비정규 분포 공정 능력 분석에 대한 공정 데이터

비정규 공정 능력 분석과 함께 제공되는 모든 공정 데이터 통계량에 대한 정의 및 해석 방법을 확인해 보십시오.

규격 하한

공정의 규격 하한(LSL)은 제품 또는 서비스에 대해 최소로 허용되는 값입니다. 이 한계는 공정이 어떻게 수행되고 있는 지가 아니라 공정이 어떻게 수행되어야 하는지 나타냅니다. LSL은 공정 능력 분석을 설정할 때 지정합니다.

참고

공정 능력 분석을 수행할 때 데이터 변환을 사용하는 경우, Minitab에서는 변환된 데이터의 규격 하한(LSL)*도 계산합니다.

해석

고객 요구 사항을 정의하고 공정이 요구 사항을 충족하는 품목을 생산하는지 여부를 평가하려면 LSL 및 USL을 사용합니다.

규격 상한과 규격 하한은 히스토그램에 수직 파선으로 표시됩니다. 측정값이 규격 한계 내에 있는지 여부를 평가하려면 히스토그램 막대와 이 선을 비교하십시오.

규격 산포는 규격 상한과 규격 하한 간의 거리(USL – LSL)입니다. 한 회사에서 볼펜을 생산하고 볼의 목표 바깥 지름이 0.35mm라고 가정합니다. 볼 바깥 지름의 허용 범위는 0.34 ~ 0.36mm입니다. 그러므로 LSL은 0.34, USL은 0.36, 규격 산포는 0.02mm입니다.

Minitab에서는 규격 산포를 공정 산포와 비교하여 공정 능력을 결정합니다.

목표값

목표값은 고객 요구 사항을 기준으로 하는 공정의 이상적인 값입니다. 예를 들어, 한 실린더 부품의 지름이 32mm일 때 제품이 최적의 성능을 제공한다면 이 부품의 목표값은 32mm입니다.

해석

고객 요구 사항을 정의하고 관측치와 비교하려면 목표값을 사용합니다.

목표값은 항상은 아니지만 일반적으로 대부분 규격 하한과 규격 상한의 중간에 위치합니다. 목표값이 있으면 공정의 중심이 목표값 가까이 있는지 여부를 조사하십시오.

규격 상한

공정의 규격 상한(USL)은 제품 또는 서비스에 대해 최대로 허용되는 값입니다. 이 한계는 공정이 어떻게 수행되고 있는 지가 아니라 공정이 어떻게 수행되어야 하는지 나타냅니다. USL은 공정 능력 분석을 설정할 때 지정합니다.

참고

공정 능력 분석을 수행할 때 데이터 변환을 사용하는 경우, Minitab에서는 변환된 데이터의 규격 상한(USL)*도 계산합니다.

해석

고객 요구 사항을 정의하고 공정이 요구 사항을 충족하는 품목을 생산하는지 여부를 평가하려면 LSL 및 USL을 사용합니다.

규격 상한과 규격 하한은 히스토그램에 수직 파선으로 표시됩니다. 측정값이 규격 한계 내에 있는지 여부를 평가하려면 히스토그램 막대와 이 선을 비교하십시오.

규격 산포는 규격 상한과 규격 하한 간의 거리(USL – LSL)입니다. 한 회사에서 볼펜을 생산하고 볼의 목표 바깥 지름이 0.35mm라고 가정합니다. 볼 바깥 지름의 허용 범위는 0.34 ~ 0.36mm입니다. 그러므로 LSL은 0.34, USL은 0.36, 규격 산포는 0.02mm입니다.

Minitab에서는 규격 산포를 공정 산포와 비교하여 공정 능력을 결정합니다.

표본 평균

표본 평균은 표본 측정값의 평균이거나 사용자가 분석에 대해 지정한 과거의 공정 평균입니다.

해석

공정의 평균 값을 추정하려면 표본 평균을 사용합니다.

데이터가 비정규 분포를 따르고 종 모양의 대칭 분포를 따르지 않을 수도 있기 때문에 표본 평균이 분포의 봉우리에서 발생하지 않을 수도 있습니다.

표본 N

표본 크기(N)는 데이터에 포함된 전체 관측치 수입니다. 예를 들어, 크기가 5인 부분군을 20개 수집한 경우 표본 N은 100입니다.

해석

표본 크기를 평가하려면 N을 사용합니다.

일반적으로 표본 크기가 클수록 보다 신뢰할 수 있는 공정 능력 추정치를 얻을 수 있습니다. 일부 전문가는 공정 능력 분석에 총 100개 이상의 관측치를 사용할 것을 권장합니다.

형상

분포의 형상 모수는 분포 함수의 형상을 결정합니다. 형상은 데이터로부터 추정되거나 과거 공정 지식을 바탕으로 지정됩니다.

해석

지정된 분포에 대한 형상 모수는 데이터의 대칭 또는 치우침 정도에 영향을 미칠 수 있습니다.

Weibull 분포에서 형상 모수의 효과

이 그래프는 다양한 형상 모수 값이 Weibull 분포에 미치는 영향을 보여줍니다.

척도

분포의 척도 모수는 분포 함수의 척도를 결정합니다. 척도는 데이터로부터 추정되거나 과거 공정 지식을 바탕으로 지정됩니다.

해석

척도 모수는 데이터가 분산되는 정도에 영향을 미칠 수 있습니다. 일반적으로 척도 값이 크면 분포가 가로로 더 넓게 퍼져 보일 수 있습니다. 척도 값이 작으면 분포가 가로로 더 좁게 퍼져 보일 수 있습니다.

로지스틱 분포에서 척도 모수의 효과

이 그래프는 다양한 척도 모수 값이 로지스틱 분포에 미치는 영향을 보여줍니다.

분계점

분계점 모수는 랜덤 변수의 최소값 추정치를 제공합니다. 분계점은 데이터로부터 추정하거나 과거 공정 지식을 바탕으로 지정합니다.

해석

분계점 모수는 분포의 데이터에 대해 이론적으로 가능한 최소값의 위치를 정의합니다.

Weibull 분포에서 분계점 모수의 효과

이 그래프는 다양한 분계점 모수 값이 Weibull 분포에 미치는 영향을 보여줍니다.

위치

위치 모수는 분포의 위치에 영향을 미칩니다. 위치는 데이터로부터 추정되거나 과거 공정 지식을 바탕으로 지정됩니다.

해석

위치 모수는 x-축을 따라 데이터를 이동하여 데이터 위치에 영향을 미칠 수 있습니다. 양의 위치 값은 분포를 오른쪽으로 이동하고, 음의 위치 값은 분포를 왼쪽으로 이동합니다.

로지스틱 분포에서 위치 모수의 효과

이 그래프는 다양한 위치 모수 값이 로지스틱 분포에 미치는 영향을 보여줍니다.

평균

지수 분포를 사용하여 비정규 데이터를 모형화하는 경우 Minitab에서 분포의 평균 모수를 보고합니다.

해석

평균 모수는 데이터 분포의 중심 값을 정의합니다. 지수 분포에서 평균은 분계점 모수가 0일 때 척도 모수와 같습니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오