계약문서, 생산현장에서 발생하는 수많은 데이터, 설계도면, e-mail, 인터넷 정보 등을 분석하여 새로운
부가가치를 낼 수 있는 방안으로 우선, 기업 내부의 각 프로세스별 데이터 분석에 활용 가능한 머신러닝, 통계분석 기법과
Python, TensorFlow, R/Shiny 와 같은 관련 프로그램 활용 방안을 제시하고자 한다.
통계 개념, 머신러닝의 개념을 이해하고 Open source 프로그램을 이용하여 즉시 활용 가능한 부분과 AI와 관련 계속 개발되고 있는
여러 Library를 활용하여 이후에 적용 가능한 부분으로 구분하여 적용할 수 있는 부분을 설명하고자 한다.
중요한 것은 통계, Machine Learning 이러한 부분을 개별로 접근하여 상호 연계하여 활용할 수 있다는 것을 간과하거나,
하나의 호기심으로 끝나버리고 실제 현장에서 활용하는 것은 외부 컨설턴트나 개발에 맡겨버려 실제 사용자들이 스스로 활용하여
성과를 극대화 하거나 범위를 넓혀 가는데 한계를 보이고 있다.
사용자들에게 동기부여가 되고 조금만 시간을 투자하면 통계에 대한 기본적인 이해를 쉽게 할 수 있으며, Python, TensorFlow 등
관련 프로그램들도 두려워 하지 않고 얼마든지 업무에 활용할 수 있을 것으로 확신한다.
TensorBoard 이용한 프로그램을 다룰수
있도록 하여, 데이터의 활용과 혁신방법에 대한 새로운 접근을 할 수 있도록 한다.
기업의 여러 프로세스에서 발생하는 다양한 Case의 Data를 기반으로 분석해 봄으로써 데이터를 새로운 시각으로 이해하고 활용할 수 있도록 한다.
Corporate Level
전략 :
Sales Marketing :
R&D :
Finanace :
HR :
E2E Process : 각 프로세스별 현상분석과 예측
Operation Level
Project Management : Schedule, Risk, Cost
Engineering :
Procurement : 구매가격 적정성, 업체평가
Manufacturing : 최적계획, 생산성, 재고관리, 효율성, 고장요인
Quality : DMAIC
Construction / Commissioning :
Service :
ML 이용 중장기 과제
계약문서 분석
설계 도면 분석
설계 3D 도면 분석
핵심 내용 분석
Corporate Level
Project Management :
E2E Process : Order to Cash - ,
Procure to Pay - ,
Plan to Produce - ,
Design to Deploy - ,
Inspect to Quality - ,
Inbound to Outbound - ,
Project to Decommission -
Operation Level
Project Management : Schedule : 기대소요시간 (낙관 + 4*보통 + 비관 / 6), 분산 : (비관-낙관/6)제곱, 경로별 기대, 분산, z 값 이용