• Proceedings of the Korean Association for Survey Research Conference
• /
• 2006.06a
• /
• pp.45-60
• /
• 2006

본 논문은 국가통계 작성기관에서 소관 통계의 품질상태에 대한 자체진단을 실시할 수 있도록 통계품질진단 프로그램의 개발에 관한 것이다. 특히 개정중인 통계법에서도 외부 품질진단 외에 통계작성기관이 주기적으로 자체 품질진단을 시행하도록 명시하고 있다. 통계청에서 현재 주로 활용하고 있는 품질진단 프로그램은 주로 외부 전문가에 의한 진단을 목적으로 만들어졌기 때문에 각 기관에서 자체품질진단을 위해 사용하기 곤란한 프로그램이었다. 따라서 EU국가 통계청들이 주축이 되어 2003년 개발 완료한 자체품질진단 프로그램 (Development of Self Assessment Program, DESAP)의 내용을 소개하고, 이를 토대로 우리나라 국가통계 사정에 맞는 자체품질진단 프로그램 구축방향을 제시하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.127-128
• /
• 2022

정부는 공공데이터 개방을 통해 신산업, 일자리 창출 등 경제 활성화를 위한 도구로 활용하는 것을 목표로 한다. 정부는 고품질의 공공데이터 보유를 위하여 품질 개선 활동을 통해 공공데이터 품질 향상을 진행하고 있다. 그러나 공공데이터 품질관리 수준 진단을 진행하는 담당자의 데이터에 대한 전문성과 이해도에 따라 품질진단 결과에 격차가 발생하여 진단 결과의 신뢰성을 보장하기 어렵다. 본 논문은 공공데이터의 원활한 품질진단 지원을 위해 품질진단규칙 매핑 모델을 제안하여 공공데이터 품질진단의 안정성과 신뢰성을 높인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.79-80
• /
• 2023

정부는 공공데이터의 품질 관리를 위하여 공공데이터 품질관리 수준평가를 진행하여 공공데이터 품질을 관리하고 있다. 파일 형식의 공공데이터를 진단 시 품질진단 담당자가 대량의 파일데이터를 필드명과 필드 내 데이터에 의존하여 수작업으로 도메인을 판단하여 진단한다. 때문에 품질진단의 정확성을 신뢰하기 어렵고 진단에 많은 시간이 소요된다. 본 논문은 파일형식의 공공데이터 품질진단의 정확성을 확보하고 진단 소요시간을 단축하기 위해 데이터 분포 통계를 이용한 CSV 형식의 공공데이터 도메인 판별 모델을 제안하였다. 제안된 모델을 적용하면 공공데이터 품질의 정확성을 향상하고 진단 소비 시간을 단축시킬 것으로 기대된다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2006.04a
• /
• pp.177-181
• /
• 2006

본 연구의 주제는 경영품질 수준을 쉽게 진단하고 적용할 수 있도록 MB경영품질 진단체계를 간소화하는 것이다. MB의 전체 진단항목을 25개의 핵심진단항목으로 압축하고, 이들 진단항목의 유효성을 검증한다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.12
• /
• pp.129-136
• /
• 2023

The government of the Republic of Korea is conducting quality management of public open data by conducting a public data quality management level evaluation. Public open data is provided in various open formats such as XML, JSON, and CSV, with CSV format accounting for the majority. When diagnosing the quality of public open data in CSV format, the quality diagnosis manager determines and diagnoses the domain for each field based on the field name and data within the field of the public open data file. However, it takes a lot of time because quality diagnosis is performed on large amounts of open data files. Additionally, in the case of fields whose meaning is difficult to understand, the accuracy of quality diagnosis is affected by the quality diagnosis person's ability to understand the data. This paper proposes a domain discrimination model for public open data in CSV format using field names and data distribution statistics to ensure consistency and accuracy so that quality diagnosis results are not influenced by the capabilities of the quality diagnosis person in charge, and to support shortening of diagnosis time. As a result of applying the model in this paper, the correct answer rate was about 77%, which is 2.8% higher than the file format open data diagnostic tool provided by the Ministry of Public Administration and Security. Through this, we expect to be able to improve accuracy when applying the proposed model to diagnosing and evaluating the quality management level of public data.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.12
• /
• pp.189-195
• /
• 2022

The Korean government has made it a major national task to contribute to the revitalization of the creative economy, such as creating new industries and jobs, by encouraging the private opening and utilization of public data. The Korean government is promoting public data quality improvement through activities such as conducting public data quality management level evaluation for high-quality public data retention. However, there is a difference in diagnosis results depending on the understanding and data expertise of users of the public data quality diagnosis tool. Therefore, it is difficult to ensure the accuracy of the diagnosis results. This paper proposes a public data quality management level evaluation domain rule mapping model applicable to validation diagnosis among the data quality diagnosis standards. This increases the stability and accuracy of public data quality diagnosis.

• 한국IT서비스학회:학술대회논문집
• /
• 2007.05a
• /
• pp.431-438
• /
• 2007

SI 프로젝트에서 품질을 혁신하기 위해서는 시스템 생명 주기 각 단계에서 품질 관리 활동을 강화해야 할 뿐만 아니라 통합된 시스템 관점에서 각 계층(Layer)별, 요소(Component)별 특성을 고려하여 체계적인 시스템 진단 평가 활동을 수행할 필요성이 있다. 시스템 진단 평가 활동은 품질 이슈를 찾아내는 작업과 품질 이슈를 해결하는 작업이 톱니바퀴처럼 맞물려 수행되어야 한다. LG CNS는 프로젝트의 품질 이슈를 적기 진단하기 위해서 시스템 진단 평가 체계를 구축했으며, 프로젝트 현장에서 이를 적용하여 품질 혁신에 기여하고 있다.

• Proceedings of the KIEE Conference
• /
• 2002.11b
• /
• pp.221-223
• /
• 2002

최근 정보통신산업의 발전 및 생활수준의 향상에 따라 정보통신기기, 정밀제어기기 등의 보급이 확산되면서 안정적이면서도 신뢰성을 갖춘 양질의 전력에 대한 수용가 측의 관심 및 요구가 급격히 증가하고 있고, 이에 파라 전력품질 모니터링. 진단 향상 시스템에 대한 연구 및 개발이 활발히 이루어지고 있다. 본 논문에서는 LG산전과 서울대학교가 공동 개발한 전력품질 모니터링 시스템에 연계되어 전력품질 오염위치 추정, 오염원 판별 통계적 추이 분석, 전력품질 인덱싱, 확률론적 분석을 수행하는 전력품질 진단시스템에 대해 소개한다. 전 세계적으로 상용화되어 있는 전력품질 진단시스템을 살펴보고, 현재 LG산전과 서울대학교가 공동 개발하고 있는 전력품질 진단시스템의 구조 및 기능에 대해 소개한다.

• The Journal of Bigdata
• /
• v.2 no.2
• /
• pp.75-86
• /
• 2017

In this study, I propose a method to automate the method to diagnose the quality of big data. The reason for automating the quality diagnosis of Big Data is that as the Fourth Industrial Revolution becomes a issue, there is a growing demand for more volumes of data to be generated and utilized. Data is growing rapidly. However, if it takes a lot of time to diagnose the quality of the data, it can take a long time to utilize the data or the quality of the data may be lowered. If you make decisions or predictions from these low-quality data, then the results will also give you the wrong direction. To solve this problem, I have developed a model that can automate diagnosis for improving the quality of Big Data using machine learning which can quickly diagnose and improve the data. Machine learning is used to automate domain classification tasks to prevent errors that may occur during domain classification and reduce work time. Based on the results of the research, I can contribute to the improvement of data quality to utilize big data by continuing research on the importance of data conversion, learning methods for unlearned data, and development of classification models for each domain.

• The Journal of Bigdata
• /
• v.3 no.2
• /
• pp.11-18
• /
• 2018

This study is a study on domain automatic classification for domain - based quality diagnosis which is a key element of big data quality diagnosis. With the increase of the value and utilization of Big Data and the rise of the Fourth Industrial Revolution, the world is making efforts to create new value by utilizing big data in various fields converged with IT such as law, medical, and finance. However, analysis based on low-reliability data results in critical problems in both the process and the result, and it is also difficult to believe that judgments based on the analysis results. Although the need of highly reliable data has also increased, research on the quality of data and its results have been insufficient. The purpose of this study is to shorten the work time to automizing the domain classification work which was performed from manually to using machine learning in the domain - based quality diagnosis, which is a key element of diagnostic evaluation for improving data quality. Extracts information about the characteristics of the data that is stored in the database and identifies the domain, and then featurize it, and automizes the domain classification using machine learning. We will use it for big data quality diagnosis and contribute to quality improvement.