[통계적 품질관리] 통계적 품질관리의 원칙

 

이번 글의 내용은 '통계적 품질관리 4.0(양희정, 김광수, 정상윤 지음, 한국표준협회미디어)'의 내용을 참조 및 정리 하였습니다.

 

---

 

※ 표본에서 구한 데이터를 품질정보로 변환하여 공정이나 로트에 피드백을 하는 SQC활동을 합리적으로 수행하기 위해서는 다음의 원칙이 수반되어야 합니다. 왜냐하면 SQC를 실행하는 과정에서 통계적 방법들의 이론을 사용하는 것보다 그 과정과 해석하는 방법 즉 통계적 사고방식을 실천하는 것이 더 중요하기 때문입니다.

 

 

---

 

 

 

1) 목적 명확하의 원칙

어떠한 데이터를 취하려면 반드시 목적이 있어야 하며 그에 따른 조처 대상이 명확하여야 합니다. 왜냐하면 우리가 제품이나 공정품 등에서 표본을 샘플링하여 측정하는 것은, 표본에 대한 지식을 얻기 위한 것이 아니라 로트에 대한 지식을 얻으려고 하는 것이 목적이며, 공정에서 제조되는 공정품을 주기적으로 취하여 측정하는 것은 공정품의 품질을 알기 위해서가 아니라 공정의 상태를 파악하기 위한 목적이기 때문입니다.

 

2) 분포 중심 해석의 원칙

공정이나 검사로트에 대한 조치를 취하기 위해서는 로트에 대한 정보가 필요합니다. 표본을 측정한 데이터는 하나의 값이 아니고 모두 흩어져 있으며, 이 흩어짐에는 일정한 형태를 내포하고 있습니다. 이는 데이터가 일정한 형태를 가진다는 것을 의미합니다. 이는 우리가 목적으로 하는 모집단이 어떠한 분포를 가지고 있다는 것을 뜻하며, 공정이나 로트의 적격성은 그들의 분포를 중심으로 추측한 결과를 바탕으로 판단하여야 합니다.

 

3) 층별의 원칙 

목적으로 하는 모집단의 내용을 속성별로 층별하여 분석할 수 있도록 데이터의 분류항목이 함께 측정되어야 합니다. 품질의 산포는 재료, 기계, 작업조건, 작업자, 측정 및 환경 등의 '5M1E'에 따라서 영향을 받게 됩니다. 그러므로 공정을 효과적으로 해석하려면 데이터를 5M1E로 분류하고 조사하지 않으면 안됩니다. 이와 같이 데이터 또는 모집단을 몇 개의 층으로 분류하는 것을 층별이라고 합니다. 층별의 사고는 데이터를 통계적으로 처리하기 위한 기본 원칙으로 원인을 보다 명확하게 추측하는데 사용됩니다.

 

4) 확률화의 원칙

로트나 공정에서 데이터를 구하는 것은 공정 등의 모집단에 적절한 조치를 취하려는 것으로 표본은 그 모집단을 대표할 수 있어야 합니다. 이를 위해서는 표본을 랜덤 샘플링으로 취하여야 합니다. 이를 통해 데이터는 정보 즉 통계량으로 표현될 수 있으며 '통계량이 따르는 분포'를 기준으로 로트에 대해 통계적 해석을 할 수 있게 됩니다. 즉 확률화란 랜덤 샘플링으로 표본을 취하는 것입니다.

 

 

 

긴 글 읽어주셔서 감사합니다.

---

References

 

[1] 양희정, 김광수, 정상윤. 한국표준협회미디어, "빅데이터 시대 품질관리의 내비게이션 통계적 품질관리 4.0", 20-21 (2019)