스마트팩토리,

제조업에서는 데이터를 어떻게 활용할까?

미국 최대 IT 컨설팅펌인 가트너는 코로나19 경제위기에 따라 제조업의 디지털화는 가속화되고 있으며, 4차 산업혁명의 새로운 기술 속에서 이 흐름을 따라가지 못하는 제조업은 낙오의 길을 걸을 수 밖에 없다고 밝혔습니다.

이렇듯 제조, 공정, 설비에서 빅데이터를 도입하고 이를 바탕으로 유의미한 결과를 찾는 과정들은 이제 떼 놓을 수 없는 필수 과정이 되고 있습니다. 그럼, 제조업에서는 어떤 데이터를 가지고 어떤 분석을 할 수 있을까요?

1. 생산량을 예측하여 재고를 효율적으로 관리할 수 있습니다.
2. 품질 관리를 위해 불량 여부를 판별하는 분류시스템을 구축할 수도 있고, 불량의 원인을 분석하여 불량품을 관리할 수도 있겠죠.
3. 다양한 머신러닝 알고리즘을 적용해보고, 가장 적합한 모델을 찾아 더 성능을 높이며 업무 효율성을 높이기 위한 작업들이 동반될 겁니다.
4. 그리고 현재 이 프로세스가 적절하게 잘 작동되는지 파악할 수 있는 모니터링 대시보드를 만들어 실시간으로 관리할 수도 있습니다.

배우기 힘들었던 공정 데이터 분석,

이 클래스로 완벽하게 정리할 수 있어요.



현직자가 아니라면 제조사의 데이터를 직접 살펴보기 힘들고, 현직자더라도 데이터 접근 권한이 없다면 역시나 프로젝트를 시도해 볼 기회조차 적은 것이 현실입니다.

그 니즈를 모두 반영해 본 클래스를 준비했습니다. 평범하게 데이터 분석만 배우는 클래스가 아닙니다.

산업 분야에서 발생하는 데이터 처리와 분석 기법에 대해 학습합니다.

다년간 유수의 국내 제조 대기업을 컨설팅 했던 그 노하우를 이 클래스에 완벽하게 녹여냈습니다.

• 제조사 취업을 원한다면,
• 제조 산업에서 스마트팩토리 관련 프로젝트를 수행해야 한다면,
• 파이썬으로 문제해결을 하려는 컨설팅 업무를 맡고 있다면,
• 다양한 도메인으로 파이썬 데이터 분석 프로젝트를 해보고 싶다면,

본 클래스가 여러분에게 최적의 선택이 될 겁니다.

단순히 이론만 배우고 끝나는 클래스가 아니라, 실제 기업에서 마주치는 데이터를 직접 뜯어보고 분석하며 그 프로세스를 배울 수 있도록 커리큘럼을 구성했습니다.

공정의 핵심, QCD (Quality Cost Delivery) 관리

공장에서 제품을 생산할 때, 고객이 요구하는 품질/비용/납기일을 맞추기 위해 공정을 효율적으로 운영해야 합니다. 이를 수행하기 위해 데이터로부터 어떻게 인사이트를 찾아낼 수 있을까요?

본 클래스에서는 Quality, 품질 데이터 분석 기법을 중심으로 실제 산업 데이터에서 데이터를 분석할 때 사용하는 여러 기법들을 Python 프로그래밍 언어로 쉽게 분석해봅니다.

• 설비 Error의 주 유형을 파악하는 파레토도 (Pareto Chart)
• 특정 설비에 따라서 공정 안정 여부를 확인하는 관리도 (Control Chart)
• 각 주요 공정 인자에 대한 시각화 및 통계적 가설검정
• 불량 여부를 판별하는 분류시스템 구축 (머신러닝)

반도체 8대 공정 분석을 따라

실습하는 데이터 분석

국내 제조 시장의 가장 핵심 산업인 반도체 공정에 대한 데이터를 다룹니다. 공정에서 제조 Process에 대한 기본적인 이해와 함께 제조 데이터 분석을 함께 해볼 수 있도록 과정을 구성했습니다.

실제 데이터에서 사용할 수 있는 핵심 머신러닝 기법들을 학습하고, 여러 알고리즘을 비교해보며 가장 적합한 학습모델을 찾아봅니다. 모델의 성능을 높이기 위한 작업을 통해 만들어진 모델을 어떻게 사용해야 하는지 실습해봅니다.

머신러닝을 제대로 학습하고 싶다면

패키지로 한 번에 끝내요!

본 클래스는 Pandas 라이브러리를 사용해봤으며, 머신러닝 선수 지식이 있는 사람을 대상으로 진행합니다. [파이썬 머신러닝]을 함께 구매하시면 정가 대비 39% 할인된 금액으로 두 개의 클래스를 한 번에 수강 하실 수 있습니다. 보다 저렴한 패키지 혜택으로 머신러닝과 제조 데이터 분석까지 all-in-one으로 한 번에 배워보세요.

파이썬 머신러닝 클래스 소개 페이지 바로가기 >> (링크)

[클래스 신청하기] 버튼을 눌러 한 번에 수강해보세요!