대출 적합성 판단을 위한 퍼지 츠카모토 기반 의사결정 지원 시스템

초록

본 논문은 PT Triprima Finance의 대출 승인 과정을 자동화하기 위해 퍼지 츠카모토(Fuzzy Tsukamoto) 방법을 적용한 의사결정 지원 시스템(DSS)을 설계·구현하였다. 기존의 수작업 절차가 시간과 인적 자원을 과다 소모하는 문제를 해결하고, 입력 변수(소득, 신용점수, 담보가치 등)에 대한 불확실성을 정량화하여 신속하고 일관된 대출 적합성 판단을 제공한다.

상세 분석

본 연구는 퍼지 논리 중에서도 츠카모토 모델을 선택한 이유를 상세히 분석한다. 츠카모토는 각 규칙의 결과가 단조(monotonic) 멤버십 함수를 갖도록 설계되어, 결론값을 직접적으로 ‘가능도(μ)’로 표현한다는 점에서 전통적인 Mamdani와 차별화된다. 이는 대출 승인 여부와 같이 ‘예/아니오’가 아닌 연속적인 적합성 점수를 산출해야 하는 금융 의사결정에 적합하다.
시스템은 크게 입력 전처리, 퍼지화, 규칙 기반 추론, 디퍼지화, 결과 출력의 네 단계로 구성된다. 입력 전처리 단계에서는 고객의 월소득, 기존 부채비율, 신용점수, 담보가치(자동차 등록증) 등을 정규화하고, 각각에 대해 ‘낮음·보통·높음’ 등 3개의 라벨을 가진 삼각형 혹은 가우시안 멤버십 함수를 정의한다. 규칙 베이스는 도메인 전문가와 현장 담당자의 인터뷰를 통해 도출된 27개의 IF‑THEN 규칙으로 구성되며, 각 규칙은 ‘대출 가능도 = μ’ 형태로 표현된다.
추론 단계에서는 입력값에 대한 각 전제의 멤버십 값을 계산하고, 최소 연산(min)으로 전제들의 결합도를 구한다. 츠카모토 모델의 핵심인 ‘결과값을 역함수로 계산’하는 과정에서는 결합도 μ와 결론 멤버십 함수의 역함수를 이용해 해당 규칙이 제시하는 구체적인 적합성 점수(z)를 도출한다. 최종 적합성 점수는 모든 규칙의 가중 평균(z_i·μ_i / Σμ_i)으로 합산된다.
시스템 구현은 웹 기반 프레임워크(예: Django)와 MySQL 데이터베이스를 활용했으며, 사용자 인터페이스는 담당자가 고객 정보를 입력하면 실시간으로 적합성 점수와 승인/거절 권고를 제공한다. 성능 평가는 기존 수작업 프로세스와 비교해 평균 의사결정 시간이 85% 감소하고, 전문가 평가에서 92% 이상의 정확도를 기록하였다.
또한, 모델의 투명성을 확보하기 위해 각 규칙별 기여도와 멤버십 그래프를 시각화함으로써 담당자가 결과를 검증하고 필요 시 규칙을 수정할 수 있도록 설계하였다. 한계점으로는 멤버십 함수와 규칙 수가 증가할 경우 계산 복잡도가 급격히 상승한다는 점이며, 이를 해결하기 위해 향후에는 유전 알고리즘 기반 규칙 최적화와 클라우드 서버를 이용한 병렬 처리를 도입할 계획이다.