[논문]빅데이터 기반 군수품 품질정보 활용방안에 대한 연구

전수연; 이동헌; 배만재

doi:10.5762/kais.2016.17.6.315

빅데이터 기반 군수품 품질정보 활용방안에 대한 연구
A Study on the Application Method of Munition's Quality Information based on Big Data 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.17 no.6, 2016년, pp.315 - 325

전수연 (국방기술품질원) , 이동헌 (국방기술품질원) , 배만재 (국방기술품질원)

초록
AI-Helper

국방산업에 관련된 데이터의 양적팽창과 기술성장에 따라, 유의미한 품질정보를 추출하고 이를 통해 정책 제정 및 품질보증 업무에 활용하는 것이 요구되고 있다. 데이터에 기반한 경향 파악 및 의사결정 도출은 다수의 상황에 유연하게 대처할 수 있도록 하여 업무의 생산성을 높이고 새로운 기회를 발견하는 핵심 수단으로 활용될 수 있다. 따라서 국방산업에서는 개발단계부터 양산단계까지 다양한 품질정보들을 수집하고 이를 활용할 수 있도록 빅데이터 기반의 업무체계 구축이 필요하며, 축적된 정보를 활용하기 위한 방안이 필요하다. 본 연구는 정보체계 운용을 통해 신뢰성이 확보된 군수품의 품질정보를 수집하여 정형화된 빅데이터를 구축하는 방안을 제시하였으며, 사용자가 이를 활용할 수 있는 종합표준플랫폼을 제시하였다. 제안된 종합표준플랫폼은 군수품시험성적서 정보시스템(Test Report Information Service for Military Supplies, TRIS 시스템) 구축을 통하여 수행하였으며, TRIS 시스템을 통해 축적되는 정형 데이터의 활용방안을 제안하였다. 더불어 국방산업 비정형 데이터 활용방안에 대해 연구하였다. 본 연구의 결과는 향후 국방산업의 데이터 인프라 형성에 기여할 것으로 기대되며, 종합표준플랫폼을 통해 수집된 정보들은 군수품 품질보증에 관한 무기체계 별 전략 수립 및 동향 파악에 유용하게 활용될 것이다.

Abstract ▼ AI-Helper

Due to the expansion of data and technical progress in the military industry, it is important to extract meaningful information for assuring quality and making policies. The analysis of trends and decision making based on big data is helpful for increasing productivity in business and finding new business opportunities. We propose an application to collect reliable quality information for munitions and build a big data platform for using the accumulated information and numerical data. We verified the proposed platform using the Test Report Information Service (TRIS) system and suggest a method that utilizes unstructured and semi-structured data accumulated by TRIS. Thus, we expect that the proposed platform will help in building infrastructure for military data, making efficient strategies, and analyzing trends for assuring munitions quality.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 군수품 품질정보 활용방안을 도출하기 위해 빅데이터 기반 환경 조성의 필요성 및 국가적 차원에서의 국방 정보자원의 통합·공유를 제안하였다.
따라서 본 연구에서는 기존의 빅데이터 활용 연구, 품질정보 시스템 및 군수품 품질데이터 활용 연구사례를 분석하여 군수품 품질정보 빅데이터 구축을 위한 플랫폼을 도출하고, 이에 대한 시스템 구축 방안과 발전 방안을 제시하였다. 또한, 기존의 TRIS 시스템을 고도화하여 정형화된 빅데이터의 활용방안을 제시하였으며, 비정형 데이터를 활용한 발전방안을 제시하였다.
따라서 정형화된 시험성적 결과를 수신하기 위하여 군수품 시험성적서 정보체계와 공인시험기관 정보체계 간 양방향 데이터 연계 처리를 제안하였다. 이를 통해 시험기관 시스템의 시험성적 데이터를 직접 수신하여 데이터베이스화하는 시스템을 구축할 수 있고, TRIS 시스템으로 의뢰되는 시험의뢰서들을 시험기관에서도 데이터를 수신할 수 있도록 하여 데이터 신뢰성을 확보하고, 빠른 시간 내 많은 양의 데이터를 축적할 수 있도록 하였다.
하지만 아직까지는 군수품의 전반적인 품질문제의 동향을 파악하여 정책수립에 국방 분야의 빅데이터를 활용한 사례가 없는 실정이다. 따라서, 본 연구에서 빅데이터의 비정형데이터 활용을 통한 동향파악 및 군수품 품질정보 데이터 활용 방안을 제시하기 위하여 비정형 데이터 분석을 위한 키워드 기반 네트워크 분석법을 제안하였다.
정형화된 빅데이터의 구축 범위는 품질보증활동 중 수집되는 군수품의 계약번호, 시험기관, 시험일자, 시료번호, 시험 결과치 등 정형화가 가능한 데이터로 한정하였다. 또한, 전자 및 전자화 문서 형태의 시정조치요구서, 품질보증일지 등과 같은 비정형 데이터를 정형화 데이터에 연계시켜 확인할 수 있도록 하였다. 따라서 군수품 시험분석 정보체계 구축을 시작으로, 군수품 품질보증 종합 플랫폼을 구축할 것을 제안하였다.
본 연구에서 제안하는 품질정보시스템은 TRIS 시스템의 고도화를 통해 수집된 빅데이터를 바탕으로 공정능력 및 통계적 품질관리를 위한 플랫폼을 제공하는 것이다. TRIS 시스템에서 제공하는 공정능력 정보는 시험일자, 시료 명, 시험항목, 시험방법, 시험결과를 제공하며, 정부규격의 합부 여부를 빅데이터와 연계하여 시스템에서 판단할 수 있다.
본 연구에서는 신뢰성이 확보된 군수품 품질정보를 수집하기 위하여, 공인시험기관과 데이터 연계를 통해 지속적으로 군수품 품질 데이터를 축적할 수 있는 환경을 구축하였다. 또한 축적된 데이터를 활용한 통계기능 및 공정능력 평가 플랫폼을 구축하여 사용자가 시각화 자료를 활용할 수 있고, 군수품 별 품질동향을 한 눈에 파악할 수 있도록 하였다.
상기 선행연구의 품질정보시스템 플랫폼은 품질 이력관리, 성적서의 신뢰성 확보, 정보연계, 품질해석 및 추적관리 등의 기능을 제공한다. 본 연구에서는 품질관리시스템 플랫폼 제공을 통해 정부의 위험관리(Riskmanagement)기반의 품질보증활동 및 하도급업체 관리방안 수립, 중소기업의 품질관리에 대한 역량 강화를 목적으로 하였다. 이를 위해 시험성적서 신뢰성 확보 및 정보연계 기능이 탑재된 군수품 시험성적서 정보체계에 구축된 빅데이터를 활용한 품질해석 및 품질추적관리 기능을 추가하였다.

제안 방법

Lee 등(2000)은 품질정보 시스템을 품질설계시스템, 공정운전 모니터링 시스템, 품질 추적관리시스템, 품질해석 시스템, 품질판정시스템으로 분류하였고, 기존 통계이론을 적용하였다. 관리도 분석 시에는 관리 한계선뿐만 아니라 사용자가 원하는 규격 허용 한계치를 부여할 수 있어 실무에 적합하도록 하고, 치우침을 고려한 공정능력분석도 함께 출력이 되도록 하였다. 또한, 제품의 전 수명주기에 걸쳐서 생산자 중심의 활동인 품질관리의 보완이 중요함을 강조하였다[16].
또한 축적된 데이터를 활용한 통계기능 및 공정능력 평가 플랫폼을 구축하여 사용자가 시각화 자료를 활용할 수 있고, 군수품 별 품질동향을 한 눈에 파악할 수 있도록 하였다. 그 밖에도 군수품 사용자 불만 등과 같은 비정형 데이터 분석을 통해 현재의 사용자 불만 파악을 보다 정확하게 수행할 수 있는 방안을 제안하였다.
또한, 전자 및 전자화 문서 형태의 시정조치요구서, 품질보증일지 등과 같은 비정형 데이터를 정형화 데이터에 연계시켜 확인할 수 있도록 하였다. 따라서 군수품 시험분석 정보체계 구축을 시작으로, 군수품 품질보증 종합 플랫폼을 구축할 것을 제안하였다.
이를 통해 시험기관 시스템의 시험성적 데이터를 직접 수신하여 데이터베이스화하는 시스템을 구축할 수 있고, TRIS 시스템으로 의뢰되는 시험의뢰서들을 시험기관에서도 데이터를 수신할 수 있도록 하여 데이터 신뢰성을 확보하고, 빠른 시간 내 많은 양의 데이터를 축적할 수 있도록 하였다. 또한 시스템 사용자를 군수품 품질보증기관뿐 아니라 소요군으로 확대하여, 정부기관이 소유하고 있는 비정형 규격 데이터를 정형화하여 연계하였다. Fig 3은 시험기관의 시스템과 TRIS 시스템의 표준 데이터 연계서비스 제공을 위한 아키텍처이다.
본 연구에서는 신뢰성이 확보된 군수품 품질정보를 수집하기 위하여, 공인시험기관과 데이터 연계를 통해 지속적으로 군수품 품질 데이터를 축적할 수 있는 환경을 구축하였다. 또한 축적된 데이터를 활용한 통계기능 및 공정능력 평가 플랫폼을 구축하여 사용자가 시각화 자료를 활용할 수 있고, 군수품 별 품질동향을 한 눈에 파악할 수 있도록 하였다. 그 밖에도 군수품 사용자 불만 등과 같은 비정형 데이터 분석을 통해 현재의 사용자 불만 파악을 보다 정확하게 수행할 수 있는 방안을 제안하였다.
따라서 본 연구에서는 기존의 빅데이터 활용 연구, 품질정보 시스템 및 군수품 품질데이터 활용 연구사례를 분석하여 군수품 품질정보 빅데이터 구축을 위한 플랫폼을 도출하고, 이에 대한 시스템 구축 방안과 발전 방안을 제시하였다. 또한, 기존의 TRIS 시스템을 고도화하여 정형화된 빅데이터의 활용방안을 제시하였으며, 비정형 데이터를 활용한 발전방안을 제시하였다.
TRIS 시스템은 정부주도의 빅데이터 통합관리 체계로서, 데이터 수집방법을 통해 데이터에 대한 신뢰성을 확보하였으며, 지속적인 데이터 구축을 가능하게 하였다. 또한, 정형화된 빅데이터와 품질정보시스템 플랫폼 구축을 통해 사용자에게 공정능력 및 평가 도구를 제공하여 통계적인 의사결정의 기반을 마련하였다. 하지만, 본 연구에서 도출된 TRIS 시스템은 시험성적 관련 데이터를 정형화하여 축적하고 사용자 불만과 같은 비정형 데이터를 확인할 수 있도록 연계한 플랫폼만을 제공한다.
이러한 기존 연구결과를 바탕으로 ‘2006년도 군납업체용 품질보증 워크북’에서 비정형 데이터를 발췌하여 빅데이터 분석을 수행하였다.
이러한 통계처리 플랫폼 제공을 통하여 군수업체의 품질관리 및 공정관리에 대한 의사결정을 지원할 수 있으며, 필요 시 스프레드시트 형태로 데이터를 저장할 수 있도록 하여 다양한 통계기법 적용이 가능하도록 하였다. 특히 군수업체는 통계 5종 서비스를 통해 의뢰하는 시험항목에 대한 기간별 경향 파악이 가능하여 자체 품질보증능력 강화에 활용할 수 있다.
본 연구에서는 품질관리시스템 플랫폼 제공을 통해 정부의 위험관리(Riskmanagement)기반의 품질보증활동 및 하도급업체 관리방안 수립, 중소기업의 품질관리에 대한 역량 강화를 목적으로 하였다. 이를 위해 시험성적서 신뢰성 확보 및 정보연계 기능이 탑재된 군수품 시험성적서 정보체계에 구축된 빅데이터를 활용한 품질해석 및 품질추적관리 기능을 추가하였다. 기존 군수품 시험성적서 정보체계는 군수품 공인시험 성적서를 저장하고 품질정보를 포함하고 있는 시험결과들을 관리·활용하는 의미에서 상기 선행 연구된 품질정보시스템들과 그 기능이 유사하지만 사회적으로 이슈가 되고 있는 군수품 시험성적서의 위·변조를 방지하여 추적성을 강화할 수 있다는 측면에서 차이가 있다.
이는 관측변수 4 ∼ 6개와 표본개수 20개 이상의 시험 데이터에 적용이 가능하며 길이, 무게, 인장강도와 같은 계수형 시험 결과에 사용할 수 있다. 하지만 모든 시험결과 데이터들이 5개의 부분 군으로 이루어져 있지 않기 때문에 TRIS 시스템에서는 시험결과 개별 값들을 관리도에 표시하는 I-MR 관리도를 활용할 수 있도록 하였다. Fig 7은 TRIS 시스템에서 출력할 수 있는 I-MR 관리도로 기간에 따른 결과 값이 규격치 안에 포함되는지 확인할 수 있다.

대상 데이터

데이터에 기반을 둔 군수품 품질관리를 지속적으로 고도화하기 위해서는 정형화된 형태의 데이터 수집이 필요하며, 다양한 형태의 통계기법이 적용될 수 있는 빅데이터 기반 환경 조성이 필요하다. 이러한 형태의 공공데이터는 보건복지부의 국민건강영양조사 데이터가 있다.
정형화된 빅데이터의 구축 범위는 품질보증활동 중 수집되는 군수품의 계약번호, 시험기관, 시험일자, 시료번호, 시험 결과치 등 정형화가 가능한 데이터로 한정하였다. 또한, 전자 및 전자화 문서 형태의 시정조치요구서, 품질보증일지 등과 같은 비정형 데이터를 정형화 데이터에 연계시켜 확인할 수 있도록 하였다.

이론/모형

따라서 키워드 분석을 위하여 Park 등(2004)이 제안한 한국어 내용 분석기법을 활용하였다. 한국어 내용분석을 위한 Krkwic 분석 툴은 어떤 특정한 단어들이 특정 단어들과 함께 사용됨에 따라 메시지의 의미가 달라질 수 있다는 것에 주목하여 구현된 프로그램으로 다양한 형태의 메시지에서 핵심어를 찾는 것이 목적이다[23].

성능/효과

그리고 매개 중심성을 분석한 결과 ‘기술교범’ 키워드의 경우 연결 중심성 분석에서는 최상위권에 있지는 않지만, 매개 중심성에서는 81.22로 순위가 높음을 확인할 수 있었다.
하지만 TRIS 시스템을 통해 송수신되는 시험성적서는 비정형 형태의 데이터로 통계적 활용이 어려운 문제가 있었다. 따라서 빅데이터 구축 및 활용을 위하여 TRIS 시스템의 고도화를 통해 기존에 비정형으로 수집되는 시험분석 데이터를 정형화하여 저장하는 방식이 데이터 신뢰성 확보 및 빅데이터 구축 방식 중 가장 효율적인 것으로 평가되었다.
마지막으로 근접 중심성을 분석한 결과 2006년도 사용자 불만 네트워크 내 가장 중심이 되는 키워드는 ‘검토’, ‘기술교범’ 임을 나타내었다.
따라서 정형화된 시험성적 결과를 수신하기 위하여 군수품 시험성적서 정보체계와 공인시험기관 정보체계 간 양방향 데이터 연계 처리를 제안하였다. 이를 통해 시험기관 시스템의 시험성적 데이터를 직접 수신하여 데이터베이스화하는 시스템을 구축할 수 있고, TRIS 시스템으로 의뢰되는 시험의뢰서들을 시험기관에서도 데이터를 수신할 수 있도록 하여 데이터 신뢰성을 확보하고, 빠른 시간 내 많은 양의 데이터를 축적할 수 있도록 하였다. 또한 시스템 사용자를 군수품 품질보증기관뿐 아니라 소요군으로 확대하여, 정부기관이 소유하고 있는 비정형 규격 데이터를 정형화하여 연계하였다.

후속연구

따라서 군수품의 품질 예측을 통한 신뢰성 확보와 중소기업의 품질관리 및 품질경영을 지원하기 위한 품질정보시스템이 요구되었으며, 향후 빅데이터 기반 환경을 조성하여 다양한 데이터를 활용할 수 있는 품질정보시스템 플랫폼이 요구되었다. Fig 2는 군수품 시험성적서의 신뢰성 확보 및 빅데이터 기반마련을 위한 TRIS 시스템 개념도이다.
또한, 유의한 통계 결과들을 획득하기 위해서는 데이터를 축적하는 시간이 소요된다는 한계점이 있으며, 사용자 불만과 같은 방대한 비정형 데이터를 수집하여 정량화 하는 과정에서 데이터에 내포된 의미가 왜곡될 수 있다는 한계점 또한 존재한다[24-25]. 따라서 비정형화된 군수품 품질 정보와의 연계방안 및 해석방법에 대한 추가적인 연구가 필요하다.
Fig 7은 TRIS 시스템에서 출력할 수 있는 I-MR 관리도로 기간에 따른 결과 값이 규격치 안에 포함되는지 확인할 수 있다. 사용자는 결과 값 모니터링을 통하여 상한 혹은 하한 규격치에 근사하게 연속으로 존재한다면, 규정개선을 위한 근거로 활용할 수 있다.
이제는 데이터의 단순 수집이 아니라 쌓이고 있는 데이터들을 수집하여 의미 있는 정보들을 찾아 이를 활용해야 한다. 수집된 정보들이 잘 활용된다면 사용자 불만의 주 발생 분야를 사전에 인지하여 대처하고, 군수품 품질보증 시에도 중점적으로 검토하여 대비할 수 있을 것이다.
향후 국방 분야에서는 사용자 불만 분석 시 무기체계의 분야별, 기간별 빅데이터 분석을 통해 현재의 사용자불만 파악을 보다 정확하게 수행해야 하며, 과학적 의사결정을 위한 환경을 구축하는 것이 필요하다. 이러한 전략은 무기체계별 상이한 정책 수립방안을 고안할 수 있다는 장점이 존재하며, 나아가 군수품 연구개발을 고도화할 때 양산 품질보증을 고려한 연구개발이 이루어지는데 기여할 것으로 기대한다.
정형·비정형 데이터의 활용을 통한 군수품 품질정보의 다양한 연구결과들을 토대로 국방품질보증활동의 인프라를 지원하고, 데이터 기반의 과학적 기술지원 환경이 점차적으로 발전할 것으로 기대한다.
향후 국방 분야에서는 사용자 불만 분석 시 무기체계의 분야별, 기간별 빅데이터 분석을 통해 현재의 사용자불만 파악을 보다 정확하게 수행해야 하며, 과학적 의사결정을 위한 환경을 구축하는 것이 필요하다. 이러한 전략은 무기체계별 상이한 정책 수립방안을 고안할 수 있다는 장점이 존재하며, 나아가 군수품 연구개발을 고도화할 때 양산 품질보증을 고려한 연구개발이 이루어지는데 기여할 것으로 기대한다.
즉, 2006년도 군납업체용 품질보증 워크북 사례의 분석결과 문장 내 핵심 키워드는 ‘검토’, ‘기술검토’임을 알아내었으며, 효과적으로 군수품 품질보증 사용자불만을 위해서는 해당 키워드에 대한 검토 및 강화가 필요한 것으로 평가되었다. 향후 네트워크상에서 중심에 있는 키워드의 파악은 실질적으로 군수품 별 취약 품목을 파악하는데 용이하게 활용될 수 있을 것이다.
후속 연구에서는 정형 데이터인 군수품 시험결과와 사용자불만 정보 이외에도 품질보증활동 일지와 같은 빈번하게 축적되는 품질정보의 활용방안에 관한 연구 등 군수품 품질정보 연구의 범위를 확장하여 추가적인 연구를 수행할 수 있을 것이다. 정형·비정형 데이터의 활용을 통한 군수품 품질정보의 다양한 연구결과들을 토대로 국방품질보증활동의 인프라를 지원하고, 데이터 기반의 과학적 기술지원 환경이 점차적으로 발전할 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅 데이터는 무엇인가?	빅 데이터는 정형화 혹은 비정형화 데이터를 구분하지 않는 대량의 데이터 세트로, 순환속도가 빠르다는 특징을 가지고 있다[3,10]. 최근 IT(Information Technology), 클라우드 컴퓨팅 등의 기술발전으로 인해 다양한 정보채널이 등장하여 언제 어디서든 최신화 된 정보를 획득하고 저장하는 것이 용이하게 되었다.
	현재 군수품 시험성적서 정보체계의 문제점은 무엇인가?	현재 국방 분야에서는 군수품 시험성적서 정보체계(Test Report Information Service for Military Supplies, TRIS 시스템)를 통해 계약업체의 시험분석 의뢰에서 시험성적서 확인까지 품질보증기관에서 직접 수신할 수 있도록 하고 있으며, 이를 통해 다양한 무기체계에서 성적서의 신뢰성을 확보하고 있다[8]. 하지만, 실질적인 종합데이터 축적은 이루어지고 있지 않았으며, 여러 분야의 계약업체 등에 의하여 산발적으로 데이터를 축적하여 활용하고 있다. 이렇게 각 업체 및 분야별로 수집된 데이터는 다양한 형태를 띠고 있으며, 이러한 데이터의 비정형성은 데이터 해석 오류의 가능성을 내포하고 있다[9]. 또한, 정보체계 사용자가 원하고자 하는 데이터를 추출할 때 수작업으로 데이터를 수집해야하기 때문에 데이터 분석에 제한이 있었다. 또한, 정보체계를 통한 유효 데이터 추출 및 분석의 한계로 업체의 공정능력지수 및 공정성능 지수 등 품질수준이 점차 향상되고 있는지 알 수가 없었으며, 오직 규격에 의한 합부만을 판정함에 따라, 업체의 자발적인 품질개선 의지 저하 가능성이 존재하였다.
	데이터 기반의 패턴분석의 장점은 무엇인가?	데이터를 통한 새로운 가치와 가능성에 집중하는 ‘빅 데이터(Big Data)시대’가 도래함에 따라, 데이터의 양적팽창을 활용하는 것이 새로운 기회를 발견하는 핵심 수단이 되었다[1]. 데이터 기반의 패턴분석은 다수의 상황 변화에 유연하게 대처 할 수 있으며, 기업과 공공부문의 생산성을 높여 경쟁력을 향상시킬 수 있다[2-3]. 이에 따라 공공부문의 빅 데이터 활용 연구가 활발히 이루어지고 있으며, 대표적으로 브라질의 재난 발생 대응시스템, 서울특별시의 심야버스 노선 결정 사례 등이 있다[4-5].

참고문헌 (25)

J. Park, "New Possibilities and Strategies of Big Data Era", Korean Society of Hazzard Mitigation Congress, pp.179, 2013.
M. Gang, S. Kim, S. Park, "Analysis and Utilization of Big data", Journal of Computing Science and Engineering, Vol.30, No.6, pp.25-32, 2012.
McKinsey Global Institute, "Big data: The next frontier for innovation, competition, and productivity", 2011
S. Lee, D. Lee, "Current Status of Big Data Utilization", Journal of Digital Convergence, Vol.11, No.2, pp.229-233, 2013.

원문보기 상세보기
G. No, "A Study on Utilization Strategy of Big Data for Local Administration by Analyzing Cases", Journal of Digital Convergence, Vol.12, No.1, pp.89-97, 2014. DOI: http://dx.doi.org/10.14400/JDPM.2014.12.1.89

원문보기 상세보기
B. Lee, Y. Seo, "A Design of Operational Test & Evaluation System for Weapon Systems thru Process Based Modeling", The Korea Society for Simulation, Vol.23, No.4, pp.211-218, 2014.

원문보기 상세보기
D. Lee, J. Seo, G. Nah, S. Hong, "Quantitative Analysis of Fat, Protein, Moisture, and Salt in Meat Products by Near Infra-Red", Korean Journal of Food Science and Technology, Vol. 19, pp.154-160, 2015.
D. Lee, S. Jeon, M. Bae, "A Study on Test Report Information Service Architecture for Preventing Forgery and Alteration in Defense Industry", The Korea Academia-Industrial Cooperation Society, April, 2016. (To be published)
G. Min, D. Jeong, "Research on Assessment of Impact of Big Data Attributes to Disaster Response Decision-Making Process", Journal of Society for e-Business Studies, Vol.18, No.3, pp.17-43, 2013.

원문보기 상세보기
J. Lee, C. Hong "A Study on the Application Methods for Big Data at a Corporation - Cases of A and Y Corporation Big Data System Projects", Journal of Korean Society for Internet Information, Vol.15, No.1, pp.103-112, 2014. DOI: http://dx.doi.org/10.9708/jksci.2014.19.7.103

원문보기 상세보기
IDC, "Extraction Value from Chaos", 2011.
H. Kim, "The Utilization Method of Public Information and Change of IT Paradigm in Big Data", Journal of Korean Association for Government Studies. Vol.22, No.3, pp.277-302, 2012.
Defense Agency for Technology and Quality, "A Conceptual Study for Establishing System for Defense Quality", 2015.
K. Yoon, S. Park, "A Study on the Estimation of Shelf-life for 155mm propelling charge KM4A2 using ASRP's data.", Journal of the Korean Society Quality Management, Vol.42. pp. 291-300, 2014. DOI: http://dx.doi.org/10.7469/JKSQM.2014.42.3.291

원문보기 상세보기
J. Kang, D. Shin, S. Hong, "A Study on Analysis of Digital Textile's Physical Characteristics by Data Mining", Journal of the Korean Society for Quality Management, 2014.
D. Lee, T. Kim, "Quality Management System for Small and Medium Sized Company using multi media technology.", Journal of Korea Multimedia Society, Vol.4, No.4, pp.78-88, 2000.
H. Jung, "Developing the Design Quality Information System in Industry of Automobile Parts", Society of CAD/CAM Engineers Congress.
Y. Kim, "A study on Computerization Method for the Quality Test Management System in Construction materials" Korea Computer Congress, Vol.39, pp.37-39, 2012.
J, Yoon, B. Ryue, S. Lee, "Development of Quality-Based Project Management System.", Journal of the Korean Society for Precision Engineering, pp. 479-480, 2013.
Y. Kim, W. Jung, J. Choi, W. Kim, D. Kim, W. Gu, J. Noh, S. Kim, K. Kim, D. Lee, I. Lee, G. Youn, J. Yu, J. Kim, Y. Kim, "Introduction to Defense quality management", Hyungsul, 2010.
B. Kim, M. Jung, S. Jeon, D. Shin, "Global Research Trends on Geospatial Information by Keyword Network Analysis", Journal of Korea Spatial Information Society, Vol.23, No.1, pp.69-77, 2015. DOI: http://dx.doi.org/10.9708/jksci.2015.20.10.069
J. Kho, K. Cho, Y. Cho, "A Study on Recent Research Trend in Management of Technology Using Keywords Network Analysis", Journal of Intelligent Information System, Vol.19, No.2, pp.101-123, 2013. DOI: http://dx.doi.org/10.13088/jiis.2013.19.2.101

원문보기 상세보기
H. W. Park, Loet Leydesdorff, "Understanding the KrKwic: A computer program for the analysis of Korean text", Journal of the Korean Data Analysis Society, Vol.6, No.5, pp.377-387, 2004.
S. Jeon, "The Expectation and Reality of Big Data", LG Business Insight, 2012.
J. Park, G. Park, Y. Lee, "Big data as new technology paradigm", Science and Technology Policy Institute, Vol.23, No.3, pp. 17-30, 2013.

저자의 다른 논문 :

LOADING...

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