효과적인 검사 프로세스 구현을 위한 소프트웨어 팀 특성 추정

초록

**
본 논문은 검사 효율을 나타내는 사람 지표인 Inspection Performance Metric(IPM)을 결함 수에 의존하지 않고 팀 특성 계수를 활용해 예측하는 수학적 모델을 제시한다. 다중선형회귀를 이용해 팀 규모, 검사·준비 시간, 검사자 수·경험, 프로젝트 복잡도 등 다섯 변수를 기반으로 IPM을 추정하고, 실제 프로젝트 데이터와 비교해 모델의 정확성을 검증한다.

**

상세 분석

**
이 연구는 소프트웨어 품질 관리에서 검사(Inspection)의 중요성을 강조하면서, 기존에 결함 수에 직접 의존하던 IPM 측정 방식을 보완하고자 한다. 핵심 아이디어는 팀이 수행하는 검사 활동을 정량화하는 데 필요한 주요 인자들을 식별하고, 이를 다중선형회귀(Multiple Linear Regression, MLR) 모델에 적용해 ‘팀 계수(β)’를 도출하는 것이다.

첫 번째 단계에서는 DI(Depth of Inspection)라는 프로세스 지표를 정의한다. DI는 검사로 포착된 결함 수(Ni)를 검사와 테스트를 통해 전체 포착된 결함 수(Td)로 나눈 비율이며, 0~1 사이 값을 가진다. DI는 검사 단계에서 얼마나 많은 결함을 사전에 차단했는지를 나타내어, 테스트 비용 절감과 품질 향상의 직접적인 지표가 된다.

두 번째 단계에서 제시된 IPM은 사람(팀) 지표로, IPM = Ni / IE 로 정의된다. 여기서 IE(Inspection Effort)는 검사자 수(N)와 총 검사 시간(T)의 곱이며, T는 실제 검사 시간(It)과 준비 시간(Pt)의 합이다. 즉, IPM은 단위 검사 노력당 포착된 결함 수를 나타내어 팀의 효율성을 평가한다.

연구자는 2000년부터 2009년까지 국내외 서비스·제품 기반 기업에서 수행된 30여 개 프로젝트 데이터를 수집하였다. 프로젝트는 규모별(소·중·대)로 구분하고, 기능점수(Function Points)를 기준으로 인력·시간을 정규화하였다. 각 프로젝트에 대해 Ni, It, Pt, N, 검사자 경험 수준, 프로젝트 복잡도(로그 스케일) 등을 측정하고, DI와 IPM을 실제 결함 수 기반으로 계산하였다.

다중선형회귀 모델은 다음과 같이 구성된다.

• DI 모델: DI = β0 + β1·It + β2·Pt + β3·N + β4·경험 + β5·복잡도
• IPM 모델: IPM = β0 + β1·It + β2·Pt + β3·N + β4·경험 + β5·복잡도

회귀 분석 결과, 모든 독립 변수는 통계적으로 유의미한 영향을 미쳤으며, 결정계수(R²)는 각각 0.78, 0.81 수준으로 모델의 설명력이 높았다. 특히 검사 시간(It)과 준비 시간(Pt)의 비율이 IPM에 미치는 영향이 크게 나타났으며, 경험 수준과 팀 규모는 DI에 더 큰 기여를 보였다.

모델 검증을 위해 별도 선정한 3개 프로젝트에 대해 실제 IPM(IPMdc)과 모델 기반 예측 IPM(IPMtc)을 비교하였다. 두 값 사이의 평균 오차는 4.2%에 불과했으며, 이는 현장 적용 시 실시간 결함 집계 없이도 충분히 신뢰할 수 있는 예측이 가능함을 의미한다.

이러한 결과는 다음과 같은 실무적 시사점을 제공한다. 첫째, 기업은 목표 IPM 값을 사전에 설정하고, 회귀 계수를 활용해 검사 시간·인원·경험 등을 조정함으로써 품질 목표를 체계적으로 달성할 수 있다. 둘째, 팀 계수는 PSP(Person Software Process)·TSP(Team Software Process)와 연계되어 개인·팀 수준의 프로세스 개선 로드맵을 설계하는 데 활용될 수 있다. 셋째, 결함 관리 비용을 사전에 추정함으로써 프로젝트 비용·일정 관리에 대한 의사결정 지원이 가능해진다.

하지만 연구에는 몇 가지 한계도 존재한다. 데이터가 주로 인도와 영국의 중소형 기업에 국한돼 있어, 대규모 엔터프라이즈 환경이나 다른 문화권에 대한 일반화는 추가 검증이 필요하다. 또한 회귀 모델은 선형성을 전제로 하므로, 비선형 관계가 존재할 경우 모델 정확도가 떨어질 수 있다. 향후 연구에서는 머신러닝 기반 비선형 모델과 실시간 데이터 스트리밍을 결합해 더욱 정교한 IPM 예측 체계를 구축할 여지가 있다.

**