학습일지 (2일차)

2일차 교육에서는 스마트팩토리와 데이터 분석에 대해 학습하였다. 

특히 ADsP를 공부하면서 배웠던 데이터 분석 개념들이 실제 제조 현장에서 어떻게 활용되는지 이해할 수 있어 매우 유익한 시간이었다.

먼저 데이터 분석의 역할에 대해 학습하였다. 생산 현장에서 발생하는 다양한 데이터를 수집하고 분석하여 품질 이상을 탐지하고, 불량을 예측하며, 공정을 최적화하는 과정을 배웠다. 또한 이러한 데이터 분석을 통해 생산성을 향상시키고 품질 경쟁력을 높일 수 있다는 점을 이해했다.

인공지능의 기본 개념과 지도학습, 비지도학습의 차이

지도학습은 정답이 있는 데이터를 활용하여 예측 모델을 만드는 방법이며, 비지도학습은 정답 없이 데이터의 패턴과 특징을 찾아내는 방법이라는 점을 다시 정리할 수 있었다.

데이터 유형으로는 이미지, 영상, 센서 데이터, 텍스트 데이터 등이 있으며, 제조 현장에서는 이러한 다양한 데이터를 활용하여 품질을 관리하고 생산 공정을 개선한다는 점을 알게 되었다. 또한 회귀, 분류, 군집화와 같은 분석 유형과 데이터 처리 방법에 대해서도 학습하였다.

주요 AI 모델로는 로지스틱 회귀, 의사결정트리, 랜덤포레스트 등이 있으며, 이러한 모델들이 제품의 양품·불량 판정, 품질 예측, 이상 탐지 등 품질관리 분야에 활용된다는 점을 이해하였다. 특히 컴퓨터 비전 기술을 활용한 자동 외관검사 사례가 인상적이었다.

이번 교육을 통해 데이터 분석과 인공지능 기술이 스마트팩토리의 핵심 요소이며, 품질관리와 생산성 향상에 직접적으로 활용되고 있음을 알 수 있었다. 특히 ADsP에서 학습한 데이터 분석 이론이 실제 제조 현장에 적용되는 사례를 접하면서 데이터 분석 역량의 중요성을 다시 한번 느낄 수 있었다.