• 한국컴퓨터정보학회지
• /
• 제8권2호
• /
• 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.

• 한국콘텐츠학회논문지
• /
• 제17권7호
• /
• pp.182-192
• /
• 2017

제조 산업은 국가 경제 성장의 원동력으로 그 중요성이 부각되고 있다. 이에 따라 제조 공정상에서 생성되는 제조 데이터 분석의 중요성 또한 조명 받고 있다. 본 논문에서는 PCB(Printed Circuit Board) 제조 공정에서 발생한 로그 데이터를 분석하여 PCB 상에서 빈번하게 발생하는 고장 영역에 대해서 작업자가 고장 영역을 직접 눈으로 볼 수 있도록 시각화하는 방법을 제안한다. 우선 고장 영역을 파악하기 위해서 PCB 공정 데이터 집합에 K-means, DB-SCAN 클러스터링 알고리즘을 적용하여 군집화 하였고, 두 알고리즘 중 더 정확한 고장 영역을 도출하는지 비교하였다. 또한 MVC(Model-View-Controller) 구조 시스템을 개발하여 실제 PCB 이미지 상에 클러스터링 결과를 출력하는 것으로 실제 고장영역을 눈으로 확인할 수 있도록 시각화하였다.

• 기계저널
• /
• 제57권8호
• /
• pp.49-53
• /
• 2017

이 글에서는 스마트 팩토리 구현을 위해 고려되어야 하는 다양한 속성들 중에서 '데이터'에 대해서 논하고자 한다. 특히, 제조업의 관점에서 데이터의 가치를 평가하는 방법과 도메인 지식의 중요성에 대해 설명하였고, 중소기업에서 데이터를 활용하기 위한 방안을 함께 고민해보았다.

• 한국정보통신학회논문지
• /
• 제26권2호
• /
• pp.199-206
• /
• 2022

제품을 생산하는 설비의 고장이나 이상 현상은 곧 제품의 결함 및 생산라인 가동 중단으로 이어져 제조 업체의 막대한 경제적 손실의 원인이 된다. 스마트팩토리 서비스의 확산으로 공장에서 많은 양의 데이터가 수집됨에 따라, 이를 활용하여 제조 현장의 효율이나 제조 설비의 고장 예측 및 진단을 위한 인공지능 기반의 연구가 활발히 이어지고 있다. 하지만 정상과 이상을 구분 짓는 레이블 정보가 명확하지 않고 이상에 대한 극심한 클래스 불균형을 가지는 제조 데이터의 특징으로 인하여 분류 모델이나 이상탐지 모델의 개발에는 큰 어려움이 존재한다. 본 논문에서는 딥러닝 모델의 재구성 손실값을 이용하여 제조 설비의 이상탐지를 위한 딥러닝 알고리즘을 제안하고 성능을 분석하였다. 해당 알고리즘은 이상 데이터를 제외한 설비의 제조 데이터, 즉 정상 데이터에만 의존하여 이상을 감지한다.

• 디지털융복합연구
• /
• 제12권1호
• /
• pp.305-311
• /
• 2014

제조업에서는 경쟁우위 확보를 위해 일찍이 설계, 생산 과정의 자동화와 정보시스템을 도입하였다. 대표적인 정보시스템 중 하나가 제조실행시스템(Manufacturing Execution System)인데, 이러한 제조실행시스템은 진화를 거듭해 왔다. 최근 빅데이터가 등장하면서 MES도 빅데이터 적용 방안이 모색되고 있다. 이에 본 연구는 먼저 제조 분야에서의 빅데이터 활용에 대한 선행 연구 및 사례 분석을 토대로 MES에의 빅데이터 적용모델을 제안할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.273-276
• /
• 2015

센서를 통한 제조업 생산 공정 데이터양의 폭발적 증가와 제조업의 서비스화 추세, 제조업의 미래산업과 빅데이터의 융합 추세를 고려해 보았을 때 앞으로 제조업에서 빅데이터의 영향은 점점 커질 것으로 예상된다. 따라서 한국의 제조업도 세계의 제조업 첨단화에 발맞추기 위해서 빅데이터의 활용을 장려하고 지원할 필요가 있다. 제조업의 실질적 효율성을 제공하는 효과의 임팩트가 가장 큰 기술 분야에서는 빅데이터 분석이 먼 미래에 도입을 고려할 분야가 아닌 현재의 최대 이슈이다. 제조업에서의 빠른 대응, 민첩성, 신뢰도 향상에서 기업들은 비용을 절감하고 자산의 효율적인 활용 측면에서도 단순한 제조공정에서 벗어나 많은 제조 기업들이 공장을 디지털화하고 스마트한 제조 공정 시스템 확보에 빅데이터를 구현, 활용해야 하는 단계이다. 빅데이터 활용은 현 시점에서 산업에 주는 영향으로 가장 파괴적인 기술이 될 것으로 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.284-287
• /
• 2021

4차 산업혁명으로 인해 제조산업에 인공지능, 빅데이터와 같은 ICT 기술을 활용한 스마트팩토리의 제조 공정 자동화 및 장치 고도화 연구가 진행되고 있다. 제조 공정 자동화를 위해 스마트팩토리의 각 계층별 장치들이 유기적으로 연결되고 있으며, 이로 인해 발생 가능한 보안위협도 증가하고 있다. 스마트팩토리에서는 SIEM 등의 장비가 보안위협 데이터를 수집·분석·시각화하여 대응하고 있다. 보안위협 데이터 시각화에는 그리드 뷰, 피벗 뷰, 그래프, 차트, 테이블을 활용한 대시보드 형태로 제공하고 있지만, 이는 스마트팩토리 전 계층의 보안위협 데이터 확인에 대한 가시성이 부족하다. 따라서, 본 논문에서는 스마트팩토리 보안위협 데이터를 CVSS 점수 기반의 Likelihood와 보안위협 데이터 기반의 Impact를 활용하여 위험도를 도출하고, 히트맵 기반 스마트팩토리 보안위협 데이터 시각화 모델을 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.219-227
• /
• 2019

제조업의 생산 방법은 노동집약적인 방법에서 제조설비 중심의 기술집약적인 방법으로 변경되어가고 있다. 사람의 노동력을 제조설비가 대체하게 되면서 제조설비의 모니터링과 관리의 중요성이 강조되고 있다. 또한, 최근 빅데이터 기술은 한정된 데이터에서 새로운 가치를 찾아내는 중요한 기술로 등장하였다. 따라서 제조업의 변화는 기존 제조 공장에 사물인터넷(IoT), 정보통신기술, 센서 데이터, 빅데이터를 융합한 스마트팩토리의 필요성을 증대시켰다. 본 논문에서는 제조설비 데이터를 몽고DB에 실시간으로 분산 저장 및 처리하는 기술과 R 프로그래밍을 사용한 시각화를 통해 기존 국내 제조업 공장이 빅데이터 기반의 스마트팩토리가 되기 위한 전략을 제시하고자 한다.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1525-1530
• /
• 2021

스마트 공장의 생산 계획 및 제조 데이터를 이용하여 AI 기반의 효율적인 재고 관리 및 물류 최적화 기술을 적용하면 해당 제조 기업의 생산성 향상과 고객 만족도 향상을 기대할 수 있다. 본 논문에서는 공장의 생산 공정에서부터 데이터를 수집하여 클라우드에 저장하고, 여기에 저장된 제조 데이터를 활용하여 추후 AI 기반의 공급망 최적화 기술을 적용할 수 있는 시스템을 제안하였다. 기존 시스템의 경우는 대략 10종~20종 정도의 데이터 타입을 지원했다면, 제안 시스템은 100종 이상의 데이터 타입을 지원하도록 설계 및 개발된다. 또한 수집 주기의 경우는 매 초당 1~2회의 데이터를 수집할 수 있도록 지원하며, TB 단위의 데이터 수집이 가능하다. 따라서 본 시스템은 자동화된 데이터 수집 체계를 갖추고 있는 스마트 공장 외에 기존의 전통 제조 현장에도 적용할 수 있도록 고안하였다.

• 정보보호학회논문지
• /
• 제34권3호
• /
• pp.479-491
• /
• 2024

안드로이드 제조사는 전 세계 사용자에게 서비스 품질 개선을 목적으로 진단데이터를 수집한다. 이러한 안드로이드 제조사가 수집하는 진단데이터의 내용과 동작 주기에 대해서는 알려진 바 없다. 우리는 스마트폰 제조사 중 안드로이드 시장에서 가장 높은 점유율을 가진 삼성 스마트폰을 대상으로 진단데이터 수집 행위를 분석하여어떤 진단데이터가 네트워크 패킷을 통해 서버와 통신하는지, 진단데이터 수집을 진행하는 시스템 앱이 어떻게 작동하는지 그리고 진단데이터가 사용자 개인정보를 침해하는지를 분석한다.