기본 콘텐츠로 건너뛰기

같은 Gage인데 왜 공정이 좋아지면 Gage R&R은 나빠질까?

공정을 개선한 뒤 Gage R&R을 다시 실시했는데 이전보다 결과가 나빠지는 경우가 있습니다. 측정기와 작업자도 같고 측정방법도 바뀌지 않았는데 Total Gage R&R이 10% 수준에서 40% 이상으로 증가했다면, 측정시스템이 갑자기 고장 난 것일까요?

반드시 그렇지는 않습니다. Gage의 절대적인 측정변동은 그대로인데 공정이 안정되어 Part-to-Part Variation이 더 작아지면, 전체 변동에서 측정 Noise가 차지하는 상대적 비율은 커집니다.

이 현상은 공정개선이 실패했다는 뜻도 아니고, Gage가 물리적으로 악화되었다는 뜻도 아닙니다. 대신 중요한 경고를 줍니다.

기존 Gage가 넓은 공정산포를 관리할 때는 충분했지만, 개선된 좁은 공정산포를 구분하기에는 부족할 수 있습니다.

Gage가 나빠진 것이 아니라 분모가 작아졌습니다

Gage R&R의 %Study Variation은 측정시스템 변동을 연구에서 관측한 Total Variation과 비교합니다.

Total Variation² = Gage R&R² + Part Variation²

%Study Var of GRR = GRR ÷ Total Variation × 100

공정개선 전후에 Gage R&R의 표준편차가 같더라도 Part Variation이 줄어들면 Total Variation도 작아집니다. 분자는 같고 분모가 작아지므로 %Study Variation은 커집니다.

예를 들어 큰 소음이 있는 공장에서는 작은 측정 Noise가 잘 드러나지 않지만, 공장소음이 줄어들면 같은 크기의 Noise가 상대적으로 더 크게 들리는 것과 비슷합니다.

Minitab의 Gage R&R 통계 설명도 `%Study Variation`을 각 변동원의 Study Variation을 Total Study Variation으로 나누어 계산한다고 설명합니다.

공정이 좋아지면 Gage R&R은 나빠진다? 인포그래픽스
공정이 좋아지면 Gage R&R은 나빠진다?

그림 1. Gage와 규격은 동일하지만 PV가 0.100 mm에서 0.020 mm로 줄면 %Study Variation과 ndc가 크게 달라집니다.

같은 Gage로 계산한 두 공정의 결과

다음은 개념을 설명하기 위한 단순 예시입니다.

  • Specification Tolerance: 1.00 mm
  • Gage R&R 표준편차: 0.010 mm
  • GRR Study Variation: 6 × 0.010 = 0.060 mm

Gage와 규격폭이 같으므로 두 공정에서 %Tolerance는 동일합니다.

%Tolerance = 0.060 ÷ 1.00 × 100 = 6%

하지만 Part Variation이 달라지면 다른 결과가 나타납니다.

구분 개선 전 공정 개선 후 공정
Gage R&R 표준편차 0.010 mm 0.010 mm
Part Variation 표준편차 0.100 mm 0.020 mm
Total Variation 표준편차 약 0.1005 mm 약 0.0224 mm
GRR %Study Variation 약 10.0% 약 44.7%
%Tolerance 6% 6%
ndc 약 14 약 2

이 결과는 서로 모순되지 않습니다.

  • %Tolerance 6%는 규격폭에 비해 Gage의 산포가 작다는 뜻입니다.
  • %Study Variation 44.7%는 개선된 실제 공정산포에서 측정 Noise가 큰 비중을 차지한다는 뜻입니다.
  • ndc 약 2는 개선된 공정범위 안에서 제품을 세밀하게 구분하기 어렵다는 뜻입니다.

따라서 동일한 측정시스템이 제품 합격·불합격 판정에는 사용할 수 있지만, 개선된 공정의 평균이동이나 Tool Wear를 관리하기에는 부족할 수 있습니다. Minitab의 ndc 설명에서도 ndc가 Part Variation과 Gage Variation의 비율에 따라 달라진다고 설명합니다.

공정이 좋아졌는데 나쁜 판정을 피하려면 Part를 넓게 뽑아야 할까?

Gage R&R 결과를 좋게 만들기 위해 Specification 전체에 걸쳐 Part를 인위적으로 선택하는 경우가 있습니다. 이렇게 하면 Part Variation과 Total Variation이 커지므로 %Study Variation은 낮아질 수 있습니다.

그러나 실제 공정이 매우 좁게 움직이는데 규격 양끝의 제품만 모아 연구하면, 그 결과는 현재 공정에서 작은 변화를 검출할 수 있는지 답하지 못합니다.

반대로 같은 시간에 연속 생산된 거의 동일한 제품만 선택하면 PV가 지나치게 작아져 측정시스템을 필요 이상으로 나쁘게 평가할 수 있습니다.

따라서 Part 선정은 평가 목적과 연결해야 합니다.

평가 목적 Part 또는 분모 선택
현재 공정의 SPC와 개선활동 실제 또는 예상 공정범위를 대표하는 Part
장기 공정변동 대비 평가 검증된 Historical Process Standard Deviation
제품 Specification 판정 Tolerance와 경계부 판정위험
Gage의 전체 사용범위 확인 범위 전체의 Bias·Linearity와 별도 검증계획

Minitab은 실제 또는 예상 공정범위를 대표하도록 Part를 선택하고, 연속 제품이나 단일 Shift·단일 Line·Reject Pile에만 의존하지 않도록 안내합니다. Crossed Gage R&R Part 선정

목표는 좋은 숫자를 만드는 것이 아니라, 실제 사용조건에서 측정시스템이 필요한 차이를 검출할 수 있는지 확인하는 것입니다.

공정개선이 Gage 해상도 요구를 바꾸는 이유

공정산포가 줄어들면 Gage Resolution도 다시 검토해야 합니다. 예를 들어 규격폭이 1.00 mm이고 Gage Resolution이 0.01 mm라면 규격폭은 100단계로 표시됩니다. 합격·불합격 판정에는 충분해 보입니다.

그러나 개선된 실제 공정범위가 0.04 mm라면 측정값은 다음과 같이 몇 단계에 집중될 수 있습니다.

10.00 → 10.01 → 10.02 → 10.03 → 10.04

실제 공정이 연속적으로 변해도 기록된 값은 계단처럼 움직입니다. 이 상태에서는 작은 평균이동, Tool Wear와 설비 간 차이를 구분하기 어렵습니다.

사용 목적 해상도의 비교 기준 확인할 질문
Specification 판정 Tolerance 규격경계에서 안정적인 판정이 가능한가?
SPC 실제 Process Spread 공정분포를 충분한 단계로 구분하는가?
공정개선 검출하려는 최소 Shift 개선효과보다 측정단위가 더 크지 않은가?
제품 간 분류 Part Variation과 ndc 서로 다른 제품이 같은 숫자로 뭉개지지 않는가?

Minitab의 Type 1 Gage Study는 Resolution이 Tolerance의 5%를 넘지 않도록 하는 지침을 제시합니다. 그러나 공정관리에서는 규격 대비 자릿수만 보지 말고 실제 공정산포와 검출할 최소변화까지 봐야 합니다.

Resolution이 더 좋은 Gage를 선택했다고 모든 문제가 해결되는 것도 아닙니다. 실제 Repeatability, Bias, Fixture, 온도, 측정위치, 접촉력과 작업자 영향도 함께 개선되어야 합니다. 표시 자릿수는 많지만 측정 Noise가 큰 Gage일 수도 있습니다.

개선된 공정에 맞게 측정전략을 다시 설계해야 합니다

공정개선으로 PV가 줄어들었다면 다음 세 가지 가능성을 분리해야 합니다.

  1. Gage의 절대 GRR도 악화되었습니다. 측정기, Fixture, 작업자 또는 환경변화를 조사해야 합니다.
  2. Gage의 절대 GRR은 같고 PV만 감소했습니다. 측정시스템이 새로운 공정목표에 비해 상대적으로 부족해진 것입니다.
  3. Study Part가 개선 전후 공정을 다르게 대표합니다. 표본선정과 Historical Variation을 다시 검토해야 합니다.

따라서 개선 전후 결과표에서 퍼센트만 비교하지 말고 다음 원 단위 값을 함께 확인해야 합니다.

  • GRR Standard Deviation 또는 Study Variation
  • Part Variation Standard Deviation
  • Total Variation과 사용한 배수
  • %Tolerance
  • Historical Process Variation
  • ndc와 Gage Resolution

이렇게 해야 측정기가 실제로 나빠진 것인지, 공정이 더 좋아져 측정시스템 요구수준이 높아진 것인지 구분할 수 있습니다.

Engineering Recommendation

  1. 개선 전후의 %GRR만 비교하지 말고 GRR과 PV의 절대값을 함께 비교합니다.
  2. Specification 판정과 공정관리 목적을 분리하여 %Tolerance와 %Study Variation/%Process를 각각 해석합니다.
  3. 개선된 공정의 작은 변화를 관리해야 한다면 ndc와 Resolution을 다시 평가합니다.
  4. 결과를 좋게 만들기 위해 PV를 인위적으로 확대하지 않습니다.
  5. 연구 Part가 현재 또는 예상 공정범위를 대표하는지 생산기간, Shift, 설비와 Tool 조건으로 확인합니다.
  6. Historical Process Variation을 사용할 때는 산출기간, 안정성, 제품군과 설비범위를 기록합니다.
  7. 더 정밀한 Gage가 필요하면 Resolution뿐 아니라 Repeatability, Bias, Fixture와 환경조건을 함께 Validation합니다.
  8. 공정개선 Project의 목표변동보다 충분히 작은 Measurement Variation을 사전에 요구사항으로 설정합니다.

공정이 좋아지면 측정시스템에 요구되는 수준도 높아집니다. 과거의 넓은 변동을 구분하던 Gage가 개선된 공정의 작은 변화를 구분하지 못한다면, 측정전략도 공정과 함께 개선되어야 합니다.

공정개선 후 Gage R&R이 나빠진 것처럼 보인다면 먼저 Gage를 교체할 것이 아니라, GRR의 절대값과 줄어든 Part Variation을 분리해서 확인해야 합니다.

Technical Basis

본문의 수치는 관계를 설명하기 위한 계산 예시입니다. 실제 승인기준과 Study Variation 배수는 고객지정요구사항, 사내 MSA 절차, 측정특성과 사용목적에 따라 결정해야 합니다.

댓글

이 블로그의 인기 게시물

SPC 매뉴얼 2026년 개정 총정리

SPC 매뉴얼, 왜 새로 통합되었나 자동차 업계에서는 오랫동안 미국 AIAG의 SPC 매뉴얼과 독일 VDA의 SPC 관련 지침이 함께 사용되어 왔습니다. 두 체계는 통계적 공정관리라는 같은 목적을 갖고 있었지만 용어와 통계적 접근에 차이가 있어, 글로벌 공급망에서는 고객과 지역에 따라 서로 다른 방식으로 결과를 해석하거나 보고해야 하는 경우가 있었습니다. AIAG와 VDA는 2026년 6월 30일 새로운 공동 SPC 매뉴얼의 발간을 발표했으며, AIAG에서는 7월부터 1st Edition을 공식 제공하고 있습니다. 새 매뉴얼의 핵심은 기존 접근법을 하나의 국제적인 체계로 조화시키고 ISO 22514 및 ISO 3534 시리즈와의 정합성을 높여, 자동차 공급망에서 보다 일관된 SPC 적용과 의사소통이 가능하도록 하는 데 있습니다. 성능(Performance)과 능력(Capability)의 명확한 구분 이번 통합 매뉴얼에서 실무적으로 특히 중요한 부분은 Performance와 Capability를 구분해서 적용하는 것입니다. Pp·Ppk와 Cp·Cpk는 모두 규격 대비 공정 변동을 평가하지만, 적용 조건과 해석은 같지 않습니다. 공정의 안정성이 아직 입증되지 않았거나 통계적 관리 상태에 있지 않은 경우에는 Performance 지수인 Pp·Ppk를 사용합니다. 반대로 관리도 등을 통해 공정이 통계적 관리 상태에 있음이 확인된 경우에는 Capability 지수인 Cp·Cpk를 적용할 수 있습니다. 따라서 Cpk 값 자체가 안정성을 증명하는 것은 아니며, Cpk를 공정능력으로 해석하려면 먼저 공정 안정성에 대한 근거가 있어야 합니다. 공정능력지수, 두 가지 계산 접근을 하나의 체계에서 다룬다 새 매뉴얼은 공정성능·공정능력 지수를 평가할 때 일반 기하학적 방법(General Geometric Method)과 Z-스코어(Bothe) 방법을 구분해서 사용할 수 있도록 제시합니다. 일반 기하학적 방법은 ISO 22514 계열의 접근과 연결되며 분포의 분위수...

공정능력지수 계산법, 두가지 방식

이번 글에서는 공정능력지수를 실제로 계산하는 두 가지 방법을 더 깊이 다룹니다. 이 주제와 관련된 게시글은 이 글의 맨 아래 링크를 참조하시기 바랍니다. 공정능력지수 계산법, 왜 두 가지로 나뉘었나 2026년 AIAG·VDA 통합 SPC 매뉴얼의 중요한 변화 중 하나는 기존 AIAG와 VDA·ISO 계열에서 사용해 온 서로 다른 통계적 접근을 하나의 체계 안에서 다룬다는 점입니다. AIAG와 VDA는 새 매뉴얼을 통해 기존에 달랐던 SPC 접근법과 용어를 조화시키고, 공정 특성·데이터 유형·모니터링 목적에 따라 적절한 방법을 선택하도록 안내하고 있습니다. 공정성능·공정능력 지수를 평가할 때는 일반 기하학적 방법(General Geometric Method)과 Z-스코어(Bothe) 방법을 구분해서 이해할 필요가 있습니다. 중요한 것은 어느 한쪽이 항상 맞고 다른 쪽이 틀린 것이 아니라, 데이터의 분포 특성과 고객 요구사항, 기존 보고 체계 등을 고려해 적절한 방법을 선택하고 사용한 계산방법을 명확히 식별하는 것입니다. 공정능력지수 2가지 계산법 일반 기하학적 방법(General Geometric Method) 일반 기하학적 방법은 분포의 분위수와 규격 한계의 상대적 위치를 이용해 공정성능 또는 공정능력을 평가하는 접근입니다. 대표적으로 0.135%, 50%, 99.865% 분위수를 이용하며, 정규분포만을 전제로 하는 전통적인 6σ·3σ 표현을 보다 일반적인 분포 형태로 확장할 수 있다는 장점이 있습니다. 데이터가 정규분포를 따르는 경우에는 해당 분위수가 평균을 중심으로 약 ±3σ 위치에 대응하므로 전통적인 지수와 같은 개념으로 연결됩니다. 반면 비정규 데이터에서는 실제 분포 형태에 맞는 분위수를 이용함으로써 단순히 정규분포를 가정하는 데서 생길 수 있는 왜곡을 줄일 수 있습니다. Z-스코어(Bothe) 방법은 무엇인가 Z-스코어(Bothe) 방법은 규격 하한과 상한을 벗어나는 비율을 표준정규분포의 Z값으로 환산한 뒤 이를 이용해 성능지수...

품질관리와(QC)와 품질보증(QA) 근본적 차이는?

품질관리(QC)와 품질보증(QA), 무엇이 다른가? 현장에서는 QC(Quality Control)와 QA(Quality Assurance)를 각각 ‘검사’와 ‘예방’으로 단순하게 구분하는 경우가 많습니다. 이해하기 쉬운 설명이지만 실제 품질경영에서는 두 기능의 범위가 더 넓습니다. ISO 9000에서 QC는 품질 요구사항을 충족하는 데 초점을 둔 품질경영의 일부 , QA는 품질 요구사항이 충족될 것이라는 신뢰를 제공하는 데 초점을 둔 품질경영의 일부 로 구분합니다. 따라서 QC와 QA는 어느 한쪽이 상위 개념이거나 서로 경쟁하는 기능이 아닙니다. QC가 제품과 공정의 현재 상태를 확인하고 이상을 검출·조치하는 데 강점이 있다면, QA는 그러한 품질이 반복적으로 확보될 수 있도록 프로세스와 시스템을 구축하고 유지하는 데 더 큰 비중을 둡니다. 결국 두 기능 모두 더 넓은 품질경영(Quality Management)의 일부입니다. QC는 단순한 최종검사가 아니다 QC의 대표적인 활동은 검사, 측정, 시험을 통해 제품이 도면과 규격을 만족하는지 확인하는 것입니다. 하지만 QC를 완성품 검사만으로 한정해서는 안 됩니다. 생산 중 공정 특성을 측정하고 SPC와 관리도로 이상을 모니터링하거나, 부적합품을 식별·격리하고 추가 유출을 막기 위한 조치를 취하는 것도 QC의 중요한 역할입니다. 예를 들어 샤프트의 치수와 경도를 검사해 규격 적합성을 판단하고 이상 로트를 격리하는 것은 전형적인 QC 활동입니다. 여기서 중요한 것은 불량을 발견했다는 사실 자체가 아니라, 부적합 제품이 다음 공정이나 고객에게 넘어가지 않도록 통제하는 것입니다. QC는 문제가 발생했을 때 고객을 보호하는 가장 직접적인 방어선 역할을 합니다. QA는 품질이 반복될 수 있는 시스템을 만든다 QA는 QC보다 ‘한 단계 높은 활동’이라기보다 초점이 다른 기능입니다. 품질 요구사항이 지속적으로 충족될 것이라는 신뢰를 확보하기 위해 품질계획, 표준과 절차, 공정감사, 교육, 공급업체 관리, 시정...