효과적 정보시스템 비용예측 모델: 최적사례선별을 이용한 인공신경망 접근법

Abstract

기존의 정보시스템 비용 예측에 관한 모델들은 급변하는 정보화 기술(모듈재사용, 4세대 언어, CASE도구 등)과 환경의 패러다임(객체지향형 시스템, 클라이언트-서버 중심의 분산 구조, 인터넷/인트라넷 시스템 등)을 반영할 수 있는 융통성과 예측력의 정확성이 결여되고 있다. 이와 같은 제약을 극복하기 위해서 신경망을 이용한 예측모델과 최적 유사 사례 집단의 접근방법을 결합한 예측기법을 제안하였다. 이러한 접근방법에 있어서 최적의 적용 사례 선별과 예측값을 검색하기 위한 알고리즘을 만들고 이들의 적용 결과를 COCOMO와 단순 신경망 모델등의 결과와 비교 분석했다. 이 실험을 위해 국내의 기업체에서 수집된 45개의 정보시스템 개발 프로젝트의 사례들을 적용하여 임의로 추출된 30개의 목표 프로젝트에 대해 통계적으로 예측력을 검정하였다. 본 연구의 제안 모델을 전통적인 신경망 모델 그리고 COCOMO와의 평균 예측오차값과 비교하여 본 결과 본 연구에서 제안된 모델은 예측오차가 14%, 신경망 단독의 모델은 27%, 그리고 COCOMO가 93%임이 확인되었다. 이 결과를 통해서 제안한 모델의 예측력과 효율성이 확인 되었으므로 변화하는 정보기술 환경하에서도 보다 신뢰성 있고, 예측력이 좋으며 사용자가 쉽게 모델링하여 사용할 수 있는 정보 시스템의 프로젝트 비용예측 모델로 활용 가능해졌다.