상세 측정 시스템 분석의 예
이 예에서는 세 명의 작업자가 6개의 웨이퍼에 대해 각각 두 번씩 단일 특성을 측정했습니다. 측정 시스템 성능을 확인하기 위해 측정 시스템 분석 플랫폼을 사용하여 상세 분석을 수행합니다.
초기 분석 수행
1. 도움말 > 샘플 데이터 폴더를 선택하고 Variability Data/Wafer.jmp를 엽니다.
2. 분석 > 품질 및 공정 > 측정 시스템 분석을 선택합니다.
3. Y를 Y, 반응 역할에 할당합니다.
4. Wafer를 부품, 표본 ID 역할에 할당합니다.
5. Operator를 X, 그룹화 역할에 할당합니다.
6. 표준편차를 산포 차트 유형으로 선택합니다.
MSA 방법이 EMP로 설정되어 있고 모형 유형은 "교차"로 설정되어야 합니다.
7. 확인을 클릭합니다.
그림 4.10 평균 차트와 범위 차트
"평균 차트"에서는 평균 부품 측정값 중 일부가 관리 한계를 벗어난다는 것을 보여 줍니다. 이 결과는 측정 가능한 부품 간 변동을 나타내므로 바람직합니다.
"S 관리도"에서는 관리 한계를 벗어나는 점이 없습니다. 이 결과는 작업자 측정값이 부품 내에서 일관성이 있음을 나타내므로 바람직합니다.
교호작용 검토
작업자와 부품 간의 교호작용을 자세히 살펴봅니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 병렬도를 선택합니다.
그림 4.11 병렬도
작업자별 병렬도를 살펴보면 선이 비교적 평행하고 약간의 교차만 있음을 확인할 수 있습니다.
작업자 일관성 검토
작업자 간의 분산을 자세히 살펴봅니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 검사-재검사 오차 비교를 선택합니다.
그림 4.12 검사-재검사 오차 비교
검사-재검사 오차 비교를 살펴보면 검사-재검사 오차가 전체 검사-재검사 오차와 유의하게 다른 작업자가 없음을 확인할 수 있습니다. 작업자가 일관되게 측정하는 것으로 보입니다.
확실히 하기 위해 작업자가 부품을 너무 높거나 낮게 측정하는지를 나타내는 치우침 비교 차트를 살펴보기로 했습니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 치우침 비교를 선택합니다.
그림 4.13 치우침 비교
치우침 비교 차트를 살펴보면 다음과 같은 내용을 관찰할 수 있습니다.
• Operator A와 Operator B의 측정값은 전체 평균과 유의한 차이가 있으므로 측정 치우침을 감지할 수 있습니다.
• Operator A는 유의하게 낮게 치우쳐 있습니다.
• Operator B는 유의하게 높게 치우쳐 있습니다.
• Operator C는 전체 평균과 유의한 차이를 보이지 않습니다.
측정 시스템 분류
EMP 결과 보고서를 검토하여 측정 시스템을 분류하고 개선 가능성이 있는지 살펴봅니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 EMP 결과를 선택합니다.
그림 4.14 EMP 결과
"분류"가 "두 번째 클래스"이며, 이는 검정 1만 사용하여 10개의 부분군 내에서 3* 표준 오차 변화를 감지할 가능성이 88%보다 높음을 의미합니다. 치우침 요인이 급내 상관에 미치는 영향은 13%입니다. 즉, 치우침 요인을 제거하면 급내 상관계수가 13% 향상됩니다.
공정 변경을 감지하는 관리도 기능 살펴보기
변화 감지 프로파일러를 사용하면 관리도에서 공정 변경을 감지할 수 있는 확률을 탐색할 수 있습니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 변화 감지 프로파일러를 선택합니다.
그림 4.15 변화 감지 프로파일러
기본적으로 3 시그마 한계를 초과하는 점에 대한 검정만 선택됩니다. 또한 기본 부분군 크기가 1이며, 이는 개별 측정값 차트를 사용 중임을 나타냅니다.
변화 후 10개 부분군에서 2 * 부품 표준편차 평균의 변화를 감지할 수 있는지 살펴봅니다. 부품 평균 변화 값 2.1701을 클릭하고 4.34(2.17 * 2)로 변경합니다. 부품 표준편차의 2배 변화를 감지할 확률은 56.9%입니다.
이제 치우침을 제거할 경우 2 * 부품 표준편차의 변화를 감지할 확률에 어떤 영향을 미치는지 확인합니다. 치우침 요인 표준편차 값을 1.1256에서 0으로 변경합니다. 변화를 감지할 확률이 67.8%로 증가합니다.
마지막으로, 검정을 더 추가할 경우 2 * 부품 표준편차 변화를 감지할 확률이 어떻게 달라지는지 확인합니다. 첫 번째 검정 외에 두 번째, 다섯 번째 및 여섯 번째 검정(Wheeler 규칙 4, 2, 3)을 선택합니다. 이 네 가지 검정(치우침 변동 없음)을 사용할 경우 변화를 감지할 확률은 99.9%입니다.
더 큰 부분군 크기를 기반으로 하는 관리도를 사용할 경우의 결과도 확인할 수 있습니다. 부분군 크기가 2 이상인 경우 관리도는 XBar 차트입니다. 치우침 요인 표준편차 값을 다시 1.1256으로 변경하고 첫 번째 검정을 제외한 모든 검정을 선택 취소합니다. 프로파일러에서 부분군 크기를 4로 설정합니다. 2 * 부품 표준편차 변화를 감지할 확률은 98.5%입니다.
측정 증분 검토
마지막으로, 측정 증분이 제대로 작동하는지 확인합니다. "Y에 대한 측정 시스템 분석" 옆의 빨간색 삼각형을 클릭하고 유효 해상도를 선택합니다.
그림 4.16 유효 해상도
현재 측정 증분(0.01)이 하한 증분(0.08) 미만이며, 이는 하나 더 적은 자릿수를 기록하기 위해 이후 측정을 수정해야 함을 나타냅니다.