3강에서는 수입검사와 품질관리에 활용되는 범주화 AI에 대해 학습했다.

수입검사란 제품을 제작하는 현장에서 원자재, 반제품에 대하여 제품의 원재료로서의 적/부를 판단하는 검사이다. 이를 양품과 불량품을 구별하고 불량 로트가 출하되었을 때 발생할 수 있는 손해를 막는 목적으로 활용된다.

품질 검사에는 전수검사, 샘플링검사, 무검사가 있는데 각각의 기회비용과 시료 특성을 고려해 이를 적절히 혼합해 진행해야한다.

이러한 수입검사는 적/부 판단이 핵심이므로 범주화 AI를 활용한다면 스마트팩토리에서의 품질관리 활동을 수행할 수 있다.

분류 항목 개수에 따라 이진분류와 다중분류로 나눌 수 있고, 분류를 진행할 때 가장 핵심이 되는 요소는 결정 경계이다. 즉, 분류 모델은 결정 경계를 설계하는 것이라고 할 수 있다.

이진분류의 경우 중간값을 갖는 데이터를 어디에 포함해야할지 설계자의 주관에 따라 결정될 수 있으므로, 로지스틱 회귀를 통해 이를 보완한다.

트리 구조의 경우 데이터를 일정한 규칙에 의해 분할하는 구조로서, 분할된 데이터를 계층화할 수 있는 것이 장점이다. 하지만 데이터가 부족할 경우, 보완점이 필요한데 이를 위해 부트스트래핑 기법을 활용한다. 부트스트래핑이란 데이터를 중복해서 샘플을 추출함으로써, 머신러닝 등과 같이 빅데이터 학습을 위한 해결책으로 사용된다. 이를 혼합한 모델은 랜덤포레스트로, 부트스트래핑을 통해 추출한 데이터를 트리 구조로 범주화하는 것을 의미한다.

품질관리에서 AI가 활용될 수 있는 메커니즘을 이해했고, 이를 통해 향후 품질관리 직무가 스마트팩토리 환경에서 갖춰야 할 역량에 대해 심도 있게 고민할 수 있는 기회가 됐다.