Bipolar Linguistic Z-Number Framework for FMEA Integrating BWM, CRITIC, and MABAC

기술 요약: BWM, CRITIC, MABAC을 통합한 FMEA를 위한 양극성 언어적 Z-수(Z-Number) 프레임워크

문제 정의
실제 고장 형태 및 영향 분석(FMEA)에서의 의사결정은 모호성, 신뢰성 불확실성, 그리고 긍정적 및 부정적 평가의 공존을 포함한 복잡한 불확실성을 수반한다. 기존의 FMEA는 위험 우선순위 숫자(RPN)에 의존하지만, 이는 언어적 불확실성을 포착하는 데 실패하며 모든 기준이 동일한 중요도를 가진다고 가정하는 경우가 많다. Z-수를 사용한 기존의 확장 모델들은 평가와 신뢰 수준을 결합하여 신뢰성을 다루지만, 양극성 언어 모델은 전문가 판단의 이중성(지지하는 증거와 반대하는 증거)을 다룬다. 그러나 이러한 접근 방식들은 대개 별개로 발전해 왔다. 현재의 모델들은 일반적으로 신뢰성 또는 극성 중 하나만을 포착할 뿐, 두 가지 모두를 단일 정보 객체 내에서 결합하여 다루는 경우는 드물다. 이는 긍정적 내용, 부정적 내용, 그리고 다양한 신뢰도를 포함하는 전문가의 판단을 하나의 통일된 체계 내에서 체계적으로 유지할 수 없는 표현상의 간극을 만든다. 더욱이, 기존의 FMEA 연구들은 표현, 가중치 부여, 순위 결정이 동일한 의미론적 논리를 따르는 통합된 구조가 부족한 경우가 많다.

방법론
본 연구는 세 가지 뚜렷한 차원인 긍정적 언어 평가, 부정적 언어 평가, 그리고 언어적 신뢰도 항을 통합하는 **양극성 언어적 Z-수(Bipolar Linguistic Z-Number, BLZ-Number)**에 기반한 통합 프레임워크를 제안한다. 방법론은 다음과 같은 세 가지 주요 단계로 구성된다:

1. 이론적 기초 (BLZ-Number):

   • 정의: BLZ-수는 $\tilde{Z}_{abc} = \langle (s_a^A, s_b^A), s_c^R \rangle$로 정의된다. 여기서 $(s_a^A, s_b^A)$는 양극성 언어 쌍(긍정 및 부정 용어)이며, $s_c^R$은 신뢰도 항이다.
   • 연산: 본 프레임워크는 BLZ-수를 비교하기 위한 언어적 척도 함수, 점수, 정확도 및 모순 함수를 구축한다. 또한, 양극성과 신뢰 구조를 보존하는 대수적 연산(덧셈, 곱셈, 스칼라 곱)과 집합 연산자(BLZWA 및 BLZWG)를 정의한다.
   • 거리 측정: BLZ-수 사이의 편차를 정량화하기 위해 의미 공간 내에서 일반화된 거리 측정법(Hamming 및 Euclidean)이 정의된다.

2. 하이브리드 가중치 메커니즘:

   • 주관적 가중치 (BLZ-BWM): 최선-최악 방법(Best-Worst Method)이 BLZ 환경에 맞게 확장되었다. 이는 두 개의 병렬 최적화 채널, 즉 긍정 채널(표준 BWM 로직)과 부정 채널(최악의 기준이 부정적 우려의 참조-최선 역할을 하는 역방향 BWM 로직)을 활용한다. 이를 통해 긍정적 중요도, 부정적 중요도 및 신뢰도를 포함하는 잠재적 BLZ 값 가중치를 생성하며, 이는 이후 명확한(crisp) 가중치로 퍼지 해소(defuzzify)된다.
   • 객관적 가중치 (BLZ-CRITIC): CRITIC 방법은 신뢰성과 내부 모순을 포함하도록 적응되었다. 이 방법은 세 가지 구성 요소, 즉 대비 강도(정확한 값의 표준 편차), 기준 간 갈등(상관관계), 그리고 새로운 국소 BLZ 신뢰성(local BLZ credibility) 계수를 기반으로 기준의 중요도를 계산한다. 이 계수는 내부 모순(높은 긍정적 증거와 높은 부정적 증거가 동시에 존재함)이 존재할 때 신뢰성을 억제함으로써 "신뢰할 수 있는 명확성"을 측정한다.
   • 통합: 주관적 가중치와 객적 가중치는 균형 파라미터 $\beta$에 의해 제어되는 곱셈 통합 규칙을 사용하여 결합된다.

3. 순위 결정 메커니즘 (BLZ-MABAC):

   • 다기준 경계 근사 영역 비교(MABAC) 방법이 BLZ 환경에 적응되었다. 대안을 이상적인 해와 비교하는 대신, 이 방법은 각 가중치 적용 BLZ 평가를 BLZ 경계 근사값(기하학적 집합을 통해 도출됨)으로부터의 거리로 계산한다.
   • 부호가 있는 경계 편차(signed border deviation)가 계산되어, 특정 고장 형태가 경계 영역의 상위에 있는지 하위에 있는지를 나타낸다. 최종 위험 지수는 이러한 부호가 있는 편차들의 합이다.

수치적 적용 및 결과
본 프레임워크는 이전의 Z-수 기반 연구(Akram 등)에서 변형된 크레인 운전 FMEA 사례 연구에 적용되었다. 이 문제는 3명의 전문가가 평가한 13개의 고장 형태와 3개의 위험 요인(심각도, 발생 가능성, 검출 가능성)을 포함한다.

• 가중치 결과: 주관적 BLZ-BWM은 심각도를 가장 중요한 기준으로 식별하였다. 객관적 BLZ-CRITIC은 높은 분산과 갈등 기여도로 인해 검출 가능성을 가장 정보력이 높은 기준으로 식별하였다. 통합된 가중치는 이러한 관점들을 균형 있게 조절하였으며, 심각도가 지배적인 위치를 유지하면서도 발생 가능성과 검출 가능성이 거의 동일해졌다.
• 순위 결과: 최종 순위는 고장 형태 H11(용융 금속 지면 접촉)을 최고 위험으로 식별하였고, 그 뒤를 H3와 H8이 이었다.
• 민감도 분석: 통합 파라미터 $\beta$를 변화시킨 결과, 균형 영역($\beta \in [0.25, 0.50]$)에서는 최상위 위험(H11)이 안정적으로 유지되었으나, 극단적인 설정(순수 주관적 또는 순수 객관적)에서는 중간 단계 위험들의 순위가 크게 변하는 것을 확인하였다.
• 비교 분석: 제안된 순위는 벤치마크 방법들(Z-FMEA, TOPSIS, VIKOR 기반 접근법 포함)과 양의 상관관계가 있으나 중간 정도의 Spearman 순위 상관관계를 보였다. 상관관계는 ZE-BWM-MABAC에서 가장 높았고, Z-FMEA에서 가장 낮았다. 이는 제안된 모델이 양극성 및 모순 인식 로직으로 인해 독특한 우선순위 패턴을 생성함을 나타낸다.

주요 기여

1. BLZ-수 정의: 양극성 언어 평가(긍정적 및 부정적 증거)와 언어적 신뢰도를 결합하여 지지, 반대, 신뢰도를 동시에 표현할 수 있는 새로운 정보 객체를 도입하였다.
2. 방법론적 확장: 주관적 가중치를 위한 이중 채널 최적화(BLZ-BWM)와 신뢰성 인지 명확성 및 모순을 포함하는 객관적 가중치(BLZ-CRITIC)를 개발하였다.
3. 통합 프레임워크: 단순한 Z-수 확장을 넘어, 표현, 가중치 부여, 순위 결정이 BLZ 로직 하에서 의미론적으로 정렬된 완전한 FMEA 아키텍처를 구축하였다.
4. 모순 민감도: 명확한 지배적 판단과 매우 갈등적인 평가를 구분할 수 있는 능력으로, 이는 표준 단극성 Z-수 모델에는 없는 기능이다.

의의 및 주장
저자들은 제안된 프레임워크가 전문가 판단의 "방향적 이중성"을 신뢰성과 함께 보존함으로써 위험 분석의 중요한 표현적 간극을 해결한다고 주장한다. 전문가의 의견을 단일 축 평가로 축소하거나 신뢰성과 극성을 별도로 취급하는 기존 모델과 달리, 본 프레임워크는 (긍정, 부정, 신뢰도)라는 세 가지 차원을 의사결정 과정 전반에 걸쳐 유지한다.

본 연구는 기존 방법들과의 중간 정도의 순위 상관관계가 불안정성의 징후가 아니라, 정보 구조, 가중치 로직, 순위 결정 메커니즘을 동시에 근본적으로 변경한 데 따른 자연스러운 결과라고 상정한다. 이 프레임워크는 특히 전문가의 판단에 내부 갈등이나 모순된 증거가 포함되는 시나리오에서 더 표현력이 풍부하고 해석 가능한 대안으로서, 신뢰성 인지 양극성 위험 우선순위 지정을 위한 의미론적으로 정렬된 의사결정 아키텍처를 제공한다고 결론짓는다. 다만, 척도 함수 및 파라미터 선택에 관한 신중한 구현이 필요함을 인정한다.