Task :
비즈니스 문제 정의
•
주제
◦
다이캐스팅 공정 데이터 기반 품질 예측 및 점검 모델 개발
•
문제 정의
◦
다이캐스팅 공정에서 불량 제품이 지속적으로 발생함.
◦
발생하는 불량의 원인을 추적하기 어려워, 공정 개선 및 문제 해결이 어려움.
◦
육안 검사에만 의존하기 때문에, 판정 기준이 주관적이며 검사 속도가 느려 생산성이 저하됨.
•
분석 목표
◦
불량 판별 : 확보 데이터를 기반으로 제품의 불량 여부를 사전 판별하는 모델 개발 (분류)
◦
위험도 점수 : 특정 시점에서 공정 컨디션이 어떠한지 나타내는 점수 산출 (분류 + 회귀)
◦
모델 평가 지표 : Recall, Precision, R-Square, p-Value, F1-Score, AOC(AUC)
•
비즈니스 목표
◦
사전 불량 판별을 통한 공정 효율 증대
◦
위험도 점수를 통한 공정 사전 점검 및 불량률 감소
◦
KPI : 불량률 감소, 불량 예측 시간 단축, 재작업 감소, 품질 안정성 향상
팀 전체 일정
12/19 (금) | 데이터 전처리, 파생 변수 공유 |
12/22 (월) | EDA 1차 완료 후 공유 + 통계 분석 계획 수립 |
12/23 (화) | EDA 종합 정리 + 통계 분석 + 머신러닝 방향성 회의/분배 |
12/24 ~ 25 (수~목) | 머신러닝 완료 |
12/26 (금) | 전체 결론 도출 및 발표 준비 시작 |
12/28 (일) | 머신러닝 완료 |
12/29 (월) | 발표 준비 완료 및 무한 점검 |
12/31 (수) | 팀 결과 발표 |
실행 및 진행 사항 정리
결과