5. 작업 및 생산성과 측정과 개선

Keywords

작업방법 및 시간연구, 프로세스 분석과 개선, 생산성 관리, 품질관리

작업방법 및 시간연구

시간 측정 방법

방법 특징
시간연구(Time Study) 스톱워치를 이용하여 직접 작업시간 측정 후 여유율 적용
작업 표준서 숙련된 작업자의 표준 동작을 분석하여 결정
PMT(Predetermined Motion Time System) 동작요소별로 사전 정의된 시간값을 합산 (예: MTM, MODAPTS)
워크 샘플링(Work Sampling) 반복 작업이 아닌 경우에 확률적 추정 방식 활용
과거 데이터 분석 IoT, 센서 기반 데이터로 작업 시간 통계 추정 (스마트팩토리 활용 가능)

워크샘플링

워크샘플링은 작업자 또는 설비 상태를 램덤한 시점에 다수 관측하여 전체 시간 중 각 활동이 차지하는 비율을 추정하는 통계적 기법이다. 목적은 표준시간 뿐만 아니라 비작업 시간, 병목 공정, 휴식 및 지연 패턴 등을 정량적으로 분석한다.

적용단계

  1. 목표 정의 및 활동 분류
    • 생산, 설비 셋업, 대기, 휴식 등 주요 활동 항목을 정의
  2. 표본 수와 관측 시점을 결정
    • 통계적 정확도(신뢰도, 오차한계)를 고려하여 관측횟수를 결정
  3. 랜덤 추출 관측
    • 무작위 시점에 작업자 또는 설비 상태를 기록
  4. 데이터 수집 및 분석
    • 각 활동 발생 횟수 / 총 관측 횟수 = 활동 비율
    • 가동 60%, 셋업 15%, 대기 25% 등
  5. 정미시간 및 표준시간 계산
    • 정미시간 = \(\frac{\text{(총 관측시간} \times \text{각 활동 비율)}}{생산수량} \times \text{수행도 보정}\)
    • 표준시간 = 정미시간 \(\times\) (1+여유율)

장점과 단점

항목 장점 단점
적용범위 비반복적, 긴 주기 작업에 적합 짧고 반복적인 작업에는 부적합
관측 효율성 한 번에 다수 대상 관측 가능, 비용 절감 요소별 상세 시간 분석 불가
정확도 신뢰도 있는 비율 도출, 통계적 타당성 확보 많은 샘플 필요, 설문 단계 복잡

프로세스 분석과 개선

생산성 관리

품질관리

6시그마, Cp/Cpk

6시그마

6시그마는 결함률을 100만개 중 3.4개(DPMO 기준) 수준으로 줄이는 것을 목표로 하는 통계 기반 품질 개선 기법/span>이다. 시그마는 공정의 표준편차(변동성)를 의미하며 시그마 수준이 높을수록 품질이 우수하고 변동이 적음을 뜻한다. 단순한 통계기법을 넘어서 조직 전반의 전략적 품질 혁신 방법론으로 자리를 잡았다.

6시그마 품질수준 의미

시그마 수준 불량률(PPM) DPMO (Defects Per Million Opportunities)
1σ 690,000 690,000
2σ 308,000 308,000
3σ 66,800 66,800
4σ 6,210 6,210
5σ 233 233
6σ 3.4 3.4

참고로, 실제 ±6σ 수준은 10억 개 중 2개 불량(0.002ppm)이지마 공정 중심이 ±1.5σ 이동했을 때를 감안하여 현실적으로 수립한 목표치이다.

추진 방법론으로 DMAIC가 있으며 기존 공정 개선 시 사용하는 핵심절차이다.

단계 명칭 (DMAIC) 설명
D Define 문제 정의 및 프로젝트 목표 설정
M Measure 현 상태 측정 (CTQ, 변동성, DPMO 등)
A Analyze 문제 원인 분석 (파레토, 히스토그램, 상관분석 등)
I Improve 개선안 도출 및 실행 (DOE, FMEA, 최적화 기법 활용)
C Control 개선 결과 유지 및 관리계획 수립 (관리도 등)

신규 공정/서비스 개발 시에는 DMADV(Define, Measure, Analyze, Design, Verify) 절차를 사용한다. DMA 절차는 동일하며, DV 절차는 다음과 같다.

  • Design: 세부사항, 디자인 최적화, 디자인 검증을 위한 계획을 수립, 시뮬레이션 과정 필요
  • Verfiy: 디자인, 시험 작동, 제품 개발 프로세스 적용과 프로세스 담당자 이관 등

이외 GE의 DMADOV(Define, Measure, Analyze, Design, Optimize and Verify) 등 적절하게 변경된 프로세스 방법론들이 있다.

Cp(Potential Capability)

공식

\[ C_p = \frac{USL-LSL}{6σ} \]

의미

  • 공정의 이론적 역략을 보여주며, 공정이 완벽히 중앙에 있을 때 성능 지표
  • Cp ≥ 1 → 공정 분산이 허용된 한계 내
  • 일반적으로 Cp ≥ 1.33 이상이면 높은 공정능력으로 판단

Cpk(Capability Index cosidering centering)

공식

\[ C_{pk} = min[\frac{USL-μ}{3σ}, \frac{μ-LSL}{3σ}] \]

의미

  • 공정이 목표 중심에 위치한 정도를 반영
  • Cp와 달리 공정 중심 편차를 포함하여 계산됩니다
  • Cpk ≥ 1 → 공정이 규격 내에서 중심성 유지
  • Cpk ≥ 1.33 이상이면 안정적 우수 공정으로 평가

Cp vs. Cpk

항목 Cp Cpk
목적 공정 분산 대비 가능성 평가 공정 중심과 분산 모두 평가
전제 공정 중심이 정확히 중앙에 있음 공정의 편향 고려
해석 시점 이상적인 공정 성능 예측 실제 공정 성능 평가
해석 결과 Cp > 1이면 가능성 있음 Cpk > 1이면 실제 적합

Cp는 높으나 Cpk가 낮다면 공정이 편향되어 있을 가능성이 있다

예시: 볼트 직경 공정

  • USL=10.2, LSL=9.8, μ=10.1, σ=0.05
  • Cp = (10.2–9.8)/(6×0.05)=1.33, → 분산은 OK
  • Cpk = min[(10.2–10.1)/(3×0.05)=0.67, (10.1–9.8)/(3×0.05)=2.0] = 0.67 → 중심 편향 발생

DPMO vs. PPM

항목 DPMO PPM
측정 대상 단위당 발생 가능한 모든 결함 기회 포함 불량 단위에 집중
단위 백만 기회 기준 결함 수 백만 단위 기준 불량품 수
사용 목적 공정별 정밀 품질 관리(Six Sigma) 공급자·제품 수준의 불량률 관리 및 벤치마킹
예시 단위 1000개 × 기회 4 → 결함 7개 → DPMO = (7/4000)×1e6=1,750  단위 2000개 중 불량 400 → PPM = (400/2000)×1e6=200,000 

PL

PL(Product Liability, 제조물 책임) 사고란 제조, 설계, 마케팅 과정에서 결함이 있는 제품으로 인해 소비자의 신체 및 재산에 손해가 발생하는 경우를 말한다.

결함 유형

  • 설계 상 결함 (Design Defect)
  • 제조 상 결함 (Manufacturing Defect)
  • 표시, 경고 부족 (Failure to Warn / Marketing Defect)

사고 발생 시 주요 특성

  • 엄격 책임(strict liability) 적용 가능: 설계나 주의 의무 위반이 입증되지 않아도 결함만 입증되면 책임이 발생
  • 결정 요건
    • 제품 결함 존재
    • 정상 사용 상태
    • 손해 발생
    • 결함과 손해 간 인과관계

PL 사고 대처 절차 및 방안

사고 대응 절차

  1. 초기 대응
    • 피해자 긴급 의료 조치 및 안정
    • 제품, 포장, 사용 설명서 보존
    • 사고 현장, 제품 상태 사진 및 샘플 확보
  2. 신고 및 리콜 조치
    • 소비자, 당국에 사고 보고
    • 리콜,회수, 수리, 파기 조치 시행
  3. 원인 조사 및 내부 공유
    • FMEA, 8D 등 기법 활용
    • 기술, 품질, 법무, 마케팅 부서 협의체 구성
    • 제조 공정, 설계, 표시사검
  4. 법적 대응 준비
    • 법률 자문 및 제품책임보험(PL 보험) 활성화
    • 증거 관리 체계 구축

예방 중심 대책

  • 사전 예방(PLP, Product Liablity Prevention)
    • 설계, 제조품질 관리, 경고, 표시 정확성 확보
    • 국제, 국내 안전인증 획득
  • 사후 방어(PLD, Product Liability Defense)
    • 사고 발생 시 증적(inspection 기록, 테스트 결과) 활용
    • 제조, 판매 책임 분배 기준 명확화
    • PL 보험 및 법뮘 연계 대응 전략 수립

기업 관점 대응 체계 요약

단계 주요 활동
예방(P) 설계 검증, 생산 품질 시스템, 교육, 인증
감지(Monitor) 실시간 모니터링, 고객 상담, 사고·불량 데이터 수집
대응(R) 의료 지원, 리콜/회수, 법률 대응, 고객 보상
분석(A) 원인 분석(FMEA), 부서 협업, 매뉴얼 갱신
보험·법률 PL 보험 가입, 법률 자문, 제품 책임 구조 정비

T검정

T검정은 두 집단 평균 차이가 통계적으로 유의미한지를 판단하는 추론 통계 기법이다. 정규분포를 따르고 분산이 알려지지 않은 소규모 표본(n<30) 상황에서 주로 사용된다.

유형 설명 사용 사례
1표본 T-검정 단일 샘플 평균이 기준(또는 모집단 평균)과 다른지 확인 초콜릿 바 평균 무게가 표기(50g)와 다른지
독립 표본 T-검정 서로 독립인 두 집단 평균 비교 서로 다른 약물 A/B 효과 비교
대응 표본 T-검정 같은 대상의 전후 측정값 비교 체중 변화 전후 비교

T검정을 위한 가정 조건은 다음과 같다.

  • 데이터는 연속형이며 정규분포
  • 독립 샘플
  • 분산 동질성

표본이 충분히 크다면 t분포는 정규분포에 근사하게 된다.

각 검증별 산식은 다음과 같다.

1표본 t-검정 (One-sample t-test) \[t = \frac{\bar{X} - \mu_0}{s / \sqrt{n}}\]

독립표본 t-검정 (Independent two-sample t-test, 등분산 가정) \[t = \frac{\bar{X}_1 - \bar{X}_2}{s_p \cdot \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}\]

Welch의 t-검정 (이분산 가정) \[t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}}\]

대응표본 t-검정 (Paired t-test) \[t = \frac{\bar{d}}{s_d / \sqrt{n}}\]

t값은 자유도(df)에 따라 t분포와 비교하여 유의 여부가 결정된다.

_EOD_