초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 상대적으로 제품수명주기관리 (PLM)의 활용도가 낮은 제조업에서 PLM 단계별 빅데이터 활용을 통해 제조업에서의 실무적 활용도를 높이기 위한 목적으로 수행되었다. PLM 시스템의 가장 중요한 요소는 단계별 활동에 필요한 데이터가 필수적인 데이터인지 확인하는 것인데, 현재의 제조 시스템에서는 제조 활동에 필요한 데이터의 타당성을 판단하는 것에 한계가 있다. 특히 최근에 제조 활동의 빅데이터 활용 가치에 대해서 활발히 논의되고 있지만, 빅데이터의 타당성을 검증하고 실무에 지속해서 활용할 수 있는 방안에 대해서는 명확한 방향이 제시되지 않고 있다. 기업의 제조 및 마케팅 부분에서 제품 수명주기 관리 (PLM) 전략은 제품의 최적 ...

본 연구는 상대적으로 제품수명주기관리 (PLM)의 활용도가 낮은 제조업에서 PLM 단계별 빅데이터 활용을 통해 제조업에서의 실무적 활용도를 높이기 위한 목적으로 수행되었다. PLM 시스템의 가장 중요한 요소는 단계별 활동에 필요한 데이터가 필수적인 데이터인지 확인하는 것인데, 현재의 제조 시스템에서는 제조 활동에 필요한 데이터의 타당성을 판단하는 것에 한계가 있다. 특히 최근에 제조 활동의 빅데이터 활용 가치에 대해서 활발히 논의되고 있지만, 빅데이터의 타당성을 검증하고 실무에 지속해서 활용할 수 있는 방안에 대해서는 명확한 방향이 제시되지 않고 있다. 기업의 제조 및 마케팅 부분에서 제품 수명주기 관리 (PLM) 전략은 제품의 최적 포트폴리오 구성을 위한 제품 개발과 판매, 철수 등 전략적 의사결정을 위하여 빅데이터의 활용 가치가 매우 높지만, 관련 연구는 매우 미비하다. 본 연구는 이러한 PLM의 운영 전략으로서 빅데이터의 유용성을 분석하기 위하여 빅데이터의 유형, 빅데이터의 적용 범위와 활용목적, 그리고 PLM 단계별로 필요로 하는 활동 (활용목적)과 효과에 대한 조사를 시행하였다.
PLM 단계별 빅데이터의 활용 가치와 적용 범위를 분석하기 위하여, 첫 번째로 제조업에 종사하고 있는 30명의 전문가를 대상으로 PLM 활동에 있어 ‘빅데이터 요인’, ‘PLM 빅데이터 적용 범위와 활용목적’, ‘BOL/MOL/EOL 각 단계별 빅데이터 종류, 적용 범위, 그리고 활용목적’을 키워드로 하여 1차 델파이 조사를 수행하였다. PLM 관련 활동에 대한 빅데이터 적용 범위를 묻는 개방형 질문으로 전문가들의 의견을 조사하였고 조사 결과를 토대로 생산과 마케팅 부분의 빅데이터 핵심 활용 범위를 추출하였다. 빅데이터의 핵심 활용 범위에 대한 중요도를 특정하기 위하여 실시된 2차 델파이 조사는 마케팅과 생산 부문의 주요 업무 영역별로 빅데이터의 활용 가치를 측정하였다. 2차 델파이를 통해 빅데이터의 활용 범위에 대해서 각 업무 영역별로 전문가들의 응답을 토대로 중요한 요인들의 내용 타당성을 분석하여 최종 핵심 빅데이터 활용 분야를 추출하였다. 마지막으로 AHP 분석을 하여 업무 영역별 빅데이터의 활용에 관한 중요 요인 간의 쌍대분석을 통해 우선순위를 확인할 수 있었다.
검증결과를 보면, 마케팅에서 ‘빅데이터 유형’의 순위는 고객 빅데이터, 시장 빅데이터, 판매 빅데이터, 경제 빅데이터 순으로 나타났다. ‘빅데이터 적용 범위’는 신규 시장 선정, 고객관리, 시장환경분석, 개발시간 단축, 글로벌트랜드의 순으로 나타났다. ‘BOL/MOL/EOL 단계에서 빅데이터 적용 범위’는 각 단계별로 중요한 요인들을 확인하였고, 단계별 우선순위를 확인하여 우선하여 투자를 필요한 요인을 확인할 수 있었다. 생산에서 ‘빅데이터 유형’의 순위는 품질 빅데이터, 설계 빅데이터, 제조 빅데이터, 이력 빅데이터 순으로 나타났다. ‘빅데이터 적용 범위’는 품질클레임관리, 제품개발관리, 수율 분석, 제품 수요예측, 시험개발관리 순으로 나타났다. ‘BOL/MOL/EOL 단계에서 빅데이터 적용 범위’는 각 단계별로 중요한 요인들을 확인하여, 단계별 우선순위를 확인하여 우선하여 투자를 필요한 요인을 확인할 수 있었다.
본 연구의 학문적 시사점으로는 첫째, PLM 도입을 위한 단계별 활동의 필요성을 선행연구 및 학술자료를 체계적으로 정리하여 이론적 토대를 완성하였다. 둘째, PLM 단계별 활동에 필요한 사항과 데이터들의 특성을 확인하여 활용 가능한 빅데이터의 기준을 확립한 후, 전문가들을 통해 단계별 활동에 필요한 빅데이터를 정의하고 각 업무 영역별로 핵심 요인들의 중요도를 파악하였다. 실무적 시사점으로는 그동안 PLM의 데이터 활용 범위에 대해서 접근 가능한 제한적인 적용을 하는 수준에 머물렀으나 본 연구를 통하여 빅데이터의 활용 가치를 확인하고 실무적인 활용 범위와 빅데이터의 유형 별 중요도를 제시한 데 있다고 할 수 있다. 본 연구 결과는 PLM 단계별로 빅데이터의 적용 범위를 정하는 데 활용할 수 있고 PLM의 효과적인 운영을 위한 최적화 솔루션을 제공할 수 있을 것이다.
본 연구 결과를 활용하여 제품 수명주기 관리 (PLM)에 있어서 빅데이터가 상용화된다면, 빅데이터에 대한 이해도 및 활용도가 높아지고, 실무적인 활용 방안들에 관한 연구가 가능할 것이다. 또한, 본 연구에서 확인한 PLM 활동 영역별로 빅데이터 수집방법과 운용 방안에 관해 추가적인 연구를 통하여 빅데이터의 유형별로 주요 요인들이 PLM 성과에 미치는 영향에 대해서 실증분석을 할 수 있게 될 것이다.

Abstract ▼ AI-Helper

The purpose of this study was to increase practical utilization of product lifecycle management (PLM) in the manufacturing industry through the use of big data for each PLM stage in the manufacturing industry with relatively low utilization of PLM. The most important part of a PLM system is determin...

The purpose of this study was to increase practical utilization of product lifecycle management (PLM) in the manufacturing industry through the use of big data for each PLM stage in the manufacturing industry with relatively low utilization of PLM. The most important part of a PLM system is determining that the data required for each phase activities are essential, however, the validity of the data needed for manufacturing activities is limited in the current manufacturing system. In particular, even though importance of big data utilization in manufacturing activities has been widely investigated in recent years, there has been no clear direction on how to verify the validity of big data and continue to use it in practice. The product lifecycle management (PLM) strategy has a very high utilization value of big data for strategic decision making in the manufacturing and marketing part of a company such as product development, sales, and withdrawal to form an optimal portfolio of products, but related research is limited. This study investigated the pattern of big data, utilization scope of big data and purpose of utilization, and the activities (purpose of use) and efficacy required for each PLM phase to analyze the usefulness of big data as an operational strategy.
First, the Delphi survey conducted with 30 experts in manu- facturing on PLM activities with 'big data factors', 'PLM utilization scope of big data and purpose of utilization', and 'BOL/MOL/EOL big data types for each phase, application range, and purpose of use' keywords. The opinions of experts were investigated with open-ended questions about the utilization scope of big data for PLM-related activities and based on the results of the survey, core utilization scope of big data in manufacturing and marketing parts was extracted. The 2nd Delphi survey, which was conducted to specify the importance of the core utilization scope of big data, measured the value of big data utilization by major business areas of manufacturing and marketing parts. Through the second Delphi survey, the final core of big data application field was extracted by analyzing the content validity of important factors based on the responses of experts in each business area for the utilization scope of big data. Finally, AHP analysis was performed to confirm the priorities through a pairwise analysis between important factors related to the big data utilization by business area.
According to the verification results, the ranking of the “big data pattern” in marketing was in the order of customer big data, market big data, sales big data, and economic big data. The “utilization scope of big data” appeared in the order of new market selection, customer management, market environment analysis, development time reduction, and global trend. In the ‘Scope of application of big data in BOL/MOL/EOL phases’, important factors were identified for each phase, and priorities for each phase were checked to identify the factors that require investment in priority. In production, the 'big data pattern' was ranked in the order of quality big data, design big data, manufacturing big data, and records big data. The “utilization scope of big data” appeared in the order of quality claim management, product develop- ment management, yield analysis, product demand prediction, and test development management. In the ‘Scope of application of big data in the BOL/MOL/EOL phase’, important factors were checked for each phase, priorities for each phase were checked, and the factors requiring investment in priority were identified.
As for the academic implications of this study, first, the theoretical foundation was completed by systematically arranging the preceding research and academic data on the necessity of activities for each phase for the introduction of PLM. Second, after establishing the standard of big data that can be used by checking the matters necessary for the activities of each PLM phase and the characteristics of the data, the big data required for the phased activities were defined through experts and the importance of the key factors for each work area was identified. As a practical implication, in the past, the data utilization scope of PLM remained at the level of limited application accessible, but in this study, the utilization value of big data was confirmed and practical utilization scope and importance of big data by pattern were presented. The results of this study can be used to determine the utilization scope of big data for each PLM phase and provide an optimized solution for the effective operation of PLM.
Using the findings of this study to commercialize big data in product lifecycle management (PLM), the degree of understanding and utilization of big data will increase, and research on practical applications will be possible. Besides, through additional research on the method of collecting and operating big data for each area of PLM activity identified in this study, it will be possible to conduct an empirical analysis on the effect of major factors on PLM performance by pattern of big data.

주제어