Big Data의 활용을 위한 새로운 Six Sigma 프로젝트 실행 방법

New Six Sigma Breakthrough using Big Data

최근 Big Data에 대한 관심이 높아짐에 따라 기업의 데이터 분석 역량이 새롭게 강조되고 있다. 이러한 추세에 맞추어 데이터 기반의 문제 해결 방법인 Six Sigma 품질 혁신 분야에서도 Big Data의 분석 방법으로 소개되는 Machine Learning 관련 방법론에 관심이 높아지고 있다. 일반적으로 Six Sigma 분석 방법은 명확한 대상 또는 프로세스에서 수집되는 정제된 데이터를 이용한 통계적 모형적용을 통한 높은 해석력을 중시하지만 Machine Learning 분야에서는 비정제 데이터의 전처리를 전제로 알고리즘 방법에 의한 예측 정확도를 강조한다. 제조 기업의 경우 명확한 프로세스가 정의되어야 하고 개발/운영/관리의 전 과정에서 정제된 데이터를 수집하고 현장 적용을 위한 해석력이 강조되므로 Six Sigma 분석 방법이 Machine Learning 분야의 분석 방법과 비교할 때 더 유용하다고 할 수 있다. 하지만 자동화된 프로세스의 센싱/로그 데이터의 증가 그리고 제품의 품질/신뢰성 특성과 고객/시장에 대한 비정형 데이터간의 연계성이 중요해 지면서 기존의 프로젝트 실행 방법인 DMAIC만으로 충분하지 못한 경우가 있다. 본 논문에서는 Big Data의 비중이 큰 Six Sigma 프로젝트의 새로운 실행 방법인 DPELR을 소개하고 각 단계별 세부 결과물을 제시해 보고자 한다.

Recent focus on Big Data highlights the importance of organization’s data analytics capabilities. To meet the demand of such trend, research in Six Sigma quality innovation, a data driven solution, is becoming increasingly aware of Machine Learning and Big Data analytics. Traditionally, Six Sigma emphasizes the study of interpretable statistical models generated by designed data obtained through specified objects and processes. In contrast, the field of Machine Learning emphasizes predictability of a model generated with raw data and algorithmic techniques. For manufacturing industry, Six Sigma methodologies provide advantages over Machine Learning techniques because manufacturing industry requires clearly defined processes and high interpretability for applications on the field. Moreover, established processes in manufacturing industry facilitate collection of processed data from development, operation, and management stages. However, increase in sensing/log data from automated processes and elevated focus on association between quality/reliability and customer/market related raw data can impose limitations on DMAIC, one of Six Sigma breakthrough used for a project implementation. This paper introduces DPELR, a new Six Sigma breakthrough for project using Big Data, and presents details for proposed stages.