[논문]품질 검사자의 외관검사 검출력 향상방안에 관한 연구

한성재; 함동한

doi:10.12812/ksms.2019.21.4.067

Abstract ▼ AI-Helper

Visual inspection is regarded as one of the critical activities for quality control in a manufacturing company. it is thus important to improve the performance of detecting a defective part or product. There are three probable working modes for visual inspection: fully automatic (by automatic machin...

Visual inspection is regarded as one of the critical activities for quality control in a manufacturing company. it is thus important to improve the performance of detecting a defective part or product. There are three probable working modes for visual inspection: fully automatic (by automatic machines), fully manual (by human operators), and semi-automatic (by collaboration between human operators and automatic machines). Most of the current studies on visual inspection have been focused on the improvement of automatic detection performance by developing a better automatic machine using computer vision technologies. However, there are still a range of situations where human operators should conduct visual inspection with/without automatic machines. In this situation, human operators'performance of visual inspection is significant to the successful quality control. However, visual inspection of components assembled into a mobile camera module belongs to those situations. This study aims to investigate human performance issues in visual inspection of the components, paying more attention to human errors. For this, Abstraction Hierarchy-based work domain modeling method was applied to examine a range of direct or indirect factors related to human errors and their relationships in the visual inspection of the components. Although this study was conducted in the context of manufacturing mobile camera modules, the proposed method would be easily generalized into other industries.

Keyword

표/그림 (11)

표 Methods for inspecting external appearance by components
표 Percentage of each type of defects
표 List of suppliers of main parts
그림 [Figure 1] Process of inspecting purchased parts
표 Causes of cosmetic failure components
표 Economic loss due to defective components
그림 [Figure 2] Abstraction Hierarchy with five abstraction levels [13]
그림 [Figure 3] AH-based work domain model of inspection process
그림 [Figure 4] Analysis of root causes of human errors
그림 [Figure 5] Process of educating quality inspectors
그림 [Figure 6] Process of maintaining a proper number of quality inspectors

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 외관검사를 검사자에게 의존할 수밖에 없는 현실의 전형적인 사례기업이라 할 수 있는 국내 소재부품 기업 A사의 자료를 중심으로 외관검사자의 불량 검출력 향상을 위한 방안의 제시를 목표로 한다. 이를 위해 검사자에 의해 최종 외관불량이 판정되는 A사의 모바일 카메라 모듈 주요 부품인 Image Sensor, RF-PCB, Lens, VCM의 2014년도 수입검사 및 공정 반품 외관불량을 분석하여 유출 원인을 유형별로 구분하였고 이를 개선할 수 있는 방안을 기업의 품질경영시스템에 내재화할 수 있도록 그 방법을 제안하였다.
이에 본 연구는 국내 소재부품 기업인 A사의 카메라 모듈 부품에 대한 외관불량 유출 원인 자료를 대상으로 조사한 결과 외관불량 유출의 상당 부분이 인적오류에 의한 것임을 확인하였다, 이 인적오류 발생의 근본원인을 파악하기 위해 추상화계층을 활용하여 검사공정의 작업영역분석을 통해 WDM을 도출하였다. 도출된 WDM을 바탕으로 검사자 인터뷰를 통해 검사자 인적오류의 근본원인이 검사 기준 미숙지와 피로누적에 따른 검출력 저하임을 확인하였고 이를 개선할 수 있는 방안을 기업의 품질경영시스 템에 내재화 할 수 있도록 그 방법을 제안하였다.
이에 본 연구는 국내 소재부품 기업인 A사의 카메라 모듈 부품에 대한 외관불량 유출 원인 자료를 대상으로 조사한 결과 외관불량 유출의 상당 부분이 인적오류에 의한 것임을 확인하였다, 이 인적오류 발생의 근본원인을 파악하기 위해 추상화계층을 활용하여 검사공정의 작업영역분석을 통해 WDM을 도출하였다. 도출된 WDM을 바탕으로 검사자 인터뷰를 통해 검사자 인적오류의 근본원인이 검사 기준 미숙지와 피로누적에 따른 검출력 저하임을 확인하였고 이를 개선할 수 있는 방안을 기업의 품질경영시스 템에 내재화 할 수 있도록 그 방법을 제안하였다.

제안 방법

본 연구는 외관검사를 검사자에게 의존할 수밖에 없는 현실의 전형적인 사례기업이라 할 수 있는 국내 소재부품 기업 A사의 자료를 중심으로 외관검사자의 불량 검출력 향상을 위한 방안의 제시를 목표로 한다. 이를 위해 검사자에 의해 최종 외관불량이 판정되는 A사의 모바일 카메라 모듈 주요 부품인 Image Sensor, RF-PCB, Lens, VCM의 2014년도 수입검사 및 공정 반품 외관불량을 분석하여 유출 원인을 유형별로 구분하였고 이를 개선할 수 있는 방안을 기업의 품질경영시스템에 내재화할 수 있도록 그 방법을 제안하였다.
검사자가 불량을 유출하는 근본원인을 파악하기 위해 2.3에서 도출된 WDM을 바탕으로 국내 소재부품 기업인 A사의 수입검사, 공정검사, 출하검사 검사자 각 5명을 대상으로 일대일 대면 인터뷰를 진행하였다. 인터뷰 결과 일반적으로 검사자들은 인적오류를 발생시킨 이유에 대해 정확히 알고 있지 않았다.
검사 판정 당시 왜 그런 판정을 했는지 정확히 기억하지 못하였고 단지 몇가지 이유를 추정할 뿐이었다. 이러한 인터뷰 대상자의 추정 결과와 연구자의 해당 문제에 대한 경험을 바탕으로 검사공정의 WDM에서 인적오류의 근본원인을 추출하였다. 그 결과 검사자의 불량유출 원인은 검사방법, 검사기기, 검사환경 등 보다는 [Figure 4]와 같이 검사기준 (Inspection Criteria) 미숙지 같은 검사자 숙련도 문제와 검사자의 일시적 또는 장기적 피로 누적에 의한 검출력 저하가 주원인으로 파악되었다.
AH를 활용하기 위해 검사 공정을 대상 작업영역(Work Domain)으로 설정하였다. 검사 공정의 기능적 목적은 불량부품의 유출방지라고 할 수 있다.
검사 공정의 기능적 목적은 불량부품의 유출방지라고 할 수 있다. 이러한 기능적 목적을 위해 올바르게 수행되거나 만족되어야 하는 기능들을 추상화수준에 따라 분류하고 각 수준의 기능간 관계를 목적-수단 관계에 근거해 파악하였다. [Figure 3]은 도출된 검사 공정의 작업영역모델(WDM: Work Domain Model)을 보여준다.

대상 데이터

List of suppliers of main parts 이들 기업으로부터 구매한 부품은 [Figure 1]과 같이 A사에 입고되면 로트 단위로 수입검사를 진행한 후 공정 (Line)에 투입하고, 투입된 부품은 모듈 생산 공정을 거치면서 전수검사를 받게 된다. 이러한 수입검사 및 공정검 사에서 검출된 불량은 데이터베이스화 되어 관리되는데, 이 데이터베이스에서 2014년도 외관불량 데이터를 추출하였다.

이론/모형

제조업의 경우 이와 같이 항상 불가피하게 발생할 수밖에 없는 인적오류의 근본 원인을 체계적이고 구체적으로 파악하여 개선하기 보다는 단순히 검사원 교육 강화, 검사 기준 세분화, 검사원 Gage R&R 등검사원의 역량강화 활동이 인적오류 개선 활동에 주를 이루고 있는 것이 현실이다. 이에 인적오류에 영향을 줄 수있는 다양한 원인들을 보다 체계적으로 파악하기 위해 추상화계층(AH: Abstraction Hierarchy)을 활용하였다.
위에서 언급한 AH의 특성을 고려하면 AH에 기반한 작업영역분석이 검사 공정에서 발생하는 인적오류에 직간접적으로 연관된 원인을 파악하는데 유용하게 활용할 수 있다고 할 수 있다. 이에 본 연구에서는 AH를 검사공정의 인적오류 원인분석에 활용하였다.
[Figure 3]은 도출된 검사 공정의 작업영역모델(WDM: Work Domain Model)을 보여준다. 작업영역분석을 위해 Ham[16]이 제시한 AH에 기반한 작업영역분석의 모델링 개념 및 적용 원칙을 참고하였다. 이러한 모형화를 통해 검사 공정에서의 외관불량 유출에 영향을 줄 수 있는 요소를 체계적으로 파악할 수 있다.

성능/효과

또한 A사에서 2014년도에 구매한 모바일 카메라 모듈 주요 부품의 수입검사 불량 및 공정 반품 불량을 분석한 결과 [Table 2]와 같이 이물(Alien Material), 흠집 (Scratch), 얼룩(Stain), 오염(Contamination) 등의 외관불량(Cosmetic Failure)이 74%을 차지하였다(외관불량 건수는 87건). 해당 결과에서 알 수 있듯이 검사자에 의해 진행된 외관검사에서 적지 않은 불량이 필터링 되지 못하고 고객 공정으로 유출되고 있는 실정이므로 이를 개선할 필요가 있다.
2.1에서 수집한 외관불량 데이터 87건에 대해 부품별원인 별로 구분한 결과 [Table 4]와 같이 검사자 인적오류(Human Error)에 의한 유출이 51%, 협력사(공급자)와 모기업(구매자)의 외관검사 방법 차이에 의한 유출이 23%, 외관 Specification 미설정 및 오설정에 의한 유출이 23%, 기타 관리 부주의에 따른 혼입 등에 의한 유출이 9%를 차지했다.
2.2에서 살펴본 바와 같이 인적오류에 의한 불량유출은 전체 유출불량의 51%를 차지하였다. 이 수치는 항공분야 사고 중 인적오류에 의한 사고가 70~80%를 차지하고, 원자력분야 사고 중 인적오류에 의한 사고가 50% 이상을 차지하는 것과 유사한 수준이라 할 수 있을 것이 다[10][11][12].
이러한 인터뷰 대상자의 추정 결과와 연구자의 해당 문제에 대한 경험을 바탕으로 검사공정의 WDM에서 인적오류의 근본원인을 추출하였다. 그 결과 검사자의 불량유출 원인은 검사방법, 검사기기, 검사환경 등 보다는 [Figure 4]와 같이 검사기준 (Inspection Criteria) 미숙지 같은 검사자 숙련도 문제와 검사자의 일시적 또는 장기적 피로 누적에 의한 검출력 저하가 주원인으로 파악되었다.

후속연구

또한 A사에서 2014년도에 구매한 모바일 카메라 모듈 주요 부품의 수입검사 불량 및 공정 반품 불량을 분석한 결과 [Table 2]와 같이 이물(Alien Material), 흠집 (Scratch), 얼룩(Stain), 오염(Contamination) 등의 외관불량(Cosmetic Failure)이 74%을 차지하였다(외관불량 건수는 87건). 해당 결과에서 알 수 있듯이 검사자에 의해 진행된 외관검사에서 적지 않은 불량이 필터링 되지 못하고 고객 공정으로 유출되고 있는 실정이므로 이를 개선할 필요가 있다.
이에 검사기준에 해당하는 모든 불량유형은 불량 샘플을 확보하여 견본화하고 이를 검사자가 직접 육안으로 확인하면서 눈으로 익히도록 해야 한다. 또한 [Figure 5]와 같이 견본화된 불량샘플을 바탕으로 공급자, 구매자, 고객의 검사자가 같이 직접 불량현상을 육안으로 확인하는 프로세스를 구축하게 되면 검사자간의 눈높이가 동일 하게 유지되어 불량유출 뿐만 아니라 양품을 불량으로 판정하는 1종오류(Type Ⅰ Error)도 저감할 수 있을 것으로 기대된다.
첫째, 검사자가 검사 기준을 충분히 숙지 할 수 있도록 불량샘플 실물로 교육을 진행하고 공급자, 구매자, 고객대표 검사자가 상호 눈높이를 같게 유지할 수 있도록 눈높이 일치화 교육 및 정기 교류회 진행을 활성화활 필요가 있다.
둘째, 검사자의 일시적 또는 장기적 피로 누적에 따른 검출력 저하 방지를 위해 검사자 초과근무시간과 불량 유출율 간 상관관계 분석을 일단위로 진행하여, 검사자의 적정수준 유지의 필요성을 경영진이 인지할 수 있도록 할 필요가 있다.
현재까지 많은 기업에서는 검사자 인적오류에 의한 불량 유출은 피할 수 없는 현실이고 단기간에 개선되지 않는 다고 간주하여 시스템 개선의 범주에 포함하지 않으려는경향이 있었다. 본 연구의 결과는 이러한 기업 문화를 변화시키면서 지속적인 개선활동을 추진할 수 있도록 하는기초자료가 될 수 있을 것으로 기대한다. 그러나 본 연구는 모바일 카메라 소재부품 기업을 대상으로 하였기에 일반화하는 데는 무리가 있을 수 있다.
본 연구의 결과는 이러한 기업 문화를 변화시키면서 지속적인 개선활동을 추진할 수 있도록 하는기초자료가 될 수 있을 것으로 기대한다. 그러나 본 연구는 모바일 카메라 소재부품 기업을 대상으로 하였기에 일반화하는 데는 무리가 있을 수 있다. 또한 제안된 방안의 효과성의 실제적 검증도 이루어지지 않았다는 한계점이있다.
그러나 본 연구는 모바일 카메라 소재부품 기업을 대상으로 하였기에 일반화하는 데는 무리가 있을 수 있다. 또한 제안된 방안의 효과성의 실제적 검증도 이루어지지 않았다는 한계점이있다. 이러한 한계점은 향후 추후 연구를 통해 보완되어야할 것이다.
또한 제안된 방안의 효과성의 실제적 검증도 이루어지지 않았다는 한계점이있다. 이러한 한계점은 향후 추후 연구를 통해 보완되어야할 것이다.
AH에 기반한 작업영역분석은 대형 시스템의 정보화면설계, 훈련요건 설계, 정보지원시스템 설계, 시스템 안전 사고 분석, 시스템 품질특성 분석 등을 포함한다양한 영역에서 다양한 시스템 공학적 문제에 활용되어 왔다[14][15][16]. 위에서 언급한 AH의 특성을 고려하면 AH에 기반한 작업영역분석이 검사 공정에서 발생하는 인적오류에 직간접적으로 연관된 원인을 파악하는데 유용하게 활용할 수 있다고 할 수 있다. 이에 본 연구에서는 AH를 검사공정의 인적오류 원인분석에 활용하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	제품검사 중 외관검사는 어떤 방법으로 진행되는가?	이를 위해 기업은 구매 제품 검증을 위해 수입검사(Incoming Inspection), 생산 제품 검증을 위해 공정검사(Process Inspection) 및 출하검사(Outgoing Inspection)를 실시 하고 있다[2][3]. 이러한 제품검사의 검사항목은 크게 외관, 특성(성능), 치수(조립성) 등으로 구분할 수 있으며, 이 중 외관검사는 일반적으로 검사자의 관능에 의한 검사, 자동검사장비에 의한 검사, 또는 두 방식이 혼합된 방법으로 진행된다[4][5]. 검사자에 의한 검사는 인간 수행도의 변동성 때문에 안정적인 결과를 기대하기 어렵다고 알려져 있다[6], 이를 극복하기 위해 많은 기업들이 자동검사 시스템을 구축하고자 카메라 등을 활용한 비전 시스템 (Vision System)을 개발하고 있다[7][8][9].
	품질경영시스템에서 요구하는 품질을 보증할수있도록 기업에서 실시하는 것은 무엇인가?	또한 생산한 제품이 규격된 제품 요구사항에 충족되었다는 것을 검증하기 위해 제품의 특성을 모니터링하고 측정토록 규정하여 품질을 보증하도록 요구하고 있다[1]. 이를 위해 기업은 구매 제품 검증을 위해 수입검사(Incoming Inspection), 생산 제품 검증을 위해 공정검사(Process Inspection) 및 출하검사(Outgoing Inspection)를 실시 하고 있다[2][3]. 이러한 제품검사의 검사항목은 크게 외관, 특성(성능), 치수(조립성) 등으로 구분할 수 있으며, 이 중 외관검사는 일반적으로 검사자의 관능에 의한 검사, 자동검사장비에 의한 검사, 또는 두 방식이 혼합된 방법으로 진행된다[4][5].

참고문헌 (16)

Korea Agency for Technology and Standards (2014), KS Q ISO 9001 Quality Management Systems-Requirements.
S. R. Lee(2012), Modern Quality Management, Paju: Bomunsa (In Korean).
J. H. Yoon(2012), Quality Management Theory, Seoul: Hankyungsa (In Korean).
T. Hou, L. Lin, C. G. Drury(1993), "An empirical study of hybrid inspection system and allocation of inspection function." International Journal of Human Factors in Manufacturing, 3(4):351-367.

상세보기
X. Jiang, M. T. Khasawneh, R. Master, S. R. Bowling, A. K. Gramopadhye, B. J. Melloy, L. Grimes(2004), "Measurement of human trust in a hybrid inspection system based on signal detection theory measures." International Journal of Industrial Ergonomics, 34(5):407-419.

상세보기
C. G. Drury(1992), Inspection performance. In: Salvendy, G (Ed.), Handbook of Industrial Engineering (2nd ed.), New York: Wiley.
V. B. Thapa, A. K. Gramopadhye, B. J. Melloy(1996), "Evaluation of Different Training Strategies to Improve Decision-Making Performance in Inspection." International Journal of Human Factors in Manufacturing, 6(3):243-261.

상세보기
S. K. Hwang, K. H. Kim(2012), "Development of automatic inspection system of painted bodies." Proceedings of the Korea Society of Automotive Engineers, 2012(11):2188-2190.
J. S. Lee, O. M. Kwon, H. N. Joo, J. S. Kim, K. H. Rew(2008), "Development of inspection system for the IC package." Journal of Institute of Control, Robotics and Systems, 14(5):453-461.

원문보기 상세보기
J. Reason(1990), Human Error, New York: Cambridge University Press.
D. A. Wiegmann, S. A. Shappell(2003), A Human Errror Approach to Aviation Accident Analysis: The Human Factors Analysis and Classification System, Hants: Ashgate.
J. W. Lee, Y. H. Lee, G. O. Park(1996), "Analysis of human errors involved in Korean Nuclear Power Plant Trips." Journal of the Ergonomics Society of Korea, 15(1):27-38.
D. H. Ham(2015), "Modelling work domain knowledge with the combined use of abstraction hierarchy and living systems theory." Cognition, Technology, and Work, 17(4):575-591.

상세보기
J. Rasmussen, A. Pejtersen, L. P. Goodstein(1994), Cognitive Systems Engineering. New York: John& Wiley Sons.
N. Naikar(2013), Work Domain Analysis: Concepts, Guidelines, and Cases. Boca Raton: CRC Press.
D. H. Ham(2013), "Work domain analysis based on abstraction hierarchy: Modelling concept and principles for its application." Journal of Korea Safety Management & Science, 15(3):133-141.

이 논문을 인용한 문헌

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.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 품질 검사자의 외관검사 검출력 향상방안에 관한 연구
A Study on the Improvement of Human Operators' Performance in Detection of External Defects in Visual Inspection 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 품질 검사자의 외관검사 검출력 향상방안에 관한 연구 A Study on the Improvement of Human Operators' Performance in Detection of External Defects in Visual Inspection 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (11) 모든 표/그림 보기

표/그림 (11) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

함동한 (15)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 품질 검사자의 외관검사 검출력 향상방안에 관한 연구
A Study on the Improvement of Human Operators' Performance in Detection of External Defects in Visual Inspection 원문보기

표/그림 (11)

표/그림 (11)

AI 본문요약
AI-Helper

활용도 Top5 논문