KR102608631B1 - 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 - Google Patents
빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 Download PDFInfo
- Publication number
- KR102608631B1 KR102608631B1 KR1020210099941A KR20210099941A KR102608631B1 KR 102608631 B1 KR102608631 B1 KR 102608631B1 KR 1020210099941 A KR1020210099941 A KR 1020210099941A KR 20210099941 A KR20210099941 A KR 20210099941A KR 102608631 B1 KR102608631 B1 KR 102608631B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- business
- learning
- client
- analysis
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000013480 data collection Methods 0.000 claims abstract description 25
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 230000000737 periodic effect Effects 0.000 claims abstract description 4
- 238000000746 purification Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 238000013515 script Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 35
- 238000007726 management method Methods 0.000 description 34
- 238000004519 manufacturing process Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템에 관한 것으로, 해결하고자 하는 과제는 기존의 IT 솔루션 시스템으로부터 제공되지 않았던 다양한 정보와 문제점이나 오류를 도출 및 분석하고, 보다 정확하고 효율적인 개선 방안을 제시하며, 클라이언트 별로 최적화된 맞춤 운영 관리 정보와 사업 운영 시 필요한 의사결정을 지원하기 위한 정보를 제공하는데 있다.
일례로, 다수의 클라이언트 서버로부터 비즈니스 데이터를 실시간으로 또는 주기적으로 각각 수집하는 데이터 수집부; 상기 비즈니스 데이터에 대한 전처리와 정제를 통해 표준화하고, 표준화된 비즈니스 데이터에 대한 실시간 또는 주기적 분석을 통해 빅데이터를 구축하는 빅데이터 분석부; 상기 빅데이터 분석부를 통한 비즈니스 데이터 분석 결과를 학습 데이터로서 제공 받고, 인공지능 알고리즘을 이용하여 상기 학습 데이터에 대한 학습 모델을 생성하고, 생성된 학습 모델을 통해 기계 학습을 수행하며, 상기 학습 모델과 학습 결과를 저장 관리하는 데이터 학습 관리부; 및 클라이언트의 비즈니스관리시스템으로부터 BES 데이터를 획득하고, 상기 학습 모델과 학습 결과를 이용하여 상기 BES 데이터에 대하여 클라이언트 별로 최적화된 비즈니스활동 관리정보를 제공하는 인공지능 솔루션 제공부를 포함하는 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 개시한다.
일례로, 다수의 클라이언트 서버로부터 비즈니스 데이터를 실시간으로 또는 주기적으로 각각 수집하는 데이터 수집부; 상기 비즈니스 데이터에 대한 전처리와 정제를 통해 표준화하고, 표준화된 비즈니스 데이터에 대한 실시간 또는 주기적 분석을 통해 빅데이터를 구축하는 빅데이터 분석부; 상기 빅데이터 분석부를 통한 비즈니스 데이터 분석 결과를 학습 데이터로서 제공 받고, 인공지능 알고리즘을 이용하여 상기 학습 데이터에 대한 학습 모델을 생성하고, 생성된 학습 모델을 통해 기계 학습을 수행하며, 상기 학습 모델과 학습 결과를 저장 관리하는 데이터 학습 관리부; 및 클라이언트의 비즈니스관리시스템으로부터 BES 데이터를 획득하고, 상기 학습 모델과 학습 결과를 이용하여 상기 BES 데이터에 대하여 클라이언트 별로 최적화된 비즈니스활동 관리정보를 제공하는 인공지능 솔루션 제공부를 포함하는 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 개시한다.
Description
본 발명의 실시예는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템에 관한 것이다.
제조업에 있어서 공장자동화(Factory Automation)는, 업체 또는 제품의 경쟁력을 제고하는데 중요한 투자요소이다. 산업혁명 초기에는 대량 생산(Mass Production)이라는 하나의 장점만으로도 산업적 성공을 기대할 수 있었다. 그러나, 사회구조가 복잡해짐에 따라서 인간 생활의 형태도 다양해져서, 재화의 종류와 형태도 매우 복잡하게 분화되고 있으며, 통신과 교통의 발달로 재화에 대한 무형의 정보 자료뿐만 아니라, 재화 자체의 이동도 전 세계적으로 가능해지고 있다. 따라서, 국가간 교역에 크게 의존할 수 밖에 없는 우리 나라의 제조 산업은, 이렇게 급변하고 있는 세계 시장 상황에 효과적 대처해야 할 필요성이 절실하다.
제조업에서의 공장자동화 또는 정보화 시스템은, 제품 생산에 있어서 급변하는 시장 상황에 신속히 대처할 수 있는 적응력과, 전세계 시장 수요를 감당할 수 있을 정도의 생산능력의 적절한 융합에 필수적인 투자대상이다.
대표적인 제조업의 IT 솔루션에는 제조실행시스템(MES, Manufacturing Execution System), 전사적자원관리(ERP, Enterprise Resource Planning) 등이 있다. MES는 생산관리 시스템으로 데이터 수집은 데이터 관리 및 분석 모듈이 제공되어 기업에서 생산관리 역할을 수행한다. ERP는 전사적 자원관리로 ERP를 설치한 기업은 재무, 회계, 인사, 생산관리 등 전사를 관리할 수 있어야 하는데 주로 재무, 회계, 인사 관련 분야에 활용도 집중되어 있다.
하지만 국내 제조업체의 90%이상을 차지하고 있는 중소기업에서는, 이와 같은 상용화된 IT 솔루션을 이용하여 "공장자동화"를 현업에 적용하고 실질적인 효과를 얻기 위해서는 여러 가지 어려운 문제점이 있다.
인적, 물적 자원 투입에 한계가 있는 중 소기업에서 적용하기에는 많은 어려움이 있다. 이들 시스템을 구축하기 위해서 필요한 H/W, S/W 시스템은 매우 고가일 뿐만 아니라 전산 시스템에 대한 지식을 보유한 전문가들이 관리하여야 한다. 더불어 최근 심각해 지고 있는 전산 자료의 보안을 위해서는 보안 전문가의 도움이 반드시 필요하다.
또한, 앞서 언급한 MES, ERP 등의 상용 솔루션들은, 다양한 형태의 기업구조와 기업네 생산 시스템에 완전히 매칭되지 않기 때문에, 기업체에서 이들 시스템을 구축하여 현업에서 활용함에 있어서 한계가 있다. 즉, 종래의 공장자동화 또는 기업정보화 시스템은 H/W와 S/W를 클라이언트 업체에 설치하고, 클라이언트 업체 자체적으로 운영과 활용을 담당함으로써, 많은 인적 물적 투자가 어려운 중소기업에서는 시스템 구축 또는 활용에 큰 어려움이 있다.
최근에는 일반 가정에서 사용하는 가전 제품 중에, 통상 정보, 통신과 관련된 기기로 인식되고 있는 TV와 컴퓨터 등은 물론이고, 냉장고와 에어컨 및 냉난방시설까지, IoT(Internet of Things)이라는 확장된 정보시스템의 테두리 안에서, 원격제어가 가능해지고 있다. 뿐만 아니라 갈수록 막강해지는 정보통신장치와 시스템, 그리고 인공지능으로 대변되고 있는 최근의 S/W 기술을 이용하여, 과거에는 상상할 수 없던 방대한 양과 종류 및 처리 속도를 갖는 빅데이터(Big Data) 기술의 발전이 가속화 되면서 인간 생활에 대한 분석과 예측이 기계와 컴퓨터에 의해 가능해지고 있으며 정확도도 높아지고 있다.
해외 선진국과 그리고 선진 업체들은 이러한 첨단 기술과 오랜 경험을 바탕으로 날로 막강한 경쟁력을 보유한 기업 생태계를 구축하고 있다. 그러나 우리 나라 기업상황은, 근로 시간이 OECD 국가 중에 상위에 속하는 상황에서 알 수 있듯이, 재화의 생산에 있어서 능률과 효율의 측면에서는 우수한 경쟁력을 갖추지 못하고 있으며, 특히 국가 전체가 세계 1위의 정보화 시스템을 구축하고 있으면서도, 국내 기업의 대다수를 차지하고 있는 중소기업에서 "정보화"는 실질적인 효용성이 없다고 해도 과언이 아니다.
따라서, 종래의 자동화 및 정보화 솔루션이 단순한 H/W 또는 S/W 판매에 그치고 있는 현실을 개선한 새로운 형 태의 기업형 정보화 솔루션이 필요한 상황이다. 즉, 클라이언트 업체의 생산 현장에 비치된 생산 설비 및 정보 입출력 설비에서 생성되는 4M 데이터(Man, Machine, Material, 그리고 Method)와 기업이나 제품정보, 설비운영 및 작업내용정보를 포함하는 정형 비정형의 빅데이터(Big Data)를 수집하고, 빅데이터 분석과 이를 이용한 스마트공장운영관리솔루션을 제공하는 새로운 형태의 스마트 공장 운영 관리(FOM, Factory Operation Management) 솔루션 비즈니스 모델 개발이 요구된다.
또한, 이러한 분석에 필요한 빅데이터 처리용 서버(Server)를, 클라이언트 업체의 관리구역 외부에 설치하며, 이들 시스템이 국내의 우수한 정보통신망을 이용하여 클라이언트 업체와 서비스 제공업체와 유, 무선으로 연결하여, 서비스 제공 업체 소속의 관련 전문가들이 서버의 일반관리 뿐만 아니라 빅데이터 분석, 그리고 FOM 솔루션 분석까지 전담함으로써, 클라이언트 업체에 현업에 적용 가능한 실질적인 정보화 데이터와 분석데이터를 제공함과 동시에, 이러 한 운영에 필요한 인적, 물적 부담을 줄임으로써, 중소 기업경쟁력 재고에 매우 효과적인 새로운 형태의 스마트 공장 운영 관리(FOM, Factory Operation Management) 솔루션 비즈니스 모델 개발에 대한 필요성이 있다고 판단된다.
본 발명의 실시예는, 클라이언트 업체의 산업현장에서 실시간 또는 주기적으로 수집되는 데이터를 수집하고 분석하여 빅데이터를 구축하고, 구축된 빅데이터를 인공지능 알고리즘에 기반하여 학습시켜 다양한 학습 모델과 학습 결과를 생성 및 관리하며, 이를 기반으로 클라이언트 업체의 IT 솔루션 시스템과 연동해 이를 통해 얻은 각종 비즈니스 데이터들을 학습 모델과 학습 결과를 토대로 인공지능 솔루션을 제공함으로써 기존의 IT 솔루션 시스템으로부터 제공되지 않았던 다양한 정보와 문제점이나 오류를 도출 및 분석하고, 보다 정확하고 효율적인 개선 방안을 제시하며, 클라이언트 별로 최적화된 맞춤 운영 관리 정보와 사업 운영 시 필요한 의사결정을 지원하기 위한 정보를 제공하는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 제공한다.
본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템은, 다수의 클라이언트 서버로부터 비즈니스 데이터를 실시간으로 또는 주기적으로 각각 수집하는 데이터 수집부; 상기 비즈니스 데이터에 대한 전처리와 정제를 통해 표준화하고, 표준화된 비즈니스 데이터에 대한 실시간 또는 주기적 분석을 통해 빅데이터를 구축하는 빅데이터 분석부; 상기 빅데이터 분석부를 통한 비즈니스 데이터 분석 결과를 학습 데이터로서 제공 받고, 인공지능 알고리즘을 이용하여 상기 학습 데이터에 대한 학습 모델을 생성하고, 생성된 학습 모델을 통해 기계 학습을 수행하며, 상기 학습 모델과 학습 결과를 저장 관리하는 데이터 학습 관리부; 및 클라이언트의 비즈니스관리시스템(BES)으로부터 BES 데이터를 획득하고, 상기 학습 모델과 학습 결과를 이용하여 상기 BES 데이터에 대하여 클라이언트 별로 최적화된 비즈니스활동 관리정보를 제공하는 인공지능 솔루션 제공부를 포함한다.
또한, 상기 생산활동관리정보를 시각화하고, 클라우드 서비스를 통해 클라이언트에게 각각 제공하는 시각화 서비스 제공부를 더 포함할 수 있다.
또한, 상기 클라이언트 서버에 각각 설치되어 상기 비즈니스 데이터를 저장 및 관리하고, 상기 데이터 수집부로 제공하기 위한 데이터 송신부를 더 포함할 수 있다.
또한, 상기 데이터 수집부가 다수의 클라이언트 서버로부터 상기 비즈니스 데이터를 수집하도록 IaC(Infrastructure as Code)를 기반으로 클라이언트 서버의 컴퓨팅 인프라에 대한 환경 구성을 자동화하여 관리하는 앤서블(ansible) 실행부를 더 포함할 수 있다.
또한, 상기 앤서블 실행부는, 모니터링 되는 상기 클라이언트 서버에 대한 노드들과 통신하기 위한 연결 플러그인(Connection Plugins), 상기 클라이언트 서버의 리스트를 관리하는 호스트 인벤토리(Host Inventory), 상기 클라이언트 서버에 특정 액션을 수행하기 위한 패키지화 된 스크립트를 제공하는 모듈(Module), 이메일과 로깅(Logging)에 대한 확장 기능을 제공하는 확장 플러그인(Extension Plugins), 및 변수와 태스크(Task)를 상기 클라이언트 서버에서 수행하기 위해 정의된 파일을 제공하는 플레이북(Playbook)으로 구성될 수 있다.
또한, 상기 앤서블 실행부는, 소프트웨어 설치 및 업데이트, 소프트웨어 설정 변경, 파일 전송을 위한 권한 설정(Provisioning) 기능, 상기 클라이언트 서버에 어플리케이션을 자동 배포하고, 배포된 어플리케이션을 대상으로 수명 주기를 관리하는 어플리케이션 배포 기능, 가상화 클라우드 기반의 가상머신(Virtual Machine)을 대상으로 OS(Operation System) 설치 지원, 템플릿 기반의 가상머신(Virtual Machine) 생성, Vcenter, Open Stack, AWS, Azure, GCP를 포함한 가상환경 지원을 위한 OS 자동 설치 기능, CI/CD 환경을 구성하고, 서비스 개발 및 상용화 구현, 어플리케이션 빌드부터 테스트까지 타 빌드 솔루션과의 연동을 위한 빌드 및 배포 자동화 기능, 보안 정책과 컴플라이언스(compliance) 수립, 시스템 생성 시 보안 적용, 표준화를 통한 강제성을 부여하기 위한 보안 및 컴플라이언스 기능, 및 가상머신 생성부터 서비스 제공까지 또는 어플리케이션 롤링 업그레이드 구현을 위한 오케스트레이션(Orchestration) 기능을 수행할 수 있다.
또한, 상기 앤서블 실행부는, 푸시드 베이시드(Pushed Based) 방식으로 상기 클라이언트 서버를 관리하여 상기 앤서블 실행부가 설치된 중앙 서버에 에이전트(Agent) 없이 플레이북(Playbook)을 변경하고, 새로운 플레이북을 실행하며, 상기 클라이언트 서버로 접속하여 변경된 플레이북을 실행할 수 있다.
본 발명에 따르면, 클라이언트 업체의 산업현장에서 실시간 또는 주기적으로 수집되는 데이터를 수집하고 분석하여 빅데이터를 구축하고, 구축된 빅데이터를 인공지능 알고리즘에 기반하여 학습시켜 다양한 학습 모델과 학습 결과를 생성 및 관리하며, 이를 기반으로 클라이언트 업체의 IT 솔루션 시스템과 연동해 이를 통해 얻은 각종 비즈니스 데이터들을 학습 모델과 학습 결과를 토대로 인공지능 솔루션을 제공함으로써 기존의 IT 솔루션 시스템으로부터 제공되지 않았던 다양한 정보와 문제점이나 오류를 도출 및 분석하고, 보다 정확하고 효율적인 개선 방안을 제시하며, 클라이언트 별로 최적화된 맞춤 운영 관리 정보와 사업 운영 시 필요한 의사결정을 지원하기 위한 정보를 제공하는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템의 전체 구성을 나타낸 블록도이다.
도 2는 도 1에 도시된 시스템의 세부 구성과 기능을 설명하기 위해 나타낸 블록도이다.
도 3은 본 발명의 실시예에 따른 빅데이터 수집을 위한 네트워크 구성을 나타낸 블록도이다.
도 4는 본 발명의 실시예에 따른 앤서블 실행부의 기본 프레임워크를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 앤서블 실행부의 기능을 정리한 도면이다.
도 6은 본 발명의 실시예에 따른 서버 관리 방식으로 기존의 풀-베이시드(Pull-based)과 비교한 푸시-베이시드(Push-based) 방식의 장점을 정리한 도면이다.
도 7은 본 발명의 실시예에 따른 앤서블 실행부의 역할을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 앤서블 실행부의 실행 프로세스를 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 앤서블 실행부의 실행 화면에 대한 예시를 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 통해 다양하게 수집된 메트릭(metric) 정보를 모니터링하기 위한 대시보드를 나타낸 도면이다.
도 2는 도 1에 도시된 시스템의 세부 구성과 기능을 설명하기 위해 나타낸 블록도이다.
도 3은 본 발명의 실시예에 따른 빅데이터 수집을 위한 네트워크 구성을 나타낸 블록도이다.
도 4는 본 발명의 실시예에 따른 앤서블 실행부의 기본 프레임워크를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 앤서블 실행부의 기능을 정리한 도면이다.
도 6은 본 발명의 실시예에 따른 서버 관리 방식으로 기존의 풀-베이시드(Pull-based)과 비교한 푸시-베이시드(Push-based) 방식의 장점을 정리한 도면이다.
도 7은 본 발명의 실시예에 따른 앤서블 실행부의 역할을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 앤서블 실행부의 실행 프로세스를 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 앤서블 실행부의 실행 화면에 대한 예시를 나타낸 도면이다.
도 10은 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 통해 다양하게 수집된 메트릭(metric) 정보를 모니터링하기 위한 대시보드를 나타낸 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템의 전체 구성을 나타낸 블록도이고, 도 2는 도 1에 도시된 시스템의 세부 구성과 기능을 설명하기 위해 나타낸 블록도이고, 도 3은 본 발명의 실시예에 따른 빅데이터 수집을 위한 네트워크 구성을 나타낸 블록도이다.
본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템(1000)은, 산업 별 비즈니스 데이터를 수집, 저장, 처리, 분석을 통해 새로운 가치를 발견하고, 차별화된 비즈니스 서비스를 통해 의사결정 지원을 위한 통찰력 전달 및 예측 서비스를 제공하기 위한 시스템으로, 다양한 종류의 정형/비정형 데이터의 수집, 전처리, 고급 분석 및 시각화까지 필요한 모든 서비스의 통합화된 개발 및 분석 환경을 지원하여 이를 위한 분석 모델을 도출함으로써 원 스탑 빌드(One Stop Build) 서비스를 제공할 수 있다.
이를 위해 도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템(1000)은, 데이터 송신부(100), 데이터 수집부(200), 빅데이터 분석부(300), 데이터 학습 관리부(400), 인공지능 솔루션 제공부(500), 시각화 서비스 제공부(600) 및 앤서블 실행부(700) 중 적어도 하나를 포함할 수 있다.
상기 데이터 송신부(100)는, 클라이언트 서버(20)에 각각 설치되어 생산 또는 산업 현장의 사출기, 자율 사물 기기, 액츄에이터, 센서 등의 생산 설비나 관리자의 SNS/Web, 데이터베이스 등으로부터 각종 비즈니스 데이터(생산 또는 산업 데이터)를 저장 및 관리하고, 데이터 수집을 위한 네트워크를 통해 데이터 수집부(200)로 제공할 수 있다.
상기 데이터 수집부(200)는, 다수의 클라이언트 서버(20)로부터 다양한 비즈니스 데이터(생산 또는 산업 데이터)를 데이터 수집 큐에 따라 실시간으로 또는 주기적으로 각각 수집할 수 있다.
도 3에 도시된 바와 같이 데이터 송신부(100)와 데이터 수집부(200) 간의 빅데이터 수집 네트워크는 장치 드라이버 및 네트워크 하드웨어, 게이트웨이(데이터 전송), 및 데이터 수집 장치로 구성될 수 있다. 장치 드라이버 및 네트워크 하드웨어 장치는 생산 또는 산업 현장에 설치된 액츄에이터, 센서, 설비, SNS/Web 등으로부터 획득되는 비즈니스 데이터(생산 또는 산업 데이터)를 이더넷(Ethernet), 유선 또는 무선 통신을 통해 게이트웨이 장치로 전달하고, 이를 TCP/IP 프로토콜(OPC-UA, MQTT)에 따라 데이터 수집 장치로 전송할 수 있다. 이와 같은 데이터 수집 프로세스는 하드웨어의 기기의 운영 프로토콜과 PLC 등을 연계하여 이기종의 데이터를 표준화하고, 데이터 수집을 원활하게 하여 상호 운영성을 제공할 수 있다.
상기 빅데이터 분석부(300)는, 생산 또는 산업 현장에서 각각 수집된 다양한 비정형의 비즈니스 데이터(생산 또는 산업 데이터)에 대한 전처리와 정제를 통해 표준화하고, 표준화된 비즈니스 데이터에 대한 실시간 또는 주기적 분석을 통해 빅데이터를 구축할 수 있다. 클라이언트의 산업 분야에 따라 수집되는 비즈니스 데이터가 실시간으로 수집되거나, 일정 주기나 정해진 시간에 수집될 수 있으며, 이러한 수집 시점에 맞춰 수집되는 비즈니스 데이터에 대하여 산업 분야 별로 미리 구축된 알고리즘에 따라 실시간 또는 배치 분석을 수행할 수 있으며 더불어 예측 분석도 이루어질 수 있다. 이러한 빅데이터 분석부(300)는 다양한 클라이언트로부터 수집되는 비즈니스 데이터를 분석하여 클라이언트 별 분석 결과(통합 분석 정보)를 데이터 레이크(Data Lake)(빅데이터 저장소)에 저장 관리함으로써 빅데이터로 구축함으로써 해당 빅데이터들을 후술하는 학습 데이터로서 활용할 수 있으며, 또한 클라이언트의 비즈니스 서비스 시스템(30)으로 제공할 수 있다.
상기 데이터 학습 관리부(400)는, 빅데이터 분석부(300)를 통한 비즈니스 데이터 분석 결과 즉 빅데이터를 학습 데이터로서 제공 받고, 학습 파이프 라인을 형성하고, 산업 분야 별로 미리 구축된 인공지능 알고리즘(머신러닝, 딥러닝 등)을 이용하여 학습 데이터에 대한 학습 모델(분석 모델)을 생성 및 평가하고, 평가가 완료된 학습 모델을 통해 기계 학습을 수행하며, 학습 모델과 학습 결과를 저장 관리할 수 있다. 이와 같이 인공지능 알고리즘을 통한 분석 모델로는 지도 학습(분류, 회귀), 비지도 학습(군집, 연관성), 준지도 학습, 강화 학습(Q-러닝, 정책 최적화) 등의 분석 모델을 지원하며, 생성된 분석 모델(학습 모델)과 그 학습 결과는 인공지능 서비스 클러스터(학습 모델 저장소, 학습 결과 저장소)에 저장 관리되며 클라이언트의 비즈니스 서비스 시스템(30)으로부터 수신되는 BES 데이터를 기반으로 클라이언트 별 최적화된 비즈니스활동 관리정보를 제공하는데 이용할 수 있다.
상기 인공지능 솔루션 제공부(500)는, 클라이언트의 비즈니스관리시스템(BES)과 연동하여 클라이언트의 비즈니스관리시스템(BES)으로부터 BES 데이터를 획득하고, 학습 모델과 학습 결과를 이용하여 BES 데이터에 대하여 클라이언트 별로 최적화된 비즈니스활동 관리정보를 제공할 수 있다. 클라이언트의 비즈니스관리시스템(BES)으로는 ERP, MES, PLM, SCM, CRM, WMS, FEMS 등이 있으며, 본 실시예에서는 이와 같은 비즈니스관리시스템(BES)을 한정하는 것은 아니다.
상기 인공지능 솔루션 제공부(500)는 예를 들어, 제조(Manufacturing), 에너지/공급원료(Energy/feedstock), 관광(Tourism), 금융서비스(Financial service) 등 다양한 분야에서의 클라이언트에 대한 BES 데이터를 획득할 수 있고, 제조(Manufacturing) 분야의 경우 예측 유지보수, 상태 모니터링, 수요 예측, 프로세스 최적화, 텍레메틱스 등의 관리정보를, 에너지/공급원료(Energy/feedstock) 분야의 경우 전력 사용량 분석, 지진 데이터 관리, 에너지 수요 및 공급 최적화에 대한 관리정보를, 관광(Tourism) 분야의 경우 항공 일정 스케줄링에 대한 유동적 항공 관리 정보, 숙박 가격 측정, 소셜 미디어 유저 피드백 분석 등의 관리정보, 금융서비스(Financial service) 분야의 경우, 리스크 분석과 규정 'Cross-Selling, Up-Selling', 신용 가치 평가 등의 관리정보를 제공할 수 있다.
상기 시각화 서비스 제공부(600)는, 생산활동관리정보를 시각화하고, 클라우드 서비스를 통해 클라이언트에게 각각 제공할 수 있다. 이러한 시각화 서비스 제공부(600)는 시간 시각화, 분포 시각화, 관계 시각화, 비교 시각화 및 공간 시각화와 같이 각 파트 별 시각화 프로세스를 제공할 수 있으며, 일례로 수요 예측, 공급/생산 예측, 고장 예측, 진단 등 인공지능 솔루션 제공부(500)이 제공하는 관리정보를 다양하고 직관적으로 시각화하여 클라이언트가 이해하기 쉽게 정리하여 직관적인 정보를 제공할 수 있다.
상기 앤서블 실행부(700)는, 데이터 수집부(200)가 다수의 클라이언트 서버(20)로부터 비즈니스 데이터를 원활히 수집하도록 IaC(Infrastructure as Code)를 기반으로 클라이언트 서버(20)의 컴퓨팅 인프라에 대한 환경 구성을 자동화하여 관리하기 위한 것으로 좀 더 구체적으로는 여러 개의 클라이언트 서버(20)를 효율적으로 관리하기 위한 클라이언트 서버(20)의 환경 구성을 자동화하기 위한 구성이다.
일반적으로, 리눅스에서 동일한 환경을 구성하기 위해서 사용하는 가장 기초적인 방법은 Bash 쉘 스크립트이 있으며, 각종 패키지의 설치, 설정 파일의 수정 등을 위해 일괄 처리 목록을 쉘 스크립트에 나열하고 이를 실행할 때, 클러스터에 존재하는 많은 서버들에 동시에, 동일한 환경을 배포해야 하는 상황에서 Bash 쉘 스크립트는 한계점을 가진다. 이를 위해 IaC(Infrastructure as a Code)라는 개념이 도입되었으며, 이는 환경의 배포와 구성을 규격화된 코드로 정의해 사용하는 것을 의미한다. 즉, IaC(Infrastructure as a Code)의 개념을 내포하는 각종 환경 자동화 도구는 인프라의 상태를 코드로 선언하고 이를 모든 서버에 배포함으로써 특정 환경을 동일하게 유지할 수 있도록 돕는다. 이와 같이 앤서블(Ansible)은 이러한 환경 자동화 도구로서 환경의 배포뿐만 아니라 여러 클라이언트 서버(20)에서 클러스터의 체계적인 관리, 확장 가능한 모듈의 사용 등 다양한 측면에서 사용될 수 있다.
도 4는 본 발명의 실시예에 따른 앤서블 실행부의 기본 프레임워크를 나타낸 도면이다.
상기 앤서블 실행부(700)는, 모니터링 되는 클라이언트 서버(20)에 대한 노드들과 통신하기 위한 연결 플러그인(Connection Plugins), 클라이언트 서버(20)의 리스트를 관리하는 호스트 인벤토리(Host Inventory), 클라이언트 서버(20)에 특정 액션을 수행하기 위한 패키지화 된 스크립트를 제공하는 모듈(Module), 이메일과 로깅(Logging)에 대한 확장 기능을 제공하는 확장 플러그인(Extension Plugins), 및 변수와 태스크(Task)를 클라이언트 서버(20)에서 수행하기 위해 정의된 파일을 제공하는 플레이북(Playbook)으로 구성될 수 있다.
도 5는 본 발명의 실시예에 따른 앤서블 실행부의 기능을 정리한 도면이다.
상기 앤서블 실행부(700 )는, 소프트웨어 설치 및 업데이트, 소프트웨어 설정 변경, 파일 전송을 위한 권한 설정(Provisioning) 기능, 클라이언트 서버에 어플리케이션을 자동 배포하고, 배포된 어플리케이션을 대상으로 수명 주기를 관리하는 어플리케이션 배포 기능, 가상화 클라우드 기반의 가상머신(Virtual Machine)을 대상으로 OS(Operation System) 설치 지원, 템플릿 기반의 가상머신(Virtual Machine) 생성, Vcenter, Open Stack, AWS, Azure, GCP를 포함한 가상환경 지원을 위한 OS 자동 설치 기능, CI/CD 환경을 구성하고, 서비스 개발 및 상용화 구현, 어플리케이션 빌드부터 테스트까지 타 빌드 솔루션과의 연동을 위한 빌드 및 배포 자동화 기능, 보안 정책과 컴플라이언스(compliance) 수립, 시스템 생성 시 보안 적용, 표준화를 통한 강제성을 부여하기 위한 보안 및 컴플라이언스 기능, 및 가상머신 생성부터 서비스 제공까지 또는 어플리케이션 롤링 업그레이드 구현을 위한 오케스트레이션(Orchestration) 기능을 수행할 수 있다.
도 6은 본 발명의 실시예에 따른 서버 관리 방식으로 기존의 풀-베이시드(Pull-based)과 비교한 푸시-베이시드(Push-based) 방식의 장점을 정리한 도면이다.
상기 앤서블 실행부(700)는, 푸시드 베이시드(Pushed Based) 방식으로 클라이언트 서버(20)를 관리하여 앤서블 실행부(20)가 설치된 중앙 서버에 에이전트(Agent) 없이 클라이언트 서버(20)에 대한 구정 정보를 확인하고 설치할 수 있으며, 구체적으로는 플레이북(Playbook)을 변경하고, 새로운 플레이북을 실행하며, 클라이언트 서버(20)로 접속하여 변경된 플레이북을 실행할 수 있다. 기존의 풀-베이시드(Pull-based) 방식이 큰 규모의 서버 관리 및 신규 서버 추가에 더 적합하다고 하지만, 앤서블(Ansible)을 이용하여 푸시-베이시드(Push-based) 방식으로 수 천대 서버를 관리하고 있으며, 서버 추가 및 삭제도 용이하다.
도 7은 본 발명의 실시예에 따른 앤서블 실행부의 역할을 나타낸 도면으로, 앤서블 실행부(700)는 다양한 사용자가 ansible을 통해 인스턴스 생성부터 배포까지 가능하며, 시스템 설치 전에 스크립트(Script)를 통한 시스템 구성을 확인하며, 버젼 제어(Version Control) 통해 변경이력을 관리하다.
도 8은 본 발명의 실시예에 따른 앤서블 실행부의 실행 프로세스를 나타낸 도면으로, 앤서블 실행부(700)는 'Ansible Target'에 대해 어떤 구성을 내려 보낼지에 대한 태스크(Task)들을 정의하고 'YAML 파일' 또는 'ini 파일' 형식 모두 지원 가능하다.
도 9는 본 발명의 실시예에 따른 앤서블 실행부의 실행 화면에 대한 예시를 나타낸 도면이며, 도 10은 본 발명의 실시예에 따른 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 통해 다양하게 수집된 메트릭(metric) 정보를 모니터링하기 위한 대시보드를 나타낸 도면이다.
이상에서 설명한 것은 본 발명에 의한 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
1000: 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템
100: 데이터 송신부
200: 데이터 수집부
300: 빅데이터 분석부
400: 데이터 학습 관리부
500: 인공지능 솔루션 제공부
600: 시각화 서비스 제공부
700: 앤서블 실행부
100: 데이터 송신부
200: 데이터 수집부
300: 빅데이터 분석부
400: 데이터 학습 관리부
500: 인공지능 솔루션 제공부
600: 시각화 서비스 제공부
700: 앤서블 실행부
Claims (7)
- 다수의 클라이언트 서버로부터 비즈니스 데이터를 실시간으로 또는 주기적으로 각각 수집하는 데이터 수집부;
상기 비즈니스 데이터에 대한 전처리와 정제를 통해 표준화하고, 표준화된 비즈니스 데이터에 대한 실시간 또는 주기적 분석을 통해 빅데이터를 구축하는 빅데이터 분석부;
상기 빅데이터 분석부를 통한 비즈니스 데이터 분석 결과를 학습 데이터로서 제공 받고, 인공지능 알고리즘을 이용하여 상기 학습 데이터에 대한 학습 모델을 생성하고, 생성된 학습 모델을 통해 기계 학습을 수행하며, 상기 학습 모델과 학습 결과를 저장 관리하는 데이터 학습 관리부; 및
클라이언트의 비즈니스관리시스템(BES)으로부터 BES 데이터를 획득하고, 상기 학습 모델과 학습 결과를 이용하여 상기 BES 데이터에 대하여 클라이언트 별로 최적화된 비즈니스활동 관리정보를 제공하는 인공지능 솔루션 제공부; 및
상기 데이터 수집부가 다수의 클라이언트 서버로부터 상기 비즈니스 데이터를 수집하도록 IaC(Infrastructure as Code)를 기반으로 클라이언트 서버의 컴퓨팅 인프라에 대한 환경 구성을 자동화하여 관리하는 앤서블(ansible) 실행부를 포함하고,
상기 앤서블 실행부는,
모니터링 되는 상기 클라이언트 서버에 대한 노드들과 통신하기 위한 연결 플러그인(Connection Plugins), 상기 클라이언트 서버의 리스트를 관리하는 호스트 인벤토리(Host Inventory), 상기 클라이언트 서버에 특정 액션을 수행하기 위한 패키지화 된 스크립트를 제공하는 모듈(Module), 이메일과 로깅(Logging)에 대한 확장 기능을 제공하는 확장 플러그인(Extension Plugins), 및 변수와 태스크(Task)를 상기 클라이언트 서버에서 수행하기 위해 정의된 파일을 제공하는 플레이북(Playbook)으로 구성된 프레임 워크를 포함하고,
소프트웨어 설치 및 업데이트, 소프트웨어 설정 변경, 파일 전송을 위한 권한 설정(Provisioning) 기능, 상기 클라이언트 서버에 어플리케이션을 자동 배포하고, 배포된 어플리케이션을 대상으로 수명 주기를 관리하는 어플리케이션 배포 기능, 가상화 클라우드 기반의 가상머신(Virtual Machine)을 대상으로 OS(Operation System) 설치 지원, 템플릿 기반의 가상머신(Virtual Machine) 생성, Vcenter, Open Stack, AWS, Azure, GCP를 포함한 가상환경 지원을 위한 OS 자동 설치 기능, CI/CD 환경을 구성하고, 서비스 개발 및 상용화 구현, 어플리케이션 빌드부터 테스트까지 타 빌드 솔루션과의 연동을 위한 빌드 및 배포 자동화 기능, 보안 정책과 컴플라이언스(compliance) 수립, 시스템 생성 시 보안 적용, 표준화를 통한 강제성을 부여하기 위한 보안 및 컴플라이언스 기능, 및 가상머신 생성부터 서비스 제공까지 또는 어플리케이션 롤링 업그레이드 구현을 위한 오케스트레이션(Orchestration) 기능을 수행하고,
푸시드 베이시드(Pushed Based) 방식으로 상기 클라이언트 서버를 관리하여 상기 앤서블 실행부가 설치된 중앙 서버에 에이전트(Agent) 없이 플레이북(Playbook)을 변경하고, 새로운 플레이북을 실행하며, 상기 클라이언트 서버로 접속하여 변경된 플레이북을 실행하는 것을 특징으로 하는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템.
- 제1 항에 있어서,
상기 비즈니스활동 관리정보를 시각화하고, 클라우드 서비스를 통해 클라이언트에게 각각 제공하는 시각화 서비스 제공부를 더 포함하는 것을 특징으로 하는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템.
- 제1 항에 있어서,
상기 클라이언트 서버에 각각 설치되어 상기 비즈니스 데이터를 저장 및 관리하고, 상기 데이터 수집부로 제공하기 위한 데이터 송신부를 더 포함하는 것을 특징으로 하는 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210099941A KR102608631B1 (ko) | 2021-07-29 | 2021-07-29 | 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210099941A KR102608631B1 (ko) | 2021-07-29 | 2021-07-29 | 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230018139A KR20230018139A (ko) | 2023-02-07 |
| KR102608631B1 true KR102608631B1 (ko) | 2023-12-04 |
Family
ID=85221608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210099941A KR102608631B1 (ko) | 2021-07-29 | 2021-07-29 | 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102608631B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102275658B1 (ko) * | 2019-11-13 | 2021-07-12 | 주식회사 테서 | 기계학습 모델을 이용한 자동 데이터 수집 및 학습 방법 및 그 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150061131A (ko) | 2013-11-26 | 2015-06-04 | (주)넥사비지니스그룹 | 기업의 제조의사결정 지원을 위한 스마트 제품 관리 시스템 및 그 방법 |
| KR101935652B1 (ko) * | 2017-03-06 | 2019-01-04 | 한밭대학교 산학협력단 | 빅데이터 플랫폼을 이용한 스마트 공장 운영 관리 솔루션 서비스 시스템 및 방법 |
| KR102236298B1 (ko) | 2018-05-18 | 2021-04-05 | 박병훈 | 빅데이터 기반의 인공지능 통합 플랫폼 시스템 |
| KR102241106B1 (ko) | 2019-02-15 | 2021-04-16 | (주)엑스엠디 | 복수의 패션소매점에서 수집된 판매관련 빅데이터를 인공지능기술로 분석하여 도소매점 각각에 유용한 경영정보를 제공하는 패션경영정보분석시스템 |
-
2021
- 2021-07-29 KR KR1020210099941A patent/KR102608631B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102275658B1 (ko) * | 2019-11-13 | 2021-07-12 | 주식회사 테서 | 기계학습 모델을 이용한 자동 데이터 수집 및 학습 방법 및 그 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230018139A (ko) | 2023-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ding et al. | Defining a digital twin-based cyber-physical production system for autonomous manufacturing in smart shop floors | |
| US20210302923A1 (en) | Backup of an industrial automation plant in the cloud | |
| EP3726320B1 (en) | Smart gateway platform for industrial internet of things | |
| CN112579653B (zh) | 工业数据的逐步情境化和分析 | |
| US11841699B2 (en) | Artificial intelligence channel for industrial automation | |
| US20210397171A1 (en) | Industrial automation hmi program file generation from computer-aided design | |
| US10482063B2 (en) | Modular control manifest generator for cloud automation | |
| EP3037901B1 (en) | Cloud-based emulation and modeling for automation systems | |
| EP3926423A1 (en) | Industrial automation control program generation from computer-aided design | |
| CN112580813B (zh) | 工业数据在装置级处的情境化 | |
| US11513477B2 (en) | Cloud-based industrial controller | |
| US20210389968A1 (en) | Edge controller for a facility | |
| Liu et al. | Research on digital production technology for traditional manufacturing enterprises based on industrial Internet of Things in 5G era | |
| Karnouskos et al. | The IMC-AESOP architecture for cloud-based industrial cyber-physical systems | |
| EP3951677A1 (en) | Industrial automation control program utilization in analytics model engine | |
| US20220308903A1 (en) | Discovery, mapping, and scoring of machine learning models residing on an external application from within a data pipeline | |
| CN113035376A (zh) | 基于工业互联网的智能工厂及其构建方法 | |
| Borangiu et al. | Digital transformation of manufacturing. Industry of the future with cyber-physical production systems | |
| KR102608631B1 (ko) | 빅데이터 및 인공지능 기반의 비즈니스 데이터 맞춤 분석 및 솔루션 제공 시스템 | |
| Park et al. | A cps-based iiot architecture using level diagnostics model for smart factory | |
| Dumitrache et al. | Intelligent cyber-enterprise in the production context | |
| Delgado-Clavero et al. | OPTYFY: Industrial IoT-based performance and production optimization based on semantics | |
| Chakravarthi et al. | Industrial IoT (IIoT) Design Methodology | |
| Bhatnagar et al. | Cloud IoT: An Emerging Computing Paradigm for Smart World | |
| de Amescua-Seco et al. | OPTYFY: Industrial IoT-Based Performance and Production Optimization Based on Semantics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |