[본캠프] 데이터기반 QA/QC 부트캠프 43일차

Tableau를 활용한 공정·부품·센서 모니터링 대시보드 실습

1. 오늘의 학습 목표

오늘은 Tableau 미니 과제를 통해 제조·품질 데이터를 실제 설비나 제품 이미지 위에 표현하는 방법을 학습했다.

공정 흐름도에 장비 위치와 상태를 표시하고, 자동차 이미지에서는 부품별 불량 발생 빈도를 다각형으로 시각화했다. 마지막으로 밀리초 단위의 센서 데이터를 관리 기준선과 함께 표현하여 정상 범위와 이상 데이터를 구분하는 방법까지 실습했다.

단순한 막대그래프나 라인그래프를 만드는 것에서 벗어나, 현장의 구조와 데이터의 위치를 연결하여 직관적인 모니터링 대시보드를 만드는 과정을 배울 수 있었다.

---

2. 오늘 학습한 내용

공정 흐름도에 장비 상태 표시하기

첫 번째 실습에서는 공정 흐름도 이미지 위에 각 장비의 상태를 표시하는 대시보드를 만들었다.

일반적인 Tableau 지도는 위도와 경도를 사용하지만, 이번 실습에서는 공정도 이미지의 픽셀 좌표를 이용했다. 그림판에서 장비가 위치한 지점의 가로·세로 픽셀 값을 확인하고, 장비 코드와 함께 X·Y 좌표 데이터로 정리했다.

예를 들어 특정 장비의 위치가 가로 397px, 세로 277px이라면 해당 값을 장비 코드와 함께 좌표 파일에 저장한다. 이렇게 만든 좌표 데이터와 장비별 생산성, 안정성, 온도, 종합 점수가 기록된 데이터를 연결하면 실제 공정도 위에 장비 상태를 표현할 수 있다. 

QAQC Tableau 미니 과제 2일차 _ Notion.pdf

관계를 이용한 데이터 연결

장비 지표 데이터와 좌표 데이터는 서로 다른 파일로 관리되기 때문에 공통 필드를 기준으로 연결해야 한다.

이번 실습에서는 장비 지표 데이터의 Equipment 필드와 좌표 데이터의 EQP 필드를 관계로 연결했다.

관계는 두 테이블을 바로 하나로 합치는 방식이 아니라, 시각화에 필요한 필드를 사용할 때 Tableau가 적절하게 데이터를 결합하는 방식이다. 따라서 좌표 데이터와 장비별 측정값처럼 서로 다른 성격의 테이블을 연결할 때 유용하다.

관계를 만들 때는 필드명이 같아야 하는 것이 아니라 두 필드가 같은 의미와 값을 가지고 있는지가 중요하다. 연결 기준을 잘못 설정하면 장비 위치와 지표가 서로 맞지 않거나 Null이 발생할 수 있다.

---

배경 이미지와 좌표 맞추기

공정 흐름도는 Tableau의 배경 이미지 기능을 이용해 불러왔다.

이미지의 실제 크기가 1300×861px이므로 X축의 범위를 0에서 1300, Y축의 범위를 0에서 861로 설정했다. 이후 X 필드를 열에, Y 필드를 행에 배치하고 장비 코드인 EQP를 세부 정보에 넣으면 이미지 위에 장비 위치가 나타난다.

이미지 좌표는 왼쪽 위를 기준으로 Y값이 아래쪽으로 증가하지만, 일반적인 그래프는 아래에서 위로 Y값이 증가한다. 이 차이 때문에 처음에는 공정도가 상하 반전된 것처럼 보였다.

이 경우 Y축 편집에서 반전을 활성화하면 이미지와 좌표가 올바른 위치에 맞춰진다. 축의 머리글을 숨기고 화면 크기를 조정하면 일반 그래프가 아니라 실제 공정 모니터링 화면처럼 표현할 수 있었다. 

QAQC Tableau 미니 과제 2일차 _ Notion.pdf

---

계산식을 이용한 불량 장비 구분

공정 흐름도에서는 장비별 평균 Total 값이 90 이상인지에 따라 정상과 불량을 구분했다.

AVG([Total]) >= 90

위 계산식은 조건을 만족하면 참, 만족하지 않으면 거짓을 반환하는 Boolean 계산식이다.

계산 결과를 마크의 색상에 넣고, 평균이 90 이상인 장비는 초록색, 90 미만인 장비는 빨간색으로 지정했다. 이를 통해 공정 흐름만 보는 것이 아니라 문제가 발생한 장비의 위치를 즉시 확인할 수 있는 화면을 만들 수 있었다.

대시보드에는 필터 동작도 추가했다. 공정도에서 특정 장비를 클릭하면 생산성, 안정성, 온도 등의 하단 그래프가 선택한 장비 데이터로 변경되도록 설정했다. 사용자가 아무 장비도 선택하지 않았을 때는 전체 데이터가 다시 보이도록 모든 값 표시를 적용했다.

---

자동차 부품별 고장 빈도 시각화

두 번째 실습에서는 자동차 이미지 위에 부품별 고장 발생 빈도를 표시했다.

자동차 부품의 경계는 하나의 좌표만으로 표현할 수 없기 때문에 각 부품의 외곽선을 구성하는 여러 X·Y 좌표와 좌표 순서를 나타내는 Point ID가 필요하다.

부품별 불량 데이터와 좌표 데이터는 공통 필드인 Part Name으로 관계를 생성했다. 이후 X를 열, Y를 행에 배치하고 마크 유형을 다각형으로 변경했다.

• Part Name: 세부 정보
• Point ID: 경로
• 고장 발생 건수: 색상

다각형에서 경로는 좌표를 어떤 순서로 연결할지를 결정한다. Point ID가 측정값으로 설정되어 합계 처리되면 좌표 순서가 무너져 이상한 모양이 만들어진다. 따라서 Point ID를 차원으로 변경해야 부품의 외곽선이 정상적으로 그려진다. 

QAQC Tableau 미니 과제 3일차 _ Notion.pdf

고장 빈도에 따른 색상 표현

부품별 고장 발생 건수를 색상에 적용하여 고장이 많이 발생한 부분은 진한색, 적게 발생한 부분은 연한색으로 표현했다.

자동차 이미지와 다각형을 겹쳐 표시하니 단순한 부품별 고장 건수 표보다 어느 위치에서 문제가 집중되는지 훨씬 빠르게 파악할 수 있었다.

실제 불량만 분석하기 위해 Is Fault 필드에서 값이 1인 데이터만 선택했다. 이 필터는 다른 날짜 필터보다 먼저 적용되어야 하므로 컨텍스트 필터로 설정했다.

컨텍스트 필터를 적용하면 먼저 실제 불량 데이터만 남긴 뒤, 그 결과를 기준으로 월별 필터와 다른 계산이 진행된다. 필터 순서에 따라 결과가 달라질 수 있기 때문에 단순히 필터를 추가하는 것보다 어떤 필터를 우선 적용할지 정하는 과정이 중요하다.

또한 Created Date를 월 단위 필터로 만들고 같은 데이터 원본을 사용하는 전체 워크시트에 적용했다. 이를 통해 자동차 부품 시각화와 불량 추이 그래프가 같은 기간을 기준으로 함께 변경되도록 구성했다. 

QAQC Tableau 미니 과제 3일차 _ Notion.pdf

---

밀리초 단위 센서 데이터 시각화

세 번째 실습에서는 공정에서 밀리초 단위로 발생하는 센서 데이터를 시각화했다.

먼저 문자열로 저장된 Timestamp 필드를 날짜 및 시간 형식으로 변경했다. 이후 사용자 지정 날짜 형식을 적용하여 밀리초까지 표시했다.

yyyy-MM-dd HH:mm:ss.000

센서 데이터는 매우 짧은 시간 간격으로 수집되기 때문에 초 단위 집계만 확인하면 순간적인 변화를 놓칠 수 있다. 반대로 모든 밀리초 데이터를 한 화면에 표시하면 데이터가 지나치게 많아 흐름을 확인하기 어렵다.

따라서 대시보드에서는 먼저 초 단위 추세를 확인하고, 특정 구간을 선택하면 해당 초의 밀리초 데이터를 아래 그래프에서 상세하게 확인하는 구조로 만들었다. 

QAQC Tableau 미니 과제 4일차 _ Notion.pdf

---

이중축과 축 동기화

센서 그래프는 같은 Result 필드를 두 번 사용하여 이중축으로 만들었다.

첫 번째 마크는 라인으로 설정하고, 두 번째 마크는 원으로 변경했다. 이후 두 축을 동기화하여 라인과 데이터 포인트가 같은 위치에 겹쳐지도록 구성했다.

이중축은 하나의 그래프에서 서로 다른 표현 방식을 동시에 사용할 때 유용하다. 이번 실습에서는 전체 변화는 선으로 보여주고, 각 시점의 측정값은 원으로 강조했다.

두 축의 범위가 다르면 원과 선이 서로 다른 위치에 표시되기 때문에 이중축을 사용할 때는 축 동기화 여부를 반드시 확인해야 한다.

---

UCL과 LCL을 이용한 정상 범위 표시

센서 데이터에서는 관리 상한선인 UCL과 관리 하한선인 LCL을 매개변수로 만들었다.

• UCL: 95.264
• LCL: 94.839

두 값을 참조 구간으로 설정하여 센서 측정값이 정상 관리 범위 안에 있는지 확인했다. 매개변수를 사용했기 때문에 사용자가 UCL과 LCL 값을 직접 변경하면서 기준 변화에 따른 결과를 확인할 수 있다.

정상 범위 여부를 구분하기 위해 다음 계산식을 만들었다.

[UCL] >= AVG([Result])
AND [LCL] <= AVG([Result])

조건을 만족하는 값은 파란색, 관리 범위를 벗어난 값은 빨간색으로 표시했다.

이 방식은 단순히 센서 추세를 보여주는 것이 아니라 관리 기준을 벗어난 시점을 즉시 식별할 수 있게 한다. 품질관리에서는 평균값만 보는 것보다 공정 값이 관리 범위 안에서 안정적으로 유지되는지를 확인하는 것이 중요하다는 점을 이해할 수 있었다. 

QAQC Tableau 미니 과제 4일차 _ Notion.pdf

---

대시보드 동작을 이용한 상세 분석

초 단위 그래프와 밀리초 단위 그래프는 필터 동작으로 연결했다.

초 단위 그래프에서 특정 시점을 선택하면 아래 밀리초 그래프에는 해당 구간의 상세 데이터만 표시되도록 구성했다. 반대로 선택을 해제했을 때 모든 밀리초 데이터가 다시 나타나면 그래프가 지나치게 복잡해지기 때문에, 선택을 해제할 경우 모든 값 제외가 적용되도록 설정했다.

이를 통해 사용자가 관심 있는 시점을 선택하기 전에는 상세 그래프를 비워두고, 필요한 경우에만 세부 데이터를 확인할 수 있었다.

---

3. 나의 간단 소감

오늘은 Tableau를 이용해 제조 현장의 데이터를 실제 공정도와 제품 이미지 위에 표현하는 방법을 학습했다. 기존에는 차트를 만들 때 행과 열에 어떤 필드를 배치할지만 생각했지만, 이번 실습에서는 이미지의 좌표와 데이터의 위치를 연결하고 다각형 경로를 구성하는 과정까지 필요했다. 특히 자동차 부품별 고장 빈도를 색상으로 표현하니 단순한 표보다 문제 위치를 훨씬 빠르게 파악할 수 있었다. 센서 데이터 실습에서는 밀리초 단위 데이터를 그대로 보여주는 것보다 초 단위 추세에서 이상 구간을 선택하고 상세 데이터를 확인하는 구조가 더 효과적이라는 점도 알게 되었다. 품질관리 대시보드는 데이터를 많이 보여주는 화면이 아니라, 문제가 발생한 위치와 시점을 빠르게 찾을 수 있도록 만드는 화면이라는 점이 가장 인상적이었다.