756654_ko-KR

liliconcom

공학 및 과학 분야에서 문제 해결 속도 향상 및 출시 시간 단축을 위한 지식 관리(2021-EU-30MP-755)

웨인 레빈(Wayne Levin), Predictum 회장
Farhan Mansoor, 소프트웨어 엔지니어, Predictum

산업 혁신은 제품 및 공정 설계에 분석 지식, 특히 공식 및 비공식 실험 데이터와 예측 모델의 기여를 요구합니다. 그러나 분석 지식은 종종 생성자만 사용할 수 있도록 고립된 소스에 저장되고 관리되지 않습니다. 저희 추정에 따르면, 분석 지식은 일반적으로 평균 약 40% 정도 재생성되는데, 이는 이전의 관련 지식이 해당 지식을 효과적으로 활용할 수 있는 사람들에게 제공되지 않았기 때문입니다.

분석 지식을 재생성하는 것은 더 큰 위험을 수반하고, 불필요한 비용을 발생시키며, 비즈니스 목표 달성을 지연시킵니다. 기술 문제 해결 및 프로세스 혁신의 미래 성공을 위해서는 현대적인 지식 관리 전략이 필요합니다. 현대적인 지식 관리 전략을 도입하는 기업은 엔지니어와 과학자의 일상 업무에 소요되는 시간과 노력을 획기적으로 줄여 불필요한 실험 중복을 방지할 뿐만 아니라, 과거 실험 및 개선 활동의 활용도를 확대할 수 있습니다.

웨인과 파르한은 CoBase를 통해 분석 지식을 관리하는 힘을 보여주는 사용 사례를 발표할 예정입니다. CoBase는 엔지니어와 과학자가 과거 분석 및 관련 지원 데이터에 대한 접근 권한을 공유하고 상호 협업할 수 있도록 하는 엔터프라이즈 수준의 지식 관리 시스템입니다.

자동 생성된 대본...

스피커	성적 증명서
웨인 레빈	네, 함께해 주셔서 정말 감사합니다. 저는 웨인 레빈입니다. 엔지니어링 및 과학 분야에서 문제 해결 속도를 높이고 제품 출시 기간을 단축하는 지식 관리에 대한 프레젠테이션에 참여해 주시기 바랍니다.
	제 친구이자 동료인 파르한 만수르입니다. 파르한이 이 데모 부분을 도와줄 테니, 먼저...
	작은
	의제입니다. 저희를 간략하게 소개하겠습니다. 저희는 Predictum이라는 회사입니다. 저희에 대해 간략하게 알려드리자면, 저희의 진정한 목표는 과학 및 공학 분야의 생산성 향상입니다. 바로 그것이 저희가...
	오늘 저희가 이야기하고자 하는 것은 바로 이것입니다. 저희에 대해 간략히 소개해 드리겠습니다. 저희의 목표는 문제 해결, 개선, 그리고 연구 개발을 가속화하는 것입니다.
	그리고 우리는 분석 교육과 컨설팅을 통해 이를 실현하고 통합 분석 시스템을 구축합니다. 그 예를 살펴보겠습니다.
	오늘, CoBase와 함께합니다. 알려드리자면, 저희는 JMP의 파트너이기도 합니다. 오랫동안, 거의 25년 동안 JMP와 협력해 왔습니다. Predictum은 1992년 3월에 설립되었으니, 벌써 29년이나 되었습니다. 저희에 대한 간략한 소개는 여기까지이고, 이제 본론으로 들어가 보겠습니다.
	저는 단순히 데이터가 아닌 지식을 자산으로 관리하는 방법에 대해 이야기하고 싶습니다. 즉, 지식을 자산으로 관리하면 생산성이 극적으로 향상될 것입니다.
	여러분의 연구원, 엔지니어, 그리고 비즈니스 분석가들 사이에서요. 그래서 저는 여러분께 질문 하나 드리겠습니다.
	회사에서 이미 알려진 내용을 누군가가 얼마나 자주 다시 만들어낼까요? 0에서 100 사이의 척도로 표현한다면,
	뭐라고 하실 건가요? 당신 머릿속에 숫자를 하나 심어 주시면 좋겠어요, 알겠어요? 고백할 필요 없어요.
	좋아요, 해결된 문제지만, 그 전에도 해결된 문제입니다. 다른 사람들이 그 문제를 다루었거나
	통찰력, 즉 변수들 사이의 관계나 연관성을 발견하는 것이죠. 아마 다른 사람들도 이미 그런 발견을 했을 가능성이 큽니다. 제가 말하는 지식 재생성이란 바로 이런 것입니다. 어떤 숫자를 생각하시나요?
	글쎄요, 우리는 지금까지 수십 개의 회사에 물었습니다.
	작년 가을에 본 결과입니다. 평균적으로 약 40% 정도인데, 그 범위가 꽤 넓습니다. 그러니까
	아무도 이에 대한 확실한 숫자를 가지고 있지 않고, 저는 이것이 실제로 우리가 확실한 답을 가지고 있지 않다는 문제를 말해준다고 생각합니다.
	하지만 생각해 보면, 눈을 굴리며 계속 이러는 사람들이 있습니다.
	몇 주 전에 한 회사에서 세 명이 전화 통화를 했는데, 한 명은 80%, 한 명은 60%, 또 한 명은 적어도 50%라고 했습니다.
	그래서, 그런 사람들도 있는데... 제가 들어본 것 중 가장 낮은 수치가 20% 정도입니다. 왜 그런 걸 용인하는 거죠? 그리고 다른 어떤 사업 측면에서 그런 걸 용인할 수 있을까요?
	그래서 당신은 이미 알려진 것을 재생하는 것이 더 높은 위험을 부과하고, 비용이 들고, 목표를 지연시키고, 실제로 가속화할 수 있는 기회를 놓치게 된다는 것을 알고 있습니다.
	문제 해결, 개선, 그리고 R&D. 자, 이게 바로 문제입니다... 우리가 해결하려는 문제라는 점을 분명히 하고 싶습니다.
	이제 아마 그 표현을 아실 거예요. 빈칸을 채우지 않을 거예요. 여러분께 맡기겠습니다. 빈칸이 생기는 거죠. 그래서
	아마도 여러분은 이런 상황을 경험했을 것입니다. 전화가 울리고, 이메일이 도착하고, 고객 문제가 발생하거나 생산 문제가 발생합니다.
	아니면 어떤 장애물이 생겨서 신제품 출시나 공정 개발 및 특성 분석이 지연되고 있는 걸까요? 정신이 하나도 없잖아요? 이걸 어떻게 해야 할지 고민이 되잖아요. "좋아, 이걸 어떻게 해결할 수 있을까?"
	누가 그런 지식을 가지고 있나요? 그리고 당신은... 기본적으로 적합한 사람을 찾으려고 노력하는데, 그게 어려울 수 있고, 때로는 그렇게 하기가 정말 어렵습니다.
	아니면 좋은 후보자를 몇 명 찾았는데, 그분들이 현재 자리를 비웠거나, 은퇴했거나, 자리를 비웠거나, 휴가 중이거나, 아니면 다른 부서로 발령받아서 더 이상 이야기를 나눌 수 없는 경우도 있습니다. 그냥 떠나버린 거죠. 더 이상 회사에 소속되어 있지 않은 거죠. 이럴 때는 어떻게 대처하시나요?
	이건... 이건 우리가 피하고 싶은 문제이고, 이것이 바로 회사들이 일반적으로 지식을 관리하는 것보다 재료와 예비 부품을 더 잘 관리한다고 말하는 이유입니다.
	너무 가혹하게 들리지 않기를 바라지만, 잠시 생각해 보셨으면 합니다. 아까 지식이 얼마나 재생성되는지 물었었거든요.
	아마 정확한 수치는 모르시겠지만, 재공품 재고나 예비 부품 재고, 원자재 재고에 대해서는 꽤 잘 알고 계실 거라고 확신합니다.
	누군가를 찾아서 ???
	그렇다면 왜 우리는 자산은 잘 관리하지만 지식은 잘 관리하지 못하는 걸까요?
	그 이유는 지식이...
	음, 바로 이거야, 바로 이거야, 그렇지? 뇌는, 우리가 흔히 말하듯이, 훌륭한 지식 창조자이지만, 형편없는 지식 저장고일 뿐이야.
	접근할 수도 없고, 색인할 수도 없고... 하루가 끝나면 바로 사라지는 거죠.
	그러므로 뇌가 지식의 주요 저장 장치라면 지식은 축적될 수 없습니다.
	그리고 저희는 기업이 항상 지식을 축적해야 한다고 믿습니다. 그래서 만약 여러분이… 지식 창출에 무엇이 필요한지 잠깐 살펴보겠습니다.
	먼저, 지식이란 무엇인지, 지식이란 무엇을 의미하는지 이야기해 보겠습니다.
	따라서 지식은 우리가 예측할 수 있게 해주는 핵심 요소입니다. 우리가 예측 공식에 대해 이야기하는 이유는 예측을 위해 예측 공식을 사용하기 때문입니다.
	그래서 우리는 키를 몸무게와 연관시키거나, 키, 나이, 성별 등을 몸무게와 연관시킬 수 있습니다. JMP를 사용하는 우리 모두는 이런 것들에 익숙합니다. 그래서...
	그게 세 번째 구성 요소, 말하자면 예측 모델, 예측 공식이라고 할 수 있겠죠. 하지만
	우리가 그것을 가질 때, 우리는 그것을 생성하는 데 사용된 분석 방법이나 프로세스에 대해 알고 싶습니다.
	그 예측 공식, 그리고 물론 JMP를 사용하는 우리 같은 사람들은 여기 있죠, 그렇죠? 스크립트로 저장해서
	해당 수식을 다시 생성합니다. 물론, 수식은 데이터 테이블의 열로 저장되고
	그게 우리가 분석을 할 때 하는 일 중 하나입니다. 그래서 두 번째 부분에서도 같은 일이 벌어지고 있고, 물론 가장 중요한 것은 바로 데이터입니다.
	하지만 서두에 말씀드렸듯이, 데이터는 지식이 아닙니다. 아시다시피, 데이터는 데이터입니다. 계측 장비에서 얻는 원자재로서, 제품이나 프로세스에서 무슨 일이 일어나고 있는지 이해하는 데 도움이 됩니다. 따라서 이 세 가지 구성 요소가 정말 필요합니다.
	지식은 우리가 예측할 수 있게 해 주지만, 그 지식의 전체적인 맥락을 파악하기 위해 몇 단계 더 거슬러 올라가 보고 싶습니다. 자, 여기서 지식의 생성에 대해 생각해 봅시다.
	아시다시피, 우리에겐 엔지니어, 과학자, 분석가들이 있습니다. 과학자의 관점에서 생각해 보겠습니다.
	아시다시피, 그들은 장비를 사용하고, 작업을 하고, 데이터를 수집하고 있습니다. 요즘은 스프레드시트에 기록되는 경우가 너무 많지만, 물론 우리는...
	JMP 데이터 테이블에 대해서도 이야기하고 있는데, 정말 훌륭한 기능입니다. 데이터를 수집하고 분석하는 것이 바로 개인용 컴퓨팅이라고 부르는 이유입니다.
	그리고 저기 컴퓨터 사진은 개인용 컴퓨팅이 오랫동안 우리와 함께해 왔고, 그 의미가 얼마나 중요한지 일깨워주기 위한 것입니다. 중요하고, 지금도 마찬가지입니다. 분석은 뇌에서 이루어집니다. 말하자면, 개인적인 노력이라고 할 수 있는데, 분리할 수 없습니다.
	그러니까 핵심은 이렇습니다. 이 일을 하는 사람들이 꽤 있고, 그 결과 이 작업은 보통 개별적으로 진행됩니다.
	좋아요, 이 파일들은 어디에 저장되나요? 어떤 사람들은 SharePoint나 공유 네트워크 드라이브에 저장하죠. 좋은 방법이긴 하지만, 주로
	노트북은 본질적으로 고립되어 있습니다. 그게 바로 노트북의 특성이니까요. 연구원들은 경험에 쉽게 접근할 수 없습니다.
	다른 사람들 말입니다. 우리가 해결하고 싶은 문제가 있다면, 마치 실험처럼 생각해 볼 수 있습니다. 예를 들어 다섯 명 정도를 한 방에 모아서
	아시죠, 한 시간 동안, 아니면 열 명이 한 방에 모여서 브레인스토밍을 하면서 어떤 요소들을 고려하고, 어떤 수준으로 가야 할지 등등을 생각해 보는 거죠. 좋고 가치 있는 활동이지만, 처음부터 시작해서 그 사람들을 바쁘게 하지 않는 게 더 좋지 않을까요? 그만큼의 시간을 투자하고 있다는 뜻입니다.
	그래서 우리가 하고 싶은 것은 JMP 데이터 테이블과 관련 파일에 저장된 경험을 가져와서 파르한이 보여주고, 그것을 데이터베이스에 쉽게 넣을 수 있게 하는 것입니다.
	그렇죠. 이것을 CoBase라고 부르는데, 이렇게 하면 새로운 이니셔티브가 처음부터 시작되지 않습니다.
	누구든지 들어가서 누가 특정 문제나 특정 영역을 살펴봤는지 찾아볼 수 있습니다. 이렇게 하면
	그들은 자신도 모르게 같은 통찰력에 대해 두 번 이상 비용을 지불하지 않을 것입니다.
	이것도 중요한 점입니다. 저는 실험이나 작업, 사람들이 하는 일에서 너무 자주 발견하는데, 왜냐하면 그것들이 고립되어 있기 때문입니다.
	그들은 자신이 보고 있는 것이 다른 사람들이 과거에 본 것과 일치하지 않는다는 사실을 모릅니다.
	이렇게 하면 그들은 자신이 유형 1 또는 유형 2 오류를 다루고 있는지 확인하고 알 수 있으며, 또 다른 오류가 발생합니다.
	또 다른 차원이라고 할 수 있는데, 정말 고려해야 할 부분입니다. 흔히 언급되지 않는 그런 종류의 역사적 차원 말입니다. 지식을 포착하고 보존하고 재사용하는 것에 대해 이야기할 때,
	물론, 제가 말씀드렸듯이 데이터가 있습니다. 그리고 많은 회사들이 데이터베이스를 가지고 있을 테니까요.
	LIMS 시스템, 정말 훌륭해요. 데이터 보존에 좋죠. 정식 문서 관리 시스템을 갖춘 곳도 있고, 그렇지 않은 곳도 보고서를 정리하고 보관할 수 있는 방법이 있을 거예요.
	파워포인트, 표준 운영 절차, 엔지니어, 과학자 및 기타 분석가가 수행하는 분석 결과 등을 알고 계실 겁니다.
	하지만 바로 그 부분에 집중하고 싶습니다. 지식 창출 작업을 보존하고, 식별 가능하게 만들어 다른 사람들이 쉽게 찾을 수 있도록 하는 것에 대해 이야기하고 싶습니다. 지식을 자산처럼 관리하고 싶다면,
	이를 위해서는 먼저 데이터와 보고서를 함께 묶어야 합니다(좋은 생각입니다). 가능한 한 관련성 있는 것들을 많이 포함시키고 패키징해야 합니다.
	포장되어 있으면 식별이 가능하거든요. 여기 책상 위에 뭔가 두고 있어요.
	있잖아요, 아마존에서 USB 케이블을 샀어요. 이 상자에 담겨서 왔는데, 잘 도착했으면 좋겠네요.
	그리고 거기에 바코드가 있다는 것을 알고 있습니다. 그것은 자산이고 Amazon에게는 자산이었고 지금은 저에게도 자산이며 식별이 가능합니다.
	아시죠, 우리가 검색할 수 있어요. 검색할 수 있다면 다시 가져올 수 있고, 가져올 수 있다면 재사용할 수도 있죠.
	좋습니다. 참고하실 수 있고, 그 지식에 이의를 제기하실 수 있습니다. 물론 모든 지식은 이의 제기의 대상이 될 수 있다고 생각하며, 저희는 그 지식을 더욱 발전시킬 수 있습니다. 마지막으로, 이를 자산으로 관리한다는 것은 저희가 안전하게 보관하고, 지식을 여러분이 직접 관리할 수 있도록 한다는 것을 의미합니다.
	좋아요, 이 분야에는 몇 가지 제품이 있습니다. 이번 강연의 데모 부분으로 넘어가겠습니다.
	첫 번째는 SashLab입니다. 직접 시연해 드리지는 않겠지만, 더 자세히 알고 싶으시면 이 슬라이드를 다운로드하셔서 읽어보시고, 저희에게 연락해 주세요.
	가상 실험실이나 디지털 트윈 같은 거죠. 가상으로 실험하거나 가상으로 확인해 볼 수 있게 해 주는 거죠.
	...실제로 변화를 만들거나 실험하기 전에... CoBase... CoBase는 공식적이든 비공식적이든 일상적인 연구, 실험, 분석, 개선 계획을 포착하도록 설계되었습니다.
	데이터베이스에 저장하고... 태그를 붙이는 거죠. 파르한이 태그 붙이는 법을 알려줄 거예요. 태그도 붙이고요... 기억하시죠, 식별 가능해야 한다고 했잖아요. 태그 붙이는 게 한 가지 방법이에요.
	요소별, 응답별, 도메인별로 색인을 만드는 거죠. 이 부분에 대해서는 나중에 좀 더 자세히 이야기해 볼게요. 이렇게 하면 누구나 가서 찾아볼 수 있어요...
	다른 사람들이 생성한 지식을 찾아보세요. 그리고
	아시다시피, 이 두 애플리케이션 모두 하단에 명시적 지식을 자산으로 포착한다고 적혀 있습니다. 명시적으로 유지하는 것이 좋습니다.
	맞아요. 누군가에게 "데이터, 모델링 방법, 그리고 결과 모델을 보여주세요"라고 부탁했을 때, 무슨 일이 일어나고 있는지에 대한 의견이나 개념만 갖고 있고 싶지는 않아요. 그렇게 하는 건 어렵죠. 명확해야 하니까요.
	그래서 우리는 모델과 개발 방법, 그리고 기반 데이터를 확보하고 이를 다른 사람들이 재사용할 수 있도록 공개했습니다. 이렇게 하면 지연을 방지할 수 있습니다.
	그리고 비용, 그리고 지식을 찾고 재생성하는 것과 관련된 불안감에 대해 말씀드리겠습니다. 그러니 파르한, 가능하다면 화면을 맡아주시면 어떨까요? 그러면 저희가 할 일은 다음과 같습니다.
	여기서 시연을 시작하겠습니다.
	Farhan이 그 문제를 제기하는 동안, 나는 그 중 하나에 대해 추가하겠습니다.
	사람들과 이야기를 나누다 보면, 애초에 무언가를 찾는 게 어렵다는 걸 알게 돼요. 무언가를 찾는 것도 어렵지만, 존재하는지도 모르는 것을 찾는 건 정말 어려워요. 그런 종류의 탐색은 영원히 계속될 수 있거든요. 그리고
	그래서 제가 말하는 불안감이란 이런 겁니다. 그런 불안감을 감당하는 건 정말 지치고, 연구를 할 때는 그 연구가 다른 사람들과 연관되지 않기를 바랍니다.
	과거 지식을 검색하는 거죠. 우리는 그것을 쉽게 만들고 싶습니다. 그래서 제가 여기서 할 일은, 파르한, 당신은 CoBase를 가지고 있다는 것입니다.
	인터페이스, 기본 GUI가 열려 있나요?
파르한 만수르	예.
	네, 홈페이지는 그렇죠.
웨인 레빈	그럼 파르한, 제가... 가서 검색해 볼까요.
	여기서 문제가 하나 있는데, 이 작업을 하기 전에 무슨 일이 일어나고 있는지 간략하게 설명하겠습니다.
	여기서는 모든 내용을 자세히 다루지 않겠습니다. 시간이 부족하거든요. 다음 내용을 다루겠습니다...
	우리가 사용하는 예시는 제조 공정과 같습니다. 왼쪽 하단에는 반도체 제조의 여러 단계가 있는데, 이는 요소들을 그룹화하는 방식일 뿐입니다. 제가 관심 있는 것은, 아시다시피,
	아시죠, 여기 증언을 예로 들어보죠. 그리고 증언을 살펴보면... 증언률 같은 걸 한번 볼까요?
	좋아요, 그게 여기 한 가지 요인입니다. 그리고 제가 궁금한 건, 과거에 증착 속도를 700에서 3,000 옹스트롬 사이로 분석해 본 사람이 있는지입니다.
	이걸 알고 싶은 이유가 백 가지는 될 수 있겠지만, 저는 그냥, 그들이 뭘 봤는지, 뭘...
	그들이 살펴본 다른 요소들은 무엇이었나요? 반응은 어땠나요? 단점은 뭐였나요? 저는 그냥 뭐가 있는지 보고 싶어요. 이 요소를 이해하고 싶거든요. 자, 파르한, 이 부분을 채워서...
	좋아요. 검색을 클릭했는데
	여기 있습니다. 파일이 꽤 많죠.
	아시다시피, 거기에는 약 7개의 파일이 있는데... 그냥 보면, 그 파일들은... 하나는 2016년까지 거슬러 올라가네요. 이건 사람들이 이전에 했던 작업이에요. CoBase로 업데이트한 거죠.
	이제, 그 모든 파일을 한꺼번에 보는 건 어려울 수 있어요. 다운로드할 수 있어요. 잠시 후에 할게요.
	오른쪽에서, 우리는 그것을 한눈에 보고 있습니다... 파르한, 우선 매개변수 분포를 살펴보는 게 어떨까요? 그래서 우리는 그것을 볼 수 있습니다.
	이 JMP 데이터 테이블 중 3개에는 모두 동일한 수준에서 조사된 아르곤 흐름도 포함되어 있습니다.
	후면 흐름이 몇 가지에 관여했습니다. 증착 속도가 있는데, 거기에 일곱 가지가 있고, 거기에 다른 레벨이 보이는데, 모두 700에서 3,000 사이이고, 그 외에도 몇 가지가 있습니다.
	몇 가지 통계적인 사항도 살펴볼 수 있습니다. 여기에 몇 가지 더 추가할 예정이지만, 핵심은 다음과 같은 사항만 살펴보는 것입니다.
	몇 가지 사항을 한눈에 파악해서 무슨 일이 일어나고 있는지 파악할 수 있도록 했습니다. 왼쪽에는 R 제곱이 있고, 오른쪽에는 제곱 평균 제곱근 오차가 있습니다. 점의 세로 배열은 각각 JMP 파일과 관련이 있으므로, 저는 단지 다음을 살펴보겠습니다.
	만료일 2001년 11월 18일.
	파르한, 네. 세 가지 모델이 생성되었고, 세 가지 예측 공식이 저장되었는데, R 제곱이 꽤 다양하게 나오는 걸 볼 수 있습니다. 파르한, 그 파일을 다운로드해 볼까요?
	그리고 그리고 잠깐 살펴보도록 하죠
	거기에 뭐가 있는지. 그래서.
	여기 있습니다.
	멋지네요. 그런데, 모델링 유형이 파란색이면 이변량 또는 최소제곱 적합으로 표시되어 있더라고요. 그래서 뭔지 감이 잡히네요. 자, 그럼 시작해 볼까요? 저기 있는 세 개의 스크립트를 실행해 볼까요?
	예측하는... 예측 공식이 있고... 어떻게 생성되었는지도 나와 있으니까요. 포한이 그냥 다시 돌려본 거예요.
	물론, 데이터가 있으니까 실제로 무슨 일이 있었는지 전체적인 맥락을 파악할 수 있죠. 거기서 어떤 작업이었는지 확인할 수 있습니다. 고맙습니다, 파르한. 화면에 정리하고 있는데, 아마... 음, 두 번 실행하신 것 같은데... 똑같아 보이네요.
파르한 만수르	네, 그렇죠.
웨인 레빈	네, 하지만 괜찮아요. 이 두 가지만 봐도 알 수 있는 게 뭐죠? 괜찮아요. 중요한 건, 온도와 관련이 있다는 거예요.
	그렇지 않은 것은 왼쪽에 있는데, 온도가 관련되어 있지 않으며, 이것이 왜 중요한 모델이 아닌지 설명할 수 있습니다.
	이것으로 우리는 여러 가지 방법을 갈 수 있지만, 당신이 아이디어를 얻었으면 좋겠습니다.
	우리는 무언가를 검색하고, 무엇이 가능한지 빠르게 알아내고, 무슨 일이 일어나고 있는지 한 눈에 파악할 수 있기를 원합니다.
	그리고, 아시다시피, 원하는 만큼 살펴보세요. 이제 이 데이터를 가져와서 문제를 해결할 수도 있고, 제가 다루고 있는 문제가 바로 여기서 해결될 수도 있습니다.
	짠, 더 이상 아무것도 할 필요가 없네. 문제는 해결됐어. 아니면 이 디자인을 좀 더 보강하고 싶은 걸까?
	아시죠, 다른 런을 추가하거나 다른 요인을 추가하는 거죠. 아니면 그냥, "이제 앞으로 나아갈 때 온도를 고려해야 할 것 같아요. 온도를 바꾸지는 않겠지만, 앞으로 특정 수준에서는 유지할 거예요."라고 생각할 수도 있겠네요.
	제가 할 수 있는 후속 연구의 힘을 향상시키기 위해서요. 그러니까 제 말이 무슨 뜻인지 아시겠죠? 마치 과거에서 지식을 끌어오는 것 같아요. 그러니까 아예 처음부터 시작하는 게 아니죠. 바로 그게 아이디어예요. 그럼 또 다른 연구를 해 보는 건 어떨까요?
	파르한, 빨리 찾아보세요. 다른 방법으로도 검색할 수 있게 해 주세요. 다른 방법도 있지만, 제 생각에는 태그를 이용하는 게 가장 일반적인 방법일 것 같아요. 태그는 완전히 사용자 정의가 가능해서
	우리... 뭐 있잖아요... 분석가들, 프로젝트도 있고요. 아시죠? 아마 이런 경험 해보셨을 거예요. 저도 이런 경험 해봤거든요. 새로운 사람이 들어와서 일을 맡기고, "이봐요,"라고 말하죠.
	파르한, 찾아보면 프로젝트별로 해볼 수 있을 것 같아. CVD 개선 프로젝트도 찾아보면 비슷한 게 또 있을 거야... 만약 네가...
	YieldPlus. 네, 데이터와 분석을 살펴보시고, 검색 버튼을 눌러보세요.
	관련된 파일들입니다. 여기 보이는 파일들은 모두 JMP 파일인데, 업로드할 때 JMP가 아닌 파일도 포함할 수 있다는 것을 보여드리겠습니다. 따라서 다음을 포함하는 것이 좋습니다.
	아시죠, 사진 몇 장, 결함 사진, 장비 사진, 설명서, 기타 문서 등 원하는 모든 것을 거기에 나열해 놓을 겁니다. 죄송하지만, 제 화면을 가리키고 있네요.
	거기에도 나열되어 있을 테니, 다른 검색 방법도 있고 더 포괄적인 검색도 가능하겠죠. 하지만 대략적인 내용은 이해하셨을 거라고 생각합니다. 그리고 Farhan 님께, 업로드 과정을 설명해 주시겠어요?
	네. 그럼 자세히 설명해 주시겠어요?
파르한 만수르	업로드 인터페이스로 이동해 보겠습니다.
	업로드 인터페이스만 있습니다. 그래서 업로드 과정을 시연하기 위해 샘플 파일을 추가하겠습니다.
	JMP 파일과 JMP가 아닌 다른 파일도 모두 업로드할 수 있습니다. 차이점을 보여드리겠습니다.
	두 가지 모두에 대한 프로세스입니다. 그래서 저는 PDF, docx, 스프레드시트, 그리고 JMP 파일 하나를 선택했습니다. 파일 형식이 JMP이면 CoBase는 다음과 같이 합니다.
	예를 들어 파일에서 일부 정보를 구문 분석하면 열 이름은 물론 단위, 모델, 데이터 세트 등이 나열됩니다.
	그런 종류의 정보입니다. 또한 표준 이름을 추측하려고 시도하므로, 마지막에 설정 방법을 보여드리겠습니다. 관리자는 다양한 매개변수에 대해 표준 이름을 설정할 수 있으며, 사용자는 여기에서 표준 매개변수를 선택할 수 있습니다.
	시스템에 이미 존재하는 경우 CoBase는 추측을 시도합니다. 예를 들어 이 경우 온도는 다음과 연관되어 있습니다.
	현재 CoBase에 존재하는 온도 매개변수입니다. 아르곤 유량은 시스템에 새로 추가된 매개변수이기 때문에 현재 할당된 매개변수가 없으므로 사용자가 표준 이름을 선택할 수 있습니다.
	따라서 아르곤 FLW가 단계 증착에서의 흐름과 동일하다는 것을 알고 있다면,
	이걸 표준 매개변수로 선택하세요. 이건 선택 사항입니다. 사용자가 직접 설정할 필요는 없습니다.
	하지만 매개변수와 열을 표준화하면 다양한 것을 검색하기가 더 쉬워질 겁니다.
	하지만 나중에 돌아와서 할 수도 있겠죠. 하지만 지금은 선택 사항이고, 선택 사항입니다.
웨인 레빈	이 문제의 핵심 중 하나는 왼쪽에 있는 열 이름이 Farhan이 식별한 JMP 데이터 테이블에서 가져온 것이라는 것입니다.
	무언가를 검색하려면 표준이 있어야 합니다. 표준에 동의해야 하죠. 기본적으로 CoBase가 제공하는 기능, 즉 CO는 동료들과 비동기적으로 협업하는 것을 의미합니다. 여기에는 여러 Co라는 이름이 있는데, 우리는 협력하고 있습니다.
	그래서.
	우리는 이름에 동의해야 합니다. 그래서 우리가 하려는 것은 업로드할 때 정말 쉽게 만드는 것입니다.
	고유 이름을 지정해야 합니다. 파르한은 방금 선택 사항이라고 했습니다. 사실입니다. 사람들이
	업로드를 어렵게 만들면 그들이 안 할 거라는 걸 알고 있어요. "오늘 나중에 할게요"라고 하다가 결국 안 할 거예요.
	네, 그럼 내일 하겠습니다. 내일 하려고 하는데, 그러면 안 하죠. 그런 종류의 일들이요. 우리가 할 수 있는 또 다른 일은,
	아시죠, 표준 이름이 없는 테이블이 업로드된 경우요. 관리 기능이 될 수도 있고, 나중에 수정할 수 있도록 말이죠. 그렇죠.
	이제 명명법을 갖추었고... 시스템 최적화를 촉진하는 데 필수적입니다. 협력하려면 표준에 동의해야 하죠. 그게 중요한 부분입니다. 그리고 파르한, 최근에 추가한 내용인데, 방금 측정 단위에 대해 언급하셨죠.
	그래서 그것도 이것의 일부이므로 업로드할 때 측정 단위가 무엇인지 또는 무엇이어야 하는지 상기시켜 드리겠습니다.
	누군가가 밀리미터로 측정했는데 표준이 센티미터든 나노미터든, 어쨌든 우리는 그 표준화를 촉진하고 싶습니다.
	네, 여기서 또 뭘 언급해야 할까요? 태그나 댓글도 할 수 있고요, 파르한.
파르한 만수르	네, 파일 수준에서 주석을 추가할 수도 있고, 일괄 처리 수준에서 주석을 추가하여 전체 업로드에 대한 일반적인 메모를 추가할 수도 있습니다.
	태그를 여기에도 추가할 수 있습니다. 기존 태그들이죠. 예를 들어, 태그를 추가하고 싶다면 시리즈 1 기술 태그 같은 것들을 추가할 수 있습니다.
웨인 레빈	좋아요, 업로드해볼까요?
파르한 만수르	네, 이걸 업로드해 보겠습니다.
웨인 레빈	이게 어떻게 구성되어 있는지 알려드리자면, 백엔드에는 SQL 서버 데이터베이스가 있고 프런트엔드에는 JMP 추가 기능이 있습니다. 당연히 JMP에서 실행하고 있고, 다른 추가 기능처럼 설치되어 있습니다. 이런 구성이 필요합니다.
	CoBase는 말 그대로 몇 분 만에 설치하고 실행할 수 있습니다. 전적으로 사용자에게 달려 있습니다. 데이터베이스를 설치하는 스크립트가 있고, 두 번 클릭하여 추가 기능과 설정을 설치하면 바로 실행됩니다. 아주 쉽게 할 수 있습니다. 아, 그리고, 이제 준비가 끝났습니다.
	잠깐 검색해 볼까요?
파르한 만수르	업로드가 완료되면 일종의... 참조용 배치 ID가 제공되므로 이를 통해 찾을 수도 있습니다.
	그러니까 그걸 검색해보면,
웨인 레빈	물론 요인 이름 등을 기준으로 조회할 수도 있지만,
	네, 우리는 그냥 거기에 배치 ID를 넣을 거예요.
	이것에만 집중했습니다.
파르한 만수르	방금 업로드한 파일입니다. 유사 플롯, 매개변수 분포 플롯을 볼 수 있습니다. 모델이 있다면 여기에 표시됩니다. JMP가 하나뿐이기 때문입니다.
	파일입니다. 파일 종류가 너무 많아서 다운로드도 가능해요. JMP 파일을 다운로드하면 JMP에서 열리죠.
	하지만 JMP 파일이 아닌 경우, 예를 들어 doc 파일이라면 기본 doc 뷰어로 열립니다. 제 경우에는 Microsoft Word가 열립니다.
웨인 레빈	맞아요. 원래 검색에서 다시 나오는 거죠. "아르곤 흐름을 누가 살펴봤어?" 같은 식으로 검색해 보면,
	여기서 볼 수 있는 JMP 파일뿐만 아니라, 이와 관련된 다른 파일도 볼 수 있으므로, 이것들도 여러분에게 전달될 것입니다.
	업로드에 대한 간단한 설명입니다. 다시 한번 말씀드리지만
	표준화를 촉진하고, 다시 말해서, 정말 쉽게 할 수 있도록 노력하고 있습니다.
	물론 CoBase 사용자도 꽤 있을 테고, 관리자 권한을 가진 사람도 몇 명 있을 겁니다. 파르한, 잠깐 살펴보는 게 어때요?
	이 부분은... 너무 깊이 들어가지 않기로 했습니다. 더 자세히 알고 싶으시거나 더 자세히 이야기 나누고 싶으시면 질문 시간에 이야기 나누시거나 저희에게 연락 주세요.
	그 후에, 아시다시피, 어느 시점에서든요.
	그럼, 당신도 그렇죠.
	여기 있습니다.
파르한 만수르	네, 알겠습니다.
웨인 레빈	여기서 매개변수를 설정하는 방법에 대해 간단히 설명하고 싶습니다.
파르한 만수르	네, 왼쪽에는 모든 단계, 즉 도메인이라고 부르는 것이 보입니다. 이는 프로덕션 단계, 제품 구성 요소 또는 하위 구성 요소일 수 있습니다.
	여기 단계 중 하나를 클릭하면 현재 존재하는 모든 매개변수가 표시됩니다. 현재 이 특정 도메인과 하위 도메인에 존재하는 매개변수를 모두 표시합니다. 관리자는 새 매개변수를 추가할 수 있습니다.
	또는 기존 이름을 편집하여 사용자가 업로드하는 동안 선택할 수 있는 표준 이름을 생성합니다.
	관리자는 표준 단위를 할당할 수도 있습니다. 오른쪽에는 표준 매개변수와 연관된 모든 표준 단위가 표시됩니다.
웨인 레빈	맞아요. 그리고 태그도 있어요.
	언급된 적이 있습니다.... 잠깐 매개변수로 돌아가겠습니다. 이 매개변수의 이름을 변경할 수 있습니다. 죄송하지만, 저희가 뭔가 놓친 부분이 있습니다. 표를 업로드하고 아르곤 유량을 변경하고 이름을 변경했던 것을 기억하세요.
	글쎄요, 우리가 그 표를 다운로드하면 올바른 이름이 지정되고, 시간이 지나면서 어떤 이유로든 이러한 표준 이름 중 일부를 변경하고 싶다고 결정하면 다음과 같이 결정할 수 있습니다.
	좀 더 설명적인 내용을 원하거나, 그냥 바꾸고 싶을 때, 그렇게 할 수 있습니다. 관리자 패널에서 변경할 수 있습니다.
	예를 들어, 시스템 내에서 변경을 해서 이제 새로운 이름을 기준으로 검색할 수 있고 기록도 계속 가져올 수 있게 해보자.
	그래서 우리는 그 유연성을 추가했습니다. CoBase를 처음 구축할 때 가장 어려운 일 중 하나였습니다. 어쩌면 가장 어려웠을지도 모릅니다. Forhan, 죄송하지만 잠시 다른 곳으로 데려가려고 했지만, 태그를 살펴보겠습니다. 감을 잡으실 수 있도록요.
파르한 만수르	관리자가 생성할 수 있는 태그 세트가 있습니다. 여기에서 새로운 태그 유형을 추가하거나 태그 내부에 새로운 태그를 추가할 수 있습니다. 태그 유형은 다음과 같습니다. 예를 들어 기술 태그, 학습 유형 태그 등이 있습니다.
웨인 레빈	네, 기술 면에서는 한 회사가 있는데요. "다양한 시대, 다양한 기술이 있지만 이전 버전에서 완성된 것을 버리고 싶지 않아요."라고 말했죠.
	그래서 그들은 그것에 이름을 붙이고 싶어했고, 실제로 그렇게 할 수 있게 되었습니다.
	아시다시피, 아마 분석가로 태그를 지정하고 싶을 거예요. 누군가의 이름이나 프로젝트 ID 같은 걸 사용하면 되니까요. 꽤 뻔한 태그지만, 원하는 대로 태그를 만들 수도 있고, 언제든 추가할 수도 있어요.
	아시다시피, 이게 생각나는 대로 말씀드리겠습니다.
	자, 이제 여러분께 보여드리고 싶었던 데모 부분입니다. 이 글을 통해 어떤 느낌인지 이해하셨기를 바라며, 다시 한번 말씀드리지만, 궁금한 점이 있으시면 언제든지 환영합니다.
	댓글. 그냥... 다시 화면으로 전환할게요. 고마워요, 파르한.
	그리고 내가 이걸 얻을 수 있는지 봐요.
	좋아요, 질문이나 의견이 있으시면 언제든지 환영합니다. 아, 죄송하지만 슬라이드가 잘못되었네요. 편집해서 올려야 할 것 같습니다.
	그러니 저는 물러나겠습니다.
	질문이나 의견이 있으시면 슬라이드에 저희 연락처 정보를 적어두었으니, 다운로드해서 사용하세요.
	언제든지 연락 주세요. 더 자세한 데모를 보여드리거나, 여러분이 겪을 수 있는 어려움이나 문제점에 대해 자세히 설명해 드리고, CoBase를 통해 어떻게 해결할 수 있을지 함께 고민해 드리겠습니다. 관심 가져주셔서 정말 감사합니다.

고급 통계 모델링기본 데이터 분석 및 모델링데이터 액세스실험 설계예측 모델링 및 머신 러닝품질 및 공정 엔지니어링신뢰성 분석결과 공유 및 전달