초록
설계자는 설계를 진행시켜 가면서 많은 의사 결정을 내려야 한다. 그 결정은 크게 선택 결정과 타협 결정으로 나뉘어질 수 있다. 두 결정의 결과는 설계자의 의사에 크게 의존하기 때문에 설계자의 의사를 체계적이고 정확하게 반영시켜줄 필요가 있다. AHP 기법은 불분명한 선택 문제에 있어서 문제를 계층적으로 분석하여 평가함으로써 설계자의 의사를 체계적으로 반영시켜줄 수 있다. 또한 정성적인 성질들을 정량적인 판단 기준에 따라 평가함으로써 설계자의 의사를 보다 일관적으로 반영할 수 있다. 보통 공학 문제의 경우 하나의 설계 대안을 선택하고 또한 그 대안의 주요 치수를 동시에 결정해야 하는 결합된 문제이다. 이때 선택에 필요한 각 대안의 속성이 타협 문제 변수들의 함수로 표현되기 때문에 최적화 과정 중에 계속 변화하게 된다. 또한 여러 속성을 고려할 경우 자릿수와 단위가 모두 다르기 때문에 속성들의 평가가 표준적으로 이루어져야 한다. 이 부분에 학습된 인공 신경망을 도입함으로써 변화하는 속성치를 자동적으로 평가할 수 있으며 설계자의 의사와 경험적인 지식도 반영할 수 있게 하였다.
A designer must make a lot of decisions in a design process. The decisions may be classified into selection decisions and compromise decisions. As the results of two decisions depends on the designer's intention it is necessary that the designer's intention should be reflected in the design systematically and precisely. As the AHP(Analytic Hierarchy Process) technique analyzes and evaluates a obscure selection problem hierarchically, designer's intention can be reflected in the design systematically. Also as qualitative attributes can be rated at quantitative criterion the designer's intention can be reflected consistently. Usually an engineering problem is a coupled problem in which a designer must select one alternative from a set of alternatives and find optimal characteristics of the alternative concurrently. As considered attributes are functions of the compromise system variables and the attributes's units and orders are different each other, attribute ratings must be normalized. This paper introduces a neural network at this normalization. So the attribute ratings can reflect designer's intention and the knowledge from his(her) experience automatically.
