(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