품질과 신뢰성 - 2

해당 시리즈는 LG에서 지원하는 LG Aimers의 교육 내용을 정리한 것으로,
모든 출처는 https://www.lgaimers.ai/입니다.

어제에 이어 오늘도 품질과 신뢰성 2강을 수강했다.

품질 4.0과 스마트 품질경영

• 전사적 품질관리 (Total Quality Management) : 우수한 제품 및 서비스 등을 고객에 제공하기 위해 품질에 중점을 두고 기업 전 부문의 참여를 통해 고객만족과 이익창출로 회사의 장기적인 성공에 목표를 두는 조직 전체의 체계적 노력

시대가 발전함에 따라 소비자들의 요구사항이 증가했다. 하지만, 많은 기업들은 여전히 전통적인 방식의 품질관리 및 경영기법에 머물러 있다.

품질 4.0이란, ICT의 융합을 통해 종전의 사후검사 및 보증에서 벗어나 사전에 수집, 분석된 빅데이터를 활용하여 선제적 불량예지 및 보전 중심으로 진화된 품질경영시스템으로, 기존 TQM 및 6시그마 등 기존 품질관리기법과 IoT, 빅데이터 분석기술 등이 결합된 신개념 품질관리 및 경영 개념이다.

품질 4.0에는 몇가지 주요 속성이 있다.

• 빅데이터 (4V)

1. 크기(Volume) : 기존 시스템에서는 이미 개량보전 및 예방보전 이력, 품질관리 이벤트 등 대량의 거래 데이터를 보유하고 있으며, 향후 IoT를 기반으로 설비, 디바이스 등으로부터 대량의 데이터가 시스템에 유입될 것이다.

2. 다양성(Variety) : 기존의 정형 데이터뿐만 아니라 센서 및 텍스트 데이터(소셜 미디어 데이터), 비정형 데이터 등 다양한 데이터가 존재한다.

3. 속도(Velocity) : 기존 개량보전 및 예방보전 이력들과 같이 데이터 생성 속도가 느린 데이터부터 SPC 데이터, 설비 내 설치된 다양한 센서들로부터 생성되는 스트리밍 데이터와 같이 데이터 생성 및 유입속도가 매우 빠른 데이터에 이르기까지 다양한 생성 속도를 가진 데이터들이 존재 한다.

4. 정확성(Veracity) : 일반적으로 품질 시스템 데이터는 통합 시스템이 아닌 여러 독립 시스템들로부터 제각각 생성, 취합되고 자동화 부족 등으로 인해 정확성이 낮다.

• Analytics

1. 설명적(Descriptive) Analytics : 데이터로부터 과거에 무엇이 발생했는지를 분석하기 위한 기법들로 기존의 잘 알려진 혹은 의심되는 상관관계를 모니터링하고 분석

2. 진단적(Diagnostics) Analytics : 과거의 축적된 데이터를 바탕으로 인과관계를 찾아내어 왜 특정 품질관련 이벤트가 발생했는지를 밝히기 위한 분석기법
   예) 품질관련 프로세스 사이클 타임 분석을 통해 프로세스 병목 원인을 밝혀내는 것 등

3. 예측적(Pridictive) Analytics : 통계학적 모델들을 활용하여 미래에 어떠한 사건이 어느 정도의 확률로 발생할 지를 예측하는 분석기법

4. 처방적, 규범적 (Prescriptive) Analytics : 예측되는 이벤트를 위해 무엇을 하면 좋을지 처방하는 것으로, 어떠한 의사결정을 내려야 하는지를 알려주는 분석기법

• 연결성

1. IoT를 기반으로 실시간 작업자, 제품, 설비 및 프로세스들의 연결설 보장 가능
2. 작업자들과의 연결성 보장 : 스마트 웨어러블 기기 등 활용 -> 작업효율 및 안전향상 기여
3. 제품들과의 연결성 보장 : 제품 전 주기에 걸친 제품 상태변화에 대한 추이 제공 가능
4. 설비들과의 연결성 보장 : 예지보전에 필요한 다양한 설비 센싱정보 수집이 가능
5. 프로세스와의 연결성 보장 : 실시간으로 상호연결을 통한 피드백 교환 가능

• 협업
  최근 소셜 미디어의 성장은 기업 내, 기업 간, 기업과 고객간의 협업 환경을 급속도로 변경하였으며 실제로 많은 제조사들은 자사 브랜드를 보호하기 위해 소셜 미디어를 통해 고객의 목소리를 반영하려 하고 있다.

스마트공장이란, 환경을 고려하고 안정성을 확보하면서도 빠르고 역동적인 시장 변화에 대해 능동적으로 대응할 수 있는 지능형 디지털 시스템으로 시스템이 제공하는 실시간 데이터를 이용해 혁신적으로 공정이나 비즈니스 최적화를 도출해 나가는 경영활동을 진행한다. 이는 곧 사물인터넷을 중심으로 더욱 발전하여 사람과 사물이 대화를 나누고, 개인이 기업의 열린 활동에 동참이 쉬워지며, 개인과 개인 또는 그룹을 이루어 전문적인 협력이 가능해질 것으로 보인다.

---

품질관리 개선 영역

품질관리에는 다음과 같은 영역이 있다.

1. 예방적 품질관리 : 제품 개발부터 시장 출시에 이르는 전 과정 상에서 제품의 품질을 보장하기 위해 설계된 프로세스로서, 기존의 전통적인 제조단계에서의 품질관리를 확장하는 개념으로, 최고의 품질을 이루기 위해서는 가치사슬의 첫 단계인 개념정의 및 제품설계부터 품질관리가 시작되어야 하는 방법론이다.

2. 반응적 품질관리 : 제품 판매 이후의 품질관리, 즉 수리 및 AS, 고장 처리 및 지속적인 개선 프로세스 등을 의미

3. 품질관리 문화 : 최고의 품질을 달성하기 위해, 기업 내 여러 부서간의 협업과 대화를 통한 합의를 이루어내는 것이 매우 중요하다고 생각한다. 예를 들어, 품질 책임자가 CEO에게 직접 품질 결과를 보고하는 방식이 있다.

---

빅데이터를 활용한 스마트 품질경영

복잡한 공정을 통해 생산되는 제품군, 반도체나 디스플레이 같은 경우 단순한 분석을 통해 공정의 품질상태를 파악하기 힘들기 때문에 이러한 경우 빅데이터를 활용해 분석한다. 빅데이터는 데이터의 규모, 속도, 정확성 및 다양성 등의 특성을 갖는데, 이 중에서도 다양성이 매우 중요하다.

기업 입장에서 보면 빅데이터 분석은 많은 고급 인력과 시스템, 수많은 실패를 감수해야 하며 상당한 비용을 감수할 것을 요구한다. 빅데이터를 위한 데이터를 수집하는 데 있어 개별 기업이 모두 진행하는 것은 어렵지만, 복수의 기업을 대상으로 한다면 다차원의 데이터를 확보할 수 있으므로 빅데이터 분석의 실패를 줄일 수 있고, 사용자 입장에서는 원하는 정보의 확보가 용이하다.

스마트 품질경영 혁신방안

1. 실시간 커뮤니티 피드백을 제공하는 방안

• 고객시장에서 의미있는 패턴 뿐만 아니라 정서 분석을 바탕으로 적절한 조치 방안을 모색하는 SNS 레이더

2. 원격진단 및 유지보수 : 원격진단 기술은 센서들을 활용하여 근본 원인분석을 수행하고 사물인터넷을 기반으로 여러 설비의 센서 피드백을 결합하여 새로운 형태의 설비데이터를 확보한다. 또한, 온라인으로 장비 상태를 모니터링하고, 가능하면 예방적 유지보수를 원격으로 수행하여 필요한 경우에만 서비스 담당자를 파견할 수 있도록 한다.

• 원격진단을 통한 데이터를 기반으로 고객이 문제가 있음을 인식하기 전에 품질문제를 해결하는 데 활용할 수 있다면 서비스 품질을 크게 향상시킬 수 있다.

3. 고도화 된 공급망 품질관리 : 공급업체 성과지표와 공장 및 공급망 수준의 사고 데이터 등 주요 데이터를 적극적으로 취득하는 것이 중요하다.

• 정보는 누적되어 향후 품질 문제의 발생 가능성을 지표화하고, 낮은 점수를 받은 공급업체를 대상으로 근본적인 공급사의 품질문제를 해결하기 위한 협업체계를 구성해야 한다.

---

공정 모니터링 시스템의 품질 예측 및 불량요인 분석 알고리즘

1. 공정변수와 품질 계측지의 상관관계를 파악할 수 있는 지표 도출
2. 공전변수를 통해 품질 계측지를 예측할 수 있는 가상 계측 시스템 구축
3. 공정의 이상감지 및 진단 모니터링 기법

군집분석 (Cluseter Analysis) : 각 개체의 유사성을 측정하여 유사성이 높은 집단으로 분류하는 분석 기법

• 군집분석을 통해 유사 패턴을 가지는 공정변수 제거

1. 군집분석을 통해 유사성이 높은 공정변수를 군집으로 분류 (군집 내 포함된 데이터의 패턴은 동일)
2. 군집의 수는 트리 다이어그램을 통해 결정
3. 분류된 군집에서 대표 공정변수를 추출

각 군집 내에 공정변수 데이터의 패턴이 유사하지만, 변동이 가장 큰 공정변수를 대표 공정변수로 추출한다.

회귀분석 (Regression Anaylsis) : 공정변수와 품질 계측변수를 통하여 회귀모형을 가정하고, 가정된 회귀모형을 통해 품질 계측지의 예측 또는 통계적 추론을 하는 분석기법이다.

-> 공정변수 p개, 품질 계측변수 1개

• 다중회귀분석(Multiple Regression Analysis) : 공정변수 2개 이상, 품질 계측변수 1개일 때 사용

• Adjusted R^2 : 모형에 의해 설명되어지는 변동의 비율 (설명력 평가), 일반적으로 0.8 이상이면 높다고 판단

• RMSEP(Root Mean Squared Error of Prediction) : 평균 예측 오차 (예측력 평가), 작을수록 좋다고 판단

---

변수선택법 : 품질 계측치에 영향을 주는 주요 공정변수를 도출하는 방법으로 품질 계측지에 영향을 주지 않는 공정변수는 제거한다.

• 17개의 주요 공정변수를 사용했을 경우 예측력이 더 우수함을 알 수 있다.

---

다중공진성 (VIF) : 공정변수 간의 상관관계의 정도를 나타낸다.

주성분분석 : 공정변수의 정보(변동)을 주성분이라 불리는 변수로 변환하여 다중공진성 문제를 해결하며, 상위 몇 개의 주성분으로 전체 공정변수의 정보(변동)를 80% 이상 설명할 수 있다.

부분최소제곱분석 : 공정변수와 품질 계측지의 정보(변동)를 잠재변수로 전환하여 주성분분석과 마찬가지로 다중공진성 문제를 해결하며, 상위 몇 개의 잠재변수로 전체 공정변수와 품질 계측지의 정보(변동)를 80% 이상 설명할 수 있다.

기여도 분석 : 변수 선택법을 통하여 17개의 주요 공정변수를 도출하여, 공정이상 발생에 기여한 공정변수를 탐지한다.