Industry 4.0 추진을 위한 Key Enabler,Big Data/IoT

SKC&C | ICT성장담당 이원석 상무

2

Agenda

1. Mega Trends

2. Data 기반의 경영

3. 제조영역 활용 및 사례

4. Industry 4.0으로의 진화

5. Conclusion

6. 맺음말

Agenda

“ 약 10여 년을 주기로 새로운 Innovation의 Trigger가 등장 “

* 출처 : SK경영경제연구소, 2014, “IoT 시대 도래의 의미와 시사점”

과거

인터넷

스마트폰

현재

PC

Apple

’90 ’00 ’10

“판이 바뀔 때 마다 ICT 시장의 주도권과 헤게모니도 변화”

4

1. Mega Trends – ICT History

ICT 시장 다음 경쟁의 Keyword는 “Internet of Things”

최근 ICT 시장의 화두

IoT

[IoT 란]

다양한 사물(Things)에 Connectivity를 더해

전에 없던 새로운 Value를 만들어 내는 것

IoT의 기본 속성

“Long Tail”

모든 것이 연결(Connected)되는 세상

- 컴퓨터, 스마트폰에 이어 자동차, 시계, 장난감, 가전,

각종 센서 등 NW 이용 기기의 폭발적 증가GlassWatch

무인 자동차

3D Printing

Intelligence

스마트 홈

헬스 케어

Big Data

로봇

Connected car스마트 TV Drone

M2M

Cloud computing

Industrial Internet

Wearable

5

1. Mega Trends – IoT 시대의 도래

* 출처 : SK경영경제연구소, 2014, “IoT 시대 도래의 의미와 시사점”

M2M (1세대) IoT (2세대)

연결주체 기계 기계/사물 등 모든 환경

연결방향 일방향 중심 양방향

주요활용목적

정보 Sensing 및관리자(사람)에게 전달

사물이 스스로 정보를생성/공유/네트워킹하고 활용

연결의 정도단순한 사물 간 ‘통신’

사람-사물, 사물-사물 간 통신사물 간 ‘소통과 교감’

M2M/IoT 정의 M2M/IoT 비교 및 발전 단계

M2M (Machine to Machine)

- 사물 지능 통신

“ 모든 사물에 센서나 통신 기능이 있어,

사물 간 정보를 수집하고

커뮤니케이션을 실행하는 것을 의미 “

- 사물 간 통신을 통해 수집된 정보를 관리자(사람)가 제어

(기반 기술 : 센싱 기술, 통신 기술)

[예시] 고속도로 하이패스, 도어락 잠금해제 카드키 등

IoT (Internet of Things)

- 사물 인터넷 (M2M의 진화된 형태)

“ 인간의 힘을 빌리지 않고 사물끼리

통신을 하며 부가 서비스 제공이

가능해지는 것을 의미 “

- 사물 간 통신을 통해 수집된 정보는 관리자(사람) 간섭 없이

사물이 활용하고 서비스를 제공

(기반 기술 : 센싱 기술, 통신 기술 및 지능형 네트워킹)

[예시] 스마트홈, 지능형 설비관리, 오폐수 자동 관리, 스마트 에너지 관리 등

RFID

USM…

NFC

Beacon…

현재

연결된Device 수

time

[ M2M 활용 ] [ IoT 확장 ]

6

[Back - Up] Sensor의 진화

“ 단방향 기계적 정보전달 양방향 지능형제어로 발전 “

7

1. Mega Trends – IoT의 핵심은 Data

구매 스타일

금융 취미

수면 패턴

운동

가족 관계식습관

건강상태

“Data”

온도

압력

습도

“ Data가 Value의 근원 ”

Data에서 의미 추출 시 Value 향상

예) 자이로스코프의 센서 데이터

수면의 질이나 상태 정보 추출 가능

Data를 조합하여 새로운 Value 창출

예) 운동량 Data + 수면 Data

숙면 위한 사용자의 적당 운동량 제시

N/W

Things는 Data를 얻기 위한 수단

Things 기획은 어떤 Data를 얻을 것인가에서 시작

* 출처 : SK경영경제연구소, 2014, “IoT 시대 도래의 의미와 시사점”

8

1. Mega Trends – Big Data와 IoT의 접목

“ Big Data와 IoT의 접목으로 새로운 가치창출 “

Platform(Data 수집 장치, Data 가공/처리 기술 등)

Hadoop 등 오픈 소스 기반

Vendor 주도의처리 용량/속도 경쟁

Advanced Analytics- 통계, 데이터마이닝/Simulation

고객의 ‘Big Data 활용에 따른 실질적 가치’검증 요구 증대

Big Data와 M2M/IoT, Cloud, 모바일등과의 접목을 통한신규 Biz/Service Model 창출

인공지능(AI)을 활용한복합 Rule 기반기계 자율 제어

기계학습(Machine Learning)1), 최적화(Optimization)

초연결(Hyper Connectivity)2)

Industry 4.03)(Smart Factory)

Infra 구축 中心

단계별

핵심테마분석 고도화 및ICT 융·복합化

지능화/자동화/최적화

핵심

Enabler

Big Data 1.0

Big Data 2.0

Big Data 3.0

인간과 IT 융합 관점의Things to Things 연결 이해(새로운 생태계 가능성)

現在

시장/고객 등 業에 대한풍부한 지식/경험 대두 기술에 대한 이해 중심

1) 기계학습(Machine Learning : 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야2) 초연결(Hyper Connectivity) : 모바일 시대를 맞아 사람과 사람, 사람과 사물, 사물과 사물이 연결된 상황(Gartner,2008) 3) Industry 4.0 : 독일이 제조업 부흥을 위해 추진중인 핵심 미래기술 Action Plan. 제조업 분야의 시대적 전환을 총칭하는 개념으로 Smart Factory, IoT 등 다수 산학연 프로그램 포함

9

1. Mega Trends – 기업의 경쟁력 제고

ICT 융복합신규 BM발굴

운영 최적화및 예지정비

고객 Context* 기반실시간 마케팅

개인화 마케팅 및선제적 Risk 관리

생산공정및 수율 향상

반도체 제조

유통

에너지/자원 통신/ICT

금융

Machine Data, 외부 Data (날씨, 교통 등)

Machine Data,R&D Data 등

Transaction Data, Mobile/Web Log Data, 외부 신용평가 Data 등

거래 Data, 실시간 위치 Data (Beacon기술 활용), 외부 Data(상권/날씨 등)

관계 Data(Social N/W), 실시간 위치 Data,

Packet/Log Data 등

* 고객 Context : 실시간 위치, 환경, 검색내역, 거래 Data 등

Data를 활용한

Biz. Value 창출

“ 기존에 활용하지 못했던 Data를

기업 경쟁력 향상을 위한 enabler로 활용 가능“

제품을 만들면 팔리는 시대

感에 의한 경영

기술력(품질/성능) 중심 경영

과거 ?

현재

기업 내부 핵심 변화 사항

기업 경쟁력 원천의 변화

Enabler

Smart Convergence

IoT/M2M/IoE 등

초연결 기반

광범위 Data 획득

스마트/모바일 확산,

실시간 Comm. 확대

Big Data 분석 기술

및 Infra 발전

내부 프로세스

중심 효율화

과거

…

KM

SCM

ERP

6Sigma

TQM

기업 내부효율화에 Focus

현재

고객 만족 및내부관리

최적화에 Focus

SNS/Mobile

IoT/M2M

…Cloud

Data 기반의

과학적 의사결정

…

생산 품질/수율관리,

생산계획/운영 최적화,

설비장애 예측 등

Risk 평판 모니터링, 사기거래 방지, 실시간 해킹탐지

신규 BM Data 가공/판매사업, IoT 융합 서비스 등

마케팅 실시간 마케팅, 개인화,

고객 이탈 방지 등

“설비, 생산 등운영 최적화”

“사용자/소비자중심의 접근”

“ Data 분석 역량이 기업경쟁력 핵심으로 자리매김 중 “

Data 기반의 서비스 고도화 필요성 증대

저성장 장기화, 공급 과잉

Data 기반 경영

시장 & 고객 중심 경영

“ Data분석 역량이 기업 경영의 핵심으로 부각되고 있음 ”

10

2. Data 기반 경영 – Management Paradigm Shift

기업 내부 관리 최적화 및

시장/고객 중심 경영 실현

Data 기반 서비스 고도화 효과

시장 Insight 확보 및

선제적 고객 Needs 대응

Data 중심의 과학적 경영을

통한 기업 운영 최적화

기업 현안에 대한

의사결정 신속성 제고

Data 기반 서비스 고도화 구현 절차

Data 활용

[Service Layer]

Data Flow

Data Source

기업 내/외부의 정형/비정형 데이터 (Big Data)

- IoT/M2M 확산 등 사용자의 실생활 행동 패턴,

기계/설비의 실시간 상태까지 감지 가능

Data 수집/저장/처리

[Platform Layer]

Data 분석

[Intelligence Layer]

Big Data 분석 Infra를 통한 Data 처리

- 대용량/비정형 데이터의 비용 효율적, 실시간

집계/처리 (Volume, Variety, Velocity)

Data 재해석을 통해 Biz.에 유의미한 Insight 도출

- 산업별 Value chain, 사용자경험(UX), Work Cycle 등

다양한 관점의 Insight 도출

Data 기반 경영 및 Biz. 활용

- 고객 중심 성과창출, 생산성 제고/운영 효율화,

선제적 Risk 관리, 신규 BM 발굴 등

Big Data Ecosystem(수집-저장/처리-분석-활용)의

유기적 활용을 통해 Data 기반 서비스 고도화 구현 가능

데이

터수

집~

활용

까지

유기

적인

연결

성확

보필

요

11

“ 기업 내부 관리 최적화 및 시장/고객 중심 경영으로 본원적 경쟁력 확보/강화 가능 “

2. Data 기반 경영 – 서비스 구현 방안

12

2. Data 기반 경영 – 제조 영역 Biz Value 제고

Data 분석 관점Data 기반 서비스 영역

제조 영역

(제조 공정 효율화)

- 화학, 전자,

자동차, 식음료, 건설 등

공정 보유 산업에 적용

해당 기업 고유의 Value Chain

• R&D, 구매, 생산, 물류 등 단위

Value chain 효율화 先 고려

• 단위 Value Chain 간 연계를 통한

전체 최적화 추구

Biz. Value-up 가능 영역

실시간 공정 운영 모니터링

설비 장애 예측, 예지정비

불량 탐지, 수율 향상

제조공정 효율화(Efficiency) 및

최적화(Optimization)

…

마케팅 영역

(사용자 중심의 마케팅 강화)

- 컨텐츠, 대형유통/리테일,

전자상거래, 은행/보험 등

對고객 서비스 산업에 적용

사용자 경험(UX) Life Cycle

• 기존의 소비자 구매 패턴 분석 및 예측

(CRM 사상)

• 인지/상담~구매~문의~재구매까지

고객 경험의 전체 Life Cycle 분석,

마케팅 고도화에 활용

기존 고객 행태 분석

고객 맞춤형 상품/서비스 추천

재구매, 반복구매 Program 제시

개인화 마케팅 강화를 통한

對 고객 가치 제공, 기업 성과 제고

…

“제조 영역에서는 해당기업 Value Chain 관점의 Data 분석/활용 강화를 통해,

공정 효율화 및 최적화 등 Biz. Value 제고를 실현할 수 있음”

…

13

Big Data Ecosystem 구성 및 활용 체계

B2C (마케팅 영역)

O2O2)

커머스실시간마케팅

컨텐츠추천

…

B2B/B2G (제조 영역)

수율/품질관리

생산계획/운영

최적화…

실시간 SHE1)

모니터링/Alert

장애예측/예지

정비

…

RDBMS (관계형DB)

데이터 수집/저장/처리

Big Data

데이터 수집/저장/처리

Legacy

(ERP, CRM 등)

EnterpriseMobility

외부 데이터

(SNS, 날씨 등) M2M/IoT3)

분석기법

Layer

ServiceLayer

IntelligenceLayer

PlatformLayer

Data SourceLayer

CloudIaaS, SaaS, PaaS

분석관점

탐색적 분석

작업자Work-cycle

사용자 경험(UX)

해당 기업고유의 Value-chain

통계 분석 예측최적화/

시뮬레이션…

보안 관리

Infra 보안(N/W, Device)

DB 보안

인적 보안

보안 정책

Application 보안

…

…

1) SHE(Security, Health, Environment): 안전, 보건, 환경, 2) O2O: Online to Offline, 3) M2M/IoT: Machine to Machine, Internet of Things

3. 제조영역 활용 및 사례 – Big Data 활용체계

“ 분석 시스템, 연계 시스템, 저장 시스템, 처리 시스템 및 관리 시스템 으로 구성된

Big Data Ecosystem을 구성하여 데이터 기반의 경영활동에 활용”

화학

제조

Industry

Value Chain

…

외부 공개정보 수집/분석을 통한 시장 지표및 수요 예측 정교화

실시간 가격 예측 및동적 가격 책정

불만/상담 Text 정보분석 기반 제품 개선기회, R&D 요건 도출

물류마케팅/세일즈

/서비스

물류 투자의사결정 지원

(창고, 수송수단 등)

실시간 교통정보 기반배송 루트 최적화

M2M/IoT를 활용한배송 차량/컨테이너실시간 위치 추적 및

상태 모니터링

원유 탐사 및 시추투자 의사결정 최적화

생산 스케줄링/Blending 효율화

R&D/계획/구매 생산

MES Engineering Note, 장비 로그, 영상 계측

Image 등 활용 품질 분석

원재료 불량 탐지,원인 공정 탐색을통한 수율 제고

비정상 공정사전예측/예지정비,

실시간 모니터링

펀치리스트, 작업 지시서Text 분석을 통한 제조 효율화

Utility (전기, 물, 가스 등) 장비센서 기반 수급 계획 정교화

M2M/IoT를 활용한 실시간배관 부식, 도유 모니터링

M2M/IoT를 활용한위험화학/환경오염물질누출 탐지, 방재, 보안

전사 통합 정보 실시간공유 및 분석을 통한

S&OP1) 최적화

1) S&OP: Sales and Operations Planning

14

3. 제조영역 활용 및 사례 – Value Chain 관점 Framework

“ 화학, 제조 업종의 Value Chain 관점의 Data 기반 서비스 활용 Framework ”

…

1) 수율(Yield): 투입량 대비 완성된 양품의 비율

Data 기반 공정 효율화 및 Biz. Value

Historical Data 분석을 통한 비정상 공정 상태 정의,

비정상 징후 발생 시 예지 정비 즉시 실행

실시간 모니터링 및 사고 원인 자동 분석을 통해

신속한 사고 대응/ 공정 정상화

Historical Data 분석을 통한 원재료 불량 탐지 및

원인 분석, 공정 개선점 즉시 반영

Multi Parameter에 대한 복합 분석을 통해

기존에 파악 못했던 불량 패턴 탐지/대응

제조 B 社

연속 공정 業 특성 상 공정/설비 운영

중단 시 생산 차질로 인한 피해 큼

사고/중단 발생 이후 사후 대응

중단/사고 발생 시 원인 수작업 분석 장시간 소요

화학 A 社1

2

공정/설비 운영 연속성 확보가 Key Issue

불량율 최소화를 통한 수율 증대가 Key Issue

Big Data 기반 비정상 공정 운전 사전 감지

→ 장애 예측, 예지정비로 생산 손실 방지

Big Data 기반 불량 탐지 및 원인 분석 자동화

→ TAT(Turn Around Time) 단축, 수율 향상

Biz. 현안 및 Issue

수율1)은 수익성/원가경쟁력과 직결- 전체 중 일부 원재료는 원가 비중이 가장 높으며,

이 원재료의 수율 개선은 비용 절감의 핵심

고밀도화, 고집적화로 인해 高 수율 어려움 가중

원재료 불량 탐지/원인 분석에 장시간 소요

15

3. 제조영역 활용 및 사례 – Biz. 현안 및 Issue

“ 공정/설비 운영 연속성과 불량율 최소화 ”

16

3. 제조영역 활용 및 사례 – 비정상 공정운전 사전감지

TBD

17

3. 제조영역 활용 및 사례 – 비정상 공정운전 사전감지

TBD

18

3. 제조영역 활용 및 사례 – 불량율 탐지 및 분석자동화

TBD

19

3. 제조영역 활용 및 사례 – 불량율 탐지 및 분석자동화

TBD

【 Data 기반 경영 Roadmap 】

공정 운영 모니터링

예측 기반Proactive 대응

단위 업무 최적화

Industry 4.0(Smart Factory)

M2M 기반 실시간 공정운영 모니터링, 원격 제어

SHE (Safety, Health, Environment) 관제

SQL, OLAP 분석

설비 건강도 체크, 설비 장애 예측을 통한 예지 정비

불량 Map 패턴 자동 분류및 원인 Parameter 자동 탐색

통계, 데이터 마이닝 분석

구매, 생산, 물류, 판매각 단위 업무별 최적화

- 생산 계획/스케줄링 최적화, 실시간 운영 최적화 등

수율 예측 및 최적 수율 Path 시뮬레이션

시각화 분석 강화

전사 차원 정보의 실시간통합 및 공유

全 Value Chain 최적화및 공정 운영 자동화

- 공정/설비 간 양방향 정보전달, 복합 Rule 기반 제어

인공지능을 활용한 복합Rule 기반 기계 자율 제어

M2M(단위 공정별 일방향 정보 전달)

Big Data, Cloud(비용 효율적 실시간 분석)

IoT (全 공정 연계),Simulation/Optimization

Big Data 도입 후

Big Data 도입 전

Big Data, IoT 연계 후

20

3. 제조영역 활용 및 사례 – Data 기반 경영 Roadmap

“ 기존의 Reactive, Proactive 대응을 넘어 Prescriptive 대응으로 진화 발전 ”

21

“ Sensing 등 IoT 요소기술과 Big Data 분석역량 결합을 통한 Platform 구현으로Data 기반 서비스 고도화 실현 “

Device

Service

Network

Platform(P/F)

센싱 데이터 : 온도, 습도, 조도, 진동, 속도, 강수량, 파고, 염도, 화학물질, 수질오염, 세균, CCTV 등

Gateway

에너지 관리 공정 최적화 통합 관제 …

보안

장비통신

…감지 센서 현장 장비 CCTV

Device Mgmt(Channel) Device Identity Access Mgmt Event Routing

Real-Time Data Analysis

Complex EventProcessing

Event Stream분석

BPM/BRMRule WorkFlow

Common

통합 DB(Event 등)

User I/F Dashboard Reporting Setup

Batch(스케줄러, 모니터링)

Message Bus

MessageProcessor

ApplicationCommon

SmartSearch

…

Alarm Monitoring

Big Data

Large, ComplexCollection of

Datasets

Analytics(시뮬레이션 등)

Big DataQuery Tools

NoSQLDB

SKC&C ‘NEXCORE Watz Eye’ Platform Architecture

• 다양한 IoT/M2M Device 인증/등록/관리 기능

• 인증/등록된 Device의 Access 관리및 Event Routing 기능

다양한 IoT Device 관리1

1

2

3

IoT/M2M Platform

• IoTM2M Device에서 생성되는 대규모 Data(Event)에 대한실시간 분석 기능

• Big Data System 연계를 통한Analytics

실시간 복합 데이터 분석2

• IoT/M2M Data 생성/전송 및서비스에 이르는 End to End 보안

End to End IoT/M2M 보안3

2

• IaaS : Data 전송/저장 Infra

• PaaS : IoT/M2M Platform

• SaaS : Platform + Big Data

• Analytics 융합 Service

IoT/M2M Cloud Service4

4

[Back – Up] SKC&C Big Data/IoT Platform

22

5. Industry 4.0으로의 진화 – 정의

“ Industry 4.0은 기계와 사람, 서비스가 상호 연결되는 지능형 생산체계“

1784

Power generation

Mechanical automation

1870

Industrialization

1969

Electronic Automation

2015

Smart Automation

Steam engine

Conveyor belt

PLC

(Programmable Logic Controller)

Industry 1.0 Industry 2.0 Industry 3.0 Industry 4.0

기계식생산설비

전기동력에의한 대량 생산

전자기술과IT기반 자동화

IoT와 Big Data분석에 의한

지능형 생산체계

* 출처: DFKI (독일인공지능연구소), 2011

Deg

ree

of

Co

mp

lexit

y

The four stages of the Industrial Revolution

기계와 사람, 서비스가 Sensor와 data 분석 시스템을 통해상호 연결되는 지능형 생산체계

Industry 4.0의 정의

* 출처 :Recommendations for Implementing the Strategic Initiative Industry 4.0』, German Acatech, 2013.4

CPS

(Cyber-Physical Systems)

Machine

Big DataAnalytics

IndustrialData

monitoring

Secure,Cloud

Network

IntelligenceData share

① 스마트 메모리, 센서를 통해추출된 data로 부품, 설비, 생산 \기계 등에서 진행되는Context(상황정보)를 확인

② 생산 및 재고관리, 고객관리 등의 서비스와연결

④ 기계 및 생산공정이자율적인 지능형제어로

생산체계 운영

③ 실시간 사전검증, 관리 등 Big data 분석

Data flow

23

5. Industry 4.0으로의 진화 – Key enabler

Industry 4.0으로의 전환과 효과

* 출처: IoT Primer by Goldman Sachs (Sep 3, 2014)

Key enabler

“ IoT 신기술과 Data 분석역량의 발전으로 Industry 4.0 실현“

Intelligent Machines

• Sensor 비용 하락

• Data 수집양의 증대

Advanced Analytics

• 대용량 비정형 Data 수집/분석

• 예측분석 기반의 생산체계 실현

Big Data

설비, Network 정보의 분석 및 측정 data의 축적과 정교화

- 반복적인 패턴 통합작업을 통한 모델링 및 공정 분석

- Reference가 쌓일수록 경쟁력은 더 높아지는 구조

- 예측에 의한 생산 시스템 운영 관리 가능

기계의 지능화와 자율 제어 실현

이 기종 설비/생산기계 간의 실시간 연결 및 통합 운영

IoT/IoE 등 초연결 기반광범위 Data 획득

스마트/모바일 확산 실시간 Comm.

Big Data 분석 기술 및 Infra 발전

• Sensing된 Data의 저장 및 처리 능력 한계: 일부 Sampling data 전달

• raw data 형태로 전달되어 현재상태의 확인만 가능

* 출처: Machina Research 2014

일부 손실

raw data 전달

분석결과

관리자 피드백

전수 data

작업지시장비교체

Real time

• Sensing된 Data 전체를 분석/시각화 해서 관리자에게 전달

• 관리자는 사전 예측 data를 기반으로 설비 교체로 예지정비/수율향상

Big Data

Chip SensorsProcessors

Wirelesscoverage

IPv6

Smart Device

Chip Bandwidth

IOT

“ IoT 신기술과 Data분석역량의 발전 “

24

5. Industry 4.0으로의 진화 – Global 적용사례

TBD

25

5. Industry 4.0으로의 진화 – 활용 방향

효율적인 IoT 시스템 구축을 위해서는 Cloud기반 IoT 플랫폼 필요

- Big Data, Cloud, Analytics의 통합 제공 (예: GE社 Predix, LogMeIn社 Xively)

Cloud 기반 플랫폼서비스 필요

IoT Device로 부터 생성된 Big Data 분석/활용으로 생산성, 최적화 사례확대

-자동화, 에너지관리, Safety& Security등

제조산업의 실질적인 생산 효율성 증대 가능

Factory 단위의 폐쇄형 IoT Platform 도입 우선 검토

- IoT Device를 이용한 보안, 관제, 환경, 공정 모니터링/제어

- 분야별 旣 구축된 M2M 시스템과 통합하여 운영 효율화 확대

폐쇄형 IoT Platform 검토

전략적 의사결정을 위한 분석 집중

- 통합된 Data 분석과 활용 중심 역량으로 전이

Data분석/활용/축적 중심의 역량 집중

활용 방향

“ 제조 혁신을 위한 Big data 기반의 자율제어시스템 도입 “

IoT/M2M, Big Data를 활용한 운영 최적화 (예시)

설비별 M2M(센서+통신)을 통한 신규 Data 계측, 자동 축적

- 예: 에너지 사용 계측 에너지 최적화에 활용

활용 가능한 Data/정보 확대를 통해 최적화 모델 정교화

비용효율적 Infra 기반 생산공정 운영 실시간 최적화

최적화 모델링 주기 단축 및 적시 적용

M2M/IoT

최적화

1) CEP(Complex Event Processing): 실시간 대용량 Event 처리 및 복합 EventStream 패턴 감지, 복합적인 이벤트를 참조하여 특정 패턴을 유추하는 것

내/외부 대용량/비·반정형 데이터 분석

- 예: 물류최적화 시 기존의 배송 거리, 수송량, 단위 당 배송비 등내부Data + 외부 실시간 교통정보 등 신규 추가

실시간 처리(CEP1)) 또는 분산병렬처리

Big Data

Data 기반 서비스 고도화를 통한 Biz. Value-up 실현

제조 물류 유통 서비스 의료 공공 …

고객 중심

성과 창출

생산/운영

최적화

선제적

위험 관리

신규 BM

발굴…

ICT Trend Biz. Needs

IoT/M2M/IoE 등

초연결 시대 도래

스마트 모바일,

실시간 Comm.

Data 분석 기술 및

Infra 발전

“ 광범위한 Data의 획득/분석 가능 “

시장/고객 Needs의

선제적 대응 강화

과학적 근거에 기초한

내부 관리 최적화

“ 고객 중심 경영, 과학적 경영 추구 “

“ Biz. Value-up 도구로써의 Big Data는 새로운 가치창출의 원천이자, 차세대 천연자원으로 활용 가능 ”

【 Biz. Enabler로서의 Big Data 활용 】

Data 분석

(Biz.에 유의미하게 재해석)

Data 활용

(Biz. Value-up에 적용)

Data Source

(활용 Data 범위의 확대)

Data 수집/저장/처리

(실시간 대용량/비정형 Data)

26

6. Conclusion

“ Big Data는 IoT 등 ICT Trend와 접목하여

기업 혁신의 기본 Infra이자 핵심 경쟁력의 원천으로 활용 가능함 ”

“ Sensor, Network 기술의 발전이 제조업과 ICT융합을 촉발,But, 비용절감 및 생산 효율성 증대를 위해서는 제조 Big Data 분석 역량이 핵심”

27

7. 맺음말

1 M2M, IoT 등 ICT 기술 활용의 핵심은 기계/설비로 부터 추출된 Data를 활용한 예측 분석 시스템

- 다양한 Sensor를 통해 발생하는 대용량의 Big data를 그대로 전달하면 큰 폭의 생산성 저하 초래

- 개별 Data보다는 Data로 부터의 의미 추출 및 Data 간 조합이 필요.

- 이상징후나 기회를 조기에 포착할 수 있는 예측 분석시스템으로 Biz Value 창출

2 Data 기반의 “의사결정, 대응 및 자율화 시스템”이 제조 혁신의 Key enabler

- 실시간 설비 상태 파악 및 문제해결을 통해 설비의 최적화된 성능을 유지하는 지능형 생산시스템

- 자동화 설비 교체 없이, Data 기반의 분석시스템 적용 및 개선만으로도 성능 및 생산성 증대 가능

3 Data로부터 Pattern 및 Insight를 찾아서 Biz. 성과로 연계할 수 있는 분석 관점 체계화 필수

- IoT, Big Data, 예측분석 등의 역량과 Sensor data 처리, networking, backend System과 통합하여

자사 Biz.에 적합한 Ecosystem 확보 및 Framework 정립 필요

Insight

Pattern 분석

Data

28

Q & A

Thank you!

Q A&

SK C&C 이원석 상무/ ICT성장담당

wonsuk.lee@sk.com

Big Data! SK C&C가 함께 하겠습니다!!!

…

SK텔레콤

SK플래닛

SK브로드밴드

SK하이닉스 Big Data 수행 경험

Big Data 플랫폼

Big Data 전문가 집단

Thank You !