생산공장 품질관리와 공정 최적화 관련, MSA는 매우 중요한 영역입니다. 이 영역이 체계화가 부족하고 완벽한 시스템이 미 구축된 상태에서는 생산, 품질 확보 활동, 구매 활동, R&D 업무, 생산 기술 확보 등은 불량품 생산, 생산 효율 저하, 시장 품질 악화 등으로 이어질 가능성이 매우 크며, 기업의 낭비 요소임은 분명합니다. 그런데도 불구하고, MSA 자체의 본질과 Data 생산과 분석이 완벽하지 못한 것이 국내 기업의 현실입니다. 본 책자의 목적은 MSA의 기본 이해와 각 기업의 현 상황을 냉철히 점검이 필요한 내용, MSA의 향후로의 발전 방향을 제시하고자 합니다.
측정 불확도 관련 다양한 측정 시나리오에서 불 정확도를 식별, 정량화, 분석 및 문서화하는 방법에 대한 구체적인 단계를 제시합니다. 이 문서는 특히 ISO 22514-7 표준을 준수하는 것을 목표로 합니다.
1. 측정 불확도
정의 및 중요성: 측정 불확도는 "측정 결과에 대해 할당된 값들의 분산 정도를 나타내는 비-음수 파라미터"이며, "측정값이 얼마나 신뢰할 수 있는지를 나타냅니다." 측정 결과의 품질을 평가하고, 측정 프로세스를 개선하며, 측정값 간의 비교 가능성을 확보하는 데 필수적입니다. "불확도를 고려하지 않으면 측정 결과에 대한 과도한 확신을 갖게 되어 잘못된 결론에 도달할 수 있습니다."
측정 불확도 평가 필요성: 측정 결과의 품질 평가, 측정 프로세스 개선, 측정값 비교 가능성 확보.
측정 불확도 구성 요소: 입력량의 불확도, 측정 시스템의 불확도, 측정 방법의 불확도 등 측정값의 분산에 영향을 미치는 모든 요소.
측정 결과 보고 시 포함 정보: 측정값, 결합 표준 불확도, 확장 불확도, 커버리지 계수, 자유도, 측정 조건, 측정 절차, 사용된 표준 등.
2. 측정 불확도 평가 방법
측정 불확도 평가는 일반적으로 다음 단계로 구성됩니다.
측정 정의: 측정 목표, 측정량, 측정 절차, 측정 시스템, 측정 조건 등을 명확히 정의합니다.
입력량 식별: 측정 결과에 영향을 미치는 모든 입력량을 체계적으로 식별합니다.
수학적 모델 구성: 측정 결과와 입력량 간의 관계를 나타내는 수학적 모델을 만듭니다. 모델 방정식은 y = f(x1, x2, ..., xn)과같이 측정량을 입력량의 함수로 표현합니다.
입력량 값 및 표준 불확도 결정: 각 입력량의 값과 표준 불확도를 A형 또는 B형 평가를 통해 결정합니다.
A형 평가: "반복 측정을 통해 얻은 데이터의 통계적 분석을 기반으로 표준 불확도를 결정하는 방법입니다." 데이터의 분포가 정규 분포를 따른다고 가정합니다. 데이터 기록 측정, 안정성 연구 결과 등을 활용합니다.
B형 평가: "측정 장비 사양, 과거 측정 결과, 전문가 의견, 교정 인증서 등 사용 가능한 모든 정보를 기반으로 표준 불확도를 결정하는 방법입니다." 정보의 신뢰성과 가용성에 따라 적절한 분포를 가정합니다. 제조업체 사양, 제한값, 이전 조사에서 알려진 파라미터, 문헌값 등을 활용합니다.
결합 표준 불확도 계산: "각 입력량의 표준 불확도를 결합하여 측정 결과의 결합 표준 불확도를 계산합니다." 모델 방정식에 따라 계산식이 달라질 수 있습니다. 예) 가산 모델 (y = x1 + x2 + ... + xn)의 경우 uc(y) = sqrt(u(x1)^2 + u(x2)^2 + ... + u(xn)^2)
불확도 예산을 통해 불확도에 가장 큰 영향을 미치는 요인을 식별하고, 측정 시스템 또는 절차를 개선하여 불확도를 줄일 수 있습니다." 파레토 차트를 사용하여 주요 기여 요소를 식별할 수 있습니다.
3. 측정 불확도 관리
측정 불확도를 줄이기 위해 다음과 같은 방법을 고려할 수 있습니다.
무작위 측정 오차 감소: 측정값을 반복하여 통계적 평균을 통해 무작위 오차의 영향을 줄일 수 있습니다.
체계적인 측정 오차 수정: 측정 장치를 조정하거나 적절한 보정 값을 계산하여 체계적인 오차를 보정해야 합니다.
불확실성 유발 요인 식별 및 수정: 측정 불확도를 유발하는 요인을 체계적으로 식별하고, 이러한 요인을 줄이거나 제거하기 위한 조치를 취해야 합니다.
잔류 편차 고려: 측정 불확도를 평가할 때는 체계적인 오차를 수정한 후에도 남아있는 잔류 편차를 적절히 고려해야 합니다.
"불확도에 큰 영향을 미치는 입력량 식별: 파레토 차트를 사용하여 불확도 예산에서 가장 큰 기여 요인을 식별합니다."
"측정 장비 교정 개선: 교정 불확도가 큰 경우, 더 정밀한 교정 장비 또는 절차를 사용합니다."
"환경 조건 제어: 온도, 습도, 진동 등 환경 조건의 변화를 최소화합니다."
"측정 절차 최적화: 반복 측정 횟수를 늘리거나, 측정 시스템의 분해능을 개선합니다."
"수학적 모델 개선: 측정 시스템 및 프로세스를 더 정확하게 반영하는 수학적 모델을 사용합니다."
측정 불확도에 영향을 미치는 요소는 환경적 영향, 표준 및 재료 측정, 측정 시스템, 측정 대상, 데이터 처리, 인적 영향, 특성 정의 및 측정 방법 등이 있습니다.
4. 측정 시스템 분석 (MSA)
MSA (Measurement System Analysis)는 측정 시스템의 통계적 속성을 분석하여 측정값의 유용성을 판단하는 데 사용됩니다. MSA의 목표는 측정 시스템의 정확도와 정밀도를 평가하고, 측정 시스템에서 발생하는 변동을 이해하는 것입니다. 측정 시스템의 주요 속성은 분해능, 통계적 관리 상태, 정확도, 정밀도로 구성됩니다.
분해능 (Resolution): "측정 시스템이 감지할 수 있는 최소 변화량. 측정 시스템은 측정 범위 내에서 10개 이상의 값을 구별할 수 있어야 이상적입니다."
통계적 관리 상태 (Statistical Control): 측정 시스템이 예측 가능한 방식으로 작동하는지 여부.
정확도 (Accuracy): 측정값이 참값에 얼마나 가까운지를 나타냅니다. 정확도는 안정성 (Stability), 바이어스 (Bias), 선형성 (Linearity)으로 구성됩니다.
안정성 (Stability): 시간 경과에 따른 바이어스의 변화 (drift).
바이어스 (Bias): "측정값의 평균과 참값의 차이." 편차를 줄이는 방법을 예시를 통해 설명합니다: Bias = observed average measurement – reference value = 6.0067 – 6.00 = .0067
선형성(Linearity): 측정 범위에 걸쳐 바이어스가 일정한지 여부.
정밀도 (Precision): 측정값들이 서로 얼마나 가까운지를 나타냅니다. 정밀도는 반복성 (Repeatability)과 재현성 (Reproducibility)으로 구성됩니다.
반복성 (Repeatability): "동일한 측정자가 동일한 부품을 반복 측정했을 때 측정값의 차이." 이는 측정 장비 자체의 변동성을 의미합니다.
재현성 (Reproducibility): "다른 측정자가 동일한 부품을 측정했을 때 측정값의 차이." 이는 측정자의 숙련도, 측정 방법 등의 차이에서 발생하는 변동성을 의미합니다.
측정 시스템의 변동은 환경, 방법, 장비, 재료, 사람, 표준 등 다양한 원인에서 발생할 수 있습니다.
5. 게이지 R&R (Gage Repeatability and Reproducibility) 연구
게이지 R&R 연구는 측정 시스템의 변동성을 평가하고, 측정 시스템 개선에 필요한 정보를 제공하는 데 사용됩니다. Gage R&R은 MSA의 하위 집합으로, "측정 오류"를 추정하여 변동이 과도한지 허용 가능한지 판단합니다. 게이지 R&R 연구는 반복성 (Repeatability)과 재현성 (Reproducibility)을 평가합니다.
게이지 R&R 연구 수행 방법은 다음과 같습니다.
측정 대상 선정: 중요한 측정 항목을 식별합니다.
측정 방법 결정: 측정에 사용할 장비를 결정합니다.
주요 변수 식별: 측정 시스템에 영향을 미치는 요인을 식별합니다.
샘플 부품 수집: 측정할 샘플 부품을 준비합니다. "5개의 부품, 3명의 측정자, 각 부품당 2번의 측정을 수행하는 것이 좋습니다. 총 30번의 측정."
측정 반복 계획 정의: 측정자가 각 부품을 2번씩 측정하도록 계획합니다.
데이터 수집: 측정자가 부품을 측정하고 데이터를 기록합니다.
데이터 분석: 수집된 데이터를 분석하여 반복성, 재현성, 부품 간 변동 등을 평가합니다. ANOVA (Analysis Of Variance) 방법을 사용할 수 있습니다.
결과 해석:%R&R < 10%: 측정 시스템이 우수합니다.
%R&R 10-30%: 분석 및 개선이 필요합니다.
%R&R > 30%: 측정 시스템 개선이 필요합니다. "Interpretation = MS IS NOT ACCEPTABLE" 와 같이 해석될 수 있습니다.
개선 조치: 반복성이 큰 경우: 측정 장비 유지 보수, 강성 강화, 측정 위치 및 고정 방법 개선, 부품 내 변동 확인 등을 수행합니다.
재현성이 큰 경우: 측정자 교육, 측정 절차 표준화 (SOP) 등을 수행합니다.
6. ISO 22514-7에 따른 측정 시스템 및 프로세스 분석
"ISO 22514-7에 따른 접근 방식은 측정 프로세스 기능이 측정된 값과 관련된 범위에 대한 신뢰를 제공하는 것으로 설명됩니다." 이 표준은 측정 시스템 및 측정 프로세스의 적합성을 평가하기 위한 국제 표준입니다. 이 표준에 따른 절차는 다음과 같습니다.
측정 작업 정의: 측정 목표, 필요한 정확도, 관련 표준 등을 명확하게 정의합니다.
측정 시스템 최적화: 측정 시스템의 분해능이 요구 사항을 충족하는지 확인합니다.
표준 불확실성 결정: 측정 시스템 및 프로세스에 대한 표준 불확실성을 평가합니다.
측정 시스템 매개변수 계산: 결합 표준 불확실성 (Uc), 확장 불확실성 (U), 공차 관련 불확실성 (Qms) 및 기능 지수 (Cms)를 계산합니다.
측정 시스템 평가: Qms 및 Cms 값이 허용 가능한지 확인합니다.
측정 프로세스 매개변수 계산: 측정 프로세스에 대한 결합 표준 불확실성 (UMP), 확장 불확실성 (U), 공차 관련 불확실성 (QMP) 및 기능 지수 (CMP)를 계산합니다.
측정 프로세스 평가: QMP 및 CMP 값이 허용 가능한지 확인합니다.
측정 프로세스 승인: 측정 프로세스가 모든 요구 사항을 충족하면 승인합니다.
ISO 22514-7에 따른 측정 시스템의 불확실성은 정밀도 부족, 시스템 편차, 반복성, 선형성 오류 등으로 인해 발생할 수 있습니다. 측정 프로세스의 불확실성은 측정 프로세스의 정밀도, 운영자 영향, 측정 대상의 불균일성 등으로 인해 발생할 수 있습니다.
본 책자를 활용하고 자체 추가 학습을 통하여, MSA 구축 상태를 점검 시 활용하고 개선점을 철저히 발췌함과 동시에 향후로는 어떠한 기술이 도래할 것인지를 확인하여 미래 준비의 참조 정보를 제공함에 그 목적이 있습니다.