KR940009708B1 - 다중-공정 수행 분석을 사용하는 품질 관리 방법 및 제조 시스템 - Google Patents

Abstract

내용 없음.

Description

다중-공정 수행 분석을 사용하는 품질 관리 방법 및 제조 시스템

제 1 도는 본 발명의 원리를 설명하는 품질 관리 공정의 도시도.

제 2 도는 본 발명의 원리를 기술하는데 사용하기 위한 다중-공정 수행 분석도의 도시도.

제 3 도는 본 발명의 예상 탈락 윤곽곡선을 도시하는데 유용한 정상 분포 곡선도.

제 4 도는 본 발명의 예상 탈락 윤곽곡선을 도시하는데 사용하기 위한 테이블 포맷도.

제 5 도는 제 1 도와 관련하여 기술된 원리에 따라 패턴된 또다른 다중-공정 수행 분석도.

본 발명은 품질 관리에 관한 것으로, 특히 다중 공정 환경(multi-process environment)의 전체 품질을 개선하기 위해 복수 공정의 품질 관리를 그 총합에서 분석 가능한 다중 공정 환경의 품질 관리에 관한 것이다.

일반적인 품질 관리 공정에는, 적어도 다음의 3가지 경우가 있다. 즉, (1) 원하는 품질 관리의 규격의 정의, (2) 이 규격을 만족시키는 유니트 또는 제품의 제작, (3) 이러한 제품이 규격을 만족시키는가를 확인하기 위한 제품 검사가 있다.

여기에서 우선 제품의 제작 환경을 생각하기로 한다. 제작환경에서는 보통, 스테이지, 페이즈 등으로 알려진 복수의 공정이 존재한다. 이러한 공정을 통해 제품 또는, 유니트로 불려진 제작 대상물이 통과된다. 예를 들면, 자동차 조립라인에서는, 다중 공정 환경 또는 시스템내에 몇개의 공정이 존재한다. 다시 말하면, 자동차의 프레임 조립용 제1공정, 바디(몸체) 조립용 제2공정, 엔진 조립용 제3공정, 인테리어 조립용 제4공정, 특수 규격차의 옵션품 조립용 제5공정등이 있다. 또한 각 공정은 일반적으로 한개 이상의 공정 파라미터를 가지며, 이러한 파라미터는 설계 기준 또는 규격을 반영한 목표값과 허용 오차를 가진다. 제작 공정에서 품질의 양호한 신뢰성을 유지하기 위해, 제작 공정중 다른 스테이지에서 제작되고 있는 제품의 파라미터를 선택해서 샘플링하는 것에 의해 모니터하는 것이 바람직하다. 일반적으로, 샘플링은 다중 공정 환경 또는 시스템을 형성하는 N개의 공정 각각 또는 선택된 공정별로 제품을 분석하는 것을 포함한다.

제품의 파라미터를 샘플링할 때, 샘플링의 공정동안 얻어진 데이타를 해석하기 위한 방법 원칙을 구축하는 것이 바람직하다. 이러한 바람직한 것은 몇해전에 일반적으로 품질 관리도(또는 분석도)로 불려지는 것이 사용되었다. 품질 관리도의 일반적인 형태는 중좌표로 공정 파라미터의 측정을 표시하고, 횡좌표로 다른 변수, 통상은 시간 또는 제작 순서를 도시한다. 파라미터의 수정은 샘플링하는 제품의 평균 및 표준편차값 또는 퍼센트 측정 등과 같이, 어떤 특성에 대해서 평가치로 하고, 이값에 따라서, 제품이 규격을 만족시키는가를 명시하도록 한다. 다중 공정 환경 또는 시스템에 있어서 각 공정에 대한 파라미터용 품질 관리도는, 일반적으로 품질 측정으로서 몇개의 방법으로 작성되며, 해석하여 이용된다. 이 관리도는 품질 측정의 해석에 따라서 제조 공정중에 조정이 가능하다.

그러나, 이것의 단점으로는, 해석 과정이 제작 공정의 각 스테이지에서 각각의 파라미터만 국한한다는 것이다. 이것은 일반적으로, 종종 문자대로 수백의 품질 관리도를 해석할 필요가 있게 된다. 즉, 품질 관리도는 임의의 공정을 일상적으로 모니터하는 것은 우수한 도구(tool)이지만, 제작 공정을 모니터하는 공정 관리자나 기사 등이, 각 품질 관리도를 각각으로 분석하는 것은 종종 극히 곤란하고 시간 소모가 많게 된다. 또한 각각의 공정 파라미터의 품질 관리도가 해석될 수 있을지라도, 공지의 품질 관리도를 이용하여 다중 공정 환경 또는 시스템 전체의 품질에 대해 해석을 행하는 것은 최상의 조건의 경우에도 곤란하다.

본 발명은 이러한 과제를 해결하기 위해, 다중 공정 환경 또는 시스템에 관해 품질을 개선하기 위한 방법, 시스템, 및 장치를 제공하는 것이다.

본 발명에 있어서, 품질 관리 개선의 대상으로 하는 다중 공정 환경 및 시스템에는, 한개 이상의 공정이 있으며, 이러한 공정은 각각 한개 이상의 공정 파라미터를 가지며, 이러한 공정 파라미터는 각각 소정의 허용 오차를 가진다. 정보는 이러한 공정 파라미터에 관해 모니터된 내용이다. 모니터된 정보는, 통계적 평가치를 발생하는데 사용된다. 이러한 통계적 평가치는, 평균 또는 표준 편차값 등과 같은 공정 파라미터의 소정 특성을 평가하기 위한 것이다.

본 발명에 의한, 다중 공정 환경 또는 시스템에 대해 품질을 개선하기 위한 방법, 시스템 및 장치에 있어서는, 공정 파라미터의 제1및 제2통계적 측정 지표값을 발생하여 상기 지표값을 총합하는 것을 포함한다. 총합된 통계적 측정 지표값은, 다차원 공간적으로 표시된다. 이들 총합된 다차원 공간적으로 표시된 지표값 각각은, 다른(별개로) 총합된 다차원 공간적으로 표시된 각각의 지표값 및 소정의 기준값과 비교된다.

이러한 비교 결과를 기초로 하여, 이들 측정된 공정 파라미터 각각의 상대적 수행이 평가되며, 다중 공정 환경 및 시스템의 품질을 개선하기 위해서는, 어느 공정 파라미터가 조정을 최대로 필요하는가가 판정된다. 조성을 필요로 하는 공정 파라미터는, 우선 순위가 정해진 순서에 따라 조정된다. 이 우선 순위는, 목표값으로부터의 절대적 또는 상대적 편차, 변동성, 공정 파라미터에 대한 제1및 제2통계적 지표값의 최소값, 또는 예상 탈락율, 등과 같은 몇개의 기준에 의해 결정된다.

첨부 도면을 참조하여 이하에서는 본 발명 내용을 더욱 상세히 상술한다.

제 1 도는 품질 관리 공정을 도시한 것으로서, 종래 기술과 본원 기술에서의 원칙적인 원리를 설명하기 위한 품질 관리 기법의 실례로 사용한다.

여러 공정중에서 하나의 공정, 예컨대 철봉에 구멍을 내는 공정을 A라고 가정하자, 즉 일련의 철봉들을 이동시켜서 각 철봉이 조립 라인상의 일정 위치에 도달함에 따라 각 철봉에 구멍이 뚫여지도록 하는 것을 공정 A라고 하는 가정이다. 공정 규격서(110)에는 일반적으로 각 철봉에서 구멍으로서 표시되는 직경이 기재되어 있다. 이 구멍에 대한 규격의 직경은 목표값 또는 T라고 부른다. 구멍의 직경에 대힌 목표값 T에는 상한의 허용 오차의 하한의 허용 오차가 있는 것으로 가정하자, 상한 규격 한도를 USL, 하한 규격 한도를 LSL이라고 하면, 이것들은 최대 직경과 최소 직경을 나타나게 된다. 제조환경에서, 각각의 관측값 또는 공정내 데이타(110)는 각각의 철봉 또는 선택된 수의 철봉에서 구멍 직경의 샘풀된 측정값을 의미하며 이 데이타로부터 샘플링 측정값의 평균 또는 표준 편차 등과 같은 임의의 특성이 발생한다. 종래 기술에서와 같이, 각 공정 파라미터에 대해 각각의 관리도(120)를 작성한다. 실예로서 공정 A를 사용하였지만, 본 발명의 기본은 여러 공정까지 확정할 수 있으며, 즉, A에서 Z까지 공정을 포함하는 다중 처리 환경에도 적용할 수 있다. 종래 기술에서는, 각 공정의 관리 불능 상태가 검출되고(130), 모니터되고(140), 분석되어서(150), 단일 공정 파라미터에 대해서 적당한 조정이 행해진다.

여러 공정중의 한 공정에 관하여 설명하였지만, 지금부터 여러 공정 분석에 관하여 기술한다. 본 발명에 따른 이러한 분석 설명은 측정된 공정 파라미터를 다차원 공간적으로 표시하는 도구(tool)를 이용하는 것에 의해 용이하게 작성될 수 있다. 설명의 편의상, 2차원 공정 분석도(160)를 예로써 사용하지만, 본 발명은 2차원 이상의 다차원 공간적 표시의 경우에도 적용가능하다. 새로운 분석도는 복수개의 공정 수행을 총합하여(170), 총합 데이타를 평가하고, 우선 순위를 정하고, 전달하며(180), 데이타를 개인이나 시스템에 대해 조정하여(190) 적정한 다중 공정 품질 관리를 행함으로써, 이것에 의해 품질 관리 기술의 진보가 달성된다.

제 2 도는 제 1 도의 상세한 다중-공정 수행분석도(160)로서, x-축 또는 횡축은 여기서 CPU로 불리우며 상부 공정 능력 지표로 설명되는 제1통계적 측정값을 표시하고, 반면에 y-축 또는 종축은 여기서 CPL로 불리우며 하부 공정 능력 지표로 설명되는 제2통계적 측정값을 나타낸다. 이후 기술된 이러한 측정은 물론 다른 통계적 측정은 종래 기술에 공지되었다. 예를들면, Victor E. Kane, "Process Capability Indices", Journal of Quality Technology, Vol, 18, No. 1, 1월 1986, pp. 41-52. 참조. 또 다른 측정, 예를 들면, 공정 파라미터의 조정에 의해 비용 절감을 다중 공정 전체에 반영하는 측정도 이용될 수 있다. CPU 및 CPL에 공통적으로 사용되는 등식은 다음과 같다.

여기서, 상기 언급된 바와같이, USL는 주어진 설계값인 상한 규격 한도(110)이며, LSL는 또다른 주어진 설계값인 하한 규격 한도(110)이며,

는 다중-공정 환경중 한 공정의 파라미터 샘플링에서 개별 관측값의 평균 μ의 통계적 측정값이며, s는 다중-공정 환경중 한 공정의 한 파라미터의 샘플링에서 개별 관측값에 대한 표준 편차 б의 통계적 측정값이다. 일반적으로 말하면, 규격 한도 또는 품질 한도는 기술적으로는 허용 오차로 불리우며, 한편 평균 또는 표준 편차는 샘플링된 공정 파라미터의 통계적 분포값 특성으로 불리운다. 그러므로, 샘플링되는 공정 파라미터의 각각에 대해서 다차원 데이타점이 있으며, 이 데이타점은 공정 파라미터의 측정된 지표값의 표시점으로써 다차원 공간에서 파선으로 도시되며, 본 실시예에 있어서는 다중 공정 수행 분석도(16)상에, 예를 들면, 제 2 도에 도시된 바와같이 데이타점 A로서 도시될 수 있다.

기술상의 경험으로 부터, CPU 및 CPL의 값이 +4를 초과하는 경우에는, 그 공정 파라미터의 변동성이 매우 느린 것을 표시하며, 여기에서 「변동성이 매우 느림」이라는 것은, 샘플링 관측값이 상호 비교하여 근접한 값이라는 표현이며, CPU 및 CPL의 값이 상호 매우 근접하다면, 샘플링 관측값은 (a) 규격 한도내에 있으며 (b) 목표값에 근접한 값이며, 이것의 결합은 샘플링 관측값의 산술 평균

이 목표값 T에 접근한다. 동일한 경험으로부터 CPU 또는 CPL의 값이 -1보다 적은 경우, 이 공정 파라미터의 편차가 매우 큰것을 표시하며, 여기에서 「편차가 매우 큼」이라는 것은 샘플링 관측값의 산술 평균

이 상한 규격 한도(USL) 또는 하한 규격 한도(LSL)외에, 즉 허용 오차 범위외에 있는 것을 의미한다. 이상으로부터, 제 2 도의 실시예에 있어서는, (-1)로부터 (+4) 사이의 CPU 및 CPL의 값에 대해 강조하여 설명하지만, 이것에 의해 본 발명의 범위가 한정되는 것은 아니다.

제 2 도의 기본 구조를 설명함으로서, 본 발명의 원리에 따른 장점을 기술하기로 한다. 제 2 도에 도시된 바와같이 분석도(160)의 데이타점을 발생하는 공정과, 다중 공정 환경의 데이타점을 총합하여(170) 다차원 공간으로 표시하는 공정과, 각 공정 파라미터의 데이타점을 해석하여 각각의 수행 특징(180을 평가하여 우선 순위를 정하고 그 특징을 결정하는 공정을 설명한다. 종래 기술의 공정(140,150)과 비교하여 본 발명에 의한 공정(180,190)이 개선점을 제공한다. 공정(170,180,190)이 공정(130,140,150)을 부가 또는 대신할 수도 있다.

다중 공정 환경에서 각 공정은 품질 관리같은 목적을 위해 통계적으로 모너터되는(110) 하나이상의 파라미터를 가질 수도 있다. 예를들면, 구멍의 드릴 가공의 공정으로서, 공정 A로 불리우는 제1공정은, 측정 대상의 파라미터로서 구멍의 직경과 깊이의 두개의 파라미터를 가질 수 있다. 각 파라미터는 목표값과 허용 오차를 포함하는 설계 규격을 가진다(110), 예를들면, 제1파라미터는 최대 직경 및 최소 직경 같은 목표값 및 허용 오차를 갖는 구멍의 직경이며, 이것은 각가 제1파라미터의 USL 및 LSL이다. 제2파라미터에 있어서, 구멍의 깊이는 최대 깊이 및 최소 깊이 같은 목표값 및 허용 오차를 가지며, 이것은 제2파라미터의 USL 및 LSL이다. 설계 규격 한도 또는 허용 오차에 있어서, 두 파라미터의 각각은 통계적으로 측정가능하며 이것에 의한 샘플링 방법 원칙에 따라 공정 A의 두 공정 파라미터의 각각에 대한 CPU 및 CPL 값의 발생도 가능하다. 철봉이 조립 라인의 다음 단계로 이동할 때, 더 많은 형상이 발생할 수 있다. 예를들면 다음 단계는, 공정 B로 불리우며 드릴된 구멍을 통해 연결하는 배치를 포함하는 제2공정을 구비한다. 제2공정 B의 품질 관리에 있어서, 나사의 피치를 측정하면 충분하다고 가정한다. 전술된 바와같이, 공정 B의 설계 규격(110)은 목표값과 허용 오차로서 USL 및 LSL를 포함한다. 연결된 구멍을 통계적으로 모니터하는 것은 제2공정에서의 CPU및 CPL의 발생을 허용할 수도 있다.

종래 기술을 사용하는 품질 관리 기술자는 전술된 세 공정 파라미터의 각각에 대한 관리도(120)를 작성하고, 세 파라미터를 모니터하며(140), 두 공정을 분석(150)함으로써 각각의 공정 수행(130)을 해석한다. 그러나, 본 발명의 원리에 따라서, 제1공정으로부터 두 데이타점을 발생하고 제2공정으로부터 하나의 데이타점을 발생한 후, 상기 세개의 데이타점은 제 2 도에서 파선으로 도시되며, 그것에 의해 3개의 공정 파라미터를 개별적으로 해석하는 것이 아니며 그외 총합으로서 다중 공정 환경 전체에 대해 해석하는 것이다. 본 실시예는 두 공정과 세개의 공정 파라미터를 포함하는 다중-공정 환경에 대한 방법 원칙을 설명하고 있지만, 본 발명은 N개의 공정을 갖는 다중 공정 환경에서 각 공정의 각 파라미터에 대해 다차원 공간적으로 데이타점을 발생하도록 빠르게 확대될 수 있다.

품질 관리 공정이 다중-공정 환경중 각 공정에서 각 파라미터에 대한 품질 관리 공정을 모니터(140)하기 위해 종래 기술에서와 같이 개별적인 관리도(120)의 발생을(필요하지는 않으나) 포함하는 것을 인지하는 것은 본 발명의 원리를 이해하는데 중요하다. 그러나, 본 발명의 원리에 따른 부가적인 장점은, 각 공정 파라미터에 대한 데이타점을 발생시켜 제 2 도에 도시된 바와같이 분석도(160)상에 데이타 점을 총합시킴으로써 얻어진다. 상기 방법에 있어서, 제 2 도에 도시된 새로운 분석도(160)에는 다수의 공정 환경중 각 공정의 전부 또는 선택된 파라미터의 통계적 측정이 총합된다. 본 발명에 의해, 다수의 공정으로부터 다수의 공정 파라미터를 총합하여 분석도(160)와 같은 단일 다차원 공간으로 표시함에 따라 각각의 품질 공정보다도 전체의 품질 관리 공정을 개선시키는 다중 공정 환경의 파라미터의 검토, 해석이 가능하게 된다.

제 2 도에서 분석도의 일반적인 구조론을 기술하며 N개의 공정의 각각이 다른 수의 측정가능한 공정 파라미터를 포함하는 다중-공정 환경을 기술하며, 각 공정 파라미터에서 하나 이상의 통계적 측정을 발생하는 방법을 기술하며, 하나 이상의 측정을 다중화된 공간으로 표시하는 방법을 기술함으로서, 제 2 도에 도시된 분석도(160)에서 다차원 데이타점을 설명하는 방법을 용이하게 기술한다. 한편 상기에 관하여 CPU 및 CPL 같은 두개의 통계적 측정값을 기술한다. 그러나, 공정 파라미터를 조정함으로써 전체-다수 공정에서 비용을 절약하는 측정방법, 또는 제어 한도를 기초로 하며 품질 관리 기술에 대한 규격 한도를 기초로 하는 공정 능력 지표로 불리우는 측정 방법 관리 한도를 기초로 한 측정 방법같은 부가적인 측정 방법이 발생될 수 있고 그 결과에 따른 데이타점은 분석도(160)에서 다차원 공간으로 표시될 수 있다.

제 2 도에 도시된 (CPU, CPL)데이타점을 해석하기 위해, 제 2 도의 총합된 데이타점으로부터 결정될 수 있는 4개의 다른 공정 수행 기준에 대해 기술하기로 한다. 이러한 기준은 다수의 공정 환경의 품질을 개선시키기 위해 어느 공정 파라미터가 조정을 최대로 필요로 하는가를 결정하는데 사용되지만, 본원에서는 총합 공정 수행(170)에 포함되고, 다음과 같이 포괄적으로 언급된다.

1. 공정 파라미터의 편차

2. 공정 파라미터의 변동성

3. 각 (CPU, CPL)데이타점에 대해 CPU 또는 CPU 중 최소한 하나로 결정되는 CPK로 불리우는 다른 통계 측정값은 다른 공정 능력 지표.

4. 파라미터의 판독에서 규격 한도 밖에 있는 임의의 기록점 수의 추정치(예상 탈락수로 불리움).

[1. 공정 파라미터의 편차]

목표값 T로부터 공정 파라미터의 개별적인 관측점의 산술 평균

의 편차를 추정하는 방법을 기술한다.

첫째로, 샘플링 공정 파라미터의 개별적인 관측점의 산출 평균 x이 목표값 T와 동일하다고 가정하고, 또한, 규격 한도 또는 허용 오차가 목표값에 대해 대칭적이라고 가정하면, 다음과 같이 수학적으로 표시될 수 있다.

그러므로, 공정 파라미터의 산술 평균이 목표값과 일치할 때, 제1통계적 측정 CPU는 제2통계적 측정 CPL와 동등하다. 상기 결과는 제 2 도에 도시된 분석도(160)의 제1사분원의 종축과 횡축에 대해 45°각도로 직선으로 도시되며, 제 2 도에서 이 직선은 목표선(210)으로 불리운다. 그러므로 목표선(210)상에서 임의의(CPU,CPL) 데이타점은 산술 평균이 목표값과 동일 즉,

인 특성을 가진다. 그리고, 이러한 사실은 공정 파라미터의 목표값과 샘플링 공정 파라미터의 산술 평균 사이에서 편차가 없다는 것을 설명한다.

두번째로, 공정 파라미터의 산술 평균이 목표값보다 클때, 제1통계적 측정 CPU는 제2통계적 측정 CPL보다 더 적다. 상기 결론을 이해하기 위해, 상한 및 하한 규격 한도, 즉, USL 및 LSL는 목표값에 대칭적인 것으로 추정된다. 이러한 추정은 수학적으로 다음과 같이 표시된다.

이것은 전술된 수식으로부터 CPU

CPL을 의미한다. 그러므로, 산술 평균이 목표값보다 클때, 제1측정 CPU는 제2측정 CPL보다 적다. 상기 결과는 목표선(210)보다도 위측에 있는 제1사분원의 영역으로써, 호(220)로 표시되는 영역에 의해 제 2 도에서 도식적으로 도시된다. 그러므로, 목표선(210) 위에 있는(CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 목표값보다 더 큰 특성을 가지며, 분석도(160)상의 이러한 데이타점은 (a) 공정 파라미터의 목표값과 산술 평균 사이의 편차가 있으며, (b) 상기 편차가 상한 규격한도, USL쪽으로 진행하는 것, 즉 공정 파라미터의 산술 평균이 목표값보다 큰값은 갖는 것을 의미하는 것으로 해석된다. 이러한 결론은 USL이 목표값보다 큰 것을 정의한다. 물론 LSL은 목표값보다 크지 않다.

다른 한편, 산술 평균이 USL과 동등할 때, CPU는 제로와 동등하며, 공정 파라미터에 대응하는 데이타 점은 y축 또는 종축상에 위치한다. 그러므로, 분석도(160)의 y-축에 위치하는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 USL과 동일한 특성을 가진다. 상기 결과는 제 2 도에서 세로축과 일치하는 직선(230)으로 도시된다. 다른 한편, 산술 평균이 USL보다 클때, CPU는 음이며, 공정 파라미터의 데이타점은 분석도(160)의 제2사분원상에 위치한다. 그러므로, 분석도(160)의 제2사분원상에 위치하는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 목표값보다 클뿐만 아니라 USL보다 큰 특성을 가진다. 상기 결과는 제 2 도에서 호(240)로 표시되는 범위이다.

세번째로, 공정 파라미터 산술 평균이 목표값보다 작을 때, 제1통계적 측정 CPU는 제2통계적 측정 CPL보다 크다. 이러한 결론을 이해하기 위해, 규격 한도는 목표값 근처에서 대칭인 것으로 추정되며, 이것은 다음과 같이 수식으로 표시된다.

으로 되며, 이것은 전술된 수식으로부터 CPU〉CPL을 의미한다. 그러므로, 산술 평균이 목표값보다 작을때, 제1측정 CPU는 제2측정 CPL보다 크다. 상기 결과는 제 2 도의 제1사분원의 목표선(210) 아래에 위치한 영역으로서, 호(250)로 표시되는 범위이다. 그러므로 목표선(210) 아래에 위치하는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 목표값보다 작은 특성을 가지며, 분석도(160)상의 이러한 데이타점은 (a) 당해의 공정 파라미터의 목표값과 산술 평균 사이에 편차가 있으며 (b) 상기 편차는 하한 규격 한도 LSL쪽으로 향하며 이것은 파라미터의 산술 평균이 목표값보다 적은값을 갖는 것을 의미하는 것으로 해석된다. 이러한 결론은 정의에 의해 LSL이 목표값보다 적도록 하며, USL은 목표값보다 결코 적지 않도록 한정된다.

다른한편, 산술 평균이 LSL과 동등할 때, CPU는 제로이며, 공정 파라미터의 대응하는 데이타점은 x-축 또는 가로 축상에 위치한다. 그러므로, 분석도(160)상의 x-축상에 위치하는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 LSL과 동일한 특성을 가진다. 상기 결과는 제 2 도에서 가로축과 일치하는 직선(260)으로 도시된다. 또 한편, 산술 평균이 LSL보다 적을때, CPL는 음이며, 공정 파라미터의 데이타점은 분석도(160)의 제4사분원상에 위치한다. 그러므로, 분석도(160)상의 제4사분원상에 위치하는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터는 산술 평균이 목표값보다 작을뿐만 아니라 LSL보다도 작은 특성을 가진다. 상기 결과는 제 2 도의 제4사분원 영역으로서 호(270)로 표시되는 범위이다.

USL이 목표값 T보다 크고 LSL이 목표값 T보다 작을경우, 분석도(160)상의 제3사분원상에 (CPU, CPL)데이타점은 결코 존재하지 않는다.

네번째로, 편차 개념에 대한 상세한 설명은 산술 평균과 목표값 사이에서의 절대차의 관점으로부터 제공된다. 상대적 측정의 관점으로부터 편차의 개념을, 절대차와 비교하여 설명하는데 유용한 제3통계적 측정을 기술한다.

종래 기술에 공지되고 기호 k로 주어지는 제3통계적 측정을 지금부터 기술하기로 한다. 제3측정은 결코 새로운 통계적 측정이 아니며, 오히려 분석도(160)를 이용하여 해석함으로써 얻어질 수 있다는 것을 강조하고 있다. 제3측정은 공정 파라미터의 상대적 편차를 측정하기 위한 것이다. 상대적 측정은 다중-공정환경의 동일한 공정 또는 다른 공정에서 다른 공정 파라미터 사이의 비교를 허용하고, 상대적 편차의 경우 복수의 공정 파라미터 사이에서 상대적 편차를 전체로서 비교할 수 있는 장점을 가지고 있다. 이러한 비교는 다중 공정 시스템의 품질을 향상시키기 위해 조정이 요구되는 공정 파라미터가 어느 것인지 결정하는데 사용된다.

공지된 상대적 측정 k는 제3통계적 측정으로써 사용되며, 산출적으로 다음과 같이 표시된다.

X 〉T 이면

이고, X〈 T 이면 k=

이다.

상한 및 하한 규격 한도 및 허용 오차가 목표값에 대해 대칭적이면, 상기 산술식은 다음과 같다.

상대적 측정인 제3측정 k는 (a)공정 파라미터의 목표값으로부터 산술 평균의 절대 편차와 (b) 상한 또는 하한 규격 한도 및 목표값 사이의 차이의 비율을 측정한다.

제3측정은 제 2 도의 새로운 분석도(160)로부터 쉽게 발생될 수 있다. 제 2 도에서 데이타점 A로 표시되는 (CPU, CPL)데이타점에 대해 생각해보면, 제3측정 k를 발생하기 위해, A점을 경유해서 목표선(210)에 대해 수직인 직선(280)을 구하며, 직선(280)의 목표선(210)과의 교점을 B점, y축과의 교점을 C점, x축과의 교점을 D점으로 한다. 제3측정 k는 직선(280)의 두 선분의 비율 즉, 선분 CB의 길이대 선분 AB의 길이 비율과 동일하며, 수학적으로 다음과 같다.

여기서 AB는 선분 AB의 길이이며, CB는 선분 CB의 길이이다. 단순 삼각 관계를 통해, 제3측정은 각도 285 탄젠트와 동일하며 직선(290)과 목표선(210)의 상호 교차에 의해 형성되며, 직선(290)은 분석도(160)상의 원점과 A점을 통과하는 직선이다.

기술된 방법에 따라, 제3측정은 분석도(160)상에서 (CPU, CPL)데이타점에 의해 표시되는 각 공정 파라미터에서 발생되는 것은 명백하다.

다섯번째로, 임의의 공정 파라미터의 편차를 다른 공정 파라미터와 관련하여 설명한다. 이 경우, 두 파라미터는 동일한 공정내에 있거나 또는 다른 공정내에 있을 수도 있다. 이러한 방법은 전술한 제3통계 측정 k로부터 얻을 수 있다.

다른한편, 제3측정 k는 제 2 도의 둘 이상의 (CPU, CPL)데이타점 각각에서 그리고 둘 이상의 공정 파라미터 각각에서 발생된다. 그러므로 발생된 제3측정은 최하값에서 부터 최고값까지 순위가 정해진다. 이러한 순서는 최소의 상대 편차로부터 최고의 상대 편차까지 공정 파라미터의 1대 1 순위에 대응한다.

다른한편, 직선(290)과 같은 일련의 직선을, 각각 제 2 도의 분석도(160)상의 원점과 각 공정 파라미터 (CPU, CPL)의 데이타점 사이에서 구한다. 상기 이론에 따라 일련의 제3통계적 측정 k, 즉, 상대적 편차 측정은 발생되고, 여기서 각각의 개별적인 측정은 직선(290)과 같은 일련의 직선 각각과 목표선(210) 사이에서 형성되는 각도의 삼각 탄젠트에 동등하며, 그러므로, 285°과 같은 일련의 각도가 형성된다. 그러므로 상대적 편차 순위 순서는 형성된 285°와 같은 일련의 각도에 대해 유사한 순위 순서에 대응하는 1 대 1이다. 그러므로, 가장 큰 각도를 갖는 공정 파라미터는 최고의 상대적 편차를 갖는 공정 파라미터와 동일한 파라미터이다.

상기 결과는 다중 공정 환경의 품질을 향상시키기 위해 조정이 필요한 공정 및 공정 파라미터의 우선 순위를 정하는데 사용된다. 예를 들면, 품질 관리 공정에 있어서, 편차에 주안점을 둔 경우, 상대적 편차 k의 순위정함과 일 대 일 대응할 순위정함이 이루어진 각도에 의해서, 품질 개선의 관점으로부터 개선 대상으로 할 공정 파라미터, 및 다중 환경 공정에서 편차에 관련하여 최대로 두드러진 품질 개선을 얻기 위해 이들 공정 파라미터를 조정해야 할 순서의 판정이 용이하게 가능하다.

[2. 공정 파라미터의 변동성]

상한 규격 한도 USL과 하한 규격 한도 USL 사이의 차이에 연관하여 공정 파라미터의 변동성을 추정하는 방법을 설명하기로 한다.

첫째로, 표준 편차는 공정 파라미터 특성이며 공정 변동성의 통계적 측정으로서 사용되는 것은 종래 기술로 공지되었다. 본 설명에서, 표준 편차의 측정은 기호 S로 표시된다.

상대적 변동성은 표준 편차 S의, 폭(USL-LSL)에 대한 비율을 의미하며, 수식으로 다음과 같이 표시된다.

상대적 변동성=

제3측정 k에서 기술된 바와 같이, 직선은 공정 파라미터의 (CPU, CPL)데이타점을 통해 얻어지며, 상기 직선은 목표선(210)에 수직이다. 상기 예에서, 데이타점 A로부터 목표선(210)에서 얻어진 직선(280)은 목표선과 B점에서 교차하는 동시에, y축과 C점에서 그리고 x축과 D점에서 교차한다. 이 직선(280)의 모든점에 대하여

으로 표시되는 USL-LSL과 3s와의 비율은 정수이며, 종좌표의 C점에서 CPL값과 동등하며, 횡좌표의 D점에서 CPU와 동등하다. 비율이 일정하다는 것은 직선(280)상의 모든 데이타점이 상한 및 하한 규격 한도 사이의 폭, 또는 차이에 대한 동일한 변동성을 가지는 것을 의미한다.

이러한 것을 총합하면, 직선(280)이 원점으로부터 이동할 때, 상호 교차점 B는 분석도(160)상의 원점으로부터 떨어져 목표선(210)을 따라 이동할 때, 상호 교차점 C 및 D는 y-축 및 x-축 상에서 각각 양의 방향으로 이동한다. 이것은 일정 비율이 증가하는 것을 의미하며, 폭이 고정된 경우 표준 편차 S는 감소하고, 공정 파라미터의 상대적 변동성이 감소되는 것을 의미한다. 이러한 결론은 제 2 도의 목표선(210)에 첨부된 변동성 감소 단어의 방향을 표시하는 화살표로 도시된다. 그러므로, 다수의 공정 파라미터에 대하여 다수의 (CPU, CPL)데이타점이 분석도(160)상에 도시되는 것과 같은 다중-공정 환경에서, (280)과 같은 직선이 다수의 공정 파라미터의 각각의 데이타점에서 얻어지는 것은 명백하다. 본 발명의 원리에 따라서, 우선 순위가 (280)과 같은 각각의 직선이 목표선(210)상에서 교차하는 B점과 같은 각각의 교점을 1대 1로 대응하는 경우에, 공정 파라미터가 상대적 변동성에 따라 우선 순위가 정해지는 것은 명백하다. 우선 순위는 다중-공정 환경의 품질 관리를 개선시키기 위해 공정 및 공정 파라미터의 조정을 다루는 또 다른 우선 순위 랭크를 발생할 수도 있다.

분석도(160)상에 데이타점에 의해 표시된 공정 파라미터는 다음과 같은 상대적 변동성 같은 것으로 해석될 수도 있다.

B점과 같은 목표선(210)상의 교점이 원점에 근접할수록 이것에 대응하는 공정 파라미터의 상대적 변동성은 높게 된다. 한편, 목표선(210)상의 교점이 원점으로부터 멀어지면 대응하는 공정 파라미터의 상대적 변동성은 낮게 된다. 상기로부터 원점은 최대 상대적 변동성의 데이타점인 것을 알 수 있다.

두번째로, 공정 변동성을 측정하는 능력 지표로 공지되있는 또다른 통계적 측정은 제 2 도의 분석도(160)로부터 결정할 수 있다. 특히, 제4통계적 측정은 다음과 같이 수학적으로 표시된다.

방정식(5)와 (6)을 비교하면 제4통계적 측정 Cp의 값은, 제 2 도의 데이타점 D에서 평가될 때, 제1통계적 측정 CPU의 값에 1/2이며, 제 2 도의 데이타점 C에서 평가될 때, 제2통계적 측정 CPL의 값에 1/2이다. 그러므로, 다음과 같이 제 2 도를 해석하여 Cp 값을 판독할 수 있다. B점으로부터 종좌표에 수직인 직선(281) 또는 횡좌표에 수직인 직선(282)를 구한다. 직선(281)과 종좌표와의 교점을 E, 직선(282)과 횡좌표와의 교점을 F로 한다. 단순한 기하학적 구성으로부터, 공정 파라미터 A의 제4통계적 측정 Cp 값은 F점에서 평가될 때 제1통계적 측정 CPU의 값이며 E점에서 평가될 때 제2통계적 측정 CPL의 값으로서, 분석도(160)로부터 쉽게 판독될 수 있으며, 양 값은 서로 동등하다.

편차에 있어서, 공정 및 공정 파라미터는 변동성에 대한 다른값을 가질 수 있다. 품질 관리 공정에서, 변동성에 주안점이 있는 경우, 변동성의 측정에 따라 예를 들면, 최고 변동값으로부터 최저 변동성으로와 같이 공정 파라미터의 순위가 정해질 수 있다. 감소하는 변동성에 대해 가장 유효한 품질 개선을 얻기 위해 상기 순위 정함을 이용해서, 공정 및 공정 파라미터 조정의 우선 순위를 결정한다.

[3. 다른 통계적 측정, CPK]

편차와 변동성을 기초로한 제5통계적 측정 CPK는 제 2 도의 분석도(160)로부터 쉽게 결정될 수 있다. 제5측정은 (CPU, CPL)데이타점에서 제1 및 제2통계적 측정 보다 적은, 즉, CPU 및 CPL의 최소치로 정의된다.

한편, 목표선(210) 위에 있는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터에 있어서, CPU의 값은 CPL의 값보다 작다. 그러므로, 상기 데이타점 CPU 또는 CPL 중 최소값은 항상 CPU이다. 다른한편 목표선(210) 아래에 있는 (CPU, CPL)데이타점을 갖는 임의의 공정 파라미터에 있어서 CPU의 값은 CPL의 값보다 크다. 그러므로 상기 데이타점 CPU 또는 CPL 중 최소값은 항상 CPL이다.

그러므로, 제5측정 CPK의 값은 목표선(210) 위에서 데이타점에 대한 제1측정 CPU 값이며, 목표선(210) 아래에서 데이타점에 대한 제2측정 CPL 값이다. 전술된 바와 같이, 목표선(210) 상에서 임의의 데이타점은 CPU 및 CPL의 값과 동일하며, 이상으로부터 CPK는 CPU 또는 CPL 둘중 하나가 된다.

편차 및 변동성에 있어서, 공정 및 공정 파라미터는 제5통계적 측정 CPK의 다른값을 가질 수 있다. 품질 관리 공정에 있어서 CPK에 주안점이 있는 경우, 공정 파라미터는 최하의 CPK로부터 최고의 CPK까지 예를 들면 CPK 측정에 따라 순위가 정해질 수 있다. 증가하는 CPK에 대해 가장 유효한 품질 개선을 얻기 위해 이 순위정함을 이용하여 공정 및 공정 파라미터 조정의 우선 순위를 결정한다.

[4. 예상 탈락수의 추정]

품질 관리 내용에서, 탈락수는 제작된 유니트에서의 허용 오차 예를 들면, 규격 한도 밖에 있는 유니트의 수에 연관된다. 이러한 개념을 설명하기 위하여, 공정 파라미터의 값으로 규격 한도 밖에 있는 부분의 비율에 연관해서 탈락수를 설명한다.

설명의 편의상, 제 3 도에 도시된 바와 같이 통계분야로 알려진 정상(벨 형성) 분포 함수가 다른 공정 환경의 각 공정에서 각 공정 파라미터에 적용되는 것으로 가정한다. 공정 파라미터의 탈락수 추정용으로 제 5 도에 도시된 바와 같은 일련의 윤곽선(contour line)이 구해진다. 본 실시예에 있어서, 공정 파라미터에 대한 (CPU, CPL)데이타점이 윤곽선상에 있으며, 즉 10퍼센트 탈락 윤곽선상에 있으면, 공정 파라미터 값의 10퍼센트가 허용오차 또는 규격 한도 밖에 있는, 다시 말하면 USL 보다 크거나 LSL 보다 작은 것을 의미한다.

본 출원인은 CPU, CPL의 함수로서 윤곽선의 발생 방법에 관하여 기술한다. 참고적으로 정상 분포 함수에 관한 통계학을 주제로한 몇개의 논문이 있다. 예컨대, Ⅰ. Miller와 E. Freund의 "Proqafility and Statistics for Engineers"(Prentice-Hall, Inc., Engelwood Cliffs, NJ, 2nd edition(1977). P.487)이 있다. 본 발명의 특징에 따라, 간단한 종형 곡선의 원리적인 윤곽선의 특징을 기술하기 위해 제 3 도에 도시하였다. 제 4 도는 10퍼센트의 예상 탈락에 대응하는 특정 윤곽선을 발생하기 위해 사용한 몇몇 연산 결과치를 요약하여 도시한 테이블이다. 지금부터 10퍼센트 예상 탈락 윤곽선의 발생예를 설명한다. 10퍼센트 이외의 윤곽선에 대해서도 당업자는 용이하게 발생할 수 있다. 제 4 도에 도시한 10퍼센트의 윤곽선용 연산은, 기술적으로 공지되있으며, 제 3 도의 종형곡선과 연관하면 용이하게 이해될 수 있다. 생성된 윤곽선이 제 5 도에 도시되어 있다.

CPU를 1로 설정하자. CPU를 정의하는 방정식(1)를 참조하고, 이것에 3을 곱하면 제 4 도에 정의되는 SU의 값을 발생한다. 이것은 3과 동일하다. 정상 분포 함수에 대한 도표를 사용하면, 표준적인 정상 곡선 아래에서 SU로부터 무한대까지 사이의 면적은, SU가 3일때, 0.13퍼센트가 동등하고, 그 영역은 제 3 도에 FU 영역으로 도시하였으며, 제 4 도에서 수학적으로 정의되어 있다.

본 설명은 10퍼센트의 예상 탈락을 가정하고, 정상 곡선의 상부(제 3 도의 우측)의 하측면적, 즉, FU로 정의된 부분을 0.13퍼센트로 가정했기 때문에 탈락에 대응하는 전체 부분중 남아있는 면적, 즉, 제 3 도의 정상 곡선의 하측(제 3 도의 좌측)의 하측 면적, 즉, FL로 정의된 부분은, 9.87퍼센트로 된다. 이것은 탈락이 허용 오차의 외측, 즉 USL 또는 LSL 중 하나의 외측에서 발생하고, 탈락 전체의 면적은 FU와 FL의 합계로써 10퍼센트와 동일하다고 가정한다. 이상의 계산은 제 4 도에 정의되어 있다. 또한, 교과서에도 있는 정상분포에 관한 표를 이용해서, 표준적 정상곡선의 하측에서 부(negative)의 무한대로부터 SL값까지의 면적 FL이 9.87퍼센트라고 가정하면, SL의 값은 1.29퍼센트이다. 제 4 도에 도시된 바와 같이 SL은 CPL의 3배로 정의되어 있기 때문에 대응하는 CPL의 값은 0.43퍼센트가 된다. 이때 10퍼센트 윤곽선상의 지점은 (1.00, 0.43)과 같은 (CPU, CPL)의 값을 가지며, 그 지점은 제 5 도의 분석도(160)상에 표시된다. 상기 방법은 (CPU, CPL)의 충분한 다수값으로 반복되어서, 10퍼센트 윤곽선을 발생시킨다. 언급한 바와 같이, 이 분야의 기술자라면 실시예를 동일하게 다른예로 조정할 수 있을 것이다. 제 4 도는 15개의 이러한 점을 계산하고 있으며, 이것을 사용하여 제 5 도에 도시된 10퍼센트 윤곽선을 형성할 수 있다.

이러한 방법을 다른 값의 탈락에 대해서도 반복하여 윤곽선을 완성시킬 수 있다. 제 5 도는 1.0, 10.0, 25.0, 50.0퍼센트의 예상 탈락수에 대해 4개의 윤곽선을 도시한다.

제 5 도의 분석도(160)상에 다수의 윤곽선을 완성시키면, 분석도(160)상의 공정 파라미터 데이타점(CPU, CPL)에 대한 윤곽선의 상대 위치를 기초로하여 공정 파라미터의 예상 탈락수의 추정에 관해 설명하기로 한다. 예를 들면, 제 5 도의 새로운 일련의 데이타점 A로부터 K까지 생각한다. 또한 이들의 데이타점은 앞서 설명용으로 기술한 제 2 도의 데이타점과는 다르다.

실시예로서, 제 5 도의 K점에 대해 언급하면, 데이타점 K에 대응하는 공정 파라미터 K는 25~50퍼센트 사이의 예상 탈락수를 갖은 것으로 결론질 수 있다. 또한 데이타점 H가 1퍼센트 윤곽선상에 있기 때문에, 공정 파라미터 H의 예상 탈락수는 1퍼센트이다. 또한 다른 공정 파라미터에 대한 데이타점이 1퍼센트 이상의 윤곽선에 있을 경우에, 다른 공정 파라미터에 대한 예상 탈락수는 1퍼센트 보다 작다.

편차, 변동성 및 CPK에 따라, 공정 및 공정 파라미터는 예상 탈락수에 관해 여러값을 가질 수 있다. 그래서, 품질 관리 공정에 있어서, 예상 탈락수에 주안점이 있는 경우, 예상 탈락수의 측정에 따라, 예를 들면, 최고 예상 탈락수로부터 최저 예상 탈락수까지와 같이 공정 및 공정 파라미터의 순위가 정해지다. 감소된 예상 탈락수에 대한 최대 품질 개선을 얻기 위해 이 순위 순서를 이용하여 공정 및 공정 파라미터로 조정의 우선 순위를 정한다.

[요약]

제 5 도의 데이타점(CPU, CPL) A로부터 K까지와 관련하여 상기의 설명을 재검토하면, 다중 공정 환경에 있어서 분석도의 사용자가 복수의 공정 파라미터에 대해 평가, 우선 순위 및 조정을 행하여 다중 공정 환경의 전체 품질을 개선시키도록 다차원 분석도(160)를 작성하는 순서가, 어떻게 해서 사용자에게 도움이 되는지 명백하다.

예컨대, C점은 목표선(210)상에 있음을 주목하자. 파라미터 C의 산술 평균이 목표값과 동일하며, 편차가 없는 것으로 해석한다. 이와 비슷하게, G점이 목표선(210) 위에 있고, I점이 목표선(210) 아래에 있음을 주목하자. 이러한 관측은 G.I 공정 파라미터가 편차있음을 표시하고, G 파라미터의 산술 평균이 목표값보다 큰 반면에, I 파라미터의 산술 평균이 목표값보다 작음을 의미한다.

(510,520,530)의 직선이 분석도(160)상의 원점과 각 데이타점 K,H,J 사이에서 유도되었음을 주목하자. 목표선(210)과 (510,520,530) 직선사이에서 만들어진 각도는 최대에서 최소 순위로 표시된다. 이러한 관측은 파라미터 K가 최대의 상대적 편차를 가지며, 파라미터 H는 그 다음의 상대적 편차를 가지며, J 파라미터는 K,H,J 파라미터 사이에서 최소의 상대적 편차를 가지며, 이것과 동일한 순서로 이들 파라미터의 조정 우선 순위가 정해질 수 있다.

제 2 도의 직선(280) 다음에 패턴화된 직선은 제 5 도에서의 분석도(160)상에서 구할 수 있다. 최종 관측은 파라미터 K가 모든 공정 파라미터의 최고의 상대적 변동성을 갖고, 반면에 B 파라미터는 A~K 공정 파라미터의 최저 상대적 변동성을 갖는 것으로 해석될 수 있다. 그리고 상기와 동일한 순서로 파라미터 조정의 우선 순위가 정해질 수 있다.

제 5의 통계적 측정 CPK가 (CPU, CPL)데이타점에 대해 용이하게 발생할 수 있다. 파라미터 K에 대한 CPK는 CPL값의 약 0.2이며, D,F 파라미터에 대한 CPK는 CPU 값의 약 1.5이고, 이것과 동일한 순서대로 각 파라미터 조정의 우선 순위를 정해진다.

또한, 상술된 바와 같이, 품질 관리 공정은, 예를 들면 파라미터 K가 구성 요소인 공정의 개선을 첫번째로 지정하고, 파라미터 H가 구성 요소인 공정의 개선을 두번째로 지정할 수 있다. 파라미터 K를 첫번째로 파라미터 H를 두번째로 하는 이유를 설명하기로 한다. 즉 제작 공정 파라미터 K와 파라미터 H의 샘플링 측정 결과는, 이들 두개의 공정 파라미터에서 최고의 예상 탈락수를 발생할 때, 첫번째로 제1공정을 개선하고 다음에 제2공정을 개선시키는 것에 따라서 품질 관리에 대한 최대의 개선을 달성한다. 이러한 결론에 따라 우선 순위가 정해지고, 그리고 파라미터 K는 제1공정의 구성 요소이며, 파라미터 H는 제2공정의 구성 요소이다.

분석도(160)를 이용해서 다중 공정 수행 분석의 관점으로부터 본 발명에 대해 설명할 수 있지만, 분석도(160)에 있어서는 적어도 다른 2개의 관점이 가능하다. 즉, 제2관점은, 다중 공정 시프트 분석의 관점이며, 제3관점은 다중 파라미터 분석의 관점이다.

예컨대, 제2관점으로부터, 허용 오차가 규격 한도 보다도 관리 한도에 있다면, 방정식(1)로부터 제2통계적 측정과 방정식(2)로부터 제2통계적 측정을 다시 쓰면 다음과 같다.

여기서, UCL은 상한 관리 한도의 통계적 허용 오차이다. LCL은 하한 관리 한도의 다른 통계적 허용 오차이며,

는 공정의 샘플평균

의 산술평균이며,

는 공정의 샘플평균

의 표준 편차이다.

예컨대, 제3관점으로부터, 샘플링할 관측 대상을 다중공정 환경에서 일군의 공정 보다도 제품의 "롯트(lot)" 또는 "배치(batch)" 로부터 얻는 방법이 있다. 이러한 관점의 경우, 외부로부터 들어온 제품이나 최종 제품의 롯트에 있어서 다중 파라미터의 시험 또는 검사의 결과를 표시할 수 있다.

이상의 설명은 본 발명의 한 실시예에 관해 기술하였지만, 그 기술분야에 숙련된 사람이라면, 변형 및 수정이 가능하다. 예를 들면 공정 파라미터의 조정에 있어서 우선 순위정함을, 상대적 편차, 변동성, 예상 탈락, 또는 CPK에 관해 기술하였지만, 우선 순위 정함은 공정 파라미터의 조정으로부터 얻어지는 상대적 코스트 절약에 관하여 행해질수도 있다. 그러므로, 본 발명의 범위는 첨부된 청구범위로 제한된다.

Claims (14)

1. 제품 제조 방법에서 상기 방법은 하나 이상의 제조 공정 단계를 가지며, 각 제조 공정 단계는 각각의 소정의 허용 오차에 연관된 하나 이상의 공정 파라미터를 가지며, 또한 상기 방법은 공정 파라미터중 선택된 파라미터에 관한 정보를 모니터하는 수단과, 상기 제조될 제품의 품질의 특성을 정하는 모니터된 정보에 응답하여 공정 파라미터의 소정의 특성을 측정하는 수단을 구비하는 제품 제조 방법에 있어서, 측정 및 모니터된 정보에 응답하여 상기 제조 공정 파라미터의 현재의 값을 측정하고 상기 제조 공정 파라미터의 제1 및 제2통계적 지표값을 발생하는 단계와, 상기 각 제조 공정 파라미터에 대해 발생된 제1 및 제2통계적 지표값을 총합하고 상기 측정된 제조 공정 파라미터를 다차원 공간으로 표시하는 단계와, 상기 제조 공정 파라미터중 어느 것이 각각의 허용 오차값 내에 있지 않는가를 결정하기 위해 상기 측정된 공정 파라미터의 총합된 다차원 공간적으로 표시된 지표값 각각을, 다르게 총합된 다차원 공간적으로 표시된 지표값 각각 및 소정의 기준 측정값과 비교하는 단계와, 상기 비교 결과에 응답하여 제조 공정의 동작과 제조될 제품의 품질을 향상시키기 위해 각각의 제조 공정 파라미터중 허용 오차값내에 있지 않은 제조 공정을 조정하는 단계를 구비하는 것을 특징으로 하는 제품 제조 방법.
2. 제 1 항에 있어서, 상기 조정 결과에 따라 조정이 필요없을 때까지 제 1 항의 단계를 반복하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
3. 제 1 항에 있어서, 상기 비교 결과에 따라, 어느 제조 공정이 조정을 최대로 필요로 하는가를 결정하여, 상기 제조 공정을 조정하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
4. 제 3 항에 있어서, 상기 우선 순위 순서대로 공정을 조정하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
5. 제 3 항에 있어서, 상기 우선 순위 단계는, 제1제조 공정 파라미터에 대해 제1편차값을 발생하는 단계와, 제2제조 공정 파라미터에 대해 제2편차값을 발생하는 단계와, 제1편차값과 제2편차값을 비교하는 단계와, 제1 및 제2편차값을 상호 비교함으로서 얻어진 결과에 따라 각 제조 파라미터 조정의 우선 순위 순서를 설정하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
6. 제 3 항에 있어서, 상기 우선 순위 단계는, 제1제조 공정 파라미터에 대해 제1변동성값을 발생하는 단계와, 제2제조 공정 파라미터에 대해 제2변동성값을 발생하는 단계와, 제1 및 제2변동성값을 비교하는 단계와, 제1 및 제2변동성값의 비교에 응답하여 각 파라미터 조정의 우선 순위 순서를 설정하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
7. 제 3 항에 있어서, 상기 우선 순위 단계는, 제1 및 제2제조 공정 파라미터 각각의 제1 및 제2지표값을 비교하는 단계와, 상기 비교에 응답하여 제1 및 제2제조 파라미터 각각에 대해 상기 지표값을 최소로 결정하는 단계와, 상기 최소 지표값에 응답하여 각각 제1 및 제2공정 파라미터 조정의 우선 순위 순서를 설정하는 단계를 더 구비하는 것을 특징으로 하는 제품 제조 방법.
8. 제품 제조 시스템에서, 상기 시스템은 하나 이상의 공정 파라미터에 연관된 하나 이상의 제조 공정을 가지고, 각 공정 파라미터는 소정의 허용 오차를 가지며, 또한 상기 시스템은 공정 파라미터중 선택된 파라미터에 관한 정보를 모니터하는 수단과, 상기 모니터된 정보에 응답하여 상기 제조 공정 파라미터의 소정의 특성을 측정하는 수단과, 상기 측정 및 모니터된 정보에 응답하여 제조될 제품의 품질을 특징지우는 수단을 구비하는 제품 제조 시스템에 있어서, 상기 측정 및 모니터된 정보에 응답하여, 상기 제조 공정 파라미터의 현재의 값을 측정하고 상기 제조 공정 파라미터 각각에 대해 제1 및 제2지표값을 발생하는 수단과, 상기 다수의 제조 공정 파라미터에 대한 제1 및 제2지표값을 총합하고 상기 측정된 공정 파라미터를 다차원 공간으로 표시하는 수단과, 상기 제조 공정 파라미터중 어느 것이 각각의 허용 오차 값내에 있지 않는지를 결정하기 위해, 상기 측정된 제조 공정 파라미터의 총합된 다차원 공간적으로 표시된 지표값 각각을, 상기와 다르게 총합된 다차원 공간적으로 표시된 지표값 각각 및 소정의 기준 측정값과 비교하는 수단과, 상기 비교 결과에 응답하여 제조 공정의 동작과 제조될 제품의 품질을 향상시키기 위해, 각각의 제조 공정 파라미터중 어느 것이 조정이 필요한지 결정하여 상기 제조 공정 파라미터를 조정하는 수단을 구비하는 것을 특징으로 하는 제품 제조 시스템.
9. 제 8 항에 있어서, 상기 조정 결과에 응답하여 조정이 요구되는 제조 공정 파라미터를 조정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.
10. 제 8 항에 있어서, 상기 조정 결정 결과에 응답하여, 조정을 최대로 필요로 하는 공정중에서 우선 순위를 정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.
11. 제 8 항에 있어서, 상기 우선 순위 순서대로 공정을 조정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.
12. 제 10 항에 있어서, 상기 우선 순위 수단은, 제1제조 공정 파라미터에 대해 제1편차값을 발생하는 수단과, 제2제조 공정 파라미터에 대해 제2편차값을 발생하는 수단과, 제1편차값과 제2편차값을 비교하는 수단과, 제1 및 제2편차값을 상호 비교함으로서 얻어진 결과에 따라 각 파라미터를 조정하기 위해 우선 순위 순서를 설정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.
13. 제 10 항에 있어서, 상기 우선 순위 수단은, 제1제조 공정 파라미터에 대해 제1변동성값을 발생하는 수단과, 제2제조 공정 파라미터에 대해 제2변동성값을 발생하는 수단과, 제1 및 제2변동성값을 비교하는 수단과, 상기 제1 및 제2변동성값의 비교에 응답하여 각 파라미터를 조정하기 위해 우선 순위 순서를 설정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.
14. 제 10 항에 있어서, 상기 우선 순위 수단은, 제1 및 제2공정 파라미터 각각의 제1및 제2지표값을 비교하는 수단과, 상기 비교에 응답하여 제1 및 제2파라미터 각각에 대해 상기 지표값을 최소로 결정하는 수단과, 상기 최소 지표값에 응답하여 각각 제1 및 제2공정 파라미터를 조정하기 위해 우선 순위 순서를 설정하는 수단을 더 구비하는 것을 특징으로 하는 제품 제조 시스템.

Images