Discovery Summit Korea Dots header background

Korea 2020

12월 1일 ~ 2일

행사 시간표

발표 내용이나 시간은 사정에 따라 일부 변경될 수 있습니다.

12월 1일 (화)

13:00 - 13:15

오프닝

13:15 - 14:15

기조연설

  • Anabolic, Aphrodisiac or Analgesic? (근육강화제, 최음제 또는 진통제?)

    John Sall, Co-Founder and Executive Vice President, SAS

    JMP에서 새로운 분석 도구를 개발할 때에는 필연적으로 다음 중에서 우선 순위를 결정해야 합니다.

    1. 더 많은 근육을 추가하여 제품을 더 강력하게 만들 것인가?
    2. 더 섹시하고 흥미진진하게 만들 것인가?
    3. 통증 완화에 집중하여 덜 좌절하고, 덜 힘들게 만들 것인가?

    A로 시작하는 긴 단어로 표현하면, 근육강화제(anabolic), 최음제(aphrodisiac) 또는 진통제(analgesic)라 할 수 있는데, 그 중 무엇을 골라야 할까요? John Sall은 진통제가 그 답이라고 말합니다. 통증 완화는 개발에서 중심적인 동기가 되어야 합니다.

    물론이 세 가지는 상호 배타적이지 않습니다. 흥미롭고 강력한 기능을 추가하면 통증이 완화될 수도 있습니다. 그러나 통증 완화가 핵심입니다. 왜냐하면 통증은 우리를 꼼짝 못하게 하고, 의욕을 떨어뜨리며, 데이터를 통해 얻을 수 있는 정보의 일부 밖에 얻지 못하게 하기 때문입니다.

    >>>

    John Sall은 세계 최고의 비즈니스 분석 소프트웨어 업체인 SAS Institute Inc.의 공동 설립자 겸 부사장으로, 과학자와 엔지니어를 위해 JMP를 개발했으며 지금까지 JMP 사업을 이끌고 있습니다.

    John Sall은 미국통계학회와 세계 최대 규모의 학술 단체인 미국과학진흥협회(AAAS)의 특별연구원이기도 합니다. 환경보호에 깊은 관심으로 WWF(세계자연기금) 임원, 스미소니언 국립 자연사 박물관 위원을 맡고 있으며, 노스캐롤라이나 주립대학교 평의회 위원을 역임했습니다.

14:15 - 15:00

  • Session ID: 2020-KR-30MP-702

    Track 1

    JMP를 활용한 선박 연료효율 분석 사례

    조태근 매니저, SK텔레콤

    안정된 실험 환경에서 연비를 측정할 수 있는 자동차와 달리, 유조선(Very Large Crude Carrier, VLCC) 같은 대형 수송용 선박들은 해상운행 환경이 지속적으로 달라지기 때문에 연료효율을 분석하는 것이 매우 어렵습니다. 또한 사례의 경우 선박 연료비가 전체 유지비의 25%를 차지하여 연료비 절감이 선박의 경제성에 큰 영향을 미칠 뿐 아니라, 연비의 향상을 통해 탄소 배출량 저감에도 기여할 수 있습니다. 본 사례에서는

    1. 선박에서 수집된 데이터를 활용해 기계학습 모형을 적용하여 선박의 RPM에 따른 연료 효율 모형을 생성하고
    2. JMP를 사용해 연료효율 모형을 시각화하며
    3. 시뮬레이션을 통해 변화하는 해상 운행 조건에서 연비 Curve를 도출합니다.

    >>>

    조태근 매니저는 SK텔레콤에서 데이터 사이언티스트로 일하고 있습니다. 주 연구분야는 에너지 산업에서 머신러닝 알고리즘을 사용하여 예측 모델을 개발하는 것입니다. 현재는 automatic variable selection과 stochastic model을 이용한 AutoML 알고리즘 개발에 주력하고 있습니다.

  • Session ID: 2020-KR-45MP-716

    Track 2

    여러 산업에서 가장 이슈가 되는 문제 중 하나는 데이터 전처리에 관련한 문제입니다.  데이터 분석에 앞서 데이터 전처리는 매우 중요합니다. 그러나 여러 데이터의 전처리가 쉽지 않습니다. 그리고 비즈니스에서는 그런 복잡한 데이터에 대하여, 반복적이고자동화 된 프로세스를 요구합니다. 이에 Python 프로그래밍언어를 활용하여 전처리가 복잡한 데이터를 처리하고, JMP를 이용해 분석까지 자동화 시키는 프로세스를 구축합니다. JSL을 이용해 Python 스크립트를 연결할 수 있으며, 이는 데이터베이스나 웹에 올라와 있는 데이터들도 쉽게 처리할 수 있는 효과를 가져다 줍니다. 

    >>>

    김종찬 수석은 이노밸류파트너즈에서 데이터 분석가로 일하고 있으며, POSCO 인재창조원 데이터 혁신그룹 및 홍익대학교 상권분석 센터에서 자문 교수를 겸하고 있습니다.

15:00 - 15:30

공통

  • Session ID: 2020-KR-30MP-700

    28GHz의 mmWave의 통신규격인 5G의 도입은 Mobile device의 PCB 및 cable 설계시 기존에는 무시되었던 제조 공차까지도 중요한 요인이 되었습니다. 고주파 영역에서는 PCB 제조공차인 수 um의 작은 차이도 RF성능에 영향을 주기 때문에 제조공차를 최소화할 필요가 있습니다. 하지만 제조공차를 줄이는 것은 개발비용의 상승을 의미하기 떄문에 제조 업체에서 제시하는 제조 공차 spec과 당사 제품의 RF성능 기준과의 적정선을 찾아야 합니다. 특히 Mobile 기기의 소형화와 초박형 디자인을 위해 도입된 FPCB의 다양한 설계변수로 인해 모든 조합을 샘플제작하여 실물검증하는 것은 불가능하고, 대량 생산시 불량 검출에 대한 검사 방법도 모호합니다. 이 프리젠테이션에서는 Custom design통한 DoE해석을 통해 FPCB의 설계 변수들의 제조 공차가 RF 성능에 미치는 영향을 분석하고 이를 통해 FPCB의 품질 확보 과정을 소개하고자 합니다.

    >>>

    홍은주 책임은 삼성전자에서 엔지니어로 근무 중이며, 무선단말기의 회로 CAE 업무 담당으로 시뮬레이션 분석을 통한 사전문제 예측 및 문제개선 업무를 진행하고 있습니다. 주요 업무는 CST/HFSS와 같은 3D EM 시뮬레이션을 통한 E/H field 분석 및 JMP를 이용하여 mmWave 안테나 및 부품의 최적설계를 위한 해석 방법론 구축 및 설계 가이드 생성입니다.

15:40 - 16:10

  • Session ID: 2020-KR-30MP-726

    Track 1

    Designed experiments for dry etch equipment present challenges for semiconductor engineers. First, because the total gas flow rate is often fixed, a mixture design must be used to honor the constraints imposed by this type of design. These types of designs are not commonly seen in the Semiconductor industry. Second, as is often the case with these experiments, the investigator is interested in optimizing more than one variable. In this presentation, you will see an example of how to design and analyze a seven factor experiment for a dry etch tool and simultaneously optimize an overall wafer target value while minimizing within wafer variability.

    >>>

    Don McCormack는 JMP Global Enablement Team에서 Principal Systems Engineer로 일하고 있습니다.

  • Session ID: 2020-KR-30MP-708

    Track 2

    Using JMP in Hanwha-Total Petrochemical

    김동진 대리, 한화토탈

    이 발표에서는 석유화학 산업의 특성과 석유화학 산업에서 JMP가 어떻게 사용될 수 있는지를 공유합니다.

    >>>

    김동진 대리는 한화토탈 DT추진팀의 데이터 분석 파트에서 근무 중입니다. 주요 업무는 데이터 분석 전략 수립 및 현업 부서의 데이터 분석 업무 지원이며, 사내 엔지니어를 대상으로 JMP 기초 교육을 진행하고 있습니다.

16:10 - 16:40

  • Session ID: 2020-KR-30MP-710

    Track 1

    현대 산업에서는 시간과 비용 절약을 위해 제조공정의 결함 데이터를 빠르고 정확하게 분석하는 것이 점점 더 중요해지고 있습니다. 이 발표에서는 빠르고 간단한 분석 방법을 공유합니다.

    1. 데이터 필터로 각 고장 모드를 분류하는 방법
    2. 효율적인 데이터 시각화를 위해 그래프 빌더를 사용하는 방법
    3. 다중 상관 파라메트릭 데이터를 사용한 효과적인 한 페이지 분석

    >>>

    이수웅 과장은 LG이노텍에서 테스트 엔지니어로 근무하고 있습니다. 전문 분야는 수치 시뮬레이션, 광학, 반도체, 물리학, 전자공학입니다. 광주과학기술원에서 물리광과학 박사학위를 받았습니다.

  • Session ID: 2020-KR-30MP-717

    Track 2

    금융 데이터 분석의 JMP 활용

    박성수 차장, 농협중앙회

    금융권 데이터 분석에서는 대용량 데이터, 입력 정보의 다양성, 고객 정보보호 등 다양한 이슈들이 존재합니다. 데이터로부터 인사이트를 얻고, 적합한 예측 모델을 구축하여 현업에 적용하려면, 이런 이슈들을 해결하는 초기의 데이터 탐색 과정이 매우 중요합니다. 이 발표에서는 JMP의 탐색적 데이터 분석 및 시각화 기능을 활용하여 분석의 생산성과 품질을 향상시키는 사례를 소개합니다.

    >>>

    박성수 차장은 농협중앙회 상호금융 디지털전략부 빅데이터팀에서 근무 중이며, 이전에는 SAS Korea 컨설턴트로 일했습니다. 성균관대학교에서 MIS로 경영학 박사학위를 받았습니다.

16:40 - 17:10

  • Session ID: 2020-KR-30MP-701

    Track 1

    최근 수집되고 있는 데이터의 종류 및 양이 급격히 증대하면서 데이터 분석에 대한 필요성은 계속해서 증가하고 있습니다. 데이터 분석 업무는 그 영역을 한정할 수 없을 만큼 다양한 범위를 다루어야하는 상황입니다. 범용적 활용이 가능하면서도 대용량 데이터를 제어할 수 있는 도구가 필요합니다. JMP를 활용할 경우 분석가는 다종, 다량의 데이터를 빠른 속도로 분석할 수 있습니다. 제조업은 고객이 만족할 수 있는 제품을 생산하여 판매하는 것이 중요합니다. 고객 서비스 데이터는 제품 개발 방향 설정, 중점 관리 품질 항목 추출 등 유효한 특성을 분석할 수 있는 근거가 됩니다. 본 발표에서는 JMP를 활용하여 고객 서비스 데이터 기반한 모델, 지역 특성을 파악하고 쉽게 이해할 수 있는 직관적 형태로 변환하였습니다. 다양한 변수 간의 상관성을 확인하고 데이터가 내포하고 있던 의미를 추출하였습니다. 원재료 형태의 데이터는 해석을 통해 의사 결정에 활용이 가능한 의미 있는 결과로 변환 될 수 있습니다.

    >>>

    정준기 주임은 LS엠트론 경영관리 제어기술그룹에서 연구원으로 근무 중이며, 아주대학교에서 석사 학위를 받았습니다. 진동을 이용한 미션검사방법 및 미션검사장치(2019), 진동을 이용한 엔진검사장치 및 엔진검사방법(2019) 특허를 갖고 있습니다.

  • Session ID: 2020-KR-30MP-707

    Track 2

    QbD(Quality by Design)를 적용한 의약품 개발 시 강조되는 부분 중 하나가 바로 "제품과 공정에 대한 이해(Product & Process Understanding)"입니다. 특히 "공정에 대한 이해"는 목표 품질특성(Critical Quality Attribute, CQA)과 공정 변수(Process Parameter, PP)들 간의 관계를 Y=f(X's) 형태의 지식으로 확보하는 것을 의미하고, 이는 실험 데이터를 통해 과학적이고 논리적으로 확보해야 합니다. 본 발표에서는 공정에 대한 지식을 확보하기 위해 JMP를 활용하여 효과적이고 효율적으로 데이터를 분석하고 결론을 도출하는 방법을 다루고자 합니다. 세부 주제는 다음과 같습니다.

    1. 주요공정변수(CPP) 확인을 위한 통계적 가설검정 활용
    2. 공정 특성화(Process Characterization)를 위한 DOE 적용
    3. 신속한 공정 개발을 위한 DSD(Definitive Screening Design) 활용

    >>>

    김종민 대표는 2008년 한가람경영혁신연구소를 설립한 후 제약/바이오를 비롯한 다양한 산업의 기업을 대상으로 QbD, six sigma, 기술경영(MOT) 등과 관련된 교육 및 컨설팅을 제공하고 있습니다. 창업 전에는 삼성종합기술원에서 전문연구원과 DFSS(Design For Six Sigma) MBB로 일했습니다. 서울대학교에서 생물공학(Biochemical Engineering) 박사 학위를 받았습니다.

17:10 - 17:40

  • Session ID: 2020-KR-30MP-703

    Track 1

    Various Statistical Analysis for Quality Prediction

    나건수 책임, LG디스플레이

    최근에 데이터 수집기술의 발전에 힘입어 제조공정에서 다양한 종류의 빅데이터를 손쉽게 수집할 수 있는데, 빅데이터에는 제품의 품질을 예측할 수 있는 정보도 포함되어 있습니다. 소개하는 사례는 품질 판정 결과인 Y인자를 포함하고 있고, 일부 범주형 X인자는 범주 종류가 매우 다양한 특징을 갖고 있습니다. JMP에서 제공하는 다양한 기능으로 지도 및 비지도 학습의 통계분석을 진행함으로써 제조공정의 데이터로부터 품질을 예측하는 가능성을 검토하여 보았습니다.

    >>>

    나건수 책임은 LG디스플레이 연구소에서 AI 연구팀 책임연구원으로 근무 중입니다.

  • Session ID: 2020-KR-30MP-698

    Track 2

    Amazon Athena를 활용하여 Amazon S3에 저장된 데이터를 간편하게 수집하여 분석할 수 있는 JMP Add-In 개발 사례이며 ODBC 드라이버를 통해 대부분의 SQL Serve에 공통적으로 적용할 수 있는 방법이라고 생각됩니다. 그리고 JSL을 활용하여 반자동으로 데이터 분석을 할 수 있는 팁을 공유하고자 합니다.

    >>>

    이춘호 수석은 SSMI에서 수석컨설턴트로 일하고 있습니다. 다양한 산업분야에서 JMP를 활용하여 데이터 마이닝 교육, 과제 지도, JSL을 활용한 Add-In 개발 등을 진행하고 있습니다.

12월 2일 (수)

13:00 - 13:45

기조연설

  • 최근 제조산업에서도 스마트팩토리 또는 디지털전환이라는 이름으로 빅데이터와 인공지능에 대한 관심이 뜨겁습니다. 이러한 관심은 불량을 줄이거나 생산 비용을 절감하기 위한 목적으로 대량의 공정데이터로부터 조업을 학습한 인공지능이 스스로 더 나은 최적 조업을 수행할 수 있을 것이라는 기대감에서 비롯된 것입니다. 본 발표에서는 이에 해당되는 사례로서 철강산업에서 실제 생산 공정에 인공지능을 개발하여 적용한 과정을 소개합니다. 해당 알고리즘을 직접 설계하고 개발한 개발자로서, 본 사례를 통해 인공지능의 개발 과정에서 그리고 개발 이후인 관리 과정에서 여전히 JMP와 같은 분석 소프트웨어가 필요한 이유에 대해서 언급합니다. 본 발표는 특정 목적을 위해 개발된 하나의 솔루션으로 인식될 수 있는 인공지능이 사후 관리가 지속적으로 필요하다는 점을 시사함으로써 추후 이와 유사한 과업을 수행할 조직에게 올바른 계획을 수립할 수 있게 하는데 의의를 둡니다.

    >>>

    이종석 교수는 성균관대학교 데이터사이언스융합학과 교수로 재직 중이며, 관심분야는 스마트팩토리, 데이터마이닝, 기계학습입니다. 주로 제조 분야의 기업들과 지속적인 산학협력을 진행하고 있으며, 포스코에서는 도금량 제어자동화 솔루션 개발 이후로 공장 내 모든 세부 공정에 인공지능을 도입하는 연구를 수행하고 있습니다. 특히 포스코는 2019년 세계경제포럼에서 세계 제조업의 미래를 혁신적으로 이끌고 있는 등대공장으로 선정되기도 했습니다. 2012년 성균관대학교 교수진으로 합류하기 전에는 미국 SAS 본사에서 소프트웨어 엔지니어로 근무했습니다. 아이오와 주립대학교에서 산업공학 박사 학위를, 포항대학교에서 정보공학 석사 학위를 받았습니다.

13:45 - 14:30

  • Session ID: 2020-KR-45MP-706

    Track 1

    이 발표에서는 통계 분석 전에 다양한 데이터 정리 및 예비 데이터 시각화 방법을 자세히 설명합니다. 먼저 Graph Builder를 사용한 레거시 오버레이 플롯의 차별화에 대해 논의하고 몇 번의 클릭만으로 작업을 빠르게 복제하고 다양한 공식을 평가할 수 있는 스크립트의 기본 사용에 대해 자세히 알아봅니다.

    >>>

    안종현 책임은 ASM에서 공정 엔지니어로 근무하고 있습니다. SiN과 SiO PEALD를 중심으로 다양한 공정 개발 프로젝트에 참여했으며, ASM 내에서 통계적 방법 챔피언 역할을 맡고 있습니다. 주로 데이터 시각화 및 프로세스 개발 최적화를 위해 JMP를 사용합니다.

  • Session ID: 2020-KR-45MP-681

    Track 2

    최근 제조 및 장치산업의 불량 발생이나 설비가동율 저하 등의 고질적인 문제점을 개선하기 위하여, 현장에서 발생하는 많은 데이터를 Data Science로 개선하기 위한 노력들이 많이 진행되고 있습니다.  따라서, 현장의 문제점을 개선하고자 하는 Citizen Data Scientist들을 위하여, JMP를 이용하여 분석-모델링-최적화를 통하여 빅데이터 환경에서의 문제해결 방법론을 재 정립한 사례를 소개하고자 합니다.

    * 소개할 문제해결 방법론: DATA Roadmap (Detect - Analyze - Transform - Apply)

    1. Detect : Data Setup 및 NA 및 Outlier 처리
    2. Analyze : Exploration 및 유효인자 Screening
    3. Transform : Train/Test Data Set 구분 및 모델링 분석
    4. Apply : 최적 모델링 선정 및 인자 최적조건 산출

    >>>

    김한성 상무는 와이즈메카에서 데이터사이언티스트로 근무 중입니다. 이전에는 삼성디스플레이 경영혁신(빅데이터, 스마트팩토리), SSMI 컨설팅 R&D 부문 컨설턴트(6시그마, TRIZ, GVE), 삼성전자 반도체 연구원 및 6시그마 MBB로 일했습니다.

14:30 - 15:00

  • Session ID: 2020-KR-30MP-727

    Track 1

    Gaussian Process (GP) is one of several analysis techniques that are used to build approximation models for computer generated experiments. Generally, a space filling design is used to guide the computer experimentation efforts because all the parameters/variables are derived from or directly pulled from first principles physics models/equations. Space filling designs are used because the data generated by the computer experiments is deterministic and likely to be highly non-linear. This is where GP comes into play. Because the data is deterministic, GP will attempt to fit every point in the design perfectly allowing for a close approximation of the true model. We will compare GP to Response Surface and Neural Net models. We will also compare GP models derived from different types of space filling designs.

    >>>

    Bill Worley는 JMP Global Enablement Team에서 Sr Systems Engineer로 일하고 있습니다. SAS에 합류하기 전에는 Procter & Gamble의 모델링 및 시뮬레이션 그룹의 기술 리더로 JMP 사용법을 교육하고 지원하는 업무를 담당했습니다. 신시내티 대학교에서 화학 석사 학위를 받았습니다.

  • Session ID: 2020-KR-30MP-709

    Track 2

    롤러베이링의 실시간 이상 감지 모니터링 시스템을 구축하기 위하여 롤러베이링의 가속도 신호를 0.5초 단위로 전처리한 후에 전처리한 가속도 신호에 다양한 통계지표를 적용하여 롤러베어링의 NOR(normal), ORF(outer race fault), IRF(inner race fault)의 패턴을 정의한 후에 머신러닝 기법으로 패턴을 학습시켜 실시간으로 이상 감지를 모니터링하는 시스템을 구축합니다. JMP의 통계방법론을 적용하여 롤러베어링 가속도 신호의 NOR(normal), ORF(outer race fault), IRF(inner race fault) 패턴을 인지하는 통계 지표를 Skewness와 Kurtosis로 선정하였으며, 패턴 인식은 JMP가 제공하는 머신러닝방법론인 ANN(Artificial Neural Network), SVM(Support Vector Machines)와 로지스틱 회귀인 NL(Nominal Logistics)를 적용하여 이상 감지 모델을 구축하였습니다.

    >>>

    이광기 상무는 한얼솔루션에서 빅데이터 통계분석 및 프로세스 최적화 컨설턴트로 근무하고 있습니다.

15:00 - 15:45

공통

  • Session ID: 2020-KR-45MP-689

    Visual insights with JMP in Problem Solving

    이재욱 연구위원, LG전자

    JMP는 최적화된 UI와 단순화된 메뉴 커맨드, 최소화된 분석 경로 등을 제공하여, 사용자가 데이터 수집과 탐색에 집중할 수 있게 합니다. 초급 엔지니어부터 전문가 모두 만족할 수 있는 쉬운 사용, 빠르고 전문적인 분석 결과, 다양한 시각화, 데이터와 연계된 분석 플랫폼 등은, 현장의 다양한 문제들에 대해 즉시적이고 정확한 대응이 가능하게 합니다. 본 세션에서, 휴대폰 부품 제조 현장에서 발생하는 연속형, 범주형 데이터를 JMP로 정리하고 분석하는 과정을 공유합니다. 주로 Excel로 정리되어 현장에서 공유되는 데이터를 JMP로 전환하여 Pareto Chart 작성, 개선 방향에 대한 Fish-bone Diagram 정리 방법, 연속형 및 범주형 Gage R&R, 단기적인 개선의 효과를 검정하거나 시각화를 통한 문제 해결 사례 등이 다루어질 예정이며, JMP의 높은 활용도와 응용 범위를 확인할 수 있습니다.

    >>>

    이재욱 연구위원은 LG전자에서 신소재 개발 및 선행 구조 설계 업무를 수행하고 있습니다.

15:45 - 16:15

  • Session ID: 2020-KR-30MP-699

    Track 1

    JMP로 분석 할 때 가장 먼저해야 할 일은 데이터를 가져 오는 것입니다. 그러나, 대부분의 회사는 보안상의 이유로 직원이 데이터 아카이브에 액세스하는 것을 허용하거나 제한하고 있습니다. 또한 데이터베이스 나 FTP 서버에 연결하는 서비스를 JSL로 작성하는 것도 쉽지 않습니다. 실제로 데이터에 직접 액세스 할 수 없거나 데이터 엔지니어링 기술이 부족한 경우 데이터를 JMP로 가져 오는 것은 매우 어려운 작업입니다. 이러한 문제를 해결하기 위해 소스에서 JMP로 데이터를 전송하는 REST API 기반 서비스를 개발하고, JSL 스크립트 UI를 사용하여 사용자는 JMP에서 분석에 필요한 데이터를 쉽게 액세스할 수 있게 구현 하였습니다. Python으로 개발한 서비스를 통해 보안 문제를 해결하고 다양한 오픈소스 소프트웨어를 활용할 수 있습니다. 이렇게 하면 데이터 수집 전처리가 용이해서 분석의 효율성과 생산성이 향상됩니다.

    >>>

    김홍진 TL은 SK하이닉스 데이터 사이언스 조직에서 데이터 엔지니어로 근무 중입니다. 현재는 데이터 분석 현장 지원 조직에서, 현장 문제 해결을 위한 분석 및 시스템 구축 업무를 하고 있습니다.

  • Session ID: 2020-KR-30MP-705

    Track 2

    '신뢰도 성장'은 자동차, 중장비, 기계, 설비, 로봇 등 시스템 개발 기반의 연구 과정에서 쓰이는 신뢰성 기법으로 주로 MIL-HDBK을 통해 쉽게 접할 수 있습니다. 그러나 현대기아차에서 최근에야 품질경영 2.0을 통해 신뢰성 경영이 화두가 되고 있는 만큼 국내 기업에선 연구원이나 엔지니어들이 내용이나 이론, 활용법을 주변에서 구하기란 쉽지않은 것도 현실입니다. 본 발표는 '신뢰도 성장' 중 가장 먼저 이루어질 '신뢰도 성장 계획(Reliability Growth Planning)' 을 수립하는 한 예를 소개하고자 합니다. 특히 JMP의 내장된 기능이 매뉴얼로 소개가 잘 되어있는 만큼 디폴트로 포함돼 있지 않은 별도의 기능(Add-ins)으로 실현될 수 있는 예를 통해 JMP의 확장성도 간접 체험할 수 있는 기회를 함께 마련코자 합니다.    

    >>>

    송인식 대표는 PS-Lab 컨설팅 대표를 맡고 있습니다. 이전에는 삼정 KPMG 전략컨설팅그룹 상무, 네모 시그마그룹 수석 컨설턴트, 한국능률협회컨설팅(KMAC) 6시그마 전문위원, 삼성SDI R&D 센터 선임연구원으로 일했습니다. 미국 SBTI社 DFSS과정 및 미국 NASA 신뢰성 전문가과정을 수료하였으며, 삼성 SDI Full Time BB, 사내 컨설턴트를 맡고 있습니다.

16:15 - 16:45

  • Session ID: 2020-KR-30MP-722

    Track 1

    FAB 빅데이터에 대한 상호 교호작용 prmt에 대한 불량 인자 확인 및 인덱스 수치화를 통한 품질 예측 모델링을 구현합니다.

    >>>

    주진수 TL(책임)은 SK하이닉스 DRAM TEST기술 PJT, DRAM 특성분석팀에서 근무 중입니다. 2015년부터 지금까지 종합공정개선/관리 업무를 담당하고 있습니다.

  • Session ID: 2020-KR-30MP-696

    Track 2

    올바른 공정 모니터링 위한 관리도 설계

    이종선 박사, IES공학통계연구소

    공정 모니터링을 위해 사용되는 관리도는 잘못된 관리도 혹은 관리한계 설정으로 인하여 False Alarm이 발생하는 문제가 있습니다. 이러한 False Alarm은 엔지니어나 작업자의 불필요한 원인 파악 노력과 이로인한 공정 개선 의지를 낮추게 할 뿐 아니라 공정 모니터링에 대한 신뢰 감소로 이어지게 됩니다. 관리도 적용을 위해서는 데이터의 정규성과 독립성에 검토가 사전에 이뤄져서 관리상태 시의 평균 런 길이가 370이 되도록 올바른 관리한계가 산출되어야 하지만 그렇지 못한 경우가 많습니다. Bootstrap 방법을 이용한 관리한계 검토를 위한 방법을 JMP로 구현하는 방법을 제안하고자 합니다.

    >>>

    이종선 대표는 삼성, LG, SK하이닉스 등 전자 분야 글로벌 기업을 대상으로 품질 및 통계분석에 관한 컨설팅과 교육을 수행하고 있으며, 시계열 분석을 활용한 공정관리 방법론에 관한 논문을 다수 발표하였습니다. IES 공학통계연구소 설립 전에는 SAS 코리아 컨설턴트,  삼성전자 품질 데이터 분석 내부 전문가로 일했고, 인하대학교에서 통계학 강의를 맡기도 하였습니다. 인하대학교에서 응용통계학으로 석사와 박사학위를 받았습니다.

16:45 - 17:30

  • Session ID: 2020-KR-30MP-724

    Track 1

    이 발표에서는 Pattern Shrink에 따라 발생하는 profile 상의 문제들을 해결할 때, 기존의 개선방법 대비 DOE를 활용해 좀 더 빠르고, 효율적으로 개선하는 과정을 살펴봅니다.

    >>>

    전병구 TL은 SK하이닉스 미래기술연구원 선행D&P Etch팀 엔지니어로 근무하고 있습니다.

  • Session ID: 2020-KR-45MP-695

    Track 2

    Emotion Quality Design/Redesign Using JMP

    차주현 대표, 와이즈메카

    비즈니스 전부문에 걸쳐 품질경쟁은 기술적인 성능을 넘어 감성적인 부분까지 확장되고 있습니다. 이와 같은 상황에서 본 발표는 과학적인 감성품질 설계 및 재설계에 대한 방법론입니다. 감성공학 프로세스를 전개해서 크게

    1. 감성품질 특성을 고객으로부터 도출하여 그에 대한 중요도를 판정, 목표특성을 확보하고
    2. 설정된 목표특성의 구체적인 평가시스템을 개발하고
    3. 고객만족을 구현할 수 있도록 최적화하는 방법을 소개합니다.

    >>>

    차주현 대표는 와이즈메카(WiseMeca)의 대표로, 데이터 사이언티스트 및 비지니스 컨설팅 업무를 수행하고 있습니다. 서울메트로의 RAMS(신뢰성) 고문을 맡고 있기도 합니다. 이전에는 KAIST 초빙교수, KMAC(한국경영자협회) 컨설턴트, 모토롤라 시뮬레이션 엔지니어/SME(Statistical Methodology Engineer), 한국석유공사 엔지니어로 일했습니다.

Back to Top