Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
애자일 환경의 가변적인 인력 역량을 반영하기 위해 기존 Parr 모델을 리팩토링한 새로운 예측 모델을 제안합니다. 이 모델은 자원 제한 상황에서도 프로젝트의 진행 상황, 완료 시간, 역량 부족 및 여유를 효과적으로 예측할 수 있습니다.
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 바로가기PNR 제품군과 Parr 대안 곡선 (Parr alternative curve)을 포함한 전통적인 소프트웨어 투입량 분포 모델들은 암묵적인 인력 배치 패턴 하에서의 개발 노력 시간 분포를 설명하기 위해 설계되었습니다. 팀의 역량 (capacity)이 고정되어 있거나, 부분적으로 고정되어 있거나, 외부 제약을 받는 애자일 환경에서 이러한 모델을 직접 사용하는 데는 한계가 있습니다. 원래의 곡선은 조직이 할당할 수 없는 인력 수요를 규정할 수 있기 때문입니다. 본 논문은 애자일 프로젝트를 위한 역량 인식 (capacity-aware) 예측 계층으로서 Parr 모델의 컴팩트한 리팩토링 (refactoring)을 제안합니다. 본 연구의 기여는 프로젝트 역학 (project dynamics)에 대한 완전한 인과 이론보다는 의도적으로 좁은 범위를 다룹니다. 정규화된 Parr 형태의 잠재적 노력 수요 (latent effort demand)를 관찰되었거나 계획된 역량 궤적 (capacity trajectory)과 결합합니다. 결과적으로 도출된 모델은 자원 제한 하에서 동일한 내부 활동 경로가 뒤따른다고 가정하지 않고도 총체적인 진행 상황, 완료 시간, 역량 부족 (capacity deficit), 그리고 역량 여유 (capacity slack)를 예측합니다. 이 모델은 총 노력량 K, Parr 형태 파라미터, 0이 아닌 초기 인력 배치를 맞출 수 있는 원점 상수 c, 그리고 역량 궤적과 같은 작은 파라미터 세트를 사용합니다. 일반적인 Scrum 기록으로부터의 보정 (calibration) 방법 및 단순 관리 기준선 (management baselines)에 대한 롤링 오리진 검증 (rolling origin validation) 프로토콜과 함께 이산적 스프린트 (discrete sprint) 공식이 제공됩니다.