이번 강의를 통해 품질관리가 단순히 불량을 찾아내는 활동이 아니라, 생산 전 과정에서 목표 품질을 정하고 공정을 설계하며 결과를 점검하고 다시 개선하는 순환적 관리 활동이라는 점을 이해하게 되었다. 특히 품질관리와 생산관리가 분리된 영역이 아니라 상호보완적으로 연결되어 있으며, 신제품 관리, 수입 자재 관리, 제품 관리, 공정 조사까지 폭넓게 이어진다는 점이 인상적이었다. 또한 PDCA 관점에서 품질을 설계하고 보증하며 개선하는 흐름을 보면서, 품질은 검사만으로 확보되는 것이 아니라 처음부터 공정과 기준 안에 내재되어야 한다는 점을 배웠다.

또한 스마트팩토리와 데이터분석, 인공지능의 역할에 대해서도 정리할 수 있었다. 강의에서는 스마트팩토리를 생산과정에 정보통신기술을 적용하여 데이터를 실시간으로 수집·분석·제어하는 지능형 공장으로 설명하고 있었고, 이 과정에서 MES, ERP, SCM 같은 시스템이 서로 연결된다는 점을 제시하였다. 더불어 지도학습, 비지도학습, 강화학습의 차이와 회귀, 분류, 군집화 같은 기본적인 AI 과업도 함께 다루어, 품질문제를 데이터 기반으로 해석하는 틀을 잡는 데 도움이 되었다. 마지막으로 수입검사에서는 전수검사, 샘플링검사, 무검사의 차이와 목적을 배우면서, 무조건 많이 검사하는 것이 아니라 비용과 시간, 공정 효율까지 고려해야 한다는 점을 알게 되었다.

이번 학습을 하며 아직 표준화, 품질의 집(House of Quality), 분류모델 평가 같은 부분은 더 복습이 필요하다고 느꼈다. 앞으로는 강의 내용을 단순히 읽는 데 그치지 않고, 개념 간 연결관계를 스스로 정리하면서 품질관리와 데이터분석을 실제 산업 현장 문제와 연결해 이해하도록 노력할 것이다. 특히 품질관리와 AI를 따로 보는 것이 아니라, 현장의 데이터를 통해 문제를 발견하고 개선하는 통합적 시각을 갖추는 것을 다음 학습 목표로 삼고자 한다.