이 데이터로 원하는 답을 찾을 수 있을까요?

누가 어떤 판단을 하기 위해 데이터를 쓰는지 한 문장으로 정리합니다. 예를 들어 “보전 담당자가 정지 직전의 신호와 정비 이력을 확인한다”처럼 쓰면 필요한 기간·신호·이력이 구체화됩니다. AI 모델 종류부터 고르기보다 답을 평가할 수 있는 업무를 먼저 정합니다.

설비·제어기·센서·MES·검사 시스템별로 담당자와 접근 방식을 정리합니다. 읽을 수 있는 값과 실제 필요한 값의 차이를 표시합니다. API가 있다는 사실만으로 필요한 모든 필드를 읽을 수 있다고 가정하지 말고 샘플로 확인합니다. 접근 불가 항목은 우회 수집이나 과제 범위 조정이 필요할 수 있습니다.

설비 발생 시각과 수집 시각, 시간대와 동기화 상태를 확인합니다. 설비 ID·품목·LOT·사이클 키가 서로 다른 시스템에서 어떻게 대응되는지 기록합니다. 정확한 키가 없다면 추정 매칭의 조건과 확인할 담당자를 정하고, 확정된 연결과 구분합니다.

정상 생산 구간만 보지 말고 정지·교대·품목 전환·통신 장애를 함께 확인합니다. 누락, 중복, 범위 초과, 갱신 지연, 단위 변경이 어느 구간에서 나타나는지 기록합니다. 결측값을 0으로 바꾸면 정상 값처럼 보일 수 있으므로 데이터의 부재와 실제 0을 구분해야 합니다.

정상·이상의 판정 근거, 검사 결과, 실제 조치 이력이 있는지 확인합니다. 같은 LOT나 인접 시간의 데이터가 학습과 평가에 섞이면 성능을 과대평가할 수 있습니다. 새로운 기간·품목·설비에서 무엇을 검증할지 정하고, 결과를 판별할 현장 담당자를 지정합니다.

데이터 소유자, 변경 통지, 품질 기준, 접근 권한과 보존 정책을 정합니다. 센서 교체나 태그 추가가 발생하면 어떤 화면·분석·모델에 영향을 주는지 추적해야 합니다. 이 체크리스트는 준비 가이드이며, 항목마다 완료·보완 필요·확인 불가를 표시해 상담 자료로 사용할 수 있습니다.