디지털트윈·예지보전·품질최적화

더 많이 생산했는데 왜 개선이라고 할 수 없을까

한빛포장의 관리자는 생산 수가 600개에서 620개로 늘었다고 기뻐한다. 그러나 첫 검사에서 합격한 수는 570개에서 558개로 줄었다. 기계를 더 오래 가동하면서 불량도 늘어난 것이다. 총생산량 하나만 보면 좋아 보이지만 납품할 제품과 자원의 유효한 사용을 함께 보면 결론이 달라진다.

스마트팩토리의 역할과 디지털트윈의 관측·예측 구별을 보전·품질 개선에 적용한다. 트윈의 계산과 경보는 실제 작업 변경의 승인과 구별한다.

1. 관측에서 개선까지는 여러 번의 판단이 필요하다

관측은 센서나 검사에서 얻은 값, 추정은 직접 보지 못한 상태를 다른 정보로 계산한 값, 예측은 미래 조건하의 결과다. 예를 들어 모터 온도가 올랐다는 관측과 베어링 마모라는 진단, 다음 교대 고장 가능성이라는 예측은 다르다. 실제 정비에서는 이 연결을 뒷받침할 근거가 필요하다.

트윈에 작업 ID·장치·제품판본·재료 로트·측정시각을 연결한다. 다른 제품으로 바뀌면 정상 진동과 온도의 범위도 달라질 수 있다. 장치를 교체했는데 이전 보정값·모형을 그대로 사용하거나 늦게 도착한 값을 현재 상태로 덮어쓰면, 정교한 분석도 잘못된 출발점에서 계산한다.

가상 조건을 바꾸는 시뮬레이션은 무엇을 시험할지 좁히는 데 유용하다. 그러나 실제 공정에서 확인하지 않은 품질·안전·자원 제약을 모형이 대신 승인하지는 않는다. 계산 구현이 식과 맞는지, 그 식이 해당 용도를 설명하는지는 앞 트윈 절처럼 별도로 확인한다.

2. 고장 후 수리·예방·상태기반·예지보전의 차이

보전은 설비가 필요한 기능을 수행하도록 점검·정비·수리·교체와 그 결과를 관리하는 활동이다. 아래 구분은 보전 결정을 내리는 근거의 차이를 읽기 위한 학습용 분류다. 한 설비에서도 부품·고장모드에 따라 여러 방법을 함께 사용할 수 있다.

주기가 정해졌다고 무조건 불필요한 정비이고, AI로 예측한다고 무조건 비용이 줄어드는 것은 아니다. 고장 자료가 거의 없고 영향이 크면 예측 점수만으로 기존 보전 절차를 없앨 수 없다. 소모품 공급, 정비 인력, 접근 가능한 시간, 작업 후 확인까지 필요하다.

이상탐지는 정한 정상과 다른 신호를 찾는 일이다. 제품 교체·센서 이동·환경 변화도 이상 신호를 만들 수 있다. 진단은 어떤 원인인지 좁히는 일이고, 예후 추정은 앞으로의 진행·고장까지의 시간을 추정하는 일이다. 이상탐지 점수를 고장 시각이나 잔여수명으로 바꾸어 읽지 않는다.

잔여유효수명(RUL)은 정한 기능·고장 기준과 사용 조건에서 남은 시간을 추정한 값이다. 예상 20시간이라는 한 수치보다 어떤 조건·오차범위·운전 가정인지가 중요하다. 운전 부하가 바뀌면 남은 시간도 달라질 수 있다. 고장 없이 관찰이 끝난 장치에는 ‘끝까지 정상’이라는 미래 정답이 있는 것이 아니라 관찰 종료 이후를 모른다는 한계가 있다.

3. 따라 판단 SF-P1: 재현율 90%여도 경보의 다수는 오탐이다

겹치지 않는 평가 구간 200개를 고정하고 각 구간 뒤 24시간 안의 고장 여부를 참조 결과로 정했다고 가정한다. 실제 고장 구간 20개 중 18개에 경보가 나고 2개는 놓쳤다. 비고장 180개 중 27개에 경보가 났다. 이 결과는 실제 장치의 보장 성능이 아니다.

고장 구간을 찾은 비율인 재현율은 18/20=90%다. 경보 45개 중 실제 고장 구간은 18개이므로 정밀도는 40%다. 비고장 중 오탐률은 27/180=15%다. 높은 재현율만 말하면 45건의 점검에서 27건이 해당 참조 기준상 오탐이라는 부담을 숨긴다.

선행시간도 따로 본다. 정비 준비에 2시간이 필요한데 고장 5분 전에 경보가 나면 탐지에는 성공했어도 예방 작업에는 늦다. 반대로 정비로 고장을 막았다면, 나중에 고장이 없었다는 이유만으로 그 경보를 오탐이라고 재분류할 수 없다. 평가 구간·경보 시각·개입 여부·참조 결과를 함께 기록해야 한다.

학습할 때는 경보 시점에 알 수 있는 관측만 사용한다. 수리 후 보고서와 최종 부품 상태를 미래 고장 예측의 입력으로 넣으면 정답 누출이다. 같은 설비의 인접 시간창을 마구 섞어 학습·시험에 나누면 매우 비슷한 신호가 양쪽에 들어갈 수 있으므로 설비·시간·운전 조건을 고려해 분리한다.¹

경제성과 안전의 판단을 분리한다

별도 SF-P2에서는 계획 점검 비용이 1.2백만 원이고, 해당 점검을 해도 정한 기간의 고장확률이 5% 남으며, 고장 비용은 6백만 원이라고 가정한다. 모든 금액은 같은 기간의 직접 비용이고 다른 손실·안전 의무는 계산 밖이다. 점검의 기대비용은 1.2+0.05×6=1.5백만 원이다.

점검하지 않을 때 고장확률이 40%라면 기대비용 2.4백만 원으로 점검안보다 크다. 10%라면 0.6백만 원으로 반대다. 두 비용이 같아지는 확률은 1.5/6=25%다. 이 값은 자체 비용 가정의 경계이지 정비의 법정 기준이나 생명안전 위험을 허용할 확률이 아니다. 확률이 잘 보정됐는지와 실제 점검 효과도 확인해야 한다.

4. OEE는 시간·속도·양품 손실을 같은 범위에서 연결한다

설비종합효율(OEE)은 정한 계획생산시간을 기준으로 가동·성능·양품 요인을 곱해 유효한 생산을 보는 지표다. 가동률 A는 가동시간/계획생산시간, 성능률 P는 이상 사이클시간×총생산수/가동시간, 양품률 Q는 처음 통과한 양품수/총생산수로 계산한다. 같은 단위를 써야 하며 이 정의에서 재작업 후 합격은 최초 양품에 소급하여 더하지 않는다.²

이상 사이클시간은 한 개를 생산하는 데 필요한 기준상의 최소 시간이다. 고객 수요에서 계산한 택트시간이나 손실이 포함된 평균시간과 구별한다. 성능률이 100%를 넘으면 먼저 기준시간·수량·단위·측정 경계를 조사한다. 숫자를 100%로 잘라 오류를 숨기지 않는다.

계획생산시간 밖의 휴무와 그 시간 안의 설비정지·제품 전환은 다르다. 정지를 줄여 보이려고 제품 전환 시간을 나중에 분모에서 빼지 않는다. 비교할 두 기간에 같은 경계를 적용하고, 목적 없이 오래 가동하는 과잉생산을 개선으로 보지 않는다.³

SF-O1의 완전 풀이

교육용 한 품목의 계획생산시간은 400분, 그 안의 기록된 정지는 40분, 가동시간은 360분이다. 이상 사이클시간은 0.5분/개, 총생산은 600개, 첫 검사 양품은 570개, 나머지 30개는 재작업 또는 부적합으로 분리했다고 가정한다.

A=360/400=0.9

P=(0.5×600)/360=300/360=5/6

Q=570/600=0.95

따라서 OEE=0.9×(5/6)×0.95=0.7125=71.25%다. 각 비율의 평균을 낸 값이 아니다. 식을 소거하면 OEE=0.5×570/400=285/400으로 같아야 한다. 단위는 분/분으로 없어지며 285분은 실제 기계의 연속 운전시간이 아니라 양품을 이상 속도로 만드는 데 대응하는 유효 시간이다.

손실을 같은 시간으로 대사하면 정지 40분, 가동 중 성능 손실 360−300=60분, 품질 손실 (600−570)×0.5=15분이다. 400−40−60−15=285로 닫힌다. 동일 손실을 정지와 성능에 두 번 넣지 않는다.

SF-O2: 생산수가 늘어도 OEE는 떨어진다

같은 계획시간·품목·이상시간에서 가동 380분, 총생산 620개, 최초 양품 558개라고 하자. A=95%, P=310/380≈81.58%, Q=90%다. OEE는 0.5×558/400=69.75%로 낮아진다. 정지는 줄었지만 양품 결과는 나빠졌다. 이 정수표만으로 원인이 속도 변경인지 재료인지 검사 변화인지 확정할 수는 없다.

여러 설비의 OEE를 단순 평균해 공장 납품능력으로 읽지도 않는다. 품목별 이상시간·계획시간·흐름의 병목이 다르다. 이 사례의 단일 품목 모형을 제품 혼합과 서로 다른 공정에 그대로 확대하지 않는다.

5. 규격을 만족하는가: Cp와 Cpk

규격 한계는 고객·설계 등이 요구하는 허용 범위다. 관리 한계는 관측한 공정 변동에서 이상 신호를 살피기 위한 경계다. 제품이 규격 안에 있다고 공정이 안정적이라는 뜻도, 공정이 안정적이라고 고객 규격을 충분히 만족한다는 뜻도 아니다.

공정능력은 안정된 공정의 변동 폭과 규격의 관계를 평가한다. 아래 양측 규격의 전통적 Cp·Cpk 해석은 공정 안정성·대표성 및 사용하는 분포·표준편차의 적절성을 전제로 한다. NIST는 정규성 가정과 표본 추정의 불확실성도 구별한다.⁴

상한을 USL, 하한을 LSL, 공정 평균을 μ, 표준편차를 σ라 쓰자. μ는 뮤, σ는 시그마라고 읽는다. 표준편차는 값이 평균 주위에 흩어진 정도이며, 이 예에서는 이미 확인됐다고 가정한 양수를 준다.

이 전통적 지수는 평균에서 아래로 3σ, 위로 3σ인 구간을 변동 폭의 비교 기준으로 삼는다. 전체 기준 폭은 6σ이므로 Cp는 규격 폭 USL−LSL을 6σ로 나눈다. Cpk는 평균에서 상한까지의 거리 USL−μ, 하한까지의 거리 μ−LSL을 각각 한쪽 기준 폭 3σ와 비교하고, 더 좁은 쪽의 비를 고른다. 평균±3σ가 모든 관측값을 반드시 포함한다는 뜻은 아니며, 앞서 정한 안정성·정규성 가정 안의 지수 해석이다.

Cp=(USL−LSL)/(6σ)

Cpk=min[(USL−μ)/(3σ), (μ−LSL)/(3σ)]

min은 두 값 중 작은 값이다. Cp는 규격 폭과 산포만 비교하고, Cpk는 평균이 어느 규격 경계에 가까운지도 반영한다. 실제 자료로 추정하면 추정값이라는 점과 표본·추정방법을 표시한다. 소수 표본의 결과를 확정된 모집단 능력으로 쓰지 않는다.

SF-K1은 제품 폭의 규격이 9.5~10.5 mm, 평균 10.2 mm, 표준편차 0.1 mm인 안정된 정규 공정을 가정한다. Cp=1/0.6≈1.67이다. Cpk의 두 값은 0.3/0.3=1과 0.7/0.3≈2.33이므로 Cpk=1이다. 같은 산포에서 평균이 10.0 mm로 이동하면 두 경계까지 거리가 0.5 mm로 같아져 Cpk≈1.67이다.

이동만으로 변동 폭을 줄인 것은 아니다. 평균이 안정적인지, 측정기가 같은 단위를 사용하는지 다시 확인한다. Cp=1.67을 양품률 167%로 읽거나 실제 불량률을 분포·중심 조건 없이 환산하지 않는다. 필요한 기준값은 고객·제품·계약·공정의 요구에 따라 정하며 여기서 보편적 합격선을 만들지 않는다.

6. 품질최적화는 가장 빠른 설정을 고르는 일이 아니다

품질·생산량·에너지·재료·보전 부담은 서로 영향을 준다. 먼저 바꿀 수 있는 입력과 지켜야 할 품질·안전·자원 한계를 정한다. 관찰 자료에서 속도가 높은 날 양품률도 높았다고 속도가 품질 향상의 원인이라고 단정하지 않는다. 그날의 제품·재료·숙련·환경이 달랐을 수 있다.

개선 시험은 허용된 작업조건 안에서 품목과 로트를 추적하고, 비교가 가능한 자료를 확보하도록 계획한다. 가상 트윈에서 유리한 후보를 좁힌 뒤 실제 시험의 범위·승인·중단과 품질검사를 정한다. 모형 오차가 큰 영역까지 자동으로 확대하지 않는다.

SF-G2의 완성 선택안은 기존 포장 제어를 유지하고 관측과 점검 제안을 추가하는 것이다. 정지 사유·이상 사이클·최초 양품·재작업을 먼저 같은 작업 ID로 연결한다. SF-O1/O2의 악화를 품질 담당과 조사하고, SF-P1의 경보는 정비 담당이 선행시간·상태·부품·작업 창과 대조한다. 안전 관련 점검은 예측 경보 부재를 이유로 생략하지 않는다.

데이터 담당은 설비·시간 분리와 누출을, 모형 담당은 고장 기준·잔여수명 불확실성·적용 영역을, 품질 담당은 측정·규격·안정성을, 생산 책임자는 시험·납기·중단을 맡는다. 산출물은 손실 대사표, 경보·정비·결과 기록, 능력 평가의 가정, 개선 시험의 허용 범위와 결과다. 좋은 점수 하나보다 실제 양품·납기·정비 부담과 잔여 위험으로 확대를 결정한다.

7. 자체 10점 문제와 완성 답안

SF-O1과 SF-K1을 계산하고 설비종합효율과 공정능력의 판단 범위를 비교하시오.

구성: 시간·생산의 효율 → 계산과 대사 → 규격·산포·중심 → 서로 대신할 수 없는 판단.

SF-O1의 세 요소를 곱한 뒤 0.5×570/400과 손실 40+60+15의 대사로 확인한다. Cp의 6σ와 Cpk의 두 3σ 거리 중 작은 쪽을 선택하는 이유를 쓴다.

8. 자체 25점 문제와 완성 설계 답안

한빛포장의 트윈·예지보전·품질 개선안 SF-G2를 설계하시오. 자료, 판단, 시험·중단, 책임과 성과를 포함하시오.

목차: 적용 경계 → 식별·상태·모형 → 정비·손실·규격 판단 → 제한 시험 → 결과와 책임.

예측 시점에 가능한 관측과 이후 고장 참조·개입을 나눈다. 정비 제안의 선행시간·부품·작업 창과 품질·안전 한계를 확인한 뒤 허용된 시험 결과로 확대를 판단한다.

9. 자기교정

조건 변경과 해설

SF-O1에서 정지만 20분 줄고 총생산·양품이 그대로면? 가동은 380분, A=95%, P=300/380≈78.95%, Q=95%다. OEE는 여전히 285/400=71.25%다. 정지 감소가 같은 기간의 유효 양품 증가로 이어지지 않았음을 설명한다.

SF-P1의 오탐이 9개로 줄고 고장 탐지 18개는 같으면? 경보 27개 중 18개가 맞아 정밀도 약 66.67%, 재현율 90%, 오탐률 5%다. 선행시간과 정비의 실제 효과는 이 표만으로 알 수 없다.

SF-K1의 평균이 10.6 mm로 이동하면? 상한항은 (10.5−10.6)/0.3=−1/3이므로 Cpk는 음수다. 이를 0으로 잘라 숨기지 않는다. 평균이 규격 밖인 상황이며 측정·안정성·조치와 해당 제품 처리를 확인한다.

독립 확인: 재작업으로 590개를 얻었으면 OEE도 올라갈까

SF-O1과 같은 계획 400분·가동 360분·이상 0.5분/개·총 제품 600개인 별도 교대에서 최초 양품 560개였다. 나머지 40개 중 30개를 뒤에 재작업해 합격시켰다. 최초 통과 기준 OEE를 계산하고 최종 합격 590을 사용할 수 없는 이유를 설명한다. 별도 안정된 정규 공정의 규격 9.5~10.5 mm, 평균 10.2 mm, σ=0.05 mm인 Cp·Cpk도 구한다.

풀이를 닫고 경보 45개 중 정답 18개와 고장 20개 중 탐지 18개, 정지 감소만으로 OEE가 그대로인 이유, 규격 한계와 관리 한계의 다른 질문을 설명한다.

2026-10-05 NIST 공정능력 공식 해설의 안정된 공정·정규성·Cp/Cpk 식과 OEE 계산 정의 원출처의 첫 통과·재작업 구별을 직접 대조했다. 업체 벤치마크·제품 성능이나 보편 합격선을 추가하지 않는다.

근거와 사용 범위

표·수치·모형·정비 선택·문제·답안은 자체 교육용이다. 실제 설비 정비·공정 변경·안전 승인·성능 실험·독립 검수는 수행하지 않았다.

회독의 핵심

모형·경보·지표가 무엇을 관측하고 무엇을 모르는지 먼저 밝힌다. 고장 예측을 정비 효과로, 생산 수를 양품 성과로, 규격폭의 지수를 실제 합격률로 바꾸지 않는다. 실제 조치·제약·결과를 연결해야 분석이 개선으로 이어진다.

보강 연습 1: 경보 뒤의 정비가 참조 결과를 바꾸었다면

겹치지 않는 구간마다 한 번의 경보만 세어 경보 구간 20개를 모았다. 경보 뒤 24시간 내 고장을 참조로 삼는다. 6개는 개입 없이 고장, 6개는 개입 없이 24시간 전체를 관찰했고 비고장, 8개는 경보 뒤 예방 정비를 시행했고 관찰된 고장은 없었다. 정비를 하지 않았다면 이 여덟 구간에 고장이 났을지는 모른다. 고장 여섯 구간 중 네 개는 고장 5분 전, 두 개는 고장 3시간 전에 경보가 났다. 준비에는 최소 2시간이 필요하다.

“고장 경보 정밀도는 6/20=30%이므로 정비 여덟 건도 오탐”이라는 결론을 평가하라. 개입 없는 평가 부분의 정밀도, 준비에 충분했던 고장 경보 비율, 이 자료에서 알 수 없는 값을 설명하라.

보강 연습 2: 두 품목을 같은 사이클시간으로 합쳐도 되는가

한 설비의 같은 계획생산시간 480분 안에서 품목 A와 B를 순서대로 생산했다. 가동은 420분이다. A는 이상 사이클 0.5분/개, 총 400개·최초 양품 380개이고, B는 0.8분/개, 총 200개·최초 양품 180개다. 재작업은 최초 양품에 포함하지 않는다.

이 연습에서는 품목별 이상시간을 가중치로 합산한 최초 양품 대응 유효시간/계획생산시간을 비교 지표로 정의한다. 총생산 대응 이상시간과 양품 대응 유효시간을 계산하라. A의 0.5분을 모든 양품에 쓰거나 단순 수량 양품률을 곱했을 때 왜 같은 지표가 되지 않는지 설명하라.

from fractions import Fraction

lots = [(Fraction(1, 2), 400, 380), (Fraction(4, 5), 200, 180)]
planned, running = 480, 420
ideal_total = sum(cycle * total for cycle, total, good in lots)
ideal_good = sum(cycle * good for cycle, total, good in lots)
assert planned - (planned - running) - (running - ideal_total) - (ideal_total - ideal_good) == ideal_good
print(f"총이상시간={ideal_total}, 양품유효시간={ideal_good}")
print(f"시간가중지표={float(ideal_good / planned * 100):.2f}%")

보강 연습 3: 각 시간대의 높은 Cpk가 하루의 안정성을 보장하는가

양측 규격은 49.5~50.5 mm다. 연속한 두 시간대의 측정 평균은 각각 49.8 mm·50.2 mm, 각 시간대 안의 표준편차 추정치는 모두 0.05 mm다. 시간대가 바뀔 때 평균이 이동한 원인과 안정성은 아직 확인하지 않았다. 각 시간대의 값을 공식에 대입한 Cp·Cpk를 구하고 “둘 다 Cpk=2이므로 하루 전체가 안정적이고 합격”이라는 결론을 평가하라.

또 다른 측정에서는 0.1 mm 단위로 표시된 값 100개가 모두 50.0 mm였다. 표본 표준편차 0을 공식에 넣고 능력이 무한대라고 보고해도 되는가?

def capability(lsl, usl, mean, sigma):
    if usl <= lsl or sigma <= 0:
        raise ValueError("규격 순서와 양의 표준편차가 필요합니다")
    cp = (usl - lsl) / (6 * sigma)
    cpk = min((usl - mean) / (3 * sigma), (mean - lsl) / (3 * sigma))
    return cp, cpk

for mean in (49.8, 50.2):
    cp, cpk = capability(49.5, 50.5, mean, 0.05)
    print(f"Cp={cp:.2f}, Cpk={cpk:.2f}")
try:
    capability(49.5, 50.5, 50.0, 0)
except ValueError as error:
    print(error)