산업별 데이터 수집 유형에 따른 데이터 품질 인증의 적용 방법론 연구
|
| 인공지능과 사이버 보안, 정보보안 및 개인정보보호 논문 |
|
(사)한국인터넷정보학회
2025년도 추계 학술발표대회
|
❖ 일시 : 2025. 10. 30(목) ~ 11. 01(토)
❖ 장소 : 전남 여수시, 디오션호텔앤리조트
❖ 연구회 발표일 : 2025년 10월 30일(금)
|
|
|
 |
|
 논문 주제 산업별 데이터 수집 유형에 따른 데이터 품질 인증의 적용 방법론 연구 |
|
| 영문명 An Research of the application methodology of Data Quality Certification according to the type of data collection by industry. |
|
| 논문 저자 윤현근 Hyun Keun Yoon, 공병철 Byung Chul Gong |
|
 1. 서 론 |
|
 스마트 팩토리 및 디지털 전환이 가속화되면서 각 산업별 제조 데이터는 디지털 전환 시대의 핵심 자산으로, 그 중요성이 날로 커지고 있으며, 품질 산업별 제조 데이터는 정확한 의사결정을 돕고, 새로운 비즈니스 기회를 창출하며, 기업의 경쟁력을 강화하는 데 필수적인 요소이다. 제조 현장에서는 PLC, 센서, ERP, MES(제조 실행 시스템) 등 여러 시스템에서 다양한 데이터가 수집 생성되는 만큼, 분석 솔루션이 기존 운영시스템(OT)과 원활하게 연동될 수 있는지 확인해야 한다. 본 연구는 국내 데이터 품질인증 제도와 ISO 국제표준 데이터 품질 지침에서 요구하는 각 제조 산업별 데이터 수집 유형에 따른 데이터 품질 관리와 인증의 적용 방법을 살펴보고자 한다. |
|
| 2. 관련 연구 |
|
2.1 ISO 국제표준 데이터 품질 개요
국제표준화기구(ISO)에서는 데이터 품질에 관한 지침을 제정하고자 기술위원회(Technical Committee) 184(자동화 시스템 및 통합) 분과위원회 SC 4(산업 데이터)에서 ISO 8000 시리즈를 통하여 산업별 데이터 수집 유형에 따른 데이터 품질 지침을 제공하고 있다.
ISO 8000 66부는 제조 운영의 데이터 처리를 위한 평가 지표 문서는 IEC 62264-1에 명시된 제조 운영 관리의 맥락에서 데이터 품질 관리를 위한 조직의 프로세스 성숙도 평가를 지원하기 위한 평가 지표를 지정한다. 또한 데이터 처리(ISO 8000-61에 명시된 대로)에 의해 생성된 작업 결과물로서 ISO/IEC 33020에 지정된 프로세스 속성인 프로세스 성능 평가를 가능하게 하는 평가 지표, 제조 운영 관리 프로세스에서 각 작업 결과물이 수행하는 역할, 제조 운영 관리 프로세스의 결과와 각 작업 결과물의 연결성 등 프로세스 역량을 측정하는 방법 또는 절차를 제공한다.
ISO 8000 117부는 블록체인을 포함한 분산 원장 내 식별자를 사용하기 위한 요구사항을 명시하고 있으며, ISO 8000-115의 요구사항을 보완한다. 원장을 통해 공급망이 거래 데이터를 교환할 수 있는 블록체인을 포함한 분산 원장의 각 식별자에 대한 요구 사항, 분산 원장의 식별자가 참조하는 오프 원장 데이터 세트에 대한 요구 사항, 속성-값 튜플로만 구성된 오프 원장 데이터 세트, 각 튜플이 의미 인코딩의 결과인 오프 원장 데이터 세트 등 방법 또는 절차를 제공한다.
ISO 8000 118부는 자연 위치 식별자에 대한 요구사항을 명시하고 있으며, ISO 8000-115의 요구사항을 보완한다. 위치 식별자의 접두사 요소 및 단일 하위 도메인 요소에 대한 요구 사항, 위치의 위도, 경도 및 층 또는 고도를 표현하기 위한 요구 사항 등 방법 또는 절차를 제공한다.
ISO/DIS 8000 119부는 운송 단위 식별자에 대한 요구 사항을 명시하고 있으며, ISO 8000-115의 요구 사항을 보완한다. 잠재적 발송물의 출발지를 식별하는 데 사용되는 방법, 잠재적 발송물의 출발지 및 도착지 위치를 식별하는 데 사용되는 방법, 단일 식별자로 잠재적 발송물의 출발지, 출발지 및 도착지 위치를 표현하기 위한 요구 사항을 제공한다.
ISO 8000 210부는 센서에 의해 단일 개별 디지털 값의 스트림으로 기록되는 데이터의 품질 특성을 설명한다. 센서 데이터의 품질 특성, 센서 데이터의 이상 유형,센서 데이터의 품질 특성과 센서 데이터의 이상 간의 관계, 센서 데이터의 품질 특성 적용 방법을 제공한다.
ISO 8000 220부 센서 데이터의 품질 특성을 정량적으로 측정하기 위한 품질 측정 방법을 지정하며, 이러한 특성은 ISO 8000-210에 명시되어 있다. 센서 데이터의 품질 측정을 위한 기본 원칙 및 가정, 적용 가능한 품질 특성 및 해당 데이터 이상과 관련된 센서 데이터의 품질 측정 방법을 제공한다.
ISO/CD TS 8000 230부는 ISO 8000-210 및 220에 각각 정의된 품질 특성 및 품질 측정에 따라 센서에 의해 단일 불연속 디지털 값의 스트림으로 기록되는 데이터를 정리하기 위한 지침을 명시하며, 현재 실무 그룹이 초안을 준비중에 있다. 센서 데이터 정리 원칙, 센서 데이터 정리 프로세스, 센서 데이터 정리를 위한 구현 요구 사항, 데이터 이상에 대한 정리 방법, 센서 데이터 정리 예시 등을 제공할 예정이다.
ISO/TS 8000 311부는 ISO 10303-59에 설명된 대로 형상에 대한 제품 데이터 품질(PDQ-S)의 적용에 대한 지침을 제공한다. PDQ-S의 목적, 접근 방식 및 예상 사용 시나리오, PDQ-S의 구조, PDQ-S 스키마 구조, 대상 형상 모델, ISO 10303-59와 제품 데이터의 공칭 표현을 다루는 다른 국제 표준 간의 관계, PDQ-S의 주요 특징, 제품 데이터 품질 문제와 PDQ-S의 품질 기준 간의 관계, 적절한 품질 기준 선택을 위한 몇 가지 예시, PDQ-S의 적합성 확보하기 등을 제공한다.
ISO/AWI TR 8000 320부는 스마트 제조를 위한 AI 학습 데이터 품질에 대한 지침을 제공하기 위하여 초안 작성이 시작되었다. (신설중)
2.2 데이터 품질 프레임워크
2.2 국내 데이터 품질인증 제도 개요
|
|
| 3. 결 론 |
|
각 산업은 제조 데이터 분석 솔루션을 통하여 ERP, MES, SCADA 등에서 수집된 데이터를 분석하여 생산성과 품질을 개선하는 역할을 담당하는 데이터 분석가(Data Analyst)가 이미 존재한다. 데이터 분석가는 제조기업에서의 생산, 품질, 설비, 물류 등 각 부서에서 수집 또는 생성되는 실시간 데이터를 직접 조회 및 분석한다. AI 및 챗봇을 활용하여 데이터 요청 병목 현상을 해소하거나 전략적 분석 및 고급 분석(예측 모델, 머신러닝 적용 등)에 집중할 수 있다. 데이터를 빠르게 처리하고 시각적으로 표현할 수 있는 기능이 통하여 실시간으로 데이터를 분석하고 이상 징후를 감지하여 시스템 중지 등 예방하는 것이 중요하다. 데이터 사일로(Silo) 문제는 제조업에서 자주 발생하는 문제이며, 서로 다른 공정에서 수집된 데이터 통합을 위한 ETL(추출, 변환, 적재)로 분석되지 않으면, 분석 결과의 신뢰도가 떨어질 수 있다.
향후 연구에서는 제조 데이터의 보안성을 위해 사용자별 접근 권한 설정(RBAC, Role-Based Access Control) 기능, 데이터 암호화 및 보안 프로토콜(SSL/TLS) 적용 여부, 감사 로그를 통해 누가 데이터를 조회하고 변경했는지 추적할 수는 보안 기술과 데이터 품질 인증시 관리체계를 수립 및 운영과 구현하는 세부적인 방법론을 제시하고자 한다. |
|
|
|
  |
|
|
2025추계_윤현근_공병철_산업별_데이터품질_인증.pdf
국제기구에서의 해양 조선 및 선박 분야 사이버 보안 전문가 양성 방안 연구 
ISO 표준에 따른 정보보안 원칙의 AI 관리 확장 연구 - ISO/IEC 42001과 ISO/IEC 270