[논문 리뷰] Optimized Fuzzy Logic Based Framework for Effort Estimation in Software Development

Vishal S. Sharma, Harsh Kumar Verma|arXiv (Cornell University)|2010. 04. 19.

Software Engineering Research참고 문헌 20인용 수 32

한 줄 요약

이 논문은 전통적인 모델인 COCOMO와 같은 모델에서 발생하는 모호성 문제를 해결하기 위해 소프트웨어 노력 예측의 정확성을 향상시키기 위한 최적화된 퍼지 논리 프레임워크를 제안한다. 소프트웨어 크기, 개발 방식, 비용 도메인을 퍼지화함으로써 모델은 정확성을 향상시키고 전문 지식을 통합하며 설명 가능한 규칙 기반의 투명성을 확보하며 새로운 데이터에 적응할 수 있다. 이는 초기 단계의 노력 예측에서 불확실성과 모호성을 다루는 데 있어 기존 방법보다 뛰어난 성능을 발휘한다.

ABSTRACT

Software effort estimation at early stages of project development holds great significance for the industry to meet the competitive demands of today's world. Accuracy, reliability and precision in the estimates of effort are quite desirable. The inherent imprecision present in the inputs of the algorithmic models like Constructive Cost Model (COCOMO) yields imprecision in the output, resulting in erroneous effort estimation. Fuzzy logic based cost estimation models are inherently suitable to address the vagueness and imprecision in the inputs, to make reliable and accurate estimates of effort. In this paper, we present an optimized fuzzy logic based framework for software development effort prediction. The said framework tolerates imprecision, incorporates experts knowledge, explains prediction rationale through rules, offers transparency in the prediction system, and could adapt to changing environments with the availability of new data. The traditional cost estimation model COCOMO is extended in the proposed study by incorporating the concept of fuzziness into the measurements of size, mode of development for projects and the cost drivers contributing to the overall development effort.

연구 동기 및 목표

• 전통적인 소프트웨어 노력 예측 모델인 COCOMO와 같은 모델의 입력 매개변수에 내재된 모호성을 해결하기 위해.
• 퍼지 논리를 사용하여 불확실성을 모델링함으로써 예측 정확성과 신뢰성을 향상시키기 위해.
• 전문 지식을 통합하고 노력 예측을 위한 설명 가능한 규칙 기반 추론을 제공하기 위해.
• 새로운 데이터에 대한 적응성을 확보하기 위해 변화하는 프로젝트 환경에 적응할 수 있는 예측 모델을 확보하기 위해.
• 크기, 개발 방식, 비용 도메인에 퍼지성 통합을 통해 COCOMO 모델을 확장하기 위해.

제안 방법

• 언어 변수와 소속 함수를 사용하여 소프트웨어 크기, 개발 방식, 비용 도메인과 같은 핵심 입력을 퍼지화하기.
• 전문 지식에서 유도된 포괄적인 규칙 기반을 정의하여 퍼지 입력을 노력 예측으로 매핑하기.
• 퍼지 추론 시스템(Mamdani 또는 유사한 방식)을 적용하여 퍼지 규칙 및 논리 연산 기반으로 출력 노력 계산하기.
• 반복적 조정을 통해 소속 함수 및 규칙 기반을 최적화하여 예측 정확도 향상시키기.
• 새로운 데이터를 시스템에 통합하여 퍼지 모델의 동적 적응 및 개선 가능성을 확보하기.
• 불확실성 처리를 향상시키기 위해 크리프 값 대신 퍼지 표현을 사용하여 COCOMO 모델을 확장하기.

실험 결과

연구 질문

• RQ1 어떻게 퍼지 논리가 소프트웨어 노력 예측에서 입력의 모호성으로 인한 오차를 효과적으로 줄일 수 있는가?
• RQ2 전문 지식이 노력 예측을 위한 퍼지 추론 시스템에 체계적으로 통합될 수 있는 정도는 어느 정도인가?
• RQ3 퍼지 논리 프레임워크가 노력 예측 결정에 대해 투명하고 해석 가능한 추론을 제공할 수 있는가?
• RQ4 제안된 프레임워크는 새로운 데이터와 변화하는 프로젝트 환경에 어떻게 적응하는가?
• RQ5 최적화된 퍼지 모델은 전통적인 COCOMO 대비 예측 정확도 측면에서 어떤 성능 향상을 달성하는가?

주요 결과

• 제안된 퍼지 논리 프레임워크는 크기, 개발 방식, 비용 도메인의 불확실성을 모델링함으로써 예측 오차를 크게 감소시킨다.
• 규칙 기반 시스템을 통한 전문 지식 통합은 노력 예측의 신뢰성과 해석 가능성 향상에 기여한다.
• 사용자가 특정 언어적 규칙과 소속 함수로 예측의 근거를 추적할 수 있도록 모델은 투명성을 제공한다.
• 이 프레임워크는 새로운 데이터에 대한 적응성을 보이며, 지속적인 개선과 동적 업데이트 가능한 예측을 가능하게 한다.
• 최적화된 퍼지 모델은 전통적인 COCOMO보다 모호성과 모호성을 더 잘 다루어 초기 개발 단계에서 더 정확한 노력 예측을 이끈다.
• 본 연구는 입력 매개변수의 퍼지화가 더 현실적이고 견고한 노력 예측 결과를 도출한다는 것을 확인한다.