산업유형별 데이터융합과 데이터처리 모델의 설계
Design of Data Fusion and Data Processing Model According to Industrial Types
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
다양한 분야의 산업 현장에서는 복합적으로 대용량의 데이터가 상호 연관성을 가지고 발생한다. 산업유형별 공정에서 다양한 데이터들을 수집할 수 있으나, 각 프로세스 사이에서 서로 연관성 있게 통합하지 못하고 있다. 기존 산업유형별 데이터는 성형조건표 설정치 값과 작업공정에서 문제가 발생 했을 경우 작업자가 임의 값을 입력하였다. 본 논문에서는 각 산업유형별로 수집되는 데이터의 융합 및 분석처리 모델의 설계를 하고, 예측 사례(자동차 커넥트)를 통해서 표준 성형 조건표를 통한 마스터 데이터와 제조공정 과정에서 수집된 생산이력파일을 비교분석하여 다양한 불량요인과 예외사항에 대한 패턴분석과 재해석, 작업자에 대한 임의 값을 수치화를 통해 새로운 성형 조건표를 통한 불량률 감소, 생산성 증가, 공정 개선, 원가 절감 등의 기업 수익 향상과 제조 산업의 공정에 맞는 다양한 데이터분석과 검증 모델을 설계할 수 있다. 또한, 분석 검증된 표준 설정치에 의한 제조 공정의 최적화, 일관성, 객관성을 확보할 수 있고 다양한 패턴유형을 통한 산업유형별에 맞는 최적화(표준 설정치) 기술을 지원할 수 있다.
Abstract
In industrial site in various fields it will be generated in combination with large amounts of data have a correlation. It is able to collect a variety of data in types of industry process, but they are unable to integrate each other's association between each process. For the data of the existing industry, the set values of the molding condition table are input by the operator as an arbitrary value When a problem occurs in the work process. In this paper, design the fusion and analysis processing model of data collected for each industrial type, Prediction Case(Automobile Connect), a through for corporate earnings improvement and process manufacturing industries such as master data through standard molding condition table and the production history file comparison collected during the manufacturing process and reduced failure rate with a new molding condition table digitized by arbitrary value for worker, a new pattern analysis and reinterpreted for various malfunction factors and exceptions, increased productivity, process improvement, the cost savings. It can be designed in a variety of data analysis and model validation. In addition, to secure manufacturing process of objectivity, consistency and optimization by standard set values analyzed and verified and may be optimized to support the industry type, fits optimization(standard setting) techniques through various pattern types.
참고문헌 (9)
- 김재천, "실험계획법과 데이터 분석 기반의 제조공정 최적화를 위한정보 시각화", 정보처리학회논문지. 소프트웨어 및 데이터 공학, 4(9), pp.393~402 (2015), 한국정보처리학회[DOI]
- 김재천, "HW-SW 통합 프레임워크를 활용한 제조공정 개선을 위한 실시간 모니터링 시스템과 데이터 분석검증 TA설계", 정보처리학회논문지. 소프트웨어 및 데이터 공학, 4(9), pp.357~370 (2015), 한국정보처리학회[DOI]
- 심현식, "데이터마이닝 기법을 이용한 PCB 제조라인의 불량 혐의 공정 및 설비 분석", 정보처리학회논문지. 소프트웨어 및 데이터 공학, 4(2), pp.65~70 (2015), 한국정보처리학회[DOI]
- "ARTIK 10"[URL]
- "oneM2M"[URL]
- Jiawei Han, "Data Mining:Concepts and Techniques" (2015), Acorn Publishingm
- Kyeongsoo Jeong, "A Study on the Development of Framework for Enhancing Data Quality in a Data Warehouse Environment", Journal of Business Education, 19, pp.27~41 (1999)
- Ian H. Witten, "Data Mining : Practical Machine Learning Tools and Techniques" (2013), Acorn Publishingm, Inc
- 유명한, "SWoT 기반 실시간 모니터링 시스템 개선", 정보처리학회논문지. 컴퓨터 및 통신시스템, 4(7), pp.227~234 (2015), 한국정보처리학회[DOI]