mingdoremi 님의 블로그

안녕하세요! 오늘은 본캠프 60일차입니다! 오늘도 프로젝트를 열심히 했습니다! 어제 분석했던 것에 대해 인사이트를 도출하고, 팀원들과 피드백하는 시간을 가지고 피드백을 반영해서 수정하였습니다.오늘은 명도수준과 신호극성이 밝고 어두운 영역으로 비슷해서 명도수준과 신호극성을 연결지어서 불량여부와 확인해보았습니다! 색이 진할수록 해당 구간에 불량 결함 데이터가 많이 분포한다.명도수준이 낮고 신호극성이 -1인 부분에서 진함 → 어두운 영역에서 진한 극성 결함이 많이 발생한다.명도수준이 중간인 구간에서 신호극성이 1인 부분이 진함 → 중간 명도 영역에서 밝은 극성 결함이 많이 발생한다.신호극성이 1인 부분에 불량여부가 1(False)인 결함이 대체적으로 많이 분포 되어있다. 로지스틱 회귀 분석Pseudo R-sq..

안녕하세요! 오늘은 본캠프 59일차입니다! 오늘도 프로젝트를 했습니다~!! 오늘은 각자 가설을 설정하고 가설에 맞는 시각화와 통계적 검증을 했습니다! 저는 웨이퍼 중심에서 멀어질수록(중심거리 증가) 결함 발생 빈도 및 불량률이 높아질 것이다. 라는 가설을 설정하고 데이터를 분석했는데Chi2: 658.37, p-value: 0.0000P-Value 값이 0.05보다 작으므로 통계적으로 유의하다. 통계적 검증과 시각화 자료를 봤을 때 전체적으로 중심거리가 큰 부분에 불량이 위치하고 있음을 볼 수 있었습니다! 2번째 가설은 특정 방향각도에서 결함이 집중적으로 발생할 것이다. 라고 설정했습니다! Chi2: 331.24, p-value: 0.0000Mann-Whitney U Test (방향각도) 통계량: 5024..

안녕하세요! 오늘은 본캠프 57일차입니다!오늘은 시계열 라이브 세션 마지막이었습니다! SPC 란?Statistical Process Control(SPC)은 우리나라 말로 통계적 공정관리라고 부르며, 1920년 Walter Shewhart에 의해 개발되어 제조 과정에서의 품질 향상을 위해 활용되고 있습니다. 제품이 완성되는 시점에서 사후검사를 하는 것이 아닌 생산 공정 자체를 지속적으로 감시하는 데 집중하며 제품을 모니터링하면서 각 공정별로 정한 Contol 범위 이상의 quality를 찾아내는 생산 공정 모니터링 입니다.공정의 이상을 감지 → 조직이 대응 → 공정이 조정됨PROCESS (첫 번째 구간)초기 공정 상태를 나타냄데이터가 변동하며 관리 한계선(UCL, LCL) 내에 유지되고 있지만, 변동이 ..

안녕하세요! 오늘은 본 캠프 56일차입니다! 오늘 실전 프로젝트를 시작했습니다!!저희 팀은 반도체 도메인을 선택했습니다!시계열 데이터가 없어서 아쉽긴 하지만 시계열 데이터가 아직은 너무 어려워요.. Derivative (기울기, 변화량) 기반 탐지개념: 값 자체가 아니라, 변화량에 이상 탐지 적용활용 예시:5초 내에 온도가 10도 이상 급등 → 이상전류가 1초에 3A 이상 급격히 상승import numpy as npimport matplotlib.pyplot as plt# 예시 시계열: 100 이후 급변data = np.concatenate([ np.linspace(0, 1, 100), np.linspace(1, 10, 20), np.linspace(10, 11, 80)])# 변화량(기울..

안녕하세요! 오늘은 본캠프 55일차입니다~! 문제 1: 센서 데이터를 활용한 공정 상태 분류한 반도체 제조 공정에서 장비에 부착된 센서들이 매 초마다 데이터를 기록합니다. 이 데이터를 바탕으로 해당 제품이 양품(Good)인지 불량(Defective)인지 분류하는 AI 모델을 구축 데이터 설명Sampling Rate: 1초 간격Duration: 제품 1개당 60초Features: 총 4개의 센서 값 (예시)Target Label: 제품 품질 (0 = 양품, 1 = 불량)Time (s)Chamber_PressureRF_PowerEtch_RateTemperatureLabel04.1245021072.5014.1545220872.4024.1044920972.30..................594.054482..

안녕하세요! 오늘은 본캠프 5️⃣4️⃣일차입니다! 오늘은 저번에 만들던 태블로 개인 과제를 다듬고 대꾸(대시보드 꾸미기)를 했습니다!! 많이 깔끔해졌죠??!!!! 하늘색으로 톤을 살짝 맞췄습니다 ㅎ.ㅎ 스트림릿 라이브 세션레이아웃 구성 이해하기컬럼(Column) 활용하기Expander 활용하기Taps 활용하기Sidebar 활용하기 페이지 구성해보기한 화면에 모든 내용을 담으면 복잡해집니다.홈: 앱 소개, 전체 요약생산 데이터: 하루 생산량, 생산 라인별 분석품질 관리: 불량률, 불량 유형 모니터링예지 보전: 설비 고장 예측, 유지보수 계획이렇게 주제별로 페이지를 나누면, 사용자도 쉽게 원하는 부분을 찾아갈 수 있습니다.st.session_state기능 설명st.session_state는 브라우저(사용자..

안녕하세요! 오늘은 본 캠프 53일차입니다!!오늘은 즐거운 금요일!!! 오늘만 힘내면 주말입니다 파이텡!!!! 오늘 오전에는 개인 공부를 하고 오후에는 개인 과제를 시작했습니다! 비밀이지만 잠깐 보여드리자면 오늘은 시각화 칸 만들 수 있는 건 다 만들어보았습니다!! (아직 미완성입니당..)폰트랑 폰트 크기, 위에 필터 추가 등등은 월요일에 추가하고 다듬어보려고 합니다!! 월요일에 다 만들어보고 다른 분들하고도 비교해보려구요!! 스트림릿 라이브세션 2회차도 진행했습니다!Streamlit 주요 함수 살펴보기텍스트 계열 함수코드 및 수식 표현다양한 입력 위젯 사용텍스트 입력수치/날짜 입력선택형 위젯파일 업로드버튼/슬라이더데이터 로딩 및 테이블 시각화CSV/Excel 파일 업로드 및 읽기그래프 시각화Stre..

안녕하세요! 오늘은 본캠프 52일차입니다! 🥒 시계열 라이브세션 2회차통계적 시계열 모델 전처리statsmodels 라이브러리시계열 데이터를 추세, 계절성, 불규칙성 성분으로 나누어 plot 그리는 작업period ⇒ 1년 기준으로 주기를 나타내는 변수(월별 데이터면 12, 주별 데이터면 52, 일별데이터면 365) Additive (덧셈 모델)시계열 데이터=추세+계절성+잔차 (변화량이 일정한 크기로 발생하는 데이터에 적합)즉, 계절성의 크기가 일정한 경우에 사용multiplicative(곱셈 모델)시계열 데이터=추세×계절성×잔차 (분들이 곱해지는 모델로, 변화가 비율적으로 증가 데이터에 적합)즉, 계절성이 증가하거나 감소하는 경우에 사용잔차 (Residuals)원본 데이터에서 추세와 계절성을 제거한 ..

안녕하세요! 오늘은 본캠프 51일차입니다!!오늘은 태블로 라이브세션 마지막날입니다 어제 만들었던 대시보드를 직접 만들어보는 시간을 가졌습니다!대시보드 화면 구성 및 디자인Tableau Cloud 소개공유/댓글/구독/알림 설정대시보드 및 데이터원본 권한 관리 시계열 데이터 세션을 시작했습니다 시계열 데이터란?센서, 장비 로그, 설비 상태 등 시간에 따라 수집되는 데이터※ 하지만, 단순히 시간 정보가 있다고 시계열 데이터는 아니다! 시계열 데이터의 특징시간 순서가 연속적이여야 함이전 값과 현재 값이 상관되어 있음 (자기상관성)시간이 1분 단위가 아닌 뒤죽박죽일 경우 시계열 데이터가 아닌가요?네! ex) 어떻게든 균일한 시간으로 바꾸거나 불규칙한 간격을 그대로 두고 사용가능합니다. 일별 데이터인데 특정 날에 ..

안녕하세요! 오늘은 본 캠프 50일차입니다!!벌써 50일차라니 시간이 정말 빨리 지나가네용.. 오늘 태블로 라이브세션에서 만든 대시보드입니다! KPI(Key Performance Indicator, 핵심성과지표)는 조직이나 팀, 개인의 목표 달성 정도를 정량적으로 평가하기 위한 핵심 지표입니다.쉽게 말해, “잘하고 있는지 숫자로 보여주는 핵심 지표”라고 생각하시면 됩니다.보통 대시보드의 가장 상단에 표시합니다.데이터 원본 설명그룹& 집합, 이중축분석 패널 설명행수준 계산 vs 집계 수준 계산매개변수와 계산식그리고 오늘은 빅데이터 기반 품질관리 인재 양성 교육생 대상 잡콘서트를 진행했습니다!현직 멘토에게 직무에 관련된 생생한 이야기를 들을 수 있어 유익한 시간이었습니다!! 내일은 태블로 라이브 세션 마지막..