안정적인 프로세스에서도 측정을 충분히 세밀하게 기록하면 변동이 나타날 수 있습니다. 변동은 관측값이 어떻게 다른지를 설명합니다. 적절한 모집단의 키와 같은 일부 측정값은 평균 주변에 모일 수 있지만, 대칭적인 종 모양의 분포인지는 가정하지 말고 확인해야 합니다.
International Six Sigma Institute™의 인사이트
식스시그마 변동에 관한 핵심 해설
표준편차는 관측값이 프로세스 평균 주위에 얼마나 퍼져 있는지를 측정값과 같은 단위로 나타냅니다. 표준편차를 줄이면 그 퍼짐이 줄어듭니다. 시그마 수준은 평균에서 규격 한계까지의 거리를 프로세스 표준편차와 비교합니다. 다섯, 여섯, 일곱 시그마는 이런 거리를 뜻하며, 연속된 출력 사이의 표준편차를 뜻하지 않습니다.
잘 알려진 식스시그마 목표인 백만 기회당 약 3.4개 결함은 프로세스 평균이 표준편차의 1.5배만큼 이동한다는 관례적 가정을 사용합니다. 모든 프로세스에 대한 무조건적인 예측은 아닙니다. 평균에서 각 규격 한계까지 거리가 표준편차의 여섯 배이고 그 가운데 정렬된 안정적이며 대략 정규분포인 프로세스에서는, 이동 전 Cp와 Cpk가 2입니다. 퍼짐이 같은 상태에서 평균이 한쪽 한계를 향해 표준편차의 1.5배 이동하면 Cpk는 1.5가 되고, 그 한계는 평균에서 표준편차의 4.5배 떨어져 있게 됩니다.
변동을 줄이려면 프로세스 성과를 측정하고 원인을 조사하며 개선을 실행하고 결과를 관찰하세요. 변동 감소는 결함 위험을 줄일 수 있지만 평균, 규격 한계 및 분포에도 영향을 받습니다. 적절히 확인한 모델이나 결함 기회를 명확히 정의한 관측 데이터로 결함률을 추정하세요. 퍼짐을 줄이는 것만으로 결함이 전혀 없다고 보장할 수는 없습니다.
추가 개선에는 지속적인 경영진의 관심, 설계된 실험, 공정능력 분석과 권한을 부여받은 팀이 필요할 수 있습니다. 정규분포, 즉 가우스 분포는 대칭적인 종 모양이지만 프로세스 데이터가 항상 정규분포를 따르는 것은 아닙니다. 정규분포 기반 공정능력 지수나 꼬리 확률 예측을 적용하기 전에 안정성과 분포 가정을 확인하세요. 비정규 데이터에는 적절한 대안 분석을 선택하세요. 출력을 규격 하한 및 상한과 비교하고, 조사하려는 질문에 맞춰 관리도, 산점도, 런 차트, 공정능력 연구 등의 도구를 선택하세요.
