제조공정에서 사용되어 지는 SPC(Statistical Process Control)관리 기법은 가피원인을 탐지하여 변동을 감소시키는 통계적 공정관리 시스템이다. SPC의 대표적인 관리 기법으로는 Shewhart관리도, Cusum관리도, EWMA관리도가 있으며 이러한 관리 기법들은 공정을 보다 안정적으로 관리 할 수 있도록 유지 및 예측하는데 사용 되어 진다. 하지만 제조 공정의 유형에 따라 샘플링 방법, 관리한계선 등을 다양하게 설정하여 보다 효율적인 관리를 모색하고 있다. 공정 형태에 따라 다양한 관리 방법과 분석 결과가 나타난다. 일반적으로 Xbar-R 관리도와 같은 Shewhart 관리도를 사용하지만 Batch 단위의 공정, 연속 공정의 라인에서 사용되기에는 부분적인 한계를 보이고 있다. 본 논문에서는 일반적인 관리도와 공정 변화에 민감하게 반응 할 수 있는 누적합 관리도와 지수가중치이동평균 관리도를 비교해 보고 작은 변동에 대한 탐지 능력이 우수한 지수가중치이동평균 관리도에 대한 연구동향과 사례를 분석하여 제조 공정에 적합한 관리 방법을 모색하고자 한다.

When monitoring an instrumental process, one often collects a host of data such as characteristic signals sent by a sensor in short time intervals. Characteristic data of short time intervals tend to be autocorrelated. In the instrumental processes often the practice of adjusting the setting value simply based on the previous one, so-called ‘adjacent point operation’, becomes more critical, since in the short run the deviations are harder to detect and in the long run they have amplified consequences. Stochastic modelling using ARIMA or AR models are not readily usable here. Due to the difficulty of dealing with autocorrelated data conventional practice is resorting to choosing the time interval where autocorrelation is weak enough then to using I-MR control chart to judge the process stability. In the autocorrelated instrumental processes it appears that using the Shewhart chart and the time interval data where autocorrelation is relatively not existent turns out to be a rather convenient and very useful practice to determine the process stability. However in the autocorrelated instrumental processes we intend to show that one would presumably do better using the EWMA control chart rather than just using the Shewhart chart along with some arbitrarily intervalled data, since the former is more sensitive to shifts given appropriate weights.

제조공정에서 사용되어 지는 SPC(Statistical Process Control)관리 기법은 가피원인 을 탐지하여 변동을 감소시키는 통계적 공정관리 시스템이다. SPC의 대표적인 관리 기법으로는 Shewhart관리도, Cusum관리도, EWMA관리도가 있으며 이러한 관리 기법 들은 공정을 보다 안정적으로 관리 할 수 있도록 유지 및 예측하는데 사용 되어 진다. 본 논문에서는 일반적으로 사용되어 지는 Shewhart관리도와 공정 예측에 유리한 EWMA 관리도에 대해 연구해보고 공정변화에 민감하게 반응하는 EWMA 관리도의 적용 사례를 제시하고자 한다.

우리나라의 보편적 장치산업의 각 생산공정 공정 세팅(setting)치는 Adjacent Point를 지향한다. 바로 이 점이 운전 세팅치를 자주 변경하게 하는 것이다. 다시 말해 근접한 점에 맞추려고 하는 행동이 군내 변동은 작게 만들지만, 군간 변동은 더욱 크게 만드는 현상을 초래하고 있다. 이 경우 데이터의 자기상관에도 나쁜 영향을 미친다고 할 수 있다. 또한 빈번히 사고성 Control-out도 나타나게 되며, 장기적으로 보았을 때 설비의 내구성에도 영향을 마치게 된다. 이는 4M 표준화의 필요성과 중요성이 강조되는 이유이기도 하다. 최근에는 다행스럽게 현장 작업자의 4M 표준화(세팅치 포함) 변화의 권한과 행위는 지양되고 담당 Engineer에게 절대적인 책임과 권한이 주어져 4M 표준화 및 공정의 Control-in 개념도 자연스럽게 재고되고 있는 상황이다. ARIMA를 이용한 통계적 모형을 만들어 분석하는 것이 최고의 결과를 도출하기 위한 방법이라고 할 수 있으나, 이 방법은 모형을 만들고 분석하는 과정이 너무 어렵고 복잡하여 많은 데이터를 다루는 공정에서 사용하기에 무리가 있는 것이 사실이다. 다소 간편하다 할 수 있는 AR모형을 이용하여 관리 상한과 하한 폭을 넓혀서 분석하는 방법도 있지만, 이 또한 마찬가지로 과정이 어렵고 복잡하다. 실제공정에서는 자기상관이 소멸되는 시간간격 데이터를 이용한 Shewhart 관리도로도 공정 관리 상태를 판독하고 관리하는데 별 무리가 없다고 인지되는 상황이다. 그러나 Adjacent Point를 지향한 운전 습관은 그대로 남아 이상원인 검출에 어려움이 생길 수 있다. 본 연구에서는 기존의 Shewhart 관리도보다 가중치에 따라 작은 변화에 보다 더 민감하게 반응하는 EWMA 관리도를 바탕으로 장치 공정에서의 모니터링 효율성 재고를 위한 모델을 제안하고자 한다.

When the production run is short and process parameters change frequently, it is difficult to monitor the process using traditional control charts. In such a case, the coefficient of variation (CV) is very useful for monitoring the process variability. Th

When the production run is short and process parameters change frequently, it is difficult to monitor the process using traditional control charts. In such a case, the coefficient of variation (CV) is very useful for monitoring the process variability. The CV control chart is an effective tool to control the mean and variability of process simultaneously. The CV control chart, however, is not sensitive at small shifts in the magnitude of CV. The CV-EWMA(exponentially weighted moving average) control chart which was developed recently is effective in detecting a small shifts of CV. Since the CV-EWMA control chart scheme can be viewed as a weighted average of all past and current CV values, it is very sensitive to small change of mean and variability of the process. In this paper, we propose an FIR(Fast initial response) CV-EWMA control chart to improve the sensitivity of a CV-EWMA scheme at process start-up or out-of-control process. Moreover, we suggest the values of design parameters and show the results of the performance study of FIR CV-EWMA control chart by the use of average run length( ). Also, we compared the performance of FIR CV-EWMA control chart with that of the CV-EWMA control chart and we found that the CV-EWMA control chart gives longer in-control ARL and much shorter out-of-control ARL.

The control chart is widely used statistical process control(SPC) tool that searches for assignable cause of variation and detects any change of process. Generally, ？맴詠？ control chart and ？맴詠？ are most frequently used. When the production run is short and

Multi-criteria decision making is deducing the relative importance in the criterion of decision making and each alternative which is able to making a variety of choices measures the preferred degree in the series of low-raking criterions. Moreover, this is possible by synthesizing them systematically. In general, a fundamental problem decision maker solve for multi-criteria decision making is evaluating a set of activities which are considered as the target logically, and this kind of work is evaluated and synthesized by various criterions of the value which a chain of activities usually hold in common. In this paper, we are the eigenvector methods in weights calculating. For the purpose of making optimal decision, the data of five different car models are used. For computing, we used Visual Numerica Version 1.0 software package.

EPC seeks to minimize variability by transferring the output variable to a related process input(controllable) variable, while SPC seeks to reduce variability by detecting and eliminating assignable causes of variation. In the case of product control, a very reasonable objective is to try to minimize the variance of the output deviations from the target or set point. We consider an alternative EPC model with second-order autoregressive disturbance. We compare three control systems; EPC, EPC combined with EWMA. This paper shows through simulation that tlhe performance of the integrated model of EPC and EWMA is more preferable than that of EPC.

An important problem in process adjustment using feedback is how often to sample the process and when to apply an adjustment. Schemes designed to minimize the overall cost. The cost taken the frequency with which they require observations to be made, and the resulting overall length of time between adjustment. In this article, the process adjustment which is based on the adaptive EWMA forecasts are derived. An example is presented to improve confirm standard varation through the analysis of a data series.