min0jun 님의 블로그

실전 리포팅 자동화 - ChatGPT API와 Streamlit 활용1. 오늘의 학습 목표오늘은 ChatGPT API를 활용한 리포팅 자동화를 학습했다. 단순히 데이터를 시각화하는 것에서 끝나는 것이 아니라, 대시보드에서 AI를 활용해 분석 결과를 자동으로 요약하고 보고서를 생성하는 전체 흐름을 이해하는 것이 목표였다. 또한 API 개념, OpenAI API 사용법, 프롬프트 작성 방법, Streamlit과 연동하는 방법까지 함께 학습했다. 2. 오늘 학습한 내용ChatGPT API란?ChatGPT를 웹사이트에서 사용하는 것과 API를 사용하는 것은 조금 다르다.웹에서는 사용자가 직접 질문을 입력하지만, API를 사용하면 프로그램에서 ChatGPT에게 질문을 보내고 결과를 받아올 수 있다.이를 활용하면 ..

1. 오늘의 학습 목표오늘은 제조 시계열 데이터에서 이상(Anomaly)을 탐지하는 방법을 학습했다. 이상탐지와 불량 분류의 차이를 이해하고, 규칙 기반(Rule-based)과 모델 기반(Model-based) 이상탐지의 특징을 비교했다. 또한 Isolation Forest, LOF(Local Outlier Factor), AutoEncoder의 원리와 활용 방법을 익히고, 이상 점수를 실제 알람으로 변환하기 위한 Threshold 설정과 모델 평가 방법까지 학습할 수 있었다. [라이브 세션] 시계열 이상 탐지 라이브 세션 3회차 [손보미 튜터님] _ Notion.pdf2. 오늘 학습한 내용제조 시계열에서 이상(Anomaly)이란?이상탐지는 단순히..

1. 오늘의 학습 목표오늘은 시계열(Time Series) 데이터의 특징과 제조 데이터 분석 방법을 학습했다. 일반적인 표(Tabular) 데이터와 시계열 데이터의 차이를 이해하고, 제조 공정에서 시간의 흐름을 어떻게 분석해야 하는지 배웠다. 이어서 예측 모델을 만들기 위한 Feature Engineering(Lag, Difference, Rolling Feature) 과 시계열 데이터의 학습 및 평가 방법까지 실습하며 머신러닝 모델을 위한 데이터 준비 과정을 익혔다. 2. 오늘 학습한 내용스마트팩토리와 시계열 데이터의 특징스마트팩토리에서는 단순히 센서값만 분석하는 것이 아니라 설비 상태, 운전 모드, 정비 이력, LOT, Recipe, 품질 정보까지 함께 고려해야 한다.기존 머신러닝에서 주로 다뤘던 ..

Tableau 개인 과제 - 제조 공정 KPI 대시보드 구현1. 오늘의 학습 목표오늘은 Tableau 개인 과제를 진행하며 제조 공정 KPI를 계산하고 대시보드를 구현하는 과정을 실습했다. 단순히 차트를 만드는 것에 그치지 않고 LOD 표현식과 집계 함수, 계산 필드를 활용하여 실제 제조 현장에서 사용할 수 있는 KPI를 직접 구현해 보았다. 또한 간트 차트 제작 과정에서 발생한 오류를 해결하고, 대시보드의 가독성을 높이기 위한 서식 설정까지 함께 학습했다. Tableau_작업_정리.txt2. 오늘 학습한 내용KPI 계산 필드 만들기이번 과제에서는 제조 공정을 분석하기 위한 다양한 KPI를 직접 계산했다.가장 먼저 목표 초과 수량을 계산했다. 단순히 생산 수량에서 목표 수량을 빼는 방식이 아..

Streamlit으로 데이터 대시보드 만들기1. 오늘의 학습 목표오늘은 Streamlit을 활용한 데이터 대시보드 개발을 학습했다.먼저 대시보드가 왜 필요한지와 좋은 대시보드의 조건을 이해하고, 제조업에서 자주 사용하는 KPI를 살펴봤다. 이후 Streamlit의 설치 방법부터 텍스트 출력, 입력 위젯, 그래프 시각화까지 웹 기반 데이터 대시보드를 만드는 기본 기능을 익혔다. 2. 오늘 학습한 내용대시보드란 무엇인가?대시보드는 여러 데이터를 하나의 화면에서 시각적으로 보여주어 업무 효율과 의사결정 속도를 높여주는 도구이다.좋은 대시보드는 단순히 예쁜 화면을 만드는 것이 아니라, 사용자가 필요한 정보를 빠르게 확인하고 바로 행동(Action)으로 이어질 수 있도록 설계되어야 한다.반대로 나쁜 대시보드는너..

Tableau 개인 과제 - 제조 공정 KPI 대시보드 제작1. 오늘의 학습 목표오늘은 Tableau 개인 과제를 통해 제조 공정 데이터를 하나의 대시보드로 통합하여 KPI를 시각화하고, 센서 데이터를 활용한 공정 모니터링 화면을 구현하는 방법을 학습했다.기계 가동 데이터와 센서 데이터를 하나의 데이터 원본으로 연결하고, KPI 계산식 작성부터 관리도(Control Chart), 대시보드 동작(Action)까지 실제 제조 현장에서 활용할 수 있는 대시보드를 제작하는 것이 이번 과제의 목표였다. Tableau 개인 과제 발제 [허진성 튜터님] _ Notion.pdf2. 오늘 학습한 내용Tableau Prep을 활용한 데이터 전처리과제에서는 두 개의 데이터를 함께 사용했다.Ho..

Tableau를 활용한 공정·부품·센서 모니터링 대시보드 실습1. 오늘의 학습 목표오늘은 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 내용공정 흐름도에 장비 상태 표시하기첫 번째 실습에서는 공정 흐름도 이미지 위에 각 장비의 상태를 표시하는 대..

Tableau 데이터 전처리부터 대시보드 설계·공유까지1. 오늘의 학습 목표오늘은 Tableau Prep을 활용한 데이터 전처리 과정과 Tableau의 데이터 연결·결합 방식을 학습했다. 이후 대시보드의 목적을 정의하고 화면을 설계하는 방법, 장치별 레이아웃과 동작 기능을 적용하는 방법, 완성한 대시보드를 Tableau Cloud에서 공유하고 관리하는 과정까지 배울 수 있었다.단순히 차트를 만드는 것을 넘어 데이터 준비 → 데이터 연결 → 대시보드 기획 → 화면 구성 → 상호작용 설정 → 공유 및 협업으로 이어지는 전체 흐름을 학습했다.2. 오늘 학습한 내용Tableau Prep을 활용한 데이터 전처리Tableau Prep은 분석에 사용할 데이터를 연결하고 정리하며, 분석하기 좋은 형태로 변환하는 데이터..

Tableau 시각화 심화와 데이터 필드 활용오늘은 Tableau의 다양한 고급 시각화 기법과 데이터 필드 활용 방법, 그리고 완성한 대시보드를 저장하고 공유하는 방법을 학습했다. 단순히 차트를 만드는 수준을 넘어 데이터를 원하는 형태로 가공하고, 여러 지표를 효율적으로 표현하는 방법을 익힐 수 있었다. 또한 만든 대시보드를 다른 사람과 공유하거나 포트폴리오로 활용하는 방법까지 함께 배울 수 있었다. 이중축(Dual Axis)가장 먼저 학습한 내용은 **이중축(Dual Axis)**이다.이중축은 두 개의 측정값을 하나의 그래프에서 동시에 표현하는 기능이다. 하나의 축에는 막대그래프를, 다른 축에는 선그래프를 배치하여 서로 다른 지표의 추이를 한 번에 비교할 수 있다.실습에서는 월별 매출을 막대그래프로,..

1. 오늘의 학습 목표오늘은 **비즈니스 인텔리전스(BI)**의 개념부터 Tableau의 기본 사용법, 그리고 다양한 차트를 활용한 데이터 시각화 방법까지 학습했다.단순히 차트를 만드는 방법을 배우는 것이 아니라, 데이터를 어떤 형태로 표현해야 정보를 가장 효과적으로 전달할 수 있는지를 이해하는 것이 오늘의 핵심 목표였다.또한 Tableau에서 자주 사용하는 막대 차트, 라인 차트, 맵 차트, 파이 차트, 트리맵, KPI 카드 등을 직접 실습하며 각각의 활용 방법도 함께 익혔다.2. 오늘 학습한 내용비즈니스 인텔리전스(BI)란?가장 먼저 비즈니스 인텔리전스(Business Intelligence)에 대해 학습했다.BI는 기업이 보유한 데이터를 분석하여 의사결정에 필요한 정보를 제공하는 과정을 의미한다.예..