앱 명령어, 워크시트 식별자 및 예제 데이터 값은 원문 그대로 유지됩니다. 스크린샷, 차트 및 다운로드 파일은 영어로 제공됩니다. 예제는 영어 원문의 숫자 표기를 유지하며, 소수점에는 마침표를, 천 단위 구분에는 쉼표를 사용합니다.
예제: 정렬 핀 지름
팀은 정렬 핀 150개를 매시간 다섯 개씩 30개 부분군으로 측정합니다. 도면의 목표값은 12.000 mm이고 규격 구간은 11.950–12.050 mm입니다. 공정 안정성은 입증되지 않았습니다.
정렬 핀 예제 다운로드(영문 CSV)Help에서 사용하는 것과 같은 예제입니다. diameter_mm에는 mm 단위의 지름이, subgroup_id에는 다섯 핀으로 이루어진 각 부분군의 ID가 들어 있습니다. 나머지 열에는 수집 순서, 시각 및 부분군 내 위치가 기록되어 있습니다.
1. 작업 공간 만들기
사이드바에서 Process control을 열고 Capability & Performance를 선택한 다음 분석 이름을 지정합니다. New blank worksheet와 Create analysis를 선택합니다.
2. 데이터 가져오기
Worksheet에서 Import를 선택합니다. 다운로드한 파일을 선택하거나 내용을 붙여넣습니다. 구분 기호를 Comma로 설정하고 Decimal dot을 사용하며 First row contains column names를 선택합니다. 가져올 내용을 미리 확인한 다음 Import into worksheet를 선택합니다. 행을 수집 순서대로 유지합니다.
3. 입력 열 지정
Inputs의 Study type에서 Process performance를 선택합니다. Data layout을 One measurement column으로, Subgroups defined by를 ID column으로 설정합니다. 열 선택기에서 diameter_mm를 Measurement column 1, subgroup_id를 Subgroup ID column에 각각 지정합니다.
4. 모형과 규격 설정
Distribution model에서 Normal, Calculation method에서 General geometric (.G)를 선택합니다. Lower specification limit (LSL)에 11.950을, Upper specification limit (USL)에 12.050을 입력합니다. Target (optional)을 열고 Target value에 12.000을 입력합니다. 세 값의 단위는 모두 mm입니다.
Plot options를 엽니다. Histogram binning을 Automatic으로, Histogram scale을 Frequency로 설정합니다. Show fitted distribution은 선택한 상태로 둡니다. .G 접미사는 성능 지수 계산에 선택한 General geometric (.G) 방법을 나타내며 별도의 핀 측정값 집합을 뜻하지 않습니다.
5. 분석 실행
Run analysis를 선택한 다음 Results를 엽니다.
6. 결과 해석
연구 이해
이 분석은 입력한 도면 규격에 따른 전체 공정 성능을 설명합니다. 공정 안정성이 입증되지 않았으므로 결과가 공정 능력을 입증하지는 않습니다.
핀과 규격 비교
핀 지름 150개 모두 11.950–12.050 mm 안에 있습니다. 평균은 12.0124 mm로 목표값 12.000 mm보다 높고 규격 상한에 더 가깝습니다. 곡선은 적합한 정규 모형입니다. 규격선은 허용 가능한 핀 지름을 나타내며 관리 한계가 아닙니다.
규격 한계, 목표값 및 적합 정규 곡선과 함께 mm 단위의 핀 지름 150개를 보여 주는 영어 원본 그래프입니다. 차트를 원본 크기로 보기 (새 탭에서 열림) 적합 모형 확인
그래프 양 끝을 포함하여 점들을 정규 기준선과 비교합니다. 앱은 이 모형의 적절성을 자동으로 평가하지 않았습니다. 이 그래프로 시간에 따른 안정성도 입증할 수 없으므로 적절한 관리도를 별도로 검토합니다.
핀 지름의 영어 원본 정규 확률도입니다. 꼬리를 포함하여 적합 상태를 검토합니다. 차트를 원본 크기로 보기 (새 탭에서 열림) 성능 지수 읽기
.G 접미사는 선택한 일반 기하 계산 방법을 나타냅니다. Pp.G는 규격 폭에 대한 적합 분포의 산포를 나타냅니다. Ppk.G는 한계 사이에서 평균이 놓인 위치도 고려합니다. 여기서 Pp.G는 1.391이고 Ppk.G는 1.046이며 규격 상한 쪽이 제약을 줍니다.
관측 불합격과 모형 추정 구분
표본 핀 중 규격을 벗어난 것은 없습니다. 그러나 정규 모형은 핀 백만 개당 불합격이 약 854개이며 대부분 규격 상한을 초과할 것으로 추정합니다. PPM은 백만 개당 수를 뜻합니다. 핀 150개에서 관측된 불합격이 영이라고 장기 불합격률도 영인 것은 아닙니다. 모형 추정값은 모형이 적절하다는 조건에 의존합니다.
조사할 사항 결정
평균이 목표값보다 높은 이유와 규격 상한까지 남은 여유를 검토합니다. 수집 순서에 따라 공정 안정성을 확인하고 모형 해석의 조건과 한계를 검토합니다. 관측 불합격이 영이라는 사실과 모형 추정값을 구분하여 보고합니다. 계산 검증에 관한 문구가 공정 안정성이나 모형의 적절성을 입증하지는 않습니다.
자세히 보기: 각 결과 섹션 읽기
전체 결과 표는 Help와 동일하게 유효숫자 여섯 자리로 표시합니다.
공정 성능 지수
Pp.G는 1.391이고 Ppk.G는 1.046입니다. 상한 쪽 지수가 더 작다는 것은 규격 상한과의 근접성이 모형에서 추정한 성능을 제약함을 뜻합니다. 이 지수들은 데이터 집합의 전체 변동을 사용합니다. 통계적 관리 상태를 입증하거나 미래 성능을 보장하지는 않습니다.
| 통계량 | 값 |
|---|---|
| Pp.G | 1.39063 |
| PpL.G · 규격 하한 | 1.7357 |
| PpU.G · 규격 상한 | 1.04557 |
| Ppk.G | 1.04557 |
- 모든 주요 C 및 P 지수는 전체 변동을 나타냅니다. 지수 이름은 연구 조건을 나타내며 부분군 내 변동으로 대체하지 않습니다.
- 일반 기하 지수는 규격까지의 거리를 적합 분포의 중앙값 및 0.135 / 99.865 백분위수와 비교합니다. 정규 모형에서는 평균 ± 3 표본 표준편차로 계산합니다.
- 동일한 적합 모형에서 지수 계산 방법을 바꾸어도 추정 규격 이탈 확률은 바뀌지 않습니다.
- —는 구할 수 없는 결과를 나타내며 이유가 옆에 표시됩니다.
관측 및 기대 규격 부적합
이 표본에서 규격 이탈 제품은 관측되지 않았습니다. 그럼에도 정규 모형은 백만 개당 약 854개가 규격 밖에 있으며 거의 모두 규격 상한을 초과할 것으로 추정합니다. 이 추정값은 적합 분포의 꼬리를 외삽한 것이며 관측된 불량 수가 아닙니다.
| 규격 방향 | 관측 도수 | 관측 ppm | 기대 ppm |
|---|---|---|---|
| LSL 미만 | 0 | 0 | 0.0959132 |
| USL 초과 | 0 | 0 | 854.265 |
| 전체 | 0 | 0 | 854.361 |
- 관측값은 규격 한계를 엄격히 벗어난 측정값을 셉니다. 기대값은 선택한 적합 분포를 사용합니다. 관측 불합격이 영이라고 미래 위험도 영인 것은 아닙니다.
- 해당 없음은 그쪽 규격 한계가 입력되지 않았음을 뜻합니다. 자연 경계는 규격 한계가 아닙니다.
연구와 모형
이 연구는 일반 기하 방법과 전체 변동을 사용하는 정규 모형 기반 공정 성능 연구입니다. 계산 검증에 관한 문구는 구현에 대한 것이며 이 데이터의 안정성이나 적절성을 인증하지 않습니다.
| 설정 | 값 |
|---|---|
| 분석 유형 | 공정 성능 |
| 선택한 분포 모형 | Normal |
| 계산 방법 | 일반 기하학적 방법(.G) |
| 주요 지수가 나타내는 변동 | 전체 데이터의 전체 변동 |
| 모수 추정 방법 | Distribution Fit Analysis에서 보고한 적합 결과 |
| 위치(원래 단위) | 12.0124 |
| 척도(원래 단위) | 0.0119849 |
| 모형의 지지집합 | 하단 경계: 제한 없음; 상단 경계: 제한 없음 |
| 규격 하한 | 11.95 |
| 규격 상한 | 12.05 |
| Fit | 이용 가능 |
| 모형의 출처 | 이번 공정 능력 분석을 위해 적합 |
| 검증 | 검증 데이터와 대조하여 공정 능력 계산을 확인했습니다. |
- 참고: AIAG–VDA SPC, 2026년 이월 Yellow Volume, 7장(§7.8.2).
- 선택한 분포는 측정값, 특히 꼬리를 충분히 잘 설명해야 합니다. 히스토그램과 분포 그래프는 시각적 검토를 돕지만 이 분석이 모형의 적절성이나 통계적 안정성을 입증하지는 않습니다.
- 자동 합격 판정이나 1.5σ 이동은 적용하지 않습니다.
표본 통계량
관측값 150개, 평균 및 전체 표준편차를 확인합니다. 주요 공정 성능 지수는 전체 변동을 사용합니다. 부분군 ID가 있다고 이 연구가 안정된 공정의 능력을 입증하는 연구로 바뀌지는 않습니다.
| 통계량 | 값 |
|---|---|
| 관측값 수(n) | 150 |
| 평균 | 12.0124 |
| 표준편차(전체) | 0.0119849 |
등가 정규 Z 상세
각 꼬리의 Z는 적합한 불합격 확률을 등가의 정규 거리로 변환합니다. Z.Bench는 합산한 불합격 확률을 변환하며 양쪽 꼬리가 있으면 단순히 가장 작은 지수의 세 배가 아닙니다. 1.5σ 이동은 적용하지 않습니다. 이 값들은 모형에서 도출한 값이며 시간 안정성 진단값이 아닙니다.
| 꼬리 | 기대 불합격 확률 | 등가 정규 Z |
|---|---|---|
| 규격 하한 | 9.59132e-8 | 5.20709 |
| 규격 상한 | 0.000854265 | 3.13671 |
| 적용되는 양쪽 꼬리(Z.Bench) | 0.000854361 | 3.13668 |
- 각 방향의 Z는 해당 적합 불합격 꼬리 확률에 대한 정규 생존함수의 역함수 값입니다. Z점수 방법에서 그 방향의 지수는 Z / 3입니다.
- Z.Bench는 합산한 불합격 확률을 변환합니다. 양쪽 꼬리가 기여하면 최소 공정 능력 지수의 세 배가 아닙니다. 1.5σ 이동은 적용하지 않습니다.
부분군 내 진단
부분군 내 표준편차, 추정 방법, 사용 가능한 부분군, 포함/제외 관측값 및 Cw/Cwk 항목을 공정 개선을 위한 진단으로 읽습니다. 부분군 내 변동을 내재 변동으로 취급하려면 안정성이 필요합니다. 주요 지수와 차이가 있다고 안정성이 입증되지는 않습니다. 제품 앱은 이 진단 섹션을 정식 보고서에서 제외하며 Results에서 계속 볼 수 있습니다.
공정 개선용으로만 사용합니다. 이 진단은 정식 보고서에서 제외됩니다(§7.8.2.5).
| 통계량 | 값 |
|---|---|
| Cw | 1.34141 |
| Cwk | 1.00856 |
| 표준편차(부분군 내) | 0.0124248 |
| 추정량 | R̄ / d₂ |
| 사용 가능한 부분군 수 | 30 |
| 부분군 내 추정에 포함된 관측값 수 | 150 |
| 부분군 내 추정에서 제외된 관측값 수 | 0 |
- 부분군 내 변동을 내재 변동으로 해석하려면 통계적 안정성이 필요합니다. 주요 지수와 부분군 내 지수의 차이 자체가 안정성을 입증하지는 않습니다.
- 모든 측정값은 전체 계산에 남습니다. 관측값이 하나인 부분군과 끝부분의 불완전한 고정 크기 부분군은 부분군 내 추정에서만 제외하며 전체 표준편차로 대체하지 않습니다.
7. 보고서 만들기
Capability & performance histogram, Normal probability plot, Study and model, Sample statistics, Process performance indices, Observed and expected nonconformance, Equivalent normal Z details를 보관합니다. 모형 해석의 조건과 한계를 함께 유지합니다. 안정성이 입증되지 않았음을 명시하고 관측된 불합격 수가 영인 것과 모형의 꼬리 추정값을 구분합니다.
완료된 실행 결과에서 Add to report 항목을 선택합니다. 표와 차트를 선택하려면 Choose individual items and advanced options 항목을 엽니다. 그런 다음 Add to draft 항목을 선택합니다. 숨긴 항목은 저장된 분석에 남아 있습니다.
보고서 이름을 정하고 분석 목적과 해석을 추가합니다. Save 항목을 선택하고 Preview에서 내용을 확인한 뒤 Export → Download HTML을 사용합니다. 아래 예시는 한 화면에 다 보이지 않는 결과까지 포함하여 선택한 콘텐츠 전체를 보여 줍니다.