게이지 반복성·재현성 분석(Gage R&R) (Gage Repeatability and Reproducibility (Gage R&R) Study)
쉽게 풀면
제품 치수가 규격을 벗어났다고 판단하기 전에, 혹시 측정 장비나 측정하는 사람에 따라 값이 들쭉날쭉한 것은 아닌지부터 확인해야 하는데, 이를 점검하는 방법이 Gage R&R이다. 같은 사람이 같은 부품을 여러 번 측정했을 때 얼마나 값이 다르게 나오는지(반복성)와, 서로 다른 사람이 같은 부품을 측정했을 때 값이 얼마나 다르게 나오는지(재현성)를 통계적으로 분석한다. 만약 측정시스템 자체의 변동이 제품의 실제 산포에 비해 지나치게 크다면, 아무리 정밀한 공정관리를 해도 신뢰할 수 있는 데이터를 얻을 수 없다. 품질관리 시스템 도입 전, 측정 장비나 검사 절차가 신뢰할 만한지 검증하는 필수적인 사전 단계로 활용된다.
왜 중요한가
Gage R&R은 식스시그마·DMAIC 방법론의 측정(Measure) 단계에서 반드시 거치는 절차로 자리잡아, 공정개선이나 품질관리를 다루는 산업공학·제조공학 논문에서 데이터의 신뢰성을 뒷받침하는 근거로 흔히 제시됩니다. 측정시스템 자체가 부정확하면 이후의 공정능력분석이나 통계적 공정관리(SPC) 결과가 왜곡될 수 있기 때문에, 새로운 검사 장비나 검사 절차를 도입한 연구에서 그 타당성을 입증하는 사전 검증 단계로도 자주 인용됩니다.
논문에서는 이렇게 쓰입니다
측정 장비와 측정자로 인한 오차가 전체 산포에서 차지하는 비중이 작다는 것을 통계적으로 확인해 측정 신뢰도가 충분함을 입증했다는 뜻이다.
새로 도입한 자동 검사 장비를 평가했더니, 같은 조건에서는 안정적이었지만 주변 환경(조명)에 따라 값이 달라지는 경향이 있었다는 뜻이다.
아주 미세한 두께 차이까지 구분해야 하는 반도체 공정에서, 측정 장비가 그 정도로 정밀한 값을 안정적으로 잡아낼 수 있는지 검증했다는 뜻이다.
조금 더 깊게 보면
Gage R&R 결과는 흔히 %R&R(측정시스템 변동이 전체 산포에서 차지하는 비율)과 구별범주수(number of distinct categories) 같은 지표로 요약되며, 산업 현장에서는 이 값들에 대한 대략적인 수용 기준이 관행적으로 쓰입니다. 분석 방법으로는 평균-범위법(X-bar and R method)과 분산분석법(ANOVA method)이 있는데, ANOVA법은 측정자와 부품 간 상호작용 효과까지 분리해낼 수 있어 더 정교한 분석이 필요할 때 선호됩니다. 계량형 데이터가 아니라 합격/불합격처럼 판정 결과인 경우에는 속성 Gage R&R(Attribute Gage R&R)이라는 별도 기법이 쓰인다는 점도 논문에서 종종 구분해서 언급됩니다.
주의할 점
측정시스템 변동 비율이 너무 크게 나오면, 이를 무시하고 진행한 공정능력분석이나 SPC 결과 전체의 신뢰성이 훼손될 수 있다.