IQR 이상치 분석 방법, 품질 부적합 데이터에서 튀는 값을 찾는 실무 기준
IQR 이상치 분석 방법: 품질 부적합 데이터에서 튀는 값을 찾는 실무 기준
품질 데이터를 관리하다 보면 어느 달에는 특정 부적합이 갑자기 늘어나는 현상을 목격합니다. 예를 들어 평소 월 2~3건 수준이던 피팅 체결부 아이마킹 누락이 특정 월에 10건 이상 폭증한다면, 이는 단순 우연으로 치부하기 어렵습니다. 이때 필요한 통계적 접근이 바로 이상치(Outlier) 분석입니다.
이상치는 통상적인 데이터 흐름에서 크게 벗어난 값을 의미합니다. 품질관리 실무에서는 특정 월, 특정 부서, 특정 불량코드에서 비정상적인 부적합이 발생했는지 감지할 때 활용되며, 특히 IQR(Interquartile Range, 사분위수 범위) 방식은 불규칙한 현장 부적합 데이터에 가장 현실적으로 적용할 수 있는 기법입니다.
IQR 이상치 분석은 데이터의 중앙 50% 범위를 기준으로 이상 발생 여부를 판별합니다. 특정 달에 부적합 건수가 크게 치솟는 제조업 현장 데이터에서는 평균±표준편차(Z-score) 방식보다 극단값의 왜곡에 강한 IQR 방식이 훨씬 유용합니다.
1. 평균과 표준편차 방식이 현장에서 한계를 보이는 이유
이상치를 판별할 때 통상 '평균 ± 2×표준편차' 공식을 가장 먼저 떠올립니다. 하지만 제조업 부적합 데이터는 매달 일정하게 발생하지 않으며, 특정 프로젝트나 감리 일정에 따라 불연속적으로 변동합니다.
과거 데이터에 이미 한두 번 크게 튄 편차값이 포함되어 있다면 표준편차 자체가 커지게 됩니다. 이로 인해 정작 현장에서 주의 깊게 관찰해야 할 뚜렷한 상승 신호(예: 평소 0~2건에서 8건으로 급증)조차 '정상 범위'로 오인되어 모니터링 타겟에서 누락되는 문제가 발생합니다.
부적합 데이터를 모니터링할 때 처음에는 평균과 표준편차 기반 이상치를 적용해 보았습니다. 그러나 극단값으로 인해 기준선이 지나치게 높게 형성되어, 실제 현장에서 문제 징후를 보이는 불량코드가 모니터링망을 빠져나가는 사례가 잦았습니다.
품질 관리자에게 필요한 것은 수학적 정밀함보다 현장의 이상 신호를 놓치지 않고 포착하는 민감도입니다. 데이터의 중간 분포를 기준으로 탐지하는 IQR 방식은 과거의 대형 이상값에 왜곡되지 않으므로, 월별 발생 건수의 기복이 큰 제조업 부적합 관리 지표로 훨씬 안정적입니다.
2. IQR의 원리와 계산 가이드
IQR(Interquartile Range)은 전체 데이터를 크기순으로 정렬한 뒤 25% 지점인 1사분위수(Q1)와 75% 지점인 3사분위수(Q3)의 차이를 이용합니다.
즉, 데이터의 중앙 50% 구간의 넓이를 기준으로 상·하한 경계선을 설정하는 방식입니다. 품질 부적합 관리에서는 주로 '이상 급증'을 모니터링하므로 **상한 기준값(Upper Fence)**을 집중 검토합니다.
1. 수집된 데이터를 작은 값부터 큰 값순으로 정렬합니다.
2. 데이터의 25% 위치값(Q1)과 75% 위치값(Q3)을 구합니다.
3. IQR = Q3 - Q1을 계산합니다.
4. 상한 경계선 = Q3 + (1.5 × IQR)을 계산합니다.
5. 실제 월별 발생 건수가 상한 경계선보다 크면 이상치(관리 필요 대상)로 판정합니다.
3. 품질 데이터 적용 예시
특정 불량코드의 월별 발생 건수가 다음과 같을 때 IQR 산출 방식을 통해 이상치를 판정할 수 있습니다.
| 월 | 부적합 발생 건수 | IQR 기반 판정결과 |
|---|---|---|
| 1월 | 1건 | 정상 범위 |
| 2월 | 2건 | 정상 범위 |
| 3월 | 0건 | 정상 범위 |
| 4월 | 2건 | 정상 범위 |
| 5월 | 9건 | 이상치 (원인 분석 대상) |
5월의 9건은 감에 의한 "많아 보인다"가 아니라, 객관적 사분위 경계선을 이탈했으므로 품질팀의 우선 조사 대상 목록에 자동으로 등록됩니다.
4. 이상치 포착 후 현장 조치 연결 방법
IQR 계산을 통해 이상치가 도출되었다고 해서 곧바로 품질 불량이나 공정의 파탄을 의미하지는 않습니다. 이상치는 "즉시 원인을 확인하라는 신호"로 받아들여야 합니다.
실제 검사 수량이 늘어났는지, 신규 프로젝트 조립 초기 단계인지, 특정 작업자 변경이나 도면 사양 개정이 있었는지 종합적으로 대조해야 합니다.
이상치 도출은 수식 계산으로 끝나서는 안 됩니다. 이상 신호가 감지된 항목은 4M 원인 분석 및 5Why 분석을 적용하여 근본 원인을 찾고, 3E 대책(Education, Engineering, Enforcement)으로 연계하여 실제 현장의 재발방지 프로세스로 완성시켜야 합니다.
마치며
품질 데이터 관리의 본질은 숫자를 화려하게 시각화하는 것이 아니라, **현장에서 튀어나오는 이상 신호를 빠르게 포착해 시스템을 정비하는 것**입니다.
평균과 표준편차가 현장 데이터를 반영하지 못할 때, IQR 이상치 분석 방식을 도입하여 객관적이고 신뢰성 높은 품질 모니터링 체계를 구축해 보시기 바랍니다.