프로젝트 선택을 위한 AHP와 ARAS 기반 성과 평가

초록

본 논문은 다중 기준 의사결정(MCDM) 기법 중 AHP로 기준 가중치를 산출하고, ARAS(Additive Ratio Assessment)로 대안들을 순위화하는 통합 모델을 제시한다. 광섬유 확대 사업 데이터를 활용해 NPV, 수익률, 회수기간, 위험 네 가지 기준으로 다섯 개 프로젝트를 평가·선택한다.

상세 분석

이 연구는 AHP와 ARAS를 결합한 하이브리드 MCDM 프레임워크를 제안함으로써, 가중치 결정과 대안 평가를 각각 전문화된 방법에 맡긴다. AHP는 전문가 집단(5인)으로부터 쌍대비교 행렬을 구축해 기준 가중치를 도출했으며, 이는 전통적인 일관성 검증 절차를 거쳤는지 논문에 명시되지 않아 신뢰성 평가에 한계가 있다. ARAS 단계에서는 초기 의사결정 행렬(DMM)을 정규화하고, 각 기준의 최적값(최대·최소) 기준으로 가중치를 적용해 최종 효용값 K_i를 계산한다. 계산 과정에서 ‘최소값을 최대값으로 변환’하는 두 단계 절차가 제시되었으나, 변환식과 그 의미가 충분히 설명되지 않아 재현성이 떨어진다.

표 1‑7을 통해 데이터 전처리, 정규화, 가중치 적용, 최종 순위 산출까지의 흐름을 상세히 보여주지만, 표와 식 사이의 연결 고리가 불명확하고, 일부 기호(예: )가 깨져 있어 독자가 수식을 따라가기 어렵다. 또한, ARAS의 최적값 S_0를 “가장 큰 값”으로 정의했음에도 불구하고, 실제 계산에서는 S_i를 각 대안의 가중합으로 구하고 이를 전체 최적값으로 나누는 방식이 사용되었으며, 이 과정에서 단위와 스케일 차이가 존재할 가능성을 논의하지 않았다.

사례 연구는 이란의 광섬유 확장 프로젝트 5개를 대상으로 했으며, 기준 가중치는 NPV(0.29), 수익률(0.34), 회수기간(0.22), 위험(0.15)으로 설정했다. 결과는 P2 > P3 > P5 > P1 > P4 순으로 나타났지만, 민감도 분석이나 대안 간 상관관계 검토가 없으므로, 가중치 변동에 따른 순위 변동성을 평가하지 못했다. 이는 실제 의사결정 상황에서 위험 요소를 충분히 반영하지 못한다는 비판을 초래한다.

문헌 리뷰는 AHP, TOPSIS, VIKOR, DEA 등 다양한 MCDM 기법을 언급하지만, 왜 ARAS를 선택했는지에 대한 이론적 근거가 약하다. 특히, ARAS가 다른 기법에 비해 계산이 간단하고 직관적이라는 주장에 대한 실증적 비교가 부족하다.

전반적으로 연구는 AHP와 ARAS를 결합한 절차를 제시하고 실제 데이터에 적용함으로써 실용성을 보여주지만, 방법론적 상세 설명 부족, 재현성 검증 미비, 민감도·비교 분석 부재 등으로 학술적 기여도가 제한적이다. 향후 연구에서는 전문가 집단 규모 확대, 일관성 비율 검증, 가중치 변동에 따른 시나리오 분석, 다른 MCDM 기법과의 성능 비교 등을 통해 모델의 견고성을 강화할 필요가 있다.