2025/3/27 TIL
품질관리 핵심 개념 (세부 정리)
PP & PPK (공정 성능 지표)
개념 설명
| 지표 | 의미 | 특징 | 사용 시점 |
|---|---|---|---|
| PP | 공정의 잠재적 능력 | 공정이 안정되지 않은 상태에서도 사용 가능 | 초기 분석 단계 |
| PPK | 공정의 실제 성능 지표 | 공정의 평균 위치 반영 | 품질보증 시점 |
1. PP & PPK 수식
목적
- PP (Process Performance): 공정의 전체 변동을 기준으로 잠재적 능력 평가
- PPK (Process Performance Index): 공정 평균이 사양 중앙에 얼마나 가까운지 포함한 실질 능력 평가
수식
- PP = (USL - LSL) / (6 × σ)
전체 공정 표준편차 σ기준
→ 공정이 아직 안정화되지 않았을 때 사용
- PPK = min[(USL - μ) / (3 × σ), (μ - LSL) / (3 × σ)]
평균이 중심에서 얼마나 벗어났는지를 포함하여 평가
→ 고객 요구치 만족 여부 중심
그래프 해설
- 파란 곡선: 실제 공정의 분포 (평균 μ = 101, 표준편차 σ = 1.5)
- 녹색 점선: LSL (Lower Spec Limit = 95)
- 빨간 점선: USL (Upper Spec Limit = 105)
- 검은 점선: 공정 평균 (μ = 101)
- 연파란 영역: ±3σ 범위 → PP 수식 기준 범위
핵심 포인트
- PP는 ±3σ 범위가 사양(USL, LSL) 안에 얼마나 들어오는지를 평가 → 넓은 분산을 기준
- PPK는 중심(μ)이 얼마나 치우쳐 있는지를 고려 → 불균형 시 낮아짐
위 예시에서:
- PP = 1.11 → 분포 자체는 나쁘지 않음
- PPK = 0.89 → 평균이 중심(100)이 아닌 101로 치우쳐져 있어 고객 요구 충족도 낮음
예시
조건
- LSL = 95, USL = 105
- 평균(μ) = 101
- 표준편차(σ) = 1.5
계산
- PP = (105 - 95) / (6 × 1.5) = 10 / 9 = 1.11
- PPK = min[(105 - 101) / (3 × 1.5), (101 - 95) / (3 × 1.5)] = min[0.89, 1.33] = 0.89
🔍 PP는 1.11이지만, PPK는 0.89로 낮게 나옴 → 공정 평균이 중심에서 벗어나 있음
| 항목 | Cp / Cpk | Pp / Ppk |
|---|---|---|
| 의미 | 공정 능력 지수 (공정이 "관리 상태"일 때만 사용) | 공정 성능 지수 (공정이 아직 "불안정"할 수도 있을 때 사용) |
| 사용 시기 | 공정이 통계적 관리 상태일 때 (관리도 사용 중) | 공정 초기 분석 단계, 데이터만 있을 때 |
| 표준편차 기준 | 공정 내 표준편차 (σ<within) 사용 | 전체 표준편차 (σ< overall) 사용 |
| 통제 여부 고려 | 통제 상태 전제 → 이상치 제거함 | 전체 데이터 기반 → 이상치 포함 가능 |
| 계산 방식 | 단기적 / 이상치 제거 | 장기적 / 전체 데이터 기준 |
FMEA (고장 모드 영향 분석)
구성요소
| 항목 | 의미 | 예시 |
|---|---|---|
| 고장 모드 | 어떤 방식으로 고장이 나는가 | 나사 풀림, 단선, 누전 |
| 고장 영향 | 고장이 미치는 영향 | 제품 작동 불능, 화재 위험 |
| 고장 원인 | 고장의 원인 | 토크 미달, 재료 불량 |
예시 FMEA 테이블
| 항목 | 고장 모드 | 고장 영향 | 원인 | S | O | D | RPN |
|---|---|---|---|---|---|---|---|
| 배터리 | 과열 | 화재 | 단락 | 9 | 3 | 5 | 135 |
| 나사 | 풀림 | 부품 이탈 | 조립 미흡 | 6 | 5 | 4 | 120 |
RPN이 100 이상인 경우 우선 개선 대상
RPN 계산법
- S (Severity): 고장이 얼마나 심각한가? (1~10)
- O (Occurrence): 고장이 얼마나 자주 발생하는가? (1~10)
- D (Detection): 고장을 얼마나 쉽게 감지할 수 있는가? (1~10)
RPN = S × O × D예시 계산
- S = 8, O = 6, D = 5 → RPN = 8 × 6 × 5 = 240
MSA (측정 시스템 분석)
왜 필요한가?
- 측정 데이터가 불안정/불정확하다면 공정 이상도 놓칠 수 있음
- 측정 시스템 신뢰성 확보 → 품질 향상으로 직결
📋 구성 요소별 설명
| 항목 | 정의 | 예시 문제 |
|---|---|---|
| Bias | 참값과 측정값 평균의 차이 | 측정값이 항상 1mm 높게 나옴 |
| Linearity | 범위별 측정값 일관성 | 10mm일 때 정확, 50mm에서 오차 ↑ |
| Stability | 시간 경과에 따른 일관성 | 오전엔 정확, 오후엔 편차 발생 |
| Repeatability | 동일 작업자 반복 측정 정확도 | A작업자가 측정값 매번 다름 |
| Reproducibility | 작업자 간 일관성 | A는 99, B는 102로 측정 |
Gauge R&R (측정 시스템 신뢰성 분석)
정의
- Repeatability (반복성): 동일한 측정자/장비가 같은 부품을 반복 측정할 때 차이
- Reproducibility (재현성): 측정자 또는 장비가 달라질 때 측정 차이
Gauge R&R 수식
목적
측정 시스템의 오차가 전체 공정 변동에서 차지하는 비율을 수치화
핵심 공식
- Total Variation (TV):
TV = √(σ²_repeatability + σ²_reproducibility + σ²_part-to-part) - %Gauge R&R:
%Gauge R&R = (σ_gauge / σ_total) × 100 - %Repeatability = (σ_repeatability / σ_total) × 100
- %Reproducibility = (σ_reproducibility / σ_total) × 100
Gauge R&R & 측정 시스템 신뢰성 확보
Gauge R&R 분석
Repeatability & Reproducibility를 분석하여 측정 시스템이 공정 변동성에 비해 신뢰할 수 있는지를 평가
구성요소 요약
| 요소 | 설명 | 예시 |
|---|---|---|
| Repeatability (반복성) | 동일 작업자가 동일 장비로 반복 측정 시 발생하는 오차 | 한 작업자가 같은 부품을 3번 측정했을 때 편차 100 101 100 |
| Reproducibility (재현성) | 서로 다른 작업자 또는 장비 간 측정값 차이 | A작업자와 B작업자가 같은 부품을 측정했을 때의 차이 , 예를들어 a라는 작업자가 1번째 저울로 kg 측정함 a라는작업자가 2번째 저울로 kg 측정 |
측정 시스템 신뢰성 확보 절차
1. 측정 시스템 설계/구성 확인
- 측정 장비 정기 교정 여부
- 측정자 교육 및 숙련도 확보
- 측정 환경(온도/습도/진동 등) 통제
2. Gauge R&R 실험 수행
- 부품 10개, 측정자 3명, 측정 횟수 3회 권장 (3×10×3 데이터)
- Minitab, JMP, Excel로 분석 가능
예시: Gauge R&R 결과
| 항목 | 분산 기여도 (%) | 판단 |
|---|---|---|
| 반복성 | 6% | 양호 |
| 재현성 | 9% | 양호 |
| 총 R&R | 15% | 개선 고려 |
| 공정 변동 | 85% | 충분 |
R&R이 낮고 공정 변동이 높을수록 → 측정 시스템은 신뢰 가능
공정 전체 변동성 이해 (Gauge R&R 시각화)
전체 공정의 측정값이 흔들리는 이유 = 두 가지가 합쳐진 결과
① 공정 자체의 불안정성 (진짜 문제)
② 측정 시스템의 문제 (측정값이 들쭉날쭉)
비유로 설명하면?
예를 들어, 택배 상자의 무게를 측정한다고 해볼게요.
- 상자 자체의 무게 차이(내용물의 차이): 공정 진짜 변동 (Part-to-Part Variation)
- 저울이 정확하지 않거나 사람이 다르게 읽음: 측정 시스템 변동 (Gauge Variation)
- 이건 다시 두 가지로 나뉘어요:
- 반복성(Repeatability): 한 사람이 여러 번 측정해도 결과가 달라짐
- 재현성(Reproducibility): 사람마다 측정값이 다름
- 이건 다시 두 가지로 나뉘어요:
시각화 도식
|---------------------- 총 변동 ----------------------|
|------ 측정 시스템 변동 ------|---- 공정 진짜 변동 ----|
↳ 반복성 + 재현성
- 총 변동 = 우리가 측정한 전체 결과의 흔들림
- 측정 시스템 변동 = 측정기계, 측정자 오류 때문에 생긴 부분
- 공정 진짜 변동 = 제품 자체의 진짜 차이
요점 요약
| 항목 | 의미 | 목표 |
|---|---|---|
| 총 변동 (Total Variation) | 측정값의 전체 퍼짐 | 낮을수록 좋음 |
| 측정 시스템 변동 (Gauge R&R) | 측정기가 만든 오류 | 전체의 10% 이내 |
| 공정 진짜 변동 | 제품 간의 실제 차이 | 공정 안정성 판단 기준 |
결론
측정 시스템 변동이 너무 크면?
- 제품 자체는 정상이더라도, 측정값이 들쭉날쭉해서 불량처럼 보이는 경우 발생
- 그래서 Gauge R&R 분석을 통해 측정 시스템이 공정 변동을 “방해하지 않는 수준인지” 평가하는 것
그래프는 실제 측정 시스템과 공정 자체가 전체 변동성에 어떻게 기여하는지를 시각화한 것
- Repeatability (6%): 같은 사람이 같은 조건에서 반복 측정했을 때 생기는 오차
- Reproducibility (9%): 사람(또는 장비)가 바뀌었을 때 생기는 오차
- Part-to-Part (85%): 실제 제품 자체의 차이
이 그래프의 의미
- 총 변동성 = 100%
- 이 중 15%는 측정 시스템의 문제 (R&R) → 사용은 가능하지만 개선 여지가 있음
- 85%는 제품 자체의 변동 → 공정이 만들어내는 실제 차이로, 오히려 바람직한 결과!
예시 해석 테이블
| 항목 | 기여도 (%) |
|---|---|
| 총 변동성 | 100 |
| Repeatability | 8 |
| Reproducibility | 12 |
| 공정 내 실제 변동 | 80 |
총 R&R = 8% + 12% = 20% → 사용 가능하지만 개선 권장
해석 기준 (AIAG 기준)
| R&R 비율 | 해석 |
|---|---|
| ≤ 10% | 우수 (Acceptable) |
| 10% ~ 30% | 사용 가능 (Marginal) |
| > 30% | 부적합 (Unacceptable) |
고객 중심 품질 관리 개념 정리
VOC (Voice of Customer)
고객의 니즈, 불만, 기대 등을 반영한 제품/서비스 개선의 출발점
VOC는 고객이 직접적으로 또는 간접적으로 표현한 의견을 말하며, 이를 구조화하면 품질 개선의 실질적인 지표로 활용 가능함.
VOC 수집 방법
| 수단 | 예시 |
|---|---|
| 고객 설문조사 | 만족도 평가, CS 평가 |
| 콜센터 데이터 | 불만 유형, 상담 기록 |
| SNS/리뷰 분석 | 키워드 추출, 감성 분석 |
| VOC 박스 | 오프라인 제안함, 피드백 설문지 |
CTQ (Critical To Quality)
정의
VOC를 품질 특성 요건(CTQ)으로 변환한 것으로, 고객 요구를 측정 가능한 품질 특성으로 구체화한 항목
CTQ 파악 흐름
VOC → 고객 요구사항 → 품질 특성(CTQ) → 관리 항목/사양화CTQ 예시
| 제품 | VOC | CTQ 요소 | 측정 지표 |
|---|---|---|---|
| 스마트폰 | "무겁고 두꺼워요" | 무게, 두께 | g, mm |
| 커피 | "너무 써요" | 산미, 당도 | pH, 당도(Brix) |
| 택배 | "늦게 와요" | 배송 시간 | 평균 배송일, 시간 |
| 세탁기 | 너무 커요, 설치할수가없다 | 크기, 0 | mm cm m |
CTQ는 측정 가능하고, 공정/설계 사양으로 연결 가능한 형태여야 합니다.
1. QMS (Quality Management System)
품질경영시스템
기업이 일관되게 고객 요구 사항을 충족하고, 지속적인 개선을 실현하기 위해 구축하는 체계적인 운영 시스템
주요 특징
- 품질 방침, 목표 수립 및 실행 프로세스 포함
- 문서화된 절차, 품질 매뉴얼, 작업 지침 등 구성
- 고객 중심 + 프로세스 접근 방식 + 리더십 기반
예시 구성 요소
| 구성 요소 | 설명 |
|---|---|
| 품질 방침 | 조직의 품질에 대한 방향성 명시 |
| 품질 목표 | 측정 가능하고 실행 가능한 목표 수립 |
| 내부 감사 | 정기적 점검을 통한 시스템 개선 |
| 교육 훈련 | 품질 역량 강화를 위한 직원 교육 |
2. ISO 9001
국제표준화기구(ISO)에서 제정한 QMS 국제 표준 (가장 널리 사용됨)
주요 목적
- 고객 만족 증진
- 품질 일관성 확보
- 조직 내 프로세스 최적화
핵심 원칙 (ISO 9001:2015 기준 7가지 원칙)
| 원칙 | 설명 |
|---|---|
| 고객 중심 | 고객 만족이 경영의 핵심 |
| 리더십 | 명확한 방향성과 리더십 |
| 사람 참여 | 전 직원 참여와 책임 |
| 프로세스 접근 | 체계적 관리로 효율성 향상 |
| 개선 | 지속적 개선 문화 |
| 증거 기반 의사결정 | 데이터에 기반한 판단 |
| 관계 관리 | 공급자, 이해관계자와의 신뢰 구축 |
인증의 효과
- 글로벌 신뢰도 상승
- 제품/서비스 품질 안정
- B2B, 수출 등 입찰 요건 충족
3. TQM (Total Quality Management)
전사적 품질경영 – 모든 구성원이 참여하여 고객 중심의 품질 향상을 추구하는 경영 철학
핵심 철학
- 전사적 참여 (Top-down + Bottom-up)
- 고객 중심 사고
- 지속적 개선(CI: Continuous Improvement)
- 품질을 단순한 검사가 아닌 경영 전략의 중심으로
TQM 구성 요소
| 요소 | 설명 |
|---|---|
| 리더십 | 품질 경영에 대한 최고경영자의 의지 |
| 품질 문화 | 직원의 태도와 참여도 |
| 품질 도구 | 7가지 QC 도구, 시그마, 벤치마킹 등 |
| 교육 훈련 | 품질 개선을 위한 지속적 학습 |
- VOC ⇒ CTQ 도출 ( CTQ Tree voc ⇒ 요구사항 ⇒ CTQ요소) 너무무겁다 ⇒ CTQ 무게 ⇒ 무게 < 250
- 품질시스템 QMS
ISO 9001기반, 표준작업절차 (SOP)
품질 목표 설정, 내부 품질감사 ⇒ 일관된 품질 유지 시스템 확보 - FMEA + RPN ⇒ 위험 분석
제품/공정의 잠재적 문제예측 ⇒ 개선 우선순위 결정
RPN = Severity occurrence detection
DFMEA(설계) PFMEA(공정) ⇒ 문제가 생기기전에 막겠다 - MSA
측정값이 믿을수있냐?
Gauge R&R
Bias linearity , stablitiy등등
⇒ 미니탭 엑셀 기반 ⇒ 좋은 품질데이터는 신뢰할수있는 측정이 되어야한다. - 공정능력분석 ppk / cpk
초기분석 pp/ ppk ⇒ 전체 표준편차 기반
안정화공정 cp cpk ⇒ 공정 내 표준편차 기반 - spc 통계적 품질관리
⇒ 지속적으로 공정을 모니터링하고 이상 징후 감지
x-r, x-s, pchart uchart
공정 이상탐지(+-3시그막기준) ⇒ 원인분석 ⇒ 즉시 조치
미니탭 지금 공정계속 실시간으로 본다. - 6시그마 개선
DMAIC
D 문제 정의, VOC 분석
M 데이터수집, MSA 수행, 공정능력 측정
A 원인분석(Fishbone 등등)
i 개선안 설계, DOE, FMEA 재평가
C 관리도, 표준화
데이터 기반 개 선 ⇒ 성과 가시화
QA/QC 1기 김학열