실전프로젝트 - 머신러닝 결과 공정 적용 설계

1. 머신러닝 결과

 

Random Forest 로 머신러싱 분류 모델을 설계했고

이 결과로 어떤 요인이 불량과 양품 판정에 영향을 미치는지 예측 할 수 있었습니다.

 

그리고 이제 중요한 것은 QA/QC로써 이것을 어떻게 활용하여 불량률을 줄일지 설계하는것이 중요하다고 생각됩니다.

 

2. 머신러닝 결과 적용설계

 

해당 머신러닝 모델을 어떻게 공정을 적용할지 생각하는게 시간이 생각보다 오래결렸습니다.

가지고 있는 도메인지식, 품질경영지식을 계속 고민해보았고 현업에서도 사용 할 수 있을만한 설계가 필요했습니다.

 

첫번째로 사후 품질에 대한 프로세스 개선입니다.

원래 공정을 다 끝낸뒤에 12번째의 공정단계인 검사 포장단계에서 불량을 검출했어야 하는데 이를 6번째인 아노다이징 과정에서 불량을 조기에 예측할 수 있게되었습니다.

그리고 우리가 품질관리자로써 '그래서 이게 뭐가 이점이냐' 이란 고민을 해야 했습니다.

 

두번째로는 주요 원인에 대한 검출을 어떻게 쓸것인가 입니다.

그냥 '주요원인이 이러해서 이렇게 해야합니다'는 기업의 특성을 다 담아내지 못하는 그냥 보여주기식 프로젝트일 뿐이라고 생각했습니다.

우리는 고장에대한 원인을 즉각적으로 검출할 수 있는 능력을 머신러닝을 통해 확보하였고 이를 어떻게 판단할것인지 또는 어떤식으로 검증할 것인지가 문제해결을 위한 품질관리 능력이라고 생각했습니다.

 

3. 머신러닝 불량 예측률을 이용한 즉각적인 전수 검사

 

우선 머신러닝 결과로써 우리는 불량에 대한 판정을 공정중에 할 수 있게 되었습니다.

이를 통해 저는 품질경영기사를 취득하면서 배운 계수형 축차 샘플링검사를 적용해보기로 했습니다.

 

우선 기본 설계는 목표불량률, 위험불량률, 생산자 위험, 소비자 위험등의 파라미터를 설계하고 이를 이용해 공정 주의선, 불합격 판정선, 합격 판정선의 계수를 확보하여 공정에 적용하는 것으로 했습니다.

첫번째로 머신러닝 결과중 불량률이 공정주의선을 넘겼을때 주의 알람을 통해 공정을 좀더 주의깊게 확인할 수 있다면 특정한 요인에 의해 바뀐 공정진행을 즉각적으로 처리할 준비단계를 마련할 수 있다고 생각했습니다.

 

다음으로 만약 이 주의선을 넘어서 불햡격 판정성을 지난다면 공정이 바뀌었거나 문제가 생겼음을 의미함으로 즉시 공정을 중지하고 왜, 어디서 공정에 문제가 생겼는지 알아보는 절차를 즉각적으로 진행할 수 있도록 설계해보았습니다.

 

만약 공정이 안정적이고 불량이 적다면 합격판정선 하한을 넘을 것이고 이는 공정에 문제가없고 아주 잘 진행되고 있음을 의미하게 됩니다.

 

4. 특정 중요도를 이용한 불량 요인 예측

1번의 특정 중요도에서 우리는 시간, 온도, 전류가 가장 중요한 요인임을 파악했습니다.

그래서 문제는 '이게 공정에 중요한 요인임을 알았는데, 그래서 뭐 어떻하라고'라는 것이였습니다.

 

해결책 제시: 우리는 공정중 여러 요인들에대해서 기타를 제외한 72%의 요인이 저 3가지 안에 있음을 알 수 있게되었습니다.

 

그렇다면 어떤 요인에 의해 불량이 생겼는지 시각적으로 볼 수 있다면 어떤 장비가 어떻게 고장났는지 쉽게 알 수있습니다.

(포병부대의 통신장비를 수도없이 고쳤는데 가장 시간이 오래걸리고 어려웠던것이 왜 고장났는지 아는 것이였습니다.)

그래서 왜 고장났는지를 안다면 고치는건 시간문제이기에 우리는 저 중요도 높은 3가지 요인에 대해 어떤것이 문제인지 확인할 수만 있다면 공정의 수율을 높이고 불량률을 저하 할 수 있게된다고 생각합니다.

 

4-1. 시간특성에 대한 공정제어

 

① 불량률 감소를 위한 최적 시간 탐색

불량과 양품에 대한 시간을 시각화 했을때 상대적으로 불량의 총 공정 시간이 적게되었음을 확인할 수 있었습니다.

그렇다면 우리는 양/불 에 대한 제품 데이터를 가지고 %시간 분포를 이용해 시간을 각 4분할 할수 있게되고 이를 실험계획법중 하나인 계수치 분석을 통해 각 4분할 한 데이터중 어느 구간에서 가장 불량이 적게 나오는지 알 수 있습니다.

 

② 공정시간에 대한 불량을 확인하기 위한 하한치 설정

만약 더 많은 양품과 불량에 대한 데이터를 확보한다면 다음과 같이 양품의 평균치와 불량에 대한 평균치가 정규성을 띄게 될 것입니다. 그러면 우리는 이를 통해 계량형 샘플링검사와 같이 공정시간에 대한 상ㆍ하한치를 설정 할 수 있게 되고 만약 공정 진행과정중 이 수치를 넘게 된다면 공정과정에 있어서 총 고정시간이 불량의 원인임을 추론할 수 있게 됩니다.

 

5-1. 온도 및 전류에 대한 공정 제어

 

온도와 전류의 경우 전체적인 패턴에 의해서 불량이 발생한다는 것을 feature importance를 통해 알 수 있었습니다.

그렇다면 이 패턴을 전체적으로 확인할 방법이 없을까 생각을 해보았습니다.

 

다음과 서로다른 공정시간에 대해 획일화를 하기 위해 퍼센트로 공정과정을 표현했고 2시그마영역을 벗어나는 부분에 있어서 불량과 양품의 차이를 확인했습니다.

 

상대적으로 2시그마를 넘는 공정들에서 불량이 많이 발생한다는 것을 알 수 있었고 이는 전류와 온도에 대해서도 어떤 요인에 대해 불량이 발생했는지 예측할 수 있게 되는 결과라고 생각됩니다.

 

4-3. 각 지표들에 대한 상호 보완

 

이렇게 주요 3가지 요인에대해 불량과 양품에 대한 예측을 하면서 우리는 어떤 부분에 문제가 생겼는지 또는 잘못 예측을 한것에 대해 상호 보완적으로 수정할 수 있게 되었습니다.

 

이는 제 생각에 현업에서도 적용할 수 있으며 제조기업에 있어서 확실한 이익이 될수 있는 설계라 생각됩니다.