📊 statistics

Robustness of sustainable aviation fuel supplier rankings under alternative fuzzy representations and MCDM methods

本研究は、様々なファジィ表現および多基準意思決定（MCDM）手法において、SAF1が最も上位にランク付けされる持続可能な航空燃料サプライヤーとしての堅牢性を検証しており、一方で、筆頭候補は一貫しているものの、サプライヤーの完全な順位付けは変動するため、自動的な選定ではなく、さらなるデューデリジェンスの優先事項として扱うべきであることを強調している。

原著者： Büşra ALTINKAYNAK

公開日 2026-08-13

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Büşra ALTINKAYNAK

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、巨大な航空機フリート（保有機団）のキャプテンであると想像してください。あなたの使命は、汚れた化石燃料を燃やすことから、持続可能な航空燃料（SAF）と呼ばれる、よりクリーンで環境に優しい代替燃料へと切り替えることです。しかし、ここには落とし穴があります。単に燃料サプライヤーをランダムに選べるわけではないのです。あなたは、何十もの異なる要因を同時に天秤にかけながら、いくつかの選択肢の中から最高のものを選び出さなければなりません。ある要因は、お金に関すること（コストはいくらか？）、ある要因は地球に関すること（どれほど汚染を削減できるか？）、そしてまたある要因はロジスティクスに関すること（期限通りに配送できるか？）です。これは典型的な「多基準意思決定」問題、つまり、「すべての選択肢に長所と短所があるとき、どのようにして完璧な選択をするか？」という問題なのです。

現実の世界では、完璧で透明な数字が得られることは滅多にありません。私たちは多くの場合、正確なドル金額の代わりに、「高い」「中程度」「非常に高い」といった人間の専門家による言葉に頼らざるを得ません。この「曖昧さ」を扱うために、科学者は「ファジー論理」や「不確実性解析」と呼ばれる特別な数学的ツールを使用します。これらのツールは、漠然とした推測を、細い点ではなく太いマーカーで描いたターゲットのように、可能性の範囲へと変換するものだと考えてください。大きな疑問は、もし私たちがそのターゲットの描き方を変えたり、ポイントの数え方のルールを変えたりした場合、私たちの「最善の」選択が変わってしまうのか、それとも上下が逆転してしまうのか、ということです。

これこそが、ブシュラ・アルトゥンカイナク（Büşra Altınkaynak）の研究が調査している内容です。著者は、3つのSAFサプライヤー（便宜上、SAF1、SAF2、SAF3と呼びます）の以前に発表されたランキングを取り上げ、それを厳格な「ストレス・テスト」にかけました。ケーキのレシピについて考えてみてください。誰もが最高だと認めているレシピがあるとします。しかし、もし小麦粉の種類を変えたり、混ぜ方を変えたり、オーブンの温度を変えたりしたらどうなるでしょうか？そのケーキはまだ同じ味でしょうか、それとも全く別のデザートになってしまうでしょうか？

この研究において、「レシピ」とは、勝者を決定するために使用される数学的モデルのことです。元の研究（Ecerらによるもの）では、すでに勝者が選ばれていました。しかし、アルトゥンカイナクは、その勝者が本当に堅牢（ロバスト）なものなのか、それとも単に特定の数学を用いたために運が良かっただけなのかを知りたいと考えました。彼女は、異なるバージョンの「ファジー」な数学、異なる基準の重要性の重み付け、そして異なるランキング・アルゴリズムを使用して、選択プロセス全体をやり直しました。

彼女が発見した内容は以下の通りです。

まず、「勝者」は実際には即座に変化しました。元の研究ではSAF2が最善であるとしていました。しかし、アルトゥンカイナクが数学を別の種類のファジー数（漠然とした「高い」や「低い」を具体的な三角形の形状に変えること）に切り替え、不確実性を分析した途端、新しい数学はSAF1を勝者と宣言しました。これは、彼女の再計算のまさに最初のステップで起こりました。

一度SAF1がトップに立つと、その後は動じませんでした。彼女が数学の他の部分をどのように微調整しても――例えば、基準の重要性を算出する方法を（MERECと呼ばれる別の方法に）切り替えたり、異なるランキング公式（MARCOS、CRADIS、TOPSIS、またはCOPRASなど）を使用したりしても――SAF1はナンバーワンの選択肢であり続けました。

しかし、ランナーアップ（次点）に注目すると、物語は少し複雑になります。全員がSAF1が最高であることには同意しましたが、手法によって、2位と3位の順位については意見が分かれました。

2つの手法（MARCOSとCRADIS）は、リスト全体について完全に一致しました：SAF1、次にSAF2、そしてSAF3です。
もう一つの手法（TOPSIS）は、SAF1が1位であることには同意しましたが、他の2つの順序を入れ替え、SAF2よりもSAF3を上位に置きました。
4番目の手法（COPRAS）は、元の順序に戻りました：SAF1、次にSAF2、そしてSAF3です。

研究では、これらのランキングがどれほど「タフ」であるかもテストされました。彼女は、基準の重要性がわずかに変化した場合（例えば、「コストは通常よりも10%重要である」と言うような場合）をシミュレーションし、ランキングが崩壊するかどうかを確認しました。結果は、サプライヤーの順位は非常に安定していることを示しました。重みがわずかに変わったとしても、ランキングがひっくり返ることはありませんでした。

では、これは航空機のキャプテンにとって何を意味するのでしょうか？この研究は、SAF1は非常に強力な候補であり、さらなる調査の優先対象とすべきであることを示唆しています。ルールの変更に関わらず、数学は驚くほど一貫してSAF1がベストであると示しています。しかし、この研究は、2位と3位のサプライヤーの正確な順序について、あまり自信を持ちすぎてはいけないとも警告しています。データの「曖昧さ」や数学的手法の選択によって、誰が2位になるかが変わる可能性があるからです。

要約すると、この論文は、SAF1が明確な有力候補に見えるものの、単一のコンピュータによるランキングに基づいてすぐに契約を結ぶべきではない、と結論付けています。その代わりに、SAF1をさらなる調査のためのトップチョイスとして扱い、SAF2とSAF3の間で判断を下すための、より具体的で現実世界のデータが得られるまでは、両方を候補として残しておくべきである、としています。この研究は、たとえ「最善」の選択が堅牢であったとしても、「二番目の選択」はしばしば視点の問題であることを証明しています。

技術要約：持続可能な航空燃料（SAF）サプライヤー・ランキングの頑健性

問題提起
持続可能な航空燃料（SAF）サプライヤーの選定は、経済的、環境的、社会的、技術的、および配送に関する相反する基準を含む、複雑な多基準意思決定（MCDM）問題である。Ecer et al. (2025) などの先行研究は、SAFサプライヤー選定のための統合モデルを提案しているが、意思決定モデルの核となる構成要素（不確実性の表現、基準の重み付け、およびランキング手順）を逐次的に変更した際に、公表されたサプライヤーの推奨が最初に変化する箇所を明示的に追跡することについては、限定的な注意しか払われていない。さらに、既存の比較は最終的なランキングに依存することが多く、筆頭サプライヤーへの合意と、全代替案の完全な順序付けに対する合意との区別を不明瞭にする可能性がある。本研究は、代替的なファジィ表現およびMCDM手法の下でのSAFサプライヤー・ランキングの頑健性を評価し、公表された参照ランキングが手法の選択に対して安定しているか、あるいは敏感であるかを判断する必要性に対処するものである。

手法
本研究では、Ecer et al. (2025) によって報告された意思決定問題をベンチマークとして用い、逐次的な手法比較を採用する。データセットは、39の基準、3つのSAFサプライヤー、および4名の等重み意思決定者で構成される。手法は、5つの実験構成（E1–E5）を通じて進行する。

データの表現: ベンチマーク研究における元の言語的評価を、区間値ファジィ・ニュートロソフィック数（IVFNN）ではなく、三角ファジジ数（TFN）として順序的に再エンコードする。2つのグループ集計ルールを適用する。一つは「min–mean–max」ルール（最小下限と最大上限を保持しつつ、最頻値を平均化するもの）、もう一つは標準的な「TFN算術平均」である。
不確実性の伝播: TFNを即座に単一の代表値に崩壊させることなく不確実性を伝播させるために、 $\alpha$ カット区間（ $\alpha = 0, 0.1, \dots, 1$ ）内で点状のクリスプ意思決定行列を生成する。
重み付け:
- E2: ベンチマークに基づき固定された、再構築されたLOPCOW由来の重みを使用する。
- E3–E5: 固定された重みを、各点状の実現値に対して再計算された古典的なMEREC（基準の除去効果に基づく手法）の重みに置き換える。
ランキング手順:
- E2 & E3: MARCOS（妥協解に基づく代替案の測定とランキング）。
- E4: CRADIS（理想解からの距離に基づく代替案の妥協ランキング）。
- E5: クロスメソッド比較のためのTOPSISおよびCOPRAS。
頑健性分析: ランキングの許容性を判断するために、ランク頻度（シナリオ頻度として解釈）を算出する。また、スピアマンの順位相関係数、厳密な順序の頻度、および勝者の一致度を通じて合意性を評価する。さらに、 $\pm 10\%$ の一変数（one-at-a-time）および同時重み摂動による局所的な感度をテストする。

主な結果

筆頭サプライヤーの転換: 最も重要な知見は、公表されたベンチマーク（E1: SAF2 > SAF3 > SAF1）と、最初の再計算構成（E2: SAF1 > SAF2 > SAF3）の間で、筆頭サプライヤーが変化することである。この逆転は、重み付けやランキング手法を変更する前段階である、順序的TFNの再エンコードと $\alpha$ カット分析が導入された際に発生する。
コア・ウィナーの安定性: E2においてSAF1がリーダーとして確立されると、その後のすべての構成（E3–E5）において、 $\alpha = 1$ でSAF1が第1位のサプライヤーとして保持される。
手法による感度:
- 重み付け: LOPCOWの重みをMERECに置き換えても、 $\alpha = 1$ におけるコアとなる順序は変化しなかったが、ランクの許容性には大きな影響を与えた。min–mean–max集計の下では、SAF1のランク1の頻度は低下した。算術平均集計の下では、それは上昇した。
- ランキング手法: MARCOSとCRADISは、同じ入力を与えられた場合、すべての $\alpha$ レベルおよび集計ルールにおいて同一のランキングを生成した。しかし、TOPSISとCOPRASは、SAF1を勝者として一致させたものの、SAF2とSAF3の順位を逆転させた。
合意と頑健性: 本研究は、筆頭サプライヤーに関する合意と、完全な順序付けに関する不一致が共存し得ることを示している。 $\alpha = 1$ において、TOPSISとCOPRASは、第2位と第3位の逆転により、勝者の合意度は100%であるにもかかわらず、スピアマン相関係数は0.500であり、厳密な順序の一致度はゼロであった。
感度: すべての手法は、 $\alpha = 1$ における $\pm 10\%$ の重み摂動に対してベースラインの順序を維持しており、基準の重みに関する局所的な安定性を示したが、これは不確実性領域全体に見られる広範な変動を考慮したものではない。

意義と主張
本論文の主要な貢献は、公表されたサプライヤーの順序が参照結果から逸脱する特定の段階を特定し、「コア・ウィナー」の頑健性と「完全な順序付け」の頑健性を区別することにあると主張している。

本研究は、商業的、技術的、および運用上のデューデリジェンスのためにSAF1を優先することについては一貫した支持があるものの、残りのサプライヤー（SAF2およびSAF3）に対して固定的な決定論的順序付けを支持する証拠はないと結論付けている。著者は、航空会社の調達において、SAF1は自動的に選択されるサプライヤーとしてではなく、さらなる調査のための優先候補として扱うべきであると述べている。知見は、意思決定者が単一の決定論的な順序（特定のモデル仕様から導出されたもの）に依存するのではなく、コアとなるランキング、 $\alpha$ カットによるランクの許容性、およびクロスメソッドの合意を総合的に評価すべきであることを示唆している。本研究は、コアとなるランキングが変わらないことは、より広い不確実性領域全体にわたって頑健性が変わらないことを意味しないことを強調している。

関連論文