선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 장에서는 무기체계 개발 간 분석 자료를 활용하여 소프트웨어 신뢰도를 예측/추정 모델을 통해 분석한다. 그리고 해당 무기체계의 개발 이후 운용 중 고장들을 분석하여 어느 정도 일치성을 갖는 지 알아보도록 한다.
- 본 연구에서는 소프트웨어 결함 특징을 분석하고 신뢰도 분석을 위한 예측 및 추정 모델을 검토하였다. 이어 대상 사업을 선정하여 개발 간 작성된 소프트웨어 관련 자료 및 시험 데이터를 활용하여 소프트웨어 신뢰도를 예측 및 추정하였다.
- 지금까지 본 논문을 통해 소프트웨어 신뢰도 분석 모델이 국내 무기체계 환경에 적합성을 가지는 지 분석하였다. 점차 국방 산업에서도 소프트웨어에 대한 신뢰성이 중요시되는 만큼 무기체계 개발 시 정확한 신뢰도 분석이 이루어지도록 지속적인 노력이 필요하다.
- 본 연구에서는 먼저 소프트웨어 신뢰도를 분석하는 대표적인 예측/추정 모델을 사용하여 개발 간 데이터를 통해 신뢰도 분석을 수행한다. 추가적으로 해당 무기체계가 개발 이후 운용 간의 고장 이력 데이터를 활용하여 예측/추정 분석 값과 일치성을 갖는지 알아보고자 한다. 이를 통해 소프트웨어 신뢰도 분석 모델이 국내 무기체계 환경에서 직접적으로 적용 가능한지 분석하였다.
제안 방법
- OO사업 무기체계의 운용 간 결함 자료를 단위 시간 3개월로 나누어 분석하였고 이는 [Table 7]와 같다.
- 위의 식에서 α, β를 추정하기 위한 방안으로 Handbook of Reliability Engineering[7]에서는 3가지 모델을 제시한다. 그 중 본 연구에서는 모든 데이터를 활용하는 모델을 선정하였으며 매개변수 추정식은 다음과 같다.
- 다음은 OO사업 종료 후 전력화되어 운용 중 실제 발생한 고장, 결함을 분석하였다. 분석 자료는 개발 업체에서 관리하는 데이터베이스를 활용하였으며 해당 무기체계의 소프트웨어 정비는 모두 업체에서 수행하기 때문에 운용 간 고장 이력을 정확하게 분석할 수 있다.
- 다음은 XX사업 종료 후 해당 무기체계가 전력화되어 운용 중에 발생간 고장을 검토하였다. 해당 자료는 신뢰도 예측과 마찬가지로 개발 업체의 정비 이력 관리 데이터베이스를 활용하였다
- 마지막 작동시간(DC)은 해당 무기체계의 연간 운용시간(AOR)을 적용하였으며 연 시간(8,760시간)에 대한 비율로 환산하여 적용하였다. OO사업의 소프트웨어 신뢰도 예측을 위한 최종 입력 값들은 [Table 5]와 같다.
- 이어 대상 사업을 선정하여 개발 간 작성된 소프트웨어 관련 자료 및 시험 데이터를 활용하여 소프트웨어 신뢰도를 예측 및 추정하였다. 마지막으로 분석된 결과와 무기체계 전력화 이후 운용 간 결함 이력을 비교하여 모델 적합성을 검증해 보았다.
- 모델의 무기체계 적용 시 적합성을 알아보고자 하는 본 연구에서는 예측 모델 중 217 Plus Model 과 추정 모델 중 Schneidewind’s Model을 선정하였다.
- 본 연구에서는 먼저 소프트웨어 신뢰도를 분석하는 대표적인 예측/추정 모델을 사용하여 개발 간 데이터를 통해 신뢰도 분석을 수행한다. 추가적으로 해당 무기체계가 개발 이후 운용 간의 고장 이력 데이터를 활용하여 예측/추정 분석 값과 일치성을 갖는지 알아보고자 한다.
- 본 장에서는 무기체계 개발 간 분석 자료를 활용하여 소프트웨어 신뢰도를 예측/추정 모델을 통해 분석한다. 그리고 해당 무기체계의 개발 이후 운용 중 고장들을 분석하여 어느 정도 일치성을 갖는 지 알아보도록 한다.
- 분석 결과 해당 소프트웨어는 개발 이후 약 12개의 결함을 갖고 있으며 배치 후 1년 간 11개의 결함을 찾아 수정하였다. 추가로 이후 약 1개의 결함이 발생할 수 있음을 알 수 있다.
- 소프트웨어 신뢰도 분석 모델은 분석 시점에 따라 예측 모델과 추정 모델로 구분할 수 있다. 예측 모델은 설계 초기에 과거 경험 데이터를 기반으로 목표 신뢰도를 예측하며 개발 환경과 관련된 소프트웨어 척도를 기반으로 분석한다. 추정 모델은 개발 간 소프트웨어 시험 데이터를 활용하여 최종 신뢰도를 추정하는 방법으로 시험과 운용 과정에서 수집되는 결함데이터를 기반으로 최종 신뢰도를 분석한다.
- 추가적으로 해당 무기체계가 개발 이후 운용 간의 고장 이력 데이터를 활용하여 예측/추정 분석 값과 일치성을 갖는지 알아보고자 한다. 이를 통해 소프트웨어 신뢰도 분석 모델이 국내 무기체계 환경에서 직접적으로 적용 가능한지 분석하였다.
- 본 연구에서는 소프트웨어 결함 특징을 분석하고 신뢰도 분석을 위한 예측 및 추정 모델을 검토하였다. 이어 대상 사업을 선정하여 개발 간 작성된 소프트웨어 관련 자료 및 시험 데이터를 활용하여 소프트웨어 신뢰도를 예측 및 추정하였다. 마지막으로 분석된 결과와 무기체계 전력화 이후 운용 간 결함 이력을 비교하여 모델 적합성을 검증해 보았다.
- 잔존 결함 함수 통해 OO사업 종료 이전에 개발 소프트웨어가 전력화 후 2년 간 몇 개의 결함이 발생 할지 분석하였다. 단위 기간은 3개월 단위로 정리하였으며 그 결과는 [Table 6] 과 같다.
- 재고장 횟수(FL), 결함 활성비(FA), 치명결함 발생비(AS)의 경우 소프트웨어 고장에 대한 분석 및 관리데이터가 없으므로 Default 값을 넣었으며 안정화 시간(ts)은 해당 소프트웨어가 최초 개발 버전이므로48(months)를 적용하였다.
- 지금까지 개발 초기에 수행하는 217Plus Model을 통한 소프트웨어 예측 값과 실제 국내 무기체계 운용 결과를 비교하였다. 그리고 그 결과 두 데이터간의 차이가 있음을 확인하였다.
대상 데이터
- XX사업은 2011년 개발을 완료한 사업으로써 먼저 개발 간 소프트웨어 통합 시험 및 시험평가를 통해 발견 된 소프트웨어 결함 자료를 수집하였다. 수집 된 결함 자료는 단위 시간 1개월로 나누어 결함 수를 체크하였고 이는 [Table 8]과 같다.
- 먼저 소프트웨어 신뢰도 예측을 위해 대상 사업을 선정하였다. 개발 간 데이터를 통한 분석 값과 무기체계 운용 간 고장 이력 데이터와의 일치성 검증을 위하여 개발이 완료되어 최소 3년 이상 운용된 무기체계를 선정하였다. 또한 소프트웨어 개발 간 분석 자료를 활용할 수 있는 사업을 고려하여 본 연구에서는 OO 사업을 대상으로 선정하였다.
- 개발 간 데이터를 통한 분석 값과 무기체계 운용 간 고장 이력 데이터와의 일치성 검증을 위하여 개발이 완료되어 최소 3년 이상 운용된 무기체계를 선정하였다. 또한 소프트웨어 개발 간 분석 자료를 활용할 수 있는 사업을 고려하여 본 연구에서는 OO 사업을 대상으로 선정하였다.
- 다음은 OO사업 종료 후 전력화되어 운용 중 실제 발생한 고장, 결함을 분석하였다. 분석 자료는 개발 업체에서 관리하는 데이터베이스를 활용하였으며 해당 무기체계의 소프트웨어 정비는 모두 업체에서 수행하기 때문에 운용 간 고장 이력을 정확하게 분석할 수 있다.
- 소프트웨어 신뢰도 추정을 위한 대상 사업은 별도로 선정하였다. 신뢰도 예측과는 다르게 개발 간 소프트웨어에 대한 시험 데이터를 필요로 하기 때문에 개발 완료 후 최소 3년 이상 운용된 무기체계 중 시험 데이터를 보유하고 있는 사업을 선정하였다.
- 소프트웨어 신뢰도 추정을 위한 대상 사업은 별도로 선정하였다. 신뢰도 예측과는 다르게 개발 간 소프트웨어에 대한 시험 데이터를 필요로 하기 때문에 개발 완료 후 최소 3년 이상 운용된 무기체계 중 시험 데이터를 보유하고 있는 사업을 선정하였다. 이러한 과정을 거쳐 소프트웨어 통합 시험, 시험 평가 데이터 확보가 가능한 XX사업을 대상으로 선정하였다.
- 신뢰도 예측과는 다르게 개발 간 소프트웨어에 대한 시험 데이터를 필요로 하기 때문에 개발 완료 후 최소 3년 이상 운용된 무기체계 중 시험 데이터를 보유하고 있는 사업을 선정하였다. 이러한 과정을 거쳐 소프트웨어 통합 시험, 시험 평가 데이터 확보가 가능한 XX사업을 대상으로 선정하였다.
성능/효과
- RIAC-HDBK-217Plus Model을 통한 소프트웨어 신뢰도 예측은 무기체계 운용 간 발생 결함 수와 큰 차이를 보였다. 이는 예측의 정확도를 높이기 위해서는 모델 입력 값에 대한 신뢰도를 높여야 하며 국내 무기체계에 적합한 보정 계수 산출 방법을 개발해야 할 것이다.
- Schneidewind’s Model을 통한 추정 모델은 개발/운용 기간으로 나누어 비교 분석을 수행한 결과, 개발 기간동안의 시험데이터를 활용한 신뢰도 추정 값이 무기체계 운용 간 발생 결함 수과 유사한 경향을 보였다.
- Schneidewind’s Model을 통한 추정 모델은 개발/운용 기간으로 나누어 비교 분석을 수행한 결과, 개발 기간동안의 시험데이터를 활용한 신뢰도 추정 값이 무기체계 운용 간 발생 결함 수과 유사한 경향을 보였다. 또한 개발 기간과 운용 기간의 고장률 곡선이 유사하게 생성되어 개발 간 데이터를 통해 운용 간 발생할 SW 잠재 결함 수 추정이 가능함을 확인할 수 있었다.
- 분석 결과 OO 무기체계 소프트웨어는 운용 단계에서 2년 간 20건의 고장이 발생하였다. 이는 개발 자료를 활용하여 분석한 신뢰도 예측 값인 124건과는 많은 차이가 있음을 알 수 있다.
- 분석 결과 OO사업의 개발 소프트웨어는 개발 이후 초기에 약 138개의 결함을 갖으며 2년 간 약 125개의 결함이 발견되고 조치될 것이라 예측할 수 있다. 분석과정에서 알 수 있듯이 소프트웨어 신뢰도 예측은 코드라인 수에 크게 영향을 받으며 Default 값이 적용 된 팩터가 많은 부분을 차지하고 있다.
- 분석 결과 해당 소프트웨어는 총 약 73개의 결함을 가지고 있으며 개발 간 시험을 통해 57개의 결함을 찾아 수정하였다. 그에 따라 해당 무기체계가 전력화 이후 약 16개의 결함이 추가로 발생 할 수 있음을 알 수 있다.
- 국내 개발된 무기체계의 경우도 소프트웨어 신뢰성이 점차 중요한 부분이 되고 있다. 실제 업체로 정비 요청이 들어오는 사항을 분석한 결과는 [Fig. 1]과 같으며 전체 고장의 약 13%가 소프트웨어에 대한 성능개선, 결함 수정 요청사항이다. 또한 연도 별 업체정비 항목 중 소프트웨어에 대한 비율은 [Fig.
- 최종적으로 개발 기간과 운용 기간의 소프트웨어 고장률 추정값을 비교한 결과, 개발 간 잔존 결함 수와 운용 간 초기 결함 수가 유사성을 보이며 두 구간의 고장률 곡선이 유사하게 생성되었음을 확인할 수 있었다. 이는 곧 개발 간 데이터를 통해 운용 간 발생할 소프트웨어 잠재 결함 수 추정이 가능하다는 것을 의미한다.
후속연구
- 이는 모델 적용을 위한 기초데이터 부족으로 보정 계수 팩터(결함 잠재도, 결함활성도, 치명결함발생도)를 Default 값으로 적용한 결과로 판단할 수 있다. 그러므로 217Plus 모델의 국내 무기체계 적용을 위하여 보다 적합한 보정 계수 산출 방법을 개발하여 정확한 신뢰도 예측이 수행되어야 할 것이다.
- RIAC-HDBK-217Plus Model을 통한 소프트웨어 신뢰도 예측은 무기체계 운용 간 발생 결함 수와 큰 차이를 보였다. 이는 예측의 정확도를 높이기 위해서는 모델 입력 값에 대한 신뢰도를 높여야 하며 국내 무기체계에 적합한 보정 계수 산출 방법을 개발해야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.