오엔에스커뮤니케이션 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

오엔에스커뮤니케이션의 전체 정보

기업개요 및 핵심역량(요약)

가. 2012년부터 제조기업 대상 솔류션 개발 전문 업체- 2012년 MES 시스템 개발 및 적용사업 시작, 세계김치연구소에 김치생산을 위한 식품공정 자동화 시스템 사업 개발- 2015년부터 베트남에 있는 직원 규모 2만명의 제조기업을 대상으로 MES시스템 및 품질관리 시스템 공급 경험- 2018년 산업부, 인터넷 기반 품질관리시스템 개발 과제 성공적 마무리 (한국생산기술연구원, 포항공대 공동개발)나. 제조공장 제조/품질관련 개발 경험- 2018년 산업부, 인터넷 기반 품질관리시스템 개발을 통하여 각종 통계 및 빅데이터/AI 관련 시스템 개발경험 보유- 2018년 제조기업의 MES시스템 공급경험을 바탕으로 ‘AI 기반 비전’관련 특허 등록- 2015년~2019년 베트남/인도네시아 소재 제조기업을 대상으로 MES시스템 구축경험 및 제조품질 데이터 분석 시스템 개발 경험 보유 (현장 IoT장비를 이용한 온/습도관리 및 이를 통한 완제품 품질이력 관리 개발)- 2020년 ARISTA 솔류션 기반 실내측위 시스템 현대아산병원 등 대형병원 대상 협업개발((주)에어키와 협업)- 2019~20년 패키징 인쇄기업을 대상으로 동종업계의 난제로 불리우던 별색 잉크 조색을 위한 빅데이터 분석을 위한 기반 시스템 구축 경험- 2021년 화장품기업을 대상으로 벌크생산을 위한 컬러베이스 조색 맞춤을 위한 AI엔진 개발 완료- 2022~24년 화장품기업 AI조색 맞춤 엔진 적용 및 피부색 기반 AI조색 데이터 생성 완료다. 빅데이터 분석을 위한 경험 및 전문경험 다수 보유- 2017년 산업부 주관 제조빅데이터 분석 시스템 개발 완료(34개 분석엔진 개발 및 플랫폼화) 및 시범운영 경험 보유(베트남 소재 섬유기업)- R, Python 기반 빅데이터, 딥러닝, AI 엔진 개발 이용 다수의 프로젝트 수행 및 R&D개발 진행중

기업한글명

오엔에스커뮤니케이션

도로명주소

등록일

2025-01-13

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=2208759917&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

가. 제조기업 보유시스템(MES) 연동 가공서비스 제공- MES 개발 및 구축경험을 살려, 제조기업이 ERP, MES시스템을 보유한 경우, 보유 시스템의 데이터를 분석하여 품질데이터를 추출하여 제조품질데이터를 분석하도록 개발함- 국내 MES 개발 업체는 수십여개 되어 표준화 되어있지 않으며, 대기업의 경우에는 자체적으로 개발되어진 시스템을 사용하고 있어, 현행 구축 시스템을 분석하지 않고서는 제대로된 품질데이터 분석을 위한 데이터 추출이 어려움- MES/ERP 시스템 분석을 위해서는 상당량의 데이터 분석을 필요로 하며, MES 필수 항목인 기준정보, WIP상태, WORKSTATE정보등을 분석하여 공정별 사이클타임 추출 및 QC에 대한 이력을 함께 분석하여 제조데이터 분석을 진행하도록함나. 제조기업 환경에 맞는 IoT장비 및 센싱 솔류션 제안- 제조 빅데이터 분석을 위해서는 현장의 장비와 연동되어진 IoT장비에 대한 현장적용이 필수임. 이외의 경우 PLC를 통한 데이터 추출이 포함되어야 되며 이러한 경우 TSDB(타임시리즈 기반 데이터베이스, 기존 RDB와 다르며 시간이 PK로 관리되어짐. 대표적으로 Influx DB가 있음)연동되어진 마이크로세컨드 단위 데이터 분석이 필요함- 공정단위에서 품질관련 이력정보를 별도로 필요한 경우 현장장비를 활용하여 측정가능한 기기를 직접 제안하여 보다 높음 품질수준의 데이터를 취득 가능하도록 함께 제안하도록 함

상세주소

655

설립일자

2007-12-28

실적(요약)

가. 2022~2024년 데이터바우쳐 공급기업 사업진행- 2019년 패키징 인쇄기업을 대상으로 내부 조색을 위한 색상엔진 분석관련 데이터 학습 및 이를 위한 어플리케이션 개발 완료- 다수의 잉크회사의 제품을 사용하면서 변환 가능한 CMYK-RGB 변환테이블 구축 (레코드수 256^3) 완료 및 이를 확인 가능한 어플리케이션 개발- 現 해당 테이블 패키징 인쇄기업에서 변환을 위한 기본 어플리케이션으로 활용중나. 2017~2019년(2년) 산업부 제조빅데이터 분석 시스템 개발- 2017년부터 인터넷 기반으로 제조기업의 품질데이터를 분석 가능한 R, Python 기반 제조품질분석 플랫폼 개발 (한국생산기술연구원, 포항공대 협업)- 34개 개발모듈 시스템 개발/통합 및 품질분석 시스템 개발- 개발되어진 엔진은 해외 제조기업을 대상으로 베트남 현지 2곳에 설치 및 현장검증다. 데이터바우쳐 가공기업 사업진행- 2020년 데이터바우쳐 가공기업으로써 용인지역 50만평 규모의(산 4개지역) 산림지역을 대상으로 기상데이터/고도데이터를 연동하여 성공적으로 개발을 마무리함- 당시 노지 최적재배지 서비스로 개발되었으며 개발되어진 데이터 및 개방형API는 클라우드 기반으로 서비스되어 현재 영농기업에서 사용중에 있음- 스마트팜에서 사용하는 재배작물로써는 여러개가 있을수 있으나 산양삼을 기반으로 시스템 개발을 하였으며, 산양삼 이외의 작물데이터도 바로 전국기반 데이터로 변형하여 서비스 가능함

유지보수(후속지원)전략(요약)

가. 전문 기술영업 담당자 배당- 영업 단계부터 기술영업 담당자 지정 및 사용을 위한 가이드 제공- 필요 개방형API 도출 및 개발-제공-서비스 전단계 전문 기술영업 담당자 매칭 (유지보수 시점까지 동일 기업영업 담당자를 SPOC으로 지정)나. 개발되어진 개방형API 공개- 개발완료되어 사용중인 산양삼 기반 시스템 일부 기능 공개 및 사용겸험 제시(한시적 사용 및 경험공유)다. 자사 클라우드환경 무상이용 기간 제시- 구매기업의 클라우드로 옮기거나 기술영업 단계에서는 당사의 클라우드 환경을 이용하여 사용료 부담없이 마음껏 사용하여 서비스 개발에 사용될 수 있도록 함 (당사에서 클라우드 비용 부담)

주요서비스 상세정보(요약)

가. 데이터 가공을 위한 기반데이터- 제조기업에서 추출 가능한 정보는 기본적으로 보유 MES 또는 ERP 정보를 통하여 추출하도록함- 이렇게 추출되어지는 데이터는 표준화 되어있지 않아 빅데이터 분석을 위해서는 별도로 해당 필드별 데이터의 특성을 함께 이해하여야 하며, 하나씩 데이터를 찾아가며 라벨링 하여야 함- 이렇게 라벨링되어진 데이터는 별도의 데이터베이스에 1차 추출(또는 별도 엔진을 개발하여 지속적인 데이터 추출이 가능하도록 개발제공함)하여 빅데이터/AI 분석을 하도록 함- 하기의 테이블은 MES에서 공통으로 사용 가능한 메뉴구조로 해당 메뉴와 연동되어진 데이터베이스 데이터를 기반데이터로 활용하여 분석하도록 함나. 기반데이터기반 제조기업 추출데이터- 제조기업에서 제공되어진 MES/ERP데이터를 기반으로 1차 분석을 통하여 별도의 추출데이터 베이스를 생성하여 R/Python에서 직접 분석 가능하도록 함- 추출데이터는 아래와 같은 내용을 고려하여 설계하도록 함● Primary Key : 위치+시간 : 시계열 공간데이터● Field : 제조데이터● Value : 현장 제조측정데이터다. 데이터 전처리 작업- 1차 추출되어진 데이터는 연관분석을 통한 데이터 필터링을 진행하도록 함- 연관분석을 위한 분석은 여러기법 활용이 가능하며 연관분석 엔진 결정은 분석을 위한 대상데이터를 고려하여 판단하도록 함라. 분석 데이터 제공- 상관분석 이후 제조기업 특화되어진 제조기업군별 특화 엔진을 개발완료하여 쉽고/지속적으로 현장에서 적용가능하도록 시스템 구성도 함께 제공하도록 함- 서버 기반시스템으로 JSon/Restful 기반 OpenAPI 기반으로 제조 품질데이터 분석 요청과 함께 결과를 쉽게 제조현장 어디서나 받아 결과를 즉시 분석 가능한 시스템으로 제공하도록 함- 별도 요구로 인하여 단순 분석데이터 추출만을 원하는 제조기업의 경우 별도의 Report 양식으로 결과데이터 또는 원시데이터를 .csv, .sql 등의 확장자로 변환 추출하여 제공하도록 함

카테고리구분

전처리,코딩,분석

품질확보전략(요약)

가. AI데이터 품질확보 방안- 가공데이터의 품질 기준을 확인하며, AI데이터에 적용된 데이터를 기반으로 Test/Train 기준으로 성과목표를 설정하도록 함- 데이터량이 적은 경우 Test Set의 적절한 수량이 확보 가능하도록 30% 이상으로 설정하며 별도 협의된 목표수치값을 기준으로 수요기업과 협의하여 결과데이터를 리포트 형태로 함께 제공하도록 함- 보다 충분한 데이터 확보가 어려운 경우에는 수요기업과 데이터 증강을 위한 기준을 설정하여 Test set 배분율을 조정하도록 함나. 일반데이터 품질확보 방안- 일반데이터 분석의 경우 수요기업와 협의하여 분석을 위한 대상데이터 및 분석을 위한 데이터 대상, 이에 따른 목표수치를 별도 합의서로 합의하도록 함- 분석 완료된 결과데이터는 별도의 레포트 형태로 수요기업에 제공함을 협의하도록 함- 분석데이터 목표수치를 달성하지 못한 경우 수요기업과 별도 미팅을 진행하여 원시데이터/가공과정의 원인분석을 통하여 세부 분석 이후 데이터 필터링 이후 다시금 목표수치에 다다르도록 데이터를 분석하여 결과 레포트와 함께 수요기업과 협의과정을 거처 품질감리를 완료하도록 함

활용사례(요약)

가. 제조기업 품질관리를 위한 제조품질엔진개발에 대한 필요성- 국내 제조기업의 경우 제조현장에 대한 시스템 이해도는 몇 년간 진행해온 스마트공장 보급사업에 힘입어 많은 기업 사용자가 많은 지식을 습득하였음- 허나, 이러한 급한 보급사업에만 급급한 나머지 시스템 내부의 체계화된 산업기술에 대한 이해 및 제조되어진 제품에 대한 품질과 관련되어 시스템 연동에 대한 이해도는 아직도 많은 부분 학습되어져야 함- ERP, MES와 같이 일반적인 회계 및 제조환경을 자동화 하는데에는 공통모듈을 통한 확장사업이 일부 가능하나, 실질적인 제조 특화된 고유 기술에 대한 필요 및 갈증은 아직도 현장에서 많은 부분 존재함- 예로써, 청주에 소재한 국내 대기업 공급 벽지회사의 경우 벽지 생산을 위한 자동화 개발을 위하여 작업자 근로환경 개선을 위한 벽지 이동 로봇 설치 및 MES시스템 구축을 목표로 스마트공장이 구축 완료되었으나, 현장에서 가장 시급한 문제는 제조되어지는 벽지의 제조 품질수준을 균일화 하는데 가장 큰 어려움이 있음- 이를 개선하기 위해서는 구축시점에 MES시스템은 제조현장의 IoT장비를 기계장비와 연동하여 온도가 지속적으로 추적 되어야 하며, 금형에 대한 타수관리를 MES시스템과 함께 연동하여 항시 균일한 인쇄수준을 보장하여야 함. 또한 벽지에 인쇄되는 잉크의 품질을 균일화 하기 위한 표준 색상 품질관리를 위한 현장 데이터가 지속적으로 수집가능한 IoT기기가 설치되고, 이 데이터를 기반으로 라벨링 되어 학습데이터를 만들어 AI를 접목하여야 함- 허나 스마트공장 구축을 위한 PQCD(생산성, 불량률, 원가, 납기) 기반의 정량 지표를 쉽게 만족 가능한 H/W 기기 구매 및 설치를 우선하여 적용하다 보니 결국 점차 사용하지 않는 Paperless 시스템만이 현장에 남게 되어져 고부가가치 창출이 가능한 빅데이터/AI 분석은 전혀 시도 조차 하지 못하고 있음나. 제조기업군(群)별 맞품형 빅데이터 엔진 개발에 대한 필요성- 이처럼 제조기업의 제조품질 고도화 및 이를 통한 생산