$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

제조 빅데이터 시스템을 위한 효과적인 시각화 기법
Effective visualization methods for a manufacturing big data system 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.28 no.6, 2017년, pp.1301 - 1311  

류관희 (충북대학교 소프트웨어학과)

초록
AI-Helper 아이콘AI-Helper

제조 빅데이터 시스템은 제조 전 공정에서 관련된 4M 데이터의 수집, 저장, 관리, 예측적 분석을 통해 선제적 제조 활동 개선이 가능한 의사결정을 지원하고 있다. 이러한 시스템에서 데이터의 효율적인 관리와 운영을 위해 데이터를 효과적으로 시각화하는 것이 무엇보다도 중요하다. 본 논문에서는 제조 빅데이터 시스템에서 데이터 수집, 분석 및 예측 결과를 효과적으로 보여 주기 위해 사용가능한 시각화 기법을 제시한다. 본 논문에서 제시된 시각화 기법을 통해 제조 현장에서 발생하는 문제를 보다 손쉽게 파악할 수 있었을 뿐만 아니라 이들 문제를 효과적으로 대응할 수 있어 매우 유용하게 사용될 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Manufacturing big data systems have supported decision making that can improve preemptive manufacturing activities through collection, storage, management, and predictive analysis of related 4M data in pre-manufacturing processes. Effective visualization of data is crucial for efficient management a...

주제어

#데이터 분석 및 예측   #데이터 시각화   #빅데이터   #제조 빅데이터 시스템  

참고문헌 (23)

  1. Bao, F. and Chen, J. (2014). Visual framework for big data in d3.js. IEEE Workshop on Electronics, Computer and Applications, 44-50. 

  2. Chankhihort, D., Choi, S. S., Lee, G. J., Im, B. M., Nasridinov, A. Kwon, S. O., Lee, S. H., Kang, J. T. and Yoo, K. H. (2016). Integrative manufacturing data visualization using calendar view map. Eighth International Conference on Ubiquitous and Future Networks, 114-116. 

  3. Chankhihort, D., Choi, S. S., Lee, G. J., Im, B. M., Nasridinov, A. Kwon, S.O., Lee, S. H., Kang, J. T. and Yoo, K. H. (2016). Integrative visualization of resources abnormal analysis results. The 3rd international conference on big data applications and services (Bigdas-L), 3, 196-200. 

  4. Chankhihort, D., Choi, S. S., Lee, G. J., Im, B. M., Nasridinov, A. Kwon, S. O., Lee, S. H., Kang, J. T. and Yoo, K. H. (2017). A visualization scheme with a calendar heat map for abnormal pattern analysis in the manufacturing process. International Journal of Contents, 13, 21-28. 

    원문보기 상세보기

  5. Chi, S. Y. and Yoo, K.-H. (2017). Development of predictive manufacturing system using data analysis of 4M data in small and medium enterprises, ETRI and Chungbuk National University, Korea. 

  6. Choi, S., Battulga, L., Nasridinov, A. and Yoo, K. H. (2017). A decision tree approach for identifying defective products in the manufacturing process. Journal of Korea Contents, 13, 57-65. 

  7. Choi, S., Jung, K. and Noh, S. D. (2015), Virutal reality applications in manufacturing industries: past research, present findings, and future directions. Concurrent Engineering Research and Applications, 23, 40-63. 

    상세보기 crossref

  8. D3js: Data-driven documents (2017), Mike bostock, https://d3js.org/ 

  9. Harrington, P. (2011), Machine learning in action, Amazon, USA. 

  10. Jung, B. H. and Lim, D. H. (2017). Comparison analysis of big data integration models. Journal of the Korean Data & Information Science, 28, 755-768. 

  11. Lee, J., Bagheri, B. and Kao, H. A. (2015). A cyber-physical systems architecture for Industry 4.0?based manufacturing systems. Manufacturing Letter, 3, 18-23. 

    상세보기 crossref

  12. Lee, J., Lapira, E., Bagheri, B. and Kao, H. (2013). Recent advances and trends in predictive manufacturing system in a big data environment. Manufacturing Letter, 1, 38-41. 

    상세보기 crossref

  13. Maaten, L. and Hinton, G. (2008). Visualizing data using t-SNE3. Journal of Machine Learning Research, 9, 2579-2605. 

  14. OCED (2017). Better life index, http://www.oecdbetterlifeindex.org/ 

  15. Shin, J. E., Jung, B. H. and Lim, D. H. (2015). Big data distributed processing system using RHadoop. Journal of the Korean Data & Information Science, 26, 1155-1166. 

    원문보기 상세보기 crossref

  16. Shin, J. E., Oh, Y. S. and Lim, D. H. (2016). RHadoop platform for K-Means clustering of big data. Journal of the Korean Data & Information Science, 27, 609-619. 

    원문보기 상세보기 crossref

  17. The R project for statistical computing (2017). The R foundation, https://www.r-project.org/ 

  18. W3C SVG WG (2017). Scalable vector graphics, http://www.w3.org/Graphics/SVG/ 

  19. Wells, L. J., Megahed, F. M., Camelio, J. A. and Woodall, W. H. (2012). A framework for variation visualization and understanding in complex manufacturing systems. Journal of Intelligent Manufacturing, 23, 2025-2036. 

    상세보기 crossref

  20. Weka 3 (2017). Data mining software in java, https://www.cs.waikato.ac.nz/ml/weka/, University of Waikato. 

  21. Wind map (2017). http://hint.fm/wind/ 

  22. Yeon, H., Pi, M., Seo, S., Ha, S., Oh, B. and Jang, Y. (2017). Visual analytics approach for performance improvement of predicting youth physical growth model. Journal of the Korea Computer Graphics Society, 23, 21-30. 

    원문보기 상세보기 crossref

  23. Zhong, Y. and Shirinzadeh, B. (2008). Virtual factory for manufacturing process visualization. Complexity International, 12, 1-22. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로