[LG Aimers] 품질과 신뢰성 - 3. 스마트 품질 경영

LG Aimers 학습 내용 정리

출처 : https://www.lgaimers.ai/ 

 

전사적 품질 관리  ( Total Quality Management )

: 우수한 제품 및 서비스 등을 고객에 제공하기 위해 품질에 중점을 두고 기업 전 부문의 참여를 통해 회사의 장기적인 성공에 목표를 두는 조직 전체의 체계적인 노력

 

 - 소비자들의 요구사항은 증가하는데 많은 기업들이 아직 전통적인 방식의 품질관리 및 경영기법에 머물러 있다. 더불어 제품 복잡도 및 다양성 증가, 제품주기 단축, 세계화 및 규제 변화가 효과적인 품질경영 수행을 어렵게 만든다.

 

품질 4.0 ( Quality 4.0 )

: ICT 융합을 통해 이전의 방식에서 벗어나 빅데이터를 활용하며 진화된 품질경영시스템으로 기존 TQM 및 6시그마 등 기존 품질관리기법과 IoT, 빅데이터 분석기술 등이 결합된 신개념 품질관리 및 경영개념

: 품질 경영 시스템 혁신을 위한 디지털 변화를 어떻게 달성할 수 있을까에 대한 고민 및 대응 방안

 

스마트 공장

: 환경을 고려하고 안전성을 확보하면서 빠르고 역동적인 시장 변화에 대하여 능동적으로 대앙할 수 있는 지능형 디지털 시스템

 

품질관리 개선 영역

1. 예방적 품질 관리

- 제품 개발부터 시장 출시에 이르는 전 과정 상에서 제품의 품질을 보장하기 위해 설계된 프로세스로, 기조의 전통적인 제조단계에서의 품질관리를 확장하는 개념

- 최고의 품질을 이루기 위해서는 가치사슬의 첫 단계인 개념정의 및 제품설계부터 품질관리가 시작되어야 한다.

 

2. 반응적 품질관리

- 제품 판매 이후의 품질관리, 즉 수리 및 애프터서비스, 고장 처리 및 지속적인 개선 프로세스 등을 의미한다.

 

3. 품질관리 분화

- 최고의 품질을 달성하기 위해서는 기업 내 여러 부서간의 협업과 대화를 통한 합의를 이루어내는 것이 중요하다.

 

빅데이터 4V

크기 (Volume), 다양성(Variety), 속도(Velocity), 정확성(Veracity)

 

# Quality 4.0

Analytics

- Descriptive Analytics : 데이터로부터 과거에 무엇이 발생했는지를 분석하기 위한 기법

- Diagnostics Analytics : 과거에 축적된 데이터를 바탕으로 인과관계를 찾아내어 특정 품질관련 이벤트가 왜 발생했는지를 밝히기 위한 분석 기법

- Predictive Analytics : 통계학적 모델들을 활용하여 미래에 어떠한 사건이 어느 정도의 확률로 발생할 지를 예측하는 분석기법

- Prescriptive Analytics : 예측되는 이벤트를 위해 무엇을 하면 좋을 지, 즉 어떠한 의사결정을 내려야하는지를 알려주는 분석기법

 

연결성

- IoT를 기반으로 실시간으로 연결성 보장 가능 ( 작업자, 제품, 설비 등 )

 

협업

- 소셜 미디어의 성장은 기업 내, 기업 간, 고객과의 협업 환경을 급속도로 변경하였다.

- 소셜 미디어를 통한 고객과의 소통, 블록체인 기술 등이 새로운 기술 혁명을 주도할 것으로 예상된다.

 

스마트 품질 경영

- 빅데이터를 활용할 때 다양성이 매우 중요하고 상당한 비용이 들기 때문에 개별 기업이 빅데이터를 수집하기는 쉽지 않지만 복수의 기업을 대상으로 한다면 분석의 실패를 줄일 수 있다. 

- 혁신 방안 : 실시간 커뮤니티 피드백 제공, 원격 진단 및 유지 보수 ( 예측 진단 솔루션, 원격 유지 보수 솔루션 ), 고도화된 공급망 품질관리

 

공정 모니터링 

- 공정 변수와 품질 계측치의 상관관계를 파악할 수 있는 지표 도출

 

* 군집분석 : 각 객체의 유사성을 측정하여 유사성이 높은 집단으로 분류하는 분석기법

예를 들어 비슷한 패턴을 가지고 있는 변수 중에서 가장 분산이 큰 변수를 선택해 대표 공정 변수로 사용하면 공정의 이상을 효율적으로 판단할 수 있다!!

 

* 회귀분석 : 공정변수와 품질 계측변수를 통하여 회귀모형을 가정하고 가정된 회귀모형을 통하여 품질 계측치의 예측 또는 통계적 추론을 하는 분석기법 ( R-squared 나 RMSEP(Root Mean Squared Error of Prediction) 평균예측오차를 지표로 사용 )

-> 변수 선택법 : 품질 계측치에 영향을 주는 주요 공정변수 도출 

-> 공정변수의 해석이 용이하지만 다중공선성이 발생할 수 있다. ( 다중공선성 : 공정변수간 상관관계를 가짐 )

-> 다중공선성 해결을 위해 공정변수의 정보를 주성분이라고 불리는 변수로 변환하는 주성분분석을 사용!

-> 이후 상위 몇 개의 잠재변수로 전체의 80% 이상 설명할 수 있도록 만드는 부분최소제곱분석 방법을 사용한다.

 

* 기여도 분석 : 변수 선택법을 통하여 주요 공정변수를 도출 ( 주요 공정변수 중 공정이상 발생에 기여한 공정변수를 탐지 )