1. 들어가며
공정의 품질 수준을 평가할 때 단순히 평균이나 불량률만으로는 충분하지 않습니다. 품질 관리에서는 공정이 실제로 규격 안에 안정적으로 들어오고 있는가를 객관적으로 수치화하는 것이 중요하며, 이를 위해 사용되는 대표적인 지표가 **Ppk(Process Performance Index)**입니다.
Ppk는 공정능력지수(Cp, Cpk)와 유사하지만, 실제 운영 데이터를 기반으로 공정의 '현재 성능'을 평가한다는 점에서 실무적으로 매우 유용한 지표입니다.
---
2. Ppk란?
Ppk는 "Process Performance Index"의 약자로, 공정의 실제 성능이 규격 범위 내에 얼마나 잘 들어맞는지를 나타내는 지표입니다. Cpk와 비슷해 보이지만, 통계적 안정 상태를 전제로 하는 Cpk와 달리, 현재 공정이 안정 상태인지 여부와 상관없이 전체 데이터를 기준으로 계산합니다.
---
3. Ppk 공식
Ppk는 다음 공식으로 계산됩니다:
Ppk = \min\left(\frac{USL - \bar{x}}{3s}, \frac{\bar{x} - LSL}{3s}\right)
: 상한 규격 (Upper Specification Limit)
: 하한 규격 (Lower Specification Limit)
: 공정 평균
: 전체 표본의 표준편차
여기서 "3s"는 공정이 ±3시그마 안에 대부분의 데이터가 분포한다는 정규분포 전제를 의미합니다.
---
4. Cp, Cpk와 Pp, Ppk의 차이점
---
5. Ppk 해석 기준
---
6. 실무 적용 예시
예시 1: 전자 부품 두께 측정
규격: 10.00 ± 0.05mm (USL = 10.05, LSL = 9.95)
측정값 평균: 10.02mm
표준편차: 0.01mm
Ppk 계산:
Ppk = \min\left(\frac{10.05 - 10.02}{3(0.01)}, \frac{10.02 - 9.95}{3(0.01)}\right) = \min(1.0, 2.33) = 1.0
→ 평균이 규격 상한에 가까워져 공정 성능이 기대보다 낮게 평가됨
예시 2: 자동차 부품 직경
규격: 50.00 ± 0.20mm
평균: 49.95mm
표준편차: 0.03mm
Ppk 계산:
Ppk = \min\left(\frac{50.20 - 49.95}{3(0.03)}, \frac{49.95 - 49.80}{3(0.03)}\right) = \min(2.78, 1.67) = 1.67
→ 평균이 중심에 가까우며 산포도 작아서 매우 우수한 공정으로 해석
---
7. Ppk 활용 시 주의점
공정이 아직 안정되지 않은 경우 Ppk는 '임시 지표'로 해석해야 합니다.
데이터가 정규분포를 따르지 않을 경우 왜곡 가능성이 존재합니다.
Ppk는 전체 분산()을 기반으로 하므로, 이상치(outlier)에 민감합니다.
---
8. 결론
Ppk는 현재 공정이 얼마나 규격 내에서 잘 작동하고 있는지를 보여주는 매우 실용적인 지표입니다. 단순히 공정 평균이 규격 안에 있다고 해서 안심할 수는 없습니다. 평균의 위치뿐 아니라 데이터의 흩어짐, 전체 분포를 함께 고려한 Ppk를 통해 보다 정확한 공정 상태 진단이 가능해집니다.
공정 초기에는 Ppk, 안정화 후에는 Cpk를 함께 보는 방식으로 공정 능력 평가의 선순환 구조를 만드는 것이 이상적입니다.
Ppk에 대한 자세한 글이 작성되었습니다. 지금부터 위 내용을 요약한 포스터 이미지도 제작해드리겠습니다. 잠시만 기다려 주세요.