일정

분야

과목명

주요 교육 내용

날짜

시간

1/30

(1일차)

제조 Big Data 개요

  Big Data의 개요 및 제조 Big Data의 활용 전략 (1)

 ◾ 제조 Big Data의 개요 및 기획

   - 제조 Big Data의 개요 및 특징

   - 제조 Big Data와 Digital Transformation 관계 및 활용

   - 제조 Big Data 활용 전략 수립

 ◾ 제조 Big Data의 활용 방안

   - 제조 Big Data의 연계 (Data Source) 및 수집/활용 방안

   - 공정 Data의 확보 및 제조 Data 분석

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

 ◾ 분석 과제 정의 및 분석 프로젝트 기획

1/31

(2일차)

공정/제조 운영 데이터

 제조 운영 효율화 기반 제조 공정 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

2/6

(3일차)

 ◾ 데이터 팩토리 구축 사업의 방향성 및 사전 준비 사항

 - 스마트 공장 구축 선진 사례 연구 및 시사점

 ◾ 제조 데이터의 범위 및 수집 방법 연구

   - IIoT, OPC UA, Cloud, KAMP

 ◾ 제조 데이터 기반의 제조 시스템(ERP, MES, SCM 등) 구축

 ◾ 제조 데이터 수집을 통한 빅 데이터 분석 및 활용

2/7

(4일차)

 [노트북 지참]

 ◾ 자재 Data의 분석과 재고/SCM 가시화 및 최적화

 ◾ 제조 빅데이터 개념 설계

  - 트렌드와 요구사항

 ◾ 제조 빅데이터 처리 솔루션

  - 제조 빅데이터 저장 솔루션과 활용 사례

 ◾ 제조 빅데이터 가치 창출 방안

  - 솔루션 도입시 고려 사항

2/13

(5일차)

AI/데이터 분석 및 시각화

  인공지능 개념을 활용한 데이터 분석 및 가시화

 [노트북 지참]

 ◾ 데이터 분석과 인공지능의 이해

   - 데이터 분석 기법의 변화

   - 산업에서 빅 데이터 문제해결 방법론

 ◾ 데이터 시각화 Tool

   - Seaborn을 이용한 데이터 시각화

   - Plotly를 활용한 데이터 시각화 및 업무 자동화

 ◾ 기계학습의 이해 (Sklearn 라이브러리 활용)

 ◾ 지도학습의 이해와 실습 (회귀 분석, 분류 모델 분석, Tree 구조 알고리즘)

 ◾ 기계학습 모델 평가

   - 기계학습을 이용한 예측 모델(AI)

   - 스마트 공장 구축 선진 사례 연구 및 시사점

2/14

(6일차)

 [노트북 지참]

 ◾ 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, 공공 데이터, PCB 공정, 화학 산업 품질 데이터 등