비정규 공정능력(Non-Normal Process Capability)

치우쳤거나 Weibull, 지수, 감마, 로그 정규분포 같은 분포를 따르는 연속형 데이터에는 비정규 공정능력을 사용합니다. 안정된 공정에서 최소 100개의 데이터 점을 수집하고 분포가 적합한지 확인합니다. LSL과 USL을 입력하고 Z-score 방법 또는 ISO 22514 백분위수 방법을 선택합니다. 출력에는 공정능력 지수와 규격을 벗어날 출력의 예측 백분율이 포함됩니다.

최종 검토

핵심 요점

비정규 공정능력은 데이터가 정규분포를 따르지 않을 때 Weibull 또는 로그 정규분포 같은 적합한 분포를 적합하여, 공정이 규격 한계 안의 출력을 만드는지 평가합니다.

이 페이지 내용
  1. 비정규 공정능력이란?
  2. 비정규 공정능력은 언제 사용합니까?
  3. 비정규 공정능력의 올바른 사용 지침
  4. 대안: 비정규 공정능력을 사용하지 않아야 할 때
  5. 비정규 공정능력 예제
  6. 비정규 공정능력 분석 방법

비정규 공정능력이란?

비정규 공정능력은 데이터가 정규분포에서 벗어날 때 공정이 지정된 한계 안의 출력을 만들 수 있는 능력을 평가하는 방법입니다. 이 분석은 데이터가 왜도나 특이치 같은 특성을 보이거나 종 모양의 정규분포가 아닌 다른 분포를 따를 때 중요합니다. 올바른 비정규 분포 모형을 선택함으로써, 공정 결과가 고객 요구 사항을 얼마나 잘 충족하는지 평가하고, 전반적인 공정성능을 가늠하며, 허용 범위를 벗어날 가능성이 있는 출력의 백분율을 예측합니다. 이 접근법은 데이터 분포가 비정규이더라도 공정이 원하는 기준을 안정적으로 충족할 수 있는지 판단하는 데 도움이 됩니다.

쉽게 말해, 데이터가 우리가 기대하는 모양이 아니더라도 공정이 잘 작동하는지 확인하는 방법입니다.

비정규 공정능력은 언제 사용합니까?

분석하는 데이터가 정규분포를 따르지 않을 때, 즉 평균을 중심으로 대칭인 전형적인 종 모양 곡선이 아닐 때 비정규 공정능력을 사용해야 합니다. 비정규 공정능력을 사용하는 상황은 다음과 같습니다.

  1. 치우친 데이터: 데이터가 왼쪽이나 오른쪽으로 치우쳐 대부분의 값이 한쪽에 몰려 있다면 비정규 공정능력 분석이 더 적합합니다.
  2. 특이치의 존재: 데이터에 전체 패턴에 맞지 않는 극단값이 있으면 정규분포가 왜곡될 수 있습니다. 먼저 조사하고, 이 값이 꼬리가 긴 공정의 실제 일부라면 비정규 분포가 정규분포보다 꼬리를 더 잘 모형화할 수 있습니다.
  3. 비대칭 분포: 데이터가 대칭이 아닌 패턴을 보일 때(예: 로그 정규분포 또는 지수분포) 비정규 공정능력은 더 정확한 평가를 제공합니다.
  4. 여러 개의 봉우리: 데이터에 봉우리가 둘 이상(이봉 또는 다봉 분포)이면 정규분포를 따르지 않습니다. 이는 보통 데이터가 둘 이상의 공정 흐름(예: 서로 다른 기계나 배치)에서 나왔음을 뜻하며, 공정능력을 평가하기 전에 분리해야 합니다.
  5. 공정 특성: 일부 공정은 공정이나 제품의 성질 때문에 자연스럽게 비정규 데이터를 만듭니다. 예를 들어 시간에 따른 마모, 배치 공정, 또는 본질적인 한계가 있는 공정은 비정규 데이터를 만들 수 있습니다.

비정규 공정능력의 올바른 사용 지침

  • 분석에는 연속형 데이터를 사용하십시오. 계수형 데이터라면 대신 이항 또는 포아송 공정능력 분석을 적용하십시오.
  • 신뢰할 수 있는 공정능력 추정과 공정 변동의 정확한 표현을 위해 최소 100개의 데이터 점을 수집하십시오.
  • 공정능력 분석을 수행하기 전에 필요하면 X-bar-S 관리도나 비정규 공정능력 식스팩 같은 도구를 사용하여 공정이 안정적이고 관리 상태에 있는지 확인하십시오.
  • 데이터는 선택한 비정규 분포를 면밀히 따라야 합니다. 정확한 공정능력 추정을 위해 개별 분포 식별을 사용하여 가장 잘 맞는 분포를 찾으십시오.

대안: 비정규 공정능력을 사용하지 않아야 할 때

  • 데이터에 어떤 비정규 분포가 맞는지 확실하지 않다면 분석 전에 개별 분포 식별을 사용하십시오.
  • 공정 관리 상태와 특정 비정규 분포에 대한 적합성을 확인하려면 먼저 비정규 공정능력 식스팩을 사용하십시오.
  • 전체 공정능력과 함께 군내 변동 및 잠재 공정능력을 추정하려면 정규 공정능력 분석을 사용하여 비정규 데이터를 변환하고 정규분포를 기준으로 평가하십시오.

비정규 공정능력 예제

한 자동차 부품 제조업체가 드릴링 머신이 핵심 부품의 규격을 충족할 수 있는지 평가하고 있습니다. 부품은 규격 하한(LSL) 22.15와 규격 상한(USL) 22.35 사이의 범위 안에 있어야 합니다. 이를 평가하기 위해 엔지니어는 기계에서 표본 125개를 채취하여 다음 단계를 수행합니다.

  1. 필요한 데이터를 수집했습니다.
Non Normal Process capability — figure 1
  1.  이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
  2.  비정규 공정능력을 찾으려면 다음 경로를 선택합니다: Statistical module> Process Capability>Non-Normal Process Capability.
  3.  도구 안에서 다음과 같이 데이터와 다른 입력값을 입력합니다.
Non Normal Process capability — figure 2

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

Non Normal Process capability — figure 3Non Normal Process capability — figure 4

비정규 공정능력 분석 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> Process Capability >Non-Normal Process Capability를 선택합니다.
  3. 이어서 Non Normal Process Capability를 클릭하여 도구 화면으로 이동합니다.
  4. 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
  5. 다음으로, 적합할 분포를 선택하고, LSL과 USL을 입력하고, 분석 방법을 선택해야 합니다.
  6. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

비정규 공정능력 도구 화면은 두 부분으로 나뉩니다.

Non Normal Process capability — figure 5

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.

Load example: 예제 데이터가 로드됩니다.

Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

  • Fit Distribution:
  • Weibull distribution: Weibull 분포는 공학, 의학 연구, 금융, 기후학에서 사용되는 유연한 통계 모형으로, 특히 고장까지의 시간 데이터를 분석하고 치우친 공정 데이터를 다룰 때 사용됩니다. 형상, 척도, 임계값의 세 가지 모수로 정의됩니다. 3-모수 Weibull 분포는 세 가지를 모두 포함하고, 임계값을 제외한 2-모수 버전은 양수 값에만 사용합니다. 형상 모수는 분포의 왜도에 영향을 주고, 척도 모수는 모집단의 63.2%가 고장 날 것으로 예상되는 지점을 나타내며, 임계값 모수는 분포를 시간 축을 따라 이동시킵니다. 이 분포는 고장 예측, 수명 주기 추정, 복잡한 데이터 패턴 이해에 중요합니다. 활용 범위는 품질 관리와 위험 관리까지 확장됩니다. Exponential: 지수분포는 연속 확률분포로, 비정규 데이터를 다룰 때 공정능력 분석에서 자주 사용됩니다. 특히 고장률이 일정한 고장까지의 시간 데이터, 그리고 사건이 연속적이고 독립적으로 일정한 평균 비율로 발생하는 포아송 과정에서의 사건 도착 간격 같은 상황에 사용됩니다. 이 분포는 특정 사건이 발생할 때까지의 시간을 모형화하는 데 이상적이며, 무기억 성질 덕분에 과거가 미래에 영향을 주지 않는 상황에 적합하여 정규분포를 따르지 않는 치우친 데이터를 정확하게 분석할 수 있습니다. Logistic: 로지스틱 분포는 비정규 공정능력 분석에서, 특히 데이터가 대칭이지만 정규분포가 아닐 때 중요한 역할을 합니다. 로지스틱 분포는 정규분포와 모양이 비슷하지만 꼬리가 더 두꺼워 극단값에 더 큰 확률을 부여합니다. 이러한 특성 덕분에 데이터에 특이치가 있거나 정규분포가 수용하는 것보다 산포가 큰 경향이 있는 일부 공정능력 분석에 유용합니다. Loglogistic: 로그 로지스틱 분포는 로그가 로지스틱 분포를 따르는, 양수이면서 오른쪽으로 치우친 데이터에 사용됩니다. 로그 정규분포와 비슷하지만 꼬리가 더 두꺼워, 로그 정규분포가 예측하는 것보다 큰 값이 나올 가능성이 더 높은 공정에 적합합니다. Largest Extreme Value: 최대 극값 분포는 최댓값에 초점을 둔 데이터나 오른쪽으로 치우친 분포를 다룰 때 비정규 공정능력 분석에서 필수적입니다. 극단값이 정확하게 모형화되도록 하여 더 신뢰할 수 있는 공정능력 평가와 공정성능 및 위험에 대한 더 나은 정보에 기반한 의사 결정으로 이어집니다. Smallest Extreme Value: 최소 극값(SEV) 분포는 비정규 공정능력 분석에서, 특히 데이터가 치우쳐 있고 정규분포에 맞지 않을 때 중요한 역할을 합니다. SEV 분포는 가장 짧은 고장 시간이나 사건 사슬에서 가장 약한 고리처럼 데이터 집합의 최솟값을 모형화하는 데 특히 유용합니다. 2-Parameter Exponential: 2-모수 지수분포는 척도 모수(λ)와 임계값 모수(θ)로 정의됩니다. 임계값 모수는 분포를 오른쪽으로 θ 단위만큼 이동시키며, 사건이 발생할 수 있기 전까지의 최소 대기 시간을 나타냅니다. 척도 모수는 임계값 이후 사건이 발생하는 비율을 제어합니다. 3- Parameter Weibull: 3-모수 Weibull 분포는 형상 모수(β), 척도 모수(η), 임계값 모수(γ)로 정의됩니다. 형상 모수(β)는 고장률 거동을 결정하고, 척도 모수(η)는 특성 수명을 나타내며, 임계값 모수(γ)는 분포를 이동시켜 고장이 시작되기 전까지의 최소 시간을 나타냅니다. 이 분포는 사건이 발생할 수 있기 전에 초기 대기 기간이 있는 수명 데이터를 모형화하는 데 사용되며, 더 정확한 데이터 적합을 위한 유연성을 더해 줍니다. Gamma: 감마 분포는 형상 모수(k 또는 α)와 척도 모수(θ)로 특성이 정해지는 연속 확률분포입니다. 주로 지정된 수의 사건이 발생할 때까지의 대기 시간을 모형화하는 데 사용되므로, 누적 시간이나 치우친 데이터가 관련된 공정에 이상적입니다. Lognormal: 로그 정규분포는 확률변수의 로그가 정규분포를 따르는 연속 확률분포입니다. 양으로 치우쳐 있는 것이 특징이며 기저 정규분포의 평균(μ)과 표준편차(σ)로 정의됩니다. 금융, 생명과학, 신뢰성 분석에서 흔히 사용되며, 양수를 유지해야 하고 곱셈적 성장 또는 오른쪽으로 치우친 거동을 보이는 데이터를 모형화합니다.
  • LSL: 공정 측정값에서 허용되는 최솟값입니다. 이 한계보다 작은 값은 제품이나 공정이 품질 기준을 충족하지 못함을 나타내며 불량으로 간주됩니다.
  • USL: 공정 측정값에서 허용되는 최댓값입니다. 이 한계보다 큰 값 역시 제품이나 공정이 규격을 벗어나 품질 요구 사항을 충족하지 못함을 나타냅니다.
  • Method of Analysis:
  • Z-Score: Z-score 방법은 적합된 분포를 사용하여 각 규격 한계를 벗어날 확률을 구하고 이를 등가의 표준정규 Z 값으로 변환합니다. 공정능력 지수는 이 Z 값으로부터 계산되며(각 단측 지수는 Z를 3으로 나눈 값), 정규 데이터에 사용하는 지수와 비교할 수 있습니다. 이 방법은 성능 문제를 식별하는 데 도움이 되어, 품질 개선을 위한 데이터 기반 의사 결정을 가능하게 합니다.

       이 방법은 다음과 같은 경우에 사용합니다.

  • 데이터가 정규분포를 따르지 않으며, 이는 많은 실제 공정에서 흔합니다.
  • 다양한 분포(예: 지수분포, 로그 정규분포)를 수용할 수 있는 더 유연한 접근법이 필요합니다.
  • 공정 평균이 규격 한계에서 표준편차 몇 개만큼 떨어져 있는지로 표준화된 공정능력 지수(Cp, Cpk)를 계산하려 합니다.

       장점:

  • Z-score 방법은 공정능력을 표준편차로 나타내므로 규격 한계에 대한 공정성능을 더 명확하게 이해하게 해 줍니다.
  • 데이터가 비정규이더라도 서로 다른 공정이나 특성 간의 비교를 더 잘할 수 있게 해 줍니다.
  • ISO: ISO 방법은 비정규 공정능력 분석에 대한 ISO 22514 표준을 따릅니다. 적합된 분포의 백분위수, 즉 정규분포에서 ±3 표준편차에 해당하는 0.135번째와 99.865번째 백분위수와 공정 중심으로서의 중앙값으로부터 공정능력 지수를 직접 계산합니다. 이 방법은 국제 품질 표준 준수가 필요할 때 선호됩니다.
  • Download as Excel: 결과를 Excel 형식으로 표시하며, 이는 쉽게 편집하여 load file 옵션으로 다시 불러와 계산할 수 있습니다.

자주 묻는 질문

비정규 공정능력이란 무엇입니까?

비정규 공정능력은 데이터가 정규분포를 따르지 않을 때 공정이 규격 한계 안의 출력을 만들 수 있는 능력을 평가합니다. 적합한 비정규 분포 모형을 적합하여 전반적인 공정성능을 평가하고 허용 범위를 벗어날 가능성이 있는 출력의 백분율을 예측합니다.

비정규 공정능력 분석은 언제 사용합니까?

연속형 데이터가 치우쳤거나, 비대칭이거나, 시간에 따른 마모나 본질적인 한계가 있는 공정처럼 자연스럽게 비정규 데이터를 만드는 공정에서 나왔을 때 사용합니다. 먼저 특이치를 조사하고, 봉우리가 둘 이상인 데이터는 공정능력을 평가하기 전에 서로 다른 기계나 배치 같은 공정 흐름별로 분리하십시오. 계수형 데이터에는 이항 또는 포아송 공정능력 분석을 사용하십시오.

비정규 공정능력에는 데이터가 얼마나 필요합니까?

신뢰할 수 있는 공정능력 추정을 위해 최소 100개의 데이터 점을 수집하십시오. 분석 전에 공정은 안정적이고 관리 상태에 있어야 하며, 데이터는 선택한 분포를 면밀히 따라야 합니다. 어떤 분포가 맞는지 확실하지 않다면 먼저 개별 분포 식별을 사용하십시오.

비정규 공정능력의 Z-score 방법과 ISO 방법의 차이는 무엇입니까?

Z-score 방법은 적합된 분포를 사용하여 각 규격 한계를 벗어날 확률을 구하고 이를 등가의 표준정규 Z 값으로 변환합니다. 각 단측 지수는 Z를 3으로 나눈 값이므로 지수를 정규 데이터의 지수와 비교할 수 있습니다. ISO 방법은 ISO 22514를 따르며, 적합된 분포의 0.135번째와 99.865번째 백분위수로부터 지수를 계산하고 중앙값을 공정 중심으로 사용합니다.