에니
2.7 (12)에니아이
경력근거: 양산 이후 발생하는 다양한 문제를 설계 관점에서 해결
수집일 없음
※ 실제 산출물이 아닌 AI 예측 시안입니다.
에니아이 제품 엔지니어는 조리 로봇을 양산한 뒤 현장에서 나오는 문제를 설계 관점에서 해결하며 품질과 원가 경쟁력을 지속 향상시킵니다. 이 도구는 에니아이의 양산 품질 이슈 기록과 부위·원가 체계가 있어야 의미가 생기고, 단순 불량 집계가 아니라 설계 개선으로 잇는 형태가 됩니다.
공고가 양산 이후 발생하는 문제를 설계 관점에서 해결하는 일을 핵심 업무로 꼽는다. 이슈를 설계 원인으로 분류하는 도구가 그 작업을 돕는다.
제품 품질과 원가 경쟁력을 지속 향상시킨다. 개선안에 원가 영향을 함께 다는 구조가 그대로 맞는다.
R&D·생산·품질과 협업하는 자리라, 이슈를 부서가 공유하는 표준 분류로 묶는 도구가 직결된다.
조리 로봇 양산 품질 이슈 분류 도구입니다. 현장 품질 이슈(증상·부위·조건 메타)를 넣으면 설계 관점의 원인 분류와 개선·원가 영향 초안이 나오며, 판단마다 근거가 붙습니다.
에니아이 제품 엔지니어(Hardware)와 품질·생산 협업자입니다.
품질 이슈의 증상·부위·조건 메타만으로도 설계 원인 분류와 개선 초안의 1차안을 만들 수 있고, 엔지니어는 그 초안으로 우선순위를 정하면 됩니다.
양산 품질 이슈(증상·부위·작동 조건)를 넣으면 설계 관점 원인 분류와 개선·원가 영향 초안을 근거 배열과 함께 내는 웹 도구입니다. 실제 센서·계측 데이터는 빼고 이슈 기록 메타가 주어졌다는 가정으로만 시작한다(계측 시계열 분석은 빠진 20% 작업이라 W3로 분리).
1주차 결과를 사람 엔지니어가 라벨링한 합성 원인·개선과 비교해 오분류를 재고, 반복 불량을 묶어 보정한 v2.
계측·검사 데이터 요약을 보조 입력으로 받아 분류 신뢰도를 조정하고, 부위·로트별 반복 불량을 모아 보여주는 확장판입니다.
양산 품질 이슈 한 건을 넣으면 설계 원인과 개선·원가 영향 초안, 그 근거가 한 화면에 나오는 걸 시연합니다.
원인·개선 근거가 모두 입력 이슈 기록을 가리키는지 judge 로 검사해 근거 인용율 100%를 보여줍니다. 단, 정답·데이터를 작성자가 만든 합성 기준이라 성능 검증이 아니라 데모 조건 동작입니다.
결측·미정의 부위·표기 흔들림을 일부러 섞은 이슈 30종을 넣어도 출력 JSON 형식이 안 깨지고 '미분류·확인필요'로 알리는 걸 시연합니다.
분류와 합성 정답 원인의 일치도를 Cohen's κ(두 채점자가 우연 이상으로 얼마나 일치하는지 -1~1 점수, 높을수록 일치)로 2주차에 보고합니다. 합성 기준 추정이라 실제와 다를 수 있습니다.
위 수치는 더미데이터 자가채점이며, 실제 분류·개선 정확도는 에니아이 실 양산 품질 기록과 실 엔지니어 판단이 있어야 측정 가능합니다. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만듭니다.
수치는 합성 데이터 자가채점이라 성능 증명이 아닙니다. 면접에서 데모 동작과 실검증 준비 상태로 솔직히 설명합니다.
정답을 작성자가 만들었으니 잘 맞는 것이 당연합니다. 결측·미정의 부위·표기 흔들림을 더미에 일부러 섞어 쉬운 문제만 푸는 함정을 피합니다.
같은 증상이 여러 부위에서 나와 표면 단서가 곧 원인은 아닙니다. 실데이터 도입 단계에서 원인-결과를 실 검사 기록으로 맞추는 과제로 분리합니다.
실제 도입 시 합성 정답이 실 엔지니어 판단으로 바뀌고 제품·로트 구성도 달라집니다. 원인 유형 enum 과 부위 체계를 실 제품으로 다시 맞추는 일을 도입 과제로 둡니다.
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
양산 이후 현장 품질 이슈 기록. 원인 분류의 입력.
| issue_id | model | part_raw | part_id | symptom | condition | note |
|---|---|---|---|---|---|---|
| QI001 | GR-1 | 그리들 | griddle | overheat | 연속 조리 | 연속 조리 시 표면 온도 편차 |
| QI002 | GR-1 | griddle | griddle | overheat | 고출력 | 표기 흔들림 동일 부위 |
| QI003 | GR-2 | 그리퍼 | gripper | jam | 특정 패티 | 두꺼운 패티에서 그립 걸림 |
| QI004 | GR-2 | 컨베이어 | conveyor | noise | 장시간 | 장시간 가동 시 소음 증가 |
| QI005 | GR-3 | 신규모듈 | — | unknown | — | 미등록 신규 부위 비정상 |
다음 Zod 스키마를 따르는 품질 이슈를 더 생성하라: {"type":"object","properties":{"issue_id":{"type":"string"},"model":{"type":"string"},"part_raw":{"type":"string"},"part_id":{"type":["string","null"]},"symptom":{"type":"string","enum":["leak","noise","jam","overheat","misalign","unknown"]},"condition":{"type":["string","null"]},"note":{"type":"string"}},"required":["issue_id","model","part_raw","part_id","symptom","condition","note"]}. 쉬운 데이터만 만들지 말 것 — 다음 하드 케이스를 의도적으로 섞어라: part_id 가 null 인 미등록 신규 부위(orphan), 같은 부위의 한글·영문 표기 흔들림(part_raw 다름·part_id 동일), condition 이 null 인 미기록, symptom 'unknown' 인 원인 불명 건. 추가로 형식 깨뜨리기 시도 3건(타입이 어긋난 행)을 별도 표시해 파서 가드 테스트에 쓴다.{"type":"object","properties":{"issue_id":{"type":"string"},"model":{"type":"string"},"part_raw":{"type":"string"},"part_id":{"type":["string","null"]},"symptom":{"type":"string","enum":["leak","noise","jam","overheat","misalign","unknown"]},"condition":{"type":["string","null"]},"note":{"type":"string"}},"required":["issue_id","model","part_raw","part_id","symptom","condition","note"]}| 분류 엔진(Python) | 이슈 기록 파싱·LLM 호출·스키마 검증·근거 정합 검사를 묶는 런타임. |
| 웹 검토 화면 | 엔지니어가 원인·개선 카드와 근거를 보고 고르는 인터페이스. |
| 이슈 저장소 | 품질 이슈·분류 결과·개선 이력을 저장해 반복 불량 집계에 다시 쓴다. |
| LLM | 증상·부위·조건을 보고 설계 원인을 분류하고 개선·원가 영향과 근거를 생성한다. |
| LLM-as-judge | 분류 근거가 실제 이슈 기록을 인용했는지 검사하는 보조 모델. |
✓ pass → 여기서 멈춰도 설계 보조 도구로 완결입니다. 더 키우려면 2주차에서 합성 원인과 비교해 오분류를 보정합니다.
✓ pass → 신뢰가 붙으면 3주차에서 계측 데이터와 부위별 누적 추적으로 넓힙니다.
품질 이슈 한 건에 대한 설계 원인 분류와 개선 초안.
{"type":"object","properties":{"issue_id":{"type":"string"},"cause_type":{"type":"string","enum":["tolerance","material","thermal","assembly","wear","unknown"]},"improvements":{"type":"array","items":{"type":"string"}},"cost_impact":{"type":"string","enum":["down","flat","up","unknown"]},"confidence":{"type":"number"},"evidence":{"type":"array","items":{"type":"object","properties":{"field":{"type":"string","enum":["part_raw","symptom","condition","note"]},"note":{"type":"string"}},"required":["field","note"]},"minItems":1},"hedge":{"type":"string"}},"required":["issue_id","cause_type","improvements","cost_impact","confidence","evidence","hedge"]}[
{
"issue_id": "QI001",
"cause_type": "thermal",
"improvements": [
"발열 분포 재설계",
"온도 센서 배치 변경"
],
"cost_impact": "up",
"confidence": 0.72,
"evidence": [
{
"field": "symptom",
"note": "overheat"
},
{
"field": "condition",
"note": "연속 조리 단서"
}
],
"hedge": "원인·원가 영향은 합성 기준 추정이라 실 검증과 다를 수 있다."
},
{
"issue_id": "QI005",
"cause_type": "unknown",
"improvements": [],
"cost_impact": "unknown",
"confidence": 0.3,
"evidence": [
{
"field": "part_raw",
"note": "part_id 미등록·symptom unknown 이라 분류 보류"
}
],
"hedge": "미등록 부위라 보류. 합성 기준."
},
{
"issue_id": "QI003",
"cause_type": "tolerance",
"improvements": [
"그립 개구 공차 확대",
"패티 두께 범위 가이드"
],
"cost_impact": "flat",
"confidence": 0.6,
"evidence": [
{
"field": "note",
"note": "'두꺼운 패티에서 걸림' 단서"
},
{
"field": "symptom",
"note": "jam"
}
],
"hedge": "공차 원인은 합성 기준 추정이라 실측 확인 필요."
}
]cause_type·cost_impact enum, evidence min(1)은 Zod 로 자동 검증한다. 개선이 cause_type 과 맞는지, 근거가 기록을 인용했는지, confidence·cost_impact 가 합성 기준임을 hedge 로 밝혔는지는 judge 와 수동 spot-check 로 검증한다. confidence 는 합성 기준 추정이라 metrics 의 정직 경계선과 일관되게 검증된 수치로 제시하지 않는다.
근거: 양산 이후 발생하는 다양한 문제를 설계 관점에서 해결