슬라이드 0

Similar documents
슬라이드 0

CONTENTS Volume 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관

슬라이드 0

歯CRM개괄_허순영.PDF

슬라이드 0

ecorp-프로젝트제안서작성실무(양식3)

출원국 권 리 구 분 상 태 권리번호 KR 특허 등록

Cover Story Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치

비식별화 기술 활용 안내서-최종수정.indd

Microsoft Word doc

Microsoft PowerPoint - 3.공영DBM_최동욱_본부장-중소기업의_실용주의_CRM

歯통신41호.PDF

Microsoft PowerPoint - 6.CRM_Consulting.ppt

ETL_project_best_practice1.ppt

CRM Fair 2004

歯CRM-All.PDF

PowerPoint 프레젠테이션

슬라이드 0

김기남_ATDC2016_160620_[키노트].key

Oracle Apps Day_SEM

DW 개요.PDF


KRG. IT Research & Consulting... Providing INSIGHT Into IT Market.. Developing Business STRATEGY.. Supporting Marketing ACTIVITY 주요 수행 프로젝트 IT기업 성장성 평

歯목차45호.PDF

Intra_DW_Ch4.PDF

2016년 제35차 통신심의소위원회 회의록(심의의결서,공개,비공개).hwp

대회 조직 대 회 장 서정연(한국정보과학회 회장) 조직위원회 위 원 장 최종원(숙명여대), 홍충선(경희대), 황승구(ETRI) 위 원 강선무(NIA), 김 종(POSTECH), 김철호(ADD), 민경오(LG전자), 박진국(LG CNS), 서형수(알서포트), 엄영익(성균

Cover Story 시간은 하루 24시간이지만 시간의 질, 그리고 체감되는 양은 사람마다 다를 것입니다. 시간에 쫓기면서 살아서는 안되겠죠. 하지만 시간을 능동적으로 운용하는 현명함, 정말 필요한 때입니다. 2013년 첫 번째로 선보이는 사보에서는 Time 을 주제로

<65B7AFB4D7B7CEB5E5BCEEBFEEBFB5B0E1B0FABAB8B0EDBCAD5FC3D6C1BE2E687770>

Model Investor MANDO Portal Site People Customer BIS Supplier C R M PLM ERP MES HRIS S C M KMS Web -Based

Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항

3Æí2Àå¨éÀç

<33B1C7C3D6C1BEBABB28BCF6C1A42D E687770>

96부산연주문화\(김창욱\)

빅데이터_DAY key

<C1DFB1DE2842C7FC292E687770>

< B5BFBEC6BDC3BEC6BBE E687770>

11민락초신문4호

슬라이드 1

PowerPoint 프레젠테이션

the it service leader SICC 생각의 틀을 넘어 ICT 기술의 힘 으로 생각의 틀을 넘어 IT서비스 영역을 개척한 쌍용정보통신. ICT 기술력을 바탕으로 최적의 솔루션을 제공하며 세계로 뻗어나가는 IT Korea Leader 로 도약할 것입니다. Co

untitled

Microsoft Word - 青野論文_李_.doc

< BFECBCB1B5B9BABDC2F7BBF3C0A7B0A1B1B820B9DFB1BCC1F6BFF8BBE7BEF720BEC8B3BB28C8A8C6E4C0CCC1F6BFEB292E687770>

제3장.ppt

울산(전체본).hwp

02118.hwp

PowerPoint 프레젠테이션

기사스크랩 (160317).hwp

동강바 반과람 자물과 를고구 꿈기름 꾸같 다이 소 중 한 風 02 letter from CEO... 이용재 한국투자밸류자산운용 대표이사 인사말 雲 Part 1 우리는 동반자, 더불어 함께 02 Life Partner 1... 함께 구르는 돌 소설가 조정래 시인 김초혜

640..

<31302E204D43545F47535FC3D6C1BEBAB8B0EDBCAD2E687770>

スライド タイトルなし

15_3oracle

Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤

e-tech 발행인 칼럼 세기말 Y2K... 21세기를 앞두고 막연한 두려움과 흥분에 떨었던 게 엊그제 같은데 벌써 10년이 훌쩍 지났습니다. 지금 생각해보면 그때왜우리가 그렇게 21세기를 두려워했을까 싶습니다. 아마도 21세기는 어렸을 때부터

untitled

Prologue 01 마그네슘 합금의 장점 및 적용 분야 02 다이캐스팅 이란? 1. About 장원테크 01 Company Overview 02 사업영역 핵심기술력 04 국내 사업장 05 베트남 법인 06 업계 Top Tier 고객사 확보 2. Cash-Cow 모바일

1-tta 142(컬러)_.indd

<4D F736F F F696E74202D205B444D435D36BFF95FB5F0C1F6C5D0B9CCB5F0BEEE20B5BFC7E220BAB8B0EDBCAD5F C5EBC7D5BABB29>

PowerPoint 프레젠테이션

슬라이드 1

CRM A Study on the Datawarehousing build_up methodology for CRM System :

국민 대표들과 전시장을 둘러보며 IT에 대한 깊은 관심을 표명했 다. 개막쇼인 테이프커팅은 IT 뉴웨이브 게이트 오픈식 으로 대체해 화려한 볼거리를 제공했다. 노 대통령과 진대제 정통부 장관, 고현진 한국소프트웨어진흥 원장 등 행사 주최측과 국민대표들이 전시장 입구에

월간 SW 산업동향 ( ~ ) Ⅰ. Summary 1 Ⅱ SW 5 2. SW 7 Ⅲ Ⅳ. SW SW Ⅴ : Big Data, 38

2 국어 영역(A 형). 다음 대화에서 석기 에게 해 줄 말로 적절한 것은? 세워 역도 꿈나무들을 체계적으로 키우는 일을 할 예정 입니다. 주석 : 석기야, 너 오늘따라 기분이 좋아 보인다. 무슨 좋은 일 있니? 석기 : 응, 드디어 내일 어머니께서 스마트폰 사라고 돈

행당중학교 감사 7급 ~ 성동구 왕십리로 189-2호선 한양대역 4번출구에서 도보로 3-4분 6721 윤중중학교 감사 7급 ~ 영등포구 여의동로 3길3 용강중학교 일반행정 9급 ~ 1300

IPAK 윤리강령 나는 _ 한국IT전문가협회 회원으로서 긍지와 보람을 느끼며 정보시스템 활용하 자. 나는 _동료, 단체 및 국가 나아가 인류사회에 대하여 철저한 책임 의식을 가진 다. 나는 _ 활용자에 대하여 그 편익을 증진시키는데 최선을 다한다. 나는 _ 동료에 대해

논단 : 제조업 고부가가치화를 통한 산업 경쟁력 강화방안 입지동향 정책동향 <그림 1> ICT융합 시장 전망 , 년 2015년 2020년 <세계 ICT융합 시장(조 달러)> 2010년 2015년 2020년 <국내 ICT

<B5B6BCADC7C1B7CEB1D7B7A52DC0DBBEF7C1DF E687770>

며 오스본을 중심으로 한 작은 정부, 시장 개혁정책을 밀고 나갔다. 이에 대응 하여 노동당은 보수당과 극명히 반대되는 정강 정책을 내세웠다. 영국의 정치 상황은 새누리당과 더불어 민주당, 국민의당이 서로 경제 민주화 와 무차별적 복지공약을 앞세우며 표를 구걸하기 위한

14 ºÎ·Ï

Microsoft PowerPoint - S4_통계분석시스템.ppt

08SW

정보화 산업의 발전단계 : 정보혁명의 진화 정보화 산업의 발전단계 1세기에 두 번 정도의 큰 기술혁명이 이루어져 경제성장의 원동력으로 작용 uit 시대는 정보혁명 중 인터넷 이후의 새로운 기술혁명인 컨버전스 기술이 핵심이 되는 시대 uit 시대는 정보화의 극대화와 타

KDTÁ¾ÇÕ-2-07/03

장: 200 세외수입 관: 220 임시적세외수입 항: 223 기타수입 광역친환경농업단지사업 부가세 환급금 및 통장이자 79,440,130원 79, ,440 < 산림축산과 > 497, , ,244 산지전용지 대집행복구공사((주)하나식품)

Microsoft Word - 조병호

Æí¶÷4-¼Ö·ç¼Çc03ÖÁ¾š

요 약 업종별 실적 명암이 뚜렷한 가운데 1등 기업의 위상이 공고화 불황이 본격화되기 시작한 2008년 4/4분기부터 내수기업의 매출과 영업이익은 급격히 악화되었다. 생존을 위한 기업의 적극적인 구조조정과 비용절감 노력에 힘 입어 2009년 1/4분기에 들면서 영업이익

< FBBF5BBE7BFAC5FBDC5BFEBC4ABB5E5BACEBDC7B1B3C8C6332E687770>

이제는 쓸모없는 질문들 1. 스마트폰 열기가 과연 계속될까? 2. 언제 스마트폰이 일반 휴대폰을 앞지를까? (2010년 10%, 2012년 33% 예상) 3. 삼성의 스마트폰 OS 바다는 과연 성공할 수 있을까? 지금부터 기업들이 관심 가져야 할 질문들 1. 스마트폰은

3월-기획특집1-4

PowerPoint 프레젠테이션

슬라이드 1

당사의 명칭은 "주식회사 다우기술"로 표기하며 영문으로는 "Daou Tech Inc." 로 표기합니다. 또한, 약식으로는 "(주)다우기술"로 표기합니다. 나. 설립일자 및 존속기간 당사는 1986년 1월 9일 설립되었으며, 1997년 8월 27일 유가증권시장에 상장되

우리나라의 전통문화에는 무엇이 있는지 알아봅시다. 우리나라의 전통문화를 체험합시다. 우리나라의 전통문화를 소중히 여기는 마음을 가집시다. 5. 우리 옷 한복의 특징 자료 3 참고 남자와 여자가 입는 한복의 종류 가 달랐다는 것을 알려 준다. 85쪽 문제 8, 9 자료

상품 전단지

::: 해당사항이 없을 경우 무 표시하시기 바랍니다. 검토항목 검 토 여 부 ( 표시) 시 민 : 유 ( ) 무 시 민 참 여 고 려 사 항 이 해 당 사 자 : 유 ( ) 무 전 문 가 : 유 ( ) 무 옴 브 즈 만 : 유 ( ) 무 법 령 규 정 : 교통 환경 재

2

DBPIA-NURIMEDIA

화이련(華以戀) hwp

ÆòÈ�´©¸® 94È£ ³»Áö_ÃÖÁ¾

歯1##01.PDF

<5BC1F8C7E0C1DF2D31B1C75D2DBCF6C1A4BABB2E687770>

120229(00)(1~3).indd

DB진흥원 BIG DATA 전문가로 가는 길 발표자료.pptx

01Report_210-4.hwp

<C3D1BCB15FC0CCC8C45FBFECB8AE5FB1B3C0B0C0C75FB9E6C7E D352D32315FC5E4292E687770>


Transcription:

(주)이씨마이너 Big Data와 제조부문 적용사례 2012년 0 Tel : 02)552-5266 Fax : 02)566-0768 http://www.ecminer.com

목 차 I. 회사소개 II. 제조부문 Big Data IV. 적용사례 1

I. 회사소개 2

I. 회사소개 목 차 1. 일반현황 2. 주요 사업분야 3. 솔루션 현황 4. 사업 실적 3

1. 일반현황 I. 회사소개 2000년에 설립된 이씨마이너는 국내 최초로 데이터마이닝 S/W의 국산화에 성공, LG, 삼성, SK, 포스코 등 Global 1등 기업에 S/W를 공급하며, 데이터마이닝 전문 솔루션 기업으로 꾸준히 성장하고 있습니다. 대표이사 민 광 기 임직원수 35명 (2011년 7월) 핵심보유기술 주요사업내용 자체 기술력으로 데이터마이닝 S/W 개발 데이터마이닝 기반의 각종 응용 기술 보유 대용량 데이터 처리 기술 보유 데이터마이닝 S/W ECMiner 공급 데이터마이닝 기반의 응용 솔루션 개발 및 공급 자사 제품 기반 커스터마이징 수행(고객사 요구사항을 반영한 시스템 구축) 데이터마이닝 컨설팅 수행 4

2. 주요 사업분야 I. 회사소개 데이터마이닝 분야 국내 선두 기업 공공/금융/서비스 제조 교육 CRM Target Marketing 고객세분화 Cross Selling/Up Selling Fraud Detection 자금세탁/보험사기/카드사기 방지 보안, 침입탐지 범죄수사 기타 Risk Management Traffic 분석 수요예측, 경영분석 및 계획 반도체/철강/화학/Display 등의 기업 품질/안전/에너지절감 등의 업무 공정 분석 조업편차 가시화 편차 원인 분석 최적 운전 조건 분석 품질 예측 및 영향 인자 분석 실시간 모니터링 및 이상진단 ECMiner 교육 S/W 사용법 데이터마이닝 이론 및 업무 적용을 위한 분석 방법론 교육 수업용 교재로 ECMiner 지원 산학협약에 의해 국내 10여 개 대학에서 수업용 교재로 활용되고 있음 5

3. 솔루션 현황(1/2) I. 회사소개 ECMiner는 Data Mining 원천 기술을 기반으로 Real Time 분석, 상용화된 모니터링 응용 솔루션등을 개발하여 응용분야별 제품을 공급하고 있습니다. (지능형 모니터링 시스템) IMS -실시간 예측 -실시간 공정모니터링 -Alarm/Action Guidance -실시간 분석 (Text Mining 시스템) TMS ECMiner (데이터마이닝 S/W) 국내 최초, 유일 NEP인증제품 AML (자금세탁방지 시스템) (결함패턴 인식 및 탐지 시스템) SSA SIS (이미지 Mining 시스템) 6

3. 솔루션 현황(2/2) I. 회사소개 ECMiner TM 개발 Roadmap ECMiner TM 는 Big Data 처리기술 기반, 다양한 형태의 데이터 처리, 통합분석환경을 제공함으로써 멀티미디어 데이터마이닝 패키지로 진화하고자 합니다. Multimedia Data Mining Package ECMiner2012 비정형 데이터간 분석을 위한 DBMS 설계 비정형 데이터 통합분석환경제공 Big Data 처리기술 적용 ECMiner2011 다양한 차트를 이용한 데이터 표현 분석모듈: 기초/고급통계, 실험계획(DOE), 시계열 분석 대용량 데이터 처리기술 다양한 분석모듈 최적화(Optimization), 자동제어(Process Control), 신호처리(Signal Processing), 웨이브릿 변환, 등 Text Mining Image Mining 대용량 데이터 Visualization 7

4. 사업 실적(1/6) I. 회사소개 품질분석 및 관리 고객사 담당조직 개 요 년 도 SK 하이닉스 자동화그룹 Etching 공정 설비에 대한 VM(Virtual Metrology) 개발 2012.09 SKI FCCL 공장 데이터마이닝 기반 QMS 시스템 구축 2012.04 SK 하이닉스 경영개선실 자동화 2팀 HiTAS 시스템 내 ECMiner 의 데이터탐색기 모듈 공급 2012.02 SKI LIBS 공장 데이터마이닝 기반 QMS 시스템 구축 2011.09 삼성전자LCD CAE그룹 Photo 공정 모니터링시스템 구축 2011.08 삼성정밀화학 기술팀 DMAC 공장 품질 향상 및 에너지절감 컨설팅 2010.06 포스코 마그네슘제련연구단 마그네슘제련모니터링을 위한 지능형모니터링시스템 구축 2011.05 삼성반도체 시스템LSI MASS+ 비정형분석시스템 데이터베이스 변경 구축(오라클->DB2) 2011.05 LG이노텍 PI혁신팀 LED 수율 향상 분석시스템 구축 2010.04 LG화학 Glass 사업팀 Computer Vision 기반 Glass 표면 Waviness 탐지시스템 개발 2010.02 삼성전자 반도체부문 시스템LSI 비정형분석시스템 성능 개선 프로젝트 2009.09 삼성반도체 시스템LSI MASS+ 비정형분석시스템 2차 고도화사업/실시간모니터링 시스템 2008.09 삼성반도체 시스템LSI MASS+ 비정형분석시스템(데이터마이닝 분석) 고도화 2008.03 삼성반도체 메모리사업부 전문가시스템 기반 진공펌프 실시간 모니터링/이상진단 시스템구축 2008.02 LG실트론 TDR 단결정성장공정(초크랄스키공정)의 품질 분석 컨설팅 2007.03 삼성전자LCD 생산기술그룹 ECMiner 기반 CVD공정분석 컨설팅 2007.02 LG전자 LG전자PDP A3공장(42 PDP 생산) 품질 인자 규명 및 개선 프로젝트 2006.06 삼성반도체 Memory사업부 ECMiner 활용 진공펌프 조기 이상진단 컨설팅 프로젝트 2006.01 삼성반도체 시스템LSI SSA (Spatial Signature Analysis)를 이용한 Wafer 결함 패턴 분석 시스템 2005.09 LG화학 2차 전지공장(청주) 2차전지 품질에 영향을 미치는 요인 분석 2005.07 LG화학 VCM공장(대산) VCM 공정 품질 향상을 위한 컨설팅 2005.03 삼성반도체 시스템LSI ECMiner 을 기반한 MASS+ 비정형분석시스템 구축 2004. 09 LG전자 DAV사업부 ECMiner 공급 및 불량에 영향을 미치는 품질인자 분석 2004. 12 LG화학 화성품 공장(여수) 조업 분석 표준화를 이한 ECMiner TM /ECMienrRTMDS TM 납품 및 컨설팅 2004. 10 LG화학 PVC 공장(여수) PVC 공정 품질 향상을 위한 분석 컨설팅 (Pilot Project ) 2004. 07 LG칼텍스정유 RFCC 공정 /공정시스템 RFCC 공정 수율 향상 (컨설팅 및 ECMiner TM 공급) 2004. 07 8

4. 사업 실적(2/6) I. 회사소개 안전 및 생산량 증대 고객사 담당조직 개 요 년도 포스코 연주(광양) MLH(Mold Level Hunting) 원인인자 규명(2차 사업) 2012.09 포스코 제선부(광양) 노황관리시스템(BOSO )고도화 2012.04 포스코 연주(광양) MLH(Mold Level Hunting) 원인인자 규명 2012.04 포스코 제선부(광양) 노내 가스류 변동 예측 시스템 구축 2011.01 포스코 제선부(포항) 포항 2, 4 고로 노황관리시스템(BOSO System) 확대 적용 2010.02 포스코 제선부(광양) 광양 4 고로 노황관리시스템(BOSO System) 구축 2010.02 포스코 제선부(포항) 포항 3 고로 노황관리시스템(BOSO System) 구축 2009.09 포스코 제선부 데이터마이닝 기반 공장 모니터링 시스템 구축 2007.08 현대제철 특수강기술팀 ECMiner 납품 및 교육 2007.01 포스코 에너지절감 FINEX 공장 ECMiner, ECMinerRTMDS 기반 실시간공정/품질모니터링/이상진단시스템 구축 2006.08 포스코 Finex/기술연구소 ECMiner 활용 Finex 공장 최적 조업 분석 컨설팅 2006.02 포스코 기술연구소 Finex 공장 조업분석용 ECMiner TM 공급 2005.10 고객사 담당조직 개 요 년도 LG화학 NCC기술팀 NCC공정 에너지 효율 모니터링 시스템 구축 2011.01 SKC 기술팀 메탄올 분리공정 조업 최적화 컨설팅(Pilot) 2009.06 삼성BP 기술팀 ECMiner 구매 2009.04 여천NCC 에너지관리TFT SM공장 최적화: 에너지 소비 최소화 프로젝트 2006.12 여천NCC 에너지관리TFT팀 ECMiner 활용 MTBE 공장 에너지 최적화 Consulting 2005.12 LG화학 화성품(여수) NPG공장: ECMiner 와 ECMinerRTMDS 공급 2005.10 LG화학 BRU공장(대산) BRU(Benzene Recovery Unit) 공정 분석 및 에너지최적화 2005.09 LG화학 BR공장(대산) BR공장 에너지 최적화 2005.06 9

4. 사업 실적(3/6) I. 회사소개 금융/서비스 분야 고객사 담당조직 개 요 년도 현대캐피탈/현대카드/현대커머셜 준범감시실 ECMinerAML 기반 자금세탁방지 시스템 구축 2012.10 KT 네트워크 연구소 3G 기지국 트래픽 과부하 실시간 추정 시스템 개발 2011.05 신협 준법감시실 자금세탁 방지시스템 구축 2009.09 외환은행 카드 카드 고객 LTV 산정 2009.07 KT 네트워크연구소 기업고객의 회선별 트래픽 추이분석을 통한 해지 예측 모델 구축 2009.07 롯데카드 Compliance 팀 ECMinerAML 기반 자금세탁방지 시스템 구축 2009.03 농협 준법감시실 ECMinerAML 기반 자금세탁방지 시스템 구축 2008.08 국민은행 준법감시실 자금세탁방지를 위한 룰/스코어링 시스템 구축을 위한 컨설팅 2008.05 하나은행 준법감시실 자금세탁방지를 위한 룰/스코어링 시스템 구축을 위한 컨설팅 2008.04 SKT NGM(ISF) 차세대 서비스구축 2차사업 2008.01 KT BcN 본부 광고대상고객 선정을 위한 스코어링 시스템 개발 2007.10 SKT NGM(ISF) 차세대 서비스 시스템 구축 2007.03 농협 CRM ECMiner 활용 CRM 컨설팅(고객 세분화) 프로젝트 수행 2005.09 삼성전자 마케팅 데이터마이닝 기반의 마케팅 지원을 위한 CRM 컨설팅 수행 2004.10 KBS DTV 데이터분석 디지털 방송 송신의 품질 개선을 위한 데이터마이닝 컨설팅 및 SW납품 2004.09 롯데백화점 마케팅 고객 Needs에 기반한 고객 구매원인 분석 및 구매 예측 모델 구축 컨설 팅 2004. 03 SK Telecom 마케팅 네이트 이용자 패턴 분석 및 우수고객 분석, 선호 컨텐츠 분석 컨설팅 2002. 03 새롬기술 마케팅 Dial Pad 고객 및 콜센터 데이터 분석 및 유료화 전환 시 수익성예측모 델 수립 2001. 11 현대자동차 마케팅 웹사이트 광고 효과 분석 데이터마이닝 컨설팅 프로젝트 수행 2001.06 대교 마케팅 CRM 전략 개발 및 데이터마이닝 컨설팅 프로젝트 수행 2000. 09 10

4. 사업 실적(4/6) I. 회사소개 공공분야 고객사 담당조직 개 요 년도 금융정보분석원 기획행정실 STR관련건 전략분석시스템 구축 2011.09 CUPIA 네팔관세청 관세업무를 위한 위험관리 정보 시스템 구축 2011.07 CUPIA 에콰도르 관세청 관세업무를 위한 위험관리 정보 시스템 구축 2011.02 서울시 메트로 지하철 사업단 서울시 메트로 공기질 모니터링 시스템 구축 2차 년도 2011.01 생산성본부 IT팀 데이터마이닝 결과 보고서 자동화를 위한 데이터 마트 구축 2010.07 서울시 메트로 지하철 사업단 서울시 메트로 공기질 모니터링 시스템 구축 1차 년도 2010.01 CUPIA 과테말라 국세청 관세업무를 위한 위험관리 정보 시스템 구축 2010.03 한국석유관리원 유통관리팀 불법석유유통방지시스템 2009.09 금융정보분석원 기획행정실 자금세탁방지시스템 고도화 7차 사업 2009.08 한국전자통관진흥원 한국전자통관진흥원 관세분야 위험관리 모듈화개발사업 2008.08 관세청 외환조사 외환거래모니터링 시스템 구축 2008.05 ETRI USN 연구단 ECMiner 납품 및 교육 2007.11 관세청 관세청 무역기반 자금세탁(TBML) 방지를 위한 분석 컨설팅 2007.10 재정경제부 금융정보분석원 금융거래분석시스템 구축 2007.10 심평원 평가정보부 의료보험 과청구 모델 예측 2007.07 경찰청 경찰청 수사국 범죄정보 분석시스템 개발 2007.04 정통부 우정사업본부전산센터 보험고객 이탈모형 구축 2007.03 재정경제부 금융정보분석원 ECMinerAML 기반 자금세탁 심사분석시스템 구축 2007.01 재정경제부 금융정보분석원 ECMiner TM 기반 자금세탁방지를 위한 Scoring 시스템 구축 2006.06 11

4. 사업 실적(5/6) I. 회사소개 교육기관 고객사 S/W 공급방식 개요 년도 포항공과대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2011.10 건국대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2011.10 서울과학기술대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2011.07 고려대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2011.02 한남대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2009.11 건국대학교 공과대학 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2009.03 동국대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2009.03 경희대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2008.09 KAIST 경영정보대 판매 ECMiner 와 ECMinerRTMDS 납품 및 교육 2007.03 경성대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2006.09 동명정보대 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2006.08 광운대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2006.04 숭실대학교 산학협약 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2006.04 카톨릭대학교 판매 교육 및 연구용으로 ECMiner 공급 2005.08 연세대학교 상경대학 산학협약식 교육용 데이터마이닝 S/W ECMiner 제공에 대한 산학 협약식 체결 2005.05 포항공과대학교 판매 교육 및 연구용으로 ECMiner 공급 2004.01 12

4. 사업 실적(6/6) I. 회사소개 연구과제 과제 주관기관 과제 수행기관 개요 년.월 중소기업청 누리봄/ 이씨마이너 매장관리 및 마케팅 정보 분석을 위한 영상 센서 기반 영상정보 분석 서비스 솔루션 개발 2012.10 중소기업청 서울대학교 / 이씨마이너 ECMiner 이상치 탐지 모듈의 최적화 및 개발 2012.06 지식경제부 ETRI / 이씨마이너 차세대 메모리기반 Big Data 분석을 위한 원천기술개발 2012.05 서울시 메트로 정보통신부 (선도기술개발보급 지원사업) 중소기업청(기술혁신개발사업) 정보통신부(디지털콘텐츠 기술개발사업) 건국대학교 / 이씨마이너 지하역사 및 터널의 인공지능형 공기질 제어 및 관리시스템 개발 2011.01 이씨마이너 Six Sigma를 위한 Datamining 기반의 MSPC 응용 S/W 개발 2003.08 이씨마이너 웹기반 감시제어시스템의 연결성을 고려한 범용소프트웨어의 설계기술 2002.07 이씨마이너 Web Datamining 기반의 ecrm 기술개발 2002.01 13

II. 제조부문 Big Data 14

II. 제조부문 Big Data 목 차 1. 데이터마이닝 소개 2. 제조 부문 Big Data 현황 3. Big Data 시대의 Data Mining 4. 제조부문 Big Data 아키텍쳐 5. Big Data 처리를 위한 ECMiner ver. 2013 6. Big Data 분석활용 15

1. 데이터마이닝 소개(1/5) II. 제조부문 Big Data 데이터마이닝 정의 데이터마이닝은 대량의 데이터로부터 전처리 과정(변환)을 거쳐, 데이터의 특성, 패턴, 규칙 등을 추출, 정보화, 지식화 하여 의사결정에 적용하는 과정입니다. 온도, 압력 등 수많은 센서로부터 수집되는 대량의 데이터 이상/결측치처리, 추가변수생성 등 분석을 위한 데이터로 변환 데이터의 특성, 패턴, 규칙 등을 추출 분석 결과 Visualization (Grid, 차트, 이미지 등) 대용량 데이터 데이터 전처리 정보화/지식화 의사결정 Recipe 연/원료 조성 온도 압력 유량 Level RPM 생산 설비 운전 품질 품질 측정치 시간을 기준으로 데이터를 수집 16

1. 데이터마이닝 소개(2/5) II. 제조부문 Big Data 데이터마이닝 출현배경 기술적 발전과 기업환경의 변화에 의해 기업 경쟁력 향상을 위해 데이터마이닝의 필요성이 대두되었습니다. Data Mining 17

1. 데이터마이닝 소개(3/5) II. 제조부문 Big Data 데이터마이닝 요소기술 통계 패턴인식 데이터베이스 데이터마이닝 KDD 기계학습 인공지능 (AI) * KDD: Knowledge Discovery in Database * A I : Artificial Intelligence 18

1. 데이터마이닝 소개(4/5) II. 제조부문 Big Data 데이터마이닝 주요기능 판별식 또는 판별기준을 설정한 후 양/불량을 판별함. 분류 (Classification) 예측 (Prediction) 과거/현재의 데이터를 기반으로 모형을 만들어 미래의 상황을 예측함 (예: 시계열 분석활용 익월 수익예측 속성이 유사한 것끼리 자동으로 군집화를 함. (예: 고객 Profiling을 기반한 고객세분화) 군집화 (Clustering) 연관분석 (Association Analysis) 복잡한 데이터를 사용자가 직관적으로 이해하기 쉬운 형태로 가시화함. (예: Visualization Data Mining, OLAP, etc) 가시화 및 정보요약 (Visualization/ Summarization) 상품과 상품의 연관 정도를 나타냄. (예: 기저귀를 사는 사람이 맥주를 많이 산다. -> 신혼부부) 19

1. 데이터마이닝 소개(5/5) II. 제조부문 Big Data 데이터마이닝 활용분야 데이터마이닝은 제조업, 금융, 의료, 마켓팅, 컴퓨터, 에너지 등 활용 분야가 점차 넓혀가고 있으며, 최근 SNS, log data 분석을 통해 소셜네트워크 분야에 많은 적용이 이루어지고 있습니다. 20

2. 제조부문 Big Data 현황(1/4) II. 제조부문 Big Data 빅 데이터(Big Data)란 다양한 형태(비디오, 오디오, 텍스트 등)의 대용량 데이터로 부터 저렴한 비용으로 가치를 추출하고 데이터의 초고속 수집, 발굴, 분석을 가능하도록 고안된 차세대 기술 및 아키텍처를 의미한다. Big data technologies describe a new generation of technologies and architectures, designed to economically extract value from very large volumes of a wide variety of data, by enabling high-velocity capture, discovery, and/or analysis. From. 2011. IDC Big Data란 대규모 데이터의 의미 뿐만 아니라 이를 수집, 분석하는 기술까지를 포함 일반적으로, Big Data = Volume(거대한 크기) + Variety(다양한 형태) + Velocity(빠른 속도) 21

2. 제조부문 Big Data 현황(2/4) II. 제조부문 Big Data 빅데이터(Big Data) 활용분야는 다양한 산업분야에 걸쳐 상당한 재무적 가치를 생산 ㅇ 가장 큰 효과를 얻을 수 있는 분야로 의료산업, 유럽의 공공행 정, 개인위치데이터, 소매업, 제 조업 등이 선정됨 ㅇ 특히, 제조분야의 경우 - 제품개발, 조립비용이 최대 50%이상 감소 - 운전자본 7%이상 감소 22

2. 제조부문 Big Data 현황(3/4) II. 제조부문 Big Data 제조분야의 Big Data 활용은 다른 산업분야와 비교했을 때 전체적으로 저장된 데이터의 양이 방대함. 출처: IDC, Mckinsey&Company 23

2. 제조부문 Big Data 현황(4/4) II. 제조부문 Big Data 사례: S반도체 이슈사항: 반도체 전체공정(500여개)에서 수율에 영향을 미치는 인자 및 설비 발견 데이터량: 센서정보(FDC data: Fault Detection & Classification data)는 연간 약 10TB정도 분석방법: Tracing 분석 저수율 생산경로 추적 저수율 공정/설비 탐색 개선 수율 향상 500여 공정 별/설비 별 경로 공정1 공정2 공정3.... 공정500 설비1 원료 정상 설비N 불량 24

3. Big Data 시대의 Data Mining II. 제조부문 Big Data 25

4. 제조부문 Big Data 아키텍쳐 II. 제조부문 Big Data 제조부문 Big Data 분석을 위한 아키텍쳐 데이터 원천 데이터 통합 데이터 저장 데이터 분석 데이터 표현 ERP (Enterprise Resource Planning) LIMS (Laboratory Information Management System) MES (Manufacturing Execution System) RTDB (Real Time Data Base) HMI (Human Machine Interface) PIS (Plant Information System) OIS (Operation Information System) SCADA (Supervisory Control And Data Acquisition) FDC (Fault Detection & Classification) DCS (Distributed Control System) ETL (Extraction, Transformation, Loading) EAI (Enterprise Application Integration) CEP (Complex Event Processing) Hive MapReduce HDFS Hadoop EDW (Enterprise Data Warehouse) Big Data 분석 마트 Sqoop (Hadoop Distributed File System) On-Line 실시간모니터링 & 이상진단 ECMinerIMS Off-Line Data Mining ECMiner - 실시간예측 - 실시간모니터링 - 실시간분석 - Alarm/Action Guidance - 예측/군집/분류/연관성 - 데이터입력/출력 - 데이터전처리/차트 - 모델검증 26

5. Big Data 처리를 위한 ECMiner ver. 2013(1/6) II. 제조부문 Big Data ECMiner ver. 2013 ECMiner 는 Big Data 처리를 위해 Hadoop 연동, HPC 연동, 분산/병렬, In-memory 방식처리, 64Bits 처리, 그리고 Dynamic chats를 제공함으로써, Big Data 분석을 위한 최적 분석환경을 제공하고자 합니다. 1. Hadoop 연동 ECMiner 에서 직접 Hadoop에 접속하여 데이터를 정제하여 분석용 파일생성. 6. Dynamic charts 데이터와 차트 동기화를 통한 직관적 분석기능 강화. ECMiner 2013 2. HPC 네트워크에 연결된 컴퓨터의 CPU자원을 활용한 분산처리 5. 64Bits 처리 대용량/고속 처리를 위한 64Bits 처리 4. In-memory 3. 분산/병렬 데이터 입력, 전처리, 알고리듬에 대한 분산/병렬 처리 데이터 고속 처리를 위해 In-memory 상 연산 27

5. Big Data 처리를 위한 ECMiner ver. 2013(2/6) II. 제조부문 Big Data Big Data 분석을 위한 Mining 마트생성 ECMiner 를 이용하여 Hadoop 데이터를 분석, 의미있는 결과를 Big Data 분석 마트에 적재하여 업무에 활용함. 28

5. Big Data 처리를 위한 ECMiner ver. 2013(3/6) II. 제조부문 Big Data ECMiner connection to HDFS Hadoop에 저장된 데이터를 이용하기 위해서 HDFS File Input과 Hive DB Input 기능을 제공함. 29

5. Big Data 처리를 위한 ECMiner ver. 2013(4/6) II. 제조부문 Big Data ECMiner in Windows HPC environment ECMiner 에 MPI/OpenMP를 적용하여 HPC환경에서의 Big Data 처리 성능을 향상시킴. Windows HPC(High Performance Computing) ECMiner Server ECMiner Clients 데이터 분석 MAIN 데이터분석 데이터분석결과 Serial Small Data Parallel Library OpenMP Middle Data MPI Big Data Job Result HEAD NODE JOB NODE 30

5. Big Data 처리를 위한 ECMiner ver. 2013(5/6) Serial vs. 분산/병렬처리 비교 500MB(110만건) 데이터를 대상으로 분산 병렬 처리를 이용한 MLR 알고리듬 경우 10배(110sec -> 10 sec)의 속도향상을 가져오며, 전체적으로 5배 (140 sec. -> 27 sec) 속도향상을 이룸 Serial 처리 분산/병렬처리 5배 속도향상 31

5. Big Data 처리를 위한 ECMiner ver. 2013(6/6) Data and Charts 연동 차트와 데이터를 연동하여 시계열적인 변화를 통해 직관적으로 의미를 파악할 수 있음. 32

6. Big Data 분석활용(예시) MES plus 제조부문에 MES 및 Real-time의 Big Data 분석 및 예측을 위한 아키텍쳐(MES + ) On-Line 분석:ECMinerIMS II. 제조부문 Big Data 활용 분야 DW OLAP 품질 본부:Local 데이터 통합 광주 구미 수원 안전 해외법인 해외법인 사업장:Local 파일서버 Off-Line 분석:ECMiner 에너지 Big Data 분석용 마트 분산/병렬처리 기반 HPC 생산성 PLANT 33

III. 구축 사례 34

1. P사: 연주공정 MLH 원인분석(1/4)c III. 구축 사례 프로젝트 배경 및 목적 MLH에 의한 고속 주조 한계성 숨겨진 MLH 원인 인자 파악 기존 분석 S/W의 데이터 처리 한계 극복 대용량데이터 처리능력, 데이터마이닝 분석 필요 안정적인 고속 주조 목표치 달성 MLH 원인 인자 규명 수행 영역 ECMiner 을 활용한 MLH 원인인자 규명을 위한 데이터마이닝 분석 컨설팅 수행 분석 대상 및 기간 - 분석 대상 : 연주, 압연공정 - 분석 데이터 : 2011년 10월 31일 ~2011년 11월 30일 까지 한달간 데이터(Raw data 1 tera) 35

1. P사: 연주공정 MLH 원인분석(2/4) III. 구축 사례 연주공정 및 MLH 연주속도가 빨라짐에 따라 Mold Level Hunting 현상이 발생함. Ladle Mold Level Hunting(MLH) Stopper Oscillator Tundish 냉각수 Mold Segment 절단 연주속도 RM 36

1. P사: 연주공정 MLH 원인분석(3/4) III. 구축 사례 수행절차 연주 공정의 특성을 고려하여 분석 포인트를 선정하고 그에 따라서 데이터 분석을 실시하였음. 각 공정 데이터 테이블 병합 결측치 및 이상치 제거 Sampling time 이 다른 변수들을 10Hz로 결합 연주공정의 분석 포인트 별 분석 조업편차 가시화 주파수 분석 Cause & Effect Diagram 업무이해 데이터 전처리 현황분석 공정별 특성분석 조업최적화 기준 제시 공정설명 및 현황파악 분석 포인트 선정 인자 별 기초통계분석 속도별, Cast별 분석 등) MLH 발생하지 않는 최적의 운전조건제시 37

1. P사: 연주공정 MLH 원인분석(4/4) III. 구축 사례 구축효과 비용 측면 MLH 원인인자 규명 고속 연주속도 개선 - 1m/min 상승 효과(년 약 5천억 수준) 이익 증대 엔지니어 측면 데이터마이닝 분석방법론 습득 데이터마이닝 분석 전문가 양성 분석 능력 향상 및 분석시간 감소 비정형분석 시스템 및 시스템 측면 실시간 이상진단 시스템 구축 대용량 데이터 분석 인프라 - 전 공정 데이터를 연동한 분석 비정형분석 시스템 실시간 모니터링 및 이상진단 시스템 38

2. S사: 진공펌프 이상징후 진단시스템(1/4) III. 구축 사례 배경 및 목적 진공펌프 Fault 시 Chamber 내의 wafer 사용 불가로 인한 비용발생 진공펌프 Fault의 원인 규명 필요 진공펌프 최적 교체 시기 결정 필요 다변량 분석을 이용한 설비 모니터링 시스템 적용 이상진단 시스템 구축 진공 Pump Fault 사전 이상징후 탐지 수행 영역 ECMinerIMS 를 커스터마이징한 이상진단 시스템 구축 컨설팅 수행 (이상진단 모델 개발 및 교육) Chamber 수행 기간 2006년 1월 ~ 2006년 4월 (3개월) 대상 : 진공 펌프 관련 데이터 진공펌 프 39

2. S사: 진공펌프 이상징후 진단시스템(2/4) III. 구축 사례 수행내용 ECMinerIMS 를 기반으로 진공펌프 이상징후 모델을 탑재하여 Fault를 7시간 전에 예측하는 시스템을 구축하였음. 이상진단 분석 시스템 DW 펌프데이터 고장 이력 데 이터 ECMiner TM : 데이터마이닝 분석 및 모델링 시스템 이상진단 모니터링 모델 제공 ECMinerIMS TM : 실시간 모니터링 및 예측 시스템 펌프 이상진단 시점 예측 이상발생 주요인자 추출 펌프 운전 현황 가시화 이상발생 Report 40

2. S사: 진공펌프 이상징후 진단시스템(3/4) III. 구축 사례 이상진단 Charts 다변량 통계적 방법에 기반한 차트를 이용하여 펌프 운전현황을 가시화 함. Control Chart T-Square Fault 시점 Fault 시점 Fault 전 사전 징후 예측 시점 Fault 전 사전 징후 예측 시점 < 펌프 교체시기 > Control Chart와 T-square Chart를 통해 진공펌프 7시간 전 Fault 시점 예측 Fault 전 사전 징후 예측 시점에서 진공펌프 교체 41

2. S사: 진공펌프 이상징후 진단시스템(4/4) III. 구축 사례 구축효과 진공펌프의 Fault 이상 징후 예측 조기 이상진단으로 펌프 Fault로 인한 생산비용 감소 사용 기간에 따른 기회비용 산정 가능 펌프 Fault 사례 정보화 설비 이상 발생사례 정보화 구현 발생 패턴 분석을 통해 펌프 수명 예측 생산비용감소 업무 편의 제공 리포팅 및 모델링의 자동 수행 사용자 편의성 증가로 업무효율 향상 42

이씨마이너 감사합니다. 서울시 강남구 도곡동 553-3 지호빌딩 4층 대표전화 02-552-5266 팩시밀리 02-566-0768 URL - http://www.ecminer.com E-mail - webmaster@ecminer.com 본 문서는 이씨마이너의 기밀정보 및 영업비밀을 포함하고 있으므로, 제공된 목적 외에 무단으로 복제되거나 배포될 수 없습니다. 43