XGBoost 로 공정 조건 예측하기

실습 — XGBoost 회귀

예측 3단계 중 Level 2·3(상태 예측, 수명 예측)을 표 형태 데이터로 구현합니다. 제조 데이터는 대부분 표 형태라, 딥러닝보다 트리 기반 앙상블이 더 잘 맞는 경우가 많습니다.

앙상블과 부스팅

단일 의사결정나무는 학습 데이터를 외우는 경향이 있어 새 데이터에 약합니다. 여러 모델을 조합하면 이 약점이 줄어듭니다.

부스팅: 먼저 만든 단순한 모델이 틀린 부분을 다음 모델이 집중해서 학습합니다. 틀린 곳을 순차적으로 메워 가는 방식입니다.
XGBoost 는 이 부스팅을 효율적으로 구현한 것으로, 표 형태 데이터에서 널리 쓰입니다.

실제 사례 — 콘택트렌즈 몰드 사출공정

몰드캐스팅 방식에서 상형·하형 몰드의 조합이 렌즈의 곡률과 두께를 결정하고, 그것이 최종 도수(품질)를 좌우합니다. 목표는 두 단계입니다.

공정 변수로 도수를 예측하는 모델을 학습한다
그 모델로 최적 금형 조합을 추천한다

설비 예지보전에도 같은 구조를 적용할 수 있습니다. 운전 변수로 열화 지표를 예측하고, 그 예측으로 정비 시점을 정하는 것입니다.

이 구조에는 이름이 있다 — 가상계측 (VM)

공정 변수로 품질을 예측하는 이 방식은 장치산업에서 가상계측(Virtual Metrology, VM)이라는 이름으로 자리잡았습니다. 반도체·디스플레이 공정에서 오래 쓰여 온 응용입니다.

왜 필요한가. 만든 것을 전부 계측할 수는 없습니다. 계측기는 비싸고 느리며, 계측하는 동안 제품은 라인에서 빠져 있어야 합니다. 그래서 실제로는 일부 표본만 계측하고 나머지는 계측하지 않은 채 흘려보냅니다. 가상계측은 그 계측하지 않은 것들의 값을 공정 센서 데이터로 추정합니다.

여기에는 맞교환이 있습니다.

실측 표본 비율	계측 비용·사이클타임	모델을 학습·검증할 근거
높다	부담이 크다	넉넉하다
낮다	가볍다	부족해진다

비율을 낮출수록 이득이 커 보이지만, 실측값은 곧 모델의 정답 라벨이기도 합니다. 실측을 줄이면 모델을 고칠 근거도 함께 줄어듭니다. 데이터 기초 과정에서 다룬 고차원 소표본 문제가 여기서 그대로 나타납니다. 공정 변수는 수백 개인데 정답이 붙은 표본은 몇 퍼센트뿐이기 때문입니다.

예지보전과 이어지는 지점. 가상계측 추정값이 실측과 어긋나기 시작하면 그 자체가 신호입니다. 제품이 나빠졌거나, 설비가 변해 모델이 낡았거나 둘 중 하나인데, 어느 쪽이든 확인할 일이 생긴 것입니다. 추정값으로 공정 조건을 자동 보정하는 데까지 나아가면 그것을 공정 제어(APC)라고 부릅니다.

가상계측은 실측을 없애는 기술이 아니라 실측을 아껴 쓰는 기술입니다. 최소한의 실측을 남겨 두지 않으면 모델이 언제부터 틀렸는지 알 방법이 사라집니다.

실습 절차

1. 전처리

결측 처리: XGBoost 는 결측을 자체 처리하지만, 왜 비었는지는 여전히 확인해야 합니다
범주형 변수 인코딩
이상치는 삭제하지 않고 표시합니다 (1모듈에서 다룬 이유)

2. 과적합 점검 — K-Fold 교차 검증 데이터를 K개로 나눠 번갈아 검증에 쓰면, 한 번의 우연한 분할에 속지 않습니다.

증상	해석
학습 오차 낮고 검증 오차 높음	과적합 — 트리 깊이를 줄이거나 규제를 올린다
둘 다 높음	과소적합 — 변수가 부족하거나 모델이 단순하다
폴드별 편차가 큼	데이터가 불균질 — 층화 분할을 고려한다

3. 변수 중요도 해석 — 여기가 실무 가치 어떤 변수가 결과를 좌우하는지 보면 공정을 개선할 지점이 드러납니다.

다만 주의할 점이 있습니다. 중요도가 높다는 것은 상관이 강하다는 뜻이고, 인과를 뜻하지 않습니다. "이 변수를 바꾸면 결과가 바뀐다"고 결론 내리기 전에 도메인 지식으로 검증해야 합니다.

제출물

전처리 내역과 그 근거
K-Fold 교차 검증 결과 (폴드별 오차와 평균)
변수 중요도 상위 5개와 현장 해석
이 모델을 실제 공정에 적용한다면 무엇을 더 확인해야 하는지

4번에서 "인과인지 상관인지"를 언급하지 않으면 감점입니다.