📊 statistics

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

본 연구는 다양한 퍼지 표현 및 다기준 의사결정(MCDM) 방법론 전반에 걸쳐 SAF1이 최상위 지속가능 항공유 공급업체로서 갖는 견고성을 입증하는 한편, 선두 후보는 일관되게 유지되나 전체적인 공급업체 순위는 변동될 수 있음을 강조하며, 이를 자동적인 선택이 아닌 추가적인 실사를 위한 우선순위로 취급해야 함을 밝히고 있다.

원저자: Büşra ALTINKAYNAK

게시일 2026-08-13

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Büşra ALTINKAYNAK

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 거대한 항공기 함대의 기장이라고 상상해 보십시오. 당신의 임무는 더럽고 지저한 화석 연료를 태우는 것에서 벗어나 '지속 가능한 항공 연료(SAF)'라고 불리는 더 깨끗하고 친환경적인 대안으로 전환하는 것입니다. 하지만 여기에는 함정이 있습니다. 단순히 아무 연료 공급업체나 무작위로 선택할 수는 없다는 점입니다. 당신은 수십 가지의 서로 다른 요인들을 동시에 고려하며 최상의 공급업체를 골라내야 합니다. 어떤 요인은 돈에 관한 것이고(비용은 얼마인가?), 어떤 요인은 지구에 관한 것이며(얼마나 많은 오염을 줄이는가?), 또 어떤 요인은 물류에 관한 것입니다(제때 배송할 수 있는가?). 이것은 전형적인 '다기준 의사결정(multi-criteria decision)' 문제, 즉 "모든 옵션이 장점과 단점을 동시에 가지고 있을 때 어떻게 완벽한 선택을 할 것인가?"라는 문제와 같습니다.

현실 세계에서 우리는 결코 완벽하고 명확한 숫자만을 가질 수 없습니다. 우리는 종로히 정확한 달러 금액 대신 "높음", "중간", "매우 높음"과 같은 인간 전문가들의 의견에 의존해야 할 때가 많습니다. 이러한 모호함을 처리하기 위해 과학자들은 '퍼지 로직(fuzzy logic)'과 '불확실성 분석(uncertainty analysis)'이라는 특별한 수학적 도구를 사용합니다. 이 도구들은 모호한 추측을 아주 작은 점 대신 굵은 마커로 그린 과녁처럼 가능성의 범위로 바꾸어 주는 역할을 합니다. 여기서 큰 질문은, 만약 우리가 그 과목을 그리는 방식을 바꾸거나 점수를 매기는 규칙을 바꾼다면, 우리의 '최선의' 선택이 그대로 유지될까요, 아니면 완전히 뒤집혀 버릴까요?

이것이 바로 Büşra Altınkaynak의 연구가 조사하는 내용입니다. 저자는 이전에 발표된 세 곳의 SAF 공급업체(SAF1, SAF2, SAF3라고 부릅시다)의 순위를 가져와 엄격한 '스트레스 테스트'를 실시했습니다. 마치 모두가 최고라고 동의하는 케이크 레시피가 있다고 상상해 보십시오. 하지만 만약 밀가루의 종류를 바꾸거나, 반죽을 섞는 방식이나 오븐의 온도를 바꾼다면 어떻게 될까요? 케이크가 여전히 똑같은 맛을 유지할까요, 아니면 완전히 다른 디저트가 되어버릴까요?

이 연구에서 '레시 Recipe'는 승자를 뽑는 데 사용되는 수학적 모델입니다. 기존 연구(Ecer 등)는 이미 승자를 선정했지만, Altınkaynak는 그 승자가 정말로 견고한(robust) 것인지, 아니면 단지 특정 수학을 사용했기 때문에 운 좋게 뽑힌 것인지 확인하고 싶었습니다. 그녀는 다양한 버전의 '퍼지' 수학, 기준의 중요성을 가중치를 두는 다양한 방식, 그리고 다양한 순위 알고리즘을 사용하여 전체 선택 과정을 다시 실행했습니다.

그녀가 발견한 결과는 다음과 같습니다.

첫째, '승자'는 즉시 바뀌었습니다. 기존 연구는 SAF2가 최고라고 했습니다. 그러나 Altınkaynak가 수학적 모델을 다른 유형의 퍼지 수(모호한 '높음'과 '낮음'을 구체적인 삼각형 모양으로 변환)로 바꾸고 불확실성을 분석하자마자, 새로운 수학은 SAF1을 승자로 선언했습니다. 이는 그녀의 재계산 과정 중 아주 첫 단계에서 일어난 일이었습니다.

SAF1이 1위 자리를 차지하자, 그것은 계속 유지되었습니다. 그녀가 수학의 다른 부분들을 어떻게 조정하더라도—즉, 기준의 중요성을 계산하는 방법(MEREC라고 불리는 한 방법에서 다른 방법으로 전환)을 바꾸거나, 다른 순위 공식(MARCOS, CRADIS, TOPSIS 또는 COPRAS와 같은)을 사용하더라도—SAF1은 여전히 최고의 선택으로 남았습니다.

하지만 차순위 업체들을 살펴보면 이야기는 조금 더 복잡해집니다. 모든 방법이 SAF1이 최고라는 점에는 동의했지만, 2위와 3위를 정하는 데 있어서는 방법마다 의견이 갈렸습니다.

두 가지 방법(MARCOS와 CRADIS)은 전체 목록에 대해 완벽하게 일치했습니다: SAF1, 그다음 SAF2, 그다음 SAF3 순이었습니다.
또 다른 방법(TOPSIS)은 SAF1이 1위라는 점에는 동의했지만, 나머지 두 업체의 순서를 뒤집어 SAF2보다 SAF3를 앞세웠습니다.
네 번째 방법(COPRAS)은 다시 원래의 순서인 SAF1, SAF2, SAF3로 돌아갔습니다.

연구는 또한 이 순위들이 얼마나 "강력한지(tough)"를 테스트했습니다. 그녀는 순위가 무너지는지 확인하기 위해 기준의 중요성에 미세한 변화를 주었습니다(예를 들어 "비용이 평소보다 10% 더 중요하다"라고 말하는 것과 같이). 결과는 공급업체의 순위가 상당히 안정적임을 보여주었습니다. 가중치가 약간 변한다고 해서 순위가 요동치지는 않았습니다.

그렇다면, 이 결과가 항공기 기장에게 의미하는 바는 무엇일까요? 이 연구는 SAF1이 매우 강력한 후보이며, 추가 조사의 우선순위가 되어야 함을 시사합니다. 게임의 규칙이 바뀌더라도 SAF1이 최고라는 점에 대해서는 수학적으로 놀라울 정도로 일관성이 있습니다. 그러나 연구는 우리가 이 순위에 대해 너무 확신해서는 안 된다고 경고합니다. 데이터의 '모호함'과 수학적 방법의 선택에 따라 누가 2위가 될지는 달라질 수 있기 때문입니다.

요약하자면, 이 논문은 SAF1이 명확한 선두 주자로 보이지만, 항공사들이 단 하나의 컴퓨터 순위만을 근거로 즉시 계약을 체결해서는 안 된다고 결론짓습니다. 대신, SAF1을 심층 조사를 위한 최우선 선택지로 취급하되, 더 구체적이고 실제적인 데이터를 확보하여 SAF2와 SAF3 사이의 결정을 내릴 때까지 이들을 후보군에 계속 두어야 합니다. 이 연구는 '최고'의 선택은 견고할 수 있지만, '차선'의 선택은 관점에 따라 달라질 수 있다는 것을 증명합니다.

기술 요약: 지속 가능한 항공 연료(SAF) 공급업체 순위의 강건성

문제 정의
지속 가능한 항공 연료(SAF) 공급업체 선정은 경제적, 환경적, 사회적, 기술적 및 인도 기준 간의 상충하는 기준들이 얽힌 복잡한 다기준 의사결정(MCDM) 문제이다. Ecer 등(2025)의 연구와 같은 기존 연구들은 SAF 공급업체 선정을 위한 통합 모델을 제안했으나, 의사결정 모델의 핵심 구성 요소인 불확실성 표현, 기준 가중치, 그리고 순위 결정 절차를 순차적으로 수정할 때 발표된 공급업체 추천이 처음으로 변하는 지점을 명시적으로 추적하는 데에는 제한적이었다. 또한, 기존의 비교 방식은 최종 순위에만 의존하는 경우가 많아, 선두 공급업체에 대한 합의와 전체 대안의 완전한 서열에 대한 합의 사이의 구분을 모호하게 만들 수 있다. 본 연구는 대안적인 퍼지 표현 및 MCDM 방법을 통해 SAF 공급업체 순위의 강건성을 평가하여, 발표된 참조 순위가 방법론적 선택에 따라 안정적인지 아니면 민감한지를 결정하는 필요성을 다룬다.

연구 방법론
본 연구는 Ecer 등(2025)에서 보고된 의사결정 문제를 발표된 벤치마크로 사용하여 순차적인 방법론적 비교를 수행한다. 데이터셋은 39개의 기준, 3개의 SAF 공급업체, 그리고 동일한 가중치를 가진 4명의 의사결정자로 구성된다. 방법론은 다섯 가지 실험적 구성(E1–E5)을 통해 진행된다:

데이터 표현: 벤치마크 연구의 원래 언어적 평가를 구간값 퍼지 뉴트로소픽 수(IVFNN) 대신 삼각 퍼지 수(TFN)로 서수적 재부호화한다. 두 가지 그룹 집계 규칙이 적용된다: "최솟값-평균-최댓값" 규칙(최소 하한값과 최대 상한값을 유지하면서 최빈값은 평균함)과 표준 "TFN 산술 평균"이다.
불확실성 전파: TFN을 즉시 단일 대표값으로 축소하지 않고 불확실성을 전파하기 위해, $\alpha$ -컷 구간( $\alpha = 0, 0.1, \dots, 1$ ) 내에서 점별 결정 행렬(pointwise crisp decision matrices)을 생성한다.
가중치:
- E2: 벤치마크를 기반으로 고정된 재구성된 LOPCOW 유도 가중치를 사용한다.
- E3–E5: 고정된 가중치를 대신하여, 각 점별 실현 사례에 대해 재계산된 고전적 MEREC(기준의 제거 효과에 기반한 방법) 가중치를 사용한다.
순위 결정 절차:
- E2 & E3: MARCOS(측정 대안 및 최적 타협해에 따른 순위 결정)를 사용한다.
- E4: CRADIS(이상적 해와의 거리에 따른 타협 순위 결정)를 사용한다.
- E5: 교차 방법 비교를 위해 TOPSIS와 COPRAS를 사용한다.
강건성 분석: 순위 수용성을 결정하기 위해 순위 빈도(시나리오 빈도로 해석됨)를 계산한다. 스피어먼 순위 상관계수, 정확한 순서 빈도, 그리고 승자 일치도를 통해 합의 여부를 평가한다. 또한, $\pm 10\%$ 의 일회성(one-at-a-time) 및 동시 가중치 섭동을 통한 국소 민감도를 테스트한다.

주요 결과

선두 공급업체의 변화: 가장 중요한 발견은 발표된 벤치마크(E1: SAF2 > SAF3 > SAF1)와 첫 번째 재계산 구성(E2: SAF1 > SAF2 > SAF3) 사이에 선두 공급업체가 변경된다는 점이다. 이러한 역전은 서수적 TFN 재부호화와 $\alpha$ -컷 분석이 도입될 때 발생하며, 이는 가중치나 순위 결정 방법을 변경하기 전 단계에서 나타난다.
핵심 승자의 안정성: E2에서 SAF1이 리더로 확립되면, 이후의 모든 구성(E3–E5)은 $\alpha = 1$ 에서 SAF1을 1위 공급업체로 유지한다.
방법론적 민감도:
- 가중치: LOPCOW 가중치를 MEREC로 대체하는 것은 $\alpha = 1$ 에서 핵심 순서를 바꾸지는 않았으나, 순위 수용성에는 상당한 영향을 미쳤다. 최솟값-평균-최댓값 집계 하에서는 SAF1의 순위-1 빈도가 감소하였고, 산술 평균 집계 하에서는 증가하였다.
- 순위 결정 방법: 동일한 입력을 제공받았을 때 MARCOS와 CRADIS는 모든 $\alpha$ 수준과 집계 규칙에서 동일한 순위를 생성했다. 그러나 TOPSIS와 COPRAS는 SAF1을 승자로 하는 데에는 동의했으나, SAF2와 SAF3의 위치를 역전시켰다.
합의 vs. 강건성: 본 연구는 선두 공급업체에 대한 합의가 전체 순서에 대한 불일치와 공존할 수 있음을 보여준다. $\alpha = 1$ 에서, TOPSIS와 COPRAS는 2위와 3위의 순위 역전으로 인해 100%의 승자 일치도에도 불구하고 스피어먼 상관계수 0.500과 제로(zero)의 정확한 순서 합의를 보였다.
민감도: 모든 방법은 $\alpha = 1$ 에서 $\pm 10\%$ 의 가중치 섭동 하에서도 기본 순위를 유지하였으며, 이는 기준 가중치에 대한 국소적 안정성을 나타내지만, 이는 더 넓은 불확실성 영역에서 관찰되는 변동은 설명하지 못한다.

의의 및 주장
본 논문은 주요 기여가 발표된 공급업체 순위가 참조 결과로부터 이탈하는 특정 단계를 식별하고, "핵심 승자"의 강건성과 "완전한 순서"의 강건성을 구분하는 것임을 주장한다.

본 연구는 향후 상업적, 기술적 및 운영적 실사를 위해 SAF1을 우선순위 후보로 두는 것에 대한 일관된 지지가 있음에도 불구하고, 나머지 공급업체(SAF2 및 SAF3)에 대해서는 고정된 결정론적 순서를 뒷받침하는 증거가 없다고 결론짓는다. 저자는 항공사 조달 측면에서 SAF1을 자동으로 선택된 공급업체가 아닌, 추가 조사를 위한 우선 검토 대상(priority candidate)으로 취급해야 한다고 주장한다. 본 연구의 결과는 의사결정자가 단일한 결정론적 순서에 의존하기보다 핵심 순위, $\alpha$ -컷 순위 수용성, 그리고 교차 방법 간의 합의를 종합적으로 평가해야 함을 시사한다. 또한, 핵심 순위가 변하지 않는다고 해서 더 넓은 불확실성 영역 전체에 걸쳐 강건성이 변하지 않는다는 것을 의미하지는 않는다는 점을 강조한다.

유사한 논문