본 논문의 목적은 대학의 신임교수선택 문제를 해결하기 위해서, TOPSIS 방법을 퍼지 환경에 적용시키는 것이다. 이를 위해서, 본 논문에서 각 후보자에 대한 평가와 평가기준에 대한 가중치는 사다리꼴 퍼지 수로 표현되는 언어적 용어로 기술된다. 여기서 두 사다리꼴 퍼지 수들 간의 거리는 vertex 방법으로 측정한다. 그리고 TOPSIS 개념에 따라서, 근접계수를 구해서 모든 후보자들의 우선순위를 결정한다. 본 연구에서는 1) 신임교수선택을 위한 4 개 평가기준(연구실적, 교육연구역량, 인성, 전공 적합성), 2) 집단의사결정을 위한 퍼지 TOPSIS 방법의 5단계 절차, 3) 신임교수선택 사례를 통해서 4명 후보자들의 우선순위를 도출했다. 본 논문의 결론은 퍼지 자료를 분석하려는 전문가에게 활용될 수 있고, 또한 인사관리에서 직원선택문제를 해결하는 다기준 의사결정 도구로도 유용하게 사용될 수 있다. 끝으로 이와 같은 연구결과가 갖는 이론적 및 실천적 함의를 논의했고, 향후 연구방향을 제시했다.
본 논문의 목적은 대학의 신임교수선택 문제를 해결하기 위해서, TOPSIS 방법을 퍼지 환경에 적용시키는 것이다. 이를 위해서, 본 논문에서 각 후보자에 대한 평가와 평가기준에 대한 가중치는 사다리꼴 퍼지 수로 표현되는 언어적 용어로 기술된다. 여기서 두 사다리꼴 퍼지 수들 간의 거리는 vertex 방법으로 측정한다. 그리고 TOPSIS 개념에 따라서, 근접계수를 구해서 모든 후보자들의 우선순위를 결정한다. 본 연구에서는 1) 신임교수선택을 위한 4 개 평가기준(연구실적, 교육연구역량, 인성, 전공 적합성), 2) 집단의사결정을 위한 퍼지 TOPSIS 방법의 5단계 절차, 3) 신임교수선택 사례를 통해서 4명 후보자들의 우선순위를 도출했다. 본 논문의 결론은 퍼지 자료를 분석하려는 전문가에게 활용될 수 있고, 또한 인사관리에서 직원선택문제를 해결하는 다기준 의사결정 도구로도 유용하게 사용될 수 있다. 끝으로 이와 같은 연구결과가 갖는 이론적 및 실천적 함의를 논의했고, 향후 연구방향을 제시했다.
The aim of this paper is to extend the TOPSIS(Technique for Order Performance by Similarity to Ideal Solution) to the fuzzy environment for solving the new professor selection problem in a university. In order to achieve the goal, the rating of each candidate and the weight of each criterion are des...
The aim of this paper is to extend the TOPSIS(Technique for Order Performance by Similarity to Ideal Solution) to the fuzzy environment for solving the new professor selection problem in a university. In order to achieve the goal, the rating of each candidate and the weight of each criterion are described by linguistic terms which can be expressed in trapezoidal fuzzy numbers. In this paper, a vertex method is proposed to calculate the distance between two trapezoidal fuzzy numbers. According to the concept of the TOPSIS, a closeness coefficient is defined to determine the ranking order of all candidates. This research derived; 1) 4 evaluation criteria(research results, education and research competency, personality, major suitability) for new professor selection, 2) the 5 step procedure of the proposed fuzzy TOPSIS method for the group decision, 3) priorities of 4 candidates in the new professor selection case. The results of this paper will be useful to practical expert who is interested in analyzing fuzzy data and its multi-criteria decision-making tool for personal selection problem in personal management. Finally, the theoretical and practical implications of the findings were discussed and the directions for future research were suggested.
The aim of this paper is to extend the TOPSIS(Technique for Order Performance by Similarity to Ideal Solution) to the fuzzy environment for solving the new professor selection problem in a university. In order to achieve the goal, the rating of each candidate and the weight of each criterion are described by linguistic terms which can be expressed in trapezoidal fuzzy numbers. In this paper, a vertex method is proposed to calculate the distance between two trapezoidal fuzzy numbers. According to the concept of the TOPSIS, a closeness coefficient is defined to determine the ranking order of all candidates. This research derived; 1) 4 evaluation criteria(research results, education and research competency, personality, major suitability) for new professor selection, 2) the 5 step procedure of the proposed fuzzy TOPSIS method for the group decision, 3) priorities of 4 candidates in the new professor selection case. The results of this paper will be useful to practical expert who is interested in analyzing fuzzy data and its multi-criteria decision-making tool for personal selection problem in personal management. Finally, the theoretical and practical implications of the findings were discussed and the directions for future research were suggested.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 다수의 의사결정자들이 다기준 관점에서 퍼지환경의 언어적인 변수를 사용하여 대체안들을 평가해서 최적 대체안을 찾아내는 것이다. 또한 퍼지 TOPSIS 절차를 적용하여 대체안들의 우선순위를 결정하기 위해서, 특히 Chen(2000)이 제시한 vertex 방법을 이용해서 대체안의 거리를 계산하였다.
인사관리 채용 의사결정문제는 의사결정자들의 주관적이고 모호한 답변을 가지고, 여러 의사결정기준 관점에서 많은 후보자들을 평가하고 최적 대체안을 선택하는 문제이다. 본 연구는 신임교수 선택을 위한 집단의사결정 문제를 해결하기 위해서, 모호한 퍼지환경에서 퍼지 TOPSIS 방법을 사용해서 다기준 관점으로 우선순위를 결정하는 실제 집단의사결정 사례를 통해서 합리적인 접근방법의 틀을 제공하였다.
넷째, 전공 적합성(C4)은 채용하려는 전공분야의 학위논문, 연구논문, 강의경력 등을 평가했다. 본 연구에서는 신임교수채용을 위한 4개의 의사결정기준 관점에서 의사결정자들의 주관적인 중요도의 우선순위를 도출하기 위해서 퍼지 TOPSIS 방법을 적용하고자 한다.
가설 설정
3) 정규화 퍼지 의사결정 행렬, 4) FPIS와 FNIS의 결정 및 거리계산, 5) 근접도 계수와 대체안의 우선순위결정 순으로 적용된다.
둘째, 4개의 의사결정 속성들(연구실적, 교육연구역량, 인성, 전공 적합성)은 기존 연구를 근거로, 의사결정집단으로부터 명목집단법(NGT: Nominal Group Technique)으로 도출했다. 또한, 의사결정행렬의 기준 및 대체안 평가에 대한 언어적 변수는 사다리꼴 퍼지 수를 가정했다. 그리고 거리측정에는 vertex 거리를, 집단의 선호계산에는 기하평균을 적용했다.
본 논문에서는 기존 연구를 근거로, 의사결정 속성들을 집단의사결정자들로부터 명목집단법(NGT: Nominal Group Technique)으로 4개의 의사결정 속성들(연구실적, 교육연구역량, 인성, 전공 적합성)을 도출했다. 또한, 의사결정행렬의 기준과 대체안 평가에 대한 언어적 변수는 대부분 기존연구에서는 삼각형 퍼지 수를 가정했으나, 본 연구에서는 사다리꼴 퍼지 수를 가정했고, 거리측정에는 vertex 방법을 적용했다.
Hwang과 Yoon(1981)이 TOPSIS 방법을 처음 제안했고[24], Chen(2000)은 삼각형 퍼지 수를 가정하고, 두 퍼지 수간의 유클리드 거리(Euclidean distance)를 정의해서 기존 퍼지 TOPSIS 방법으로 확장시켰다[13]. 본 연구에서는 측정치와 가중치는 소속 함수 #에서 양의 사다리꼴 퍼지 수 #(k = 1, 2, ..., K)로 가정했으며[13], 퍼지 TOPSIS 방법에 따라 의사결정 절차를 5단계로 세분화 하였다.
첫째, MAUT와 AHP 같은 가치측정모형의 효용이론 가정은 완전한 합리성에서 의사결정자가 기대 효용가치가 최대인 대체안을 선택한다는 것이다[5]. 그러나 제약된 합리성을 가지고 있는 의사결정자의 효용함수를 수학적 함수로 표현하는데 한계점이 있다.
제안 방법
또한, 의사결정행렬의 기준 및 대체안 평가에 대한 언어적 변수는 사다리꼴 퍼지 수를 가정했다. 그리고 거리측정에는 vertex 거리를, 집단의 선호계산에는 기하평균을 적용했다.
셋째, 인성(C3)은 교육자로서의 인격과 잠재력을 평가했다. 넷째, 전공 적합성(C4)은 채용하려는 전공분야의 학위논문, 연구논문, 강의경력 등을 평가했다. 본 연구에서는 신임교수채용을 위한 4개의 의사결정기준 관점에서 의사결정자들의 주관적인 중요도의 우선순위를 도출하기 위해서 퍼지 TOPSIS 방법을 적용하고자 한다.
넷째, 퍼지 환경에서 TOPSIS 적용절차를 5개 단계로 구체화시켰다.1) 의사결정기준에 대한 가중치 계산, 2 #)퍼지 의사결정 행렬, 3) 정규화 퍼지 의사결정 행렬, 4) FPIS와 FNIS의 결정 및 거리계산, 5) 근접도 계수와 대체안의 우선순위결정 순으로 적용된다.
단계 2: K 명의 집단의사결정자들이 동일한 기준 Cj에 대해서 개인 별로 측정한 퍼지 의사결정행렬을 도출하고, 평가된 퍼지 측정치 xij를 총합하기 위해서 산술평균을 사용한다. 또한, 각 의사결정기준에 대한 총합된 퍼지 가중치들(#)은 식(4)와 같이 계산한다[26].
첫째, 연구실적(C1)은 논문실적에 대해서 양적 및 질적 측면을 고려해서 평가했다. 둘째, 교육연구역량(C2)은 학위(학부, 석사, 박사) 취득대학 수준, 연구 및 교육 경력, 강의 표현력 및 강의태도 등 을 평가했다. 셋째, 인성(C3)은 교육자로서의 인격과 잠재력을 평가했다.
첫째, 다기준 의사결정문제에서 최적 대체안을 선택하는 방법으로 언어적 용어(linguistic terms)를 사다리꼴 퍼지 수(trapezoidal fuzzy numbers)로 변환시키는 퍼지 집합 접근방법을 제시하는 것이다. 둘째, 다기준을 가지고 여러 개 대체안들의 우선순위를 결정하는데 퍼지 TOPSIS 방법을 제시한다. 셋째, 신임교수선택의 실증적 사례를 통해 다수의 의사결정기준 관점에서 복수의 채용 후보자들을 평가해서 최적 후보자를 결정하는 실무적 적용절차를 제시하는 것이다.
(2007)는 온라인 관리자 채용문제에서 객관적 속성과 주관적 속성으로 구분해서, 객관적 속성은 지식시험(언어지식시험, 전문지식시험, 안전규칙지식시험)과 능력시험(전문능력, 컴퓨터 능력)으로 평가하고, 주관적 속성은 패널 인터뷰와 1대1 인터뷰로 평가했다[18]. 또한, 표준화, 거리측정, 선호총합에 대한 서로 다른 방법들을 비교분석했다. Izadikhah(2009)는 간호사 채용문제에서 수익기준(경험, 시험점수, 컴퓨터 및 언어 능력)과 비용기준(월급, 병원까지 접근시간) 관점에서 Hamming 거리 개념을 도입해서 평가했다[19].
본 논문에서는 기존 연구를 근거로, 의사결정 속성들을 집단의사결정자들로부터 명목집단법(NGT: Nominal Group Technique)으로 4개의 의사결정 속성들(연구실적, 교육연구역량, 인성, 전공 적합성)을 도출했다. 또한, 의사결정행렬의 기준과 대체안 평가에 대한 언어적 변수는 대부분 기존연구에서는 삼각형 퍼지 수를 가정했으나, 본 연구에서는 사다리꼴 퍼지 수를 가정했고, 거리측정에는 vertex 방법을 적용했다.
본 논문에서는 의사결정자들의 주관적 판단의 모호성을 표현하기 위해서 [Fig. 2]와 [Fig. 3] 같은 선형 사다리꼴 소속 함수를 적용했다[13]. [Fig.
본 연구에서는 4명의 의사결정자들이 4개의 의사결정 기준 관점에서 4명의 후보자(대체안)들을 서로 다른 7개의 언어적 척도(VP, P, MP, F, MG, G, VG)로 평가한 것이 [Table 7] 이다. 4명의 의사결정자들은 동일한 의사결정기준 관점에서 여러 대체안들에 대해서 서로 다른 주관적인 평가를 하게 되고, 이러한 의사결정자들의 측정치들의 평균을 구한 것이 [Table 6]이다.
셋째, 사례에서 4명의 의사결정자들이 4개의 의사결정기준 관점에서 4명의 후보자(대체안)들에 대해서 각각 7개의 언어적 척도로 평가했다. 이는 집단의사결정자들의 기존 TOPSIS 방법에 사다리꼴 퍼지수를 적용한 다기준의사결정 접근방법으로 확장시킨 것이다.
첫째, 주관적이고 모호한 의사결정자의 판단을 언어변수로 표현한 것을 퍼지 수로 나타내는 퍼지 집합이론을 일반적인 TOPSIS 방법에 융합해서, 인사관리 채용사례로서 대학교 신임교수 선택문제에 적용했다.
대상 데이터
The work reported in this paper was conducted during the sabbatical year of Kwangwoon University in 2016.
(2011)는 인사관리분야 중 특히 채용(혹은 선택)문제에서 다양한 퍼지이론(퍼지 수, 퍼지 TOPSIS, 퍼지 AHP, 퍼지 다목표 프로그래밍, 신경 퍼지기법 등)을 적용한 최근 논문들을 요약 설명했다[12]. 본연구에서는 최근 2000년부터 2015년까지의 채용(혹은 선택)문제에 특히 퍼지 TOPSIS 방법이 적용된 논문들의 의사결정 기준들을 요약 정리한 결과가 [Table 1] 이다.
이론/모형
본 논문은 다수의 의사결정자들이 다기준 관점에서 퍼지환경의 언어적인 변수를 사용하여 대체안들을 평가해서 최적 대체안을 찾아내는 것이다. 또한 퍼지 TOPSIS 절차를 적용하여 대체안들의 우선순위를 결정하기 위해서, 특히 Chen(2000)이 제시한 vertex 방법을 이용해서 대체안의 거리를 계산하였다. 최종적으로 각 대체안의 긍정적인 해(FPIS: Fuzzy Positive Ideal Solution)와 부정적인 해(FNIS : Fuzzy Negative Ideal Solution)를 이용하여 근접계수(CC: Closeness Coefficient)를 계산했으며, 대체안의 근접계수의 값이 클수록 의사결정자들의 선호가 높은 결과를 나타낸다.
성능/효과
둘째, 4개의 의사결정 속성들(연구실적, 교육연구역량, 인성, 전공 적합성)은 기존 연구를 근거로, 의사결정집단으로부터 명목집단법(NGT: Nominal Group Technique)으로 도출했다. 또한, 의사결정행렬의 기준 및 대체안 평가에 대한 언어적 변수는 사다리꼴 퍼지 수를 가정했다.
셋째 TOPSIS 방법은 최선의 대체안과 최악의 대체안을 동시적으로 고려해서 의사결정자의 최적 선택을 도출하는 합리성이 있고, 다속성 관점에서 속성 혹은 대체안의 수가 매우 많아도 쉽게 계산할 수 있다는 장점이 있다. TOPSIS 알고리즘은 양의 이상적인 해(PIS: Positive Ideal Solution)는 가장 가까운 거리에, 부의 이상적인 해(NIS: Negative Ideal Solution)는 가장 멀리 떨어진 거리에 있는 대체안을 선택케 하는 접근방법이다.
둘째, 교육연구역량(C2)은 학위(학부, 석사, 박사) 취득대학 수준, 연구 및 교육 경력, 강의 표현력 및 강의태도 등 을 평가했다. 셋째, 인성(C3)은 교육자로서의 인격과 잠재력을 평가했다. 넷째, 전공 적합성(C4)은 채용하려는 전공분야의 학위논문, 연구논문, 강의경력 등을 평가했다.
또한 퍼지 TOPSIS 절차를 적용하여 대체안들의 우선순위를 결정하기 위해서, 특히 Chen(2000)이 제시한 vertex 방법을 이용해서 대체안의 거리를 계산하였다. 최종적으로 각 대체안의 긍정적인 해(FPIS: Fuzzy Positive Ideal Solution)와 부정적인 해(FNIS : Fuzzy Negative Ideal Solution)를 이용하여 근접계수(CC: Closeness Coefficient)를 계산했으며, 대체안의 근접계수의 값이 클수록 의사결정자들의 선호가 높은 결과를 나타낸다.
후속연구
이와 같은 TOPSIS 방법은 속성의 수와 대체안의 수가 아무리 많아도 적용가능하고, 새로운 대체안이 평가과정에서 추가되어도 순위변경문제가 발생되지 않는다는 장점이 있으나, 일관성 체크를 하지 못하는 한계점이 있다. 그러므로 기존 퍼지 TOPSIS 방법을 정형화된 방법으로 확장시키기 위해서는 평가자의 가중치에 대한 다양한 비퍼지화(nonfuzzification) 방법들인 MOM(Mean Of Maximal), COA(Center Of Area), ⍺-cut 등에 대한 추가 연구가 필요하다. 또한, 앞으로 의사결정기준과 대체안의 수, 퍼지 집합의 형태, 등에 따라서 실제 적용범위를 다양화할 수 있으므로, 퍼지집합과 TOPSIS을 융합시키는 다양한 다기준 의사결정 방법들에 대한 비교연구가 필요하다.
그러므로 기존 퍼지 TOPSIS 방법을 정형화된 방법으로 확장시키기 위해서는 평가자의 가중치에 대한 다양한 비퍼지화(nonfuzzification) 방법들인 MOM(Mean Of Maximal), COA(Center Of Area), ⍺-cut 등에 대한 추가 연구가 필요하다. 또한, 앞으로 의사결정기준과 대체안의 수, 퍼지 집합의 형태, 등에 따라서 실제 적용범위를 다양화할 수 있으므로, 퍼지집합과 TOPSIS을 융합시키는 다양한 다기준 의사결정 방법들에 대한 비교연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
다기준 의사결정의 한계점은?
다기준 의사결정이란 많은 의사결정기준(혹은 평가기준)들을 고려해야 하고, 의사결정자들이 경험과 주관적 판단에 의존해서 최적 대체안을 선택하는 것이다[2]. 그러나 의사결정자들의 경험과 주관적 판단은 대부분 애매모호하기 때문에 정확한 숫자로 추정하는 것이 거의 불가능하다. 최근까지 주관적이고 불확실한 의사결정자들의 판단을 자연어로 표현하는 방법 대신에, 주로 확률을 이용한 방법을 사용 했었다.
다기준 의사결정이란?
다기준 의사결정문제 중 하나인 TOPSIS(Technique for Order Performance by Similarity to Ideal Solution)는 의사결정에 대한 합리적 논리성, 최선 및 최악의 대체안을 동시에 실수 값으로 표시, 계산의 간편성, 다 기준(혹은 다속성) 관점에서 모든 대체안에 대한 성과 측정 등 장점을 가지고 있다[1]. 다기준 의사결정이란 많은 의사결정기준(혹은 평가기준)들을 고려해야 하고, 의사결정자들이 경험과 주관적 판단에 의존해서 최적 대체안을 선택하는 것이다[2]. 그러나 의사결정자들의 경험과 주관적 판단은 대부분 애매모호하기 때문에 정확한 숫자로 추정하는 것이 거의 불가능하다.
TOPSIS의 장점은?
대학에서 신임교수 채용 후보자들에 대한 평가 및 선택을 위한 집단의사결정문제는 불확실성 혹은 모호성의 정도, 의사결정자들 혹은 평가자들의 수, 그리고 의사결정기준의 속성을 고려해야 하는 다기준(혹은 다속성) 의사결정문제(MCDM/MADM: Multi-Criteria/Attribute` Decision Problem)이다. 다기준 의사결정문제 중 하나인 TOPSIS(Technique for Order Performance by Similarity to Ideal Solution)는 의사결정에 대한 합리적 논리성, 최선 및 최악의 대체안을 동시에 실수 값으로 표시, 계산의 간편성, 다 기준(혹은 다속성) 관점에서 모든 대체안에 대한 성과 측정 등 장점을 가지고 있다[1]. 다기준 의사결정이란 많은 의사결정기준(혹은 평가기준)들을 고려해야 하고, 의사결정자들이 경험과 주관적 판단에 의존해서 최적 대체안을 선택하는 것이다[2].
참고문헌 (28)
G. Kim, C. S. Park, and K. P. Yoon, "Identifying Investment Opportunities for Advanced Manufacturing Systems with Comparative -Integrated Performance measurement", International Journal of Production Economics, Vol.50, pp.23-33, 1997.
Y. J. Kim, S. H. Jin, and S. T. Lee, "A Theoretical Framework of Strategic Decision Making Supporting System", Journal of Digital Policy & Management, Vol.10, No.10, pp.97-106, 2012. 11.
L. A. Zadeh, Fuzzy Sets, Information Control, pp. 338-353, 1965.
V. Belton and T. J. Stewart, Multiple Criteria Decision Analysis: An Integrated Approach, Boston: Kluwer Academic Publications, 2002.
R. L. Keeney and H. Raiffa, Decision with Multiple Objectives: Preference and Value Trade Offs, John Wiley and Sons, 1976.
D. H. Byun, "Evaluating Usability of E-government Web Sites Using the AHP", Journal of Digital Policy & Management, Vol.8, No.3, pp.19-37, 2010, 9.
D. H. Byun, "Selecting a Mobile Using the Analytic Hierarchhy Process", Journal of Digital Policy & Management, Vol.9, No.4, pp.1-8, 2011, 8.
H. G. Hong, "Weight Analysis of Critical Sucess Factors for Business Intelligence System", Journal of Digital Convergence, Vol.10, No.2, pp. 93-98. 2012. 8.
H. I, Kwon and Y. B. Na, "Research on ebook Market Activation Factor in the Viewpoint of CPND Ecosystem: Focused in the Publisher AHP", Journal of Digital Convergence, Vol.13, No.4, pp.51-59, 2015, 4.
Y. J. Ham, C. W. Ahn, K. H. Kim, G. B. Park, K. J. Kim, D. Y. Lee, and S. M. Park, "A Study on Policy Priorities for Implementing Big Data Analytics in the Social Security Sector: Adopting AHP Methodology", Journal of Digital Policy & Management, Vol.12, N0.8, pp.49-60, 2014, 8.
Y. K, Lee and K. H. Youn, "Search Role of Government for Promoting IoT Industry: Utilizing Importance of Individual Sub-Policies Using AHP", Journal of Digital Convergence, Vol.14, No.5, pp.47-55, 2016, 5.
A. Kelemenis, K. Ergazakis, and D. Askounis, "Support Managers' Selection Using an Extension of Fuzzy TOPSIS", Expert Systems with Applications, Vol 38, pp.2774-2782, 2011.
I., N. Mahdavi, A. Mahdavi-Amiri, A. Heidarzade, and R. Nourifar, "Designing a Model of Fuzzy TOPSIS in Multiple Criteria Decision Making", Applied Mathematics and Computation, Vol.206, pp.607-617, 2008.
B. F. Ashtiani, A. M. Haghighirad, and G. Montazer, "Extension of Fuzzy TOPSIS Method Based on Interval-Valued Fuzzy Sets", Applied Soft Computing, pp.457-461, 2009.
X. Sang, X. Liu, and J. Qin, "An Analytical Solution to Fuzzy TOPSIS and its Application in Personnel Selection for Knowledge-Intensive Enterprise", Applied Soft Computing, Vol.30, pp.190-204, 2015.
H.-S. Shih, H.-J. Shyur, and E. S. Lee, "An Extension of TOPSIS for Group Decision Making", Mathematical and Computer Modeling, Vol.45, pp.801-813, 2007.
M. Izadikhah, "Using the Hamming ditance to extended TOPSIS in a fuzzy environment", Journal of Computational and Applied Mathematics, Vol.231, pp.200-207, 2009.
M. Saremi, S. F. Mousavi, and A. Sanayei, "TQM Consultant Selection in SMEs with TOPSIS under Fuzzy Environment", Expert Systems with Application, Vol.36, pp.2742-2749, 2009.
Z.-P. Fan and B. Feng, "A Multiple Attributes Decision Making Method Using Individual and Collaborative Attribute Data in a Fuzzy Environment", Information Science, Vol.179, pp.3603-3618, 2009.
A. Kelemenis, and D. Askounis, "A New TOPSISased Multi-Criteria Approach to Personnel Selection", Expert Systems with Applications, Vol 37, pp.4999-5008, 2010.
C. L. Hwang and K. Yoon, Multiple Attributes Decision Making Methods and Applications, Springer, Berlin Heidelberg, 1981.
S. H. Amin and J. Razmi, "An Integrated Fuzzy Model for Supplier Management: A Case Study of ISP Selection and Evaluation", Expert Systems with Applications, Vol.36, pp.8639-8648, 2009.
C.-T. Chen, C.-T. Lin, and S.-F. Huang, "A Fuzzy Approach for Supplier Evaluation and Selection in Supply Chain Management", International Journal of Production Economics, Vol.102, pp.289-301, 2006
L. S. Kim, "Convergence of Information Technology and Corporate Strategy", Journal of the Korea Convergence Society, Vol.6, No.6, pp.17-26, 2015.
Y. J. Kim, "Convergence of Business Information System Process using Knowledge-based Method", Journal of the Korea Convergence Society, Vol.6, No. 4, pp.65-71, 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.