756626_ko-KR

liliconcom

통계를 공통 언어로 사용하는 방법 및 이를 통해 프로세스 품질을 개선하는 방법(2021-EU-30MP-788)

Envases의 품질 및 6시그마 책임자인 Marcus Soerensen

이 사례 연구는 회사 내 여러 부서 간에 통계를 공통 언어로 활용하여 프로세스 품질을 어떻게 향상시켰는지 보여줍니다. 매우 제한된 데이터로 시작된 "혼란스러운" 프로젝트는 팀이 JMP를 사용하여 체계적이고 데이터 중심적인 진행을 시작하면서 성공적인 프로젝트로 전환되었습니다. 이 사례는 여러 부서가 데이터와 통계를 기반으로 프로세스 개선을 추진하여 어떻게 협력할 수 있는지를 보여줍니다.

자동 생성된 대본...

스피커	성적 증명서
마커스	환영
	SAS JMP를 사용하여 이 프레젠테이션을 진행해 보겠습니다.
	이 프레젠테이션의 주제는 통계를 공통 언어로 사용하는 방법과 그렇게 함으로써 프로세스 품질을 개선하는 방법입니다.
	저는 Envases라는 회사에서 품질 관리자로 일하고 있습니다. Envases는 규모가 큰 회사입니다.
	식품 산업용 캔을 만드는 글로벌 기업입니다. 왼쪽 코너에서 일부 제품을 확인하실 수 있습니다.
	몇몇 제품은 익숙하실 수도 있습니다. 슈퍼마켓에서 캔으로 살 수 있는데, 고기, 생선, 분유, 주스 등이 캔에 담겨 있습니다.
	우리는 제조 시설을 가지고 있습니다
	멕시코와 유럽과
	오늘 제가 논의하고자 하는 주제는 덴마크에 있는 우리 생산 시설과 관련이 있습니다.
	기본적으로 제가 여기서 제시하려는 것은 SAS JMP라는 도구 중 하나를 사용하여 해결된 문제입니다.
	그리고 저는 JMP에 대해 잠시 설명하여 일부 기능을 보여드리고 SAS JMP를 사용하여 이런 종류의 문제를 해결하는 방법을 알려드리겠습니다. 이 프레젠테이션을 보는 많은 사람들에게는 매우 익숙할 것이라고 확신합니다.
	글쎄요, 작년으로 돌아가서,
	생산 라인에 문제가 생겨서 생산팀 직원들이 저를 찾아왔습니다. 저는 품질 관리 책임자인데, 이런 문제들을 처리하면서 "마커스, 생산 라인에 주석 가루가 좀 있어요."라고 말하곤 했습니다.
	캔에 사용하는 재료는 주석이므로 주석 먼지 자체는 아닙니다.
	우리 생산 라인에서 볼 수 있는 건 아니지만, 사람들은 생산 라인에서 주석 먼지가 너무 많이 보인다고 불평했습니다.
	그리고 그 결과로 그들은 항상 배관을 청소해야 합니다.
	그게 문제의 시작과 같았습니다. 이를 보여줄 데이터가 전혀 없었고, 검토할 서류도 없었습니다. 엑셀 시트도, 살펴볼 JMP 파일도 없었습니다. 그저 사람들이 너무 많다고 하는 의견만 있었을 뿐입니다.
	우리 생산 라인에는 주석 먼지가 있어서 항상 청소해야 합니다.
	그리고 그것을 조금 더 균일하게 만들기 위해
	좀 더 혼란스럽긴 하지만, 어떤 사람들은 이런 일을 전에 여러 번 보았다고 말하고, 어떤 사람들은 이런 일을 전에 한 번도 본 적이 없다고 말합니다.
	저는 전화로 연락하는 사람들과 이야기를 나누기 시작했습니다. "이게 처음 듣는 이야기인가요? 이번 주에 일어난 일인가요, 아니면 지난주에 일어난 일인가요? 아니면 작년에는 어땠나요?"라고 물었죠. 그리고 저는 다양한 의견과 많은 것을 들었습니다.
	입력도 많았고, 사람들이 똑같은 말을 하지 않아서 이 프로젝트를 어떻게 시작해야 할지 혼란스러웠습니다.
	하지만 어쨌든 우리는 시작해야 했습니다.
	그래서 내가 제일 먼저 한 일은
	팀을 구성한다고 말하면서,
	조직 구성원들은 팀을 구성해야 합니다. 팀에 누가 참여해야 할까요? 생산팀, 기술팀, 운영팀, 유지보수팀 등 프로젝트 관련 인력을 정확히 파악했습니다.
	여기서 문제를 해결하기 위해 우리가 사용한 구조는 Six Sigma DMAIC에서 영감을 얻었는데, 아마 여러분 중에는 이미 알고 있는 분도 계실 겁니다.
	DMAIC는 문제를 정의하고, 문제를 측정하고, 문제의 원인을 분석하고, 개선한 다음, 실제로 해결책을 찾아 성공하면 제어하는 것입니다.
	이 아이디어 중 하나는 DMAIC이고, 나에게도 이 구조를 사용하는 아이디어 중 하나는 문제를 정의하고 측정하는 것입니다. 왜냐하면 때때로
	문제가 있다고 생각할 수도 있지만, 문제를 측정하기 시작하면 문제라고 생각했던 것이 실제로는 전혀 문제가 아니라는 것을 깨닫게 될 수도 있습니다.
	그러니까 실제로 존재하지도 않는 문제를 굳이 계속 해결할 필요는 없다는 거죠. 제가 사람들에게 한 말은 바로 이거예요. "좋아요, 우선 문제를 측정해 봅시다. 우리에게 정말 문제가 있는 걸까요, 아니면 그냥 제작 과정에서 느끼는 답답함일까요?"
	그것이 첫 번째 단계였습니다.
	그래서 우리는 생산 라인에 갔어요 ???, 라인에 가서 보려고요,
	그 과정에 대한 아이디어를 얻을 수 있을까요? 문제가 발생하는 위치도 볼 수 있을까요?
	과정은 꽤 간단합니다. 이 아주 간단한 그림으로 과정을 단순화해 보려고 노력했습니다.
	그냥 아이디어를 드릴게요. 우리는 컨베이어로 들어오는 주석판을 가지고 있고 그다음에 피스톤을 가지고 있어요.
	캔 뚜껑을 만드는 과정이 매우 간단합니다.
	이 피스톤과 뚜껑을 만든 결과, 컨베이어에 약간의 먼지가 쌓이는 것을 볼 수 있으며, 이 부분이 바로 작업자가 가끔 청소해야 하는 부분입니다.
	그리고 우리는 ???를 수행하여 25,000개의 뚜껑을 닫으면 약 2kg 이상의 주석 먼지를 수집할 수 있다는 것을 알 수 있었습니다.
	그리고 그때가 바로 라인 청소가 필요했던 때였습니다. 그래서 그게 우리의 기준점이었고, 예를 들어 2kg이 넘는 뚜껑 25,000개를 생산했을 때 라인을 청소해야 했고, 그게
	세척에 생산 시간이 소요되고, 생산 시간이 단축되어 원하는 뚜껑을 생산할 수 없기 때문에 불가능합니다. 즉, 배송이 늦어지거나 아예 배송이 불가능해질 수 있습니다.
	그래서 우리 모두는 청소를 줄이는 데 관심을 가졌고, 생산 라인에서 생성되는 주석 먼지를 줄이면 청소도 줄일 수 있다는 것을 알게 되었습니다.
	그래서 우리가 수집했을 때 문제는 매우 간단했습니다.
	그만큼
	여기에는 킬로그램 단위의 데이터가 있습니다.
	사진에서 뒷면을 보시면 아시겠지만, 뚜껑 2만 5천 개를 청소한 후 진공청소기로 모은 먼지입니다. 처음 사람들이 제게 찾아왔을 때는 먼지가 든 가방도 없었어요. 그냥
	그냥 지켜보는 것만으로도 우리가 겪고 있는 문제를 표현할 수 있었습니다. 이제 적어도 이것이 우리가 겪고 있는 문제라는 것을 알 수 있게 되었습니다. 먼지가 너무 많고, 이것도 너무 많은 먼지입니다. 청소해야 하니까요. 그래서 우리는 먼지를 줄여야 합니다.
	25,000개의 뚜껑을 생산한 후 킬로그램을 줄이는 것이 프로젝트의 성공 기준이었습니다.
	적합한 사람들을 모아 마치 작업장처럼 모든 사람을 한 방에 모아놓고 "여기 문제가 있다"고 말했습니다. 뚜껑 25,000개를 만들면 2kg이 넘는 먼지가 발생합니다. 그 이유는 무엇일까요?
	그리고 브레인스토밍을 하면서, 그 과정을 살펴보고, 그 과정에서 무엇이 나오는지, 그리고 그 과정에서 무엇이 나오는지 살펴보았습니다. 이러한 변수들 중 우리가 보는 주석 먼지의 최근 현상을 설명할 수 있는 것이 있을까요?
	첫 번째 단계는 변수를 정의하는 것이었습니다. 보시다시피, 제가 노란색으로 표시한 부분은 팀에서 발견한 주석 먼지의 근본 원인 중 일부일 것이라고 예상했던 부분입니다.
	우리는 주석판, 주석판의 두께가 가능하다는 것을 알고 있기 때문에 입력으로 시작했습니다.
	다를 수 있으므로 더 두꺼운 주석 시트가 들어올 수 있습니다.
	그렇게 얇지 않은 얇은 시트가 들어옵니다.
	그리고 우리는 피스톤의 코팅이 주석 코팅의 이유일 수 있다는 것을 알 수 있었습니다.
	우리는 털이 있는 다른 계통과 비교했을 때, 같은 규모의 문제가 없다는 것을 알 수 있었습니다.
	피스톤의 측정값도 볼 수 있는데, 피스톤에는 주석 먼지가 생긴 이유를 설명할 수 있는 4가지 측정값이 있습니다.
	우리는 이것을 한 번도 시도해 본 적이 없으므로, 이것은 단지 종이에 적힌 내용일 뿐이고, 이것이 이유일 수도 있지만, 한번 알아내도록 하겠습니다.
	작년이나 2년 전에도 이런 문제가 있었을 때,
	일반적으로는 다양한 방법을 시도해 보는 것이 일반적입니다. 두께를 조절해 보면서 코팅의 변화를 확인해 볼 수 있습니다. 하지만 여기서는 모든 변수를 하나의 실험에 통합하여 작업 속도를 높이고자 합니다.
	그래서 우리는 실험 설계, 즉 DOE를 수립했습니다.
	시간이 지나면서 우리는 이것을 약간 바꿔야 합니다. 그래야 우리의 현실을 반영할 수 있고, 실험에 사용할 수 있는 할당된 생산 시간도 반영할 수 있습니다.
	실험 설정과 변수 정의는 어렵지 않았습니다. 두어 시간 정도 걸렸습니다. DOE 설정도 어렵지 않았습니다. SAS JMP를 사용했거든요. 하지만 DOE 실행은 꽤 오랜 시간이 걸렸습니다. 일주일 정도 걸렸습니다.
	그래서 기계를 꺼내서 5일 정도 시험 가동을 했습니다. 간단히 말해서, 한 가지 세팅으로 25,000개의 뚜껑을 생산했고, 그다음 다른 세팅으로 25,000개의 뚜껑을 생산했습니다.
	그리고 일주일이 지난 후에 우리는 결과를 분석했고, 그 결과에 근거하여 결론을 내렸습니다.
	내가 보여드리도록 하겠습니다
	SAS JMP에서 우리가 한 일.
	여기 숫자만 봐도 알 수 있듯이, 시작 시점부터 엄청난 진전을 이뤘다는 것을 알 수 있습니다. 처음에는 사람들이 먼지가 너무 많아서 끊임없이 청소해야 한다고 말하는 것에서 시작했는데, 이제는 적어도 어느 정도 숫자는 확보했습니다... 깡통에 든 숫자 말입니다.
	여기 보시다시피, 주석 가루가 있습니다.
	뚜껑 25,000개를 생산한 후 주석 가루가 발생하고, 라인에 들어오는 재료의 두께도 다르게 설정합니다.
	여기 피스톤의 네 가지 치수가 있습니다. 그리고 코팅이 되었는지 아닌지도 나와 있습니다. 그래서 저희는 여러 종류의 피스톤을 시험해 봤습니다.
	사람들이 이해하기 꽤 쉽습니다. 들어오는 재료의 두께가 5.74mm라면, 측정값이 1.47mm라면 주석 가루가 얼마나 있는지 알 수 있습니다.
	따라서 이는 처음에 우리가 가지고 있던 작업 세트 뒤에 실제 숫자를 갖는 것에서 단지 지켜보는 것에서 벗어나는 엄청난 진전입니다.
	그래서 여기서 숫자를 수집하는 것만으로도 시작점에서 엄청난 진전이었지만 아이디어는 숫자를 사용하여 설명할 수 있는지 확인하는 것이었습니다.
	주석 먼지가 발생하는 이유는 들어오는 재료의 두께, 피스톤의 4가지 측정값, 피스톤에 코팅이 되어 있는지 여부에 따라 결정됩니다.
	SAS JMP의 도구 중 일부를 사용하고 있는데, 여기서 자주 사용하는 도구 중 하나는 적합 모형입니다. 적합 모형은 응답과 변수 사이에 관계가 있는지 여부를 설명합니다.
	그리고 여기 위쪽에 응답이 있습니다.
	이것은 우리의 주석가루입니다.
	여기에 모델이 있으므로 재료의 두께가 영향을 미치는지 확인하고 싶습니다.
	10 먼지, 피스톤의 측정,
	그리고 피스톤의 코팅이 어떤 영향을 미치는지.
	여기서 모델 실행
	그리고 여러 변수를 결합해서 주석 먼지에 가장 큰 영향을 미치는 것이 무엇인지 말해보라고 했습니다.
	그리고 이것이 기본적으로 우리가 얻은 결과입니다.
	여기서는 p 값을 참고하여 이것이 우리에게 의미가 있는지 확인할 수 있습니다. 코트가 낮고 p 값은, 음, 유의미한 차이가 있는 것 같습니다.
	코팅과 주석 가루 사이의 관계. 또한 소재의 두께가
	주석 분진과의 관련성을 고려했을 때, 측정값 3은 주석 분진과 어떤 식으로든 관련이 있을 것으로 예상합니다. 이는 측정값 1, 2, 4가 주석 분진에 대해 이야기할 때 유의미하지 않다는 것을 의미합니다.
	우리는 아무런 숫자도 없이 작업을 시작했고, 이제는 P 값에 대해 이야기하고 이것이 어떻게 도움이 될 수 있는지에 대해 이야기하고 있었습니다.
	그리고 이건 사실 우리가 해석하기 꽤 쉬웠고, 사람들은 이해했습니다. '알았어, 중요한 건 이게 우연이 아닐 수도 있다는 걸 뜻해.'
	그리고 적합한 사람을 활용하면 이것이 그들에게도 의미가 있는지 확인할 수 있을 텐데, 코팅이 주석 먼지에 영향을 미칠 수 있는 듯합니다.
	그리고 기술진은 코팅이 주석 먼지에 영향을 미치는 것은 당연하다고 말했습니다. 다른 라인에서도 이런 현상을 본 적이 있거든요.
	그리고 두께가 검증될 수 있고 측정 3이 의미가 있을 수 있으므로 이것이 의미가 있다고 믿기 시작했습니다.
	우리에게 좋은 지침이 몇 가지 있지만, 우리는 코트가 중요한 것 같지만, 코트가 있느냐 없느냐가 우리에게 중요한지 확인해야 합니다.
	그래서 우리는 이것을 확장했습니다...
	여기의 적합 모델과
	여기 프로파일러에서 다양한 변수가 주석 먼지에 어떤 영향을 미치는지 확인할 수 있습니다. 주석 먼지는 여기 왼쪽에 있습니다.
	여기서 시트 두께가 공정에 어떻게 들어가는지, 측정값 3과 코팅이 어떻게 되는지 확인할 수 있습니다. 측정값 3을 적용하면 코팅이 필요한지 시뮬레이션해 볼 수 있습니다.
	이 과정을 통해 예상되는 몇 킬로그램이 나올까요?
	여기서는 0.0057을 기대할 수 있다고 합니다. 신뢰 구간도 있는데, 이 값이 공정에서 나오는 주석 먼지의 양이 될 것이라고 예상할 수 있습니다.
	그럼 코팅되지 않은 피스톤이 있다면 어떨까요? 그러면 중요도가 달라지고, 더 높아질 겁니다.
	그리고 우리는 처음부터 0.2kg 이상의 주석 먼지가 있을 경우 0.2 정도가 게임 체인저가 될 것이라는 걸 알고 있었고, 이를 청소해야 하므로 0.2보다 낮아지기를 원했습니다.
	그리고 여기서 한 걸음 더 나아가서, 우리는 재료의 두께를 제어하는 것이 매우 어렵다는 것을 알고 있었습니다. 두께가 지정되어 있고, 두께 내에 어느 정도의 차이가 있을 것이고, 이를 변경하는 것은 매우 어려울 것입니다.
	그래서 우리는 두께를 유연하게 유지해야 한다는 것을 말하면서 매우 견고한 공정이 필요했습니다.
	하지만 우리가 통제할 수 있는 것은 측정 3과 코팅입니다.
	그래서 우리는 이 프로파일러를 확장했습니다.
	시뮬레이터를 사용하면 두께가 변경되는 경우를 시뮬레이션할 수 있습니다.
	특정 표준 편차를 갖는.
	그러니까 우리는 캔의 두께가 변할 수 있다는 것을 알고 있다고 말하고 있는 거예요.
	평균이 약 5.595이고 이 재료의 표준 편차가 0.058이라는 것을 알고 있습니다. 나중에 이 값을 변경할 수 있습니다. 측정값과 코팅 값을 고정하고 싶습니다.
	피스톤의 코팅.
	또한 우리의 목표는 0.2보다 높지 않다는 것을 알고 있으므로 여기에 목표를 추가할 수 있습니다.
	그리고 나서 시뮬레이션을 할 수 있었습니다.
	측정 3은 고정되고, 코트는 고정되지만 두께는 시간이 지남에 따라 변합니다.
	그런 다음 프로세스에 5,000장의 시트가 필요한 경우 시뮬레이션을 수행하면 무엇을 볼 수 있을까요?
	주석 가루에? 그리고 나서 시뮬레이션을 할 수 있어요. 우리가
	두께가 약 5.6mm인 주석 시트가 들어왔는데, 측정값 3은 1에 코팅을 하면 아주 좋은 결과를 기대할 수 있을 것 같습니다. 보시다시피, 여기 2에 빨간색 선이 있습니다...
	죄송합니다. 0.2이고, 결함률도 볼 수 있는데, 즉 측정률이 0.1보다 높으면 0이 되므로 이는 우리에게 좋은 일입니다.
	또한 우리가 그것을 변경하면 측정값이 1이 아닌 3으로 변경되는 것을 볼 수 있습니다.
	하지만 2.5로요.
	그리고 다시 시뮬레이션을 합니다.
	우리는 ~에 있을 것이다
	약간 더 높은
	주석 가루의 양. 우리가 거기에 더해,
	죄송합니다,
	코팅이 없는 피스톤으로 바꾸고 5,000장의 시트 플레이트를 사용한다면, 매우 나쁜 반응을 기대할 수 있습니다.
	그리고 우리는 그것을 볼 수 있었습니다
	이러한 변화를 시작하기 전 저희 생산 라인에는 코팅이 전혀 없는 피스톤이 설치되어 있었습니다. 그래서 저희에게는 매우 새로운 경험이었는데, 주석 먼지를 어떻게 제어할 수 있는지, 심지어 직접 제어할 수 있다는 것을 직접 보고 매우 흥분했습니다.
	그래서 우리는 여기서 진행한 시뮬레이션을 바탕으로 다음과 같이 결정했습니다.
	a
	3 대 2 측정 후 코팅이 된 피스톤,
	즉, 시트 두께의 변화를 처리할 수 있는 매우 견고한 공정을 갖게 된다는 뜻입니다.
	그러면 우리는 또한 사물을 시뮬레이션하려고 시도할 수 있습니다. 이 편차가 0.058이 아니라
	1.5.
	아시다시피, 이것은 너무 많을 것입니다. 따라서 공급업체와 맺은 계약 중 일부는 표준 편차를 특정 수준으로 유지해야 한다는 것입니다.
	견고한 프로세스.
	그래서 이건 우리 모두에게 눈을 뜨게 해 준 경험이었어요. 정말 좋은 사진이었고, 비용도 많이 들지 않았거든요. 5일 동안 실험한 비용만 빼면요.
	그래서 이것은 우리에게 좋은 소식이었습니다.
	그래서 5번째에서 우리는 "좋아요, 이제 개선해야 할 부분을 알았으니 도구나 피스톤을 코팅하고 측정값을 2.0으로 조정해야 합니다."라고 결론지었습니다.
	3.0 버전부터였습니다. 그러니까 이건 ??? 개선된 거였고, 이건 프로파일러에서 가져온 아주 간단한 그림입니다.
	주석 코팅과 예상했던 여러 변수 간의 관계를 보여줍니다. 그리고 통제 실험을 통해 다음과 같이 변경해 보겠습니다.
	저희 공정을 거쳐 25,000개의 뚜껑을 더 생산하고 비교를 해 보면 알 수 있습니다. 이게 저희 기준선과 같은 것이었습니다. 공정을 변경하기 전에 짐에 작은 먼지가 있는 것을 보실 수 있고, 25,000개의
	변경 후 25,000개의 뚜껑을 생산한 후 주석 먼지를 측정했지만 여기서는 주석 먼지를 전혀 볼 수 없었습니다.
	그래서 이건... 저희에게 아주 좋은 개념 증명이었어요. SAS JMP를 활용한 첫 프로젝트 중 하나였는데, 아주 좋은 개념 증명이었고, 사람들이 이런 방식의 문제 해결에 정말 의존했거든요.
	여기서 우리가 배우는 것은 데이터 활용입니다. 이는 우리에게 유익합니다. 왜냐하면 그렇게 되면 우리는 공통점을 갖게 되고 모든 사람과 공감할 수 있는 무언가를 얻게 되기 때문입니다.
	서로 다른 의견을 갖는 것은 정량화하기 매우 어렵기 때문에 이것을 사용하는 것은 우리 모두에게 매우 도움이 되었습니다.
	그리고 적합한 사람, 기술자, 사람을 활용합니다.
	라인에서 얻은 지식과 JMP와 같은 통계 소프트웨어를 사용할 수 있는 사람도 설정 방법을 이해합니다.
	실험을 하고, 적합 모형, 회귀 모형 등을 만드는 방법을 이해해야 합니다. SAS JMP를 사용하면 정말 강력합니다. Excel처럼 도구가 없어서 이런 작업을 할 수 없었을 겁니다.
	그리고 그들이 우리에게 매우 강력한 체계적인 프로세스를 사용했기 때문에 이것은 우리에게 매우 좋은 학습이었고, 이것은 우리가 그 후 많은 프로젝트에 구현하여 매우 좋은 반응을 얻었습니다.

고급 통계 모델링기본 데이터 분석 및 모델링콘텐츠 구성품질 및 공정 엔지니어링신뢰성 분석