Home / ANP（ネットワーク分析法）とは | 評価基準間の相互依存とフィードバックを考慮する意思決定手法

ANP（ネットワーク分析法）とは | 評価基準間の相互依存とフィードバックを考慮する意思決定手法

ANP（Analytic Network Process：ネットワーク分析法）は、複数の評価基準や選択肢の間に存在する依存関係やフィードバックを考慮し、意思決定の優先順位を求める数理的な手法です。AHP（Analytic Hierarchy Process：階層分析法）を提唱したトーマス・L・サーティ（Thomas L. Saaty）が、その階層構造の制約を拡張するために開発しました。

AHPでは、意思決定問題を目的、評価基準、選択肢という階層に分解し、一対比較によって各要素の相対的な重要度を求めます。しかし、現実の問題では評価基準が互いに独立しているとは限りません。例えば、研究開発テーマを評価する場合、技術的実現可能性は開発コストに影響し、開発コストは市場での競争力に影響します。また、市場の成長性によって、研究開発に投入できる資源や技術開発の方向が変わることもあります。

このような相互依存関係を無視して評価基準ごとに独立した重みを設定すると、重要な関係を見落とす可能性があります。ANPは、評価基準や選択肢の間にネットワーク構造を導入し、その関係を考慮して総合的な優先度を算出します。

ANPの特徴は、意思決定の要素を階層ではなくネットワークとして捉え、要素間の相互作用を一対比較と行列計算によって定量化することにあります。

ただし、ネットワークを導入することで、あらゆる相互作用や非線形性を正しく表現できるわけではありません。ANPの能力と限界を理解するためには、その数理的な仕組みを知ることが重要です。

AHPとANPの違い

AHPでは、意思決定問題を原則として上位から下位へ向かう階層構造で表現します。目的の下に評価基準があり、その下に選択肢があるという構成です。評価基準の重みは、基本的に選択肢から独立して決定されます。

例えば、研究開発テーマA、B、Cを「技術的実現可能性」「市場性」「開発コスト」という3つの基準で評価する場合、それぞれの基準の重要度を一対比較で求め、各テーマの評価値を加重和によって統合します。

しかし、実際には、技術的実現可能性が低ければ開発コストが増加することがあり、開発コストが高ければ市場での競争力に影響する可能性があります。また、選択する技術テーマによって、必要な設備や人材、さらには重視すべき評価基準自体が変化する場合もあります。

ANPでは、このような要素間の依存関係やフィードバックをネットワークとして表現できます。

比較項目AHPANP
基本構造階層構造ネットワーク構造
要素間の関係原則として上位から下位相互依存・フィードバックを許容
重みの算出一対比較と固有ベクトル一対比較とスーパーマトリクス
評価基準間の依存標準的なモデルでは明示的に扱わない明示的に扱える
計算の複雑さ比較的単純複雑になりやすい
主な用途独立性を仮定できる多基準評価相互依存のある多基準評価

ANPはAHPを一般化した手法ですが、ANPの方が常に優れているわけではありません。評価基準間の依存が小さく、階層構造で十分に問題を表現できる場合には、AHPの方が理解しやすく、入力作業も少なくなります。

ANPのネットワーク構造

ANPでは、意思決定に関係する要素をクラスター（Cluster）と呼ばれるグループに分類します。

例えば、研究開発テーマの選定では、次のようなクラスターが考えられます。

技術的要因： 技術的実現可能性、技術的新規性、既存技術との適合性

市場要因： 市場成長性、競争優位性、顧客ニーズ

経済的要因： 開発コスト、必要投資、期待収益

選択肢： 研究開発テーマA、B、C

これらの要素の間に、意思決定上の影響関係を定義します。

例えば、技術的実現可能性と開発コストの間に依存関係がある場合、その関係をネットワークに組み込みます。また、あるクラスター内の要素が同じクラスター内の別の要素に影響する内部依存（Inner Dependence）や、異なるクラスター間の外部依存（Outer Dependence）も表現できます。

さらに、AがBに影響し、BもAに影響するというフィードバック構造を取り扱うことができます。

ここで注意したいのは、ANPのネットワークにおけるリンクが、必ずしも物理的・因果的な作用を意味するわけではないことです。リンクは、ある要素に関して別の要素がどれほど影響力を持つかという判断を、相対的な優先度として表現するためにも利用されます。

したがって、ANPのネットワークはベイジアンネットワークの因果モデルや、システムダイナミクスのフィードバックモデルとは目的が異なります。

一対比較による依存関係の定量化

ANPでも、AHPと同様に一対比較を利用します。ただし、単純に「AとBのどちらが重要か」と質問するだけではありません。

例えば、「開発コストに対して、技術的実現可能性と技術的新規性のどちらが大きな影響を与えるか」というように、特定の要素に対する他の要素の相対的な影響度を比較します。

比較にはAHPと同じく、一般的にサーティの1～9の基本尺度を利用します。

評価値判断の意味
1同程度の影響
3やや強い影響
5強い影響
7非常に強い影響
9極めて強い影響
2、4、6、8中間的な判断

一対比較行列から、最大固有値に対応する固有ベクトルなどを使って、要素間の局所的な優先度を求めます。

AHPと同様に、整合性比率（Consistency Ratio：CR）を利用して、判断の内部整合性を確認できます。

ただし、ANPではネットワークの接続関係ごとに比較が必要になるため、モデルが複雑になるほど一対比較の数が増えます。利用者にとって、これがANPの大きな負担になります。

また、比較の整合性が高くても、ネットワーク構造自体が適切であることは保証されません。

スーパーマトリクスによる計算

ANPをAHPと区別する数理的な特徴が、スーパーマトリクス（Supermatrix）です。

スーパーマトリクスは、ネットワークに含まれる要素間の相対的な影響度を、一つの大きな行列にまとめたものです。

行と列にはネットワークの要素が並び、各成分は対応する要素間の局所的な優先度を表します。要素をクラスターごとにまとめると、行列は複数のブロックに分かれます。

ANPでは、一般的に次の3段階の行列を利用します。

1. 未重み付けスーパーマトリクス

Unweighted Supermatrixは、一対比較によって求めた局所的な優先度を配置した行列です。

ネットワーク上で関係のない要素に対応する成分は、通常0になります。

この段階では、複数のクラスターから影響を受ける列について、成分の合計が1にならない場合があります。

2. 重み付けスーパーマトリクス

Weighted Supermatrixは、クラスター間の相対的な影響度を考慮して、未重み付けスーパーマトリクスを調整したものです。

標準的な計算では、各列の合計が1になる列確率行列（Column-Stochastic Matrix）の形式にします。

これは、各要素に関係する影響度を、全体で正規化された相対値として扱うためです。

3. 極限スーパーマトリクス

Limit Supermatrixは、重み付けスーパーマトリクスを繰り返し乗算することで得られる行列です。

重み付けスーパーマトリクスをWとすると、基本的な考え方は次のようになります。

W² = W × W

W³ = W × W × W

Wᵏ = W × W × ... × W

この行列のべき乗によって、ネットワーク上の複数の経路を通じた影響の伝播が計算されます。

適切な条件の下でWのべき乗が収束する場合、

W∞ = lim(k→∞) Wᵏ

という極限行列が得られます。一般的なANPでは、この極限行列から各要素や選択肢の最終的な優先度を求めます。

ただし、すべてのスーパーマトリクスが単純なべき乗によって一意の極限に収束するわけではありません。ネットワークの連結性や周期性によって、計算結果の扱いが変わる場合があります。

特に、行列が既約かつ非周期的である場合には、適切な条件の下で安定した優先度が得られます。実際のANP分析では、行列の収束性やモデル構造を確認することが重要です。

また、べき乗によって得られる値は、確率的な事象の発生確率を意味するものではありません。ANPのスーパーマトリクスは、相対的な影響度や優先度を集約するためのものです。

具体例：研究開発テーマの選定

ある企業が、次の3つの研究開発テーマを検討しているとします。

  • テーマA：既存技術を改良する短期開発
  • テーマB：新市場への参入を目指す応用研究
  • テーマC：将来の競争力につながる基盤技術研究

評価基準は、技術的実現可能性、市場性、開発コスト、戦略的重要性の4つです。

AHPであれば、それぞれの基準に重みを設定し、各テーマを評価して総合得点を求めます。

しかし、この場合、技術的実現可能性と開発コストは密接に関係しています。技術的な難易度が高いテーマほど開発コストが増加する可能性があります。また、市場性が高いテーマでは、より大きな開発投資を正当化できるかもしれません。

さらに、テーマCのような基盤技術研究では、短期的な市場性は低くても、将来の技術基盤として戦略的重要性が高い場合があります。

ANPでは、これらの要素間に依存関係を設定し、それぞれの相対的な影響度を評価します。

例えば、「開発コストに対して、技術的実現可能性と開発期間のどちらが大きな影響を持つか」「戦略的重要性に対して、市場成長性と技術的新規性のどちらが強く関係するか」といった比較です。

こうして構築したネットワークから、スーパーマトリクスを用いて各テーマの総合優先度を計算します。

その結果が通常のAHPと異なることはあり得ます。例えば、AHPでは市場性を重視してテーマBが最上位だったとしても、ANPでは技術的実現可能性や開発コストとの依存関係を考慮した結果、テーマAが優位になるかもしれません。

もちろん、これは結果が必ずそのように変わるという意味ではありません。実際の順位は、ネットワーク構造と一対比較によって設定した影響度に依存します。

また、ANPで最上位になったテーマが客観的に最良であるとは限りません。重要なのは、評価基準の相互依存を考慮することで、従来の評価モデルとは異なる判断の可能性を検討できることです。

ANPは非線形な評価を実現するのか

ANPはAHPの拡張手法ですが、評価基準間の依存関係を考慮できることと、任意の非線形な評価を表現できることは同じではありません。

例えば、住宅を選ぶ際に、駅からの距離の重要性が通勤頻度によって変化するという問題を考えます。

ANPでは、駅からの距離、通勤頻度、居住環境などの要素間に依存関係を設定できます。しかし、そのことだけで「通勤頻度が週5日なら駅近の効用が非常に高く、週1日なら低い」という条件付きの効用関数が自動的に定義されるわけではありません。

このような問題には、条件別の重み付けや、非線形効用関数、多属性効用理論（MAUT）などの方が直接的な場合があります。

また、複数の評価基準を組み合わせることで相乗効果が発生する場合には、Choquet積分などの非加法的な集約方法が選択肢になります。

ANPは、依存関係やフィードバックを持つ評価要素の相対的な優先度を求める手法であり、一般的な非線形関数を自由に推定するモデルではありません。

「要素間に依存関係がある」という問題と、「複数の条件の組み合わせによって評価値が非線形に変化する」という問題は、区別して考える必要があります。

ベイジアンネットワークやシステムダイナミクスとの違い

ANPはネットワーク構造を利用しますが、ベイジアンネットワークやシステムダイナミクスとは目的が異なります。

ベイジアンネットワークは、確率変数間の依存関係を表現し、観測条件に応じて確率を更新するためのモデルです。ノードには条件付き確率表が設定され、結果として得られる値は事象の発生確率や条件付き確率を意味します。

一方、ANPで得られる値は、意思決定要素の相対的な優先度です。行列計算の形式が類似していても、数値の意味は異なります。

システムダイナミクスは、時間の経過に伴う変数の変化やフィードバックの振る舞いを分析するための方法です。例えば、研究開発投資の増加が技術力を高め、その技術力が売上を増やし、再び研究開発投資が増えるという動的な循環をモデル化できます。

ANPにもフィードバック構造がありますが、通常のANPは時間発展を直接シミュレーションするモデルではありません。スーパーマトリクスの反復乗算は、ネットワーク上の相対的な影響を総合するための数理操作です。

したがって、3つの方法は次のように整理できます。

手法主に求めるもの数値の意味
ANP相互依存を考慮した優先順位相対的優先度
ベイジアンネットワーク不確実な事象の確率確率
システムダイナミクス時間に伴うシステムの振る舞い状態量・変化率など

これらは競合する手法というよりも、異なる種類の問題に対応するモデルです。

ANPの限界と注意点

ANPの第一の限界は、モデルの複雑さです。

評価基準間の依存関係を自由に設定できる反面、ネットワークの構造を設計し、各関係について一対比較を行う必要があります。要素数やリンク数が増えると、利用者の判断負担も増大します。

第二に、ネットワーク構造の妥当性を判断することが難しいという問題があります。現実の要素間には多くの関係が存在しますが、そのすべてをモデルに取り込む必要があるとは限りません。重要ではない関係まで含めると、モデルが複雑になるだけで、意思決定の質が向上しない場合があります。

第三に、スーパーマトリクスの計算結果を無条件に信用できないことです。計算が収束しても、その値が実務上意味のある評価を表しているとは限りません。ネットワークの構造やクラスターの重み付けが不適切であれば、結果も不適切になります。

第四に、順位逆転の問題があります。ANPでも、モデル構造や選択肢の構成によって、既存の選択肢の順位が変化する場合があります。

こうした問題に対して、ANPの研究ではモデル構造の検証、スーパーマトリクスの収束条件の確認、計算結果の妥当性に関する検討が行われています。

ANPを実務に利用する場合には、単に最終的な順位を求めるだけでなく、依存関係の設定や一対比較の値を変更したときに結果がどの程度変化するかを調べる感度分析が重要です。

また、ANPの計算結果と通常のAHPによる評価結果を比較することも有用です。両者の結果が大きく異なる場合には、どの依存関係がその違いを生み出しているのかを検討する必要があります。

AI時代のANP

LLMの発展によって、ANPのモデル構築にも新しい可能性が生まれています。

従来、ANPを利用するには、分析者が問題に関係する要素を整理し、クラスターを定義し、要素間の依存関係を設定する必要がありました。これはAHPより複雑な作業であり、ANPの普及を妨げる要因の一つと考えられます。

LLMを利用すれば、問題を自然言語で説明することによって、評価基準、関連要因、依存関係の候補を生成できます。

例えば、「自社の研究開発テーマを技術的実現可能性、市場性、経済性から評価したい」と入力すると、LLMが関連する要素を整理し、評価基準間の依存関係を提案することが考えられます。

また、技術文献、企業資料、市場調査などから、依存関係の根拠となる情報を探索することもできます。

ただし、LLMが生成したネットワーク構造が妥当であるとは限りません。特に、一般的な知識から推測した関係を、その企業や研究開発テーマに固有の事実として扱わないようにする必要があります。

望ましい役割分担は、LLMがネットワーク構築と情報収集を支援し、ユーザーが関係の妥当性や一対比較の値を確認し、専用の数理エンジンがスーパーマトリクスの計算を実行するというものです。

さらに、計算結果に対してLLMが批判的な検討を行うこともできます。

例えば、「技術的実現可能性と開発コストを別々の要素として扱うことは適切か」「市場性と期待収益の関係を二重に評価していないか」「リンクを削除した場合に評価結果が変わるか」といった問題を検討できます。

このように、ANPとLLMを組み合わせることで、ネットワーク構築の負担を軽減しながら、評価モデルの前提をより深く検討できる可能性があります。

ThinkNaviにおけるANPの位置づけ

ThinkNaviでは、ANPを、複数の評価要素の相互依存を考慮しながら意思決定を検討するための数理的思考支援手法として位置づけます。

AHPでは評価基準を階層化し、その相対的な重要度を求めます。ANPでは、さらに評価基準や選択肢の間にネットワーク構造を導入し、相互依存とフィードバックを考慮できます。

ただし、ANPはAHPに比べてモデル構築や計算が複雑であり、すべての意思決定問題に適しているわけではありません。

ThinkNavi FreeにANPを実装する場合には、ネットワーク構造とクラスターの編集、一対比較、整合性検証、スーパーマトリクスの計算、感度分析、AHPとの比較などが基本機能として考えられます。手入力による分析機能を無料で提供するというThinkNaviの方針にも適合します。

将来のLLM活用版では、ネットワーク構造の提案、依存関係の根拠となる情報の探索、分析結果に対する批判的検討などを支援できます。

また、ConceptMiner R&Dで生成された研究開発仮説やテーマを評価する際に、AHPとANPを使い分けることも考えられます。

もっとも、ANPの複雑さが必ずしも実務的な価値につながるとは限りません。まずAHPで問題を整理し、評価結果に大きく影響する依存関係が明らかになった場合にANPを検討するという段階的な利用が現実的でしょう。

ANPの価値は、複雑なネットワークを作ること自体にあるのではありません。評価基準を独立したものとして扱う従来の意思決定モデルの限界を認識し、相互依存を考慮することで、判断の前提をより適切に検討できるようにすることにあります。

関連する思考技法：

参考文献・資料

  • Thomas L. Saaty, Decision Making with Dependence and Feedback: The Analytic Network Process, RWS Publications, 1996.
  • Thomas L. Saaty, “Decision Making — The Analytic Hierarchy and Network Processes (AHP/ANP),” Journal of Systems Science and Systems Engineering, 13(1), pp. 1–35, 2004.
  • Thomas L. Saaty, “Fundamentals of the Analytic Network Process — Dependence and Feedback in Decision-Making with a Single Network,” Journal of Systems Science and Systems Engineering, 13(2), pp. 129–157, 2004.
  • Thomas L. Saaty and Luis G. Vargas, Decision Making with the Analytic Network Process, Springer, 2006.
  • Enrique Mu, Orrin Cooper, and Michael Peasley, “Best Practices in Analytic Network Process Studies,” Expert Systems with Applications, 159, Article 113536, 2020.
  • Saaty — Fundamentals of the Analytic Network Process
  • Saaty — Decision Making: The Analytic Hierarchy and Network Processes
  • Best Practices in Analytic Network Process Studies