http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 양동식(Yang Dongsik) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
-
M2M 빅데이터의 품질관리 영역 및 품질 요인에 대한 연구
양동식 ( Dongsik Yang ),노재민 ( Jaemin Noh ),맹승렬 ( Seung Ryol Maeng ),박동진 ( Dongjin Park ) KNU기업경영연구소 2021 기업경영리뷰 Vol.12 No.3
의사결정의 성과란 면에서 데이터 품질에 대한 논의는 문제해결 분야에서 오래전부터 진행되고 오고 있다. 데이터 품질 향상을 위한 관리 활동에 있어서 가장 중요한 기준이 되는 것은 데이터의 품질관리 영역과 요인들을 파악하는 것이다. 최근에 빅데이터의 분석 및 처리와 관련하여 빅데이터 품질에 대한 연구가 시작되었다. 기존의 연 구들은 빅데이터를 일정기간 저장 후 패턴/유형 분석을 위한 데이터의 품질에 초점을 맞추었다. 그러나 기계와 기계(M2M) 간에 발생되어 실시간으로 정보를 제공해야 하는 환경에서의 데이터 품질관리에 대한 연구는 아직 전무하다. 본 연구는 M2M 기반의 실시간 활용을 시스템의 빅데이터 품질관리를 위한 것이다. 즉, M2M 빅데이터의 품질관리 영역과 상세 품질요인들을 파악하고 AHP를 통한 상대적 중요도를 측정한다. 본 연구에는 전통적인 데이터 품질영역 및 빅데이터의 특성을 고려하여 데이터 뜻/의미의 정확성(semantic accuracy), 데이터 구조/형식의 정확성(syntactic accuracy), 데이터 시기적절성(timeliness), 그리고 데이터 보안성 (security) 등을 품질영역으로 결정하였다. 또한 각 품질영역에서 주요 품질요인들을 파악하고 각각을 정의하였다. 본 연구에서는 M2M 실시간 데이터를 제공하는 시스템을 개발하는 프로젝트에 참여하고 있는 전문가들을 대상으로 설문과 인터뷰를 실시하여 품질영역 및 품질요인들의 상대적 중요도를 파악하였다. 이를 통하여 전문가들은 품질영역 중에서 데이터 뜻/의미(0.422) 영역에 이어서 시기적절성(0.344) 영역에 우선순위가 있음을 알 수 있었다. 본 연구는 학술적으로는 새로운 연구영역을 제시했다는데 의미가 있으며, 실무적으로 최근 진행되는 교통, 환경 및 도시시설과 관련된 M2M 실시간 정보제공을 위한 빅데이터 시스템 프로젝트에 적용될 수 있다는데 의미가 있다. 그러나 본 연구의 결과는 제한된 영역에서 실증한 결과이므로 일반화 하는 데에 한계가 있으며 추후 연구가 필요하다. Discussion about data quality in terms of decision-making performance has been ongoing in the field of prob-lem solving for a long time. The most important criterion in data quality management is to identify the data qual-ity dimensions and factors. Recently, research on the quality of big data has been started in relation to big data based decision making. Existing studies have focused on the quality of big data in pattern analysis, where data is stored for a certain period of time and analyzed. However, there is still no research on data quality management in an environment that needs to provide real-time information generated between machines (M2M). This study is for big data quality management of real-time utilization system based on M2M. That is, we identify the data quality dimensions, detailed quality factors, and their relative importance of M2M big data. In this study, we first considered the traditional data quality area and the characteristics of big data. So, in the final data quality dimensions, semantic accuracy, data structure/format accuracy, data timeliness, and data secu-rity were determined. In addition, major quality factors were identified in each quality dimension. In this study, the relative importance of quality dimensions and quality factors was identified by conducting questionnaires and interviews with experts participating in a project to develop a system that provides M2M real-time data. Through AHP analysis, we found that among the quality dimnesions, priority was given to the data meaning/meaning (0.422) dimension followed by the timeliness (0.344) dimension. This study is meaningful in that it has presented a new research area academically, and it is practically mean-ingful that it can be applied to the big data system project for providing M2M real-time information related to traffic, environment, and urban facilities. However, since the results of this study were verified in a limited area, there is a limit to generalization, and further research is needed.
-
스마트 팩토리에 적용 가능한 디지털 트윈 관리시스템 프레임워크에 관한 연구
박동진,최명수,양동식,Park, Dongjin,Choi, Myungsoo,Yang, Dongsik 중소기업융합학회 2020 융합정보논문지 Vol.10 No.9
제조 혁신을 위한 스마트 팩토리의 구현을 위하여 점차 디지털 트윈이 많이 개발되고 또 적용될 것이다. 특히 개발된 디지털 트윈에 대하여 시뮬레이션 및 최적화 분석을 실시함으로써 설비의 예지보전과 같은 중요한 의사결정을 지원할 수 있다. 본 연구는 사용자 관점에서 이러한 분석을 지원하는 체계인 디지털 트윈 관리시스템(DTMS: Digital Twin Management System)의 개념적 구조를 제시한다. 디지털 트윈은 다양한 분석 모듈과 데이터 등으로 매우 복잡하게 구성되어 있다. 스마트 팩토리가 진행될수록 디지털 트윈의 관리는 더욱 어려워지게 될 것이다. 따라서 이를 체계적으로 관리를 가능하게 하는 DTMS가 필요하다. 본 연구는 DTMS의 개발을 위하여 제조공학, 의사결정지원시스템, 그리고 최적화 분야에서 제시된 이론 및 체계들을 문제 해결 관점에서 통합한다. 그리고 제시된 프레임워크의 현실적용 가능성을 보이기 위하여 DTMS를 디스플레이 제조공정에 적용해 본다. 본 연구에서 제시된 DTMS는 전형적인 DSS(Decision Support System) 구조를 띤다. 즉 DTMS는 대화관리시스템, 모델관리시스템, 그리고 데이터관리시스템 등과 같은 3개의 서브시스템과 분석용 디지털 트윈 및 최적화 툴로 구성된다. 본 연구를 통하여 제시한 DTMS는 스마트 펙토리를 지향하는 경쟁력이 있으며 복잡한 산업 영역에 적용될 수 있다. 학문적으로는 새로운 시각에서 디지털 트윈의 분석을 조명한 것으로 추후 연구의 방향을 제시했다는 점에서 의미가 있다. In order to implement a smart factory for manufacturing innovation, more digital twins will be developed and applied gradually. In particular, simulation and optimization of digital twins makes it possible to support critical decision-making like a predictive maintenance of the equipment for manufacturing. In terms of a user perspective, this study suggests the conceptual framework of Digital Twin Management System (DTMS) for supporting the analytical and managerial activities for Digital Twins. We integrate the methods and structure of the area like Manufacturing Engineering, Decision Support Systems, and Optimization for developing the DTMS. The framework suggested in this study shows a typical DSS which consists of dialog management system, model management system and data management system. It also includes Analytical Digital Twins and simulations & optimization module. The framework is being applied in one of the most competitive and complex industrial sector. Also this study is meaningful to suggest a new direction of research.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
