• 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 Korea Institute of Information and Communication Engineering
• /
• v.25 no.11
• /
• pp.1525-1530
• /
• 2021

By applying AI-based efficient inventory management and logistics optimization technology using the smart factory's production plan and manufacturing data, the company's productivity improvement and customer satisfaction can be expected to increase. In this paper, we proposed a system that collects data from the factory's production process, stores it in the cloud, and uses the manufacturing data stored there to apply AI-based supply chain optimization technology later. While the existing system supported approximately 10 to 20 data types, the proposed system is designed and developed to support more than 100 data types. In addition, in the case of the collection cycle, data can be collected 1-2 times per second, and data collection in TB units is possible. Therefore This system is designed to be applied to the existing factory of past in addition to the smart factory.

• Industry Promotion Research
• /
• v.2 no.1
• /
• pp.1-7
• /
• 2017

In the case of manufacturing companies, various types of data are collected. Many of these data can be used as useful information for product reliability evaluation. In this study, we first look at data that can be collected by a manufacturing company and related to products, technology, finance, and customers. Next, we will look at the company's business management system, scientific journals, test and marketing survey data, etc., as sources of data. Next, look at what kind of data is collected over the product life cycle to evaluate the reliability of the product. In the development stage of the product, reliability test is performed for each component, and reliability data is collected by performing reliability test at the subsystem and system level. On the other hand, at the manufacturing stage, data on the functional test and the design change test of the product are collected, and at the field stage, the problem of the product is detected in the field and collected in the form of data. Finally, let's look at what you need to do to make a reasonable analysis later in your data collection.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.34 no.3
• /
• pp.479-491
• /
• 2024

Android manufacturers collect diagnostic data to improve the quality of service to users around the world. The content and frequency of diagnostic data collected by these Android manufacturers is unknown. We analyze the diagnostic data collection behavior of Samsung smartphones, which has the largest share of the Android market among smartphone manufacturers, to explain which diagnostic data is communicated to the server via network packets, how the system app that collects the diagnostic data works, and whether the diagnostic data violates user privacy.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.350-353
• /
• 2019

4차 산업혁명 시대에 접어들면서 제조업은 공장 내 설비와 기계에 Arduino 센서를 설치하여 데이터를 실시간으로 수집, 분석하는 스마트 팩토리로 전환되었다. 이에 Digital Twin이라는 개념이 생겨난다. Digital Twin이란 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션 함으로써 결과를 예측하는 기술을 말한다. 본 논문에서는 제조환경에서 발생할 수 있는 물리적인 동작 환경을 시뮬레이션하고, PLC 데이터와 수집된 센서 데이터를 이용하여 실시간으로 공정과정을 모니터링할 수 있는 Virtual Digital Twin System을 제안한다. 본 시스템은 PLC Hardware와 Arduino 센서, 사용자가 접근할 수 있는 PC 및 Web Page로 이루어진다. 제조환경에서의 PLC Hardware를 3D 모델링하여 제공한다. 또한 기기에 부착되어있는 Arduino 센서에서 발생하는 데이터를 수집하고, 분석하여 후에 발생할 수 있는 결함에 대하여 대처할 수 있도록 한다.

• The Journal of Society for e-Business Studies
• /
• v.27 no.2
• /
• pp.205-218
• /
• 2022

Recently, digital transformation in manufacturing has been accelerating. It results in that the data collection technologies from the shop-floor is becoming important. These approaches focus primarily on obtaining specific manufacturing data using various sensors and communication technologies. In order to expand the channel of field data collection, this study proposes a method to automatically collect manufacturing data based on vision-based artificial intelligence. This is to analyze real-time image information with the object detection and tracking technologies and to obtain manufacturing data. The research team collects object motion information for each frame by applying YOLO (You Only Look Once) and DeepSORT as object detection and tracking algorithms. Thereafter, the motion information is converted into two pieces of manufacturing data (production performance and time) through post-processing. A dynamically moving factory model is created to obtain training data for deep learning. In addition, operating scenarios are proposed to reproduce the shop-floor situation in the real world. The operating scenario assumes a flow-shop consisting of six facilities. As a result of collecting manufacturing data according to the operating scenarios, the accuracy was 96.3%.

• 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.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.35 no.9
• /
• pp.1063-1070
• /
• 2011

The manufacturing execution system (MES) for product production handles different production processes according to the product characteristics and different types of data according to the process being considered. For efficiently providing the data pertaining to production equipment to production systems such as the MES, data collection through the equipment interface is required for obtaining the production data pertaining to field equipment. In this paper, a method is proposed for collecting the production data through the equipment interface in order to collect the various types of production-equipment data from the field. The proposed method is applied to a real manufacturing system to verify its efficiency. A more powerful MES can be constructed with a data acquisition system that acquires the status data at the shop-floor level.

• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.899-902
• /
• 2015

제조업체의 품질관리 및 공정에 대한 개선을 위하여 현장에서 생산되는 데이터를 수집 및 분석하여 작업자 또는 경영자에게 의미 있는 의사결정을 할 수 있는 정보 제공이 필요하다. 본 논문에서는 제조 공정 개선을 위한 데이터 수집 및 분석 시스템을 제안한다. 이를 통해서 소규모 제조 현장에서 원자재 배합의 정확도 향상과 작업시간 단축을 가능하게 해 주고, 건당 처리시간의 감소로 인한 생산 납품시간 단축, 불량률 감소 등에 따른 원가 절감을 가져올 수 있다.