정창권 박사의 시스템사고 블로그

  인구 변화 공식, 왜 “e”가 등장할까? 1. 문제 상황: 인구가 계속해서 일정 비율로 늘어난다면? p.34 에 다음 내용이 나옵니다. 

  Box 2.1 에서, Joe는 한 가지 고민을 털어놓습니다. “벤자민 박사님, 제가 요즘 공부하는 모델링 과제들은 죄다 드래그 앤 드롭(Drag & Drop) 방식이잖아요. 제 룸메이트는 프로그래머가 하루에 수십 줄의 코드를 쓴다는데, 난 왜 코드를 안 쓰고 있지? 이렇게 해서 과연 실력이 늘까요?” 이는 실제로 시스템다이내믹스(SD) 수업을 들은 학생들이 자주 하는 질문이기도 합니다. 프로그래밍 언어(예: Fortran, C, Python 등)로 직접 시뮬레이션 코드를 짜 본 적이 있거나, “프로그래머는 매일 코드를 써야 한다”는 인식을 가진 분들이라면 “SD 모델링은 왜 코드가 없지?” 하고 의아해할 수 있죠. “SD 모델링은 ‘코드’보다 ‘구조’가 핵심” Andy가 책에서 말하듯, 시스템다이내믹스의 핵심 활동은 “피드백 구조를 파악하고, 모델의 기본 가정을 명확히 한 뒤, 이를 소프트웨어(예: Stella, Vensim)로 구현” 하는 것입니다. 소프트웨어 가 제공하는 저량-유량 지도(Stock & Flow Diagram) 와 인과순환지도(Causal Loop Diagram) 등 시각적 도구를 통해, 코드를 직접 타이핑 하지 않고도 모델(방정식)을 생성 할 수 있습니다. Joe 같은 학생 입장에서는, “정말 이렇게 마우스 클릭만으로도 모델이 만들어지는 게 가능한가?” 하고 당황할 수 있죠. 그러나 Box 2.1 에서 Andy가 강조하는 것은, “시스템다이내믹스는 프로그래밍 언어를 배우는 수업이 아니다.” “실무에서 가장 중요한 일은 컴퓨터 앞이 아니라, 사람들과 문제의 본질을 논의하는 과정이다.” 다시 말해, SD 모델링 에서 ‘코드 작성’은 핵심이 아니라, 필요하다면 방정식을 직접 살펴볼 수는 있지만 , 대체로 소프트웨어가 코드 생성 과 수치 해석 을 도맡아 해 주기 때문에, 우리는 "모델 구조와 가정” 에 더 많은 시간을 쏟게 된다는 겁니다. 그래도 “코드”는 존재한다 재미있는 건, Andy가 “코드가 아예 없는 건...

  지난 글까지 우리는 Andy의 *『Modeling the Environment』*와 시스템다이내믹스(SD)의 핵심 아이디어를 살펴보았습니다. 그런데 혹시 “더 깊이 공부하고 싶다” , “환경·생태계 분야의 다른 교재나 논문은?” 하고 궁금증을 느끼는 독자분들이 있을 텐데요. 마침 Andy가 1장 말미에 추가 자료들을 소개해 두었습니다. 함께 살펴볼까요? 1. 생태·환경 모델링을 더 파고들고 싶다면… Hannon and Ruth (1997) 시리즈 : 환경·생태계 모델링을 주제로 한 책들이 모여 있습니다. 그중에서도 Deaton and Winebrake (2000)은 *『Modeling the Environment』*와 가장 비슷한 접근을 취한다고 해요. Joe : “벤자민 박사님, 저는 야생동물(생태) 모델에 관심이 많아요. 여기서 뭘 읽어야 할까요?” 벤자민 박사 : “그렇다면 Watt (1968) , Odum (1971) , Kitching (1983) , Grant (1986) , Pratt (1995) 등을 추천해요. 생태학적 모델이 어떻게 구축되고 해석되는지, 각 저자가 독특한 사례를 들고 있습니다.” Individual-Based Models (IBM)를 궁금해하는 분이라면, Grimm (1999) 가 좋은 출발점입니다. SD가 집단 단위의 저량-유량을 다루는 반면, IBM 은 “각 개체(개인, 동물) 단위의 상호작용”에 초점을 맞추기도 하죠. 2. 이론·연구 자료를 더 찾아보려면… Ecological Modelling 저널: 생태계 모델링 관련 논문을 정기적으로 게재하는 학술지 System Dynamics Review : 시스템다이내믹스 분야의 대표 저널 벤자민 박사 : “System Dynamics가 다양한 산업·비즈니스·사회 문제에 어떻게 적용되는지 알고 싶다면, 여기에 실린 논문들이 큰 도움이 될 거예요!” 3. 비즈니스·경영 분야의 시스템다이내믹스 Andy도 책에서 살짝 언급했듯이, SD는 경영대학(business scho...

  이번 글에서는  『Modeling the Environment』 1장의 번외 캐릭터(?)라 할 수 있는 Joe 이야기를 해 볼까 합니다. 이미 지난 글들에서 Surprise Behavior , System Dynamics(SD) , 그리고 Learning by Experimentation 의 중요성을 다뤘는데, 정작 Andy가 학습자 를 상정해 둔 핵심 장치, “가상의 학생 Joe”는 깊이 다루지 않았거든요.  책 속 Box 1.1 (But What About Calculus?)에서 Joe 는, “미분방정식을 잘 몰라도 괜찮나요? 미적분 기억이 희미한데, 이 책을 따라갈 수 있을까요?” 라는 학생들의 흔한 고민 을 솔직하게 질문합니다. 이번 글에서는 Joe의 이런 고민 이 어디서 나왔고, Andy 가 어떤 답변을 제시했는지 정리해 보겠습니다. 1. Joe, 누구죠? 가상의 학생 Joe는, 『Modeling the Environment』 각 장에 삽입된 “Box”나 “옆글(sidebar)” 코너에 등장합니다. Andy는 강의 현장에서 실제로 접한 학생들의 질문 을 추려서, Joe 라는 캐릭터를 만들었다고 해요. 초보자 가 흔히 품는 궁금증( 수학 배경 , 시뮬레이션 소프트웨어 사용법 , 기초 개념 )을 Joe 입을 통해 대신 질문함으로써, 독자들이 자신감을 잃지 않고 학습을 이어가길 바라는 마음 이 담겨 있습니다. 2. Joe의 첫 질문: “But what about calculus?” Joe의 가장 큰 고민은 “미적분이나 미분방정식을 공부해야 하나?”라는 것이죠. 보통 시스템다이내믹스(SD)라고 하면, 피드백 루프 나 저량-유량 구조 가 미분방정식 과 긴밀히 연결된다고 생각합니다. 실제로 SD 모델은 “ d X / d t = … dX/dt = \dots d X / d t = … ” 형태의 1차 미분방정식 집합을 시뮬레이션으로 풀어내는 경우가 많으니까요. 그러나 Andy 의 대답은 의외로 간단합니다. “걱정 마세요. 이 책은 ...

  지난 글(Chapter 1(03))에서 우리는 예상치 못한 시스템 변화(Surprise Behavior)에 대해 이야기하며, 시스템다이내믹스(SD)가 이런 반직관적 결과를 어떻게 다룰 수 있는지 살펴봤습니다. 이번 글에서는 거기서 한 걸음 더 나아가, Andy 가 강조하는 학습(learning)과 실험(experimentation)의 중요성을 이야기해 보려 합니다. 현실 세계, 특히 환경 시스템 은 우리가 직접 “테스트”하기 어려운 경우가 많습니다. “해양에 DDT를 뿌린 뒤, 몇 년 뒤에 어떤 변화가…” 같은 실험은 쉽게 할 수 없으니까요. 그렇다면, 어떻게 ‘직접 실험’ 없이도 시스템에 대한 직관과 이해를 키울 수 있을까요? Andy 의 답은 바로, “컴퓨터 모델링과 반복 실험을 통한 학습”입니다. 1. Learning for Understanding: 결과 예측이 아닌 ‘이해’로 가는 길 1.1 “모델링은 왜 하나요?”에 대한 또 다른 답변 우리가 모델링하면 당연히 결과 예측 을 떠올릴 수 있습니다. 하지만 Andy 는 “정확히 맞히는 것”보다 “왜 그런 결과가 나타나는지, 시스템 구조를 이해하는 것”을 더 강조합니다. 이 부분은 앞서 “Modeling for Prediction vs. Modeling for Understanding”에서도 다뤘지만, 장기 생태계 나 복잡한 사회 시스템 에선 정확 예측이 어려우며, 모델의 가장 큰 가치는 “어떤 피드백 구조와 지연(Delay)이 작동하고 있는가?”를 파악하는 데 있다는 거죠. 1.2 “한 번의 시뮬레이션으로 결론 짓지 마라” Andy는 또한 “ 단 한 번의 시뮬레이션 ” 결과만 보고 “아, 이게 정답이구나!”라고 생각하는 것을 경계합니다. 모델링의 진정한 힘은, “시뮬레이션을 여러 번 돌려 보고, 그 차이를 비교해 보는 과정”에서 나온다고 말해요. 이는 Sterman 이나 Donella Meadows 등 SD 주요 연구자들도 입을 모아 강조하는 바입니다. 2. Learning by Experi...

이번 글은 Andy 가 『Modeling the Environment』 1장에서 강조하고 있는 “Surprise Behavior(뜻밖의 시스템 변화) ”를 다루고, 이런 놀라운 현상의 원인을 어떻게 System Dynamics(SD)를 통해 분석할 수 있는지 살펴보겠습니다. 이전 글(Chapter 1(02) - Modeling for Prediction)에서 모델의 예측 기능 보다 이해 기능 이 중요하다는 점을 이야기했는데요. 오늘은 그 연장선에서, “생태·사회 시스템에서 나타나는 반직관적 혹은 예상 못 한 결과”가 왜 일어나는지, 그리고 SD 가 어떤 도움이 되는지 구체적으로 들여다봅니다. 1. Surprise Behavior: 우리가 알던 방식대로 움직이지 않는 시스템 Andy는 책 전반에서 “뜻밖의 시스템 응답(Unexpected System Responses)”을 다양한 예시로 제시합니다. 느리게 반응하는 시스템 어떤 제도나 정책을 도입했는데, 기대했던 효과가 나오지 않고 계속 동일한 궤적 을 따라가더라. 예: DDT 사용을 줄였는데도, 수십 년 뒤까지 해양 어류 에 계속 축적되는 현상(Ch.22) 예: CO₂ 배출량 감축을 해도, 대기 중 농도가 세기 말까지 증가 할 수 있는 시나리오(Ch.23) 갑자기 폭발적인 변화가 일어나는 시스템 분명히 조금씩 조정했을 뿐인데, 어느 순간 “돌발적”으로 커다란 변화가 튀어나오는 경우 예: Feebate 프로그램 (Ch.16)에서, 차량 구매 유도책이 재정 파산 으로 이어질 정도로 급변하는 현상 반직관적 결과(Counterintuitive Behavior) Daisyworld (Ch.11) 사례처럼, “태양광 세기가 증가하면 온도가 당연히 더 오르겠지?”라고 생각하지만, 실제로는 검은 데이지와 흰 데이지의 비율 변동으로 온도가 거의 변하지 않는다 는 ‘반직관적’ 결과가 나타나기도 합니다. 1.1 도넬라 메도우즈의 시사점 책에서 Andy가 인용하는 Donella Meadows(2009)의 말처럼, “사람들은 한 ...

  Predictive vs. Forecasting, 그리고 작동 원리 사고(operational thinking) 안녕하세요. 벤자민 박사 입니다. 저는 이 블로그 시리즈를 통해, 고(故) Andrew Ford(이하 Andy)를 기리는 마음으로 그의 저서 『Modeling the Environment』를  저의  관점을 해설하고 있습니다. 지난 글에서  멘탈 모델(mental model) 을 살펴봤다면, 이번에는 Predictive 모델 과 Forecasting 모델 을 좀 더 자세히 비교해 보고 싶습니다. 많은 분들이 이 둘을 단순히 “단기 vs. 장기 예측 ”으로만 나누곤 하지만, SD 에서는 그보다 더 중요한 차이가 있습니다. 게다가 SD 모델링 은 결코 “장기 연구에만 국한”되는 게 아니죠. 오히려 작동 원리 사고(operational thinking) 를 통해 단기·장기를 막론하고 시스템을 구조적으로 파악하는 데 최적화되어 있습니다. Predictive vs. Forecasting, 틀리면 죽는 모델 vs. 틀려야 사는 모델 1. Predictive 모델은 “정확하게 맞히기 위해” 존재한다 1) 예: 일기 예보, 주식 단기 예측 Predictive 모델의 대표적인 예는 일기 예보 입니다. “내일 비가 올까? 기온이 몇 도까지 오를까?”처럼, 비교적 짧은 시계열에서 측정 가능한 변수 를 최대한 활용하여 정확히 예측 하려고 합니다.  기상청이 들이는 노력이 바로 이런 Predictive 모델 을 정교화하는 과정이죠. 2) 측정 가능 변수가 중심 Predictive 모델은 데이터 확보 가 상대적으로 용이한 변수를 중점적으로 다룹니다. 빅데이터·인공지능(AI)이 발전하면서 더 많은 변수를 더 빨리 분석할 수 있게 되었지만, 결국 ‘측정 가능한 변수’를 사용한다는 점 은 변함이 없습니다. 따라서 예측 기간이 길어지거나, 의도·의지와 같은 측정 불가능한 요인이 크게 작용할수록 정확도가 떨어질 수밖에 없습니다....

  안녕하세요! 이번 글은 Andrew Ford(이하 Andy) 의 역작 『Modeling the Environment』 1장 Introduction 중에서도, 특히 Model & Mental Model 에 관한 이야기를 다룹니다. 1장에는 정말 많은 주제가 나오지만, 저는 그중에서도 “우리가 매일 사용하는 모델 과 멘탈 모델(mental model) ”을 조금 더 깊이 들여다보고 싶습니다. 목차 Model & Mental Model에 대한 생각 칸트·니체·현상학의 시선: “우리는 어떻게 사물을 해석하는가?” 모델에 대한 겸손(modesty)과 비판적 사고의 중요성 SD(시스템다이내믹스)에서 말하는 멘탈 모델 정의 모음

  Introduction Hello everyone, On February 12, I will launch a special lecture series dedicated to  Andrew Ford  (whom I will refer to as Andy). Andy was a towering figure in the System Dynamics (SD) community. Though I only met him briefly—just enough to take a photo together at a conference—his warm and humble demeanor left a deep impression on me, as it did on many others who had the privilege of knowing him. Sadly, Andy passed away just before 2025. To honor his legacy, I have decided to delve into his masterpiece, Modeling the Environment , and share my personal interpretation of its key ideas . Before diving into the details, let’s first explore  the Preface,  which sets the tone for the entire book and reveals why this work was necessary. 1. Why Was This Book Written? – The Intersection of Real-World Problems and Modeling At the very beginning of the  Preface , Andy references major global issues dominating the news in 2009 : climate change, the rea...

  Introduction Hello everyone, I’m excited to announce that, starting  Wednesday, February 12 , I will launch a special  lecture series in honor of Andrew Ford  (hereafter referred to as Andy). Andy was a monumental figure in the field of System Dynamics (SD) . Though my personal connection with him was brief—a single photograph taken together at a conference—his warm, kind, and deeply respected presence left a lasting impression on me. Sadly, he passed away just before 2025, but I wanted to pay tribute to his work and character through this lecture series. If you’re interested in System Dynamics , you won’t want to miss this. In this lecture series, I’ll explain his masterpiece ,  Modeling the Environment, from my perspective . Before diving into the book, let’s take a step back and explore its Table of Contents , understanding the overall structure and key themes.

  1. “왜 이 책을 써야 했는가?” – 현실 문제와 모델링의 만남 먼저 Preface 서두에 저자가 2009년 당시 신문에 잔뜩 실렸던 기후변화, 부동산 거품, 신종플루(팬데믹 위험) 얘기를 언급하잖아요. 이 부분이 인상적이에요. “우리가 사는 세상이 이렇게 복잡하고 겹겹이 얽혀 있으니, 쉽게 한눈에 파악하기가 어렵다. 그래서 이런 문제들을 바라보는 새로운 도구, 즉 시스템다이내믹스 모델링이 필요하다”라는 취지로 이야기를 시작합니다. 저는  서문의 시작부터 저에게는 중요했습니다. 시스템다이내믹스/시스템사고(이하 SD) 연구자들이 쉽게 빠지기 쉬운 함정이 시스템을 모델링하려는 태도, 또는 시스템을 분석하려는 태도를 보이는 것입니다. 앞으로도 여러 차례 강조하게 되겠지만, 문제를 모델링하고 문제를 분석하는 것이 연구의 시작이 되어야 합니다. Andy 역시 모범을 보여주고 있네요. 그래서 고맙습니다. 저라도 책을 쓸 때 이렇게 문제를 나열하는 것부터 시작해야겠다 생각하게 되었습니다.  2. 사람의 ‘인지 한계’를 정면으로 마주한 태도 서문에 “인간의 인지 능력은 제한적이다. 그래서 복잡한 시스템에서 무슨 일이 일어나는지 직감적으로 다 이해하기 어렵다”는 대목이 있습니다. 지난 과거를 해석 할 때조차 확실히 이해하기 쉽지 않다는 거예요. “Our understanding is also limited by the complexity of the feedback processes that control system behavior. Our actions may be partially erased by the system’s internal responses, and the system’s apparent resistance to our interventions is confusing. Sorting out the effect of delays and multiple feedbacks is beyond our cognitive abiliti...