품질관리의 4대 기능인 PDCA 사이클을 학습하며, 그동안 수행했던 프로젝트 경험을 보다 체계적인 언어로 정리할 수 있었다. 반도체 공정 이상 문제를 해결하는 과정에서 나는 FDC 데이터로 원인을 가설화하고(Plan), Throttle Valve를 0.1° 단위로 조정하며 최적 조건을 탐색했으며(Do), Arc Count와 챔버 압력 데이터로 결과를 검증하고(Check), 공정 윈도우를 확정하여 재발 방지 기준을 수립했다(Action). 당시에는 문제 해결 자체에 집중했지만, 엔지닉의 품질관리 강의를 통해 PDCA 프레임을 학습하며 내가 수행한 일련의 행동이 품질관리의 본질적인 사이클과 정확히 맞닿아 있었음을 확인할 수 있었다.

또한 품질의 집(House of Quality) 구조를 통해, 고객 요구특성(CA)을 기술특성(EC)으로 전환하는 체계적 사고의 중요성을 새롭게 인식했다. 나는 지금까지 고객 요구 규격을 기준으로 공정 변수를 분석하는 방식으로 접근해왔으나, 이것이 QFD 프레임워크의 핵심 흐름임을 명확히 이해하지는 못한 상태였다. 앞으로는 단순히 스펙을 맞추는 수준을 넘어, 고객 요구가 어떤 기술적 특성으로 변환되어야 하는지를 구조적으로 사고하는 습관을 갖추어야 한다는 부족함을 느꼈다.

부족한 점으로는 MES, SPC, FDC 등의 개념을 개별적으로는 학습했지만, 스마트팩토리 AI 품질관리 체계 안에서 이것들이 ERP, SCM과 어떻게 연동되어 품질 데이터를 관리하는지에 대한 통합적 이해가 아직 부족하다는 점을 인식했다. 앞으로는 공정 단위의 품질 분석을 넘어, 데이터가 MES를 통해 수집되고 ERP로 연계되는 흐름 전반을 이해하는 엔지니어로 성장하겠다.