시정 조치 및 예방 조치 프로세스는 종종 두 가지 문제로 어려움을 겪습니다. 근본 원인이 증명되지 않고 추측에 의존하며, 동일한 문제가 재발하는 이유는 조치가 증상만을 처리했기 때문입니다. 또한 증거를 수동으로 수집해야 하기 때문에 조사가 지연되기도 합니다.
예측 모델은 공정 매개변수, 환경 측정값, 과거 고장 데이터를 분석하여 다음 부적합이 발생할 가능성이 높은 위치를 추정합니다. 문제가 발생하면 인공지능은 유사한 과거 사례와 그룹화하고 증거에 기반하여 가능한 원인을 순위별로 제안할 수 있습니다. 이후에는 조치가 실제로 재발을 감소시켰는지 여부를 확인할 수 있습니다.
주요 개념
인공지능은 가능한 고장을 예측하고, 증거 기반의 근본 원인을 순위화하며, 가정 대신 데이터로 효과를 검증함으로써 시정 조치를 강화합니다.
실제 사례
모델이 야간 교대 근무 중 습도가 특정 수준을 초과할 때마다 밀봉 결함이 증가한다는 점을 감지하여, 팀은 습도 제어를 추가하고 시스템이 이후 8주 동안 결함이 지속적으로 감소했음을 확인합니다.
표준 절차
- 1부적합 및 관련 공정 데이터를 자동으로 수집합니다.
- 2유사한 과거 사례와 비교합니다.
- 3팀과 함께 가능한 원인의 순위 목록을 검토합니다.
- 4선택한 조치를 실행합니다.
- 5시스템이 재발 여부를 추적하여 효과를 검증하도록 합니다.
수업 요약
- ✓예측은 고장이 발생하기 전에 예방하는 데 노력을 집중시킵니다.
- ✓과거 사례와의 패턴 매칭은 조사를 신속하게 진행합니다.
- ✓효과성 검증은 가정하지 말고 측정해야 합니다.