[논문 리뷰] Probabilistic estimation of software project duration

Andrew M. Connor|arXiv (Cornell University)|2016. 06. 19.

Software Engineering Research참고 문헌 7인용 수 5

한 줄 요약

이 논문은 소프트웨어 프로젝트 수명 주기 전반에 걸쳐 노력 추정치의 불확실성을 모델링하기 위해 몬테카를로 시뮬레이션을 사용하는 확률적 프레임워크를 제안한다. 이전 프로젝트 데이터를 통합함으로써 추정 정확도를 향상시키고 프로젝트 매니저의 데이터 기반 의사결정을 지원한다.

ABSTRACT

This paper presents a framework for the representation of uncertainty in the estimates for software design projects for use throughout the entire project lifecycle. The framework is flexible in order to accommodate uncertainty in the project and utilises Monte Carlo simulation to compute the propagation of uncertainty in effort estimates towards the total project uncertainty and therefore gives a project manager the means to make informed decisions throughout the project life. The framework also provides a mechanism for accumulating project knowledge through the use of a historical database, allowing effort estimates to be informed by, or indeed based upon, the outcome of previous projects. Initial results using simulated data are presented and avenues for further work are discussed.

연구 동기 및 목표

• 소프트웨어 프로젝트 수명 주기 전반에 걸친 노력 추정의 내재된 불확실성을 다루기 위해.
• 확률적 기법을 사용하여 소프트웨어 프로젝트 기획 시 불확실성을 모델링할 수 있는 유연한 프레임워크를 개발하기 위해.
• 추정 불확실성의 전파를 정량화함으로써 프로젝트 매니저가 정보 기반 의사결정을 내릴 수 있도록 하기 위해.
• 이전 프로젝트 데이터를 노력 추정에 통합하여 정확도 향상과 지식 축적을 지원하기 위해.
• 저수준 작업에서 전체 프로젝트 기간으로의 불확실성 전파를 위한 확장 가능한 방법을 제공하기 위해.

제안 방법

• 프레임워크는 개별 작업의 노력 추정치에서부터 총 프로젝트 기간으로의 불확실성 전파를 위해 몬테카를로 시뮬레이션을 활용한다.
• 단일 추정치가 아닌 확률 분포를 사용하여 노력 추정치를 불확실성으로 모델링한다.
• 이전 프로젝트 데이터는 데이터베이스에 저장되어 사전 분포를 정의하고 추정 정확도를 향상시키는 데 활용된다.
• 새로운 정보가 가용해짐에 따라 수명 주기 동안 동적으로 업데이트를 지원한다.
• 반복적인 시뮬레이션 실행을 통해 가능한 프로젝트 완료 시간의 분포를 생성함으로써 불확실성 전파를 계산한다.
• 다양한 프로젝트 유형과 추정 정밀도 수준에 적응 가능한 확장성과 유연성을 갖춘 프레임워크로 설계되었다.

실험 결과

연구 질문

• RQ1 소프트웨어 프로젝트 노력 추정의 불확실성은 수명 주기 전반에 걸쳐 효과적으로 모델링되고 전파될 수 있는가?
• RQ2 이전 프로젝트 데이터는 확률적 노력 추정의 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 몬테카를로 시뮬레이션은 소프트웨어 프로젝트의 기간 초과 위험을 효과적으로 정량화할 수 있는가?
• RQ4 프로젝트 매니저는 확률적 추정치를 어떻게 활용하여 계획 수립 및 실행 단계에서 더 나은 의사결정을 내릴 수 있는가?
• RQ5 어떤 메커니즘이 프로젝트 지식의 축적과 재사용을 가능하게 하여 추정 신뢰도를 향상시키는가?

주요 결과

• 프레임워크는 확률적 노력 추정치와 몬테카를로 시뮬레이션을 활용하여 소프트웨어 프로젝트 기간의 불확실성을 성공적으로 모델링하였다.
• 시뮬레이션된 데이터를 사용한 초도 결과는 이 방법이 현실적인 프로젝트 완료 시간 분포를 생성할 수 있음을 보여주었다.
• 이전 프로젝트 데이터의 통합은 시간이 지남에 따라 노력 추정의 현실성과 정확도를 향상시켰다.
• 이 접근법은 확률적 신뢰구간을 통해 일정 목표 달성 가능성을 평가할 수 있도록 프로젝트 매니저를 지원한다.
• 새로운 프로젝트 데이터가 가용해짐에 따라 추정치의 반복적 개선이 가능하다.
• 이 방법은 다양한 소프트웨어 개발 환경에서 확장 가능하고 민첩한 불확실성 관리 메커니즘을 제공한다.