Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
|
|
|
- 영실 주
- 5 years ago
- Views:
Transcription
1 Falkonry LRS 를활용한 패턴인식시스템 Jul KOLON BENIT
2 Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
3 1. 제조업의전통적분석 Ⅰ. 패턴분석 제조업의품질및설비고장이슈해결을위하여전통적분석을수행하였습니다. 전통적방식은 분석솔루션을활용하여분석가가설비또는생산데이터일부를활용하였습니다. * 요구사항에따른프로젝트발생 생산정보 설비정보 센서정보 검사정보이벤트 2. 분석솔루션 - 모델링 - 분석 & 대안제시 1. 분석가투입 - 현장 / 이슈이해 - 데이터수집 & 전처리 조건에한정된결과 à 적용범위및목적을 변경하기어려움 지속적인분석필요 à 적합한분석인력을 구하기쉽지않음 à 기간및비용의발생
4 2. Falkonry 패턴분석 Ⅰ. 패턴분석 패턴분석은복수의시그널값과변동정보를활용하여생산현장의많은 Insight 를분석할수있 습니다. 전통적분석방법과달리패턴분석을통해품질및설비이슈외다양한문제점해결에 활용할수있습니다. 생산정보 설비정보 센서정보 검사정보이벤트 * Falkonry LRS 를활용한패턴분석 패턴인식기법 à 특정시점의시그널값이아닌패턴을인지하고분석및활용함 다양한목적의활용 à 패턴이가진많은정보를활용하여다양한목적으로의활용가능
5 2.1 제조분야에서의패턴활용 Ⅰ. 패턴분석 운영데이터에숨겨진패턴은현장의많은문제를개선할수있는강력한지표로활용될수있 습니다. 그러나많은시계열데이터간에존재하는패턴을발견하기는쉽지않습니다. 패턴분석의특징 1 일시성을가짐 패턴은값의추이와시간정보를포함 품질, 수율등주요지표에영향을주는시그널정보를포함 상태의변화에대한전조신호로활용 2 다변수로구성 복잡한시스템을이해하기위하여복수의시그널에대한분석이필요함 복잡한시스템의예측에적합함 3 인지되어활용 복잡한형태로보여지나, 무엇을의미하는지발견하여야함 발견된패턴의활용으로문제해결에활용 맥킨지 & 컴퍼니는향후 20 % 의생산성증가가디지털분석에서발생할것이며머신러닝이가능한패턴인식은생산성향상에중요한역할을할것으로예측.
6 2.2 Falkonry LRS 를이용한패턴활용 Ⅰ. 패턴분석 자동으로발견한패턴에의미를부여하고, 이를토대로작업자에게상태의변화에대한전조증 상을알립니다. Analytical Model Learning Real-Time Good Early Warning Early warning Stoppage Good Downtime New behavior
7 3. 분석방법의비교 Ⅰ. 패턴분석 Falkonry LRS 는머신러닝기반으로자동으로패턴을생성하여현장담당자가다양한분야로의 적용및확대가가능합니다. 1 데이터분석 : 전통적분석방법 2 패턴분석 : Falkonry 분석방법 사용자 : 분석가 방법 ü 분석솔루션을활용한모델개발 ü 다양한분석기법을활용 특징 ü 분석과제를프로젝트화하여수행 ü 이슈별프로젝트발생 ( 분석가투입 ) ü 복잡한데이터유형에특화 사용자 : 현장담당자 방법 ü 패턴분석을통한 Insight 도출 ü 머신러닝을활용 특징 : ü 머신러닝학습을통한패턴자동생성 ü 이슈별분석가비용발생하지않음 ü 시계열분석에특화
8 Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
9 1. Falkonry 소개 Ⅱ. Falkonry LRS Falkonry 는 2012 년설립한 Machine Learning 전문스타트업체입니다. 다양한산업군에 Falkonry LRS 를적용하여, 초기도입및높은연간갱신율로매출이급성장하고있습니다. 설립일 : 2012 본사 : Sunnyvale, CA 연구소 : Mumbai, INDIA 주요고객 LRS LRS LRS 비 1) Ready-to-use Time series machine learning Industry Partners: HP Enterprise, Microsoft Azure, AWS, Oracle, OSIsoft, SAP 비 1) LRS : Live Recognition System ( 실시간인지시스템 )
10 2. Falkonry LRS 특징 Ⅱ. Falkonry LRS Falkonry LRS 는현장담당자가쉽게사용할수있는시스템입니다. 현장담당자를위한시스템 쉽고빠른결과도출 데이터보안준수 디지털변환을위한전략적선택
11 2.1 특징 > 현장담당자를위한시스템 Ⅱ. Falkonry LRS Falkonry LRS 는분석가도움없이스스로패턴인식을통해장애및품질불량예측과원인정보 를제공합니다. 별도의분석지식없이현장담당자가쉽게사용할수있는시스템입니다. 1. 패턴발견 2. 실시간모니터링 3. 예측과원인분석 4. 운영능력의향상 : 시그널들을활용한패턴 : 실시간데이터의 : 패턴변동에따른설비장애및 : 설비가동율및품질개선. 발견 ( 비지도학습 ) 패턴적용을통한알람구성 품질불량예측과주요인자분석. 관리기법선진화
12 2.2 특징 > 쉽고빠른결과도출 Ⅱ. Falkonry LRS 패키지형태의솔루션으로시계열데이터를활용하여자동으로패턴을인식합니다. 빠른처리 능력으로대용량데이터에대해서도빠르게처리합니다. 현장담당자가쉽게사용 빠른분석결과도출 현장전문가가사용하는시스템 ü 분석에대한배경지식이없어도현장담당자가바로사용가능 ü 현장을잘아는담당자가다양한범위로의쉽게확대가능 데이터전처리작업최소화 ü 현장의사용중인데이터를그대로활용 ü 데이터마트구성및표준화작업필요없음 모델생성후바로적용 ü 별도의모델자동화작업이필요하지않음 빠른데이터처리 ü Spark 기반의 In memory 데이터처리로모델생성을위한데이터처리시간이짧음
13 2.3 특징 > 데이터보안준수 Ⅱ. Falkonry LRS Falkonry LRS 는 Private Could 또는 On-premise 형태로적용할수있습니다. 고객사의현장 데이터를활용하여분석하지만 Falkonry LRS 에는데이터를별도보관하지않습니다. 엣지시스템적용 제어반 운영관리솔루션 데이터 On Premise 또는 Private Cloud 방식 자동화 / 현장담당자 현장시그널데이터 No Data Agent 데이터수집 평가예측 / 분석정보 LRS 현장데이터보관하지않음 평가를위한모델보관 현장담당자 운영엔지니어 공정엔지니어 제조엔지니어
14 2.4 특징 > 디지털변환을위한전략 Ⅱ. Falkonry LRS Falkonry LRS 는그자체가분석가의역할을담당하여작업자의경험과실시간패턴정보를활 용하여현장으로부터의 Digital Transformation 비 1) 을시작합니다. 생산정보 SCADA/PLC ERP CMMS MES Historian QC 2 현장담당자 Know-How 3 LRS Data Scientist-in-a-Box 예측 1 현장중심의변환 2 Know-How 자산화 3 지능화 설비정보 1 현장담당자중심 원인분석 현장중심의 Digital Transformation 비 1) 고객및마켓의변화에따라디지털능력을기반으로새로운비즈니스모델, 제품서비스를만들어경영에적용하고주도하여지속가능하게만드는것 ( 출처 IDC)
15 3. Falkonry LRS 머신러닝전문패키지 Ⅱ. Falkonry LRS Falkonry LRS 는상용화된제품으로현장에바로적용할수있는머신러닝솔루션입니다. Raw Time Series Signal Processing Normalized Signals Feature Learning Feature Vector Clustering Clusters /Labels Fusion Conditions / Signs / Unknown Classification Package Adaptation Feedback Automated feature learning + Semi-supervised learning + real-time processing
16 Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
17 1. Falkonry LRS 적용방법론 Ⅲ. 사용방법 Falkonry LRS 는다음과같은 3 단계로현장담당자가현장에서적용합니다. Falkonry 적용방법론 Step 1: 모델생성 시계열데이터 Step 1 데이터입력 : 기존의시계열데이터 Unsupervised Learning: Falkonry LRS 에서초기모델생성 Falkonry LRS Model Fact Step 2 Step 2: 모델고도화 Fact 데이터입력 : 패턴시점의작업 /Event 이력등록 Semi-supervised Learning: Fact 데이터를포함한학습 반복학습을통한모델고도화 Step 3: 운영 예측및분석 Step 3 실데이터연동 : 실데이터연동을통한운영환경적용 예측및분석 : 정확한예측을통한사전알림및원인분석
18 2. 사용방법 : 1 단계 > 모델생성 - 패턴인식 Ⅲ. 사용방법 현장에서관리하던시계열데이터를시스템에업로드하면, Falkonry LRS 가자동으로패턴을 분석합니다. 패턴인식 : 시그널기준으로패턴을구분함. 2 데이터업로드 : 설비, 생산정보시계열데이터 1 ( 온도, RPM, 전류등 )
19 2. 사용방법 : 2 단계 > 모델고도화 패턴학습 Ⅲ. 사용방법 현장담당자는시스템이인식한패턴에대해그시점에어떤이벤트가있었는지시스템에정의 (Labeling) 합니다. 작업일보나 MES 를활용하여정확한이벤트를입력합니다. 인식된패턴 패턴정의 (Labeling) : 인식된패턴에대하여정의함 ( 현장담당자가패턴을해석하고및정의함 ) 1 고장 전조증상 유지보수 패턴정의조회 : 2 현장담당자가인식된패턴에이벤트 ( 이력, 장애, 작업정보등 ) 를기록함
20 2. 사용방법 : 2 단계 > 모델고도화 - 반복학습 Ⅲ. 사용방법 현장담당자의입력정보 ( 이벤트, 경험치 ) 를참조하여 Falkonry LRS 는반복적으로학습합니다. 반복적인학습으로모델을고도화합니다. 입력된라벨 ( 이벤트 ) 패턴재정의 : 현장담당자의라벨입력후재분석하여패턴을재정의함 예제 정상 학습구간
21 2. 사용방법 : 2 단계 > 모델고도화 - 검증 Ⅲ. 사용방법 기존데이터를활용하여모델을학습하고, 다른구간또는실시간운영으로검증합니다. 학습 : 기존데이터를활용하여학습 1 검증 : 2 학습된모델을기준하여기존데이터또는실시간데이터를검증 학습구간 검증구간
22 2. 사용방법 : 3 단계 > 운영 - 원인분석 Ⅲ. 사용방법 구분된특정패턴에대해영향을주는인자를표시합니다. 이를통해문제에대한주요원인을 확인할수있습니다. Edge_A1 Edge_A2 Edge_A3 Edge_A4 Edge_A5 Machine_01 Machine_01 이벤트상세 : 패턴을클릭하여패턴의상세정보를조회합니다. Edge_A1 Edge_A2 Edge_A3 Edge_A4 Edge_A5 Edge_A6 Edge_A7 Edge_A8 Edge_A9 Edge_A0 Edge_B1 Edge_A1 Edge_A2 Edge_A3 영향요소 : 이벤트에영향을미치는시그널과연관도를표시 - 양수 : 패턴에영향 - 음수 : 타패턴에영향 Edge_B2 Edge_B3 Edge_B4 Edge_B5 Edge_B6 Edge_A4 Edge_B7 Edge_B8 Edge_A5
23 Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
24 1. 산업별사례 Ⅳ. 적용사례 Falkonry LRS 적용을통하여생산최적화, 생산량, 품질및수율이개선되었습니다. Oil & Gas Operations 셧다운조기감지 이상패턴에대한실시간알람 Chemical Manufacturing 배치공정의품질평가 설비상태모니터링 Power & Energy Operations 전력전자장치의고장분류 분산된자산모니터링 Mining Production 실시간생산량조정 설비상태의패턴발견 Semiconductor Manufacturing 장비의예방보전 설비가동율최적화 Automotive Manufacturing 조립공정에서의편차감지 용접공정에서의실시간품질평가
25 2. 주요사례 > 1 자동차산업 Ⅳ. 적용사례 토요타용접공정에적용한사례입니다. 예측분석기능을활용하여, 공정내품질불량을사전에 알려품질결함밎재작업이감소되었습니다. 고객사 Kawasaki Robostage ( 일본 ) 자동차제조사. 현황 연간 10만여대생산 라인내 100여대의용접로봇 용접품질개선 적용 효과 용접품질변동에따른패턴을분석하여, 조기경고를발생시킴 용접품질개선 제품결함감소및재작업감소
26 2. 주요사례 > 2 자동차부품 Ⅳ. 적용사례 Wire Bend 생산설비에적용하여제품품질을개선하였습니다. 고객사 TOYOTA Industries ( 일본 ) 현황 자동차부품 (Wire Bend) 생산 품질개선 적용 효과 자동화된생산설비에적용 생산시점에서의품질편차식별 품질개선 조기불량감지및대응을통한수율향상및생산 Loss 감소
27 2. 주요사례 > 3 Mining Ⅳ. 적용사례 채광산업에서공정내원자재품질을분석하여설비의파손에따른설비교체와비가동중단의 문제를해결한사례입니다. 고객사 CINER ( 터키 ) 현황 연간 $ 500M 수익광산회사 가동율개선 적용 효과 원자재상태변동확인 3단계의경보제공 (10시간전) 생산속도조정으로가동율개선 생산성개선 ($1.4 million / month) 설비고장에따른자재손실감소
28 2. 주요사례 > 4 반도체 Ⅳ. 적용사례 Etching 공정에사용한사례입니다. FAB 설비의 downtime 과제품품질을개선하였습니다. 고객사 Western Digital ( 미국 ) 현황 Global 반도체제조업체. 복수 FAB설비에 100여가지 tool 존재 FAB 설비 OEE 개선 적용 효과 On-premise 방식으로구축하여, 유지보수및교정주기알림 가동시간및설비종합효율 (OEE) 개선 불필요한보수및비가동시간감소 5~10% 의 Throughtput 개선 5% 의 scrap 감소
29 2. 주요사례 > 5 전력설비 Ⅳ. 적용사례 현장에설치한제품에적용하여, 고장이후보수에필요했던비용을절감하였습니다. 고객사현황적용효과 전력설비업체 Global 전력설비업체 현장의문제발생에대한복구로수일소요 1000여대의설비의고장추적및이벤트관리 Falkonry LRS Edge 적용 A/S 비용절감 현장에설치된설비의고장발생전알림을통해, 유지보수비용절감 A/S 비용절감
30 Contents I 패턴분석 II Falkonry LRS III 사용방법 IV 적용사례 V 적용방안
31 1. Falkonry LRS 판매방식 Ⅴ. 적용방안 Falkonry 는 2 단계의제품판매방식을지원합니다. POV 를통한단기구매로한정된범위에서의 Falkonry LRS 를검증합니다. 이후연간구매및갱신을통한확대적용을권장합니다. 식별문제에대한 해결할문제의정의 이슈에따른현재의손실비용 평가준비상태에대한 모델링 Pilot 을통한 데이터수집방법과유관시스템 (Historian 외 ) 데이터범위및우선순위 성공을위한평가기준 ( 머신러닝을위한 ) 과거이력데이터제공 식별된패턴시점에대한이벤트입력 ( 정상동작, 고장등 ) 한정된범위에서의 Pilot 적용 POV Subscription 계약 적용 Pilot 결과에대한 운영을통한모델검증 ( 경고및이벤트확인 ) 반복된모델링을통한정확도개선 적용범위확대
32
김기남_ATDC2016_160620_[키노트].key
![김기남_ATDC2016_160620_[키노트].key](/thumbs/85/91488855.jpg "김기남_ATDC2016_160620_[키노트].key")
metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational
Æí¶÷4-¼Ö·ç¼Çc03ÖÁ¾š
솔루션 2006 454 2006 455 2006 456 2006 457 2006 458 2006 459 2006 460 솔루션 2006 462 2006 463 2006 464 2006 465 2006 466 솔루션 2006 468 2006 469 2006 470 2006 471 2006 472 2006 473 2006 474 2006 475 2006 476
PowerPoint 프레젠테이션
ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical
PowerPoint Presentation
스마트팩토리트렌드, 제조업체의비즈니스운영을 변신시키다 Smart Factory Connected Manufacturing with ERP and MES 전용범이사에피코소프트웨어코리아비즈니스솔루션매니저 IT Mega Trends in Manufacturing IT 메가트렌드 Data Devices Cloud Social 운영 BI 빅데이터 소셜그래프 Full
빅데이터_DAY key
Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020
View Licenses and Services (customer)
빠른 빠른 시작: 시작: 라이선스, 라이선스, 서비스 서비스 및 주문 주문 이력 이력 보기 보기 고객 가이드 Microsoft 비즈니스 센터의 라이선스, 서비스 및 혜택 섹션을 통해 라이선스, 온라인 서비스, 구매 기록 (주문 기록)을 볼 수 있습니다. 시작하려면, 비즈니스 센터에 로그인하여 상단 메뉴에서 재고를 선택한 후 내 재고 관리를 선택하십시오. 목차
슬라이드 1
스마트공장설계, 운영을위한 공장 CPS 기술 성균관대학교공과대학 노상도 (sdnoh@skku.edu) 스마트공장 (Smart Factory) 전통제조업에 ICT 결합 공장설비와제품, 공정이지능화되어서로연결 생산정보와지식이실시간으로공유, 활용되어생산최적화 상 하위공장들이연결, 협업적운영으로개인 맞춤형제품생산이 가능한네트워크생산 (Roland Berger, INDUSTRY
Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack
FastTrack 1 Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack 5 11 2 FASTTRACK 소개 디지털 혁신은 여기서 시작합니다. Microsoft FastTrack은 Microsoft 클라우드를 사용하여 고객이 신속하게 비즈니스 가치를 실현하도록 돕는 고객 성공 서비스입니다.
PowerPoint 프레젠테이션
I. 문서표준 1. 문서일반 (HY중고딕 11pt) 1-1. 파일명명체계 1-2. 문서등록정보 2. 표지표준 3. 개정이력표준 4. 목차표준 4-1. 목차슬라이드구성 4-2. 간지슬라이드구성 5. 일반표준 5-1. 번호매기기구성 5-2. 텍스트박스구성 5-3. 테이블구성 5-4. 칼라테이블구성 6. 적용예제 Machine Learning Credit Scoring
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi emchoi@dgu.ac.kr Contents l StarUML 개요 l StarUML 소개및특징 l 주요기능 l StarUML 화면소개 l StarUML 설치 l StarUML 다운 & 설치하기 l 연습 l 사용사례다이어그램그리기 l 클래스다이어그램그리기 l 순서다이어그램그리기 2
이슈분석 2000 Vol.1
i ii iii iv 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66
가볍게읽는-내지-1-2
I 01. 10 11 12 02. 13 14 15 03. 16 17 18 04. 19 20 21 05. 22 23 24 06. 25 26 27 07. 28 29 08. 30 31 09. 32 33 10. 34 35 36 11. 37 12. 38 13. 39 14. 40 15. 41 16. 42 43 17. 44 45 18. 46 19. 47 48 20. 49
한눈에-아세안 내지-1
I 12 I 13 14 I 15 16 I 17 18 II 20 II 21 22 II 23 24 II 25 26 II 27 28 II 29 30 II 31 32 II 33 34 II 35 36 III 38 III 39 40 III 41 42 III 43 44 III 45 46 III 47 48 III 49 50 IV 52 IV 53 54 IV 55 56 IV
kbs_thesis.hwp
- I - - II - - III - - IV - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22 - - 23 - - 24 - - 25 - - 26 -
4임금연구겨울-지상토론
지상토론 기업의 합리적 임금관리전략을 통한 위기극복 방안 박준성 교수 지난 1998년 외환위기시에도 임금연구 에서 경 주제발표 김강식 교수(한국항공대) 토 론 자 : 장상수 전무(삼성경제연구소) 최영미 이사(한국HP) 제위기시 임금관리 방향에 대해 논의(본지 1998년 봄호 참조)를 한 적이 있는 것으로 알고 있습니다만 10년전과 비교해 봤을 때 우리 노동시장은
..........-....33
04 06 12 14 16 18 20 22 24 26 Contents 34 38 42 46 50 54 58 62 66 70 74 78 84 88 90 92 94 96 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 01 26 27 02 28 29 30 31 32 33 34 35 36 37 38 39
chungo_story_2013.pdf
Contents 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
Contents 12 13 15 17 70 79 103 107 20 21 24 29 128 137 141 32 34 36 41 46 47 53 55 174 189 230 240 58 61 64 1. 1. 1 2 3 4 2. 2. 2 1 3 4 3. 3. 1 2 3 4 4. 4. 1 2 3 4 5. 5. 1 2 3 1 2 3
http://www.forest.go.kr 5 2013~2017 Contents 07 08 10 19 20 30 33 34 38 39 40 44 45 47 49 51 52 53 53 57 63 67 Contents 72 75 76 77 77 82 88 93 95 96 97 97 103 109 115 121 123 124 125 125 129 132 137
전반부-pdf
Contents 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
<4D6963726F736F667420506F776572506F696E74202D20312E20B0E6C1A6C0FCB8C15F3136B3E2C7CFB9DDB1E25F325FC6ED28C0BA292E70707478>
Contents 3 2016 4 2016 5 2016 6 2016 7 2016 8 2016 9 2016 10 2016 11 2016 12 2016 13 2016 14 2016 15 2016 16 2016 17 2016 18 2016 19 2016 20 2016 21 2016 22 2016 23 2016 24 2016 25 2016 26 2016 27 2016
..........- ........
Contents 24 28 32 34 36 38 40 42 44 46 50 52 54 56 58 60 61 62 64 66 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 01 02 24 25 03 04 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Contents 007 008 016 125 126 130 019 022 027 029 047 048 135 136 139 143 145 150 058 155 073 074 078 158 163 171 182 089 195 090 100 199 116 121 01 01 02 03 04 05 06 8 9 01 02 03 04 05 06 10 11 01 02 03
A°ø¸ðÀü ³»Áö1-¼öÁ¤
1 4 5 6 7 8 9 10 11 Contents 017 035 051 067 081 093 107 123 139 151 165 177 189 209 219 233 243 255 271 287 299 313 327 337 349 12 13 017 18 19 20 21 22 23 24 25 26 27 28 29 30 31 035 051 067 081 093
±¹³»°æÁ¦ º¹»ç1
Contents 2 2002. 1 116 2002. 1 2002. 1 117 118 2002. 1 2002. 1 119 120 2002. 1 2002. 1 121 122 2002. 1 2002. 1 123 124 2002. 1 2002. 1 125 126 2002. 1 2002. 1 127 128 2002. 1 2002. 1 129 130 2002. 1 2002.
¿¡³ÊÁö ÀÚ¿ø-Âü°í ³»Áö.PDF
Contents 01 02 03 6 04 05 7 8 9 01 10 02 03 11 04 01 12 02 13 03 04 14 01 02 03 04 15 05 06 16 07 17 08 18 01 02 03 19 04 20 05 21 06 07 22 08 23 24 25 26 27 28 29 30 31 32 33 01 36 02 03 37 38 01
전반부-pdf
Contents 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
Microsoft PowerPoint - 3. 2016 하반기 크레딧 전망_V3.pptx
Contents 3 2016 4 2016 5 2016 6 2016 7 2016 8 2016 9 2016 10 2016 11 2016 12 2016 13 2016 14 2016 15 2016 16 2016 17 2016 18 2016 19 2016 20 2016 21 2016 22 2016 23 2016 24 2016 25 2016 26 2016 27 2016
³»Áöc03âš
08 09 27 20 32 42 contents 3 4 5 6 7 8 9 28 10 11 42 38 12 13 45 48 44 14 15 53 50 16 17 58 54 18 19 20 21 22 23 24 25 2008. 5. 27~30 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 2008. 4. 27 42 43 44
¾ç¼º-¾÷¹«Æí¶÷-³»¿ëÃà¼Ò4
contents 6 9 18 21 23 43 44 53 61 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62
전도대회자료집
1 Contents 8 10 57 4 2 63 6 17 43 12 3 4 5 7 6 7 6 8 9 10 11 12 13 14 15 16 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
µ¶ÀÏÅëÀÏÁý1~2Æíq36£02Ð
CONTENTS 3 9 16 20 24 29 33 36 40 48 50 56 60 64 71 76 80 83 88 91 94 97 100 103 106 109 114 116 128 133 139 144 148 151 154 159 170 173 176 181 183 188 190 192 194 198 202 209 212 218 221 228 231 233
자식농사웹완
윤 영 선 _ 지음 은혜한의원 서울시 마포구 도화1동 550 삼성프라자 308호 Tel : 3272.0120, 702.0120 진료시간 : 오전 9시 30분`~`오후 7시 점심시간 : 오후 1시`~`2시 토 요 일 : 오전 9시 30분`~`오후 3시 (일, 공휴일 휴진`/`전화로 진료 예약 받습니다) 은 혜 한 의 원 은혜한의원 CONTENTS 02 04 07
양성내지b72뼈訪?303逞
Contents 성매매 예방교육 가이드북 Contents 제3부 성매매의 어제와 오늘 그리고 한국의 현주소 제4부 처벌 과 보호 의 성매매방지법 1. 성매매의 역사적 배경 및 추이 1. 성매매방지법 제정 배경 62 2. 성매매방지법 제정 취지 63 40 2. 성매매에 대한 국가별 개입 양상 42 3. 규범적 판단과 형사처벌을 기준으로 본 성매매 4. 외국의
0204..........1..
contents contents 01 6 7 8 02 9 10 11 12 13 03 14 15 16 17 18 19 20 21 22 23 24 25 26 27 01 30 31 32 33 34 35 36 37 02 38 39 40 41 42 43 44 45 46 03 47 48 49 50 51 52 53 54 55 56 04 57 58 59 60 61
PowerPoint 프레젠테이션
Agenda 회사소개 Customer challenges Pre-Configured Solution 사례 Special offer or promotion Predictive Analytics Industry Experience Big Data 회사소개 - 일반 DS-eTrade Microsoft 의 Cloud Platform & Data Platform 파트너
에너지경제연구 제13권 제1호
에너지경제연구 Korean Energy Economic Review Volume 13, Number 1, March 2014 : pp. 83~119 거시계량모형을이용한유가변동및 유류세변화의파급효과분석 * 83 84 85 86 [ 그림 1] 모형의해결정과정 87 [ 그림 2] 거시계량모형의흐름도 (flow chart) 88 89 < 표 1> 유류세현황 (2013
U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형
AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 언어 변환 1.4. 기대 효과 4.4. 프로그램 Restructuring 4.5. 소스 모듈 관리 2. SeeMAGMA 적용 전략 2.1. SeeMAGMA
<30312E2028C3D6C1BEBAB8B0EDBCAD29BDB4C6DBBCB6C0AF5F E786C7378>
슈퍼섬유 1-No. 20130730 Multi Client Report 슈퍼섬유시장분석및성장전망 (2013) Jul., 2013 화학경제연구원 CHEMICAL MARKET RESEARCH INC. #1204, JnK Digital Tower, 111 Digital 26th, Guro-gu, Seoul 152-050, Korea TEL : +822-6124-6660
?
Annual Report National Museum of Modern and Contemporary Art, Korea CONTENTS Annual Report National Museum of Modern and Contemporary Art, Korea Annual Report National Museum of Modern and Contemporary
KRG. IT Research & Consulting... Providing INSIGHT Into IT Market.. Developing Business STRATEGY.. Supporting Marketing ACTIVITY 주요 수행 프로젝트 IT기업 성장성 평
2009 IT Service 시장 전망 2009.1.22 Knowledge Research Group www.krgweb.com KRG. IT Research & Consulting... Providing INSIGHT Into IT Market.. Developing Business STRATEGY.. Supporting Marketing ACTIVITY
공개 SW 기술지원센터
- 1 - 일자 VERSION 변경내역작성자 2007. 11. 20 0.1 초기작성손명선 - 2 - 1. 문서개요 4 가. 문서의목적 4 나. 본문서의사용방법 4 2. 테스트완료사항 5 가. 성능테스트결과 5 나. Tomcat + 단일노드 MySQL 성능테스트상세결과 5 다. Tomcat + MySQL Cluster 성능테스트상세결과 10 3. 테스트환경 15
OZ-LMS TM OZ-LMS 2008 OZ-LMS 2006 OZ-LMS Lite Best IT Serviece Provider OZNET KOREA Management Philosophy & Vision Introduction OZNETKOREA IT Mission Core Values KH IT ERP Web Solution IT SW 2000 4 3 508-2
반도체 i ii iii iv v 2011 산업기술로드맵 정보통신 반도체분야 . 개요 3 2011 산업기술로드맵 정보통신 반도체분야 . 산업의환경변화 7 2011 산업기술로드맵 반도체분야 8 . 산업의환경변화 9 2011 산업기술로드맵 반도체분야 10 . 산업의환경변화 11 2011 산업기술로드맵 반도체분야 12 . 산업의환경변화 13 2011
PowerPoint 프레젠테이션
Copyright NICE Information Service all rights reserved. OneClick 4.0 사용자매뉴얼 Copyright NICE Information Service all rights reserved. Copyright NICE Information Service all rights reserved.... 4. 제출가능서류
<C1A1C1A2C2F8C1A6BDC3C0E55F E786C7378>
점접착제 1-No. 20150900 Multi Client Report 점 접착제시장분석및전망 (2015) Sep., 2015 화학경제연구원 CHEMICAL MARKET RESEARCH INC. #1204, JnK Digital Tower, 111 Digital 26th, Guro-gu, Seoul 152-050, Korea TEL : +822-6124-6660
Oracle9i Real Application Clusters
Senior Sales Consultant Oracle Corporation Oracle9i Real Application Clusters Agenda? ? (interconnect) (clusterware) Oracle9i Real Application Clusters computing is a breakthrough technology. The ability
[Brochure] KOR_TunA
![[Brochure] KOR_TunA](/thumbs/95/123928128.jpg "[Brochure] KOR_TunA")
LG CNS LG CNS APM (TunA) LG CNS APM (TunA) 어플리케이션의 성능 개선을 위한 직관적이고 심플한 APM 솔루션 APM 이란? Application Performance Management 란? 사용자 관점 그리고 비즈니스 관점에서 실제 서비스되고 있는 어플리케이션의 성능 관리 체계입니다. 이를 위해서는 신속한 장애 지점 파악 /
실험 5
실험. OP Amp 의기초회로 Inverting Amplifier OP amp 를이용한아래와같은 inverting amplifier 회로를고려해본다. ( 그림 ) Inverting amplifier 위의회로에서 OP amp의 입력단자는 + 입력단자와동일한그라운드전압, 즉 0V를유지한다. 또한 OP amp 입력단자로흘러들어가는전류는 0 이므로, 저항에흐르는전류는다음과같다.
Business Agility () Dynamic ebusiness, RTE (Real-Time Enterprise) IT Web Services c c WE-SDS (Web Services Enabled SDS) SDS SDS Service-riented Architecture Web Services ( ) ( ) ( ) / c IT / Service- Service-
슬라이드 0
지능형보험부당청구탐지와예측 위세아이텍 김상수 0 11 부당청구탐지서비스의차별적경쟁우위를확보하기위함임 도입배경 프로젝트목적 효과적조사대상선정 보험부당청구세그먼트별탐지모형차별화 머신러닝기반탐지정확도향상 기대효과 최신기술기반민첩한탐지 머신러닝을이용한데이터기반모형 학습과탐지모형의구조화 보험사기는해마다다양한방법으로 10% 씩증가하는추세이다. 2016 년한해동안적발된보험사기금액은전년대비
FA제품통합_브로슈어_국문_170405_해외발송용
Products to introduce Will make it easy to build your information automation system 제품소개 Com SECS 드라이버, Gem GEM 드라이버를 이용해서 SECS/GEM을 보다 쉽고 간편하게 구현하십시오. 1. Com / ComPro 개요 1) Com / ComPro 정의 반도체 및 평판 디스플레이
PowerPoint Presentation
1 2 Enterprise AI 인공지능 (AI) 을업무에도입하는최적의제안 Taewan Kim Solution Engineer Data & Analytics @2045 Imagine the endless possibilities to learn from 2.5 quintillion bytes of data generated every day AI REVOLUTION
IBM 예지정비 솔루션 소개(PMO) (1)
IBM 자산관리솔루션소개 IBM 예지정비솔루션소개 (PMO, Predictive Maintenance & Optimization) Sales 박철범실장 (010-4995-4238, cbpark@kr.ibm.com) Technical Sales 유기성실장 (010-4995-4050, yooks@kr.ibm.com) 1 Asset Management 에대한이해
경제통상 내지.PS
CONTENTS I 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 II 38 39 40 41 42 43 III 46 47 48 49 50 51 52 53 54 55 56 57 58 59 IV 62 63 64 65 66 67 68 69 V
°æÁ¦Åë»ó³»Áö.PDF
CONTENTS I 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 II 38 39 40 41 42 43 III 46 47 48 49 50 51 52 53 54 55 56 57 58 59 IV 62 63 64 65 66 67 68 69 V
WOMA Pumps - Z Line
High-Pressure Plunger Pumps Z-Line (up to 1500 bar) 150 Z 250 Z 400 Z 550 Z 700 Z 1000 Z High-Pressure Plunger Pump Type 150 Z 211 133 250 615 100 95 Discharge 60 -Konus 9.5 deep M12x17 deep 322 255 331
Visual Basic 반복문
학습목표 반복문 For Next문, For Each Next문 Do Loop문, While End While문 구구단작성기로익히는반복문 2 5.1 반복문 5.2 구구단작성기로익히는반복문 3 반복문 주어진조건이만족하는동안또는주어진조건이만족할때까지일정구간의실행문을반복하기위해사용 For Next For Each Next Do Loop While Wend 4 For
<BBEABEF7B5BFC7E22DA5B12E687770>
2 40) 1. 172 2. 174 2.1 174 2.2 175 2.3 D 178 3. 181 3.1 181 3.2 182 3.3 182 184 1.., D. DPC (main memory). D, CPU S, ROM,.,.. D *, (02) 570 4192, jerrypak@kisdi.re.kr 172 . D.. (Digital Signal Processor),
I (34 ) 1. (10 ) 1-1. (2 ) 1-2. (1 ) 1-3. (2 ) 1-4. (2 ) 1-5. (1 ) 1-6. (2 ) 2. (8 ) 2-1. (3 ) 2-2. (5 ) 3. (3 ) 3-1. (1 ) 3-2. (2 ) 4. (6 ) 4-1. (2 )
KS 인증공장심사항목해설서 2013. 3 한국표준협회 I (34 ) 1. (10 ) 1-1. (2 ) 1-2. (1 ) 1-3. (2 ) 1-4. (2 ) 1-5. (1 ) 1-6. (2 ) 2. (8 ) 2-1. (3 ) 2-2. (5 ) 3. (3 ) 3-1. (1 ) 3-2. (2 ) 4. (6 ) 4-1. (2 ) 4-2. (4 ) 5. (7 ) 5-1.
목차 Ⅰ 시험개요 1 Ⅱ 건전지품질비교시험결과요약 4 Ⅲ 건전지종합평가표 8 Ⅳ 시험결과조치계획 9 [ ]
![목차 Ⅰ 시험개요 1 Ⅱ 건전지품질비교시험결과요약 4 Ⅲ 건전지종합평가표 8 Ⅳ 시험결과조치계획 9 [ ]](/thumbs/86/93192900.jpg "목차 Ⅰ 시험개요 1 Ⅱ 건전지품질비교시험결과요약 4 Ⅲ 건전지종합평가표 8 Ⅳ 시험결과조치계획 9 [ ]")
우리는소비자와함께행복한세상을만든다 건전지품질비교시험결과보고서 2012. 8 시험분석국 기계전기팀 목차 Ⅰ 시험개요 1 Ⅱ 건전지품질비교시험결과요약 4 Ⅲ 건전지종합평가표 8 Ⅳ 시험결과조치계획 9 [ ] 1. 10 2. 24 3. 25 I 시험개요 1. 시험배경및목적 - 1 - 2. 시험대상 () ( ) 1 [4 ] Zhejiang Mustang Battery
Integ
HP Integrity HP Chipset Itanium 2(Processor 9100) HP Integrity HP, Itanium. HP Integrity Blade BL860c HP Integrity Blade BL870c HP Integrity rx2660 HP Integrity rx3600 HP Integrity rx6600 2 HP Integrity
PowerPoint Presentation
오에스아이소프트코리아세미나세미나 2012 Copyright Copyright 2012 OSIsoft, 2012 OSIsoft, LLC. LLC. PI Coresight and Mobility Presented by Daniel Kim REGIONAL 세미나 SEMINAR 세미나 2012 2012 2 Copyright Copyright 2012 OSIsoft,
PowerPoint 프레젠테이션
www.vmon.vsystems.co.kr Vmon 소개자료 Ⅰ. EMS 란? Ⅱ. Vmon 소개 Ⅲ. Vmon 의도입효과 Ⅰ. EMS 란? - EMS 의정의 - EMS 의필요성 : IT 환경의변화 Ⅱ. Vmon 소개 - Vmon 개요 - Vmon 제품구성 - Vmon Solutions - Vmon Services Ⅲ. Vmon 의도입효과 Ⅰ. EMS 란?
<484D53B0ADC0C72E687770>
강수(강우) 모형 precipitation model 유출 outlet flow 손실계산 loss computation 손실 loss 하도추적 channel routing 유효우량 변환 excess precipitation transformation 기저유출 baseflow 소유역 총유출 total subbasin runoff 1 0.9
1_cover
Monitoring & Analysis Energy Saving Report Control Schedule Chart UI SICOMS SICOMS E n e rg y M an a g e m e n t S y s t e m To y o u r e f f i c i e n t an d s m a r t e n e rg y Our Service Network 구축
Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치
Oracle Big Data 오라클 빅 데이터 이야기 Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 최근 빅 데이터에 대한 관심이 커지고 있는데, 그 배경이 무엇일까요? 정말 다양한 소스로부터 엄청난 데이터들이 쏟아져
<4D F736F F F696E74202D F6B7462B1E8BCB1B9CC5F B0C7BCB3BEF7BFACB0A3C0FCB8C15FC6EDC1FDC1DF>
26 Nov. 218 KTB Investment & Securities CONTENTS 2 3 11 2 46 KTB Investment & Securities 2 KTB KTB Investment Investment & Securities Securities 3 5. (pt) 14. (%) 4. 1. 3. 6. 2. 2. 1. (2.). -1. 18-1 18-3
MS-SQL SERVER 대비 기능
Business! ORACLE MS - SQL ORACLE MS - SQL Clustering A-Z A-F G-L M-R S-Z T-Z Microsoft EE : Works for benchmarks only CREATE VIEW Customers AS SELECT * FROM Server1.TableOwner.Customers_33 UNION ALL SELECT
슬라이드 1
강력한성능! 인터넷 / 업무용데스크탑 PC NX-H Series Desktop PC NX1- H700/H800/H900 NX2- H700/H800/H900 NX1-H Series 사양 Series 제품설명 ( 모델명 ) NX1-H Series, 슬림타입 기본형모델중보급형모델고급형모델 NX1-H800:112SN NX1-H800:324SN NX1-H800:534MS
저작자표시 - 동일조건변경허락 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 이차적저작물을작성할수있습니다. 이저작물을영리목적으로이용할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원
저작자표시 - 동일조건변경허락 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 이차적저작물을작성할수있습니다. 이저작물을영리목적으로이용할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 동일조건변경허락. 귀하가이저작물을개작, 변형또는가공했을경우에는, 이저작물과동일한이용허락조건하에서만배포할수있습니다.