현장에서의 품질 지도 중 대부분의 사람들이 Trouble을 처리할 경우, 항시 평균(平均)을 문제 삼는 습관을 갖고 있음을 볼 수 있는데 이것은 Trouble을 만성형 Trouble로서 다루고 있었던 셈이다. 즉, Trouble이라면 만성형 Trouble이라고 생각해 버리는 사고인 셈이다. 이처럼 우리에게 익숙해져 있는 문제이지만 그 원인 규명 방법에 대해서는 잘 알려져 있지 않은 것이 현실이다.
품질혁신을 위하여 진행중인 「품질예방체제」의 구축 또는 정비 작업과 병행하여 각 업체의 만성적 품질 문제를 일으켜 온 부품 개선에 이를 반드시 적용하도록 권하고 싶다.
만성적(Chronic) 품질문제 → 두더쥐 잡기식의 응급조치가 아닌 근원적인 품질개선(Break through)의 구체적 접근 방법과 사례를 제시한다.
1) 특징
- 평균 불량률이 높다든지
- 목표로 하고 있는 품질의 제품이 제조되지 않는다든지,
- 제조 Cost가 높다든지 하는늘 상 바람직하지 않은 상태가 지속되고 있는 것이 만성형 trouble이다.
따라서
- 현재의 설비,
- 현재의 재료,
- 현재의 작업 방법으로
최적의 상태에 있더라도 문제가 있는 trouble이기 때문에 trouble을 처리하기 위해서는- 설비나 재료를 바꾸거나
- 설계 또는 작업방법을 바꾸는 등 무엇인가 현상을 바꾸어야만 한다.즉, 늘 상 동일한 상태에 있는 요인(要因)의 조건(條件)을 바꾸어야만 한다. 이것은 편차를 이루고 있는 요인의 산포를 없애는 변동형 품질 trouble 처리 방법과는 완전히 대조적이다.
종래 trouble을 처리할 경우, 항시 평균(平均)을 문제로 삼는 습관이 있어 왔는데 이것은 trouble을 만성형 trouble로서 다루고 있었던 셈이 된다. trouble이라면 만성형 trouble이라고 생각해 버리는 버릇이 있어 왔던 셈이다. 이렇듯 우리에게 익숙해져 있는 trouble이기는 하지만 다음에 설명할 그 추적 방법을 알게 되면 의외로 쉽게 접근할 수 있다.
2) 만성형 품질문제의 접근방법
만성형 trouble을 추적할 경우 가장 중요한 일은 이렇게 하면 만성형 trouble이 없어질지도 모른다는 안(가설)을 도출하는 일이다. 전혀 아무런 안이 나오지 않으면 만성형 trouble을 처리하는 것은 불가능하다.
이렇게 하면 만성형 trouble이 없어질지도 모른다고 생각할 수 있는 안이 나온다는 것은 경험이나 연구 등을 포함한 기술에 의한 것이다. 기술력이 있으면 적절한 안이 나오게 되며, 기술력이 없으면 아무런 안도 나오지 않을 것이다.
만성형 trouble이 없어질지도 모른다고 생각되는 안(가설)을 실제로 채택했을 때에 trouble이 없어질 것인지는 시도해 보아야만 알 수 있다. 안(가설)을 채택하면 trouble이 없어질 것으로 잘못 생각하고 있는 사람들을 가끔 본다. 극단적인 표현을 쓴다면 안(가설)은 단지 추정이며, 추정이 도움이 될지는 실험 결과를 보아야만 알 수 있다.
여기에 추정안을 어떻게 실험하면 신뢰할 수 있는 답이 나올 것인가? 하는 문제가 생기게 된다. 우리들은 만성형 Trouble을 다루는데 익숙해져 있다. 즉, 경험이나 감으로 처방을 내리거나 얄팍한 지식과 경험을 앞세워 품질 문제를 다루는 데는 익숙해 져 있으나 근원적인 진단에 필요한 신뢰할 수 있는 답을 얻기 위한 실험은 어떻게 하면 될 것인가? 하는 점에서는 매우 뒤떨어져 있는 것이 현실이다.
지금 만성형 품질 문제를 해결할지도 모를 것으로 생각되는 안을 추정해 내었다고 하자. 여기서 현행의 방법을 A, 추정해 낸 방법을 B라고 표현한다. B의 방법이 trouble을 없앨지 여부를 조사하기 위해서는 A 방법을 매일 적용하고 있으니까 B 방법만을 실험하면 된다고 생각하여 B 방법만 실험해 보고 A 방법을 적용하고 있을 때의 일상 DATA와 비교하는 사람이 많다. 이 실험은 가장 서툰 실험이다.
이와 같은 실험 결과 B 방법이 좋다는 결과가 나와서 B 방법을 채택했는데 현실적으로는 조금도 좋아지지 않았다는 이야기를 듣는다. 실험이라고 하면 그 기간만큼은 긴장해서 주의를 기울이거나 특별히 유념해서 작업을 할 수 있으나 매일 일상 작업에서는 그처럼 할 수 없으며, 이와 같은 것이 결과에 영향을 미치는 일이 있기 때문이다. 이와 같은 일을 미연에 방지하기 위해서는 A 방법도 B 방법도 동일한 조건에서 실험하는 것이 필요하다.
지금 품질이 문제가 되고 있다고 생각하자. A 방법으로 제조된 제품의 품질은 항시 동일한 것이 아니라 어느 정도 산포를 갖고 있을 것이며, B 방법으로 제조된 제품의 품질도 어느 정도 산포를 갖고 있을 것이다.
A 방법이 좋을지 B 방법이 좋을지는 A 방법으로 만들어진 산포를 가진 제품의 LOT와 B 방법으로 만들어진 산포를 가진 제품의 LOT 가운데 어느 쪽이 좋은지를 의미하고 있는 것이다.
A 방법으로 만든 제품의 품질을 측정하고 동일 품질의 제품 수를 세어서 그림 1과 같은 히스토그램을 만들어 산포를 가진 제품의 집단으로서의 성질을 파악할 수 있다.
따라서 A 방법이 좋은지 B 방법이 좋은지를 조사하기 위해서는 그림 2와 같이 A 방법으로 만들어진 제품의 품질 히스토그램과 B 방법으로 만들어진 제품의 품질 히스트그램을 비교해야만 한다. 이 때 히스토그램을 만들어 비교하는 것과 같은 실험을 할 수는 없다. 즉, 실험을 할 바에는 될 수 있는 대로 실험하는 회수를 적게 하는 것이 시간적으로나 경제적으로 합리적일 것이다.
이 때문에 적은 수의 샘플로서 A의 히스토그램과 B의 히스토그램의 비교를 해야만 한다. 그림 2와 같이 A의 히스토그램과 B의 히스토그램이 떨어져 있는 경우는 문제가 없으나 그림 3과 같이 A의 히스토그램과 B의 히스토그램이 겹쳐져 있는 부분이 많을 때에는 통계적 수법을 이용하지 않으면 신뢰할 수 있는 판단이 불가능한 것이다.
| 그림 1) | 그림 2) |
 |
|
| 그림 3) | |
만성형 문제를 해결해 줄지도 모른다고 생각되는 안들이 이미 어느 정도 있는 것이 보통이다.(어느 자동차용 스피커 제품의 철분 불량이라는 만성품질 문제와 자동차용 안테나 제품의 이음(소음)과 같은 경우에도 그 추정안들은 이미 상당수가 나와 있었다)
예를 들면 온도를 높게 해 보면 어떨까? 농도를 바꾸어 보면 어떨까? 원료 배합을 바꾸어 보면 어떨까? 하는 것 등이다. 이 때 종래에는 우선 온도만 실험하고, 그 다음에 농도만 실험하고 이어서 원료 배합에 대하여 실험을 해 오고 있었다. 이 경우 실험계획법에 의하면 온도와 농도와 원료 배합에 대하여 한 번에 실험해 버리는 편이 좋은 실험이다.
즉, 실험수가 적고 신뢰성 높은 답이 나온다는 것이다. 온도, 농도나 원료 배합처럼 실험 대상으로 삼은 요인(要因)을 인자(因子)라고 하며, 현행 온도와 높인 온도 중 어느 쪽이 좋은지를 비교하는데 그 비교하는 조건을 인자의 수준(水準)이라고 하며, 요인의 수준의 모든 조합(구성)에 대하여 실험하는 것을 실험계획법에서는 다원배치법(多元配置法)이라고 부르고 있다.
다원배치법의 실험을 하면 멋진 실험을 할 수 있다. 인자수가 많아지고, 수준수가 많아지면 모든 조합의 수가 많아져서 실험수가 많아지게 되므로 더욱 실험수가 적은 실험을 계획하는 일이 필요하게 된다. 이와 같은 것을 생각하는 것을 실험계획법이라고 한다. 우리들이 실험하고 싶을 때 가장 능숙한 방법을 연구해 주고 있는 학문이 실험계획법인 것이다.
만성형 문제를 추적(분석)하기 위해서는
"기술에 의한 안"과
"실험계획법"이
필요하다.
만성형 trouble을 해결할지도 모른다고 생각되는 안이 정말 trouble을 없앨 수 있을지 여부를 시도해 보는 것이 실험이며, 이 때 가능한 한 소수(少數)의 실험수로 신뢰성 높은 답을 얻기 위해서는 어떤 실험을 하면 좋을지 하는 점을 생각하기 위하여 실험계획법을 필요로 하는 것이다.
흔히 실험계획법을 사용하여 실험한 DATA를 정리해서, 대상으로 삼은 요인(要因)에 유의차(有意差)가 있다는 결론이 나오지 않았을 때 실험계획 방법이 형편없었던 것이 아닐까? 하고 생각하는 사람이 있는데 그런 것이 아니라 trouble을 해결할지도 모른다고 생각한 안이 유효한 안이 아니었음을 보여 주고 있는 것이다.
즉 기술이 미숙한 것을 나타내고 있는 것이다. 실험계획법의 사용법이 미숙한지 여부는 실험에서 얻어진 결론의 신뢰성이 없거나 더욱 적은 실험수로 결론을 얻을 수 있음에도 실험수를 많게 해 버렸다든지 하는 점이다. 흔히 자기자신의 기술이 미숙한 것을 탓하지 않고 실험계획법 탓으로 돌려 버리는 사람이 많은 점에 주의해야 한다.
만성형 trouble을 처리할 수 있을지의 여부는 기술에 의해 결정되는 것이다. 그러나 생각해 낸 안(추정안)이 도움이 되는 안인지 그렇지 않은 것인지를 신속히 알 수 있느냐? 없느냐?는 매우 중요한 일이다. 도움이 되지 않는 안이라는 것을 알았을 때에는 즉시 별도의 안을 생각해서 실험하기 때문이다.
응급조치를 취하고 있다 하더라도 trouble을 처리할 수 있기 까지 계속되고 있어서 현장 사람들은 trouble 때문에 고생을 하거나 어려움을 당하고 있을 테니까 trouble 조치에는 speed가 필요하다. 기술자는 자칫 스피드를 중시하지 않는 경향이 있는데 현장에서는 스피드가 중요하다는 점을 잊지 않도록 해야 된다. 실험의 speed를 올리는 것이 실험계획법이다.
품질을 개선하겠다고 하는 사람들은 고유기술을 공부하는 동시 실험계획법도 공부하는 일이 필요할 것이다. 어느 쪽인가 한 쪽으로 치우치지 않아야겠다.
어느 전기 메이커에서 믹서의 신제품 시작(試作)을 실시했더니 시작품의 노이즈가 목표치보다 훨씬 높았다. 그래서 기술적으로 생각하여 노이즈에 영향을 미친다고 생각되는 부분의 설계 변경을 하려고 생각했다. 노이즈에 영향을 미치는 것으로 생각되는 요인(要因)으로서
베어링 내경(內徑)
RING 매수
CUTTER의 각도
를 기술적으로 보아서 그
대상으로 삼기로 했다. 즉 인자(因子)로서,
인자A를 베어링 내경
인자B를 RING 매수
인자C를 CUTTER의 각도
로 했다고 하자. 각 인자에 현재 도면에서의 조건과 노이즈를 낮게 할 수 있을지도 모르는 것으로 생각되는 조건을 대상으로 실험을 하게 된다. 전자(前者)의 조건을 제1수준으로 부르고 각각 A1, B1, C1으로 나타내며 후자의 조건을 제2수준으로 부르기로 하고 각각 A2, B2, C2로 나타내기로 한다. 예를 들면
| A1: 8.00Φ B1: 2매 C1: 50mm |
A2: 8.01Φ B2: 3매 C2: 55mm |
로 한다.
trouble이 해결될지도 모르는 것으로 생각되는 제2수준이 제1수준보다도 노이즈가 낮아질지 여부를 알기 위해서 실험을 하게 되는데 앞서 설명한 것처럼 표 1과 같은 3인자 수준의 모든 조합에 대해서 실험을 하면 된다.
이 실험을 삼원배치법(三元配置法)이라 칭하고 있다. 이 실험 결과로부터 A1과 A에서는 노이즈는 그다지 차이가 없다고 하게 되면 베어링 내경을 8.00Φ에서 8.01Φ로 변경한다는 안은 도움이 되지 않게 된다.
한편 B1 보다 B2 쪽이 노이즈가 낮아지고, C1보다 C2 쪽이 노이즈가 낮아진다고 하게 되면 링의 매수를 3매로 하고 커터의 각도를 55mm로 바꾸면 지금의 설계에 의한 제품보다 노이즈가 낮은 제품을 만들 수 있음을 보여 주고 있다.
이와 같이 하여 품질 문제를 해결할지도 모른다고 생각되는 안의 채택 여부가 확인되는 것이다.
2. 돌발형 품질문제 추적법
3. 변동형 품질문제 추적법
4. 만성형 품질문제 추적법
5. 품질문제 추적상의 주의사항
6. 공장관리와 품질문제 처리
7. 통계적 수법을 통한 단서 포착
http://eq21.net/subman.html