현재 기업 경영 및 공급망 관리 영역에서 키워드는 디지털 전환(Digital Transformation)이다. 디지털 신기술이 적용으로 인한 기업 경영 및 공급망에 일어날 운용 패러다임의 근본적인 변화이다. 실제 AI 빅데이터 기술을 비즈니스나 제조 프로세스에 적용 시 업태에 따라 목표와 전략이 달라진다. 우리 연구소에서는 다음의 산업 영역에서 AI 빅데이터 기술 적용하는 체계적이고 커스터마이즈된 방법론을 제시한다.
- 반도체, LCD 등의 첨단 제조 비즈니스
- 자동차, 가전 등의 조립 생산 비즈니스
- 액화가스, 발전소, 석유화학제품 생산시설 등의 플랜트 산업
- B2B/B2C, O2O 등 공급망이 다변화된 물류 분야
다음은 AI 빅데이터 기술을 기업 경영 및 공급망 관리 분야에 적용하기 위한 데이터 마이닝 프로세스이다.
AI 빅데이터 기술을 적용하기 위한 디지털 전환 전략 (출처: 디지털이니셔티브 그룹)
사는 빅데이터 분석 및 인공지능 기술을 활용하여 전체 제조 시스템의 생산효율을 최대화하는 지능형 자율 운영 시스템 개발 능력을 보유하고 있으며 이 기술을 기반으로 ‘가스공사 빅데이터 인공지능 스타트업 경진대회’에서 2회 연속 대상을 수상함으로써 그 기술력을 인정받았다.
당사가 개발 보유한 지능형 자율운영 시스템 (APOS)
기존의 설비 운영 데이터를 심층학습 (Deep Learning)과 심층강화학습 (Deep Reimforcement Learning) 기법으로 학습하여, 주어진 조건에서 최적의 운영 방법을 찾아내고 이를 자동으로 운영 시스템을 통제하도록 반영하는 시스템을 개발하는 기술을 보유하고있다.
일반적으로 확보한 원데이터를 기계학습에 적용가능하도록 데이터 정제과정에 많은 노력이 필요하다. 본 연구소의 경험상 전체 개발 노력의 60% 이상을 데이터 정제 및 기준정보 설계에 등의 전처리에 할애할 필요가 있다.
데이터 전처리 및 데이터마트 구성
DNN의 이론뿐만 아니라 다양한 제조시스템에서 DNN 모델 수립하고 개선하는 작업을 통해 최고 수준의 모델 설계 기술을 확보하였다.
DNN 모델의 예시
강화학습 (Reinforcement Learning) 중 심층 결정론적 정책 경사법(DDPG: Deep Deterministic Policy Gradient)을 기술을 확보하여 실제 제조 및 물류 현장에 적용한다.