품질 4.0과 스마트 품질 경영
- 전사적 품질 관리: 우수한 제품 및 서비스등을 고객에게 제공하기 위해 품질 중점으로 전부문 참여를 통해 고객 만족과 이익창출로 장기적 성공에 목표를 두는 조직 전체의 체계적 노력
- 소비자들의 요구사항 증가 -> 많은 기업들은 여전히 전통적인 방식의 품질 관리 및 경영기법에 머물러 있다.
- 제품 복잡도 및 다양성 증가, 제품주기 단축, 세계화 및 규제 변화 등은 효과적인 품질경영 수행을 어렵게 만드는 요인들
품질 4.0
ICT 융합을 통해 종전의 사후검사 및 보증에서 벗어나 사전에 수집, 분석된 빅데이터를 활용하여 선제적 불량예지 및 보전 중심으로 진화된 품질 경영시스템
사물 인터넷, 빅데이터 분석 기술 등이 결합된 신개념
스마트 공장
- 환경을 고려하고 안전성을 확보하면서 빠르고 역동적인 시장 변화에 대하여 능동적으로 대응할 수 있는 지능형 디지털 시스템
- 스마트 공장 경영은 이러한 시스템이 제공하는 실시간 데이터를 이용하여 혁신적으로 공정이나 비즈니스 최적화를 도출해 나가는 경영활동
- 디지털 변환은 통신기술을 비롯한 디지털 기술을 활용하여 사회와 개인, 그리고 기업을 변화시키는 총제적 활동
- 사물인터넷을 중심으로 더욱 발전
품질관리 개선 영역
1. 예방적 품질 관리: 제품 개발부터 시장 출시에 이르는 전 과정 상에서 제품의 품질을 보장하기 위해 설계된 프로세스로, 최고의 품질을 이루기 위해서는 가치사슬의 첫단계인 개념정의 및 제품설계부터 품질관리가 시작되어야 함
2. 반응적 품질 관리: 제품 판매 이후의 품질관리, 즉 수리 및 애프터 서비스, 고장처리 및 지속적 개선 프로세스를 의미. 고장 및 수리 처리 시간 : KPI로 표현되어 신속하게 처리해야 된다.
품질 4.0 - 빅데이터
1. 크기: 기존 시스템에서는 이미 개량보전 및 에방보전 이력, 품질관련 이벤트 등 대량의 거래 데이터를 보유. 향후 IOT를 기반으로 설비, 디바이스 등으로부터 대량의 데이터가 시스템에 유입 될 것으로 보임
2. 다양성
기존의 정형 데이터뿐만 아니라 센서 및 텍스트 데이터 등 비정형 데이터 등 다양한 형태의 데이터가 존재
3. 속도: 기존 개량보전 및 예방보전 이력 들과 같이 데이터 생성속도가 느린 데이터로부터 SPC 데이터, 다양한 센서로부터 생성되는 스트리밍 데이터와 같이 생성 및 유입속도가 매우 빠른 데이터에 이르기까지 다양한 생성 속도를 가진 데이터들이 존재.
4. 정확성: 일반적으로 품질 시스템 데이터는 통합 시스템이 아닌여러 독립 시스템으로부터 각각 생성 취합되고 자동화 부족으로 인해 많이 낮은 편에 해당.
ANALYTICS
1. 설명적 애널리틱스
데이터로부터 과거에 무엇이 발생했는지를 분석하기 위한 기법으로 기존의 잘 알려진 혹은 의심 상관관계를 모니터링, 분석 진행.
2. 진단적 애널리틱스
과거의 축적된 데이터를 바탕으로 인과관계를 찾아내어 왜 특정 품질관리 이벤트가 발생했는지를 밝히기 위한 분석기법
3. 예측적 애널리틱스
통계학적 모델들을 활용하여 미래에 어떠한 사건이 어느 정도의 확률로 발색할 지를 예측하는 분석기법
4. 처방적 혹은 규범적 애널리틱스
예측되는 이벤트를 위해 무엇을 하면 좋을지를 처방하는 것을 알려주는 분석기법.
연결성
IoT를 기반으로 실시간 작업자 제품 설비 및 프로세스들의 연결성을 보장하게 하여 작업효율, 안전향상 기여 및 상태변화에 대한 추이 제공가능. 예지보전에 필요한 다양한 설비 센싱정보 수집 및 상호연결을 통해 피드백 교환이 가능하다.
협업
품질 이슈는 기업 내 여러 부서에 걸쳐 있으나 소셜 미디어의 성장은 고객과의 협업 과정을 급속도로 변경시킴. 자사 브랜드 보호 및 고객의 니즈를 받아들이려 노력중임.
스마트 품질경영 혁신방안
1. 실시간 커뮤니티 피드백을 제공하는 방안
2. 원격진단 및 유지 보수
원격 진단 기술은 센서들을 활용하여 근본 원인분석을 수행하고 사물인터넷을 기반으로 여러 설비의 센서 피드백을 결합하여 새로운 형태의 설비데이터를 확보
원격 진단을 통한 데이터를 기반으로 고객이 문제가 있음을 인식하기 이전에 품질문제를 해결하는 데 활용할 수 있다면 서비스 품질을 크게 향상
3. 고도화된 공급망 품질관리
공급업체 성과지표와 공장 및 공급양 수준의 사고 데이터 등 주요 데이터들을 적극적으로 취득하는 것이 중요
지능형 알고리즘이나 애널리틱스는 사례기반 추론 뿐만 아니라 경험적 방법을 활용하여 지속적으로 데이터를 분석
공정 모니터링 시스템의 품질 예측 및 불량요인 분석 알고리즘 개발
- 공정 변수와 품질 계측치의 상관관계를 파악할 수 있는 지표 도출
- 공정변수를 통하여 품질 계측치를 예측할 수 있는 가상 계측 시스템 구축
- 공정의 이상감지 및 진단 모니터링 기법
터치 패널 공정
-공정변수: 생산설비에서 설비 가공시 조건 및 계측지, 공정변수: 공정이후 품질 특성치
-공정변수 수 59, 품질 계측변수 18 평균 사용, 정상데이터는 102, 불량은 5개로 산정시
지표 도출법은 원 공정변수에서 군집분석을 거친 후 변수 선택법으로 품질 계측 변수를 판정 후 기여도를 분석하는 지표 도출
- K-means Clustering analysis를 통해 유사 패턴을 가지는 공정변수를 제거함.
- Sigmoid Plotting 또는 Linear Plotting으로 공정변수 데이터 패턴을 유사화 시키기.
- Linear Regression를 통해 통계적 추론을 하는 분석기법 진행
- 회귀모형의 설명력 및 예측력
- R^2_adj: 모형에 의해 설명되어지는 변동의 비율로, 일반적으로 0.8 이상이면 설명력이 좋다고 판단.
1-({n-1}over{n-k-1})(1-R^2), 0<=R_adj^2<=1 - RMSEP: 평균예측오차(예측력 평가)
RMSEP = root{({1}over{n}sum(특성치-예측치)^2}
주성분회귀 및 부분최소제곱회귀 -패널 공정-
다중공선성: 공정변수 간의 상관관계 존재. 회귀계수를 추정하기 위해 (X^{T}X)-1을 산출불가. 주성분분석: 공정변수의 정보를 주성분이라 불리는 변수로 변환(독립성)
