spc 적용에 앞서

안녕하세요….

품질 향상을 위한 일상의 노력에 도움이 될 수 있으면 하는 생각에

SPC 적용에 앞서 몇가지 말씀 드리고자 합니다.

 

말씀하신 것 처럼 품질은 결과의 관리보다도 예방의 관리가 더욱 중요합니다.

그리고 이를 위한 방법론으로 SPC 적용이 요구되어 왔습니다.

그리고 귀사에서도 품질향상과 정보화의 진전으로 SPC의 적용이 필수라고 할 수있습니다.

그러나 문제는 수 십년동안 많은 기업에서 적용을 시도했지만 의도하는 제대로 목적을 수행하지 못하고

유명무실화되는 경우가 너무도 많이 발생하고 있습니다.

물론 정보화의 활성화는 분명 성공의 가능성을 높혀주긴 하지만 부분적 역할일 뿐입니다.

 

따라서 SPC의 성공적 적용을 위한 몇 가지 사전적 검토사항에 대한 의견을 드리고 자 합니다.

혹시 수작업으로 관리도를 그리고 있는 지 모르겠습니다.

현재 수작업 관리도에서 효과를 보고 있다면 전산화도 성공 할 수 있겠지요.

 

SPC의 적용은 불량의 원인인 이상원인과 우연원인의 변동을 구별하는 것입니다.

만약 이 두가지의 변동을 명확하게 구별하지 못한다면 통계적 분석이라는 합리성을 상실하게

되며 이후의 조치는 전혀 의미가 없어지게 됩니다.

이중에서 이상원인을 관리하는 것이 관리도이고 우연원인을 관리하는 것이 공정능력이지요.

공정능력은 공정별로 능력만 평가 한다면 다음은 개선활동의 문제이므로 통계적 관점에서 그렇게 복잡한 문제는 아니라고 봅니다.

문제는 관리도의 적용에 있습니다.

 

우선 관리도의 목적은 많은 변동으로 부터 이상원인의 변동을 찾아내는 것입니다.

이것이 예방관리의 1단계입니다.

여기에 슈하트로의 관리한계선이 적용이 됩니다. 통계적 논리로는 간단한 문제이나 현실에서 적용이 매우 어렵습니다.

그리고 예방을 위해서는 문제가 혹은 중요한 변동의 정보가 발생함과 즉시 조치에 들어 갈 수 있어야 가능 할 수 있겠지요.

 

자! 그러면 관리도 적용에 있어 일반적인 문제점을 정리해보겠습니다.

1.     LOT단위로 필요한 측정이 실시되는가

2.     측정 DATA의 신뢰성은 있는가

3.     측정 후 즉시 DATA는 입력되는가

4.     관리도에서 관리한계선을 사용하는가

5.     관리한계선의 사용은 올바른가

6.     이상상태를 정확하게 판단 하는가

7.     이상상태의 원인은 즉시 분석되어 조치될 수 있는가

8.     공정능력이 주기적으로 분석되는가

9.     공정능력이 부족 할 시 개선활동이 전개되는가

 

위의 내용을 정리해본다면

1.     DATA의 신뢰성

2.     관리도의 정확한 적용

3.     이상에 대한 원인의 빠른 판단과 조치…..

이것이 가장 중요한 것입니다.

 

1번의 DATA 신뢰성을 어떻게 보장 해야 할까요.

정해진 시간에 측정은 하는지, 측정은 제대로 하는지…..현장에서 이를 보증하는 일 또한 어려운 일입니다. 그리고 이것은 현재 우리 현장의 검사의 수준입니다.

Data의 통계적 해석을 위해서는 입력부터 신뢰성을 가지는 것은 너무도 당연합니다.

그리고 가능하면 샘플의 수량도 적절하여야 합니다.

이것부터 현재의 문제를 조사하고 해결하는 것이 우선되어야 합니다

측정기에 센스를 붙혀 사무실에서 모니터 할 수 있도록 하고, data의 입력 또한 즉시 될 수 있도록 조치해야 하고……..

 

다음은 특히 이 중에서 2,3번이 SPC와 직접적 관계를 가지고 있습니다…..

그리고 많은 회사는 여기에서 오류를 범하게 되고 SPC의 합리성을 상실하여 이의 적용을 무의미하게 만들어 버리는 것이지요.

위의 두가지 문제가 해결되지 않은 체 시도되는 기업들이 너무도 많다보니 형식적 운영으로 변해버리게 됩니다.

 

2번의 예를 들어보겠습니다

만일 관리도의 관리한계선이 규격선보다 바깥에 있다면 어떻게 해야 하나요

이런 경우는 관리상태이지만 불량입니다.

규격선의 중심과 관리선의 중심이 상당히 벗어나 있다면 판단이 상당히 곤란합니다.

관리선은 3시그마 선인 지는 알고 계시겠지요.

표준편차는 변화하게 되고 그에 따라 관리선도 변화하는 데…이 또한 문제이지요.

지난번에는 이상상태가 아니었는 데 이제부터는 이상상태가 되고 반대의 경우도 발생하고…….

이러한 많은 문제가 있다보니 많은 현장에서 관리선이 아닌 규격선을 이용하여 관리도를 그리고 있습니다.

이것은 합리성을 가장하여 거짓정보를 제공하고 있는 것과 같습니다. 다시말해 하지 않는 것 보다 못한 결과를 가지고 오게 됩니다. 우리가 측정한 타점이 거의 관리선 안에 있다고 말하는 것이지요. 타점이 샘플의 평균임을 전혀 생각하지 않고 말이지요.

우리가 볼려고 하는 것은 평균이 아니지요. 그것도 샘플의 평균은 더욱 아닙니다.

이렇게 정확한 개념의 관리선의 적용이 매우 어렵습니다.

 

다음은 3번입니다

이상원인이 출현 했다면 불량의 가능성이 증가 한 것입니다.

근데 원인을 알아야 조치가 가능 할 것입니다. 원인을 어떻게 알 수 있습니까.

경도의 타점이 이상상태입니다. 어떻게 조치해야 합니까.

그것도 즉시 하지 않으면 안됩니다.

제가 보기에 spc가 현장에서 적용되지 않는 가장 큰 이유가 이것이라고 봅니다.

이상상태이지만 불량이라고 할 수는 없지요.

방법은 현재의 관리조건들의 상태를 전부 진단하는 것입니다.

그 관리 조건들이 범위에 만족하는 지를 말이지요.

그런데 여기서 담보되어야 하는 것이 관리조건과 그 규격들의 신뢰성이 보장되어야 하는 것입니다.

spc 적용대상 공정에 이것부터 제대로 정비하는 것 중요합니다

 

그리고 특성 중에 온도가 있는 데 온도는 실제 온도가 측정되고 어느 정도 이상이면 자동으로 조정되고 있는 것 아닌가요?.....이런 경우도 SPC가 필요한 건 지 모르겠습니다.

만일 제품의 온도가 측정되어 진 것이라면 충분히 의미가 있습니다.

 

결론적으로 말해서 SPC라고 하는 전산 프로그램이 중요 한 것이 아니고 SPC를 적용하는 데

필요한 지식과 환경의 구성이 중요하다는 것입니다.

 

모델라인을 대상으로 하는 수작업으로의 훈련과 이를 효율화 하기 위한 전산화로 발전해가며 전사적으로의 접근이 필요합니다.

 

전산화의 경우도 QMS와 SPC의 분리 또한 문제입니다.

QMS 에 등록된 모든 검사 DATA는 통계적 해석의 대상입니다 물론 전부를 관리도는 그리지 않는다고 하더라도 주기적으로 분석해야 DATA가 의미를 가집니다. 통계적으로 해석되지 않는 샘플 DATA는 죽은 DATA가 되고 말지요.

 

단조, 열처리…..와 같은 소성가공에는 data의 해석이 매우 중요 할 것입니다. 따라서 중요공정의 lot별 data를 어떻게 모아가야 할 것인가가 중요합니다.

그리고 불량이 발생한 경우에도 아주 세밀한 분석과 더불어 불량의 원인처가 어디였는가가 추적될 수 있도록 되지 않으면 안될 것입니다. 만개중의 한 개 실수불량…이런 것이 아니기 때문입니다. 산포의 문제이기 때문입니다. 어디의 산포가 어떻게 변화하고 있는 지를 알 수 있도록 해야 합니다 결론적으로 통합적 data 관리가 중요할 것 같습니다.