다속성가치함수 (Multi-Attribute Value Function)
쉽게 풀면
노트북을 고를 때 가격, 성능, 무게, 배터리 지속시간 등 여러 기준을 동시에 고려하게 됩니다. 다속성가치함수는 이런 여러 기준 각각의 점수를 매기고, 기준별 중요도(가중치)를 곱해 더함으로써 하나의 종합 점수로 합쳐주는 계산식입니다. 이 종합 점수를 비교하면 여러 대안 중 어떤 것이 전반적으로 더 나은지 판단할 수 있습니다.
왜 중요한가
산업공학의 설비 선정, 공급업체 평가, 입지 선정 등 다기준 의사결정 문제는 서로 성격이 다른 여러 기준을 동시에 고려해야 합니다. 다속성가치함수는 이런 복잡한 문제를 하나의 비교 가능한 수치로 정리해 합리적이고 일관된 의사결정을 지원합니다. 다속성가치함수는 비용, 안전성, 환경영향처럼 단위가 서로 다른 기준을 하나의 척도로 통합해 대안을 비교할 수 있게 해주므로, 복수 기준 의사결정 분야에서 대안 평가의 표준 도구로 자리잡았습니다.
논문에서는 이렇게 쓰입니다
이 예문은 여러 평가 기준의 점수를 가중합으로 결합해 공급업체를 비교한 사례입니다.
이 예문은 정량적 다속성가치함수 평가 결과의 타당성을 정성적 평가와 비교해 확인한 사례입니다.
조금 더 깊게 보면
다속성가치함수는 흔히 각 속성별 단일가치함수(single attribute value function)를 정의한 뒤, 속성 간 가중치를 곱하여 합산하는 가법형(additive) 형태로 구성됩니다. 각 속성의 가중치는 스윙가중치법과 같은 기법으로 산정되는 경우가 많으며, 속성 간 상호작용이 존재할 경우 곱셈형이나 다른 비선형 형태가 사용되기도 합니다. 다속성가치함수는 불확실성이 개입되지 않는 확정적 상황에서의 선호를 다룬다는 점에서, 위험과 불확실성을 명시적으로 반영하는 다속성효용함수와 개념적으로 구분됩니다. 다속성가치함수는 각 속성별 단일가치함수를 도출한 뒤 가중치를 곱해 합산하는 가산모형이 대표적이며, 속성 간 독립성 가정이 성립하지 않으면 곱셈형이나 비가산형 모형이 대신 사용됩니다.
주의할 점
가법형 함수는 속성들이 서로 독립적이라는 가정을 전제로 하는데, 실제로는 속성 간 상충 관계나 상호작용이 존재할 수 있어 이 가정이 항상 성립하지는 않습니다. 여러 속성을 하나의 값으로 통합할 때 가중치 설정 방식에 따라 결과가 크게 달라질 수 있어, 가중치 산정 과정의 투명성과 타당성이 분석의 신뢰도를 좌우합니다.