Halstead의 소프트웨어 사이언스(Software Science) 계산 방법

[예제 문제]다음 C 언어 코드 조각을 보고 할스테드의 소프트웨어 사이언스 지표 중 프로그램 어휘량(Vocabulary)과 부피(Volume)를 계산하시오. (단, $\log_2 16 = 4$로 계산한다.)if (a > b) x = y + 1;else x = y - 1;1단계 연산자(Operator)와 피연산자(Operand) 분류할스테드 측정의 핵심은 무엇이 연산자고 무엇이 피연산자인지 정확히 구분하는 것입니다.연산자 ($n_1, N_1$) : 제어문, 산술 연산자, 할당문, 괄호, 세미콜론 등피연산자 ($n_2, N_2$) : 변수명, 상수(숫자)구분종류 (Distinct)개수 (Total)연산자 ($n_1$)if, else, ( ), >, =, +, -, ;8종류 ($n_1 = 8$)연산..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 20.

소프트웨어 복잡도(Software Complexity)

소프트웨어 복잡도(Software Complexity)는 코드의 유지보수성, 오류 가능성, 테스트 용이성을 판단하는 핵심 지표로 자주 출제되는 영역입니다. 암기할 것 위주로 정리합니다.1. McCabe의 순환 복잡도 (Cyclomatic Complexity)가장 출제 빈도가 높습니다. 제어 흐름 그래프(Control Flow Graph)를 기반으로 프로그램 내의 독립적인 경로의 수를 측정합니다. (기본 경로 Basic Path)[공식 1] (그래프 이용): $V(G) = E - N + 2P$$E$: 간선(Edges) 수$N$: 노드(Nodes) 수$P$: 연결된 성분의 수 (보통 단일 프로그램이면 1)[공식 2] (분기점 이용): $V(G) = \text{화살표로 둘러싸인 영역(Region)의 수}$[공..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 20.

가용성(Availability) 핵심 정리

1. 주요 지표의 정의 및 관계식MTBF (Mean Time Between Failures, 평균 고장 간격) 수리 가능한 시스템이 고장 난 후, 다음 고장이 발생할 때까지의 평균 시간입니다.MTTR (Mean Time To Repair, 평균 수리 시간) 고장이 발생했을 때 이를 수리하여 정상 가동하는 데까지 걸리는 평균 시간입니다.MTTF (Mean Time To Failure, 평균 고장 시간)수리 후 다음 고장까지의 순수 가동 시간, 혹은 수리 불가능한 부품이 고장 나기까지 걸리는 시간입니다.💡 핵심 관계식 (암기 필수) : 시험에서 가동 시간과 수리 시간을 구분할 때 반드시 사용되는 공식입니다.MTBF = MTTF + MTTR (고장 간격 = 순수 가동 시간 + 수리 시간)MTTF = MTBF..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 19.

이언 소머빌(Ian Sommerville)이 강조하는 위험 관리(Risk Management)의 핵심 프로세스 4단계

위험은 실제로 발생하여 프로젝트 결과에 부정적인 영향을 끼친 문제이다.위 문장이 왜 틀린걸까요? 이언 소머빌(Ian Sommerville)의 소프트웨어 공학 관점에서 해당 문장이 틀린 이유는 '위험(Risk)'과 '문제(Issue/Problem)'의 시점 차이 때문입니다. 공학적으로 이 둘은 엄격히 구분됩니다.1. 위험(Risk) vs 문제(Issue)소머빌은 위험을 다음과 같이 정의합니다.위험(Risk) : 아직 발생하지 않았지만, 미래에 발생할 가능성이 있는 불확실한 사건입니다. 즉, '확률'의 영역에 있습니다.문제(Issue) : 이미 실제로 발생하여 현재 프로젝트에 영향을 주고 있는 결정된 사건입니다.따라서 질문하신 문장에서 "위험은 실제로 발생하여... 문제이다"라는 부분은 위험의 정의가 아니라..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 18.

CMMI(Capability Maturity Model Integration)

CMMI(Capability Maturity Model Integration)는 소프트웨어 및 시스템 공학의 프로세스 개선을 위한 대표적인 모델입니다. 감리사나 전산직 시험에서 매년 빠지지 않고 등장하는 주제인 만큼, 핵심 내용을 중심으로 정리해 드립니다.1. CMMI의 등장 배경 및 목적과거 미국 국방부(DoD)는 소프트웨어 개발 프로젝트의 비용 초과, 일정 지연, 품질 저하 문제를 해결하고자 했습니다. 이를 위해 카네기 멜런 대학의 소프트웨어 공학 연구소(SEI)에 의뢰하여 SW 개발 역량을 평가하는 CMM을 만들었습니다. 이후 SW뿐만 아니라 시스템(SE), 제품 개발(IPPD) 등 여러 분야로 파생된 모델들을 하나로 통합할 필요성이 생겼고, 2002년에 CMMI라는 통합 모델이 탄생하게 되었습니다..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 18.

품질속성 시나리오(QAS, Quality Attribute Scenarios)

품질속성 시나리오(Quality Attribute Scenario)는 소프트웨어의 비기능적 요구사항(성능, 보안, 가용성 등)을 막연한 설명이 아니라, 구체적이고 측정 가능한 형태로 표현한 문장입니다.예를 들어 "시스템은 빨라야 한다"는 모호하지만, "정상 운영 상태에서 사용자가 검색 버튼을 누르면 2초 이내에 결과가 화면에 출력되어야 한다"는 구체적입니다. 이렇게 작성하는 것이 바로 품질속성 시나리오입니다.1. 시나리오의 6가지 구성 요소SEI(소프트웨어 공학 연구소)에서는 시나리오를 작성할 때 다음 6가지 요소를 포함할 것을 권장합니다.구성 요소설명예시자극원 (Source)자극을 발생시키는 주체외부 사용자, 관리자, 해커, 다른 시스템자극 (Stimulus)시스템에 도착하는 이벤트데이터 입력, 시스템..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 16.

맥콜(McCall)의 소프트웨어 품질 모델

맥콜(McCall)의 소프트웨어 품질 모델은 사용자와 개발자의 관점에서 소프트웨어의 품질을 평가하기 위해 제안된 고전적인 모델입니다. 이 모델은 소프트웨어의 특성을 3가지 관점으로 분류하고, 이를 다시 11가지 세부 품질 요소로 정의합니다.구체적인 분류 내용은 다음과 같습니다.1. 제품 운용 (Product Operation)사용자가 소프트웨어를 실제로 실행할 때 느끼는 품질 요소입니다. (사용자 관점)품질 요소설명정확성 (Correctness)사용자의 요구사항을 정확히 충족시키는 정도신뢰성 (Reliability)정해진 기간 동안 오류 없이 기능을 수행하는 정도효율성 (Efficiency)자원(메모리, CPU 등)을 최소한으로 사용하며 성능을 내는 정도무결성 (Integrity)허가되지 않은 접근으로부..

  • format_list_bulleted 소프트웨어공학
  • · 2026. 1. 16.

Z-Score

Z-score(Z-점수)는 쉽게 말해 "어떤 값이 평균으로부터 표준편차의 몇 배만큼 떨어져 있는가?"를 나타내는 수치입니다. 서로 다른 기준을 가진 데이터들을 동일한 잣대로 비교할 수 있게 해주는 '표준화' 도구라고 이해하시면 됩니다. 1. Z-score 계산 공식$$Z = \frac{x - \mu}{\sigma}$$x : 측정하고 싶은 개별 데이터 값 (관측치)μ(뮤) : 전체 데이터의 평균σ(시그마) : 전체 데이터의 표준편차 2. 계산 결과Z = 0 : 해당 데이터는 정확히 평균과 같습니다.Z > 0 (양수) : 평균보다 높은 값입니다.Z Z = 1: 평균보다 표준편차의 1배만큼 높은 곳에 위치합니다. 3. 예시 (성적 비교)서로 다른 과목의 성적을 비교할 때 Z-score가 유용합니다.수학 점수:..

  • format_list_bulleted 감리 및 사업 관리
  • · 2026. 1. 16.
6시그마(Six Sigma)와 Z-Score의 계산

6시그마(Six Sigma)와 Z-Score의 계산

식스시그마의 핵심은 데이터가 평균을 중심으로 얼마나 퍼져 있는가(산포)를 관리하는 것입니다. 이를 가장 잘 보여주는 것이 바로 정규분포 곡선(종 모양 곡선)입니다. 1. 정규분포와 시그마(σ)의 관계정규분포에서 표준편차(σ)는 평균으로부터 떨어진 거리를 나타내는 단위입니다. 평균을 중심으로 좌우로 시그마만큼 이동할 때마다 그 안에 포함되는 데이터의 확률이 달라집니다.1σ (68.27%): 데이터의 약 68%가 이 범위 안에 들어옵니다. (관리가 아주 느슨한 상태)3σ (99.73%): 데이터의 99.7%가 범위 안에 들어옵니다. 일반적인 공정 관리의 기준입니다.6σ (99.99966%): 데이터의 거의 100%가 범위 안에 들어옵니다. 불량률이 100만 개당 3.4개 수준으로 매우 정교한 상태입니다.2...

  • format_list_bulleted 감리 및 사업 관리
  • · 2026. 1. 16.
6시그마(Six Sigma)와 PERT의 관계

6시그마(Six Sigma)와 PERT의 관계

1. '시그마(σ)'라는 용어의 공통점6시그마의 '시그마'는 통계학에서 표준편차를 의미합니다. PERT 계산에서 사용한 공식인 σ = (비관치 - 낙관치) / 6은 바로 이 표준편차를 구하는 식입니다.PERT : 전체 범위(비관치 - 낙관치)를 6σ로 간주하여 평균적인 변동 폭을 계산합니다.6시그마 : 프로세스의 평균으로부터 규격 한계까지 표준편차(σ)가 6번 들어갈 정도로 산포(흩어짐)를 줄여 불량률을 최소화(3.4 PPM)하려는 전략입니다.2. 정규분포와 확률적 관리두 개념 모두 데이터가 정규분포(Normal Distribution)를 따른다는 가정 하에 관리합니다.6시그마는 데이터가 중심(평균)에 얼마나 밀집해 있는지를 관리하여 품질을 높입니다.3점 추정(PERT)은 계산된 평균(μ)과 표준편차(σ..

  • format_list_bulleted 감리 및 사업 관리
  • · 2026. 1. 16.