학술논문
Big Data의 활용을 위한 새로운 Six Sigma 프로젝트 실행 방법
이용수 146
- 영문명
- New Six Sigma Breakthrough using Big Data
- 발행기관
- 피터드러커 소사이어티
- 저자명
- 고승곤(Seoung Gon Ko)
- 간행물 정보
- 『창조와 혁신』제12권 제4호, 115~137쪽, 전체 23쪽
- 주제분류
- 경제경영 > 경영학
- 파일형태
- 발행일자
- 2019.12.30
5,560원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
최근 Big Data에 대한 관심이 높아짐에 따라 기업의 데이터 분석 역량이 새롭게 강조되고 있다. 이러한 추세에 맞추어 데이터 기반의 문제 해결 방법인 Six Sigma 품질 혁신 분야에서도 Big Data의 분석 방법으로 소개되는 Machine Learning 관련 방법론에 관심이 높아지고 있다. 일반적으로 Six Sigma 분석 방법은 명확한 대상 또는 프로세스에서 수집되는 정제된 데이터를 이용한 통계적 모형적용을 통한 높은 해석력을 중시하지만 Machine Learning 분야에서는 비정제 데이터의 전처리를 전제로 알고리즘 방법에 의한 예측 정확도를 강조한다. 제조 기업의 경우 명확한 프로세스가 정의되어야 하고 개발/운영/관리의 전 과정에서 정제된 데이터를 수집하고 현장 적용을 위한 해석력이 강조되므로 Six Sigma 분석 방법이 Machine Learning 분야의 분석 방법과 비교할 때 더 유용하다고 할 수 있다. 하지만 자동화된 프로세스의 센싱/로그 데이터의 증가 그리고 제품의 품질/신뢰성 특성과 고객/시장에 대한 비정형 데이터간의 연계성이 중요해 지면서 기존의 프로젝트 실행 방법인 DMAIC만으로 충분하지 못한 경우가 있다. 본 논문에서는 Big Data의 비중이 큰 Six Sigma 프로젝트의 새로운 실행 방법인 DPELR을 소개하고 각 단계별 세부 결과물을 제시해 보고자 한다.
영문 초록
Recent focus on Big Data highlights the importance of organization’s data analytics capabilities. To meet the demand of such trend, research in Six Sigma quality innovation, a data driven solution, is becoming increasingly aware of Machine Learning and Big Data analytics. Traditionally, Six Sigma emphasizes the study of interpretable statistical models generated by designed data obtained through specified objects and processes. In contrast, the field of Machine Learning emphasizes predictability of a model generated with raw data and algorithmic techniques. For manufacturing industry, Six Sigma methodologies provide advantages over Machine Learning techniques because manufacturing industry requires clearly defined processes and high interpretability for applications on the field. Moreover, established processes in manufacturing industry facilitate collection of processed data from development, operation, and management stages. However, increase in sensing/log data from automated processes and elevated focus on association between quality/reliability and customer/market related raw data can impose limitations on DMAIC, one of Six Sigma breakthrough used for a project implementation. This paper introduces DPELR, a new Six Sigma breakthrough for project using Big Data, and presents details for proposed stages.
목차
I. 서 론
II. Six Sigma 실행 및 분석 방법의 확장
III. Big Data 활용을 위한 DPELR
V. 결론 및 추가 연구 방향
키워드
해당간행물 수록 논문
참고문헌
관련논문
경제경영 > 경영학분야 BEST
더보기경제경영 > 경영학분야 NEW
- Unveiling Consumer Attitudes Toward 'The Lazy Farmer' Through Paradox in Branding
- 문화예술 공연장르 재관람 의도의 결정요인 분석
- 토픽모델링을 통한 기능성 자기공명 영상(fMRI) 사회과학연구 동향 분석(2000~2023년)
최근 이용한 논문
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!