게이지 반복성·재현성 연구 (Gage R&R (Repeatability and Reproducibility))

한 줄 정의: 측정 시스템에서 발생하는 변동 중 같은 사람이 같은 대상을 반복 측정할 때 생기는 변동(반복성)과 서로 다른 사람이 측정할 때 생기는 변동(재현성)을 구분하여 평가하는 통계적 방법.

쉽게 풀면

측정값이 들쭉날쭉하게 나올 때, 그 원인이 측정 대상 자체의 차이 때문인지 아니면 측정 시스템(장비나 사람) 자체의 불안정함 때문인지 구분할 필요가 있습니다.

게이지 R&R 연구는 여러 명의 측정자가 같은 대상을 여러 번씩 측정하게 한 뒤, 그 결과의 변동을 한 사람이 반복 측정할 때의 차이(반복성)와 측정자가 바뀔 때의 차이(재현성)로 나누어 분석합니다. 이를 통해 측정 시스템 자체가 얼마나 믿을 만한지, 사람 요인이 얼마나 영향을 주는지를 정량적으로 파악할 수 있습니다.

품질관리와 제조업 분야에서 측정 시스템을 평가하는 표준적인 통계 기법입니다.

왜 중요한가

어떤 연구든 측정값 자체가 신뢰할 수 없다면 그 위에 세운 통계적 분석 결과도 의미가 퇴색되기 때문에, 게이지 R&R은 데이터를 수집하기에 앞서 측정 시스템 자체의 품질을 검증하는 절차로 중요하게 다뤄집니다. 특히 제조업 품질관리뿐 아니라 여러 평가자가 개입하는 임상 측정(영상 판독, 신체 계측 등)이나 실험실 계측 연구에서도, 측정자 간 차이가 결과에 얼마나 영향을 주는지 미리 확인해두면 이후 분석에서 발견되는 차이가 진짜 효과인지 측정 오차인지 구분하기 쉬워집니다.

어떤 절차인가

대상 고르기: 공정에서 실제로 나오는 범위를 덮도록 부품(대상) 10개 안팎을 고릅니다. 모두 비슷한 부품만 고르면 부품 간 변동이 작아 측정 시스템이 나빠 보입니다.
측정 계획: 측정자 2~3명이 각 부품을 2~3회씩 측정합니다. 순서는 무작위로 섞고, 측정자가 이전 값을 볼 수 없게 합니다.
분산분석(ANOVA): 부품, 측정자, 부품×측정자 상호작용, 오차(반복)로 변동을 나눕니다. 상호작용이 유의하지 않으면 상호작용을 오차에 합쳐 다시 계산하는 방법이 많이 쓰입니다.
분산 성분 계산: 반복성(같은 측정자·같은 부품의 반복 차이), 재현성(측정자 간 차이), 둘을 합친 R&R, 그리고 부품 간 변동을 구하고 전체 변동에 대한 비율을 냅니다.

가상의 자료(부품 10개 × 측정자 3명 × 반복 2회 = 60번 측정)를 분산분석한 결과입니다. 부품×측정자 상호작용은 유의하지 않아(p = .77) 오차에 합쳤습니다.

변동 원천	표준편차	총변동 대비(%)
반복성(장비)	0.27	21.4
재현성(측정자)	0.16	12.6
총 게이지 R&R	0.31	24.8
부품 간	1.22	96.9
총변동	1.26	100

표준편차 기준 비율은 더해서 100이 되지 않습니다(분산 기준으로는 더해집니다). 분산 기준 기여율은 R&R 6.1%, 부품 93.9%입니다.

언제 쓰고 무엇을 얻나

쓰는 경우: 제조 공정에서 공정 능력 분석이나 관리도를 만들기 전에, 측정값의 흔들림이 부품의 진짜 차이에서 온 것인지 측정 시스템에서 온 것인지 가릴 때. 임상 검사나 계측 도구의 신뢰도 점검에도 같은 논리가 쓰입니다.
해석 기준(관례): 자동차 산업 표준인 AIAG의 MSA 매뉴얼은 총변동 대비 %R&R이 10% 미만이면 양호, 10~30%이면 용도와 비용에 따라 조건부 허용, 30%를 넘으면 개선이 필요하다고 안내합니다. 이 값은 법칙이 아니라 산업계의 관행입니다.
구별 가능 범주 수(ndc): 1.41 × (부품 간 SD ÷ R&R SD)를 정수로 내립니다. 위 예는 1.41 × (1.22 ÷ 0.31) = 5.5로 5입니다. AIAG는 5 이상을 권고합니다.
위 예는 %R&R 24.8%라 “조건부 허용” 구간이고, ndc는 5라 기준선에 걸립니다. 허용할지는 공정의 위험과 개선 비용으로 판단합니다.
Gage R&R이 보여 주는 것은 정밀도(반복성·재현성)입니다. 참값에서 벗어난 정도(편향)는 기기 교정으로 따로 점검합니다.

논문에는 이렇게 적는다

부품 수, 측정자 수, 반복 수, 측정 순서(무작위화), 측정 장비와 해상도
사용한 방법(분산분석, 평균범위법)과 상호작용의 처리 방식
반복성, 재현성, 총 R&R, 부품 간 변동의 표준편차와 총변동(또는 공차) 대비 %, ndc
판단 기준의 출처(예: AIAG MSA 4판)와 그에 따른 판정

보고 문장의 예(가상): “부품 10개를 측정자 3명이 각 2회 측정하여 분산분석법으로 평가한 결과, 총 게이지 R&R은 총변동의 24.8%였고 구별 가능 범주 수는 5였다.”

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"측정 시스템의 신뢰성을 평가하기 위해 세 명의 검사자를 대상으로 게이지 R&R 분석을 실시하였다."

세 명의 검사자가 같은 대상을 반복 측정한 결과를 이용해 측정 도구와 측정자 각각이 만들어내는 오차를 구분해 분석했다는 뜻입니다.

"자동차 부품 조립 공정에서 디지털 캘리퍼스를 이용한 게이지 R&R 연구 결과, 측정 시스템 변동이 전체 공정 변동의 상당 부분을 차지하는 것으로 나타나 계측기 교체가 권고되었다."

부품 크기를 재는 측정 장비 자체의 오차가 생각보다 커서, 실제 부품 편차인지 측정 오차인지 구분하기 어려운 수준이었기에 장비를 바꾸도록 권고했다는 뜻이다.

"물리치료사 간 관절가동범위 측정에 대한 게이지 R&R 분석에서 재현성 지표가 반복성 지표보다 낮게 나타나, 평가자 간 측정 절차의 표준화가 필요함을 시사하였다."

같은 치료사가 반복 측정할 때보다 서로 다른 치료사들끼리 측정할 때 결과 차이가 더 커서, 측정 방법을 통일할 필요가 있다는 임상 연구 결과라는 뜻이다.

조금 더 깊게 보면

게이지 R&R은 흔히 분산분석(ANOVA) 방법을 이용해 전체 측정 변동을 부품 간 변동, 반복성(같은 측정자·같은 대상의 반복), 재현성(측정자 간 차이) 성분으로 분해하며, 이를 바탕으로 측정 시스템 변동이 전체 변동에서 차지하는 비율(%R&R)을 계산합니다.

일반적으로 이 비율이 낮을수록 측정 시스템이 우수하다고 평가되며, 산업 현장에서는 이 값에 대한 대략적인 판단 기준이 관행적으로 활용됩니다. 임상이나 사회과학 분야에서는 유사한 개념이 급내상관계수(ICC)나 평가자간 신뢰도 지표로 다뤄지기도 하여, 분야에 따라 용어와 계산 방식이 다소 다르게 쓰인다는 점도 참고할 만합니다.

주의할 점

게이지 R&R 결과가 나쁘게 나오면 측정 대상 자체의 변동이 큰 것인지, 측정 시스템의 문제인지 먼저 구분해서 원인을 찾아야 합니다.

헷갈리기 쉬운 용어

측정의 질을 따지는 말은 여러 개이며 서로 다른 것을 봅니다.

용어	보는 것	대상 자료
게이지 R&R	반복성과 재현성(측정 변동 크기)	연속형 측정값
코헨의 카파	범주형 판정에서 평가자 간 일치도	범주형 판정
기기 교정	표준에 대한 편향(참값과의 차이)	기준 물질·표준
측정 불확도	측정 결과에 붙는 신뢰할 수 있는 범위	측정 결과 전체

참고 문헌

Automotive Industry Action Group. (2010). Measurement Systems Analysis Reference Manual (4th ed.). AIAG.
Burdick, R. K., Borror, C. M., & Montgomery, D. C. (2003). A review of methods for measurement systems capability analysis. Journal of Quality Technology, 35(4), 342–354.
Montgomery, D. C. (2019). Introduction to Statistical Quality Control (8th ed.). Wiley.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.