본 발표에서는 식스 시그마 DMAIC 방법론에 JMP 소프트웨어를 통합하는 데 중점을 둡니다. 이 강력한 조합은 식스 시그마 도구의 다양한 측면을 간소화하여 팀이 데이터 기반 개선을 효율적으로 구현할 수 있도록 지원합니다.
JMP는 DMAIC 단계를 강화하는 고급 통계 분석 및 시각화 도구를 제공합니다. JMP의 주요 구성 요소로는 측정 정확도 평가를 위한 측정 시스템 분석, 데이터 특성을 요약하는 기술 통계, 가장 중요한 요인을 식별하는 파레토 차트, 변수 간의 관계를 파악하는 회귀 분석 등이 있습니다. 또한 직관적인 데이터 시각화를 위한 그래프 빌더, 효율적인 실험 계획을 지원하는 최적 실험 설계(DOE) 기능, 그리고 시간 경과에 따른 공정 안정성 모니터링에 필수적인 관리도 기능도 포함되어 있습니다. 이러한 도구를 활용하면 실무자는 핵심 변수를 신속하게 파악하고, 데이터 추세를 분석하고, 결과를 시각화하여 의사 결정 과정을 가속화할 수 있습니다.
본 프레젠테이션에서는 JMP가 데이터 수집 및 분석을 간소화하여 팀이 가치 있는 인사이트에 집중할 수 있도록 지원하는 방법을 보여줍니다. JMP가 식스 시그마 프로젝트에 성공적으로 활용된 실제 사례를 통해 프로젝트 성과에 미치는 영향을 강조합니다.
안녕하세요. 저는 로버트 보쉬의 마르욜레인 웨버스입니다. 오늘은 엘로디 델클로와 함께 식스 시그마 방법론에서 JMP를 활용하는 방법에 대해 실제 사례를 통해 설명드리겠습니다.
저는 보쉬 그룹의 일원입니다. 보쉬 그룹은 누구나 아는 유명 브랜드입니다. 식기세척기, 전동 드릴, 배터리 팩은 누구나 알지만, 보쉬가 자동차 부품 애프터마켓과 와이퍼 시스템 사업도 하고 있다는 사실은 모두가 아는 것은 아닙니다. 저는 와이퍼 시스템 사업부에서 일하고 있습니다. 벨기에 티넨에 있는 저희 공장에서는 와이퍼 블레이드를 생산합니다. 전 세계에 와이퍼 블레이드 생산 공장이 네 곳 있는데, 티넨 공장은 고무 프로파일을 생산하는 유일한 공장입니다. 저희는 전 세계에 공급할 고무 프로파일을 생산하며, 연간 약 1억 2천만 개를 생산합니다.
저는 미니 팩토리 러버(Mini Factory Rubber) 소속입니다. 미니 팩토리라고 불리는 이유는 그 자체로 하나의 공장이기 때문입니다. 이곳에는 네 개의 부서가 있습니다. 먼저 제품 개발 부서에서는 컴파운드와 프로파일을 만듭니다. 그다음은 화학 공정 개발 부서인데, 제가 소속된 부서에서는 기존 공정을 개선하거나 새로운 공정을 개발합니다. 세 번째는 두 개의 생산 라인, 즉 배치 공정 방식의 생산 시설입니다. 이곳에서는 컴파운드를 만들고, 다음 단계에서는 고무 프로파일을 생산합니다. 마지막으로 화학 실험실이 있습니다.
JMP를 식스 시그마 방법론에 적용할 때, 프로세스 개발 단계에서는 식스 시그마 방법론과 향상된 A3 방법론을 함께 사용합니다. 식스 시그마 방법론은 어려운 문제에 대한 통계적 근본 원인 분석에 집중해야 할 때 사용하고, 향상된 A3 방법론은 시각화에 집중해야 할 때 사용합니다.
식스 시그마 방법론은 다섯 단계로 구성됩니다. 첫 번째 단계는 정의 단계입니다. 이 단계는 매우 중요하지만 종종 간과되는 단계입니다. 이 단계에서는 문제와 목표를 매우 구체적으로 정의해야 합니다. 왜냐하면 달성하고자 하는 목표에 대해 사람마다 생각이 다를 수 있기 때문입니다.
측정 단계에서는 프로세스와 문제에 대한 관련 데이터를 수집하고, 분석 단계에서는 입력과 출력 간의 인과 관계를 파악합니다. 개선 단계에서는 프로세스 입력에 대한 최적값을 결정합니다. 마지막 단계인 관리 단계에서는 장기적으로 개선을 유지하기 위한 표준을 수립합니다. 이 단계는 종종 간과되지만, 제대로 수행하지 않으면 프로세스가 다시 통제 불능 상태에 빠질 수 있습니다.
여러분에게는 도구 상자도 있습니다. 여기 DMAIC 도구 상자가 보이시죠? 각 단계에는 특정 도구와 기법이 있으며, 이것은 일반적인 도구에 대한 개요입니다. 자세한 설명은 생략하겠지만, 식스 시그마 방법론 내에서 무엇을 할 수 있는지 알아두시면 좋을 것 같습니다. 이제 엘로디가 설명을 이어가겠습니다.
안녕하세요, 저는 JMP의 시스템 엔지니어 엘로디입니다. 저희 JMP에서 제공하는 애드인 마켓플레이스에 대해 소개해 드리겠습니다. 마르졸린 님이 말씀하신 것처럼, 식스 시그마에서 매우 유명한 절차 방법론 중 하나가 정의, 측정, 분석, 개선, 제어(DMCC)입니다. 이 방법론에 관심이 있으시다면 JMP에 애드인을 추가하여 사용하실 수 있습니다. 애드인은 어디에서 찾을 수 있을까요?
저희는 작년에 마켓플레이스를 출시했습니다. 바로 JMP 마켓플레이스입니다. 검색창을 이용해 필요한 자료를 찾을 수 있습니다. 모던 식스 시그마 애드인(Modern Six Sigma Add-in)이라는 식스 시그마 애드인도 있습니다. 여기서 다운로드하여 JMP에 바로 설치할 수 있습니다. 화면은 이렇게 생겼습니다. 소프트웨어에 새롭게 추가되는 메뉴로, 다섯 가지 단계로 구성되어 있습니다. 도구 자체도 포함되어 있고, 이 도구를 연습하고 싶으신 분들을 위해 웨비나와 도움말도 제공됩니다. 이제 마르욜렌에게 마이크를 넘기겠습니다.
첫 번째 단계는 정의 단계라고 말씀드렸습니다. 두 번째 단계는 측정 단계입니다. 측정 단계는 실제로 프로세스의 현재 성능을 정량화하고 관련 데이터를 수집하는 단계입니다. 왜 이것이 중요할까요? 종종 문제가 있을 것 같다는 직감이 들지만, 그 문제가 실제로 존재하는지 확신하지 못하는 경우가 있기 때문입니다.
여기 녹색 상자들이 있습니다. 이 녹색 상자들은 실제로 JMP에서 수행할 수 있는 식스 시그마 방법론의 일부입니다. 여기서는 두 가지 작업을 할 수 있습니다. 첫째, 측정 시스템 분석을 통해 측정 시스템의 정확도와 정밀도를 평가할 수 있습니다. 둘째, 측정 단계의 일부인 기술 통계 분석을 통해 평균, 중앙값, 최빈값 등 필요한 통계량을 사용하여 데이터를 요약할 수 있습니다.
이제 TOST에 대한 기존 측정값과 새로운 측정값 간의 평균 동등성 검정의 간단한 예를 보여드리겠습니다. 여기서 데이터를 확인할 수 있습니다. 329개의 샘플을 두 가지 다른 방식으로 측정했습니다. 기존 적용 방식과 새로운 적용 방식을 사용했으며, 두 방법 간에 큰 차이가 있는지 확인하고자 했습니다.
실제로 Y를 X에 맞춰 분석한 다음 동등성 검정을 수행할 수 있습니다. 평균 차이가 실질적으로 얼마나 중요한지를 지정해야 합니다. 이 경우 5mm였습니다. TOST를 수행하면 일반적으로 동등성이 입증된 경우 포레스트 플롯에서 파란색 영역에 위치하게 됩니다.
이 경우, 우리는 파란색 영역이 아니라 빨간색 영역에 있었는데, 그 이유는 평균값의 실제 차이가 10밀리미터였기 때문입니다. 따라서 우리는 기존의 연간 적용량 측정 시스템 데이터가 동일하지 않으며 추가적인 조치가 필요하다는 결론을 내려야 했습니다.
또한, 기술 통계와 현재 프로세스에 대한 설명, 그리고 문제 진술에 대한 확인도 필요합니다. 하나 보여드리겠습니다. 이것은 저희가 만든 0 시리즈입니다. 여러 날에 걸쳐 측정했는데, 실제로 측정값이 이전 연구 결과보다 높은지 확인하고 싶었습니다.
여기 분포를 보면 평균값이 약 97밀리미터였는데, 이전 세션에서는 50밀리미터였죠. 맞아요, 우리의 직감이 옳았습니다. 문제가 있었던 겁니다.
세 번째 단계는 분석 단계로, 결함이나 성능 문제의 근본 원인을 파악하는 단계입니다. 저희는 항상 가장 먼저 근본 원인을 파악합니다. 이시카와 분석법, 5 Why 분석법, 또는 피시본 다이어그램 등을 활용하지만, 이것이 항상 기본입니다.
두 번째 단계에서는 파레토 차트를 작성하여 데이터 세트에서 가장 중요한 세 가지 요인을 식별할 것입니다. 이 세 가지 요인을 바탕으로 추가 분석을 진행할 것입니다. 이어서 엘로디가 파레토 차트에 대해 설명해 드릴 것입니다.
파레토 차트에 대해 설명드리겠습니다. 파레토 차트의 목적은 문제 또는 원인의 발생 빈도를 분석하여 가장 빈번하게 발생하는 원인을 파악하는 것입니다. 애드인을 사용하면 이를 수행할 수 있습니다. 일반적으로 파레토 차트는 분석 단계에 포함되지만, 저희 애드인에서는 측정 단계에 있습니다. 모던 식스 시그마 메뉴에서 측정 단계에 있는 파레토 차트를 생성할 수 있습니다. 해당 메뉴를 통해 파레토 차트를 생성해 보세요.
예를 들어 설명해 드리겠습니다. 여기에 다양한 유형의 결함이 담긴 데이터 테이블이 있습니다. 결함 유형은 10가지이고 각 결함의 발생 횟수가 기록되어 있습니다. 이 경우 파레토 차트는 다음과 같이 나타낼 수 있습니다. 결함 원인별 누적 백분율이 표시되고, 모든 문제가 100%로 나타나며, 발생 빈도가 높은 순서부터 낮은 순서로 정렬됩니다.
예를 들어, 주요 문제 유형 세 가지는 금속 브리징, 금속 긁힘, 금속 결함이라는 것을 알 수 있습니다. 이것들이 문제의 주요 원인입니다. 우리는 이러한 원인들을 파악했고, 이제 다른 단계에서 이를 해결해 나갈 수 있습니다. 슬라이드를 넘겨서 마르졸린에게 넘기겠습니다.
분석 단계의 또 다른 부분은 회귀 분석입니다. 회귀 분석에서는 여러 변수 간의 관계를 분석하고, 가설 검정에서는 통계적 방법을 사용하여 가정과 이론을 검증합니다. 이 부분에 대해서도 예시를 하나 들어보겠습니다.
우선, 지난번과 동일한 데이터, 즉 0 시리즈의 측정값을 여기에서 확인할 수 있습니다. 측정값에 일별 변동이 있는 것 같았습니다. 그래서 가장 먼저 그래프 빌더로 이동하여 날짜별 측정값을 확인했습니다. 히스토그램은 그래프 빌더 제어판에서 선택할 수 있지만, 여기서는 상자 그림을 선택했습니다.
상자 그림에서 이미 알 수 있듯이, 날짜별로 차이가 있습니다. 이를 확실히 하기 위해 가설 검정을 수행했습니다. 가설 검정은 일원 분산 분석(ANOVA)을 사용했는데, 이는 Y를 X로 적합시킨 후 평균/ANOVA를 선택하고 평균 분석 방법을 선택하면 됩니다.
여기 데이터에서 이미 다이아몬드 모양을 볼 수 있는데, 이 다이아몬드들이 서로 겹치지 않습니다. 이것이 바로 일일 변동성이 존재한다는 가장 확실한 증거입니다. 평균값에서도 마찬가지로, 각 데이터 세트의 하위 신뢰구간과 상위 95% 신뢰구간이 겹치지 않는 것을 확인할 수 있는데, 이는 일일 변동성이 있음을 분명히 보여줍니다. 또한, 분산분석(ANOVA) 그래프에서 평균값을 분석해 보면, 각 데이터 세트가 동일한 추세를 보이지 않는다는 것을 알 수 있습니다. 즉, 서로 다른 양상을 나타낸다는 것입니다.
네 번째 단계는 개선 단계로, 근본 원인을 해결하고 프로세스를 개선하기 위한 솔루션을 개발하고 구현하는 단계입니다. 물론, 우선 아이디어를 얻기 위해 브레인스토밍을 진행합니다. 이 과정은 JMP에서는 불가능하지만, 두 번째 단계는 실험 설계입니다. 저희는 맞춤형 실험 설계를 주로 사용하며, 결과에 영향을 미치는 요인을 파악하기 위해 실험을 계획하고 수행합니다.
저희는 맞춤형 설계를 상당히 자주 사용하는데, 그 이유는 맞춤형 설계를 통해 변경하기 어려운 요소들을 활용할 수 있기 때문입니다. 이는 실제 운영 환경에서 매우 중요한 부분입니다. 실험계획법(DOE)에 대한 정보를 확보하는 즉시, 제안된 솔루션의 일부를 축소된 규모로 시험 구현하여 모델이 제대로 작동하는지 확인합니다. 여기서는 실험계획법(DOE)을 활용한 복합 연구에 대한 설명을 드리겠습니다.
과거, 즉 2018년 이전에는 한 번에 한 가지 요인만 변화시키는 방식을 사용했습니다. 이 방식에는 20주가 걸렸고, 360개의 화합물을 검토해야 했으며, 비용도 매우 높았고 성공률도 저조했습니다. 2018년 이후에는 최적 설계, 즉 I-최적 설계 반응 표면 모델을 도입했습니다. 이 모델은 2주 만에 분석을 완료할 수 있고, 36개의 화합물만 검토하면 되며, 최적의 화합물을 예측할 수 있습니다. 기존의 OFAT 방식과 비교했을 때 노동력과 소요 시간은 10%에 불과하며, 과거보다 더 많은 정보를 활용할 수 있습니다.
이 모델을 보여드리겠습니다. 보시다시피 이 모델에는 10개의 출력 요소가 있습니다. 이 출력 요소들은 실제로 와이퍼의 작동 방식을 결정하는 물리적 특성입니다. 입력 요소는 5개이며, 이는 우리 화합물의 구성 요소입니다. 또한, 하루에 9번만 테스트할 수 있다는 제한 요소를 나타내는 차단 요소도 있습니다.
저희가 사용하는 모델은 말씀드린 대로 I-최적 설계와 반응 표면 모델을 사용합니다. JMP에 따르면 이 경우 최소 필요한 검사 횟수는 27회입니다. 저희는 보통 27회보다 4회 더 많이 실시한다고 하지만, 이 경우에는 검사일이 4일이므로 36회도 가능합니다. 기본 설정으로 36회를 실시하겠습니다.
분석을 진행하면, 이것이 우리가 사용하는 분석 모델입니다. 조금 움직여 보겠습니다. 여기 효과 요약이 있습니다. 모든 P값이 0.05보다 훨씬 낮은 것을 볼 수 있습니다. 이것은 출력 결과입니다. 출력 결과를 보면, 실제 예측값 대비 그래프가 매우 작은 것을 알 수 있습니다. 예상대로 직선이지만, 여기에서도 빨간색 막대가 매우 작은 것을 확인할 수 있습니다.
또한 적합도 요약에서 항상 조정된 R-제곱 값을 확인한다는 것을 알 수 있습니다. 저희는 0.90 이상의 R-제곱 값을 좋은 모델로 간주합니다. 이 경우, 모델의 R-제곱 값이 0.99이므로 전체 변동성의 99%를 설명할 수 있습니다. 10개의 출력 변수와 5개의 입력 변수를 사용하여 이 모델을 분석할 때, 예측 프로파일러에 선호도 함수를 입력하여 선호도를 최대화하고 최적의 화합물을 찾는 것이 매우 중요합니다.
저희에게는 컴퓨터가 내린 결정을 아는 것이 중요하지만, 변수들 간의 상호작용 등을 확인하기 위해 항상 수동으로 검토할 것입니다. 예를 들어, 이 경우 입력값 1과 입력값 2 사이에 상호작용이 있다는 것을 알고 있으며, 프로파일러를 움직여 보면 다양한 요인들의 영향을 명확하게 확인할 수 있습니다. 출력 결과에서도 볼 수 있듯이, 조정된 R제곱 값이 매우 높은 특정 출력값에 대해서는 신뢰구간이 매우 작습니다. 반면 변동성이 더 큰 다른 출력값들도 있습니다.
그다음 마지막 단계인 관리 단계로 넘어가겠습니다. 관리 단계에서는 개선 사항이 시간이 지남에 따라 지속되고 프로세스가 안정적이고 통제된 상태로 유지되는지 확인해야 합니다. 가장 먼저 점검해야 할 것은 관리 계획입니다. 계획이 올바른지 확인하고, 필요하면 조정하고, 방법을 문서화해야 합니다.
두 번째로 저희가 항상 하는 일은 통계적 공정 관리입니다. 관리도를 사용하여 공정의 안정성을 모니터링하는 것이죠. 보쉬에서는 이를 위해 특별한 프로그램을 사용합니다. 엘로디가 JMP를 이용한 공정 관리에 대해서도 설명해 드릴 겁니다.
추가 기능을 사용하여 관리도를 작성하는 방법을 알려드리겠습니다. 앞서 말씀드렸듯이, 관리 단계는 식스 시그마 방법론의 마지막 단계에서 매우 중요합니다. 메뉴에서 '마지막 단계 관리'를 선택하시면 됩니다. 관리도에는 여러 가지 옵션이 있습니다. 사용자 정의가 가능한 관리도 작성 도구를 사용하면 거의 모든 유형의 차트를 만들 수 있습니다. 또는 특정 유형의 차트가 필요한 경우 다른 옵션을 선택할 수도 있습니다. 데이터를 예시로 사용하여 관리도를 작성해 보겠습니다.
여기 있는 데이터는 좀 재밌고 허구적인 내용입니다. 피클에 관한 이야기인데요. 피클의 산도를 측정하는 건데요. 측정은 여러 날짜에 걸쳐 여러 배치에서 이루어졌고, 목적은 생산이 안정적인지 알아보는 것입니다.
이것은 관리도 작성 도구로 만든 관리도입니다. 관리도는 두 부분으로 나뉘는데, 첫 번째 부분은 산도입니다. 측정된 모든 지점이 표시되어 있습니다. 빨간색 선은 관리 한계를 나타냅니다. 이 점처럼 어떤 지점이 관리 한계를 벗어나면 공정이 불안정할 수 있다는 경고이므로 원인을 점검해야 합니다.
또한 평균의 안정성이나 잠재적 변동, 또는 발생 가능한 문제에 대한 알림을 받을 수도 있습니다. 이러한 알림을 통해 사전에 문제를 예방할 수 있습니다. JMP에서는 사용자 지정 알림을 설정하거나 기존 알림을 활용할 수 있으며, 다양한 유형의 알림을 이용할 수 있습니다.
여기 두 개가 켜져 있습니다. 켜져 있다고 해도 될까요? 예를 들어, 이 점은 5번입니다. 마우스 커서를 점 위에 올려놓으면 의미를 알 수 있습니다. 이는 마지막 세 점 중 두 점이 평균으로부터 2시그마 범위를 벗어났다는 것을 의미합니다. 이는 문제가 있을 수 있다는 신호입니다. 알림을 받고 문제가 있는지 확인하여 잠재적인 문제를 예방할 수 있습니다.
이것도 마찬가지로, 공정에 변동이 있을 수 있다는 경고입니다. 즉, 공정이 안정적이지 않을 수 있으므로 최소한 점검해 볼 필요가 있다는 뜻입니다. 하위 항목으로는 이동 범위 기반의 관리 차트가 있습니다. 두 지점 사이의 범위가 너무 크거나 의심스러운지 확인할 수 있습니다.
또한 이는 프로세스의 변동성을 점검하여 프로세스가 안정적인지 확인하는 방법이기도 합니다. 우리는 하나의 목표를 달성하기 위해 모든 단계를 완료했고, 이제 우리의 프로세스가 안정적이고 안정적으로 유지되기를 원합니다. 이제 발표가 끝났으니 질문이 있으시면 말씀해 주세요.
