[데이터가 저절로 쌓이게 하기] 5주차 Day 2 — ★ 측정마다 업무 건을 만들면 세는 단위를 잃는다

주차 주제: 설비 관측과 외부 수신 | 제조 사례: 검사 건수가 3,000만이 된 회사

오늘의 목표: 관측과 업무 건을 섞지 않는 구조를 세운다.

소요 시간: 30분


1. 사고의 모양

설비에서 측정값이 옵니다. 초당 하나.         ★
그래서
  측정 하나마다 「검사」 한 건을 만듭니다.  ★
그러면
  검사 건수 = 초당 1건                     ★
           = 하루 86,400건
           = 연 3,000만 건                 ★
그리고 「검사 몇 건 했나」 가 무의미해집니다. ★

2. 무엇을 잃나

① 세는 단위                                ★
   "오늘 검사 3만 건" — 뜻이 없습니다      ★

② 업무 건과 섞입니다                       ★
   사람이 한 검사와 센서 값이 한 표에     ★

③ 상태·행위자가 의미를 잃습니다            ★
   3,000만 건의 "판정자" 가 전부 센서     ★

④ 성능                                     ★
   업무 조회가 느려집니다

⑤ KPI 가 망가집니다                        ★
   불량률의 분모가 3,000만              ★
⑤가 가장 나쁩니다.                           ★

3. ★ 나누는 원칙

  관측은 관측대로 쌓습니다.                 ★
  업무 건은 업무 단위로 만듭니다.           ★
그리고 둘을 잇습니다.                     ★
  생산실적 #8821                             ★
    ├ 관측: 온도 3,600건 (1시간)            ★
    ├ 관측: 압력 3,600건                    ★
    └ 검사: 1건 (사람 또는 판정 규칙)      ★
검사는 1건입니다.                         ★
관측이 7,200건일 뿐입니다.                 ★

4. 업무 건은 무엇으로 세나

기준 — 사람이 「몇 건」 이라고 말하는 단위.  ★
· 생산 오더 1건                             ★
· 로트 1건
· 검사 1건 (지시 단위)                      ★
· 출하 1건                                  ★
그리고 그 단위가

  KPI 의 분모입니다.                      ★
"불량률" 의 분모가 3,000만이면
아무 뜻이 없습니다.                       ★

5. 관측을 업무 건에 잇는 법

관측에 업무 건 번호를 붙입니다.           ★
  관측
    출처 · 측정시각 · 값 · 단위 ·            ★
    생산실적번호 (또는 로트)               ★
붙이는 방법
㉮ 설비가 알고 있으면 같이 보냅니다        ★
   (오더 번호를 설비에 내려 줬으면)
㉯ 시각으로 맞춥니다                       ★
   그 시각에 돌던 오더
㉰ 작업자가 시작할 때 이어 둡니다          ★
   (3주차의 「시작」 버튼)                 ★
㉰ 가 가장 확실합니다.                       ★
그리고 이게

  3주차와 5주차가 만나는 자리입니다.      ★

6. 요약해서 업무 건에 올리세요

관측 7,200건을 매번 읽을 수는 없습니다.      ★
그래서 업무 건에 요약값을 올립니다.       ★
  생산실적 #8821
    온도 평균 / 최대 / 최소 / 표준편차       ★
    규격 이탈 시간 ___분                    ★
    압력 최대                               ★
그러면
  · 조회가 빠릅니다                        ★
  · 분석이 쉽습니다
  · 원본은 필요할 때만 봅니다             ★
그리고 요약값이

  품질과 잇기 좋은 형태입니다.             ★
    "온도 이탈 시간과 불량률의 관계"      ★

7. 제조 현장의 실제

어느 업체, 온도 센서를 검사 결과로 받았습니다.
· 측정 주기 1초                             ★
· 검사 테이블에 그대로 저장
· 1년 뒤 3,100만 행                      ★
문제
· 검사 화면이 안 열렸습니다               ★
· "검사 건수" 지표가 무의미해졌습니다     ★
· 불량률 분모가 3,100만이 됐습니다         ★
· 사람이 한 검사가 묻혔습니다             ★
나눈 뒤
  관측 테이블      3,100만 행 (별도)         ★
  검사 테이블      4,200건 (사람·규칙)      ★
  생산실적에 요약   온도 평균·최대·이탈시간    ★
결과
· 검사 화면 0.3초                        ★
· 불량률이 다시 뜻을 가졌습니다            ★
· 그리고 새로운 것이 보였습니다           ★
  온도 이탈 시간이 10분 넘는 실적에서      ★
  불량률이 3.2배                          ★
전에는 이 분석이 불가능했습니다.         ★
데이터가 같은 표에 뭉개져 있어서.        ★

8. ★ 저장 방식도 다릅니다

관측은 양이 많고 안 고칩니다.             ★
그래서
  · 시계열에 맞는 저장을 쓰세요            ★
  · 오래된 것은 요약해서 보관             ★
      1초 → 1분 평균 → 1시간 평균         ★
  · 업무 DB 와 분리하세요                 ★
그리고 보관 기간을 정하세요.              ★
  원본 1초      3개월                       ★
  1분 요약      2년                         ★
  1시간 요약    영구                        ★
안 정하면

  저장이 계속 늘고, 어느 날 지웁니다.     ★
  그리고 지운 것을 모릅니다.              ★

9. 판별 물음

새 데이터가 들어올 때 물어보세요
  "이게 건마다 생깁니까, 주기마다 생깁니까?"  ★
  건마다  → 업무 데이터                     ★
  주기마다 → 관측                         ★
② 기준정보 과정 README 의

  「CoA 가 둘을 뜻한다」 에서 쓴 물음과
  같습니다.                               ★

10. 오늘 해 볼 것 (15분)

① 섞여 있나 확인하세요

  테이블      행 수      건마다/주기마다      ★
  ________    ______     ____
  ________    ______     ____                ★
  → 주기마다인데 업무 표에 있나  ○/✗         ★
② 업무 건 단위를 정하세요

  세는 단위  ____________                    ★
  월 건수    ___건                           ★
  → KPI 분모로 쓸 만한가                    ★
③ 요약값을 정하세요

  관측        업무 건에 올릴 요약            ★
  ________    평균·최대·이탈시간
  ________    ____________                   ★

11. 내일 할 것

관측은 고치지 않는다 — 사실의 기록.

관측치를 사람이 고치기 시작하면 무엇도 믿을 수 없게 됩니다.


이 글은 데이터가 저절로 쌓이게 하기 과정의 5주차 2일차입니다. 과정 전체 보기

진도와 검색이 되는 판: AXPulse 기술따라가기

댓글

이 블로그의 인기 게시물

자재관리는 잘 쓰는데 BOM은 엑셀입니다

협력사 AI 로봇 도입, 공급망 스마트 제조 생태계 대응 전략

개발 테스트 자동화, AI 에이전트와 MCP 도입 전략