PowerPoint 프레젠테이션

Size: px

Start display at page:

Download "PowerPoint 프레젠테이션"

광현 강
6 years ago
Views:

2 Industry 4.0 추진을위한 Key Enabler, Big Data/IoT SKC&C ICT 성장담당이원석상무 2

3 Agenda Agenda 1. Mega Trends 2. Data 기반의경영 3. 제조영역활용및사례 4. Industry 4.0으로의진화 5. Conclusion 6. 맺음말

4 1. Mega Trends ICT History 약 10 여년을주기로새로운 Innovation 의 Trigger 가등장 과거 현재 인터넷 Apple 스마트폰 PC 판이바뀔때마다 ICT 시장의주도권과헤게모니도변화 4 * 출처 : SK 경영경제연구소, 2014, IoT 시대도래의의미와시사점

Connected car Drone IoT 의기본속성 모든것이연결 (Connected) 되는세상 - 컴퓨터, 스마트폰에이어자동차, 시계, 장난감, 가전, 각종센서등 NW 이용기기의폭발적증가

5 1. Mega Trends IoT 시대의도래 ICT 시장다음경쟁의 Keyword 는 Internet of Things Intelligence 최근 ICT 시장의화두 Industrial Internet Cloud computing Big Data 스마트홈스마트 TV 3D Printing M2M IoT 로봇헬스케어 Wearable Watch Glass 무인자동차 Connected car Drone IoT 의기본속성 모든것이연결 (Connected) 되는세상 - 컴퓨터, 스마트폰에이어자동차, 시계, 장난감, 가전, 각종센서등 NW 이용기기의폭발적증가 Long Tail [IoT 란 ] 다양한사물 (Things) 에 Connectivity 를더해 전에없던새로운 Value 를만들어내는것 5 * 출처 : SK 경영경제연구소, 2014, IoT 시대도래의의미와시사점

[Back - Up] Sensor 의진화 단방향기계적정보전달 양방향지능형제어로발전 M2M (Machine to Machine) M2M/IoT 정의 - 사물지능통신 모든사물에센서나통신기능이있어, 사물간정보를수집하고커뮤니케이션을실행하는것을의미 - 사물간통신을통해수집된정보를관리자 ( 사람 ) 가제어

의진화된형태 ) 인간의힘을빌리지않고사물끼리통신을하며부가서비스제공이가능해지는것을의미 - 사물간통신을통해수집된정보는관리자 ( 사람 ) 간섭없이사물이활용하고서비스를제공 ( 기반기술 : 센싱기술, 통신기술및지능형네트워킹 ) [ 예시 ] 스마트홈, 지능형설비관리, 오폐수자동관리, 스마트에너지관리등 M2M

6 [Back - Up] Sensor 의진화 단방향기계적정보전달 양방향지능형제어로발전 M2M (Machine to Machine) M2M/IoT 정의 - 사물지능통신 모든사물에센서나통신기능이있어, 사물간정보를수집하고커뮤니케이션을실행하는것을의미 - 사물간통신을통해수집된정보를관리자 ( 사람 ) 가제어 ( 기반기술 : 센싱기술, 통신기술 ) [ 예시 ] 고속도로하이패스, 도어락잠금해제카드키등 RFID USM M2M/IoT 비교및발전단계 [ M2M 활용 ] [ IoT 확장 ] 연결된 Device 수 NFC Beacon IoT (Internet of Things) - 사물인터넷 (M2M 의진화된형태 ) 인간의힘을빌리지않고사물끼리통신을하며부가서비스제공이가능해지는것을의미 - 사물간통신을통해수집된정보는관리자 ( 사람 ) 간섭없이사물이활용하고서비스를제공 ( 기반기술 : 센싱기술, 통신기술및지능형네트워킹 ) [ 예시 ] 스마트홈, 지능형설비관리, 오폐수자동관리, 스마트에너지관리등 M2M (1 세대 ) IoT (2 세대 ) 연결주체기계기계 / 사물등모든환경 연결방향일방향중심양방향 주요활용목적 연결의정도 정보 Sensing 및관리자 ( 사람 ) 에게전달 현재 단순한사물간 통신 사람 - 사물, 사물 - 사물간통신 time 사물이스스로정보를생성 / 공유 / 네트워킹하고활용 사물간 소통과교감 6

1. Mega Trends IoT 의핵심은 Data Data 가 Value 의근원 N/W

수면 Data 숙면위한사용자의적당운동량제시 Things 는 Data 를얻기위한수단

7 1. Mega Trends IoT 의핵심은 Data Data 가 Value 의근원 N/W Data 에서의미추출시 Value 향상 Data 수면패턴 온도 예 ) 자이로스코프의센서데이터 수면의질이나상태정보추출가능 식습관 구매스타일금융취미 건강상태 가족관계운동 압력 습도 Data 를조합하여새로운 Value 창출 예 ) 운동량 Data + 수면 Data 숙면위한사용자의적당운동량제시 Things 는 Data 를얻기위한수단 Things 기획은어떤 Data 를얻을것인가에서시작 * 출처 : SK 경영경제연구소, 2014, IoT 시대도래의의미와시사점 7

8 1. Mega Trends Big Data 와 IoT 의접목 Big Data 와 IoT 의접목으로새로운가치창출 단계별핵심테마 Big Data 1.0 Infra 구축中心 Platform(Data 수집장치, Data 가공 / 처리기술등 ) 現在 Big Data 2.0 분석고도화및 ICT 융 복합化 Advanced Analytics - 통계, 데이터마이닝 /Simulation 고객의 Big Data 활용에따른실질적가치 검증요구증대 Big Data 3.0 지능화 / 자동화 / 최적화 인공지능 (AI) 을활용한복합 Rule 기반기계자율제어 기계학습 (Machine Learning) 1), 최적화 (Optimization) 초연결 (Hyper Connectivity) 2) 핵심 Enabler Hadoop 등오픈소스기반 Vendor 주도의처리용량 / 속도경쟁 기술에대한이해중심 Big Data 와 M2M/IoT, Cloud, 모바일등과의접목을통한신규 Biz/Service Model 창출 시장 / 고객등業에대한풍부한지식 / 경험대두 Industry 4.0 3) (Smart Factory) 인간과 IT 융합관점의 Things to Things 연결이해 ( 새로운생태계가능성 ) 1) 기계학습 (Machine Learning : 인공지능의한분야로, 컴퓨터가학습할수있도록하는알고리즘과기술을개발하는분야 2) 초연결 (Hyper Connectivity) : 모바일시대를맞아사람과사람, 사람과사물, 사물과사물이연결된상황 (Gartner,2008) 3) Industry 4.0 : 독일이제조업부흥을위해추진중인핵심미래기술 Action Plan. 제조업분야의시대적전환을총칭하는개념으로 Smart Factory, IoT 등다수산학연프로그램포함 8

Value 창출 통신 /ICT ICT 융복합신규 BM발굴 거래 Data, 실시간위치 Data (Beacon 기술활용 ), 외부 Data( 상권 / 날씨등 ) 유통고객 Context * 기반실시간마케팅

9 1. Mega Trends 기업의경쟁력제고 기존에활용하지못했던 Data 를기업경쟁력향상을위한 enabler 로활용가능 에너지 / 자원 운영최적화및예지정비 Machine Data, 외부 Data ( 날씨, 교통등 ) Machine Data, R&D Data 등 관계 Data(Social N/W), 실시간위치 Data, Packet/Log Data 등 Data 를활용한 Biz. Value 창출 통신 /ICT ICT 융복합신규 BM발굴 거래 Data, 실시간위치 Data (Beacon 기술활용 ), 외부 Data( 상권 / 날씨등 ) 유통고객 Context * 기반실시간마케팅 반도체제조 생산공정및수율향상 Transaction Data, Mobile/Web Log Data, 외부신용평가 Data 등 금융개인화마케팅및선제적 Risk 관리 * 고객 Context : 실시간위치, 환경, 검색내역, 거래 Data 등 9

10 2. Data 기반경영 Management Paradigm Shift Data 분석역량이기업경영의핵심으로부각되고있음 과거 제품을만들면팔리는시대 感에의한경영 기술력 ( 품질 / 성능 ) 중심경영 현재 저성장장기화, 공급과잉 Data 기반경영 시장 & 고객중심경영? 기업내부핵심변화사항 기업경쟁력원천의변화 Data 기반의서비스고도화필요성증대 과거 내부프로세스중심효율화 기업내부효율화에 Focus SCM KM ERP 6Sigma TQ M Enabler Smart Convergence IoT/M2M/IoE 등초연결기반광범위 Data 획득 스마트 / 모바일확산, 실시간 Comm. 확대 Big Data 분석기술및 Infra 발전 현재 Data 기반의과학적의사결정 고객만족및내부관리최적화에 Focus SNS/Mobile IoT/M2M Cloud Data 분석역량이기업경쟁력핵심으로자리매김중 생산 마케팅 Risk 신규 BM 품질 / 수율관리, 생산계획 / 운영최적화, 설비장애예측등 실시간마케팅, 개인화, 고객이탈방지등 설비, 생산등운영최적화 사용자 / 소비자중심의접근 평판모니터링, 사기거래방지, 실시간해킹탐지 Data 가공 / 판매사업, IoT 융합서비스등 10

11 2. Data 기반경영 서비스구현방안 기업내부관리최적화및시장 / 고객중심경영으로본원적경쟁력확보 / 강화가능 Data Flow Data 기반서비스고도화구현절차 Big Data Ecosystem( 수집 - 저장 / 처리 - 분석 - 활용 ) 의유기적활용을통해 Data 기반서비스고도화구현가능 Data 기반서비스고도화효과 기업내부관리최적화및시장 / 고객중심경영실현 데이터수집 ~ 활용까지유기적인연결성확보필요 Data 활용 [Service Layer] Data 분석 [Intelligence Layer] Data 수집 / 저장 / 처리 [Platform Layer] Data Source Data 기반경영및 Biz. 활용 - 고객중심성과창출, 생산성제고 / 운영효율화, 선제적 Risk 관리, 신규 BM 발굴등 Data 재해석을통해 Biz. 에유의미한 Insight 도출 - 산업별 Value chain, 사용자경험 (UX), Work Cycle 등다양한관점의 Insight 도출 Big Data 분석 Infra 를통한 Data 처리 - 대용량 / 비정형데이터의비용효율적, 실시간집계 / 처리 (Volume, Variety, Velocity) 기업내 / 외부의정형 / 비정형데이터 (Big Data) - IoT/M2M 확산등사용자의실생활행동패턴, 기계 / 설비의실시간상태까지감지가능 시장 Insight 확보및선제적고객 Needs 대응기업현안에대한의사결정신속성제고 Data 중심의과학적경영을통한기업운영최적화 11

12 2. Data 기반경영 제조영역 Biz Value 제고 제조영역에서는해당기업 Value Chain 관점의 Data 분석 / 활용강화를통해, 공정효율화및최적화등 Biz. Value 제고를실현할수있음 Data 기반서비스영역 제조영역 ( 제조공정효율화 ) - 화학, 전자, 자동차, 식음료, 건설등공정보유산업에적용 Data 분석관점 해당기업고유의 Value Chain R&D, 구매, 생산, 물류등단위 Value chain 효율화先고려 단위 Value Chain 간연계를통한전체최적화추구 Biz. Value-up 가능영역 실시간공정운영모니터링 설비장애예측, 예지정비 불량탐지, 수율향상 제조공정효율화 (Efficiency) 및최적화 (Optimization) 마케팅영역 ( 사용자중심의마케팅강화 ) - 컨텐츠, 대형유통 / 리테일, 전자상거래, 은행 / 보험등對고객서비스산업에적용 사용자경험 (UX) Life Cycle 기존의소비자구매패턴분석및예측 (CRM 사상 ) 인지 / 상담 ~ 구매 ~ 문의 ~ 재구매까지고객경험의전체 Life Cycle 분석, 마케팅고도화에활용 12 기존고객행태분석 고객맞춤형상품 / 서비스추천 재구매, 반복구매 Program 제시 개인화마케팅강화를통한對고객가치제공, 기업성과제고

13 3. 제조영역활용및사례 Big Data 활용체계 분석시스템, 연계시스템, 저장시스템, 처리시스템및관리시스템으로구성된 Big Data Ecosystem 을구성하여데이터기반의경영활동에활용 Layer Big Data Ecosystem 구성및활용체계 Service Layer 수율 / 품질관리 B2B/B2G ( 제조영역 ) 장애예측 / 예지정비 생산계획 / 운영최적화 실시간 SHE1) 모니터링 / Alert O2O 2) 커머스 B2C ( 마케팅영역 ) 실시간마케팅 컨텐츠추천 보안관리 보안정책 Intelligence Layer Platform Layer 분석관점 분석기법 해당기업고유의 Value-chain 탐색적분석 RDBMS ( 관계형 DB) 데이터수집 / 저장 / 처리 통계분석 작업자 Work-cycle Cloud IaaS, SaaS, PaaS 예측 사용자경험 (UX) Big Data 최적화 / 시뮬레이션 데이터수집 / 저장 / 처리 인적보안 Application 보안 DB 보안 Data Source Layer Legacy (ERP, CRM 등 ) Enterprise Mobility 외부데이터 (SNS, 날씨등 ) M2M/IoT 3) Infra 보안 (N/W, Device) 1) SHE(Security, Health, Environment): 안전, 보건, 환경, 2) O2O: Online to Offline, 3) M2M/IoT: Machine to Machine, Internet of Things 13

14 3. 제조영역활용및사례 Value Chain 관점 Framework 화학, 제조업종의 Value Chain 관점의 Data 기반서비스활용 Framework Value Chain Industry R&D/ 계획 / 구매 생산 물류 마케팅 / 세일즈 / 서비스 화학 원유탐사및시추투자의사결정최적화 M2M/IoT 를활용한실시간배관부식, 도유모니터링 생산스케줄링 / Blending 효율화 비정상공정사전예측 / 예지정비, 실시간모니터링 물류투자의사결정지원 ( 창고, 수송수단등 ) 외부공개정보수집 / 분석을통한시장지표및수요예측정교화 전사통합정보실시간공유및분석을통한 S&OP 1) 최적화 M2M/IoT 를활용한위험화학 / 환경오염물질누출탐지, 방재, 보안 실시간교통정보기반배송루트최적화 실시간가격예측및동적가격책정 제조 MES Engineering Note, 장비로그, 영상계측 Image 등활용품질분석 Utility ( 전기, 물, 가스등 ) 장비센서기반수급계획정교화 원재료불량탐지, 원인공정탐색을통한수율제고 펀치리스트, 작업지시서 Text 분석을통한제조효율화 M2M/IoT 를활용한배송차량 / 컨테이너실시간위치추적및상태모니터링 불만 / 상담 Text 정보분석기반제품개선기회, R&D 요건도출 1) S&OP: Sales and Operations Planning 14

3. 제조영역활용및사례 Biz. 현안및 Issue 공정 / 설비운영연속성과불량율최소화 1 화학 A 社 연속공정業특성상공정 / 설비운영중단시생산차질로인한피해큼 사고 / 중단발생이후사후대응 Biz. 현안및 Issue 중단 / 사고발생시원인수작업분석장시간소요 공정 / 설비운영연속성확보가 Key Issue Data 기반공정효율화및 Biz.

15 3. 제조영역활용및사례 Biz. 현안및 Issue 공정 / 설비운영연속성과불량율최소화 1 화학 A 社 연속공정業특성상공정 / 설비운영중단시생산차질로인한피해큼 사고 / 중단발생이후사후대응 Biz. 현안및 Issue 중단 / 사고발생시원인수작업분석장시간소요 공정 / 설비운영연속성확보가 Key Issue Data 기반공정효율화및 Biz. Value Historical Data 분석을통한비정상공정상태정의, 비정상징후발생시예지정비즉시실행 Big Data 기반비정상공정운전사전감지 장애예측, 예지정비로생산손실방지 실시간모니터링및사고원인자동분석을통해신속한사고대응 / 공정정상화 2 제조 B 社 Big Data 기반불량탐지및원인분석자동화 수율 1) 은수익성 / 원가경쟁력과직결 - 전체중일부원재료는원가비중이가장높으며, 이원재료의수율개선은비용절감의핵심 고밀도화, 고집적화로인해高수율어려움가중 TAT(Turn Around Time) 단축, 수율향상 Historical Data 분석을통한원재료불량탐지및원인분석, 공정개선점즉시반영 원재료불량탐지 / 원인분석에장시간소요 불량율최소화를통한수율증대가 Key Issue 1) 수율 (Yield): 투입량대비완성된양품의비율 15 Multi Parameter 에대한복합분석을통해기존에파악못했던불량패턴탐지 / 대응

16 3. 제조영역활용및사례 비정상공정운전사전감지 TBD 16

17 3. 제조영역활용및사례 비정상공정운전사전감지 TBD 17

18 3. 제조영역활용및사례 불량율탐지및분석자동화 TBD 18

19 3. 제조영역활용및사례 불량율탐지및분석자동화 TBD 19

3. 제조영역활용및사례 Data 기반경영 Roadmap 기존의 Reactive, Proactive 대응을넘어 Prescriptive 대응으로진화발전 Data 기반경영 Roadmap 공정운영모니터링 M2M 기반실시간공정운영모니터링, 원격제어 SHE (Safety, Health, Environment) 관제 SQL, OLAP 분석 Big Data 도입전

20 3. 제조영역활용및사례 Data 기반경영 Roadmap 기존의 Reactive, Proactive 대응을넘어 Prescriptive 대응으로진화발전 Data 기반경영 Roadmap 공정운영모니터링 M2M 기반실시간공정운영모니터링, 원격제어 SHE (Safety, Health, Environment) 관제 SQL, OLAP 분석 Big Data 도입전 예측기반 Proactive 대응 설비건강도체크, 설비장애예측을통한예지정비 불량 Map 패턴자동분류및원인 Parameter 자동탐색 통계, 데이터마이닝분석 Big Data 도입후 단위업무최적화 구매, 생산, 물류, 판매각단위업무별최적화 - 생산계획 / 스케줄링최적화, 실시간운영최적화등 수율예측및최적수율 Path 시뮬레이션 시각화분석강화 Big Data, IoT 연계후 Industry 4.0 (Smart Factory) 전사차원정보의실시간통합및공유 全 Value Chain 최적화및공정운영자동화 - 공정 / 설비간양방향정보전달, 복합 Rule 기반제어 인공지능을활용한복합 Rule 기반기계자율제어 M2M ( 단위공정별일방향정보전달 ) Big Data, Cloud ( 비용효율적실시간분석 ) 20 IoT ( 全공정연계 ), Simulation/Optimization

[Back Up] SKC&C Big Data/IoT Platform Sensing 등 IoT 요소기술과 Big Data 분석역량결합을통한 Platform 구현으로 Data 기반서비스고도화실현 SKC&C NEXCORE Watz Eye Platform Architecture 1 다양한 IoT Device 관리 Service Platform (P/F) 3

21 [Back Up] SKC&C Big Data/IoT Platform Sensing 등 IoT 요소기술과 Big Data 분석역량결합을통한 Platform 구현으로 Data 기반서비스고도화실현 SKC&C NEXCORE Watz Eye Platform Architecture 1 다양한 IoT Device 관리 Service Platform (P/F) 3 에너지관리공정최적화통합관제 보안 2 1 User I/F Dashboard Reporting Setup Rule Real-Time Data Analysis Complex Event Processing Device Mgmt (Channel) BPM/BRM WorkFlow Alarm Monitoring IoT/M2M Platform Event Stream 분석 Common Smart Search Application Common Message Processor Message Bus 통합 DB (Event 등 ) Batch ( 스케줄러, 모니터링 ) Device Identity Access Mgmt Event Routing 4 2 Analytics ( 시뮬레이션등 ) Big Data Large, Complex Collection of Datasets Big Data Query Tools NoSQL DB 2 3 다양한 IoT/M2M Device 인증 / 등록 / 관리기능 인증 / 등록된 Device 의 Access 관리및 Event Routing 기능 실시간복합데이터분석 IoTM2M Device 에서생성되는대규모 Data(Event) 에대한실시간분석기능 Big Data System 연계를통한 Analytics End to End IoT/M2M 보안 IoT/M2M Data 생성 / 전송및서비스에이르는 End to End 보안 Network Gateway 장비통신 4 IoT/M2M Cloud Service IaaS : Data 전송 / 저장 Infra Device 감지센서현장장비 CCTV 센싱데이터 : 온도, 습도, 조도, 진동, 속도, 강수량, 파고, 염도, 화학물질, 수질오염, 세균, CCTV 등 21 PaaS : IoT/M2M Platform SaaS : Platform + Big Data Analytics 융합 Service

Degree of Complexity 5. Industry 4.0 으로의진화 정의 Industry 4.

Industry 4.0 의정의 Industry 1.0 Industry 2.0 Industry 3.0 Industry 4.

Controller) IoT 와 Big Data 분석에의한지능형생산체계 4 기계및생산공정이자율적인지능형제어로생산체계운영

$data 로부품, 설비, 생산 \ 기계등에서진행되는 Context( 상황정보 ) 를확인 Industrial Data monitoring$ Data Analytics 2 생산및재고관리, 고객관리등의서비스와연결 Data flow 1784 Power generation

2015 Smart Automation 기계와사람, 서비스가 Sensor 와 data 분석시스템을통해상호연결되는지능형생산체계 * 출처

22 Degree of Complexity 5. Industry 4.0 으로의진화 정의 Industry 4.0 은기계와사람, 서비스가상호연결되는지능형생산체계 The four stages of the Industrial Revolution Industry 4.0 의정의 Industry 1.0 Industry 2.0 Industry 3.0 Industry 4.0 기계식생산설비 전기동력에의한대량생산 Conveyor belt 전자기술과 IT 기반자동화 PLC (Programmable Logic Controller) IoT 와 Big Data 분석에의한지능형생산체계 4 기계및생산공정이자율적인지능형제어로생산체계운영 Intelligence Data share Machine Secure, Cloud Network 1 스마트메모리, 센서를통해추출된 data 로부품, 설비, 생산 \ 기계등에서진행되는 Context( 상황정보 ) 를확인 Industrial Data monitoring Steam engine CPS (Cyber-Physical Systems) 3 실시간사전검증, 관리등 Big data 분석 Big Data Analytics 2 생산및재고관리, 고객관리등의서비스와연결 Data flow 1784 Power generation Mechanical automation 1870 Industrialization 1969 Electronic Automation 2015 Smart Automation 기계와사람, 서비스가 Sensor 와 data 분석시스템을통해상호연결되는지능형생산체계 * 출처 : DFKI ( 독일인공지능연구소 ), * 출처 :Recommendations for Implementing the Strategic Initiative Industry 4.0, German Acatech,

5. Industry 4.0 으로의진화 Key enabler IoT 신기술과 Data 분석역량의발전으로 Industry 4.0 실현 Industry 4.

Big Data 분석기술및 Infra 발전 raw data 전달 일부손실 Sensing 된 Data 의저장및처리능력한계 : 일부 Sampling data 전달 raw data

* 출처 : Machina Research 2014 23 Wireless coverage IPv6 Key enabler IoT 신기술과 Data 분석역량의발전 Chip Sensors

Data 수집양의증대 Big Data Advanced Analytics 대용량비정형 Data 수집 / 분석 예측분석기반의생산체계실현 설비, Network 정보의분석및측정 data

23 5. Industry 4.0 으로의진화 Key enabler IoT 신기술과 Data 분석역량의발전으로 Industry 4.0 실현 Industry 4.0 으로의전환과효과 전수 data Real time 작업지시장비교체 IoT/IoE 등초연결기반광범위 Data 획득 스마트 / 모바일확산실시간 Comm. Big Data 분석기술및 Infra 발전 raw data 전달 일부손실 Sensing 된 Data 의저장및처리능력한계 : 일부 Sampling data 전달 raw data 형태로전달되어현재상태의확인만가능 분석결과 관리자피드백 Sensing 된 Data 전체를분석 / 시각화해서관리자에게전달 관리자는사전예측 data 를기반으로설비교체로예지정비 / 수율향상 * 출처 : Machina Research Wireless coverage IPv6 Key enabler IoT 신기술과 Data 분석역량의발전 Chip Sensors Processors IOT Big Data Smart Device Chip Bandwidth 기계의지능화와자율제어실현 Intelligent Machines Sensor 비용하락 Data 수집양의증대 Big Data Advanced Analytics 대용량비정형 Data 수집 / 분석 예측분석기반의생산체계실현 설비, Network 정보의분석및측정 data 의축적과정교화 - 반복적인패턴통합작업을통한모델링및공정분석 - Reference 가쌓일수록경쟁력은더높아지는구조 - 예측에의한생산시스템운영관리가능 이기종설비 / 생산기계간의실시간연결및통합운영 * 출처 : IoT Primer by Goldman Sachs (Sep 3, 2014)

24 5. Industry 4.0 으로의진화 Global 적용사례 TBD 24

25 5. Industry 4.0 으로의진화 활용방향 제조혁신을위한 Big data 기반의자율제어시스템도입 활용방향 IoT/M2M, Big Data 를활용한운영최적화 ( 예시 ) 제조산업의실질적인생산효율성증대가능 IoT Device로부터생성된 Big Data 분석 / 활용으로생산성, 최적화사례확대 -자동화, 에너지관리, Safety& Security등 Cloud 기반플랫폼서비스필요 효율적인 IoT 시스템구축을위해서는 Cloud기반 IoT 플랫폼필요 - Big Data, Cloud, Analytics의통합제공 ( 예 : GE 社 Predix, LogMeIn 社 Xively) M2M/IoT Big Data 설비별 M2M( 센서 + 통신 ) 을통한신규 Data 계측, 자동축적 - 예 : 에너지사용계측 에너지최적화에활용 내 / 외부대용량 / 비 반정형데이터분석 - 예 : 물류최적화시기존의배송거리, 수송량, 단위당배송비등내부 Data + 외부실시간교통정보등신규추가 실시간처리 (CEP 1) ) 또는분산병렬처리 폐쇄형 IoT Platform 검토 Factory 단위의폐쇄형 IoT Platform 도입우선검토 - IoT Device를이용한보안, 관제, 환경, 공정모니터링 / 제어 최적화 활용가능한 Data/ 정보확대를통해최적화모델정교화 비용효율적 Infra 기반생산공정운영실시간최적화 최적화모델링주기단축및적시적용 - 분야별旣구축된 M2M 시스템과통합하여운영효율화확대 Data분석 / 활용 / 축적중심의역량집중 전략적의사결정을위한분석집중 - 통합된 Data 분석과활용중심역량으로전이 1) CEP(Complex Event Processing): 실시간대용량 Event 처리및복합 Event Stream 패턴감지, 복합적인이벤트를참조하여특정패턴을유추하는것 25

6. Conclusion Big Data 는 IoT 등 ICT Trend 와접목하여기업혁신의기본 Infra 이자핵심경쟁력의원천으로활용가능함 고객중심 성과창출 생산 / 운영 최적화 선제적 위험관리 신규 BM 발굴 Data 기반서비스고도화를통한 Biz. Value-up 실현제조물류유통서비스의료공공 Biz.

26 6. Conclusion Big Data 는 IoT 등 ICT Trend 와접목하여기업혁신의기본 Infra 이자핵심경쟁력의원천으로활용가능함 고객중심 성과창출 생산 / 운영 최적화 선제적 위험관리 신규 BM 발굴 Data 기반서비스고도화를통한 Biz. Value-up 실현제조물류유통서비스의료공공 Biz. Enabler 로서의 Big Data 활용 Data Source Data 수집 / 저장 / 처리 Data 분석 Data 활용 ( 활용 Data 범위의확대 ) ( 실시간대용량 / 비정형 Data) (Biz. 에유의미하게재해석 ) (Biz. Value-up 에적용 ) Biz. Value-up 도구로써의 Big Data 는새로운가치창출의원천이자, 차세대천연자원으로활용가능 ICT Trend Biz. Needs IoT/M2M/IoE 등초연결시대도래 스마트모바일, 실시간 Comm. Data 분석기술및 Infra 발전 시장 / 고객 Needs 의선제적대응강화 과학적근거에기초한내부관리최적화 광범위한 Data 의획득 / 분석가능 고객중심경영, 과학적경영추구 26

27 7. 맺음말 Sensor, Network 기술의발전이제조업과 ICT 융합을촉발, But, 비용절감및생산효율성증대를위해서는제조 Big Data 분석역량이핵심 1 M2M, IoT 등 ICT 기술활용의핵심은기계 / 설비로부터추출된 Data를활용한예측분석시스템 - 다양한 Sensor를통해발생하는대용량의 Big data를그대로전달하면큰폭의생산성저하초래 - 개별 Data보다는 Data로부터의의미추출및 Data 간조합이필요. - 이상징후나기회를조기에포착할수있는예측분석시스템으로 Biz Value 창출 2 Data 기반의 의사결정, 대응및자율화시스템 이제조혁신의 Key enabler - 실시간설비상태파악및문제해결을통해설비의최적화된성능을유지하는지능형생산시스템 - 자동화설비교체없이, Data 기반의분석시스템적용및개선만으로도성능및생산성증대가능 3 Data로부터 Pattern 및 Insight를찾아서 Biz. 성과로연계할수있는분석관점체계화필수 - IoT, Big Data, 예측분석등의역량과 Sensor data 처리, networking, backend System과통합하여자사 Biz. 에적합한 Ecosystem 확보및 Framework 정립필요 27

28 Data Insight Pattern 분석 28

29 Q & A SK 텔레콤 Big Data! SK C&C 가함께하겠습니다!!! Thank you! SK 플래닛 & SK 하이닉스 Big Data 수행경험 Q A Big Data 플랫폼 SK 브로드밴드 Big Data 전문가집단 SK C&C 이원석상무 / ICT 성장담당 wonsuk.lee@sk.com

30 Thank You!

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 < 1 > Smart Factory 로의한걸음 : Big Data Analytics - 제조공정효율화사례중심 - 2015. 3. 12 Table of Contents < 2 > 1 ICT Trend 2 Data Is Competency Table of Contents 3 Smart Factory Smart Factory with Data Analytics 4