Fintecuriosity

※ 재사용에 대한 접근방법들은 각각 장점과 단점을 가지고 있습니다. 모든 조직에 대해 그리고 모든 상황에 대해 재사용 문제를 해결해줄 수 있는 만능의 접근방법은 존재하지 않습니다. 성공적인 재사용을 위해서는 재사용이 가능한 자산들이 조화될 수 있는 사회적, 기술적 세계를 이해하는 것뿐만이 아니라 재사용을 조직의 목표와 전략에 어떻게 적합시킬 수 있는지를 이해할 필요가 있습니다. 재사용은 비록 많은 조직에 가치를 제공함에도 불구하고, 모든 개발자들에게는 가치가 있는 것으로 보이지 않습니다. 초보 개발자들은 위험을 회피하는 경향이 있고 실수에 대해 두려움이 커서, 이미 테스트되고 검증된 기존의 코드를 재사용하는 경향이 있습니다. 경험이 많은 개발자들의 경우에는 다른 사람의 코딩 스킬을 신뢰하기보다는 자신의 ..

※ 조직은 재사용에 대해 네 가지 접근 방법을 취할 수 있습니다. 임시적인 재사용(ad hoc reuse) 접근방법은 적어도 조직의 공식적인 관점에서는 하나의 접근방법이라 할 수 없습니다. 이 접근방법을 적용하면, 사람들은 재사용 가능한 자산들을 나름대로 자유롭게 찾거나 개발할 수 있지만, 자산을 재사용 하는 것에 대해 조직의 보상은 거의 제공하지 않습니다. 개인적인 차원에서 이루어지는 이러한 임시 재사용의 경우, 회사가 얻을 수 있는 이득을 측정하기 어렵습니다. 재사용에 대한 또 다른 접근방법으로 촉진되는 재사용(facilitated reuse)을 들 수 있습니다. 이 접근방법은 개발자들이 재사용을 요구받기보다는 권장받도록 하는 것입니다. 이 접근방법을 사용하는 조직은 재사용 가능한 자산들에 대한 개발..

※ 재사용 대상인 객체 클래스와 컴포넌트들이 원래는 다른 애플리케이션에서 사용되었던 것들이라는 점과 관련된 법적, 계약 이슈들 또한 해결해야 할 과제임을 의미합니다. 조직의 경영진이 재사용을 전략으로 추진할 때, 조직이 자신의 재사용에 대한 접근 방법을 비즈니스 전략 목표들과 연계시키는 것이 중요합니다. 조직에서 재사용 경험을 많이 하는 만큼 재사용으로 인한 이득도 커지지만, 원활한 재사용을 위해 필요한 비용과 자원의 양도 늘어납니다. 소프트웨어 재사용은 다음과 같은 세 단계를 통해 수행됩니다. 1) 추상화 2) 저장 3) 재정황화 추상화(abstraction)는 기존의 소프트웨어 자산이나 소프트웨어 개발 첫 단계로부터 재사용이 가능한 소프트웨어 부분들을 정하는 것이 있습니다. 저장(storage)은 소..

※ 컴포넌트 기반 개발은 여러 프로그램들에서 상호 교환적으로 사용될 수 있는 일반적인 용도의 소프트웨어 부분에 초점을 맞춘다는 점에서 객체지향 개발과 유사하다는 것을 의미합니다. 컴포넌트들은 객체보다 작은 단위일 수도 있고, 통화 환산과 같이 하나의 비즈니스 기능을 다루는 소프트웨어 부분처럼 클 수도 있습니다. 컴포넌트 기반 개발의 기본 개념은 다양한 수준의 복잡성과 크기를 가진 컴포넌트들을 결합시킴으로써 애플리케이션을 개발하는 것입니다. 많은 벤더들은 필요한 컴포넌트들을 불러내어 결합시키기만 하면 원하는 애플리케이션이 개발될 수 있도록 이에 필요한 컴포넌트 라이브러리들을 개발하는 작업을 하고 있습니다. 특히 객체 클래스들에 대한 재사용이 효과적임을 알려주는 근거들이 존재합니다. 예를 들자면 어떤 연구실..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 중심적 경향을 표현하는 값을 기대치라 하지만, 기대치는 차이가 없더라도 흩어져 있는 거리나 모양이 다를 수는 있습니다. 확률의 종합 즉 그래프의 확률 면점은 늘 1로 동일하므로 평균에서 떨어진 거리 즉 밑변의 길이가 길면 길수록 평균치 주위에 존재하는 확률변수의 양은 작아지게 되어 위의 그림과 같이 완전히 다른 모양으로 나타나게 됩니다. 그러므로 모집단의 해석을 위해서는 데이터들이 중심위치에서 얼마만큼 떨어져 있는지를 표현하는 측도가 매우 중요합니다. 이러한 산포를 나타내는 대표적인 측도가 모표준편차(population standard deviation)입니다. 긴 글 ..

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. 기하평균(Geometric mean: G) ※ n개의 데이터 x1, x2, x3, ...xn 에 대해, 데이터를 모두 곱한 후 n개의 데이터에 대한 지수승을 역수를 취하여 얻은 값을 기하평균이라 하며 G로 표현됩니다. 기하평균은 기하급수적으로 변화하는 측정치라던가 FMEA와 같은 정성평가 시 평가측도의 차이가 클 때 등의 평균계산에 주로 사용합니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 27 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. 조회평균(harmonic mean: H) ※ n개의 데이터 x1, x2, x3, ...xn 에 대해, 데이터 수 n을 이 데이터들의 역수의 합으로 나누어서 얻은 값을 조화평균이라 하며 H라 표현합니다. 조회평균은 평균속도라든지 평균가격 등을 구하려는 경우 또는 망대특성을 망소특성으로 전환하는 경우에 주로 사용하게 됩니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 27 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ 데이터별로 중요도가 같지 않거나 확률변수의 가중치가 차이가 있을 경우, 가중치를 고려하여 평균을 구하는 방식입니다. 데이터가 복수로 나타날 경우 산술평균을 간소하게 구하기 위해 활용될 수 있습니다. 확률변수 x1, x2, x3, ... , xn의 가중치가 w1, w2, w3, ... wn일 경우 가중평균은 아래와 같습니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 26 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. ※ n개의 데이터 x1, x2, x3, ..., xn에 대해 데이터를 순서통계량으로 나열한 후 상.하위 일정비율에 해당되는 데이터를 제거한 후 남은 수치로 산술평균을 구한 값입니다. 데이터 취합에 편견 등으로 대푯값을 신뢰하기 어려울 경우 사용됩니다. 예를 들어서 올림픽 체조경기의 심판들이 평가하는 주관적 성적, 스톱워치로 여러 번 측정한 실측히로 표준시간을 정할 때 등에 사용됩니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 26 (2019)

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다. 범위의 중간(mid-range point : M) ※ 순서통계량에서 최소치와 최대치의 평균으로 구한 값입니다. 범위의 중간은 많은 데이터 집합에서 중앙을 빠르고 간단하게 평가할 수 있으며, M으로 표시합니다. 긴 글 읽어주셔서 감사합니다. References [1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 25 (2019)