사단법인 한국품질기술사회 Quality Professional Engineers Society of KoreaAI-FMEA(Failure Mode and Effects Analysis)
AI-FMEA는 AI 기반 데이터 분석으로 잠재 고장을 예측·관리하여 리스크를 사전에 차단하고, 설계·공정·품질 신뢰성을 동시에 강화하는 예방 중심 품질혁신 체계이다.
분과위원장 : 품질기술사 심재훈
AI-FMEA 체계구축
AI-FMEA는 AIAG-VDA 구조를 기반으로 데이터·AI 분석을 결합하여, 리스크를 예측·최적화·자동관리하는 지능형 품질예방 체계이다.
주] AIAG(Automotive Industry Action Group) 주] VDA(Verband der Automobil industrie)
Our Mission
AI 기반 예측과 데이터 중심 분석을 통해 품질 리스크를 사전에 제거하고, 무결점·고신뢰 경영체계를 실현한다.
Core Values
- 문제 발생 후 대응이 아닌, AI 기반 사전 예측·예방 중심 품질관리
- 경험이 아닌 객관적 데이터 기반 의사결정
- 분석에 그치지 않고 현장에서 성과로 연결
AI-FMEA 적용
AI-FMEA는 과거 불량·공정 데이터를 AI로 분석하여 문제 발생 가능성을 미리 예측하고, 현장에서 예방 개선 활동을 체계화하는 품질관리 방법입니다.
- 범위 정의 및 기획
- 구조 분석, 기능분석
- 고장 유형 분석, 리스크 분석
- 최적화 및 개선
- 결과 문서화 및 표준화, 모니터링 및 학습
AIAG-VDA FMEA 과제 지도
CQE, CRE, TRIZ LEVEL 3, MBB
AMP 대표
IATF 16949 선임심사원
쓰리알랩 대표
IATF 16949 선임심사원
차량 아키텍처의 품질 완성도를 위한 고장모드와 상충특성의 개선 접근법 연구
QFD는 고객 요구사항을 엔지니어링 품질 특성으로 변환하는 대표적인 도구입니다.
FMEA는 IATF 16949의 핵심 도구 중 하나로 확립되었습니다. 오늘날 FMEA는 자동차 산업뿐만 아니라 서비스 분야 등 다양한 분야에서 널리 사용되고 있습니다. 한편, 전 세계 자동차 제조업체들은 최근 차량 아키텍처 방식을 활용하여 다양한 차량의 양산 경쟁을 벌이고 있습니다.
그러나 차량 아키텍처 단계에서 고객 요구사항을 충족하고 품질 문제를 방지하는 것이 매우 중요함에도 불구하고, QFD와 FMEA의 활용은 매우 부족합니다. 이는 많은 고객 요구사항과 품질 문제를 동시에 고려하기 어렵기 때문입니다.
본 논문에서는 차량 아키텍처 개발 단계에서 고객 요구사항과 고장 모드를 동시에 분석하기 위해 QFD와 FMEA를 활용합니다.
이 과정에서 상충되는 특성을 가진 다양한 문제를 해결하는 방법을 제시합니다.
이를 통해 내부 및 외부 고객 요구사항을 충족하면서 품질 문제를 방지하는 데 기여할 수 있기를 바랍니다.
