기업 간 데이터로 결함 원인 분석 지원

초록

본 논문은 요구사항 엔지니어링 단계에서 발생하는 결함의 원인을 파악하기 위해 74개 브라질 기업으로부터 수집한 원인‑효과 데이터를 활용한 베이지안 네트워크 기반 결함 원인 분석(DCA) 방법을 제안한다. 교차 기업 데이터베이스를 이용해 주요 원인 후보를 사전 제공하고, 진단 추론을 통해 실무 세션에서 원인 탐색을 지원한다. 학계, 프라운호퍼 프로젝트 센터, 그리고 브라질 국립개발은행(BNDES)에서 순차적으로 적용·평가한 결과, 참여자들은 데이터가 원인 도출에 유용하다고 평가했으며, 방법론의 실용성과 확장 가능성을 확인하였다.

상세 분석

이 연구는 소프트웨어 공정 개선을 위한 결함 원인 분석(DCA)의 효율성을 높이기 위해, 기업 간에 축적된 원인‑효과 데이터를 활용하는 새로운 접근법을 제시한다. 먼저 74개의 브라질 조직을 대상으로 요구사항 엔지니어링 단계에서 발생한 문제와 그 원인에 관한 설문을 진행했으며, 이를 통해 1,200여 건 이상의 사례 데이터를 확보하였다. 수집된 데이터는 베이지언 네트워크(Bayesian Network) 모델링에 사용되었는데, 이는 변수 간 인과관계를 확률적으로 표현함으로써 불완전하거나 불확실한 정보에서도 합리적인 추론을 가능하게 한다. 네트워크는 ‘요구사항 불명확성’, ‘이해관계자 커뮤니케이션 부족’, ‘변경 관리 부재’ 등 주요 원인 노드를 중심으로 구성되었으며, 각 원인과 결함 유형 간의 조건부 확률을 학습하였다.

DCA 세션에서는 실무자가 특정 결함을 보고하면, 베이지언 네트워크의 진단 추론(diagnostic inference) 기능을 이용해 가장 가능성이 높은 원인 후보들을 자동으로 제시한다. 이는 기존에 전문가의 경험에 크게 의존하던 방식과 달리, 객관적인 데이터 기반 지원을 제공한다는 점에서 의미가 크다. 또한, 네트워크는 새로운 사례가 추가될 때마다 업데이트가 가능하므로, 지속적인 학습과 개선이 가능하도록 설계되었다.

평가 단계는 세 단계로 나뉘었다. 첫 번째는 학계 환경에서의 파일럿 테스트로, 연구팀 내부와 대학원생을 대상으로 도구 사용성을 검증하였다. 두 번째는 프라운호퍼 프로젝트 센터(UFBA) 소속 산업 전문가 12명을 대상으로 한 워크숍이며, 여기서 참가자들은 제시된 원인 후보가 실제 프로젝트 상황과 부합한다는 긍정적인 피드백을 제공했다. 마지막으로 BNDES의 실제 프로젝트에 적용한 사례 연구에서는, DCA 세션 시간 단축(평균 30% 감소)과 원인 도출 정확도 향상(전문가 평가 기준 85% 이상 일치)이라는 구체적 성과가 보고되었다.

이러한 결과는 교차 기업 데이터와 베이지언 네트워크를 결합한 DCA 지원이 실무에서 실질적인 가치를 제공함을 시사한다. 다만, 데이터 수집 과정에서 기업 간 문화적 차이와 설문 응답 편향이 존재했으며, 베이지언 네트워크의 구조 설계가 전문가 의견에 크게 의존했다는 점은 향후 연구에서 보완이 필요하다. 또한, 현재는 요구사항 엔지니어링 문제에 국한된 모델이므로, 다른 개발 단계(설계, 테스트 등)로 확장하는 작업이 남아 있다.