통합 신뢰성 평가를 위한 인공 신경망 구조 | 모아소프트 - 28+ Year's Experience in Reliability & Safety

Neural Network Architecture for Evaluating Integrated Reliability of Hardware and Software

신명근* · 박상건** · 류인수* Myeong-Geun Shin* · Sang-Gun Park · In-Soo Ryu***

(주)모아소프트, 고려대학교 공학대학원
** (주)모아소프트, 광운대학교 국방AI로봇융합학과
*** (주)모아소프트
(mgshin@moasoftware.co.kr)

ABSTRACT

Modern weapon systems are complex integrations of hardware and software, necessitating reliability analysis that comprehensively accounts for both.
This study proposes an Artificial Neural Network (ANN)-based framework that emulates the 217 Plus model.
By replacing the software failure rate parameter with software reliability metrics, the proposed model suggests the possibility of predicting integrated hardware–software reliability throughout the software development life cycle.

Key Words : Hardware, Software, Reliability, Integrated Reliability, Neural Network

서론

현대의 무기체계는 하드웨어와 소프트웨어가 긴밀히 통합된 복합 시스템으로 발전하고 있다. 이러한 특성으로 인해 하드웨어와 소프트웨어의 통합 신뢰도를 평가하기 위한 대표적인 방법으로 217 Plus 모델[1]이 널리 활용된다. 217 Plus 모델은 기본적으로 하드웨어 고장률과 하드웨어 가중치를 곱한 값에 소프트웨어 고장률을 더하는 형태로 구성된다.
본 연구에서는 217 Plus 모델의 수식을 모방한 인공 신경망 기반의 통합 신뢰성 평가 모델을 제안한다. 제안된 모델은 기존 217 Plus 모델에서 사용되는 소프트웨어 고장률 대신 소프트웨어 신뢰성 지표를 도입하여 하드웨어와 소프트웨어의 통합 고장률을 산출한다는 점에서 차별성을 갖는다.

…중략…

결론

본 연구에서는 217 Plus 모델을 높은 정밀도로 모사할 수 있는 인공 신경망 기반의 통합 신뢰성 평가 모델을 제안하였다. 제안된 모델은 기존 217 Plus 모델이 소프트웨어 시험 단계에서만 산출되던 고장률을 사용한 것과 달리 소프트웨어 개발 전 주기에 걸쳐 산출 가능한 신뢰성 지표를 활용하여 하드웨어 및 소프트웨어의 고장률을 예측할 수 있음을 보여주었다. 이를 통해 소프트웨어 개발의 전 주기에서 하드웨어 및 소프트웨어 통합 신뢰성을 평가할 수 있는 가능성을 제시한다.
결과적으로 본 연구의 모델은 무기체계의 통합 신뢰성 평가 및 예측의 효율성을 향상시키며 향후 무기체계 개발 과정에서 신뢰성 확보와 품질보증 활동의 고도화에 기여할 수 있을 것으로 기대된다.