산업 공정의 핵심에서는 점점 더 많은 데이터가 수집되고 저장되고 있습니다. 이 데이터는 공정 동작의 거울이며, 실시간으로 그 내용을 파악하는 것이 성공의 열쇠입니다.
기상 데이터를 기반으로 한 사례 연구를 통해 산업 데이터의 영향을 극대화하고 프로세스에 최대한 가깝게 의사 결정을 내리는 데 필요한 모든 단계를 다룹니다.
따라서 실시간 정보를 얻기 위한 API REST 또는 데이터베이스 액세스를 사용하는 것이 매우 중요합니다. 이 경우 HTTP 요청을 사용하여 맨체스터의 다음 7일 날씨 예보를 정기적으로 업로드합니다. 그런 다음 JSON 구문 분석에서 자동 데이터를 준비하여 사양 한계를 정의한 후 JMP Live 보고서가 자동으로 생성됩니다. 이러한 보고서에는 대화형 시각 자료 또는 관리도와 같은 통계 모니터링 도구가 포함될 수 있습니다. 이 SPC 모니터링은 날씨 허용 설계 공간과 연결된 일련의 제약 조건을 따르며 드리프트 발생 시 경보를 포함합니다. 이러한 경보는 이메일을 통해 모든 관계자에게 드리프트 발생 사실을 알려 적절하게 대응할 수 있도록 합니다. 이러한 방식으로 데이터 액세스, 데이터 준비, 보고서, 관리도 업데이트 및 실시간 통신으로 이어지는 전체 SPC 체인이 JMP Live 내에서 완전히 자동화됩니다.
안녕하세요 여러분, "맨체스터에 우산을 가져가야 할까요: 프로세스 모니터링의 비유"라는 제목의 프레젠테이션에 오신 것을 환영합니다. 저는 플로렌스 쿠세너입니다. JMP의 수석 시스템 엔지니어이며, 12년 전 프랑스에서 JMP에 입사했습니다.
이 주제의 목적은 여러분의 일상 업무에서 발생할 수 있는 프로세스 모니터링의 모든 단계를 재현하는 사례 연구를 만드는 것입니다. 문제 정의, 데이터 수집, 모든 분석 단계, 정보 공유(매우 중요하며, 이 부분에 대해 자세히 설명하겠습니다) 그리고 이 모든 단계의 업데이트까지 모두 포함합니다. 프로세스 모니터링에서 중요한 한 가지 요소는 개선입니다. 저는 이 부분에 대해 많은 시간을 할애할 것입니다. 이것이 바로 이번 세션의 주제입니다.
그 다음으로, 제가 원했던 것은 접근 가능하고 정기적으로 업데이트되는 데이터를 확보하는 것이었습니다. 이 과정에서 저는 날씨 데이터를 활용합니다. 이 세션에서 제가 가진 정의와 상황 평가 데이터는 여행을 준비할 때 모든 것을 챙겨야 한다는 것입니다. 문제는 우산이 필요한가, 아니면 코트 같은 게 필요한가입니다. 이 질문에 답하려면 날씨를 확인해야 합니다.
요즘은 휴대폰이나 컴퓨터에 날씨 예보를 확인할 수 있는 앱이 있어서 자주 이용합니다. JMP에서 모든 것을 이렇게 할 수 있을까요? 이 모든 단계를 JMP에서 재현할 수 있을까요?
이전에는 먼저 설계 공간을 정의해야 했습니다. 일반적으로 일상 업무에서 설계 공간을 정의하기 위해 해야 할 가장 좋은 방법은 실험 계획법을 사용하는 것입니다. 실험 계획법은 무엇이든 마찬가지입니다. 어떤 상황에서는 데이터가 있을 수 있습니다. 과거 데이터가 설계 공간에 대한 통찰력을 제공할 수 있습니다. 데이터가 충분하지 않다면 과거 데이터와 실험 계획법(DOE)을 조합할 수 있습니다.
결국 중요한 것은 제품 품질을 달성하기 위해 입력에 어느 정도 변화를 줄 수 있는 부분을 찾는 것입니다. 제 경우는 조금 다릅니다. 여름에 데이터와 프로세스를 만들었기 때문에 겨울 데이터는 없습니다. 날씨 데이터에 대한 설계 공간을 만들 수 없습니다. 불가능합니다. 다양한 지표를 탐색해야 하므로, 제 상황에 맞는 기온과 강수량을 선택했습니다.
제가 한 일은, 공간을 채우는 유니폼 디자인을 만들고 데이터에 사전 정보를 몇 가지 입력하는 것이었습니다. 기온과 강수량을 입력하고, 1에서 10 사이의 기분을 입력하는 것을 볼 수 있습니다. 두 개의 사각형으로 녹색으로 강조된 수용 영역이 있는 것을 볼 수 있습니다.
첫 번째는 바로 이것인데, 오늘 집중적으로 살펴볼 날씨입니다. 강수량이 그렇게 많지 않고 기온이 8도에서 30도 사이입니다. 8도 이하로 내려가면 확실히 추워집니다. 30도가 넘으면 괜찮을 수도 있지만, 상황에 따라 다르고 항상 괜찮은 건 아닙니다.
다른 지역은 영하권에 강수량이 많을 때 더 많은 것을 볼 수 있습니다. 제가 스키와 스노보드를 좋아해서 이런 상황이면 정말 행복합니다. 하지만 맨체스터에서는 그렇지 않습니다. 저희는 알프스 산맥에 있지 않으니 스키나 스노보드를 타지 않을 겁니다. 저는 이 지역에 집중하고 있는데, 강수량은 1.5도 미만이고 기온은 8도에서 30도 사이입니다.
그다음, 데이터가 필요합니다. 일반적으로 정기적으로 날짜가 기록되는 데이터는 데이터베이스와 함께 사용하는데, UDBC 데이터베이스는 예를 들어 월 명령과 같은 기능을 제공하지만, 그 외에도 다양한 데이터를 저장할 수 있습니다. Excel이나 CSV 파일을 데이터베이스로 사용하는 사람들도 있습니다.
제 경우에는 조금 더 구체적인 방법을 사용하겠습니다. API를 사용할 것입니다. 이 API를 통해 Visual Crossing 웹사이트에 접속하고, HTTP 요청을 통해 해당 웹사이트에서 데이터를 추출할 것입니다.
웹사이트를 한번 둘러보시면 어떤 내용인지 알 수 있을 거예요... 제 웹사이트를 열어야 할 것 같아요. 오늘 왜 이렇게 긴지 모르겠네요. 이 웹사이트에 대해 간단히 말씀드리자면, 아직 출시 전이지만, 이 웹사이트는 정말 좋아요. 웹사이트 내에서 다양한 매개변수를 설정할 수 있거든요.
먼저, 원하는 도시를 선택하세요. 이번 세션에서는 맨체스터를 찾고 있지만, 도시를 선택하실 수 있습니다. 기간도 선택할 수 있습니다. 15일, 날짜 범위, 유동적인 기간, 2일, 최근 7일 등 원하는 기간을 선택할 수 있습니다. 원하는 경우 최근 7일 또는 향후 7일을 선택할 수 있습니다. 기간과 측정 단위를 선택할 수 있습니다. 저는 프랑스인이라 섭씨로 표시되어 있지만, 원하시는 대로 변경하실 수 있습니다.
여러분에게 중요한 것이 무엇인지 말씀해 주세요. 매일 또는 매시간 정보를 원하시나요? 어떤 지표를 원하시나요? 저는 몇 가지 지표를 선택했는데, 모든 지표를 선택하지는 않았습니다. 하지만 습도, 강수량, 강수 확률, 눈이 오는지 여부 등을 확인할 수 있습니다. 실제 기온과는 다를 수 있는 기온에 대한 여러분의 생각이 있으신가요? 바람, 태양 복사량 등 모든 정보를 입력해 주세요.
여기 데이터 테이블이 있습니다. 다른 형식의 데이터 테이블도 있는데, 제가 가장 흥미롭게 생각하는 건 JSON 형식으로 데이터를 가져올 수 있다는 점입니다. 예를 들어, 차트도 이미 가지고 있을 수 있고요. 그런데 이 웹사이트에서 API를 생성해 준다는 점이 흥미롭습니다. 제가 이전에 했던 모든 매개변수화와 관련된 URL입니다.
여기 URL이 있는데, 사용할 수 있습니다. 사용하려면 URL에서 API 키라고 부르는 것이 필요합니다. 가입하고 API 키를 생성해야 합니다. 제가 직접 만든 방식입니다. API 키가 생성되어 있는 것을 볼 수 있습니다. 제가 입력한 이름입니다. 스크립트가 매우 쉽게 변경될 수 있으므로 도시 변수도 지정합니다. 파리에서 무슨 일이 일어나고 있는지 확인하고 싶다면 아주 쉽게 변경할 수 있습니다.
여기서 URL을 확인할 수 있는데, 이전에 사용했던 것보다 조금 더 복잡합니다. 앞으로 7일 동안의 예측 정보를 수집하고 있습니다. 구체적으로 어떤 매개변수를 원하는지 확인할 수 있습니다. 모든 정보를 수집한 것은 아닙니다. 기온, 강수량, 바람, 그리고 일사량에 대한 단일 정보만 수집했습니다.
요일 정보를 원한다고 했는데, 시간 정보도 있습니다. 여기 보시면 제 API 키가 입력되어 있습니다. 마지막으로 JSON 파일로 출력을 요청하는 이유는 JMP가 JSON 파일을 잘 처리하기 때문에 JSON 파일을 요청한 것입니다.
이제 웹사이트에서 정보를 가져오고 싶다는 HTTP 요청이 있습니다. 그다음에는 JSON 파일만 전달하면 됩니다. 이 JSON 파일에 두 단계가 있는 것을 볼 수 있는데, 하나는 요일과 관련된 것입니다. 각 요일에는 시간 정보가 있습니다. 그래서 세 번째 요소에 대한 두 번째 단계가 있는 것입니다. 여기서도 시간 정보가 있습니다.
여기 마지막에 데이터 테이블이 있습니다. 이 스크린샷은 12월에 찍은 것입니다. 수집된 7일치 데이터와 실제 날짜 데이터가 있습니다. 12월 5일에 수집된 데이터입니다. 5일부터 12일까지, 즉 7일 동안의 데이터가 있습니다. 하지만 어제 무슨 일이 있었는지 보여주는 실제 정보도 수집합니다.
마지막에 몇 가지 비교를 할 수 있을 것 같습니다. 강수량 변화를 볼 수 있으니, 강수량과 기온 변화에 대한 이상치를 알 수 있습니다. 이번 12월 주 예상 기온은 영하 2도에서 12도 사이였습니다.
분석 부분에서는 몇 가지 도구를 만들었습니다. 아마 여러분도 몇 가지는 알고 계실 겁니다. 방금 실제 온도를 표시한 그래픽을 만들었고, 노란색은 충전량을 표시했습니다. 충전량과 비교했을 때 실제 온도와 다른 값이 나타나는 것을 볼 수 있습니다.
여기에는 날씨 변화에 대한 정보를 제공하는 히트맵도 있습니다. 처음 3일은 그 다음 날보다 더 추운 것을 볼 수 있는데, 그 다음 날은 더운 날이 많습니다. 이건 기온에 대한 것입니다. 콜론 전환 기능이 있어서 다른 항목을 확인하고 싶을 때 변경할 수 있고, 관리도와 같은 기능을 합니다.
같은 것을 볼 수 있습니다. 다음 7일 초반과 그 이후 며칠 동안 온도가 매우 낮습니다. 제가 관찰할 수 있는 것은 제가 관리 한계로 설정한 기준 한계가 있다는 사실입니다. 그래서 기준 한계를 벗어나고 몇 가지 경보가 울리면 빠르게 확인할 수 있습니다. 8도 아래로 내려가자마자 경보가 울리는 것을 볼 수 있습니다. 하나가 작동하고, 그 위로 올라가자마자 30도 아래로 내려갑니다. 하지만 이 시기의 겨울은 문제가 되지 않습니다. 하지만 이 부분에서는 제가 괜찮다는 것을 알 수 있습니다.
SPC를 수행할 때 제가 정말 좋아하는 또 다른 보고서는 프로세스 스크리닝 보고서입니다. 이 보고서는 모든 매개변수에 대한 통찰력을 하나의 보고서로 동시에 제공합니다. 기온, 풍속, 강수 확률, 풍향, 일사량, 시간별 강수량 등 제가 수집한 다양한 요소에 대한 안정성, 경보, 그리고 다양한 경보 발생률을 보여주는 보고서를 제공합니다. 제 경우에는 경보가 가장 중요했습니다.
Cpk와 Ppk가 있는 것을 볼 수 있습니다. 분명히 CPK가 온도에 대해 마이너스 값을 가지고 있습니다. 이번 주 풍속에 대해서는 좋은 상황입니다. 좋습니다. 여기서 맨체스터의 풍향에 대해서는 언급하지 않았습니다. 맨체스터의 풍향에 따라 날씨와 체감이 어떻게 달라지는지 전혀 모르기 때문입니다. 하지만 그런 상황에서는 유용할 수 있습니다.
예를 들어 프랑스 남부에서는 바람에 따라 앞으로 몇 시간, 며칠 동안 나타날 날씨와 같은 날씨가 나타나지 않을 수 있습니다. 데이터 분석 및 후속 조치를 위해 제가 만든 별도의 도구입니다.
분석이 완료되면 분석 결과를 공유해야 합니다. JMP에서는 일반적으로 두 가지 방법이 있습니다. 첫 번째 방법은 더 고급 방식으로, 데이터 테이블을 사용하는 것입니다. 첫 번째 방법은 제 데이터 테이블과 스크립트를 첨부하여 다른 사용자에게 공유하고, 그 사용자가 어떤 일이 일어났는지 확인할 수 있도록 하는 것입니다.
또는 JSL을 사용할 수 있습니다. JSL을 사용하면 자동화를 더 많이 구현하고 JSL을 실행할 수 있습니다. 이 JSL이 마음에 든다면 추가 기능에 추가할 수 있습니다. JMP 환경을 나만의 도구로 강화하고 다른 사용자와 공유할 수 있기 때문에 매우 쉽습니다.
유일한 어려움은, 어떤 상황에서는 유지 관리가 어렵다는 점이라고 생각합니다. JSL이나 애드인을 업데이트하면 다른 사람들과 다시 공유해야 하는데, 그러려면 JMP가 필요합니다. 때로는 분석 담당자가 아닌 사람들과도 관리도를 공유해야 할 때가 있습니다. 그들은 단지 무슨 일이 일어나고 있는지, 결함률은 얼마인지, 그리고 이 결함률을 고려하여 어떤 결정을 내려야 하는지를 보고 싶어 할 뿐입니다.
JMP 사용자가 아닌 사람과 공유해야 하는 상황에서는 공유하기 쉬운 정적 보고서를 만드는 것이 일반적이지만, JMP 기능에 대한 사용 제한이 발생합니다. 모든 상호작용이 손실되는 것은 당연합니다. 정적 보고서와 이를 처리하는 방식이 존재하기 때문에, 이를 해결할 수 있는 처리 방식이 필요합니다.
제 경우에는 JMP Live를 통해 웹 보고서를 사용합니다. 가장 큰 장점은 공유가 쉽다는 것입니다. JMP의 유연성과 상호작용성을 그대로 유지할 수 있습니다. JMP 사용자뿐 아니라 비사용자와도 공유할 수 있습니다. 보고서에 접근할 수 있는 사용자를 제한할 수도 있습니다. 중요한 보안 기능도 있습니다.
중요한 건 모든 워크플로우를 검증할 수 있다는 것입니다. 예를 들어, GSL처럼 워크플로우를 검증하는 경우, 제약 회사의 경우 모든 단계의 검증이 중요하다는 점을 생각해 봅니다. 모든 워크플로우를 서버에서 검증하고 모든 것을 공유할 수 있다는 점은 매우 유용합니다.
이전에 제가 만든 것과 같은 보고서가 있는 것을 보실 수 있습니다. 이 보고서로 가서 내용을 확인해 보겠습니다. 여기 제 웹 페이지를 열었습니다. 보안을 확인해야 합니다. 이 보고서를 확인할 권한이 있나요? 제 이름은 이미 저장되어 있습니다. 저는 기억하고 있습니다. 괜찮습니다. 저기 보이시죠? 저는 Florence입니다. 이 보고서의 소유자입니다. 다른 보고서도 있습니다. 같은 것을 볼 수 있습니다.
이 보고서가 언제 업데이트되었는지 확인할 수 있습니다. 오늘은 1월 19일이지만, 제 보고서는 1월 15일에 업데이트된 것을 확인하실 수 있습니다. 이 부분에 대해서는 나중에 다시 말씀드리겠습니다. 예를 들어, 현재 상황을 살펴보면 이를 확인할 수 있습니다. 기온의 경우, 맨체스터에서는 이번 주에 이 예측 데이터가 예정되어 있었습니다.
이번 주는 주말까지 꽤 추울 것으로 예상되었는데, 이번 주말에는 영국에 기온 변화가 있을 것으로 예상됩니다. 강수량 현황을 살펴보겠습니다. 기온은 좋아졌지만, 21일에는 비가 오는 날이 있을 것으로 보입니다. 태양 복사량은 그 반대입니다. 비가 오면 구름이 끼어 태양 복사량이 줄어들고, 풍속은 어떻게 될지 알 수 있습니다. 네, 21일에는 비가 내리고 바람이 불겠습니다.
제가 할 수 있는 첫 번째 컨설팅입니다. 분명 프로세스 스크리닝 보고서처럼 이런 다양한 사항들을 강조할 수 있는 다른 보고서가 있을 겁니다. 이 보고서의 마지막 부분에서 풍향을 제거한 것을 볼 수 있습니다. 바람은 꽤 잘 나오는데 온도가 매우 낮다는 것을 알 수 있죠. Ppk와 Cpk가 마이너스라서 좋지 않은 상황입니다. 실제 프로세스에서는 매우 좋지 않은 상황이 될 것입니다.
관리도를 살펴보면 관리도가 약간 구체적이라는 것을 알 수 있습니다. 빨간색 플래그로 강조 표시되어 있는데, 이것도 거기에서 볼 수 있습니다. 활성 경고가 있다는 것을 알려줍니다. 무슨 뜻일까요? JMP 환경에서 활성화한 경고가 여기에도 표시된다는 뜻입니다. 네, 경고가 몇 개 있습니다. 이번 주 전체 예측에 따르면 8도(섭씨 2도)가 넘는 기온이 몇 시간밖에 남지 않았습니다.
몇 가지 주의 사항이 있습니다. 기온뿐만 아니라, 이번 주말에는 비가 올 예정이라 우산이 꼭 필요합니다. 이번 주말에는 일사량이 부족하고, 바람도 불 것으로 예상됩니다.
제 히트맵의 분석 부분, 이전 히트맵과 마찬가지로, 여기에 관리도에 대한 더 많은 분석이 있습니다. 다시 한번 말씀드리자면, 경고가 표시되어 있습니다. 이 요약을 보시면 각 관리도에서 경고의 비중을 확인할 수 있습니다. 여기서 경고가 매우 많이 표시되어 있는데, 제 지점의 94%가 관리 한계를 벗어났습니다. 말씀드렸듯이 상황이 좋지 않습니다. 강수량은 3개, 즉 6개입니다. 풍속은 10%입니다.
이 예시에서는 테스트 1만 활성화했는데, 의미가 있는 유일한 것이기 때문입니다. 하지만 다른 것도 사용할 수 있습니다. 예를 들어, 증가 또는 감소 기능이 있나요? 제 경우에는 증가 및 감소 기능을 사용하면 매일 경고가 발생하지만, 의미가 없습니다. 예를 들어, 낮 동안 기온이 약간 변하기 때문에 활성화하지 않았지만, 원하는 경고를 활성화할 수 있습니다.
[청취 불가 00:20:45]는 협업입니다. 즉, 관리도나 보고서에서 특정 상황에 대해 의견을 제시하고 싶을 때, 듣고 관찰 내용을 설명할 수 있고, 다른 사용자에게 조치를 취하도록 태그를 지정할 수도 있습니다.
모든 주석은 여기에 저장됩니다. JMP에서 열 수 있습니다. 근본 원인 분석 등 고급 작업이 필요한 JMP 사용자는 JMP에서 주석을 열 수 있습니다. JMP에 데이터 세트가 다운로드되어 데이터 탐색을 할 수 있습니다. 이 보고서에 관심이 있으시면 북마크에 추가하세요. 저는 여기에 북마크 보고서 세트를 만들어서 동료나 사용자가 작성한 아주 멋진 보고서를 북마크해 두었습니다. 여러분도 공유해 보세요.
제가 관리도에 대해 구체적으로 보여드리고 싶었던 것은 구독을 만들 수 있다는 것입니다. 이 부분에 대해서는 나중에 다시 설명하겠지만, 구독 관리도를 만들면 경고가 있을 때 알림을 받게 되므로 이메일을 받게 됩니다. 잠시 후에 자세히 살펴보겠습니다.
여기, 원하는 사람들과 공유할 수 있는 네 가지 보고서가 있습니다. 슬라이드로 돌아가서 말씀드리겠습니다. 이 보고서의 핵심은 조직 전체의 공유와 협업을 위한 것이라는 것을 보셨을 겁니다. 그런데 아주 좋은 점은 게시를 자동화할 수 있다는 것입니다. 방금 보고서 구독을 말씀드렸는데, 구독을 하셨을 때 어떤 일이 일어났는지 보여드리겠습니다.
제가 보고서 소유자이기 때문에 보고서가 업데이트될 때마다 이런 이메일을 받습니다. 데이터 게시물이 성공적으로 새로 고쳐졌다는 의미입니다. 제가 보고서 소유자라는 사실만 알려드리는 것이지, 모든 사람이 이 이메일을 받는 것은 아닙니다.
관리도 경고와 관련하여, 보고서를 구독하는 분들은 해당 경고를 받게 됩니다. 월요일에 데이터가 새로 고쳐졌을 때, 관리도 경고가 있다는 내용의 보고서를 받았습니다. 제 보고서에 있는 정보와 정확히 동일합니다. 경고율이 94%로, 방금 전에 확인했던 것과 같고, 경고가 언제 도착하는지 확인할 수 있습니다.
지금쯤은 그럴 거라고 알고 있습니다. 날씨가 매우 춥기 때문에 지금입니다. 예를 들어 다른 곳을 찾아보면 강수량을 확인할 수 있고, 보고서를 보내주더군요. 15일에 비가 조금 내리겠지만 며칠 안에 올 거라고 했습니다.
이미 처리한 위기인지, 아니면 관리도에 새로 나타나는 위기인지에 대한 통찰력을 얻을 수 있습니다. 링크를 클릭하면 웹 페이지로 바로 이동합니다. 이제 제가 직접 여는 게 아니라… 관리도를 열어서 무슨 일이 일어나고 있는지 확인하는 겁니다. 이제 관리도가 제게 와서 "아, 무슨 일이 일어나고 있구나"라고 말해주는 겁니다. 아무 일도 일어나지 않았다면 굳이 시간을 허비할 필요가 없겠죠.
어떻게 작동하나요? 사실, 다시 돌아가면 관리도에서 바로 열립니다. 다시 돌아가면 제… 다른 보고서와 데이터 세트와 관련된 다른 파일이 있습니다. 이 데이터 세트에는 히스토리가 있습니다. 이 히스토리는 여기에 있습니다. 제 히스토리를 볼 수 있는데, 이전에는 12월 초에 매일 정보를 수집했습니다. 매일 업데이트된 것을 볼 수 있습니다.
지금은 계획을 바꿔서 매주 스케줄러를 설치했습니다. 보시다시피 이제 매주 데이터 추출이 가능합니다. 왜냐고요? 웹사이트에서 특정 양의 데이터에 접근할 권한이 있다는 걸 깨달았기 때문입니다. 지금은 결제를 하고 있는데, 그럴 생각이 없었습니다. 3월까지 맨체스터에 가지 않기 때문에 일일 이메일로 일일 정보를 받을 필요가 없다는 걸 알고 매주 데이터 업데이트를 하기로 했습니다.
어떻게 했냐고요? 여기 설정에 들어가면, 매주 월요일 오후 10시에 알림을 받고 싶다는 정보가 있습니다. 영국 시간대로 따지면 오후 10시죠. 제 시간대로는 오전 11시입니다. 그래서 오전 11시에 이메일을 보내는 거죠. 반복해서 알림을 받을 수 있다는 걸 알 수 있죠. 매일이 아니라 더 실시간적인 빈도로 알림을 받고 싶다면, 몇 가지 설정을 변경할 수 있습니다. 5분 간격, 매시간, 또는 12시간 간격으로 설정할 수도 있습니다. 원하는 대로 설정하면 됩니다. 그냥 이렇게 설정해 뒀습니다.
예를 들어, 매시간, 단 근무 시간에만 정보를 받고 싶다고 설정할 수 있습니다. 즉, 밤에는 정보를 받지 못하게 하고 만료일을 설정할 수 있습니다. 여러 개의 스케줄러를 사용할 수 있습니다. 예를 들어, 매주 스케줄러와 매시간 스케줄러를 사용할 수 있습니다. 주말, 휴가, 또는 일상 업무에 따라 매핑 기능을 사용할 수도 있습니다.
왼쪽에는 스크립트가 있습니다. 이 스크립트는 제가 수행한 모든 데이터 접근 및 데이터 준비를 담당합니다. API 키, 도시, 제가 설정한 사양 제한, URL을 포함한 접근 권한이 있습니다. 이전 슬라이드에서 보여드린 코드와 정확히 동일한 코드를 확인하실 수 있습니다. 모든 데이터 준비, 속성에 대한 사양 제한 등 모든 작업이 여기에 포함됩니다.
모든 데이터 세트와 데이터 테이블이 준비되었습니다. 마지막으로 JMP에 어떤 데이터 테이블을 사용할지 알려줘야 합니다. 여러 데이터 테이블이 있기 때문에 실제 데이터 테이블을 다시 한번 확인하여 마무리해야 합니다. 새로 고침 클립을 사용하고 업데이트에 사용합니다. 여기에 소스 스크립트를 넣을 수 있는데, 경우에 따라 다르기도 하고 그렇지 않기도 합니다. 소스 스크립트를 여기에 넣을 수 있습니다. 실제 데이터베이스에 연결할 때는 할당된 자격 증명이 더 중요하며, 어떤 사람들에게는 자격 증명을 입력해야 할 수도 있습니다.
여기서 데이터를 볼 수 있다는 것을 알 수 있습니다. 데이터 그리드가 열리겠지만, 제가 보여드리고 싶었던 것은 데이터 새로 고침을 요청할 수 있다는 것입니다. 새로 고침을 요청하면 새로 고침 스크립트가 현재 실행 중인 것을 볼 수 있습니다. 이제 데이터 테이블로 돌아가면 다른 보고서가 다시 생성된 것을 볼 수 있습니다. 예를 들어, 관리도 작성기로 돌아가면 지금부터 다음 날까지의 정보를 볼 수 있습니다.
제 메일함에는 지금 데이터 세트를 새로 고쳤다는 이메일을 받고 있습니다. 또 다른 이메일은 관리도 경고가 있다는 내용인데, 경고율이 낮아진 것을 알 수 있습니다. 현재 19일 오전 11시 38분인데, 경고율이 더 낮고 기온도 조금 더 높은 것 같습니다. JMP Live를 통해 이러한 자동화 기능을 사용하면 데이터 상황에 따라 실시간에 가까운 신속한 의사 결정을 내릴 수 있어 매우 편리합니다.
개선 작업을 마무리하기 전에 마지막으로 말씀드리고 싶은 것이 있습니다. 프로세스 모니터링을 할 때 설계 공간을 아무리 잘 정의하더라도 위기 상황이 발생할 수 있고, 또 다른 상황에 직면할 수도 있습니다. 위기 상황이 발생하면 소방관 모드에 있는 것이지만, 어쩌면 지속적인 프로세스 개선 방향으로 나아가고 있을 수도 있습니다.
장비나 원자재 등 변화가 있을 수 있습니다. 문제가 없는지 확인하기 위해 분석이나 실험 계획을 수립해야 합니다. 새로운 제약 조건이 생길 수도 있습니다. 예를 들어, 많은 기업이 제조 과정에서 발생하는 산소나 탄소와 같은 생태적 제약의 영향을 받고 있습니다.
어떤 상황에서는 데이터 수집에 비용이 들기 때문에 어떤 지표가 중요한지 정의해야 할 수도 있습니다. 때로는 상관관계가 높거나 중요하지 않은 데이터를 수집하는 경우도 있습니다. 어떤 지표가 중요한지 정의해야 할 수도 있습니다. 제 경우는 예측 데이터가 있기 때문에 상황이 조금 다릅니다. 근본 원인 분석을 수행할 수는 없지만, 데이터 수집량이 너무 많으면 비용이 많이 든다는 점을 기억해야 합니다.
정말 매일 데이터를 수집해야 할까요, 아니면 매주 수집하는 것으로 충분할까요? 사실 예측의 질은 어느 정도일까요? 데이터를 수집하고 무슨 일이 일어나고 있는지, 실제 데이터와 현실, 그리고 예측의 차이점은 무엇인지 확인합니다.
여기서 색상이 밝을수록 당일 예측이 더 정확합니다. 이 상황에서는 많은 결론을 내릴 수 없었기 때문에 일일 예측에 따른 거리 변화만 만들었습니다. 여기서 제 목표가 무엇인지 확인할 수 있고, 첫날을 살펴보면 오늘 예측은 어떻게 될까요? 저는 이 빨간색으로 표시했습니다. 예측할 날짜가 길어질수록 색상이 점점 더 밝아지고 거리가 더 길어지는 것을 볼 수 있습니다. 물론 당일 예측에 대해 어느 정도 노력할 수는 있지만, 너무 많이 노력하면 온도 차이가 크게 날 수 있기 때문에 너무 많이 노력할 필요는 없을 것 같습니다.
여기서 저는 한 달 동안의 모든 데이터를 수집했습니다. 수집한 데이터를 바탕으로, 그날의 기온 정보를 얻을 때 기온에 집중하는 것을 관찰했습니다. 중앙값이 1보다 작다는 것을 알 수 있었고, 이는 오늘날까지도 마찬가지입니다. 그 후, 6일 동안 평균값이 점점 더 높아지는 것을 확인했습니다.
하지만 제게 중요한 건 제 감정입니다. 평균은 중요하지만, 저는 차이의 최대값에 집중하고 싶었습니다. 차이의 최대값을 살펴보면, 하루 전이나 이틀 전은 대략 동일하고, 그 이후에는 단계가 있다는 것을 알 수 있습니다. 여기 보시는 것이 최대값입니다. 분명히 동일하지만, 그 이후에는 단계가 있습니다. 처음 3일 동안은 3일마다 한 번씩 측정값을 수집할 수 있는 것 같습니다.
자세히 살펴보면, 첫째 날 3일에 이상치가 있는 것을 알 수 있습니다. 둘째 날 3일을 살펴보면, 첫째 날 2일에 비해 이상치가 있는 하루가 하나 있습니다. 각 날짜는 11월 25일입니다. 11월의 모든 달을 수집했으므로 11월 30일입니다. 그 후, 11월 21일에 또 다른 이상치가 나타나는 것을 볼 수 있습니다.
11월 25일을 살펴보면, 실제 기온은 예상과 크게 달랐고, 훨씬 더 추웠습니다. 모든 달의 데이터를 살펴보면, 실제 데이터 측정 결과만 봐도 25일에 기온이 매우 크게 변했다는 것을 알 수 있습니다. 뉴스에서도 흔히 볼 수 있는 일이죠. 영국 대부분 지역에서 첫 번째 시스템이 가동되었을 때 기온이 영하로 떨어졌습니다. 11월 25일을 보면, 예상과는 달리 매우 큰 변화가 있었던 것 같습니다.
결국, 이 이상치에 대해 오류를 범하지 않기 위해 확실히 하기로 마음먹고 제거했습니다. 제거해 보니 오늘 예측과 내일 예측 사이에 약간의 차이가 있었지만, 하루가 더 지나면서 차이가 나타나기 시작했습니다.
저는 하루씩, 즉 이틀마다 수집하기로 했습니다. 2K 테스트를 해 보면, 네, 매일 수집하든 이틀마다 수집하든 평균이 크게 다르지 않은 것 같습니다. 결국 이는 변경할 수 있는 부분입니다. 이전에 "좋아요, 매일이 아니라 이틀마다 정보를 수집하고 싶습니다."라고 설정할 수 있는 웹페이지를 보여드렸습니다. 현재는 매주 수집하고 있지만, 아주 쉽게 변경할 수 있습니다.
날씨에 대한 이 예시를 통해 모든 프로세스 모니터링 단계를 재현할 수 있었습니다. 설계 공간 정의부터 업데이트까지 모든 단계가 업데이트되었습니다. 설계 공간 정의가 완료되면 데이터 수집, 데이터 분석, 그리고 공유를 통해 업데이트를 진행하며, 이 모든 과정은 매일 자동화됩니다.
개선 측면에서, 일반적으로 개선 작업을 할 때는 디자인 공간 정의 작업을 진행합니다. 제 경우에는 개선 방식을 사용하여 데이터를 탐색하고 데이터베이스와의 가장 적절한 연결을 확인합니다.
제조 현장의 일상 업무와 모든 공정 제어에 어떤 연관성이 있는지 파악하셨기를 바랍니다. 궁금한 점이 있으시면 언제든지 문의해 주세요. 좋은 하루 보내세요.
