Journal Search Engine

ISSN : 1225-8504(Print)
ISSN : 2287-8165(Online)

Journal of the Korean Society of International Agriculture Vol.35 No.3 pp.189-196
DOI : https://doi.org/10.12719/KSIA.2023.35.3.189

Study on Selecting Optimal Location of Agribusiness Innovation Center in Uganda using Fuzzy-TOPSIS

Jong-San Choi^†

Dept. of Agri-Food Marketing & International Agricultural Development and Cooperation Center, Jeonbuk National University, Jeonju, 54896, Korea

^† Corresponding author (Phone) +82-63-270-4160 (E-mail) choijs@jbnu.ac.kr

Received July 7, 2023 Review August 18, 2023 Accepted August 19, 2023

Abstract

This study aimed to evaluate the application of the multi-criteria decision-making approach, specifically Fuzzy-TOPSIS, in agriculture official development assistance (ODA) projects. The focus of the study was to identify the optimal location for establishing the Korea Agricultural Business Innovation Center (K-ABIC) in Uganda, as part of the "Strengthening Capacity for Youth Agribusiness Development in Uganda (SCADU)" project. In this study, six decision-makers assessed four candidate locations (alternatives) based on four criteria: accessibility, potential for rent expense reduction, suitability as an office and educational facility, and sustainability. Linguistic scales were utilized and transformed into triangular fuzzy numbers. Closeness coefficients (CC) were then calculated to prioritize the optimal location, which was found to be the Technology Research Center located in Makerere University Agricultural Research Institute Kabanyolo, outside of Kampala (alternative 3). The findings of this study confirmed the applicability and usefulness of Fuzzy-TOPSIS through a real case study conducted in Uganda. The practical implementation of multi-criteria decision-making methods, such as Fuzzy-TOPSIS, is expected to contribute to resolving decision-making challenges in the field of international development cooperation.

Key Words : Fuzzy Theory , TOPSIS , Multi Criteria Decision Making , Agriculture ODA

Fuzzy-TOPSIS를 이용한 우간다 농산업 창업지원센터 최적입지 선정에 관한 연구

최종산^†

전북대학교 농경제유통학부 식품유통학 전공, 국제농업개발협력센터

초록

키워드 :

This article has been cited by 0 article in crossref

Cited-By

Funding:

서 론

우리나라 해외공적원조(Official Development Assistance, ODA) 사업은 1991년 설립된 한국국제협력단을 비롯한 각 정 부 부처 및 민간기관의 참여로 더욱 세분되고 전문화되었다. 농업 ODA사업의 실행기간과 투입예산은 매년 증가하고 있으 며, 사업의 종류도 다양해졌다. ODA사업의 대형화와 다양화로 인해 준비단계부터 발생할 수 있는 다양한 문제를 해결하고, 효율적인 사업을 진행하기 위해서는 사업수행기관의 신속하고 투명한 의사결정이 어느때보다 중요해지고 있다. 2020년, 우간 다 정부는 농업성장을 촉진하기 위해 한국정부에게 ‘농산업 발 전을 위한 청년 역량 강화 사업(Strengthening Capacity for youth Agribusiness Development in Uganda)’을 요청하였다. 이를 위해 사업 관리 컨설팅(Project Management Cosulting, PMC)이 구성되었으며, PMC는 농산업 창업 지원센터 설립, 역 량강화 프로그램 개발 및 운영, 초청연수 및 전문가 파견 등의 과제를 수행하고 있다. 이 중에서 가장 예산이 크고 시급한 과 제는 창업지원센터(Korea AgriBusiness Innovation Center, K-ABIC) 설립이다. K-ABIC는 우간다 청년의 역량강화 서비 스 지원 및 교육프로그램을 운영하기 위한 물리적 공간으로, 농산업분야에서 창업을 희망하는 청년을 전국에서 모집하고 이들에게 창업컨설팅, 제품 및 서비스를 개발하는 데 필요한 공간을 제공한다. K-ABIC의 업무를 효율적으로 수행하고 청 년의 접근성을 높이며, 사업의 지속가능성을 확보하기 위해서 는 입지선정을 위한 여러 기준을 도출하고 최적입지를 선정하 는 것이 필요하다. 다시말해, 의사결정문제를 정의한 후 고려 해야 할 기준과 가능한 대안을 명확하게 정의하고, 각 대안이 각 기준을 얼마나 충족시키는지를 평가하여 최적의 대안을 결 정해야 한다.

다기준 의사결정모형(Multi-Criteria Decision Making, MCDM)은 여러가지 대안을 종합적으로 비교하고 최적의 대 안을 결정하기 위해 가중치를 부여하는 의사결정 방법이다. 다 양한 의사결정 상황에서 활용되며, 이 중에서도 분석적 계층 과정(Analytic Hierarchy Process, AHP)은 의사결정 문제를 계층화하여 가중치를 부여하고 대안을 선택한다. 가중치 합계 방법(Weighted Sum Method)은 선택 기준에 가중치를 더 해 각 대안의 점수를 계산하여 최고 점수를 가진 대안을 선택한다. 또한, 이상적 솔루션 방법(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)은 이상 적인 해(Positive Ideal Solution, PIS)와 비이상적인 해 (Negative Ideal Solution, NIS)를 설정하여 대안의 우선순위를 결정한다. AHP는 평가기준 간의 상대적 중요성을 쌍대비교를 통해 결정하므로, 평가기준이 많을수록 쌍대비교문항이 늘어 나는 문제가 있다. 이로 인해 응답자의 응답 부담이 커져 응 답의 일관성 유지가 어려울 수 있다. 또한, 일관성 기준을 충 족하지 못할 경우 설문을 다시하거나 분석에서 제외해야 하는 번거로움이 발생할 수 있다. 본 연구는 의사결정자가 여러 기 준을 고려하여 복잡한 의사결정 문제를 용이하게 해결할 수 있는 TOPSIS 적용하고자 한다. TOPSIS는 PIS와 NIS를 동 시에 고려하여 합리적인 선택이 가능하도록 도와준다.

그러나, 다기준 의사결정에 참여하는 의사결정자는 과거 경 험과 주관적인 판단을 기반으로 최적의 대안을 선택하기 때문 에 의사결정자의 판단과 선택은 대부분 모호하며, 정확한 숫 자로 정량화하기 어려운 경우가 많다(Kim et al, 2014;Kim & Yang, 2016). 의사결정자의 주관적인 판단을 수치로 표현하 는 것보다 언어적 척도(Linguistic Scale)를 활용하는 것이 더 실용적이고 현실적인 접근이라는 주장이 제기되었다(Kim, 2017;Lee et al, 2021). 따라서, 언어적 척도를 기반으로 하 는 퍼지이론과 다기준 의사결정모형(MCDM)을 결합한 퍼지- 다기준 의사결정모형(Fuzzy-MCDM)이 새로운 의사결정 기법 으로 널리 활용되고 있다.

농업 ODA사업 초기단계에서 가장 적합한 사업대상 지역이 나 위치(입지)를 선택하는 것은 사업의 효과성과 지속가능성 을 결정하는 중요한 요소 중 하나이다. 또한, 입지선정 과정에 서 지역사회에 미치는 사회·경제적 영향분석이 이루어져 최적 입지로 인한 지역사회 파급효과를 예측할 수 있다. 하지만, 지 역의 특성과 조건을 고려하지 않은 채 수원국 고위 정책결정 자의 일방적인 요청 또는 사업실행기관의 폐쇄적인 결정으로 ODA사업의 목적과 부합하지 않은 입지가 사전에 선택되는 경 우가 발생한다. 이러한 부적절한 입지선택은 경제·사회·지역· 환경적 측면에서 사업의 효과성과 지속가능성을 확보하는데 부정적인 영향을 미치며, 나아가 사업의 성패여부에 영향을 미 칠수 있다. 따라서, ODA 개발성과를 제고하기 위해 의사결정 기법을 이용한 합리적인 의겸수렴과정이 요구된다.

그럼에도 불구하고 ODA 분야에서 사업 대상지역이나 위치 를 선택하기 위해 의사결정기법을 사용한 연구사례는 없었다. 그러나 의사결정기법은 정보시스템에 대한 우선순위 연구(Kim & Kim, 2012;Yang & Kim, 2016), 신임교수 선택 우선순 위 연구(Kim & Yamg, 2016), 공기업의 IT관련업체 선택 우 선순위 연구(Jeong, 2017), 에너지 사용선택 우선순위 연구 (Kim, 2017), 문화산업 기술 우선순위 연구(Park, 2020)등 다 양한 분야에서 활용되고 있다. 또한, 건물입지선택 연구로는 해외공장 설립에 따른 입지선정 연구(Kim et al, 2014)와 공 유창고 신규 입지선정 연구(Lee et al, 2021)가 있다. 본 연구 는 농업 ODA분야에서 시도되지 않았던 Fuzzy-TOPSIS 의사 결정 기법을 활용하여 입지선정의 방법 및 절차를 제시하고자 한다.

구체적으로 ‘우간다 농산업 발전을 위한 청년 역량강화사업’ 의 일환으로 추진하고 있는 K-ABIC 설립을 위한 입지선정을 위한 기준을 마련하고 퍼지-다기준 의사결정모형인 Fuzzy- TOPSIS를 사용하여 최적후보지를 결정하고자 한다. 더불어 개 발협력사업 수행과정에서 발생할 수 있는 의사결정 사례에 MCDM과 Fuzzy 자료를 활용한 다기준 의사결정 접근법의 적 용가능성을 확인하고자 한다.

연구방법

1. 입지 후보 지역 및 선정기준

K-ABIC의 입지를 위한 후보 지역은 본 ODA사업에 참여하 는 국내 이해관계자 및 수원국 파트너 기관의 추천을 토대로 후보지 4곳을 <Fig. 1>과 같이 선정하였다. 각 후보 지역의 특징 및 장단점은 <Table 1>에서 설명하고 있다. 후보지 1(Alternative 1)은 본 사업의 파트너 기관인 우간다 농축수산 부(Minster of Agriculture, Anaimal Industry and Fisheries, MAAIF)가 있는 엔테베로 수도 캄팔라에서 남서쪽으로 약 44km에 위치한다. 엔테베는 국제공항이 있는 도시로 고속도 로를 이용하면 캄팔라에서 약 50분 소요된다. MAAIF와의 거 리적 근접성으로 인해 협력이 용이하지만, 건축으로 인한 비 용부담이 예상되며, 다른 후보 지역보다 청년의 K -ABIC 접근 성이 낮다. 후보지 2(Atlernative 2)는 캄팔라 시내에 위치하며 건물임대에 따른 비용이 예상되지만, 청년의 K-ABIC 접근성 을 최대로 보장해 준다. 후보지 3(Alternative 3)은 마케레레 농과대학 부속농장(Makerere University Agricultural Research Institute Kabanyolo, MUARIK)에 있는 ○○대학교 적정기술 연구센터로 무상으로 사용할 수 있다. 캄팔라에서 동북쪽으로 약 20km에 위치하며, 선진 영농기술 교육을 위한 실습시설을 갖추고 있다. 마지막으로 후보지 4(Alternative 4)는 캄팔라 외 곽에 있는 한국-우간다 낙농시범목장으로 캄팔라에서 동북쪽 으로 약 26km에 위치하며, 낙농기술 습득을 위한 교육장소로 적합하다.

K-ABIC의 입지선정 기준은 선행연구를 기반으로 하였으며, K-ABIC의 활동과 역할을 원활하게 수행하는 데 필요한 요소 와 사업의 특징을 고려하여 선정되었다. 선행연구에서 언급된 입지선정 기준은 산업, 업종, 기능, 기관 등에 따라 구체적인 기준이 다르게 제시되었다. 그러나, 공통으로 나타난 입지선정 기준은 접근성 및 교통, 인프라 및 시설, 성장 가능성, 주변환 경과의 연계 및 네트워크, 수익 및 비용 측면을 종합적으로 고려하고 있다(Kim et al, 2014;Kim & Choi, 2018;Lee et al, 2021;Kim & Lee, 2021).

본 연구에서는 지리적 접근성, 비용(임대료) 절감가능성, 사 무·교육시설 적합성, 지속사용 가능성을 <Table 2>와 같이 KABIC 입지선정 기준으로 도출하였다. 지리적 접근성(C₁)은 우간다 청년이 K -ABIC 후보지에 쉽게 접근할 수 있는 정도 를 의미하며, 교통 네트워크, 거리 및 이동 시간, 교통수단의 가용성을 종합적으로 고려한 개념이다. 비용(임대료) 절감 가 능성(C₂)은 K -ABIC 운영의 경제적 효율성을 높이기 위해 현 재의 임대료 발생 구조를 개선하거나 비용을 절감할 수 있는 정도를 의미한다. 사무·교육시설 적합성(C₃)은 K-ABIC 후보 지가 사무 및 교육시설에 적합한 물리적 환경을 제공하는지를 판단하는 기준이다. 지속가능성(C₄)은 사업 종료 후 K-ABIC 운영이 수원국 정부에 이관될 때 어느 후보지가 K-ABIC의 지속적 운영에 유리한지를 나타낸다.

2. 퍼지이론

퍼지이론은 퍼지집합(Fuzzy Set)을 통해 모호성과 불확실성 을 갖는 정보를 수학적으로 처리하는 방법과 개념을 포함한 이론으로, 전통적인 이진집합(Binary Set)을 적용하기 어려운 상황에서 활용된다. 이진집합에서는 객체가 특정기준에 부합 하면 집합에 속하고 그렇지 않으면 속하지 않는다. 하지만 퍼 지집합에서는 퍼지집합 소속도 함수(Fuzzy Membership Function)를 사용하여 객체가 집합에 속하는 정도를 0과 1 사 이의 값으로 나타낸다. 다시말해, 퍼지집합은 집합 내 임의의 원소(x)의 소속 여부를 [0,1] 범위의 값으로 표현하며, 값이 1 에 가까울수록 해당 원소가 퍼지집합에 강하게 속한다고 정의 한다.

퍼지집합 소속도 함수의 대표적인 형태는 <Fig. 2>와 같은 삼각퍼지 소속도 함수(Triangular Fuzzy Membership Function)이다. 삼각퍼지 소속도 함수(μ(x))는 0과 1 사이의 값을 가지며, 원소 a^M 에서 소속도는 1이 되고 원소 a^L 과 a^U 에서는 소속도는 0이 된다. a^L 과 a^M 사이와 a^M 과 a^U 사이에 있는 원소의 소속도는 0과 1 사이의 값을 갖는다. 임 의의 원소로 제시한 a^L, a^M, a^U 은 특정값 하나를 대표하는 일반적인 실수나 정수가 아닌 퍼지수(Fuzzy Number)로 소속 도 함수에 의해 소속도를 갖는다.

삼각퍼지 소속도 함수는 임의의 원소(x)에 대한 퍼지집합에 속하는 정도를 쉽게 계산할 수 있는 방법으로 본 연구에서는 삼각퍼지 소속도 함수를 적용하고자 한다. 삼각퍼지 소속도 함 수는 식(1)과 같다.

μ (x) = {\begin{array}{l} 0, & x < a^{L} \\ \frac{x - a^{L}}{a^{M} - a^{L}}, & a^{L} \leq x \leq a^{M} \\ \frac{a^{U} - x}{a^{U} - a^{M}} & a^{M} \leq x \leq a^{U} \\ 0, & x > a^{U} \end{array}

(1)

여기서, x는 임의의 원소이고 a^L, a^M, a^U은 삼각퍼지수이다. a^L과 a^U은 소속도가 0이 되는 지점을, a^M는 소속도가 1이 되 는 지점을 각각 보여주며 삼각퍼지수는 $\tilde{a} = (a^{L}, a^{M}, a^{U})$ 로 나타낸다.

삼각퍼지수는 사칙연산이 가능함으로 두 개의 삼각퍼지수 $\tilde{a} = (a^{L}, a^{M}, a^{U})$ 와 $\tilde{b} = (b^{L}, b^{M}, b^{U})$ 간의 유클리드 거리 (Euclidean Distance)는 식(2)와 같이 계산된다.

d (\tilde{a}, \tilde{b}) = \sqrt{[{(a^{L} - b^{L})}^{2} + {(a^{M} - b^{M})}^{2} + {(a^{U} - b^{U})}^{2}] / 3}

(2)

Fuzzy-TOPSIS는 전통적인 TOPSIS와 유사한 방법이지만, 단일수치 데이터 대신 퍼지수를 사용한다. 본 연구에서는 선 택기준의 중요도 가중치를 측정하고, 각 대안을 평가하기 위 해 언어적 척도를 활용하였다. 본 연구에서는 ‘매우 낮음’, ‘낮 음’, ‘약간 낮음’, ‘보통’, ‘약간 높음’, ‘높음’, ‘매우 높음’과 같이 총 7개의 언어적 척도를 사용하여 의사결정자의 주관적 인 의견을 수집하였다. 언어적 척도 자료를 처리하기 위해 <Fig 3>과 같이 삼각퍼지 소속도 함수를 사용하였으며, 언어 적 척도에 대한 삼각퍼지수는 <Table 3>에 제시하였다.

3. 분석방법

Fuzzy-TOPSIS 분석을 위해 우선, 의사결정자의 선택기준에 따른 대안에 대한 평가와 선택기준의 중요도에 대한 평가부터 시작한다. k명의 의사결정자 D_K = {D₁, D₂, ⋯, D_k} 가 평가해 야 하는 m개의 대안 A_i = {A₁, A₂, ⋯ A_m} 을 n개의 선택기 준 C_i = {C₁, C₂, ⋯, C_n) 으로 의사결정을 하는 경우, 의사결 정자의 대안 평가와 선택기준 평가에 사용된 언어적 척도는 삼각퍼지수로 전환되며, 식(3)과 같이 퍼지수로 구성된 개별 의사결정자의 대안에 대한 의사결정 행렬(D_k)과 선택기준 가 중치 행렬(W_k)을 얻는다.

(3)

Fuzzy-TOPSIS의 두 번째 단계에서는 앞서 도출된 k명의 개 별 의사결정자의 평가결과를 통합하는 단계로, 개별 의사결정 자의 대안 의사결정 행렬(D_k)과 선택기준 가중치 행렬(W_k)을 통합하기 위해 퍼지평균연산법(Fuzzy Average Operation)을 사용한다. 통합된 대안에 대한 의사결정 행렬( $\tilde{D}$ )과 통합된 선 택기준 가중치 행렬( $\tilde{W}$ )은 식(4)와 같이 구성된다.

(4)

통합된 의사결정 행렬( $\tilde{D}$ )과 통합된 선택기준 가중치 행렬 ( $\tilde{W}$ )을 구성하는 ${\tilde{x}}_{i j}$ 와 ${\tilde{w}}_{j}$ 는 각각 식 (5)와 식 (6)에서 소개 된 퍼지평균연산법으로 계산된다.

{\tilde{x}}_{i j} = (\frac{1}{k} \sum_{K = 1}^{k} x_{i j}^{L}, \frac{1}{k} \sum_{K = 1}^{k} x_{i j}^{M}, \frac{1}{k} \sum_{K = 1}^{k} x_{i j}^{U})

(5)

{\tilde{w}}_{j} = (\frac{1}{k} \sum_{K = 1}^{k} w_{j}^{L}, \frac{1}{k} \sum_{K = 1}^{k} w_{j}^{M}, \frac{1}{k} \sum_{K = 1}^{k} w_{j}^{U})

(6)

세 번째 단계에서는 가중퍼지 의사결정 행렬(Weighted Fuzzy Decision Matrix, $\tilde{V}$ )을 식 (7)을 이용하여 계산한다.

\tilde{V} = {[{\tilde{υ}}_{i j}]}_{m \times n} = {\tilde{x}}_{i j} \times {\tilde{w}}_{j}, w h e r e i = 1, 2, \dots, m, j = 1, 2, \dots, n

(7)

네 번째 단계에서는 가중퍼지 의사결정 행렬( $\tilde{V}$ )에서 각 선 택기준별로 퍼지 이상적인 해(Fuzzy Positive Ideal Solution, FPIS)인 A⁺와 퍼지 비이상적인 해(Fuzzy Negative Ideal Solution, FNIS)인 A^-를 식(8)과 식 (9)를 이용하여 도출한다. A⁺와 A^-는 각 선택기준별 최대 삼각퍼지수 집합과 최소 삼각 퍼지수 집합을 의미한다.

A^{+} = {{\tilde{υ}}_{1}^{+}, {\tilde{υ}}_{2}^{+}, \dots, {\tilde{υ}}_{n}^{+}}, w h e r e {\tilde{υ}}_{j}^{+} = max {\tilde{υ}}_{i j}

(8)

A^{-} = {{\tilde{υ}}_{1}^{-}, {\tilde{υ}}_{2}^{-}, \dots, {\tilde{υ}}_{n}^{-}}, w h e r e {\tilde{υ}}_{j}^{-} = min {\tilde{υ}}_{i j}

(9)

다섯 번째 단계에서는 각 선택기준별로 개별 대안에 대해 FPIS(A⁺)와 FNIS(A^-)로부터의 거리를 계산하기 위해 식 (10) 과 식 (11)에서 제시한 유클리디안 거리를 사용한다. 이를 각 대안별로 합산하면 각 대안과 FPIS(A⁺)와 FNIS(A^-)의 거리를 산출한다.

d_{i}^{+} = \sum_{j = 1}^{n} d ({\tilde{υ}}_{i j}, {\tilde{υ}}_{j}^{+})

(10)

d_{i}^{-} = \sum_{j = 1}^{n} d ({\tilde{υ}}_{i j}, {\tilde{υ}}_{j}^{-})

(11)

여기서, $d ({\tilde{υ}}_{i j}, {\tilde{υ}}_{j}^{+})$ 와 $d ({\tilde{υ}}_{i j}, {\tilde{υ}}_{j}^{-})$ 는 식 (2)에서 $\tilde{d} (\tilde{a}, \tilde{b})$ 와 같이 두 퍼지수의 거리를 계산한 결과이고, $d_{i}^{+}$ 는 대안 A_i 와 FPIS(A⁺)간의 거리를 나타내고, $d_{i}^{-}$ 는 대안 A_i 와 FNIS(A^-) 간의 거리를 의미한다.

마지막 단계에서는 식 (12)와 같이 각 대안의 근접도 계수 (Closeness coefficient, CC)를 도출하고 대안의 우선순위를 결 정한다. $d_{i}^{+} \geq 0$ 와 $d_{i}^{-} \geq 0$ 이기 때문에 CC_i ϵ [0, 1] 가 되고 CC_i 이 1에 가까울 수록 대안 A_i 은 FPIS(A⁺)에 더 근접하고, FNIS(A^-)와의 거리는 더 멀어진다. 대안 A_i 가 갖는 CC_i 는 대안 간 상대적 성과를 나타내기 때문에 의사결정자는 우선순 위 결정을 통해 최적 대안을 선택한다.

C C_{i} = \frac{d_{i}^{-}}{d_{i}^{+} + d_{i}^{-}}

(12)

연구 결과

농산업 창업지원센터 최적입지 선정을 위한 의사결정과정에 는 6명의 ODA 전문가가 참여하였으며, 이들은 2023년 1월 30일부터 2월 12일까지 우간다를 방문하여 후보지 4곳에 대 한 평가를 수행하였다. 의사결정자 6명의 인구통계적 특성은 <Table 4>와 같다.

의사결정자 6명 중 남성은 5명, 여성은 1명으로 구성되었다. 교육수준에서는 대학 졸업(학사)을 가진 의사결정자 1명이 있 었고, 나머지 5명은 대학원(석사 또는 박사) 졸업자로 구성되 었으며 대학원 졸업자 중 석사 졸업자는 2명, 박사 졸업자는 3명으로 나타났다. 의사결정자의 평균 연령과 평균 ODA사업 수행경력은 각각 44.5세와 12.2년으로 나타났다. 이러한 의사 결정자의 다양한 배경과 경험을 바탕으로 의사결정 프로세스 가 진행되었다.

6명의 의사결정자(DM₁~DM₆)는 4개의 선택기준인 지리적 접 근성(C₁), 비용(임대료) 절감 가능성(C₂), 사무·교육시설 적합성 (C₃), 지속가능성(C₄)의 중요도 가중치를 도출하기 위해 언어 적 척도로 평가하였으며, 평가결과는 <Table 5>에 제시되었다.

마찬가지로, 6명의 의사결정자는 대안(A₁, A₂, A₃, A₄)에 대 해 4개 선택기준에 부합하는 정도를 7개의 언어적 척도로 평 가하였으며, 평가결과는 <Table 6>에 제시되었다.

<Table 5>와 <Table 6>에서 제시한 개별 의사결정자의 언 어적 척도는 이에 대응하는 삼각퍼지수로 전환되어 식 (3)과 같은 의사결정 행렬(D_k)과 선택기준 가중치 행렬(W_k)이 도출 된다. 이는 다시 식 (5)와 식 (6)을 통해 통합 의사결정 행렬 ( $\tilde{D}$ )과 통합 선택기준 가중치 행렬( $\tilde{W}$ )이 <Table 7>과 같이 도출된다. 예를 들면, 지리적 접근성(C₁)에 대한 6명의 의사 결정자(DM₁~DM₆)의 언어적 척도(VH, ML, H, ML, VH, H) 는 삼각퍼지수[(0.9,1.0,1.0),(0.1,0.3,0.5),(0.7,0.9,1.0),(0.1,0.3,0.5), (0.9,1.0,1.0),(0.7,0.9,1.0)]으로 전환된다. 식 (6)을 통해 <Table 7>의 선택기준 가중치 행렬( $\tilde{W}$ )의 첫 번째 열인 ${\tilde{w}}_{1}$ 와 동일 한 삼각퍼지수(0.57,0.73,0.83)가 도출된다. 마찬가지로, 지리적 접근성(C₁)관점에서 첫 번째 대안(A₁)에 대한 6명의 의사결 정자의 언어적 척도(ML, L, L, L, L, VL)는 삼각퍼지수 [(0.1,0.3,0.5),(0.0,0.1,0.3),(0.0,0.1,0.3),(0.0,0.1,0.3),(0.0,0.1,0.3), (0.0,0.0,0.1)]으로 전환되며 식 (5)를 통해 의사결정 행렬( $\tilde{D}$ )의 첫 번째 행렬인 ${\tilde{x}}_{11}$ 와 동일한 삼각퍼지수(0.02,0.12,0.30)가 산출된다.

<Table 7>에서 각 선택기준에 대하여 서로 다른 가중치가 부여됨에 따라 식 (7)을 이용하여 가중퍼지 의사결정 행렬(V) 을 도출한다. 예를 들어, <Table 8>의 가중퍼지 의사결정 행렬(V) 의 첫 번째 행렬( ${\tilde{υ}}_{11}$ )은 ${\tilde{υ}}_{11} = {\tilde{x}}_{11} \times {\tilde{w}}_{1} = (0.02, 0.12, 0.30) \times = (0.01, 0.09, 0.25)$ 로 산출된다. 또한, 식(8)과 식(9)를 이용하 여 선택기준별로 삼각퍼지수의 최대값과 최소값인 FPIS(A⁺)와 FNIS(A^-)를 도출되는데 지리적 접근성(C₁)에서 A⁺와 A^-는 각 각 (0.45,0.70,0.83)와 (0.01,0.09,0.25)가 된다.

<Table 9>는 선택기준별로 각 대안과 FPIS(A⁺)와 FNIS(A^-) 와의 유클리디안 거리를 보여준다. 예를 들어, 지리적 접근성 (C₁)에서 첫 번째 대안(A₁)과 FPIS(A⁺)와 거리인 d(A₁, A⁺) 는 $\sqrt{[{(0.01 - 0.45)}^{2} + {(0.09 - 0.70)}^{2} + {(0.25 - 0.83)}^{2}] / 3}$ 의 값 인 0.55가 되고 A₁과 FNIS(A^-)의 거리인 d(A₁, A^-) 는 $\sqrt{[{(0.01 - 0.01)}^{2} + {(0.09 - 0.09)}^{2} + {(0.25 - 0.25)}^{2}] / 3}$ 의 값인 0.00으로 산출된다.

<Table 9>에서 선택기준별로 각 대안에 대하여 산출된 유클 리디안 거리를 식 (10)과 식 (11)을 이용해 합산하면, 각 대안 과 FPIS(A⁺)와 FNIS(A^-)와의 거리인 $d_{i}^{+}$ 와 $d_{i}^{-}$ 가 도출된다. 각 대안의 근접도 계수(CC_i)는 $d_{i}^{+}$ 와 $d_{i}^{-}$ 를 이용하여 도출되 는데, A후보지(A₁)의 근접도 계수는 $C C_{1} = d_{1}^{-} / (d_{i}^{+} + d_{i}^{-}) = 0.66 / (1.04 + 0.66)$ = 0.39 가 된다.

<Table 10>과 같이 근접도 계수는 A₃> A₄> A₁> A₂ 순으로 나타나 우간다 농산업창업지원센터의 최적 후보지로 A₃가 선 택되었다.

결 론

농업 ODA사업은 수원국 지역주민의 소득증대를 위해 다양 한 분야로 확장되어 선진농업기술지원, 기후변화 대응체계 강 화사업, 청년농업지원사업, 농업생태계 보존사업 등 다양한 프 로젝트로 진행되고 있다. 이러한 농업 ODA사업의 다각화는 사업수행의 복잡성과 불확실성을 증가시키며, 이를 해결하기 위한 의사결정을 어렵게 만들고 있다. 특히, 수원국 지역사회 에 미치는 경제적 및 사회적 파급효과를 고려할 때, 사업참여 자의 체계적이고 분석적인 의사결정은 매우 중요하다.

이에 본 연구에서는 “우간다 농산업 발전을 위한 청년 역량 강화 사업”의 일환으로 추진 중인 농산업창업지원센터의 최적 입지를 선정하기 위해 Fuzzy-TOPSIS를 적용하였다. 우선 여 러가지 대안(A_i)과 선택기준(C_j)에 대해 언어적 척도로 평가한 결과를 퍼지이론을 활용하여 최적입지를 선정하는 방법을 제 시하였다. 이 접근법은 기존의 M C DM에 퍼지이론을 접목한 것으로, 의사결정 문제해결에 유용하게 활용될 수 있음을 보 여준다. 의사결정자의 선택기준에 대한 중요도 평가와 선택기 준에 따른 대안평가로부터 Fuzzy-TOPSIS 분석절차를 구체화 하여 실무적으로 활용 가능한 의사결정 체계를 제시하였다. 이 를 통해 마케레레 농과대학 부속 농장에 위치한 ○○대학교 적정 기술 연구센터(A₃)를 최적 후보지로 선정하였다.

농업 ODA사업은 여러 가지 세부 프로젝트가 동시에 수행 되기 때문에 한정된 자원을 최적화하기 위해 우선순위에 따라 배분할 필요가 있다. 농업정책, 사회적·경제적 여건등 다양한 측면을 고려한 다기준을 수립하고 Fuzzy-TOPSIS와 같은 다기 준 의사결정기법(MCDM)을 통해 우선순위를 결정하여 사업 의 효율성과 효과성을 증대시킬 수 있다. 게다가, 중요하고 급 박한 의사결정 상황에서는 4~8명의 의사결정자가 참여하여 빠 르게 합리적인 결정을 도출할 수 있다.

본 연구에서는 지리적 접근성(C₁), 비용(임대료) 절감 가능 성(C₂), 사무·교육시설 적합성(C₃), 지속가능성(C₄)과 같은 선 택기준을 활용하여 최적 후보지를 선정하였다. 하지만, 각 후 보지가 속한지역의 고유특성을 반영하지 못하였다. 또한, 근접 도계수에 의한 우선순위 결정은 통계적 유의성을 확보하지 못 해 일반화하는데 한계가 있다. Fuzzy-TOPSIS와 같은 비모수 적 분석방법이 갖는 연구적 한계이지만, 향후 연구에서는 부 트스트래핑 기법을 적용하여 모수화하고, 연구결과의 객관성 과 통계적 신뢰성을 검증하는 이론적 연구가 필요하다.

이러한 연구적 한계점에도 불구하고 본 연구가 제시한 분석 절차는 신규사업발굴을 위한 기획조사부터 사업종료까지 연속 적인 의사결정문제를 합리적으로 해결하고, 국제개발협력 참 여자가 가장 효과적인 추진전략을 선택하고 최적의 방안을 제 시하는 데 도움을 줄 것으로 예상한다.

적 요

본 연구는 Fuzzy-TOPSIS를 활용하여 농업 ODA사업에 서 다기준 의사결정법의 적용가능성을 확인하며, Fuzzy- TOPSIS 분석방법을 제시한다.
“우간다 농산업 발전을 위한 청년 역량 강화 사업”사례 를 통해, 농산업창업지원센터의 최적입지를 결정하기 위한 후 보지(대안)를 선정하고 4개 선택기준을 구성한다.
각 대안의 근접도 계수를 비교하여 대안의 우선순위를 도 출하며, 이를 통해 Fuzzy-TOPSIS의 적용가능성과 유용성을 확인한다.
Fuzzy-TOPSIS와 같은 다기준 의사결정법은 국제개발협 력분야의 복잡한 의사결정 문제를 해결하고 최적의 방안을 찾 는 데 기여할 것으로 기대한다.

ACKNOWLEDGMENTS

이 논문은 2023년도 전북대학교 연구기반 조성비 지원에 의 하여 연구되었음.

Figure

Fig. 1.

Alternatives for agribusiness innovation center in Uganda.

Fig. 2.

Triangular fuzzy membership function.

Fig. 3.

Membership functions for criteria weights and linguistic variables.

Table

Table 1.

Advantages and disadvantages of alternatives for agribusiness innovation center.

Alternatives	Distance form Capital City	Advantages	Disadvantages
A1	about 44 km	Ease of cooperation with MAAIF	Lower accessibiity to the location than A1, A2, and A3 Need to construct
A2	in Kampala	Higher accessibiity to the loacation than aternative 1, 3, and 4	Need to pay rent
A3	about 20 km	No need to pay for rent Practice in poultry and horticulture	Need to repair and renovate
A4	about 26 km	No need to pay rent Located in new building Practice in dairy farming	Lower accessibiity to the location than A2 and A3

Table 2.

Criteria for location selection.

	Criteria	Definition
C1	Geographical accessibility	The degree to which Ugandan youth, the beneficiaries, can easily access K-ABIC
C2	Possibility to reduce rental expense	The degree to which K-ABIC can reduce rental expenses
C3	Suitablity as office and educational facilities	The degree of suitability for an office and educational facility
C4	Sustainability	The degree of the continuous operation of K-ABIC after the project is closed

Table 3.

Linguistic variables and triangular fuzzy numbers of criteria weights and decision makers’ evaluation.

Linguistic variables	Triangular fuzzy numbers
VL(Very Low)	(0.0, 0.0, 0.1)
L(Low)	(0.0, 0.1, 0.3)
ML(Medium Low)	(0.1, 0.3, 0.5)
M(Medium)	(0.3, 0.5, 0.7)
MH(Medium High)	(0.5, 0.7, 0.9)
H(High)	(0.7, 0.9, 1.0)
VH(Very High)	(0.9, 1.0, 1.0)

Table 4.

Characteristics of decision makers.

Characteristic	Frequency or Mean
Gender	Male	5
Female	1
Age(Years)		44.5
Education Level	University Grad.	1
Graduat School(Master)	2
Graduate School(Ph.D)	3
ODA Career(Years)		12.2

Table 5.

Criteria weights of six decision makers.

	DM1	DM2	DM3	DM4	DM5	DM6
C1	VH	ML	H	ML	VH	H
C2	ML	M	MH	H	M	L
C3	H	MH	H	L	M	L
C4	ML	VH	H	H	H	MH

Table 6.

Evaluations of four alternatives by six decision makers under four decision criteria.

	C1	C2	C3	C4
DM1	A1	ML	VH	MH	VH
A2	VH	VL	VH	ML
A3	MH	VH	MH	H
A4	M	VH	MH	H
DM2	A1	L	L	ML	L
A2	H	L	M	ML
A3	MH	MH	VH	H
A4	ML	VH	H	MH
DM3	A1	L	H	M	H
A2	VH	L	ML	L
A3	MH	VH	H	H
A4	M	VH	MH	H
DM4	A1	L	L	ML	MH
A2	H	VL	L	VL
A3	MH	MH	H	M
A4	ML	H	H	M
DM5	A1	L	M	M	ML
A2	VH	VL	MH	VL
A3	MH	VH	MH	H
A4	M	VH	M	MH
DM6	A1	VL	H	ML	H
A2	H	VL	H	L
A3	M	H	H	MH
A4	ML	H	H	MH

Table 7.

Fuzzy decision matrix and fuzzy weights of four decision criteria.

	C1	C2	C3	C4
A1	(0.02,0.12,0.30)	(0.43,0.58,0.72)	(0.23,0.43,0.63)	(0.48,0.65,0.78)
A2	(0.80,0.95,1.00)	(0.00,0.03,0.17)	(0.42,0.58,0.73)	(0.03,0.13,0.30)
A3	(0.47,0.67,0.87)	(0.73,0.88,0.97)	(0.67,0.85,0.97)	(0.60,0.80,0.93)
A4	(0.20,0.40,0.60)	(0.83,0.97,1.00)	(0.57,0.77,0.92)	(0.53,0.73,0.90)
w˜j	(0.57,0.73,0.83)	(0.32,0.50,0.68)	(0.37,0.53,0.70)	(0.60,0.78,0.90)

Table 8.

Fuzzy weighted decision matrix, FPIS(A⁺) and FNIS(A^-).

	C1	C2	C3	C4
A1	(0.01,0.09,0.25)	(0.14,0.29,0.49)	(0.09,0.23,0.44)	(0.29,0.51,0.71)
A2	(0.45,0.70,0.83)	(0.00,0.02,0.11)	(0.15,0.31,0.51)	(0.02,0.10,0.27)
A3	(0.26,0.49,0.72)	(0.23,0.44,0.66)	(0.24,0.45,0.68)	(0.36,0.63,0.84)
A4	(0.11,0.29,0.50)	(0.26,0.48,0.68)	(0.21,0.41,0.64)	(0.32,0.57,0.81)
A+	(0.45,0.70,0.83)	(0.26,0.48,0.68)	(0.24,0.45,0.68)	(0.36,0.63,0.84)
A-	(0.01,0.09,0.25)	(0.00,0.02,0.11)	(0.09,0.23,0.44)	(0.02,0.10,0.27)

Table 9.

Distance of FPIS(A⁺) and FNIS(A^-) from individual alternatives under criteria.

Distance of FPIS(A+)	Distance of FNIS(A-)
d(A1,A+)	0.55	0.17	0.21	0.11	d(A1,A-)	0.00	0.28	0.00	0.38
d(A2,A+)	0.00	0.45	0.14	0.49	d(A2,A-)	0.55	0.00	0.07	0.00
d(A3,A+)	0.17	0.03	0.00	0.00	d(A3,A-)	0.39	0.42	0.21	0.49
d(A4,A+)	0.36	0.00	0.04	0.04	d(A4,A-)	0.2	0.45	0.17	0.45

Table 10.

Closeness coefficient and rank.

	di+	di−	CCi	Rank
A1	1.04	0.66	0.39	3
A2	1.07	0.62	0.37	4
A3	0.21	1.50	0.88	1
A4	0.44	1.27	0.74	2

Reference

Jeong, G.H. 2017. An application of fuzzy TOPSIS in evaluating IT proposals. Journal of the Korea Society of Digital Industry and Information Management. 13:197-211.
Kim, I.J. , Choi, J.M. 2018. The Location Selection for Sustaiable Model of Local Food Market. Journal of Korea Intitute of Spatial Design. 13:119-127.
Kim, K.Y. 2017. Priority Decision for Energy Selection Using Fuzzy TOPSIS. New & Renewable Energy. 13:73-84.
Kim, K.Y. , Kang, J.E. , Zhang, Y. 2014. Fuzzy TOPSIS Approach for Plant Location Selection in China. Journal of International Trade & Commerce. 10:573-595.
Kim, K.Y. , Kim, D.H. 2012. Disaster Recovery Priority Decision of Total Information System for Port Logistics: Fuzzy TOPSIS Approach. Journal of Information Technology Service. 11:1-16.
Kim, K.Y. , Yang, D.G. 2016. Group Decision Making for New Professor Selection Using Fuzzy TOPSIS. Journal of Digital Convergence. 14:229-239.
Kim, Y.W. , Lee, S.Y. 2021. A Study on the Factors Affecting Location Decision for the Flagship Stores of Global Retail Brand. Korea Real Estate Review. 31:37-49.
Lee, P.S. , Park, S.H. , Yoo, S.H. 2021. Development of Evaluation Criteria and Analysis for Selecting New Location of Self Stroage. Korean Journal of Logistics. 29:1-13.
Park, H.M. 2020. Priority Evaluation for Support of Cultural Technologies Using Fuzzy TOPSIS. The Journal of the Korea Contents Association. 20:105-113.
Yang, D.G. , Kim, K.Y. 2016. Disaster Recovery Decision for Credit Bureau Business Information System: Fuzzy TOPSIS Approach. Management & Information Systems Review. 35:173-193.

		C1	C2	C3	C4
DM1	A1	ML	VH	MH	VH
	A2	VH	VL	VH	ML
	A3	MH	VH	MH	H
	A4	M	VH	MH	H
DM2	A1	L	L	ML	L
	A2	H	L	M	ML
	A3	MH	MH	VH	H
	A4	ML	VH	H	MH
DM3	A1	L	H	M	H
	A2	VH	L	ML	L
	A3	MH	VH	H	H
	A4	M	VH	MH	H
DM4	A1	L	L	ML	MH
	A2	H	VL	L	VL
	A3	MH	MH	H	M
	A4	ML	H	H	M
DM5	A1	L	M	M	ML
	A2	VH	VL	MH	VL
	A3	MH	VH	MH	H
	A4	M	VH	M	MH
DM6	A1	VL	H	ML	H
	A2	H	VL	H	L
	A3	M	H	H	MH
	A4	ML	H	H	MH

		C1	C2	C3	C4
DM1	A1	ML	VH	MH	VH
	A2	VH	VL	VH	ML
	A3	MH	VH	MH	H
	A4	M	VH	MH	H
DM2	A1	L	L	ML	L
	A2	H	L	M	ML
	A3	MH	MH	VH	H
	A4	ML	VH	H	MH
DM3	A1	L	H	M	H
	A2	VH	L	ML	L
	A3	MH	VH	H	H
	A4	M	VH	MH	H
DM4	A1	L	L	ML	MH
	A2	H	VL	L	VL
	A3	MH	MH	H	M
	A4	ML	H	H	M
DM5	A1	L	M	M	ML
	A2	VH	VL	MH	VL
	A3	MH	VH	MH	H
	A4	M	VH	M	MH
DM6	A1	VL	H	ML	H
	A2	H	VL	H	L
	A3	M	H	H	MH
	A4	ML	H	H	MH

		C1	C2	C3	C4
DM1	A1	ML	VH	MH	VH
	A2	VH	VL	VH	ML
	A3	MH	VH	MH	H
	A4	M	VH	MH	H
DM2	A1	L	L	ML	L
	A2	H	L	M	ML
	A3	MH	MH	VH	H
	A4	ML	VH	H	MH
DM3	A1	L	H	M	H
	A2	VH	L	ML	L
	A3	MH	VH	H	H
	A4	M	VH	MH	H
DM4	A1	L	L	ML	MH
	A2	H	VL	L	VL
	A3	MH	MH	H	M
	A4	ML	H	H	M
DM5	A1	L	M	M	ML
	A2	VH	VL	MH	VL
	A3	MH	VH	MH	H
	A4	M	VH	M	MH
DM6	A1	VL	H	ML	H
	A2	H	VL	H	L
	A3	M	H	H	MH
	A4	ML	H	H	MH