최종 프로젝트를 마무리하며: 빅데이터 기반 QA/QC 예지보전 시스템 구축
최종 프로젝트 발표 자료 정리를 마쳤다. 이번 프로젝트는 실제 사출 성형 공정 데이터를 활용하여, 전통적인 품질 관리를 넘어 데이터 기반의 스마트 팩토리 구현 가능성을 탐색하는 과정이었다.
1. 프로젝트 개요 및 문제 정의
제조 현장의 핵심 과제는 '설비 고장으로 인한 가동 중단(Downtime)의 최소화'이다. 저는 기존의 사후 대응 방식에서 벗어나, 데이터를 통해 설비의 이상 징후를 사전에 포착하고 잔여수명(RUL)을 예측하는 시스템 구축을 목표로 설정했다.
2. 기술적 도전과 해결 과정
현장 데이터의 한계 극복
- 문제: 실제 현장 데이터의 40%가 노이즈 및 결측치로 구성되어 분석 효율이 저하됨.
- 해결: 센서 이상값 제거 및 유효 구간 필터링을 통해 분석 가용 데이터를 90%까지 확보.
- 성과: 수십만 행의 대규모 데이터를 처리하며 데이터 엔지니어링의 중요성을 체감.
예지보전 모델링
- 모델: RUL(잔여수명) 지표 중심의 이상탐지 모델 설계.
- 지표화: 설비 상태를 정상/주의/즉시 점검 3단계로 정량화하여 엔지니어의 의사결정 지원.
- 결과: 실제 고장 발생 수일 전 이상 징후를 탐지하여 리드타임 확보 가능성 입증.
3. 현장 맞춤형 시스템 구현
단순한 데이터 분석에 그치지 않고, 실제 공정 관리자가 사용할 수 있는 인터페이스를 구축하는 데 집중했다.
- 실시간 시각화: Streamlit 및 NiceGUI를 활용한 통합 대시보드 제작.
- 품질 관리 파이프라인: 모니터링 → 이상 탐지 → 알람 발생 → 즉각 조치로 이어지는 프로세스 설계.
- 직관성 강화: 센서 데이터의 급격한 변화를 시각적으로 구현하여 실시간 대응력 강화.
4. 프로젝트 결론 및 향후 과제
이번 프로젝트를 통해 QA/QC 직무가 나아가야 할 방향은 '데이터를 통한 선제적 리스크 관리'에 있음을 확신했다.
- 핵심 지표 관리: RUL 지표의 정교화 및 조기 경보 리드타임 개선 필요.
- 품질 신뢰성 확보: 데이터 전처리 자동화 파이프라인 구축을 통한 분석 효율 극대화.
5. 소회
6개월 전, 수천 행의 데이터 앞에서도 막막했던 시기를 지나 이제는 복잡한 공정 데이터를 분석하고 시스템화할 수 있는 역량을 갖추게 되었다. 이번 프로젝트 발표 자료는 단순한 결과물이 아니라, 데이터 기반 품질 관리 전문가로 거듭나기 위한 저의 첫 번째 포트폴리오다.