Hotelling T² 관리도(다변량)
Hotelling T² 관리도는 상관된 둘 이상의 변수 간 공분산을 사용하여, 각 관측값 또는 부분군이 결합 공정 평균으로부터 떨어진 마할라노비스 거리를 추적합니다. 개별 관측값 또는 부분군 데이터에 사용할 수 있습니다. UCL은 F 분포에서 구하며 기본 alpha는 0.0027이고, 규칙 1만 점검합니다. 출력은 T² 관리도와 p, m, 중심선, UCL을 담은 요약 표입니다.
최종 검토
핵심 요점
Hotelling T² 관리도는 상관된 둘 이상의 품질 특성을 함께 모니터링하여, 각 변수가 단독으로는 관리 상태로 보이더라도 공정 평균으로부터의 결합 거리가 비정상적인 관측값을 표시합니다.
목적
Hotelling T² 관리도는 상관된 둘 이상의 품질 특성을 각각 개별 I 관리도나 X-bar 관리도로 보는 대신 함께 모니터링합니다. 상관된 두 변수가 개별 일변량 관리도에서는 각각 완벽하게 관리 상태로 보이면서도 서로의 관계는 깨졌을 수 있습니다. Hotelling T² 관리도는 공정 자체의 공분산 구조를 사용하여 각 관측값(또는 부분군)이 공정의 결합 평균으로부터 떨어진 마할라노비스 거리를 추적함으로써 바로 그런 경우를 포착합니다.
주요 기능
- 개별 관측값 데이터(단위당 한 행, 부분군 없음)와, 선택적인 Subgroup indicator 열을 통한 부분군 데이터를 모두 지원합니다.
- 선택한 변수 간의 전체 공분산 구조를 사용하므로, 어느 변수도 단독으로는 비정상으로 보이지 않더라도 변수 간 정상적인 상관이 깨진 것에 민감합니다.
- alpha(오경보율)를 설정할 수 있으며, 기본값은 앱 전체의 0.0027(3 시그마 상당) 규칙입니다.
- 행 포함/제외와, 평균 벡터와 공분산 행렬의 기준을 알려진 안정 기간으로 정하는 별도의 “estimate parameters from” 선택기를 제공합니다.
통계적 방법
Subgroup indicator를 선택하지 않은 경우(개별 관측값, 단위당 한 행), 도구는 모수를 추정하는 데 사용한 m개 관측값에 걸친 선택한 p개 변수의 표본 공분산 행렬 S를 사용하여, 각 관측값 x_i에 대해 추정된 공정 평균 벡터 x̄로부터의 제곱 마할라노비스 거리를 계산합니다. T²_i = (x_i − x̄)′ S⁻¹ (x_i − x̄). 관리 상한은 개별 관측값에 대한 정확한 F 분포 기반 공식을 따릅니다. UCL = [p(m−1)(m+1)] / [m(m−p)] · F(1−alpha; p, m−p)이며, alpha는 선택한 오경보율(기본값 0.0027)입니다. 표시되는 중심선은 관리 상태 공정에서 통계량의 기댓값인 p입니다.
Subgroup indicator를 선택한 경우(부분군당 n개의 반복 행), 도구는 대신 각 부분군 j에 대해 T²_j = n·(x̄_j − x̄_grand)′ Sp⁻¹ (x̄_j − x̄_grand)를 계산합니다. x̄_j는 해당 부분군의 평균 벡터, x̄_grand는 부분군 평균들의 총평균, Sp는 합동 군내 공분산 행렬(m개 개별 군내 표본 공분산 행렬의 평균)입니다. 관리 한계는 UCL = [p(m−1)(n−1)] / (mn − m − p + 1) · F(1−alpha; p, mn − m − p + 1)입니다.
두 모드 모두에서 T²는 한쪽 방향의 비정규 통계량이므로 규칙 1(UCL을 초과하는 점)만 평가합니다. 정규분포를 따르는 관리도 통계량을 위해 만들어진 Western-Electric/Nelson 구역 규칙은 의도적으로 여기에 적용하지 않습니다.
입력 항목 및 옵션
항목 | 설명 |
Variables | 필수. 각 관측값에서 측정한, 상관된 변수 2개 이상을 선택합니다. |
Subgroup indicator | 선택. 각 행이 개별 관측값 하나이면 비워 둡니다. 여러 행이 하나의 부분군(n > 1 반복)을 이루면 부분군을 식별하는 열을 선택합니다. |
Alpha (false alarm rate) | 기본값 0.0027이며, 앱의 다른 곳에서 쓰는 표준 3 시그마 상당 오경보율과 일치합니다. |
X scale | 관측값 축에 대한 선택적 사용자 지정 레이블입니다. |
Include or Exclude / Specify which rows / Row numbers | 어떤 행을 그릴지 제어합니다. |

그림 1 — 쌍으로 된 벽 두께/무게 측정값 30개를 C1–C2에 붙여넣고, 둘 다 Variables로 선택했으며 Alpha는 기본값 0.0027입니다.
출력 설명
- T² Chart plot — 각 관측값(또는 부분군)의 Hotelling T² 통계량을 시간 순서로 나타내며 UCL과 중심선이 함께 표시됩니다.
- Summary table — 사용한 변수, p(변수 수), m(모수 추정에 사용한 관측값/부분군 수), Alpha, 중심선(E[T²]), UCL.
- Nelson's Rules / Potential Special Cause Points — 관리 한계를 초과한 점이 있다면 어느 점인지 표시합니다.
- Download as PDF를 통한 PDF 내보내기.

그림 2 — T² Chart 출력: 관측값별로 그린 T² 통계량과 UCL, 그리고 Variables/p/m/Alpha/Center Line/UCL 요약 표.
계산 예제
블로 성형 공정에서 병의 벽 두께(C1, mm)와 무게(C2, g)는 보통 상관되어 있어, 벽이 얇을수록 무게가 가볍습니다. 두 변수를 모두 선택하고 Alpha를 기본값 0.0027로 하여 연속된 병 30개를 분석하면, 도구는 변수 p = 2개, 관측값 m = 30개에 대해 UCL ≈ 15.75를 계산합니다. 데모 데이터 집합에서 정상적인 두께/무게 관계를 의도적으로 깨뜨린 마지막 병 5개는 여기서 개별적으로 한계를 넘지는 않지만, 상관 구조가 교란된 바로 그 지점에서 T² 계열이 눈에 띄게 상승합니다. 이는 어느 한 변수만의 일변량 관리도로는 완전히 놓치는 동작입니다.
자주 묻는 질문
Hotelling T² 관리도란 무엇입니까?
Hotelling T² 관리도는 상관된 둘 이상의 품질 특성을 개별 I 관리도나 X-bar 관리도 대신 함께 모니터링합니다. 공정 자체의 공분산 구조를 사용하여 각 관측값 또는 부분군이 결합 공정 평균으로부터 떨어진 제곱 마할라노비스 거리를 그리므로, 변수 간 정상적인 관계가 깨진 것을 포착합니다.
개별 일변량 관리도 대신 Hotelling T² 관리도를 사용하는 이유는 무엇입니까?
상관된 두 변수가 개별 일변량 관리도에서는 각각 관리 상태로 보이면서도 서로의 관계는 깨졌을 수 있습니다. 블로 성형 예제에서 벽 두께와 무게는 보통 상관되어 있었으며, 마지막 병 5개에서 그 관계가 깨졌을 때 T² 계열이 상승했습니다. 어느 한 변수만의 관리도로는 이를 놓칩니다.
Hotelling T² 관리 한계는 어떻게 계산합니까?
관리 상한은 F 분포에서 구하며, 변수 수 p, 관측값 또는 부분군 수 m, 부분군을 사용할 때의 부분군 크기 n, 그리고 기본값이 0.0027인 alpha에 따라 달라집니다. 개별 관측값의 경우 표시되는 중심선은 관리 상태 공정에서 T²의 기댓값인 p입니다.
Hotelling T² 관리도는 왜 규칙 1만 사용합니까?
T²는 한쪽 방향의 비정규 통계량이므로 규칙 1, 즉 UCL을 초과하는 점만 평가합니다. Western Electric 및 Nelson 구역 규칙은 정규분포를 따르는 관리도 통계량을 위해 만들어졌으므로, T² 관리도에는 의도적으로 적용하지 않습니다.
