스마트 팩토리를 위한 하둡 에코 시스템 및 머신러닝 기반의 고무 공정 데이터 분석

국문 초록 (Abstract)

3차 산업혁명 이후 급격하게 증가된 데이터로 인해 4차 산업혁명 시대에서는 빅데이터에 대한 처리의 필요성이 부각되고 있다. 또한 국내외 산업 현장은 빅데이터 처리를 통한 스마트 팩토리를 구상 및 진행 중이다. 하지만 국내 산업 현장은 스마트 팩토리를 구축하기 위한 빅데이터 처리 기술력과 인력부족으로 어려움을 겪고 있다. 본 논문에서는 스마트 팩토리를 구축하기 위해 빅데이터와 하둡 에코 시스템을 기반으로 한 고무 공정 데이터를 분석한다. 고무 생산 공정에서 수집한 빅데이터를 활용하기 위해 하둡 에코 시스템을 이용하여 데이터를 수집하였다. 불량률과 관한 요인 분석을 위해 데이터의 전처리를 수행하였다. 전처리 된 데이터를 통계 분석하여 불량률과 관련한 요인을 확인하였다. 이를 통해 머신러닝 기반의 고무 생산 불량 예측 모델링을 수행하였다. 제안한 모델의 평균 예측 성능은 Macro F1 score 0.8554이며 양품과 불량품은 각 0.8912와 0.8196을 달성하였다.

다국어 초록 (Multilingual Abstract)

There is an increasing need for big data processing in the era of the 4th industrial revolution, due to the rapid increases in the amounts of data following the 3rd industrial revolution. In addition, domestic and foreign industrial sites are conceiving of and proceeding with the development of smart factories through the use of big data processing. However, domestic industrial sites are experiencing difficulties due to a lack of big data processing technology and the manpower needed to build smart factories. In this paper, we analyze data from a rubber manufacturing process based on big data and Hadoop ecosystem to build a smart factory. Data were collected through the Hadoop eco system to utilize the big data collected during the rubber production manufacturing process. Data preprocessing was performed to analyze the factors related to the defective rate. Statistical analysis of the preprocessed data identified factors related to the defective rate. With this knowledge, we performed machine learning-based rubber production defect prediction modeling. The average predictive performance of the proposed model was a macro F1 score of 0.8554, and good and bad products achieved scores of 0.8912 and 0.8196, respectively.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련 연구
• 3. 하둡 에코 시스템 기반 고무공정 데이터 분석
• 4. 불량 예측 모델 평가
• 5. 결론
• References

참고문헌 (Reference)

1 정선양, "중소기업의 글로벌 경쟁력 제고를 위한 스마트공장 표준화 전략" 한국기술혁신학회 19 (19): 545-571, 2016

2 최윤혁, "스마트제조 산업에서 공급기업의 인재육성에 관한 지원방안 연구" 한국실천공학교육학회 12 (12): 177-186, 2020

3 변대호, "스마트공장 동향과 모델공장 사례" 국제e-비즈니스학회 17 (17): 211-228, 2016

4 황지온, "스마트 팩토리 환경에서 클라우드와 학습된 요소 공유 방법 기반의 효율적 엣지 컴퓨팅 설계" 한국정보통신학회 21 (21): 2167-2175, 2017

5 정태석, "스마트 팩토리 사례를 통한 성공적 공장 융합 자동화 방안 도출" 한국융합학회 7 (7): 189-196, 2016

6 S. Wang, "Towards smart factory for industry 4. 0 : a selforganized multi-agent system with big data based feedback and coordination" 101 : 158-168, 2016

7 K. Shvachko, "The hadoop distributed file system" 1-10, 2010

8 K. Schwab, "The Fourth Industrial Revolution:Currency" Crown Business 2017

9 F. Shrouf, "Smart factories in Industry 4. 0 : A review of the concept and of energy management approached in production based on the Internet of Things paradigm" 697-701, 2014

10 Z. Ji, "Intelligent manufacturing—main direction of"made in China 2025" 26 (26): 2273-2284, 2015

11 K. Zhou, "Industry 4. 0 : Towards future industrial opportunities and challenges" 2147-2152, 2015

12 S. Wang, "Implementing smart factory of industrie 4.0: an outlook" 12 (12): 2016

13 M. Chen, "Bigdata : A survey" 19 (19): 171-209, 2014

14 R. F. Babiceanu, "Big Data and virtualization for manufacturing cyber-physical systems : A survey of the current status and future outlook" 81 : 128-137, 2016

15 "Advantech"

16 S. Landset, "A survey of open source tools for machine learning with big data in the Hadoop ecosystem" 2 (2): 24-, 2015

17 D. Ivanov, "A dynamic model and an algorithm for short-term supply chain scheduling in the smart factory industry 4. 0" 54 (54): 386-402, 2016