1. 프로젝트 주제

Classification from SW Defect Log

2. 조구성

조장: 김은기 (S.LSI사업부 SW Engineering팀) 조원: 권용주 (SAIT Machine Learning TU)

3. 프로젝트 소개

Galaxy Smart phone에서 사용하는 SoC인 Exynos에는 ARM Core 뿐 아니라 Memory controller, GPU, NPU, display controller, Storage controller 등등 수많은 IP들이 집적되어 있습니다. 그 HW IP들을 제어하는 SW를 수십 개 조직에서 분담 개발하여 Exynos SW를 완성합니다. Exynos HW의 안정성과 SW의 품질을 높이기 위해 개발 단계에서는 끊임없는 시험을 하고 문제 발생에 대해 해결하는 것을 반복합니다. 반복되는 시험과 해결 사이에는 문제 분석과 담당자 선정이 필요한데, 현재 사람이 수행하고 있습니다. 이 문제 분석과 담당자 선정에 AI를 적용하여 빠르고 정확하게 이루어진다면 문제 해결이 빨라질 것으로 기대하고 있습니다.

4. 기존 방식의 문제점

Exynos HW와 SW를 완성하기 위해 수많은 SW Test를 매일 시험하고 문제 해결을 반복하고 있습니다. 문제 해결 과정을 간략히 표현하면 아래와 같습니다. 이때 문제가 되는 부분은 [분석자 Log 분석]입니다. [분석자 Log 분석]이 소수의 사람이 경험에 의해 진행되고 있어 문제 해결 지연을 유발하는 경우가 있습니다. 하루에도 수십건의 문제가 발생하고 있으므로 위 문제 해결 지연은 업무 효율을 저하시키는 요인이 됩니다.

[분석자 Log 분석]의 구체적인 문제 요인은 아래와 같습니다.

• 분석자가 업무 시간이 아니거나 분석업무가 몰리는 경우 Log 분석 자체가 지연
• 부정확한 분석으로 담당자 선정이 틀린 경우 [담당자 재할당] 추가 진행

5. 문제점 개선

기존방식의 문제점인 [분석자 Log 분석]을 [AI Log 분석]으로 변경하고자 합니다. [분석자 Log 분석]의 문제 요인에 대해 아래와 같이 해결 될 것으로 기대하고 있습니다.

• 분석자가 업무 시간이 아니거나 분석업무가 몰리는 경우 Log 분석 자체가 지연 ==> Log 추출된 후 AI가 자동 실행
• 부정확한 분석으로 담당자 선정이 틀린 경우 [담당자 재할당] 추가 진행 ==> AI를 통해 정확한 담당자 선정

6. Log 분석 업무의 특징

Log 분석의 목적은 문제를 해결하는 것이 아니고 문제를 해결할 IP 담당자를 찾는 것이다.

• Log 분석으로 문제 원인을 찾는 경우는 매우 적음, 문제해결의 단서만 찾을 가능성이 높음
• 문제 분석은 IP 담당자가 해야지만, SOC안에 수 십개의 IP가 집적되어 있어 문제 IP 담당자 찾기가 어려움
• 문제 IP를 빠르고 정확하게 찾은 것이 중요

Log 분석은 가능한 짧은 시간에 IP 담당자를 할당해야 한다.

• Log 분석 시간이 늦어지면, 그만큼 IP 담당자에 할당이 늦어져서 문제해결이 지연 됨

Log 분석은 가능한 맞는 IP 담당자를 할당해야 한다.

• IP담당자 할당이 틀린 경우 다른 IP담당자로 재할당 해야 하므로 그만큼 문제 해결이 지연됨

7. Project Milestone

목표	기간	해야 할일	산출물
Dataset 수집	10/4~10/31	- IP-담당자 Mapping Table 입수- Defect JIRA로 부터 Data 수집	-(data) IP-담당자 Mapping Table -(data) Linux kernel Log-(data) Android platform Log-(label) JIRA 첫번째 지정 담당자-(label) JIRA 최종 해결자
Model 개발	11/1~12/24	- 목표: 기존과 같거나 높은 정확도, 5분이내 추론 - 다양한 Model 개발(GRU, LTSM, BERT 등등) - 최적화 (Adapter, Quantization)	- 최적화 Option을 포함 한 다수의 Model- 다양한 Model들에 대한 비교 분석