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 연구에서는 테스트 성숙도 모델에 테스트 프로세스 개선 모델(TPI next)을 통해 테스트 프로세스 성숙도를 향상시킨 TMMi 확장(Enhanced TMMi)에 대해 제안한다. TMMi 확장(Enhanced TMMi)에서는 TPI next를 적용하여 확장된 테스트 속성과 성숙도 상호관련 매트릭스 (Test Attributes to Maturity Levels Correlation Matrix) 를 통해 테스트 프로세스 성숙도를 용이하게 측정하는 방법을 제안하고자 한다.
- 대표적인 테스트 프로세스 모델인 TMMi에서는 다양한 조직의 서로 다른 테스트 프로세스를 향상 시킬 수 있는 항목이 부족하다. 본 연구에서는 TMMi에 TPI next를 적용한 테스트 속성과 성숙도 상호관련 매트릭스(Test Attribute to Maturity Levels Correlation Matrix)를 통하여 테스트 성숙도 프로세스를 향상시키려 한다.
- 기존의 개발 프로세스인 V모델은 폭포수 모델의 단점을 보완하고자 각 단계마다 정확히 수행하고 verification과 validation 수행을 강조한 모델이다. 본 연구에서는 기존에 제안한 V모델을 향상시킨 이중 V모델을 제안한다.[7][8][9]
- 본 연구에서는 테스트 성숙도 모델에 테스트 프로세스 개선 모델(TPI next)을 통해 테스트 프로세스 성숙도를 향상시킨 TMMi 확장(Enhanced TMMi)에 대해 제안한다. TMMi 확장(Enhanced TMMi)에서는 TPI next를 적용하여 확장된 테스트 속성과 성숙도 상호관련 매트릭스 (Test Attributes to Maturity Levels Correlation Matrix) 를 통해 테스트 프로세스 성숙도를 용이하게 측정하는 방법을 제안하고자 한다.
- TPI next의 경우는 테스트 프로세스 향상을 위한 제시를 갖고 있지만, CMM 기반에 대한 적응이 어렵다. 이를 해결하기 위해 본 논문에서는 기존의 개발 프로세스인 V모델을 확장한 이중 V모델과 테스트 성숙도 모델과 테스트 프로세스 개선 모델을 접목한 확장된 TMMi을 통해 TMMi과 TPI next의 문제를 해결하고자 한다.
- 높은 품질의 소프트웨어를 개발하기 위해서는 다양한 방법이 있겠지만 최종 사용자에게 제품의 결함이 없도록 완벽한 테스트를 수행 후 배포해야 한다. 하지만, 완벽한 테스트를 수행하는 것은 불가능하기 때문에 우리는 정형화된 테스트 프로세스를 통해 보다 높은 소프트웨어 품질을 확보 방법에 대해 연구하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.