Masimo
Masimo는 혁신적인 측정, 센서, 환자 모니터를 비롯하여 업계 최고의 다양한 모니터링 기술을 개발하고 생산하는 글로벌 의료 기술 회사입니다. Masimo Hospital Automation™ 플랫폼 기반의 Masimo 연결, 자동화, 원격 의료 및 원격 모니터링 솔루션은 병원 내외에서 의료 서비스 제공을 개선하고 자동화하고 있습니다. 또한, Masimo는 Masimo W1™ 건강 추적 시계, Stork™ 유아 모니터와 같이 다양한 소비자 건강 및 웰니스 솔루션과 Bowers & Wilkins® 및 Denon®과 같은 전설적인 오디오 브랜드의 사운드 장치를 갖추고 있습니다.
당면 과제
소비자 건강 및 웰니스 제품으로 확장하면서 Masimo 팀은 제품 포장의 디자인과 견고성을 개선하기 위해 노력했습니다. 특히, 디자인 팀은 배송 중에 상자를 보호하면서 제품의 룩앤필을 매끈하게 하기 위해 상자 주변에 비닐 수축 랩을 사용하길 원했습니다.
수축 포장은 소비자 가전 산업에서 흔히 사용되는 포장 기법이지만, Masimo는 이 공정을 수행한 적이 없었으며 수축 랩 포장 공정을 개발하는 데 있어 내부 인재나 경험이 없었습니다. 수동 공정은 비용이 많이 들고 오류가 발생하기 쉬우므로 공정 엔지니어링 팀은 생산량을 늘리고 일관성을 보장하기 위해 완전 자동화된 수축 랩 공정을 구현하려고 했습니다.
수축 랩 포장의 요건은 다음과 같습니다.
- 찢어짐, 주름, 빈 공간 등 외관상의 결함 없이 비닐 랩을 수축시킵니다.
- 제품 외관상의 품질을 저하시키고 제품 개봉을 더 어렵게 만드는 삼각형의 비닐 조각인 ‘강아지 귀모양의 비닐’의 크기를 최대 길이 0.060으로 최소화합니다.
- (1)과 (2)를 달성하는 데 사용되는 재료의 양을 최소화합니다.
Masimo가 구매한 열 수축 장비는 순차적으로 작동하는 두 개의 장치로 구성됩니다. 첫 번째 장치는 제품 포장 주변에서 열 수축 재료를 감싸고 두 번째 장치는 랩핑을 수축시킵니다. 첫 번째 장치는 사용되는 재료의 양을 제어하는 세 가지 숫자 요인으로 구성됩니다.
- 가방 길이.
- 필름 전진율.
- 랩 길이를 정의하는 테이블의 깊이.
두 번째 장치는 비닐을 가열하고 축소하며 두 개의 숫자 요인으로 구성됩니다.
- 밀봉 시간.
- 밀봉 온도
Minitab을 활용한 사례
Minitab Statistical Software는 열 수축 공정을 특성화하고 최적화하는 데 도움이 되었습니다.
첫 번째 단계는 실험계획법(DOE)을 사용하여 열 수축 장비 매개변수를 열 수축 결과와 연결하는 공정 모델을 구축하는 것이었습니다. 연구된 요인은 위에서 설명한 5가지였으며, 응답은 “강아지 귀모양의 비닐” 길이였습니다. 이 연구에는 이용 가능한 자료가 제한적이었으므로 공정 공학 팀은 Minitab 지원 웹 페이지를 참고하여 '확정 선별 설계'를 결정했습니다. Minitab 지원 섹션에서는 DOE 설계를 선택하는 방법에 대해 상세하고 이해하기 쉬운 정보를 제공하는 동시에 통계 계산에 관련된 엄격한 수학을 자세히 설명합니다.
그림 1에는 Minitab에서 제공하는 통계 결과가 요약되어 있습니다. 놀랍게도 95%의 신뢰도(p > 0.05)에서 유의미한 요인은 없었으며 R-sq(pred)는 음수로, 이것은 이 모델의 예측력이 없었다는 것을 의미합니다.
이는 측정 시스템에 의해 데이터에 노이즈가 너무 많을 수 있다는 것을 나타냅니다. 이 팀은 여러 검사관이 강아지 귀모양의 비닐 길이 측정을 수행한 방법의 차이로 인해 측정 시스템 변동이 문제를 일으킨다고 의심했습니다.
이들은 Minitab 지원 페이지를 참고하여 Gage R&R을 측정 시스템 분석을 수행하는 데 사용할 적절한 도구로 파악했습니다. Gage R&R은 측정 시스템 변동이 검사관의 반복성과 재현성뿐만 아니라 부품 자체로 인한 변동에 어떻게 기인하는지를 정량화합니다. Minitab은 검사관 2명, 부품 10개, 측정 반복 2개로 구성된 Crossed Gage R&R 연구를 생성하는 데 사용되었습니다. 그림 2에 요약된 결과는 특히 부품 번호 1, 2, 6, 8의 경우 과도한 반복성 오류가 있다는 것을 보여줍니다.
이러한 통찰력 덕분에 이 공정 엔지니어링 팀은 측정 방법을 조사하고 고정 장치와 일련의 지침을 개발한 다음 개선된 측정 방법으로 Gage R&R을 반복했습니다. 그림 3은 반복성 오류에서 유의미한 개선을 보여줍니다. 부품 번호 6과 8은 여전히 일부 반복성 문제를 보였지만 팀은 전반적으로 개선되어 진행하기에 충분하다는 결론을 내렸습니다.
두 번째 DOE를 실행하기 전에 이 팀은 실행 가능성 연구를 추가로 수행하고 이러한 결과를 열 밀봉 장비 공급업체와 검토했습니다. 공급업체는 고정된 밀봉 온도와 밀봉 시간을 권장했으며, 오븐 컨베이어 속도를 변화시켜 비닐에 적용되는 총 에너지를 변화시켰습니다. 두 번째 DOE는 다음과 같은 요인에 완전 요인 연구를 수행했습니다.
- 가방 길이
- 필름 전진율
- 테이블 깊이
- 오븐 속도
그림 4는 결과를 요약한 것입니다. 이 모형은 개선된 측정 시스템으로 인해 초기 DOE에 비해 유의미한 개선을 보였습니다. 가방 길이, 필름 전진 속도 및 테이블 깊이의 주요 효과는 95%의 신뢰도(p < 0.05)와 오븐 속도를 포함한 다양한 교호작용에서 모두 유의했습니다. Minitab의 DOE 분석력이 없었다면 이러한 중요한 교호작용이 간과되어 최적이 아닌 공정 모형이 탄생했을 수도 있습니다.
이제 팀은 공정 모델에 확신을 가졌으므로 Minitab의 반응 최적화 도구를 사용하여 그림 5와 같이 강아지 귀모양의 비닐 길이 0.060”을 목표로 하는 최적의 요인 설정을 파악했습니다.
열 수축 공정의 단기 반복성을 확인하기 위해 최적화된 설정에서 추가 실행이 실행되었습니다. 확인 후, 이 팀은 작동 자격(OQ) 및 성능 자격(PQ) 프로토콜의 초안을 작성하고 이 공정을 공식적으로 검증하여 자동화된 열 수축 장비를 성공적으로 구현하고 상당한 비용 절감과 제품 품질 개선을 실현했습니다.
결과
Minitab은 자동화된 열 수축 공정을 구현하는 데 중요한 역할을 했습니다. Minitab 지원 웹 페이지는 DOE 설계를 파악하고 그 결과를 해석하는 데 매우 유용했습니다. 이러한 해석을 통해 이 팀은 Minitab의 Crossed Gage R&R 도구를 사용하여 측정 방법을 조사하게 되었습니다. 상세한 통계 출력과 그래픽을 통해 이 팀은 반복성 오류를 줄이는 방법을 정확하게 파악했고, 두 번째 Gage R&R를 통해 개선 사항을 확인했습니다. 마지막으로 Minitab의 요인 설계 및 반응 최적화 도구는 최적의 매개변수 설정을 파악하는 데 도움이 되었습니다.
Minitab의 지원을 받아 완전 자동화된 열 수축 장비를 구현하고 최적화하면 작업자 변동성으로 인한 포장의 불일치 사항을 제거할 수 있었습니다. 또한, 생산 공정을 간소화하고 수작업을 줄임으로써 생산량을 늘리고 비용을 절감할 수 있게 되었습니다.