R 관리도(R Chart)
R 관리도는 각 부분군의 범위를 타점하여 공정 변동이 안정적으로 유지되는지 확인하며, X-bar 관리도보다 먼저 해석합니다. 크기가 2~8인 고정 부분군의 연속형 데이터에 사용하고, 8을 넘으면 S 관리도를 사용합니다. 부분군을 최소 25개 수집하십시오. 표준편차는 부분군 크기가 8 이하일 때 권장되는 Rbar/d2 또는 합동 표준편차로 추정할 수 있습니다.
최종 검토
핵심 요점
R 관리도(범위 관리도)는 각 부분군의 범위, 즉 최댓값에서 최솟값을 뺀 값을 타점하여 시간에 따른 군내 변동을 모니터링하며, 부분군 크기가 2~8일 때 X-bar 관리도와 함께 사용합니다.
R 관리도란?
R 관리도(범위 관리도)는 각 부분군의 범위, 즉 최댓값과 최솟값의 차이를 타점하여 시간에 따른 부분군 내 산포 또는 변동을 모니터링합니다. 항상 X-bar 관리도와 함께 사용하며, 공정 변동이 안정적이고 일관되게 유지되고 있는지 확인하는 주된 도구입니다.
X-bar 관리도는 공정 평균이 어디에 위치하는지 알려 주고, R 관리도는 각 표본 내에서 측정값이 얼마나 퍼져 있는지 알려 줍니다. 두 관리도를 함께 보면 공정 거동의 전체 모습을 알 수 있습니다.
R 관리도는 언제 사용합니까?
- 범위는 작은 부분군에서 변동을 신뢰할 수 있고 간단하게 나타내는 척도이므로, 부분군 크기가 2에서 8 사이 일 때 사용합니다.
- R 관리도는 변동을 모니터링하고 X-bar 관리도는 공정 평균을 모니터링하므로 항상 X-bar 관리도와 함께 사용합니다.
- 데이터가 연속형 이고 부분군을 정해진 일정한 시간 간격으로 수집할 때 사용합니다.
- 복잡한 계산 없이 군내 변동을 빠르고 계산하기 쉬운 척도로 파악하려는 경우에 사용합니다.
R 관리도의 올바른 사용 지침
- 변동이 불안정하면 X-bar 관리도의 관리 한계를 신뢰할 수 없으므로 항상 X-bar 관리도보다 R 관리도를 먼저 해석 하십시오.
- 부분군 크기를 고정하고 일관되게 유지하십시오. 부분군 크기를 바꾸면 관리 한계가 무효가 됩니다.
- 관리 한계를 설정하고 결론을 내리기 전에 최소 부분군 25개 를 수집하십시오.
- R 관리도 값이 0인 것은 허용되며 단지 부분군의 모든 값이 동일하다 는 뜻일 뿐 오류가 아닙니다.
- 관리 한계가 통계적으로 유효하려면 부분군 내 데이터가 독립적이고 근사적으로 정규분포를 따라야 합니다.
대안: R 관리도를 사용하지 않아야 할 때
- 부분군 크기가 8보다 큰경우에는 대신 S 관리도(표준편차 관리도) 를 사용하십시오. 더 큰 부분군에서는 통계적으로 더 정확합니다.
- 데이터를 부분군 없이 개별 측정값으로 수집하는 경우에는 다음을 사용하십시오: I-MR 관리도
- 공정에서 군내 변동과 군간 변동을 모두모니터링해야 하는 경우에는 다음을 사용하십시오: I-MR R/S(군간/군내) 관리도
- 반응이 계수형 데이터(결점 수 또는 비율)인 경우에는 다음을 사용하십시오: P, NP, C 또는 U 관리도
- 공정이 단기 생산 또는 혼합 부품 유형으로 운영되는 경우에는 다음을 사용하십시오: Z-MR 관리도
R 관리도 예제
한 자동차 부품 공장의 품질 엔지니어가 캠축의 길이를 모니터링합니다. 엔지니어는 30분마다 크기 5의 부분군으로 데이터를 수집합니다. 그는 관리도에 특수 원인이 있다면 찾아내는 데 관심이 있습니다. 1. 현재는 알 수 없으므로 process mean과 process stddev를 비워 둡니다. 2. Nelson 규칙 8개를 모두 활성화합니다.
이를 위해 엔지니어는 R 관리도를 적용하고 다음 단계를 수행합니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- R 관리도를 찾으려면 다음을 선택합니다: Statistical module> Control Charts>R Chart.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

R 관리도 작성 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Control Charts >R Chart를 선택합니다.
- 이어서 R Chart를 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
- 다음으로, 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
R 관리도 도구 화면은 두 부분으로 나뉩니다.

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.
- Subgroup Columns 데이터 구성 방식에 따라 단일 열 또는 여러 열 중 하나를 선택할 수 있습니다. 각 부분군이 여러 열에 걸쳐 있으면(측정 위치마다 한 열) 해당 열을 모두 선택합니다. 모든 측정값이 한 열에 쌓여 있으면 그 열 하나를 선택하고 부분군 크기를 별도로 정의합니다. 여기서의 선택은 부분군 평균을 계산하기 위해 관리도가 데이터를 어떻게 묶는지를 직접 결정합니다.
- Observations: 이 설정은 워크시트에서 데이터가 물리적으로 어떻게 배치되어 있는지를 정의합니다. 데이터 구조에 맞는 옵션을 선택합니다.
- Observations for a subgroup are in one row of columns — 각 행에 한 부분군의 모든 측정값이 여러 열에 걸쳐 들어 있습니다. 예를 들어 1행에는 다섯 개 열에 걸쳐 부분군 1을 나타내는 측정값 5개가 있습니다.
- All observations for a chart are in one column — 모든 측정값이 한 열에 세로로 쌓여 있으며, 각 부분군에 속하는 행 수는 부분군 크기 항목으로 정의합니다.
여기서 잘못된 배치를 선택하면 관리도가 데이터를 잘못 묶어 유효하지 않은 관리 한계를 만듭니다.
- Subgroup Size 연속된 몇 개의 행이 한 부분군을 이루는지를 관리도에 알려 줍니다. 모든 관측값이 한 열에 저장된 경우에만 필요합니다. 예를 들어 부분군 크기가 5이면 관리도는 1~5행을 부분군 1, 6~10행을 부분군 2로 처리하는 식입니다. 데이터가 이미 여러 열(측정마다 하나)에 배치되어 있으면 부분군 크기가 선택한 열의 수로 정의되므로 이 항목은 필요하지 않습니다.
- Process sd: 평균 주위의 공정 데이터의 변동성 또는 분산 정도를 나타내는 척도입니다. 공정 내 개별 데이터 점이 공정 평균과 얼마나 다른지를 보여 줍니다. 비워 두면 Zometric Statistical Software가 제공된 데이터로 계산합니다.
- Sd estimation method: 사용자에게 계산 방법으로 두 가지 선택지가 주어집니다. 추정 방법으로 Rbar를 선택하는지 합동 표준편차 방법을 선택하는지에 따라 결과가 달라집니다.
- Rbar Sd estimation method: 부분군 범위의 평균을 불편화 상수 d2로 나누어(Rbar/d2) 공정 표준편차를 추정합니다. 이 방법은 부분군 크기가 8 이하일 때 권장되며, 더 큰 부분군에서는 합동 표준편차가 모든 데이터 점을 사용하여 더 정밀한 추정값을 줍니다. Pooled Sd estimation method: 합동 표준편차는 부분군 분산의 가중 평균이며, 크기가 큰 부분군이 전체 추정값에 더 큰 영향을 줍니다. 이 방법은 공정이 안정적일 때 표준편차를 더 정확하게 추정합니다.
- Use unbiasing constants for pooled sd: 이 옵션은 표준편차를 Pooled Stdev 방법으로 추정할 때만 적용됩니다.
- Show Decimals 관리도에서 타점값, 관리 한계, 중심선을 소수점 몇 자리까지 표시할지 제어합니다. 소수 자릿수를 늘리면 관리도를 더 정밀하게 읽을 수 있고, 줄이면 관리도가 깔끔해져 발표하기가 쉬워집니다. 정확성과 독자의 가독성이 균형을 이루는 수준을 선택하십시오.
- Check Rule 1: 1 point > K Stdev from center line: 검정 1은 다른 점들과 크게 벗어나는 부분군을 식별하는 데 필수적이므로, 관리 이탈 상태를 탐지하는 데 보편적으로 인정받는 도구입니다. 민감도를 높이고 공정의 더 작은 이동을 탐지하려면 검정 2를 검정 1과 함께 사용하여 관리도의 효과를 높일 수 있습니다.
- Check Rule 2: K points in a row on same side of center line: 검정 2는 공정 중심 또는 변동의 변화를 탐지합니다. 공정의 작은 이동을 모니터링할 때 검정 2를 검정 1과 함께 사용하여 관리도의 민감도를 높일 수 있습니다.
- Check Rule 3: K points in a row, all increasing or all decreasing: 검정 3은 공정 내 추세를 식별하도록 설계되었습니다. 이 검정은 값이 일관되게 증가하거나 감소하는 연속된 데이터 점의 긴 연속을 구체적으로 찾아, 공정 거동에 잠재적인 추세가 있음을 알려 줍니다.
- Check Rule 4: K points in a row, alternating up and down: 검정 4는 공정 내 체계적인 변동을 식별하도록 설계되었습니다. 이상적으로 공정의 변동 패턴은 무작위여야 합니다. 그러나 점이 검정 4에서 부적합 판정을 받으면, 변동이 무작위가 아니라 예측 가능한 패턴을 따른다는 것을 나타낼 수 있습니다.
- Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): 검정 5는 공정의 작은 이동을 탐지합니다.
- Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):검정 6은 공정의 작은 이동을 탐지합니다.
- Check Rule 7: K points in a row within 1 standard deviation of center line (either side):검정 7은 관리 상태가 양호하다는 증거로 잘못 해석될 수 있는 변동 패턴을 식별합니다. 이 검정은 지나치게 넓은 관리 한계를 탐지하며, 이는 흔히 층별화된 데이터의 결과입니다. 층별화된 데이터는 각 부분군 내에 체계적인 변동 원인이 있어 관리 한계가 본래보다 넓게 나타날 때 발생합니다.
- Check Rule 8: K points in a row > 1 standard deviation from center line (either side):검정 8은 혼합 패턴을 탐지합니다. 혼합 패턴에서는 점들이 중심선에서 멀어져 관리 한계 근처에 위치하는 경향이 있습니다.
- Additional CLs at Multiples of SD 1 중심선에서 ±1 표준편차 위치에 관리 한계선을 추가합니다. 이렇게 하면 관리도에 안쪽 경계 구역이 생겨, 관리 한계 안에서 비정상적인 패턴(예: 점들이 중심선의 한쪽에 일관되게 연속되는 런)을 찾는 Western Electric 규칙 또는 Nelson 규칙을 적용하는 데 유용합니다.
- Additional CLs at Multiples of SD 2 중심선에서 ±2 표준편차 위치에 관리 한계선을 추가합니다. 이렇게 하면 중심선과 표준 ±3 시그마 관리 한계 사이에 중간 경고 구역이 생깁니다. 2 시그마선과 3 시그마선 사이에 떨어지는 점은 점이 실제로 관리 이탈 상태가 되기 전에 공정 이동의 조기 경고 신호일 수 있습니다.
- Define Stages (Historical Groups) with This Variable 그룹화 변수를 사용하여 관리도를 별개의 단계 또는 구간으로 나눌 수 있습니다. 각 단계는 독립적으로 계산된 자체 관리 한계를 갖습니다. 새 기계, 공정 개선, 원자재의 변화처럼 알려진 공정 변경이 있었고, 같은 관리도에서 변경 전후의 공정 성능을 비교하려는 경우에 유용합니다.
- X Scale 관리도의 가로축이 표시되는 방식을 제어합니다. 시간 기반 레이블, 부분군 번호 또는 사용자 지정 값을 표시하도록 척도를 조정할 수 있습니다. 부분군이 특정 날짜, 교대조 또는 배치에 대응하고 단순한 순번이 아니라 그 맥락이 관리도 축에 반영되기를 원할 때 유용하며, 관리도를 읽고 발표하기가 쉬워집니다.
자주 묻는 질문
R 관리도란 무엇입니까?
R 관리도(범위 관리도)는 각 부분군의 범위, 즉 최댓값과 최솟값의 차이를 타점하여 시간에 따른 부분군 내 산포를 모니터링합니다. 항상 X-bar 관리도와 함께 사용하며, X-bar 관리도는 공정 평균이 어디에 위치하는지를, R 관리도는 각 표본 내에서 측정값이 얼마나 퍼져 있는지를 보여 줍니다.
S 관리도 대신 R 관리도는 언제 사용해야 합니까?
범위가 변동을 신뢰할 수 있고 간단하게 나타내는 척도인 부분군 크기 2~8일 때 R 관리도를 사용하십시오. 부분군 크기가 8보다 크면 더 큰 부분군에서 통계적으로 더 정확한 S 관리도를 대신 사용하십시오. 부분군이 없는 개별 측정값에는 I-MR 관리도를 사용하십시오.
X-bar 관리도보다 R 관리도를 먼저 읽어야 하는 이유는 무엇입니까?
X-bar 관리도의 관리 한계는 군내 변동의 추정값에 따라 달라집니다. R 관리도에서 변동이 불안정하게 나타나면 X-bar 관리도의 관리 한계를 신뢰할 수 없으므로 항상 R 관리도를 먼저 해석하십시오. 부분군 크기를 바꾸면 관리 한계가 무효가 되므로 고정해서 유지하십시오.
R 관리도에는 부분군이 몇 개 필요합니까?
관리 한계를 설정하고 결론을 내리기 전에 부분군을 최소 25개 수집하십시오. 관리 한계가 유효하려면 데이터가 연속형이고 일정한 간격으로 수집되어야 하며, 부분군 내에서 독립적이고 근사적으로 정규분포를 따라야 합니다. 범위가 0인 것은 허용되며 단지 해당 부분군의 모든 값이 동일하다는 뜻입니다.
