품질의 7가지 기본 도구
품질의 7가지 기본 도구는 품질과 관련된 문제를 해결하는 데 가장 유용한 것으로 확인된 고정된 시각적 연습 도구의 집합이다. 통계학에 대한 공식적인 교육을 거의 받지 않은 사람들에게도 적합하고, 품질 관련 문제의 대다수를 해결하는 데 사용할 수 있기 때문에 기본이라고 불린다.
개요
7가지 도구는 다음과 같다:[^1] #특성요인도 ("피시본 다이어그램" 또는 이시카와 다이어그램이라고도 함) #체크시트 #관리도 #히스토그램 #파레토 차트 #산점도 #층별법 (또는 흐름도나 런 차트)
이 명칭은 전후 일본에서 벤케이의 유명한 7가지 무기에서 영감을 받아 탄생하였다. 이 개념은 가오루 이시카와가 도입한 것으로 추정되며, 그는 1950년에 W. 에드워즈 데밍이 일본 엔지니어들과 과학자들에게 행한 일련의 강연에 영향을 받았다.[^2] 당시 통계적 품질 관리에 대해 직원들을 교육하기 시작한 기업들은 이 주제의 복잡성이 대부분의 직원들을 위축시킨다는 것을 알게 되었고, 대부분의 품질 관련 문제에 충분한 보다 단순한 방법에 주로 초점을 맞추어 교육을 축소하였다. 프로젝트 관리 협회(PMI)는 프로젝트 관리 지식 체계 안내서에서 프로젝트 품질을 계획하거나 통제하는 데 유용한 일반 도구 집합의 예로 7가지 기본 도구를 언급하고 있다.
7가지 기본 도구는 조사 표본추출, 합격 판정 표본추출, 통계적 가설 검정, 실험 계획법, 다변량 분석, 그리고 운영 연구 분야에서 개발된 다양한 방법 등 보다 고급 통계 기법과 대비된다.
각주
참고 문헌
참고 자료
[^1]: harvnb Ishikawa 1985 p=198 ps=: "Elementary Statistical Method (the so-called Seven Tools) 1. Pareto chart: The principle of vital few; trivial many 2. Cause and effect diagram (This is not precisely
[^2]: Moore, Matthew. 품질의 7가지 기본 도구. (2007년 11월 30일)
관련 인사이트

로봇은 왜 볼트를 떨어뜨리는가 — Physical AI가 공장에 필요한 진짜 이유
AI가 데이터 패턴만 외우는 시대는 끝나고 있다. 물리 법칙을 이해하는 Physical AI가 제조 현장에 왜 필요한지, KAIST 교수와 자동차 부품 공장 팀장이 볼트 하나를 놓고 이야기한다.

디지털 트윈, 당신 공장엔 이미 있다 — 엑셀과 MES 사이 어딘가에
디지털 트윈은 10억짜리 3D 시뮬레이션이 아니다. 지금 쓰고 있는 엑셀에 좋은 질문 하나를 더하는 것 — 두 전문가가 중소 제조기업이 이미 가진 데이터로 예측하는 공장을 만드는 현실적 로드맵을 제시한다.

공장의 뇌는 어떻게 생겼는가 — 제조운영 AI 아키텍처 해부
지식관리, 업무자동화, 의사결정지원 — 따로 보면 다 있던 것들입니다. 제조 AI의 진짜 차이는 이 셋이 순환하면서 '우리 공장만의 지능'을 만든다는 데 있습니다.