ai-process-engineer 님의 블로그

바이브 코딩을 시작하면 코드를 짜는 일은 생각보다 잘 풀린다. 정작 막히는 건 그 앞 단계 — "무엇을 만들지" 정리하는 기획, 즉 PRD다. 챗봇에 "대충 PRD 만들어줘"라고 하면 매번 구조가 다르고 항목이 빠져서, Cursor나 Claude Code에 넘기기엔 영 불안하다. 그래서 PRD를 9단계로 나눠 빈칸을 채우듯 작성하는 무료 웹 도구를 만들었다.먼저 써보고 싶다면 → symphony-prd.vercel.app · 아래에 이 도구를 왜 만들었고, 어떻게 쓰는지 정리했다.01 진짜 병목은 코드가 아니라 기획이다바이브 코딩에서 도구는 점점 똑똑해지는데, 정작 그 도구에 "무엇을, 왜, 어떻게"를 정확히 전달하는 일은 여전히 사람 몫이다. 입력이 부실하면 결과도 부실하다. 그리고 그 입력을 만드..

지난 (1)편에서는 크롤링으로 지식 허브를 만들고 RAG로 검색하는 것까지 다뤘습니다. 이번 (2)편에서는 다시 공정 현장으로 돌아옵니다. 배터리 모듈 조립 라인의 검사 데이터를 가지고 두 가지 AI 기능을 만듭니다. 하나는 ML로 이상 셀을 잡아내는 SDR 분석, 다른 하나는 로컬 LLM이 품질 보고서를 대신 써주는 AI 브리핑입니다. 시리즈의 마지막 글입니다.지난번처럼, 먼저 드리는 말씀이번에도 쉬운 내용은 아닙니다. 솔직히 저도 ML이나 LLM의 깊은 원리까지는 아직 이해하지 못합니다. 그런데 그게 당연합니다. 우리는 비전공자니까요. 그러니 원리를 완벽히 알고 시작하려 하지 말고, 일단 만들어 봅시다. 그리고 만들면서 하나씩 궁금한 걸 찾아보며 공부하면 됩니다. 저도 딱 그렇게 하고 있습니다.데이터..

Chapter 3에서 대시보드를, Chapter 4에서 통계분석 툴을 만들었습니다. 드디어 시리즈의 마지막 챕터입니다. 이번에는 우리가 만든 도구 안에 AI를 직접 들여놓습니다. 다룰 내용이 많아 두 편으로 나눴습니다.(1)편 — 오늘 크롤링으로 지식 허브(Knowledge Hub)를 만들고, RAG로 검색하며, 그 자료를 Obsidian과 연결해 위키로 만듭니다.(2)편 — 다음 다시 공정으로 돌아와 ML을 적용한 SDR 분석과 AI 브리핑을 만들고, 여기에 챗봇을 붙여 (1)편에서 만든 RAG로 검색하게 합니다.먼저 드리는 말씀이번 글은 이 시리즈에서 개념이 가장 어려운 편입니다. 처음 보시는 분이라면 한 번에 다 이해되지 않는 게 당연하고, 그래도 전혀 문제없습니다. 저도 그랬습니다. 이런 건 머리..

Chapter 3에서는 불량 데이터를 집계해 추이와 점유율을 보여주는 대시보드를 만들었습니다. 이번 Chapter 4에서는 한 걸음 더 들어갑니다. 집계된 건수가 아니라, 검사에서 나온 측정값 그 자체를 통계적으로 분석하는 도구를 만듭니다. 품질 엔지니어라면 한 번쯤 Minitab으로 돌려봤을 Cpk, 관리도, ANOVA, 상관분석을 한 화면에 모은 통계분석 툴입니다.한 가지 달라진 점이 있습니다. Chapter 3의 대시보드는 설명을 위해 CSV 한 장을 직접 읽었지만, 이번 도구는 실제 운영에 가깝게 PostgreSQL DB에서 공정별 측정 데이터를 조회합니다. 9개 공정(P01~P09) 각각의 검사 테이블을 두고, 통계 계산(Cpk, ANOVA, 회귀)은 모두 백엔드에서 NumPy·SciPy로 처리..

Chapter 1에서는 공정 엔지니어가 코딩 에이전트를 배워야 하는 이유를, Chapter 2에서는 우리가 현장에서 다루는 데이터로 무엇을 만들 수 있는지를 이야기했습니다. 이번 Chapter 3부터는 직접 손을 움직입니다. 첫 결과물은 생산 라인의 불량 데이터를 시각화하는 대시보드입니다.이 대시보드는 이전에 정리했던 IT 외주 없이 직접 만든 제조 품질 분석 시스템의 풀스택 흐름을 따릅니다. FastAPI로 집계하고, Next.js와 Recharts로 그리는 구조입니다.한 가지만 미리 밝혀두겠습니다. 이번 프로젝트에서는 DB를 쓰지 않습니다. 설비에서 떨어진 불량 이력 CSV 한 장을 백엔드가 직접 읽어 메모리에 올려두고, 필터 조건에 맞춰 pandas로 집계해 REST API로 내려줄 뿐입니다. 다만..

공정 엔지니어가 현장에서 다루는 데이터는 크게 두 가지입니다. MES에서 집계된 집계 데이터와 설비가 직접 생성하는 설비 Log 데이터. 이 두 가지를 어떻게 활용할 수 있는지, 그리고 이 강의에서 무엇을 언제 만들어볼 것인지를 이번 챕터에서 정리하겠습니다. 2-1. OEE (Overall Equipment Effectiveness, 설비종합효율)집계 데이터로 산출하는 지표 중 가장 대표적이고 포괄적인 것이 바로 OEE입니다. 간혹 직행률을 OEE와 동일시하는 경우가 있는데, 직행률은 투입 대비 양품 비율로 시간 개념이 없기 때문에 별개의 지표로 봐야 합니다. 직행률 저하의 영향은 OEE의 시간가동률 항목에 흡수되어 계산됩니다.OEE는 다음 세 가지 요소의 곱으로 계산됩니다. OEE = 시간가동률 × ..

코딩 에이전트의 가장 강력한 장점은 개발자가 아닌 비전공자도 자연어로 프로그램을 개발할 수 있다는 점입니다. 이른바 '바이브 코딩'이라 불리는 방식인데, 대부분의 사람들은 '프로그램 개발'이라는 단어에서 상당한 거리감을 느끼고 쉽게 도전하지 못하거나 "내 직무와는 상관없는 이야기"로 넘겨버리는 경우가 많습니다.하지만 저는 이렇게 말씀드리고 싶습니다. 코딩 에이전트는 개발 도구가 아니라 엑셀이나 파워포인트처럼 업무를 도와주는 도구입니다. 너무 거리감 있게 생각하기보다, 내 업무를 더 효율적으로 수행하기 위한 수단으로 가볍게 접근해 주셨으면 합니다.특히 저와 같은 공정 엔지니어에게 코딩 에이전트는 단순한 업무 도구를 넘어, 자신의 역량을 극한까지 끌어올릴 수 있는 강력한 무기입니다. 이 Chapter에서는 ..

Manufacturing Intelligence · Portfolio IT 외주 없이 직접 만든 제조 품질 분석 시스템— Claude Code로 풀스택 개발하기 2026.06 · Next.js · FastAPI · scikit-learn · Ollama · PostgreSQL 내 전문 분야를 어떻게 가치 있게 만들 수 있을지 오래 고민했다. 결론은 하나였다. 현장에서 쌓은 노하우를 녹인 템플릿을 직접 개발하고, 그것을 바탕으로 많은 엔지니어들이 스스로 시스템을 만들고 운영할 수 있도록 돕는 것. 그게 내 비전이고 목표다. 관련 강의 콘텐츠를 하나씩 제작해 나갈 예정이며, 전체 커리큘럼이 완성되면 한 번에 공개할 계획이다. IT 지식과 제조·생산기술 현장 경험이 동시에 필요한..

Claude Code 활용 프로젝트 #1만년 마이너스 주식러의AI 주식 분석기 도전기비전공자 공정 엔지니어의 Claude Code 실전 연습Claude Code 활용 연습을 위해 실생활에서 진짜 쓸 수 있는 무언가를 만들어보자고 결심했다.고민 끝에 내린 첫 번째 과제는 바로 — 주식 분석 웹 서비스 만들기!주식 투자 경력 10년의 만년 마이너스 손을, 과연 프로그램으로 황금손으로 탈바꿈할 수 있을까? 🤔🏗️ 1단계 — 구조부터 잡고 가자나는 비전공자 공정 엔지니어다. 코딩에 앞서 만들고자 하는 프로그램의 구성부터 짚고 넘어가기로 했다.📌 주식 분석기 아키텍처 이미지FRONTENDNext.js + TailwindCSS기존에 알던 JS+HTML 대신, 요즘 핫하다는 이걸로. 딱히 특별한 이유는 없다. ..