정훈님의 블로그

QA/QC 스파르타클럽 51일차 - SQLD

SQLD 학습 정리 - 데이터 모델링의 기초 이해오늘은 SQLD 시험 범위 중 데이터 모델링의 기초 개념을 학습했다. SQL 문법을 배우기 전에 데이터베이스가 어떤 구조로 설계되고 관리되는지 이해하는 과정으로, 이후 배우게 될 데이터베이스 설계와 SQL 작성의 기반이 되는 중요한 내용이었다.1. 데이터 모델링이란?데이터 모델링은 현실 세계의 업무를 데이터베이스에서 사용할 수 있도록 구조화하는 과정이다.단순히 데이터를 저장하는 것이 아니라 업무에서 필요한 데이터를 효율적으로 관리하고 활용할 수 있도록 설계하는 것이 목적이다.데이터 모델링을 통해 얻을 수 있는 장점은 다음과 같다.데이터 중복 최소화데이터의 일관성과 정확성 유지유지보수 및 확장 용이업무 프로세스를 명확하게 표현 가능즉, 좋은 데이터 모델은 데..

Tableau 실습 - 간트 차트와 제조 공정 대시보드 제작오늘은 Tableau를 활용하여 제조 공정 데이터를 시각화하는 실습을 진행했다. 단순히 그래프를 그리는 수준을 넘어 실제 제조 현장에서 활용할 수 있는 형태의 대시보드를 만들어보며 다양한 기능을 익힐 수 있었다.1. 간트(Gantt) 차트를 활용한 작업 일정 시각화가장 먼저 작업 시작 시간과 종료 시간을 이용하여 간트 차트를 제작했다.작업 시작 시간을 기준으로 시간 축 생성DATEDIFF 함수를 이용해 작업 시간을 계산작업 시간을 막대 길이(Size)로 활용하여 작업 구간 표현막대 내부에 작업 시간을 레이블(Label)로 표시색상과 레이블 정렬을 조정하여 가독성 개선특히 간트 차트에서는 시간 차이를 그대로 사용하는 것이 아니라 날짜 축에서 사용할..

Tableau 개인과제 - 품질 관리 대시보드 제작 및 관리도 구현오늘은 Tableau를 활용하여 제조 공정 데이터를 시각화하고, 실제 품질 관리 현장에서 활용할 수 있는 관리도(Control Chart) 형태의 대시보드를 제작해 보았다. 단순히 차트를 그리는 것을 넘어 계산 필드와 매개변수, 참조선 등을 활용하여 사용자가 원하는 기준에 따라 데이터를 동적으로 분석할 수 있도록 구현하는 과정을 학습했다.관리도(Control Chart)의 이해관리도는 시간의 흐름에 따른 공정 데이터를 시각화하여 공정이 정상 상태인지 여부를 판단하는 대표적인 품질 관리 도구이다.시간에 따른 측정값(Result)을 선 그래프로 표현관리상한(UCL)과 관리하한(LCL)을 기준으로 공정 이상 여부 판단관리 한계를 벗어난 데이터를..

ADsP 3과목 5장 학습 정리: 정형 데이터 마이닝오늘은 ADsP 3과목의 마지막 단원인 정형 데이터 마이닝에 대해 학습했다. 정형 데이터 마이닝은 일정한 구조를 가진 대규모 데이터에서 의미 있는 규칙과 패턴을 찾아내고, 이를 예측이나 의사결정에 활용하는 분석 방법이다.이번 단원에서는 데이터 마이닝의 개념과 진행 절차를 시작으로 분류분석, 앙상블, 인공신경망, 군집분석, 연관분석의 특징과 활용 방법을 정리했다.1. 데이터 마이닝의 개요데이터 마이닝은 대규모 데이터에 숨어 있는 규칙과 패턴을 발견해 미래의 결과를 예측하거나, 의사결정에 활용하는 과정이다.전통적인 통계분석이 가설을 설정하고 이를 검증하는 데 초점을 둔다면, 데이터 마이닝은 데이터 자체에서 새로운 패턴을 탐색하고 예측모형을 만드는 데 상대적..

ADSP 3과목 1~4장 학습 내용 요약오늘은 ADSP 3과목인 데이터 분석의 1장부터 4장까지 학습하였다. 데이터 분석의 전체적인 흐름과 통계 분석의 기본 개념, 회귀분석, 분류분석까지 학습하면서 실제 데이터 분석 프로젝트에서 자주 활용되는 핵심 이론들을 정리할 수 있었다.1. 데이터 분석의 이해데이터 분석은 단순히 데이터를 계산하는 것이 아니라 데이터 속에서 의미 있는 패턴을 발견하고, 이를 바탕으로 의사결정을 지원하는 과정이다.데이터 분석의 목적과 절차 이해탐색적 데이터 분석(EDA)의 중요성기술통계와 추론통계의 차이모집단과 표본의 개념변수의 종류(연속형, 범주형 등)척도의 종류(명목척도, 서열척도, 등간척도, 비율척도)특히 분석을 시작하기 전 데이터의 구조와 특성을 먼저 파악하는 과정이 매우 중요..

ADSP 2과목 데이터 분석 기획 학습 내용 요약학습 개요오늘은 ADSP 2과목인 데이터 분석 기획을 학습했다. 데이터 분석 프로젝트를 수행하기 전에 어떤 문제를 해결할 것인지 정의하고, 목표를 설정하며, 프로젝트를 체계적으로 수행하기 위한 전체적인 절차를 이해하는 것이 핵심이었다. 분석 기술뿐만 아니라 비즈니스 관점에서 데이터를 바라보는 사고방식을 익히는 과정이었다.1. 데이터 분석 기획의 이해데이터 분석은 단순히 데이터를 분석하는 것이 아니라 비즈니스 문제를 해결하기 위한 과정이다.분석을 시작하기 전에 해결해야 할 문제와 목표를 명확히 정의해야 한다.데이터 분석 기획은 분석의 방향을 설정하고 프로젝트의 성공 가능성을 높이는 중요한 단계이다.2. 데이터 분석 과제 도출데이터 분석 과제는 다양한 방법으로..

Tableau 기능 학습과 메뉴 추천 대시보드 실습오늘은 데이터 시각화 도구인 Tableau의 주요 기능을 익히고, 이를 실제로 활용해 보는 실습을 진행했다. Tableau의 개별 기능은 사용법 자체가 복잡하지 않지만, 원하는 결과를 만들기 위해 어떤 기능을 어디에서 사용해야 하는지 익히는 것이 중요하다고 느꼈다. 따라서 단순히 기능을 따라 하는 데 그치지 않고, 직접 주제를 선정해 대시보드를 구상하고 제작해 보았다.Tableau 주요 기능 학습오늘은 데이터 필드와 계산된 필드, 매개변수, 함수, 필터, 대시보드 구축 방법을 중심으로 학습했다.데이터 필드는 원본 데이터셋에 존재하는 열을 의미하며, 필요에 따라 기존 필드를 활용해 새로운 분류 기준을 만들 수 있다. 예를 들어 가격 데이터를 바탕으로 저가,..

Tableau 기초 학습 및 포켓몬 데이터 시각화 실습오늘은 데이터 시각화 도구인 Tableau(Tableau Desktop)의 기초 기능을 학습했다. 이전까지는 Python(Matplotlib, Seaborn)을 활용해 그래프를 그려왔지만, Tableau는 코드를 작성하지 않고도 데이터를 다양한 형태로 시각화할 수 있다는 점이 가장 큰 특징이었다.특히 데이터를 빠르게 탐색하고 대시보드를 구성할 수 있어 실무에서 데이터 분석 결과를 공유하거나 보고서를 제작할 때 많이 활용된다는 점을 알게 되었다.● Tableau란?Tableau는 데이터를 드래그 앤 드롭(Drag & Drop) 방식으로 쉽게 시각화할 수 있는 BI(Business Intelligence) 도구이다.복잡한 코드를 작성하지 않아도 다양한 그..

2팀 - 반도체 LPCVD 공정 데이터 분석 프로젝트분석 내용 요약LPCVD 공정 데이터를 활용하여 공정 불량의 원인을 분석하고, 품질에 영향을 미치는 핵심 변수를 도출하였다.머신러닝 모델과 Feature Importance, SHAP 분석을 통해 주요 공정 변수를 선정하고 공정 최적화 방향을 제시하였다.최종적으로 공정 관리 기준을 개선하여 수율 향상을 목표로 분석을 수행하였다.잘한 점단순히 예측 모델을 만드는 것에서 끝나지 않고 SHAP을 활용하여 결과를 해석한 점이 좋았다.Feature Importance와 SHAP을 함께 활용하여 실제 공정 개선으로 연결하려는 접근이 인상적이었다.분석 결과를 현장에서 활용 가능한 관리 기준으로 연결하려는 점이 실무적인 프로젝트라고 느껴졌다.3팀 - 반도체 전공정 데..

반도체 제조 공정 센서 데이터를 활용한 공정 최적화 프로젝트 회고이번 프로젝트에서는 반도체 제조 공정에서 수집된 센서 데이터를 활용하여 불량을 예측하는 머신러닝 모델을 구축하고, 불량에 영향을 주는 핵심 공정 변수를 찾아 실제 관리기준까지 제안하는 프로젝트를 진행하였다.기존의 단순한 예측 모델 제작에서 끝나는 것이 아니라 왜 불량이 발생하는지 설명할 수 있는 모델을 만들고, 실제 공정에서 활용 가능한 관리기준을 제시하는 것을 목표로 프로젝트를 수행하였다.프로젝트 목표이번 프로젝트에서 설정한 목표는 크게 네 가지였다.머신러닝 기반 불량 예측 모델 제작불량에 영향을 미치는 핵심 공정 변수 선정SHAP 기반 관리기준 도출SPC 관리도를 활용한 공정 개선 방안 제안즉, 단순히 높은 정확도를 가진 모델을 만드는 ..