Click here to load reader
Upload
korhskim
View
2.834
Download
160
Embed Size (px)
Citation preview
6 시그마 교육자료
T able of
Contents 0. Overview
I. Define
Ⅱ. Measure
Ⅲ. Analyze
Ⅳ. Improve
Ⅴ. Control
3 page
사원의 마음에 품질을 심음으로써 수익성을 높이는 것이
6 시그마의 목표이다
- 잭 웰치 –
6 시그마의 장점은 통계기법을 이용하고 대상이 프로세스이기 때문에 어떤 분야에도 적용될 수 있는 전천후 경영혁신 활동이다 . - GE –
6 시그마 경영은 단순히 품질관리나 기업이익의 증대만을 노리는 것이 아니라 고객만족이 최우선이다 . - GE –
6 시그마 운동은 철학을 바꾸는 작업인 만큼 전 조직에 확산되기까지시일이 걸린다 . - 소니 -
1. Why is Six Sigma?
Six Sigma 에 대 해 서… .
4 page
현 수준
Gap
Gap
GoalGoal
경영
혁신
경영시스템
• TQC : Total Quality Control• BPR : Business Process Reengineering
• BPRBPR
• 100PPM100PPM 운 동운 동
• TQCTQC
• 분 임 조 활 동분 임 조 활 동
• 개 선 제 안개 선 제 안
6 6 시그마 시그마 ! !
Contin
ual
Contin
ual
Impr
ovem
ent
Impr
ovem
ent
Contin
ual
Contin
ual
Impr
ovem
ent
Impr
ovem
ent
““ 측정할 수 없는 것은 개선할 수 없다측정할 수 없는 것은 개선할 수 없다 ””
금세기 최고의금세기 최고의기업경영 혁신기법은기업경영 혁신기법은
6 6 시그마 시그마 !!
1. Why is Six Sigma?
경 영 혁 신 활 동 에 서 의 6 시 그 마
5 page
1. Why is Six Sigma?
GE 에서는 품질향상을 위해 강도 높은 조치의 필요성 인식
기존 방법으로는 현재 이상의 품질향상을 기대할 수 없는 상태 (4 시그마 )
품질관련 소요비용이 연간 4 억불
세계 최상급 수준 회사들의 경영실적은 6 시그마 수준
6 시그마는 이미 입증된 품질개선 방법 Motolora(1987) : 1987-1991 년 4 년 동안 22 억불 절감
Texas Instrument(1988) : 1988 년 이후 생산량 증가 (84.3%~99.8%)
Allied Signal(1994) : 4 개월 만에 불량률 68% 감소
고객 중심의 품질개선 추진
불량감소
수율향상( 품질향상 )
고객만족이익창출
GE 가 Six Sigma 를 하 게 된 이 유
6 page
차별화 된 Quality 는 . . .
우리가 경쟁사로부터 살아 남을 수 있는 마지막 기회이다 . 당신이 6 시그마 목표달성을 위해 개인적으로는 강하고 높은 의지로 엄청난 노력을 해야 할 것이다 .
J.F. WELCH, 10/15/95
차별화 된 Quality 는 . . .
우리가 경쟁사로부터 살아 남을 수 있는 마지막 기회이다 . 당신이 6 시그마 목표달성을 위해 개인적으로는 강하고 높은 의지로 엄청난 노력을 해야 할 것이다 .
J.F. WELCH, 10/15/95
6 시그마 탄생배경
Michel Harry
▪ Motorola 의 정부용 전자기기 부문에 근무
▪ 동료와 통계지식을 활용하여 6 시그마 기법을 개발
▪ 1990 년 모토로라 대학 내 “ Six Sigma Institute” 설립
▪ 공학적 기법에 의한 data 해석기법 개발
→ 6 시그마 관련기술 체계화
1980 년대 초 모토로라에서 일본의 포켓벨 ( 휴대용 무선호출기 ) 과의 품질격차로 인한
위기감으로부터 출발
▪ 품질의 위기감은 1970 년대부터 느끼기 시작
▪ Bob Galvin 회장이 품질개선운동 시작
1. Why is Six Sigma?
6 시 그 마 탄 생 배 경
7 page
1987 19881994
19951996
1997
1998
삼성항공 1999
2000
2001
삼성기술원 2002
2003
년 도 별 도 입 현 황( 대 기 업)
위기타결을 위한 총체적 고객만족 경영전략
Motorola, Polaroid, Allied Signal, Eastman,ABB, Kodak
미래환경에 대비한 차별화 된 경쟁 우위확보
GE, Citi Group, Sony, 3M
1. Why is Six Sigma?
8 page
6 시 그 마 의 정 의
경영 철학(Philosophy)
기업의 전략(Business Strategy)
통계적 방법(Statistical
Measurement)
-“ 열심히” 하기 보다는 “ 현명하게 일하는 자세”- 처음부터 제대로 할 수 있는 프로세스 개선
- 기업 경쟁력 확보 전략- 프로세스 개선 => 제품과 서비스 품질향상 => 고객만족
( 광의 ) 품질혁신과 고객만족을 달성하기 위해 전사적으로 실행하는 21세기형 기업경영 전략 . ( 협의 )6시그마활동은 고객요구사항을 만족시킬 수 있는 핵심품질특성 (CTQ) 을 찾아 결함수준을 3.4 PPM 이하로 줄이고자 하는 것 .
6 σ6 σ
- 통계적 기법 활용 - 프로세스 능력에 대한 정량적 목표
2. What is Six Sigma?
9 page
Sigma(σ) 란 그리스 문자
통계에서는 표준편차 ( 산포 ) 를 나타냄
σ 값이 클수록 공정의 변동이 크다는 것을 나타냄
표준정규분포에서 1σ 는 중심선에서 변곡점사이의 거리를 의미
1n
)xx(ˆ
2i
σ
통계적 방법으로의 6 시그마
2. What is Six Sigma?
σσ
10 page
SYSTEM(OR PROCESS)SYSTEM(OR PROCESS)
Practical Problem( 실질적 문제 )
Statistical Problem( 통계적 문제 )
DEFINE( 정의 )
MEASURE( 측정 )
CONTROL( 관리 )
H.G.Wells (1925) … 언젠가는 통계학적 사고가 읽고 쓰는 능력과 마찬가지로
시민생활에 있어서 꼭 필요한 능력이 될 것이다 .
“ 통계학은 이전에 볼 수 없었던 것을 볼 수 있게 해주는 고성능 현미경 ”
Practical Solution( 실질적 해결안 )
Statistical Solution( 통계적 해결안 )
IMPROVE( 개선 )
Art
ANALYZE( 분석 )
ScienceStatistics
2. What is Six Sigma?
과 학 적 문 제 해 결 관 점
11 page
품 질 비 용: COPQ
주 ) COPQ(Cost of Poor Quality):품질비용 . 모든 활동이 결함이나 문제 없이 수행된다면 사라지게 되는 비용 .
- 회계상으로 파악할 수 있는 품질실패비용 (COQ) : 5%
- 회계상으로 파악할 수 없는 손실 : 30%
“ 지금의 품질 실패비용은 빙산의 일각임”
검사스크랩
재작업
판매손실
납기지연
고객신용도 실추
전통적인 품질 실패 비용(쉽게 정의 됨 )
서비스
불합격
설계변경
Long cycle time
과다 재 작업
과다 재고
사무비용
추가적인 품질 실패비용( 측정이 어렵거나 ,
곤란함 )
2. What is Six Sigma?
세계적 우량기업의 평균
12 page
6 시 그 마 접 근 방 법 모 델
1차 Wave 개선과제 List1차 Wave 개선과제 List
DefineDefine IdentifyIdentify DesignDesign OptimizeOptimize VerifyVerify
What To Do : 프로젝트 도출엔진
How To Do : 프로젝트 실행엔진
VISION
전 략
경 영 목 표
과 제 도 출
Follow up/FeedbackFollow up/Feedback
과 제 평 가Top Down/Bottom Up 과제
DefineDefine MeasureMeasure AnalyzeAnalyze ImproveImprove ControlControl
3. How is Six Sigma?
Right Roadmap
13 page
D1. 프로젝트 선정D2. CTQ 도출D3. 프로젝트 승인
정의정의DefineDefine
측정측정MeasureMeasure
분석분석AnalyzeAnalyze
개선개선ImproveImprove
관리관리ControlControl
DMAIC 단계별 주요활동내용과 산출물
주요활동내용
주요산출물
M1.CTQ(Y) 선정M2. 측정시스템 평가 (MSA)
M3. 현 수준 파악
A1. 분석계획A2. 근본원인
분석A3. Vital Few
선정
I1. 개선전략 수립I2. 최적화 (DOE)
I3. 재현실험 / 평가
C1. 관리계획 서C2. 관리도C3. 종료 / 확산
• SIPOC
• Process Map
• CTQ
• Team Charter
(테마 등록서 )
• CTQ(Y) 선정• Data 수집 • MSA
• 프로세스 현수준• 잠재인자 List
• 개선목표• Quick-Win List
• 근본원인 검증
계획• Data 수집 계획 • 원인 검증• Vital Few 선정
• 개선방안 선정• 최적화 (DOE)
• 재현실험• 평가
• 관리계획서• 관리도 시스템• 문서화• 승인 / 확산
추 진 RoadMap
3. How is Six Sigma?
Define( 정의 )
Measure Analyze Improve Control Define
15 page
CTQ 정 의
정의 : 주요 고객의 요구사항이나 공정 요구조건을 만족시키는 상품이나 서비스의 특성 고객에 의해 정의된 제품 /서비스 또는 공정의 특성치로서 고객에게 치명적이고 지극히 중요한 것이라고 할 수 있는 것
목적 : 프로젝트 CTQ 를 선정하고 핵심 개선 영 역을 도출한다 .
CTQ 정의
가시적이고 고객에게 중요하다 .
측정 가능하다 ( 고객만족과 연관 )
허용범위가 정의되어 있다 .( 수용범위 ,목표 , 수용결점율 )
예 ) 대응시간의 적절성 ( 사이클 타임 ), 친절도 , 전문성 , 응답의 정확성 ( 오류건수 ), 정시배달 , 주문서의 정확도 , 유형적 특성 ( 무게 ,높이 등 ), Invoice 의 시간내 작성 혹은 정확성 …… ..
-> 결국 CTQ 는 다수주변 (Trivial many) 요구사항 보다는 소수핵심 (Vital few) 요구사항을 반영 한다 .
CTQ 특징
CTQ 정의
16 page
CTQ 와 X’s
X’s
X’s
프 로 세 스
1. CTQ(Y) 선정
품질 변동 발생
(CTQ)
방법(Method)
재료(Material)
기계(Machine)
사람(Man)
측정(Measure)
환경(Environment)
CTQ 정의
Copyright © 2005 KSAC. All rights reserved.
Six Sigma 홍진 HJC GB
17 page
VOC 주요 Issue (CCR) CTQ
제품이 납기 대비늦게 도 착한다 .
제품 출하 ~ 선적 L/T 이길다 .
제품 출하 ~ 선적 L/T
출하 ~ 선적까지의 제품 재고가 많다
생산계획 수립 시 선적항차를 반영하지 못한다
생산계획 수립 시 선적항차 반영비율
제품 출하 ~ 선적까지의대기 Container 가 많다
제품 출하 ~ 선적까지의대기 Container 수
L/C 지연으로 수출신고프로세스 지연됨 .
L/C 입수 후 소요 L/T
고 객
외부 고객
내부 고객
CTQ 정의
CTQ( 예 시)
18 page
CTQ 전 개 도 구
Willing to answer questions
Treat me nice
Knows loan proc.
Knows market
Understands my situation
Money when I need it
Application fast to fill out
Don’t make mistakes
Give me the right rate
Tim
e T
o A
nsw
er
Phone
# O
f C
alls
An
swere
d/H
r
# O
f C
ust
om
er
Com
pla
ints
Tim
e A
lloca
ted
To C
ust
om
er
# E
rrors
In E
ntr
y P
roce
ss
# C
allb
ack
s To
Cu
stom
er
# O
f R
etu
rnV
isit
s
% C
allb
ack
s
Tim
e t
o C
om
ple
teLo
an
Pro
cess
Tim
e T
o C
om
ple
teA
pplic
ati
on
Form
# O
f E
rrors
/C
ust
om
er
Vari
an
ce F
rom
Act
ual
Rate
# O
f E
rrors
In
Ap
plic
ati
on
Friendly Staff
Knowledgeable Staff
Speed
Accuracy
++
++
+
+
++XX
Target Goals
Target
How Important
Primary Want Secondary Want
28 5 133 14 35 27 30 49 46 33 54 27 74
Import
Relationship Matrix
Strong Moderate Weak
Weight 9 3 1
6 S
eco
nd
s
> 1
0
4/1
00
Cu
stom
er
5 M
in/
Cu
stom
er
1%
Err
ors
0 C
allb
ack
sTo C
ust
.
0 R
etu
rnV
isit
s
0 Callb
ack
s
2 D
ays
30 M
inu
tes
.02 E
rrors
/Cu
stom
er
1%
.5%
+++
+
+
+
5
3
5
4
3
4
2
4
3
↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑↓
2 2 4 813 6.9 6.913.827.644.8
100.0 93.1 86.2 72.4 44.8
30
20
10
0
100
80
60
40
20
0
Defect
CountPercentCum %
Per
cen
t
Cou
nt
Pareto Chart for Cause
영업관리 영업관리 자재조달생산계획 생산 출하
자재발주 입고관리 라인 출고 재고관리
P프로세스
S공급자
S공급자
S공급자
S공급자
CTQ 선정의 다양한 방법
로직트리로직트리 (Logic Tree)(Logic Tree)로직트리로직트리 (Logic Tree)(Logic Tree)
프로세스 매핑프로세스 매핑 (SIPOC)(SIPOC)프로세스 매핑프로세스 매핑 (SIPOC)(SIPOC)
품질기능전개품질기능전개 (QFD)(QFD)품질기능전개품질기능전개 (QFD)(QFD)
Claim Claim 분석 분석 - PARETO- PARETOClaim Claim 분석 분석 - PARETO- PARETO
CTQ 선정 방법
문 제문 제문 제문 제
A
A1
A2
B1
B2
B
MECEMECE
MECEMECE
MECEMECE
19 page
Business 분석
Customer 분석
VOB 사업핵심 요구사항
쇼핑몰 매출 증대 - Claim축소로 고객이탈 및 매출손실 최소화 - Site 차별화 등
SCM 배송체계 구축 - 배송프로세스 안정 - 네트워크 환경 개선
고객 Claim축소 - 고객불만 사항 집중관리 - 클레임 사전 예방 조치 및 대응방안 강 구필요 배송 프로세스 / 시스템 정비 - 벤더 /택배사간 네트워크 및 정보채널 구축
고객핵심 요구사항 VOC
신속한 상품 배송
배송정보 정확
정확한 배송정보 제공
상품배송이 늦다 . - “ 타 쇼핑몰은 2-3 일이면 오는데 LG 는 7일이 지나도 오지 않네요 .” - “ 급한 물건인데 .. 안되면 환불 해 주세요 .”
배송정보가 없거나 틀리다 . - “ 상품이 언제 도 착할지 몰라 외출을 하지 못함 .”
CTQ
• 배송 Lead time 단축
• 배송정보
정확성
• 배송클레임 축소
CTQ 도 출- 사 례-
CTQ 선정 방법
20 page
고객 구분 VOC CCR CTQ
외부고객
제작 발주 Data 에 오류가 있다 . CAM 편집 시간이 과다 소요된다 . 긴급 발주가 많다 . 요구 Spec. 이 불명확 하다 .
Data 오류가 없어야 한다 요구 spec 을 명확히 제시 해야 한다
제작 설계 만족도향상 ( 95% 이상 )
내부고객
Lib. 오류가 지속적으로 발생한다 . Lib. 검증 소홀로 설계 /제작 /조립이 발생한다 . 비표준 Lib. 사용이 지속된다 . 개발 일정 촉박으로 표준 절차 준수가 곤란하다 . PCB 설계 발주 후 회로 변경 잦다 . 개발자의 PCB 설계 능력 부족으로 설계결과에 대한 검증이 곤란하다 . 육안으로 Check 하는 데 한계 양산 Rule 을 제대로 반영 안됨 . 제조에서 너무 많은 요구함 . 검증 없이 PCB 제작 /조립 발주가 진행 된다 . 부품 표준화 /공용화로 사용 대상 부품 선정이 어렵다 .
Lib. 의 오류가 없어야 한다
표준 Lib 준수
발주 후 설계변경이 없어 야 한다
양산 Rule 을 준수해야 한다
Lib. 정확도 향상 (>85%)
설계 /검증 능력 50% 향상 )
컴퓨터 부품 개발 절차 개선
CTQ 선정 방법
CTQ 도 출- 사 례-
21 page
고 객 구 분
내부고객(Internal Customer)
외부고객(External Customer)고 객고 객
요구 (Requirement) 의 불만족
결점 (Defect) 으로 정의
내부고객 (Internal) : 최종 고객에 대한 ( 공급 - 수요 Chain 에 따라 ) 제품 또는 서비스를 제공하는 일을 수행하는 내부 구성원
외부고객 (External) : 회사 수익을 발생시키는 근본 ( 최종 고객 )
구 매 자 (Buyer) : Price-Oriented
사 용 자 (User) : Performance-Oriented
고객정의 / 요구파악
22 page
고 객 의 소 리(VOC)
프로젝트의 개선 목표를 선정하는 과정에는 현재의 고객과 잠재 고객의 목소리를 듣는완벽한 프로세스가 필요하다 .
고객만족도 조사만으로는 내부 프로세스와 전략을 개선하는 데에 필요한 충분히 깊고다양한 고객정보를 확보할 수 없다 .
기본적으로 시장에서 스스로를 타사와 구별하려는 것이다 .
VOC 는 고객의 목소리를 들음으로써 다음의 사항을 이해할 수 있는 프로세스이다 .
– 고객의 Business– 고객과 고객의 Business 에 있어서 핵심적인 사항이 무엇인가 ?– 찾아야 할 것
측정 가능한가 ? / 행동 가능한가 ? 개선된 혹은 새로운 프로세스를 형성해 낼 요소
고객의 소리
23 page
고 객 의 소 리(VOC)
고객이 기업의 제품 /서비스에 대해 갖는 다양한 요구와 기대
품 질제품이나 서비스의 기능 , 신뢰성 , 이용 가능성 , 기호 (taste), 효과성에 관련된 제품이나 서비스 특징 , 속성 , 차원 , 특성 - 물론 불량 , 재작업 , 또는 폐기 (scrap) 등이 없어야 함
비 용 고객에게 부가되는 가격 ( 초기 + Life Cycle), 수리 비용 , 구매 가격 , 금융 비용 (financing terms), 감가상각 , 잔존가치
납 기 리드 타임 , 납품 시간 , 반환 시간 (turnaround time), 준비시간 , 사이클 타임 , 지연 시간
서비스 서비스 요 구사항 , 구매 후 신뢰성 , 부품 유용성 , 서비스 , 보증 , 유지보수 가능성 , 고객 요구 보수 , 제품 책임 (liability), 제품 /서비스 안전
기업의 책임감
윤리적 비즈니스 활동 , 환경 영향 , 규제 및 법률을 잘 지킴
고객의 소리
24 page
Feedback
HousingPlaza
고객상담
고 객
전화
엽서
고객불만이벤트
접수
각종 조사
고객제안
생산
연구
영업
마케팅
제품개선 , 신제품개발
효율적마케팅전략
수립
고객만족실현
• 고객개인정보• 고객상담처리 /분석• 고객제안처리 /분석• 고객불만처리 /분석
• 제품정보• 가격정보• 유통정보• 판촉정보• 인테리어 정보
통합 Call Center
• Contact 관리• 보고서관리• 상담원관리• 판촉 및 이벤트관리 • 조사 및 모니터링
전산 시스템• 고객정보• 시장정보 ( 영업일지 , CS
일지 )
• CS 정보• 대리점 정보
인터넷
고객정보
마케팅정보
고객정보
VOC VOC 정보수집정보수집 VOC VOC 정보수집정보수집 VOC VOC 정보분류 및 관리정보분류 및 관리VOC VOC 정보분류 및 관리정보분류 및 관리 VOC VOC 정보분석 및 활용정보분석 및 활용VOC VOC 정보분석 및 활용정보분석 및 활용
고 객 의 소 리 구 성
고객의 소리
25 page
프 로 세 스 매 핑(Mapping): 필 요 성.
.
사업부 /팀 등 조직 간의 원활한 의사소통– 부서 내 이해관계에서 고객의 관심사로 전환– 전체 프로세스를 유기적으로 “보게”하는 능력
복잡한 프로세스를 단순하고 명 백하게 파악하고 가시화시켜 개선의 기회 / 가능성의 발견
오랫동안 알고 지냈던 문제를 구체화
한 프로세스의 변경이 전체 혹은 다른 프로세스에 어떠한 영향을 미치는지 파악
개별 과제에 맞는 작업 기준을 설정하는 데 도움을 줌
비부가가치작업 (Non-Value Added) 의 파악 Quick-fix 의 Chance!
프로세스에서 각각의 단계의 사이클 타임을 확인
절차 / 기준 안에서의 차이점을 확인하는 데 도움을 준다 .
작업 기준을 수립하도록 한다 .
이 익
비부가가치작업 제거
CTQ 선정 방법
26 page
* FDPM : Functional Deployment 프로세스 맵
기능 전개맵 (FDPM)
고객전화시 도
매체정보
문제청 취
문제접수
이동처리반담당자콜센터 관리자콜센터텔러응답기고 객
발신
매체종류입력
매체종류접수
통화중
상담대기텔러
텔러연결
VMS녹음
통화포기
문제청 취
고객확인
문제접수
문제해결
고객에송신
접속
D1
A1
A2
D2
D3
A3
A4
A5
D4
A6
고객전화시 도
매체정보
문제청 취
문제접수
이동처리반담당자콜센터 관리자콜센터텔러응답기고 객
고객전화시 도
매체정보
문제청 취
문제접수
이동처리반담당자콜센터 관리자콜센터텔러응답기고 객
발신
매체종류입력
매체종류접수
통화중
상담대기텔러
텔러연결
VMS녹음
통화포기
문제청 취
고객확인
문제접수
문제해결
고객에송신
접속
D1
A1
A2
D2
D3
A3
A4
A5
D4
A6
Output
Process
AX1.
AXK
A B C
AY1
AY2
BY1
BY2
CY1
CY2
BX1.
BXL
CX1.
CXM
시작 끝
Input
In-Out 프로세스 맵 ping
O C
고객Customer
Process
Input Output
시작
끝
Supplier Customer
공급자 : 인풋 : 프로세스 : 아웃풋 : 고객 :
상위 프로세스 맵(SIPOC)
상세 프로세스 맵
프 로 세 스 매 핑(Mapping): 종 류
CTQ 선정 방법
27 page
처리
출금
잔고확인
접수
내점
계장창구직원고객구분
은행방문
대기번호표 입수
대기
의뢰서 / 통장 접수
수표접수
예출금 의뢰서 작성
전광판확인
예출금 의뢰서 제출
단말기 전산입력
잔고확인
지급불능 통보
수표>500 만원
출금
수표 발행 / 인증
수표발행요청
금액확인 및 수령
NVA
NVA
NVA
NVA
대기
이동
NVA
NVA
1 분
7 분
1 분
0.2 분
0.5 분
3 분0.5 분
2 분
시그마은행 고객출금 프로세스개선 시그마은행 고객출금 프로세스개선 프 로 세 스 Mapping( 예
시)
CTQ 선정 방법
28 page
각 상위 프로세스에서 하위 프로세스로 Focusing 해가면서 프로세스를 분석하기도 함 .
Level-1Level-1
Level-2Level-2
Level-3Level-3
Level-4Level-4
투자계획
Activity수행활동
시설구축 시설운용 고객서비스 평가관리
서비스 계획수립 성과분석 및 대책수립고객시설 관리 목표달성여부,피드백
개통 고장수리 품질개선 경영지표 달성
속도미달고객선정 정비계획수립 품질측정 시설정비 사후관리
통계관리장애처리
ㅇ 정비우선순위 결정-SLA배상 요청고객-VOC발생고객-고객등급 우선순위 결정-중복고장,관련민원 고객-경쟁사 진입대상 고객
ㅇ 시행방법 결정-직영정비. PC환경, 댁내정비.옥외고무선 UTP화-도급정비. 옥내,옥외시설 정비.동선ADSLIP-xDSL수용전환여부 결정
ㅇANMS측정자료활용-SLA 기준미달고객 출력-출력자료 DB화 업그레이드ㅇANMS측정자료외 속도미달고객- VOC등 고객요구 발생분. 불법공유,구내시설불량 등
- CQMS 배상요청 고객ㅇ 고객분석- 거리별,선로시설,시스템별세분화
ㅇ정비가능여부 판단-동ADSL 3.5Km고객 이분화- 경쟁사 속도차이 분석- 투자공사 반영여부 분석
ㅇ정밀구간 시험-국내시험
. 포트시험
. 프로파일값 설정확인
. 탄기반불량여부확인
. 장비~MDF까지정밀측정-국외시험
. 선로상태 정밀시험(심선불량여부, 구형단자함,꼬임접속 개소 ,구내불량여부등)
-댁내시설. 모뎀,LAN카드,필터불량여부확인
. 댁내선 확인
. 고객 PC 최적화 확인등
ㅇ국내시설 정비- MDF점퍼선 교체- 불량포트교체- 프로파일 재설정-피뢰탄기반교체
ㅇ옥외시설 정비- 불량심선교체- 인입선환체(UTP)- MTP해체-접지시설 보강- 노후단자교체(IDC)
ㅇ옥내시설- 모뎀,MF교체- 실내선교체(UTP)- PC환경 최적화
ㅇ정비완료고객 DB화- KTPIN 실적 입력- 정비전후 분석 지속관리
(월별,분기별)ㅇ시설정비 불가지역투자
계획반영 조치- ONU,IP-xDSL등
전진배치계획수립-엑세스망고도화(대개체 )
ㅇ품질만족도 조사-happy call실시
CTQ 선정 방법
프 로 세 스 Mapping( 예
시)
29 page
생산계획 반제품(Bulk)
- 원료
- 작업 공수
- 생산계획표
- 제조지시 /
기록서
- 작업설비
- 공정 Bulk
- 시험결과
- Vendor( 원료 , 설
비 )
- 생산관리
- QC, QA
- 각 공정 작업실
( 원료 ,과립 ,선별
등 )
- 공무
- 공정 중 Bulk
- 반제품 Bulk
- 시험 결과
- 제조기록
( 시간 ,수율 )
- 작업 공수
- 포장 부서
- 생산관리
- QC, QA
- 각실 ( 원료 ,
과립실 제외 )
• 공정 리드타임 단 축
PS I O C
생산지시생산지시
원료 출고 ( 수령 )원료 출고 ( 수령 )
과립과립
타정타정
코팅코팅
선별선별
BulkBulk
계획계획
프로젝트 범위 설정
SIPOC - 예 시-
30 page
수취 & 재고
설비 저장 /stage
설치
훈련
사이트를 고객에게 인도
- 설치계획
- RIS 서비스
- Modality
Interface
- 시스템 구성
- PACS 네트웤
- 완벽한 주문
- 준비된 사이트
- 프로젝트 관리자
- 시스템 통합
- 판매 전문가
- Health Net
서비스 프로 젝트
관리자
- 제조
- 설치된 시스템
- 사이트 이전
- 병원
- GEMS 재무
설비가 사이트에 도착
고객이 시스템 승인
PS I O C
SIPOC - 예 시-
프로젝트 범위 설정
31 page
Team Charter - 예 시
Team Charter(테마 등록서 )
Measure( 측정 )
AnalyzeAnalyze ImproveImprove ControlControl DefineDefine MeasureMeasure
33 page
CTQ 와 CTQ(Y) 의 관 계
(1)
정 의
주요활동
CTQ: 고객의 요구사항을 프로세스의 언어로 표현한 것 .
CTQ(Y): CTQ 를 만족하기 위한 조 건들을 측정 가능한 구체적 특성으로 표현한것 .
CTQ 자체가 CTQ(Y) 가 될 수도 있으며 , 경우에 따라서는 하나의 CTQ 만족을 위해 여러 개의 CTQ(Y) 가 도출될 수 있다 .
CTQ 가 CTQ(Y) 인 경우 : 예를 들어 설비의 가동률은 CTQ 이다 . 또한 그 자체가 측정 가능하므로 CTQ(Y) 가 된다 .
CTQ 가 여러 개의 CTQ(Y) 로 구분되는 경우 :예를 들어 인터 넷 검색 업체의 고객 만족도는 CTQ 이다 . 고객 만족도는 정보의 내용 , 정확성 , 최신성 , 접속 용이성 등으로 표현할 수 있는데 , 이 때 CTQ 만족을 위한 개별 특성들은 CTQ(Y) 이다 .
CTQ(Y) 선정
34 page
CTQ 와 CTQ(Y) 의 관 계
(2)
– 규모가 커서 CTQ(Y) 가 너무 많다면 프로젝트를 나 눈다 .
– 특성의 층별을 통하여 파레토도를 작성하면 용이하게 나 눌 수 있다 .
– 나누어진 특성들 중 당초의 CTQ(Y) 와 가장 관련이 있거나 문제의 심각도가
가장 크다고 분석된 것을 새로운 CTQ(Y) 로 선정한다 .
여러 개의 CTQ(Y)
CTQ(Y) 선정 시 확인 사항
–CTQ(Y) 로 사용해도 무방할 정도로 비 례 또는 반비례 관계를 나타내는 또
다른 결과지표 CTQ(Y) 가 있는가 ?
–CTQ(Y) 를 개선하게 되면 오히려 특성이 저하되는 다른 CTQ(Y) 가 있는
가 ?
–몇몇 결과 변수들을 개선해야만 그 총 합적 효과로 개선되는 CTQ(Y) 인가 ?
CTQ(Y) 선정
35 page
※ 계량형 Y 로 만들수록 프로세스를 더 자세히 알 수 있다 .
CTQ가능한 Y
계수형 계량형
프로세스 시간 규정 시간내의 처리율 프로세스에서의 실제 처리시간
신속한 배달 지각 횟수 약속 보다 지연된 실제 시간
고객 만족도 불만족 비율 만족점수 (1~100)
CTQ 와 CTQ(Y) 의 관 계
(2)
CTQ(Y) 선정
36 page
CTQ 와 CTQ(Y) 의 관 계
(3)
도출된 성과 지표들이 고객의 핵심적인 요구사항들을 얼마나 잘 설명하는가를 검토한다 .
CTQ 와 CTQ(Y) 간에 복잡한 관계가 존재하는지 검토한다 .
출력
내구성
신뢰성
효율성
마력
총 유효 수행시간
MTBF
연비
CTQ CTQ(Y)
출력
내구성
신뢰성
효율성
마력
총 유효 수행시간
MTBF
연비
CTQ CTQ(Y)
- MTBF(Mean Time Between Failure): 신뢰도 척도의 하나로 , 수리 가능한 장치의 어떤 고장과 다음 고장 사이 ,
즉 수리 완료로부터 다음 고장까지 무고장으로 작동하는 시간의 평균값 .
MTBF= (T1+ T2…Tn)/n Ti: 가동 중의 시간 , n: 고장 횟수 .
CTQ(Y) 선정
37 page
도 출 도 구: QFD/ 파 레 토
도 표
CTQ 와 CTQ(Y) 간의 관계로부터 분석된 CTQ(Y) 의 우선순위를 고 려하여 과제의 대표적 지표로 표현될 수 있는 CTQ(Y) 를 결정한다 .
21695 27541 36280 48379375020 4.3 5.4 7.1 9.573.7
100.0 95.7 90.3 83.2 73.7
500000
400000
300000
200000
100000
0
100
80
60
40
20
0
Defect
CountPercentCum %
Per
cent
Cou
nt
Pareto Chart for 2 _차유형 고장
- QFD(Quality Function Deployment): 품질기능전개
QFD 파레토도
CTQ(Y) 선정
38 page
도 출 도 구: Logic Tree
도해정의
a
1
2
제품 길이 치수 1,2 의 치수 차이로 시공 후 폭 방향에 도해처 럼 틈새가 발생한 것을 폭 틈새라 한다 .
제품 폭치수 a’b 의 치수 차이로 시공 후 길이 방향에 도해처 럼 틈새가 발생한 것을 길이 틈새라 한다 .
제품이 외부환경영향 또는 제품자체의 변 형으로 도해처 럼 중앙부 Side 부에 틈새가 발생하는 것을 변형틈새라 한다 .
b
치수품질개선
폭틈새폭틈새
직선도직선도
경시변화치수편차경시변화치수편차
치수편차 치수편차
재단시치수편차재단시
치수편차
외부환경 변화에 따른
변형
외부환경 변화에 따른
변형
길이틈새길이틈새
변형틈새변형틈새
CTQ CTQ(Y)
CTQ(Y) 선정
39 page
도 출 도 구: 프 로 세 스
맵1. 개선이 필요한 프로세스의 범위 정의
2. 프로세스의 모든 작업 확인
3. 대상 프로세스의 입•출력 확인
4. 각 작업의 부가가치 유무 확인
5. 각 단계별로 KPOV 열거
6. 각 단계별로 KPIV 열거
7. 모든 KPIV 분류 (SOP)
8. KPOV및 KPIV 에 대한 규격기입9. 모든 프로세스 데이터 수집포인트를
명확히 규명 - KPIV (Key Process Input Variable): Y 에 영향을 주는 X 변수들 (X1, X2, X3..)- KPOV (Key Process Output Variable): 고객에게 중요하다고 생각되는 제품의 항목 및 특성 (Y)- SOP (Standard Operating Procedure): 표준 업무 절차
개선 필요 프로세스
프로세스 맵 작성 단계
12_mm Shaft Defects At Final Insp
Mac
hinin
g
Transp
ortSlic
er
Assy
Error
Raw M
ater
ial
0
20
40
60
80
100
DefectCount
PercentCum %
45052.352,3
20023.375.6
10011.687.2
607.0
94.2
505.8
100.0
(%)
0100200300400500600700800900
CTQ(Y) 선정
40 page
CTQ(Y) 운 영 정 의 : 성 능 표 준 특 징
성능표준 설정 :
양품과 불량 (Defective) 을 판정하고 현재의 수준과 목표를 설정한다 .
고객 요구
사업 목표
CTQ
제품 /서비스의대표적 특성치 선정
측정 기준 선정
목표치
규 격
허용 불량 비율
틈이 눈에 띄지 않게
평판 위에서 최대 이격 거리
Benchmarking수준 0.2mm 이하
USL= 0.2mm
233ppm/5 Sigma
경쟁수준
기술적 수준
관계법규
•폭틈새•길이 틈새•변형틈새
- USL(Upper Specification Limit): 규격상한
- Ppm: 100 만분의 1 을 나타내는 단위 . 1g 의 시료 중에 100 만분의 1g, 물 1t
중 의 1g, 공기 1 ㎥ 중의 1cc 가 1PPM 이다
성능표준 운영정의
41 page
운 영 정 의 - 예 시
CTQ 측정 기준규격유무 규격 (Spec)
허용불량율유 무 LSL USL
폭틈새 평판 위에서 최대 이격거리 • -< 0.2mm
233ppm
길이 틈새 평판 위에서 최대 이격거리 • -< 0.2mm
233ppm
변형틈새 현재 없음 •
표면거칠기 현재 없음 •
CTQ 는 고객의 니즈를 우리내부의 제품 /프로세스 /서비스의 품질수준을 평가할 수 있도록 측정 가능한 지표로 전환
-USL(Upper Specification Limit): 규격상한
-LSL(Lower Specification Limit): 규격하한
-Ppm: 100 만분의 1 을 나타내는 단위 . 1g 의 시료 중에 100 만분의 1g, 물 1t 중 의 1g, 공기 1 ㎥ 중의 1cc 가 1PPM이다
성능표준 운영정의
42 page
Y 운영 정의 예 단위
실판매 경쟁력 당사 매출금액 /경쟁사 매출금액 * 100 %
구매고객율 구매고객수 /매장방문객수 * 100 %
배송 리드타임고객주문 ~ 고객배달 ( 접수 고객의 배달 ( 설치 ) 확인서 날인 )
일
판매예측 정확도 당월 판매량 /전월 판매계획 * 100 %
S/W 활용율 해당 S/W 로그인 횟수 회
OO취급점수PC 대리점 중 OO판매액이 월 1천만원 이상점
점
단위당 물류비 월간 물류비 /월간 물동량 (kg) 원 /kg
운 영 정 의 - 예 시
성능표준 운영정의
43 page
측정은 프로세스 또는 모집단의
규모
품질
용량
성능
특성
을 수치로 나타내는 것이다 .
우리는 우리가 모르는 것을 알 수는 없다 .
만약 아는 것을 수치로 나타낼 수 없다면 , 실제로는 제대로 알고 있는 것이 아니다 .
제대로 알고 있지 않으면 , 그에 대해 관리할 수 없다 .
우리가 관리할 수 없으면 , 운에 의해 결과가 좌우된다 .
- Mikel J. Harry, The Vision of Six
Sigma 중에서
측정 시스템 분석 개요
측 정 의 정 의
44 page
+ =
실제프로세스의 변동 측정 변동 관측되는 변동
비록 측정하여 수치로 나타난 데이터를 얻었다고 하더라도 그것이 항상 있는 사실을 그대로 보여 주는 것은 아니다 .
따라서 , 주어진 데이터가 어느 정도의 진실을 반영하고 있는지 확인할 필요가 있다 .
측정 시스템 분석 개요
관 측 치 변 동 요 소
45 page
실제 프로세스 변동을 파악하기 위해서는 먼저 측정시스템으로 인한 변동을 밝히고 이를 프로세스 변동과 분리시 켜야 한다 .
실제 프로세스 변동 측정 변동
장기 프로세스 변동
단기 프로세스변동
정확성
반복성
안정성
선형성
재현성
게이지로 인한 변동
관측된 프로세스 변동
작업자로 인한 변동
측정 시스템 분석 개요
관 측 된 변 동
46 page
측정시스템이 적절한 변별력을 갖추고 있는가 ? 측정시스템이 시간 변화에 따른 통계적 안정성을 유지 하는가 ? 프로세스 변동 및 규격한계선과 비교해 측정 오차 ( 변동 ) 는 작은 편인가 ?
rpdrptMS22
측정정밀도
rpdrptMS222
rpd
rpt
MS
2
2
2
분산
반복성
재현성
표준편차
정밀도산포
MSproducttotal222
정확도
MSproducttotal 평균
치우침
측정오차의 분해
정밀도정확도측정오차
측정시스템 평가 기준
47 page
※ Minitab 에서는 %R&R 을 %Study Var 로 , P/T 는 %Tolerance 로 보여 준다 .
%Contribution%R&R
또는 P/T
Distinct
Categories
양호 < 1% < 10% 10 이상
비용과중요성 고려
< 10% 10 ~ 30% 4 ~ 9
사용 불가 10% 이상 > 30% < 4
측정시스템 평가 기준
측 정 능 력 평 가 기 준
48 page
불량품의 수 , 결점의 수 등과 같이 개수를 세어 얻어지는 품질특성의 값
– 수입검사에서 부품의 양품 /불량품– 납기의 준수 여부– 제품시 험에서 통과 /실패
• 제품 결함 / 흠집의 수를 세는 데이터
– 철판의 흠집 수– 기술보고서의 페이지 당 타이핑 오류의 수
길이 , 질량 및 시간 등 연속량으로서 측정되는 품질 특성의 값
•계수형 데이터 ( 이산 데이터 )
•계량형 데이터 ( 연속 데이터 )
불량품 데이터 • 양품 / 불량품으로 구분되는 데이터
결점수 데이터
이항분포
포아송분포
정규분포
Data 종 류
데이터 수집
49 page
연속 Data 의3 가지 관점
연속 Data 의3 가지 관점
Data 는 중심치주위에 모이는경향이 있다
Data 는 중심치주위에 모이는경향이 있다
Data 는 산포를보인다
Data 는 산포를보인다
도수분포는어떤 특별한
모양을 나타낸다
도수분포는어떤 특별한
모양을 나타낸다
중심 위치의평가
중심 위치의평가
산포 크기의평가
산포 크기의평가
도수분포의모양평가
도수분포의모양평가
중심위치
산포의크기
분포의모양
계 량 데 이 터 3 가 지
관 점
데이터 수집
50 page
Data 수 집 계 획
절 차 중요품질특성인 CTQ 가 명확하게 되면 , 측정을 위한 Data 수집이 필요하다 .
Data 를 분석 가능한 정보로 변환하기 위해서는 Data 수집 방법론과 계획에 의한 Data
수집이 필요하다 .
측정관련자 모임 측정계획 수립
Data 수집수집 Data 검토
Data 수집
Data 정리
Step 1
Step 4Step 3
Step 2
데이터 수집
51 page
장/ 단 기 시 그 마 공 정 능 력 비 교
• 장기간의 공정능력은 공정의 중심이 이동되고 변동이 됨으로 , Zlt < Zst 의 관계에 있음
• Zshift = Zst - Zlt → Zst = Zlt + 1.5
공정에 외부적인 영향 ( 온도변화 , 작업자 변화 , 원재료 Lot 변화 등 ) 이 없다고 판단되는 짧은 기간
Zst(σst) Cp 개선하기 위해 기술 필요 최적 조건에서의 공정 능력 6σ 는 Zst = 6.0 을 의미
공정에 외부적인 영향이 반영되는 충분히 긴 기간으로서 , PPM Data,YRT 는 일반적으로 장기간의 공정능력임
Zlt(σlt) Ppk 개선하기 위해 기술과 공정관리가 필요 6σ 는 Zlt = 4.5 를 의미
장기 공정 능력 (Long Term) 단기 공정 능력 (Short Term)
Zlt 와 Zst
52 page
■ 측정된 Data 가 정규분포를 따르는 지를 알아볼 수 있는 도구 .
■ 통계적 추론에서 모 집단의 분포가 정규분포를 따르는지의 여부는 중요한 관심사로 Data 의
분석 이전에 이를 수행해야함 .
■ 정규성이 없는 Data 는 통계적 분석을 하더라도 그 분석에 대한 신뢰성이 저하되며 ,
개선 후 재현 실 험시 재현이 되지 않을 수 있음 .
■ 정규성이 없는 Data 의 처리 방법
-. 측정 시료 (Sample) 를 추가로 더 측정함 . (Data 가 많을 수록 정규성을 갖을 확률이 많음 )
-. Data 변환 (Box-Cox Transformation)
■ 정규성 판정 : -. P-value > 0.05 ( 정규성이 있음 )
-. P-value < 0.05 ( 정규성이 없음 )
정규성 검정
정 규 성 검 정 의 미
53 page
정규성 검정
Response (Days)
Cu
mu
lati
ve P
rob
abili
ty
4.5 5.5 6.5 7.5 8.59.5
.999
.99
.95
.80
.50
.20
.05
.01
.001
• P-Value= 0.320
• P-Value 가 0.05 보다 크므로 정규분포를 따름 .
정규성 검정
미 니 탭 결 과( 예 시)
54 page
시 그 마 수 준 정 의(1)
시그마 수준의 의미는 프로세스 성능 데이터가 고객핵심요구사항 (CCR) 을 어느 정도 만족시키고
있는가를 계량적으로 평가한 것임 .
결함의 정도를
정량적으로 표현
CTQ(Y)
- USL (Upper Specification Limit) : 규격상한- LSL (Lower Specification Limit): 규격하한- CCR (Critical Customer Requirements) : 핵심고객요구사항
USLLSL
CCR
현수준 파악 / 시그마 수준 정의
55 page
시 그 마 수 준 의 의 미
(2)
zz
-1-1 0.1586553
00 0.5000000
11 0.8413447
22 0.9772499
33 0.9986501
44 0.9999683
55 0.999999713
66 0.999999999
)zZPr( 이 값은 규격 (Spec) 이 평균으로부터 얼마나 떨어져 있는지를 표준편차의 단위로 보여 줌
예를 들면 , Z = 2 라면 규격 (Spec) 이 평균에서 2 표준편차( 시그마 ) 만큼 떨어져 있다는 것을 알 수 있음
제품의 평균과 표준편차를 기준으로 해서 그 제품 중 얼마 만큼이 규격에서 벗어나 있는지를 계산할 수 있음
Z: 표준정규분포σ : 표준편차 ( 시그마 )μ :모집단의 평균
μ
X
Z
X
Z
20
USL1
σ
USLσ
Y Z
현수준 파악 / 시그마 수준 정의
56 page
시 그 마 수 준 의 계 산 방 법모양 (Shape)
위치 (Location)
흩어짐 (Spread)
연속형 ( 연속 ) 이산형 ( 불연속 )
결함 (Defect)
DPU
DPMO
Sigma Metric : Z
Data
Spec
시그마 수준 / 연속형
57 page
불량품이 양쪽의 규격한계를 벗어난다면 아래에서 보는 것처 럼 USL 과 LSL 을 연관 하여 공정 능력을 설명할 수 있음
USLLSL
총불량률 , p(d)
– USL(Upper Specification Limit) : 규격상한– LSL(Lower Specification Limit) : 규격하한
프로세스에 규격상한과 규격하한을 벗어나는 측정값이 있다면 이
조건을 반영하는 Z 값을 구해야 함
시 그 마 수 준 의 계 산 방 법: 연 속 형( 양 쪽 규
격)
시그마 수준 / 연속형
58 page
Fail Pass Pass Pass Fail Pass Pass Pass Fail Pass
Pass Pass Fail Pass Pass Pass Fail Pass Pass Fail
Pass Fail Pass Pass Fail Pass Pass Pass Fail Pass
Fail Pass Pass Fail Pass Pass Fail Pass Pass Pass
Pass Fail Pass Pass Pass Fail Pass Pass Fail Pass
- 아래의 예와 같이 데이터 형태가 합격 , 불합격 혹은 양품 , 불량품 등과 같이 얻어지는경우는 불량률 혹은 수율을 계산하고 이에 해당하는 표준정규분포로부터 Z 값을 계산하여 시그마 수준을 구함
불량률 (Defective) Data 의 경우
52.0benchZ%707.050
35 수율%303.05015
)d(p
시 그 마 수 준 의 계 산 방 법:
이 산 형
시그마 수준 / 이산형
59 page
시 그 마 수 준 의 계 산 방 법:
이 산 형
데이터 형태를 합격 , 불합격의 형태가 아니고 각 불합격품의 결점 수 (Defect) 를 파악한 경우 :- 포아송 분포를 활용하여 하나의 제품이 합격할 확률 ( 수율 ) 을 구함
- 해당하는 표준정규분포로부터의 Z 값을 계산하여 시그마 수준을 구함
1 Pass Pass Pass 1 Pass Pass Pass 2 Pass
Pass Pass 1 Pass Pass Pass 1 Pass Pass 2
Pass 2 Pass Pass 1 Pass Pass Pass 1 Pass
1 Pass Pass 1 Pass Pass 2 Pass Pass Pass
Pass 3 Pass Pass Pass 1 Pass Pass 1 Pass
하나의 제품 ( 측정 Unit) 의 수율에 근거해 시그마 수준을 계산하기 때문에 검사항목이 많아서 평균 결점수가 큰 경우에는 상대적으로 시그마 수준이 낮게 평가되기 때문에 서로 다 른 프로세스의 비교 평가를 위해서 다음에 소개될 DPMO 방식을 사용하게 된다 .
결점수 (Defect) Data 의 경우
657.0 42.0
e
e dpu수율
42.05021
dpu
40.0benchZ
시그마 수준 / 이산형
60 page
Unit, Opportunity, Defect 정 의 Unit
Unit = 3 개 Opportunity / Unit = 5 개 총 Defect = 3 개
결점수 (Defect) Data 의 경우 : DPMO 방식
Opportunity
Defect
DPU 계산
DPO 계산
DPMO 계산
Z 값으로 변환
시 그 마 수 준 의 계 산 방 법:
이 산 형
시그마 수준 / 이산형
61 page
Defects Per Unit 한 개의 Unit 에 존재하는 평균 Defect 의 수 DPU = 총 Defect 수 / 총 Unit 수
Defects Per Opportunity
한 개의 기회 (Opportunity) 가 갖는 Defect 의 수
DPO = 총 Defect 수 /
( 총 Unit 수 X Unit 당 Opportunity 수 ) Defects Per Million Opportunities
DPMO = DPO 의 값 × 1,000,000
결점수 (Defect) Data 의 경우 : DPMO 방식
DPU 계산
DPO 계산
DPMO 계산
Z 값으로 변환
시 그 마 수 준 의 계 산 방 법:
이 산 형Unit, Opportunity, Defect 정 의
시그마 수준 / 이산형
62 page
지금까지 수율 (YFT)누적 수율 (YRT)
시 그 마 수 준 의 계 산 방 법:
수 율
최종 공정만을 고려함
재작업및 부품 폐기를 고 려하지 않음
무결점의 가능성을 제시 하지 못함
최종 공정의 품질 조사
공정이 여러 개로 구성된 점을 고려하지 않음
YFT =S / U
여기서 S = 합격 대수 U = 검사 대수
공정의 각 단계 ( 기회 수 ) 를 고 려함
재 작업및 부품폐기를 고 려하여 관리
무결점의 가능성을 제시함
각 공정의 품질 조사 -d / u
공정이 여러 개로 구성된 점을 고려함
YRT = e
또는 = Y1*Y2*.....*Yn
수율 (Yield)
63 page
시 그 마 수 준 의 계 산 방 법: YRT (Rolled Throughput Yield)
협력사로 부터 부품 공급 받음 .
95.5% Yield
45,000ppm손실
97% Yield
94.4% Yield
28,650ppm손실
51,876ppm 손실YRT=.955×.97×.94.4=87.4%
Time
125,526 parts per million 손실의 기회
수율 (Yield)
64 page
고객의 소리 (VOC)
USLUSLLSLLSL
먼저 데이터의 중심을 목표치로 이동하고 산포를 줄인다
공정능력은 고객의 요구사항 ( 규격한계 , Spec limits) 과 프로세스 관리범위 (±3σ, control
limits) 의 정량적 비교로써 판단함 프로세스 ( 공정 ) 능력의 정량화를 위해 가장 많이 사용하는 것은 공정능력지수 Cp, Cpk 임
공 정 능 력(Process Capability): 정 의
공정능력 분석
65 page
공정 /제품 능력 지수 (Cp) : 상위 및 하위 규격 한계에 대한 공정 /제품의 변동의 관계를 나타냄
6LSLUSL
Cp
USLLSL
T
6
6
6USL : Upper Specification Limit ( 규격상한 )LSL : Lower Specification Limit ( 규격하한 ) T : ( USL + LSL ) / 2
Normal variation of the process
Allowed Variation (spec.)=
공정자연변동규격허용범위
=
공 정 능 력(Process Capability): 정 의
공정능력 분석
66 page
공 정 능 력(Process Capability): 공 정 능 력 지 수(Cp, Cpk)
2LSLUSL
ˆ2USLLSL
K
USLLSL
ST
T=
USLLSL
ST
T =
치우침을 고려한 경우의 공정능력지수치우침이 없는 경우의 공정능력지수
STˆ6
LSLUSLCp
STˆ3
LSLˆCpl
STˆ3
ˆUSLCpu
공정능력 분석
Cpk = (1-k)Cp
67 page
데이터는 대략적으로 정규분포를 따르고 있음을 알 수 있다 . 프로세스 평균은 목표값에 가까이 있으나 산포가 커서 불량이 많이 발생하는 것을 알 수 있다 . 단기공정능력 (ST) 은 0.35, 장기공정능력 (LT) 은 0.31 으로 공정능력이 매우 낮은 것으로 나타났는데 이를
개선하기 위해서는 산포를 감소시 키는 것이 필요하다 .
단기 (ST장기 (LT) 의
표준편차
단기 (ST)공정능력지수
기대내부성능 기대전체성능
전체 공정능력
잠재적 공정능력
관측성능
미 니 탭 활 용:
공 정 능 력 지 수
공정능력 분석
68 page
데이터 (DATA) 란 무엇인가 ?
(1) 논리의 기초가 되는 자료
(2) 관찰에서 획득한 사실
의미 있는 Data
타당한 Data
필요한 Data
데이터 정의
데이터 수집
데이터 처리 및 표현
데이터(Data)
정 보(Information)
통 계
통계란 ?
69 page
통 계
표본설계
관찰
통계적 분석
검토
조치와 행동
모집단
의사결정
표 본
데이터정보획득
통계란 ?
추측통계학
기술통계학
70 page
통 계
실제의 문제 => 통계의 문제 ( 평균 , 산포 )
48 49 50 51 52 53
출력특성 (Output Characteristic Response)
평균(Location)
Mean, Median,
Mode
산포(Spread)
Variance, Standard
Deviation,Range
모양 (Shape)
Skewness,Kurtosis
통계란 ?
71 page
한 집단을 대표 하는 값
평균의 종류평균의 종류 산술평균 (X)
중앙값 (X)
최빈값 (Mode)
~
어떤 값을 사용해야 한 집단을 대표하는 값이라 할 수 있는가 ?
- -
우리집대표는 ?
평 균
통계란 ?
72 page
척도 장점 단점
평균
-통계학에서 가장 많이 쓰이는 중심 위치 측도
- 계산이 쉬우며 데이터에 대한 유용한 정보 제공
-μ 를 추정하기 위한 기본 가정
- 이상치에 의해 평균값이 크게 좌우 됨
중앙값
- 데이터 수가 비교적 적을 때 계산이 쉽다
( 시료의 크기가 10 개 이하일 때 효율적 임 )
- 이상치에 크게 좌우되지 않음
- 표본이 변하게 되면 평균보다 중앙값의
변화가 크다
( 표본값에 기초하여 모집단의 중심 위치를
추정한다면 중앙값 보다 평균을 사용하는
것이 안정적 임 )
최빈값
- 데이터의 크기가 클 때만이 중요한 의미가 있음
- 계산할 필요가 없음
- 정량적 자료 뿐만이 아니라 정성적 자료에도
사용 가능
- 거의 시용되지 않음
- 데이터 수가 작은 경우 거의 의미가 없음
평 균 장 단 점
통계란 ?
73 page
데이터가 흩어진 정도
평균수심 10 미터
라더니 !
데이터의 흩어진 정도는 무엇으로 나타내면 정확 할까 ?
통계란 ?
산 포 란?
74 page
• 현상 모든 Data 에서 유사한 일부 Data 에서 평소와양상으로 나타남 다른 양상으로 나타남
• 구성 다수의 사소한 원인 소수의 주요원인
• 특성 안정적 , 예측가능 산발적 , 예측불가
• 개선조치 제도적인 산포 감소 결속 또는 제거
• 책임구분 관리자 /엔지니어 현장 감독자 /작업자
• 산포의 구성 85% 15%
산 포
우연 원인 이상 원인
•일반적인 프로세스내에서 단시간 내 또는 한 사람을 작업할 때는 장시간 , 여러 사람들이 작업할 때보다 변화가 적다 . 특히 장기간에 걸친 변화가 단기간에 걸친 변화보다 1.5 표준편차 정도 더 산포가 벌어진다 .
•이러한 1.5 표준편차 차이를 Sigma 이동 (shift) 이라 한다•변화 관련 어휘 - 단기 vs. 장기 , 우연원인 vs. 이상원인 , 집단 내 vs. 집단간
산 포 발 생 원 인
통계란 ?
75 page
• 범 위 (Range) = 최고값 - 최저값
• Sum of Squares = Σ
• 분 산 (Variance) =
• 표준편차 (Standard Deviation) = s = s2
Σ (Y - 평균 )2
(n - 1)s2 =
(Y - 평균 )2
산 포 종 류
통계란 ?
Data 의 유 형
========
통계 측정치
========
기준과의 비교=======
=
Z-Value=======
=
이산 데이터
DefectDefectUnitUnit
OpportunityOpportunityDPMODPMO
연속 데이터평균 평균
표준편차표준편차그래프 모양그래프 모양
SPECZ-Value
시그마 계산
Sigma 수 준 파 악
통계란 ?
77 page
평균 = 100 이고 표준편차 = 10 인 정규분포 평균 = 100 이고 표준편차 = 10 인 정규분포
• 수학적 모형• 연속적 • 유연한 • 대칭적 • 꼬리가 X 축에 점근함 • 종모양 • 평균 = 중간값 = 최빈수 • 곡 선 아래의 전체 면적 = 1
평 균
중간값
최빈수
표준 편차의 1 단위
• 표준편차의 크기가 의미하는 것 ± 1 표준편차는 Data 의 68.3 % 를 포함한다
± 2 표준편차는 Data 의 95.4 % 를 포함한다± 3 표준편차는 Data 의 99.7 % 를 포함한다 .
• 공정 상태를 평가하기 위해서는 공정의 특성을 ( 중심위치 , 산포 , 및 모양을 통해 ) 규격과 목표수준과 비교해야 한다 .
+ 8- 8
70 80 90 100 110 120 130
정 규 분 포 란?
통계란 ?
78 page
정규분포 평균 = 100 , 표준편차 =
10
정규분포 평균 = 100 , 표준편차 =
10
+ - 13070 80 90 110 120100
표준 정규분포 평균 = 0 , 표준편차
= 1
표준 정규분포 평균 = 0 , 표준편차
= 1
+ - 3-3 -2 -1 1 20
Z = (X - μ)
σ
표 준 정 규 분 포 란?
통계란 ?
79 page
Analysis( 분석 )
Analyze Improve Control Define Measure
80 page
Analyze 단 계
목 적
..
..
..
잠재인자도출
잠재인자 분석
Vital Few X’s
선정
잠재인자 선정 및 우선순위화
잠재 원인변수 (X's) 가 CTQ(Y) 의 변동에 미치는 영향을 분석하기 위하여 적절한 분석계획 ( 가설 ) 을 수립하고 검증방법을 결정한다 .
수립된 가설에 근거한 데이터 수집계획을 세우고 데이터 수집활동을 시작한다 .
CTQ(Y) 의 변동에 영향을 미치는 Vital Few X's 를 규명하기 위해 수 집된 데이터에 대하여 객관적이고 논리적인 분석을 수행한다
정성적 분석 , Graph 분석 , 통계적 분석을 실행한다 .
근본원인분석에서 분석으로 얻어진 결과를 정리하여 CTQ(Y) 의 잠재적 핵심 원인변수 (X’s) 를 우선 순위화한다 .
CTQ(Y) 의 목표달성 가능성 및 경제성을 고 려하여 프로젝트에서 해결할 핵심 원인변수 (Vital Few X's) 를 선정한다 .
분석단계 실시 순서
81 page
활 용 도 구
2 2 4 813 6.9 6.913.827.644.8
100.0 93.1 86.2 72.4 44.8
30
20
10
0
100
80
60
40
20
0
Defect
CountPercentCum %
Per
cen
t
Cou
nt
Pareto Chart for Cause
5 Why5 Why5 Why5 Why
프로세스 매핑프로세스 매핑 (SIPOC)(SIPOC)프로세스 매핑프로세스 매핑 (SIPOC)(SIPOC)
X-Y Matrix / C-E X-Y Matrix / C-E X-Y Matrix / C-E X-Y Matrix / C-E
PARETOPARETOPARETOPARETO
잠재인자 선정
82 page
X-Y Matrix: 정 의
정 의
고객의 요구사항 이해 및 중요성을 강조하기위한 단순화된 QFD(Quality Function Deployment) matrix
기본자료로 Process Map 을 이용한 핵심 Input 변수와 Output 변수 (CTQ) 의 관련성
고객에 중요한 정도에 의해 핵심 Output 변수 평가
핵심 Output 변수와의 관련성에 의해 핵심 Input 변수 평가
잠재인자 선정
83 page
고객에 대한 중요도 3 1 9 9 9
1 2 3 4 5
연락
없이
미개
통
지연
방문
등
불안
전한
개통
당사
사유
에 의
한 미
개통
고객
사유
에 의
한 미
개통
Total
Process Step Process Input
고객센터 고객정보 오류 9 3 1 1 1고객센터 개통불가능 지 역 1 1 1 1 1고객센터 개통 예정일 오류 1 1 1 1 1고객센터 서비스 누락 3 9 1 1 1품질관리과 모뎀부족 1 1 1 9 9품질관리과 MDF 불량 1 1 1 9 9선로기술과 케이블 부족구간 1 1 1 9 9고객시설과 프로우메니져의 업무량 과다 1 1 1 3 1협력업체 개통요원의 기량부족 1 1 1 1 1
어떤 Input 변수가 Output 변수를 설명하는 데 가장 중요한지를 알게 됨어떤 Input 변수가 Output 변수를 설명하는 데 가장 중요한지를 알게 됨
최종점수 합계를 크기 순으로 정리하여 가장 중요한 Input 변수를 찾아낸다KPIV’s 에 대한 관리 계획을 평가 (Pareto 분석 ) 할 수 있다
최종점수 합계를 크기 순으로 정리하여 가장 중요한 Input 변수를 찾아낸다KPIV’s 에 대한 관리 계획을 평가 (Pareto 분석 ) 할 수 있다
합계와 우선순위합계와 우선순위
57313145
2751751754931
X-Y Matrix( 예 시)
잠재인자 선정
84 page
* 동경대학 石川 ( 이시가와 ) 교수가 1953 년에 고안한 기법* Fishbone , 특성요인도 등으로도 불림 .
특 성
요 인
특성 ( 일 , 프로세스의 결과 )
요 인 ( 원 인 )
문제되고 있는 특성 (Process 의 결과 ) 과 그 특성에 영향을 끼친다고 생각되는 요인 ( 원인이 되는 것 ) 과의 관계를 계통적으로 이해할 수 있도록 그린 그 림 . - 문제의 해결 , 개선을 위한 관리에 유용한 수법
C-E(Cause-Effects) 다 이 어 그 램
잠재인자 선정
85 page
EnvironmentEnvironment Machine( 전산 System )Machine
( 전산 System )
ProcessProcessMan( 회계 /전산 /FS/협력회사 )
Man( 회계 /전산 /FS/협력회사 )
System Server 이원화
•본부회계•가맹회계
작업량 증가
기능 다원화
수불 재작업
•자료미송•본부 일괄매입 빈번
장부발행 / 분리작업
•절취 / 취합시간
장부 배부 Timing
Lead time 이 길다Lead time 이 길다회계관련 지식이해도
근무 경험
프로그램 호환미흡
•동일유형 Error반복•Up Grade 부족
프린터 고장
•발행시간 장시간 소요•A/S 빈번
정산 재작업
•전표처리 / 확인절차
•F/S 를 통한 전달
Job Rotation
•신규점 / 양수도점
•경영회계 / 재경 / •전산 / 협력업체… ..
제도 /정책 미흡
Out sourcing
•협력업체 독점
숙련도
•수작업 처리속도
•필드서포터 역량•교육
•일마감 정착 미흡•정산자료 매뉴얼 배포
•실무자 교체빈번
송금 & 입금확인
•미송 /과송 Check
Schedule 작성
•근무일수 산정
C-E 다 이 어 그 램 - 예 시
잠재인자 선정
86 page
– Constant
• 상수 • Y에 영향을 주지만 일정 조건으로 고정되어 있는 입력 변수
( 예 ) 목표 품질특성 , 환율 , 라인 내 온도 (18 도 ) …
– Noise
• 잡음변수• 제어하기 매우 어려운 입력 변수
– Controllable
• 제어 가능한 변수• Y에주는 영향을 측정할 수 있을 정도로 쉽게 변화를 줄 수 있는 입력변수
– SOP (Standard Operating Procedure: 표준운영절차• 업무 ( 작업 ) 의 결과 ( 품질 ) 가 항상 균일하게 유지될 수 있도록 작업의
방법 , 순서를 표준화한 절차서
프 로 세 스 매 핑 응 용 : KPIV (key Process Input Variable)
잠재인자 선정
87 page
KPOVKPIV
• 라면 고르는 시간 ( 유효기간 )
• 양호한 라면 확인시간
• 물 준비 시간
• GAS ON 시간• 물 끓는 시간
• 라면 준비시간
• 스프 넣는 시간
• 야채스프 넣는 시간
• 계란 넣는 시간
• 추가 끓이기 시간
• GAS OFF 시간
• 라면 (C)
• 라면 유효기간 (X)
• 라면 남비 (C)• 물세기 (X),물양 (X)
• 라면 (C)• 스프 (C)• 야채스프 (C)• 계란 (X)
• GAS (C)• GAS 량 (N)• 라면끓이는방법 (SOP)
• 힘 (X)• 밸브 (C)
• GAS 밸브 (C)• 힘 (X)• GAS 불세기 (N)• 라면끓이는 방법 (SOP)
라면 고르기
양호 ?
물 올리기
GAS ON
라면넣기
끓는가 ?
스프넣기
야채스프넣기
계란넣기
GAS OFF
OK?
더 끓이기
START
NVA
NVA
NVA
NVA
NVA
VA
VA
VA
VA
VA
VA
VA
60 초
30 초
5 초
270 초
15 초
20 초
10 초
15 초
120 초
2 초
사례사례 ) ) 라면 맛 만족도 향상라면 맛 만족도 향상 __시간시간
잠재인자 선정 프 로 세 스 매 핑 응 용 (
예 시)
88 page
• 그릇 (C)• 김치 (X)• 수저 (C)• 상 (C)
• 그릇 이동시간
• 김치 꺼내는 시간
• 수전 놓는 시간
• 상 이동 시간
KPIV KPOV
김치 꺼내기
수저 놓기
상내기
먹기
종료
그릇 옮기기 NVA
NVA
NVA
NVA
VA
30 초
30 초
10 초
15 초
잠재인자 선정
프 로 세 스 매 핑 응 용 (
예 시)
89 page
고객 환영
주 문 확인
주문시트 작성
주문시트 검토
내부 P/N 확보
•Cycle Time•고객 첫인상
•Cycle Time•요구항목과의 Gap
•주문 확인 만족도
•고객 정보 (X) , 인사 기술 (X)•응답 절차 (X)•Telephone system (N)
•P/N 에 대한 교차참조 (X)•주문 정보 (N), 재고 정보 (N)•가격 결정 프로그램 (C)
KPIV
•Cycle Time•요구항목 확보율
•재고 기준 (C)•구매 능력 (N)•외자 의존율 (N)
•Cycle Time•주문시트 완결성•고객이해 편리성
•작성자 경력 (X)•시트작성 절차 (X)•작성양식 참고여부 (X)
•Cycle Time•검토 완결성
•검토자 경력 (X)•검토할 당시의 감정 (N)•주문에 대한 전문지식 (X)
**프로젝트의 Y’s : 주문처리시간 , 요구 정확도 , 고객 만족도
KPOVProcess
사례사례 ) ) 주문처리 프로세스 분석주문처리 프로세스 분석 프 로 세 스 매 핑 응 용 (
예 시)
잠재인자 선정
90 page
잠재인자 선정
프 로 세 스 매 핑 응 용 (
예 시)
공정 불량개선 프로 젝트 사례
91 page
발생된발생된문제문제
발생된발생된문제문제
발생된발생된문제문제
발생된발생된문제문제
발생된발생된문제문제
레벨 A
레벨 B
레벨 C
레벨 D
프로젝트레벨
왜 ?
왜 ?
왜 ?
왜 ?
왜 ?라는 질문에 더 이상 답을 할 수 없을 때
당신의 적합한 프로젝트 레벨을 찾은 것이다 .
잠재인자 선정
5 Why
92 page
문제현상 왜 -1 왜 -2 왜 -3 왜 -4…
xx 부위에 screw 의 풀림이 자주 발생하고 있다
처음부터 잘못 조여졌다
작업자가 잘못 작업하였다
올바른 작업
방법을 모른다올바른 작업 표준이 없다
xx 부위 진동이
10dB 이상이다
볼트 고정이 불안정하다
규정 볼트를
사용하지 않았다알고는 있으나 지키지 않았다
회전 통이
떨린다볼트의 지지력이 약하다
볼트의 설계가 잘못 되었다
조작부 인쇄 불량 발생하였다
잘못 인쇄된
조작 판넬이 입고되었다
검사원 잘못 검사하였다
검사 시간의
부족하다
입고물량의
편중되어 있다
왜를 거 듭하면 ,
요인이 늘어나게 되는 데 다음 왜로 넘어가기 전에 반드시 현상을 확인할 것 .
잠재인자 선정
5 Why
93 page
프로젝트의 잠재 X’s 모두를 분석할 것인가 ?
– 통상 잠재 X’s 는 30 여개 이상으로 , 모두를 분석하기 보다는 우선 중요한 X 들을 선정하여 중점적으로 분석하는 방법이 효율적이다
잠재 X’s 의 우선 순위화 결정– X-Y Matrix
현재까지 가지고 있는 기술적 경험과 지식을 모아 , 프로젝트 Y 에 영향을 미치리라고 생각되는 것들을 모았다 . 하지만 너무 많지 않은가 ?이중에는 별로 영향이 크지 않은 것들도 있어
보이는데……어떻게 팀원들의 의견을 모아 영향이 크다고
생각되는 것들을 골라낼 수 있을까 ?
잠재인자 우선 순위 결정
우 선 순 위 목 적
94 page
잠재인자 우선 순위 결정
우 선 순 위 화 사 례(1)
95 page
D MM A I C
상관관계 大 : 3 中 : 2 小 : 1
Y 인자에관한 X 인자의 상관관계 大大 : 5 小 : 2 大 : 4 小小 : 1 中 : 3
CustomerKey
ProcessOutput
Variable
압착불량
CustomerPriorityRank #
3
Key ProcessInput Variable
발생 빈도 Association Table Rank
% Rank
상 jig 형상 5 15 225 21.01
Cap 형상 5 15 225 21.01
piston 형상 4 12 144 13.45
하 jig 센터 4 12 144 13.45
상 jig 리턴 속도 3 9 81 7.56
Element 깊이 3 9 81 7.56
Spring 휨 3 9 81 7.56
상 jig 와 valve 와의 평행 2 6 36 3.36
Spring 전장 2 6 36 3.36
클램프 벌어짐 속도 1 3 9 0.84
실린더 이송거리 1 3 9 0.84
클램프 벌어짐 속도 0 0.00
잠재인자 우선 순위 결정
우 선 순 위 화 사 례(2)
96 page
목 적 도출된 잠재인자 중 Quick Fix 과제를 찾아내어 즉시 실행을 한다 .
필요성 간단한 산포의 차트화 및 프로세스 맵을 통하여 비교적 손쉽게 개선을
시킬 수 있는 명확한 기회를 가질 수 있다 .
( 일반적 상식차원에서 개선기회 포 착 )
Quick Fix 실행
Quick Fix 목 적
구현의 용이성 구현의 신속성
저비용의 구현 팀 통제하의 구현
개선이나 변경이 큰 조정이나 계획은 필요로 하지 않음 개선이나 변경이 많은 시간을 요하지 않음
개선이나 변경을 위해 막대한 자본이나 인력 , 장비나 기술에 대한 투자를 필요로 하지 않을 것
팀의 통제 하에 프로세스를 변경하기 위해 필요한 인력지원을 쉽게 얻을 수 있으며 , 변경의 범위도 팀이 통제할 수 있는 범위 내에 있을 것
97 page
항목 Six Sigma 과제 즉 개선 과제 (Quick Fix)
문제 발생 유 형
만성적 문제
- 기존 개선활동으로 개선이 안 됨 ( 실패 경험 )
- 문제 해결을 위한 책임자 불분명
- 목표 달성에 지속적으로 실패 하는 문제
개선 후 재발성 과제
- 개선 후 동일 문제 재발 ( 년 2회 이상 )
사업부내 초기 과제
- 사업부내 동일유형 진행이 없는 과제 (BB)
- 유사 프로 젝트 과제 (GB)
일회성 문제
- 변경 점 관련 문제 등
해결 책이 있는 과제
- 기 투자 예정인 과제 등
단순 시방 변경성 과제
유지 관리성 과제
재무 성과경영성과와 직결되는 규모가 큰 과제
- BB : 1 억 원 이상 , GB : 2 천만 원 이상
소규모 과제
- Input 대비 Output 이 미비
기간 최대 6 개월 이내 (DFSS 8 개월 이내 ) 제한 없음 ( 일반적으로 단기간 )
경영 계획 연계
경영계획 연계 과제
재무 : 손익 /매출
C.S : Claim, 시장 불량 율
영업 : M/S, 매출액
생산 : 수율 , Cost
개발 : 신규 개발
단순 과제
- 제안성 등
Quick Fix 실행
과 제 구 분 예 시
98 page
무 엇 을 분 석(Analyze) 해 야 하 는
가?
Define 과 Measure 단계에서 정의 , 도출된 CTQ 와 잠재적 원인변수들간의 관계를 명시한 가설이 옳은지를 분석 한다 .
식스시그마의 목적이 단순히 문제의 기술과 확인에 불과하다면 가설 설정은 불필요하다 .
그러나 식스시그마는 문제에 대한 상관 /인과관계를 분석하고 해결하는 혁신 활동이 므로 가설 설정은 필수적 !!
가설가설 (Hypothesis)(Hypothesis)
CTQCTQ 잠재적 원인변수잠재적 원인변수
CTQ
VOC VOB
CCR CBR
프로세스 분석
특성요인도
Wh
y-Becau
se
Lo
gic tree
X-Y Matrix, FMEA
가설설정
99 page
평균 , 분산 , 불량률 등에 대한 어떤 판단을 내리기 위하여 , 모집단에서 샘플을 취하여
데이터를 얻고 이 데이터에 기초하여 통계 이론에 의한 결론을 내리는 과정 추정 (Estimation) : 점 , 구간
가설검정 (Hypothesis testing) 분야 :
• 추 정
• 가설 검정
샘플을 이용하여 모집단의 어떤 미지의 값을 추측하는 과정 .
샘플을 이용하여 모집단에 대한 어떤 예상 또는 주장의 옳고 그름을 판정하거나 ,
주장의 채택 또는 기각을 결정하는 과정 .
가설설정
통 계 적 추 론
100 page
가 설 의 정 의 와 모 델
가설이란 CTQ 와 잠재적 원인변수들과의 관계에 대한 잠정적인 결론이다 .
–두 개 이상의 변수 또는 현상간의 관계를 검증 가능한 형태로 서술한 하나의 문장
–문제에 대한 잠재적 설명으로 과학적 조사에 의해 경 험적 검증을 거칠 것을 요구하는 것
–독립변수와 종속변수의 관계를 서술문으로 표현
변수 A 와 B 는 관련이 있다 . A 가 높을수록 B 도 높다 .
If A.....then B
CTQ 와 이 변수들간의 관계 하나하나가 가설이 된다 .
< 예> 음식점에서 ,
음식품질이 좋을수록 고객 만족도는 증가한다 .
가격이 저렴할 수록 고객 만족도는 증가한다 .
부가서비스가 많을수록 고객 만족도는 증가한다 .
각각의 연구 가설을 통합 하면 , CTQ 에 대한 역학 관계를 이해할 수 있는 가설 모델이 된다 .
음식 품질
가 격
부가서비스
고객 만족도
가설설정
101 page
가 설 의 구 성
예 ) 배달 예정시간을 미리 안내 (x) 하면 클레임발생 횟수 (CTQ) 가 줄어든다 .
독립 /설명 /원인 변수
• 일정하게 전제된 원인을 가 져다 주는 기능을 하는 변수
• 실험설계에 있어서는 연 구자에 의하여 조작되는 변수
잠재적 원인변수 (x)
종속 /결과 변수
• 독립변수의 원인을 받아 일정하게 전제된 결과를 나타내는 기능을 하는 변수
• 실험설계에 있어서는 독립변수의 변이에 따라 변하는 것으로 예측되는 변수
CTQ
가설설정
102 page
대립가설과 상반되는 가설로서 ,
일반적으로 알려져 있는 사실은
귀무가설로 설정한다 .
• 대립가설 (alternative hypothesis) : H1• 귀무가설 (null hypothesis) : H0
데이터로부터 확실한 근거에 의하여
입증하고자 하는 가설을 대립가설로
설정한다 .
가설설정
가 설 설 정 방 법
(예 ) 개선 공정 B 의 수율이 기존 공정 A 의 수율과 다른지를 데이터를 이용해서 판단하는 것이다 .
bb
a1ao :H :H
통계적 해석 : 공정 A 와 B 의 모집단이 동일하다 .
실제적 해석 : 두 공정간에 수율의 차이가 없다 . 즉 , 개선 공정의 수율이 기존 공정에 비해 높아졌다고 볼 수 없다
통계적 해석 : 공정 A 와 공정 B 의 모집단은 다르다 .
실제적 해석 : 공정 B 의 평균수율과 공정 A 의 평균수율이 다르다
103 page
위험과 위험
제 2 종 오류를 소비자 위험이라고도 한다 .
제 1 종 오류를 생산자 위험이라고도 한다 .
H1 사실
Ho 기각
(H1 채택 )
제 1 종 오류 위험
제 2 종 오류 위험
옳은 결정
옳은 결정
Ho 채택(H1 기각 )
가설 설정
H0 사실
가 설 설 정 방 법
104 page
제 1 종 오 류 와 제 2 종 오 류 (2)
21
= 0.05
가 늘어나면 가 줄어든다
Critical value = 임계치 왼쪽 분포의 95% 신뢰한계 ( = 0.05)
가설설정
105 page
가설 설정
• 유의수준 (significance level)
• P 값 (P-Value)
귀무가설 H0 가 참일 때 대립가설 H1 을 채택하는 오류를 범할 확률의 최대
허용한계이다 . 즉 , 제 1 종 오류를 범할 확률의 최대 허용한계이다 .
귀무가설이 맞음에도 불구하고 이를 기각하고 대립가설을 채택할 때 , 생산자가 기꺼이 부담하겠다고 생각하는 위험의 최대값
주어진 데이터에 의거 귀무가설을 기각할 때 제 1 종 오류를 범할 확률의 최대값 . 주어진 데이터에 의거 귀무가설을 기각하고 대립가설을 채택할 때 , 생산자가
부담하게 될 위 험의 최대값
유 의 수 준 과 P 값
106 page
P-Value 가 유의수준 보다 크면 귀무가설을 채택하고 작으면 귀무가설을 기각한다 .
가설 검정
P-Value
H0 기각치
107 page
통 계 적 가 설 검 정 의 수 행 절 차
1. 문제 정의
2. 가설 검정의 목적 기술
3. 가설 설정 ( 내리고자 하는 판단 결과를 H1 그 반대를 Ho 로 설정 )
4. 적절한 검정 통계량 결정 ( t, F, χ2 )
5. 위험의 수준 결정 ( 보통 10%)
6. 위험률 수준 결정 ( 보통 5% 혹은 1%)
7. Sampling 계획 수립
8. Sample Size 결정
9. Data 수집 및 데이터의 정규성을 검정
10. 데이터로부터 검정 통계량을 계산
11. 만약 P(Probability) 값이 < 이면 , H0 를 기각한다 .
만약 P(Probability) 값이 이면 , H0 를 기각할 수 없다 .
통계적 결론으로부터 실제적인 문제로 해석하여 결과를 적용
가설설정
108 page
통 계 적 가 설 검 정 의 수 행 절 차 : 사 례 (1)
1차요인 주영향요인 가 설 검증방법및 계획
Quick - Fix
1 차 Wave 시 개선 완료→ Grade 별 졸분리 배출공정능력분석
측정방법 :’99,10~12월 3 개월간의 Check Sheet 활용LotLot
내이색내이색LotLot
내이색내이색
함침 원단에의한 영향
함침 원단에의한 영향
인쇄 잉크에의한 영향
인쇄 잉크에의한 영향
Regression, 관리도
측정방법 (1): 경시 변화에 따른 비중 /점도 /색도 Lab Test 실시측정방법 (2): 공정중Color 별 비중 /점도 /색도 측정 → 30 분간격 × 5 일
Quick - Fix
•자동점도 조절계 적용→ Vixcomex500
•2/20 #1Unit완료예정
(2)
Sol 의 Grade 가 배합 ,이송중 섞여 색상차가 발생한다Sol 의 Grade 가 배합 ,이송중 섞여 색상차가 발생한다
Grade 별 점도및 Coating두께 차가 발생한다Grade 별 점도및 Coating두께 차가 발생한다
색상차이발생
색상차이발생
두께차이발생
두께차이발생
점 도 차점 도 차
코팅두께차코팅두께차
Sol Grade섞임
Sol Grade섞임
초기 점도차발생
초기 점도차발생
MEK 보정불규칙
MEK 보정불규칙
공정점도경시변화공정점도경시변화
잉크 초기의 점도 차이에따라 색의 경시가 다르다잉크 초기의 점도 차이에따라 색의 경시가 다르다
MEK 의 보정량 불균일로색의 농도가 변한다MEK 의 보정량 불균일로색의 농도가 변한다
잉크 경시 변화에 따른비중 ,점도 , 색도가 다르다잉크 경시 변화에 따른비중 ,점도 , 색도가 다르다
가설설정
109 page
• 사례 (예시적 )
문제
— 두 공정 중 하나를 개선 했다 . 개선된 공정의
수율이 좋아졌는지를 알아보고자 한다 . 개선
공정에서 샘플을 뽑아 수율을 측정한 후에 , 수율에
실질적인 차이가 있었는지를 어 떻게 알 수 있을까 ?
기존의 공정과 개선 공정의 수율에 대한 데이터가
다음과 같다 . 공정 B 는 개선 공정을 나타 낸다 .
“ 공정 A 와 공정 B 에 실제적인 차이가 있는
가 ?”
공정 A 공정 B
89.7 84.7
81.4 86.1
84.5 83.2
84.8 91.9
87.3 86.3
79.7 79.3
85.1 82.6
81.7 89.1
83.7 83.7
84.5 88.5
개선 전 대 개선 후
가설 검정
110 page
기술 통계학
변수 프로세스 N 평균 표준편차
수율 A 10 84.24 2.90
B 10 85.54 3.65
개선 공정 B 의 수율이 기존의 공정 A 의 수율보다 좋아졌다고 할 수 있는가 ?
공정 B 의 평균 (85.54) 과 공정 A 의 평균 (84.24) 의 차이가 통계적으로 유의한 차이가 있는가 ?
아니면 , 평균의 차이가 단지 시간변동에 의한 차이인가 ?
a) 무엇을 알려고 하는가 ?
b) 어떻게 그것을 알아낼 것인가 ?
c) 어떤 도구를 사용할 것인가 ?
d) 어떤 데이터가 필요한가 ?
e) 어떻게 데이터를 수 집할 것인
가 ?
가설 검정
• 실제적인 질문
• 통계적인 질문
111 page
분 석 의 유 형문제가 어느 영 역에
있는지 판별탐색적 자료 분석
정성적 분석 정성적 분석
분석 유형분석 유형분석 유형분석 유형
그래프 분석 그래프 분석
통계적 분석 통계적 분석 문제에 어떤 변수가얼마 만큼 영향을
주는지 정량화
정량화 되지 않는 현상 또는 고유 기술적 문제에 대하여 상호관련성을 명확화
Vital Few X’s
상호 보완
잠재인자 분석
112 page
그 래 프 분 석
목 적
복잡한 상황을 간결하고 명확하게 나타 낼 수 있음 많은 양의 정보를 요 약해서 표현할 수 있는 효율적인 방법임 특성치의 변동상황을 한 눈에 알아 볼 수 있으며 , 어떤 추가적인 분석방법이 적절할 지 알아낼 수 있음
가설에 근거하여 적절한 Graph 방법을 선택
Graph 분석 결과를 정리하고 결 론을 도출 .
주요활동
그래프 분석
113 page
Y 데이터의 분포 형태- 히스토그램 (Histogram)
- 줄기 - 잎 그림 (Stem and Leaf)
- Dot Plot
X 에 따른 Y의 분포 비교- Multiple Dot Plot
- Box Plot
항목별 비교- 파레토 그림 (Pareto Chart)
- 원 그래프 (Pie Chart)
- 막대 그래프
X 와 Y의 관계- 산점도 (Scatter Plot)
- Marginal Plot
Y의 시간적인 변화- 시계열 플롯 (Time Series Plot)
그래프 분석
그래프 분석
114 page
1-Sample Z 검정과 추정
단일 모집단 ( 표준편차를 알고 있을 경우 )
1-Sample t 검정과 추정
단일 모집단 ( 표준편차를 모 르고 있을 경우 )
2-Sample t 검정과 추정
독립된 두 모집단 ( 표준편차를 모 르고 있을 경우 )
Paired t 검정과 추정
대응비교
표본 크기
One Sample Z
Two Sample t
평균의 검정과 추정
비율의 검정과 추정
산포의 검정과 추정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
115 page
1-Proportion
단일 모비율에 대한 검정
단일 모비율에 대한 추정
2 -Proportions
두 모비율에 대한 검정
두 모비율에 대한 추정
표본 크기
1 Proportion
평균의 검정과 추정
비율의 검정과 추정
산포의 검정과 추정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
116 page
표준편차의 추정
단일 모집단의 표준편차 추정
2 Variances
두 모집단의 분산이 같은지 검정
Test for Equal Variances
여러 모집단의 분산이 같은지 검정
평균의 검정과 추정
비율의 검정과 추정
산포의 추정과 검정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
117 page
목적
계수형 출력변수에 큰 영향을 주는 계수형 입력변수 식별
도구
카이제곱 검정
평균의 검정과 추정
비율의 검정과 추정
산포의 검정과 추정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
118 page
상관분석
회귀분석
평균의 검정과 추정
비율의 검정과 추정
산포의 검정과 추정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
119 page
산점도를 통해서는 두 변수간의 관계를 대략적으로 밖에 알 수 없다 .
두 변수들간의 관계를 수치로 나타 낼 수 있는 무언가가 필요
두 변수의 상호의존관계를 양적으로 나타내는 하나의 측도
• 상관계수 (Correlation Coefficient)
두 변수의 관계 파악
통계적 분석 /상관 - 회귀
상 관 분 석
두 변수의 상호의존관계
이들간에는 무슨 관계가 있을까 ? 이들간에는 얼마나 강한 관계가 있을까 ?
이들간에는 어떠한 관계가 있을까 ?
지능지수 VS.
학업성적
흡연량 VS.
폐암발생률
공정온도 VS.
제품강도
120 page
산점도와 상관관계
| r | = 0.936 | r | = 0.560 | r | = 0.339
강한 양의 상관관계 중간 정도의 양의 상관관계 약한 양의 상관관계
강한 음의 상관관계 중간 정도의 음의 상관관계 약한 음의 상관관계
통계적 분석 /상관 - 회귀
상 관 분 석
121 page
우리는 정확하게 향후 실적을 예측할 수 있다 .우리는 정확하게 향후 실적을 예측할 수 있다 .
모델을 결정할 수 있다면 , 많은 도움이 될 수 있다 .
주문을 마감하는데 걸리는 시간 = 5.2*a +3*b-2.7*c
단 , a = 주문량 b = 올해의 서비스 건 수 c = 판매 실적
또는 ,
예측의 변동성 = 3.8*c - 2.5*d + 1.7*e
단 , c = 총 판매량 d = 지난 달과의 생산량 차이 e = 지난 분기의 변동성
회귀분석
용 도
통계적 분석 /상관 - 회귀
회 귀 분 석
122 page
상관은 관계 정도를 나타내준다 . 정확한 수학적 관계를 나타내지는 못한다 .
계량형 데이터를 분석하는 마지막 단계가 방정식을 유도하는 것이다 .
회귀분석은 주어진 X 에 대하여 Y 를 예측할 수 있는 수학적 모델을 제시해준다 .
회귀분석의 목적은 예측에 있다 .
회귀방정식은 Minitab 을 통해 쉽게 구할 수 있다 .
예측 식의 예 :– Y = a + b x ( 선형모형 )– Y = a + b x + c x2 ( 이차모형 )– Y = a + b x + c x2 + d x3 (3 차 곡선 모형 )– Y = a ( b x ) ( 지수모형 )
회귀분 석 에 대 한 정리
통계적 분석 /상관 - 회귀
회 귀 분 석
123 page
적합된 직선식은 입력변수와 출력변수를 연관시 키는 방정식이다 .
R 2 값은 전체 출력 ( 반응 ) 변수의 변동 중 방정식으로 설명되는 변동이 차지하는 비율이다 .
바람직한 값은 얼마인가 ? 경우에 따라 다르다 . 화학자는 0.99 정도의 R2 값을 요구할 것이다 . 그러나 , 공정과 산업에 따라 다르다 .
결정계수 (R2) = r 2 ( 선형회귀의 경우 결정계수는 상관계수의 제곱으로 구할 수 있다 .)
결정계수 (R2)
통계적 분석 /상관 - 회귀
회 귀 분 석
124 page
• 결과분석
회귀방정식
R2 = (SS Regression) / (SS Total)
X 요인에 대한 P-Value
수정된 R2 값
통계적 분석 /상관 - 회귀
회 귀 분 석
125 page
One Way ANOVA
여러 모집단의 평균 비교
X 변수가 하나일 경우
Two Way ANOVA
여러 모집단의 평균 비교
X 변수가 둘일 경우
평균의 검정과 추정
비율의 검정과 추정
산포의 검정과 추정
동일성 검정
상관 /회귀분석
분산분석
통계적 분석
126 page
두개 이상의 모 집단에 대한 평균 비교
두개 이상의 모 집단들의 평균이 서로 동일한 지 여부를 검정하고자 할 때
One -Way ANOVA 를 사용한다 .
단 데이터의 형태는 계량형 데이터인 경우 사용한다 .
• 2 Sample t-test 와 동일한 목적으로 사용된다 . 2-Sample t-test 가 두 모집단의 평균을 비교하는 데 반해 , 여러 모집단의 평균 비교를 위해 사용 가능하다 .
• P-Value 가 0.05 이하일 때 , 적어도 하나의 모집단 평균이 다르다는 결론을 내릴 수 있다 .
H0 : 1 = 2 = ··· = k
H1 : 적어도 하나의 평균이 다르다 .가 설
통계적 분석 /분산분석
One-way ANOVA
127 page
변동을 각각의 자유도로 나 누어 구해진 평균 변동은 모두 분산의 형태와 같게 된다 .
분산분석 (ANalysis Of VAriance)
만약 각 처리 조건 하에서의 평균이 다르다면 오차의 평균 변동에 비해 처리의 평균 변동이 크게 될 것이다 .
분산분석은 이와 같은 사실을 이용하여 처리의 평균 변동을 오차의 평균 변동으로 나눈 값의 크기에 의해 각 처리 조 건 하에서의 특성치 평균의 동일 여부를 판단하는 것이다 .
1)(1 1
2
nyyMSk
i
n
jijtotal
i
knyyMSk
i
n
jiijerror
i
1 1
2)(
1)(1 1
2
kyyMSk
i
n
jitreat
i
통계적 분석 /분산분석
One-way ANOVA
128 page
• 예 제
S 회사에서는 해 외 출장 비용의 절감을 위해서 노력하고 있다 .
따라서 그 일환으로 다음 각 항공사를 이용하 였을 경우 한 회당 소요되는 출장비용을 다음과 같이 조사하였다 . 항공사 별로 평균 출장비용이 다르다고 말할 수 있는가 ?
• 한 회당 출장 비용
A 항공 B 항공 C 항공 D 항공 E 항공
16.518.014.117.817.6
15.314.816.114.2
19.018.415.317.316.9
17.116.318.416.915.2
14.714.914.614.5
항공사별로 평균 출장 비용에 차이가 있다고 말할 수 있는가 ?
( 단위 :십만원 )
통계적 분석 /분산분석
One-way ANOVA 실습
129 page
• 결과 해석
P-Value 가 0.05 보다 작기 때문에 최소한 하나의
항공사는 평균출장비용이 다르다고 말 할 수 있다 .
통계적 분석 /분산분석
One-way ANOVA
130 page
어떤 것이 다른가 ?
p - value 를 통해서 최소한 하나의 평균은 다르다고 말 할 수 있다 .
( ) 은 각 수준의 모평균의 95% 신뢰구간을 의미한다 .
신뢰구간이 서로 일치하지 않으므로 각 수준의 평균들은 서로 다 르다고 할 수 있다 .
A, C, D 가 비슷하고 , B 와 E 가 비슷하다 .
• 결과 해석 ( 계속 )
통계적 분석 /분산분석
One-way ANOVA
131 page
특성값에 영향을 미치는 2개의 인자에 대한 효과를 조사
특성값에 영향을 미치는 인자 2 개를 취하여 이들의 효과가 어떠한지를
검정하고자 할 때 Two-way ANOVA 를 사용한다 . 즉 2 개의 인자를 기준으로
각 수준별로 평균의 동일성과 교호작용의 효과를 조사하는 것이다 .
• Two-way ANOVA 의 모형
yijk = + ai + bj + (ab)ij + eijk
i = 1, 2, · · ·, l j = 1, 2, · · ·, m k = 1, 2, · · ·, r
: 실험전체의 모평균
ai : 인자 Ai 가 주는 효과
bj : 인자 Bj 가 주는 효과
(ab)ij : 인자 Ai, Bj 의 교호작용 (Interaction) 의 효과
eijk : 인자 Ai, Bj 에서 얻은 측정값의 오차
통계적 분석 /분산분석
Two-way ANOVA
132 page
- 2 개 이상의 인자 사이의 조 합에서 발생하는 효과를 말한다 .
- 아래 그림처럼 100C 에서 촉매 B 가 더 높은 인장강도를 주지만 200C 에서는 촉매 A 가 더 높은 인장강도를 주게 된다 . 이와 같은 경우 , 촉매와 반응온도 사이에는 교호작용이 있다고 말한다 .
- 미니탭의 Stat > ANOVA > Interactions Plot 에서 교호작용 그래프를 그 릴 수 있다 .
교호작용 (Interaction)
통계적 분석 /분산분석
Two-way ANOVA
133 page
합금의 강도에 크게 영향을 미치는 인자로 합성온도와 가열촉매가 있다 .
높은 강도의 합금을 제작하고자 합성온도 3 수준 (200C, 300C, 400C ),
가열촉매 2 수준 (A, B) 에서 2 번씩 반복하여 랜덤하게 실 험을 한 결과 다음의
데이터를 얻었다 . 각 인자와 교호작용의 효과에 대하여 조사하라 .
• 예 제
80, 69
122, 132
103, 111
141, 143
117, 140
185, 186
200C 300C 400C 항목
A
B촉매
합성온도
통계적 분석 /분산분석
Two-way ANOVA
134 page
• 단계 3. 통계량 > 분산 분석 > 상호작용 플롯
그래프에서 연결된 선이 거의 평행에 가까우므로 촉매와 합성온도 간의 교호작용이 유의하지 않을 것으로 예상된다 .
통계적 분석 /분산분석
Two-way ANOVA
135 page
• 결과 해석
촉매와 합성온도의 P-Value = 0.000 < 0.05 이므로 촉매와 합성온도는 모두 제품의 강도에 영향을 미친다고 말할 수 있다 .
촉매 합성온도의 교호작용의 P-Value = 0.219 > 0.05 이므로 교호작용은 유의하지 않다라고 말할 수 있다 .
유의하지 않은 교호작용은 오차항에 풀링 (Pooling) 하여 다시 분석하면 오차항의 자유도가 높아져서 검출력이 좋아질 수 있다 .
분산분석표 출력
각 인자수준에서의 95% 신뢰구간
출력
통계적 분석 /분산분석
Two-way ANOVA
136 page
계통도
PDPC : Process decision program chart
Arrow diagram
Matrix diagram
Matrix data analysis
친화도
P D P C
연관도
통 계 적 정 성 적 분 석 기 법: 신 QC 7 Tools
정성적 분석
137 page
통 계 적 정 성 적 분 석 기 법: QC 7 Tools
Flow Charts
Checksheets
Histograms
Pareto Charts
Cause-and-effect
diagrams
Scatter Diagrams
Control Charts
정성적 분석
138 page
Vital Few X’s 발 견
분석 단계에서는 측정 단계에서 도출된 잠재원인 인자를 검증하여 CTQ 의 성능에 영향을 미치는 핵심적인 몇 개의 인자를
찾고 그 영향을 정량화함 .
유의한 인자 1유의한 인자 1
유의한 인자 2유의한 인자 2
유의한 인자 3유의한 인자 3
...
파레토도
입고업체사용 Tool
처리시점
Y
X분석형태
특성요인도
사람 기계
재료 방법
문제기술서문제
기술서
가설 검정Two-sample T for A형틀 vs D형틀 N Mean StDev SE MeanA형틀 25 51.909 0.755 0.15D형틀 25 51.065 0.690 0.14P-Value = 0.000 DF = 48Both use Pooled StDev = 0.723
Chi-Square Test A형틀 _1 B형틀 _1 Total 1 550 600 1450 537.18 602.18
2 12 30 67 24.82 27.82
Total 562 630 1517DF = 2, P-Value = 0.000
정성적 , 정량적 분석
Y=f(x1,x2…)
Input VariableProcess Variable
Vital Few X’sVital Few X’s
Vital Few X’s 선정
139 page
Vital Few X’s 선정이란 ?
– 유의한 X’s 를 모 두 개선하는 것은 아니다 . 실질적인 중요성 즉 , 우선순위가 높고 효과가 큰 인자에 대해 개선의 초점을 맞춰야 한다 .
– 통계적으로 분석된 X’s 에 대해 실질적인 관점에서 재 해석되어야 한다 .
분석의 주기 (Cycle)
실질적 문제
통계적 문제
통계적 결론
실질적 결론
통계적 결론은 실질적 결론으로 전환할 수 있을 때에만 의미 (Vital Few) 가 있다 .
실질적 결론으로 전환 시 고려사항은 ?
1.투자대비 효과 고려
2. 현실에 적용 가능성 ( 기술력 제약 )
순환
Vital Few X’s 선 정 이 란?
Vital Few X’s 선정
140 page
잠재인자 가설 및 검정계획법 통계적결과(P Value)
결 론 No
Vital Few X’s 정리
‒ Y에 영향을 줄 것이라고 생각되었던 잠재인자들이 Data 분석을 통하여 소수의 유의한 원인변수로 정리가 되었으면 이러한 유의한 원인변수 X’s에 대하여 종합적으로 정리 .
Vital Few X’s 정 리 및 우 선 순 위 결 정
Vital Few X’s 선정
Vital Few X’s 우선순위 평가 ( 평가항목 결정 )
141 page
Vital Few X’s 검 토 사 례 (1)
Potential Vital X’s 중 분석에서 확인된 핵심 소수 인자 Vital X’s의 정리
1. Sol Grade 별 혼입에 따라 원단색차 발생 .
2. 원단의 두께 차이로 길이색차 발생 .
3. Ink 의 초기 점도차이가 심하다 .
4. 잉크의 점도 경시로 색도가 변한다 .
5. 대기 습도의 변화로 색의 경시가 발생한다 .
6. 잉크의 온도에 따라 Mesh 막힘이 발생한다 .
7. 잉크 & 공정 잡물로 Mesh 막힘이 가중된다 .
Potential Vital X’s Mean ScreeningSt-Dev P-Valueppk
8. Ink 전이잔량 가중으로 Mesh 막힘 발생 .
9. 인쇄 Roll Ink 가 원단으로의 전이성 부족 .
0.2128
-
19.563
19.399
-
-
Quick-Fix
0.1685
0.0040
1.5715
1.1360
-
-
-0.03
0.52
0.09
0.17
-
-
0.000
0.000
0.000
0.020
0.000
0.000
○
○
○
○
○
○
○
○
○
Quick-Fix
Quick-Fix
Noise Factor
Noise Factor
Vital Few X’s 선정
142 page
과제의 CTQ(Y) 인 전송 속도의 변동을 야기시키는 핵심 원인 변수 (Vital Few X’s) 를 선정하기 위해 ,
측정 단계에서 얻어진 잠재 원인 변수들과 전송 속도간에 적절한 가설을 수립하고 ,
수립된 가설에 근거하여 데이터 수집 계획 및 데이터를 수 집한 후 ,
수집된 데이터 유형에 따라 Graph 분석 , 통계적 분석 등을 통하여 과제에서 해결할 핵심 소수 원인을 도출
잠재원인
변 수가설 검정 내용
A,C
웹 [WWW] 및 웹 이외의 트래픽
[P2P,FTP,SMTP,DNS,Winmedia] 은 전송
속도에 영향이 있다
B 북미연동회선은 전송속도에 영향이 있다
D ISP 의 특성 (Transit, Non-Transit) 은
전송속도에 영향이 있다
E ISP 의 지역은 전송속도에 영향이 있다
F 시간대별 특성은 전송속도에 영향이 있다
검정 계획법
회귀분석
(Regression)
정성적 분석
Mann Whitney
Kruskal Wallis
Kruskal Wallis
검정 결과
P2P 트래픽은
전송속도에 치명적
영향을 미침
적정 투자시기 ,
투자용량에
영향을 받음
Transit ISP 에
영향을 받음
지역별로는 영향 없음
시간대별
영향 없음
결 론결 론
Vital X
Vital X
Vital X
Vital Few 제외
Vital Few 제외
Vital Few X’s 검 토 사 례 (2)
Vital Few X’s 선정
Improve( 개선 )
Measure Analyze Improve Control Define
144 page
Improve 단 계 목 적
..
..
..
개선 전략 수립
최적화
시험 적용
적합한 개선계 획을 수립하기 위하여 “Vital Few X’s” 의 특성을 규명한다 .
Vital Few X’s의 특성별 개선방안을 수립한다 .
X’s의 특성에 따라 CTQ 의 성과를 극대화하기 위한 X’s의 최적조건을 도출하기 위하여 실험계획법을 이용한다
반드시 제약조건을 고려한 실제적인 최적안이 선정되어야 한다 .
선정된 최적 개선안을 업무에 적용할 계 획을 수립한다 .
최적조건 과 최적대안을 실제적으로 시 험 적용한 후 개선 효과의 유효성을 확인하여 CTQ 의 개선목표 달성 여부를 판단한다 .
Improve 단계에서는 고객이 원하는 CTQ 를 얻기 위하여 Analyze 단계에서 선정된 핵심 원인변수 (Vital Few X’s) 들에 대한 개선아이 디어를 도출하고 개선안을 개발 , 평가 , 선정 , 최적화하고 선정된 최적안을 시험 적용하여 개선가능성을 확인한다 .
Improve 단계 개요
145 page
X’s 의 특성 파악개선 방향을 결정하기 위하여 X’s의 특성을 파악한다 .
여러 가지 값이나 형태로 설정될 수 있음
연속형 또는 이산형
예 :- 온도 , 압력 , 농도- 직원의 경력 정도- 위치
X 의 특성을 파악
제어인자 대안인자
시험해야 할 여 러 가지 독립적 대안이 있을 수 있음
예 : - 작업 흐름의 최적화- 프로세스 표준화- 의사소통 개선- 실용적인 해결 책
최적 수준 결정 ( 최적화 )개선아이 디어 도출
개 선 방 향 수 립
Improve 단계 개요
146 page
개 선 주 요 도 구제어인자
대안인자
실험계획법실험계획법
다중회귀분석다중회귀분석
브레인스토밍 (Brainstorming)브레인스토밍 (Brainstorming)
벤치마킹 (Benchmarking)벤치마킹 (Benchmarking)
최적안 선정최적안 선정
프로세스 맵 (Process Map) 프로세스 맵 (Process Map)
시범적용 (Pilot)시범적용 (Pilot)
Improve 단계 개요
147 page
개 선 계 획 서
Vital Few XVital Few X’’ss 인자구분인자구분 개선 계 획개선 계 획 비고비고
Activated Carbon 종류 제어인자 DOE 를 통한 최적조 건 확인
-1 : Coal
+1 : Coconut
통수 유량 제어인자 DOE 를 통한 최적조 건 확인-1 : 90㎥ /Hr
+1 : 140㎥ /Hr
산 처리 실시 유무 대안인자 Activated Carbon 교체 시 TOC 상승 방지를 위한 대 책 수립
프로세스 운영 절차 (SOP) 보완
사용기간 대안인자 최적의 사용기간 설정 과거 Data 분석 및 전문가 의견 수렴 . (실험기간 6 개월 ~ 1년으로 실험 불가 )사용용도 대안인자 사용용도별 최적 교체 기준 수립
개선계 획서 ( 사례 )
– 인자의 특성에 따라 향후 개선활동을 구분하여 계획
Illustr
ative
Improve 단계 개요
148 page
최적화 ( 실험계획법 DOE)
149 page
실험계획법
실 험 계 획 법(DOE)
이 란?
Design of Experiment (DOE)
일반적으로 Y(특성치 ) 에 영향을 미치는 X( 인자 ) 들이 무수히 많고 시험조건에 따라 달라질 수 있기 때문에 , Y 를 발생시 킨 X 를 경 험적으로 혹은 이론적으로 명백히 알아낸다는 것은 매우 어렵다 .
공학 및 과학연구를 체계적으로 계 획 , 수행 및 통계적으로 분석하는 방법론 특정공정의 출력 결과값 변화의 원인을 알아내기 위해 통제 가능한 입력인자의 수준값을 변화시 켜
나가는 일련의 실험과정을 계획하고 실시하는 방법론 실험의 목적을 만족시키고 적절한 성과물을 얻기 위해 가장 많은 정보를 가장 효율적으로 얻을 수
있는 일련의 실험조건을 결정하는 실험전략
실험계획을 결정하였다는 것은 해결하고자 하는 문제에 대하여 인자를 선정하고 , 실험방법을 택하였으며 , 실험순서를 정하고 , 실험 후에 얻어진 데이터에 대한 최적분석방법을 선택하였다는 것을 의미한다 .
배경 (Background)
실험계획법 개요
150 page
왜 실 험 계 획 법 을 하 는
가?
어떤 원인이 반응에 유의한 영향을 주고 있는가를 파악하고 그 영향이 양적으로 어느 정도 큰가를 알아내고자 실시함 ( 추정과 검정 )
적은 영향밖에 미치지 못하는 요인들은 전체적으로 어느 정도 영향을 주고 있으며 , 측정오차는 어느 정도인가를 알아내고자 실시함 ( 오차항 추정 )
유의한 영향을 미치는 원인들이 어 떠한 조건을 가질 때 가장 바람직한 반응을 얻을 수 있는가를 알아내기 위해서 실시함 ( 최적화 )
실험계획법 개요
151 page
실 험 계 획 의 필 요 성
• 일반적으로 실험은 공정 또는 시스템의 성능 (performance) 를 연 구하기 위해 사용 됨
이것을 위해 실 험계획법이 필요 !!!
최적의공정조건 ,
최적의수준조합
OptimizingOptimizing
실험목적 , 실험계획 ,
독립변수 ( 원인 ), 종속변수 ( 결과 ),
Error
Input
Output
Vital Few X'sInputs Outputs(Y)
…잡음 인자
(Uncontrollable Factors)
제어 인자(Controllable Factors)
Z1 Z2 Zq
x1 x2 xq…ProcessProcessEfficiencyProcessProcessEfficiency
Effectiveness
Y
f(x’s)
ScreeningScreening
실험의 목적 공정 또는 시스템의 모델
실험계획법 개요
152 page
실 험 계 획 의 효 과
프로세스와 결과 측정치들간의 관계 정의 및 평가 가능
변동의 “소수 핵심 인자 (Vital Few X's)” 원천들의 파악
반응 변수들 ( 고객 핵심요구사항 ) 에 대한 “소수 핵심인자” 효과의 측정치 제공
한번에 한 요인만 검정하는 것보다 효과적으로 측정치들에 대한 고품질의 data 를 제공함 .
불확실성의 측정이 가능하고 시행해야 할 횟수의 최소화 가능
잡음변수 (Nuisance Variable) 들의 관리가 가능
목표 : “ 소수 핵심인자 (Vital Few X's)” 를 찾을 확률의 향상
실험계획법 개요
153 page
요인 배치법(Factorial Design)
실험인자 각 수준의 모든 조합에서 실 험
분할법(Split-Plot Design)
인자를 동시에 모 두 랜덤화 할 수 없을 때그룹을 만들어 랜덤화 하는 실험 .
교락법(Confounding Method)
검출할 필요가 없는 고차의 교호작용을다른 요인의 효과와 혼합되도록 배치 .
일부실시법(Fractional Factorial)
인자의 수가 많아 실험의 크기가 너무 커실행이 어려울 때 조합 중 일부만 실험 .
반응표면분석(RSM)
공정의 최적조건을 찾기 위해 인자들의영향을 받는 반응변수의 반응면에 대하여통계적으로 분석
실 험 의 방 법 들
xxx
x
A+A-
B+
B-
A+
A-
B+B-
B+B-
xx
A+A-
B+
B-
7075808590
403020
200
190
180
170
Additive Concenturation(%)
Tem
pera
ture
(deg.
C)
Chemical Yield(%) 7075808590
403020
200
190
180
170
Additive Concenturation(%)
Tem
pera
ture
(deg.
C)
Chemical Yield(%)
실험계획법 개요
154 page
랜덤화(Randomization)
실험의 순서를 무작위로 선 택하여 실시함으로써 실험인자 이외의 원인들이 실험의 결과에 영향을 미치지 않도록 하기위한 방안이다 .
반복(Replication)
실험을 반복하여 시행하면 오차항의 자유도를 크게 해 주고오차분산의 정도 ( 精度 ) 를 좋게하여 실 험결과의 신뢰성을 높인다 .
블럭화(Blocking)
실험전체를 시간적 또는 공간적으로 분할하여 블록을 만들어 주면 블록 내에서 실 험환경이 균일하게 되어 精度를 높여 실 험을 할 수 있다 .
교락(Confounding)
교락은 중요하지 않은 고차의 교호효과와 블록효과를 교 락시켜실험의 효율을 높이는 원리이다 .
직교화(Othogonality)
요인간에 직교성을 갖도록 배열하여 데이터를 구하면 같은실험횟수에서 검출력 (Power of Test) 이 더 좋은 검정이 가능하고 , 精度가 더 높은 추정을 할 수 있는 원리로 이 원리를이용하여 실험계획을 짜도록 고안된 것이 직교배열표이다 .
실 험 의 기 본 원 리
실험계획법 개요
155 page
요 인 배 치 실 험 계 획 법(Factorial Design)
실험인자의 수
1개 2개 여러개
수준수
2개 이원배치2수준
2수준
여러 개
일원배치다수준
이원배치 다수준
다원배치다수준
다수준
일원배치 이원배치 다원배치
요인배치 실험의 분류
실험계획법 개요
156 page
교 호 효 과 (Interaction)
어느 한 인자의 효과가 다른 인자의 수준에 따라 변화하는 경우 두 인자간에 “교호효과가 있음”을
의미한다 .
A 인자
B 인자
특성
치 Y
수준 1 수준 2
수준 1
수준 2
B 인자 수준 1 에서의 A인자의 효과
B 인자 수준 2 에서의 A인자의 효과
실험계획법 개요
157 page
Low High
Low
HighA
B
교호작용없음
Low High0
1020304050607080
High A
Low A
B
20 5040 70
Low High
Low
HighA
B
20 5070 70
근소한교호작용
Low High0
1020304050607080
High A
Low A
B
Low High
Low
HighA
B
20 5070 45
교호작용
Low High0
1020304050607080
High
Low
교 호 효 과 해 석 방 법
실험계획법 개요
158 page
실 험 계 획
실 시 순 서실험 목적의 설정 특성치의 선택 인자와
인자수준의 선택
데이터의 분석 실험의 실시실험의 배치와실험순서의 랜덤화
분석결과의해석 및 조치
ANOVA회귀분석
완전요인배치실험부분요인배치실험
최적화 실험• •
실험계획법 개요
159 page
DOE High Level Map
스크리닝 실험 설계
특성화 연구
반응 표면법
EVOP
Mixture
다구찌
부분 배치법( 부분요인 (Fractional Factorial) 배치 실험 )
완전 배치법 (완전요인 (Full Factorial) 배치 실험 )
2N 요인배치법
최적화 연구최적화 연구
실험계획법 개요
160 page
인자
처리 : 수준의 조합
수준 : 인자의 조건
반복 : 동일한 처리에서 2회 이상 실험을 실시하는 것
Run 온 도 압 력
1 100℃ 1 기압
2 100℃ 3 기압
3 200℃ 1 기압
4 200℃ 3 기압
5 100℃ 1 기압
6 100℃ 3 기압
7 200℃ 1 기압
8 200℃ 3 기압
관 련 용 어
실험계획법 개요
161 page
인 자
인자 (factor) 란 통제되거나 통제되지 않는 변수로서 실 험을 할 때에 반응 (response) 에 영향을 주는 것을 말한다 . 인자는 정량적으로 나타날 수도 있다 . 예를 들어서 온도 , 시간의 초 단위로 나타날 수 있다 . 또한 인자는 정성 ( 질 ) 적으로 나타날 수 있다 . 예를 들어서 다 른 기계 , 다른 운전자 , 깨끗한지 깨끗하지 않은 상황도 인자가 될 수 있다 .
인자의 “수준”이란 실험 중에 인자의 값이다 . 정량적인 인자의 경우에는 각각 선택한 인자의 값이 수준이 된다 . 예를 들어서 만일 실 험이 두 개의 다 른 온도에서 진행되었다면 온도의 인자에는 두 가지의 수준이 있다 . 정성적인 인자 , 즉 깨끗함의 정도와 같은 경우에서도 두 가지의 수준이 있다 . 즉 깨끗함 , 깨끗하지 않음의 두 가지 수준이다 .
처리란 테스트 런 기간동안에 단일 수준에 부여된 단일 인자를 말한다 . 예를 들어서 100도에서의 온도이다 .
수 준
처 리
관 련 용 어
실험계획법 개요
162 page
반 복
테스트 런을 같은 처리 조합을 이용해서 순차적으로 몇 번 시행하는 것
주효과
하나의 인자 (factor) 에서 한 수준에서 다 른 수준으로 변화할 때에 일어나는 평균 반응
(response) 의 변화
교호작용
2 인자 이상 특정한 인자 수준의 조합에 의해 일어나는 효과
관 련 용 어
실험계획법 개요
163 page
완 전 요 인 배 치 실 험: 2ⁿ 표 기 법
2N
인자의 수준 수 (낮음 : 100 OC, 높음 : 120 OC)
인자의 수 (온도 , 농도 , 시간 )
완전요인 배치법
164 page
완 전 요 인 배 치 실 험:
실 험 수
요인배치실험의 수 = L1 x L2 x L3 x …. x LN
N : 인자 (Factor) 의 수L : 인자의 수준 (Level) 수
3 개의 인자 A,B,C 에 각 인자의 수준을 3, 4, 3 으로 실험을하였다면 총 실험의 수는 ; 3 x 4 x 3 = 36
실험의 수 = 2 x 2 x 2 = 8
2 수준 요인배치실험으로실험을 실시하면 ,
완전요인 배치법
165 page
완 전 요 인 배 치 실 험:
설 계
교통경찰인 K씨는 자동차 운전과 보행인의 안전에 관한 논문을 작성하기 위해
운전자의 혈중 알코올농도 , 자동차의 속도 , 보행인의 옷 색깔이 운전자의 브레이크
페달에 전달되는 반응시간에 미치는 영향에 대한 실험을 실시하였다 .
Case Study
완전요인 배치법
166 page
완 전 요 인 배 치 실 험: 실 험 인 자 의
선 택
StdOrder A B C Y(반응시간 )
1 - - -2 + - -3 - + -4 + + -5 - - +6 + - +7 - + +8 + + +
인자 - 조건 + 조건
A 음주 정도 안함 소주 4 잔
B 자동차 속도 70Km 100Km
C 보행자 옷색깔 검정 빨강
소주 4잔 : 혈중알코올 농도 ~ 0.01%
데이터 매트릭스의 준비
완전요인 배치법
167 page
완 전 요 인 배 치 실 험: 실 험 의
수 행
운전 시뮬레이터를 통해서 속도 가변 (70 Km 와 100Km) 한다 .
프로그램에 따라 정지 깃발이 출현하면 즉시 브레이크 페달을 밟는다 .
운전자는 동일인으로 음주 전과 후로 분할하여 실험한다 . ( 단 , 본 과정에서는 교육 목적상 분할 없이 전체를 랜덤화 하여 실험한 것으로 간주함 .)
운전 시뮬레이터
완전요인 배치법
168 page
완 전 요 인 배 치 실 험: 선 형 모 델 식(Regression Model)
검 증
Case Study 의 반응시간 Y 에 대한 모델식을 만들면 ,
Y = 567.5 + 225 A + 10 B –42.5 C –2.5 AB – 35 AC – 0 BC – 2.5 ABC
A
B
C
AB
AC
BC
ABC
위의 모델식으로부터 A(-1) B(-1) C(+1) 조건과 A(+1) B(-1) C(+1) 조건에서의 Y 값을 구하라 . 여기서 , A= 음주 B= 차 속도 C=돌발색
완전요인 배치법
169 page
완 전 요 인 배 치 실 험: 그 래 프 분 석
완전요인 배치법
( 해석 )
- 음주의 정도와 돌발색과는 상호 교호효과가 있다 .
- 음주하지않은 상태에서는 돌발색에 관계 없이 브레이크 반응시간이 짧다 .
- 음주시에는 브레이크 반응시간이 길어지고 특히 검정색의 돌발물체에 대한 반응이 빨강색보다 더욱 길게 나타 났다 .
170 page
완 전 요 인 배 치 실 험: K 씨
최 종 결 론
음주의 정도와 돌발색과는 상호 교호효과가 있다 .
음주하지않은 상태에서는 돌발색에 관계 없이 브레이크 반응시간이 짧다 .
음주시에는 브레이크 반응시간이 길어지고 특히 검정색의 돌발물체에 대한 반응이 빨강색보다 더욱 길게 나타 났다 .
음주운전은 치명적이며 보행자의 자극적인 옷색깔은음주운전에 대한 피해를 줄일 수 있다 .
완전요인 배치법
171 page
Fractional Factorial 실험은 불필요한 교호작용이라든가 고차의 교호효과를 구하지 않고
실험의 크기를 작게 할 수 있도록 인자의 조 합 중 일부만을 실험하는 방법으로 , 같은
실험의 수로 더 많은 독립변수 (X’s) 의 영향을 검토할 수 있게 한다 .
Fractional Factorial 실험에서는 실 험 전체를 몇 개의 블록으로 나누고 일부의 실험만
실시함으로 고차의 교호효과는 블록 효과와 교락 (Confounding) 된다 .
– 초기단계에서 다수의 독립변수 X 들로부터 Vital Few X's 를 Screen 할
때 .
– Full Factorial 실험을 하기에는 시간과 경제성이 없을 때 .
언제사용하나 ?
부분요인 배치법
부 분 요 인 배 치(Fractional Factorial) 실 험 이 란?
172 page
Case Study: 서 비 스 속 도
실험 계획
< 문제기술 > 테스트 요원은 서비스 속도에 대한 AGW 모델 , 거리 및 Type 에 대한 효과를 알고 싶다
< 인자 및 수준 설정 >
Output 변수 : FTP( 단방향 ) ( 높을 수록 좋음 ). Input 변수 ( 인자 및 수준 ): AGW(L/H), 거리 (2.1/4.2), Type(DMT/Lite), Modem ( 내장형 / 외장형 ), 접속 Program (A / B)
한 차원 더 빠른 서비스 제공을 위해 현재 운영중인 장비를 대신하여 새로운 장비도입을 검토 중인데 , 서비스 속도에 영향을 주는 요소들을 압축하여 선별한 결과 다음과 같은 인자들이 속도에 가장 영향을 주는 요소로 확인 되었다 . 이 인자들의 조건을 다음과 같이 잡아 실험을 통하여 그 영향 정도를 파악해보면 다음과 같다 .
AGW 모델
거리 (km)
Type
인자 실험조건
Litespan, HERMES-2000
2.1, 4.2
G.DMT , G.Lite
기타
결과값으로 FTP( 단 방향 )하향 값을 측정
하기로 함Modem 내장형 , 외장형
접속 Program A, B
부분요인 배치법
173 page
재설정된 모델에 의한 분석결과
B ( Distance) 와 C( Type)
이 서비스 속도에 영향을
미치고 있음을 알 수 있다 .
A(AGW) 와 B ( Distance)
B(Distance) 와 C ( Type)
D(Modem) 와 E(접속
Program) 이
교호작용 함을 알 수 있다 .
Case Study: 서 비 스 속 도
부분요인 배치법
174 page
시 험 적 용 의 결 과
실험계획 등의 결과 분석에 의해 도출된 X’s 의 최적 조건이 실제 Process 에 적용 가능한가 ?
실험계획으로 얻은 개선 효과를 실제 Process 에서도 안정적으로 얻을 수 있는가 ?
최적조건
검토된 개선 대안들이 과연 유 효한가 ?
실제 Process 에서 개선 효과를 가 져올 것인가 ?
최적대안
최적조건과 최적대안으로 나 뉘어 도출되었던 개선안들에 대하여 , 실제 프로세스 적용 시 나타날 종합적인 효과와 예상치 못한 위험을 분석하여야 할 필요가 있다 .
Pilot 는 개선을 위해 변경된 사항들을 실제 프로세스에 시 험적으로 적용하여 봄으로써 그 것을 검증하고자 하는 것이다 .
종합 효과와 새로운 위험성
재현실험 계획
175 page
Pilot 실행계획은 효과적인 실행을 확실히 하기위한 전체계획의 축소판 . 실행 계획은 해야 할 일 , 책임소재 명확화 , 기한 , 수행한 일들의 계획 대비 평가척도가 필요 .
Responsibility Matrix
개선방안 추진 일정 - 구체 실행 단계 ww ww 비고
1. ㅁㅁㅁ R - A I S
팀 멤버
재현실험 계획수립
176 page
개선항목 성과금액 ( 백만원 ) 산 출 근 거
적 용 성 과 평 가: 보 고 서
Cost 개선 성과 내 역
(99 년 ) (2000 년 )1. 불량률 개선
① 특채 (D/C) “0” 화
② 핀트불량 감축
2. 공정변경 시간단축105 분 /회 → 90 분 /회
3.Claim 개선19건 → 4 건
(8.4)
40.4
99.6
95.3
4.4
239.7
60.6
149.5
143.0
6.6
359.7
6,874M(Lot 내이색 D/C판매 )/4 개월 ×12 개월× ₩ 9,800/M(평균판가 )×0.3(D/C 율 )
2,690ppm( 불량감소 )× ₩ 9,800(평균판가 )×0.63( 제조원가율 )×750,000M/ 월 ( 생산량 )×12 개월
15 분 /회 ( 시간단축 )×5 회 /일 ( 공정변경 )× ₩ 433,200/hr(#2 인쇄기임율 )×1hr/60 분 × 22 일 /월 ×12 개월 /년
₩ 8.4백만 /년 ÷19건×15건
년간 총예상 금액효과
359.7백만원
재현실험 결과 확인
177 page
회계전표 입력오류 및 처리시간 개선에 대해 그 결과를 검증해 본 결과 , 전표처리 오류율은 23% 에서 3% 로 줄었으나 , 목표대비 0.3% 에 미달 되었으며 , 전표처리시간은 4.96 일에서 2.3 일로 줄었으나 목표 대비 gap 발생 . 따라서 gap 에 대한 근본원인 및 Follow-up 개선을 추진 함
Pilot Test 관찰결과1) 전산시스템 활용 문제점2) 전표처리시간 > 예상치3) 입력시간과 입력품질의 관계
차이분석 /근본 원인1) 카드승인번호 입력 시 오류2) 전표처리 flow 미 숙지
Follow-up Actions1) 전기 및 계정과목 분류 자동 구현
2) 전산 시스템 보완3) 주요 경비 부서별 전표작업 선 등록 구현 . 교육강화
시험적용 결과 확인 ( 예시 )
Control( 관리 )
Measure Analyze Improve Control Define
179 page
프로세스 보완(Process Modification)
프로세스 보완(Process Modification)
주요인자 (Vital Few)설정 및 관리
주요인자 (Vital Few)설정 및 관리
프로세스의 주요 Output 관리 프로세스의 주요 Output 관리
CTQ’s 관리 CTQ’s 관리
문제의 예방
문제의조기 검출& 관리
사후적대응
너무 늦음고객
내부
프로세스초기
견고한 프로세스BestBest
관리 단계
관 리 단 계
180 page
1) 왜 그러한 변화가 발생되었는가 ?
2) 왜 그러한 변화가 검출되지 않았는가 ?
1) 왜 그러한 변화가 발생되었는가 ?
2) 왜 그러한 변화가 검출되지 않았는가 ?
Vital Few 가 변한다면 ...
다음과 같은 질문을 해봐야 한다 :
바람직하지 않은 변화를 관리하기 위해
관리 계획 (control plan) 을 수립한다 .
바람직하지 않은 변화를 관리하기 위해
관리 계획 (control plan) 을 수립한다 .
프로세스 관리계획 (Control Plan) 은 6 시그마 프로젝트의 개선 효과가 지속되느냐를 결정하는 중요한 도 구이다 .
관리계획은 , 팀 구성원들이 모두 따를 수 있도록 , 분명하고 간략하게 정리되어야 한다 .
프로세스 관리계획 (Control Plan) 은 6 시그마 프로젝트의 개선 효과가 지속되느냐를 결정하는 중요한 도 구이다 .
관리계획은 , 팀 구성원들이 모두 따를 수 있도록 , 분명하고 간략하게 정리되어야 한다 .
프로세스 관리
프 로 세 스 관 리
181 page
근본원인 (Vital Few) 이 밝혀지고 최적 운영조건이 결정된 경우 ,
중요한 것은 이러한 조건이 목표로부터 벗어나지 않도록 관리하는 것이다 .
목표수준을 관리하기 위하여 아래의 두 가지 방법이 사용된다 .
검출 (Detection) 혹은 예방 (Prevention).
관리방법
관리 계획 (Control Plan) 관리도 (Control Chart) 표준운영 절차 (Standard Operational Procedure) 실패 영향 분석 (FMEA)
Vital Few 관리
관 리 방 법
182 page
프로젝트명 : 담당부서 : 적용일자 :
No
관리대상 규격측정
단위
측정
방법
측정주기
Sample
Size
기록방법
조치기준 조치사항 책임자 Rema
rk
1Seal Strength
2Seal 온도
3컨베이어 속도
4 Roller
관리 계획
관리 계획서관 리 계 획 서
183 page
프 로 세 스
개 선 방 법중심위치 (평균 ) 의 개선
산포 ( 변동 ) 의 감소
관리도
184 page
산 포 의 원 인
모든 것은 산포를 가지고 있기 때문에 우리가 할 수 있는 것은 이 산포의 양을 관리
(control) 하는 것임
산포를 완전히 없애는 것은 불가능하므로 더 이상 경제적으로 타당성이 없을 때까지
산포를 줄이기 위해서 노력함
우연원인이상원인
산포에는두 가지 원인
관리도
185 page
관 리 도 를 통 한 공 정 관 리
YESYES
관리도를 통한 일상 DATA 의 수집 및 분석 관리도를 통한 일상 DATA 의 수집 및 분석
관리상태 관리상태
UCL
CL
LCL
우연원인에 의한 변동 우연원인에 의한 변동UCL
CL
LCL
이상원인에 의한 변동 이상원인에 의한 변동
품질변동을 초래하는 이상원인 제거 ( 공정이상 품질처리 )
품질변동을 초래하는 이상원인 제거 ( 공정이상 품질처리 )
공정능력의 산출 및 평가공정능력의 산출 및 평가
( 이력관리 / 재발방지대책 )
( 현장조치 )
NONO
관리도
186 page
산 포 원 인우연 원인 (White Noise)
이러한 원인들은 시간이 가면 갈수록 ,
날이 가면 갈수록 프로세스 내에 항상 내재하며 프로세스에 있는 모든 사람들에게 영향을 미치는 원인들 .
이 변동은 설계되어진 대로 공정이 지속적으로 운영되면서 발생한 결과 값이다 .
이상 원인 (Black Noise)
이러한 원인들은 프로세스에서 항상 존재하거나 모든 사람에게 영향을 미치는 것은 아니지만 특정 상황에서 발생하는 원인들 .
이 변동은 공정에서 특정한 원인에 의해 발생한다 .
이상 요인 변동의 양상은 예측이 불가능하고 관리할 수 없다 .이상 요인 변동의 양상은 예측이 불가능하고 관리할 수 없다 .
우연 요인 변동의 양상은 앞으로 일어날 사건에 대해 예측 가능하게 하고 예측 한계 내에서 프로세스를 관리하게 한다 .
우연 요인 변동의 양상은 앞으로 일어날 사건에 대해 예측 가능하게 하고 예측 한계 내에서 프로세스를 관리하게 한다 .
관리도
187 page
모든 프로세스 요소에 공통적인 것은 아님
발생 원인이 있음
비정상 변동의 원인
오퍼레이터가 어느 정도 관리할 수 있음
총 산포의 20% 를 차지함
이상 원인 먼저 파악하고 제거되어야 함
이상원인은 제일 먼저 관리하거나 제거해야 함
이 상 원인
관리도
188 page
챔 피 언 승 인 및 확 산
목 적
주요 활동
과제 관리시스템에서 챔피언의 최종승인 절차를 완료 함으로써 공식적인 과제 완료를
인증 받게 된다 .
사내에 다른 유사 프로세스에서 유사 문제로 고민하는 곳에 과제 수행을 통하여
습득된 지식과 교훈을 공유 /확산하여 조직의 성과를 더욱 높일 수 있다 .
챔피언 , MBB, 프로세스 오너 및 관련 전문가들이 참여한 과제 완료 발표회
등을 통해 공개적으로 과제 개선 성과에 대해 검증 받는다 ..
유사한 문제를 가지고 있는 유사 프로세스 및 유사한 문제를 가지고 있는 이 종
프로세스에 대한 개선기회를 검토한다 .
프로젝트 종료 및 확산