반드시 알아야 할 6 시그마 기초 용어

6 Sigma 관련 인물
잭 웰치 경영혁신의 대명사 잭 웰치 . 그를 두고 당대
최고의 경영자라 불러도 손색이 없다 .
1980 년 12 월 , 45 세 나이로 제너럴 일렉트릭
(GE) 최고경영자에 임명되어 혁혁한 경영
성과를 남긴 인물이다 .
GE 경영혁신 핵을 차지하고 있는 구조조정 ,
워크아웃 , 그리고 6 시그마 운동 등을
강도 있게 추진하였다 .

“GE 는 오늘날 세계에서 가장 가치가 높은 회사이다 . 2000 년까지 우리는 훨씬

더 나은 회사가 되고 싶다 . 경쟁자들보다 단순히 품질이 더 좋은 것이 아니라 ,
1 만배나 더 나은 기업이 되고 싶다 .”
“2000 년까지 이 수준을 달성하기 위해서는 결함률을 매년 84% 씩 줄여야 한다 .”
“1998 년 1 월까지 그린벨트에 상당하는 교육을 이수하지 못한 사람은 그 누구라도
GE 의 경영간부 후보가 될 수 없다 .” 1996 - J.F.Welch -

마이클 Six Sigma 추진방법론 및 Black Belt 자격

J. 해리 운영에
대한 개념을 제시했고 , 6 시그마 철학을
기업의 경영혁신 활동으로 승화한 인물이며 ,
6 시그마에 대한 연구는 General Motors 사에서
시작하여 , Motorola 에 이르러 정형화 시켰으며
,
현재 Richard Schroeder 과 공동으로 Six Sigma
Academy 를 창립하여 , Dupont, Ford Motor, Sony
등과 같은 거대 기업을 교육 및 Consulting 을
“ 우리는 우리가 모르는 것을 알 수는 없다 .
실시한 바 있다 .
만약 아는 것을 수치로 나타낼 수 없다면 , 제대로 알고 있는 것이 아니다 .
제대로 알고 있지 않다면 , 그에 대해 관리할 수 없다 .
우리가 관리할 수 없다면 , 운에 의해 결과가 좌우된다 .”
- The Vision of Six Sigma(Mikel J. Harry) 중에서
 반드시 알아야 할 6 시그마 기초 용어

6 Sigma 경영혁신
정 의 고객의 관점에서 사고하여 결함 발생 가능성을 사전에 제거함으로써 , 프로세스
질의 획기적 향상과 함께 새로운 사업기회를 창출하고
고객이 만족하는 제품과 서비스를 제공하여 기업의 수익성을 극대화 시키는
전사적 경영혁신 활동이며 성장 전략이다 .
의 미
Business Strategy Statistical Measurement
경영 전략 통계적 측도
품질향상을 통한 고객만족 현재의 위치와 방향인식

6 Sigma - - + +

1/2
spec

Philosophy
철학
사고방식 / 일하는 방식의 전환

1. 경영 전략과 도구
- 전사 차원에서 경영목표를 달성하는 전략으로 활용
- 혁신 활동의 방향과 시너지 효과창출에 기여
- 개발 , 생산 , 판매 , 서비스의 전 Biz. System 에 걸쳐 적용할 수 있는 Tool 로서 활용

2. 통계적 측도
- 우리가 어디로 가야 하고 , 그것을 얻기 위해서 무엇을 해야 하는지를 명확하게 제시
- 시그마 측정은 제품 및 서비스를 만드는 과정상의 상태를 측정하는 척도이다 .

3. 철 학
- 열심히 하기 보다는 현명하게 하자는 것이며 우리가 하는 모든 일에서 실수를
줄여 Loss 를 개선하고자 함
 반드시 알아야 할 6 시그마 기초 용어

CTQ (Critical to Quality)

정의 • Critical To Quality 의 축약어
• 제품 서비스의 품질특성 중 고객이 가장 중요하게 생각하는 특성
[ CTQ 의 예 ]
유형 고 객 CTQ
제 품 수요자 적시납기 , 좋은 품질 , A/S, 가격 , 디자인등

서비스 수요자 예의 바름 , 정확성 , 쉬움 , 단순성 , 적기지원

생산작업 내부수요자 / 관리자 높은 생산성 , 좋은 품질 , 안전 , 정직성

관리작업 수요자 / 관리자 생산성 , 좋은 품질 , 안전 , 정직성 , 적기지원 , 효율관리

선정기준 1. 상위자의 관리방침과 일치 해야 합니다 .

상위자는 조직을 생각하고 , 조직의 가장 필요한 부분을 고려함으로 이와 동일한
방향일 때 시너지 효과가 창출 됨

2. 다수가 공감하는 사안이어야 한다 .

다수가 공감하지 않는 사안이라면 , 해결할 때 도움을 얻을 수 없으며 추진력의
약화를 가져옴
3. 계량화 / 계수화 될 수 있는 지표를 가져야 한다 .
CTQ 는 측정할 수 있는 지표이어야 하며 , 현재의 목표와 달성할 목표를 설정해야 함
4. 분명한 측정방법이 있고 주기적으로 모니터링 될 수 있어야 한다 .
CTQ 선정 이후 객관적으로 측정 할 수 있는지를 강구 하여야 함

5. 효과를 금액으로 측정 될 수 있어야 한다 .

CTQ 개선으로 반드시 재무효과를 타당성 있게 설명 할 수 있어야 함

선정방법 • 외부 / 내부 고객의 요구 분석에 의하여 CTQ 를 선정하는 방법에는

- QFD(Quality Function Deployment: 품질기능전개 ), Kano 분석 등이 있으며 ,

• 경영목표 달성을 위한 내부의 CTQ 를 선정하는 방법에는

- PI 등과 같은 목표전개 Tool 이 활용되어 진다 .
 반드시 알아야 할 6 시그마 기초 용어

COPQ
정 의 • Cost of Poor Quality 의 축약어로서 ,

• 저조한 품질수준으로 인하여 발생되는 비용을 말하며 , 하단의 눈에 띄지 않는

비용을 포함한 비용을 말한다 .

전통적인 품질 비용
문제해결
쉽게 파악되지만 , 이것은 (Problem-Solving)
빙산의 일각
( 눈에 띄는 것들 ) 개선기회의 증가
5-8% 검사
품질 보증 폐기
불합격품 재작업

공정 수정 지시 판매 기회 상실
15-20%
긴 공정 주기 ( 눈에 띄지 않는 ) 운송 지연
금전의 시간적 가치
더 많은 설비 기회 상실 초과 재고품
잔업 비용
운전 자본 할당 초과 원료 주문 / 계획
고객의 신뢰 상실

숨겨진 품질비용 ( Hidden Factory)

과거 제품과 서비스의 불량을 없애고 질을 높이기 위해서는 품질비용이 비례해서

사고전환
증가한다는 견해가 지배적이었으나 실제 품질수준이 우수한 기업은 오히려
품질비용이 낮아짐이 입증됨으로서 지속적인 품질 향상활동 전개의 필요성을 요구

(1) 전통적 견해 - 경제적 품질수준의 존재 (2) 현대적견해 - 무결점 (ZD) 이 가장 경제적

품
질 실패비용 실패비용
총비용 총비용
비
용 패러다임의 변화

예방 및 평가비용 예방 및 평가비용

품질수준 품질수준
 반드시 알아야 할 6 시그마 기초 용어

DMAIC
정 의 • DMAIC 는 6 시그마 프로젝트를 해결하는 절차로 , 기존의 PDCA 에서 진보된
프로세스 개선절차라고 볼 수 있다 .
• 과거의 경험 , 업무에 대한 지식 . 통계기법에 의한 근거를 통해 체계적인 문제해결
과정이다 .
• DMAIC 의 문제해결 방법론은 기존 Process 에서 발생하는 문제를 해결 혹은
Process 성능을 향상시키기 위하여 사용되어 진다 .

[ 문제해결 방법론 선택 기준 ]
DMADOV 신 제품 / 프로세스의 개발
Measure Analyze Design Optimize VERIFY

Yes Yes
NEW RE- No
DEFINE PROCESS MEASURE ANALYZE DESIGN IMPROVE CONTROL
No

DMAIC 제품 , 프로세스의 개선

단계별 단계 정의 Step 추 진 내 용 추 진 Tool

정 의
Step 1 - 프로젝트 선정 배경기술 QFD,
Define 정의 Step 2 - 프로젝트 정의 CTQ Drill Down,
Step 3 - 프로젝트 승인 SIPOC

Step 4 - Y’s 의 확인 MSA(Gage R&R)

Measure 측정 Step 5 - 현수준 확인 ( 파악 ) 공정능력분석 (Cp, Cpk)
Step 6 - 잠재원인변수 (X’s) 발굴 Process Map, C&E Matrix

Step 7 - 데이터 수집 각종 Graphic Tools

Analyze 분석 Step 8 - 데이터 분석 상관 분석 , 가설 검증
Step 9 - Vital Few X’s 선정 회귀 분석
Step 10 - 개선안 ( 전략 ) 수립 DOE( 실험계획법 )
Improve 개선 Step 11 - Vital Few X’s 선정 최적화 Robust Design
Step 12 - 결과검증 EVOP

Step 13 - 관리계획 수립 FMEA

Control 관리 Step 14 - 관리계획 실행 SPC
Step 15 - 문서화 / 공유 Error Proofing
 반드시 알아야 할 6 시그마 기초 용어

DMADOV
정 의 • DMADOV 는 DMAIC 와 마찬가지로 6 시그마 프로젝트를 해결하는 절차중의 하나이다
• DMAIC 는 기존 Process 에서 발생하는 문제해결 혹은 Process 성능을 향상시키기
위하여 사용되어 지나 DMADOV 는 아래의 경우에 활용되어 진다 .
- 신제품 혹은 새로운 서비스를 개발하고자 할 때 (New Product Or Service)
- 프로세스가 존재하지 않을 때 (Process Broken Or Does Not Exit)
- 프로세스 효율을 최대화 시키고자 할 때 (Process Has Reached Entitlement)
[ 문제해결 방법론 선택 기준 ]
DMADOV 신 제품 / 프로세스의 개발
Measure Analyze Design Optimize VERIFY

Yes Yes
NEW RE- No
DEFINE PROCESS MEASURE ANALYZE DESIGN IMPROVE CONTROL
No

DMAIC 제품 , 프로세스의 개선
단계별 추진단계 정의 Step 추진내용 추 진 Tool
정 의
Step 1 - 프로젝트 선정 배경기술 Market Research
Define 정의 Step 2 - 프로젝트 정의 SWAT Analysis
Step 3 - 프로젝트 승인 Product, C/S Portfolio
QFD, Kano Analysis
Step 4 - CTQ 도출 및 Y’s 확인
Measure 측정 CTQ Drill Down,
Step 5 - 현수준의 파악
MSA, 공정능력분석
Benchmarking,TRIZ
Step 6 - 시스템 설계 Pugh Concept,
Analyze 분석 Regression,
Step 7 - 설계인자 발굴
Design Scorecard
Step 8 - 설계인자 분석 Simulation
Design 설계 Step 9 - Vital Few X’s 분석 DOE, EVOP,
Step 10 - 상세설계 Reliability

Step 11 - 상세설계 최적화

Optimize 최적화 Robust Design
Step 12 - 상세설계 평가

Step 13 - 결과 검증
가설과 검증
Verify 검증 Step 14 - 관리계획수립
MSA, 공정능력분석
Step 15 - 문서화 이관
 반드시 알아야 할 6 시그마 기초 용어

6 Sigma Belt
정 의 • 6 Sigma 경영혁신 활동의 성공적 수행을 위한 자격제도 운영

Belt [ Champion 의 역할 ]
체계 및 6 Sigma 전략과 목표를 설정하고 ,
Champion
역할 6 Sigma 달성을 위한 추진과정을 조율한다 Master
Black Belt
» Project 의 정의 및 선정 , 자원할당
Black Belt
» 목표의 수립
» Cross functional 한 협조를 유도 Green Belt
» 추진상의 장애물을 제거
White Belt
» 필요한 자원이 적소에 있도록 한다
[ Master Black Belt 의 역 [ Belt 체계 ]
할 ]
훈련과정의 개발과 수행 , Black belt 에 대한
조언자이자 코치이며 추진 프로젝트가 엄격히 수행되도록 관리

[ Black Belt 의 역할 ]
개개인의 훈련과 6 Sigma 전략간의 시너지 효과를 실현할 수 있는
잠재력이 있는 사람
» Project 수행
» GB 양성 , Project 지도 , 방법론의 적용
» 변화의 불씨 , Full-Time Project Work

[ Green Belt 의 역할 ]
» Project 리더
» 방법론의 적용
» 변화의 불씨 , Part-Time Project Work( 업무와 개선활동 병행 )

[ White Belt 의 역할 ]
6 시그마 경영혁신 활동에 동참하고 Project 의 팀원으로 활동
 반드시 알아야 할 6 시그마 기초 용어

그 밖의 6 시그마 상식 용어
DFSS • Design For Six Sigma 의 약어
• 연구 개발 부문의 6 시그마 경영혁신 운동의 명칭으로 개발부문의 특성에 맞는
신제품개발 , 혹은 문제해결 방법론을 제시하고 있음

MFSS • Marketing For Six Sigma 의 약어

• 영업 부문의 6 시그마 경영혁신 운동의 명칭으로 영업부문의 특성에 맞는
영업 기회손실 비용의 최소화 , 혹은 문제해결 방법론을 제시하고 있음

KPIV • Key Process Input Variable 의 약어

• CTQ(Y) 에 영향을 미치는 Process 의 주요한 Input 요소를 의미
• CTP (Critical to Process) 란 용어로 표현되기도 함

KPOV • Key Process Output Variable 의 약어

• 단위 Process 의 주요한 Output 요소 , Process 의 결과특성을 의미
• 협의의 CTQ(Critical to Process) 와 동일함

Vital Few • 소수의 주요한 원인을 의미

X’s • 일반적으로 Analyze 단계를 수행 후 선정되며 , 데이터 수집을 통하여
통계적 혹은 과학적인 근거 자료에 의하여 유의하게 영향을 미치는 인자를
Vital Few X’s 라고 함
• Improve 단계의 개선 대상이 됨

Minitab 1972 년 미국 펜실베니아 주립대학 에서 처음 개발한 통계 소프트 웨어 로서 ,

현재 미국 Minitab Inc. 에서 판권을 가지고 전세계에 유통되고 있음 .
삼성테크윈을 포함하여 6 시그마를 도입한 대부분의 회사에서 사내 통계
Pacakage Tool 로서 사용하고 있음 .

분석지원분야 기능

기초통계 통계량 구하기 , 검 / 추정 , 상관분석 , 분산분석 , 카이제곱 검정등

그래프분석 히스토그램 , 파레토도 , 산점도 , Box-Plot 등

실험계획법 분산분석 , 획귀분석 , 요인실허 , 반응표면실험 , 다구찌법 등

공정능력분석 , 각종 관리도 , 특성요인도 , Gage R&R, 정규검정

품질도구
검출력 , 샘플크기 등
 반드시 알아야 할 6 시그마 기초 용어

기초통계용어
모집단 관심의 대상이 되는 전체 단위 (units) 의 모임을 말한다 .
Population 크게 유한 모집단과 무한 모집단으로 구분한다 .
우리가 일반적으로 모집단이라 함은 보통 무한 모집단을 가리킨다 .
• 유한모집단 : 일정 지역의 인구 수와 같이 모집단을 구성하는 통계 단위가 한정된 경우
• 무한모집단 : 주사위를 던지는 실험의 경우 처럼 단위의 수가 무한한 경우

표 본 모집단으로부터 추출한 단위의 부분이나 부분집합을 말하며 모집단을 추정하기

Sample 위하여 활용한다 .

모수 & • 모수 : 모집단의 특성을 나타내는 값 즉 특성의 “참 (true)” 값을 말한다 .

통계량 모수의 값은 고정되어 있지만 보통 미지이다 .

• 통계량 : 표본평균 , 표본분산 등과 같이 표본의 특성을 나타내는 수치를 말한다 .

표본을 뽑을 때 마다 표본의 특성치는 다르게 나타나는 것이 일반적이다 .

표본 (Sample) 의 통계량은 모집단의 모수 (Parameters) 를 추정할 때 사용된다

.
모집단 (Population) 샘플
(Sample)
어휴 도대체 저 사람들은 누구지 ?
너무 많아서 알 수가 없네 통계량

추
출

통계량으로
모집단의 모수 추정
( 아하 ! 유치원생들이군 !
)
모수 명칭 통계량

그리스문자 기호
명칭 라틴문자

μ 평균 명칭
(Average) x

σ 표준편차
명칭 s
 반드시 알아야 할 6 시그마 기초 용어

데이터 유형
계량형 • Variable Data, Quantitative Data, Continuous Data 라고도 한다 .
데이터 • 연속량으로서 측정되는 품질특성의 값으로 길이 , 질량 , 시간 등 일반적으로
측정되는 대부분의 값은 계량형 데이터에 속한다 .
• 계량형 데이터는 계수형 데이터 보다는 공정에 대한 정보를 많이 제공해 주는
장점이 있다 .

[ 계량형 데이터 예 ]
meter

01472

온도 : 45.5 ℃
길이 : 10.5mm 압력 : 45.5 PSI

계수형 • Attribute Data, Qualitative Data, Discrete Data 라고도 한다 .

데이터 • 불량품의 수 , 결점의 수 등과 같이 개수를 세어 얻어지는 품질특성의 값을 의미하며
아래와 같이 대표적으로 분류 할 수 있다 .
- 불량품 데이터 (Defective Data) : 합격 / 불합격과 같이 2 가지로 분류되는 Data
- 결함 데이터 (Defect Data) : 결함의 수를 셀 수 있는 Data
※ 결함 (Defect) : 품질특성에 부과된 요구사항을 만족하지 못한 고장 혹은
규격에 대하여 불일치하는 사항

• 주문서에 기입사항이 누락된 항목수 , 용접부위 기공 (voids) 의 수 ,

계약서에서 타이핑 에러의 수

[ 계수형 데이터 예 ]

~
~
~~
~
~
~
~
~~
~
~보고
서의
N
D
I ~
~
~~ 오
합격/
불합격
수 타
수
한부품
에
서결함수
(
불합격3개
) 결
함
수
(
DE
NT
3
개) (
4
개)
 반드시 알아야 할 6 시그마 기초 용어

중심값의 척도
평 균 • 모든 Data 들의 합을 Data 갯수로 나눈 값
기호설명
(Mean) n
x : 평균
xi xi : 개별 Data
x  i 1
n n : Data 갯수
 : i=1~n 까지 모두 더하라
n

i 1

• 모든 데이터의 영향을 반영한다 . ※ 모집단의 평균을 모평균이라 하며

• 이상 데이터에 대한 영향이 크다 . 기호로는 μ 를 사용한다 .
• 활용예 ) 당신의 볼링 수준은 ? 활용풀이
- 볼링의 수준을 표현 할때 Average 즉
평균
이란 말을 사용한다 .
- 왼쪽 그림의 볼링 Average( 평균 ) 는
1 게임 :150 3 게임 :120 개개
2 게임 :180 의 Data 를 모두 더하고 나누기
개수만큼
하면은 (150+180+120) / 3 = 150 이
중앙값 • 데이터를 크기 순으로 나열시 중앙에 위치한 값 된다 . . ( 기호 ~X)
(Median) • Data 가 짝수 일때는 중앙의 2 개 Data 의 -평균이
왼쪽 그림의중앙값이 볼링 수준은
된다 . 150 이다 .
• 계산에 있어 모든 데이터가 필수적으로 포함 되지는 않는다 .
• 이상 데이터에 대한 영향이 작다 .
• 아래 그림의 키에 대한 중앙값을 활용풀이
구하면 ?( 단위 :Cm) - 키를 순서대로 나열한다 .
165 165
150 150
140 140 중악값
130 130
120 120 140

최빈값 • 데이터의 집합에서 가장 빈도수가 많은 수

(Mode) • 아래 그림중 빈도수가 가장 많은 ( 최빈수 ) 과일은 ?

빈도수가 가장 많은 과일 =

• Data : 1 , 1 , 3 , 3 , 3 , 5 , 5 츼 최빈값은 ? 정답 : 3
 반드시 알아야 할 6 시그마 기초 용어

산포의 척도
범 위 • 산포의 가장 간단한 측정 수단으로서 , 최대값과 최소값의 차이를 말한다 .
Range
R = X 최대 - X 최소
• 5 명이 있는 집단의 키를 측정한 결과 아래 그림과 같다 .
165
이집단의 키는 모두 120 이상 165 이하에 모든
150
140 45 사람들이 존재함을 알수 있다 .
130
120
120~165 사이 = 45 를 범위라 하며 , 이 범위
안에는 5 명의 사람들이 모두 포함된다 .

편차 • 개개의 측정치 χi 와 평균 χ 간의 거리 ( 편차 ) 를 제곱하여 모두 합한 값 .

제곱합 n 기호설명
Sum of
Square
S   (x
i 1
i x ) 2 x : 평균
xi : 개별 Data
 : i=1~n 까지 모두 더하라
n

i 1

개개의 측정치 χi 와 평균 χ 간의 거리의 제곱합 ( 0 or (-) 가 되는 것을 방지 하기 위함 )

160 왼쪽 그림의 평균 ( x ) 은 ?
150 20 140 즉 , 길동의 키가 된다 .
140 10 평균
130 -10 -20 엄마는 길동보다 +20 이 더크며
120 아기는 길동보다 -20 이 적다 .
이를 편차라고 한다 .

엄 누 길 동 아 개개치 (xi) : 120, 130 , 140, 150, 160

마 나 동 생 기 편차 (xi - x) : -20, -10, 0, 10 , 20

위 그림의 편자제곱합 S = (-20)2 + (-10)2 + (0)2 + (10)2 + (20)2 = 1,000 이다 .

분산 • 편차제곱합을 데이터 개수로 나누어 데이터 한개당 평균 편차 제곱합을 의미

Variance 기호설명
Σ ( xi - x ) 2 x : 평균 ,
V= xi : 개별 Data
n-1 n :
n
Data 개수
 :
i 1
i=1~n 까지 모두 더하라

• 위 예에서 분산은 V = 1,000 / 4 = 125 이다 .

 반드시 알아야 할 6 시그마 기초 용어

시그마 (σ : 표준편차 )
정 의 • 통계적 표현으로 표준편차 (Standard Deviation) 라고 하며 기호로는
σ 혹은 소문자 s 로 나타냄
• σ (Sigma) 란 통계학의 용어로서 「표준편차」라고 하며 모집단의 중심값으로
부터 개별치가 흩어져 있는 정도 , 즉 , 산포의 크기를 나타낸다 .

산출식 • Xi : 측정한 데이터의 개개 데이터

 = Σ(Xi - X)2 • X : 측정한 데이터의 산술평균
n-1 • n : 측정한 데이터의 수

활 용 • 어떤 집단의 평균과 표준편차를 알고 있다면 그 집단의 분포 형태 / 위치 예측 가능

평균값 분포의 위치를 결정
 분포의 형태를 결정

-3σ
-3σ -2σ -1σ μ +1σ +2σ +3σ
68.26% σ 가 작을 경우 σ 가 클 경우
분포의 폭이 작다 분포의 폭이 크다
95.45%
99.73%

활용예 유리병을 생산하는 제조공정에서 12 개당 1 개의 시료를 채취하여 고객이 요구하는

병의 폭을 관리하고자 한다 . ( 고객 Spec 15 ± 0.5)
[ Spec 대비 분포형태 예측 ]

하한규격 Target 평균값 상한규격

15.2
Sampling 추정

예측된

불량율
15.4 15.3 14.9 15.3 15.2 15.1
14.5 14.6 14.7 14.8 14.9 15.0 15.1 15.2 15.3 15.4 15.5 15.6 15.7 15.8
6 개의 Sample 을 통하여 -3σ
-3σ -2σ -1σ μ +1σ +2σ +3σ
72 개병에 대한 분포형태 추정 샘플 개개치의 치수는 합격이지만 추정된 72 개의
분포형태는 불량을 포함하고 있다는 것을 예측
평균 할 수 있음
 반드시 알아야 할 6 시그마 기초 용어

정규분포 (Normal Distribution)

정 의 • 모든 확률분포 중에서 대표적이며 가장 많이 쓰이는 분포이고
• 일반적으로 측정 관리되어 지는 계량형 ( 연속형 ) 의 데이터는 정규분포를 따른다 .
• 제조현장에서 어떤 결과물의 평균과 표준편차를 알고 있다면 , 분포를 예측 할 수
있으며 분포 형태에 의거하여 그 결과물의 품질을 예측할 수 있다 .
• 확률변수 X 의 기대값이 μ 이고 표준편차가 σ 일때 확률밀도함수 (p.d.f) 는
1
e {(x-μ) /2σ } (-∞<x<∞,σ>0) 이되는
2 2
f(x)=
2π σ
확률변수 X 는 정규분포 N(μ, σ2) 에 따른다 .

특 징 [ 정규분포의 특징 ]
50% 50%
1. 분포형태가 평균을 중심으로 좌우 대칭형이며
종모양이다 .
2. 확률변수 x 의 범위는 -∞ < x < ∞
3. 확률밀도 함수를 적분시 면적은 1 이다 .

정규분포 • 평균 : 정규분포의 위치를 결정 •  : 정규분포의 형태를 결정

척 도 μ1 μ2  가 적을 경우
 가 클 경우

확률분포 평균값
만약 통계량이 평균값 μ 이고 표준편차가 σ 인
 모집단을 추정해보면 정규분포의 특성에 의거
아래의 확률 분포를 나타낸다 .

구 간 존재확률

-3σ
-3σ -2σ -1σ μ +1σ +2σ +3σ -1σ < μ < +1σ 68.26%
68.26%
-2σ < μ < +2σ 95.44%
95.45%
99.73% -3σ
-3σ < μ < +3σ 99.73%
 반드시 알아야 할 6 시그마 기초 용어

Z Value
정 의 • 어느 특성의 평균으로부터 규격까지 몇 개의 표준편차가 할당되는지를 표현하는
프로세스의 성능지표

LSL  평균값 USL LSL  평균값 USL

6 3

 

Z = 6 Process Z = 3 Process

산출식
Usl - X •X : 측정한 데이터의 산술평균
Z = • Usl : 측정항목의 규격
 • σ : 표준편차

활 용 • 다양한 프로세스 능력들에 대하여 동일한 척도로서 비교가 가능 함

• Z Value 에 따른 프로세스 성능에 대하여 판단 가능 함

Z Value - p(d)
Z PPM
2 308,537
3 66,807
4 6,210
5 233
High 6 3.4
Process
Performance
※ p(d) : 결함이 나타날 확률을 의미
 반드시 알아야 할 6 시그마 기초 용어

Z bench
정 의 • Z Value 는 한쪽 규격만이 있을시에는 유용하나 양쪽 규격이 있을시 양쪽으로
벗어날 확률을 고려하여 산출한 Z 값을 Z bench 라고 한다 .

1) 한쪽 규격만 있을 경우 2) 양쪽 규격이 있을 경우

 평균값 USL LSL Target USL

 평균값


 

Z value = Z bench = 2 Zlsl = 1.5 Zusl = 2.2

- 한쪽 규격만 있을 경우 Z value 와 - 양쪽 규격이 있을 경우 두개의
Z bench 의 값은 동일함 Z value 즉 Zlsl, Zusl 값이 나타남
- 하나의 지표로 표현하기 위한 방안
으로 Z bench 활용

산출방법 1-[P(d)lower+P(d)upper]
P(d)lower+P(d)upper

P(d)lower
P(d)upper

Zlsl 0 Zusl 0 Zbench

1-[P(d)lower+P(d)upper]

1) P(d) 를 한쪽으로 몰아라

-. “P(d)lower 을 P(d)upper 로” 또는 “ P(d)upper 를 P(d)lower 으로”

2) 결함확률이 P(d)lower+P(d)upper 인 경우의 Z 값을 Z bench 라 한다 .

- 현재 품질수준 및 시그마 수준은 Z bench 를 활용하여 산출

※ P(d) 를 활용하여 Z 값을 산출하기 위해서는 표준정규분포표 혹은 Minitab 활용

해야 함
 반드시 알아야 할 6 시그마 기초 용어

시그마 수준 (Sigma Level)

정 의 • Z value 와 마찬가지로 프로세스 성능에 대한 지표임

• 생산현장에서 발생하는 어쩔 수 없는 변동을 반영하여 표현한 프로세스의 수준

산출식 Sigma Level( 시그마 수준 ) = Z bench + 1.5

Process Centered Process Shifted 

Process
Capability

0.001 0.001 3.4 ppm

ppm ppm
TT TT

LSL
LSL 6  USL
USL
USL
LSL
LSL
LSL 4.5 USL
USL
USL

공정의 평균이 Target ( 목표치 ) 와 일치 할 경우 규격 양쪽으로 벗어날 예상

불량율은 2ppb 의 품질수준이나 공정의 평균은 우리가 알지 못하는 우연원인의
변동으로 Target 를 기준으로 조금씩 변동하게 된다 .
이러한 변동을 경험적으로 ±1.5σ 만큼의 변동을 고려하여 6 시그마 품질 수준을
정의한다 .
±1.5σ 의 변동을 고려시 최악의 경우 발생할 수 있는 예상 불량율 수준이
3.4ppm 의 품질수준을 나타내게 된다 .

활 용 • Z Value 와 동일한 개념으로 동일한 척도로서 프로세스성능에 대하여 비교가능

Z bench - σ Level - p(d)

0.5 2 308,537
1.5 3 66,807
High 2.5 4 6,210
Process 3.5 5 233
Performance 4.5 6 3.4
 반드시 알아야 할 6 시그마 기초 용어

계수형 데이터의 공정성능 ( DPU / DPO / DPMO )

정 의 종류 정 의 산출공식

• Defect Per Unit

• 총 Unit 수 대 총 Defect 수의 비율 총 결함 (Defect) 수
DPU • DPU 는 각 단위 당 기대되는 총 단위 (Unit) 수
평균 (average) 결함수 (defects) 이다 .
• Defect Per Opportunity
• 총 Opportunity 수 대 총 결함수의 비율 총 결함 (Defect) 수
DPO • DPO 는 각 기회당 기대되는 총 기회 (Opportunity) 수
평균 (average) 결함수 (defects) 이다 .
• Defects Per Million Opportunity
DPMO • 백만번의 기회당 결함수 DPO × 1,000,000
• 시그마 산출 기준으로 활용

※ Defect 는 결함을 의미하고 , Defective 는 결함품을 의미 한다 .

• 단위 프로세스의 DPU 를 알고 있다면 프로세스의 FTY(First Time Yield: 초기수율 )

활 용
를 예측 가능 ( 즉 Z value 산출이 가능 )

FTY = e-dpu p(d) = 1-FTY

• DPMO 를 알고 있다면 공정의 성능을 Z value 및 시그마 수준으로 표현가능

적용예 철판에 구멍을 내는 공정에서의 능력을 표현하고자 한다 .

Unit Defect Opportunity(Hole)

Unit 5 DPU (Total Defect)/(Total Unit) = 5/5 =1

Opportunity 25 DPO (Total Defect)/(Total Opportunity) = 5/25 =0.2
Defect 5 DPMO DPO X 1,000,000 = 200,000
• Z value = 0.84 • Sigma Level = Z value + 1.5 = 2.34
 반드시 알아야 할 6 시그마 기초 용어

수율 (Yield)

정 의 종류 정 의 산출공식
• First Time Yield ( 초기수율 ) 총 양품수량
FTY • 단위공정에서 하나의 불량품도 없이
총 투입수량
프로세스나 작업을 통과하는 비율
• Rolled Throughout Yield ( 누적수율 )
RTY • 여러 단계의 공정에서 수리 , 재작업 ,FTY1 × FTY2 × ..× FTYn
폐기하지 않고 최종양품이 될 확률
• Normalized Yield ( 공정평균수율 ) 1
Ynm • 프로세스의 성능을 표현하는 지표로 RTY Process

활용 ( σ 수준으로 표현할 때 활용 )
※ Process : RTY 산출을 위한 공정 수

활 용 • 단위 공정 3 개로 구성되어 있는 조립라인의 공정 능력을 파악하고자 한다 .

Input Input Input Output
100 98 90 85
Process1 검사 Process2 검사 Process3 검사

Hidden Factory 폐기 2 폐기 8 폐기 5

• 공정 성능 분석표
Process Input Output FTY RTY Ynm Z value σLevel

Process 1 100 98 98.0% 2.05 3.55

Process 2 98 90 91.8% 1.39 2.89

Process 3 90 85 94.4% 1.59 3.09

RTY 85.0% 1.04 2.54

Ynm 94.7% 1.62 3.12

• 개선의 지표로 활용 (0.98×0.92×0.94)

• 공정 평균수율 ( 85.0%)1/3

• 상기 프로세스의 시그마 수준으로 표현한 지표

 반드시 알아야 할 6 시그마 기초 용어

QFD (Quality Function Deployment)

정 의 • Quality Function Deployment 의 약자로 House of Quality( 품질의 집 ) 라고도 한다 .
• 우리는 QFD 를 통하여 고객의 요구사항을 상품기획 , 설계 , 제조 , 배달의 과정에 정확
하게 반영할 수 있다 .
• QFD 는 Method( 기법 ) 이며 또한 Tool( 도구 ) 이다 .
1st. Method( 기법 )
설계 프로세스에서 QFD 는 고객요구사항과 기대를 제품 / 프로세스 서비스 더
나아가 주요”제품” 프로세스 변수로 전환하는 기법

CTQs
(Hows)
Functional
Requirement Design Requirement
(Hows)
고객 요구

(Hows)
(Whats)

Critical to Process
QFD 1
(Whats)

Variable (Hows)
CTQs

Requirement

Design Requirement
QFD 2
Functional

(Whats)
QFD 3

(Whats)
QFD 4

2nd. Tool( 도구 )
측정단계에서 QFD 는 고객요구사항과 기대를 품질의 집을 통해 CTQ 로
전환하는데 사용
Measure Critical-to-Quality
Customer
Research Customer (CTQs)
• 고객정의 Needs Requirements
• 데이터 수집
계획 수립
• 데이터 수집 Target
Competition Research

구 성 No 구 성 고려사항
7
Correlation 1 고객요구분석 • 고객의 요구와 중요도를 분석
Target Goals 2 경쟁사분석 • 자사 & 경쟁사 수행능력에
3
Characteristics/
대하여 고객의 평가 결과 분석
• 고객의 요구를 만족하기 위한
Measure(How)
3 Characteristics/
I Measures 품질특성 (CTQ) 과 측정에
M
P 대하여 정의
O 경쟁사
1 4 R
T 비교
4 Relationships • 품질특성 ( 측정항목 ) 과 고객
고객 Relationships A 요구와의 관계를 분석
요구 (What vs. How) N C 2 5 Benchmarks • 경쟁사와의 능력을 비교
E 6 Targets and Limits • 고객요구만족 혹은 초과하기
How Importance
6 Targets And Limits 위하여 요구되어지는 성능의
Competitive 결정 ( 어떤 성능을 , 얼마만큼 )
5 Benchmarks 7 Correlation • 품질 특성간의 관계 분석
 반드시 알아야 할 6 시그마 기초 용어

Kano 분석
정 의 고객 ( 내부 / 외부 ) 의 요구사항은 매우 다양하고 , 문제점을 해결했을 때 모든 고객이
똑 같은 만족을 느끼는 것은 아니다 . 카노분석은 핵심적으로 고려해야 할 고객요구가
무엇인지를 결정하게 하는데 도움이 되는 기법이다 .

구 성
Satisfaction Excitement
Unexpected
Unspoken
Performance

Spoken
Service
Service
Dysfunctional Fully Functional
Basic
Unexpected
Unspoken

Dissatisfaction
-Basic(Must-be)
하나의 요구품질의 실현정도 ( 제품에의 반영정도 ) 를 한없이 높이더라도 고객의
제품에 대한 만족도를 높이는 데 기여하지 못하는 것 .
-Performance(Primary Satisfiers)
하나의 요구품질의 반영정도를 높임에 따라 고객의 제품에 대한 만족도가 같이
증가하게 되는 것 .
-Excitement(Delighters)
제품에 전혀 반영이 되지 않더라도 제품만족도의 저하에 전혀 영향을 주지
않으며 , 제품에 반영이 되었을 경우 고객에게 상당한 호응을 얻을 수 있는 것 .

목 적 1. 반드시 해결하고 넘어 가야 할 고객요구가 무엇인지를 파악 가능

2. 고객의 핵심요구사항을 파악하게 하고 상품 개발 전략의 방향을 결정

※ 고객의 요구사항은 바뀌며 , 기업은 바뀌는 Needs 에 대해 반드시

대처해야
한다 .
→ 고객이 인식하는 것 (Delighters/Performance) 과 우리가 제공하는 것
(Basic) 과의 Gap 을 인식하고 , Gap 을 줄이는 활동 등이 필요함 .
 반드시 알아야 할 6 시그마 기초 용어

산포의 형태

정 의 우연원인의 산포 이상원인의 산포
( Common Cause ) ( Assignnable Cause )
- 예측할 수 있는 산포 - 예측 할 수 없는 산포
- 어쩔 수 없는 산포 - 피할 수 있는 산포

예측가능 예측불가능

Time
Time
• 안정된 상태하에서 존재하는 • 프로세스의 불안정은 관리도를 통해
프로세스의 Output 의 산포 비교적 발견하기 쉬운 프로세스 조건의
• 이것은 알려지지 않은 프로세스의 변화에 의해 유발
변수와 변수간의 교호작용에 의해 • 프로세스의 능력을 결정하기 전에
유발된다 . 이상요인에 의한 프로세스의 산포는
• 관리도는 프로세스의 산포를 제거되어야 한다 .
우연요인에 의한 것과 이상요인에 • 품질특성 또는 공정단계의 변화에
의한 것으로 구분해 준다 . 기여한 것으로 만성적으로 존재하는
• 공정이 관리 상태임에도 불구하고 것이 아니고 산발적으로 발생하여
발생되는 불가피한 변동의 원인 . 품질변동을 일으키는 요인
예 ) 작업자 숙련도 차이 , • 이상원인에 의한 작은 변화의 규명은
작업환경차이 , 가능하지만 , 이를 고려 또는 관리하는
식별되지 않을 정도의 원자재 및 것은 비경제적일 수 있음

설비 특성차이등
• 우연원인과 이상원인을 구분하고 이 중 조치 가능한 이상원인을 제거하여 공정을
목 적 관리상태로 만든 후 지속적인 개선활동을 통하여 고객이 요구하는 목표값을
중심으로 최소한의 산포를 유지 하고자 함 .

1 단계 2 단계 3 단계
• 이상원인에 의한 • 이상원인을 제거 • 산포의 평균 이동 • 목표값을 중심
공정의 이상상태 • 산포균일화 유도 으로 한 최소한의
산포유지
 반드시 알아야 할 6 시그마 기초 용어

MSA (Measurement System Analysis)

정 의 • 현재의 문제점 ( 실제 품질의 변동 ) 혹은 수준을 정확하게 나타내기 위하여 관련되는
측정 시스템을 분석하고 측정되는 데이터의 신뢰도를 향상시켜 정확한 개선활동을
유도하고자 함
• 일반적으로 Measure 단계에서 수행되어지며 경우에 따라서 CTQ 뿐만 아니라 ,
Xs 들에 대해서도 수행되어 질 수 있다 .

개선대상 사람의변동

설비의변동
15.4 15.3 14.9 15.3 15.2 15.1
방법의변동
일정기간의 품질 총변동
Total Variance 실제 품질의 변동
Process or Product 자재의변동
Variance
환경의변동

측정기기의변동
측정변동 최소화

측정시스템의 변동 측정자의변동
Measurement System
Variance

• 측정시스템의 변동을 최소화하여 실제 품질의 변동을

정확한 품질수준 측정
정확하게 측정하기 위하여 실시

활 용 • Gage R&R (Repaetibility & Reproducibility)

측정시스템의 변동을 분석하는 대표적인 방법으로 반복성 (Repeatiability :
측정기기의 변동을 분석 ) 과 재현성 (Reproducibility : 측정자간의 변동을
분석 )
을 평가하는 방법이다 .

판단방법 Study Variance ( R&R %) 판단기준 Process Tolerance ( R&R %)

Total LSL USL

Variance • 10% 미만
( 우수 )
Gage
Variance Gage
• 10%~30%
Variance
( 보통 )
Gage variance • 30% 이상 Gage variance
R&R %= ( 개선요구 ) R&R %=
Total variance USL - LSL
 반드시 알아야 할 6 시그마 기초 용어

공정 능력지수 Cp/Cpk( Process Capability Index )

용 어 • 공정능력 (Process capability) 의 정의 : 공정이 최상을 이룰 때 ( 관리상태에 있을
때)
제품 각각의 변동이 어느 정도인가를 표시하는 양이다 . 이 때에는 보통
공정능력
잠재적공정 능력지수 Cp
대신 자연공차 (natural tolerance) 라는 용어를 사용하고
( Potential , 대개Index
Capability 6σ 를 사용한다
)
정 의 • 공정능력지수는 공정이 요구조건을 만족시키고 능력을 나타낸 단일 값으로
Cp 는 잠재적 공정능력 지수로써 동일한 일을 반복할 수 있는 공정의 잠재 능력
을 나타낸다 . 즉 공정이 관리되고 있을 때 그 공정에서 생산되는 제품의 품질변
동이 어느 정도 인가를 나타내는 양을 의미 한다 .
• Cp 는 공정 너비에 대한 공차 너비의 비이다 . 크면 클수록 좋다 .

Process Tolerance USL - LSL

산출식 Cp = =
Process Capability X ± 3σ

Process Tolerance
의 미 LSL Target USL Cp = Process Capability
σ 4σ
6σ = 0.67
Poor
6σ Capability
6σ = 1.00

8σ
= 1.33
6σ
Process Capability
10σ
= 1.67
6σ
Excellent
Capability
12σ
= 2.00
6σ
Process Tolerance
 반드시 알아야 할 6 시그마 기초 용어

실질적 공정능력지수 Cpk( Actual Capability Index )

정 의 • 품질특성치의 분포가 양쪽규격의 중앙에 위치하지 않고 한쪽으로 치우쳐 있는
경우에는 치우침의 정도를 고려한 공정능력을 나타낸다 .
• Cp 는 공정의 치우침을 고려하지 못함
LSL Target USL

Process Tolerance
Cp =
Process Capability

Group A Group B Group C

Cp 2 = Cp 2 = Cp 2
Cpk 2 Cpk 1 Cpk 0

산출식 Cpk = Min(Cpu, Cpl)

USL     LSL
Cpu = or Cpl =
3σ 3σ

Ex) LSL Target USL

8 
Cpl = = 1.67 Cpu = = 1.33
3 3



Process Capability = 6σ
Process Tolerance = 12σ
Cpk = Min(Cpu, Cpl) = Min(1.33, 1.67) = 1.33

Cp • Cp ≥ Cpk
Vs - Cpk 는 결코 Cp 보다 클 수 없다 . ( 최상 일 때 즉 치우침이 없다면 Cp =
Cpk )
Cpk - Cp 와 Cpk 가 차이가 크다면 그만큼 공정의 치우침이 많이 발생하고 있다는
것을
• 한쪽규격만
나타냄 . 존재 하는 공정에서는 Cpk 가 존재하지 않음
 반드시 알아야 할 6 시그마 기초 용어

Graphic Tools
정 의 • 데이터의 형태 및 관계를 쉽게 파악 할 수 있도록 해준다 .
• 데이터의 형태 ( 종류 ) 에 따라 아래의 그래프를 적용 분석 할 수 있다 .
연속형 Y 이산형
• Histogram
연 • Run Chart
속 • Matrix Plot • Run Chart
형 • Scatter Plot
• Dot Plot
X • Histogram
이
• Run Chart
산
• Box Plot • Run Chart
형
• Dot Plot
• Multi-Vari

종 류 그래프 분석목적 그래프 형태

280

두 변수의 연관된 270

260

정도를 평가한다 . 250

240
HeatFlux

Scatter Diagram
230
220
210

상관 회귀 분석시 200
190

가장 많이 사용된다 . 180

600 700 800 900

Insolation

Boxplots of Sonata - Sephia

(means are indicated by solid circles)

그룹별 데이터의 분포 14

형태를 파악한다 .
(Dot Plot 도 동일하게 사용 )
Box Plot
13

가설과 검정 분석시 12

가장 많이 사용된다 .
Prince

Sephia
Sonata

Elantra

데이터의 분포 형태를
파악 한다 . 8

( 평균의 위치 , 분포의 폭 , 6

Histogram
Frequency

규격과의 관계등 ) 4

공정능력 분석시 1

가장 많이 사용된다 . 560 610 660 710 760 810 860 910

Insolation
 반드시 알아야 할 6 시그마 기초 용어

검정과 가설 (Hypothesis Test)

정 의 • Y 에 영향을 미치는 인자 (Xs) 들이 통계적으로 의미 ( 차이 ) 가 있는지를 결정하는 방법
• Analyze / Improve / Control 단계에서 통계적 분석 중 가장 많이 활용되는 Tool 이며
특히 A 단계에서 Vital Few Xs 를 선정하기 위한 대표적인 기법이다 .

종 류 분석종류 분석목적

1-Sample t-test 한 집단의 모평균의 추정

2-Sample t-test 독립적인 2 개 집단의 모평균 차의 추정

Paired t-test 대응되는 2 개 집단의 모평균 차의 추정

ANOVA 두개이상의 집단에 대한 평균의 차의 검정

χ² test 한 집단의 모분산의 추정

2-Variance 두 집단의 모분산 차의 검정

1 Proportion 모 불량율의 추정
2 Proportions 두 불량율의 차의 추정

활용예 • 오늘 생산한 A 모델의 직경 치수들은 고객이 요구하는 목표값과 일치하다고

볼 수 있는가 ? ( 1-Sample t-test)

• 오늘 카메라의 불량율과 어제 불량율은 같다고 볼 수 있는가 ? ( 2-Proportions )

• 설비 10 호기와 설비 11 호기에서의 생산량은 같다고 볼 수 있는가 ? (2-Proportions )

• 작업자 A 와 작업자 B 가 생산한 제품의 품질차이가 있는가 ? (2-Sample t-test)

• 개선전후 불량율의 차이가 있다고 볼 수 있는가 ? (2-Proportions )

• A 지역의 영업실적과 B 지역의 영업실적은 차이가 있는가 ? (2-Sample t-test)

해 석 분석결과가 p-value 가 0.05 보다 작을 때 유의한 차이가 있다고 판단한다 .

 반드시 알아야 할 6 시그마 기초 용어

ANOVA (Analysis of Variance: 분산분석 )

정 의 • 2 개 이상의 집단에 대하여 평균의 차이에 대하여 판단하고자 할 때 적용하는
통계적 Tool 로 Gage R&R, 실험계획 분석 방법 등으로 광범위하게 활용된다 .

적용방법 [ 가설수립 ]
Ho. : μ1 = μ2 = μ3 =…= μn Ha : 적어도 한 개의 평균이 다르다 .
분석결과가 p-value 가 0.05 보다 작을 때 적어도 한 개의 평균이 다르다고 결론 내린다

적용사례 네 종류의 자동차에서 몇 대씩을 뽑아 휘발유 1 리터 당 주행거리 (km) 를 측정한 결과가

다음과 같다 .
차의 종류에 따라 1 리터 당 주행거리에 차이가 있다고 할 수 있는지 검정하라 .

Sonata Elantra Prince Sephia

11.7 13.2 12.3 14.1
11.4 13.6 11.9 13.4
12.1 12.9 12.4 13.8
11.6 14.0 11.8 13.5
13.3 11.6

총 18 개 데이터에 Sephia
의한 변동 Elantra

Sonata
Prince

Total Variance 분해 = 자동차 간의 평균의 변동 + 자동차내의 변동

( 두변동 중 어느 변동이 유의하게 영향을 주는지를 분석하는 기법 )

[ 가설수립 ]
Ho. : μSonata = μElantra = μPrince =μSephia Ha : 적어도 한 개의 평균이 다르다

Analysis of Variance 분석결과

Source DF SS MS F P 평균의 변동을
Factor 3 12.900 4.300 35.00 0.000 자동차내의 변동에
Error 14 1.720 0.123 대비하여 분석
Total 17 14.620
분석결과가 p-value 가 0.05 보다 작을 때 적어도 한 기종의 평균연비가
다르다고 결론 내릴 수 있다 .
 반드시 알아야 할 6 시그마 기초 용어

상관분석 (Correlation)
• 두 변수 사이에 관계가 있는지 없는지에 대한 분석
정 의 • 두 변수 사이 어떤 관계가 있는지 분석 ( 양의 상관 , 음의 상관 )
• 관계의 강도에 대한 분석 방법 ( 강한 상관 , 약한 상관 )
• 미니탭을 이용하여 분석한다 .

※ 상관계수 ( ) : 두 변수간의 상관정도를 수치로 나타낸 것 .

상관계수  , -1    1
상관계수  가 “ 0” 에 가까울수록 상관 ( 선형관계 ) 은 약해지며
,
+1 에 가까울수록 강한 양의 상관관계를 ,
-1 에 가까울수록 강한 음의 상관관계를 나타낸다
상관계수   > 0.8 : 두 변수간의 상관관계는 중요하다 .

약한 양의

..... . .. .
강한 양의 중간 정도의 양의

.
산점도
. .
상관관계

. .
상관관계 상관관계
활 용

. ........ . . . .
. ... . .
. .. . .. . . .. . .
 = 0.936  = 0.560  = 0.339

. . . . .......
. ... .. .. ... ..
. .
. .... . ....
 이 +1 에 근접  이 -1 에 근접
예 ) 사람의 키와 몸무게의 예 ) 안전벨트 착용율과
관계 사망자수의 관계
 반드시 알아야 할 6 시그마 기초 용어

회귀분석 (Regression)
정 의 • 몇몇 변수 (X 인자 ) 들이 특정변수 (Y 인자 ) 에 영향을 미치는 영향을 예측하고자
할 때 그 관계를 함수관계로 나타내어 분석하는 방법
Y = f(x1, x2, x3, x4, x5, x6, x7,……., xn )
• X 인자가 1 개일 경우에는 단순회귀 , 2 개이상일 경우에는 다중회귀라고 한다 .

적용예 퍼팅 거리와 성공율의 회귀분석

Regression Plot
성공% = 108.695 - 6.52857 퍼팅거리

S = 5.33136 R-Sq = 97.0 % R-Sq(adj) = 96.8 %

100

90

80

70
성공%

60

50

40

30

20

10

0 5 10 15

퍼팅거리
[Minitab 분석결과 ]

추정 회귀방정식 : 성공 % = 108.695 - 6.52857 퍼팅거리 ①

Predictor Coef SE Coef T P
Constant 108.695 2.897 37.52 0.000 ②
퍼팅거리 -6.5286 0.3186 -20.49 0.000
S = 5.33136 R-Sq = 97.0 % R-Sq(adj) = 96.8 % ③
Analysis of Variance( 분산분석 )
Source DF SS MS F P
Regression 1 11934.2 11934.2 419.873 0.000
Error 13 369.5 28.4
Total 14 12303.7 ④

활 용 ① Y=ax + b 의 회귀식을 통하여 예측이 가능

② X 인자가 영향을 주는지에 대해 통계적 검정 실시
③ 회귀식에 의하여 어느 정도 설명되어지는가를 분석
④ 분산분석을 통한 회귀변동의 유의성 검정
퍼팅거리에 따라 성공율이 회귀 추정방정식에 따라 변화한다 .
 반드시 알아야 할 6 시그마 기초 용어

실험계획 (Design of Experiment)

정 의 • AnaImprove 단계의 대표적인 Tool
• 효율적인 실험계획을 통하여 얻어지는 정보량을 최대화 하고자 함 .
• 실험에 영향을 미친다고 과학적으로 생각할 수 있는 무수한 원인들에 대해서
알아보기 위함

종류 • 시행착오법 ( Trial and Error )

• 한번에 한번 ( One Factor at a Time )

“ 한번에 하나씩” 하는 실험을 기본측정 (baseline
B
measurement) C
A
• 으로
좋은 다른 것을 단일유지하는 측정과전략
비교하여
( KeepA,B,C
the 에 대한 )효과를
Winner
추정
“Keep the winner” 시험 또한 한 개의 측정 점과 다른
점을 B
C
비교하여 A,B,C 에 대한 효과를 추정한다 .
• 요인배치법 (Factorial Designs ) A
요인 실험은 4 측정 점의 평균을 서로 비교하여
A,B,C 에 대한 효과를 추정한다 . 많은 정보가
B
약간 더 많은 시험을 통해서 제공되어진다 . C
A

Factorial Designs Keep the Winner 한번에 한번

실험 정보량 多 少
실험정도 高 低
실험경비 多 少
실험기간 長 短
• 그 밖의 실험계획

- Fractional Factorial Design( 부문배치 실험계획 ), Robust Design( 다꾸치 실험계획 ),

RSM( 반응표면분석 ), EVOP( 친화적 실험계획 ) 등이 있다 .
 반드시 알아야 할 6 시그마 기초 용어

관리도 (Control Chart)

정의 • 공정의 물리적 변동량을 시각적으로 표현한 그래프

여자기숙사
역할 • 공정변화의 감시역할 통금시간 :11 시
• 공정개선활동의 검정
( 공정의 안정상태 여부를 판정 ) 11 시를 넘긴 여학생
• 공정능력 산출의 기초 은 사감언니의 관리
대상이 된다 .

※11 시라는 관리선을 그어 모니터링 하는 것

관리도 • 정규분포의 원리를 관리도에 적용

정규분포의 ±3σ
±3σ 안에 들어올 활률이 99.73% 이다 , 이 99.73% 정도의 Data 를
원리
관리하기 위해 ±3σ
±3σ 를 관리영역 ( 관리한계선 ) 으로 설정함 .

중심선에서 +3σ +3σ 인 지점을 UCL

(Upper Control Limit) 이라고 한다 .
-3σ 3σ 90 도
UCL
-2 σ 2σ 회전

σ
3
-1σ 1σ
CL
평균 즉 중심선

-3σ
X CL(Center Line)
68.26% 이라고 한다 .
LCL
95.44%
중심선에서 -3σ -3σ 인 지점을 LCL
99.73%
(Lower Control Limit) 이라고 한다 .

관리도 데이터유형
분 류
결함품 데이터
연속형 데이터 결함 데이터
( 범주형 계수형 데이터 -
( 측정 / 계량형 데이터 ) ( 세는 계수형 데이터 - DPU)
합격 / 불합격 , Go-No)

댜량
소량 샘플 크기 샘플 크기
대량 소량
일정 변화 일정 변화
X-R X-Rs(I-MR)
Vari-Norm
c u np p
X-s Vari –Target Delta
 반드시 알아야 할 6 시그마 기초 용어

Error Proofing
정 의 • 사람이 행하는 업무나 작업수행시 Error ( 실수 ) 를 일으킬 수 있는 요소를
원천적으로 제거하는 방법을 말함 .
• 실수하는 것을 불가능하게 만든다 .
• Fool Proofing 이라고도 하며 , 일본에서는 Poka-Yoke 라는 용어로 사용됨 .

Error 의
• Error 가 발생하지 못하도록 예방
3 가지 • Error 가 발생한 후 그 Error 를 탐지
형태 • 결함이 만들어진 후 그 결함을 탐지

일상생활 사진을 찍기에 충분한 빛이 없을 때는

활용예 셔터가 작동하지 않거나 ,
자동으로 플래시가 터진다 .

3.5 inch 플라피 디스켓은 방향이 잘못

되면 , 드라이버에 들어가지 못하도록
만들어 졌다 .

현장 개선전 개선후
개선전 개선후
활용예

드라이버를 돌릴시 드라이버가 미 금형조립 및 Punching 시 Die 에 찍힘발생으로 제품

끄러져 작업효율이 떨어짐을개선 찍힘 발생 및 Die 수명감소를 Error-Proffing 사용

기타 • Colors 나 Color-coding 사용 .
활용예 - 신용카드 영수증 ( 고객용은 노란색 Copy, 업소용은 흰색 Copy)
- 데스크탑 PC 의 연결단자와 마우스와 키보드 잭의 색깔
• Shapes 사용 .- 다른 모양의 통에 다른 종류의 부품 보관

인간은 실수를 할 수 있는 동물이다 . 그러므로 우리는 실수를 하는 이상으로

ERROR-PROOF(POKA-YOKE) 를 연습하고 실행해야 한다 .