에서 공급품 주문, 현장 병원 건설 등과 같은 정책 결정을 내리는 데 많은 모델을 사용하는 것을 확인했다.이 기사는 이러한 모델이 정량적 리스크평가를 위한 입증된 기술인 몬테카를로시뮬레이션(MCS) 분석기법을 사용하여 어떻게 생성되는지 살펴보고자 한다.
MCS기법을 사용하면 불확실성 범위를 할당하고 생성된 모델을 기반으로 리스크가 발생할 수 있는 가능성이 가장 높은 산출물을 제공할 수 있다. COVID-19로 인한 사망과 영국 감염자 수를 예측하는 간단한 모델을 만들기 위해 간단한 단계별 접근 방식을 적용해 보겠다.
이 기사의 목적은 리스크를 예측하는 것이 아니라 모델이 어떻게 만들어지고 어떤 매개 변수가 들어가는지 보여주는 것이다. 특히 확률 적 리스크 모델링에서 MCS의 힘을 보여주기 위한 것이다.
이 모델은 공식적으로 게시, 검증 및 사용되는 모델보다 훨씬 간단하지만 일반적으로 허용되는 모델의 범위 내에 있다.
MCS 분석 절차
[1단계] 입력 변수 및 출력 변수 측면에서 연구중인 시스템을 구문 분석 -입력 변수: a) 영국 인구/ b) 바이러스의 전염성 또는 확산/ c) 감염된 사람의 사망률 (사례 사망률) -중간 산출 변수 : d) 사람 수 -최종 산출물 : e) 사망자 수
[2단계] X 변수의 확률 분포 선택
- a) 영국 인구 – 고정 - b) 감염성 – 삼각형 모델 (감염성이 최고치에 도달하고 감소한다고 가정) - c) 감염 사망률 (사례 사망률) – 삼각형 * 삼각형 분포는 사용하기 용이함. 평균과 표준편차를 모를 때 실생활에서 이것은 사실이 아닐 수 있으며 케이스 사망 방정식 및 확산은 그 자체로 복잡한 모델이 될 것임.
[3단계] 확률 분포에 따라 제한 값 할당
a) 인구 – 고정 – 6,665만명 b) 감염성 – 삼각형모델 (하한값 = 0.002, 모드 = 0.005, 상한치 = 0.06) c) 감염사망율 – 균등모델 (하한치 = 0.01, 모드 = 0.12, 상한치 = 0.15) * 2020년 4월 23일 현재 사용 가능한 데이터를 기반으로 할당된 매개 변수
[4단계] Y 변수 선택 (출력)
중간 Y 값: a) 최종 감염자 수: 최종 Y값: b) 사망
[5단계] 모델 정의 COVID-19로 인한 총 사망자 수 =[(영국 인구) X (감염성)] X [감염된 사람의 사망률]
[단계 6] 50,000번 사이클 시뮬레이션 실행
7 단계. 필요에 따라 매개 변수 조정 위에 표시된 단순 모델은 영국의 총 사망자 수를 로 35,617명(표준편차 7,605)으로 추정하는 반면 감염된 사람의 수는289,040명(표준편차 56,767)으로 나타났다.
이 모델은 영국보다 일찍 바이러스를 경험하고 감염에 대해 약간 다른 반응을 보인 지역의 데이터를 기반으로 한 사례 사망률 및 감염성과 같은 입력 매개 변수를 사용하였다. 따라서 더 많은 데이터를 사용할 수 있게 되면 사회적 거리두기, 마스크 및 장갑 착용 등과 같은 바이러스 완화 조치의 효과에 따른 '감염성'과 같은 매개 변수를 변경해야 한다.
더 나은 치료 및 기타 조치를 통해 '감염자 사망률'또는 환자 사망률을 줄일 수 있는 경우 민감도 분석을 수행하고 모델을 업데이트 할 수 있습니다. 마찬가지로 지역 가축 면역력, 백신 및 신규 또는 실험적 치료법과 같은 다른 요인을 기반으로 한다. 전염성과 함께 사망률의 매개 변수는 사용 가능한 증거 기반의 가정을 기반으로 조정될 수 있으며 문제가 진행됨에 따라 모델을 업데이트할 수 있다.
다시 말해서 이 기사의 목적 은 간단한 모델을 사용하여 MCS 분석을 사용하여 리스크를 모델링하는 방법을 제시한 것이다. 이 기사의 데이터는 의사결정 목적으로 사용되어서는 안된다. 실제 데이터이긴 하지만 개념 구축 목적 (Monte Carlo 도구의 경우)만을 위한 분석에 사용된다
