<31382D342D303820C0CCB5BFC7CFB9DAC0E7C8C620B9E8C7FDB8B22E687770>

Transcription

1 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 Comparison between Planned and Actual Data of Block Assembly Process using Process Mining in Shipyards 이동하 (Dongha Lee) *, 박재훈 (Jae Hun Park) **, 배혜림 (Hyerim Bae) *** 초 록 본논문에서는조선산업에서블록조립작업에대한계획프로세스와실적프로세스를비교하는방법을제안한다. 제안한방법은계획과실적데이터기반으로프로세스마이닝기법을이용하여프로세스모델을도출하고비교분석을수행하는데, 분석절차는 1) 데이터전처리, 2) 분석수준의정의, 3) 조립블록군집화, 4) 군집별프로세스모델도출, 5) 계획과실적프로세스모델비교, 다섯단계로구성된다. 단계 5 에서는프로세스모델, 작업, 프로세스인스턴스, 모델적합도와같은다양한관점에서계획과실적의프로세스를비교할것을제안하고, 각관점별비교인자들을정의한다. 특히, 적합도관점에서는교차적합도를정의하여, 도출된프로세스모델에대해자신의데이터에대한적합도뿐만아니라, 상대데이터 ( 계획모델의경우실적데이터, 실적모델의경우계획데이터 ) 에대한적합도를계산하고비교분석할것을제안한다. 제안한방법의효용성은세계최고수준의국내조선업체의블록조립계획시스템과블록조립모니터링시스템의실제데이터를이용하여사례연구를통해설명하고검증하였다. ABSTRACT This paper proposes a method to compare planned processes with actual processes of bock assembly operations in shipbuilding industry. Process models can be discovered using the process mining techniques both for planned and actual log data. The comparison between planned and actual process is focused in this paper. The analysis procedure consists of five steps : 1) data pre-processing, 2) definition of analysis level, 3) clustering of assembly bocks, 4) discovery of process model per cluster, and 5) comparison between planned and actual processes per cluster. In step 5, it is proposed to compare those processes by the several perspectives such as process model, task, process instance and fitness. For each perspective, we also defined comparison factors. Especially, in the fitness perspective, cross fitness is proposed and analyzed by the quantity of fitness between the discovered process model by own data and the other data(for example, the fitness of planned model to actual data, and the fitness of actual model to planned data). The effectiveness of the proposed methods was verified in a case study using planned data of block assembly planning system (BAPS) and actual data generated from block assembly monitoring system (BAMS) of a top ranked shipbuilding company in Korea. 1) 키워드 : 조선, 블록조립, 계획데이터, 실적데이터, 프로세스마이닝, 프로세스모델, 적합도 Shipbuilding, Block Assembly, Planned Data, Actual Data, Process Mining, Process Model, Fitness 본논문은 2012 년도교육과학기술부의재원으로한국연구재단의기초연구사업 (No. 2012R1A1A ) 과 ( 주 ) 대우조선해양의지원을받아수행된것입니다. * Central R&D Institute, Daewoo Shipbuilding and Marine Engineering Co., Ltd.(dongha@dsme.co.kr) ** Department of Industrial Engineering, Pusan National University(pjh3479@pusan.ac.kr) *** Corresponding Author, Department of Industrial Engineering, Pusan National University (hrbae@pusan.ac.kr) 2013 년 08 월 22 일접수, 2013 년 09 월 03 일심사완료후 2013 년 9 월 27 일게재확정.

2 146 한국전자거래학회지제 18 권제 4 호 1. 서론조선산업에서생산을자동화하고작업을효과적으로관리하고자하는노력은지속되어왔다. 특히국내조선산업의경우세계선두자리에있으나중국의추격으로인해보다확고한경쟁우위를확보하기위한지속적인기술개발및효과적인작업관리가절실하다. 이러한바램과더불어국내조선사업은 IT 기술의발달과함께다양한생산공정모니터링시스템을구축하여적용하고있다. 생산공정모니터링시스템은보다효과적인생산관리를가능하게하여국내조선산업의기술력과경쟁력을높이는데기여할수있다. 특히, 최근에는전세계적으로빅데이터 (big data) 에대한관심및수요가증가함에따라조선산업에서도축적된데이터들을활용한작업분석및성능개선에관심을가지기시작하였다. 본논문은선박의많은생산공정중에서가장기본이되고복잡한조립블록의작업공정에대해서다룬다. 선박은블록건조공법으로생산되는데, 이는거대한선박을작업장내에서조립할수있는적절한크기의블록으로나누고, 이들블록들을작업장내에서조립한후, 의장, 도장작업등을거쳐도크 (dock) 에서최종탑재하여선박을건조하는방식이다 [3, 4]. 이때조립작업장내에서조립되는단위블록들을조립블록 (assembly block) 이라고한다. 조립블록은작업장내에서작업할수있는수준의크기로분할되지만가로, 세로의길이가수미터에이르고, 무게가수십톤에달하며, 많은수의조립품들이여러 조립작업단계를거쳐서완성된다. 또한하나의조립블록은선박의일부분이므로구조적특성상좌 / 우현의유사블록이존재할뿐동일한블록이없고이를이루는조립품의구성도모두다른특징을가진다. 따라서생산계획자는각조립블록에대해서매번작업단계를정의하고생산계획을수립해야하는어려움이있다. 또한이렇게생산해야하는블록의다양성뿐만아니라, 조선산업의특성상작업장이넓고협력업체등많은작업조직과작업자에의해서생산이이루어지기때문에실제생산공정을모두이해하고파악하는것이힘들다. 뿐만아니라정확한생산계획과관리를어렵게하는요인이된다. 이러한이유로조선산업에서는 IT 기술의발달과함께지속적으로보다나은생산공정모니터링시스템개발에많은노력을기울여왔고최근에는안정화되어많은데이터가축적되고있는실정이다. 본논문에서는이러한조선산업의요구사항에대해서, 최근연구가활발하게수행되고있는프로세스마이닝기법을이용하여생산을이해하고분석할것을제안한다. 생산공정모니터링시스템에축적된이벤트로그데이터를이용하여프로세스모델을도출하고, 생산계획자가계획단계에서파악하고있는프로세스와비교, 개선해나가면생산관리기술을향상시킬수있다. 또한조선산업에서지속적으로고민해온계획과실적의비교부분에있어서도제안하는방법이좋은대안이될수있다. 본논문에서는블록조립계획시스템으로부터계획데이터를, 블록조립모니터링시

3 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 147 스템으로부터실적데이터를추출해서각각프로세스모델을도출하고비교하는방안을제안한다. 제안한방법의타당성은실제세계선두그룹의국내조선소의데이터를이용하여검증하였다. 2. 프로세스마이닝과관련연구 2.1 프로세스마이닝프로세스마이닝은기업정보시스템에서프로세스실행과정에서발생한이벤트로그로부터의미있는지식을추출해내는과정이다. 즉, 프로세스의액티비티실행과정에서누적된기록을통하여프로세스의개선이나설계에필요한유용한지식을추출하는것이다. 프로세스저장소의실행결과및이벤트에관한로그를추출하여기존의통계기법 [7], 인공지능기법 [11, 12], 사회적네트워크기법 [2] 등을이용하여분석함으로써프로세스모델을유도하거나, 업무의상관관계, 작업자의업무전달관계등프로세스수행상의특징을분석한다 [1]. 프로세스마이닝에는세가지기본유형및단계가있다. 첫째프로세스도출 (process discovery), 둘째프로세스모델의적합도검사 (conformance checking), 셋째프로세스모델의개선및향상 (enhancement) 이다. 프로세스도출은사전정보없이정보시스템의이벤트로그들로부터프로세스모델을생성하는기법을말한다. 이는프로세스마이닝에서가장중요한시작단계에해당된다. 적합도검사는 로그에기록된현실이모델에일치하는지또는모델이현실에일치하는지를확인하는것인데, 도출된프로세스모델을평가하는척도로이용된다. 프로세스모델의개선및향상은이벤트로그에기록된실제프로세스관련정보를이용하여기존의프로세스모델을확장하고개선하는것이다. 적합도검사는모델과현실사이의정합성을측정하는반면에, 모델의개선및향상은이전모델을바꾸거나확장시키는것을목표로한다. 프로세스마이닝기술의활용관점에서는이세가지유형이모두단계적으로이루어졌을때큰의미를가진다고하겠다. 따라서본연구에서도실적데이터기반의생산프로세스도출에머무는것이아니라, 계획과실적프로세스의효율적인비교방안까지제안하고자한다. 프로세스마이닝의출발점은이벤트로그이다. 프로세스마이닝기법은이벤트가발생한순서대로기록되어있다는것을가정한다. 하나의이벤트는프로세스의단위작업을나타내며, 하나의케이스와관련을맺고있다. 이벤트로그는또한이벤트에대한부가적인정보를저장하고있을수있는데, 이를활용해서추가적인분석이가능하다. 데이터마이닝기법을이용해서프로세스를분석하는연구 [6] 도있는데, 프로세스모델을발견하고모델기반의다양한분석을수행하고자한다면프로세스마이닝기법의활용이더욱효과적이다. 최근조선산업의경우 IT 융합기술의발달과함께공정모니터링시스템이개발되고안정화되어서프로세스마이닝기법의적용을위한많은데이터가축적되어있는것이또한본연구의기대효과를높이고있다.

4 148 한국전자거래학회지제 18 권제 4 호 2.2 관련연구프로세스마이닝에대한초기연구는주로이벤트로그들로부터프로세스모델을추출하는내용이주를이루었다. 그리고주로의료및서비스분야와같이파악하기힘든복잡한프로세스를이벤트로그를이용해서발견하고분석하는데적용되었다. 프로세스모델추출을위한대표적인마이닝기법은휴리스틱마이닝 (heuristic mining), 퍼지마이닝 (fuzzy mining), 알파마이닝 ( mining) 등이있다. 휴리스틱마이닝은이벤트간프로세스의흐름과빈도를이용해서프로세스모델을도출하는방법이고, 퍼지마이닝은복잡한프로세스를프로세스의발생빈도를기준으로주요프로세스와상대적으로덜중요한프로세스를구분할수있는알고리즘을제공한다. 알파마이닝알고리즘은이벤트집합내의프로세스패턴을확인함으로써페트리넷 (Petri Net) 을도출할수있는데, 이는적합도검사에유리한특징을가진다. 프로세스도출을위한다양한마이닝기법들이지속적으로개발되고있을뿐만아니라, 적용분야도최근에는금융 [14], 통신 [5], 제조산업등다양한영역으로확대되고있다. 조선산업의경우도최근에마이닝기술을이용한트랜스포터의블록이동프로세스분석에대한연구사례가있다. 데이터마이닝기법을이용해서트랜스포터의블록이동특성에따라블록을군집화하고, 각군집별로프로세스모델을분석한연구가있고 [10], 프로세스마이닝기법을이용해서이벤트로그로부터전체프로세스를이해하고예외프로세스를감지하기까지의분석프레임워크를제안한 연구도있다 [9]. 그러나프로세스마이닝을이용한블록조립작업분석에대한연구는찾아보기힘들다. 특히본논문에서는프로세스마이닝기법을이용하여계획과실적프로세스의비교에초점을두고있는점이기존연구와두드러진차이점이다. 블록이동프로세스분석에대한연구는작업장에서조립블록이제작되고나서탑재되기까지트랜스포터를이용한블록의이동패턴을찾고, 예외이벤트와프로세스를발견하는것이목적이지만, 블록조립작업은조립블록이완성되기까지많은작업단계들이계획과동일한순서로지정한작업장에서작업이수행되었는지에관심을가진다. 따라서효율적인계획과실적의비교가요구된다. 3. 제안분석방법본논문에서제안하는분석방법에대한개념은 <Figure 1> 과같다. 각기다른구조적특성을가지는조립블록들을작업특성을고려하여군집화하고, 각군집별프로세스모델을도출한후계획과실적의작업특성을비교하는것이다. 군집내에존재하는블록들간에도블록의구조나작업단계가완전히동일한것은아니기때문에프로세스마이닝기법을이용해서프로세스모델을도출할것을제안한다. 이렇게도출된모델은해당군집의작업프로세스의특징을표현하게된다. 이를비교하면각조립블록별로계획과실적을하나씩비교하는것보다쉽고빠르게작업특징을잘파악할수있다. 실제생산계획자들도

5 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 149 <Figure 1> Concept of Analysis Method 작업의유형별로 계획케이스 데이터를정의하고활용하고있는데해당블록이어느 계획케이스 에포함되는지를판단해서동일한작업공기와작업장활용을결정하게된다. 따라서계획자들이이미정의한 계획케이스 기준으로블록을군집화하고계획과실적데이터를비교해보면, 계획자들이경험에의해서정의하고판단한 계획케이스 별속성정보대로실제생산현장에서작업이이루어지는지분석할수있다. 그리고 계획케이스 에는작업단계별공기와작업장정보를가지고있을뿐, 작업프로세스에대한대표모델을가지고있지는못하다. 이는모든조립블록의구조적특성이차이가나기때문인데, 프로세스마이닝기법을활용하면유사한작업특성의 계획케이스 즉군집에대해프로세스모델을쉽게생성할수있다. 본연구에서 는계획자들이경험에의해정의해둔 계획케이스 를이용해서정의한블록의계획속성대로군집화를하고계획데이터기반의모델과실적데이터기반의모델을비교하고자한다. 제안한분석방법을프로세스마이닝관점에서단계적으로표현하면 <Figure 2> 와같이다섯단계로정의할수있다. 단계 1은분석데이터를얻기위한데이터전처리과정이고, 단계 2에서는데이터분석수준을결정한다. 분석목적에따라서어떤데이터를분석기준의액티비티 (activity) 로선정할지를결정해야한다. 정보시스템에존재하는이벤트로그들은분석을위해서만들어진데이터가아니기때문에효율적인분석을위해서추가적으로필요한정보는무엇인지, 그리고어떤데이터를기준으로분석을수행할지결정해야한다. 단계 3에서는각기다른작업특징을가

6 150 한국전자거래학회지제 18 권제 4 호 <Figure 2> Analysis Procedures 지는조립블록들을작업특성에따라서군집화한다. 본연구에서는계획자들이계획단계에서이용한 계획케이스 데이터기준으로조립블록을군집화한다. 생산계획자가관리하는계획기준과실적을비교하기위해서이다. 단계 3에서정의한군집을기준으로단계 4 에서는동일군집별로계획데이터와실적데이터기준으로각각프로세스모델을도출한다. 이때활용되는프로세스마이닝기법및조건은동일하게설정한다. 결국동일한기준으로프로세스모델을도출하고비교하는것이다. 끝으로단계 5에서는도출된프로세스모델을다양한관점에서비교한다. 본논문에서는네가지관점에서의분석을제안하고각관점별비교인자들을정의한후분석한다. 이러한분석방법은조선산업과같이넓은작업장에서다양한작업을가지고작업프로세스의정확한표준을설정하기힘든경우에, 프로세스모델을찾고계획과실적을비교하는데유용할것으로사료된다. 각관점별분석기준 인자들은사례연구에서자세히설명한다. 4. 사례연구조선산업의블록조립계획시스템으로부터계획데이터를추출하고, 블록조립공정모니터링시스템으로부터실적데이터를추출하여제안한방법으로사례연구를수행하였다. 동일한선종및선형의두개의프로젝트를대상으로전처리과정을거쳐프로세스모델을도출하고분석을수행하였다. 각단계별주요내용은다음각절에서자세히설명된다. 4.1 데이터전처리 (Step 1) 데이터마이닝및프로세스마이닝분야에서는데이터전처리과정이매우중요하다. 전처리결과에의해서분석데이터의품질이달라지고분석결과에많은영향을주기때문

7 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 151 이다. 본사례연구에서는다음세가지경우를고려해서데이터전처리를수행하였다. (1) 사외제작조립블록데이터제외사외제작조립블록데이터의경우, 계획관점에서는데이터가존재하지만, 실제로작업이이루어지는과정에대한실적데이터는모니터링되지않기때문에분석대상에서제외한다. 결국사내에서제작되는조립블록에대해서만계획과실적데이터를비교하는것이다. 물론이후사외에서제작되는조립블록도사내수준과동일하게실적데이터가모니터링된다면동일한방법으로분석이가능하겠다. (2) 최종조립블록이완성되기까지의데이터가없는블록정보는제외최종조립블록이완성되기까지의프로세스모델을도출하고비교하기때문에, 실적데이터관점에서최종조립블록까지완성되지않은블록데이터는제외한다. 각조립블록에대해서최종대조립작업실적데이터가존재하는지확인하고존재하지않는경우, 해당블록의데이터를분석대상에서제외한다. (3) 재작업, 수정작업등과같이추가된작업단계데이터제외실제생산현장에서작업된모니터링시스템의실적데이터를확인해보면작업후재작업이나수정작업이이루어진내용도데이터를통해서확인할수있다. 그러나본연구에서는조립블록의각작업에대해서실제계획한내용과실적프로세스를비교하는것을목적으로하기때문에추가작업에대한데이터는해당분야의전문가의견에의해분석대상에서제외한다. 이는조립블록자체를제외하는 (2) 의경우와달리, 블록의해당작 업단계만제외한다. 별도로이들재작업과수정작업의유형및특성에대해서도분석을수행할수있지만실적기반의실제작업과계획단계에서정의한작업프로세스와의차이분석을통해계획단계의표준프로세스를개선하고활용하는것을목표로하기때문에대상에서제외한다. 프로세스분석관점의데이터단위로언급하면 (1) 과 (2) 의데이터전처리는프로세스인스턴스를제외하는것이고, (3) 의경우는이벤트를제외시키는경우에해당된다. 이렇게데이터전처리후에두개의프로젝트에대해서 135개의조립블록데이터를획득하였다. 결국 135개의프로세스인스턴스를기준으로분석을수행하는것이다. 4.2 분석수준정의 (Step 2) 선박의한부분을이루는조립블록은많은작업단계를거쳐서조립된다. 또한선종과선형에따라서도블록의구조가달라지므로작업단계가다를수밖에없다. 즉동일한선박을제작하는경우를제외하고는동일한조립블록이존재하지않는다. 따라서조립블록의작업을주요작업특성을기준으로군집화한후, 자원을할당하고일정계획을수립하는것이필요하다. 하나의조립블록에대해서모니터링시스템에저장된작업단계 (work stage) 별데이터에대한예는 <Table 1> 과같고, 이를구조화하면 <Figure 3> 과같다. 상선의경우는 20 40개의작업단계를가지고, 해양프로젝트의경우는많게는 60개의작업단계로구성

8 152 한국전자거래학회지제 18 권제 4 호 Project Block Work Type Work Stage Code Work Shop Bay Finish Date Time Organization 1000 Block 1 Component CA1 Component Shop 1 26 May 09:00 A 1000 Block 1 Plate PA2 Plate Shop 2 30 May 09:00 B 1000 Block 1 Sub Assembly SA1 Assembly Shop May 17:49 C 1000 Block 1 Plate PA2 Plate Shop 3 03 June 09:00 B 1000 Block 1 Panel Plate PA3 Plate Shop 3 03 June 09:00 B 1000 Block 1 Unit Assembly (Small) US1 Assembly Shop June 13:00 C 1000 Block 1 Component CA1 Component Shop 2 08 June 09:00 A 1000 Block 1 Component CA2 Component Shop 2 15 June 09:00 A 1000 Block 1 Plate PA2 Plate Shop 3 10 June 09:00 B 1000 Block 1 Component CA1 Component Shop 1 08 June 09:00 A 1000 Block 1 Plate PA2 Plate Shop 3 13 June 09:00 B 1000 Block 1 Panel Plate PA5 Plate Shop 3 13 June 09:00 B 1000 Block 1 Panel Plate PA4 Plate Shop 3 10 June 09:00 B Unit Assembly 1000 Block 1 UL1 Assembly Shop June 06:42 D (Large) 1000 Block 1 Plate PA2 Plate Shop 2 16 June 09:00 B 1000 Block 1 Unit Assembly (Small) <Table 1> Event Log of an Assembly Block US8 Assembly Shop June 13:00 C 1000 Block 1 Sub Assembly SA14 Assembly Shop June 06:47 C 1000 Block 1 Component CA2 Component Shop 2 25 June 09:00 A 1000 Block 1 Component CA1 Component Shop 2 20 June 09:00 A 1000 Block 1 Grand Assembly GA9 Assembly Shop July 02:11 D 된다. 따라서본연구에서는주요작업유형 (work type) 에대해서만프로세스모델을도출하고분석할것을제안한다. <Table 1> 과 <Figure 3> 에서주요작업은음영으로표시되었다. 주요작업유형은자재혹은중간조립품들이결합되는소조립 (Sub Assembly), 중조립 (Unit Assembly), 대조립 (Grand Assembly) 단계로정의한다. 그리고중조립의경우는다시소형 (Small Type), 곡형 (Curved Type), 대형 (Large Type) 으로구분한다. 이는작업유형에따라작업의난이도와자원의활용이달 라지기때문이다. 결국소조립 (Sub_Assy), 소형중조립 (Unit_Assy(S)), 곡형중조립 (Unit_ Assy(C)), 대형중조립 (Unit_Assy(L)), 대조립 (Grand_Assy) 의다섯가지작업유형이대상이되고, 각작업유형은이후설명에서괄호안의표기로설명된다. <Table 1> 에서보여지는작업단계코드 (work stage code) 를활용하면작업유형에대해서전체블록조립작업단계에서어느위상에위치하는지를확인할수있다. <Figure 3> 의예에서작업유형이동일하게소조립이

9 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 153 <Figure 3> Work Stages of an Assembly Block 지만작업단계가 SA1 인경우는, 해당소조립이소형중조립단계에서조립되고, 작업단계가 SA14 인경우는대조립단계에서최종조립된다. 따라서이벤트로그데이터에서분석대상을선정하는기준은작업유형으로하지만, 이후작업분석은작업단계코드를기준으로수행한다. 또한계획과실적관점에서작업장활용이어떻게바뀌었는지도비교분석하기위해서프로세스마이닝을위한분석액티비티선정은작업단계코드와작업장으로결정한다. 이는이후프로세스모델에서 작업단계코드-작업장 의형태로각노드에표현된다. 4.3 조립블록군집화 (Step 3) 선박의한부분인각조립블록은물리적구조및작업단계가모두다르므로동일한 작업특성을가지는조립블록들에대해서군집화가요구된다. 프로세스마이닝이전에먼저프로세스로그를군집화하는방법으로로그군집화 (log clustering)[8] 와자취군집화 (trace clustering)[13] 에관한연구가있다. 그러나본연구에서는계획자가관리해온조립블록의작업특성구분기준을존중하고, 계획과실적데이터기준의프로세스비교분석에중점을둔다. 주요작업특성관점에서조립블록을구분하고자원할당과일정계획을수립하기위해서, 생산계획자는 계획케이스 (Plan Case) 데이터를관리한다. 특정유형을가지는작업특성에대해서작업단계별공기와작업장을경험에의해서정의해두고, 계획수립시기준정보로활용한다. 사례연구대상블록들에대해서계획단계에서선택된 계획케이스 와각케이스별특징은 <Table 2> 와같다.

10 154 한국전자거래학회지제 18 권제 4 호 Plan Case (PC) No. of Blocks (Instances) PC 1 48 PC 2 16 PC 3 15 PC 4 12 Characteristics of PC mentioned by domain expert Final block is assembled in shop 1 Unit_Assy(L) is manufactured in the line-typed bay of work shop Final block is assembled in shop 2 Duration of Grand_Assy is over 5 days All work stages are performed in shop 4 Shape of assembly block is general All work stages are performed in shop 5 Shape of assembly block is general PC 5 8 Final block is assembled in shop 2 Special part is served via shop 3 PC 6 8 All work stages are performed in shop 3 PC 7 8 PC 8 6 <Table 2> Plan Case(Cluster) Final block is assembled in shop 1 Unit_Assy(L) is manufactured in the fixed-typed bay of work shop Final block is assembled in shop 5 Welding amount of block is much PC 9 4 Final block is assembled in shop 2 Welding amount of block is much PC 10 4 All work stages are performed in shop 2 PC 11 4 Final block is assembled in shop 3 Unit_Assy(C) is manufactured in shop 2 PC 12 2 Special shaped block is assembled in shop 5 각조립블록에대해서계획수립시, 계획케이스 를선택하면해당계획정보가조립블록에반영되고이를기준으로계획을확정혹은일부수정하게된다. 조립블록의형상및작업단계구성을확인하고가장적합하다고판단되는 계획케이스 를계획자가선택하는것이다. <Table 2> 에서보여지는것처럼, 사례연구의대상조립블록에대해서는 PC 1 의유형으로계획케이스가가장많이선택되었는데, 이는대형중조립작업이작업장의흐름라인에서작업된후, 최종조립블록이 Shop 1 에서조립되는특징을가진다. 이와유사하지만 PC 7 의경우는대형중조립작업이고정라인에서작업이된다. 또한 PC 8 과 PC 9 의경우는모두용접작업량이많은조립블록이지만 Shop 5 와 Shop 2 에서각각작업을수행하는차이를보인다. PC 12 의경우는곡이매우심한특별한형상의조립블록에대한계획정보를별도로정의한것이다. 동일한 계획케이스 에속한다고판단하는조립블록들도각작업단계별로보면작업프로세스가조금씩다르기때문에계획자가해당군집을대표하는프로세스모델을정의하는것은힘들다. 본연구에서는계획자에의해관리되고있는 계획케이스 를동일한작업특성을가지는군집으로간주하고, 계획과실적데이터기반으로각각프로세스모델을도출하고작업특성을비교한다.

11 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 프로세스모델도출 (Step 4) 단계 4에서는계획시스템의계획데이터와조립모니터링시스템의실적데이터로부터 계획케이스 로구분되는블록군집별로각각프로세스모델을도출한다. 프로세스모델은대표적인프로세스마이닝기법인휴리스틱마이닝을적용하였다. 휴리스틱마이닝은이벤트의발생빈도와이벤트간의작업순서를고려해서프로세스모델을도출하는기법으로임계값 (threshold) 을이용해서노이즈 (noise) 와모델의불완전성을제거할수있는특징을가진다 [15]. 따라서군집에포함된다양한조립블록에대해서임계값조정을통해작업특성을분석하기가용이하다. 단계 3에서동일한작업특성을가지는군집으로활용하기로한 계획케이스 별로계획데이터와실적데이터기반의프로세스모델을각각도출후프로세스를비교분석한다. 프로세스마이닝을위해서는분석하고자하는데이터에대해서케이스 (case), 액티비티 (activity), 타임스탬프 (timestamp), 수행주체 (originator) 등을정의해야한다. 케이스는프로세스인스턴스라고도하는데프로세스를분석하는단위가된다. 본사례연구에서는조립블록의작업을분석하는것이므로프로젝트의조립블록이케이스가된다. 액티비티는작업 (task) 이라고도하며해당프로세스의단위작업을의미하므로조립블록의각작업단계가액티비티가된다. 본사례연구에서는제 4.2절에서설명한것처럼작업단계와작업장을액티비티로정의하여분석한다. 타임스탬프는각작업단계의완료일로선정하였는데, 이는완료기준으로작업의순서와일 정이준수되었는지를더중요하게관리하기때문이다. 수행주체는별도로선정하지않고작업단계와작업장의관점에서액티비티기준으로분석하였다. 군집내가장블록수가많은 PC 1 과 PC 2 에대해서계획과실적데이터기반으로각각휴리스틱마이닝을수행한결과의프로세스모델은 <Figure 4(a), (b)>, <Figure 5(a), (b)> 와같다. 파라메터설정은휴리스틱마이닝의기본임계값 [15] 을사용하였는데, 양의관측임계값 (positive observations threshold) 은 1 로설정했다. 즉, 한번이상관측되는작업흐름에대해서도모델에반영하여어떤특징들이있는지우선비교분석하기위함이다. <Figure 4(a), (b)>, <Figure 5(a), (b)> 프로세스모델을통해서먼저작업장관점에서는계획자가파악하고있던대로 PC 1 의경우는계획과실적모두, 모든작업단계가 Shop 1 에서이루어지고, PC 2 의경우는 Shop 2 에서작업이이루어지는것을확인할수있다. 프로세스의흐름관점에서는 PC 1 의경우는 <Figure 4(a)> 의계획모델에서는 UL1 작업단계까지순차적으로작업이이루어지다가, UL1 작업단계이후작업이다양한순서로이루어짐을보인다. 그리고 Start 노드에서 SA2 작업단계로의연결선이있다는것은 SA2 가가장먼저작업된프로세스인스턴스가존재한다는것을의미한다. <Figure 4(b)> 의실적모델에서는계획모델과달리, UL1 의작업부터가장먼저작업된경우가있음을보인다. 이는소조립작업의완료없이먼저중조립작업이수행된경우에해당되므로해당프로세스의인스턴스를찾아서분석할필요가있다. 또한 <Figure 4(b)> 와 <Figure

12 156 한국전자거래학회지제 18 권제 4 호 <Figure 4(a)> Plan Model of PC 1 <Figure 4(b)> Actual Model of PC 1 <Figure 5(a)> Plan Model of PC 2 <Figure 5(b)> Actual Model of PC 2

13 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 157 5(b)> 의실적프로세스모델에서 SA2 에서 End 로 SA14 에서 End 로이어지는연결선이각각존재하는것을볼수있는데, 이는항상 GA9 작업단계에서최종작업을완료한다는계획과달리, 일부간단한소조립의경우는대조립완료후에도작업이이루어지고있음을나타낸다. 물론 양의관측임계값 과작업간의 의존임계값 (dependency threshold) 을높이면보다일반화된프로세스모델을획득할수있다. 그러나우선이렇게낮은임계값으로군집내프로세스인스턴스의작업특성을확인해보면예상하지못했던실적결과를계획데이터기반의모델과비교해볼수있다. 다만이는전체프로세스의대표성보다는부분적으로발생하는예상치못한흐름이나, 군집내프로세스인스턴스간의작업흐름차이를발견하는데유리하다고하겠다. 4.5 계획과실적간프로세스비교본논문은조선산업의블록조립작업특성상블록유형별프로세스모델을정의하기힘든상황에서프로세스마이닝기법을이용하여프로세스모델을도출하고손쉽게계획과실적프로세스를비교하는것을목표로한다. 따라 서다양한관점에서프로세스모델및속성정보를비교하고각관점별주요비교인자들이어떤것이있는지를정의한다. 제안하는비교관점은 1) 프로세스모델관점의비교, 2) 작업관점의비교, 3) 프로세스인스턴스관점의비교, 4) 적합도관점의비교, 네가지이다. 각관점별주요비교기준인자들은각절에서자세히설명한다. 제안하는비교관점별분석인자들을활용하면쉽게계획과실적프로세스및데이터를비교할수있다. 또한이는생산계획수립시, 기준정보로도활용될수있다 프로세스모델비교블록조립작업에대한계획시스템의계획데이터와모니터링시스템의실적데이터로부터군집별로도출된프로세스모델에대해서, 모델차원의직접비교가가능하다. 비교인자들에대한정의는 <Table 3> 과같다. 두프로세스모델간에 1) 일치된노드 (Matched Node), 2) 비일치된노드 (Unmatched Node), 3) 일치된연결선 (Matched Arc), 4) 비일치된연결선 (Unmatched Arc) 을비교할수있다. 본사례연구에서는 작업단계와작업장 을분석액티비티로선정하였기때문에노드가일치한다는것은특정작업을해당작업장에서계획한것과실제작업한것이동일하게 <Table 3> Comparison Factors by the Process Model Perspective Definition of Comparison Factors Description 1) Matched Node Node of a processmodel exists in the other one 2) Unmatched Node Node of a process model doesn t exist in the other one 3) Matched Arc Arc of a process model exists in the other one 4) Unmatched Arc Arc of a process model doesn t exist in the other one

14 158 한국전자거래학회지제 18 권제 4 호 존재한다는것이고, 비일치한다는것은대상작업단계가계획에서정의한작업장과다른곳에서작업되었다는것을의미한다. 액티비티간연결선은작업의흐름을나타내는데, 일치하는경우는계획과실적이동일한작업순서를가지는것을의미하고, 일치하지않는경우는다른작업순서를가지는것을의미한다. 프로세스모델의직접비교관점에서 PC 5 기준의계획과실적프로세스모델은 <Figure 6(a), (b)> 와같다. 계획데이터모델은단순한 것에비해실적프로세스모델은흐름이다양한것을확인할수있다. 뿐만아니라, 상호일치된특성과비일치된특성을비교하기용이하게실선과점선으로구분했다. <Table 4> 는프로세스모델관점에서비교인자들에대한 PC 5 의계획과실적비교결과를보여준다. 작업단계와작업장관점의노드는일치도가높은데비해, 작업순서를의미하는연결선의일치도는상대적으로낮은것을알수있다. 각군집에대한결과요약은 <Table 5> 와같다 <Figure 6(a)> Plan Model of PC 5 <Figure 6(b)> Actual Model of PC 5 <Table 4> Comparison of PC 5 by the Process Model Perspective Planned Model Actual Model Counts Ratio Counts Ratio 1) Matched Node 8 100% % 2) Unmatched Node 0 0% % 2) Sum of Nodes 8 100% 9 100% 3) Matched Arc % % 4) Unmatched Arc % % 2) Sum of Arcs 7 100% %

15 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 159 <Table 5> Summary of Each Cluster by the Process Model Perspective Cluster PC 1 PC 2 PC 3 PC 4 PC 5 PC 6 PC 7 PC 8 PC 9 PC 10 PC 11 PC 12 Plan(P) or Actual(A) Data Data Process Model Perspective No. of Instances No. of Events No. of Tasks 1) Matched Node(Ratio) 2) Unmatched Node(Ratio) 3) Matched Arc(Ratio) P A ) Unmatched Arc(Ratio) P A P A P A P A P A P A P A P A P A P A P A 작업비교 군집별모델의직접비교뿐만아니라, 모델내액티비티에해당하는작업의특성을 <Table 6> 에정의한인자에의해서보다자세히비할수있다. 1) 동일빈도발생작업 (Same Frequency Task), 2) 과실적발생작업 Definition of Comparison Factors Description 1) Same Frequency Task It exist as same frequency in the planned and actual process model 2) Too Much Realization Task <Table 6> Comparison Factors by the Task Perspective There are more existence in the actual model than in the planned model 3) Too Much Planned Task There are more existence in the planned model than in the actual model 4) Unplanned Task It doesn t exist in the planned model, but exist in the actual model 5) Skipped Task It exists in the planned model, but doesn t exist in the actual model

16 160 한국전자거래학회지제 18 권제 4 호 (Too Much Realization Task), 3) 과계획작업 (Too Much Planned Task), 4) 계획되지않은작업 (Unplanned Task), 5) 제외된작업 (Skipped Task) 등이분석인자가될수있다. 동일빈도발생작업 은계획과실적에서동일한빈도로발생한액티비티즉노드로정의하며, 과실적발생작업 은계획보다실적에서더많이발생한작업으로, 과계획작업 은반대로계획에서더많이발생한작업으로정의한다. 계획되지않은작업 은실적에는 <Table 7> Comparison of PC 5 by the Task Perspective Counts Ratio 1) Same Frequency Task % 2) Too Much Realization Task 0 0 % 3) Too Much Planned Task % 4) Unplanned Task % 5) Skipped Task 0 0 % Sum of Tasks % <Table 8> Summary of Each Cluster by the Task Perspective Cluster PC 1 PC 2 PC 3 PC 4 PC 5 PC 6 PC 7 PC 8 PC 9 PC 10 PC 11 PC 12 Count(C) or Ratio(R) 1) Same Frequency Task 2) Too Much Realization Task Task Perspective 3) Too Much Planned Task 4) Unplanned Task 5) Skipped Task C R 100% 0% 0% 0% 0% C R 83.33% 16.67% 0% 0% 0% C R 15.79% 21.05% 0% 21.05% 42.11% C R 47.62% 19.05% 14.29% 19.05% 0% C R 77.78% 0.00% 11.11% 11.11% 0% C R 24.00% 0% 28.00% 40.00% 8.00% C R 30.43% 8.70% 30.43% 30.43% 0% C R 55.56% 11.11% 11.11% 22.22% 0% C R 73.33% 20.00% 0% 6.67% 0% C R 41.18% 0% 5.88% 29.41% 25.53% C R 40.00% 0% 0% 40.00% 20.00% C R 100% 0% 0% 0% 0%

17 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 161 존재하는데계획에는존재하지않는작업을의미하며, 제외된작업 은계획에는존재하는데실적에는존재하지않는작업으로정의한다. 본사례연구에서는액티비티즉작업을 작업단계와작업장 으로정의했기때문에계획과실적의 작업단계와작업장 의조합이다른경우차이를보이게된다. PC 5 에대해서작업관점에서분석비교한결과는 <Table 7> 과같다. 과계획작업 과 계획되지않은작업 이각각 1건씩존재하는것을알수있다. 각군집에대한결과는 <Table 8> 과같이요약된다 프로세스인스턴스비교군집내에서프로세스인스턴스관점에서계획과실적을비교할수있다. 본사례연구의경우프로세스인스턴스는하나의조립블록이만들어지기까지의과정, 즉프로세스가된다. 비교인자는 <Table 9> 와같이 1) 동일시간인스턴스 (Same Time Instance), 2) 지연인스턴스 (Delayed Instance), 3) 공기경과인스턴스 (Overdue Instance), 4) 지연및공기경과인스턴스 (Delayed and Overdue Instance) 로정의한다. 동일시간인스턴스 는계획과실적의시작과완료시점이모두동일한프로 세스인스턴스를의미하며, 지연인스턴스 는처음혹은마지막노드가계획대비지연되었지만, 작업공기가계획데이터를넘지않은프로세스인스턴스로정의한다. 공기경과인스턴스 는작업공기가계획데이터를넘은경우로정의하고, 지연및공기경과인스턴스 는 2) 와 3) 의특성을동시에가지는인스턴스로정의한다. <Table 10> Comparison of PC 5 by the Instance Perspective Counts Ratio 1) Same Time Instance 0 0% 2) Delayed Instance % 3) Overdue Instance 0 0% 4) Delayed and Overdue Instance % Sum of Instances 8 100% PC 5 를프로세스인스턴스관점에서비교한사례는 <Table 10> 과같다. 8개의프로세스인스턴스, 즉조립블록에대해 7개블록은 지연인스턴스 이고 1개는지연과동시에공기도계획공기를넘어선 지연및공기경과 인스턴스인것을확인할수있다. 각군집별결과는 <Table 11> 과같이요약정리된다. <Table 9> Comparison Factors by the Instance Perspective Definition of Comparison Factors 1) Same Time Instance Description First and last node for same planned and actual instance, have the same time stamp respectively 2) Delayed Instance First or last node was delayed, but working duration was not over plan data 3) Overdue Instance Working duration was over plan data 4) Delayed and Overdue Instance Both 2) and 3)

18 162 한국전자거래학회지제 18 권제 4 호 <Table 11> Summary of Each Cluster by the Instance Perspective Cluster PC 1 PC 2 PC 3 PC 4 PC 5 PC 6 PC 7 PC 8 PC 9 PC 10 PC 11 PC 12 Count(C) Instance Perspective or Ratio(R) 1) Same Time Instance 2) Delayed Instance 3) Overdue Instance 4) Delayed and Overdue Instance C R 6.25% 85.42% 0% 8.33% C R 18.75% 62.50% 6.25% 12.50% C R 13.33% 40.00% 26.67% 20.00% C R 0% 58.33% 16.67% 25.00% C R 0% 87.50% 0% 12.50% C R 12.50% 25.00% 25.00% 37.50% C R 25.00% 50.00% 12.50% 12.50% C R 0% 100% 0% 0% C R 0% 100% 0% 0% C R 0% 75.00% 0% 25.00% C R 0% 100% 0% 0% C R 0% 100% 0% 0% 적합도비교 시스템의데이터로부터도출된프로세스모델은모델의순응도 (conformance) 를평가하기위해서적합도 (fitness) 를계산한다. 적합도는프로세스모델이이벤트로그들의프로세스를얼마나잘반영하고있는지수치적으로계산한값으로, 네트워크 N에서자취 (trace) 를가지는하나의케이스에대해서식 (1) 과같이적합도가계산될수있다. (1) (c : consumed tokens, m : missing tokens, p : produced tokens, r : remaining tokens) 식 (1) 은네트워크내에서잃어버린토큰이없고, 남아있는토큰이없는경우적합도가 1 이됨을알수있다. 반대로소비된토큰모두를잃어버리거나, 생산된토큰이모두네트워크내에남아있으면네트워크가프로세스를전혀반영하고있지못하므로적합도가 0 이된다. 즉, 식 (1) 에서첫번째항의 (1-m/c) 은성공적실행의비율을의미하고, 두번째항의 (1-r/p) 은적절한완료의비율이된다. 두항의가중치를동일하게 1/2로준것이다. 이렇게토큰의흐름을통해적합도를보다정확하게분석하기위해서, 휴리스틱마이닝을통해도출된프로세스를페트리넷모형으로변

19 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 163 <Table 12> Comparison of PC 5 by the Fitness Perspective c m p r Output Plan Model Actual Model Fitness Cross fitness Fitness Cross fitness 환후적합도를계산하였다. 본연구에서적합도계산의특징은계획과실적프로세스의비교를목적으로하기때문에자신의데이터에대한모델의적합도뿐만아니라, 상대데이터에대한모델의적합도까지계산하고이를교차적합도 (cross fitness) 로정의한것에있다. 즉계획데이터기반으 로도출한프로세스모델에실적데이터의적합도를계산하는경우와실적데이터기반으로도출한프로세스모델에계획데이터의적합도를계산한경우가각각교차적합도에해당된다. 계획데이터기반으로만든프로세스모델의교차적합도가낮다는것은계획데이터관점의프로세스모델이실적데이터의작 No Cluster <Table 13> Summary of Each Cluster by the Fitness Perspective No. of Instances Differences (Actual Planned) No. of Event No. of Task Planned Process Model Actual Process Model Fitness Cross fitness Fitness Cross fitness 1 PC PC PC PC PC PC PC PC PC PC PC PC Average

20 164 한국전자거래학회지제 18 권제 4 호 업프로세스를잘반영하지못하고있다는의미이고, 반대로교차적합도가높다는것은실제작업을잘반영하고있는모델이라는의미이다. 또한실적데이터기반의프로세스모델의교차적합도는실적기반의모델이계획을얼마나잘반영하고있는지를나타낸다고할수있다. PC 5 의경우적합도와교차적합도의계산사례는 <Table 12> 와같다. 식 (1) 에의해서소비된토큰개수 (c), 잃어버린토큰개수 (m), 생산된토큰개수 (p), 남은토큰개수 (r) 값을이용해서계산된다. <Table 13> 은본사례연구에서각군집에대해서계획데이터기반프로세스모델과실적데이터기반프로세스모델에대한적합도와교차적합도를계산한결과를보여주고있다. 계획데이터기반의프로세스모델과실적데이터기반의프로세스모델을비교해보면자신의데이터에대한적합도값은계획프로세스모델이평균값기준으로 0.026(= ) 높지만교차적합도값은실적프로세스모델이 0.077(= ) 높다는것을확인할수있다. 또한계획과실적간의이벤트수와작업수의차이와적합도간의관계를파악할수있다. 적합도가낮은군집의조립블록에대한작업특성을재정의하거나다른군집에포함시키는등의평가기준으로도활용할수있다. 5. 결론작업장이넓고다양한작업조직과많은작업자가함께생산을하는조선산업의경우는복잡한생산작업프로세스를잘이해하고관 리하는능력이중요한경쟁력이된다. 대형조선소들은이미복잡한생산환경에대응하기위해 ERP(Enterprise Resource Planning) 시스템을도입하고, APS(Advanced Planning System) 등을개발하여생산관리의수준을높이기위해노력해왔다. 그러나조선산업의특성상, 복잡한생산프로세스와다양한생산상황의변화에대응하여생산을잘이해하고정확한실적을집계하는부분은지속적으로어려움이있었다. 따라서최근까지도생산의정확한진행상황을모니터링하기위해 IT 기술의발달과함께생산공정모니터링시스템개발에주력하였고, 지금은안정화단계에접어들어, 실적데이터기반의많은데이터도실시간으로축적되고있다. 따라서이들정보시스템의데이터를기반으로보다빠르고효율적으로계획과실적데이터를비교하고생산계획및관리를위한정보로피드백하여생산관리능력을높이고생산성향상에기여하고자한다. 본논문에서는조선산업에서가장기본이되면서중요한조립블록작업에대해서계획과실적프로세스를비교분석하고자했다. 정보시스템에존재하는데이터를이용하여쉽고빠르게프로세스모델을도출하고, 다양한관점에서비교분석할수있는방안을제안하였다. 본연구에서제안한분석방법은 1) 데이터전처리, 2) 분석수준정의, 3) 작업특성을고려한블록군집화, 4) 군집별프로세스도출, 5) 계획과실적프로세스간의비교, 다섯단계로구성된다. 계획프로세스와실적프로세스간의비교는프로세스모델관점, 작업관점, 프로세스인스턴스관점, 적합도관점에서비교할것을제안하였고, 각관점별

21 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 165 주요분석인자를정의하였다. 특히적합도관점에서는자신의데이터를이용한적합도계산뿐만아니라자신의모델에대해서상대데이터를통해적합도를계산하는교차적합도까지정의하고비교분석을수행하였다. 본논문에서제안한방법은형상과구조가모두다른다양한조립블록에대해서쉽고빠르게프로세스모델을정의하고계획과실적관점에서작업의특성들을비교할수있는데의의가있다. 사례연구를통해서, 전반적으로계획단계에서는계획자가정의한군집별로거의동일한작업프로세스를계획하지만, 생산단계에서는상황에따라작업순서및작업장활용을어느정도유연하게변경하고있는것이확인되었다. 이렇게생산에서작업순서및작업장변경이가능한작업단계들에대해서는계획시에도유연성을두어서보다효율적인계획수립이가능할것으로판단된다. 또한어떤작업특성을가지는군집들이계획대비실적이차이가많이나는지를확인할수있으므로이를통해계획의개선방향을정할수있다. 그러나본연구는계획자의경험과판단에의해유사한작업특성을가지는조립블록들을구분한 계획케이스 를군집으로정의하고활용하였기때문에이의동질성 (homogeneity) 이우선보장되어야한다. 또한군집별로프로세스모델을도출하므로군집의결과가프로세스모델에도영향을미친다. 따라서계획자가관리해오던 계획케이스 가작업의유사성을잘반영한것인지군집화방안에대한향후연구가요구된다. 결국본논문에서제안한방법은군집의작업특성에대한동질성이보장될때, 계획과실적데이터를이용하여작업프로세스 를효과적으로비교분석하는방법이라하겠다. 제안한방법의타당성은세계최상위그룹에속하는국내대형조선소의계획데이터과실적데이터를이용한사례연구를통해서설명되었다. References [1] van der Aalst, W. M. P. and Basten, T., Inheritance of workflows : An approach to tackling problems related to change, Theoretical Computer Science, Vol. 270, No. 1, pp , [2] van der Aalst, W. M. P., Business alignment : using process mining as a tool for Delta analysis and conformance testing, Requirements Engineering, Vol. 10, pp , [3] Cho, K. K., Oh J. S., Ryu K. R. and Choi H. R., An integrated process planning and scheduling system for block assembly in shipbuilding, Annals of the CIRP, Vol. 47, No. 1, pp , [4] Cho, K. K., Sun J. G. and Oh J. S., An automated welding operation planning system for block assembly in shipbuilding, International Journal of Production Econo-mics, Vol , pp , [5] Goedertier, S., de Weerdt, J., Martens, D., Vanthienen, J. and Baesens, B., Process discovery in event logs : An application in the telecom industry, Applied Soft

22 166 한국전자거래학회지제 18 권제 4 호 Computing, Vol. 11, pp , [6] Hur, W. C., Bae, H., Kim S. and Jeong, K. S., A method for business process analysis by using decision tree, The Journal of Society for e Business Studies, Vol. 13, No. 3, pp , [7] Vullers, Jansen M. H., van der Aalst, W. M. P., and Rosemann, M., Mining configurable enterprise information systems, Data and Knowledge Engineering, Vol. 56, No. 3, pp , [8] Jung, J. Y., PROCL : A process log clustering system, The Journal of Society for e Business Studies, Vol. 13, No. 2, pp , [9] Lee, D. and Bae H.., Analysis framework using process mining for block movement process in shipyards, ICIC Express Letters, Vol. 7, No. 6, pp , [10] Lee, S., Kim B., Huh M., Cho S., Park S. and Lee D., Mining transportation logs for understanding the after assembly block manufacturing process in the shipbuilding industry, Expert Systems with Applications, Vol. 40, No. 1, pp , [11] de Medeiros, A. K. A, Weijters, A. J. M. M. and van der Aalst, W. M. P., Genetic Process Mining : An Experimental Evaluation, Data Mining and Knowledge Discovery, Vol. 14, No. 2, pp , [12] Rozinat, A. and van der Aalst, W. M. P., Decision Mining in ProM, Proc, 4th Int. Conf. on Business Process Management, pp , [13] Song, M., Günther C. W. and van der Aalst, W. M. P., Trace clustering in process mining, BPM 2008 Workshops, Lecture Notes in Business Information Processing, Vol. 17, pp , [14] de Weerdt, J., Schupp, A., Vanderloock, A. and Baesens, B., Process Mining for the multi faceted analysis of business processes A case study in a financial services organization, Computer in Industry, Vol. 64, pp , [15] Weijters, A. J. M. M., van der Aalst, W. M. P. and de Medeiros A. K. A., Process Mining with Heuristics Miner Algorithm, BETA Working Paper Series, WP 166, Eindhoven University of Technology, Eindhoven, 2006.

23 조선산업에서프로세스마이닝을이용한블록조립프로세스의계획및실적비교분석 167 저자소개 이동하 ( dongha@dsme.co.kr) 2000년 부산대학교산업공학과 ( 석사 ) 2002년 부산대학교산업공학과 ( 박사수료 ) 현재 대우조선해양중앙연구소생산시스템연구그룹과장 관심분야 생산계획및관리시스템, 프로세스마이닝, 데이터마이닝, 물류관리등 박재훈 ( pjh3479@pusan.ac.kr) 2008년 부산대학교산업공학과 ( 석사 ) 2013년 부산대학교산업공학과 ( 박사 ) 현재 부산대학교산업공학과박사후연구원 관심분야 프로세스효율성, 벤치마킹, DEA(Data Envelopment Analysis), 프로세스마이닝등 배혜림 ( hrbae@pusan.ac.kr) 1998년 서울대학교산업공학과 ( 석사 ) 2002년 서울대학교산업공학과 ( 박사 ) 현재 부산대학교산업공학과부교수 관심분야 프로세스마이닝, BPM(Business Process Management), Multi organizational Process Management in e-business Environments, Enterprise Information System Integration, e-scm and e-crm 등