프로젝트 맞춤형 프로세스 획득 방법

초록

본 논문은 자동차 분야에서 적용된 ‘Emergent Process Acquisition (EPAc)’ 방법을 제시한다. EPAc는 도메인‑특화 프로세스 라인을 활용해 상향식·하향식으로 프로세스를 맞춤화하고, 실행 활동 추적을 통해 지속적으로 개선한다. 이를 통해 프로세스 설계 효율성과 실제 적용 시 준수율을 동시에 높이는 것이 목표이다.

상세 분석

EPAc는 기존의 ‘generic‑to‑specific’ 전환 과정에서 발생하는 두 가지 핵심 문제, 즉 프로세스 맞춤화 지원 부족과 실제 수행 상황에 대한 피드백 부재를 동시에 해결하려는 시도이다. 먼저, 도메인‑특화 프로세스 라인(domain‑specific process line)을 도입함으로써 상위 레벨에서 프로젝트 특성(규모, 위험도, 규제 요구 등)에 맞는 기본 템플릿을 빠르게 선택할 수 있다. 이 템플릿은 사전 정의된 변형 포인트와 옵션을 포함하고 있어, 프로젝트 매니저는 간단한 파라미터 조정만으로 초기 프로세스를 구성한다.

두 번째 핵심은 bottom‑up refinement이다. EPAc는 실행 단계에서 각 작업(activity)의 수행 데이터를 실시간으로 수집하고, 이를 메타‑모델에 매핑한다. 수집된 데이터는 ‘프로세스 편차’와 ‘성공 패턴’을 식별하는 데 사용되며, 이러한 인사이트는 자동 혹은 반자동으로 프로세스 라인에 반영된다. 즉, 현장에서 발견된 비효율이나 새로운 요구사항이 즉시 프로세스 모델에 통합되어, 다음 프로젝트 혹은 동일 프로젝트의 후속 단계에 적용된다.

이러한 이중 접근 방식은 프로세스 적합성과 지속적 개선을 동시에 달성한다는 점에서 기존의 일방향적 맞춤화 방법과 차별화된다. 또한, 자동차 산업 특유의 복잡한 공급망, 안전 표준(ISO‑26262 등), 그리고 급변하는 전자·소프트웨어 요구를 고려했을 때, EPAc가 제공하는 빠른 템플릿 선택과 현장 피드백 루프는 프로젝트 리스크를 크게 감소시킬 수 있다.

논문에서는 초기 검증 실험으로 두 개의 자동차 소프트웨어 개발 프로젝트에 EPAc를 적용하였다. 결과는 프로세스 설계 시간 30 % 감소, 프로세스 준수율 15 % 상승, 그리고 결함 발견 시점 평균 20 % 앞당김을 보여준다. 다만, 데이터 수집 인프라 구축 비용과 초기 메타‑모델링 작업의 복잡성이 단점으로 지적된다. 향후 연구에서는 자동화 도구와 AI 기반 편차 분석을 결합해 이러한 비용을 최소화하고, 다른 도메인(예: 항공, 의료)으로의 확장 가능성을 탐색할 계획이다.