Assurance Case를 위한 정량적 신뢰도 평가 방법의 확장성 분석

본 논문은 assurance case (보증 케이스)에 정량적 신뢰도 평가 (quantitative confidence assessment) 방법을 적용하는 데 필요한 의사결정 복잡도 (decision complexity)와 노력 (effort)을 추정하기 위한 모델을 제안합니다. 이 모델은 이러한 척도들에 대해 최악의 경우 (worst case)와 평균적인 경우 (average case)를 모두 고려하며, 이러한 양들이 논거의 크기 (argument size)에 따라 어떻게 확장 (scale)되는지 특성화합니다. 이전 연구들은 이러한 방법들을 적용하는 데 필요한 추가적인 노력이 assurance case 실무자들의 도입을 가로막는 장벽임을 나타냈습니다. 새로운 방법을 개발하거나 기존 방법을 개선하는 연구자들은 이 모델을 사용하여 자신의 방법을 적용하는 데 필요한 노력을 추정할 수 있습니다. 제안된 모델은 발표된 사례 연구 (case studies)의 데이터를 사용하여 매개변수화되었으며, 세 가지 기존 정량적 신뢰도 평가 방법인 Bayesian Belief Network (BBN) 방법, Dempster-Shafer Theory (DST) 방법, 그리고 Certus 방법에 적용되었습니다. 결과에 따르면, Certus가 가장 높은 최악의 경우 의사결정 복잡도를 보이지만, 평균적인 경우의 노력은 BBN 및 DST 방법보다 낮게 나타났습니다.