많은 제조현장은 한 번에 설비를 교체하지 못한다. 그 결과 노후 설비와 신형 설비가 동시에 운영되는 다기종 설비 혼재 공장이 된다. 이 환경에서는 설비 성능 차이, 자동화 수준 차이, 고장 빈도 차이로 인해 생산 계획과 현장 운영이 쉽게 흔들린다. 생산관리 관점에서 중요한 것은 모든 설비를 동일하게 다루는 것이 아니라, 차이를 전제로 한 운영 전략을 세우는 것이다. 첫 번째 전략은 설비별 역할 구분이다. 모든 설비를 동일한 기준으로 운영하면 비효율이 발생한다. 신형 설비는 핵심 공정이나 병목 공정에 배치하고, 노후 설비는 보조 공정이나 변동 대응용으로 활용하는 식의 역할 분리가 필요하다. 이는 설비 성능 차이를 약점이 아니라 운영 자산으로 전환하는 방법이다. 두 번째는 공정 능력 기반 생산계획 수립이다. 설비마다 가동 속도, 정밀도, 고장 가능성이 다르기 때문에 동일한 표준 시간으로 계획을 세우면 실행 단계에서 무너진다. 설비별 실제 공정 능력을 반영한 계획이 필요하며, 특히 병목 설비는 항상 기준점으로 관리해야 한다. 세 번째는 유연한 라인 밸런싱과 작업 배치이다. 자동화 수준이 다른 설비가 섞여 있으면 작업자 개입 정도도 달라진다. 작업자를 설비에 고정하
많은 공장에서 개선 활동은 반복된다. 회의에서 좋은 아이디어가 나오고, 개선 과제가 정리되며, 한동안은 분위기도 좋아진다. 그러나 시간이 지나면 대부분 원래대로 돌아간다. 이는 현장의 의지 부족이 아니라, 개선이 정착되기 어려운 조직 구조에 원인이 있다. 개선 활동이 실패하는 이유는 대부분 비슷한 패턴을 가진다. 첫 번째 원인은 개선과 업무가 분리된 구조이다. 개선 활동이 ‘추가 업무’로 인식되면 현장은 바쁠수록 개선을 포기하게 된다. 생산 목표와 개선 활동이 연결되지 않으면, 개선은 항상 뒤로 밀린다. 개선은 별도의 일이 아니라 일하는 방식 자체가 되어야 한다. 두 번째는 결과 중심 평가의 부재이다. 개선 과제를 수행해도 평가나 보상이 없으면 지속되기 어렵다. 반대로 실행하지 않아도 불이익이 없다면 개선은 자연스럽게 사라진다. 조직은 말이 아니라 평가 기준으로 움직인다. 개선을 요구한다면, 성과 관리에 반드시 반영해야 한다. 세 번째 원인은 관리자의 일관성 없는 메시지이다. 한편으로는 개선을 강조하면서, 다른 한편으로는 단기 실적만 압박하면 현장은 무엇을 우선해야 할지 혼란스러워진다. 이런 환경에서는 개선보다 ‘눈앞의 생산’이 선택된다. 관리자의 말과 행동
현장에서 발생하는 문제의 대부분은 비슷한 형태로 반복된다. 불량이 다시 발생하고, 납기가 지연되고, 같은 설비에서 같은 문제가 되풀이된다. 이런 악순환을 끊기 위해 필요한 것이 바로 QC 스토리(Quality Control Story) 이다. QC 스토리는 복잡한 이론이 아니라, 현장에서 문제를 발견하고 해결하는 가장 기본적이면서도 강력한 문제해결 방법이다. QC 스토리의 출발점은 문제의 명확화이다. 막연히 “불량이 많다”가 아니라, 언제, 어디서, 얼마나, 어떤 불량이 발생했는지를 수치로 정의해야 한다. 현장 데이터와 사실 중심으로 문제를 표현해야 이후 단계가 흔들리지 않는다. 두 번째 단계는 원인 분석이다. 특성요인도, 파레토 분석, 5Why 기법을 활용해 문제의 근본 원인을 찾는다. 이때 중요한 점은 개인의 실수가 아니라, 공정과 시스템의 문제로 접근하는 것이다. 현장 작업자의 경험과 데이터가 결합될 때 원인 분석의 정확도가 높아진다. 세 번째는 대책 수립과 실행이다. 실행 가능한 대책을 정하고, 누가, 언제, 어떻게 할 것인지를 명확히 한다. 현장에서 바로 적용할 수 있는 개선이 가장 효과적이다. 작은 개선이라도 즉시 실행하고 결과를 확인하는 것이 중
스마트 제조의 성공은 데이터의 양이 아니라 데이터의 질에서 결정된다. AI, MES, IoT 센서가 아무리 발전해도 데이터가 정확하지 않으면 판단은 틀어지고, 자동화는 오작동하며, 경영은 혼란스러워진다. 그래서 스마트 제조의 기초 체계는 단순한 설비 도입이 아니라 데이터 거버넌스(Data Governance) 구축이다. 데이터가 공정 전체의 ‘언어’가 되는 만큼, 그 언어의 규칙을 처음부터 제대로 만드는 것이 중요하다. 첫 번째 단계는 데이터 표준화(Standardization) 이다. 같은 의미의 데이터를 부서마다 다른 이름, 다른 단위, 다른 방식으로 관리하면 통합 분석이 불가능하다. 예를 들어, “가동률”, “稼動시간”, “稼動(%)”처럼 각기 다른 표현이 존재하면 시스템이 정보를 정확히 연결하지 못한다. 이를 방지하기 위해 기업은 품질, 설비, 생산, 재고 데이터를 표준 용어와 표준 구조로 통일해야 한다. 두 번째는 데이터 정합성 확보(Consistency) 이다. 동일한 데이터가 서로 다른 시스템에서 다르게 나타나는 문제를 해결해야 한다. ERP, MES, 품질 검사 시스템, 설비 센서 간 데이터가 일치하지 않으면 분석 결과는 왜곡된다. 이를 위해
품질관리는 단순히 제품이 잘 만들어졌는지를 확인하는 절차가 아니다. 기업이 고객에게 신뢰받기 위해 반드시 지켜야 할 기본 약속이자, 경쟁력을 결정짓는 핵심 요인이다. 아무리 멋진 디자인이나 빠른 납기를 자랑해도 품질이 불안정하면 시장에서 오래 살아남을 수 없다. 결국 품질은 기업의 ‘신용’이며, 그 신용을 지키는 과정이 바로 품질관리이다. 품질관리는 크게 계획(Planning)–실행(Execution)–통제(Control)의 세 단계로 이루어진다. 계획 단계에서는 제품의 품질 목표와 기준을 설정하고, 실행 단계에서는 실제 생산 과정에서 품질을 유지하기 위한 절차를 따른다. 마지막 통제 단계에서는 완성품을 검사하고, 문제 발생 시 그 원인을 찾아 개선한다. 이 세 단계가 잘 연결될수록 품질은 안정적으로 유지된다. 현장에서 품질관리를 이야기할 때 자주 등장하는 개념이 PDCA(Plan–Do–Check–Act)이다. 이는 계획하고(Plan), 실행하고(Do), 점검하며(Check), 개선하는(Act) 과정을 반복함으로써 품질을 지속적으로 향상시키는 방법이다. 완벽한 품질이란 한 번에 만들어지는 것이 아니라, 개선을 통해 점점 완성되어 가는 것이다. 또한 품질관리는