설명
생산된 제품마다 실제 형상과 치수가 원하는 사양과 다릅니다. 이것은 생산 공정 자체의 문제 때문일 수 있으며 일부 문제는 예측할 수 있지만 그렇지 않은 문제도 있습니다. 최고 수준의 생산 품질을 보장하기 위해 이러한 편차를 분석하고 검사하여 치수의 차이가 공차 한계 내에 있도록 관리해야 합니다.
소재 특성 “측정”은 편차를 관리하는 가장 확실한 방법입니다. 따라서 생산 공정 출력 평가 시 데이터 수집이 중요합니다. 수집 데이터 분석은 공장내의 공정 효과와 개선이 필요한 곳을 파악하는 데 도움을 줍니다.
데이터 저장 시스템 가격 감소와 네트워크 인프라 접근성이 전 세계 데이터 시스템에 영향을 주었습니다. 이제, 여러 가지 센서가 제공하는 다양한 신호와 처리 장치가 사용되어 발생되었던 수많은 프로토콜로 인한 전통적인 문제가 줄었습니다. “지능형” 센서의 사용이 증가하고 전 세계적으로 통신 기준이 채택되었기 때문입니다. 이 경향으로 인하여 데이터 처리 기능이 센서와 매우 가까워지면서 네트워크 상에서 서로 통신할 수 있는 장치로 발전하고 있습니다. 이후 처리 데이터는 중앙 저장 시스템으로 전송되어 보관 및 추가 처리될 수 있습니다.
수집되는 데이터 량은 지속적으로 증가하고 있으며 용도는 간단한 제품 평가(예: 양호 또는 불량)에 더 이상 제한되지 않습니다. 기술 발전으로 데이터를 제공하여 여러 산업 지원 시스템을 실행할 수 있습니다.
- 데이터 추적용 히스토리안
- 제어 분석의 통계 공정
- 생산 계획 시스템
- 제조 의사 결정자에게 도움을 주는 제조 실행 시스템
- 기업 자원 계획 시스템
- 데이터 웨어하우스 시스템
- 생산 공정을 최적화하고 반응 또는 예측 유지보수 정책을 지원할 수 있는 데이터 마이닝 및 머신 러닝 시스템
데이터 량이 증가함에 따라 가공 인프라도 증가해야 합니다. 대량의 데이터를 저장해야 하기 때문에 NoSql 데이터 베이스와 분산 파일 시스템 같은 구조 저장용 혁신적인 기법이 발전했습니다. 마찬가지로 새로운 기술을 사용할 수 있게 되면서 분산 처리 방법과 알고리즘 개수도 증가했습니다.
이러한 변화 때문에 프레젠테이션 기법도 변화하여 데이터와 발생된 이벤트 사이의 관계를 효과적으로 사용자에게 전달해야 합니다. 현재 프레젠테이션 기법은 독립적인 과학으로 간주될 수 있습니다. 인포그래픽스 분야에서 파생된 것처럼 설명형 통계법과 프레젠테이션 기법이 한 예입니다.
