※ 주최측 사정으로 4기 교육은 2021년 3월18일 개강으로 연기되었습니다. 착오 없으시기 바랍니다.
※ 사회적 거리두기 방역 기준에 따라 다음과 같이 진행합니다.
1) 집체교육을 우선으로 하되, 2.5~3단계 방역 시 실시간 온라인 교육으로 전환 실시 (방역 강화 기간에 한정)
2) 30명의 교육생만 선착순으로 모집
3) 출석시 발열 체크 및 출석부 서명
4) 교육생, 교수진, 운영진 전원 마스크 착용
5) 손소독제 및 손세정제 비치
6) 불필요한 이동 자제
※ 전문 교재 및 점심 제공
일정 |
분야 |
과목명 |
주요 교육 내용 |
|
날짜 |
시간 |
|||
3/18 (1일차) |
09:00 ~ 15:00 |
제조 Big Data 개요 |
Big Data의 개요 및 제조 Big Data의 활용 전략 (1) |
◾ Big Data의 개요 및 기획 - Big Data의 개요 및 특징 - Data 분석의 가치 파악 (정형/비정형 Data) - Big Data의 기획 및 전략 - Data의 연결/수집 및 활용 방안 ◾ 제조 Big Data의 활용 방안 - 제조 Big Data의 연계 (Data Source) - 공정 Data의 확보 및 제조 Data 분석
|
15:00 ~ 18:00 |
제조 Big Data 사례 |
Big Data의 개요 및 제조 Big Data의 활용 전략 (2) |
◾ 제조 Big Data 분석 사례 소개 - 업종별 Data 분석 및 활용 사례 소개 ◾ 과제 정의 및 분석 프로젝트 기획
|
|
3/19 (2일차) |
09:00 ~ 12:00 |
Big Data 기술 |
제조 Big Data 분석을 위한 제반 사항 |
[Computing 기술 및 Big Data Platform ] ◾ 제조 Big Data의수집,저장및 처리 기술 - Machine데이터의 실시간 수집 - In-Memory Computing,Complex Event 처리 ◾ 제조 Big Data 시각화 기술
|
13:00 ~ 18:00 |
참조 모델 자동화 |
스마트공장 적용을 위한 개념 설계 (1) |
◾ 스마트 공장 개념 설계 - 스마트 제조와 Biz. Model - 스마트공장 구축 프로세스, 스마트공장 프레임워크(SmartFactory Framework) ◾ 자동화 기반 구조 설계 - 스마트 공장 아키텍처(Architecture) 개요 - 자동화 시스템의 구성,IT&OT의 체계 구성 - 지능화 기반의 스마트 공장 구성
|
|
3/25 (3일차) |
09:00 ~ 12:00 | PLM | 스마트공장 적용을 위한 개념 설계 (2) |
◾ 제품개발 프로세스(PLM) 최적화 - PLM의 데이터 정의(제품, 공정, 공장, 자원) - 인터페이스를 위한 개념 설계 - Enterprise 솔루션 관점의 PLM-MES/MOM 연계 방안
|
13:00 ~ 18:00 | 공정 제조 운영 | 제조 운영 효율화를 위한 기반 구조 설계 |
◾ 제조 운영 Data의 종류와 확보 방법 (자동 및 수동 집계) ◾ 이력 관리 Data 집계 시스템 항목 구체화/세분화 - 부적합/설비고장/금형 수리/가공 Tool 점검/치공구 관리 ◾ 가동실적 Data의 입력 자동화/간소화 ◾ 품질/설비 Data의 자동 확보 방법과 분석 및 최적화 ◾ 자재 Data의 분석과 재고/SCM 가시화 및 최적화
|
|
3/26 (4일차)
|
09:00 ~ 13:00 | Big Data | Data 분석을 위한 Big Data 설계 및 적용 방법론 (1) |
◾ 스마트 공장 구축을 위한 데이터와 환경의 이해 ◾ 데이터 팩토리를 위한 IT 및 OT 인프라 아키텍처 ◾ 제조 데이터를 처리하기 위한 요구 조건 ◾ 제조 데이터를 활용한 데이터 팩토리 구축 사례
|
14:00 ~ 18:00 | Big Data API | Data 분석을 위한 Big Data 설계 및 적용 방법론 (2) |
◾ 제조 데이터 처리 솔루션의 종류와 이해 ◾ 생산/설비/품질 데이터별 차이점과 적용 솔루션 ◾ IT-OT 인프라 연동을 위한 API의 개발 방법론
|
|
4/1 (5일차)
|
09:00 ~ 15:00 | AI | 인공지능 개념을 도입한 데이터 활용과 가시화 (1) |
◾ 데이터 수집-필터링-마이닝-머신러닝 ◾ RawData 수집 방안 (아날로그/디지털 데이터) ◾ 데이터 마이닝과 데이터 라벨링 ◾ 데이터 머신러닝과 예지보전을 위한 추론 이해
|
15:00 ~ 18:00 | BI | 인공지능 개념을 도입한 데이터 활용과 가시화 (2) |
◾ 데이터의 가시화 (BI에서 AI 까지) ◾ TensorFlow, Pytorch를 활용한 머신러닝 결과 도출
|
|
4/2 (6일차) |
09:00 ~ 18:00 | 분석 실습 | 분석 툴(JMP) 기반의 제조 Big Data 분석 및 활용 |
◾ 분석 Tool(JMP)을 사용한 Data 변환및 분석 - 데이터 가져오기, 결측치 분석 및 처리, 이상치 분석 및 처리 ◾ 데이터의 시각화 실습 - 분포 그림, 그래프 빌더, 평행 그림, 산점도행열, 3차원 산점도, 버블 그림, 트리 맵 ◾ 다변량 분석 - 변수 선별, 주성분 및 요인 분석, 군집 분석 ◾ 머신 러닝을 적용한 데이터 분석 실습 - 다중회귀분석, 인공 신공망, 의사결정나무 ◾ Big Data 분석 사례 연구 - 의료 산업, 시장 수요 예측, 공공 데이터, PCB 공정, 화학 산업 품질 데이터 분석 등
|
※ 상기 일정은 사정에 따라 일부 변경될 수도 있습니다.