Figure1 Cause and effect diagram.

이 기술 요약은 Arokiasamy Mariajayaprakash 외 저자가 2013년 Journal of Industrial Engineering International에 발표한 논문 “Optimisation of shock absorber process parameters using failure mode and effect analysis and genetic algorithm”을 기반으로 하며, STI C&D에서 기술 전문가를 위해 분석 및 요약했습니다.

키워드

  • Primary Keyword: 공정 최적화
  • Secondary Keywords: 쇼크 업소버, Taguchi 기법, 유전 알고리즘, FMEA, 품질 관리, 불량률 감소

Executive Summary

  • The Challenge: 자동차 쇼크 업소버 제조 공정에서 발생하는 다양한 결함은 제품 품질에 치명적인 영향을 미치며, 이를 최소화하기 위한 체계적인 접근법이 필요합니다.
  • The Method: 이시카와 다이어그램과 고장 형태 및 영향 분석(FMEA)을 통해 핵심 공정(도장 및 세척)을 식별하고, 다구치(Taguchi) 기법으로 1차 최적화를 수행한 후, 유전 알고리즘(Genetic Algorithm)을 적용하여 결함을 제로 수준으로 최소화했습니다.
  • The Key Breakthrough: 다구치 기법만으로도 상당한 개선(도장 공정 불량률 0.83%)을 이루었지만, 유전 알고리즘을 추가 적용함으로써 불량률을 0.001%까지 획기적으로 감소시키는 초정밀 최적화에 성공했습니다.
  • The Bottom Line: 통계적 실험계획법과 AI 기반 최적화 알고리즘을 결합하는 하이브리드 접근 방식은 복잡한 제조 공정의 품질 문제를 해결하고 거의 완벽에 가까운 수율을 달성하는 강력한 해법이 될 수 있습니다.

The Challenge: Why This Research Matters for CFD Professionals

자동차의 핵심 부품인 쇼크 업소버는 주행 중 발생하는 진동을 흡수하여 차량과 운전자의 안전에 직접적인 영향을 미칩니다. 그러나 제조 과정에서 용접, 세척, 도장 등 여러 공정을 거치면서 다양한 결함이 발생할 수 있으며, 이는 제품의 성능 저하와 신뢰도 하락으로 이어집니다. 기존의 품질 관리 방식은 문제 발생 후 원인을 찾는 데 초점을 맞추는 경우가 많아, 근본적인 해결책을 제시하기 어려웠습니다. 따라서 공정 초기 단계부터 잠재적 불량 원인을 체계적으로 식별하고, 각 공정 변수들이 품질에 미치는 영향을 정량적으로 분석하여 최적의 조건을 찾아내는 엔지니어링 접근법이 절실히 요구되었습니다. 이 연구는 바로 이러한 산업 현장의 요구에 부응하여, 쇼크 업소버의 품질을 극대화하기 위한 과학적이고 효율적인 공정 최적화 방법론을 제시합니다.

Figure1 Cause and effect diagram.
Figure1 Cause and effect diagram.

The Approach: Unpacking the Methodology

본 연구는 쇼크 업소버의 품질에 영향을 미치는 공정 변수들을 최적화하기 위해 다음과 같은 다단계 접근법을 사용했습니다.

  1. 원인 분석 (Ishikawa Diagram): 먼저 이시카와 다이어그램(어골도)을 사용하여 쇼크 업소버 품질에 영향을 줄 수 있는 모든 잠재적 공정 변수들을 도출했습니다. 여기에는 용접, 댐퍼 실링, 세척, 도장 공정 등이 포함되었습니다.
  2. 핵심 공정 식별 (FMEA): 고장 형태 및 영향 분석(FMEA)을 적용하여 식별된 공정들 중 위험 우선순위 번호(RPN)가 가장 높은, 즉 품질에 가장 큰 영향을 미치는 핵심 공정을 선정했습니다. 분석 결과, ‘세척’과 ‘도장’ 공정이 가장 중요한 관리 대상으로 나타났습니다.
  3. 1차 최적화 (Taguchi Method): 도장 공정을 대상으로 4가지 주요 변수(유동성, 코팅 두께, 포인티지, 온도)를 선정하고, 각 변수별로 3가지 수준(Level)을 설정했습니다. 이후 실험 횟수를 최소화하면서도 신뢰도 높은 데이터를 얻을 수 있는 L9 직교배열표를 활용하여 실험을 설계하고 수행했습니다. 실험 결과를 바탕으로 신호 대 잡음비(S/N ratio)와 분산 분석(ANOVA)을 통해 각 변수의 영향도를 평가하고 최적의 조합을 도출했습니다.
  4. 2차 정밀 최적화 (Genetic Algorithm): 다구치 기법으로 찾은 최적 조건에서 더 나아가 ‘제로 결함’을 목표로 유전 알고리즘을 적용했습니다. 다구치 실험 결과를 바탕으로 생성된 수학적 모델을 목적 함수로 설정하고, 유전 알고리즘을 통해 이 목적 함수(불량률)를 최소화하는 더욱 정밀한 공정 변수 값을 탐색했습니다. 이와 동일한 방법론을 세척 공정에도 적용하여 최적화했습니다.
Figure4 Evaluation of generations for painting process optimization.
Figure4 Evaluation of generations for painting process optimization.

The Breakthrough: Key Findings & Data

Finding 1: Taguchi 기법을 통한 1차 최적화 및 주요 인자 규명

다구치 기법을 도장 공정에 적용한 결과, 최적의 공정 조건은 유동성(A) 20s, 코팅 두께(B) 40µm, 포인티지(C) 8, 온도(D) 35°C (A2, B2, C2, D2)로 결정되었습니다. 이 조건에서 수행된 확인 실험에서 평균 불량률은 0.83%로, 최적화 이전보다 크게 개선되었습니다. 또한, 분산 분석(ANOVA) 결과(Table 8), 도장 불량에 가장 큰 영향을 미치는 변수는 온도(D)로 전체 변동의 25.69%를 차지했으며, 그 뒤를 이어 유동성(A)이 18.52%, 포인티지(C)가 17.19%의 기여도를 보였습니다. 이는 품질 관리를 위해 어떤 변수에 집중해야 하는지에 대한 명확한 데이터를 제공합니다.

Finding 2: 유전 알고리즘을 활용한 불량률의 획기적 감소

다구치 기법으로 얻은 결과를 기반으로 유전 알고리즘을 적용하여 더욱 정밀한 최적화를 수행한 결과, 불량률은 극적으로 감소했습니다.

  • 도장 공정: 다구치 기법으로 달성한 불량률 0.83%는 유전 알고리즘을 통해 최적화된 조건(유동성 24s, 코팅 두께 40µm, 포인티지 8, 온도 31°C)에서 0.001%로 감소했습니다 (Table 9).
  • 세척 공정: 다구치 기법으로 얻은 불량률 1%는 유전 알고리즘 최적화 후 0.004%까지 감소했습니다 (Table 14).

이 결과는 다구치 기법이 효율적인 최적화 방향을 제시하는 데 유용하지만, 유전 알고리즘과 같은 AI 기반 기법을 결합할 때 비로소 ‘제로 결함’에 가까운 궁극적인 공정 최적화가 가능함을 명확히 보여줍니다.

Practical Implications for R&D and Operations

  • For Process Engineers: 본 연구는 도장 공정의 ‘온도’와 ‘유동성’, 세척 공정의 ‘총 알칼리도’와 ‘타이밍’ 같은 특정 공정 변수를 정밀하게 제어하는 것이 불량률 감소에 직접적으로 기여함을 시사합니다. 제시된 최적화 값은 실제 공정 설정의 중요한 기준점이 될 수 있습니다.
  • For Quality Control Teams: 분산 분석(ANOVA) 결과(Table 8)는 도장 품질에 가장 큰 영향을 미치는 변수가 온도, 유동성, 포인티지 순임을 명확히 보여줍니다. 이는 해당 변수들을 핵심 관리 지표(KPI)로 설정하고 집중적으로 모니터링하는 새로운 품질 검사 기준을 수립하는 데 활용될 수 있습니다.
  • For R&D Managers: 이 연구는 통계적 방법론(Taguchi)과 AI 최적화 기법(GA)을 결합하는 하이브리드 접근법의 강력한 효과를 입증합니다. 이는 쇼크 업소버뿐만 아니라 다른 복잡한 제조 공정의 품질 개선 및 생산성 향상 프로젝트를 기획할 때 매우 유용한 전략적 프레임워크를 제공합니다.

Paper Details

Optimisation of shock absorber process parameters using failure mode and effect analysis and genetic algorithm

1. Overview:

  • Title: Optimisation of shock absorber process parameters using failure mode and effect analysis and genetic algorithm
  • Author: Arokiasamy Mariajayaprakash, Thiyagarajan Senthilvelan, Krishnapillai Ponnambal Vivekananthan
  • Year of publication: 2013
  • Journal/academic society of publication: Journal of Industrial Engineering International
  • Keywords: Ishikawa diagram; FMEA; Taguchi method; Genetic algorithm

2. Abstract:

쇼크 업소버 공정 중 품질 특성에 영향을 미치는 다양한 공정 변수들을 이시카와 다이어그램과 고장 형태 및 영향 분석(FMEA)을 사용하여 식별했다. 식별된 공정 변수들은 용접 공정 변수(압착, 열 제어, 휠 속도, 공기압), 댐퍼 실링 공정 변수(하중, 유압, 공기압, 고정구 높이), 세척 공정 변수(총 알칼리도, 온도, 헹굼물 pH 값, 시간), 그리고 도장 공정 변수(유동성, 코팅 두께, 포인티지, 온도)이다. 본 논문에서는 도장 및 세척 공정 변수들을 다구치 기법을 사용하여 최적화한다. 다구치 기법을 통해 결함이 상당히 최소화되었지만, 공정 중 제로 결함을 달성하기 위해 다구치 기법으로 얻은 최적화된 변수들에 유전 알고리즘 기법을 적용한다.

3. Introduction:

쇼크 업소버는 자동차에 사용되는 주요 부품 중 하나로, 차량 이동 시 진동을 흡수하는 데 사용된다. 그렇지 않으면 이러한 진동이 차량과 운전자에게 영향을 미친다. 공정 중에 발생하는 결함은 쇼크 업소버의 품질에 영향을 미친다. 결함을 최소화하고 품질을 향상시키기 위해, 먼저 원인-결과 다이어그램(이시카와 다이어그램)을 사용하여 공정 중 쇼크 업소버의 품질에 영향을 미칠 수 있는 변수들을 식별한다. 그런 다음, 고장 형태 및 영향 분석(FMEA) 도구를 적용하여 쇼크 업소버의 품질에 가장 큰 영향을 미칠 수 있는 공정 변수들을 찾아낸다. 마지막으로, 다구치 기법을 사용하여 공정 변수들을 최적화한다. 다구치 기법은 최적의 조건을 결정하는 데 필요한 실험 횟수를 줄일 수 있는 효율적이고 강력한 도구이다.

4. Summary of the study:

Background of the research topic:

자동차 쇼크 업소버는 주행 안정성과 승차감에 필수적인 부품이지만, 제조 공정이 복잡하여 다양한 품질 문제가 발생할 수 있다. 이러한 결함을 줄이는 것은 제품의 신뢰성과 경쟁력 확보에 매우 중요하다.

Status of previous research:

많은 연구에서 다구치 기법, 분산 분석(ANOVA) 등 통계적 방법을 사용하여 다양한 공정의 변수를 최적화해왔다. 이시카와 다이어그램과 FMEA는 품질 문제의 원인을 식별하고 우선순위를 정하는 데 널리 사용되어 왔다.

Purpose of the study:

본 연구의 목적은 이시카와 다이어그램, FMEA, 다구치 기법, 그리고 유전 알고리즘을 체계적으로 결합하여 쇼크 업소버 제조 공정, 특히 세척 및 도장 공정의 변수들을 최적화함으로써 결함을 제로 수준으로 최소화하는 것이다.

Core study:

연구의 핵심은 4단계 최적화 프로세스이다. (1) 이시카와 다이어그램으로 잠재적 원인 인자를 광범위하게 식별하고, (2) FMEA로 위험도가 높은 핵심 공정(세척, 도장)을 선정한다. (3) 다구치 기법의 L9 직교배열 실험을 통해 선정된 공정들의 1차 최적 조건을 찾고, (4) 이 결과를 바탕으로 유전 알고리즘을 적용하여 더욱 정밀하고 개선된 최적해를 탐색하여 불량률을 극소화한다.

5. Research Methodology

Research Design:

본 연구는 품질 공학 도구들을 순차적으로 적용하는 실험적 연구 설계를 따른다. 원인 규명(Ishikawa), 중요도 분석(FMEA), 실험계획 및 1차 최적화(Taguchi), 정밀 최적화(Genetic Algorithm)의 단계적 접근을 통해 문제 해결의 효율성과 정확성을 높였다.

Data Collection and Analysis Methods:

L9 직교배열표에 따라 설정된 조건에서 각 3회 반복 실험을 수행하여 결함 수를 기록했다. 수집된 데이터는 S/N비(Signal-to-Noise ratio)를 계산하여 품질 특성의 안정성을 평가하고, 분산 분석(ANOVA)을 통해 각 공정 변수가 결과에 미치는 통계적 유의성과 기여도를 분석했다. 유전 알고리즘은 다구치 결과를 기반으로 한 수학적 모델을 목적 함수로 사용하여 MATLAB으로 수행되었다.

Research Topics and Scope:

연구 범위는 쇼크 업소버 제조 공정 중 FMEA를 통해 가장 중요하다고 판단된 ‘도장 공정’과 ‘세척 공정’의 최적화에 한정된다. 도장 공정에서는 유동성, 코팅 두께, 포인티지, 온도를, 세척 공정에서는 총 알칼리도, 온도, 헹굼물 pH, 시간을 주요 변수로 다루었다.

6. Key Results:

Key Results:

  • FMEA 분석 결과, 세척 및 도장 공정이 쇼크 업소버 품질에 가장 큰 영향을 미치는 것으로 나타났다.
  • 도장 공정의 경우, 다구치 기법을 통해 불량률을 0.83%로 최적화했으며, 분산 분석 결과 온도(25.69%), 유동성(18.52%), 포인티지(17.19%)가 주요 영향 인자임이 밝혀졌다.
  • 다구치 기법으로 최적화된 결과에 유전 알고리즘을 적용하자, 도장 공정 불량률은 0.001%로, 세척 공정 불량률은 1%에서 0.004%로 획기적으로 감소했다.
  • 이는 통계적 방법과 AI 기반 최적화 기법을 결합한 하이브리드 접근법이 단일 기법을 사용하는 것보다 월등히 우수한 결과를 제공함을 입증한다.

Figure List:

  • Figure 1 Cause and effect diagram.
  • Figure 2 Average values of painting process defects for each parameter at different levels.
  • Figure 3 Average values of S/N ratio for each parameter at different levels.
  • Figure 4 Evaluation of generations for painting process optimization.
  • Figure 5 Best individual values obtained by GA for painting process optimisation.
  • Figure 6 Evaluation of generations for washing process optimization.
  • Figure 7 Best individual values obtained by GA for washing process optimisation.

7. Conclusion:

다구치 기법이 쇼크 업소버의 최적 공정 변수를 달성하는 효과적인 기법인 반면, 유전 알고리즘 기법은 쇼크 업소버의 최적 공정 변수를 달성하는 데 다구치 기법보다 더 나은 해결책을 제공한다. 본 연구로부터 다음과 같은 결과가 도출되었다.

  1. 이시카와 다이어그램 또는 원인-결과 다이어그램은 쇼크 업소버의 품질에 영향을 미치는 모든 가능한 원인을 분류하는 데 매우 효과적이다.
  2. 전통적인 FMEA를 적용하여 쇼크 업소버의 품질에 영향을 미치는 가장 중요한 변수(도장 및 세척 공정)를 식별했다.
  3. 포인티지(도장)와 타이밍(세척) 변수가 쇼크 업소버의 품질에 큰 영향을 미치며, 이는 백분율 기여도를 통해 확인할 수 있다.
  4. 쇼크 업소버 결함의 최적 범위는 95% 신뢰 구간으로 예측되었다. 도장 공정의 최적 범위는 0.09 < 1.02 < 2.13이고, 세척 공정은 0.13 < 0.90 < 1.67이다.
  5. 도장 공정을 위한 유동성, 코팅 두께, 포인티지, 온도의 최적 수준과 세척 공정을 위한 총 알칼리도, 온도, 헹굼물 pH, 타이밍의 최적 수준이 추정되었다.
  6. 다구치 기법으로 얻은 도장 결함 및 세척 결함의 백분율은 각각 0.83과 1이다. 유전 알고리즘 기법을 적용한 후, 도장 결함 및 세척 결함의 백분율은 각각 0.001과 0.004로 급격히 감소했다.

8. References:

  • Anawa EM, Olabi AG (2008) Using Taguchi method to optimize welding pool of dissimilar laser welded components. Optics & Laser Technology 40(2):379–388
  • Andrejkovic M, Hajduova L, Mixtaj E, Weiss R (2011) Improvement of processes in metallurgy company. Metalurgija 50(2):141–144
  • Arabian-Hoseynabadi H, Oraee H, Tavner PJ (2010) Failure modes and effects analysis (FMEA) for wind turbines. Elect Power and Energy Syst 32:817–824
  • Boldrin M, De Lorenzi A, Fiorentin A, Marcuzzi D, Peruzzo S, Pomaro N, Rigato W, Serianni G (2009) Potential failure mode and effects analysis for the ITER NB injector. Fusion Eng and Design 84:466–469
  • Ganapathy T, Murugesan K, Gakkhar RP (2009) Performance optimization of Jatropha bio diesel engine model using Taguchi approach. Appl Energy 86(11):2476–2486
  • Gologlu C, Sakarya N (2008) The effects of cutter path strategies on surface roughness of pocket milling of 1.2738 steel based on Taguchi method. J Mater Process Technol 206(1–3):7–15
  • Gopalsamy BM, Mondal B, Ghosh S (2009) Taguchi method and ANOVA: an approach for process parameters optimization of hard machining while machining hardened steel. J Sci Ind Res 68(8):686–695
  • Hafshejani KF, Valmohammadi C, Khakpoor A (2012) Retracted: using genetic algorithm approach to solve a multi-product EPQ model with defective items, rework, and constrained space. J Ind Eng Int 8(27):1–7
  • Hossain KA, Khan F, Hawboldt K (2010) Susdesign – an approach for a sustainable process system design and its application to a thermal power plant. Appl Thermal Energy 30(14–15):1896–1913
  • Ilie G, Ciocoiu CN (2010) Application of fishbone diagram to determine the risk of an event with multiple causes. Manag Res Pract 2(1):1–20
  • Kilickap E (2010) Optimization of cutting parameters on delamination based on Taguchi method during drilling of GFRP composite. Expert Syst Appl 37(8):6116–6122
  • Lakshminarayanan AK, Balasubramanian V (2008) Process parameters optimisation for friction stir welding of RDE- 40 aluminium alloy using Taguchi technique. Trans Non-ferrous Metals Soc China 18(3):548–554
  • Li TS, Chen SH, Chen HL (2009) Thermal-flow techniques for sub-35 nm contact-hole fabrication using Taguchi method in electron-beam lithography. Microelectron Eng 86:2170–2175
  • Liu Y-T, Changa W-C, Yamagata Y (2010) A study on optimal compensation cutting for an aspheric surface using the Taguchi method. CIRP J Manuf Sci Technol 3(1):40–48
  • Liu H-C, Liu L, Bian Q-H, Lin Q-L, Dong N, Peng Cheng X (2011) Failure mode and effects analysis using fuzzy evidential reasoning approach and grey theory. Expert Syst Appl 3(8):4403–4415
  • Mahapatra SS, Chaturvedi V (2009) Modelling and analysis of abrasive wear performance of composites using Taguchi approach. Int J Eng Sci Technol 1(1):123–135
  • Mahapatra SS, Patnaik A, Satapathy A (2008) Taguchi method applied to parametric appraisal of erosion behavior of GF-reinforced polyester composites. Wear 265(1–2):214–222
  • Mohamed H, Hisyam Lee M, Sarahintu M, Salleh S, Sanugi B (2008) Identifying factors affecting data delivery performance in mobile ad-hoc network routing protocol using a systematic approach. Matematika 24(1):43–51
  • Momeni M, Moayed MH, Davoodi A (2010) Tuning DOS measuring parameters based on double-loop EPR in H2SO4 containing KSCN by Taguchi method. Corros Sci 52(8):2653–2660
  • Moshat S, Datta S, Bandyopadhyay A, Pal P (2010) Optimization of CNC end milling process parameters using PCA-based Taguchi method. Int J Eng Sci Technol 2(1):92–102
  • Pishbina F, Simchi A, Ryana MP, Boccaccini AR (2010) A study of the electrophoretic deposition of Bioglass® suspensions using the Taguchi experimental design approach. J Eur Ceramic Soc 30(14):2963–2970
  • Prihandana GS, Mahardika M, Hamdi M, Wong YS, Kimiyuki M (2009) Effect of micro-powder suspension and ultrasonic vibration of dielectric fluid in micro-EDM Processes – Taguchi approach. Int J Mach Tools Manuf 49(12–13):1035–1041
  • Ross PJ (1988) Taguchi techniques for quality engineering. McGraw Hill, New York
  • Sen M, Shan HS (2005) Analysis of hole quality characteristics in the electro jet drilling process. Int J Mach Tools Manuf 45(15):1706–1716
  • Shiou FJ, Hsu CC (2008) Surface finishing of hardened and tempered stainless tool steel using sequential ball grinding, ball burnishing and ball polishing processes on a machining centre. J Mat Process Tech 205(1–3):249–258
  • Syrcos GP (2002) Die casting process optimization using Taguchi methods. J Mater Process Technol 135:68–74
  • Tewari PC, Khanduja R, Gupta M (2012) Performance enhancement for crystallization unit of a sugar plant using genetic algorithm technique. J Ind Eng Int 8(1):1–7
  • Tlale NS, Steyn JL, Govender S (2008) Technical cost modelling for a novel semi-solid metal (SSM) casting processes for automotive component manufacturing. In: International Association for Management of Technology. Nice, pp 1–20. 17–19 September 2008
  • Tsai FC, Yan BH, Kuan CY, Huang FY (2008) A Taguchi and experimental investigation into the optimal processing conditions for the abrasive jet polishing of SKD61 mold steel. Int J Mach Tools Manuf 48(7–8):932–945
  • Wang Y-M, Chin K-S, Poon GKK, Yang J-B (2009) Risk evaluation in failure mode and effects analysis using fuzzy weighted geometric mean. Expert Syst Appl 36(2):1195–1207
  • Wu H-W, Gu HW (2010) Analysis of operating parameters considering flow orientation for the performance of a proton exchange membrane fuel cell using the Taguchi method. J Power Sources 95(11):3621–3630
  • Yen Y-T, Fang T-H, Lin Y-C (2011) Optimization of screen-printing parameters of SN9000 ink for pinholes using Taguchi method in chip on film packaging. Robotics Comput Integrated Manuf 27(3):531–537
  • Zhang Z, Chu X (2011) Risk prioritization in failure mode and effects analysis under uncertainty. Expert Syst Appl 38(1):206–214

Expert Q&A: Your Top Questions Answered

Q1: 여러 공정 중 특별히 도장과 세척 공정을 최적화 대상으로 선정한 이유는 무엇인가요?

A1: 연구진은 고장 형태 및 영향 분석(FMEA)을 통해 쇼크 업소버 제조의 각 공정 단계별 위험도를 평가했습니다. 그 결과, 도장과 세척 공정이 발생 가능성(occurrence), 심각도(severity), 검출도(detection)를 종합한 위험 우선순위 번호(RPN)가 가장 높게 나타났습니다. 이는 두 공정이 최종 제품 품질에 가장 치명적인 영향을 미칠 수 있는 잠재적 위험을 가지고 있음을 의미하며, 따라서 최우선 최적화 대상으로 선정되었습니다.

Q2: 도장 공정에서 가장 영향력이 큰 변수는 무엇이었으며, 이는 무엇을 의미하나요?

A2: 분산 분석(ANOVA) 결과(Table 8), 도장 공정에서는 ‘온도(Temperature)’가 25.69%의 기여도로 불량 발생에 가장 큰 영향을 미치는 변수로 확인되었습니다. 이는 도장 시 설정된 온도가 조금만 변해도 페인트의 점도, 건조 속도 등에 영향을 주어 코팅 불량으로 이어질 확률이 높다는 것을 의미합니다. 따라서 안정적인 도장 품질을 확보하기 위해서는 다른 변수들보다 온도 제어에 가장 높은 우선순위를 두어야 함을 시사합니다.

Q3: 다구치 기법만으로도 개선이 있었는데, 유전 알고리즘을 추가로 사용한 이유는 무엇이며 그 효과는 어느 정도였나요?

A3: 다구치 기법은 제한된 실험으로 최적의 ‘영역’을 찾는 데 매우 효율적이지만, 그 영역 내에서 가장 정밀한 ‘점’을 찾아내는 데는 한계가 있을 수 있습니다. 연구진은 ‘제로 결함’이라는 궁극적인 목표를 달성하기 위해, 다구치 기법으로 찾은 최적 영역을 기반으로 유전 알고리즘을 사용하여 더 세밀한 탐색을 수행했습니다. 그 결과, 도장 공정 불량률은 0.83%에서 0.001%로, 세척 공정 불량률은 1%에서 0.004%로 극적으로 감소하여 유전 알고리즘의 추가 적용이 초정밀 최적화에 결정적인 역할을 했음을 입증했습니다.

Q4: 다구치 실험에 사용된 L9 직교배열표는 구체적으로 어떤 장점이 있었나요?

A4: 4개의 변수를 각각 3개 수준에서 실험하려면 모든 조합을 고려하는 완전요인배치법으로는 3^4 = 81회의 실험이 필요합니다. 하지만 본 연구에서 사용된 L9 직교배열표는 단 9회의 실험만으로 각 변수가 품질에 미치는 독립적인 영향을 통계적으로 분석할 수 있게 해줍니다. 이는 시간, 비용, 자원을 획기적으로 절약하면서도 신뢰성 있는 최적화 결과를 도출할 수 있게 하는 다구치 기법의 핵심적인 장점입니다.

Q5: 유전 알고리즘의 목적 함수는 어떻게 설정되었나요?

A5: 유전 알고리즘을 구동하기 위해서는 최적화하려는 목표를 수학식으로 표현한 ‘목적 함수’가 필요합니다. 본 연구에서는 다구치 기법의 L9 직교배열 실험 결과를 바탕으로 각 공정 변수(A, B, C, D)와 결과(불량률 Y) 사이의 관계를 나타내는 회귀 모델을 개발했습니다. 예를 들어 도장 공정의 경우, Y = 3.72 - 0.095A + 0.0057B - 0.2123C + 0.0018D 와 같은 식이 목적 함수로 사용되었으며, 유전 알고리즘은 이 Y값을 최소화하는 A, B, C, D의 최적 조합을 찾아냈습니다.

Conclusion: Paving the Way for Higher Quality and Productivity

이 연구는 쇼크 업소버 제조 공정에서 발생하는 품질 문제를 해결하기 위해, 전통적인 품질 공학 기법과 현대적인 AI 최적화 알고리즘을 결합하는 것이 얼마나 강력한 시너지를 내는지 명확하게 보여줍니다. FMEA를 통해 핵심 문제를 정의하고, 다구치 기법으로 효율적인 개선 방향을 설정한 뒤, 유전 알고리즘으로 정밀하게 해를 찾아가는 이 하이브리드 접근법은 복잡한 변수들 사이에서 최적의 균형점을 찾아내는 탁월한 공정 최적화 전략입니다. 도장 불량률을 0.001%까지 낮춘 이 연구 결과는 더 이상 ‘제로 결함’이 불가능한 목표가 아님을 시사합니다.

STI C&D는 최신 산업 연구 결과를 고객의 생산성 및 품질 향상에 적용하기 위해 최선을 다하고 있습니다. 본 논문에서 논의된 과제가 귀사의 운영 목표와 일치한다면, 저희 엔지니어링 팀에 연락하여 이러한 원칙을 귀사의 부품에 어떻게 구현할 수 있는지 논의해 보시기 바랍니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

  • 연락처 : 02-2026-0450
  • 이메일 : flow3d@stikorea.co.kr

Copyright Information

  • This content is a summary and analysis based on the paper “Optimisation of shock absorber process parameters using failure mode and effect analysis and genetic algorithm” by “Arokiasamy Mariajayaprakash et al.”.
  • Source: http://www.jiei-tsb.com/content/9/1/18 (DOI: 10.1186/2251-712X-9-18)

This material is for informational purposes only. Unauthorized commercial use is prohibited. Copyright © 2025 STI C&D. All rights reserved.

PDF View