빅데이터 분석을 활용한 실험계획법 기반의 코팅제 배합비율 최적화 모형 Optimization Model for the Mixing Ratio of Coatings Based on the Design of Experiments Using Big Data Analysis원문보기
코팅제에 대한 연구는 고분자 산업에서 가장 보편화되고 활발하게 연구되고 있는 내용의 하나이다. 코팅제는 전자산업, 의료, 광학 분야 등에서 중요성이 더욱 커지고 있으며, 특히 자동차 및 전자부품의 첨단화에 힘입어 코팅제에 대한 성능과 정밀도 등 기술적인 요구사항이 증가하고 있는 추세이다. 또한 방대한 환경 정보와 상황 정보를 기반으로 한 사물 인터넷과 빅데이터 분석 기술의 도입을 통해 산업 현장에서는 더욱 지능화되고 자동화된 시스템과 처리 기술의 필요성이 높아지고 있다. 이에 본 논문에서는 사물 인터넷 기술과 빅데이터 분석을 활용한 실험계획법 기반의 코팅제 배합 데이터에 대한 최적화 모형을 제안한다. 본 논문에서는 실제 생산현장에서 사용하는 코팅제 배합 기준 데이터와 발생한 오차에 대하여 작업자가 수정한 보정 결과 데이터를 실험계획법을 기반으로 분석하여 최적의 코팅제 배합 기준 데이터를 계산하였다. 또한 빅데이터 분석 기술과 사물 인터넷 기술을 활용하여 기존의 코팅제 배합 기준 데이터만을 적용한 공정이 아니라 제조 환경 정보와 상황 정보를 이용하여 색상과 품질 유지에 가장 중요한 인자를 검색하고 기준값을 보정하는 최적화 모형을 도출하였다. 실험 및 분석을 통해 확보된 기준 데이터는 제조 공정에 적용할 경우 배합의 정확도 향상과 LOT별 작업시간 단축을 가능하게 해주고, 건당 처리시간의 감소로 인한 생산 납품시간 단축, 불량률 감소 등에 따른 원가 절감에 기여할 수 있다. 또한, 다양한 모델링에 대한 제조 공정에서의 표준 데이터를 획득할 수 있다.
코팅제에 대한 연구는 고분자 산업에서 가장 보편화되고 활발하게 연구되고 있는 내용의 하나이다. 코팅제는 전자산업, 의료, 광학 분야 등에서 중요성이 더욱 커지고 있으며, 특히 자동차 및 전자부품의 첨단화에 힘입어 코팅제에 대한 성능과 정밀도 등 기술적인 요구사항이 증가하고 있는 추세이다. 또한 방대한 환경 정보와 상황 정보를 기반으로 한 사물 인터넷과 빅데이터 분석 기술의 도입을 통해 산업 현장에서는 더욱 지능화되고 자동화된 시스템과 처리 기술의 필요성이 높아지고 있다. 이에 본 논문에서는 사물 인터넷 기술과 빅데이터 분석을 활용한 실험계획법 기반의 코팅제 배합 데이터에 대한 최적화 모형을 제안한다. 본 논문에서는 실제 생산현장에서 사용하는 코팅제 배합 기준 데이터와 발생한 오차에 대하여 작업자가 수정한 보정 결과 데이터를 실험계획법을 기반으로 분석하여 최적의 코팅제 배합 기준 데이터를 계산하였다. 또한 빅데이터 분석 기술과 사물 인터넷 기술을 활용하여 기존의 코팅제 배합 기준 데이터만을 적용한 공정이 아니라 제조 환경 정보와 상황 정보를 이용하여 색상과 품질 유지에 가장 중요한 인자를 검색하고 기준값을 보정하는 최적화 모형을 도출하였다. 실험 및 분석을 통해 확보된 기준 데이터는 제조 공정에 적용할 경우 배합의 정확도 향상과 LOT별 작업시간 단축을 가능하게 해주고, 건당 처리시간의 감소로 인한 생산 납품시간 단축, 불량률 감소 등에 따른 원가 절감에 기여할 수 있다. 또한, 다양한 모델링에 대한 제조 공정에서의 표준 데이터를 획득할 수 있다.
The research for coatings is one of the most popular and active research in the polymer industry. For the coatings, electronics industry, medical and optical fields are growing more important. In particular, the trend is the increasing of the technical requirements for the performance and accuracy o...
The research for coatings is one of the most popular and active research in the polymer industry. For the coatings, electronics industry, medical and optical fields are growing more important. In particular, the trend is the increasing of the technical requirements for the performance and accuracy of the coatings by the development of automotive and electronic parts. In addition, the industry has a need of more intelligent and automated system in the industry is increasing by introduction of the IoT and big data analysis based on the environmental information and the context information. In this paper, we propose an optimization model for the design of experiments based coating formulation data objects using the Internet technologies and big data analytics. In this paper, the coating formulation was calculated based on the best data analysis is based on the experimental design, modify the operator with respect to the error caused based on the coating formulation used in the actual production site data and the corrected result data. Further optimization model to correct the reference value by leveraging big data analysis and Internet of things technology only existing coating formulation is applied as the reference data using a manufacturing environment and context information retrieval in color and quality, the most important factor in maintaining and was derived. Based on data obtained from an experiment and analysis is improving the accuracy of the combination data and making it possible to give a LOT shorter working hours per data. Also the data shortens the production time due to the reduction in the delivery time per treatment and It can contribute to cost reduction or the like defect rate reduced. Further, it is possible to obtain a standard data in the manufacturing process for the various models.
The research for coatings is one of the most popular and active research in the polymer industry. For the coatings, electronics industry, medical and optical fields are growing more important. In particular, the trend is the increasing of the technical requirements for the performance and accuracy of the coatings by the development of automotive and electronic parts. In addition, the industry has a need of more intelligent and automated system in the industry is increasing by introduction of the IoT and big data analysis based on the environmental information and the context information. In this paper, we propose an optimization model for the design of experiments based coating formulation data objects using the Internet technologies and big data analytics. In this paper, the coating formulation was calculated based on the best data analysis is based on the experimental design, modify the operator with respect to the error caused based on the coating formulation used in the actual production site data and the corrected result data. Further optimization model to correct the reference value by leveraging big data analysis and Internet of things technology only existing coating formulation is applied as the reference data using a manufacturing environment and context information retrieval in color and quality, the most important factor in maintaining and was derived. Based on data obtained from an experiment and analysis is improving the accuracy of the combination data and making it possible to give a LOT shorter working hours per data. Also the data shortens the production time due to the reduction in the delivery time per treatment and It can contribute to cost reduction or the like defect rate reduced. Further, it is possible to obtain a standard data in the manufacturing process for the various models.
도료란 물체의 표면에 피막층을 형성함으로써 물체를 보호하고 다양한 성능을 부여하는 화학제품을 말한다. 다양한 도료 중에서도 특히 코팅제에 대한 연구는 고분자 산업에서 가장 보편화되고 활발하게 연구되고 있는 내용의 하나이다.
빅데이터의 특징은 무엇인가?
빅데이터[4, 5]는 부피가 크고(Volume), 변화의 속도가 빠르며(Velocity), 데이터의 속성이 다양한 데이터(Variety)를 지칭한다. 빅데이터는 비정형 텍스트 데이터에서 정보를 추출, 가공하는 텍스트 마이닝, 소셜 미디어 텍스트의 긍정, 부정, 중립의 선호도 판별에 사용되는 오피니언 마이닝, 소셜네트워크의 연결 구조 및 강도 등을 바탕으로 사용자의 명성 및 영향력을 측정하여 활용되는 소셜 네트워크 분석, 비슷한 특성을 가진 개체를 합쳐가면서 유사 특성의 군집을 발굴하는 군집 분석 등의 분석 인프라를 가진다[6].
Flume의 장점은 무엇인가?
▫ Flume은 단순하며 유연한 스트리밍 데이터 플로우 (Streaming Data Flow) 아키텍처를 기반으로 한다. 또한 장애 발생 시 쉽게 대처할 수 있으며, 로그 유실에 대한 신뢰 수준을 상황에 맞게 변경할 수 있을 뿐만 아니라, 다양한 복구 메커니즘을 제공한다. 실시간 로그 분석 애플리케이션을 개발할 수 있도록 간단하고 확장 가능한 데이터 모델을 사용한다. 클러스터에 있는 모든 장치로부터 로그 파일들을 수집한 후, 하둡 분산 파일 시스템(HDFS)과 같은 중앙 저장소에 저장 하는 로깅 시스템을 구축해야 할 때 안성맞춤이다.
참고문헌 (19)
Korea Institute of Science and Technology Information, Functional Inorganic Coatings, [Internet], http://mirian.kisti.re.kr/publication/view.jsp?record_no155&cont_cdKI
Analyst Anish Gaddam interviewed by Sue Bushell in Computerworld, on 24 July 2000 ("M-commerce key to ubiquitous internet").
Ashton Kevin, That 'Internet of Things' Thing, in the real world things matter more than ideas, RFID Journal, 2009.
Douglas Laney, "3D Data Management: Controlling Data Volume, Velocity and Variety", META Group, Feb., 2001.
Mark Beyer, Gartner Says Solving 'Big Data' Challenge Involves More Than Just Managing Volumes of Data, Gartner. Retrieved 13 July 2011. [Internet], http://www.gartner.com/it/ page. jsp?id1731916.
Hong Keun Yoon, "Research on the Application Methods of Big Data within the Cultural Industry", Global Cultural Contents, Vol.10, pp.163-166.
R Development Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2008.
Heewon Jeon, "Big Data Analysis with R: R Distributed Programming", Microsoftware, pp.186-193, Sep., 2011.
Lee, Kae Gil, "Statistical analysis using the MATLAB", Ajin, Seoul, 2013.
Hyeyoung Park, Kwanyong Lee, "Pattern Recognition and Machine Learning: From the ground up to take advantage of", Ehan Media, Goyang, 2011.
Jung, D. B. and Won, T. Y, Time series data and analysis of simplification I, Hannarae Publishing Group, Seoul, 2001.
Kyung-Sook Woo and Young-Jeon Shin, "A systematic review of studies using time series analysis of health and welfare in Korea", Korean Data and Information Science Society, Vol.25, No.3, pp.579-599, 2014.
Min-Hoi Koo, Jin-Woo Lee and Hoe-Cheol Cha, "CCM System Practical Technology Research for Laboratory Dyeing Machine", Korean Institute of Industrial Technology, 1993.
Stanley, J. C., "The Influence of Fisher's "The Design of Experiments" on Educational Research Thirty Years Later", American Educational Research Journal 3(3), pp.223-229, 1966.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.