모델보다 먼저 있어야 하는 것

네트워크를 놓고 프로토콜을 맞추고 값을 확인했으면 다음이 제조 AI 입니다. 그런데 모델을 붙이기 전에 데이터가 갖춰야 할 조건이 있습니다.

눌러서 크게 보기

시각이 맞아 있어야 여러 설비의 값을 나란히 놓고 무엇이 먼저인지 말할 수 있습니다. 결과가 함께 있어야 무엇을 맞히라고 할지 정할 수 있는데, 조건만 있고 그때 불량이 났는지가 없으면 학습 자체가 성립하지 않습니다.

나쁜 사례가 충분해야 합니다. 불량이 백 개 중 하나면 「전부 양품」이라고 답해도 정확도가 99%가 됩니다. 숫자는 좋아 보이는데 쓸모가 없지요. 맥락이 남아 있어야 원인을 되짚을 수 있습니다. 그때 만들던 제품과 재료 로트와 작업자가 없으면 왜 그랬는지 알 수 없습니다.

정확도 숫자를 그대로 믿지 않는다

셋째 조건에서 나온 이야기를 조금 더 하겠습니다. 모델 성능을 정확도 하나로 말하는 자리를 자주 보는데, 불균형한 데이터에서 정확도는 거의 아무것도 말하지 않습니다.

물어야 하는 것은 다릅니다. 실제 불량 가운데 몇 개를 잡았는지, 잡았다고 한 것 가운데 몇 개가 진짜였는지입니다. 그리고 놓친 불량과 잘못 버린 양품 가운데 어느 쪽이 더 비싼지도 함께 정해야 합니다.

좋은 모델을 붙이기 전에 답할 수 있는 데이터를 갖추는 일이 먼저입니다.