Studyenthusiast

6 시그마(Six Sigma)는 1987년 미국의 모토롤라(Motorola)에서 혁신적인 품질 개선을 목적으로 만든 기업경영전략입니다.

​

1981년 당시 모토롤라 회장인 로버트 갤빈은 무려 5년에 걸쳐서 10%가 아닌 10배의 개선을 달성한다는 엄청난 계획을 구상하였는데, 당시 모토롤라에서 모든 부분의 낭비를 줄이는 방법에 대한 연구가 한창 활발하게 진행 중이였습니다.

​

​

이러는 활동 동안, 커뮤니케이션 부서의 엔지니어인 빌 스미스는 제품의 수명과 생산 중 수리 횟수와의 관계를 연구하고 있었습니다.

생산공정 중에 어떤 결함이 발견된 제품이 고쳐져 소비자에게 판매 되었을때, 그 결함 때문에 보지 못했던 다른 결함들이 소비자가 제품을 사용하는 초기에 발생합니다.

그러나 처음부터 제품을 결함 없이 잘 만들면 사용 초기에 아무런 문제가 발생하지 않습니다.

빌 스미스의 보고서 中

결함으로 인해 재작업 과정을 거친 제품은 재작업 과정에서 제거된 결함 이외에도 다른 결함을 포함하기쉬우며, 이와 같은 결함이 발견되지 못하고 출하하는 관계로 인해 제품의 사용 초기에 고장이 많이 발생한 것이였습니다.

​

반대로 생각을 해보면 결함 없이 조립된 제품은 고객이 사용할 때 초기의 고장이 거의 발생하지 않는다고 말할 수 있는 것과 같습니다. 더불어 모토롤라는 어느 분야이던지 그 분야에서 세계 최고인 기업은 제품의 제조 과정에서 수리나 재작업이 없는 제품을 생산한다는 사실을 알았습니다.

​

이는 6시그마의 전략의 주요개념 가운데 하나인 '숨은 공장' 과 '전체 수율'등에 대한 아이디어를 제공하였다고 할 수 있습니다. 이 후에도 미켈 헤리 등이 주축이 되어 6 시그마를 달성하기 위한 구체적인 전략과 방법론이 개발되었으며, 다른 기업으로 전파되면서 각 기업에 맞는 형태로 수정되고 발전되었습니다.

6시그마는 미국의 제너럴 일렉트릭(GE), 얼라이드 시그널(Allied Signal), 텍사스 인스트루멘트(TI), 아이비엠(IBM), 소니(Sony)등 세계적인 우량기업들이 채택함으로써 더욱 널리 알려지게 되었습니다. 우리나라에서도 삼성, LG, SK, 한화 등 여러 대기업에서 도입하여 품질 혁신에 성공함으로써 많은 국내 기업들도 도입을 하였습니다.

실험에 영향을 미치는 무수히 많은 원인들 중에서 특별히 실험의 목적으로 채택한 원인, 또는 직접 실험의 목적으로 삼지는 않으나 실험의 효율을 올리기 위하여 층별한 원인을 인자(factor)라고 하고, 실험을 하기 위한 인자들의 조건을 인자의 수준(level)이라고 하며, 이 수준으로 취한 값의 개수를 수준수라고 합니다.

​

실험자는 실험에서 변화되는 요인들과 이러한 요인들이 변화하는 범위, 그리고 실험이 행해지는 명확한 수준들을 선택해야만 합니다.

1. 인자의 선택

실험의 목적에 맞는 요인을 찾아내는 일은 실험을 계획하는 사람의 기술적 지식과 정보, 개인적 경험 및 과거의 데이터 해석으로부터 얻어집니다.

​

이를 위해서는 실험에 앞서서 특성요인도(cause and effect diagram)를 작성해두는 것이 중요합니다. 이때의 요인들은 아래와 같이 분류할 수 있습니다.

​

① 실험하는 장소,

​

② 실험하는 시각과 소요시간,

​

③ 기계 설비 또는 실험 장치,

​

④ 재료,

​

⑤ 작업원 또는 실험자,

​

⑥ 작업방법 또는 실험 방법,

​

⑦ 자연 상황(온도, 습도, 기압, 분위기)

​

실험의 목적이 결정되면 그것을 달성하기 위하여 비용적, 설비적으로 가능한 모든 수단을 생각해보고 실험 목적 달성에 관련된 요인은 모두 인자로 잡아주는 것이 원칙입니다.

​

인자의 선택에서 중요한 것 중 하나는 불량의 원인이 어디에 있느냐 하는 것과 그것을 바로잡기 위한 수단은 별개의 것일지도 모른다는 사실입니다. 예를 들자면, 원유로부터 고급윤활유를 정제함에 있어서 수율(yield)을 늘리고자 한다면 수율 증가와 관련되는 용제나 첨가제를 인자로 채택하고 그 양을 늘리면 되지만 이와 같은 조치는 아무래도 또 다른 특성인 응고온도의 악화를 가져와서 불량품을 만들기 쉽기 때문에 곤란하다고 하는 생각은 전적으로 잘못된 것입니다.

​

용제나 첨가제를 채택하고 그 양을 늘려서 확실히 수율이 증가한다면, 그것을 인자로 채택하거나 양을 늘리면 되는것입니다. 그 대신 수율에 영향을 주지 않으면서 응고온도를 개선할 수 있는 새로운 요인을 발견하면 됩니다. 그러므로 수율이라고 하는 특성을 문제 삼으면서 그것에는 별로 효과가 없으나 응고온도를 개선할 수 있는 인자를 실험에 채택하게 되며, 이 경우에는 응고온도라는 새로운 특성치도 실험의 목적에 채택되어야 합니다.

​

따라서 실험에서 취급해야할 인자의 수는 많아지는 것이 보통입니다. 그러나 과다한 인자의 수는 실험의 정도를 떨어뜨리고 실험의 비용이 너무 커지기 때문에 실험의 목적을 달성할 수 있다고 생각되는 범위 내에서 최소의 인자를 선택해주는 것이 좋습니다.

​

2. 수준의 선택

인자의 수준과 수준수를 결정함에 있어서 실험자가 생각하고 있는 인자의 관심영역 (또는 흥미 영역: region of interest) 에서만 인자 수준을 잡아주는 것이 원칙입니다. 인자의 관심 영역이란 실험자가 관심을 가지고 있는 인자 수준이 변화할 수 있는 범위를 말합니다. 수준의 선택은 다음의 원칙과 같습니다.

​

① 기술적으로, 또는 과거의 경험에 의해서 특성치가 명확히 나쁘게 되리라고 예상되거나 앞으로도 실제로 사용되지 않는다고 알려진 수준은 포함되지 않습니다.

​

② 최적이라고 예상되는 조건이나 조합은 반드시 취급하고 현재 공정에서 사용되고 있는 인자의 조건(수준)도 포함시키는 것이 좋으며, 실험하고 싶은 조건의 조합이 빠짐없이 포함되도록 수준을 정합니다.

​

③ 무의미한 교호작용의 효과가 나타나지 않도록 각 인자의 수준을 선택합니다. 의미없는 교호작용을 무시하면 그만큼 데이터에 포함되는 미지수가 적게 되므로 검정, 추정의 정밀도가 좋아지고, 직교배열표에 의한 실험의 경우 더 많은 인자를 배당할 수 있거나 실험의 수를 줄일 수 있습니다.

​

④ 수준수는 보통 2~5 수준이 적절하며, 많아도 6 수준을 넘지 않도록 합니다.

​

그리고 실험에서 채택된 인자가 계량치일 경우에는 관심 영역의 최대치와 최소치를 수준의 최대치와 최소치로 잡아주고, 수준 간격을 등간격으로 해 주는 것이 좋으며, 2~3 수준 정도 취하면 충분합니다. 일반적으로 수준의 폭을 너무 넓게 잡으면 교호작용이 나오기 쉬우므로 주의해야 합니다.

​

인자가 계수치일 경우에는 인자가 갖는 종류의 수만큼을 수준수로 취해주는 것이 좋습니다. (예를 들면 인자가 재표일 때 실험에 채택된 그 재료의 가지수) 이때 기술적으로 몇 개로 층별하여 인자로 취하는 것이 정보량을 증가시키고 조치도 쉬워집니다.

​

인자의 선택과 수준을 효율적으로 결정하기 위해서는 실험자의 공정 지식이 무엇보다도 필요하며, 이러한 공정 지식은 일반적으로 실제적인 경험과 이론적인 이해가 결합된 것이라야 함을 잊어서는 안됩니다.

실험을 실시한 후에 데이터의 형태로 얻어지게 될 반응특성치는 실험의 목적을 달성하는 데 직결된 것이어야 합니다.

예를 들면 진동이나 소음이 낮은 자동차를 개발하고자 실험한다면 반응특성치는 데시벨(dB)의 형태로 얻어지는 진동이나 소음의 정도가 될 것이며, 보다 견고한 도자기를 구워내기 위한 가마의 소성온도를 찾는 실험이라면 각 조건에서 구워낸 도자기의 강도를 측정해야 할 것입니다. 이때 반응 특성치의 측정 방법이나 게이지(gage)의 사용조건 등도 구체적으로 결정되어야 합니다.

해결해야 할 문제가 무엇인지 인식하고 이러한 문제의 해결에 직결되는 실험목적을 설정합니다. 실험의 목적 설정은 그것을 달성하기 위한 반응특성치의 선택과 최적의 실험 방법, 분석 방법 등으로 연결되며, 이를 명확히 하는 것은 실험 과정에 대한 보다 적절한 이해와 문제의 최종 해결(조치)에 상당한 기여를 하게됩니다. 따라서 실험을 통해서 달성하고자 하는 목적을 구체적으로 명확히 결정하는 것이 무엇보다도 중요합니다.

​

이를테면 값싸고 우수한 자동차의 개발 등과 같이 너무 추상적이고 광범위하게 실험 목적을 설정하면 이에 적절한 반응특성치의 선택이나 실험 방법을 찾기가 어려워집니다. 그러나 진동이나 소음이 보다 적은 자동차의 개발이라든가, 공기저항이 보다 낮은 차형의 개발 등과 같이 보다 구체적인 목적을 설정한다면 이에 따른 반응 특성치나 인자의 선택이 쉬워지고, 실험 방법이나 분석 방법 등을 보다 명확하게 계획할 수 있으며, 그 결과에 따른 작업 표준의 개정 등과 같은 행동의 기준도 명확해집니다.

실험계획법을 사용하기 위해서는 실험에 관계된 모두가 실험의 목적을 이해하고, 정확히 어떤 인자들이 연구되어야 하며, 실험은 어떻게 설계되어야 하는지, 그리고 최소한 어떻게 데이터가 분석되어야 할 것인지 등의 수량적인 분석에 대한 사전 지식과 이해를 필요로 합니다. Montgomery는 실험을 계획하고, 이를 실시하여 취해진 데이터를 분석하고 해석하여 조치를 취하는 일련의 과정에 대하여 위의 그림과 같은 절차들을 제시하였습니다.

1단계에서 3단계까지는 사전 실험계획 단계라고 할 수 있으며, 그 이하의 단계는 실험 설계를 선택하고 실험을 수행하여 그 결과를 분석. 해석하며, 이에 따른 조치를 취하는 단계입니다. 그러나 2단계와 3단계는 동시에 수행되는 것이 보통이나 반응 변수인 특성치를 선정한 후 특성치에 영향을 미치는 인자와 그 수준을 잡아주기도 합니다.

종래의 통계적 품질관리(SQC: statistical quality control)와 SPC의 주요한 차이점은, SQC는 주로 검사(inspection)에 의한 품질의 탐지를 중심으로 불량품이 고객에게 가지 않도록 하는 QC 활동이고, SPC는 공정에서의 불량품 발생의 예방활동을 중심으로 하는 QC활동입니다. 이 차이점을 그림으로 나타내면 다음과 같습니다.

SQC는 제품의 다량검사(Mass inspection)에 의존하게 되므로 불량품을 탐지하고 선별하는 데 많은 재정적 낭비가 따릅니다. 또한 어떤 형태의 검사방법도 불량품을 완벽하게 발견하기 어려우므로 고객에게 불량품이 전달될 확률이 항상 존재하게 됩니다. 더 나아가서 불량품을 제조하는 실패비용과 다량검사 비용이 높아지게 되며, 전반적으로 공정의 생산성이 떨어지게 됩니다. 

상대적으로 SPC는 끊임없는 개선활동과 품질정보의 공정피드백을 통하여 예방활동에 치중하므로 예방비용은 증가하나 실패비용이 거의 없게 되며, 검사도 공정상태를 확인하기 위한 소량의 샘플링검사(sampling inspection) 정도이므로 검사비용이 적게 듭니다. 공정의 생산성도 SPC쪽이 높아지게 됩니다.

즉, SPC는 주로 예방(prevention)활동에 치중하는 통계정보에 의한 피드백 관리활동이고, SQC는 주로 탐지(detection) 활동에 치중하는 불량품 선별 사후관리활동이라고 볼 수 있습니다.

공정관리 시스템 (process control system)은 공정의 관리를 위한 모든 정보의 피드백(feedback) 시스템이며, SPC는 공정관리 시스템 안에서 통계정보의 피드백 시스템이라고 볼 수 있습니다. 공정관리 시스템은 다음의 4 가지 요소로 구성됩니다.

1. 고객의 요구사항 (Customer's requirement)

2. 공정성능에 관한 정보 (informaiton about process performance)

3. 공정에 관한 예방조치 (preventive action on the process)

4. 결과에 관한 탐지조치 (detective action on the output)

SPC 운영의 시작은 판매부서(영업부서)에서 얻을 수 있는 소비자 요구 품질을 정확히 확보하는 데서부터 시작됩니다. 이 요구 품질의 기초 위에 품질기능전개(QFD: quality function deployment) 등을 통하여 만들려고 하는 제품의 품질특성 기준이 설정됩니다.

그리고 이 기준 위에 공정 간 반제품의 품질특성 기준과 각 공정의 관리 항목 설정이 이루어지며, 이와 같은 작업은 SPC 주관부서에서 생산부서와 협조하여 작성하여야 합니다. SPC 주관부서에서는 공정관리가 용이하도록 SPC 공정도를 작성하는 것이 바람직합니다.

SPC 공정도에 의하여 생산부서의 담당 사원은 SPC 유지 활동을 시행해야 하며, 이때 중점 관리 항목에 의하여 관리하여 주는 것이 바람직합니다. SPC의 유지 활동 중에 공정이 관리 상태라고 판정되면, 공정능력을 산출하여 공정능력이 충분한가를 판단할 필요가 있습니다. 충분하면 계속적인 SPC 활동을 벌어야 합니다. 

개선한 결과가 좋으면 이를 표준화 시킨 후에 SPC 유지 활동으로 돌아가나, 개선한 결과가 미흡하면, 이를 중요 품질 문제로 등록한 후에 소집단(품질분임조, 품질 개선팀) 활동을 통하여 근본적인 개선활동을 벌어야 합니다.

이와 같은 상세한 내용을 운영체계로 작성한 것이 SPC 운영체계도입니다. 이 체계도에서 가장 핵심적인 요소는 SPC 유지 활동에 있어서 일상 데이터의 수집과 분석에 의하여 관리 상태에 있는가 없는가의 판단 여부로, 이때에 작업 일지 및 체크시트(check sheet) 등이 유용하게 사용되며, 데이터 분석으로는 관리도 등 각종 그래프가 주로 사용됩니다.

SPC의 제일 적은 공정상에서의 품질변동(quality variation)입니다. 품질평균의 이동은 일반적으로 고유기술의 연구나 최적조건을 찾기 위한 실험 등으로 가능합니다. 그러나 품질변동이 큰 경우에 이를 줄이는 것은 쉽지 않은 일이며, 품질불량은 주로 이 품질변동에서 오는 경우가 많습니다.

예를 들어 승용차의 타이어의 수명분호가 위의 그림과 같아서 정규분포를 하며, 품질 산포가 상당히 크다고 가정을 합니다. 품질규격은 규격하한 (SL : lower specification limit)만 있고, 수명의 평균은 50,000km이고, 표준편차는 10,000km이며, 규격하한은 40,000km입니다.

이 경우에 타이어 네 짝의 수명이 모두 규격하한을 넘을 확률은 (0.8413)^4 = 0.50으로 50% 밖에 되지 않습니다.

즉, 불량타이어를 끼고 승용차가 달리고 있을 확률이 50%나 되며, 차량의 주행거리가 40,000km를 넘어가기 시작하면 굉장한 위험부단을 가지게 되는 것입니다. 만약 품질산포가 작아서 표준편차가 5,000km라면 타이어 네 짝의 수명이 모두 규격하한을 넘을 확률은 (0.9772)^4 = 0.91로 훨씬 안전한 운행을 할 수 있는 것입니다.

품질불량에서 오는 고객의 불만은 상당부분 공정상의 품질변동에서 발생하며, 품질변동을 줄여 주는 것이 SPC의 제일의 과제입니다. 품질의 변동원인은 대개 다음의 2가지로 분류할 수 있습니다.

1. 우연원인(chance cause or random cause)

생산조건이 엄격히 관련된 상태하에서도 어느 정도의 품질변동을 발생시키는 원인으로는, 작업자의 숙련도 차이, 작업환경의 변화, 식별되지 않을 정도의 원자재 및 생산설비 등의 제반특성의 차이를 말하며, 이원인들은 주로 만성적으로 존재하는 것들 입니다.

2. 이상원인(assignable cause)

작업자의 부주의, 불량자재를 모르고 사용하기, 생산설비상의 이상, 생산조건 잘못 맞추기 등으로, 이 원인들은 만성적으로 존재하는 것이 아니고 산발적으로 발생하여 품질변동을 일으키는 것들입니다.

SPC에서는 품질변동을 조사하여 그 원인을 우연원인과 이상원인으로 분리시켜, 이상원인은 현장에서 즉각적으로 조치를 취하여 없앨 수 있도록 하고, 우연원인은 관리자들이 시스템적인 접근(system approach)으로 투자에 의하여 품질변동의 크기를 축소시켜 나가야 할 것입니다.

예를 들면, 시스템적인 접근으로 생산설비의 개조, 작업방식의 개선, 작업자의 체계적 훈련, 환경의 변화에서 오는 영향을 줄이는 방법등에 대하여 고려해 볼 수 있을 것입니다.

SPC를 좀 더 체계적으로 이해하기 위하여 SPC의 흐름과 품질변동과의 관계를 살펴보겠습니다. 위의 그림에서 보는 바와 같이 공정에 설계품질이 투입되면 공정 안에서 5M1E(6M) 등을 대상으로 하여 품질변동을 작게 하면서 설계품질과 동일한 제조품질을 생산하기 위한 SPC 활동이 이루어집니다. 

공정에서 제품이 생산되면 제품의 품질을 측정하고 평가한 후에 제조품질이 설계품질에 어느 정도 일치하는가에 대한 진단을 실시합니다. 진단을 실시하면서 품질변동원인을 통계적 수법 (관리도, 분산분석, 츨별 등)을 사용하여 우연원인과 이상원인으로 구분합니다.

원인이 상세히 구분되면 이상원인은 현장에서 조치를 취하고, 우연원인은 근본적인 시스템상의 조치를 강구하여야 합니다. 품질변동원인의 성격에 따라서 설계품질 자체를 어느정도 조정시키는 것이 바람직한 경우도 있습니다.

위의 그림에서 통계적 수법이 사용되지 않는 단계는 거의 없다고 볼 수 있습니다. 매 단계마다 필요한 데이터의 수집, 정리, 분석, 층별 등의 활동들을 체계적으로 실시해야만 SPC의 목적을 달성할 수 있을 것입니다.

SPC의 목표는 공정의 활동상태를 객관적 데이터에 의하여 파악하고, 좋은 제품(결과물)이 생산될 수 있도록 관리해 줌으로써, 불량제로에 도달하고 고객만족을 도모하며, 더 나아가서 새로운 고객을 창출해 내는 것입니다. 

이와 같은 목표는 끊임없는 공정의 개선추구 활동으로 가능하며, 다음과 같은 네 가지 활동 요소가 필요합니다.

1. 설계 품질에 명시되어 있는 품질규격을 만족시켜 주는가에 대한 감시(monitoring)와 불량품질 발생에 대한 예방(prevention) 활동

2. 공정에서의 품질산포의 크기를 파악하고, 품질산포의 원인을 규명하며, 품질변동을 감소시키는 활동

3. 공정에 관한 의사결정을 하기 쉽도록 객관적인 정보를 제공하는 활동

4. 교육, 훈련 및 소집단 활동에 의한 과학적 관리기법의 활용

SPC 목표에 도달하기 위한 과정의 위와 같습니다.