PROJECT MANAGER_품질기초(1)_데이터
데이터
데이터란, 사물 추론의 기초가 되는 사실, 또는 참고가 되는 자료, 정보
품질관리를 행함에 있어, 사실을 기초로 하는 객관적인 판단(팩트콘트롤)이 중요합니다.
과거의 경험이나 감에 의존하지 않고, 객관적인 사실을 나타내는 데이터를 취득/정리해서
그 정보를 근거로 판단을 행하기 위함입니다.
예로 생산의 4M(사람/기계/재료/방법)을 동일 조건으로 행하려 했어도, 그 프로세스에는
다양한 변화점(요인)이 있고, 반드시 제품특성은 흔들립니다. 그 데이터를 잘 정리함으로써
무언가의 규칙성을 발견할 수 있기 때문에, 데이터의 편차에 현혹되는 일이 없이 사실을 파악할
수 있습니다.
통계적품질관리(SQC)에는 필요 불가결한 "데이터"
- 통계적 품질관리란
품질관리를 행함에 있어 수집한 데이터의 경향이나 성질을 수량적으로 파악하기 위해서, 통계적
수법을 이용하여 데이터의 수집이나 해석을 행해, 기준이나 표준을 결정해 가는 활동을 통계적
품질관리라 말합니다.
모든 제품에서 데이터를 취하는 것은 비효율적이므로 샘플에서 모집단을 추측할 수 있는 수단이
통계해석이고, 이 통계 해석을 사용해 품질관리를 행하는 것을 통계적 품질관리라 말합니다.
통계학을 뒷받침하는 데이터의 수집방법 및 해석 방법을 활용해서, 감이나 요령, 과거의 경험에
의지하지 않고 사실을 객관적으로 판단해서 품질관리를 행하는 것이 중요합니다.
- 통계적 품질관리의 목적
통계적품질관리는 통계학 전문가가 아니고 현장에서 일하는 작업자라도 해석할 수 있도록
가능한 간단한 방법(QC기법 등)을 이용해서 문제를 분석하는 것을 목적으로 하고 있습니다.
예로, QC-7툴은 현상을 수치적/정량적으로 분석하기 위한 기법이며, 가시화하는 것으로,
누구라도 바로 문제점을 이해할 수 있고, 설명을 용이하게 할 수 있습니다. 이에 반해 신 QC-7 툴은
정성적인 분석을 하기 위한 기법으로 문제의 구조를 조기에 확실히 하는 것이 목적입니다.
그리고 SQC는 상기와 같은 간단한 방법만이 아니고, 기술적으로 고도의 문제에 대해서는
실험계획법이나 다변량해석 등도 응용되고 있습니다.
- 데이터의 종류
품질관리에서는 해석에 필요한 데이터를 뽑는 것으로 데이터의 편차 정도나 경향을 조사합니다.
일반적으로 데이터의 종류는 크게 나누어, 이하의 두가지가 있습니다.
1. "계량치 데이터" : 계량한 결과를 수치로 표시한 것. 연속적으로 변화하는 것으로 보통은
측정해서 얻을 수 있는 데이터를 말합니다. 예로, 길이, 무게, 두께, 온도, 강도, 성분, 시간 등.
또 단순계량치(치수, 표면조도, 길이, 체적, 질량, 시간, 에너지), 계량 분류치, 다계량치 등이
있습니다.
2. "계수치 데이터" : 불량품수 등 세는 것으로 얻어진 데이터, 단속적으로 변화하는 것으로,
보통은 세어서 얻은 데이터. 예로 불량개수, 불량개소, 불량율, 생산수, 인원 등.
해석을 위한 바른 데이터 취득방법
- 데이터를 취하는 목적을 명확히
취득한 데이터의 결과로 무언가의 판단을 행하고, 다른 데이터와 비교하는 것도 있습니다.
그러기에 데이터의 취득방법이 애매해서는 데이터를 비교하는 것도 적절한 판단을 내리는 것도
할 수 없게 됩니다.
데이터는 우리들의 판단이나 행동의 기준이 되기 때문에 목적이 명확한 데이터여야 합니다.
데이터를 취하기 쉽다고해서 쓸데없이 많이 취하거나, 자기편 한대로 뽑은 데이터는 안됩니다.
전혀 의미가 없고, 쓸수 없는 데이터가 되어 버립니다. 데이터를 취득하기 전에 이하의 사례와
같이 무엇을 위해 사용하는 데이터인가?를 명확히 해 두십시오.
- "구입재료나 부품의 관리를 위해"
타사보다 구입하는 원재료/부품/제품 등의 특성을 측정한 데이터를 도면이나 규격으로
정해진 특성치와 비교해서 양부를 판단하는 데에 활용하기 위해
- "생산공정의 관리를 위해"
생산4M(사람/기계/방법/원료) 등에 기인하는 다양한 요인이 중합해서 생산공정이 통상적으로
변동하고 있기 때문에, 제품 데이터를 통해 생산 프로세스의 각 공정의 상태를 알고, 공정관리를
하기 위해
- 데이터의 성격을 확실히 해 둘 것
예로, 1000개의 부품 중에서 5개의 데이터를 취한 경우, 부품 파렛트를 잘 섞은 다음, 상/중/하에서
랜덤으로 취한다. 1일에 4개의 데이터를 취하는 경우, 매일 정해진 시간, 시업에서 2시간마다
취한다고 생각하지만 데이터의 목적이나 내용이 명확히 알 수 있도록 데이터의 성격을 확실히
해 두는 것이 중요. 측정의 목적, 특성치의 종류, 측정일, 측정기, 측정자, 측정법 등을 제대로
적어 기록해 두는 것이 중요합니다.
따라서 다음과 같은 점에 주의해야 합니다.
1. 무엇을
2. 어디에서
3. 어떻게
4. 누가
5. 언제
6. 왜
5W1H를 활용해서 어떤 데이터인가?를 제삼자가 봐도 확실히 알 수 있도록 합시다. 성격을
모르는 데이터는 사용할 수 없습니다. 쓸데없는 데이터 수집이 되지 않도록 신뢰할 수 있는
데이터를 취합시다.
- 시계열이나 공정간에서의 데이터 취득
목적에 따라 다양한 데이터를 수집할 겁니다. 그중에서 잃어버리지 말아야 할 것은 시계열이나
공정간의 데이터취득입니다. 공정관리나 공정개선을 행하는 경우, 생산 프로세스에 있어서 공정간
변화에 따라 적절한 액션을 행해야 합니다. 그 때문에 시간의 경과에 따른 공정변화를 구분하는
것이 귀중한 정보가 되는 일이 많습니다.
#매니저 #Manager #관리 #개선 #분석 #데이터마이닝 #데이터분석 #kaizen #클러스터링 #데이터 #개선관리 #관리개선 #빅데이터 #Management #개선분석 #그룹핑 #관리기초 #보스 #꼰대 #프로젝트 #PM #프로젝트매니저 #가설검증 #Boss #품질 #Quality #다변량분석 #단변량분석 #프로파일링 #변수 #시스템 #프로세스 #일본 #일본어 #지식 #원가 #원가관리 #일정 #일정관리 #리스크 #리스크관리 #공수 #공수관리 #근거 #보스월드 #정량 #정성 #유의분석 #상관분석 #실험계획법 #표준편차 #목적 #목적관리 #계수 #계량 #재무 #생산 #생산관리 #구매 #구매관리 #품질기초 #통계 #통계기초 #4M #8D #5-Why #PDCA #ISO #샘플 #모집단 #표본 #3무 #CE #인증 #요령 #CE마크#QC-7tools