논문 47p, 공정 불량현황 패턴분석

A사의 공정 불량현황에 관한 패턴을 분석하기 위
해 2013년에서 2015년까지 3년간 불량 현황을 수집하여 Calendar Heatmap 시각화를 통한 공정 불량현황 패턴 분석을 하였다.


빅데이터 시대에서 중요도가 높아지는 것이 바로 데이터 시각화이다.
빠르게 생성되는 방대한 빅데이터로부터 통찰력을 얻기 위해서는 분석도 중요하지만, 분석결과를 한눈에 알아볼 수 있게 하는 것이 필요하다. 이러한 역할을 수행하는 것이 바로 데이터 시각화(Data Visualization)이다

데이터 시각화는
데이터를 쉽고 빠르게 이해할 수 있도록 지원하여 빅데이터 분석 결과로부터 직관력과 통찰력은 높일 수 있도록 한다(오현식, 2014).

가시화 결과물이 빅데이터 분석 전문가에게만 필요한 것이 아니라, 일반 사용자에게도 데이터의
내용, 즉 지식을 전달하기 위한 도구로 확대됨에 따라 HTML5 등의 기술을 활용하여 가시화 결과물을 웹에서 조회할 수 있도록 제작하는 기술도 중요하다(최성수 외, 2015)

데이터 시각화에서 시계열의 변동을 나타내는 데 쓰이는 대표적인 그림은 꺾은 선 그래프이다. 계절변동이나 단기간 예측에 효과적이다
그러나 장기간 데이터의 경우 일(day)별 변동상황을 시계열 분석으로는 패턴도출에 어려움
이 따른다.
그런데 시계열이 일(day)별로 획득되는 경우라면 좋은 대안이 있 다.
우리에게 익숙한 달력을 사용하는 것이다. Calendar Heatmap은 분석결과를 직관적으로 파악할 수 있도록 하는 시각화 도구이다.
제조 공정 중에 발생할 수 있는 이상치 대하여 일일 기준 문제점을 시각화하는데 캘린더 뷰는
매우 효과적이다(Doung et al., 2016).

<그림 4-2>는 품질데이터 연도별 패턴을 시각화함으로써 연도별, 월별, 요일별로 언제 불량이 많이 발생하고 있는지 알아보기 쉽게 시각화한 결과이다.

<그림 4-2> 품질데이터 연도별, 월별, 요일별 패턴을 시각화 분석결과 월요일 불량이 많이 발생하고 있으며, 특히 2월, 8월, 9월에 불량
이 많이 발생하고 있음을 시각적으로 쉽게 알아볼 수 있다.
명절 직후, 휴가철이 끝나고 불량이 증가하는 패턴이 보여 연휴 피로도가 불량증가 요인으로 추정되며, 작업자에 대한 적절한 지도방침 수립이 요구된다고 할 수 있다.

<그림 4-3>은 R Shiny 패키지를 이용하여 공정불량현황 패턴분석을 웹 UI로 구현한 모습이다.

<그림 4-3> 공정 불량현황 패턴 분석