Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
FMU 기반 시뮬레이션 모델의 검증을 위해 LLM 기반 다중 에이전트 워크플로우를 활용한 메타모픽 테스팅 기법을 제안합니다. 명세로부터 메타모픽 관계(MR)를 자동으로 추출하여 테스트 케이스 생성과 출력 일관성 평가를 자동화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기많은 산업 분야에서 Functional Mock-up Interface (FMI)는 다양한 모델링 도구를 사용하는 서로 다른 파트너 간에 Functional Mock-up Units (FMUs)로서 시뮬레이션 모델을 교환하는 데 사용됩니다. 이는 신뢰할 수 있는 시스템 동작을 보장하기 위해 FMU를 사용한 시뮬레이션 기반 검증 (Verification) 및 확인 (Validation)의 가능성을 열어줍니다. 그러나 이러한 시뮬레이션 모델에 대한 명시적인 기대 출력값이 없기 때문에 효과적인 테스트 오라클 (Test Oracle)을 도출하는 것은 여전히 어려운 과제로 남아 있습니다. 이는 시스템의 내부 동작에 대한 접근이 필요한 기존 테스팅 접근 방식의 적용 가능성을 제한합니다. 메타모픽 테스팅 (Metamorphic Testing, MT)은 메타모픽 관계 (Metamorphic Relations, MRs)를 활용하여 이러한 한계를 해결하지만, 명세 (Specification)로부터 이러한 관계를 추출하는 것은 여전히 상당 부분 수동적이며 오류가 발생하기 쉬운 과정입니다. 이 문제를 해결하기 위해, 우리는 FMU 기반 시뮬레이션 모델의 명세 기반 메타모픽 테스팅을 위한 LLM 기반 다중 에이전트 (Multi-agent) 워크플로우를 제안합니다. 이 접근 방식은 기능 및 인터페이스 명세를 입력으로 받아, 여러 에이전트를 오케스트레이션하여 요구사항을 추출하고 MR을 도출합니다. 이러한 MR은 입력 조건 (Given), 변환 (When), 그리고 기대되는 출력 동작 (Then)을 구조화하기 위해 Given-When-Then 패턴을 사용하여 표현됩니다. 이후 이러한 관계는 메타모픽 테스트 케이스를 생성하고, 시뮬레이션을 실행하며, 여러 세션에 걸쳐 출력 일관성을 평가하는 데 사용됩니다. 우리는 윤활유 냉각 시스템 (Lube Oil Cooling system) FMU를 통해 이 접근 방식을 평가하였으며, 의미 있는 MR과 그에 상응하는 테스트 케이스를 자동으로 생성하는 능력을 입증했습니다. 예비 결과에 따르면, 제안된 워크플로우는 수동 노력을 줄이고 테스트 생성을 개선함으로써 동적 시뮬레이션 모델의 체계적인 검증 및 확인을 효과적으로 지원할 수 있음을 보여줍니다.