다구치 방법

편집 역사 토론
통계 최적설계 시뮬레이션 마지막 수정: 2026-07-18 04:23:44

1. 개요[편집]

다구치 방법(Taguchi method)은 일본 공학자 다구치 겐이치가 정립한 강건 설계(robust design) 방법론으로, 제어할 수 없는 잡음(noise)이 아무리 흔들려도 성능이 잘 안 변하는 설계점을 직교배열로 값싸게 찾아내는 실험 전략이다. 목표는 평균을 목표치에 맞추는 데 그치지 않고, 산포 자체를 줄이는 것에 있다.

실험계획법(DOE)의 한 갈래이지만 철학이 살짝 다르다. 고전 DOE가 “어떤 인자가 응답을 얼마나 움직이나”를 통계적으로 규명하는 데 무게를 둔다면, 다구치는 처음부터 “현장에서 통제 불가능한 변동에 둔감한 조건은 어디냐”를 겨냥한다. 그래서 국내외 제조 현장, 특히 양산 품질 관리에서 여전히 막강한 브랜드 파워를 갖는다.1

2. 손실함수: 규격 안이면 다 괜찮다는 착각[편집]

다구치의 사상적 뿌리는 **품질 손실함수(quality loss function)**다. 전통적 사고는 “규격(spec) 상한과 하한 사이면 합격, 벗어나면 불합격”이라는 계단식이다. 다구치는 이걸 정면으로 반박한다. 목표치에서 벗어나는 순간 사회적 손실은 이미 발생하며, 그 손실은 편차의 제곱에 비례한다는 것.

L(y)=k (y−m)2L(y) = k\,(y - m)^2

mm 은 목표치, kk 는 비용 상수다. 규격 경계 바로 안쪽 제품과 바로 바깥 제품이 품질에서 별 차이가 없는데 하나는 합격, 하나는 폐기라는 게 말이 되냐는 지적은 지금 봐도 날카롭다. 이 제곱 손실이 곧 분산을 줄여라는 명제로 이어지고, 다구치 방법 전체의 방향을 정한다.

3. 제어인자와 잡음인자[편집]

다구치가 세상을 보는 방식의 핵심은 인자를 두 부류로 쪼개는 것이다.

  • 제어인자(control factor) — 설계자가 값을 정할 수 있는 것. 재료 두께, 열처리 온도, 형상 치수 등. 우리가 손잡이를 돌릴 수 있는 변수.
  • 잡음인자(noise factor) — 원리적으로 통제 불가능하거나 통제 비용이 과한 것. 사용 환경 온도, 원료 로트 편차, 사용자 습관, 경년 열화 등.

전략은 이렇다. 제어인자를 **내부 배열(inner array)**에, 잡음인자를 **외부 배열(outer array)**에 배치하고, 제어인자 조건 하나마다 잡음인자 조건 전체를 훑는다. 그러면 각 설계점에서 “잡음이 흔들릴 때 성능이 얼마나 요동치는가”를 직접 측정할 수 있다. 잡음에 둔감한 제어인자 조합을 찾는 것 — 이게 강건 설계의 실체다. 최적점이 절벽 끝에 있으면 안 된다는, 담금질 모사나 최적화에서도 통하는 그 교훈을 실험 설계에 못 박은 셈이다.

4. 직교배열과 신호대잡음비[편집]

모든 제어인자 조합을 다 실험하면 실험계획법의 완전요인설계가 되어 실험 수가 폭발한다. 다구치는 **직교배열(orthogonal array)**로 이를 대폭 줄인다. 예컨대 L8L_8 배열은 2수준 인자 7개를 단 8회 실험으로, L18L_{18} 은 혼합 수준 인자를 18회로 처리한다. 직교성 덕분에 각 인자의 주효과를 균형 있게 뽑아낼 수 있다는 원리는 DOE의 부분요인설계와 뿌리가 같다.2

성능 지표로는 그 유명한 **신호대잡음비(S/N ratio)**를 쓴다. 평균과 산포를 하나의 스칼라로 묶은 값이며, 특성의 종류에 따라 공식이 다르다.

망목특성(목표치가 있는 경우, nominal-the-best):

S/N=10log⁡10 ⁣(yˉ2s2)\mathrm{S/N} = 10\log_{10}\!\left(\frac{\bar{y}^2}{s^2}\right)

망소특성(작을수록 좋음, smaller-the-better):

S/N=−10log⁡10 ⁣(1n∑i=1nyi2)\mathrm{S/N} = -10\log_{10}\!\left(\frac{1}{n}\sum_{i=1}^{n} y_i^2\right)

핵심은 S/N을 크게 만드는 조건이 곧 산포가 작고 목표에 가까운 강건한 조건이라는 점이다. 각 제어인자의 수준별 S/N 평균을 뽑아 **요인 효과도(main effect plot)**를 그리고, S/N을 최대화하는 수준을 인자마다 골라 조합하면 그게 추천 설계점이다. 실험도 적고 판정도 그래프 하나로 끝나니 현장 엔지니어가 사랑할 수밖에 없다.

5. 반응표면법·소볼 지수와의 자리 구분[편집]

다구치가 인접 방법들과 어떻게 다른지 정리하면 이렇다.

  • 반응표면법(RSM)과의 차이 — RSM은 응답면을 2차 다항식으로 매끄럽게 적합해 연속적인 최적점을 미분으로 찾는다. 다구치는 이산 수준에서 S/N을 비교해 최적 수준을 고르는 이산적·비모수적 접근이라, 응답면의 곡률 정보를 버린다. 정밀 최적화가 목적이면 RSM, 강건성 스크리닝이 목적이면 다구치.
  • 민감도 해석·소볼 지수와의 관계 — 소볼 지수가 “출력 분산에 각 입력이 몇 % 기여하나”를 정밀히 분해한다면, 다구치의 외부 배열은 “잡음이 흔들릴 때 분산이 얼마나 커지나”를 실험으로 잡아낸다. 목표가 같은 분산이라는 점에서 사촌이지만, 다구치는 실험 예산이 극도로 빠듯한 물리 실험 현장을 위한 저비용 근사에 가깝다.

6. 논쟁과 현실[편집]

다구치 방법은 통계학계에서 오랫동안 두들겨 맞았다. 주된 비판점은 이렇다.

  • 교호작용 처리. 다구치는 직교배열을 아껴 쓰느라 제어인자 간 교호작용을 대개 무시하거나 특정 열에 교락시킨다. 교호작용이 실제로 크면 요인 효과도가 거짓말을 한다.
  • S/N비의 통계적 근거. 평균과 분산을 로그로 묶는 특정 형태가 왜 최적이냐에 대해 이론적 정당화가 약하다는 지적이 많다. 상황에 따라 평균과 분산을 따로 모형화(dual response)하는 편이 낫다는 반례가 있다.
  • 부적응(adjustment) 인자. 다구치의 2단계 최적화(먼저 산포 줄이고, 그다음 평균 맞추기)는 아이디어는 좋지만, 그런 조정 인자가 항상 존재한다는 보장이 없다.

그럼에도 다구치가 대중화한 **“잡음에 둔감한 설계”**라는 개념 자체는 통계학계도 인정하는 진짜 기여다. 최적점이 절벽 끝에 있으면 공정 산포가 조금만 있어도 성능이 추락한다는 통찰 — 이건 최적설계 하는 사람이라면 뼈에 새겨야 할 교훈이다. 방법론의 통계적 디테일은 비판받아도, 강건성을 설계 목표의 전면에 내세운 철학적 전환은 품질공학의 판을 바꿨다. 결론은 하나다. 쓰되, 한계를 알고 쓴다.3

7. 관련 문서[편집]

8. Footnotes[편집]

  1. 다구치 겐이치는 일본전신전화공사(NTT) 시절부터 방법을 벼렸고, 이후 벨연구소와 미국 자동차 업계가 1980년대에 열광적으로 받아들이면서 세계로 퍼졌다. “품질은 검사로 만드는 게 아니라 설계로 만든다”는 슬로건이 그 시대 제조업의 마음을 정확히 때렸다. ↩

  2. 직교배열 LnL_n 의 아래첨자 nn 은 실험 횟수다. L8L_8 은 8회, L27L_{27} 은 27회. 카탈로그처럼 정리된 표준 배열을 골라 쓰는 방식이라, 통계 이론을 몰라도 표만 보고 실험을 짤 수 있다는 게 현장 보급의 일등공신이었다. 접근성은 언제나 정확성을 이긴다. ↩

  3. 학계와 현장의 온도차가 이만큼 큰 방법론도 드물다. 논문에서는 “통계적으로 문제 있음”이라 쓰고, 공장에서는 “그래서 불량률 줄었잖아”라고 답한다. 둘 다 틀린 말이 아니라는 게 이 방법의 미묘함이다. ↩