Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2005-0461(Print)
ISSN : 2287-7975(Online)
Journal of Society of Korea Industrial and Systems Engineering Vol.41 No.3 pp.176-185
DOI : https://doi.org/10.11627/jkise.2018.41.3.176

Process and Quality Data Integrated Analysis Platform for Manufacturing SMEs

Hye-Min Choe*, Se-Hwan Ahn*, Dong-Hyung Lee**, Yong-Ju Cho*†
*KITECH Smart Manufacturing Technology Group,
**Dept. of Industrial & Management Engineering, Hanbat National University
Corresponding Author : yjcho@kitech.re.kr
31/07/2018 18/09/2018 19/09/2018

Abstract


With the recent development of manufacturing technology and the diversification of consumer needs, not only the process and quality control of production have become more complicated but also the kinds of information that manufacturing facilities provide the user about process have been diversified. Therefore the importance of big data analysis also has been raised. However, most small and medium enterprises (SMEs) lack the systematic infrastructure of big data management and analysis. In particular, due to the nature of domestic manufacturing companies that rely on foreign manufacturers for most of their manufacturing facilities, the need for their own data analysis and manufacturing support applications is increasing and research has been conducted in Korea. This study proposes integrated analysis platform for process and quality analysis, considering manufacturing big data database (DB) and data characteristics. The platform is implemented in two versions, Web and C/S, to enhance accessibility which perform template based quality analysis and real-time monitoring. The user can upload data from their local PC or DB and run analysis by combining single analysis module in template in a way they want since the platform is not optimized for a particular manufacturing process. Also Java and R are used as the development language for ease of system supplementation. It is expected that the platform will be available at a low price and evolve the ability of quality analysis in SMEs.



중소중견 제조기업을 위한 공정 및 품질데이터 통합형 분석 플랫폼

최혜민*, 안세환*, 이동형**, 조용주*†
*한국생산기술연구원 스마트제조기술그룹
**한밭대학교 산업경영공학과

초록


    Ministry of Trade, Industry and Energy
    10084828

    1. 서 론

    전 세계적인 제조 트렌드의 변화로 인해 국내 제조기업 의 대내외적 환경 또한 변화하고 있다. 대외적인 변화로는 소비자의 요구와 피드백 중심의 제조가 강조되면서 이를 위한 신속한 사업재편과 최적화된 양산시스템을 구축하는 ‘Time to Market’이 강조됐고[5], 데이터 수집을 통한 기존 공정과 제품에 대한 명확한 분석의 중요성이 높아졌다[1, 4]. 한편 데이터에 의거한 국내 제조기업의 품질개선활동 은 제조 트렌드의 변화와 ICT 기술발전에 비해 미흡한 수 준이다[8]. 대기업과 그 1차 협력사의 경우, 자본과 인력투 자로 자체적인 데이터 분석역량을 갖출 수 있었지만 중소 중견 제조기업의 경우 앞선 두 가지 인프라가 모두 부족한 경우가 대부분이었다. 또한 제조 설비 대부분을 외산에 의 존하고 있는 국내 제조기업을 위한 국내 공정 및 품질관리 SW도 취약하기 때문에 HW, SW 모두 외산을 도입할 시 에는 부담이 가중될 수밖에 없는 상황이다[2, 5]. 이러한 대내외적인 상황을 고려하였을 때 국내 중소중견 제조기 업의 경쟁력 확보를 위해 자체적인 제조 데이터 분석과 이를 통한 품질관리 수행이 가능한 시스템에 대한 요구는 계속 증가할 것이다[7].

    연구에서는 제조기업의 산업별 공통 품질유형 정의를 통한 템플릿 기반의 분석이 가능하며, WEB 버전과 C/S (Client-Server)버전의 두 가지 애플리케이션을 동시 지원 하는 제조 현장 중심의 공정 및 품질 통합 분석 플랫폼을 제안한다. 특히 사용자가 원하는 분석 내용과 데이터 특 성에 따라 개별 분석 모듈을 자유롭게 조합한 그룹인 분 석 템플릿과 DB로부터 실시간으로 제조 데이터를 로딩 하여 분석하는 실시간 관리도 모니터링은 기존 품질 분석 애플리케이션과의 차별점이라고 할 수 있다.

    본 논문의 구성은 다음과 같다. 제 2장에서는 제조 데 이터를 활용한 통계적 품질분석을 수행하는 SQC 시스템 에 관한 연구에 대해 설명하고, 제 3장에서는 본 연구에 서 제안하는 분석 모듈과 템플릿의 개념, 관리도를 활용 한 실시간 모니터링, 통합 분석 플랫폼 애플리케이션에 대해 설명한다. 제 4장에서는 향후 통합 분석 플랫폼을 활용한 향후 연구방향 등을 제시했다.

    2. SQC(Statistical Quality Control)

    통계적 품질관리(SQC)는 품질경영(QMS)의 4가지 요건 [11] 중 제조부분에 해당하는 품질관리와 품질향상의 업무 를 지원하는데, 이를 위해 표본추출, 공정능력분석, 실험계 획법, 통계적 공정관리(SPC)를 수행한다(<Figure 1> 참조). 특히 SPC는 시간에 따른 생산공정 활동의 변화를 모니터 링을 통한 보편적인 제조공정의 통계분석 수단으로 활용됐 으며, 대표적으로 관리도 기법이 있다[15].

    제조현장 IIoT(Industrial Internet of Things) 적용을 통 한 설비의 정보시스템화는 기존 SQC 시스템의 기능과 성 능을 만족하며 유연성, 확장성을 갖춘 관리체계 개발을 앞당겼다. 최신 SQC 연구의 트렌드는 제조 빅데이터 지 식 기반의 통합 시스템으로 요약할 수 있다. 과거 SQC 시 스템의 기본형은 Client-Server(C/S) 형태였지만, 최근에는 사용자의 시스템 접근성과 유연성 개선, 이기종 설비 간 의 데이터 취합, 제조 시스템 통합, 다양한 산업의 공정 및 제품에 적용 가능한 확장성 개선 등 보다 다양하고 구체 적인 요구에 대응하기 위한 플랫폼 버전의 SQC 시스템이 지속적으로 제안됐다. 여기서 관련연구를 통해 정리된 SQC 시스템의 플랫폼 버전의 의미는 제조 데이터 분석을 위한 분석 기능 외에 이를 지원하는 다양한 부가 기능까 지 포함한 응용 프로그램이라 할 수 있다. 이에 따라 데이 터 비전문가도 신속하고 편리하게 사용할 수 있는 제조업 종 별 공정지식 체계화, 분석의 실시간성, 전 분석 프로세 스와 제조 빅데이터의 보안문제도 필요성이 높아지면서 다양한 분석지원 방식도 연구됐다.

    2.1 관련 연구

    오경제 외 1명[12]은 산업표준으로 적용하기 용이한 XML 형식 입출력 프로토콜을 지원하며 반도체, TFT/LCD 산 업에 최적화 된 웹 기반 rSPC 시스템 연구를 수행하였다. 이상화 외 1명[10]은 분석 결과 관리 및 분석 프로세스 검 색을 위한 공정관리 지식 DB 구축을 통해 제어 차트 분석 및 불량 예측 분석을 위한 규칙을 자동으로 정의하는 방법 론을 제안하고 시스템으로 구현했다. 신지인 외 1명[13] 은 공정분석에 대한 사전질문체계를 통해 관리도를 선정 하고 이를 통한 분석에 대해 AFCS(Adobe Flash Collaboration Service) 서비스와 인터넷 애플리케이션을 통해 실시 간 소통으로 공정을 관리하는 시스템을 구현했다. 안정일 [1]은 객체지향시스템 설계 기법을 사용한 REDAS 분석 시스템의 프레임워크를 제안했다. 해당 시스템은 현장의 설비와 제어시스템과 연동되어 사용자의 Know-how를 반 영한 분석 알고리즘 조합인 판단로직을 통해 측정 데이터 의 이상 유무를 판정하고 이에 대한 알림 및 피드백을 한 다. 신승준 외 2명[14]은 의사결정 메커니즘을 통한 공정 진단 및 예측, 최적화 모델링이 가능한 빅데이터 기반 오픈 소스 분석 플랫폼의 시스템 아키텍처를 제시했다. 이명수 외 2명[9]은 데이터 마이닝 방법론을 통한 지능형 품질관 리 시스템을 구현하여 사출공정 적용을 통해 성과를 검증 하는 연구를 진행했다. 전찬모 외 3명[6]은 제조 전문 라 이브러리를 통한 모델링 및 분석 수행이 가능한 Hadoop 기반 분석 플랫폼을 구현했다.

    기존 SQC 연구는 특수 목적이나 공정에 최적화되기 보다 범용 시스템으로서 MES, PLM과 같은 기존에 현장 에서 사용하고 있는 제조 애플리케이션과 통합되어 사용 할 수 있도록 다양한 버전으로 연구됐다는 것에서 의의 가 있다. 하지만 실시간 분석에 대한 프로세스나 UI 구 현 사례나 사용자 노하우에 의존하는 분석 알고리즘 선 정방식 개선을 위한 연구가 앞으로도 필요하고, Minitab, SAS, SPSS와 같은 상용 분석 시스템에서 제공하는 고급 통계분석도구를 지원하지 못하는 한계가 있었다.

    3. 공정 및 품질 통합 분석 플랫폼

    본 절에서는 중소중견 제조기업의 자체적인 데이터 분석역량 확보를 위한 공정 및 솔루션 특화 템플릿에 기 반 한 통합 분석 플랫폼을 제안한다. 본 플랫폼 운영의 개념도는 <Figure 2>와 같다.

    본 플랫폼은 기존 SQC의 품질분석 기능을 충실히 구 현하는 것에서 나아가 다음과 같은 차이점을 가진다. 데 이터의 품질분석을 수행하는 개별 모듈은 제조업 별 데 이터 특성과 공정 및 품질 문제에 최적화된 템플릿 형태 로 조합하고 XML 파일로 저장이 가능하기 때문에, 목적 에 맞는 템플릿만으로 데이터 비전문가도 쉽게 분석이 가능하다. 또한 별도의 결과 리포트를 다양한 파일포맷 으로 저장할 수 있다. 뿐만 아니라 DB 연동을 통한 실시 간 공정 관리도 모니터링과 이상치에 대한 알람으로 공 정에서 발생하는 문제에 신속히 대처가능하다. 그리고 기존에 전산 시스템이 구축되어있지 않더라도 플랫폼의 Web버전과 C/S버전만으로도 앞선 기능을 사용할 수 있 도록 모듈 엔진을 개발하였다. 본 플랫폼의 주요 특징과 기능에 대해서는 제 3.1절~제 3.2절에서 설명한다.

    3.1 템플릿 기반의 품질분석모듈

    품질분석모듈은 Web 시스템의 분석 단위이다. 다양한 계수형, 계량형 데이터와 제조 분야 전반에 활용 될 수 있는 기본적 품질개선도구, 통계분석도구, 통계적 공정관 리도, 데이터마이닝 관리도로 구성되어있으며 품질분석 모듈의 전체 리스트는 <Table 1>과 같다.

    각 모듈 엔진 및 UI 개발에는 중소중견기업을 위한 저 비용 보급과 시스템 보완의 용이성을 위해 R, Java와 같 이 오픈 소스와 무료 언어를 사용했다. 또한 분석모듈의 인터페이스는 기존 상용시스템에서 착안하되 중소중견 기업의 품질 비전문가도 쉽게 사용할 수 있도록 직관적 인 구성과 보편적인 분석 룰 및 변수의 기본값을 설정하 였다(<Figure 3> 참조).

    템플릿은 품질분석 C/S 시스템의 분석 단위이며, 복수 개의 품질분석모듈의 집합이다. 모듈들은 산업 분야별 공통적으로 발생하는 공정 및 품질불량을 개선하기 위한 목적으로 구성된다. 따라서 같은 분야 내에서도 분석 목 적 및 대상 공정에 따라 불량률 분석 템플릿, 병목구간 분석 템플릿 등 다양한 조합의 템플릿이 가능하다. 템플 릿을 실행하면 구성된 분석 모듈들의 분석 성공여부와 결과가 표시된다. 기존 상용프로그램의 경우 본 플랫폼과 직관적 인 구성과 보편적인 분석 룰 및 변수의 기본값을 설정하 였다(<Figure 3> 참조). 템플릿은 품질분석 C/S 시스템의 분석 단위이며, 복수 개의 품질분석모듈의 집합이다. 모듈들은 산업 분야별 공통적으로 발생하는 공정 및 품질불량을 개선하기 위한 목적으로 구성된다. 따라서 같은 분야 내에서도 분석 목 적 및 대상 공정에 따라 불량률 분석 템플릿, 병목구간 분석 템플릿 등 다양한 조합의 템플릿이 가능하다. 템플 릿을 실행하면 구성된 분석 모듈들의 분석 성공여부와 결과가 표시된다. 기존 상용프로그램의 경우 본 플랫폼과 동일한 기능의 분석 모듈을 모두 개별적으로 수행해야하 며, 분석 결과를 한눈에 파악하기 용이치 않다는 단점이 있었다.

    템플릿은 유형에 따라 크게 2가지로 나눌 수 있는데 (<Figure 4> 참조), 개별 모듈에 개별의 데이터를 입력하 는 단순 조합 형태인 Type 1, 내부적 논리 프로세스를 통해 다음으로 분석할 모듈을 판단 및 조합하는 Type 2 로 구분할 수 있다.이렇게 조합한 각 템플릿은 XML 파 일 형태로 저장 가능하기 때문에 제조현장 외부 PC에서 도 템플릿활용이 가능하다.

    3.2 시스템 애플리케이션

    본 플랫폼은 Web과 C/S 시스템으로 구현했다. 두 시스 템은 수행할 수 있는 기능과 데이터 입력 방식에 차이가 있지만, 상호 연계되어 기능을 수행한다. 각 시스템에 대 한 구체적인 설명은 제 3.2.1절~제 3.2.2절에서 설명한다.

    3.2.1 Web 시스템

    Web 시스템의 경우 사용자가 물리적 환경에 구애 받지 않고 접속 및 기능수행이 가능하다는 것이 가장 큰 장점이 다. 사용자정보관리, 개별 품질분석모듈 실행 및 분석 결과 조회, 템플릿 구성 및 관리, C/S 시스템을 포함한 각종 생산 및 공정분석 시스템 다운로드 기능을 대표적으로 수행하며, 품질분석 뿐만 아니라 플랫폼 지원적인 성격도 갖고 있다.

    본 플랫폼 이용은 사용자 등록을 전제로 한다. 사용자는 Web 시스템 가입과 동시의 사용자 정보가 저장된 License Key를 XML 파일로 부여받는다. 해당 License Key를 통해 로그인한 사용자는 원하는 품질분석모듈을 선택하여 CSV 데이터를 업로드하여 분석하고, <Figure 5>와 같이 결과화 면에서 데이터 테이블, Chart 그래프, 결과 메시지를 확인 할 수 있으며 Reporting 파일로 저장이 가능하다.

    사용자는 분석모듈의 수행결과를 기반으로 데이터와 분석목적에 적합한 품질분석 모듈을 <Figure 6>과 같이 조합하여 템플릿 형태로 저장 및 보관이 가능하며, 템플 릿 저장이력을 개인페이지에서 열람가능하다.

    Web 시스템 내 커뮤니티 기능은 제조업종 별 샘플 템플릿 을 비롯해 공정 및 품질분석을 위한 전문가의 조언을 구하 고 공유할 수 있는 서비스를 제공한다. C/S 시스템 및 다양 한 분석 시스템 또한 커뮤니티 내에서 다운로드 가능하다.

    3.2.2 S 시스템

    C/S 시스템은 Web 시스템에서 발급받은 사용자 License Key로 접속하기 때문에, Web 시스템과 마찬가지로 시스 템 사용이력 및 기업의 고유한 공정 데이터 보안이 가능 하다.

    Web 시스템과의 차이점 중 하나로 품질분석모듈에 데 이터 입력 방식의 차이라 할 수 있다. 본 플랫폼은 공정 데이터 관리를 위한 전산 인프라가 갖춰져 있지 않은 경 우에도 사용자가 분석을 수행할 수 있도록 고려했다. 따 라서 사용자는 Local PC에서 직접 Spread sheet를 여는 방 식과 DB 연동을 통해 데이터를 Loading하는 두 가지 방 식으로 데이터 입력이 가능하다. 본 플랫폼은 ORACLE, MS-SQL, MY-SQL, Maria의 총 4종류의 DB연동을 지원 한다. C/S 시스템 설정 메뉴에서 연동하고자 하는 데이터 타입, 서버 IP주소, DB로부터 로딩 할 데이터 개수 제한 등을 설정해준다. 그리고 이 설정을 기반으로 품질분석모 듈 및 모니터링을 수행한다.

    두 번째 차이점은 C/S 시스템에서는 템플릿 기반의 품 질분석모듈 수행으로 개별 모듈만 실행할 수 있는 Web 시스템보다 체계적인 분석이 가능하다는 것이다. C/S 시 스템에서 사용자는 품질분석 수행을 위해 신규 템플릿을 분석 목적에 맞게 명명하고 원하는 모듈을 추가한다. 그 리고 각 모듈별로 분석 데이터와 분석 룰을 설정해주고 실행버튼을 누르면 템플릿 내 전체 모듈이 동시에 분석이 실행되고, Web 시스템과 동일한 개별 분석결과를 확인할 수 있다(<Figure 7> 참조). 또한 템플릿 명칭, 분석일시, 분석 모듈 목록과 개요, 분석 결과정보를 Crownix Report Designer를 통해 파워포인트, 엑셀, MS word, RTF, HTML 포맷으로 결과리포트 저장이 가능하다.

    세 번째 차이점은 관리도를 별도의 ‘모니터링’ 메뉴로 분리하여 DB 데이터 로딩과 모듈 내 추가적인 논리 프로 세스를 통해 실시간 분석이 가능한 것이다. 기존 품질분 석모듈 관리도의 경우 사용자가 데이터를 수동으로 입력 해줘야 한다. 하지만 모니터링은 템플릿 타입 2 방식의 모듈(<Figure 8> 참조)로서, 앞선 C/S 시스템 설정 내 DB 설정을 통해 저장된 공정데이터를 자동으로 불러올 수 있다. 불러온 데이터는 정규성 여부를 판단하는 검정을 수행한 뒤에 만약 데이터가 정규성을 만족하지 못할 경우 Box-Cox 변환을 수행하도록 논리 프로세스를 추가하였 다. 정규성 여부를 판단한 데이터에 대해서 직후 관리도 분석을 수행한다. 모니터링의 결과화면은 <Figure 9>와 같으며, 데이터 로딩 현황에 대한 상태그래프와 공정능력 분석(Cp, Cpk, Pp, Ppk, CPM, PPM), 해당 관리도 결과그 래프, 관리도 이상 지점 경보의 내용이 표시된다.

    4. 통합형 분석 플랫폼 적용사례

    4.1 BLDC 정밀모터 조립 테스트베드 현황

    본 플랫폼의 적용사례 대상인 BLDC 정밀모터 조립 테 스트베드는 개발된 기술을 시험 및 검증하는 용도로써 한 국생산기술연구원에서 운영 중이다. 테스트베드로의 자 동화 공정으로부터 설비, 환경 센서 및 전기 IoT를 통해 수집한 데이터는 DB에 저장되며 전체 리스트는 <Table 2>와 같다.

    4.2 플랫폼을 활용한 분석절차 연구

    정밀모터 조립 테스트베드에서 생산된 모터 완제품에 실시하는 성능, 비젼 검사에서 수집된 CSV 파일 형식의 Pressure, RPM, Vision 샘플 데이터에 대해서 품질분석을 위한 템플릿을 생성하여(<Figure 10> 참조) 관리도 분석 을 실시하였다.

    관리도의 사용 목적은 생산 공정로부터 수집한 샘플 데 이터 분석을 통해 제품의 품질을 모니터링하여, 공정의 정 상적 작동여부와 공정을 고정된 목표로 유지하며 변화를 최소화하기 위함이다. 관리도 결과에 따라 문제가 있는 경 우 적합한 개선 활동을 통해 결함을 예방하도록 한다[3].

    Pressure, RPM 데이터는 한 개의 모터에 대해 연속적으 로 수집된 값을 한 개의 서브그룹으로 하며, 25개 샘플에 대한 x-R 관리도 분석을 실시하였다. Vision 데이터는 모터 의 직경과 케이스 길이, 총 2가지의 데이터가 수집되고, 119개 샘플에 대한 x 관리도 분석을 실시하였다. 본 플랫폼 은 향후에도 지속 보완할 예정의 시스템으로 현재 분석할 수 있는 데이터 개수의 제한이 있기 때문에 부득이 분석에 사용된 서브그룹 개수의 차이가 있음을 명시한다

    x-R 관리도를 통해 Pressure, RPM 계량치의 평균값(x) 과 분산(R)을 분석한 결과는 <Figure 11>~<Figure 12>와 같다. Pressure의 경우 관리 한계치를 벗어난 Pressure 평 균값의 2, 4 서브그룹, 분산의 1, 2 서브그룹을 제외한 다 른 값들은 안정적인 결과를 보였다. 하지만 RPM의 경우 분산과 대비해 지나친 평균값의 편차로 공정에 대한 개선 이 시급하며, RPM 측정당시의 전압과 전류 값이 RPM의 측정치에 유의한 영향을 주었는지에 대한 추가적인 분석 또한 필요한 것으로 판단된다.

    x 관리도를 통한 Vision 데이터 분석결과는 <Figure 13>~ <Figure 14>, 119개 모터의 직경과 케이스 길이는 각각 64, 71, 94번 샘플과 75, 103, 104, 105번 샘플만 관리한계 선을 벗어나고 전반적으로 안정된 관리 상태를 보였다.

    결론적으로 관리도 분석을 통해 관찰 된 문제의 원인 을 분석한 후, 관리 한계를 이탈한 샘플을 제거 후 다시 관리도를 그려서 품질 특성치에 대한 모니터링을 지속할 필요성이 있다.

    5. 맺음말

    5.1 시사점 및 기대효과

    국내 중소중견제조기업의의 대부분의 현장에서는 시 스템 구축이나 전문적인 데이터 분석 없이 최종 제품에 대한 검수나 간단한 샘플링 검사 등으로 품질관리를 대 체하는 경우가 많다. 이는 데이터 분석의 필요성은 인지 하고 있지만 인프라 구축을 위한 자본과 품질전문 인력 투입에 대한 제약이 크기 때문이다. 따라서 본 연구내용 인 공정 및 품질분석 통합 플랫폼은 제조분야 별 공통 품질불량 유형을 템플릿으로 체계화하여 쉽고 직관적인 분석 솔루션, 현장중심의 솔루션으로서 중소중견기업의 품질경쟁력 향상에 기여할 수 있을 것이다. 또한 시스템 구현에 있어서 무료 언어와 오픈소스, 산업표준 적용에 용이한 XML 포맷의 보안키 등을 활용함으로써 저 비용 으로 보급이 가능할 것으로 기대한다.

    5.2 향후 연구방향

    본 플랫폼은 공정 및 제품 품질분석 역량이 부족한 국 내 중소중견기업을 위한 SQC 시스템으로서, 데이터 비 전문가도 쉽게 분석 가능한 템플릿 시나리오가 핵심이다. 이를 위해서 본 플랫폼의 적용 사례 수집을 통한 산업 분 야별 분석 샘플 템플릿 개발과 MES, POP와 같은 제조 애플리케이션과의 연동방안에 대한 연구가 필요하다. 또 한 향후 보다 완전한 SQC 시스템으로서의 성능 보완을 위해 실험계획법 품질분석 모듈을 추가적으로 개발할 예 정이다.

    Acknowledgements

    This work was supported by the Technology Innovation Program (10084828, Development of IIoS Platform Internet of Service) funded By the Ministry of Trade, Industry & Energy.

    Figure

    JKISE-41-176_F1.gif

    Components of SQC

    JKISE-41-176_F2.gif

    The Concept of Platform

    JKISE-41-176_F3.gif

    Differences in the Setting Window

    JKISE-41-176_F4.gif

    Type of Template

    JKISE-41-176_F5.gif

    Quality Analysis on Web System

    JKISE-41-176_F6.gif

    Download Template from Web System

    JKISE-41-176_F7.gif

    Quality Analysis on C/S System

    JKISE-41-176_F8.gif

    Flow Chart of Control Chart Process

    JKISE-41-176_F9.gif

    x−R Chart Monitoring

    JKISE-41-176_F10.gif

    Template for BLDC Motor Quality

    JKISE-41-176_F11.gif

    x−R Chart Result for Motor Pressure

    JKISE-41-176_F12.gif

    x−R Chart Result for Motor RPM

    JKISE-41-176_F13.gif

    x Chart Result for Motor Diameter Vision

    JKISE-41-176_F14.gif

    x Chart Result for Motor Case Vision

    Table

    List of Analysis Modules

    Data Types in DB Fields

    Reference

    1. Ahn, J.I. , Study on the Data Analysis System for Quality Management of Automation Manufacturing Process [master's thesis], [Seoul, Korea] : Soongsil University,2014.
    2. Chung, S.Y. , Jeon, J.Y. , and Hwang, J.J. , Standardization Strategy of Smart Factory for Improving SME's Global Competitiveness , Journal of Korea Technology Innovation Society, 2016, Vol. 19, No. 3, pp. 545-571.
    3. Dudek-Burlikowska, M. , Quality estimation of process with usage control charts type X-R and quality capability of process Cp, Cpk, Journal of Materials Processing Technology, 2005, Vol. 162, No. AMPT/AMME05, pp. 736-743.
    4. Gu, B.J. , Lee, J.S. , Lee, M.H. , and Son, S.H. , Domestic Smart Manufacturing Policy, Support Status and ImprovementPlan, KISTEP Issue Weekly 2018-01, 2018, Vol. 219, pp. 1-34.
    5. Joint Ministry of Korea, Manufacturing innovation 3.0 Strategy implementation measures, 2015.
    6. Jun, C.M. , Kim, B.H. , and Lee, J.Y. , A Big Data Analysis Platform based on the Manufacturing Specialized Library : A Case Study on Implementation of the Platform for Quality Problems , Journal of the Korean Instituteof Industrial Engineers, 2017, Vol. 43, No. 5, pp. 380-387.
    7. Kang, C.W. , Sim, S.B. , and Lee, B.J. , Development of Basic SPC Software for Small and Medium Industry, Proceeding Autumn Korea Industrial and Systems Engineering, 2002, pp. 450-455.
    8. Lee, H.B. and Lee, O. , Study on the Informatization Policy Evaluations and Directions for Small and Medium Enterprises(SMEs), Journal of the Korea Academia- Industrial Cooperation Society, 2016, Vol. 17, No. 10, pp. 655-665.
    9. Lee, M.S. , Kim, K.S. , and Shin, M.J. , Intelligent Quality Management System for Injection Industry , Proceeding of Spring and Autumn the Korean Society of MechanicalEngineers, 2016, pp. 2805-2810.
    10. Lee, S.H. and Lee, S.H. , A knowledge-management based process analysis system design through the classificationof analysis parameters , International Journal of Precision Engineering and Manufacturing, 2012, Vol. 13, No. 8, pp. 1419-1424.
    11. Montgomery, D.C. , Introduction to Statistical Quality Control., 6th ed., USA : John Wiley & Sons, Inc., 2009. pp. 16-17.
    12. Oh, K.J. and Han, S.Y. , Web Based rSPC System Supporting XML Protocol , The KIPS Transactions : Part A, 2003, Vol. 10, No. 1, pp. 69-74.
    13. Shin, J.I. and Lee, S.H. , A Development of the Webbased Statistical Process Control System for Small and Medium Industries , Proceeding of Society for Computational Design and Engineering, 2012, pp. 246-251.
    14. Shin, S.J. , Woo, J.Y. , and Seo, W.C. , Developing a Big Data Analytics Platform Architecture for Smart Factory , Journal of Korea Multimedia Society, 2016, Vol. 19,No. 8, pp. 1516-1529.
    15. Woodall, W.H. , Controversies and Contradictions in Statistical Process Control , Journal of Quality Technology, 2000, Vol. 32, No. 4, pp. 341-350.