Sensitivity analysis — সংবেদনশীলতা বিশ্লেষণ

সংবেদনশীলতা বিশ্লেষণ (ইংরেজি Sensitivity analysis) — এটি গাণিতিক বা অনুকরণ মডেল গবেষণার একটি পদ্ধতি, যা মূল্যায়ন করতে দেয় যে ইনপুট ডেটা, প্যারামিটার বা মডেলের অনুমানে পরিবর্তন তার আউটপুট ফলাফলে (যেমন সর্বোত্তম সমাধান, লক্ষ্য ফাংশনের মান বা অন্যান্য মূল সূচকে) কীভাবে প্রভাব ফেলে।

সংবেদনশীলতা বিশ্লেষণ হল অপারেশন গবেষণা, অপ্টিমাইজেশন, সিদ্ধান্ত গ্রহণ তত্ত্ব, ঝুঁকি ব্যবস্থাপনা, অর্থনৈতিক বিশ্লেষণ এবং সিস্টেম বিশ্লেষণে একটি গুরুত্বপূর্ণ হাতিয়ার।

সারমর্ম ও উদ্দেশ্য

সংবেদনশীলতা বিশ্লেষণের মূল লক্ষ্য হল বোঝা যে মডেলিং বা অপ্টিমাইজেশনের ফলাফল প্রাথমিক ডেটার অনিশ্চয়তা বা পরিবর্তনের প্রতি কতটা স্থিতিশীল (robust)। এটি নিম্নলিখিত ধরনের প্রশ্নের উত্তর দিতে সাহায্য করে:

• "সম্পদের মূল্য ১০% পরিবর্তন হলে সর্বোত্তম সমাধানের কী হবে?"
• "বাজারের চাহিদার ওঠানামায় মুনাফা কতটা পরিবর্তিত হবে?"
• "মডেলের কোন প্যারামিটারগুলি চূড়ান্ত ফলাফলে সবচেয়ে বেশি প্রভাব ফেলে?"
• "মডেলের সাহায্যে প্রাপ্ত পূর্বাভাস কতটা নির্ভরযোগ্য?"

সংবেদনশীলতা বিশ্লেষণের মূল কাজসমূহ:

• স্থিতিস্থাপকতা মূল্যায়ন: প্যারামিটার পরিবর্তনের সময় সমাধানের সর্বোত্তমতা বা গ্রহণযোগ্যতা বজায় থাকে কিনা তা নির্ধারণ করা।
• সংকটময় প্যারামিটার শনাক্তকরণ: এমন ইনপুট ডেটা বা মডেল প্যারামিটার চিহ্নিত করা যার সামান্য পরিবর্তনে আউটপুট ফলাফলে উল্লেখযোগ্য পরিবর্তন ঘটে।
• মডেলের উপর আস্থা বৃদ্ধি: প্রদর্শন করা যে মডেলটি ইনপুট ডেটার পরিবর্তনের প্রতিক্রিয়ায় পূর্বানুমানযোগ্য এবং যৌক্তিকভাবে আচরণ করে।
• সিদ্ধান্ত গ্রহণে সহায়তা: সিদ্ধান্ত গ্রহণকারীকে সম্ভাব্য ফলাফলের পরিসর এবং প্রাথমিক ডেটার অনিশ্চয়তার সাথে সম্পর্কিত ঝুঁকি সম্পর্কে তথ্য প্রদান করা।
• আরও গবেষণার দিকনির্দেশনা নির্ধারণ: কোন ডেটা সংগ্রহ বা কোন মডেল প্যারামিটারের পরিমার্জন সবচেয়ে গুরুত্বপূর্ণ তা নির্দেশ করা।

সংবেদনশীলতা বিশ্লেষণের পদ্ধতি

সংবেদনশীলতা বিশ্লেষণ পরিচালনার জন্য সরল থেকে জটিল পর্যন্ত বিভিন্ন পদ্ধতি বিদ্যমান:

• স্থানীয় বিশ্লেষণ (One-at-a-Time, OAT/OFAT): একসময়ে একটি ইনপুট প্যারামিটার পরিবর্তন করা হয়, বাকি প্যারামিটারগুলি স্থির রাখা হয়। এটি সবচেয়ে সরল পদ্ধতি, তবে এটি প্যারামিটারগুলির মধ্যে মিথস্ক্রিয়ার প্রভাব মূল্যায়ন করতে পারে না।
• ব্যুৎপন্ন-ভিত্তিক বিশ্লেষণ (স্থানীয় সংবেদনশীলতা): ইনপুট প্যারামিটারের সাপেক্ষে আউটপুট চলকের আংশিক ব্যুৎপন্নের মাধ্যমে প্যারামিটারের ক্ষুদ্র পরিবর্তনের প্রভাব মূল্যায়ন করে।
• দৃশ্যকল্প বিশ্লেষণ: বিভিন্ন ইনপুট প্যারামিটার মানের সেটের সাথে সংশ্লিষ্ট বেশ কয়েকটি পৃথক দৃশ্যকল্প (যেমন আশাবাদী, হতাশাবাদী, সবচেয়ে সম্ভাবনাময়) বিবেচনা করা হয়।
• বৈশ্বিক সংবেদনশীলতা বিশ্লেষণ: তাদের অনিশ্চয়তার পরিসরের মধ্যে সমস্ত (বা অনেক) প্যারামিটারের একযোগে পরিবর্তনের প্রভাব অনুসন্ধান করা হয়। প্রায়ই পরিসংখ্যানগত পদ্ধতি ব্যবহার করা হয়:
• Monte Carlo পদ্ধতি: আউটপুট ফলাফলের বণ্টন মূল্যায়নের জন্য বিপুল সংখ্যক এলোমেলো ইনপুট প্যারামিটার সেট তৈরি করা হয়।
• রিগ্রেশন বিশ্লেষণ: আউটপুট ফলাফলকে ইনপুট প্যারামিটারের সাথে সংযুক্তকারী একটি রিগ্রেশন মডেল তৈরি করা হয়।
• বৈচিত্র্য বিশ্লেষণ (ANOVA) এবং বৈচিত্র্য-ভিত্তিক পদ্ধতি: আউটপুট ফলাফলের মোট বৈচিত্র্যে (অনিশ্চয়তায়) প্রতিটি প্যারামিটারের (এবং তাদের মিথস্ক্রিয়ার) অবদান পরিমাণগতভাবে মূল্যায়ন করতে দেয়।

অপারেশন গবেষণা ও অপ্টিমাইজেশনে ভূমিকা

অপারেশন গবেষণায় সংবেদনশীলতা বিশ্লেষণ হল সর্বোত্তম সমাধান খোঁজার পরের একটি আদর্শ ধাপ। এটি নির্ধারণ করতে দেয়:

• সর্বোত্তম সমাধানের স্থিতিশীলতার সীমা: লক্ষ্য ফাংশন বা সীমাবদ্ধতার প্যারামিটারগুলি কোন পরিসরে পরিবর্তিত হতে পারে যাতে পাওয়া সর্বোত্তম সমাধান সর্বোত্তম থাকে।
• ছায়া মূল্য (দ্বৈত মূল্যায়ন): একটি সীমাবদ্ধতার সামান্য পরিবর্তনে (শিথিলকরণে) (যেমন একটি দুষ্প্রাপ্য সম্পদের একটি ইউনিট যোগ করলে) লক্ষ্য ফাংশনের মান কতটা পরিবর্তিত হবে। ছায়া মূল্য সম্পদের মূল্য দেখায়।
• প্যারামিটার পরিবর্তনের অনুমোদনযোগ্য বিরতি: লক্ষ্য ফাংশনের গুণাঙ্ক বা সীমাবদ্ধতার ডান পার্শ্বের পরিবর্তনের পরিসর, যার মধ্যে বর্তমান সর্বোত্তম সমাধানের কাঠামো (রৈখিক প্রোগ্রামিংয়ে মূল চলকের সেট) বজায় থাকে।

এই ফলাফলগুলি সিদ্ধান্ত গ্রহণকারীকে বুঝতে সাহায্য করে যে প্রাথমিক ডেটা কতটা গুরুত্বপূর্ণ এবং কোন সম্পদগুলি সবচেয়ে মূল্যবান ("বাধার স্থান")।

মডেলিং ও সিদ্ধান্ত গ্রহণে ভূমিকা

মডেলিং ও সিদ্ধান্ত গ্রহণের বিস্তৃত প্রেক্ষাপটে সংবেদনশীলতা বিশ্লেষণ সাহায্য করে:

• ঝুঁকি মূল্যায়ন: এমন কারণগুলি চিহ্নিত করা যা ফলাফলে সর্বাধিক অনিশ্চয়তা যোগ করে।
• মডেল যাচাইকরণ: পরিস্থিতি পরিবর্তনের সময় মডেলের আচরণের পর্যাপ্ততা পরীক্ষা করা।
• বিকল্পগুলি তুলনা করা: মূল্যায়ন করা যে কোন বিকল্পটি বাহ্যিক পরিস্থিতির পরিবর্তনের প্রতি আরও স্থিতিশীল।
• সিস্টেম সম্পর্কে বোঝাপড়া উন্নত করা: মডেলকৃত সিস্টেমে মূল চালিকাশক্তি এবং আন্তঃসম্পর্ক চিহ্নিত করা।

ফলাফলের ব্যাখ্যা

• একটি প্যারামিটারের প্রতি উচ্চ সংবেদনশীলতা মানে হল যে এর মূল্যায়নে সামান্য ত্রুটি বা এর পরিবর্তনশীলতা ফলাফলকে ব্যাপকভাবে প্রভাবিত করতে পারে। এই ধরনের প্যারামিটারগুলিতে বিশেষ মনোযোগ প্রয়োজন।
• নিম্ন সংবেদনশীলতা ইঙ্গিত দেয় যে মডেলের ফলাফল বা সমাধান বিবেচিত পরিসরে এই প্যারামিটারের পরিবর্তনের উপর খুব কম নির্ভরশীল, অর্থাৎ সমাধানটি এই প্যারামিটারের সাপেক্ষে robust।

সুবিধা

• মডেল এবং সমাধানের নির্ভরযোগ্যতা ও যুক্তিযুক্ততা বৃদ্ধি করে।
• ঝুঁকি এবং অনিশ্চয়তা চিহ্নিত করতে সাহায্য করে।
• সিস্টেম এবং মডেল সম্পর্কে বোঝাপড়া উন্নত করে।
• ডেটা সংগ্রহ এবং মডেল পরিমার্জনের প্রচেষ্টাকে পরিচালিত করে।

সীমাবদ্ধতা

• বিশেষত বড় সংখ্যক প্যারামিটারের ক্ষেত্রে (বৈশ্বিক বিশ্লেষণ) গণনাগতভাবে ব্যয়বহুল হতে পারে।
• সরল পদ্ধতিগুলি (OAT) প্যারামিটারগুলির মিথস্ক্রিয়ার প্রভাব উন্মোচন করতে পারে না।
• ফলাফল নির্বাচিত প্যারামিটার পরিবর্তনের পরিসর এবং মডেলের অনুমানের উপর নির্ভর করে।

সাহিত্য

• Saltelli, A., et al. Global Sensitivity Analysis: The Primer. — Wiley, 2008.
• Hillier, Frederick S.; Lieberman, Gerald J. Introduction to Operations Research. — McGraw-Hill Education. (11th ed., 2021) (রৈখিক প্রোগ্রামিংয়ে সংবেদনশীলতা বিশ্লেষণের অধ্যায় রয়েছে)
• Taha, Hamdy A. Operations Research: An Introduction. — Pearson. (10th ed., 2017) (রৈখিক প্রোগ্রামিংয়ে সংবেদনশীলতা বিশ্লেষণের অধ্যায় রয়েছে)

আরও দেখুন

• অপারেশন গবেষণা
• অপ্টিমাইজেশন
• গাণিতিক মডেলিং
• অনুকরণ মডেলিং
• সিদ্ধান্ত গ্রহণ তত্ত্ব
• ঝুঁকি ব্যবস্থাপনা
• অনিশ্চয়তা
• রৈখিক প্রোগ্রামিং