부산의 산동네와 도시재생 사례연구 : 영도구 산동네(뉴타운 지역) 중심으로

박은영 동아대학교 산업정보대학원 2012 국내석사

반도체 SMT 공정의 생산 리드타임 개선 보고서

이창훈 호서대학교 기술경영전문대학원 2023 국내석사

산업용 잉크젯 프린트 정밀전자저울 특성에 따른 측정값 개선에 관한 실험적 분석

이강민 호서대학교 기술경영전문대학원 2023 국내석사

정밀전자저울은 정교하고 민감하여 아주 작은 영향 즉 공기중의 수분이나 정전기, 온도변화, 진동에 의해서도 측정값의 변화를 일으킬 수 있다. 현 실험은 장비에서 가장 많은 영향을 받는 온도 영향성, 공기흐름에 따른 정밀전자저울 측정값 개선에 관한 실험적 분석으로 디스플레이공정에 사용되는 잉크젯 설비의 정밀전자저울, 측정값 불일치 현상에서 실험을 통해 개선안을 찾는데 첫 번째 목적이 있다. 기존의 장비에 설치되는 정밀전자저울은 측정 조건에 맞는 제품 적용과 기구적인 외형의 관점에서 무게를 최소화한 형태에 중점을 두었다면, 현 개발 장비를 통한 실험은 전자저울에 전이되는 온도를 최소화할 수 있는 소재와 구조물 제작에 그 두 번째 목적을 두고 있다. 마지막으로 주변 환경 및 측정 조건에 따른 전자저울 측정 결과를 비교, 분석하여 측정값이 영향을 받는 원인을 찾고 최적의 측정 환경을 조성하는 실험을 하였다. 본 프로젝트 보고서는 이를 통해 잉크젯 개발 장비에서 발생하는 정밀전자저울 관련 불합리 내용을 파악하고 수집한 데이터 분석을 통해 개선한 경험으로 추후 정밀전자저울을 활용한 다른 산업군의 장비 개발에 진출하여 제작 가능하게 하는데 기여할 것이다. The precision electronic balances is sophisticated and sensitive, and can cause very small effects such as moisture in the air, static electricity, temperature change, and vibration. The current experiment is an experimental analysis of improving the measurement value of the precision electronic scale of the inkjet facility used in the display process, and the first purpose of this experiment is to find improvements through experiments in the temperature effect, which is most affected by equipment, and the precision electronic scale according to air flow. If the precision electronic balances installed in the existing equipment focuses on the application of the product suitable for the measurement conditions and the minimization of weight in terms of the mechanical appearance, the experiment through the current development equipment aims at creating materials and structures that can minimize the temperature transferred to the electronic balances. Finally, by comparing and analyzing the electronic balances measurement results according to the surrounding environment and measurement conditions, an experiment was conducted to find the cause of the measurement value being affected and to create an optimal measurement environment. Through this, this project report will contribute to the development and manufacture of equipment in other industries using precision electronic balances as an experience of identifying irrational content related to precision electronic balances arising from inkjet development equipment and improving them through the analysis of collected data.

프로세스 마이닝을 활용한 정보화전략계획 유형결정에 관한 연구

김기동 호서대학교 기술경영전문대학원 2023 국내석사

최근 빅데이터, 인공지능 등 정보통신기술(ICT)의 발전으로 기업의 경영환경은 끊임없이 변화하고 복잡해지지만, 기업의 비즈니스 프로세스는 이러한 변화와 복잡성을 따라잡지 못하고 있어 전 세계 수많은 기업은 정보화전략계획(ISP), 업무재설계(BPR), 정보시스템 마스터플랜(ISMP), 전사적 아키텍처(EA) 등 정보화계획을 수행하고 있다. 그러나, 현재의 정보화전략계획(ISP) 방법론은 컨설턴트와 핵심 이해 관계자의 경험과 직관에만 의존하므로 실패 가능성이 크다. 이를 개선하고자 본 보고서에서는 프로세스 마이닝에 기반한 정보화전략계획 유형 결정 방법론을 제시하고자 한다. 본 보고서에서는 정보시스템 산출물(IT Artifact) 개발에 적용되는 정보시스템 디자인과학 분야의 연구방법론을 적용하였다. 정보화계획의 산출물 요소(BA, DA, AA, TA), 정보시스템의 수명주기(탄생 vs. 진화) 및 정보화계획의 적용 수준(단일 IT vs. 전사 IT) 등 3대 기준을 적용하여 정보화계획(ISP, BPR/ISP)을 8가지 유형으로 분류하였고, 8가지 유형별 추진전략과 정보화계획 의사결정에 필요한 유형결정 모델을 제시하였다. 본 보고서가 정보화전략계획에 프로세스 마이닝 도입을 확산하는 마중물이 되기를 기대한다. 다만, 후속 연구를 통해 8가지 유형에 공통으로 적용할 수 있는 전체 방법론을 개발하고 실증사업을 통해 방법론을 검증 할 필요가 있다. With the recent development of information and communication technology (ICT) such as big data and artificial intelligence, the business environment of enterprises is constantly changing and becoming more complex, while the business processes of enterprises are not keeping up with these changes and complexities. Therefore, many enterprises around the world are conducting informatization planning such as Information Strategy Planning (ISP), Business Process Reengineering (BPR), Information System Master Plan (ISMP), and Enterprise Architecture (EA). However, current ISP methodologies are prone to failure because they rely solely on the experience and intuition of consultants and key stakeholders. To improve this, this study proposes an ISP typology methodology based on process mining. This study applies research methods from the field of information system design science applied to the development of IT artifacts. By applying three criteria such as the output elements of the informatization planning (BA, DA, AA, TA), the information systemlife cycle (birth vs. evolution), and the level of application of the informatization planning (single IT vs. enterprise IT), we classified the informatization planning into eight types, and presented the implementation strategies for each type and the type decision model required for the decision making of the informatization planning.

진동과 소리 데이터를 이용한 구름형 롤러 베어링 결함 예측에 대한 모델 비교 연구

김효철 호서대학교 기술경영전문대학원 2023 국내석사

산업 현장에서 중요한 베어링 상태를 실시간으로 모니터링하고 고장 을 사전에 예측하는 기법들은 최근 복잡한 기계 학습 및 딥 러닝 알고리 즘에 의해 수행되고 있다. 베어링은 회전 기계의 중요한 구성 요소로서 작업 환경에서 동작 중에 항시 고장의 위험에 노출되고 있고, 예기치 않 은 고장을 피하기 위해 베어링의 상태 모니터링은 중요하다. 최근 알고리즘의 발전에도 불구하고 대부분 진동 데이터만을 사용하 여 예측하고 있다. 그러나 베어링의 고장의 유형과 신호에 따라 진동 및 소리 데이터를 조합하여 예측을 하는 경우, 정밀도를 높일 수 있을 것이 라고 추정된다. 본 연구에서는 진동 신호 뿐 아니라 소리 신호까지 추가하여 보다 정 확하게 결함을 예측하고자 하였다. 수집된 진동과 소리 데이터를 다양한 머신러닝과 딥러닝 모델을 통해 학습하고 그 결과를 비교하여 최적의 모 델을 찾아내었다. 본 논문의 구성은 다음과 같다. Ⅰ장 서론에서는 연구 필요성과 개요, 대략적인 연구방법과 논문의 구 성에 대해서 소개하였다. Ⅱ장 관련 이론에서는 다중 모델 데이터를 통한 결함 예측의 필요성과 각 인공지능 모델에 대해 설명하였다. Ⅲ장 데이터 수집 및 전처리에서는 구매한 데이터가 어떤 식으로 데이 터를 수집했고, 그걸 받아서 어떻게 전처리했는지에 대해 설명하였다. Ⅳ장 학습 및 결과에서는 학습된 모델에 대한 결과를 설명하고, 어떤 모델이 적합한지 그리고 결과에 대한 의미도 설명하였다. Ⅴ장 결론에서는 본 연구의 결과를 간략하게 요약하여 설명하고, 본 연구의 한계와 향후 연구방향을 기술하였다. In recent years, complex machine learning and deep learning algorithms have been utilized to monitor the important condition of bearings in industrial settings in real-time and predict failures in advance. Bearings are critical components of rotating machinery and are constantly exposed to the risk of failure during operation. Monitoring the condition of bearings is crucial to avoid unexpected breakdowns. Despite advancements in algorithms, most predictions are currently based solely on vibration data. However, combining vibration and sound data according to the type of bearing failure and signal can improve the accuracy of predictions. In this study, we aim to incorporate both vibration and sound signals to predict faults more accurately. By training various machine learning and deep learning models on collected vibration and sound data, we compare the results and identify the optimal model.

AI를 응용한 PFC용 최종검사 장비 개발 연구

조형동 호서대학교 기술경영전문대학원 2023 국내석사

본 연구는 전기차용 PFC(Patterned Flat Cable)의 검사 자동화를 위한 AFVI검사기의 개발의 기초를 구축하는 성과를 이루었다. 탄소배출 규제 강화 및 신생에너지 기반의 산업구조 변화와 더불어 전기차 수요는 급증 하고 있으나, 에너지 효율을 높이기 위한 전기차 배터리 중량을 감소시 키기 위한 노력이 최우선 과제로 대두되고 있다. 국내 기업이 전기차 경 량화에 획기적인 역할을 하는 PFC제품을 개발하였고, 당사는 해당 제품 의 품질검사 성능(정확성, 신속성)을 향상시키기 위하여 검사장비 전문 제작업체의 노하우를 활용하여 PFC 패널 Full Auto AFVI 검사기를 개 발하는 프로젝트를 추진하였다. AFVI 검사기는 PFC패널을 로딩후 광학 계를 이용하여 제품의 단면, 패드부, 회로영역, Coverlay 등의 세부영역 을 검사 후 패널을 자동으로 언로딩하는 기능을 수행하며, 사람의 육안 검사를 대신하는 AI기반의 머신비전 시스템을 개발하였다. AI기반의 머신비전 시스템을 개발하기 위하여 AI모델 학습에 필요한 PFC 이미지 데이터를 확보하고, 확보된 PFC 이미지 데이터 전처리 가 공하였다. PFC 이미지 학습용 데이터를 학습한 AI 이미지 인식 모델 을 개발하고, AI 이미지 인식 모델의 튜닝 및 최적화를 통하여 성능을 향상시켰다. 개발된 머신비전 시스템은 클라우드 환경에서 수행되어 추가되는 AFVI장비와 원활한 연동이 가능한 아키텍쳐를 구성하고 있 다. 개발된 AI모델은 패드 이미지 인식에서 F1-Score 기준 0.98이상의 성능을 보임으로써 검사의 신속성과 정확성을 확보할 수 있게 되었다. 본 시스템의 개발은 국산 검사장비 보급을 통한 수입대체 효과 및 국 익 증진에 기여할 것으로 기대되며, 당사는 본 장비의 확산을 통하여 매출증대 효과를 가져올 수 있다. 본 프로젝트를 통하여 확보한 AI 기 술을 응용하여 기개발한 검사장비에 확대 적용가능성을 타진함으로써 AI 신기술이 적용된 검사장비 전문업체로의 탈바꿈도 가능할 것으로 기대된다. The demand for electric vehicles is rapidly increasing along with the strengthening of carbon emission regulations and changes in the industrial structure based on renewable energy, but efforts to reduce the weight of electric vehicle batteries to increase energy efficiency are becoming a top priority. A domestic company has developed a revolutionary PFC product that plays a significant role in EV lightweighting. Our company initiated a project to develop the PFC Panel Full Auto AFVI inspection machine by leveraging the expertise of specialized inspection equipment manufacturers to enhance the product's quality inspection performance (accuracy and speed). The AFVI inspection machine loads the PFC panel, utilizes optical systems to inspect the product's cross-section, pad area, circuit zone, Coverlay, and other detailed areas, then unloads the panel automatically. We developed an AI-based machine vision system that substitutes human visual inspection. To develop the AI-based machine vision system, we secured the necessary PFC image data for AI model training and processed the obtained PFC image data. We developed an AI image recognition model by training it with the PFC image data and enhanced its performance through tuning and optimization. The developed machine vision system operates in a cloud environment, ensuring seamless integration with any added AFVI equipment. The developed AI model demonstrates performance with an F1-score exceeding 0.98 in pad image recognition, ensuring rapidity and accuracy in inspections. The development of this system is anticipated to contribute to national interests through the replacement of imported inspection equipment and promote the domestic distribution of inspection devices. Our company expects to increase sales through the widespread adoption of this equipment. With the AI technology secured through this project, there's potential for its broader application to other inspection equipment we've developed, paving the way for our transformation into a specialist manufacturer of AI-integrated inspection equipment.

충청남도 해양바이오 클러스터 진흥 전략

임민식 호서대학교 기술경영전문대학원 2023 국내석사

충남 반도체 패키징산업 발전 및 지원 전략

안장헌 호서대학교 기술경영전문대학원 2023 국내석사

반도체는 AI, 첨단로봇, IOT의 필수 품목이며 국가안보 및 기술패권 확보를 위한 중요한 국가자산이다. 우리나라 반도체 산업은 반도체 칩을 생산하는 전공정은 대부분 경기도에 입지해 있고 충남은 삼성전자 온양사업장 등 후공정산업이 입지하고 있다. 세계적으로 매년 평균 5% 성장하는 산업의 새로운 먹거리인 반도체 패키징이 충남의 새로운 주력산업으로 준비되고 있다. 아산과 천안에 발달한 OSAT기업들이 메모리 반도체 패키징에 편중된 구조에서 차세대 반도체에 필요한 첨단 패키징 기술을 개발하고 현장에서 필요한 전문 인력 양성이 필요하다. 본 연구는 현장 기업들의 현황과 기술개발 및 인력 양성 수요를 분석하여 충남형 반도체 패키징산업 전략에 도움을 주는 것을 목표로 한다. 연구 방법으로는 333개 호서대 MOU 기업과 반도체 기업 설문조사를 바탕으로 기업현황, 신기술 수요 및 필요한 인력 및 대학교육 요구방향 등을 파악하였다. 설문 조사 분석 결과, 패키징 신소재 개발 R&D 지원과 R&DC 시설/장비를 활용한 소부장 전문인력 집중교육이 필요함을 알 수 있었다. 전력반도체는 기존 실리콘 반도체를 SiC 및 GaN반도체로 대체될 예정이며 회로 패턴의 선폭 미세화를 통한 소형화를 위해 고성능 반도체 패턴용 공정 소재 연구가 필요하다. 전자기기 소형화.경량화.슬림화을 위한 패키징 기술 수요 충족과 초고밀도 실장용 신개념 패키징을 위한 대면적 고속 몰딩 패키징 공정장비 기술, 웨이퍼 레벨 칩 반도체 소자 패키징 기술 등 8가지 핵심 기술이 요구되고 있다. 즉시 현장 투입이 가능한 인력 수급을 위해 기업 R&D 프로젝트 기반의 100% 현장 실습형 양성교육을 위한 단기집중 프로그램과 클러스터 상생기반 시설을 이용한 멘토단, 후방산업 인력 양성 등이 필요하였다. 하지만 설문 조사와 분석이 전체 OSAT기업 전반이나 창업 예정자들의 목소리를 담지 못했다는 것은 본 연구의 한계이다. 충남이 주력산업으로 추가 지정한 반도체 패키징산업은 충남 뿐 아니라 대한민국의 일자리와 경제 전반에도 중요한 역할를 한다. 특히 OSAT기업들이 반도체 클러스터 내에서 기술개발에 집중하여 국제 경쟁력을 확보하고 현장에서 필요한 인력을 대학과의 연계교육을 통해 제때 수급받는다면 현재보다 매출액은 물론 이익률 제고에도 큰 도움이 될 것으로 기대된다. 향후 연구 방향으로는 반도체 패키징산업 발전 전략의 세부안이 마련되고 집행되는 과정을 모니터링하고 국내외 여건을 비교하여 실증 연구를 추진하고자 한다. Semiconductors are essential items for AI, high-tech robots, and IOTs and are important national assets for national security and technology hegemony. In Korea's semiconductor industry, most of the semiconductor chips that produce semiconductor chips are located in Gyeonggi-do, while post-process packaging industries such as Samsung Electronics' Onyang campus are located in Chungnam. Semiconductor packaging, a new source for the industry that grows an average of 5% annually around the world, is being prepared as a new flagship industry in Chungnam. OSAT companies developed in Asan and Cheonan need to develop advanced packaging technology needed for next-generation semiconductors in a structure that is concentrated on memory semiconductor packaging, and it is necessary to cultivate professional manpower needed in the field. The purpose of this study is to analyze the current status of field companies and the demand for technology development and human resource development to help the Chungnam semiconductor packaging industry strategy. As a research method, based on the survey of 333 Hoseo University MOU companies including semiconductor companies, the company status, demand for new technology, necessary manpower, and direction of university education were identified. As a result of the survey analysis, it was found that R & D support for the development of new packaging materials and intensive training of specialists in materials and equipment using R & DC facilities / equipment were needed. Power semiconductors will replace existing silicon semiconductors with SiC and GaN semiconductors the process for the high-end semiconductor pattern for the miniaturization through the line width miniaturization of the circuit pattern Material research is needed. Demand for packaging technology for miniaturization, light weight, and slimming of electronic devices and ultra-high density room the large area high speed molding packaging process equipment technology for the enteric new concept packaging, and the wafer And level chip semiconductor device packaging technology. For the supply and demand of manpower that can be put into the field immediately, enterprise R & D project-based Short-term intensive programs for 100% on-the-job training and cluster win-win basis Mentors using facilities and rear industry manpower training were needed. However, the limitation of this study is that the survey and analysis did not include the voices of the entire OSAT companies or prospective start-ups. The semiconductor packaging industry, which Chungnam has designated as its flagship industry, plays an important role not only in Chungnam but also in Korea's jobs and economy as a whole. In particular, if OSAT companies focus on technology development within semiconductor clusters to secure international competitiveness and receive the necessary manpower in the field on time through linkage education with universities, it is expected to be of great help in increasing profit margin as well as sales. In the direction of future research, we will monitor the process of developing and implementing the semiconductor packaging industry development strategy and compare the domestic and overseas conditions to promote empirical research.

프로세스 마이닝을 이용한 반도체 자동화 관리의 문제점과 개선 방안에 관한 연구

정문석 호서대학교 기술경영전문대학원 2023 국내석사

제조 빅데이터를 활용한 공정 소요 시간 예측에 관한 연구 : 프로세스 마이닝과 딥러닝 모델의 결합을 중심으로

이기홍 호서대학교 기술경영전문대학원 2023 국내박사

This study has developed an effective anomaly detection model that overcomes the limitations of traditional methods and includes various production paths and execution time information, in response to complex production processes within a smart factory environment. For this purpose, it proposes a methodology that utilizes dynamic recurrent neural networks to accurately model changing processes and predict potential anomalies. Particularly, this methodology contributes to process prediction and optimization by learning patterns from real-time data, and it can identify specific issues such as exceeding the average time required for assembly processes. The effectiveness of this methodology has been validated through experiments conducted under various production processes and conditions in smart factories, and it is expected to contribute to enhancing the competitiveness and product quality in the manufacturing industry. The potential for enhancing process transparency and efficiency has been identified through the application of process mining techniques and process mining project methodology (PMPM). In the process mining analysis phase, the focus was on analyzing event log data to identify bottlenecks and observe exceptional cases. The process data extracted in the analysis phase were subsequently applied to three major deep learning algorithms adopted in this study: DNN (deep neural network), LSTM (long short-term memory), and Bi-LSTM (bidirectional long short-term memory). Each algorithm's strengths and weaknesses were considered in the analysis, enabling the prediction of the total duration of the manufacturing process. Deep learning learns complex data patterns through multi-layer artificial neural networks, while LSTM and Bi-LSTM effectively handle long-term dependencies in sequence data using gate mechanisms. Particularly, Bi-LSTM is capable of recognizingmore complex patterns through bidirectional information. The performance of these models was evaluated using various metrics including accuracy, precision, recall, F1 score, and loss function. DNN and LSTM showed excellent performance, while Bi-LSTM demonstrated somewhat lower performance. It was revealed that the differences in performance could be influenced by various factors, including data complexity, noise, and sequence length. This research represents performance under limited conditions, therefore, further studies in various environments are necessary. Particularly, Bi-LSTM requires improvements in performance through hyperparameter tuning and structural optimization. Moreover, as optimal performance is not guaranteed in all situations, research on the appropriate model selection and parameter tuning is crucial. Future research directions include applying this study's approach to predicting various process behaviors and performance indicators. This will include research on solving the overfitting problem, improving prediction performance through the integration of unstructured data, enhancing the stability of predictions with cross-validation and ensemble techniques, and studying early detection and response strategies for anomalies. The development of a real-time data streaming anomaly detection and early warning system using the model developed in this study will be an important direction for future research. The results of this research have high applicability in various industries, including manufacturing, and can be used for anomaly prediction and root cause analysis, necessitating further in-depth research. 본 연구는 지능형 스마트팩토리 환경에서 복잡한 생산 프로세스에 대 응하기 위해, 전통적인 이상 탐지 방식의 한계를 극복하고 다양한 생산 경로 및 실행 시간 정보를 포함하는 효과적인 이상 상황 탐지 모델을 개 발하였다. 이를 위해, 동적 순환신경망을 활용하여 변화하는 프로세스를 정확하게 모델링하고 잠재적 이상 상황을 예측할 수 있는 방법론을 제안 한다. 특히, 이 방법론은 실시간 데이터의 패턴을 학습하여 프로세스 예측 및 최적화에 기여하며, 조립 공정의 평균 소요 시간 초과와 같은 구체적 인 문제를 식별할 수 있다. 실험을 통한 방법론의 효과성 검증은 스마트 팩토리의 다양한 생산 공정과 조건 하에서 수행되었으며, 이를 통해 제 조 산업의 경쟁력과 제품 품질 개선에 기여할 것으로 기대된다. 프로세스 마이닝 기법과 프로세스 마이닝 프로젝트 방법론(process pining project methodology, PMPM)을 통해 프로세스의 투명성 향상 및 효율성 증대의 잠재력을 확인하였다. 프로세스 마이닝 분석 단계에서는 이벤트 로그 데이터를 분석하여 병목 현상을 식별하고 예외적 사례를 관 찰하는데 주안점을 두었다. 분석 단계에서 도출된 프로세스 데이터는 이후 본 연구에서 채택한 세 가지 주요 딥러닝 알고리즘인 DNN(deep neural network) , LSTM(long short-term memory), 그리고 Bi-LSTM(bidirectional long short-term memory)에 적용되어 각각의 장단점을 고려하여 분석되었고 그 결과로 서 전체 제조 프로세스 소요 시간을 예측할 수 있었다. 딥러닝은 다층 인공 신경망을 통해 복잡한 데이터 패턴을 학습하며, LSTM과 Bi-LSTM은 시퀀스 데이터의 장기 의존성을 게이트 메커니즘 을 통해 효과적으로 처리한다. 특히, Bi-LSTM은 양방향 정보를 통해 더 복잡한 패턴 인식이 가능하다. 상기 모델들의 성능은 정확도, 정밀도, 재현율, F1 스코어 및 손실 함 수를 포함한 다양한 지표를 사용하여 평가되었다. DNN과 LSTM은 우 수한 성능을 보였지만, Bi-LSTM은 다소 낮은 성능을 보였다. 성능 차이 는 데이터의 복잡성, 노이즈, 시퀀스 길이 등 여러 가지 요소에 의해 영 향을 받아 변화할 수 있다는 점을 밝혀내었다. 이 연구는 제한된 조건 하에서의 성능을 나타내므로, 향후 다양한 환 경에서의 추가 연구가 필요하며, 특히 Bi-LSTM은 하이퍼파라미터 튜닝 과 구조 최적화를 통해 성능을 개선할 필요가 있다. 또한, 모든 상황에서 최적의 성능을 보장하지 않으므로, 적합한 모델 선택과 파라미터 튜닝에 대한 연구가 중요하다. 향후 연구 방향은 다양한 프로세스 행동과 성과 지표 예측에 본 연구의 접근법을 적용하는 것을 포함한다. 이는 과적합 문제 해결, 비정형 데이터 통합을 통한 예측 성능 향상, 교차 검증 및 앙상블 기법을 적용한 예측의 안정성 증진, 이상 징후의 조 기 발견 및 대응 전략에 대한 연구를 포함할 것이다. 본 연구에서 개발된 모델을 활용한 실시간 데이터 스트림에서의 이상 징후 감지 및 조기 경보 시스템 구축은 향후 연구의 중요한 방향이 될 것이다. 이 연구의 결과는 제조업을 비롯한 여러 산업 분야에서의 적용 가능성이 높으며, 이상 징후 예측 및 그 원인 파악에 활용될 수 있어, 더 욱 깊이 있는 연구가 진행될 필요가 있다.