TC 자동생성이란?

자동차 소프트웨어를 개발하면 반드시 따라오는 것이 테스트입니다. 그리고 테스트를 하려면 테스트케이스(TC)가 있어야 합니다. 어떤 입력을 넣고, 어떤 결과가 나와야 하고, 어떤 조건에서 실행하는지를 정의하는 것이 TC입니다.

문제는 이 TC를 사람이 하나하나 만든다는 것입니다. 요구사항 문서를 읽고, 테스트 시나리오를 설계하고, 테스트 코드를 작성하는 과정이 전체 개발 기간의 상당 부분을 차지합니다. ECU 하나에 들어가는 소프트웨어 컴포넌트가 수십~수백 개인 상황에서, 수동으로 TC를 만드는 것은 현실적으로 한계가 있습니다.

TC 자동생성(Test Case Auto-Generation)은 이 과정을 자동화하는 기술입니다. 요구사항, 설계 모델, 또는 소스 코드를 분석하여 TC를 자동으로 만들어냅니다.

TC를 자동으로 만드는 세 가지 방법

TC 자동생성에는 크게 세 가지 접근 방식이 있습니다.

요구사항 기반 (Requirements-Based)

요구사항 문서를 분석하여 테스트 시나리오를 도출합니다. "차속이 120km/h를 초과하면 경고음을 울린다"는 요구사항이 있으면, "120km/h 초과 시 경고음 발생 확인", "120km/h 이하 시 경고음 미발생 확인", "정확히 120km/h 시 경계값 확인" 같은 TC가 나옵니다.

최근에는 AI가 자연어로 된 요구사항을 직접 분석하여 TC를 생성하는 방식이 등장했습니다. 사양서의 의미를 파악해서 기술 요구사항을 자동으로 추출하고, 각 요구사항에 대응하는 TC를 생성합니다.

모델 기반 (Model-Based)

ARXML이나 Simulink 같은 설계 모델에서 입출력 인터페이스와 상태 전이를 분석하여 TC를 생성합니다. 소프트웨어 컴포넌트의 포트 정의와 런너블 사양이 곧 TC의 입력이 됩니다. 경계값 분석, 등가 분할 등의 테스트 설계 기법을 자동으로 적용합니다.

코드 기반 (Code-Based)

소스 코드의 분기, 조건, 경로를 정적 분석하여 코드 커버리지를 최대화하는 TC를 생성합니다. ISO 26262에서 요구하는 MC/DC(Modified Condition/Decision Coverage) 달성에 효과적인 방법입니다.

ASPICE에서 TC 자동생성이 중요한 이유

ASPICE(Automotive SPICE)에서 검증(Verification) 관련 프로세스는 소프트웨어 개발의 핵심입니다.

SWE.4 — 소프트웨어 단위 검증: 개별 모듈의 단위 테스트
SWE.5 — 소프트웨어 통합 테스트: 컴포넌트 간 인터페이스 검증
SWE.6 — 소프트웨어 자격 테스트: 요구사항 대비 최종 검증

이 단계들에서 OEM이 요구하는 것은 단순히 "테스트를 했다"가 아닙니다. 요구사항과 TC 간의 양방향 추적성(Traceability), 테스트 커버리지의 정량적 측정, 그리고 체계적인 테스트 전략이 필요합니다.

TC 자동생성은 이 과정을 크게 가속화합니다. 요구사항 ID와 TC를 자동으로 매핑하여 추적성 매트릭스를 만들고, 커버리지 리포트를 자동 생성하며, 요구사항이 변경되면 영향받는 TC를 자동으로 식별합니다.

2023년 11월에 출시된 ASPICE 4.0은 Agile 및 DevOps 방법론을 반영하여 범위가 확장되었습니다. 반복적이고 지속적인 검증이 더욱 중요해진 만큼, 수동으로 TC를 관리하는 방식의 한계는 더 뚜렷해지고 있습니다.

AI가 바꾸고 있는 자동차 테스트

2025~2026년, 자동차 소프트웨어 테스트 영역에서 AI 활용이 빠르게 확대되고 있습니다.

글로벌 자동차 업계에서는 이미 생성형 AI를 활용한 요구사항 기반 TC 생성, AI 기반 테스트 스크립트 자동화, ASPICE/ISO 26262 규격 준수 자동 검증 등이 실제 프로젝트에 적용되고 있습니다.

공통적인 방향은 명확합니다. 요구사항 분석, TC 생성, 커버리지 측정, 추적성 관리를 AI로 자동화하여 엔지니어가 설계와 판단에 집중하게 하는 것입니다.

TC 자동생성 도입 시 고려할 점

TC 자동생성을 도입할 때 확인해야 할 것들이 있습니다.

첫째, ASPICE 산출물과의 연계입니다. TC가 자동으로 생성되더라도 요구사항과의 추적성 매트릭스가 함께 나와야 실무에서 쓸 수 있습니다.

둘째, 자동생성의 한계를 이해해야 합니다. 자동 생성된 TC는 구조적 커버리지는 높지만, 도메인 특화 시나리오(특정 차량 조건에서의 통신 타이밍, 특수 운전 상황 등)는 엔지니어의 판단이 필요합니다. 가장 효과적인 접근은 AI 자동생성 + 엔지니어 리뷰의 하이브리드 방식입니다.

셋째, 기존 도구/프로세스와의 통합입니다. CI/CD 파이프라인에 연결되고, 기존 개발 환경과 자연스럽게 연동되어야 실제 워크플로우에 정착합니다.

PARVIS-Verify: 설계에서 검증까지 자동화

PopcornSAR의 PARVIS는 설계-개발-검증 전 과정을 단일 데이터 흐름으로 연결하여 ASPICE 프로세스를 준수하는 산출물을 자동 생성하는 AI 솔루션입니다.

그 중 PARVIS-Verify는 테스트 커버리지 분석 및 테스트 코드 자동생성을 담당합니다. 테스트 요구사항을 기반으로 테스트 시나리오를 자동 생성하고, 코드 변경 이력을 반영하여 커버리지를 지속적으로 업데이트합니다. 실제 프로젝트에서 86.4%의 테스트 커버리지를 달성했으며, 247개의 테스트 케이스를 생성하여 100% Pass Rate를 기록했습니다.

PARVIS-Verify는 PARVIS-Spec(요구사항 자동 분석)과 PARVIS-Coder(MISRA-C 자동 적용)와 함께 동작하여, 요구사항 분석 → 코드 검증 → 테스트 생성까지 3단계 자동화를 제공합니다.

더 자세한 내용은 PARVIS 제품 페이지에서 확인하실 수 있습니다. 구체적인 활용 방법이 궁금하시다면 편하게 문의해 주세요.

TC 자동생성이란? — AI가 테스트케이스를 만드는 시대