공정 연구는 제강/연주 공정의 결함을 사전에 방지하고 개선해나가는 직무이기에, 단 시간에 원인을 규명하고 합리적인 의사결정을 내릴 수 있는 ‘데이터 리터러시’ 역량이 핵심입니다. 학생연구원 시절 다이캐스팅 공정의 최적화 업무를 경험하며 비용과 시간을 혁신적으로 절약할 수 있는 데이터 분석에 매력을 느껴 지원하게 되었습니다.
"데이터 분석 및 시뮬레이션을 통한 공정 최적화"
최다 불량인 기포 결함의 임계 변수를 찾아내는 것을 목표로, 생산팀과 사례 분석을 진행했습니다. 이후, 몇 가지 기술적 문제들이 존재하는 것을 확인해 엑셀로 이를 분류하고자 했습니다. 그러나 스마트 팩토리로 추출한 데이터가 30000개 이상 존재했기에, 엑셀이 아닌 고급 통계 언어를 사용해야 했습니다. 따라서, 3주간 ‘POSTECH AI-빅데이터 아카데미’ 강의에 몰두한 결과, 기초 활용이 가능해져 곧바로 품질팀과 데이터 분석을 시작했습니다. 결측치를 제거한 뒤 기포 결함을 종속변수로 설정하고 Parameter의 상관 분석을 진행했으며, 바이올린 플롯 그래프로 상대적인 표본 수치를 시각화했습니다. 그 결과, Critical 인자인 ‘Biscuit Size’를 도출했으며, 10mm 구간에서 다수의 기포 결함이 발생함을 확인했습니다. 이후, 슬리브 3D 모델을 제작해 Anycasting에 적용하고 열유동해석을 수차례 진행했습니다. 그 결과, 최적의 비스킷 사이즈 도출해 32%의 기포 결함을 줄이는데 성공했습니다. 당진 제철소에 축적된 Line data 분석을 바탕으로, 제강/연주의 전 공정에 걸친 효율성 극대화 조건을 도출하겠습니다.
