다구치 방법

오류 제보
통계 최적설계 시뮬레이션 마지막 수정: 2026-07-18 04:23:44
○ 공개 검수 대기 표시 기준 보기

1. 개요

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

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

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

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

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

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

8. Footnotes

  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. ↩

이 문서가 문제를 푸는 데 도움이 됐나요? 한 번의 클릭이 다음 검수 순서를 정합니다.

의견을 반영할게요. 감사합니다.

다음으로 읽기 대리 모델 약 5분 더 탐색 →