데이터 마이닝 기법을 활용한 스마트팩토리 도입 기업의 특성 분석
An Analysis of the Characteristics of Companies introducing Smart Factory System Using Data Mining Technique
0
조회
0
다운로드
10
인용
0
참고문헌
키워드
초록
현재 스마트팩토리에 관한 연구는 구축 방안이나 설립 시 고려사항 등에 대해 꾸준히 진행되고 있다. 그러나 스마트팩토리를 도입한 기업에 대해서는 다양한 연구가 이루어지지 않고 있다. 이 연구에서는 스마트팩토리의 기초단계를 적용한 중소기업을 대상으로 설문조사를 실시하였다. 만족도의 특성을 확인하기 위해 군집분석을 하였고, 만족도에 따라 어떠한 특성을 가지는지 확인하기 위해 의사결정나무와 나이브베이즈 분석을 하였다. 군집분석 결과 만족도가 높은 그룹과 낮은 그룹으로 나뉘는 것을 확인하였으며, 의사결정나무와 나이브베이즈 분석을 실시한 결과 만족도가 높을수록 생산성 개선 정도가 높은 것을 확인하였다.
Abstract
Currently, research on smart factories is steadily being carried out in terms of implementation strategies and considerations in construction. Various studies have not been conducted on companies that introduced smart factories. This study conducted a questionnaire survey for SMEs applying the basic stage of smart factory. And the cluster analysis was conducted to examine the characteristics of the company. In addition, we conducted Decision Tree and Naive Bay to examine how the characteristics of a company are derived and compare the results. As a result of the cluster analysis, it was confirmed that the group was divided into the high satisfaction group and the low satisfaction group. The decision tree and the Naive Bay analysis showed that the higher satisfaction group has high productivity.
참고문헌 (25)
- "The US recovers the top position in the global manufacturing competitiveness in 2020" (2015)[URL]
- "Possibility of smart factory as a plan for advanced domestic manufacturing" (2015)[URL]
- "Leading the Fourth Industrial Revolution by Building 30,000 Smart Factories by 2025"[URL]
- "Smart factory, check performance and revisit the past two years" (2016)[URL]
- "4th Industrial Revolution Leading Smart Factory, 5,000 Spreads by Year" (2017)[URL]
- 박종식, "스마트팩토리 구축전략과 중소 . 중견 제조기업의 적용 방안", 대한안전경영과학회지, 19(1), pp.227~236 (2017), 대한안전경영과학회[DOI]
- 박종필, "인더스트리 4.0시대의 스마트 팩토리 성공 사례 분석: 국내 대·중·소기업을 대상으로", 디지털융복합연구, 15(5), pp.107~115 (2017), 한국디지털정책학회[DOI]
- 임명성, "제조업과 정보통신기술의 융합: 스마트 팩토리 4.0에 기반한 한국 제조업 3.0 성공 전략", 디지털융복합연구, 14(3), pp.219~226 (2016), 한국디지털정책학회[DOI]
- 정태석, "스마트 팩토리 사례를 통한 성공적 공장 융합 자동화 방안 도출", 한국융합학회논문지, 7(1), pp.189~196 (2016), 한국융합학회[DOI]
- 허진, "융합 기반 스마트공장 보안의 위협과 대응 동향", 한국융합학회논문지, 8(11), pp.29~35 (2017), 한국융합학회[DOI]
- C. S. Seo, "Study on Small Business Increased Productivity via Smart Factory", Master, pp.2016
- "Data Analytics, Mobile Technologies And Robotics Defining The Future Of Digital Factories" (2015)[URL]
- "SmartFactory" (2015)[URL]
- Shmueli, G., "Data Mining for Business Intelligence" (2012), E&B Plus
- 조중기, "정보보호 관리체계 인증 취득 후 기업가치의 변화에 관한 연구", 한국융합학회논문지, 7(6), pp.237~247 (2016), 한국융합학회[DOI]
- A Review of Clustering Algorithms as Applied in IR, "He, Q.", University of Illinois at Urbana-Champaing, ~, pp.Technical Report UIUCLIS-1999 (1999), 6+IRG
- 배정수, "의사결정나무 분석기법을 활용한 고등학생 진로결정수준 결정요인 우선순위 탐구", 進路敎育硏究, 28(4), pp.79~105 (2015), 한국진로교육학회
- Nguyen, T. D., "A Scalable Algorithm for Rule Post- pruning of Large Decision Trees", 5th Pacific-Asia Conference on Knowledge Discovery and Data Mining, pp.467~476 (2001)
- N. Y. Park, "Breast Cancer Diagnosis using Naive Bayes Analysis Techniques", The society of Service Science, 3(1), pp.87~93 (2013)
- Kass, G., "An exploratory technique for investigation large quantities of categorical data", Applied Statistics, 29, pp.119~129 (1980)
- Breiman, L., "Classification and regression tress" (1984), Wadsworth
- Loh, W., "Split selection methods for classification trees", Statistica Sinica, 7, pp.815~840 (1997)
- Quinlan, J. R., "C4.5 Programs for machine learning" (1993), Morgan Kaufmann
- 정하림, "나이브 베이즈 빅데이터 분류기를 이용한 렌터카 교통사고 심각도 예측", 한국ITS학회 논문지, 16(4), pp.1~12 (2017), 한국ITS학회[DOI]
- K. Larsen, "Generalized Naive Bayes Classifiers", SIGKDD Explorations, 7(1), pp.76~81 (2005)