이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
품질 실습에서 특정 배치에서 불량률이 갑자기 오른 데이터를 분석했습니다. 담당자는 재료 문제를 의심했지만 데이터를 보면 불량이 특정 설비에서만 집중됐습니다. 설비 요인과 재료 요인을 분리하는 분산분석을 적용했더니 설비 효과가 유의하고 재료 효과는 유의하지 않다는 결과가 나왔습니다. 원인을 설비로 좁히고 해당 설비의 유지보수 이력을 확인했더니 청소 주기가 기준보다 늦어진 기간과 불량 증가 시점이 일치했습니다. 주기 조정 후 다음 배치에서 불량률이 기준치로 복귀했습니다. 통계는 의심 범위를 좁혀주는 도구이고, 실제 원인 확인은 현장 이력에서 나온다는 걸 그때 배웠습니다. 지금도 품질 분석은 통계로 범위를 먼저 좁힙니다.
통계 분석으로 품질 문제를 푼다면 제가 분산분석 외에 의식하는 건, 변수들이 연속적으로 영향을 줄 때 회귀로 그 관계를 보는 일입니다. 어느 공정 파라미터가 불량률과 어떻게 연결되는지를 보려면, 범주 비교만으로는 부족하고 값의 변화에 따른 추세를 봐야 하기 때문입니다. 그래서 저는 불량이 특정 조건에서 오를 때, 그 조건과 연관된 파라미터를 회귀로 묶어 어느 변수가 유의하게 불량을 끌어올리는지를 정량적으로 가르려 합니다. 통계는 의심 범위를 좁히는 도구이고 실제 원인 확인은 현장 이력에서 나온다고 보아, 회귀로 좁힌 뒤엔 그 변수의 현장 이력을 대조합니다. 측정으로는 그 변수 조정 후 불량률 변화로 검증합니다. 다만 본인 사례와 한계를 짚습니다. 저는 품질 실습에서 분산분석으로 설비·재료 요인을 분리해 본 수준이라, 회귀나 실험계획법을 실제 공정 데이터에 적용해 변수 관계를 정밀하게 모델링해 본 경험은 없습니다. 그래서 회귀로 관계를 보는 시각을 토대로, 그 분석 역량을 더 키우려 합니다.
통계 분석으로 품질 문제를 푼 경험은, 품질 실습에서 특정 배치 불량률이 갑자기 오른 데이터를 분석한 일입니다. 담당자는 재료를 의심했지만, 데이터를 보면 불량이 특정 설비에서만 집중됐기 때문입니다. 그래서 제가 직접 한 건, 설비 요인과 재료 요인을 분리하는 분산분석을 적용한 일입니다. 그 결과 설비 효과는 유의하고 재료 효과는 유의하지 않게 나와 원인을 설비로 좁혔고, 그 설비의 유지보수 이력을 보니 청소 주기가 기준보다 늦어진 기간과 불량 증가 시점이 일치했습니다. 주기 조정 후 다음 배치에서 불량률이 기준치로 복귀했습니다. 측정으로는 그 복귀로 효과를 확인했습니다. 통계는 의심 범위를 좁히고 실제 원인은 현장 이력에서 나온다는 걸 그때 배웠습니다. 다만 한계도 짚습니다. 저는 실습 데이터 수준이라, 요인이 더 많고 교호작용이 얽힌 실제 공정에서 분산분석을 설계해 돌려 본 경험은 없습니다. 그래서 설비·재료를 분리한 경험을 토대로, 그 분석 역량을 더 키우려 합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 품질보증 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.