일정

분야

과목명

주요 교육 내용

날짜

시간

4/11

(1일차)

분석 기법 및 성능 지표

  제조 Big Data 및 AI 개요

 ◾ 제조 Big Data의 개요

   - 제조 Big Data의 개요 및 특징

   - 제조 Big Data와 Digital Transformation 관계 및 활용

   - 제조 Big Data 및 데이터 셋

   - 제조 Big Data 활용 전략 수립

 ◾ 인공지능 기술의 이해

   - 인공지능, 머신러닝, 딥러닝의 개념

   - 머신러닝 기술의 이해 : 지도/비지도/준지도 학습, 강화학습 등

   - AI 성능을 판별하기 위한 지표 : Accuracy, Precision, F1 score 등

4/12

(2일차)

제조 데이터 수집 및 인프라 구성

 제조 데이터 분석 및 제조 AI 활용을 위한 사전 준비

 ◾ 제조 데이터의 범위 및 수집 방안

   - IIoT, OPC UA 등 수집 방법

   - 제조 Big Data의 연계(Data Source) 및 수집/저장
   - 제조 IT 시스템(ERP, MES, SCM 등), 설비/PLC, 품질 데이터 확보 방안

 ◾ 빅 데이터 플랫폼 인프라 구성

Data Mart, Mata Lake, 통합 DB

4/18

(3일차)

 ◾ 제조 데이터의 개요 및 제조 현장 분석

   - 제조 현황 및 이슈 제시, 시스템 및 주요 공정 등 현황 파악, 현업 요구사항 반영

   - 문제 정의 및 문제 해결을 위한 개선 방향 도출

   - AI를 통한 분석 주제 선정 : 대상 공정 및 설비 기준, AI 도입 목적 명확화

 ◾ AI를 활용한 데이터 분석 방법의 Case Study 1

   - 시계열 센서 및 영상 데이터 활용 방안

   - 공정간 데이터의 상관관계 분석

   - 설비(프레스, CNC 등) 데이터 분석

   - 외관검사 및 품질 검사 데이터 분석

4/19

(4일차)

 [노트북 지참]

 ◾ 적용 AI 솔루션 검토 및 선정

   - AI 솔루션 구축 프로세스의 이해

   - 프로젝트 기획(공정 분석, 시스템 알고리즘 설계/AI 모델 설계) → 데이터 수집 (데이터 셋 구축) → 시스템 구축(알고리즘, AI 모델링, 학습/테스트)

   - 목표 시스템 전체 구조 설계 : AI 솔루션 S/W 및 알고리즘, 분석 흐름 제시(Input-Process-Output), H/W 구성, 솔루션 기능 구성

   - 목표 및 성과지표(KPI) 설정 (정량적/정성적)

4/25

(5일차)

PoC 수행 계획 및 실행

 문제 해결을 위한 AI 솔루션 실증 1

 [노트북 지참]

 ◾ AI 솔루션 적용을 PoC(Proof of Case) 수행 계획 수립

   - PoC 수행 계획서 작성

   - 단계별 수행 계획 수립 : 분석/설계-구축(현장 적용)-결과 도출

 ◾ AI 솔루션 PoC 적용

   - AI 솔루션 적용 : 알고리즘 적용 및 AI 모델링, 학습/테스트

 ◾ AI를 활용한 데이터 분석 방법의 Case Study 2

   - 설비 이상 조기 감지 및 운영 최적화, 품질 이상 탐지/진단, 실시간 품질 공정 제어

4/26

(6일차)

 [노트북 지참]

 ◾ AI 분석 데이터 가시화

   - 데이터 분포 확인 및 전처리

   - POC 결과 도출 및 성과 분석 : AI 모델링, 성능 확인

 ◾ 향후 AI 솔루션 확대 적용 방안

   - AI 적용의 한계와 솔루션 적용 방안

   - 적용 범위, 수행 일정, 구축 비용 등