IQR 이상치 분석 방법, 제조업 품질관리 부적합 데이터를 쉽게 관리하는 방법

 


IQR 이상치 분석 방법, 제조업 품질관리 부적합 데이터를 쉽게 관리하는 방법

제조업 품질관리에서 부적합 데이터를 관리하다 보면 단순히 “이번 달 부적합이 많다, 적다”만으로는 품질 상태를 정확히 판단하기 어렵습니다. 어떤 달은 특정 부적합이 갑자기 많이 발생할 수 있고, 어떤 부서는 평소보다 지적 건수가 급격히 증가할 수 있습니다. 이럴 때 필요한 것이 바로 이상치 분석입니다.

이상치란 평소 데이터 흐름과 비교했을 때 유난히 튀는 값을 말합니다. 품질관리에서는 월별 부적합 건수, 부서별 부적합 건수, 불량 유형별 발생 건수 등을 보고 평소보다 비정상적으로 많이 발생한 항목을 찾는 데 활용할 수 있습니다. 예를 들어 평소에는 아이마킹 누락이 월 2~3건 수준이었는데, 특정 월에 10건 이상 발생했다면 이상치로 의심해볼 수 있습니다.

제가 품질팀에서 부적합 데이터를 관리하면서 느낀 것은, 단순 평균만으로는 문제를 놓칠 수 있다는 점입니다. 특히 반도체 설비 제조업처럼 프로젝트, 설비 수량, 감리 일정, 고객사 점검 여부에 따라 부적합 건수가 달라지는 환경에서는 단순 평균 비교가 부족할 수 있습니다. 그래서 평균보다 얼마나 많이 발생했는지, 평소 범위를 벗어났는지 확인할 수 있는 기준이 필요했습니다.

처음에는 평균과 표준편차를 이용해 이상치를 보려고 했지만, 데이터 편차가 큰 경우 기준값이 너무 높아지는 문제가 있었습니다. 그래서 부적합 관리에는 IQR 방식이 더 현실적으로 느껴지는 경우가 많았습니다. 이번 글에서는 제조업 품질관리 실무 기준으로 IQR 이상치 분석이 무엇인지, 어떻게 계산하는지, 부적합 데이터에 어떻게 적용할 수 있는지 쉽게 설명하겠습니다.

IQR 이상치 분석이란 무엇인가?

IQR은 Interquartile Range의 약자입니다. 우리말로는 사분위 범위라고 합니다. 데이터를 작은 값부터 큰 값까지 정렬했을 때, 가운데 50% 구간의 범위를 보는 방법입니다.

IQR 분석에서는 주로 Q1, Q3라는 값을 사용합니다. Q1은 제1사분위수로, 전체 데이터 중 하위 25% 위치의 값입니다. Q3는 제3사분위수로, 전체 데이터 중 상위 25% 위치의 값입니다. IQR은 Q3에서 Q1을 뺀 값입니다.

구분 의미
Q1 제1사분위수, 데이터의 하위 25% 위치 값
Q3 제3사분위수, 데이터의 상위 25% 위치 값
IQR Q3 - Q1
이상치 상한 Q3 + 1.5 × IQR
이상치 하한 Q1 - 1.5 × IQR

품질관리에서 부적합 건수를 볼 때는 보통 하한보다 상한이 더 중요합니다. 부적합 건수가 평소보다 비정상적으로 많이 발생했는지를 보는 경우가 많기 때문입니다. 그래서 월별 부적합 건수가 IQR 상한을 초과하면 이상치로 보고 원인 분석을 할 수 있습니다.

왜 평균보다 IQR을 사용하는 것이 좋을까?

품질 데이터를 분석할 때 가장 먼저 떠올리는 방법은 평균입니다. 예를 들어 어떤 부적합 유형의 월평균 발생 건수가 3건이라면, 이번 달 8건은 평소보다 많다고 볼 수 있습니다. 하지만 평균만으로는 기준이 애매할 수 있습니다.

또 다른 방법은 평균에 표준편차를 더해서 기준을 잡는 방식입니다. 예를 들어 평균 + 2 × 표준편차를 이상치 기준으로 사용할 수 있습니다. 하지만 부적합 데이터는 특정 월에 갑자기 많이 발생하는 경우가 있어 표준편차가 커질 수 있습니다. 표준편차가 커지면 이상치 기준도 너무 높아져서 실제로 관리해야 할 문제를 놓칠 수 있습니다.

제가 부적합 데이터를 보면서 비슷한 고민을 했습니다. 특정 불량코드는 월별 편차가 커서 평균 ± 2 × 표준편차 방식으로 보면 이상치 기준이 너무 높게 잡히는 경우가 있었습니다. 그렇게 되면 현장에서는 분명히 많이 발생한 것 같은데, 데이터 기준으로는 이상치가 아니라고 나올 수 있습니다. 실무에서는 이런 기준이 오히려 문제를 숨길 수 있습니다.

IQR 방식은 평균과 표준편차보다 극단값의 영향을 덜 받습니다. 이미 튀는 값이 몇 개 있어도 기준이 과도하게 흔들리지 않는 편입니다. 그래서 월별 부적합 건수처럼 데이터가 일정하지 않고, 특정 월에 값이 튀는 품질 데이터에 활용하기 좋습니다.

구분 장점 주의점
평균 기준 계산이 쉽고 이해하기 쉬움 극단값에 영향을 많이 받을 수 있음
평균 + 2σ 통계적 기준으로 설명하기 좋음 편차가 큰 데이터에서는 기준이 너무 높아질 수 있음
IQR 기준 극단값 영향을 덜 받고 실무 적용이 쉬움 데이터 수가 너무 적으면 해석에 주의가 필요함

제조업 부적합 데이터에 IQR을 적용하는 방법

IQR 이상치 분석은 제조업 품질관리에서 여러 방식으로 활용할 수 있습니다. 가장 기본적인 방법은 월별 부적합 건수를 기준으로 이상치를 찾는 것입니다. 예를 들어 아이마킹 누락, 도면 불일치, 체결 불량, 방향 표시 오류 같은 부적합 유형별로 월별 발생 건수를 정리합니다. 그다음 각 유형별 Q1, Q3, IQR, 상한값을 계산합니다.

이때 중요한 것은 전체 부적합을 한꺼번에 보는 것보다, 부적합 유형별로 따로 보는 것입니다. 아이마킹 누락과 도면 불일치는 발생 특성이 다를 수 있습니다. 어떤 유형은 매월 조금씩 발생하고, 어떤 유형은 특정 프로젝트에서만 집중적으로 발생할 수 있습니다. 따라서 같은 기준으로 전체를 묶어버리면 해석이 부정확해질 수 있습니다.

또한 부서별로도 나누어 볼 수 있습니다. 기구 제작, 전장 제작, 기구 설계, 전장 설계, 현장 셋업 등 공정이나 부서별로 부적합 발생 특성이 다를 수 있습니다. 특정 부서에서 특정 부적합 유형이 IQR 상한을 초과했다면, 그 부서는 해당 월에 원인 분석과 재발방지대책을 검토할 필요가 있습니다.

분석 기준 활용 예시
월별 분석 특정 월에 부적합이 급증했는지 확인
부적합 유형별 분석 아이마킹, 도면 불일치, 체결 불량 등 유형별 이상치 확인
부서별 분석 어느 부서에서 평소보다 문제가 많이 발생했는지 확인
프로젝트별 분석 특정 프로젝트에서 부적합이 집중되었는지 확인

IQR 이상치 분석 예시

아래는 아이마킹 누락 부적합이 월별로 발생한 예시입니다. 실제 회사 데이터가 아니라 이해를 돕기 위한 샘플입니다.

월 아이마킹 누락 건수
1월 2건
2월 3건
3월 2건
4월 4건
5월 3건
6월 12건

이 데이터를 보면 6월의 12건이 눈에 띄게 많습니다. IQR 방식으로 계산하면 아래처럼 정리할 수 있습니다.

항목 값 의미
Q1 2건 하위 25% 위치 값
Q3 4건 상위 25% 위치 값
IQR 2건 Q3 - Q1
상한값 7건 Q3 + 1.5 × IQR
6월 발생 건수 12건 상한값 7건 초과로 이상치 의심

이 예시에서는 상한값이 7건인데, 6월 발생 건수가 12건이므로 이상치로 볼 수 있습니다. 이 경우 품질팀은 단순히 “6월에 많이 발생했다”라고만 보는 것이 아니라, 왜 6월에 아이마킹 누락이 갑자기 증가했는지 확인해야 합니다.

예를 들어 신규 작업자가 투입되었는지, 감리 전 검사 범위가 확대되었는지, 특정 프로젝트에서 반복 발생했는지, 체크시트 항목이 미흡했는지 등을 확인할 수 있습니다. 이상치 분석은 문제를 자동으로 해결해주는 도구가 아니라, 어떤 항목을 우선적으로 원인 분석해야 하는지 알려주는 신호라고 볼 수 있습니다.

이상치가 발생했을 때 품질팀이 해야 할 일

이상치가 확인되었다고 해서 무조건 큰 문제가 있다는 뜻은 아닙니다. 검사 범위가 늘어났거나, 고객사 점검이 집중되었거나, 특정 프로젝트가 많았기 때문에 일시적으로 증가했을 수도 있습니다. 그래서 이상치가 발생하면 바로 결론을 내리기보다 원인을 확인해야 합니다.

단계 확인 내용
1단계 어떤 부적합 유형이 이상치인지 확인한다.
2단계 어느 부서, 공정, 프로젝트에서 많이 발생했는지 확인한다.
3단계 일시적 증가인지 반복 문제인지 구분한다.
4단계 4M, 5Why, 3E 대책 등으로 원인과 대책을 정리한다.
5단계 체크시트 개정, 교육, 재발방지대책 등 개선활동으로 연결한다.

제가 생각하는 이상치 분석의 핵심은 “누가 잘못했는지 찾는 것”이 아닙니다. 평소보다 문제가 많이 발생한 항목을 빠르게 찾아내고, 해당 부서나 공정이 원인을 확인하도록 만드는 것입니다. 품질팀은 데이터를 통해 신호를 발견하고, 그 신호를 개선활동으로 연결해야 합니다.

IQR 이상치 관리표 샘플

아래는 블로그 독자가 실제 업무에 참고할 수 있는 이상치 관리표 샘플입니다. 엑셀이나 스프레드시트로 관리할 때 아래와 같은 항목을 두면 좋습니다.

관리 항목 작성 예시
관리월 2026년 6월
부서 기구 제작
부적합 유형 아이마킹 누락
월 발생 건수 12건
Q1 2건
Q3 4건
IQR 2건
이상치 기준 7건 초과
판정 이상치 발생
후속 조치 원인 분석 요청 및 체크시트 항목 개정 검토

이런 형식으로 관리하면 단순히 데이터만 보는 것이 아니라, 이상치 발생 후 어떤 조치를 했는지까지 관리할 수 있습니다. 품질 데이터는 숫자로 끝나면 의미가 약합니다. 숫자를 보고 원인을 찾고, 원인을 대책으로 연결해야 실제 품질 개선으로 이어집니다.


정리: IQR 이상치 분석은 품질 문제를 빠르게 발견하는 도구다

IQR 이상치 분석은 제조업 품질관리에서 부적합 데이터의 비정상적인 증가를 확인하는 데 유용한 방법입니다. Q1, Q3, IQR, 상한값을 이용해 평소보다 튀는 값을 찾고, 그 값을 기준으로 원인 분석과 개선활동을 진행할 수 있습니다.

평균이나 표준편차 방식도 품질 데이터 분석에 사용할 수 있지만, 부적합 데이터처럼 특정 월에 값이 크게 튀는 경우에는 기준이 흔들릴 수 있습니다. 특히 표준편차가 너무 커지면 이상치 기준이 높아져서 실제로 관리해야 할 문제를 놓칠 수 있습니다. 이런 경우 IQR 방식은 실무적으로 좋은 대안이 될 수 있습니다.

제가 품질 데이터를 관리하면서 느낀 것은, 이상치 분석은 복잡한 통계가 아니라 현장의 문제를 빨리 찾기 위한 도구라는 점입니다. 특정 부적합 유형이 평소보다 많이 발생했는지, 어느 부서나 프로젝트에서 문제가 집중되었는지 확인하고, 필요하면 4M 분석, 5Why 분석, 3E 대책으로 연결해야 합니다.

품질관리에서 중요한 것은 숫자를 계산하는 것 자체가 아닙니다. 숫자를 통해 문제를 발견하고, 그 문제를 재발방지대책으로 연결하는 것입니다. IQR 이상치 분석은 부적합 데이터를 단순 기록이 아니라 개선활동의 출발점으로 바꾸는 데 도움을 줄 수 있습니다.

품질 직무를 준비하거나 제조업 품질팀 업무를 처음 접하는 분들이라면 IQR을 어렵게 생각하지 않았으면 합니다. IQR은 평소 범위를 벗어난 부적합을 찾는 방법입니다. 쉽게 말해 “이번 달 이 부적합이 평소보다 너무 많이 나온 것 아닌가?”를 숫자로 확인하는 도구라고 이해하면 됩니다.


함께 읽으면 좋은 글