Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
고객 요구사항이 불분명한 상황에서 미션 효과성을 체계적으로 정의하기 위한 구조적 접근 방식을 제안합니다. 미션 의도를 다양한 구성 요소로 분해하고 복잡성 요인을 도입하여 요구사항 도출의 근거를 마련합니다.
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 바로가기본 논문은 다음과 같은 질문을 다룹니다: 고객 요구사항이 없는 상황에서 미션 효과성(mission effectiveness)을 어떻게 체계적으로 정의하거나 근사할 수 있는가? 기존의 요구사항 엔지니어링 (requirements engineering) 프레임워크는 사양을 정의하기 위해 고객의 입력을 전제로 하지만, 이해관계자의 입력이 불분명하거나 누락된 경우 프로세스에 공백이 발생합니다. 신속한 구축 및 개발 프로그램(군사 획득, 우주 자산, 인프라 프로젝트 등)은 제안 과정 전반에 걸쳐 요구사항과 목표가 진화하는 경우가 많으므로, 보다 적응적인 방법이 필요합니다. 이러한 공백을 메우기 위해, 미션 의도(mission intent)를 미션 컨텍스트 (mission context), 기능 (functions), 제약 조건 (constraints), 핵심 차원 (critical dimensions), 효과성 속성 (effectiveness attributes), 그리고 아키텍처 대안 (architecture alternatives)으로 분해하는 구조적 접근 방식을 제안합니다. 이 방법은 미션 타당성 평가 (mission feasibility assessment)를 수행하고, 최선-최악 스케일링 (Best-Worst Scaling)을 사용하여 미션 핵심 차원의 우선순위를 정하며, 외부 미션의 난이도, 기술 성숙도 (technology maturity), 증거 및 신뢰 표준 (evidence and confidence standards), 그리고 미션 효용성 (mission utility)의 영향을 정량적으로 이해하기 위해 미션 복잡성 요인 (mission complexity factor)을 도입합니다. 결과적으로 도출된 방법은 Tier 1 및 Tier 2 요구사항을 도출하기 위한 추적 가능한 근거를 제공합니다. 이 접근 방식은 향후 통합 아키텍처 프레임워크 (Unified Architecture Framework, UAF) 및 시스템 모델링 언어 (Systems Modeling Language, SysML) 산출물과의 통합을 지원하도록 구조화되었습니다. 제안된 프레임워크는 가상의 근접 항공 지원 (close air support) 미션 사례를 사용하여 입증됩니다.