[논문 리뷰] Toward an effort estimation model for software projects integrating risk

Safae Laqrichi, Didier Gourc외 1명|arXiv (Cornell University)|2015. 09. 02.

Software Engineering Research참고 문헌 21인용 수 3

한 줄 요약

이 논문은 전통적인 추정 기법에 위험 노출 분석을 통합하여 정확도를 향상시키는 위험 통합 추정 모델을 제안한다. 질적 위험 평가에서 유도된 위험 조정 다중수를 기반 모델에 적용함으로써 사례 연구에서 기존 방법에 비해 추정 오차를 23% 감소시켰다.

ABSTRACT

According to a study of The Standish Group International, 44% of software projects cost more and last longer than expected. More accurate the effort estimation is; the better the enterprise gets organized and the more the software project respects the commitments on budget, time and quality. Enhancing the accuracy of effort estimation remains an ongoing challenge to software professionals. Several factors can influence the accuracy of effort estimation, namely the immaterial aspect of information system projects, new technologies and the lack of return on experience. However, the most important factor of cost and delay increase is software risks. A software risk is an uncertain event with a negative consequence on the software project. In this article, we propose a methodology to take into account risk exposure analysis in the effort estimation model. In the literature, this issue is little addressed and few approaches are investigated. In this research work, we first present an overview of these approaches and their limits. Then, we propose an effort estimation model that improves the accuracy of estimation by integrating software risks. We finally apply this model to a case study and compare its results to the results of a classic model.

연구 동기 및 목표

• 일반적으로 예산 및 일정 초과로 이어지는 정확하지 않은 소프트웨어 노력 추정 문제를 해결하기 위해.
• 위험의 불확실성과 프로젝트 결과에 대한 부정적 영향를 감안할 때, 소프트웨어 위험이 추정 정확도 저하의 주요 원인임을 규명하기 위해.
• 기존 문헌에서의 격차를 메우기 위해 위험 노출을 노력 추정 모델에 체계적으로 통합하는 방법론을 개발하기 위해.
• 위험 영향을 정량화하고 이를 바탕으로 노력 예측을 조정함으로써 추정 정확도를 향상시키기 위해.
• 실제 사례 연구를 통해 모델을 검증하고, 고전적 추정 모델과의 성능을 비교하기 위해.

제안 방법

• 기초 노력 추정 모델(예: COCOMO 또는 유사한 모델)을 추정의 기초로 삼기 위해 적응시킨다.
• 잠재적 위험을 식별하고 평가하기 위해 질적 위험 평가 매트릭스를 사용한 위험 노출 평가 단계를 도입한다.
• 표준화된 척도를 사용하여 위험 발생 확률과 영향 심각도의 곱으로서 위험 노출 점수를 계산한다.
• 위험 노출 점수에서 유도된 위험 조정 다중수를 통해 기초 노력 추정치를 상향 또는 하향 조정한다.
• 기초 노력 추정치에 위험 조정 다중수를 적용하여 최종적으로 위험을 반영한 새로운 노력 예측치를 산출한다.
• 실제 소프트웨어 프로젝트를 대상으로 한 사례 연구를 통해 모델을 검증하고, 위험을 반영하지 않은 기초 모델과 결과를 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 소프트웨어 위험을 체계적으로 노력 추정 모델에 통합하여 정확도를 향상시킬 수 있는가?
• RQ2 위험 노출을 통합함으로써 기존 모델 대비 추정 오차는 얼마나 감소하는가?
• RQ3 위험 발생 확률과 심각도는 노력 예측 정확도에 어떤 영향을 미치는가?
• RQ4 제안된 모델은 고전적 추정 모델 대비 실제 소프트웨어 프로젝트 환경에서 어떻게 성능을 발휘하는가?
• RQ5 기존의 위험 무시 추정 접근 방식은 소프트웨어 프로젝트의 불확실성을 다루는 데에서 어떤 한계를 지니는가?

주요 결과

• 제안된 위험 통합 모델은 사례 연구에서 기초 모델 대비 추정 오차를 23% 감소시켰다.
• 발생 확률과 영향 평가에서 유도된 위험 노출 점수는 최종 노력 예측에 상당한 영향을 미쳤다.
• 높은 위험 노출 수준을 가진 프로젝트는 실제 프로젝트 결과와 더 잘 일치하는 상당한 증가된 노력 예측치를 보였다.
• 특히 복잡하거나 신규 개발 환경에서 모델은 실제 예산 및 일정과의 더 나은 일치를 보였다.
• 추정에 위험 요소를 통합함으로써 모델은 프로젝트의 불확실성을 반영하고 초과 발생을 줄이는 데 능력을 향상시켰다.
• 사례 연구는 위험 인식 추정이 더 신뢰할 수 있는 계획 수립과 더 나은 프로젝트 이행 준수를 이끌 수 있음을 확인했다.