자동 공정능력분석(Automated Process Capability)

자동 공정능력분석은 수동 정규성 확인 단계를 없애 줍니다. Anderson-Darling 검정을 실행하여, p-값이 기준(기본값 0.1) 이상이면 정규 Pp, Ppl, Ppu, Ppk를 계산하고, 미만이면 후보 비정규 분포를 최대우도법으로 적합하여 가장 잘 맞는 분포를 고른 뒤 z-점수 방법을 사용합니다. 출력에는 선택한 경로, 적합 히스토그램, 지수, 기대 PPM과 관측 PPM이 표시됩니다.

최종 검토

핵심 요점

자동 공정능력분석은 Anderson-Darling 검정으로 정규성을 검정하고, 정규 모형 또는 가장 적합한 비정규 분포에서 Pp와 Ppk를 자동으로 계산하며 어느 경로를 택했는지 기록합니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

자동 공정능력분석은 먼저 정규성을 검정한 다음 정규 또는 비정규 공정능력 모형 중 하나를 따로 선택하는 수동 단계를 없애 줍니다. 이 도구는 Anderson-Darling 정규성 검정을 직접 실행하여, 데이터가 통과하면 표준 정규 공정능력 지수로, 통과하지 못하면 앱의 후보 분포 라이브러리에서 선택한 최적 적합 비정규 분포로 계산을 자동으로 보냅니다. 그 결과 상단에 경로 결정이 기록된 하나의 보고서가 만들어집니다.

주요 기능

  • Anderson-Darling 정규성 검정을 자동으로 실행하므로 별도의 정규성 확인 단계가 필요 없습니다.
  • 정규 가정이 기각되면, 앱의 다른 비정규 공정능력 도구와 동일한 분포 적합 라이브러리를 사용하여 가장 잘 맞는 비정규 후보 분포를 자동으로 선택합니다.
  • 정규성 p-값 기준을 설정할 수 있어, 도구가 정규 경로를 기본으로 택하는 보수성의 정도를 조정할 수 있습니다.
  • 어느 경로를 택했는지(정규 또는 비정규, 그리고 어떤 분포인지)를 출력에 바로 보고하므로 경로 결정이 투명하고 추적 가능합니다.
  • 앱의 다른 공정능력 도구와 마찬가지로 선택 사항인 Factor 열과 “Compare selected columns as separate groups” 모드를 지원합니다.

통계적 방법

정규성은 Anderson-Darling 검정(정규 기준에 대한 scipy의 anderson())으로 평가하며, 표준 소표본 보정 AD = A²·(1 + 0.75/n + 2.25/n²)을 사용합니다. p-값은 보정된 AD 통계량에 대한 D'Agostino–Stephens의 구간별 경험적 근사식에서 구합니다.

선택 규칙은 다음과 같습니다. Anderson-Darling p-값이 정규성 p-값 기준(기본값 0.1) 이상이면 도구는 데이터를 정규로 간주하여, 이동 범위 방법(MRbar/d2 또는 이동 범위 중앙값 변형)으로 σ_overall을 추정하고 이를 이용해 z 기반의 표준 성능 지수 Pp, Ppl, Ppu, Ppk를 계산합니다. p-값이 기준 미만이면 앱이 지원하는 각 후보 비정규 분포(Weibull, 3-모수 Weibull, 지수, 2-모수 지수, 감마, 로지스틱, 로그 로지스틱, 로그 정규, 최소/최대 극값 분포)를 최대우도법으로 적합하고, 적합도 순으로 순위를 매겨 가장 잘 맞는 분포를 자동으로 선택합니다.

비정규 경로에서는 선택한 분포의 CDF를 LSL과 USL에서 계산하여 꼬리 확률 p_lsl과 p_usl을 구하고, 이를 역정규 CDF(norm.ppf)로 등가의 표준 정규 z-점수로 변환합니다. 이것이 “z-점수 방법”입니다. 이후 이 z-점수를 사용하여 익숙한 Cpk 척도로 공정능력을 보고합니다. Pp = (z_usl − z_lsl) / 6, PPL = −norm.ppf(p_lsl) / 3, PPU = norm.ppf(p_usl) / 3, Ppk = min(PPL, PPU)입니다. 따라서 비정규 데이터에 원래의 정규 Z-점수를 잘못 적용하는 대신, 치우친 분포의 실제 꼬리 위험을 반영한 뒤 앱 전반에서 사용하는 Cpk와 유사한 단위로 나타냅니다.

PPM(백만 개당 부적합 수) 수치는 두 가지로 보고합니다. “expected” PPM은 적합 분포에서 각 규격 한계 밖의 꼬리 확률로 구하고, “observed” PPM은 원 표본에서 규격 한계 밖에 실제로 놓인 비율을 단순히 세어 구합니다.

입력 항목 및 옵션

항목

설명

Choose columns

분석할 반응 열입니다.

Factor

선택 사항입니다. 데이터가 하나의 Response 열과 하나의 Factor 열로 구성된 경우 집단 간 공정능력을 비교합니다.

Compare selected columns as separate groups

2개 이상의 열을 선택하면 각 열에 대해 공정능력을 따로 실행하고 나란히 비교합니다.

LSL / USL

선택한 모든 열에 적용되는 규격 하한과 규격 상한입니다.

Normality p-value threshold

기본값은 0.1입니다. Anderson-Darling p-값이 이 값 이상이면 정규를 가정하여 공정능력을 계산하고, 미만이면 가장 잘 맞는 비정규 분포를 자동으로 선택하여 대신 사용합니다.

Download as Excel

선택 사항입니다. 보고서를 Excel 통합 문서로 내보냅니다.

 

auto-capability-inputs


그림 1 — C1에 붙여넣은 충전 중량 측정값 60개와, Options 패널에 입력한 LSL/USL 및 Normality p-value threshold.

 

출력 설명

  • 정규성 검정 결과 — Anderson-Darling 통계량과 p-값, 그리고 선택한 경로(정규 또는 자동으로 선택된 특정 비정규 분포).
  • 적합 분포의 히스토그램 — 표본 히스토그램 위에 적합 밀도 곡선과 LSL/USL 기준선을 겹쳐 표시합니다.
  • 분포 모수 표 — LSL, USL, 표본 평균, 표본 크기, 그리고 적합 분포의 형상/척도(또는 이에 상응하는) 모수.
  • 공정능력 지수 — 선택된 분포로부터 계산한 Pp, Ppl, Ppu, Ppk.
  • PPM 표 — 기대 PPM(적합 분포의 꼬리에서 구함)과 관측 PPM(원 표본에서 구함)이며, 각각 PPM < LSL, PPM > USL, PPM Total로 나뉩니다.
auto-capability-output1


그림 2 — 분포 모수와 그에 따른 Pp/Ppl/Ppu/Ppk 지수, 그리고 기대 PPM과 관측 PPM 표.

 

auto-capability-output2


그림 3 — 자동 경로 결정(Anderson-Darling 결과와 선택한 경로)과 적합 분포 히스토그램.

 

계산 예제

충전 라인에서 점성이 있는 세정액을 병에 채우며, 한 교대 동안 뽑은 병 60개의 충전 중량(g)을 측정합니다(열 C1). LSL = 495 g, USL = 512 g입니다. 기본 기준 0.1에서 Anderson-Darling 검정 결과는 AD = 0.6630, P = 0.0794로 기준 미만이므로, 도구는 자동으로 비정규 경로를 택하여 3-모수 Weibull 적합(AD = 0.1799, P = 0.9164)을 가장 잘 맞는 분포로 선택합니다. 그리고 (오해를 부를 수 있는) 정규분포 가정이 아니라 적합된 Weibull의 꼬리 확률로부터 Ppk = 0.378을 보고합니다.

자주 묻는 질문

자동 공정능력분석은 무엇을 합니까?

데이터에 Anderson-Darling 정규성 검정을 실행한 다음 공정능력 계산을 자동으로 보냅니다. 데이터가 통과하면 표준 정규 공정능력 지수로, 통과하지 못하면 가장 잘 맞는 비정규 분포로 보냅니다. 하나의 보고서에 정규성 결과, 선택한 경로, 사용한 분포가 표시되므로 경로 결정이 투명하고 추적 가능합니다.

도구는 정규와 비정규 공정능력 중 무엇을 어떻게 결정합니까?

Anderson-Darling p-값이 정규성 p-값 기준(기본값 0.1) 이상이면 데이터를 정규로 간주합니다. 기준 미만이면 Weibull, 3-모수 Weibull, 감마, 로그 정규 등의 후보 분포를 최대우도법으로 적합하고, 적합도 순으로 순위를 매겨 가장 잘 맞는 분포를 선택합니다.

비정규 데이터의 Ppk는 어떻게 계산합니까?

선택한 분포의 CDF로 LSL과 USL 밖의 꼬리 확률을 구하고, 이를 등가의 표준 정규 z-점수로 변환합니다. 그런 다음 PPL = -z(p_lsl)/3, PPU = z(p_usl)/3, Ppk = min(PPL, PPU)로 계산합니다. 이렇게 하면 치우친 분포의 실제 꼬리 위험을 반영하면서도 결과를 익숙한 Cpk와 유사한 척도로 유지할 수 있습니다.

Zometric Statistical Software에서 자동 공정능력분석은 어떻게 실행합니까?

데이터를 붙여넣고, 반응 열을 선택하며, 필요하면 Factor 또는 열을 별도 집단으로 비교하는 옵션을 선택한 뒤 LSL과 USL을 입력합니다. Normality p-value threshold(기본값 0.1)를 설정합니다. 보고서에는 경로 결정, 적합 히스토그램, 분포 모수, 공정능력 지수, PPM 표가 표시되며 Excel로 내보낼 수 있습니다.