생산현장에서 자주 듣는 말 중 하나는 “상황이 바뀌어서 어쩔 수 없었다”이다. 그러나 이런 말이 반복되는 조직일수록 표준은 점점 무너지고, 품질과 납기는 불안정해진다. 반대로 표준만을 절대시하며 모든 예외를 막는 공장도 변화에 대응하지 못한다. 생산관리자의 역할은 표준을 고정시키는 것이 아니라, 표준을 지키면서도 유연하게 대응할 수 있는 구조를 만드는 것이다. 첫 번째 방법은 표준과 예외의 명확한 구분이다. 모든 상황을 표준으로 처리하려 하면 표준은 현실과 멀어진다. 생산관리자는 “지켜야 하는 표준”과 “관리된 예외”를 구분해야 한다. 예외는 허용하되, 언제, 왜, 어떻게 예외가 발생했는지를 반드시 기록하고 관리해야 한다. 기록되지 않는 예외는 곧 무질서가 된다. 두 번째는 표준 변경 절차의 단순화이다. 현장이 표준을 어기는 이유 중 하나는 변경 절차가 너무 복잡하기 때문이다. 표준이 현실과 맞지 않을 때 빠르게 개선 제안을 하고, 검증 후 반영할 수 있는 간단한 루트가 필요하다. 표준은 고정물이 아니라, 현장을 통해 진화하는 기준이어야 한다. 세 번째는 표준의 범위를 ‘방법’이 아닌 ‘조건’으로 설정하는 것이다. 모든 동작을 세세하게 고정하면 유연성은 사라
많은 생산관리자가 매일 현장을 돌지만, 그 순회가 실제 성과로 이어지는 경우는 많지 않다. 이유는 간단하다. 현장 순회가 ‘확인’에서 끝나고, ‘개선’으로 연결되지 않기 때문이다. Gemba Walk는 단순히 현장을 보는 활동이 아니라, 현장의 사실을 기반으로 행동을 바꾸는 관리 기법이다. 순회의 목적이 명확할 때, 걷는 시간은 곧 성과로 이어진다. 첫 번째 방법은 순회의 목적을 명확히 하는 것이다. 막연히 “한 바퀴 도는 것”은 의미가 없다. 오늘 순회의 목적이 안전인지, 품질인지, 병목인지 하나를 정해야 한다. 목적이 정해지면 보는 기준도 명확해지고, 관찰의 깊이가 달라진다. 두 번째는 질문 중심의 순회이다. 관리자가 답을 주는 순간, 현장은 침묵한다. 반대로 “왜 이 공정에서 대기가 생기나?”, “이 작업이 불편한 이유는 무엇인가?” 같은 질문을 던지면 현장은 정보를 제공한다. Gemba Walk는 지시가 아니라 질문을 통해 원인을 끌어내는 과정이다. 세 번째는 작은 이상 신호를 기록하는 습관이다. 숫자로 드러나지 않는 작은 불편, 임시 조치, 반복되는 우회 작업은 모두 문제의 전조이다. 이를 기록하지 않으면 순회는 기억에 의존하게 되고, 개선은 사라진
제조현장에서 가장 흔한 혼란의 원인은 긴급 오더와 정상 오더가 뒤섞여 운영되는 상황이다. 고객 요청이나 내부 사정으로 긴급 오더가 발생하는 것은 피할 수 없지만, 문제는 이를 체계 없이 처리할 때 생긴다. 긴급 오더를 무작정 끼워 넣으면 정상 오더의 납기가 무너지고, 현장은 항상 쫓기는 상태가 된다. 우선순위 관리는 속도의 문제가 아니라 통제의 문제이다. 첫 번째 전략은 긴급 오더의 명확한 정의와 기준 설정이다. 모든 요청을 긴급으로 받아들이면 우선순위는 의미를 잃는다. 고객 클레임 대응, 법적 납기, 핵심 고객 유지 등 명확한 기준을 정해 진짜 긴급 오더만 분류해야 한다. 기준 없는 긴급은 조직 전체의 피로도를 높일 뿐이다. 두 번째는 긴급 오더 전용 슬롯 또는 버퍼 운영이다. 정상 생산 계획에 일정 비율의 여유 시간을 확보해 두면, 긴급 오더가 발생해도 전체 라인을 흔들지 않고 흡수할 수 있다. 이 버퍼는 낭비가 아니라 안정성을 위한 보험이다. 세 번째는 병목 기준 우선순위 판단이다. 우선순위는 병목 공정을 기준으로 정해야 한다. 병목 이전 공정을 아무리 바꿔도 효과는 제한적이다. 긴급 오더가 병목을 더 막히게 만드는지, 아니면 병목 이후 공정에서 처리
생산관리자의 역할은 현장을 바쁘게 만드는 것이 아니라, 성과가 나오는 방향으로 공장을 움직이게 하는 것이다. 이를 위해 가장 중요한 도구가 바로 핵심 지표(KPI)이다. 그러나 지표를 많이 본다고 관리가 잘 되는 것은 아니다. 생산관리자는 반드시 봐야 할 핵심 지표를 명확히 구분해야 한다. 다음은 현장에서 반드시 관리해야 할 핵심 지표 TOP 10이다. 1. 납기 준수율(OTD) 이다. 고객 신뢰를 직접적으로 보여주는 지표이며, 생산관리 성과의 최종 결과이다. 2. 리드타임 이다. 주문부터 출하까지 걸리는 시간으로, 공정 흐름의 건강 상태를 보여준다. 3. 재공품(WIP) 수준 이다. 과도한 WIP는 리드타임 증가와 품질 변동의 원인이다. 4. 설비 종합효율(OEE) 이다. 설비가 실제로 얼마나 생산에 기여했는지를 나타내는 핵심 지표이다. 5. 병목 공정 가동률 이다. 병목의 상태가 곧 공장의 최대 생산 능력이다. 6. 불량률 및 재작업률 이다. 품질 문제는 원가와 납기를 동시에 흔든다. 7. COPQ(불량 비용) 이다. 보이지 않는 실패비용을 숫자로 드러내는 지표이다. 8. 계획 대비 실적 달성률 이다. 생산계획의 신뢰도를 판단하는 기준이다. 9. 작업 표
제조현장에서 생산계획 변경은 피할 수 없는 현실이다. 긴급 주문, 수요 변동, 자재 지연, 설비 고장 등으로 계획은 수시로 바뀐다. 문제는 변경 그 자체가 아니라, 변경을 관리하지 못할 때 발생하는 현장 혼란이다. 작업자는 무엇을 먼저 해야 할지 모르고, 자재는 엉뚱한 공정에 투입되며, 납기는 더 늦어진다. 그래서 생산관리에서 Change Management는 선택이 아니라 필수다. 첫 번째 방법은 변경 사유의 명확화와 기준 설정이다. 모든 변경이 동일하게 취급되면 현장은 항상 흔들린다. 납기 위기, 고객 클레임 대응, 내부 효율 개선 등 변경 사유를 명확히 구분하고, 어떤 경우에만 계획 변경이 가능한지 기준을 세워야 한다. 기준 없는 변경은 곧 무질서다. 두 번째는 변경 영향도 분석이다. 생산계획을 바꾸기 전에 반드시 공정 부하, 병목, 자재 가용성, 인력 배치에 미치는 영향을 확인해야 한다. 일부 공정만 보면 좋아 보이지만, 전체 흐름에서는 더 큰 지연을 만드는 경우가 많다. 변경은 항상 전체 공정을 기준으로 판단해야 한다. 세 번째는 변경 단일 창구 운영이다. 여러 부서가 각자 계획을 바꾸면 현장은 감당할 수 없다. 생산계획 변경은 반드시 하나의 책임
생산성이 낮은 원인을 현장에서 찾다 보면, 의외로 설비나 인력이 아니라 기준정보 오류에서 문제가 시작되는 경우가 많다. 그 핵심이 바로 BOM(Bill of Materials) 과 Routing 이다. BOM은 무엇을 얼마나 쓸지 정하는 설계도이고, Routing은 어떤 순서와 시간으로 만들지 정하는 지도이다. 이 두 가지가 정확하지 않으면 생산계획, 자재조달, 공정운영이 동시에 흔들린다. 첫째, BOM 오류는 재고와 납기를 동시에 망친다. 수량이 과소하면 생산 중 자재 부족으로 라인이 멈추고, 과다하면 불필요한 재고가 쌓인다. 대체자재나 옵션 품목이 BOM에 반영되지 않으면 현장에서는 임시 대응이 늘어나 품질 변동과 재작업이 증가한다. 기준정보의 작은 오차가 곧바로 리드타임 증가로 이어진다. 둘째, Routing 부정확성은 계획의 신뢰도를 무너뜨린다. 공정 순서가 실제와 다르거나 표준시간이 과대, 과소 설정되면 생산계획은 실행 단계에서 무너진다. 병목이 아닌 곳에 인력과 설비를 배치하게 되고, 병목 공정은 항상 밀린다. 결과적으로 납기 준수율은 떨어지고 현장 혼란은 커진다. 셋째, 원가 관리의 출발점은 기준정보 정확도이다. BOM 단가와 공정시간이 정확해야
생산라인 밸런싱(Line Balancing)은 각 공정의 작업 시간을 균형 있게 배분해 전체 라인의 흐름을 최적화하는 생산관리 기법이다. 설비나 인력을 추가하지 않아도 생산성이 눈에 띄게 개선되는 경우가 많기 때문에, 현장 개선의 가장 효과적인 방법 중 하나로 꼽힌다. 생산성이 낮은 공장은 대부분 작업이 느린 것이 아니라, 균형이 맞지 않게 운영되고 있는 경우가 많다. 라인 밸런싱의 첫 단계는 작업 시간의 정확한 측정이다. 공정별 표준 작업 시간을 파악하지 못하면 균형을 맞출 수 없다. 타임 스터디를 통해 각 작업의 실제 소요 시간을 측정하고, 편차가 큰 공정을 찾아내야 한다. 이 과정에서 병목 공정이 자연스럽게 드러난다. 두 번째는 목표 사이클 타임 설정이다. 하루 생산 목표량과 근무 시간을 기준으로, 한 공정이 감당해야 할 이상적인 작업 시간을 정한다. 이 기준을 중심으로 작업을 재배치해야 라인 전체가 같은 속도로 움직일 수 있다. 세 번째는 작업 재배치와 분할이다. 특정 공정의 작업 시간이 과도하게 길다면, 일부 작업을 앞뒤 공정으로 이동시키거나 작업을 세분화해 부담을 나누는 방식이 효과적이다. 단순한 작업 이동만으로도 대기 시간이 줄고, 생산 흐름이
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
공장이 성장하기 위해 가장 먼저 해야 할 일은 현재의 수준을 정확히 아는 것이다. 아무리 좋은 자동화 설비나 스마트 시스템을 도입해도, 생산관리 프로세스의 성숙도가 낮다면 효과는 제한적이다. 그래서 제조업에서는 기업의 운영 수준을 단계별로 평가하는 생산관리 성숙도(Production Maturity Model) 진단이 중요한 역할을 한다. 이는 공정·인력·데이터·관리체계의 강점과 약점을 체계적으로 파악해 성장 전략을 세우는 기준이 된다. 첫 번째 단계는 레벨 1: 기초 단계(Ad-hoc) 이다. 공정 관리 방식이 사람 중심으로 이루어지며, 기준과 절차가 명확하지 않은 단계이다. 불량, 납기 문제, 생산 변동이 자주 발생한다. 이 단계 기업은 표준화와 기초 데이터 관리가 우선 과제이다. 두 번째는 레벨 2: 표준화 단계(Standardized) 이다. 공정 절차, 작업 방법, 검사 기준이 표준화되어 있고, 기본적인 생산기록이 관리되기 시작한다. 하지만 부서 간 데이터 연결성이 낮아 통합 의사결정이 어렵다. 세 번째는 레벨 3: 체계화 단계(Integrated) 이다. MES, ERP 등 시스템 기반의 관리가 이루어지고, 데이터가 실시간으로 공유된다. 공정 안정
고객 요구가 다양해지고 제품 수명주기가 짧아지면서 제조업은 다품종 소량생산(Mix & Low Volume) 중심으로 빠르게 변화하고 있다. 이는 기존의 ‘대량생산’ 방식보다 훨씬 복잡하고 예측이 어렵기 때문에, 생산관리 전략도 완전히 다르게 접근해야 한다. 핵심은 유연성과 민첩성(Agility) 이며, 이를 갖춘 기업만이 시장 변동 속에서도 경쟁력을 유지할 수 있다. 첫 번째 전략은 유연한 생산계획 수립이다. 다품종 환경에서는 수요 변동이 크기 때문에 고정된 계획보다 ‘변경 가능한 계획’이 필요하다. 생산계획은 제품별 우선순위, 납기, 생산 시간, 공정 제약을 고려하여 짧은 주기로 재계획(Re-Scheduling)할 수 있어야 한다. 최근에는 APS(고급 생산스케줄링)를 활용해 수요 변동을 빠르게 반영하는 기업도 증가하고 있다. 두 번째는 공정 전환(Setup) 시간 단축이다. 제품 종류가 많아질수록 공정을 바꾸는 시간이 늘어나고 생산 손실이 커진다. SMED(Single Minute Exchange of Die) 기법을 적용해 내부 작업을 외부 작업으로 전환하거나, 작업 순서를 최적화해 셋업 시간을 최소화하면 생산 효율이 크게 향상된다. 세 번째 전
스마트 제조의 핵심은 ‘데이터’이며, 그 시작은 정확한 생산정보의 자동수집(Auto-Data Capture) 이다. 공정 데이터를 사람이 수기로 입력하면 누락, 오류, 지연이 발생하며, 이러한 작은 오류가 전체 생산관리의 판단과 품질에 큰 영향을 준다. 그래서 자동수집 시스템을 구축하는 것은 스마트팩토리의 기초이자 가장 중요한 출발점이다. 첫 번째 전략은 센서를 활용한 실시간 데이터 확보이다. 설비의 온도, 압력, 진동, 속도, 가동시간 등을 IoT 센서로 자동 수집하면, 사람이 확인하지 않아도 공정 상태를 실시간으로 파악할 수 있다. 센서 데이터는 설비 이상 감지, 예지정비, 품질 예측의 핵심 기반이 된다. 두 번째는 바코드, RFID 기반 작업 추적 시스템이다. 작업자, 자재, 공정이동, 검사 결과를 자동으로 기록하면 작업 흐름이 투명해지고, 불량 발생 시 추적과 원인 분석이 쉽다. 특히 재작업이나 자재 혼입 같은 문제를 빠르게 차단할 수 있다. 소규모 공장도 간단히 도입할 수 있어 가장 실용적인 자동수집 방식이다. 세 번째 전략은 MES와 설비, 검사장비의 자동 연동이다. 설비에서 발생한 데이터가 MES로 자동 전송되면, 생산량, 불량, 가동률이 즉시
스마트 제조 시대에는 개별 팀이 각자 정보를 관리하던 방식으로는 생산 문제를 해결하기 어렵다. 설비팀은 설비 데이터만, 품질팀은 검사 결과만, 생산팀은 공정 상황만 따로 관리하면 공장의 전반적인 흐름을 파악할 수 없다. 그래서 오늘날 제조 기업의 핵심 전략은 정보를 하나로 모으고, 실시간으로 협업할 수 있는 디지털 협업 플랫폼을 구축하는 것이다. 디지털 협업 플랫폼의 첫 번째 목적은 정보의 단일화이다. MES, ERP, 설비 센서, 품질 시스템 등에 흩어져 있는 데이터를 하나의 화면에서 확인할 수 있어야 한다. 데이터가 통합되면, 생산·품질·설비·물류팀 모두가 같은 정보를 보고 같은 판단을 내릴 수 있다. 이는 오해를 줄이고 문제 해결 속도를 크게 높인다. 두 번째는 실시간 소통과 문제 해결 체계 구축이다. 공정 이상, 불량 증가, 설비 고장 등 현장에서 발생하는 문제를 플랫폼에서 즉시 공유하고, 관련 부서가 함께 해결 방안을 논의할 수 있어야 한다. 예를 들어, 불량률이 갑자기 상승하면 품질팀은 원인 데이터를 올리고, 설비팀은 설비 진동 데이터를 공유하며, 생산팀은 작업 조건 변화를 기록한다. 이처럼 데이터 기반의 협업이 이루어지면 해결 시간이 획기적으로
AI와 디지털 시스템이 확산되면서 생산현장의 성과관리 방식도 빠르게 변화하고 있다. 과거에는 생산량, 불량률처럼 단순 지표 중심의 관리가 일반적이었다. 그러나 이제는 데이터 기반의 디지털 KPI(Digital Key Performance Indicator) 를 통해 생산의 흐름, 병목, 품질, 설비 상태까지 종합적으로 관리하는 시대가 되었다. 정확한 지표 설계가 기업의 경쟁력을 좌우한다. 디지털 KPI의 핵심은 측정 가능한 데이터 기반 지표여야 한다는 점이다. 예를 들어 설비가 실제로 얼마나 생산에 기여했는지를 보여주는 OEE(설비종합효율), 공정의 안정성을 의미하는 Cpk(공정능력지수), 실시간 불량률, 설비 예지정비 지수 등 정량적 지표들이 대표적이다. 이러한 지표들은 사람의 감정이나 상황에 흔들리지 않고, 생산현장의 상태를 객관적으로 보여준다. 또한 KPI는 단순한 숫자가 아니라 문제 해결을 이끄는 지표여야 한다. 예를 들어 “생산량 증가”라는 목표 대신 “병목공정 리드타임 15% 단축”, “OEE 5% 향상”, “불량 재발률 30% 감소”와 같은 실행 중심 지표가 디지털 KPI의 특징이다. AI와 MES 데이터를 활용하면 이러한 지표를 실시간으로 시각
AI와 자동화 기술이 빠르게 확산되면서 생산관리 직무는 과거와 완전히 다른 방향으로 진화하고 있다. 단순한 계획 관리나 공정 모니터링 중심의 역할에서 벗어나, 데이터 기반 의사결정과 기술 이해력을 갖춘 하이브리드 전문가로 성장하는 것이 필수 경로가 되었다. 그래서 AI 시대의 생산관리 커리어 로드맵은 더 넓고, 더 깊고, 더 전략적이다. 1단계는 현장 이해 기반의 기본 역량 구축 단계이다. 공정 흐름, 설비 특성, 작업 표준, 품질 기준 등 생산관리의 기본기를 갖추는 것이 필수다. AI 도구를 잘 활용하기 위해서도 현장의 원리를 이해해야 한다. 기초가 탄탄할수록 이후 단계에서 기술 적용 능력도 빠르게 성장한다. 2단계는 데이터 활용 능력 강화 단계이다. 엑셀, 통계 분석, 데이터 시각화, MES 데이터 해석, 품질지표 분석 등 실무형 데이터 역량을 갖추는 것이 핵심이다. AI 분석 결과를 이해하고 판단할 수 있어야 관리자로 성장할 수 있다. 이 단계부터는 “데이터 기반 문제 해결자”로 진화한다. 3단계는 스마트 제조 기술 이해 단계이다. IoT 센서, 로봇 자동화, MES, ERP, APS, AI 품질검사 등 디지털 기술의 원리를 이해하고 현장에 적용할 수
AI와 디지털 기술의 확산은 생산방식뿐 아니라 생산관리 조직의 구조 자체를 바꾸고 있다. 과거 생산관리 조직은 계획, 자재, 공정, 품질을 분리해 운영하는 ‘기능 중심 구조’가 일반적이었다. 그러나 AI 시대에는 데이터 흐름이 공정 전체를 실시간으로 연결하면서, 생산관리 조직은 데이터 중심, 협업 중심의 통합 구조로 재편되고 있다. 첫 번째 변화는 데이터 기반 의사결정 조직(Digital Decision Organization) 으로의 전환이다. 기존에는 각 부서가 경험과 수기로 데이터를 관리했지만, 이제는 MES, IoT, ERP 등 시스템이 자동으로 데이터를 수집, 공유한다. 이에 따라 생산관리 조직은 데이터를 분석하고 전략을 도출하는 역할이 강화되며, 데이터 분석 인력이나 디지털 담당자(DX Officer)가 조직 내 핵심 역할로 부상한다. 두 번째는 계획, 공정, 품질 조직 간의 경계가 약화되는 것이다. AI는 불량예측, 공정최적화, 수요예측 등 다양한 기능을 통합적으로 수행하기 때문에, 생산관리 조직 또한 기능 중심에서 프로세스 중심으로 재구성된다. 예를 들어, “계획–생산–품질”이 하나의 데이터 흐름으로 연결되면, 팀 간 협의 대신 실시간 데이터