초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

수준 높은 소프트웨어의 품질과 개발, 유지보수 비용의 최소화, 제품 출하시간의 단축을 위하여 소프트웨어 프로세스에 대한 예측, 통제 가능성을 증가시키기 위함이다. 기업이 최고도의 높은 수준에 도달하기 의해서는 정량적인 모델에 의한 프로젝트 관리가 필요하다. 따라서 기업들은 SPICE/CMM와 같은 표준을 사용하여 조직의 프로세스 능력 수준을 평가하고 수준향상을 꾀한다. 조직의 프로세스의 능력을 평가하고 수준향상을 위해서는 신뢰성 있는 SPICE 심사의 심사결과에 대한 객관적인 신뢰성의 보장과 좀더 적은 비용으로 프로세스의 수준향상을 할 수 있는 방법이 필요하다. 본 논문에서는 SPICE 심사의 신뢰성을 얻기 위해 CMM/KPA 설문서를 통해 심사하고 SPICE심사의 결과를 비교 분석하여 SPICE심사의 신뢰성을 검증한다. 또한 이를 기반으로 CMM/KPA 설문서의 정량적인 모델을 제안함으로서 좀더 적은 비용과 시간으로 SPICE 심사의 결과와 같은 효과를 얻을 수 있게 한다.

수준 높은 소프트웨어의 품질과 개발, 유지보수 비용의 최소화, 제품 출하시간의 단축을 위하여 소프트웨어 프로세스에 대한 예측, 통제 가능성을 증가시키기 위함이다. 기업이 최고도의 높은 수준에 도달하기 의해서는 정량적인 모델에 의한 프로젝트 관리가 필요하다. 따라서 기업들은 SPICE/CMM와 같은 표준을 사용하여 조직의 프로세스 능력 수준을 평가하고 수준향상을 꾀한다. 조직의 프로세스의 능력을 평가하고 수준향상을 위해서는 신뢰성 있는 SPICE 심사의 심사결과에 대한 객관적인 신뢰성의 보장과 좀더 적은 비용으로 프로세스의 수준향상을 할 수 있는 방법이 필요하다. 본 논문에서는 SPICE 심사의 신뢰성을 얻기 위해 CMM/KPA 설문서를 통해 심사하고 SPICE심사의 결과를 비교 분석하여 SPICE심사의 신뢰성을 검증한다. 또한 이를 기반으로 CMM/KPA 설문서의 정량적인 모델을 제안함으로서 좀더 적은 비용과 시간으로 SPICE 심사의 결과와 같은 효과를 얻을 수 있게 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 지금까지 CMWKPA의 심사원의 편차를 Reading 기법을 통해 보통 분석해 왔다. Reading 기법보다 더 신뢰성 있는 방법을 제안하고자 한다. Minitab의 NP관리도를 이용하여 CMWKPA의 심사원간 편차를 정량적으로 관리하는 모델을 제안하였다.
• 기업의 경쟁력을 향상시키기 위해서 제품을 개발하고 유지보수 하는데 소요되는 비용을 최소화하고, 제품의 출하 시간을 단 축시키며 제품을 만드는 프로세스에 대한 예측과 통제의 가능성을 목표로 두고 있다[1H₄].
• 하지만, 이는 CMWKPA 설문서 자체의 신뢰성만 입증할 뿐 SPICT: 심사의 신뢰성은 보장하지 않는다. 따라서 본 논문에서는 SPICE 심사 신뢰성 검증을 위한 CMM/KPA rating 정량적 모델을 제안한다.
• 본 논문에서는 SPICE 심사의 신뢰성을 검증하기 위해 기존 연구에서 신뢰성이 검증된 CMM/K領A올 통한 분산분석 모델을 제안하였다.
• 본 논문에서는 기존의 SPICE 심사와 CMM/KPA 설문서의 결과를 비교 분석하여 SPICE 심사의 신뢰성을 검증하고 중요한 개선사항을 도출할 수 있는 검증모델을 제안하고자 한다.
• 본 논문에서는 보고서 중에서 프로세스별 개선 사항을 나열하고 (본문에서는 생략함) CMM/K領A의 15개의 일반항목과 세부 항목을 대응 시켜 놓은 표이다.
• 이를 보완하기 위해서는 정량적인 모델을 통해 어느 프로세스가 가장 큰 개선사항인가 하는 우선순위가 결정되어야 한다. 여기서 조직은 적지 않은 시간과 자금 올 투자해 나온 심사 결과가 얼마나 신뢰할 수 있는지와 도출된 개선 사항 중 어느 개 선 사항이 더 중요한 요인(factor)인가를 알고자 한다.

제안 방법

• CMM/KPA rating은 SPICE 심사 시 동일한 심사원들에게 CMWKPA 설문서를 통해 얻은 데이터를 우리가 개발한 CMWA Tool을 이용하여과 같은 결과를 얻었다.
• Reading 기법보다 더 신뢰성 있는 방법을 제안하고자 한다. Minitab의 NP관리도를 이용하여 CMWKPA의 심사원간 편차를 정량적으로 관리하는 모델을 제안하였다.
• <그림 1>은 세부 항목을 SPICE 심사원에게 설문 후 가장 중요도가 높게 선택받은 항목이다. SPICE 심사의 내부 심사원과 외부 심사원이 이와 같이 작성된 KPA심사 설문서에 응답한다. 그리고 이를<그림 2>와 같은 C0C0M0II의 EPML계산식을 통해 rating을 하게 된다.
• 우리는 1년간 30여 과제의 SPICE 심사에서 기존의 KPA 설문서를 통해 4개사에 수집한 KPA 자료를 통해 KPA EPML을 확인한 결과<표 5>의 기존 KPA EPML과 같은 결과를 얻었다. 우리는 2003년 6월 센프란시스코에서 개최된 SERA'03 (Software Engineering Research Association)0!] SEI 의 Maturity Questionnaire 보정모델의 신뢰성의 검증을 위한 가설검증과 보정모델 및 SPICE 수준 변환모델에 대한 논문을 발표했다. [6]이 연구 결과로 KPA 보정모델이 99.
• 우리는<그림 5>의 4. 결과분석 및 활동계획 도출의 전 단계의 SPICE 심사 최종 결과보고서를 분석하였다. 2003년 심사를 실시한 E사의 SPICE 심사 최종결과보고서의 분석 결과는 <표 7>와 같다.
• 그러나 이러한 심사 결과가 얼마나 신뢰할 수 있는지는 알 수가 없었다. 또한 어느 개선사항이 중요한 요인(factor)인지도 알 수가 없었다 따라서 우리는 기존연구에서 99.8%의 신뢰성이 보장된 CMM/KPA의 rating 결과와 비교 분석 함으로써 SPICE 심사의 신뢰성을 검증하고자 한다.
• 속성 분류법에 따라서 문제점을 특성화시켜서 High level goal, Specific goal, Document, notation, form, family, technique 등으로 나누어서 분석한다. [5] 속성 분류법은<표 6>과 같다.
• 우리는 1년간 30여 과제의 SPICE 심사에서 기존의 KPA 설문서를 통해 4개사에 수집한 KPA 자료를 통해 KPA EPML을 확인한 결과의 기존 KPA EPML과 같은 결과를 얻었다.
• 우리는 약 1년 6개월간 수집한 CMM/KPA 데이터를 가지고 KPA 설문서의 신뢰성을 99.8%까지 보장할 수 있는 보정모델을 기존 연구에서 제안하였다.
• 이를 위해 관련 연구로서 SPICE의 심사 절차를 기술하고 기반 연구로서 기존연구에서 신뢰성이 입증된 CMM/KPA 설문서를 통해 SPICE 심사의 신뢰성 검증을 위한 SPICE 심사 검증모델을 제안하고 사례연구를 통한 신뢰성을 평가하고 결론을 맺는다.

이론/모형

• 기존 연구를 위한 data collection은 Pareto rule에 의해서 4개의 설문서만 선정하였다.

성능/효과

• 이는 심사원의 CMM/KPA 항목별 rating 결과의 Readin昭에 의한 결과와 정랑적 분석 모델에 의한 신뢰도와 지표도출을 통해 Reading의 결과와 정량모델에 의한 신뢰성 검증이 일치함으로 보여줌으로서 실제 SHCE 삼사의 신뢰성을 85%까지 신뢰할 수 있음을 보여준다. 또한 지표를 통한 KPA Defect를 도출하여 SPICE 심사와 동일한 개선사항을 도출할 수 있으며 편차가 크고 자주 나타나는 항목일수록 프로세스의 정립이 되지 않음을 알 수 있다.
• 위의 결과를 분석한 결과 관리 지표는 최대 수용할 수 있는 편차의 값(UCL)은 21.51개 평균 편차의 값은 NP는 12.6개, 최대 하한 편차의 값(LCL)은 3.69개로 이것이 의미하는 것은 심사원의 편차의 평균이 12.6개 최대 士 1.5개의 값 안에 있으면 85%의 신롸성을 인정할 수 있다. 실제 심사원의 평균의 편차는 11.
• 이는 심사원의 CMM/KPA 항목별 rating 결과의 Readin昭에 의한 결과와 정랑적 분석 모델에 의한 신뢰도와 지표도출을 통해 Reading의 결과와 정량모델에 의한 신뢰성 검증이 일치함으로 보여줌으로서 실제 SHCE 삼사의 신뢰성을 85%까지 신뢰할 수 있음을 보여준다. 또한 지표를 통한 KPA Defect를 도출하여 SPICE 심사와 동일한 개선사항을 도출할 수 있으며 편차가 크고 자주 나타나는 항목일수록 프로세스의 정립이 되지 않음을 알 수 있다.
• 이를 통해 CMM/K玖의 편차를 통해 개선사항의 우선순위를 검출할 수 있으며 CMM/KF>A의 설문을 통해 좀 더 적은 시간과 비용의 투자로 효율적인 프로세스의 개선을 할 수 있다.

후속연구

• 향후 연구과제로서 좀 더 많은 영역의 데이터를 사례 연구를 통해 검증하고 이를 통해 Opportunity Tree를 설계하는 초석이 되는 CMWKPA의 C-E다이어그램(Cause EffectX 연구하고자 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기