[논문]R기반 데이터 분석 프레임워크를 이용한 코팅제 배합 분석 기술

노성여; 김민정; 김영진

doi:10.9717/kmms.2015.18.6.734

R기반 데이터 분석 프레임워크를 이용한 코팅제 배합 분석 기술
An Analysis Techniques for Coatings Mixing using the R Data Analysis Framework 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.18 no.6, 2015년, pp.734 - 741

노성여 (Dept. of Interdisciplinary Program of Management of technology, Pukyong National University) , 김민정 (Nara System Co., Ltd.) , 김영진 (Dept. of Systems Management and Eng., Pukyong National University)

Abstract ▼ AI-Helper

Coating is a type of paint. It protects a product forming a film layer on the product and assigns various properties to the product. Coating is one of the fields which is being studied actively in the polymer industry. Importance of coating in various industries is more increased. However, mixing process has been performing in dependence on operator's experience. In this paper, we found the relationship between each data from coating formulation process. We propose a framework to analyze the coating formulation process as well. It can improve the coating formulation process. In particular, the suggested framework may reduce degradation and loss costs due to absence of standard data which is accurate formulation criteria. Also it suggests responses to errors which can be occurred in the future through the analysis of the error data generated in mixing step.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

시각화를 설계하고자 한다.또한 수집된 자료를 데이터 검증 분석 방법에 적용하여 표준 아키텍처의 제시 및 객관적 검증을 수행할 수 있는 기술에 대한 연구에 중점을 두고자 한다.
In-Memory 컴퓨팅기술을 통한 빠른 처리속도와 분석 및 시각화를 위한 강력한 그래픽 함수를 지원한다.본 논문에서는 R을 기반으로 다양한 데이터의 분석과 해당 데이터의 신뢰성을 검증하는 API셋을 제안한다.제안하는 API 셋은 프레임워크의 분석 및 검증 컨테이너의 구성요소 중 하나이다[4].
본 논문에서는 R을 기반으로 하는 데이터 분석 프레임워크를 이용한 코팅제 배합 분석 기술을 제안하고 그 실험결과를 제시하였다.1차 실험을 통하여 코팅제 배합 시 정배합 샘플값에서 △E의 오차범위 안의 BestPoint범위, 조색제 각각에 대한 교호작용 및 점밀성은 전혀 무관함을 실험에서 얻을 수 있었다.
데이터 마이닝에는 인공지능의한 분야이자 자동적 학습 기법을 설계 및 구현하는 기계학습, 데이터에서 유용한 패턴을 찾아내는 패턴인식, 통계학, 신경망 컴퓨팅 등의 기술이 포함된다.본 논문에서는 코팅제 배합분석기술을 기준으로, 경영자 및 현장의 작업자에게 배합공정의 최적화를 지원하기 위하여 각 데이터에 대한 관계성을 통계적 기법 및 데이터 마이닝 기법을 이용하여 분석하고 그 결과를 제공한다.
코팅제는 다양한 산업분야에서 활용되는 중요한 재료중 하나이며, 완성된 제품의 성능과 디자인적인 요소의 향상을 위하여 정확한 색상과 품질이 유지되어야 한다. 본논문에서는 R분석으로 코팅제 배합 공정을 분석하기 위하여 프레임워크를 활용하고 분석한 결과는 보다 정량적인 작업 기준 데이터를 확보하여 작업 현장에 제공함으로써 코팅제 배합 공정을 개선시킬 수 있다.특히 정확한 배합 기준이 되는 표준 데이터의 부재로 인한 품질 저하와 원가 손실을 감소시키고, 배합 공정에서 발생한 오차 데이터에 대하여 표준보정 관계식을 도출함으로써 차후 발생 가능한 오차에 대한 대응 방안을 제시하여 최적의 코팅제 배합기준 데이터를 확보할 수 있다.

제안 방법

6보다 크면 그 모형이 신뢰할만한 모형이라고 판단된다.각 값 L, a, b, ΔE에 대해 회귀분석을 실시하고 예측모형을 설계한다.다음으로 실제 데이터 같은 Input value를 넣어 예측을 실시하여 실제 데이터 결과 값과 비교한다.
코팅제 배합에 투입되는 정확한 재료명과 품목코드는 데이터 셋을 제공한 업체의 요청에 따라 대체코드로 표시하였다.각 재료에 대한 대체코 드는 도료의 기본구성(용제, 수지, 조색제, 첨가제)의 4종류로 분류하고 각 분류에 따라 일련번호를 적용하여 대체코드를 생성하였다.Table1은 재료의 구분에 따른 코드 생성 규칙이다.
개발 시스템을 위한 R분석 모델 기반은 데이터마이닝과 시스템을 위한 신규분석 모델로 나눌 수 있으며, 신규분석 모델 개발은 실험계획법 기반의 분석모델을 R통계분석을 활용하여 자체 개발한 데이터분석 API를 적용하여 데이터를 분석한 후 검증에 필요한 데이터 피드백 과정을 거친 후 TA설계를 한다. 데이터마이닝 기법은 기존의 분석 기술과 기계학습 등을 통한 다양한 정량적 분석 및 예측 알고리즘 간의 교차검증과 피드백을 통하여 정성적, 정량적인 예측 결과와 판단근거를 모두 제시할 수 있는 검증 알고리즘을 개발, 적용하여 TA를 설계한다.
한다. 데이터마이닝 기법은 기존의 분석 기술과 기계학습 등을 통한 다양한 정량적 분석 및 예측 알고리즘 간의 교차검증과 피드백을 통하여 정성적, 정량적인 예측 결과와 판단근거를 모두 제시할 수 있는 검증 알고리즘을 개발, 적용하여 TA를 설계한다.
2차 실험을 통해 BestPoint범위 내 분석 결과에 따른 예측값, 실제값, 비교결과, 정확성을 통한 표준 한도 색상값과 거의 일치한 값을 획득하였다.본 논문에서 도출한 코팅제 배합비율 데이터 최적화 모형에서 원료 코드별 지시량과 불출량, 도료의 기본색의 영향, 조색 시 조색제와 수지의 중요도에 대하여 조색 데이터의 방향성과 배합의 연관성, 결과물과 목표 간의 오차 감소 방향 등을 분석하였다.본 연구에서의 실험과 분석을 통해 확보된 기준 데이터는 제조공정에 적용할 경우 배합의 정확도 향상과 작업 시간 단축을 가능하게 해 주고, 건당 처리시간의 감소로 인한 생산 납품시간 단축, 불량률 감소 등에 따른 원가 절감에 기여할 수 있다.
수집된 데이터는 분석 및 검증 컨테이너를 통해서 데이터 마이닝, 신경망 및 기계학습 기반으로 분석된다. Fig.
수행한다.코팅제 배합에 투입되는 정확한 재료명과 품목코드는 데이터 셋을 제공한 업체의 요청에 따라 대체코드로 표시하였다.각 재료에 대한 대체코 드는 도료의 기본구성(용제, 수지, 조색제, 첨가제)의 4종류로 분류하고 각 분류에 따라 일련번호를 적용하여 대체코드를 생성하였다.
코팅제 제조 시 적용되는 배합 비율 표를 기준으로 정확한 조색을 위하여 보정한 실제 배합 데이터를 이용하여 실험을 수행하였다.실험데이터는 제조 현장에서 직접 측정된 실제 데이터를 적용하고 있으며, 데이터 셋을 제공한 업체의 현장상황에 따라 제조 현장의 온도, 습도 등 기초적인 환경데이터가 포함되어있지 않다.

대상 데이터

본 실험에서는 다양한 코팅제의 실제 배합 데이터셋 중에서 다섯 종류의 코팅제를 표본으로 하여 실험을 수행한다.코팅제 배합에 투입되는 정확한 재료명과 품목코드는 데이터 셋을 제공한 업체의 요청에 따라 대체코드로 표시하였다.

데이터처리

각 값 L, a, b, ΔE에 대해 회귀분석을 실시하고 예측모형을 설계한다.다음으로 실제 데이터 같은 Input value를 넣어 예측을 실시하여 실제 데이터 결과 값과 비교한다. Fig.

성능/효과

그 실험결과를 제시하였다.1차 실험을 통하여 코팅제 배합 시 정배합 샘플값에서 △E의 오차범위 안의 BestPoint범위, 조색제 각각에 대한 교호작용 및 점밀성은 전혀 무관함을 실험에서 얻을 수 있었다. 2차 실험을 통해 BestPoint범위 내 분석 결과에 따른 예측값, 실제값, 비교결과, 정확성을 통한 표준 한도 색상값과 거의 일치한 값을 획득하였다.
1차 실험을 통하여 코팅제 배합 시 정배합 샘플값에서 △E의 오차범위 안의 BestPoint범위, 조색제 각각에 대한 교호작용 및 점밀성은 전혀 무관함을 실험에서 얻을 수 있었다. 2차 실험을 통해 BestPoint범위 내 분석 결과에 따른 예측값, 실제값, 비교결과, 정확성을 통한 표준 한도 색상값과 거의 일치한 값을 획득하였다.본 논문에서 도출한 코팅제 배합비율 데이터 최적화 모형에서 원료 코드별 지시량과 불출량, 도료의 기본색의 영향, 조색 시 조색제와 수지의 중요도에 대하여 조색 데이터의 방향성과 배합의 연관성, 결과물과 목표 간의 오차 감소 방향 등을 분석하였다.
예측된 결과 값과 실제의 결과 값을 비교해보았을 때 차이가 근소하며 때로는 예측된 값이 더 좋은 결과를 나타낸다.또한 더 많은 데이터를 이용하여 회귀분석을 실시하면 예측에 대한 정확도 또한 증가할 것이다.

후속연구

나타낸다.또한 더 많은 데이터를 이용하여 회귀분석을 실시하면 예측에 대한 정확도 또한 증가할 것이다.
본 논문에서 도출한 코팅제 배합비율 데이터 최적화 모형에서 원료 코드별 지시량과 불출량, 도료의 기본색의 영향, 조색 시 조색제와 수지의 중요도에 대하여 조색 데이터의 방향성과 배합의 연관성, 결과물과 목표 간의 오차 감소 방향 등을 분석하였다.본 연구에서의 실험과 분석을 통해 확보된 기준 데이터는 제조공정에 적용할 경우 배합의 정확도 향상과 작업 시간 단축을 가능하게 해 주고, 건당 처리시간의 감소로 인한 생산 납품시간 단축, 불량률 감소 등에 따른 원가 절감에 기여할 수 있다.
본논문에서는 R분석으로 코팅제 배합 공정을 분석하기 위하여 프레임워크를 활용하고 분석한 결과는 보다 정량적인 작업 기준 데이터를 확보하여 작업 현장에 제공함으로써 코팅제 배합 공정을 개선시킬 수 있다.특히 정확한 배합 기준이 되는 표준 데이터의 부재로 인한 품질 저하와 원가 손실을 감소시키고, 배합 공정에서 발생한 오차 데이터에 대하여 표준보정 관계식을 도출함으로써 차후 발생 가능한 오차에 대한 대응 방안을 제시하여 최적의 코팅제 배합기준 데이터를 확보할 수 있다.
향후에는 데이터 처리 아키텍처를 기반으로 시스템에 축적된 데이터를 적용하고, 도출된 결과를 이용하여 고객 요구에 맞는 색차 값 추출 및 표준 값과 제품의 특성 값을 비교, 분석 및 검증하는 표준 구조 및 시각화를 설계하고자 한다.또한 수집된 자료를 데이터 검증 분석 방법에 적용하여 표준 아키텍처의 제시 및 객관적 검증을 수행할 수 있는 기술에 대한 연구에 중점을 두고자 한다.

참고문헌 (24)

Functional Inorganic Coatings, http://mirian.kisti.re.kr/publication/view.jsp?record_no1 55&cont_cdKI (accessed Nov., 5, 2014).
Analyst G. Johnson Interviewed by S. Bushell in Computer World, on 24 July 2000("M-commerce Key to Ubiquitous Internet").
K. Ashton, “That Internet of Things Thing, in the Real World Things Matter more than Ideas,” RFID Journal, 2009.
R Development Core Team, R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, 2008.
J.C. Kim, Design of Framework for the Data Analysis and Validation Based on the Forensic Readiness by Industry Type, Doctor's Thesis of Pukyong National University, 2015.
M. Koo, J. Lee, and H. Cha, CCM System Practical Technology Research for Laboratory Dyeing Machine, Korean Institute of Industrial Technology, 1993.
J.C. Stanley, “The Influence of Fisher's ‘The Design of Experiments’ on Educational Research Thirty Years Later,” American Educational Research Journal, Vol. 3, No. 3, pp. 223-229, 1966.

상세보기
J.F. Box, “R.A. Fisher and the Design of Experiments,” The American Statistician, Vol. 34, No. 1, pp. 1-7, 1980.
H. Bae, S.S. Kim, D.W. Choi, S.T. Lee, and Y.J. Kim, “Application of Data Mining for Coagulant Dosage of Water Treatment Plants Corresponding to Input Conditions,” Journal of Korean institute of Intelligent Systems, Vol. 15, No. 1, pp. 1-5, 2005.

원문보기 상세보기
S.R. Kim and M.M. Kang, "Today and the Future of Big Data Analytics Technology," Proceeding of Communications of the Korean Institute of Information Scientists and Engineer, pp. 8-17, 2014.
W.S. Han, "Social and Technological Big Data Analytics Technology," Proceeding of Communications of the Korean Institute of Information Scientists and Engineer, pp. 3-5, 2014.
I.K. Oh, Y.M. Kim, and S.W. Cha, “A Study on the Application Methods of Big Data in CMF Design Process of Smart Phone,” Journal of Digital Design, Vol. 14, No. 4, pp. 781-790, 2014.
Y.Y. Park and H.W. Byun, “Efficient Development and Quality Evaluation of Online Library System Using Framework,” Journal of Korea Multimedia Society, Vol. 13, No. 5, pp. 627-640, 2010.
J.H. Lee and S.M. Hwang “Value-Based Enterprise Architecture Framework: VBEAF,” Journal of the Korea Industrial Information Systems Research, Vol. 19, No. 6, pp. 77-79, 2014.

원문보기 상세보기
K.W. Lim and Y.W Kim, "Perforamnce Analysis of Data Processing Framework based on Hadoop," Korean Society for Internet Information Summer Announcement Conference, Vol. 13, No. 1, pp. 225-226, 2012.
Y.H. Kang and M.G Hong, “Sensory Data Processing by Using Hadoop Framework,” The Journal of Korean Institute of Information Technology, Vol. 11, No. 2, pp. 169-174, 2013.

상세보기
R Development Core Team, R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, 2008.
H.W. Jeon, “Big Data Analysis with R: R Distributed Programming,” Microsoftware, pp. 186-193, 2011.
K.G. Lee, Statistical Analysis using the MATLAB, Ajin, Seoul, 2013.
H.Y. Park and K.Y. Lee, Pattern Recognition and Machine Learning: From the Ground up to Take Advantage of, Ehan Media, Goyang, 2011.
D.B. Jung and T.Y. Won, Time Series Data and Analysis of Simplification I , Hannarae Publishing Group, Seoul, 2001.
J.H. Lee, “Data Bigbang, Trends of Big Data” Journal of Communications & Radio Spectrum, No. 47, p. 45, 2012.
Y.J. Choi and S.S. Park, “Interplay of Text Mining and Data Mining for Classifying Web Contents,” Korean Journal of Cognitive Science, Vol. 13, No. 3, pp. 33-46, 2002.
J.J. Lee, A Study on the Realtime Ascii Art Works Using Processing Language, Master's Thesis of Chung-Ang University of Multimedia & Film, 2007.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증