Home / Featured / 통계적 공정 관리 솔루션 특집 – 통계적 공정 관리(SPC)란?
서포터즈 신청하기

통계적 공정 관리 솔루션 특집 – 통계적 공정 관리(SPC)란?

통계적 공정 관리, 품질의 기반을 다지다

제조인의 영원한 숙제인 품질. 하지만 품질은 어느 한 요소만 갖춰진다 해서 얻을 수있는 것이 아니다. 숙련된 작업자와 정밀도 높은 기계, 정확한 측정시스템, 주기적인 점검과 교정 등 다양한 요소들이 뒷받침 되어 야만 일정한 품질을 유지할 수 있다. 여기서 잠깐 이번 특집에서 다룰 ‘품질’에 대해 짚고 넘어가자.

우선 품질은 정밀도와 다른 개념이다. 가공물 하나를 공차를 만족시키며 높은 정밀도로 가공했다고 치자. 이 때 가공기의 정밀도는 뛰어나다고 볼 수 있지만, 품질과는 별개의 문제다. 공정에서는 기계능력 외에도 다양한 요소들이 품질에 영향을 미치기 때문이다. 이 때 품질에 영향을 미치는 요인들을 묶어 4M1E라고 일컫는다. 4M1E에는 작업자(Man), 기계(Machine), 재료(Material), 작업 방법(Method), 환경(Environment)이 포함된다. 품질 관점에서는 산포가 작고 그 위치가 일정한 공정을 우수하다고 보는데, 이러한 공정을 위해서는 4M1E를 주기적으로 체크하고 교정해야 한다.
시그마
통계적 공정 관리라고 하면 흔히 관리도와 체크시트, 히스토그램을 떠올린다. 특히 관리도는 SPC 소프트웨어를 마련하지 않더라도 현장에 MES나 POP이 구축되어 있을 경우 간단하게나마 작성할 수 있어 낯설지 않을 것이다. 이러한 도구들은 사실 QC(Quality Control) 7가지 기법 중의 일부다. QC 7가지 기법은 통계적 공정 관리 교육 과정에서 맨 처음을 차지할 정도로 중요한 개념이다. 그렇다면 QC 7가지 기법은 언제부터 사용하게 되었을까? 사실 QC 7가지 기법은 1987년, 식스시그마 운동과 함께 등장한 개념이다. 그럼에도 불구하고 아직까지 큰 변화 없이 활용되고 있다는 점은 QC 7가지 기법이 품질을 관리하는 데 있어 상당히 견고한 도구라는 사실을 보여준다.

품질에 주목하게 된 계기, 식스시그마 운동
식스시그마(six sigma)는 시그마(sigma, ∂) 라고 하는 통계적 척도를 통해 품질 수준을 정량적으로 평가하는 전략이다. 이전까 지는 대부분의 기업들이 제품을 많이, 그리고 빨리 만들어 파는 것을 최우선으로 삼았다. 그러던 중 1987년, 품질 혁신의 필요성을 느낀 미국의 모토롤라가 식스시그마를 제시하게 된다. 그 전까지 사람들은 품질 관리를 위해 많은 비용이 소모된다고 여겼지 만, 모토롤라의 마이클 해리는 오히려 체계 적인 품질 관리를 통해 비용을 절감할 수 있다고 주장했다.

이후 GE의 잭 웰치는 1995년, 식스시그마를 도입해 실제로 성과를 높인 자사 사례를 발표했다. 이로 인해 식스시그마가 본격적으로 확산되기 시작했으며, 1997년에는 삼성SDI, 포스코, 엘지 등 국내 대기업들이 통계적 공정 분석을 도입하게 되었다.

현장을 알고 통계를 알면 백전백승
식스시그마와 통계적 공정 관리는 둘 다 ‘통계’라는 개념을 포함하고 있다. 하지만 통계만 안다고 능사는 아니다. 정확한 분석을 위해서는 통계를 적용시키는 ‘현장’에 대한 이해가 선행되어야 한다. 우선 우리 현장에서 생산하는 제품의 특징을 꼽아보자. 항공기 부품처럼 하루 생산량이 적거나 자동차 부품처럼 안전과 직결될 경우 전수검사를 실시해야 한다.

두 가지 모두 해당되지 않는다면 생산된 제품 가운데 일부 표본집단을 추출해 검사한뒤 그 결과를 분석해야 한다. 샘플링 검사 방법은 검사 로트(lot) 당 평균적인 검사 개수의 많고 적음이나 개수의 변동에 따라 1회, 2회, 다회, 축차 샘플링 검사로 나눌 수있다.

우선 1회 샘플링 검사는 로트에서 시료를 한 번만 샘플링해서 그 결과에 따라 해당 로트의 합격/불합격을 판정하는 방법이다. 2회 샘플링 검사는 첫 번째 샘플링을 통해 합격/불합격/검사속행을 판정하고, 검사 속행이 나올 경우 한 번 더 검사해 그 결과를 첫 번째 결과와 합산하는 방법이다. 다회 샘플링 검사에서는 여러 번 검사한 뒤 누계 성적을 로트 판정기준과 비교하며, 축차 샘플링 검사에서는 매번 검사할 때마다 그 성적을 로트 판정기준과 비교한다.

하지만 샘플링 선별에는 절대적인 기준이 없다. 따라서 많은 기업들이 측정항목의 중요도와 생산현장의 경제적 여건을 고려해 샘플을 선별하고 있다. 일부 대기업은 자체 적으로 조사방법을 개발해 협력사에게 권하기도 한다.

SPC 소프트웨어들은 제각각 다른 특징을 내세우고 있다. 파워풀한 통계 분석 기능을 내세우는 솔루션이 있는가 하면, 손쉬운 데이터 관리 혹은 보고서 작성을 강조하는 솔루션도 있다. 따라서 작업자는 생산 현장의 규모나 특징에 따라 소프트웨어를 선택할 수 있다. 왼쪽은 Q-DAS의 qs-STAT, 오른쪽은 자이스의 Piweb
SPC 소프트웨어들은 제각각 다른 특징을 내세우고 있다. 파워풀한 통계 분석 기능을 내세우는 솔루션이 있는가 하면, 손쉬운 데이터 관리 혹은 보고서 작성을 강조하는 솔루션도 있다. 따라서 작업자는 생산 현장의 규모나 특징에 따라 소프트웨어를 선택할 수 있다. 왼쪽은 Q-DAS의 qs-STAT, 오른쪽은 자이스의 Piweb

1:10:100
‘제품을 일일이 검사할 필요가 있나, 처음부터 잘 만들면 되지.’ 이는 맞는 말일까? 많은 중소제조기업들이 하루하루 할당량을 채우기에 바빠 통계적 공정 관리는 엄두도 못 내고 있다. 하지만 통계적 공정 관리는 시간과 인력 지출을 줄이기 위해서도 필요한 과정이다. 1:10:100 법칙이 있다. 설계 단계에서 각별한 노력을 기울이면 1만큼의 손해가 발생하지만 제품을 잘못 만들면 10의 손해가 발생한다. 최종적으로 이러한 제품이 소비자의 손에 들어갈 경우 클레임으로 인해 100이라는 큰 손실이 발생한다는 의미다. 다른 제조 엔지니어링 소프트웨어와 마찬가지로 SPC 소프트웨어 역시 프론트로딩을 위한 한 발짝이다. 이번 특집 기사를 통해 우리나라의 품질관리 현황과 다양한 통계적 공정 관리 솔루션에 대해 알아보도록 하자.

공주대학교 산업시스템공학과 황인극 교수 인터뷰
전 세계적으로 제조업의 기술 수준이 향상되고 불량률이 낮아졌다는 점에는 많은 사람들이 동의할 것이다. 그렇 다면 품질관리, 그 중에서도 통계적 공정 관리(SPC)에 대한 인식은 어느 지점에 위치해 있을까? 희망적인 대답을 기대하며 공주대학교 산업시스템공학과 황인극 교수를 만났지만, “사실 우리나라 많은 기업들이 품질에 큰 관심을 갖고 있지 않다”는 답변을 들을 수 있었다. 이는 어떻게 된 걸까?
[사진2] 누끼품질관리에서 멀어지는 관심
앞서 식스시그마 운동의 태동과 확산에 대해 이야기했다. 그렇다면 이제 연표 너머의 뒷이야기를 상상해보자. 거듭되는 연구를 통해 한층 더 발전한 통계적 기법이 등장하 고, 품질관리 분야 인력 양성이 활발하게 진행되었을까? 희망찬 지레짐작에 대해 황인극 교수는 고개를 좌우로 내저었다.

물론 SPC를 위한 솔루션 자체는 지속적으로 발전해나가고 있다. 우선 CAD나 CAM등 여타 제조 엔지니어링 소프트웨어와 마찬가지로 SPC 소프트웨어 역시 해당 분야를 전공하지 않아도 손쉽게 사용할 수 있는 방향으로 나아가고 있다. 또 강력한 통계 분석을 지원하며 빠른 측정 데이터 수집을 돕는다. 스마트공장 시스템과 통합된다는 점역시 중요한 경향 중 하나다.

하지만 통계적 공정 관리에 대한 인식은 ‘남들 다 하니까 해야 하는 것’ 내지는 ‘모기업에서 시켜 마지못해 하는 것’ 정도에 머물러 있다. 우리나라는 1997년 삼성SDI, 포스코, 엘지 등의 대기업이 통계적 공정 관리를 도입하면서 이에 대한 관심이 높아졌다. 과거 통계적 공정 관리는 산업공학의 영역에 속해 있었으며, 통계학에서는 다소 등한시하는 경향이 있었다. 하지만 통계적 공정 관리가 대기업에 보급되면서 통계학이나 경영학을 전공하던 사람들이 대거 유입되었다. 문제는 그들이 ‘생산 현장’에 대해 잘 알지 못했다는 것이다. 통계를 잘 알더라도 생산 현장의 특성을 올바로 이해하지 못할 경우 적용 가능한 통계적 기법을 적절히 선택하기 힘들다. 이에 따라 통계적 공정 관리에 대한 제조인의 불신이 깊어졌고 식스시그마 운동 역시 다소 침체되기에 이르렀다.

기업문화와 품질 간 관계
통계적 공정 관리에 관심을 갖고 해당 솔루 션을 생산 현장에 적용한 기업이라 해도 마냥 안심할 수는 없다. ‘어떻게 운영하느냐’ 역시 중요한 문제이기 때문이다. 이와 관련해 황인극 교수는 ‘실패를 용납하지 않는 한국의 기업문화’를 지적했다. 일반적으로 프로젝트는 30% 내외의 성공률을 보이지만 국내 대기업의 경우 성공률이 99%에 이른다. 이는 프로젝트가 실패할 경우 인사고과나 성과급 등에서 불이익을 받기 때문이다. 하지만 답을 미리 알고 있어서는 혁신을 이룰 수 없다.

그렇다면 기업문화와 품질 간에는 어떤 관계가 있을까? 통계적 공정 관리에서는 현재 우리 공정이 지닌 능력을 있는 그대로 측정및 분석하는 것이 중요하다. 하지만 아직까 지도 많은 하청기업들이 불량품으로 인한 손해를 혼자 떠안고 있다. 따라서 공정을 관리하는 데 있어서도 불량 판정을 두려워 하며 몸을 사릴 수밖에 없다. 이러한 경향이 심각해질 경우 분석 데이터를 속이는 경우도 발생한다.

또 모기업을 따라 마지못해 통계적 공정 관리를 적용하는 분위기 역시 고쳐져야 한다.
많은 중소기업들이 모기업에서 사용하는 소프트웨어를 그대로 사용하는 경향을 보이고 있다. 보고서 양식이 통일되어 분석 결과 보고가 용이하기 때문이다. 하지만 규모가 작은 생산현장에서는 기본적인 통계 기법만으로도 충분히 공정을 관리할 수 있다.
중소기업에 통계적 공정 관리를 보급하고 제조기업의 부담을 덜어주기 위해 eZ SPC 소프트웨어가 개발되긴 했지만, 지원 부족으로 업데이트가 중단된 상황이다.

‘기본’으로 돌아가자
통계적 공정 관리, 하면 많은 사람들이 표본집단을 추출해 이를 측정 및 분석하고 합격/불합격을 판단하는 과정 정도를 떠올린다. 하지만 이는 통계적 공정 관리의 일부에 지나지 않는다. 또 이러한 과정만으로는 두더지잡기 마냥 그때그때의 불량을 잡는 것에 급급할 수밖에 없다. 그렇다면 근본적인 원인을 해결하기 위해서는 어떤 방법이 필요할까? 통계적인 전문 지식이 필요할까?

황인극 교수는 기본으로 돌아갈 것을 당부 했다. 품질관리에 대한 교육을 받을 때 맨먼저 배우는 것이 QC 7가지 기법이다. 체크 시트, 파레토 도표, 히스토그램, 산점도, 특성요인도, 층별, 관리도 등의 기법들은 통계적 공정 관리 초창기부터 줄곧 자리를 지켜 왔다. 많은 사람들이 오래된 이론이라는 이유로 QC 7가지 기법을 등한시하기도 한다.
사실 4.5에서 5시그마 선에 이르면 세계에 내놓을 수 있는 수준의 품질에 해당되는데, QC 7가지 기법만 잘 사용해도 4시그마까지는 충분히 얻을 수 있다고 한다.

eZ SPC2.0

한양대학교 산업경영공학과 강창욱 교수와 통계품질연구실 연구팀에 의해 개발된 SPC 소프트웨어, QC 도구, 확률분포, 기초통계량, 그래픽 분석, 기본 관리도 및 고급 관리도, 공정능력분석, Gage R&R, 신뢰구간, 가설점검, 회귀분석, 분산분석, 요인배치법 등 제조현장에서 흔히 쓰이는 통계적 기법들을 포함하고 있다. 사용자 위주로 개발되어 사용하기 간단하며 무료로 보급되고 있다.

[사진3] eZ SPC

About 송해영 기자

답글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다.