$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 품질보증 반환 데이터의 신뢰성 분석
Reliability analysis of warranty returns data 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.25 no.4, 2014년, pp.893 - 901  

백재욱 (한국방송통신대학교 정보통계학과) ,  조진남 (동덕여자대학교 정보통계학과)

초록
AI-Helper 아이콘AI-Helper

기업에서는 매달 제품이 일정 수량만큼 판매되고, 이들 중 일부는 반환 또는 클레임이 제기된다. 본 연구에서는 이러한 품질보증 반환 데이터의 반환율을 그래프상에 어떻게 타점할 것인지 먼저 살펴본다. 이어서 이런 데이터는 좌측 및 우측 중도중단 데이터의 결합으로 생각할 수 있으므로 이런 데이터에 대해 와이블 분포 등을 적합시켜 신뢰성분석을 실시해본다. 마지막으로 좌측 중도중단 데이터의 경우 구체적인 반환시기를 알 수 있다면 좌측 중도중단 데이터는 고장 데이터가 되어, 이제는 우측 중도중단만 남게 되는데, 이때에도 와이블분포 등을 적합시켜 신뢰성분석을 실시해보고자 한다.

Abstract AI-Helper 아이콘AI-Helper

A certain number of products are sold each month and some of them are returned for repair. In this study both return rate and cumulative return rate are shown on the graph to show the general trend of how many products are returned as time goes by. Next this type of summary data can be considered as...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 한편, 반환 (클레임 제기)된 제품의 경우 과거 어느 시점에 정확히 반환이 이루어졌는지 파악할 수 있다면 이들은 좌측 중도중단 데이터가 아닌 고장 데이터가 되고, 따라서 이제는 더 이상 좌측 중도중단된 데이터는 없고 우측 중도중단된 데이터만 있게 된다. 따라서 4절에서는 구체적인 반환시점이 있는 우측 중도중단 데이터의 경우 와이블분포와 같은 분포를 적용할 때 기간별로 신뢰도가 어떻게 변하는지 살펴보기로 한다. 마지막으로 5절에서는 본 연구에서 살펴본 것들을 정리하고 추후 연구과제를 제시한다.
  • 따라서 2012년 6월에 판매된 354개의 제품 중 9개가 현재 시점까지 반환되었다. 이 제품에 대한 품질보증기간은 1년이므로 제조사는 이 제품이 품질보증기간인 1년 내에 반환될 가능성은 얼마나 되는지 알고 싶으며, 좀 더 구체적으로는 기간별 신뢰도가 어떻게 떨어지는지 알고 싶어 한다.
  • 또한 어떤 분포를 적용하더라도 점들 (특히 하단의 점들)이 눈으로 보아 일직선상에 위치해있다고 말할 수 있는 상황은 아니다. 따라서 본 연구에서는 수명분석에 많이 이용되는 와이블분포를 적용하여 신뢰성분석을 하고자 한다. Figure 3.
  • 본 연구에서는 품질보증 반환 데이터가 표의 형식으로 요약된 경우 그래프에 의해 기간에 따라 반환율이 어떻게 변하는지 보여주었으며, 특히 품질보증기간을 염두에 두는 경우 누적반환율이 어떻게 변하는지 살펴보았다. 다음으로 이런 요약된 데이터는 일정 시점까지 몇 개가 반환 또는 클레임 제기되었는지 보여주므로 좌측 및 우측 중도중단 데이터가 혼재한 경우로 볼 수 있다.
  • 다음으로 이런 요약된 데이터는 일정 시점까지 몇 개가 반환 또는 클레임 제기되었는지 보여주므로 좌측 및 우측 중도중단 데이터가 혼재한 경우로 볼 수 있다. 따라서 본 연구에서는 이런 좌측 및 우측 중도중단 데이터가 혼재되어 있는 경우 와이블분포와 같은 분포를 적용하여 기간별로 신뢰도가 어떻게 떨어지며, 품질보증기간 내에 반환 요청이 들어올 가능성은 얼마나 되는지 살펴보았다. 마지막으로 반환 또는 클레임 제기된 제품의 경우 과거 어느 시기에 정확히 반환 또는 클레임 제기되었는지 파악할 수 있다면 이제 고장 데이터와 우측 중도중단 데이터가 혼재한 데이터가 되므로, 본 연구에서는 이들 데이터에 대해 와이블분포와 같은 분포를 적용하여 기간별로 신뢰도의 추이를 살펴보았다.
  • 1에서와 같이 요약된 경우라도 비모수적 방법을 적용하여 신뢰성분석을 할 필요가 있다. 따라서 추후에는 Kaplan-Meire 방법과 같은 비모수적 방법을 적용하여 신뢰도의 추이를 살펴보고자 한다.

가설 설정

  • 본 연구에서 제품은 제조사에서 판매자에게 수송되면 곧바로 판매된다고 가정했는데, 현실적으로는 제품이 판매자에서 수송되어 판매되기까지에는 어느 정도의 시간이 걸린다. 따라서 추후 연구에서는 이런 시차가 있는 경우 품질보증 반송 요약 데이터는 어떻게 변하며, 이로 인해 기간에 따른 신뢰도의 추이 또한 어떻게 변하는지 살펴보고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
품질보증 반환 데이터는 어떤 데이터가 주를 이루나요? 품질보증 반환 데이터는 판매된 제품 중 품질보증기간 중 반환 또는 수리되는 것들에 대한 클레임 데이터가 주를 이루지만 필요할 때에는 반환 또는 수리되지 않은 것들에 대해 추가적으로 보조 데이터 (supplementary data)를 수집할 수 있으며, 이들 데이터는 제품의 품질이나 신뢰성의 평가에 중요한 정보를 제공한다.
품질보증 반환 (warranty returns) 데이터의 분석이 기업이 올바른 의사결정을 내릴 수 있도록 도와줄 수 있는 이유는? 품질보증 반환 (warranty returns) 데이터의 분석은 기업이 올바른 의사결정을 내릴 수 있도록 도와준다. 왜냐하면 이런 올바른 분석을 통해 추후 고장이 얼마나 날 것인지 예측할 수 있으며, 나아가 품질 보증 비용의 예측은 물론 수리에 필요한 여유 부품의 수를 파악하는데 결정적인 단서를 제공하기 때문이다.
Baik과 Jo가 제안한 품질보증 아이디어는? 사용기간과 사용량을 동시에 고려한 2차원 품질보증 데이터에 대한 모델링 방법은 Baik과 Jo (2010)에 의해 제안되었으며, 품질보증기간이 끝난 후의 비용을 최소화하는 방법에 대해서는 Jung (2006, 2008)이 살펴보았고, Baik (2010)은 기업에서 통상 월별 또는 분기별 클레임건수를 1000제품 당 나타낸 WCR (warranty call rate)을 어떻게 분석하는지 살펴보았다. Baik과 Jo (2011)에서는 필드 고장 요약 데이터를 활용하여 미래에 고장이 얼마나 날 것인지 예측하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Baik J. W. (2010). The study on the analysis of quality assurance data. Journal of the Korean Data & Information Science Society, 21, 621-628. 

  2. Baik, J. W. and Jo, J. N. (2010). Various types of modelling for scale parameter inWeibull intensity function for two-dimensional warranty data. Journal of the Korean Data & Information Science Society, 21, 555-560. 

  3. Baik, J. W. and Jo, J. N. (2011). Predicting the future number of failures based on the field failures summary data. Journal of the Korean Data & Information Science Society, 22, 755-764. 

  4. Jung, K. M. (2006). Optimal preventive maintenance policy for a repairable system. Journal of the Korean Data & Information Science Society, 17, 367-377. 

  5. Jung, K. M. (2008). Optimization of cost and downtime for periodic PM Model following the expiration of warranty. Journal of the Korean Data & Information Science Society, 19, 587-596. 

  6. Kalbfleisch, J. D. and Lawless, J. F. (1996). Statistical analysis of warranty claims data. In Product Warranty Handbook, edited by W. R. Blischke and D. N. P. Murthy, Marcel Dekker, 231-259. 

  7. Kalbfleisch, J. D., Lawless, J. F. and Robinson, J. A. (1991). Methods for the analysis and prediction of warranty claims. Technometrics, 33, 273-285. 

  8. Karim, M. R. and Suzuki, K. (2005). Analysis of warranty claim data: A literature review. International Journal of Quality and Reliability Management, 22, 667-686. 

  9. Karim, M. R., Yamamoto, W. and Suzuki, K. (2001). Statistical analysis of marginal count failure data. Lifetime Data Analysis, 7, 173-186. 

  10. Suzuki, K. (1985a). Nonparametric estimation of lifetime distribution from a record of failures and followups. Journal of American Statistical Association, 80, 68-72. 

  11. Suzuki, K. (1985b). Estimation of lifetime parameters from incomplete field data. Technometrics, 27, 263-271. 

  12. Suzuki, K., Karim, M. R. andWang, L. (2001). Statistical analysis of reliability warranty data. In Advances in Reliability, edited by C. R. Rao and N. Balakrishnana, Elsevier, 585-609. 

  13. Suzuki, K., Yamamoto, W., Karim, M. R. and Wang, L. (2000). Data analysis based on warranty database. In Recent Advances in Reliability Theory, edited by N. Limnios and M. Nikulin, Birkhauser, 213-227. 

  14. Wu, S. (2012). Warranty data analysis: A review. Quality and Reliability Engineering International, 28, 795-805. 

  15. Wu, S. (2013). A review on coarse data and analysis. Reliability Engineering and System Safety, 114, 1-11. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로