이번 학습에서는 생산 현장에서 활용되는 수입검사와, 데이터를 분류하는 범주화 AI 기법에 대해 배웠다.

수입검사는 원자재나 반제품이 생산에 적합한지 판별하기 위한 절차로, 양품과 불량품을 구분하고 로트 단위 판정 및 검사원의 정확도를 평가하는 목적을 가진다. 검사 방법에는 모든 원재료를 확인하는 전수검사, 일부만을 추출하여 평가하는 샘플링 검사, 그리고 검사를 생략하는 무검사가 있다. 특히 샘플링 검사는 경제성과 효율성을 높일 수 있지만 통계적 오차의 가능성이 존재한다. 불합격 판정이 내려진 경우 재작업, 폐기 등의 후속 조치가 뒤따른다.

범주화 AI는 데이터를 특정 범주로 분류하는 기술로, 불량 여부 판정이나 유형 분류 등 다양한 산업 현장에 적용된다. 이진 분류는 합격·불합격처럼 두 가지 범주로 나누고, 다중 분류는 여러 가지 범주 중 하나로 분류한다. 주요 기법으로는 확률 기반의 로지스틱 회귀, 트리 구조의 결정 트리, 앙상블 방식을 활용한 랜덤 포레스트가 있으며, 데이터 부족 시 부트스트래핑 기법으로 학습 데이터를 보완할 수 있다. 이러한 기술은 이미지 인식, 의료 진단, 산업 검사 등 다양한 분야에서 활용될 수 있다.

이번 학습을 통해 수입검사가 단순히 불량품을 걸러내는 과정이 아니라 비용·시간·품질 사이의 균형을 유지하는 관리 활동이라는 것을 이해할 수 있었다. 또한 범주화 AI는 데이터 분석을 통해 현장의 의사결정을 지원하며, 품질관리의 정밀도와 신뢰성을 높이는 핵심 기술임을 느꼈다.