JMP Background

JMP®의 품질 엔지니어링과 신뢰도, Six Sigma

높은 품질을 얻기 위해서는 지속적인 학습 및 개선에 대한 열정과 헌신이 필요합니다. 체계적으로 데이터를 이용하여 더 효율적이고 효과적인 방식을 찾아 결과를 도출하고 관련 비용, 낭비 및 시간 소모를 최소화하면 공정, 제품, 서비스 및 조직의 성과 수준이 더욱 향상됩니다. JMP는 업계 최고 수준의 다양한 기능을 바탕으로 고객을 도와 브랜드 구축과 보호, 출시 기간 단축, 보증 비용 절감을 실현하고 고객의 기대를 뛰어넘는 서비스와 제품을 공급합니다.

품질 엔지니어링

품질 프로그램의 중심이 되는 소프트웨어는 바로 사용할 수 있어야 하고 다양한 통계/그래픽 기법을 갖추어야 합니다. JMP는 DOE(2세대), 공정 능력에 대한 대화식 제어 및 분석, 예측 분석 및 보고에 필요한 첨단 기능을 갖추고 있으며, 발생하는 문제를 찾아내 그 근본 원인을 특정하고 그것이 고객의 문제가 되기 전에 해결할 수 있도록 해 줍니다.

신뢰성

제조업에서 제품 신뢰성은 비즈니스 성공에 큰 영향을 미칩니다. 수명이 다할 때까지 제대로 기능하는 제품은 고객이 계속 찾고 또 추천합니다. JMP의 신뢰성 도구는 고장을 예방하고 보증 성능 개선을 약속합니다. JMP는 데이터 및 모형 예측에서 추세와 이상치를 확인하여 중요한 설계 취약점을 찾고 재료나 공정 상의 결함을 정확히 발견해 내며 그 문제를 줄일 수 있는 방법을 결정하도록 지원합니다.

Six Sigma

Visual Six Sigma는 진일보한 데이터 기반 공정/제품 개선 프로그램입니다. 기존 Six Sigma 도구 사용을 재정렬하고 보강하여 실제 상황에서 더욱 유용하고 효율적으로 동작하게 합니다. JMP를 이용하면 시각적으로 문제와 개선 기회를 찾아내고 해결책을 발견하며 결과를 전파할 수 있습니다.

품질 엔지니어링

통계적 공정 관리

JMP는 SPC(통계 공정 제어) 차트를 다양하게 갖춰 일반적인 원인과 특수한 원인을 유용하게 구분하여 문제 조사, 통제 불능 조건, 안정성 모니터링 등 공정 분석을 지원합니다.

관리도 플랫폼은 단계, 블로킹 변수 및 유연한 경고 규칙 추가와 같은 다양한 기능을 자랑합니다. 이 플랫폼은 연속형 및 이산형 차트 및 희귀 사건 차트를 지원합니다. 관리도 빌더를 통해 드래그 앤드 드롭으로 대화식 관리도 차트를 만들 수 있습니다. 따라서 여러 가지 차트 유형과 부분군 전략을 쉽게 탐색하여 변동의 원인을 찾고, 가장 알맞은 관리 전략을 결정할 수 있습니다. 또한 두 가지 이상의 우연 원인이 있을 경우 필요한 차트를 만들 수도 있습니다. 정적 관리도로는 할 수 없는 성능 평가가 관리도 빌더의 대화식 기능을 통해 가능합니다.

품질 엔지니어링

공정 능력 분석

EMP(Evaluating the measurement process ) 방법은 공정 동작 차트를 기반으로 한 새로운 측정시스템 분석(MSA) 기법입니다. MSA에 대한 연구는 측정 시스템의 정밀도, 일관성 및 치우침을 측정하는 것을 목표로 합니다. EMP는 측정 시스템을 시각적 및 정량적으로 평가하는 수단이 됩니다. EMP 를 통해 절대적인 성능 지수뿐만 아니라, 측정 시스템의 변경이 관리 전략의 대응력에 어떻게 영향을 미치는지도 확인할 수 있습니다. 또 측정 시스템의 효율성을 공정하고 유용하게 평가하므로 사용자는 시스템을 더욱 쉽게 분류하고 개선을 통해 관리 수준을 향상시킬 수 있는지 더 쉽게 파악할 수 있습니다.

JMP의 MSA 플랫폼은 또한 전통적인 게이지 R&R 연구(계량형/계수형 게이지 차트 플랫폼을 통해 액세스 가능)도 수행할 수 있습니다. 이들 연구에서는 기존 AIAG 표준을 이용하여 측정 시스템이 전체 변동에 얼마만큼의 변동을 미치는지 측정합니다. JMP는 주 효과, 교차, 내포 및 기타 모형을 지원하여 측정 시스템의 성능을 적절히 정량화하고 개선이 필요한 영역을 찾아냅니다. 따라서 여러분은 확신을 갖고 정확하게 공정을 분석할 수 있습니다. 계량형/계수형 게이지 차트 플랫폼도 형식적인 분석 없이 주요 변화 소스를 한 눈에 확인할 수 있는 다중 계량형 차트를 만들 수 있습니다.

품질 엔지니어링

공정 능력 연구

JMP에서는 공정 능력 분석을 여러 가지 방법으로 수행할 수 있습니다. 공정 능력 플랫폼에서는 하나의 그림에서 여러 변수의 공정 능력을 비교할 수 있습니다. 어떤 변수를 주의해야 하는지 바로 알 수 있으며 각 경우에 필요한 개선 전략(목표 재설정, 변동 감소 또는 둘 다)을 즉시 확인할 수 있습니다. 단측 및 양측 스펙 한계가 모두 지원됩니다. 이 한계는 JMP 테이블 자체에 열 속성으로 저장되므로 설명하는 데이터에 직접 연결됩니다.

새로운 공정 능력 플랫폼은 “군간(within)“ 및 "전체(overall)" 표준 편차에 대한 추정을 모두 지원합니다. 이들은 단기 및 장기 공정 능력 지수, 즉 Cpk와 Ppk의 계산에 사용됩니다. 비정규 분포(Johnson 등), 비모수적 프로시저 등을 포함하여 각 공정 변수에 대한 특정 분포를 설정할 수 있습니다. 또한 최적 적합(Best Fit) 기능을 이용하여 데이터에 가장 적합한 분포 유형을 결정할 수도 있으며 부분군 내포 옵션도 사용할 수 있습니다.

품질 엔지니어링

공정 변수 선별(Process Screening)

품질 엔지니어는 공정 변수 선별 플랫폼을 이용하여 수천 가지 관리도를 신속하게 분석할 수 있으므로 공정 안정성 및 공정 능력 성능 문제를 해결하는 데 필요하고 즉시 주목해야 할 핵심 요소를 찾아낼 수 있습니다. 사용자는 경보 비율, 안정성 비율, 변화 감지, 드리프트(Drift) 및 공정 능력 지수 등 주요 메트릭(Metrics)을 쉽게 정렬할 수 있습니다. 또한 관심있는 선택 변수, 공정 능력 분석 및 공정 성능 대시보드 그래프를 기반으로 빠른 보기와 전체 관리도를 생성할 수 있습니다.

신뢰성

수명 분포

성분 및 제품의 수명을 정확하게 예측하기 위해 어떤 분포를 사용할지 결정할 필요가 있습니까 ? JMP가 자동으로 다양한 신뢰성 분포를 평가하여 가장 적합한 값을 찾아드립니다. 원한다면 수동으로 모수 및 비모수 분포를 선택하여 비교할 수도 있습니다. JMP는 간단한 수명 분포 플랫폼 하나로 이 모든 방법을 지원합니다. 가장 유용한 모형을 결정하고 나면 JMP의 동적 프로파일러(Profiler)가 수명 예측을 대화식으로 결정하고 향후 성능을 예측합니다. 또 그룹 비교 탭을 이용하여 하나의 그림에서 그룹별 수명 분포를 볼 수도 있습니다.

시스템에 고장이 여럿 발생할 경우, 수명 분포의 원인 경합 옵션을 이용하여 각 원인을 찾아낼 수 있습니다. 고장 유형별로 적합 분포를 할당하고 대화식으로 원인을 생략하여 신뢰도 성능의 향상 가능성을 확인할 수 있습니다.

그 외에 베이지안 추정치, 혼합 적합, 경쟁 위험 혼합 모형 적합, 민감도 분석 및 평균 잔존 수명 계산기와 같은 기능도 있습니다.

신뢰성

복구 가능한 시스템

JMP는 몇 가지 플랫폼으로 수리 가능 시스템을 분석할 수 있습니다.

신뢰성 성장 플랫폼으로 개선 사항이 설계에 통합되면서 나타나는 단일 수리 시스템의 신뢰성을 모형화할 수 있습니다. 이 플랫폼은 Crow-AMSAA 모델에 적합하며, 언제 신뢰성 모델이 변경되었는지 변화 지점 감지 기능이 자동으로 판단합니다.

재발 분석 플랫폼은 수리 가능 시스템을 분석하지만 일반적으로는 재발하는 사건을 연구합니다. 분석 시 단위당 비용이 통합됩니다. 이 플랫폼은 시간의 경과에 따른 총 고장 횟수 또는 총 수리 비용을 모형화합니다. 사용자는 다양한 모수 모형을 적용하고 시뮬레이션할 수 있으며 결과 평균 누적 함수(MCF)를 얻을 수 있습니다.

신뢰도 예측 플랫폼으로는 선택한 신뢰도 모형을 이용하여 수리 및 비용 계획을 위해 향후 제품 고장을 예측할 수 있습니다. 생산 계획 및 보증 기간을 대화식으로 조정할 수 있으며 불확실성과 함께 예측을 동적으로 업데이트할 수 있습니다.

신뢰성

수리 가능 시스템 시뮬레이션(JMP Pro)

JMP는 새로운 수리 가능 시스템 시뮬레이션(RSS) 플랫폼을 탑재해 복잡한 수리 가능 시스템을 대상으로 기존 유지보수를 지원하는 이산형 사건 시뮬레이션을 수행합니다. 이 플랫폼은 단일한 작업 공간에 RBD(신뢰도 블록 다이어그램)와 함께 유지보수 배치를 다이어그램으로 표시하는 획기적인 방식을 갖추고 있습니다. 사용자는 시스템 또는 성분 수준에서 가동 중지 시간과 가용성, 예기치 못한 정전을 분석할 수 있습니다.

신뢰성

신뢰도 회귀 분석

수명 분포 적합 플랫폼으로는 사건과 관심 요인 간의 관계를 모형화할 수 있습니다. 사용자는 위치, 위치 및 크기, 아레니우스(Arrhenius), 전압, 선형, 로그 및 로짓(Logit)을 비롯한 다양한 변환을 지정할 수 있습니다. 일반적으로 가속 수명 시험 설계가 이러한 방식으로 분석되지만, 가속 요인이 두 개 이상인 경우 모수 생존 모형 적합 플랫폼은 더욱 복잡한 모델과 더욱 심도 있는 분석까지도 지원합니다.

수명 분포 적합 플랫폼에서 베이지안 분석이 가능하므로 특히 현재 데이터가 제한적일 때 현재 프로젝트와 관련된 이전 연구의 사전 지식을 연구에 적용할 수 있습니다.

내포 모형 검정도 있어 그룹 비교를 수행할 수 있습니다. 내포 모형 검정에는 별도 위치 및 척도, 별도 위치, 회귀 및 효과 없음 모형에 대한 통계 및 진단 그림이 포함됩니다.

JMP 실험계획법 메뉴에는 가속 수명 시험 설계 도구가 있어 향후 연구를 계획할 수 있습니다. 또 표본 크기 및 검정력 메뉴에는 신뢰성 검정 계획과 신뢰성 데모 계획도 있습니다. 새 누적 손상 플랫폼은 JMP의 기능을 확장하여 가속 수명 검정을 지원합니다. 사용자는 계단 스트레스, 램프 스트레스, 사인파 스트레스 및 조각별 램프 스트레스 연구를 수행할 수 있습니다.

신뢰성

열화(Degradation)

JMP의 열화 플랫폼에서는 시간 경과에 따른 제품 품질 저하 데이터를 분석하여 제품 품질 및 보증 위험을 예측할 수 있습니다. JMP 열화 플랫폼을 이용하면 제품이나 성분이 비효율적(소프트 고장) 또는 완전 실패(하드 고장)가 되기 전에 수집된 데이터를 이용하여 성능 예측이 가능합니다.

파괴 열화

제품 특성을 측정하기 위해서는 때로 제품을 파괴해야 합니다. 예를 들어 파손 강도를 측정할 때에는 파손될 때까지 제품에 압력을 가합니다. 새 파괴 열화 플랫폼은 신뢰도 연구용으로 이 같은 분석을 처리하고 많은 표준 모형, 변화 및 데이터 분포를 시각적으로 표현할 수 있는 내장식 모형 라이브러리를 갖추고 있습니다. 주요 기능은 모형 비교, CDF 및 분위수 프로파일러입니다. 아이오와 주립대(Iowa State University) 소속 신뢰성 전문가 윌리엄 큐 미커(William Q. Meeker)는 새로운 JMP 플랫폼을 사용하면 "아주 간단하게 파괴 열화 데이터 분석이 가능할 것"이라고 말했습니다.

신뢰성

신뢰도 블록 다이어그램(JMP Pro)

RBD(신뢰성 블록 다이어그램)는 시스템이 올바르게 작동하는 데 필요한 성분 간의 관계를 그래픽으로 표시합니다. RBD(의존도 다이어그램이라고도 함)는 성분의 신뢰도가 어떻게 정교한 시스템의 성패를 좌우하는지 보여줍니다. 신뢰성 분포가 성분에 할당되면 RBD 플랫폼은 전체 시스템의 신뢰성을 계산하여 성분의 현재 성능을 기반으로 예측 가능한 성능을 결정할 수 있습니다.

RBD를 시스템 설계에 사용하고 시스템의 취약한 연결을 보강할 수 있습니다. 사용자는 흐름 다이어그램을 만들어 설계를 라이브러리에 저장한 후 라이브러리 항목과 설계를 복사해 시스템 설계 템플릿을 만들 수 있습니다. 또 서로 다른 설계를 살펴보고 여러 구성에서 도표를 비교하면서 가정(what-if) 분석을 실시할 수 있습니다. 이 밖에 이중화(redundancy)를 추가할 최적의 장소를 찾아 시스템 장애 가능성을 낮출 수도 있습니다.

Six Sigma

변동의 원인

Six Sigma란 요구 사항과 관련된 변동에 대한 관리로 정의할 수 있습니다. JMP의 다양한 그래픽 표시 기능은 단독 또는 조합하여 데이터 구조의 동적 평가에 이용할 수 있으며, 통계적으로 중요한 것뿐만 아니라 실제로 중요한 변동의 원인을 볼 수 있습니다. 이 동적 시각화를 이용하면 정적 그래프로 가능한 것 이상을 수행할 수 있습니다. 어떤 상황에서나 유용하지만 특히 행과 열의 수가 증가하여 데이터가 더욱 복잡해질 때 꼭 필요합니다.

Six Sigma

주요 동인 규명

고차원 데이터에서도 데이터에 대한 이해와 동적 시각화를 적절하게 이용하면, 결과치 Y 에 영향을 주는 개별적인 X 인자 또는 X 인자들의 조합을 밝혀 낼 수 있습니다. 그러나 이러한 접근법이 정보 제공에 유용하지 않거나 처리할 변수가 너무 많을 경우, JMP는 강력한 통계 기능으로 차원(변수) 효과적으로 줄이고 정보를 보존할 수 있습니다. Partition, 군집 및 판별과 같은 플랫폼을 관계를 파악할 때 사용하면, 더욱 명확한 통계 모형화에 사용할 수 있는 핵심 인자(Hot X)를 성공적으로 분리할 수도 있습니다.

Six Sigma

컨센서스 수립

데이터 수집 및 작업에는 항상 시간과 비용이 필요합니다. 결과가 실제로 후속 결정과 행동을 유도하지 못한다면 업무는 비즈니스 가치의 창출이 아니라 소비에 머물고 말 것입니다. 이 과정의 핵심은 결과를 이해관계자 집단에 전달하는 것입니다. 그리고 현실 세계에서 대부분의 상황은 절충과 타협이기 때문에 단순한 의사소통이 아니라 컨센서스를 구축해야 합니다. JMP의 프로파일러와 시뮬레이터가 이 용도에 제격입니다. 팀을 도와 결과를 빠르고 의미 있게 평가하고 맥락 지식을 이용해 가정 시나리오를 탐색하여 데이터의 내용을 보완할 수 있습니다. 이때 모형화의 기술적 측면은 저하되지 않습니다.

Back to Top