• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.101-104
• /
• 2021

본 논문에서는 시뮬레이션을 이용하여 대부분의 공정이 수작업으로 이루어지고 있는 수산가공 공장의 생산성 향상을 위한 제조데이터 활용 시스템을 제안한다. 제안된 내용은 플랜트 시뮬레이션을 이용하여 생산공정 모델링을 제작하고, 이로부터 가상의 제조데이터를 수집하여 생산량, 작업공정 시간 등 최적화된 공정 프로세스를 도출한다. 또한 제조데이터 수집 및 분석을 위하여 공장 내 수기로 작성되는 제조데이터를 정형화하여 제조데이터 플랫폼에 저장하고, 저장된 데이터의 시각화, 실시간 모니터링 등 데이터 시각화 및 시뮬레이션과 연동된 공정 프로세스 예측 등에 활용 가능할 것으로 기대된다.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.6
• /
• pp.1301-1311
• /
• 2017

Manufacturing big data systems have supported decision making that can improve preemptive manufacturing activities through collection, storage, management, and predictive analysis of related 4M data in pre-manufacturing processes. Effective visualization of data is crucial for efficient management and operation of data in these systems. This paper presents visualization techniques that can be used to effectively show data collection, analysis, and prediction results in the manufacturing big data systems. Through the visualization technique presented in this paper, we have confirmed that it was not only easy to identify the problems that occurred at the manufacturing site, but also it was very useful to reply to these problems.

• KIPS Transactions on Software and Data Engineering
• /
• v.4 no.9
• /
• pp.393-402
• /
• 2015

Data visualization technology helps people easily understand various data and its analysis result, so usefulness of it is expected in the real industrial manufacturing sites. The large amount of data which is occurred at the manufacturing sites is able to fulfill very important roll to improve the manufacturing process. In this paper, we propose an information visualization for the manufacturing process optimization based on design of experimental and data analysis. The manufacturing process may be improved and be reduced cause of faulty by providing the easy-process analysis to understand the operation site through the information visualization of data analysis result.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.255-256
• /
• 2020

생산 현장에서 발생되는 다양한 형태의 데이터는 스마트한 제조관리를 가능하게 하는 원동력으로 이를 효율적으로 저장하고 처리, 분석하는 일련의 과정이 4차 산업혁명 기반의 제조혁신에 능동적으로 대응하기 위한 핵심요소로서, 이와 관련한 다양한 연구들이 활발히 이루어지고 있다. 특히, 제조데이터 분석이라는 영역은 단순하게 기존의 데이터를 통계적인 접근 수단으로만 보는 것이 아니라 다양한 산업별 업종 도메인의 특성에 기반하여 빅데이터 분석과 기계학습 등의 인공지능 모델로 발전하고 있다. 본 논문에서는 다양한 산업별 제조현장을 이해하는 도메인 경험 및 특성을 고려하여 데이터를 효과적으로 저장, 처리, 분석할 수 있는 클라우드 형태의 빅데이터 시스템을 제안한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.5
• /
• pp.783-788
• /
• 2021

Smart manufacturing is defined as the fully ICT-based manufacturing process which digitized, optimized, and automized the of manufacturing system in smart factory which includes product planning, design, production, quality, stock, procure. In this paper, we introduce the development of domestic standardization of smart factory and manufacturing data which are generated in operation of smart factory. We focus on general standardization of smart factory/ICT-based manufacturing system and data transactions related issues since the range of standardization is too wide. Based on these standardization review, we discuss the several concerns for utilization of manufacturing data.

• Information and Communications Magazine
• /
• v.29 no.11
• /
• pp.30-35
• /
• 2012

빅데이터의 패러다임과 함께 데이터의 활용과 이를 통한 기업 운영 혁신이 새롭게 주목받고 있다. 소셜 미디어 분석이나 고객 마케팅 분석등과 같은 분야에서 빅데이터 분석의 활용 사례가 속속히 소개되고 있다. 하지만 국내 산업에서 제조업이 차지하는 비중과 가치에비해 빅데이터의 제조업에 대한 응용에 관한 연구나 관련 문헌은 타 산업이나 응용분야에 비해 미약한 편이다. 본 글에서는 빅데이터 분석이 제조업에서 어떻게 활용될 수 있는지를 세가지 다른 형태의 데이터 분류 - 제조장비 운영데이터, 운용 통합데이터, 고객 경험 데이터 - 를 통해 소개하고 각 분류별 실제 사례를 통해 제조업체에서 실질적으로 응용할 수 있는 방안을 제공한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.741-743
• /
• 2015

오늘날 BI(Business Intelligence)시스템 다차원 데이터를 다루는 많은 방법들이 제안되어 TB 이상의 데이터를 다룰 수 있다. 하지만 IT 전문가 및 IT에 대한 투자여력이 충분하지 않은 중소 제조 기업들은 발 맞춰가기 힘들다. 또한 생산관리시스템(MES)을 미 도입한 기업이 대다수이고, 존재하는 현장데이터의 대부분도 수기데이터 또는 Excel 데이터로 보관 되어 있어, 수작업에 의한 데이터 분석과 의사결정을 수행한다. 이로 인해, 불량 요인 파악이나 이상 현상 파악이 불분명하기 때문에 데이터 분석에 어려움을 겪는다. 이에 본 연구에서는 중소제조기업의 경쟁력 강화를 위하여 제조 기업현장에서 사용되는 데이터를 자동으로 수집하여 정제 및 처리하여 저장이 가능하도록 하는 빅 데이터 분석 시스템 모델을 개발하였다. 이 분석 시스템 모델은 ERP, MIS 등에 존재하는 데이터들이 각 시스템의 DB 기능을 활용하여 데이터를 추출하고 정제하여 수집하는 ETL(Extract Transform Loading)과정을 통한다. 현장에서 비정형으로 기록되고 있는 정보들(ex. Excel)은 ODE(Office Data Excavation)모듈을 통해 문서의 패턴을 자동으로 인식하고 정형화된 정보로서 추출, 정제되어 수집된다. 저장된 데이터는 오픈소스 데이터 시각화 라이브러리인 D3.js를 이용하여 다양한 chart들을 통한 강력한 시각효과를 제공함으로써, 정보간의 연관 관계 및 다차원 분석의 기반을 마련하여 의사결정체계를 효과적으로 지원한다. 또한, 높은 가격에 형성되어 있는 빅데이터 솔루션을 대신해 오픈소스 Spago BI를 이용하여 경제적인 빅 데이터 솔루션을 제공한다. 본 연구의 기대효과로는 첫째, 현장 데이터 중심의 효과적인 의사결정 기반을 마련할 수 있다. 둘째, 통합 데이터 기반의 연관/다차원 분석으로 경영 효율성이 향상된다. 마지막으로, 중소 제조기업 환경에 적합한 분석 시스템을 구축함으로써 경쟁력과 생산력을 강화한다.

• The Journal of Bigdata
• /
• v.1 no.1
• /
• pp.41-51
• /
• 2016

Big data is an emerging issue as large data which was impossible to be processed in the past is possible to be handled with the development of information and communication technology. Manufacturing is the most promising field that big data is applied such that there are abundant data available. It is important to improve an efficiency of manufacturing process for quality control and production efficiency because the processes from production design, sales, productions and so on are mixed intricately. This study proposes big data cloud service for manufacturing analysis using a big data technology and a process mining technique. It is expected for manufacturing corporations to improve a manufacturing process and reduced the cost by applying the proposed service. The service provides various analyses including manufacturing analysis and manufacturing duration analysis. Big data cloud service has been implemented and it has been validated by conducting a case study.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.5
• /
• pp.1117-1128
• /
• 2015

In order to secure an important competitive advantage in manufacturing business, an automation and information system from manufacturing process has been introduced; however, small and medium enterprises have not met the power of information in the manufacturing fields. They have been managing the manufacturing process that is depending on the operator's experience and data written by hand, which has limits to reveal cause of defective goods clearly, in the case of happening of low-grade goods. In this study, we analyze critical factors which affect the quality of some manufacturing process in terms of 4M. We also studied the automobile parts processing of the small and medium manufacturing enterprises controlled with data written by hand so as to collect the data written by hand and to utilize sensor data in the future. Analysis results show that there is no deference in defective quantity in machines, while raw materials, production quality and task tracking have significant deference.

• KSCI Review
• /
• v.8 no.2
• /
• pp.51-57
• /
• 2001

다품종 소량 생산으로 제조 업체의 전산 업무 관리가 매우 복잡해지고 있고, 전산 시스템이 급속히 변하며 환경이 복잡해지고 있으며. 전산에 입력해야 할 데이터들은 많아지고 있다 그래서 제조 업체의 근태 및 입출고 전표, 작업 일보 데이터를 사람이 일일이 입력하기엔 많은 전산 단말기와 용량이 큰 시스템을 요구하고 있으며, 현장 데이터의 실시간 처리 및 확인이 어려운 상태이다. 본 논문에서 제안된 P.O.P(Point Of Production) 단말기를 이용한 생산통신관리 시스템은 제조 업체 현장에 P.O.P 단말기를 설치하여 현장에서 일어나는 모든 입출고 및 생산 데이터를 생산 시점에서 입력 할 수 있는 기능을 가진 시스템을 설계하고 구현한다.