이 글의 내용
공장을 둘러보다 보면 같은 교대조도 어느 순간에는 바빠 보이고, 다른 순간에는 여력이 있어 보입니다. 하지만 어느 쪽을 보더라도 부품을 만들고, 작업을 준비하고, 필요한 것이 도착하기를 기다리는 데 각각 얼마나 많은 시간이 쓰이는지는 알 수 없습니다.
워크 샘플링은 이런 인상 대신, 계획에 따라 무작위로 관측한 자료를 활용합니다. 생산을 중단시키는 조건을 찾아내고 시험해 볼 만한 개선안을 고르는 데 도움이 됩니다. 여기서 얻어야 할 것은 사람들이 얼마나 바빠 보이는지를 매긴 점수가 아닙니다. 무엇이 작업의 흐름을 막는지 더 명확히 파악하는 것이 핵심입니다.
개선으로 무엇이 달라지는지 검증했다면, SkyPlanner APS는 개선된 공정 시간과 자원 가용성을 반영해 서로 맞물리는 생산 일정을 수립합니다. 설비별 작업 대기열을 따로 다시 짜는 시간을 줄이고, 그 변화가 납품해야 할 주문에 어떤 영향을 미치는지 확인할 수 있습니다.
워크 샘플링이란?
워크 샘플링은 무작위로 선정한 시점에 사람이나 설비를 관측해, 미리 정의한 각 활동에 쓰이는 시간의 비중을 추정하는 통계적 방법입니다. 관측할 때마다 바로 그 순간에 수행 중인 활동을 기록합니다. 표본 설계가 조사 대상 시간을 대표한다는 전제하에, 각 범주에 속한 관측의 비율로 해당 활동이 조사 대상 시간에서 차지하는 비중을 추정합니다.
예를 들어 조립 구역을 조사한다면 조립, 셋업, 검사, 자재 대기, 기타 작업 중단으로 구분할 수 있습니다. 대표성 있는 교대조에 걸쳐 이런 범주를 기록하면, 모든 상태를 단순히 작업 중이거나 유휴 상태라고 나누는 것보다 더 유용한 근거를 얻을 수 있습니다.
이 방법은 활동이 다양하고 작업 중단이 산발적으로 발생해 연속 관측에 상당한 노력이 드는 경우에 특히 유용합니다. 모든 공정을 처음부터 끝까지 따라가지 않아도 전반적인 활동 분포를 파악할 수 있습니다.
알아내려는 내용이 다르다면 측정 방법도 달라야 합니다.
- 제조 현장의 시간 연구는 정의된 요소 작업을 조사해 타당한 근거를 갖춘 표준시간을 설정하는 데 활용할 수 있습니다. 무작위 시점에 활동을 관측하는 것만으로는 각각의 짧은 요소 작업에 얼마나 시간이 걸리는지 알 수 없습니다.
- 생산 작업시간 기록은 작업이나 공정별로 발생한 이벤트와 실제 소요 시간을 기록합니다. 이 기록은 모든 활동에서 무작위 표본을 추출하는 것이 아니라, 기록된 시간이 어떤 작업에 쓰였는지를 보여 줍니다.
정식 작업 측정 연구에서는 표준을 설정할 때 샘플링을 다른 근거와 함께 활용할 수 있습니다. 하지만 활동 비율만으로는 표준시간을 정할 수도, 누군가의 작업속도를 평가할 수도 없습니다.
작업·유휴 횟수를 세기 전에, 어떤 결정을 내릴지 정하세요
답을 얻었을 때 공장 운영을 바꿀 수 있는 질문을 고르세요. 자재 준비 방식을 개선할 수 있다면 “조립팀은 근무시간 중 얼마나 부품을 기다리는가?”가 좋은 출발점입니다. “모두 얼마나 효율적으로 일하는가?”는 너무 막연해서 조사를 제대로 설계하거나 결과를 해석하기 어렵습니다.
실제 작업자들과 조사 목적에 합의하세요. 무엇을 관측하고, 범주를 어떻게 정의하며, 누가 결과를 보고, 그 결과가 어떤 결정에 활용되는지 설명하세요. 기존 기록에 빠진 작업 중단에는 어떤 것이 있는지 작업자들에게 물어보세요. 대기 사실을 숨겨야 한다고 느끼는 환경보다, 필요한 키트가 없는 상황을 설명할 수 있는 환경에서 조사의 활용도가 높아집니다.
모집단을 정의하세요. 결과가 설명해야 할 사람이나 설비, 교대조, 날짜, 생산 조건을 명확히 하는 것입니다. 한 조립 구역의 주간 근무를 조사했다고 해서 그 결과가 야간 작업이나 공장 전체에도 그대로 적용되는 것은 아닙니다.
그다음에는 관측 단위를 정하세요. 특정 순간의 작업자 한 명이 하나의 단위이고, 특정 순간의 설비 한 대는 별개의 단위입니다. 사람의 상태와 설비의 상태를 구분해서 기록하세요. 설비가 자동으로 절삭하는 동안 작업자는 다른 부품을 검사할 수 있습니다. 이때 설비는 가동 중이고 작업자는 검사 중이므로, 어느 쪽도 유휴 상태로 분류할 필요가 없습니다.
조사에 포함되는 시간의 범위도 명확히 하세요. 유급 근무시간 전체를 조사한다면 해당하는 휴게시간 범주를 포함해야 합니다. 정해진 가동 시간대만 조사한다면 비율 산정의 분모가 그 시간임을 명시하세요. 두 결과를 같은 대상을 측정한 것처럼 비교해서는 안 됩니다.
관측자가 구분할 수 있도록 활동을 정의하세요
선택한 관측 단위에 대해 서로 중복되지 않으면서 예상되는 상황을 포괄하도록, 소수의 범주를 구성하세요. 각 범주에는 실제 현장의 예시와 함께 짧은 정의를 작성하세요.
“자재 대기”는 필요한 자재가 없어 해당 작업을 진행할 수 없는 상태를 뜻해야 합니다. 작업자가 단지 자재 선반 근처에 서 있다고 해서 자재 대기로 분류해서는 안 됩니다. “셋업”은 준비 시작부터 생산 준비 완료까지 어디를 범위로 볼지 합의해야 합니다. 필요한 검사는 포괄적인 비생산 범주에 묻어 두지 말고 별도로 드러나게 하세요.
미확인 또는 관측 불가 코드도 포함하세요. 어떤 상황인지 확인할 수 없다면 원인을 추측하지 말고 불확실한 상태 그대로 기록하세요. 이런 사례는 별도로 검토하되, 아무 설명 없이 분모에서 제외해서는 안 됩니다.
짧은 예비조사로 정의가 적절한지 시험하세요. 관측자들이 같은 상황을 분류하게 하고, 의견이 다른 부분을 논의하세요. 공구를 찾는 행동을 한 사람은 셋업으로, 다른 사람은 대기로 분류한다면 조사 결과에는 실제 작업뿐 아니라 정의의 차이도 반영됩니다. 본조사 표본을 수집하기 전에 이를 바로잡으세요.
예비조사를 하면 접근할 수 없는 관측 지점, 너무 오래 걸리는 이동 경로, 순간적으로 봐서는 구분할 수 없을 만큼 세분화된 범주 등 실무적인 문제도 드러납니다.
생산 상황을 대표하도록 무작위 관측을 수행하세요
난수 생성 도구로 관측 시점을 미리 정하고, 의사결정과 관련된 교대조와 날짜 전반에 걸쳐 표본을 수집하도록 계획하세요. 현장에 도착했을 때 가장 눈길을 끄는 대상을 고르지 말고, 계획에 따라 관측할 사람이나 설비를 선정하세요.
30분마다 규칙적으로 방문하면 자재 보충, 휴식 또는 설비 사이클과 계속 맞물릴 수 있습니다. 관리자가 시간이 날 때만 방문하는 것도 또 다른 편향을 만듭니다. 관측 시점을 무작위로 정하면 이런 패턴을 피하는 데 도움이 됩니다. 또한 관련 가동 조건을 두루 포함해야, 조사하기 편했던 어느 하루 오전에만 국한되지 않는 유용한 결과를 얻을 수 있습니다.
선정된 각 시점에는 다음 활동이 시작되기를 기다리지 말고 현재 활동을 기록하세요. 관측 시각, 관측 단위, 범주, 관련 교대조나 제품 정보도 함께 남기세요. 지연을 조사하는 데 도움이 된다면 사실에 근거한 짧은 메모를 덧붙이세요. 설명을 듣겠다고 작업을 중단시킨 뒤, 그렇게 발생한 대화를 관측 활동으로 분류해서는 안 됩니다.
누락된 관측과 그 이유를 기록하세요. 접근하기 어렵거나 관측하기 곤란한 대상을 매번 가까이에 있는 쉬운 대상으로 대체하면 표본이 대표하는 대상이 달라질 수 있습니다.
특정 교대조를 의도적으로 더 높은 비율로 표본에 포함했다면, 교대조별 결과를 따로 보고하거나 추정 대상 시간 또는 모집단을 반영한 가중치를 적용해 합산하세요. 표본 추출률이 다른 자료를 단순히 합치면 특수한 상황의 교대조가 전체 결과를 좌우할 수 있습니다.
관측 건수와 독립적인 정보의 양도 구분해야 합니다. 한 차례 순회하며 여러 작업자를 관측하면 여러 건의 기록이 생기지만, 공통된 자재 부족 때문에 작업자들의 상태가 서로 연관될 수 있습니다. 같은 작업 중단이 이어지는 동안 반복해서 관측하는 경우에도 비슷한 한계가 있습니다. 분석에서 이런 군집성을 고려할 수 있도록 순회 회차와 시간대별 관측 묶음을 식별할 수 있게 기록하세요.
워크 샘플링은 몇 번 관측해야 할까요?
필요한 표본 수는 의사결정에 요구되는 정밀도와 해당 활동의 예상 비중에 따라 달라집니다. 어떤 조사든 특정 관측 건수만 채우면 대표성이 확보되는 것은 아닙니다.
관측값이 서로 독립적인 단순무작위표본을 설계할 때, 한 활동의 비율에 대해 흔히 사용하는 표본 수 근사식은 다음과 같습니다.
n ≈ z² × p × (1 − p) ÷ e²
여기서 n은 관측 건수, p는 소수로 나타낸 예상 비율, e는 원하는 절대 오차한계, z는 선택한 신뢰수준에 해당하는 정규분포 값입니다. 근사적인 95% 신뢰수준에서 z는 1.96입니다. 계산된 관측 건수는 올림하세요.
아직 p를 신뢰할 만하게 추정할 수 없다면 0.50을 사용하세요. 주어진 절대 오차한계에서 가장 큰 관측 건수가 산출됩니다. 오차한계를 5퍼센트포인트로 두면 e = 0.05이고, 계산 결과 필요한 관측 건수는 385건입니다. 이는 해당 가정에 따른 계획 예시일 뿐, 모든 조사에 적용되는 최소 건수도 아니고 모든 하위 집단의 정밀도를 보장하는 기준도 아닙니다.
“5퍼센트”가 무엇을 뜻하는지 정확히 구분하세요. 대기 비중이 20%이고 오차한계가 5퍼센트포인트라면 대략 15%에서 25% 범위를 의미합니다. 반면 그 비중의 5%를 상대 오차한계로 잡으면 위아래로 각각 1퍼센트포인트에 불과하므로 훨씬 더 큰 표본이 필요합니다.
중요한 범주와 비교 대상에 맞춰 정밀도를 계획하세요. 전체 대기 비중을 추정하기에 충분한 총 관측 건수라도 교대조별 분석, 드물게 발생하는 지연, 개별 작업장 분석에는 부족할 수 있습니다. 순회 단위로 관측이 묶이는 경우에도 각 기록을 독립적으로 취급하지 말고 표본 설계를 고려해 분석해야 합니다. 작은 변화를 구별해야 하거나 큰 투자가 걸린 의사결정이라면, 본조사 자료를 수집하기 전에 표본조사 전문가에게 설계를 검토받으세요.
예시: 활동별 관측 건수에서 개선 과제 찾기
수작업 조립 구역에서 자재 키트의 구성품 누락으로 작업이 중단되는 것 같다고 현장 팀이 판단하는 상황을 가정해 보겠습니다. 조사 범위에 해당하는 생산 시간대에 걸쳐 작업자와 관측 시점의 각 조합이 동일한 확률로 선정되도록 순간 관측 400건을 수집합니다. 이 단순화된 예에서는 관측값이 서로 독립적이며 모든 관측값을 분류할 수 있다고 가정합니다.
| 관측 활동 | 관측 건수 | 관측 비율 |
|---|---|---|
| 조립 작업 | 200 | 50% |
| 셋업 및 준비 | 60 | 15% |
| 검사 | 40 | 10% |
| 자재 대기 | 80 | 20% |
| 그 밖에 확인된 지연 | 12 | 3% |
| 계획된 휴식 | 8 | 2% |
| 합계 | 400 | 100% |
자재 대기 비율의 추정치는 80 ÷ 400 = 20%입니다. 이는 이 조사가 대표하는 작업자 전체의 시간을 합산했을 때의 비율입니다. 모든 작업자가 매 교대마다 정확히 오분의 일을 대기한다거나, 작업이 중단될 때마다 같은 시간 동안 멈춘다는 뜻은 아닙니다.
이 단일 비율에 단순 정규 근사를 적용하면 다음과 같습니다.
95% 신뢰수준의 근사 오차한계 = 1.96 × √[0.20 × 0.80 ÷ 400] = 0.0392
이는 약 3.9퍼센트포인트로, 근사 신뢰구간은 16.1%에서 23.9%입니다. 이 구간은 앞서 명시한 가정하에서 표본 추출에 따른 불확실성을 나타냅니다. 관측 일정의 편향, 활동 분류 오류, 다음 달 제품 구성의 변화까지 반영하는 것은 아닙니다.
표본이 작거나 활동 비율이 영 또는 일에 가까우면 이 대칭형 근사에 의존하지 말고 윌슨 신뢰구간이나 정확 이항 신뢰구간처럼 더 적합한 구간을 사용하세요. 관측값이 군집을 이루거나 가중치가 적용된 경우에는 표본 설계도 반영하는 방법을 사용해야 합니다.
소수점 이하 수치보다 현장에서 내려야 할 결론이 더 명확합니다. 자재 대기의 원인을 조사해야 한다는 것입니다. 먼저 해당 키트가 어느 단계에서 미완비 상태가 되었는지, 어떤 구성품이 빠졌는지, 대신 다음 조립 작업을 시작할 수는 없었는지 확인하세요. 활동 분류는 어디를 살펴봐야 할지 알려주고, 현장 팀과 관련 기록은 왜 그런 일이 생겼는지 설명해 줍니다.
작업 여건을 개선하고 달라진 점을 검증하세요
작업자, 자재 운반 담당자, 해당 공정 책임자와 함께 조사 결과를 검토하세요. 꼭 필요한 작업과 피할 수 있는 중단을 구분해야 합니다. 검사는 품질을 지키는 데 필요할 수 있고, 셋업은 다음 배치 생산을 가능하게 하며, 휴식은 하루 동안 작업을 이어 가는 데 도움이 됩니다. 조립이 아니라는 이유만으로 없애도 되는 낭비가 되는 것은 아닙니다.
개선할 사항을 구체적으로 정하고 담당자를 지정하세요. 앞의 조립 사례라면 해당 구역에 작업을 투입하기 전에 키트의 구성품이 모두 갖춰졌는지 확인하는 방안이 될 수 있습니다. 구성품 누락 문제가 줄어드는지, 대기를 다른 부서로 옮기기만 한 것이 아니라 실제로 작업을 더 일찍 진행할 수 있는지 확인하세요.
활동 분류의 정의와 관측 시간 범위를 일관되게 유지하면서 비교 가능한 조건에서 다시 관측하세요. 주요 비율뿐 아니라 제품 구성, 인력 배치, 특이 상황도 함께 비교해야 합니다. 조사의 불확실성 범위 안에 있는 작은 비율 변화만으로는 설득력 있는 근거가 되지 못합니다. 작업 방식이 개선되지 않아도 제품 구성이 달라지면 결과가 좋아 보일 수 있습니다.
무엇보다 처음 측정한 대기 비율 20%를 곧바로 생산 능력 20% 증가로 환산해서는 안 됩니다. 확보된 시간이 짧게 나뉘어 있거나, 그 시간을 활용하려면 다른 인력이 필요하거나, 기계가 이미 가동 중인 시간과 겹칠 수 있습니다. 그 시간에는 다른 어떤 작업도 해당 작업장을 이용할 수 없는 경우도 있습니다.
일정을 배정하려는 자원에 어떤 효과가 있는지 검증하세요. 준비 방식 개선으로 실제 셋업 시간이 줄었다면 새로운 셋업 시간을 측정하고 승인하세요. 작업장을 더 오랜 시간 사용할 수 있게 되었다면 인력과 설비가 그 시간 동안 작업을 지원할 수 있는지 확인해야 합니다. 인력 투입 시간, 공정의 경과 시간, 기계 점유 시간은 서로 구분해서 관리하세요.
검증된 개선 효과를 생산 일정에 반영하세요
검증된 개선의 영향은 조사한 작업장에만 머물지 않습니다. 셋업이 짧아지면 다음 오더를 더 일찍 시작할 수 있지만, 그 오더의 후속 공정에도 여전히 자재와 작업 공간이 필요합니다. 다른 오더도 같은 기계를 사용해야 할 수 있습니다. 이처럼 개별 현장의 개선을 전체에 반영하려면 함께 공유하는 생산 계획이 필요합니다.
SkyPlanner에서는 공정별 소요 시간을 개당 시간, 생산 속도 또는 고정 시간으로 설정하고, 셋업과 작업 종료 후 정리 시간은 별도로 구분할 수 있습니다. 작업장의 교대 일정으로 가용 시간대를 정합니다. SkyPlanner의 스케줄링 인공지능인 Arcturus는 설정된 생산 능력, 선후 관계, 우선순위를 반영해 일정을 계산하며, 그 결과는 간트 타임라인에서 확인할 수 있습니다.
후속 측정에서 특정 작업군의 셋업 시간이 40분에서 30분으로 줄어든 것이 검증되었다고 가정해 보겠습니다. 해당 작업에 승인된 셋업 시간이 적용되도록 관련 계획 입력값을 갱신한 뒤, 나머지 전체 작업량과 함께 고려해 일정상 배치를 다시 계산하세요. 첫 작업장에 생긴 빈 시간만 볼 것이 아니라 후속 공정과 납기일도 검토해야 합니다.
SkyPlanner는 이렇게 서로 연결된 일정 계산을 처리하므로, 변경된 작업을 기계별 대기열에 일일이 끼워 넣는 수작업을 줄여 줍니다. 어떤 개선이 유효한지, 어떤 오더를 우선할지는 사용자가 결정하고, Arcturus는 그 지침을 계획에 반영합니다. 더 탄탄한 근거를 계획에 반영하면, 실제로 작업에 활용할 수 있는 생산 능력으로 이어집니다.
Fredman Operations의 SkyPlanner 도입 경험은 스케줄링의 이점을 보여줍니다. 이 식품 포장재 제조업체는 이전에는 교대별 생산 능력을 명확히 파악하기 어려웠고, 긴급하게 일정을 다시 짜는 데 1시간 이상 걸리기도 했습니다. SkyPlanner 도입 후에는 기계별 일정과 교대별 생산 능력을 하나의 공유 간트 화면에서 볼 수 있게 되었습니다. 회사는 변화에 더 빠르게 대응하고 납기를 약속할 때도 더 명확한 근거를 확보하게 되었다고 설명합니다. 이 사례는 상황이 바뀐 뒤 전체 작업량을 조율하는 것이 왜 중요한지 보여줍니다.
검증된 현장 개선을 전체 수주에 대한 실행 가능한 계획으로 연결해야 한다면 SkyPlanner를 선택하세요. 개방형 REST API를 통해 어떤 ERP 또는 MES와도 연동할 수 있어, 기존 업무 시스템을 유지하면서 생산 스케줄링 방식을 개선할 수 있습니다.
개선 사항 하나와 그에 따라 승인된 소요 시간 또는 가용 시간의 변화, 같은 자원을 사용하는 다른 오더를 준비해 SkyPlanner 데모를 예약하세요. 그러면 그 변화가 납품을 약속한 작업에 어떤 영향을 주는지 구체적으로 확인할 수 있습니다. 먼저 직접 살펴보고 싶다면 데모 데이터로 SkyPlanner를 체험해 보세요.
Jussi Mäntylä
생산계획 전문가, SkyPlanner
