데이터 마이닝을 활용한 제조 데이터의 선형 최적화

Linear Optimization of Manufacturing Data Using Data Mining

본 논문에서는 제조 공정에서 얻을 수 있는 데이터를 활용하여 MLR기법의 예측분석을 수행하였다. 이를 위해 먼저 데이터마이닝의 개념을 정리하였다. MLR기법 적용에 따라 중요하게 확인해야 할 이론적 배경(유의성 검증 방법, 다중 공선성 등)을 명확히 하였다. 또한 실제 적용 사례를 통해 전통적 제조에서 스마트 제조로 변화가 가능하 다는 것을 보여주는 것을 목적으로 하였다. 따라서 데이터마이닝 학습과 검증에 같은 데이터를 분해하여 활용함으로써 실제 데이터와 경향성이 동일함을 검증하였다. 다만 여기서 소개하는 데이터마이닝의 결과가 모든 제조 데이터의 정답은 아니라는 점을 분명히 한다.

In this study, I conducted a predictive analysis of MLR techniques using the data obtained from manufacturing processes. First, I defined the concept of data mining. Then, I clarified the theoretical background (such as, significance testing methods and multicollinearity) that must be considered when applying the MLR technique. Furthermore, I aimed to demonstrate the feasibility of transitioning from traditional to smart manufacturing through practical application examples. Therefore, by decomposing and using the same data for data mining training and validation, I verified that the trends were identical to those of real-world data. However, I emphasize that the data mining results presented here are not the correct answers for all manufacturing data.