6 sigma 교육자료

T able
of

Contents

0. Overview
I. Define
Ⅱ. Measure
Ⅲ. Analyze
Ⅳ. Improve
Ⅴ. Control

Six Sigma

대
에
해
서

1. Why is Six Sigma?
….

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 확산되기까지
시일이 걸린다 .
- 소니 -

3 page

l
al
ua
u
in
in
경영시스템
t
nt
on
o
C
C

• BPR
• 100PPM
• TQC
•

현 수준

•

“ 측정할 수 없는 것은 개선할 수 없다”
• TQC : Total Quality Control
• BPR : Business Process Reengineering
4 page

운
동

t
t
en
en
m
m
ve
ve
o
ro
pr
p
Im
Im

6 시그마 !

활
분
동
임
조

경
영
혁
신

Goal

개
선
제
안

금세기 최고의
기업경영 혁신기법은
6 시그마 !

Gap

6

시
그
마

활
경
동
영
에
혁
서
신
의


Six Sigma

이
된
하
를
유
게

GE

가


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

수율향상
( 품질향상 )

불량감소

5 page

고객만족

이익창출

6

탄
시
그
생
마
배
경

6 시그마 탄생배경
1980 년대 초 모토로라에서 일본의 포켓벨 ( 휴대용 무선호출기 ) 과의 품질격차로 인한
위기감으로부터 출발
▪ 품질의 위기감은 1970 년대부터 느끼기 시작
▪ Bob Galvin 회장이 품질개선운동 시작

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

차별화 된 Quality 는 .. .. ..
차별화 된 Quality 는
우리가 경쟁사로부터 살아 남을 수 있는 마지막 기회이다 ..
우리가 경쟁사로부터 살아 남을 수 있는 마지막 기회이다
당신이 6 시그마 목표달성을 위해 개인적으로는 강하고 높은 의지로 엄청난 노력을 해야 할 것이다 ..
당신이 6 시그마 목표달성을 위해 개인적으로는 강하고 높은 의지로 엄청난 노력을 해야 할 것이다

J.F. WELCH, 10/15/95
J.F. WELCH, 10/15/95

6 page

(

)

대
기
업

도
년
도
입
별
현
황


위기타결을 위한 총체적 고객만족 경영전략

Motorola, Polaroid, Allied Signal, Eastman,
ABB, Kodak
미래환경에 대비한 차별화 된 경쟁 우위확보
2003

GE, Citi Group, Sony, 3M
삼성기술원

2001
2000
삼성항공

1998
1997

1987

1988

1994

1995

7 page

1996

1999

2002

6

정
시
의
그
마
의

2. What is Six Sigma?

( 광의 ) 품질혁신과 고객만족을 달성하기 위해 전사적으로 실 행하는 21 세기형 기업경영 전
략.
( 협의 )6 시그마활동은 고객요 구사항을 만족시킬 수 있는 핵심품질특성 (CTQ) 을 찾아 결
함수준을
-“ 열심히” 하기 보다는
3.4 PPM 이하로 줄이고자 하는 것 .
“ 현명하게 일하는 자세”

- 처음부터 제대로 할 수 있는 프로세스 개선

경영 철학

- 기업 경쟁력 확보 전략
- 프로세스 개선 => 제품과 서비스

(Philosophy)

품질향상 => 고객만족

기업의 전략
(Business
Strategy)

6σ

통계적 방법

(Statistical
Measurement)

- 통계적 기법 활용
- 프로세스 능력에 대한
정량적 목표

8 page

통계적 방법으로의 6 시그마

σ

 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

ˆ
σ=

( xi − x )2
∑
n −1

9 page

σ

관
문
과
점
제
학
해
적
결


 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”

Science
Statistics
Statistical Problem
( 통계적 문제 )
MEASURE
( 측정 )

Art

Practical Problem
( 실질적 문제 )

ANALYZE
( 분석 )

Statistical Solution
IMPROVE
( 통계적 해결안 ) )
( 개선
Practical Solution
( 실질적 해결안 )
CONTROL( 관리 )

DEFINE( 정의 )

SYSTEM(OR PROCESS)
10 page

품
질
비
용

: COPQ

“ 지금의 품질 실패비용은 빙산의 일각임”
검사

서비스
불합격

스크랩
재작업

전통적인 품질 실패 비용
( 쉽게 정의됨 )

추가적인 품질 실패비용
( 측정이 어렵거나 , 곤란
함)

설계변경
판매손실

Long cycle time

납기지연

사무비용

고객신용도 실추

과다 재 작업
과다 재고

세계적 우량기업의 평균
- 회계상으로 파악할 수 있는 품질실패비용 (COQ) : 5%
- 회계상으로 파악할 수 없는 손실 : 30%
주 ) COPQ(Cost of Poor Quality): 품질비용 . 모든 활동이 결함이나 문제 없이 수행된다면 사라지게 되는 비용 .

11 page

Right Roadmap
VISION

전 략

What To Do : 프로젝트 도출엔진

경영목표

출

도

평
과
가제

제

Top Down/Bottom Up 과제
과

6

모
방
접
시
델
법
근
그
마

3. How is Six Sigma?

How To Do : 프로젝트 실행엔진

1 차 Wave 개선과제 List
Define

Measure

Analyze

Improve

Control

Define

Identify

Design

Optimize

Verify

Follow up/Feedback
12 page

추
진

3. How is Six Sigma?
RoadMap
DMAIC 단계별 주요활동내용과 산출물

정의
Define

측정
Measure

분석
Analyze

개선
Improve

관리
Control

주요
활동
내용

D1. 프로젝트 선정
D2. CTQ 도출
D3. 프로젝트 승인

M1.CTQ(Y) 선정
M2. 측정시스템
평가 (MSA)
M3. 현 수준 파악

A1. 분석계획
A2. 근본원인 분
석
A3. Vital Few 선
정

I1. 개선전략 수
립
I2. 최적화 (DOE)
I3. 재현실험 /
평가

C1. 관리계획 서
C2. 관리도
C3. 종료 / 확산

주요
산출
물

• SIPOC

• CTQ(Y) 선정

• 근본원인 검증

• 개선방안 선정

• 관리계획서

• Process Map

• Data 수집

• 최적화 (DOE)

• 관리도 시스템

• CTQ

• MSA

• Data 수집 계획

• 재현실험

• 문서화

• Team Charter

• 프로세스 현수
준

• 원인 검증

• 평가

• 승인 / 확산

( 테마 등록서 )

• 잠재인자 List
• 개선목표
• Quick-Win List

13 page

계획

• Vital Few 선정

Define

Measure

Analyze

Improve

Control

Define
( 정의 )

CTQ

정
의

CTQ 정의

CTQ 정의
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 영역을 도출한다 .

CTQ 특징
가시적이고 고객에게 중요하다 .
측정 가능하다 ( 고객만족과 연관 )
허용범위가 정의되어 있다 .( 수용범위 , 목표 , 수용결점율 )
-> 결국 CTQ 는 다수주변 (Trivial many) 요구사항 보다는 소수핵심 (Vital few) 요구사항을
영 한다 .
예 ) 대응시간의 적절성 ( 사이클 타임 ), 친절도 , 전문성 , 응답의 정확성 ( 오류건수 ), 정시배달 ,
주문서의 정확도 , 유형적 특성 ( 무게 , 높이 등 ), Invoice 의 시간내 작성 혹은 정확성 …… ..

15 page

반

CTQ

와

1. CTQ 정의
CTQ(Y) 선정
X’s

X’s
방법

재료

기계

(Method)

(Material)

(Machine)

품질 변동 발생

프로세스

(CTQ)

사람

측정

환경

(Man)

(Measure)

(Environment)

X’s
16 page

Six Sigma 홍
진 HJC GB

CTQ 정의

고 객
외부 고객

)

예
시

CTQ(

VOC

주요 Issue (CCR)

제품이 납기 대비

제품 출하 ~ 선적 L/T 이

늦게 도착한다 .

CTQ
제품 출하 ~ 선적 L/T

길다 .
생산계획 수립 시 선적
항차를 반영하지 못한다

내부 고객

생산계획 수립 시 선적항차
반영비율

출하 ~ 선적까지의

제품 출하 ~ 선적까지의

제품 출하 ~ 선적까지의

제품 재고가 많다

대기 Container 가 많다

대기 Container 수

L/C 지연으로 수출신고
프로세스 지연됨 .

Copyright © 2005 KSAC. All rights reserved.

17 page

L/C 입수 후 소요 L/T

CTQ 선정 방법
도
전
개
구

CTQ

CTQ 선정의 다양한 방법
A1

로직트리 (Logic Tree)
로직트리 (Logic Tree)

MECE
MECE
A2

A
문제
문제

MECE
MECE

프로세스 매핑 (SIPOC)

B1
MECE
MECE
B2

B

품질기능전개 (QFD)
품질기능전개 (QFD)
Claim 분석 - PARETO
Claim 분석 - PARETO

영업관리

영업관리
생산계획

자재발주

+

Pareto Chart for Cause

+

+
++

++

100

# Of Errors In
Application

# Of Errors/
Customer

Variance From Actual
Rate

Time To Complete
Application Form

Time to Complete
Loan Process

# Of Return
Visits

% Callbacks

# Errors In Entry
Process

# Callbacks To
Customer

# Of Customer
Complaints

Time Allocated
To Customer

Time To Answer
Phone

3
4

Application fast to fill out

2

Don’t make mistakes

4
3

Give me the right rate

How Important
Target

18 page

# Of Calls
Answered/Hr

4

Money when I need it

28

5

133

14

35

27

30

49

46

33

54

27

74

.5%

Accuracy

5

Understands my situation

1%

Speed

3

Knows market

.02 Errors
/Customer

Knowledgeable
Staff

ad

2
6.9
100.0

5

2 Days

2
6.9
93.1

Import

Knows loan proc.

30 Minutes

4
13.8
86.2

Ne

↑

Treat me nice

0 Return
Visits

8
27.6
72.4

N

o
erl
Ov

↑

Willing to answer questions

Friendly Staff

0
Callbacks

13
44.8
44.8

A

in
dm

ee
loy
mp
we

↑ ↑ ↑ ↑

0 Callbacks
To Cust.

m
ste
Sy

d

l
r ia
ate
om

1

Secondary Want

1% Errors

Count
Percent
Cum %

0

Weak

3

↑

5 Min/
Customer

0

Moderate

9

Primary Want

4/100
Customer

20

Strong
Weight

> 10

10

+

↑ ↓ ↑

6 Seconds

Cou nt

40

P ercen t

20
60

S
공급자

++
+

+

Target Goals

Relationship Matrix

80

Defect

+

XX

r
erro

생산

입고관리

출하

라인 출고 재고관리

+

30

n
ow

자재조달

S
공급자

P
프로세스

S
공급자

S
공급자

CTQ 선정 방법
-

사
례

-

도
출

CTQ

Customer 분석
CTQ

고객핵심 요구사항

VOC
상품배송이 늦다 .

신속한 상품 배송

• 배송 Lead
time
단축
VOB
쇼핑몰 매출 증대

- Claim 축소로 고객이탈
및 매출손실 최소화
- Site 차별화 등

SCM 배송체계 구축

- 배송프로세스 안정
- 네트워크 환경 개선

고객 Claim 축소

몰라 외출을 하지 못함 .”

• 배송정보 정확
성

배송 프로세스 /
시스템 정비

- 벤더 / 택배사간 네트워크
및 정보채널 구축

Business 분석

19 page

배송정보가 없거나 틀리다 .

정확한 배송정보 제공 - “ 상품이 언제 도착할지

사업핵심 요구사항
- 고객불만 사항 집중관리
- 클레임 사전 예방 조치 및
대응방안 강구필요

배송정보 정확

- “ 타 쇼핑몰은 2-3 일이면
오는데 LG 는 7 일이
지나도 오지 않네요 .”
- “ 급한 물건인데 .. 안되면
환불 해 주세요 .”

• 배송클레임 축
소

CTQ 선정 방법
컴퓨터 부품 개발 절차 개
선

-

사
례

-

도
출

CTQ

고객 구분

VOC
 제작 발주 Data 에 오류가 있다 .

외부고객

 Data 오류가 없어야 한다

 CAM 편집 시간이 과다 소요된다 .
 긴급 발주가 많다 .

CTQ
 제작 설계 만족도향상
( 95% 이상 )

 요구 spec 을 명확히 제시

 요구 Spec. 이 불명확 하다 .
 Lib. 오류가 지속적으로 발생한다 .
 Lib. 검증 소홀로 설계 / 제작 / 조립이
발생한다 .
 비표준 Lib. 사용이 지속된다 .
 개발 일정 촉박으로 표준 절차
준수가 곤란하다 .
내부고객

CCR

 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 .

20 page

해야 한다
 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 )

구
고
분
객

고객정의 / 요구파악

 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

내부고객
(Internal Customer)

고 객

외부고객
(External Customer)

요구 (Requirement) 의 불만족
결점 (Defect) 으로 정의
21 page

소
고
리
객
의

고객의 소리
(VOC)

프로젝트의 개선 목표를 선정하는 과정에는 현재의 고객과 잠재 고객의 목소리를 듣는
완벽한 프로세스가 필요하다 .

고객만족도 조사만으로는 내부 프로세스와 전 략을 개선하는 데에 필요한 충분히 깊고
다양한 고객정보를 확보할 수 없다 .

기본적으로 시장에서 스스로를 타사와 구별하려는 것이다 .

VOC 는 고객의 목소리를 들음으로써 다음의 사 항을 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
22 page

소
고
리
객
의

고객의 소리
(VOC)

 고객이 기업의 제품 / 서비스에 대해 갖는 다양한 요구와 기대

품 질

제품이나 서비스의 기능 , 신뢰성 , 이용 가능성 , 기호 (taste), 효과성
에 관련된 제품이나 서비스 특징 , 속성 , 차원 , 특성 - 물론 불량 , 재
작업 , 또는 폐기 (scrap) 등이 없어야 함

비 용

고객에게 부가되는 가격 ( 초기 + Life Cycle), 수리 비용 , 구
매 가격 , 금융 비용 (financing terms), 감가상각 , 잔존가치

납 기

리드 타임 , 납품 시간 , 반환 시간 (turnaround time), 준비시
간,
사이클 타임 , 지연 시간

서비스

서비스 요구사항 , 구매 후 신뢰성 , 부품 유용성 , 서비스 , 보증 , 유지
보수 가능성 , 고객 요구 보수 , 제품 책임 (liability), 제품 / 서비스 안전

기업의
책임감

윤리적 비즈니스 활동 , 환경 영향 , 규제 및 법률을 잘 지킴

23 page

구
소
고
성
리
객
의

고객의 소리

VOC 정보수집
VOC 정보수집

VOC 정보분류 및 관리
VOC 정보분류 및 관리
고객정보

Housing
Plaza

인터넷

• 고객개인정보

고객
상담

• 고객상담처리 / 분석
• 고객제안처리 / 분석
• 고객불만처리 / 분석

접수

전화

고객
제안

마케팅정보

엽서

고 객
이벤트

고객
불만

통합 Call Center
• Contact 관리
• 보고서관리

• 가격정보

고객만족
실현
연구

• 상담원관리
• 판촉 및
이벤트관리
• 조사 및 모니터링

• 시장정보
( 영업일지 , CS

• 판촉정보
• 인테리어 정보

일지 )
• CS 정보
• 대리점 정보

Feedback
24 page

생산

영업

제품개선 ,
신제품개발

전산 시스템
• 고객정보

• 제품정보
• 유통정보

각종 조사

고객정보

VOC 정보분석 및 활용
VOC 정보분석 및 활용

마케팅

효율적
마케팅전략
수립

(Mapping):

필
요
성

매
프
핑
로
세
스

CTQ 선정 방법

 사업부 / 팀 등 조직 간의 원활한 의사소통
–

부서 내 이해관계에서 고객의 관심사로 전환

–

전체 프로세스를 유기적으로 “보게”하는 능력

 복잡한 프로세스를 단순하고 명백하게 파악하고 가시화시
켜 개선의 기회 / 가능성의 발견

이 익

 오랫동안 알고 지냈던 문제를 구체화
 한 프로세스의 변경이 전체 혹은 다른 프로세스에 어떠한 영향
.
. 을 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 확인하는데 도움을 준다 .
 작업 기준을 수립하도록 한다 .

25 page

비부가가치
작업 제거

(Mapping):

종
류

매
프
핑
로
세
스

CTQ 선정 방법

시작

상위 프로
세스 맵
(SIPOC)

S upplier IC
nput
O

P rocess

O utput

C ustomer

공급자
:

프로세스 :

아웃풋 :

고객 :

인풋 :

고객
Customer

끝

고객
고객전화
시
도

콜센터 텔러

응답기

콜센터 관리자

담당자

이동처리반

D1

매체정보

매체종류
입력

A1

BY1

CY1

AY2

Output

접속

통화중

상세
프로세스 맵

AY1

발신

BY2

CY2

A

B

C

A X1
.
AXK

BX1
.
BXL

CX1
.
CX

매체종류
접수

D3
VMS녹음
통화포기

D2
상담대기
텔러

Process

A2
텔러연결

시작

A4
A3

문제청취

문제청취

D4

고객확인
A5
고객에
송신

Input

문제해결
A6

문제접수

문제접수

기능 전개맵 (FDPM)
* FDPM : Functional Deployment 프로세스 맵

26 page

M

In-Out 프로세스 맵 ping

끝

구분

Mapping(

시그마은행 고객출금 프로세스개선

고객
은행방문

내점

)

예
시

프
로
세
스

CTQ 선정 방법

대기번호표 입수

N

예출금
의뢰서 작성

1분

접수

창구직원
V

대기

계장

A

7분

전광판
확인

예출금 의뢰서 제출

의뢰서 / 통장 접수

1분
N

대기

단말기 전산입력

잔고확인

지급불능 통보

잔고
확인

V

수표
>500 만원

A

0.5 분

N

N

V

2분
27 page

출금

N

A

V

A

수표발행요청

A

0.5 분
금액확인 및 수령

V

이동

수표접수

출금

A

0.2 분
N

처리

V

수표 발행 / 인증

3분

CTQ 선정 방법

Level-1

Level-2

Level-3

Level-4

Act i vi t y
수행활동

예
시

프
로
세
스

 각 상위 프로세스에서 하위 프로세스로 Focusing 해가면서 프로세스를 분석하기도
함.
Mapping(
)
투자계획

시설구축

서비스 계획수립

개통

고객시설 관리

고장수리

속도미달고객선정

시설운용

ㅇAN S측정자료활용
M
- SLA 기준미달고객 출력
- 출력자료 D
B화 업그레이드
ㅇAN S측정자료외 속도미달고객
M
- VO 등 고객요구 발생분
C
. 불법공유, 구내시설불량 등
- C M 배상요청 고객
QS
ㅇ 고객분석
- 거리별, 선로시설, 시스템별
세분화
ㅇ정비가능여부 판단
- 동AD 3. 5Km
SL
고객 이분화
- 경쟁사 속도차이 분석
- 투자공사 반영여부 분석

ㅇ 정비우선순위 결정
- SLA배상 요청고객
- VO 발생고객
C
- 고객등급 우선순위 결정
- 중복고장, 관련민원 고객
- 경쟁사 진입대상 고객
ㅇ 시행방법 결정
- 직영정비
. PC
환경, 댁내정비
. 옥외고무선 U
TP화
- 도급정비
. 옥내, 옥외시설 정비
. 동선AD
SLI P- xD
SL
수용전환여부 결정

28 page

성과분석 및 대책수립

품질개선

정비계획수립

고객서비스

장애처리

품질측정
ㅇ정밀구간 시험
- 국내시험
. 포트시험
. 프로파일값 설정확인
. 탄기반 불량여부확인
. 장비~MDF까지정밀측정
- 국외시험
. 선로상태 정밀시험
(심선불량여부, 구형단자함,
꼬임접속개소 ,구내불량
여부 등)
- 댁내시설
. 모뎀,LAN카드,필터
불량여부확인
. 댁내선 확인
. 고객 PC 최적화 확인 등

통계관리

평가관리

목표달성여부, 피드백

경영지표 달성

시설정비

사후관리

ㅇ국내시설 정비
- MDF점퍼선 교체
- 불량포트 교체
- 프로파일 재설정
- 피뢰탄기반 교체
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 불가지역 투자
계획 반영 조치
- ONU,IP-xDSL등
전진배치계획 수립
-엑세스망고도화(대개체)
ㅇ 품질만족도 조사
-happy call실시

프로젝트 범위 설정
-

-

예
시

SIPOC

S

I

- Vendor( 원료 , 설

- 원료

비)

- 작업 공수

- 생산관리

- 생산계획표

- QC, QA

- 제조지시 / 기록

- 각 공정 작업실

서

( 원료 , 과립 , 선별

반제품
(Bulk)

생산계획

• 공정 리드타임 단축

- 작업설비

등)

- 공정 Bulk

- 공무

- 시험결과

P

계획
생산지시

과립
타정
코팅
선별

C

- 공정 중 Bulk

- 포장 부서

- 반제품 Bulk

- 생산관리

원료 출고 ( 수령 )
- 시험 결과

Bulk
29 page

O

- 제조기록
( 시간 , 수율 )
- 작업 공수

- QC, QA
- 각실 ( 원료 ,
과립실 제
외)

프로젝트 범위 설정
-

-

예
시

SIPOC

설비가 사이트
에 도착

S

I

- 프로젝트 관리

- 설치계획

자

- RIS 서비스

- 시스템 통합

- Modality

- 판매 전문가

Interface

- Health Net

고객이 시스템
승인

P

- 시스템 구성

서비스 프로젝
트
관리자

- PACS 네트웤

수취 & 재고
설비 저
장 /stage
설치

- 완벽한 주문
- 준비된 사이트

- 제조

훈련
사이트를 고객
에게 인도

30 page

O

C

- 설치된 시스템

- 병원

- 사이트 이전

- GEMS 재무

Team Charter -

예
시

Team Charter( 테마 등록서 )

31 page

Define

Measure

Analyze

Improve

Measure
( 측정 )

Control

CTQ(Y)

관
의
계

CTQ

와

CTQ(Y) 선정
(1)

정 의
 CTQ: 고객의 요구사항을 프로세스의 언어로 표현한 것 .
 CTQ(Y): CTQ 를 만족하기 위한 조건들을 측정 가능한 구체적 특성으로 표현한것 .

주요활동


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 인터넷 검색 업체의 고객 만족도는 CTQ 이다 . 고객 만족도는 정 보의 내
용 , 정확성 , 최신성 , 접속 용이성 등으로 표현할 수 있는 데 , 이 때 CTQ 만족을
위한 개별 특성들은 CTQ(Y) 이다 .
33 page

CTQ(Y)

관
의
계

CTQ

와

CTQ(Y) 선정
(2)

여러 개의 CTQ(Y)
–

규모가 커서 CTQ(Y) 가 너무 많다면 프로젝트를 나눈다 .

–

특성의 층별을 통하여 파레토도를 작성하면 용이하게 나눌 수 있다 .

–

나누어진 특성들 중 당초의 CTQ(Y) 와 가장 관련이 있 거나 문제의 심각
도가
가장 크다고 분석된 것을 새로운

CTQ(Y) 로 선정한다 .

CTQ(Y) 선정 시 확인 사항
–CTQ(Y)

로 사용해도 무방할 정도로 비례 또는 반비례 관계를 나타내는

또 다른 결과지표 CTQ(Y) 가 있는가 ?
–CTQ(Y)

를 개선하게 되면 오히려 특성이 저하되는 다른 CTQ(Y) 가

있는가 ?
–몇몇

결과 변수들을 개선해야만 그 총합적 효과로 개선되는 CTQ(Y)

인가 ?
34 page

CTQ(Y)

관
의
계

CTQ

와

CTQ(Y) 선정
(2)
가능한 Y

CTQ

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)

※ 계량형 Y 로 만들수록 프로세스를 더 자세히 알 수 있다 .
35 page

CTQ(Y)

관
의
계

CTQ

와

CTQ(Y) 선정
(3)

 도출된 성과 지표들이 고객의 핵심적인 요구사항들을 얼마나 잘 설명하는가를 검토한다 .
 CTQ 와 CTQ(Y) 간에 복잡한 관계가 존재하는지 검토한다 .
CTQ

CTQ(Y)

CTQ

CTQ(Y)

출력

마력

출력

마력

내구성

총 유효
수행시간

내구성

총 유효
수행시간

신뢰성

MTBF

신뢰성

MTBF

효율성

연비

효율성

연비

- 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

36 page

Ti: 가동 중의 시간 , n: 고장 횟수 .

표

도
출
도
구

: QFD/

도
파
레
토

CTQ(Y) 선정

 CTQ 와 CTQ(Y) 간의 관계로부터 분석된 CTQ(Y) 의 우선순위를 고려하여 과제의 대표적 지표로
표현될 수 있는 CTQ(Y) 를 결정한다 .

파레토도

QFD

Pareto Chart for 2차유형_고장

80

300000

60

200000

40

100000

20

0

0
김
/끊

Defect
Count
Percent
Cum %

- QFD(Quality Function Deployment): 품질기능전개

37 page

속불
접

375020
73.7
73.7

그램
프로

48379
9.5
83.2

치
재설
뎀
모

,전
K불
LIN

36280
7.1
90.3

원불
속도

느림

27541
5.4
95.7

e rs
Oth

21695
4.3
100.0

Percent

100

400000

Count

500000

CTQ(Y) 선정
도
출
도
구

: Logic Tree
CTQ

재단시
치수편차

길이틈새

정의
1

치수품질개선

외부환경
변화에 따른
변형

2
제품길이 치수 1,2 의 치수 차
이로 시공 후 폭 방향에 도해
처럼 틈새가 발생한 것을 폭
틈새라 한다 .

치수편차

직선도

도해

폭틈새

경시변화
치수편차

CTQ(Y)

a

b

제품폭치수 a’b 의 치수 차이로
시공 후 길이 방향에 도해처럼
틈새가 발생한 것을 길이 틈새
라 한다 .

변형틈새

제품이 외부환경영향 또는 제
품자체의 변형으로 도해처럼
중앙부 Side 부에 틈새가 발생
하는 것을 변형틈새라 한다 .

38 page

맵

도
출
도
구

:

프
로
세
스

CTQ(Y) 선정

프로세스 맵 작성 단계
개선 필요
프로세스
12_mm Shaft Defects At Final Insp

2. 프로세스의 모든 작업 확인

60
40
20

8. KPOV 및 KPIV 에 대한 규격기입
9. 모든 프로세스 데이터 수집포인트를
명확히 규명

39 page

200
23.3
75.6

100
11.6
87.2

at
e
M

450
52.3
52,3

ro
r

t

Defect
Count
Percent
Cum %

R
aw

7. 모든 KPIV 분류 (SOP)

Tr
an
sp
or

ac
hi
ni
n
M

6. 각 단계별로 KPIV 열거

r ia
l

0
g

5. 각 단계별로 KPOV 열거

80

Er

4. 각 작업의 부가가치 유무 확인

100

As
sy

3. 대상 프로세스의 입•출력 확인

(%)

900
800
700
600
500
400
300
200
100
0

Sl
ic
er

1. 개선이 필요한 프로세스의 범위 정의

60
7.0
94.2

50
5.8
100.0

- 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

:

특
성
징
능
표
준

CTQ(Y)

운
영
정
의

성능표준 운영정의

 성능표준 설정 :
양품과 불량 (Defective) 을 판정하고 현재의 수준과 목표를 설정한다 .

CTQ
• 폭틈새
• 길이 틈새

기술적 수준

측정 기준 선정

평판 위에서
최대 이격 거리

목표치

Benchmarking
수준 0.2mm 이하

USL
= 0.2mm

허용 불량 비율

경쟁수준

틈이 눈에
띄지 않게

규 격

고객 요구

제품 / 서비스의
대표적 특성치 선정

233ppm/
5 Sigma

사업 목표

• 변형틈새

관계법규

- 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

40 page



-

예
시

운
영
정
의


CTQ 는 고객의 니즈를 우리내부의 제품 / 프로세스 / 서비스의 품질수준을 평가할 수 있도록
측정 가능한 지표로 전환

CTQ

측정 기준

규격유무
유

무

규격 (Spec)
LSL

USL

허용불량율

폭틈새

평판 위에서 최대 이격거리

•

-

< 0.2mm

233ppm

길이 틈새

평판 위에서 최대 이격거리

•

-

< 0.2mm

233ppm

변형틈새

현재 없음

•

표면거칠기

현재 없음

•

-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
1PPM 이다

41 page

-

예
시

운
영
정
의


Y

운영 정의 예

실판매 경쟁력

단위

당사 매출금액 / 경쟁사 매출금액 * 100
구매고객수 / 매장방문객수 * 100

구매고객율
배송 리드타임
판매예측 정확도

%
%

고객주문 ~ 고객배달
( 접수 고객의 배달 ( 설치 ) 확인서 날인 )

일

당월 판매량 / 전월 판매계획 * 100

%

S/W 활용율

해당 S/W 로그인 횟수

회

OO 취급점수

PC 대리점 중 OO 판매액이 월 1 천만원 이상
점

점

단위당 물류비

월간 물류비 / 월간 물동량 (kg)

42 page

원 /kg

정
측
의
정
의

측정 시스템 분석 개요

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 아

니다 .
 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

43 page

변
관
동
측
요
치
소


+
실제
프로세스의 변동

=
측정 변동

관측되는 변동

비록 측정하여 수치로 나타난 데이터를 얻었다고 하더라도 그것이 항상 있
는 사실을 그대로 보여 주는 것은 아니다 .
따라서 , 주어진 데이터가 어느 정도의 진실을 반영하고 있는지 확인할 필요
가 있다 .

44 page

변
관
동
측
된


관측된 프로세스 변동

실제 프로세스 변
동

단기 프로세
스변동

장기
프로세스 변동

측정 변동

게이지로 인한
변동

작업자로 인한
변동

재현성
실제 프로세스 변동을 파악하기 위해
서는 먼저 측정시스템으로 인한 변동
을 밝히고 이를 프로세스 변동과 분리
시켜야 한다 .

45 page

반복성
정확성
안정성
선형성

측정시스템 평가 기준

 측정시스템이 적절한 변별력을 갖추고 있는가 ?
 측정시스템이 시간 변화에 따른 통계적 안정성을 유지 하는가 ?
 프로세스 변동 및 규격한계선과 비교해 측정오차 ( 변동 ) 는 작은 편인가 ?

측정오차의 분해

산포

측정오차

σ 2 total = σ 2 product + σ 2 MS

= 정확도 +정밀도

분산
평균

정밀도

정확도

µtotal = µ product + µMS
치우침

σ 2 MS = σ 2 rpt +σ 2 rpd
σ 2 MS 측정정밀도
σ 2 rpt 반복성
σ 2 rpd 재현성

2
2
표준편차 σ MS = σ rpt +σ rpd

46 page

평
측
정
가
기
능
준
력

측정시스템 평가 기준

%R&R
또는 P/T

Distinct
Categories

< 1%

< 10%

10 이상

중요성 고
려

< 10%

10 ~ 30%

4~9

사용 불가

10% 이상

> 30%

<4

%Contribution
양호
비용과

※ Minitab 에서는 %R&R 을 %Study Var 로 , P/T 는 %Tolerance 로 보여 준다 .

47 page

Data

종
류

데이터 수집

•계수형 데이터 ( 이산 데이터 )
불량품의 수 , 결점의 수 등과 같이 개수를 세어 얻어지는 품질특성의 값
 불량품 데이터 • 양품 / 불량품으로 구분되는 데이터

이항분포

– 수입검사에서 부품의 양품 / 불량품
– 납기의 준수 여부
– 제품시험에서 통과 / 실패
 결점수 데이터 • 제품 결함 / 흠집의 수를 세는 데이터
– 철판의 흠집 수
– 기술보고서의 페이지 당 타이핑 오류의 수

•계량형 데이터 ( 연속 데이터 )

정규분포

길이 , 질량 및 시간 등 연속량으로서 측정되는 품질특성의 값
48 page

포아송분포

3

관
가
지
점

데
계
이
량
터

데이터 수집

연속 Data 의
3 가지 관점

분포의
모양
산포의
크기

Data 는 중심치
주위에 모이는
경향이 있다

Data 는 산포를
보인다

도수분포는
어떤 특별한
모양을 나타낸다

중심 위치의
평가

산포 크기의
평가

도수분포의
모양평가

중심위치

49 page

Data


절
수
차
집
계
획

데이터 수집

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 .

Data 수집

Step 2

Step 1

측정계획 수립

측정관련자 모임

Step 3
Data 수집

Step 4
수집 Data 검토

Data 정리

50 page

장

/

비
공
시
단
교
그
기
정
능
마
력

Zlt 와 Zst

장기 공정 능력 (Long Term)







공정에 외부적인 영향이 반영되는 충분
히
긴 기간으로서 , PPM Data,YRT 는
일반적으로 장기간의 공정능력임
Zlt(σlt)
Ppk
개선하기 위해 기술과 공정관리가 필요
6σ 는 Zlt = 4.5 를 의미

단기 공정 능력 (Short Term)
 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

• 장기간의 공정능력은 공정의 중심이 이동되고 변동이 됨으로 , Zlt < Zst 의 관계에 있음
• Zshift = Zst - Zlt

→

51 page

Zst = Zlt + 1.5

의
검
정
미
정
규
성

정규성 검정

■ 측정된 Data 가 정규분포를 따르는 지를 알아볼 수 있는 도구 .
■ 통계적 추론에서 모집단의 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 실험시 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 )

52 page

(

)

예
시

결
미
과
니
탭

정규성 검정

정규성 검정

Cumulative Probability

.999
.99
.95
.80
.50
.20

• P-Value= 0.320

.05

• P-Value 가 0.05
보다
크므로 정규분포를 따름 .

.01
.001
4.5

5.5
9.5

6.5

7.5

Response (Days)

53 page

8.5

현수준 파악 / 시그마 수준 정의
정
수
시
의
준
그
마

(1)

 시그마 수준의 의미는 프로세스 성능 데이터가 고객핵심요구사항 (CCR) 을 어느 정도 만족시키
고
있는가를 계량적으로 평가한 것임 .

CTQ(Y)

CCR
USL

LSL

결함의 정
도를 정량
적으로 표
현
- USL (Upper Specification Limit) : 규격상한
- LSL (Lower Specification Limit): 규격하한
- CCR (Critical Customer Requirements) : 핵심고객요구사항

54 page

의
수
시
미
준
그
의
마

현수준 파악 / 시그마 수준 정의
(2)

σ

Y

μ
z

Pr( Z ≤ z )

-1

0.1586553

0

0.8413447

2

0.9772499

3

0.9986501

4

0.9999683

5

0.999999713

6

0.999999999

σ

1

0

USL

Z

2

0.5000000

1

USL

X −µ
Z=
σ

55 page

 이 값은 규격 (Spec) 이 평균으로부터 얼마나 떨어져 있는지
를 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: 표준정규분포
σ : 표준편차 ( 시그마 )
μ : 모집단의 평균

계
수
시
산
그
준
방
마
의
법

시그마 수준 / 연속형

Data
연속형 ( 연속 )

이산형 ( 불연속 )

모양 (Shape)

결함 (Defect)

위치 (Location)

DPU

흩어짐 (Spread)

Spec

Sigma Metric : Z

56 page

DPMO

양
쪽
규

(

연
속
형

)

:

격

계
수
시
산
준
그
방
의
마
법

시그마 수준 / 연속형

 불량품이 양쪽의 규격한계를 벗어난다면 아래에서 보는 것처럼 USL 과 LSL 을 연관
하여 공정 능력을 설명할 수 있음

LSL

USL

ˆ
σ

ˆ
µ
총불량률 , p(d)
프로세스에 규격상한과 규격하한을 벗어나는 측정값이 있다면
조건을 반영하는 Z 값을 구해야 함

–
–

USL(Upper Specification Limit) : 규격상한
LSL(Lower Specification Limit) : 규격하한

57 page

이

계
수
시
산
준
그
방
의
마
법

:

이
산
형

시그마 수준 / 이산형

불량률 (Defective) Data 의 경우
- 아래의 예와 같이 데이터 형태가 합격 , 불합격 혹은 양품 , 불량품 등과 같이 얻어지는
경우는 불량률 혹은 수율을 계산하고 이에 해당하는 표준정규분포로부터 Z 값을 계산하
여 시그마 수준을 구함
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

p( d ) =

15 = =
0.3 30%
50
58 page

수율 =

35
= 0.7 = 70%
50

Zbench = 0.52

계
수
시
준
산
그
방
의
마
법

:

이
산
형


결점수 (Defect) Data 의 경우

 데이터 형태를 합격 , 불합격의 형태가 아니고 각 불합격품의 결점 수 (Defect) 를 파
악한 경우 :
- 포아송 분포를 활용하여 하나의 제품이 합격할 확률 ( 수율 ) 을 구함
- 해당하는 표준정규분포로부터의 Z 값을 계산하여 시그마 수준을 구함

1

Pass Pass Pass

Pass Pass
Pass
1
Pass

2

1

Pass Pass Pass

Pass Pass Pass

Pass Pass

Pass Pass
3

1

1

1

Pass Pass

Pass Pass Pass

Pass Pass

Pass Pass Pass

1

1

2

2

1

Pass
2
Pass

Pass Pass Pass

Pass Pass

1

Pass

21 =
dpu =
0. 42
50

= e−dpu
수율
= e−0.42
= 0.657
Zbench = 0.40

 하나의 제품 ( 측정 Unit) 의 수율에 근거해 시그마 수준을 계산하기 때문에 검사항목이 많아서 평균
결점수가 큰 경우에는 상대적으로 시그마 수준이 낮게 평가되기 때문에 서로 다른 프로세스의 비교
평가를 위해서 다음에 소개될 DPMO 방식을 사용하게 된다 .
59 page

:

이
산
형

계
수
시
준
산
그
방
의
마
법


Unit, Opportunity, Defect
DPU 계산

정
의

결점수 (Defect) Data 의 경우 : DPMO 방식

Unit

Opportunity

DPO 계산

DPMO 계산

Defect
Z 값으로 변환

60 page

 Unit = 3 개
 Opportunity / Unit = 5 개
 총 Defect = 3 개

계
수
시
준
산
그
방
의
마
법

:

이
산
형


Unit, Opportunity, Defect

DPU 계산

정
의

결점수 (Defect) Data 의 경우 : DPMO 방식
 Defects Per Unit
 한 개의 Unit 에 존재하는 평균 Defect 의 수
 DPU = 총 Defect 수 / 총 Unit 수

 Defects Per Opportunit y
 한 개의 기회 (Opportunity) 가 갖는

DPO 계산
DPMO 계산
Z 값으로 변환

61 page

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

×

율

계
수
시
산
준
그
방
의
마
법

:

수

수율 (Yield)

누적 수율 (YRT)

지금까지 수율 (YFT)

공정의 각 단계 ( 기회 수 ) 를 고려함

최종 공정만을 고려함

재 작업및 부품폐기를 고려하여 관리

재작업및 부품 폐기를 고려하지 않음
무결점의 가능성을 제시 하지 못함

무결점의 가능성을 제시함

최종 공정의 품질 조사

각 공정의 품질 조사 -d / u

공정이 여러 개로 구성된 점을 고려하지 않음

공정이 여러 개로 구성된 점을 고려함

YFT =S / U

YRT = e

여기서 S = 합격 대수 U = 검사 대수

또는 = Y1*Y2*.....*Yn

62 page

수율 (Yield)
계
수
시
준
그
산
방
의
마
법

: YRT (Rolled Throughput Yield)

협력사로 부터 부품 공급 받음 .

95.5% Yield
45,000ppm
손실

97% Yield
28,650ppm
손실

YRT=.955×.97×.94.4=87.4%
125,526 parts per million 손실의 기회
63 page

94.4% Yield
51,876ppm
실

손

Time

공
정
능
력

(Process Capability):

정
의

공정능력 분석

 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

LSL

USL

고객의 소리 (VOC)

먼저 데이터의 중심을 목표치로 이동하고 산포를 줄인다

64 page

공
정
능
력


정
의

공정능력 분석

 공정 / 제품 능력 지수 (Cp) : 상위 및 하위 규격 한계에 대한 공정 / 제품의 변동의 관계를
나타냄
LSL

USL

ˆ
6σ

USL − LSL
Cp =
ˆ
6σ
=

ˆ
6σ

=

Allowed Variation (spec.)
Normal variation of the process
규격허용범위
공정자연변동

ˆ
6σ
USL : Upper Specification Limit ( 규격상한 )
LSL : Lower Specification Limit ( 규격하한 )
T : ( USL + LSL ) / 2

T
65 page

공정능력 분석

치우침이 없는 경우의 공정능력지수

LSL

ˆ
σ ST

USL

(Cp, Cpk)

공
정
능
력
지
수

공
정
능
력


치우침을 고려한 경우의 공정능력지수

LSL

ˆ
T= µ
Cp =

USL − LSL
ˆ
6σST

66 page

ˆ
σ ST

USL

ˆ
T µ=
Cpu =

ˆ
USL −µ
ˆ
3σST

Cpk = (1-k)Cp

Cpl =

ˆ
µ −LSL
ˆ
3σST

LSL + USL
ˆ
−µ
2
K=
USL − LSL
2

공
정
능
력
지

:
수

활
미
용
니
탭

공정능력 분석

잠재적 공정능력

단기 (ST
장기 (LT) 의
표준편차

전체 공정능력

단기 (ST)
공정능력지수

관측성능

기대내부성능 기대전체성능

 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 감소시키는 것이 필요하다 .
67 page

계
통

통계란 ?

데이터 (DATA) 란 무엇인가 ?
(1) 논리의 기초가 되는 자료
(2) 관찰에서 획득한 사실

의미 있는 Data

데이터
(Data)

타당한 Data

정 보
(Information)

필요한 Data

데이터
정의

68 page

데이터
수집

데이터 처리
및 표현

계
통

통계란 ?

모집단
조치와 행동

표본설계

의사결정
표 본
추측
통계학

검토

관찰

정보획득

통계적 분석
기술
통계학

69 page

데이터

계
통

통계란 ?

실제의 문제 => 통계의 문제 ( 평균 , 산포 )
평균
(Location)

↓
Mean, Median,
Mode

산포
(Spread)

모양 (Shape)

↓
Variance, Standard
Deviation,Range

↓
Skewness,
Kurtosis

48

49

50

51

52

출력특성 (Output Characteristic Response)
70 page

53

균
평

통계란 ?

한 집단을 대표 하는 값
평균의 종류
평균의 종류
우리집
대표는 ?

산술평균 (X)
~
중앙값 (X)
최빈값 (Mode)

-

-

어떤 값을 사용해야 한 집단을 대표하는 값이라 할 수 있는가 ?
71 page

장
평
균
단
점

통계란 ?

척도

장점
-통계학에서 가장 많이 쓰이는 중심 위치 측도

평균

단점
- 이상치에 의해 평균값이 크게 좌우 됨

- 계산이 쉬우며 데이터에 대한 유용한 정보 제공
-μ 를 추정하기 위한 기본 가정
- 데이터 수가 비교적 적을 때 계산이 쉽다
( 시료의 크기가 10 개 이하일 때 효율적 임 )

중앙값

- 이상치에 크게 좌우되지 않음

- 표본이 변하게 되면 평균보다 중앙값의
변화가 크다
( 표본값에 기초하여 모집단의 중심 위치를
추정한다면 중앙값 보다 평균을 사용하는

- 데이터의 크기가 클 때만이 중요한 의미가 있음
최빈값

것이 안정적 임 )
- 거의 시용되지 않음

- 계산할 필요가 없음

- 데이터 수가 작은 경우 거의 의미가 없음

- 정량적 자료 뿐만이 아니라 정성적 자료에도
사용 가능

72 page

통계란 ?
산
포
란

?

데이터가 흩어진 정도
평균
수심 10 미터
라더니 !

데이터의 흩어진 정도는 무엇으로 나타내면 정확 할까 ?

73 page

발
산
생
포
원
인

통계란 ?

• 일반적인 프로세스내에서 단시간 내 또는 한 사람을 작업할 때는 장시간 , 여
러 사람들이 작업할 때보다 변화가 적다 . 특히 장기간에 걸친 변화가 단기
간에 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

우연 원인

이상 원인

• 현상

모든 Data 에서 유사한
양상으로 나타남

일부 Data 에서 평소와
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%

74 page

종
산
류
포

통계란 ?

•

범 위 (Range) = 최고값 - 최저값

•
•

Sum of Squares = Σ (Y - 평균 )2
Σ (Y - 평균 )2
2
분 산 (Variance) = s =
(n - 1)

•

표준편차 (Standard Deviation) = s =

75 page

s2

Sigma

파
수
악
준

통계란 ?

Data 의
유형
========

통계
측정치
========

연속 데이터

Z-Value
========

SPEC

이산 데이터

기준과의 비교
========

Z-Value
시그마 계산

Defect
Unit
Opportunity
DPMO

평균
표준편차
그래프 모양

통계란 ?
정
규
분
포
란

?

평

균

표준
편차의
1 단위

중간값
최빈수

+

70

8

8

-

평균 ==100 이고 표준편차 ==10 인 정규분
평균
100 이고 표준편차
10 인 정규분
포
포

80

90

100

110

120

• 표준편차의 크기가 의미하는 것
± 1 표준편차는 Data 의 68.3 % 를
• 공정 상태를 평가하기 위해서는 공정의
규격과 목표수준과 비교해야 한다 .

77 page

•
•
•
•
•
•
•
•

수학적 모형
연속적
유연한
대칭적
꼬리가 X 축에 점근함
종모양
평균 = 중간값 = 최빈수
곡 선 아래의 전체 면적 = 1

130
포함한다
포함한다
포함한다 .
특성을 ( 중심위치 , 산포 , 및 모양을 통해 )

통계란 ?
표
준
정
규
분
포
란

?

정규분포
정규분포
평균 = 100 , , 표준편차 =
평균 = 100 표준편차 =
10
10

-

∞

∞

70

80

90

100

110

120

+

130

Z=
표준 정규분포
표준 정규분포
평균 = 00 , , 표준편차
평균 =
표준편차
= 11
=
-

∞

∞

-3

78 page

-2

-1

0

1

2

3

+

(X - μ)
σ

Define

Measure

Analyze

Improve

Control

Analysis
( 분석 )

79 page

Analyze

목
단
계
적

분석단계 실시 순서

 잠재인자 선정 및 우선순위화

잠재인자
도출

 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 시작
한다 .

잠재인자
분석

Vital
Few X’s
선정

 CTQ(Y) 의 변동에 영향을 미치는 Vital Few X's 를 규명하기 위해 수집
..

된

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 고려하여 프로젝트에서 해결할 핵심
원인변수 (Vital Few X's) 를 선정한다 .

80 page

도
활
구
용

잠재인자 선정

5 Why
5 Why
X-Y Matrix // C-E
X-Y Matrix C-E
PARETO
PARETO

Pareto Chart for Cause
30

100
80

Coun t

60
40

10

20
0

Defect
Count
Percent
Cum %

0
m
ste
Sy

do

13
44.8
44.8

wn
A

rro
in e
dm

8
27.6
72.4

r
N

r ia
ate
om

4
13.8
86.2

l
Ne

ee
loy
mp
we

2
6.9
93.1

erl
Ov

d
oa

2
6.9
100.0

81 page

Percent

20

X-Y Matrix:

정
의

잠재인자 선정

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

82 page

잠재인자 선정
)

예
시

X-Y Matrix(

어떤 Input 변수가 Output 변수를 설명하는 데 가장 중요한지를 알게 됨

1

2

3

Process Step
고객센터
고객센터
고객센터
고객센터
품질관리과
품질관리과
선로기술과
고객시설과
협력업체

지연방문 등

9
4

9
고객사유에 의한 미개통

9

불안전한 개통

1

연락없이 미개통

3

당사사유에 의한 미개통

고객에 대한 중요도

5

합계와 우선순위
Total

Process Input
고객정보 오류
개통불가능 지역
개통예정일 오류
서비스 누락
모뎀부족
MDF 불량
케이블 부족구간
프로우메니져의 업무량 과다
개통요원의 기량부족

9
1
1
3
1
1
1
1
1

3
1
1
9
1
1
1
1
1

1
1
1
1
1
1
1
1
1

1
1
1
1
9
9
9
3
1

1
1
1
1
9
9
9
1
1

최종점수 합계를 크기 순으로 정리하여 가장 중요한 Input 변수를 찾아낸다
KPIV’s 에 대한 관리 계획을 평가 (Pareto 분석 ) 할 수 있다

83 page

57
31
31
45
275
175
175
49
31

C-E(Cause-Effects)

다
이
어
그
램

잠재인자 선정

문제되고 있는 특성 (Process 의 결과 ) 과 그 특성에 영향을 끼친다고 생각되는
요인 ( 원인이 되는 것 ) 과의 관계를 계통적으로 이해할 수 있도록 그린 그림 .
문제의 해결 , 개선을 위한 관리에 유용한 수법

요 인

특 성

특성 ( 일 , 프로세스의 결과 )
요 인 (원 인)
* 동경대학 石川 ( 이시가와 ) 교수가 1953 년에 고안한 기법
* Fishbone , 특성요인도 등으로도 불림 .
84 page

-

예
시

C-E

다
이
어
그
램

잠재인자 선정

Machine
Machine

Environment
Environment

(( 전산 System ))
전산 System

작업량 증가
•신규점 / 양수도점

System Server 이원화
제도 / 정책 미흡
•일마감 정착 미흡
•정산자료 매뉴얼 배포

기능 다원화

Out sourcing

•경영회계 / 재경 /
•전산 / 협력업체… ..

•협력업체 독점

Job Rotation

•동일유형 Error 반복
•Up Grade 부족

프린터 고장
•발행시간 장시간 소요
•A/S 빈번

수불 재작업

회계관련 지식이해도
•필드서포터 역량
•교육

프로그램 호환미흡

•본부회계
•가맹회계

•자료미송
•본부 일괄매입 빈번

숙련도
•수작업 처리속도

송금 & 입금확인

Schedule 작성
•근무일수 산정

정산 재작업
•전표처리 / 확인절차

•미송 / 과송 Check

근무 경험

Man
Man

((회계 / /전산 /FS/ 협력회사 ))
회계 전산 /FS/ 협력회사

85 page

장부발행 / 분리작업

장부 배부 Timing

•절취 / 취합시간

•실무자 교체빈번

•F/S 를 통한 전달

Process
Process

Lead time 이 길다
Lead time 이 길다

잠재인자 선정
응
매
프
용
핑
로
세
스

: KPIV (key Process Input Variable)

– Constant
• 상수
• Y 에 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
• Y 에주는 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

86 page

KPIV

예

)

(

시

응
매
프
용
핑
로
세
스

잠재인자 선정

사례 ) 라면 맛 만족도 향상 _ 시간

START

• 라면 (C)

KPOV
A

• 라면 고르는 시간 ( 유효기간 )

A

• 양호한 라면 확인시간

라면 고르기
양호 ?

• 라면 유효기간 (X)
• 라면 남비 (C)
• 물세기 (X), 물양 (X)

NV

NV

60 초

물 올리기30 초
GAS ON 5 초

• GAS 밸브 (C)
• 힘 (X)
• GAS 불세기 (N)
• 라면끓이는 방법 (SOP)

VA
VA

끓는가 ?

270 초

NV

A

• 물 준비 시간
• GAS ON 시간
• 물 끓는 시간

라면넣기 15 초
•
•
•
•

• 라면 준비시간

스프넣기 20 초

라면 (C)
스프 (C)
야채스프 (C)
계란 (X)

VA
VA

• 스프 넣는 시간

야채스프넣기

10 초

계란넣기 15 초
• GAS (C)
• GAS 량 (N)
• 라면끓이는방법 (SOP)
• 힘 (X)
• 밸브 (C)

더 끓이기
OK?

120 초

GAS OFF 2 초
87 page

VA
VA
A
NV
NV

A

• 야채스프 넣는 시간
• 계란 넣는 시간
• 추가 끓이기 시간

VA

• GAS OFF 시간

예

)

(

시

응
매
프
용
핑
로
세
스

잠재인자 선정

KPIV
•
•
•
•

그릇
김치
수저
상

KPOV
그릇 옮기기 초 N V A
30

(C)
(X)
(C)
(C)

• 그릇 이동시간

김치 꺼내기

A

• 김치 꺼내는 시간

수저 놓기

A

• 수전 놓는 시간

V
30 초 N

V
10 초 N

상내기 15 초 N V A
먹기

종료

88 page

VA

• 상 이동 시간

)

예

(

시

응
매
프
용
핑
로
세
스

잠재인자 선정
사례 ) 주문처리 프로세스 분
석

** 프로젝트의 Y’s : 주문처리시간 , 요구 정확도 , 고객 만족도
KPIV

Process

KPOV

고객 환영

• Cycle Time
• 고객 첫인상

주 문 확인

• Cycle Time
• 요구항목과의 Gap
• 주문 확인 만족도

내부 P/N
확보

• Cycle Time
• 요구항목 확보율

• 작성자 경력 (X)
• 시트작성 절차 (X)
• 작성양식 참고여부 (X)

주문시트 작
성

• Cycle Time
• 주문시트 완결성
• 고객이해 편리성

• 검토자 경력 (X)
• 검토할 당시의 감정 (N)
• 주문에 대한 전문지식 (X)

주문시트 검
토

• Cycle Time
• 검토 완결성

• 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)
• 재고 기준 (C)
• 구매 능력 (N)
• 외자 의존율 (N)

89 page

예

)

(

시

응
매
프
용
핑
로
세
스

잠재인자 선정

공정 불량개선 프로젝트 사례

90 page

잠재인자 선정
5 Why

왜?
발생된
문제
레벨 A

왜?
발생된
문제

왜?
발생된
문제

레벨 B
레벨 C

왜?
발생된
문제

발생된
문제

레벨 D
왜 ? 라는 질문에 더 이상 답을 할 수 없을 때
당신의 적합한 프로젝트 레벨을 찾은 것이다 .
91 page

프로젝트레벨

잠재인자 선정
5 Why

문제현상

왜 -2

처음부터 잘못 조여
졌다
xx 부위에 screw
의 풀림이 자주 발
생하고 있다

왜 -1

작업자가 잘못 작
업하였다

올바른 작업
규정 볼트를

xx 부위 진동이

볼트 고정이 불안
정하다

사용하지 않았다

알고는 있으나 지
키지 않았다

10dB 이상이다

회전 통이

볼트의 지지력이 약
하다

볼트의 설계가 잘
못 되었다

검사 시간의

입고물량의

부족하다

편중되어 있다

떨린다
조작부 인쇄 불량
발생하였다

잘못 인쇄된
조작 판넬이 입고되
었다

검사원 잘못 검사
하였다

왜 -3
방법을 모른다

왜 -4…
올바른 작업 표준
이 없다

왜를 거듭하면 ,
요인이 늘어나게 되는데 다음 왜로 넘어가기 전에 반드시 현상을 확인할
것.
92 page

목
우
적
선
순
위

잠재인자 우선 순위 결정

 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
현재까지 가지고 있는 기술적 경험과 지식을 모
아 , 프로젝트 Y 에 영향을 미치리라고 생각되
는 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 ?

 잠재 X’s 의 우선 순위화 결정
– X-Y Matrix

93 page

사
우
례
선
순
위
화

(1)

94 page

사
우
례
선
순
위
화


D M A I C
M

(2)

Y 인자에관한
X 인자의 상관관계
大大 : 5
小 :2
大 :4
小小 : 1
中 :3

Customer
Key
Process
Output
Variable
Customer
Priority
Rank #

압착불량

　

　

3

　

상관관계
大 :3
中 :2
小 :1

　

Key Process
Input Variable

발생 빈
도

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

95 page

Association Table

Quick Fix

목
적

Quick Fix 실행

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 포착 )
구현의 용이성

개선이나 변경이 큰 조정이나 계획은 필요로 하지
않음

구현의 신속성
개선이나 변경이 많은 시간을 요하지 않음

저비용의 구현

팀 통제하의 구현

개선이나 변경을 위해 막대한 자본이나 인력 , 장
비나 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

96 page

예
구
과
시
분
제

Quick Fix 실행

항목

Six Sigma 과제
만성적 문제
- 기존 개선활동으로 개선이 안됨 ( 실패 경험 )
- 문제 해결을 위한 책임자 불분명

문제 발생 유형

- 목표 달성에 지속적으로 실패 하는 문제
개선 후 재발성 과제
- 개선 후 동일 문제 재발 ( 년 2 회 이상 )
사업부내 초기 과제

즉 개선 과제 (Quick Fix)
일회성 문제
- 변경 점 관련 문제 등
해결책이 있는 과제
- 기 투자 예정인 과제 등
단순 시방 변경성 과제
유지 관리성 과제

- 사업부내 동일유형 진행이 없는 과제 (BB)
재무 성과
기간

- 유사 프로젝트 과제 (GB)
경영성과와 직결되는 규모가 큰 과제
- BB : 1 억 원 이상 , GB : 2 천만 원 이상

소규모 과제
- Input 대비 Output 이 미비

최대 6 개월 이내 (DFSS 8 개월 이내 )

제한 없음 ( 일반적으로 단기간 )

경영계획 연계 과제

단순 과제

재무 : 손익 / 매출
경영 계획 연계

C.S : Claim, 시장 불량 율
영업 : M/S, 매출액
생산 : 수율 , Cost
개발 : 신규 개발
97 page

- 제안성 등

(Analyze)

?

하
해
는
야
가

분
무
석
엇
을

가설설정

Define 과 Measure 단계에서 정의 , 도출된 CTQ 와 잠재적 원인변수들간의 관계를 명시한 가설
이 옳은지를 분석한다 .
VOC

프로세스 분석

VOB

CTQ

Logic tree

CBR

Why-Because

CCR

특
성
요
인
도

X-Y Matrix, FMEA

잠재적 원인변수

CTQ

가설 (Hypothesis)
식스시그마의 목적이 단순히 문제의 기술과 확인에 불과하다면 가설 설정은 불필요하다 .
그러나 식스시그마는 문제에 대한 상관 / 인과관계를 분석하고 해결하는 혁신 활동이므로

가설 설정은 필수적 !!

98 page

추
통
론
계
적

가설설정
 평균 , 분산 , 불량률 등에 대한 어떤 판단을 내리기 위하여 , 모집단에서 샘플을 취
하여
데이터를 얻고 이 데이터에 기초하여 통계 이론에 의한 결론을 내리는 과정

⇒ 분야 :

추정 (Estimation) : 점 , 구간
가설검정 (Hypothesis testing)

• 추정
샘플을 이용하여 모집단의 어떤 미지의 값을 추측하는 과정 .

• 가설 검정
샘플을 이용하여 모집단에 대한 어떤 예상 또는 주장의 옳고 그름을 판정하거
나 , 주장의 채택 또는 기각을 결정하는 과정 .

99 page

모
정
가
델
의
설
와
의

가설설정

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 과 학적 조사에 의해 경험적 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.....t hen B
CTQ 와 이 변수들간의 관계 하나하나가 가설이 된다 .
< 예 > 음식점에서 ,
음식품질이 좋을수록 고객 만족도는 증가한다 .
가격이 저렴할 수록 고객 만족도는 증가한다 .
부가서비스가 많을수 록 고객 만족도는 증가한다 .

음식 품질
가격

고객 만족도

부가서비스

각각의 연구 가설을 통합 하면 , CTQ 에 대한 역학 관계를 이해할 수 있는 가설 모델이 된다 .

100 page

구
가
성
설
의

가설설정

잠재적 원인변수 (x)
독립 / 설명 / 원인 변수
• 일정하게 전제된 원인을 가 져다
주는 기능을 하는 변수
• 실험설계에 있어서는 연구자에 의
하여 조작되는 변수

CTQ
종속 / 결과 변수
• 독립변수의 원인을 받아 일정하
게 전제된 결과를 나타내는 기능
을 하는 변수
• 실험설계에 있어서는 독립변수
의 변이에 따라 변하는 것으로
예측되는 변수

예 ) 배달 예정시간을 미리 안내 (x) 하면 클레임발생 횟수 (CTQ) 가 줄어든다 .

101 page

설
가
정
설
방
법

가설설정

• 귀무가설 (null hypothesis) : H0

• 대립가설 (alternative hypothesis) : H1

대립가설과 상반되는 가설로서 ,

데이터로부터 확실한 근거에 의하여

일반적으로 알려져 있는 사실은

입증하고자 하는 가설을 대립가설로

귀무가설로 설정한다 .

설정한다 .

( 예 ) 개선 공정 B 의 수율이 기존 공정 A 의 수율과 다른지를 데이터를 이용해서 판단
하는 것이다 .

Ho : µ = µ
a
b

통계적 해석 : 공정 A 와 B 의 모집단
이
동일하다 .
실제적 해석 : 두 공정간에 수율의 차
이가
없다 . 즉 , 개선 공정
의
수율이 기존 공정에 비
102 page

H1 : µ ≠ µ
a
b

통계적 해석 : 공정 A 와 공정 B 의
모집단은 다르다 .
실제적 해석 : 공정 B 의 평균수율과
공정 A 의 평균수율이
다르다

설
가
정
설
방
법

가설 설정
 위험과 
위험


H0 사실

Ho 채택
(H1 기각 )

Ho 기각
(H1 채택 )

H1 사실

옳은 결정

제 2 종 오류
 위험

제 1 종 오류

 위험

제 1 종 오류를 생산
자 위험이라고도 한
다.

103 page

제 2 종 오류를 소비
자 위험이라고도 한
다.

µ0

µ1

옳은 결정

β

α

2

(2)

오
종
류

1

제
오
종
류
와

제

가설설정

 Critical value = 임계치
 왼쪽 분포의 95% 신뢰한계 (α = 0.05)

β

α = 0.05

µ1

∆

µ2

 가 늘어나면  가 줄어든다
104 page

P

값

유
의
수
준
과

가설 설정

• 유의수준 (significance level)
 귀무가설 H 0 가 참일 때 대립가설 H 1 을 채택하는 오류를 범할 확률의 최대 허용
한계이다 .

즉 , 제 1 종 오류를 범할 확률의 최대 허용한계이다 .

 귀무가설이 맞음에도 불구하고 이를 기각하고 대립가설을 채택할 때 , 생산자가
기꺼이 부담하겠다고 생각하는 위험의 최대값

• P 값 (P-Value)
 주어진 데이터에 의거 귀무가설을 기각할 때 제 1 종 오류를 범할 확률의 최대
값.
 주어진 데이터에 의거 귀무가설을 기각하고 대립가설을 채택할 때 , 생산자가
부담하게 될 위험의 최대값

105 page

가설 검정
P-Value 가 유의수준 보다 크면 귀무가설을 채택하고 작으면 귀무가설을 기각
한다 .


P-Value
α

µ
0

106 page

H0 기각
치

µ
1

절
수
가
통
차
행
설
계
검
적
정
의

가설설정

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.

β 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 < α 이면 , H0 를 기각한다 .
만약 P(Probability) 값이  이면 , H0 를 기각할 수 없다 .

 통계적 결론으로부터 실제적인 문제로 해석하여 결과를 적용
107 page

절
수
가
통
차
행
계
설
적
검
정
의

:

1 차요인

Lot
Lot
내이색
내이색

(1)

주영향요인
색상차이
발생

함침 원단에
의한 영향

사
례

가설설정

두께차이
발생

Sol Grade
섞임
점도차
코팅두께차

가

설

Sol 의 Grade 가 배합 , 이송
중 섞여 색상차가 발생한다

Grade 별 점도및 Coating
두께 차가 발생한다

초기 점도차
발생

인쇄 잉크에
의한 영향

(2)

잉크 초기의 점도 차이에
따라 색의 경시가 다르다

MEK 보정
불규칙

MEK 의 보정량 불균일로
색의 농도가 변한다

공정점도
경시변화

잉크 경시 변화에 따른
비중 , 점도 , 색도가 다르다

108 page

검증방법및 계획
Quick - Fix
1 차 Wave 시 개선완
료
→ Grade 별 졸분리 배
출
공정능력분석
측정방법 :’99,10~12
월
3 개월간의 Check
Sheet 활용
Regression, 관리도
측정방법 (1): 경시 변
화에 따른 비중 / 점도 /
색도 Lab Test 실시
측정방법 (2): 공정중
Color 별 비중 / 점도 /
색도 측정 → 30 분간
격 × 5일
Quick - Fix
• 자동점도 조절계 적
용
→ Vixcomex500
• 2/20 #1Unit 완료예
정

가설 검정
• 사례 ( 예시적 )


개선 전 대 개선 후

문제
—

두 공정 중 하나를 개선했다 . 개선된 공정의

공정 A

공정 B

89.7

84.7

공정에서 샘플을 뽑아 수율을 측정한 후에 , 수

81.4

86.1

율에 실질적인 차이가 있었는지를 어떻게 알 수

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

수율이 좋아졌는지를 알아보고자 한다 . 개선

있을까 ?



기존의 공정과 개선 공정의 수율에 대한 데이터가

다음과 같다 . 공정 B 는 개선 공정을 나타낸다 .
“ 공정 A 와 공정 B 에 실제적인 차이가 있는
가 ?”

109 page

가설 검정
• 실제적인 질문
개선 공정

B 의 수율이 기존의 공정 A 의 수율보다 좋아졌다고 할 수 있는가 ?
a) 무엇을 알려고 하는가 ?

기술 통계학
변수
준편차

b) 어떻게 그것을 알아낼 것인

프로세스

수율
2.90

A
B

N

평균

표

c) 어떤 도구를 사용할 것인가 ?
d) 어떤 데이터가 필요한가 ?

10 84.24
10 85.54

가?

e) 어떻게 데이터를 수집할 것

3.65

인가 ?

• 통계적인 질문
공정 B 의 평균 (85.54) 과 공정 A 의 평균 (84.24) 의 차
이가 통계적으로 유의한 차이가 있는가 ?
아니면 , 평균의 차이가 단지 시간변동에 의한 차이인가
?
110 page

유
분
형
석
의

잠재인자 분석

분석 유형
분석 유형

문제가 어느 영역에
있는지 판별
탐색적 자료 분석

그래프 분석
정성적 분석

문제에 어떤 변수가
얼마 만큼 영향을
주는지 정량화

통계적 분석
상호 보완

Vital Few X’s

111 page

정량화 되지 않는
현상 또는 고유 기
술적 문제에 대하
여 상호관련성을
명확화

분
그
석
래
프

그래프 분석

목 적
 복잡한 상황을 간결하고 명확하게 나타낼 수 있음
 많은 양의 정보를 요약해서 표현할 수 있는 효율적인 방법임
 특성치의 변동상황을 한 눈에 알아 볼 수 있으며 , 어떤 추가적인 분석방법이 적
절할 지
알아낼 수 있음

주요활동
 가설에 근거하여 적절한 Graph 방법을 선택
 Graph 분석 결과를 정리하고 결론을 도출 .

112 page

그래프 분석



Y 데이터의 분포 형태
- 히스토그램 (Histogram)
- 줄기 - 잎 그림 (Stem and Leaf)
- Dot Plot

 X 에 따른 Y 의 분포 비교
- Multiple Dot Plot
- Box Plot

그래프 분석

 항목별 비교
- 파레토 그림 (Pareto Chart)
- 원 그래프 (Pie Chart)
- 막대 그래프
 X 와 Y 의 관계
- 산점도 (Scatter Plot)
- Marginal Plot
 Y 의 시간적인 변화
- 시계열 플롯 (Time Series Plot)
113 page

통계적 분석
 1-Sample Z 검정과 추정


단일 모집단 ( 표준편차를 알고 있을 경우 )

평균의 검정과 추정
 1-Sample t 검정과 추정

비율의 검정과 추정

산포의 검정과 추정



단일 모집단 ( 표준편차를 모르고 있을 경우 )

 2-Sample t 검정과 추정


독립된 두 모집단 ( 표준편차를 모르고 있을 경
우)

동일성 검정
 Paired t 검정과 추정


상관 / 회귀분석

대응비교

 표본 크기

분산분석




114 page

One Sample Z
Two Sample t

통계적 분석


 1-Proportion
단일 모비율에 대한 검정



단일 모비율에 대한 추정

 2 -Proportions
두 모비율에 대한 검정

동일성 검정


두 모비율에 대한 추정

 표본 크기
1 Proportion

분산분석

115 page

통계적 분석



산포의 추정과 검정

 표준편차의 추정
 단일 모집단의 표준편차 추정
 2 Variances
 두 모집단의 분산이 같은지 검정

동일성 검정
 Test for Equal Variances

분산분석

116 page

 여러 모집단의 분산이 같은지 검정

통계적 분석


 목적

 계수형 출력변수에 큰 영향을 주는 계수
형 입력변수 식별

동일성 검정
 도구

분산분석

117 page

 카이제곱 검정

통계적 분석




동일성 검정

 상관분석

 회귀분석
분산분석

118 page

상
관
분
석

통계적 분석 / 상관 - 회귀
두 변수의 상호의존관계
 지능지수 VS. 학업
이들간에는 무슨 관계가 있을까 ?
이들간에는 얼마나 강한 관계가 있을까 ? 성적
이들간에는 어떠한 관계가 있을까 ?


흡연량 VS. 폐암발

생률


두 변수의 관계 파악

공정온도 VS. 제품

강도

 산점도를 통해서는 두 변수간의 관계를 대략적으로 밖에 알 수 없다 .
 두 변수들간의 관계를 수치로 나타낼 수 있는 무언가가 필요

• 상관계수 (Correlation Coefficient)
 두 변수의 상호의존관계를 양적으로 나타내는 하나의 측도
119 page

상
관
분
석

산점도와 상관관계
강한 양의 상관관계

• •
• ••
•• •
••• • • •
• •••• •
• •
•• •• • • •
•
•

•

중간 정도의 양의 상관관계

약한 양의 상관관계

•
•
•
• ••
• • •
•
•
•
• • •••••• • •
• • •
• • •• •
• • •• • •
•
•
••• •
•
••
•

강한 음의 상관관계
120 page

•

•
•
• •
• • • •• ••
•
• •• • ••• •
•
• • •••
•
•
• • • •• •
•
• • •
•
•
•
•

| r | = 0.560

| r | = 0.936
•
•
•
•
•• • • •
•• • • ••
• •
•
•• •• • •
• ••• •
• ••
•
••

•

•

| r | = 0.339
•

•

•
••
• •• • • •
• • •
• • • ••••• • •
• •• •
•• •
•
•
• •••• • •
•••
••
•

중간 정도의 음의 상관관계

•
•
•• •
• •
•
• ••• • • ••
• •
•
•• •
• • •• ••
•
•••• • •
••
•• •
•
•
•
••
•
약한 음의 상관관계

회
귀
분
석

용 도

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 =

분
귀
회

총 판매량

d = 지난 달과의 생산량 차이
e = 지난 분기의 변동성

우리는 정확하게 향후 실적을 예측할 수 있다 .
121 page

석

회
귀
분
석

회귀분석에 대한 정리
 상관은 관계 정도를 나타내준다 . 정확한 수학적 관계를 나타내지는 못한
다.
 계량형 데이터를 분석하는 마지막 단계가 방정식을 유도하는 것이다 .
 회귀분석은 주어진 X 에 대하여 Y 를 예측할 수 있는 수학적 모델을 제시
해준다 .
 회귀분석의 목적은 예측에 있다 .
 회귀방정식은 Minitab 을 통해 쉽게 구할 수 있다 .
 예측 식의 예 :
–

Y=a+bx

( 선형모형 )

–

Y = a + b x + c x2

( 이차모형 )

–

Y = a + b x + c x 2 + d x3

(3 차 곡선 모형 )

–

Y = a ( b x)

( 지수모형 )

122 page

회
귀
분
석

결정계수 (R2 )
 적합된 직선식은 입력변수와 출력변수를 연관시키는 방정식이다 .

 R 2 값은 전체 출력 ( 반응 ) 변수의 변동 중 방정식으로 설명되는 변동이 차지하
는 비율이다 .

 바람직한 값은 얼마인가 ? 경우에 따라 다르다 .
화학자는 0.99 정도의 R 2 값을 요구할 것이다 . 그러나 , 공정과 산
업에 따라 다르다 .

 결정계수 (R 2 ) = r
있다 .)

2

123 page

( 선형회귀의 경우 결정계수는 상관계수의 제곱으로 구할 수

회
귀
분
석


• 결과분석

회귀방정식

X 요인에 대한 PValue

R2 = (SS Regression) / (SS
Total)
124 page

수정된 R2
값

통계적 분석


 One Way ANOVA

여러 모집단의 평균 비교
X 변수가 하나일 경우

동일성 검정
 Two Way ANOVA

여러 모집단의 평균 비교
X 변수가 둘일 경우

분산분석

125 page

통계적 분석 / 분산분석
One-way ANOVA
두개 이상의 모집단에 대한 평균 비교
두개 이상의 모집단들의 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 .

가 설

H0 : µ 1 = µ 2 = ··· = µ k
H1 : 적어도 하나의 평균이 다르다

.
• P-Value 가 0.05 이하일 때 , 적어도 하나의 모집단 평균이 다르다는 결론을 내
릴 수 있다 .

126 page

One-way ANOVA
분산분석 (ANalysis Of VAriance)
 변동을 각각의 자유도로 나누어 구해진 평균 변동은 모두 분산의 형태와 같게 된

다.

k

ni

MStotal = ∑∑( yij − y ) 2 n −1
i =1 j =1
k

ni

MSerror = ∑∑( yij − yi⋅ ) 2 n − k
i =1 j =1
k

ni

MStreat = ∑∑( yi⋅ − y ) 2 k −1
i =1 j =1

 만약 각 처리 조건 하에서의 평균이 다르다면 오차의 평균 변동에 비해 처리의 평

균 변동이 크게 될 것이다 .

 분산분석은 이와 같은 사실을 이용하여 처리의 평균 변동을 오차의 평균 변동으

로 나눈 값의 크기에 의해 각 처리 조건 하에서의 특성치 평균의 동일 여부를 판
단하는 것이다 .
127 page

실습

One-way ANOVA
• 예 제

S 회사에서는 해외 출장 비용의 절감을 위해서 노력하고 있다 .
따라서 그 일환으로 다음 각 항공사를 이용하였을 경우 한 회당
소요되는 출장비용을 다음과 같이 조사하였다 . 항공사 별로 평균 출장비용이
다르다고 말할 수 있는가 ?

• 한 회당 출장 비용

( 단위 : 십만원 )

A 항공

B 항공

C 항공

16.5
18.0
14.1
17.8
17.6

15.3
14.8
16.1
14.2

19.0
18.4
15.3
17.3
16.9

D 항공

E 항공

17.1
16.3
18.4
16.9
15.2

14.7
14.9
14.6
14.5

항공사별로 평균 출장 비용에 차이가 있다고 말할 수 있는가 ?

128 page

One-way ANOVA
• 결과 해석
P-Value 가 0.05 보다 작기 때문에 최소한 하나의
항공사는 평균출장비용이 다르다고 말 할 수 있다 .

129 page

One-way ANOVA
• 결과 해석 ( 계속 )
 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 다르다고 할 수 있다 .

 A, C, D 가 비슷하고 , B 와 E 가 비슷하다 .

130 page

Two-way ANOVA
특성값에 영향을 미치는 2 개의 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 기준으
로
각 수준별로 평균의 동일성과 교호작용의 효과를 조사하는 것이다 .

• Two-way ANOVA 의 모형

yijk = µ + ai + bj + (ab)ij + eijk
i = 1, 2, · · ·, l
j = 1, 2, · · ·, m
k = 1, 2, · · ·, r

131 page

µ : 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

Two-way ANOVA
교호작용 (Interaction)
- 2 개 이상의 인자 사이의 조합에서 발생하는 효과를 말한다 .
- 아래 그림처럼 100°C 에서 촉매 B 가 더 높은 인장강도를 주지만 200°C 에서
는 촉매 A 가
더 높은 인장강도를 주게 된다 . 이와 같은 경우 , 촉매와 반응온도 사이에는 교
호작용이
있다고 말한다 .
- 미니탭의 Stat > ANOVA > Interactions Plot 에서 교호작용 그래프를 그릴 수
있다 .

132 page

Two-way ANOVA
• 예제
합금의 강도에 크게 영향을 미치는 인자로 합성온도와 가열촉매가 있다 .
높은 강도의 합금을 제작하고자 합성온도 3 수준 (200°C, 300°C, 400°C ), 가
열촉매 2 수준 (A, B) 에서 2 번씩 반복하여 랜덤하게 실험을 한 결과 다음의 데
이터를 얻었다 .

각 인자와 교호작용의 효과에 대하여 조사하라 .

항목

촉매

A
B

133 page

합성온도

200°C

300°C

400°C

69

103, 111

117, 140

122, 132

141, 143

185, 186

80,

Two-way ANOVA
• 단계 3. 통계량 > 분산 분석 > 상호작용 플롯
그래프에서 연결된 선이 거의 평행에 가까우므로 촉매와 합성온도 간의 교호작용
이 유의하지 않을 것으로 예상된다 .

134 page

Two-way ANOVA
• 결과 해석
분산분석표 출력
각 인자수준에서
의
95% 신뢰구간 출
력

 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 자

유도가 높아져서 검출력이 좋아질 수 있다 .
135 page

기
분
정
통
법
석
성
계
적

:

신

정성적 분석
QC 7 Tools

연관도

계통도

PDPC
Arrow diagram

친화도

Matrix diagram

Matrix data analysis
PDPC : Process decision program chart

136 page

정성적 분석
기
분
정
통
석
계
법
성
적

: QC 7 Tools



Flow Charts



Control Charts




Scatter Diagrams

Checksheets


Cause-and-effect
diagrams



Histograms



Pareto Charts

137 page

Vital Few X’s

발
견

Vital Few X’s 선정

 분석 단계에서는 측정 단계에서 도출된 잠재원인 인자를 검증하여 CTQ 의 성능에 영향을 미치는 핵심
적인 몇 개의 인자를 찾고 그 영향을 정량화함 .

정성적 , 정량적 분석

Y=f(x1,x2…)

파레토도
Y

사람 기계

X
입고업체 처리시점
사용 Tool분석형태
Input Variable
Process Variable

가설 검정
Two-sample T for A 형틀 vs D 형틀
N Mean StDev SE Mean
A 형틀 25 51.909 0.755 0.15
D 형틀 25 51.065 0.690 0.14
P-Value = 0.000 DF = 48
Both use Pooled StDev = 0.723

138 page

특성요인도
문제
기술서
재료 방법

Vital Few X’s
유의한 인자 1
유의한 인자 2

Chi-Square Test
1

A 형틀 _1 B 형틀 _1 Total
550
600 1450
537.18 602.18

2

12
24.82

30 67
27.82

Total
562
630 1517
DF = 2, P-Value = 0.000

유의한 인자 3

．
．
．

?

선
정
이
란

Vital Few X’s

 Vital Few X’s 선정이란 ?
– 유의한 X’s 를 모두 개선하는 것은 아니다 . 실질적인 중요성
위가 높고 효과가 큰 인자에 대해 개선의 초점을 맞춰야 한다 .

즉 , 우선순

– 통계적으로 분석된 X’s 에 대해 실질적인 관점에서 재 해석되어야 한다 .
 분석의 주기 (Cycle)

실질적 결론으로 전환 시 고려사항
은?
1.투자대비 효과 고려

실질적 문
제

실질적 결
론

순
환
통계적 결
론
139 page

2. 현실에 적용 가능성 ( 기술력 제
약)

통계적 문
제

통계적 결론은 실질적 결론으로 전환할
수 있을 때에만 의미 (Vital Few) 가 있
다.

Vital Few X’s

결
우
및
정
정
선
리
순
위


Vital Few X’s 정리
‒

Y 에 영향을 줄 것이라고 생각되었던 잠재인자들이 Data 분석을 통하여 소수의 유의한 원인변수로 정리가
되었으면 이러한 유의한 원인변수 X’s 에 대하여 종합적으로 정리 .

No 잠재인자

가설 및 검정계획법

Vital Few X’s 우선순위 평가 ( 평가항목 결정 )
140 page

통계적결과
(P Value)

결

론

Vital Few X’s

사
검
토
례

(1)

Potential Vital X’s 중 분석에서 확인된 핵심 소수 인자 Vital X’s 의 정리
Potential Vital X’s

Mean

St-Dev

ppk

P-Value

Screening

0.2128

0.1685

-0.03

0.000

○

-

0.0040

0.52

0.000

○

3. Ink 의 초기 점도차이가 심하다 .

19.563

1.5715

0.09

0.000

○

4. 잉크의 점도 경시로 색도가 변한다 .

19.399

1.1360

0.17

0.020

○

1. Sol Grade 별 혼입에 따라 원단색차 발생 .
2. 원단의 두께 차이로 길이색차 발생 .

5. 대기 습도의 변화로 색의 경시가 발생한다 .

-

Noise- Factor

-

0.000

○

6. 잉크의 온도에 따라 Mesh 막힘이 발생한다 .

-

Noise- Factor

-

0.000

○

7. 잉크 & 공정 잡물로 Mesh 막힘이 가중된다 .

Quick-Fix

○

8. Ink 전이잔량 가중으로 Mesh 막힘 발생 .

Quick-Fix

○

9. 인쇄 Roll Ink 가 원단으로의 전이성 부족 .

Quick-Fix

○

141 page

Vital Few X’s

사
검
토
례

(2)

 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 수집한 후 ,
수집된 데이터 유형에 따라 Graph 분석 , 통계적 분석 등을 통하여 과제에서 해결할 핵심 소수 원
인을 도출
잠재원인
변수

가설 검정 내용
웹 [WWW] 및 웹 이외의 트래픽

A,C

[P2P,FTP,SMTP,DNS,Winmedia] 은 전송

검정 계획법
회귀분석
(Regression)

속도에 영향이 있다
B

D

북미연동회선은 전송속도에 영향이 있다
ISP 의 특성 (Transit, Non-Transit) 은

F

결론

P2P 트래픽은
전송속도에 치명적

Vital X

영향을 미침
적정 투자시기 ,

정성적 분석

Mann Whitney

투자용량에
영향을 받음
Transit ISP 에
영향을 받음

Vital X

Vital X

전송속도에 영향이 있다
Kruskal Wallis

E

검정 결과

ISP 의 지역은 전송속도에 영향이 있다

시간대별 특성은 전송속도에 영향이 있다

142 page

Kruskal Wallis

지역별로는 영향 없음
시간대별
영향 없음

Vital Few 제외

Vital Few 제외

Define

Measure

Analyze

Improve

Improve
( 개선 )

Control

Improve

목
단
계
적

Improve 단계 개요

Improve 단계에서는 고객이 원하는 CTQ 를 얻기 위하여 Analyze 단계에서 선정된 핵심 원
인변수 (Vital Few X’s) 들에 대한 개선아이디어를 도출하고 개선안을 개발 , 평가 , 선정 , 최
적화하고 선정된 최적안을 시험 적용하여 개선가능성을 확인한다 .

개선 전략
수립

.
.

 적합한 개선계획을 수립하기 위하여 “ Vital Few X’s” 의 특성을 규명한다 .
 Vital Few X’s 의 특성별 개선방안을 수립한다 .

 X’s 의 특성에 따라 CTQ 의 성과를 극대화하기 위한 X’s 의 최적조건
최적화

.
.

을 도출하기 위하여 실험계획법을 이용한다

 반드시 제약조건을 고려한 실제적인 최적안이 선정되어야 한다 .

시험 적용

 선정된 최적 개선안을 업무에 적용할 계획을 수립한다 .
.
.

 최적조건 과 최적대안을 실제적으로 시험 적용한 후 개선효과의 유효
성을 확인하여 CTQ 의 개선목표 달성 여부를 판단한다 .

144 page

수
개
립
선
방
향


 X’s 의 특성 파악
개선 방향을 결정하기 위하여 X’s 의 특성을 파악한다 .

X 의 특성을
파악
대안인자

제어인자



시험해야 할 여러 가지 독립적
대안이 있을 수 있음

 여러 가지 값이나 형태로 설정될 수
있음
 연속형 또는 이산형



예 :
- 작업 흐름의 최적화
- 프로세스 표준화
- 의사소통 개선
- 실용적인 해결책

개선아이디어 도출
145 page

예 :
- 온도 , 압력 , 농도
- 직원의 경력 정도
- 위치

최적 수준 결정 ( 최적화 )

도
주
개
구
요
선


실험계획법

제어인자
다중회귀분석

브레인스토밍 (Brainstorming)
벤치마킹 (Benchmarking)

대안인자

최적안 선정
프로세스 맵 (Process Map)
시범적용 (Pilot)

146 page

계
개
획
선
서


–

인자의 특성에 따라 향후 개선활동을 구분하여 계획

개선계획서 ( 사례 )
Vital Few X’s

인자구분

개선 계획

비고
-1 : Coal

Activated Carbon
종류

제어인자

DOE 를 통한 최적조건 확인

통수 유량

제어인자

DOE 를 통한 최적조건 확인

산 처리 실시 유무

대안인자

e
tiv 교체 시
Activated Carbon
a
str 위한 대책 수립
상승 방지를
Illu

사용기간

대안인자

최적의 사용기간 설정

사용용도

대안인자

사용용도별 최적 교체 기준 수립

147 page

+1 : Coconut
-1 : 90 ㎥ /Hr
+1 : 140 ㎥ /Hr
TOC

프로세스 운영 절차
(SOP) 보완
과거 Data 분석 및 전
문가 의견 수렴 . ( 실험
기간 6 개월 ~ 1 년으
로 실험 불가 )

최적화 ( 실험계획법 DOE)

148 page

실
험
계
획
법

(DOE)

?

이
란

실험계획법 개요

Design of Experiment (DOE)
배경 (Background)
일 반 적 으 로 Y( 특 성 치 ) 에 영 향 을 미 치 는 X( 인 자 ) 들 이 무 수 히 많 고 시 험 조 건 에
따 라 달 라 질 수 있 기 때 문에 , Y 를 발 생 시 킨 X 를 경험 적 으로 혹 은 이 론 적으 로 명
백히 알아낸다는 것은 매우 어렵다 .

실험계획법
 공학 및 과학연구를 체계적으로 계획 , 수행 및 통계적으로 분석하는 방법론
 특정 공 정의 출력 결과값 변화의 원인을 알 아내기 위해 통제 가능한 입 력인자의 수준값을

변화시켜 나가는 일련의 실험과정을 계획하고 실시하는 방법론
 실험의 목적을 만족시키고 적절한 성과 물을 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 .

149 page

하
실
왜
는
험
가
계
획
법
을

?



어떤 원인이 반응에 유의한 영향을 주고 있는가를 파악하고 그 영향이 양적으로 어느 정도 큰
가를 알아내고자 실시함 ( 추정과 검정 )



적은 영향밖에 미치지 못하는 요인들은 전체적으로 어느 정도 영향을 주고 있으며 , 측정오차
는 어느 정도인가를 알아내고자 실시함 ( 오차항 추정 )



유의한 영향을 미치는 원인들이 어떠한 조건을 가질 때 가장 바람직한 반응을 얻을 수 있는가
를 알아내기 위해서 실시함 ( 최적화 )

150 page

필
실
험
요
성
계
획
의


• 일반적으로 실험은 공정 또는 시스템의 성능 (performance) 를 연구하기 위해 사용됨

공정 또는 시스템의 모델

실험의 목적

제어 인자
(Controllable Factors)

x1 x2

…

Inputs

f(x’s)

Process

Outputs(Y)

Efficiency Effectiveness

…
Z1 Z 2

Input

xq

Zq

잡음 인자
(Uncontrollable Factors)

151 page

Y

실험목적 ,
실험계획 ,
독립변수 ( 원인 ),
종속변수 ( 결과 ),
Error
Vital Few X's

Screening
최적의
공정조건 ,
최적의
수준조합

Optimizing

Output

이것을 위해 실험계획법이 필요 !!!

효
실
험
과
계
획
의


 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

152 page

방
실
법
험
들
의


분할법
(Split-Plot Design)

교락법
(Confounding Method)
일부실시법
(Fractional Factorial)

반응표면분석
(RSM)

B-

실험인자 각 수준의 모든 조합에서 실험

B+

A-

A+

x x
x x

B+
BB+
B-

A+

인자를 동시에 모두 랜덤화 할 수 없을 때
그룹을 만들어 랜덤화 하는 실험 .

A-

검출할 필요가 없는 고차의 교 호작용을
다른 요인의 효과와 혼합되도록 배치 .
인자의 수가 많아 실험의 크기가 너무 커

B-

실행이 어려울 때 조합 중 일부만 실험 .
공정의 최적조건을 찾기 위해 인자들의
영향을 받는 반응변수의 반응면에 대하여
통계적으로 분석

A- A+

x

B+
Chemical Yield(%)

70
75
80
85
90

190

180

170
20

30
Additive Concenturation(%)

153 page

x

200
Temperature(deg. C)

요인 배치법
(Factorial Design)

40

6 sigma 교육자료

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (20)

Semelhante a 6 sigma 교육자료

Semelhante a 6 sigma 교육자료 (20)

6 sigma 교육자료

Notas do Editor