SlideShare une entreprise Scribd logo
1  sur  3
A 사 Big Data 추진방안
2013. 1
1. 데이터 분석 및 활용 현황 (AS-IS)
■ 장치산업군 A 사 데이터 분석 및 활용 현황
구분 분석 항목
원가 분석
판매원가 : 관리회계 기준 수익성 분석
( 사내이체 감안 )
제조원가 : 자재원장 기준 분석 , 생산
플랜트 및 라인 별 원가
분석
부서별 비용 분석 ( 코스트 센터 기준 )
판가 분석
매출채권 분석 , 판매 운송비 / 물류 용
역비 분석 , 고객 여신 현황
재고 분석
자재수불부 : 일별 자재 입출고 현황 ,
재무기준 재고 수불
분석
기업환경 분석
거시경제지표 : 원료가 , 유가 , 주가 ,
환율
세계 수급 분석 , 세계 신증설 현황 / 예
측
구분 내용 비고
분석 시스템
• Data warehouse: SAP BW(Business Information Warehouse)
• OLAP tool: BEx(Excel 기반 ), SAP BO-Web Intelligence (Web 기반 ),
• RTDB(Real-time DB, 공장 / 설비 계기 취합 / 분석 ): Aspentech 제품군
• EIS: SAP BO-Crystal dashboard
A 공장 : 별도 RTDB 운용
(OSIsoft
PI)
분석 중점 엑셀 기반의 일간 / 월간 등 정기 보고 작성 , 그룹 감사 대응 등 비정형 분석 주로 BW-BEx 기반
미비 사항
공정 관련 분석 등 데이터 마이닝 역량 미흡 , CRM/SFA 등의 고객 분석용 기
초
데이터 부족 , Advanced analytics 를 실행할 역량 및 니즈 부족
Aspentech PIMS 활용한
수율 분석 중이나 미흡
■ 주요 분석 항목 ■ 분석 시스템 구성도
※ PIS(Plant Info. System): 공장정보시스템 , DR(Data Reconciliation): RDTB 데이터 정제 / 조정 , WMS(Warehouse Mgmt. System): 창고관리 ( 출하 ) 시스템
분석가
- WebI
- Crystal
BEx
RTDB Add-in
BW
ERP
PIS RTDB
WMS
DR
2. 빅 데이터에 근거한 진단 시스템 구축 (TO-BE)
1) 공정이상 기준 정립 : ERP 의 데이터를 기준으로 공정이상 기준 정립
2) 이상징후 식별 : RTDB 의 데이터에서 공정이상이 발생한 시점과 지점의 특징 식별
3) 이상징후 모델 및 방안 정립 : 예측 모델 정립 및 모델에 부합하는 상황 발생 시 수행할 Alert 등의 대안 /
조치 마련
4) 시스템 구축 : RTDB 의 데이터 흐름을 모니터링 하면서 이상징후 발생 시 대안 / 조치 수행
■ RTDB 와 ERP 를 연계한 빅 데이터 분석 추진
 RTDB 와 ERP 의 축적 데이터를 이용한 이상징후 기준 정립 및 진단 / 감지 시스템 구축
■ 타사 성공 사례■ 진단 시스템 구성도
※ 기타 빅 데이터 활용 주제 : 수율 분석 강화 , 수요 예측 등
※ RTDB(Real-time DB): 공장의 설비와 기기의 전체 계기 및 센서 를 매분 기준으로 측정 및 저장하는 데이터베이스
Operator
SCADA
진단 시스템
RTDB
DR
기기
설비
센서
BW ERP
회사 사례
포스코
연주공정 ( 액체상태의 철이 고체가 되는 공정 )
속도 증가에 따른 MLH(Mold Level Hunting) 현
상의 원인 분석 자동화 및 효율화
MLH 가 발생하지 않는 최적의 운전 조건 제시
분석 능력 향상 및 분석소요 시간 감소
연주속도 개선 : 1m/ 분 상승 효과 (5 천억 원
/ 연 절감 효과 )
SK 하이닉스
진공펌프 이상징후 진단시스템
- 배경 : 진공펌프 Fault 시 Chamber 내의
wafer 사용 불가로 인한 비용 발생
- 방안 : 진공펌프 Fault 의 원인 규명 필요 및
진공펌프 최적 교체 시기 결정 필요
다변량 분석을 이용한 설비 모니터링 시스템
적용 ( 진공 Pump Fault 사전 이상징후 탐지 )
Control Chart 와 T-square Chart 를 통해 진
공펌프 7 시간 전 Fault 시점 예측
Fault 전 징후예측 시점에서 진공펌프 교체를
통한 생산 비용 절감
분석가
현황
Alert
분석 /
갱신

Contenu connexe

En vedette

예측 분석이 발견한 이상하고 놀라운 인간 행동들
예측 분석이 발견한 이상하고 놀라운 인간 행동들예측 분석이 발견한 이상하고 놀라운 인간 행동들
예측 분석이 발견한 이상하고 놀라운 인간 행동들eungjin cho
 
기업용 Sns 를 통한 스마트워크
기업용 Sns 를 통한 스마트워크기업용 Sns 를 통한 스마트워크
기업용 Sns 를 통한 스마트워크영재 김
 
판매정보 빅데이터 분석을 통한 판매 예측 시스템
판매정보 빅데이터 분석을 통한 판매 예측 시스템판매정보 빅데이터 분석을 통한 판매 예측 시스템
판매정보 빅데이터 분석을 통한 판매 예측 시스템Dongsam Byun
 
130308 디지털컨버젼스i 2교시
130308 디지털컨버젼스i 2교시130308 디지털컨버젼스i 2교시
130308 디지털컨버젼스i 2교시skccsocial
 
보안 위협 동향과 대응 방안
보안 위협 동향과 대응 방안보안 위협 동향과 대응 방안
보안 위협 동향과 대응 방안Youngjun Chang
 
Agados CRM(SFA) introduction (doc version 1.0 20140416)
Agados CRM(SFA) introduction (doc version 1.0 20140416)Agados CRM(SFA) introduction (doc version 1.0 20140416)
Agados CRM(SFA) introduction (doc version 1.0 20140416)Yongkyoo Park
 
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519규문 최
 
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다Evion Kim
 
Apt(advanced persistent threat) 공격의 현재와 대응 방안
Apt(advanced persistent threat) 공격의 현재와 대응 방안Apt(advanced persistent threat) 공격의 현재와 대응 방안
Apt(advanced persistent threat) 공격의 현재와 대응 방안Youngjun Chang
 
[DevOn 2013] Dynamic web proxy
[DevOn 2013] Dynamic web proxy[DevOn 2013] Dynamic web proxy
[DevOn 2013] Dynamic web proxy흥래 김
 
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅Steve Kim
 
예측 분석 산업별 사례 147
예측 분석 산업별 사례 147예측 분석 산업별 사례 147
예측 분석 산업별 사례 147eungjin cho
 
정보보호최근이슈및패러다임의변화 임종인(고려대)
정보보호최근이슈및패러다임의변화 임종인(고려대)정보보호최근이슈및패러다임의변화 임종인(고려대)
정보보호최근이슈및패러다임의변화 임종인(고려대)Kyuhyung Cho
 
B1 – Migrating enterprise applications to aws
B1 – Migrating enterprise applications to awsB1 – Migrating enterprise applications to aws
B1 – Migrating enterprise applications to awsAmazon Web Services
 
201412 정보보안 보안교육자료
201412 정보보안 보안교육자료201412 정보보안 보안교육자료
201412 정보보안 보안교육자료시온시큐리티
 
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)Amazon Web Services
 
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20Donghan Kim
 

En vedette (20)

예측 분석이 발견한 이상하고 놀라운 인간 행동들
예측 분석이 발견한 이상하고 놀라운 인간 행동들예측 분석이 발견한 이상하고 놀라운 인간 행동들
예측 분석이 발견한 이상하고 놀라운 인간 행동들
 
기업용 Sns 를 통한 스마트워크
기업용 Sns 를 통한 스마트워크기업용 Sns 를 통한 스마트워크
기업용 Sns 를 통한 스마트워크
 
판매정보 빅데이터 분석을 통한 판매 예측 시스템
판매정보 빅데이터 분석을 통한 판매 예측 시스템판매정보 빅데이터 분석을 통한 판매 예측 시스템
판매정보 빅데이터 분석을 통한 판매 예측 시스템
 
130308 디지털컨버젼스i 2교시
130308 디지털컨버젼스i 2교시130308 디지털컨버젼스i 2교시
130308 디지털컨버젼스i 2교시
 
InfiniFlux vs RDBMS
InfiniFlux vs RDBMSInfiniFlux vs RDBMS
InfiniFlux vs RDBMS
 
보안 위협 동향과 대응 방안
보안 위협 동향과 대응 방안보안 위협 동향과 대응 방안
보안 위협 동향과 대응 방안
 
Agados CRM(SFA) introduction (doc version 1.0 20140416)
Agados CRM(SFA) introduction (doc version 1.0 20140416)Agados CRM(SFA) introduction (doc version 1.0 20140416)
Agados CRM(SFA) introduction (doc version 1.0 20140416)
 
Infiniflux introduction
Infiniflux introductionInfiniflux introduction
Infiniflux introduction
 
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519
[SNS특강] SNS와 페이스북, 무엇을 어떻게 활용할 것인가 150519
 
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다
링크드인의 Big Data Recommendation Products - 어제의 데이터를 통해 내일을 예측한다
 
Apt(advanced persistent threat) 공격의 현재와 대응 방안
Apt(advanced persistent threat) 공격의 현재와 대응 방안Apt(advanced persistent threat) 공격의 현재와 대응 방안
Apt(advanced persistent threat) 공격의 현재와 대응 방안
 
[DevOn 2013] Dynamic web proxy
[DevOn 2013] Dynamic web proxy[DevOn 2013] Dynamic web proxy
[DevOn 2013] Dynamic web proxy
 
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅
Dymanics crm 소개서 프렌차이즈 가맹점 해외바이어 영업-v1_2015_비에스이컨설팅
 
예측 분석 산업별 사례 147
예측 분석 산업별 사례 147예측 분석 산업별 사례 147
예측 분석 산업별 사례 147
 
정보보호최근이슈및패러다임의변화 임종인(고려대)
정보보호최근이슈및패러다임의변화 임종인(고려대)정보보호최근이슈및패러다임의변화 임종인(고려대)
정보보호최근이슈및패러다임의변화 임종인(고려대)
 
APT Case Study
APT Case StudyAPT Case Study
APT Case Study
 
B1 – Migrating enterprise applications to aws
B1 – Migrating enterprise applications to awsB1 – Migrating enterprise applications to aws
B1 – Migrating enterprise applications to aws
 
201412 정보보안 보안교육자료
201412 정보보안 보안교육자료201412 정보보안 보안교육자료
201412 정보보안 보안교육자료
 
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)
AWS re:Invent 2016: Migrating Enterprise Messaging to the Cloud (ENT217)
 
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
빅데이터 기술을 적용한_차세대_보안핵심_신기술의_최적_적용_및_활용방안(배포)-d_han_kim-2014-2-20
 

Similaire à 빅 데이터 추진방안

[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...Amazon Web Services Korea
 
Best way to mes implementation for smart manufacturing
Best way to mes implementation for smart manufacturingBest way to mes implementation for smart manufacturing
Best way to mes implementation for smart manufacturingS.K. Cha of ACS in Korea
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015YoungMin Jeon
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdfYunjeong Susan Hong
 
PYCON 2017 발표자료 한성준
PYCON 2017 발표자료 한성준PYCON 2017 발표자료 한성준
PYCON 2017 발표자료 한성준sungjun han
 
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...Amazon Web Services Korea
 
PPT for real time IoT based production management use cases in 2014 manufactu...
PPT for real time IoT based production management use cases in 2014 manufactu...PPT for real time IoT based production management use cases in 2014 manufactu...
PPT for real time IoT based production management use cases in 2014 manufactu...S.K. Cha of ACS in Korea
 
The Innovative Service Platform for Small and Medium Manufacturing Company
The Innovative Service Platform for Small and Medium Manufacturing CompanyThe Innovative Service Platform for Small and Medium Manufacturing Company
The Innovative Service Platform for Small and Medium Manufacturing CompanyHatio, Lab.
 
Dynamic changing production resource 4M1E integration in real time
Dynamic changing production resource 4M1E integration in real timeDynamic changing production resource 4M1E integration in real time
Dynamic changing production resource 4M1E integration in real timeS.K. Cha of ACS in Korea
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimGruter
 
공간정보 대량맞춤화 정보지원체계 연구 소개
공간정보 대량맞춤화 정보지원체계 연구 소개공간정보 대량맞춤화 정보지원체계 연구 소개
공간정보 대량맞춤화 정보지원체계 연구 소개SANGHEE SHIN
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataHwan Lee
 
Business environmentchangemonitor 애플트리랩
Business environmentchangemonitor 애플트리랩Business environmentchangemonitor 애플트리랩
Business environmentchangemonitor 애플트리랩JaeWoo Wie
 
표준기반 스마트공장 공정모델 및 시사점 차석근
표준기반 스마트공장 공정모델 및 시사점 차석근표준기반 스마트공장 공정모델 및 시사점 차석근
표준기반 스마트공장 공정모델 및 시사점 차석근S.K. Cha of ACS in Korea
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 Amazon Web Services Korea
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)동학 노
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준NAVER D2
 
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례ABRC_DATA
 
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화JMP Discovery Summit Korea 2023
 
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)JMP Statistical Discovery
 

Similaire à 빅 데이터 추진방안 (20)

[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
[Bespin Global 파트너 세션] 분산 데이터 통합 (Data Lake) 기반의 데이터 분석 환경 구축 사례 - 베스핀 글로벌 장익...
 
Best way to mes implementation for smart manufacturing
Best way to mes implementation for smart manufacturingBest way to mes implementation for smart manufacturing
Best way to mes implementation for smart manufacturing
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
 
PYCON 2017 발표자료 한성준
PYCON 2017 발표자료 한성준PYCON 2017 발표자료 한성준
PYCON 2017 발표자료 한성준
 
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
 
PPT for real time IoT based production management use cases in 2014 manufactu...
PPT for real time IoT based production management use cases in 2014 manufactu...PPT for real time IoT based production management use cases in 2014 manufactu...
PPT for real time IoT based production management use cases in 2014 manufactu...
 
The Innovative Service Platform for Small and Medium Manufacturing Company
The Innovative Service Platform for Small and Medium Manufacturing CompanyThe Innovative Service Platform for Small and Medium Manufacturing Company
The Innovative Service Platform for Small and Medium Manufacturing Company
 
Dynamic changing production resource 4M1E integration in real time
Dynamic changing production resource 4M1E integration in real timeDynamic changing production resource 4M1E integration in real time
Dynamic changing production resource 4M1E integration in real time
 
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun KimDeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
DeView2013 Big Data Platform Architecture with Hadoop - Hyeong-jun Kim
 
공간정보 대량맞춤화 정보지원체계 연구 소개
공간정보 대량맞춤화 정보지원체계 연구 소개공간정보 대량맞춤화 정보지원체계 연구 소개
공간정보 대량맞춤화 정보지원체계 연구 소개
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big Data
 
Business environmentchangemonitor 애플트리랩
Business environmentchangemonitor 애플트리랩Business environmentchangemonitor 애플트리랩
Business environmentchangemonitor 애플트리랩
 
표준기반 스마트공장 공정모델 및 시사점 차석근
표준기반 스마트공장 공정모델 및 시사점 차석근표준기반 스마트공장 공정모델 및 시사점 차석근
표준기반 스마트공장 공정모델 및 시사점 차석근
 
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
 
234 deview2013 김형준
234 deview2013 김형준234 deview2013 김형준
234 deview2013 김형준
 
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례
[중소기업형 인공지능/빅데이터 기술 심포지엄] 대용량 거래데이터 분석을 위한 서버인프라 활용 사례
 
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
 
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)
2-2: 다양한 무고장 조건에서 필드차량 클레임 분석 자동화 (현대차 이동복 책임)
 

Plus de Sihyoung Jurn

쓰잘데기 없이 친절했던 악당의 말로
쓰잘데기 없이 친절했던 악당의 말로쓰잘데기 없이 친절했던 악당의 말로
쓰잘데기 없이 친절했던 악당의 말로Sihyoung Jurn
 
SAP HANA 기대효과
SAP HANA 기대효과SAP HANA 기대효과
SAP HANA 기대효과Sihyoung Jurn
 
A사 사내 메신저 Lync의 유용성 및 도입 효과
A사 사내 메신저 Lync의 유용성 및 도입 효과A사 사내 메신저 Lync의 유용성 및 도입 효과
A사 사내 메신저 Lync의 유용성 및 도입 효과Sihyoung Jurn
 
사내 SNS 추진현황 및 향후 전략
사내 SNS 추진현황 및 향후 전략사내 SNS 추진현황 및 향후 전략
사내 SNS 추진현황 및 향후 전략Sihyoung Jurn
 
직무분야 동영상 교안 - 제조업 2.0의 기초
직무분야 동영상 교안 - 제조업 2.0의 기초직무분야 동영상 교안 - 제조업 2.0의 기초
직무분야 동영상 교안 - 제조업 2.0의 기초Sihyoung Jurn
 
SAP GUI 언어 설정 바꾸기
SAP GUI 언어 설정 바꾸기SAP GUI 언어 설정 바꾸기
SAP GUI 언어 설정 바꾸기Sihyoung Jurn
 
MS Windows 입력기 언어 변경 방법
MS Windows 입력기 언어 변경 방법MS Windows 입력기 언어 변경 방법
MS Windows 입력기 언어 변경 방법Sihyoung Jurn
 
SAP SEM-BPS를 활용한 전략계획 제안
SAP SEM-BPS를 활용한 전략계획 제안SAP SEM-BPS를 활용한 전략계획 제안
SAP SEM-BPS를 활용한 전략계획 제안Sihyoung Jurn
 
아웃룩 2010 백업 설명서
아웃룩 2010 백업 설명서아웃룩 2010 백업 설명서
아웃룩 2010 백업 설명서Sihyoung Jurn
 
A사 2007년 투자 예산 로드맵
A사 2007년 투자 예산 로드맵A사 2007년 투자 예산 로드맵
A사 2007년 투자 예산 로드맵Sihyoung Jurn
 
The Journey with Preterm Labor
The Journey with Preterm LaborThe Journey with Preterm Labor
The Journey with Preterm LaborSihyoung Jurn
 

Plus de Sihyoung Jurn (12)

쓰잘데기 없이 친절했던 악당의 말로
쓰잘데기 없이 친절했던 악당의 말로쓰잘데기 없이 친절했던 악당의 말로
쓰잘데기 없이 친절했던 악당의 말로
 
SAP HANA 기대효과
SAP HANA 기대효과SAP HANA 기대효과
SAP HANA 기대효과
 
A사 사내 메신저 Lync의 유용성 및 도입 효과
A사 사내 메신저 Lync의 유용성 및 도입 효과A사 사내 메신저 Lync의 유용성 및 도입 효과
A사 사내 메신저 Lync의 유용성 및 도입 효과
 
사내 SNS 추진현황 및 향후 전략
사내 SNS 추진현황 및 향후 전략사내 SNS 추진현황 및 향후 전략
사내 SNS 추진현황 및 향후 전략
 
직무분야 동영상 교안 - 제조업 2.0의 기초
직무분야 동영상 교안 - 제조업 2.0의 기초직무분야 동영상 교안 - 제조업 2.0의 기초
직무분야 동영상 교안 - 제조업 2.0의 기초
 
SAP GUI 언어 설정 바꾸기
SAP GUI 언어 설정 바꾸기SAP GUI 언어 설정 바꾸기
SAP GUI 언어 설정 바꾸기
 
MS Windows 입력기 언어 변경 방법
MS Windows 입력기 언어 변경 방법MS Windows 입력기 언어 변경 방법
MS Windows 입력기 언어 변경 방법
 
SAP SEM-BPS를 활용한 전략계획 제안
SAP SEM-BPS를 활용한 전략계획 제안SAP SEM-BPS를 활용한 전략계획 제안
SAP SEM-BPS를 활용한 전략계획 제안
 
아웃룩 2010 백업 설명서
아웃룩 2010 백업 설명서아웃룩 2010 백업 설명서
아웃룩 2010 백업 설명서
 
A사 2007년 투자 예산 로드맵
A사 2007년 투자 예산 로드맵A사 2007년 투자 예산 로드맵
A사 2007년 투자 예산 로드맵
 
BI is Yours
BI is YoursBI is Yours
BI is Yours
 
The Journey with Preterm Labor
The Journey with Preterm LaborThe Journey with Preterm Labor
The Journey with Preterm Labor
 

빅 데이터 추진방안

  • 1. A 사 Big Data 추진방안 2013. 1
  • 2. 1. 데이터 분석 및 활용 현황 (AS-IS) ■ 장치산업군 A 사 데이터 분석 및 활용 현황 구분 분석 항목 원가 분석 판매원가 : 관리회계 기준 수익성 분석 ( 사내이체 감안 ) 제조원가 : 자재원장 기준 분석 , 생산 플랜트 및 라인 별 원가 분석 부서별 비용 분석 ( 코스트 센터 기준 ) 판가 분석 매출채권 분석 , 판매 운송비 / 물류 용 역비 분석 , 고객 여신 현황 재고 분석 자재수불부 : 일별 자재 입출고 현황 , 재무기준 재고 수불 분석 기업환경 분석 거시경제지표 : 원료가 , 유가 , 주가 , 환율 세계 수급 분석 , 세계 신증설 현황 / 예 측 구분 내용 비고 분석 시스템 • Data warehouse: SAP BW(Business Information Warehouse) • OLAP tool: BEx(Excel 기반 ), SAP BO-Web Intelligence (Web 기반 ), • RTDB(Real-time DB, 공장 / 설비 계기 취합 / 분석 ): Aspentech 제품군 • EIS: SAP BO-Crystal dashboard A 공장 : 별도 RTDB 운용 (OSIsoft PI) 분석 중점 엑셀 기반의 일간 / 월간 등 정기 보고 작성 , 그룹 감사 대응 등 비정형 분석 주로 BW-BEx 기반 미비 사항 공정 관련 분석 등 데이터 마이닝 역량 미흡 , CRM/SFA 등의 고객 분석용 기 초 데이터 부족 , Advanced analytics 를 실행할 역량 및 니즈 부족 Aspentech PIMS 활용한 수율 분석 중이나 미흡 ■ 주요 분석 항목 ■ 분석 시스템 구성도 ※ PIS(Plant Info. System): 공장정보시스템 , DR(Data Reconciliation): RDTB 데이터 정제 / 조정 , WMS(Warehouse Mgmt. System): 창고관리 ( 출하 ) 시스템 분석가 - WebI - Crystal BEx RTDB Add-in BW ERP PIS RTDB WMS DR
  • 3. 2. 빅 데이터에 근거한 진단 시스템 구축 (TO-BE) 1) 공정이상 기준 정립 : ERP 의 데이터를 기준으로 공정이상 기준 정립 2) 이상징후 식별 : RTDB 의 데이터에서 공정이상이 발생한 시점과 지점의 특징 식별 3) 이상징후 모델 및 방안 정립 : 예측 모델 정립 및 모델에 부합하는 상황 발생 시 수행할 Alert 등의 대안 / 조치 마련 4) 시스템 구축 : RTDB 의 데이터 흐름을 모니터링 하면서 이상징후 발생 시 대안 / 조치 수행 ■ RTDB 와 ERP 를 연계한 빅 데이터 분석 추진  RTDB 와 ERP 의 축적 데이터를 이용한 이상징후 기준 정립 및 진단 / 감지 시스템 구축 ■ 타사 성공 사례■ 진단 시스템 구성도 ※ 기타 빅 데이터 활용 주제 : 수율 분석 강화 , 수요 예측 등 ※ RTDB(Real-time DB): 공장의 설비와 기기의 전체 계기 및 센서 를 매분 기준으로 측정 및 저장하는 데이터베이스 Operator SCADA 진단 시스템 RTDB DR 기기 설비 센서 BW ERP 회사 사례 포스코 연주공정 ( 액체상태의 철이 고체가 되는 공정 ) 속도 증가에 따른 MLH(Mold Level Hunting) 현 상의 원인 분석 자동화 및 효율화 MLH 가 발생하지 않는 최적의 운전 조건 제시 분석 능력 향상 및 분석소요 시간 감소 연주속도 개선 : 1m/ 분 상승 효과 (5 천억 원 / 연 절감 효과 ) SK 하이닉스 진공펌프 이상징후 진단시스템 - 배경 : 진공펌프 Fault 시 Chamber 내의 wafer 사용 불가로 인한 비용 발생 - 방안 : 진공펌프 Fault 의 원인 규명 필요 및 진공펌프 최적 교체 시기 결정 필요 다변량 분석을 이용한 설비 모니터링 시스템 적용 ( 진공 Pump Fault 사전 이상징후 탐지 ) Control Chart 와 T-square Chart 를 통해 진 공펌프 7 시간 전 Fault 시점 예측 Fault 전 징후예측 시점에서 진공펌프 교체를 통한 생산 비용 절감 분석가 현황 Alert 분석 / 갱신