제조업에서 생산성 개선 활동은 ‘성과’를 기준으로 평가되어야 합니다. 단순히 공정을 바꾸거나 인력을 재배치했다고 해서 그것이 곧 개선이라 말할 수는 없습니다. 개선의 효과는 반드시 수치로 나타나야 하며, 이를 위해선 전후 데이터를 비교 분석하는 과정이 필수입니다. 이 글에서는 생산성 개선 활동을 진행한 후 어떤 지표에서 얼마나 변화가 있었는지를 실제 사례를 통해 확인하고, 데이터 기반 개선이 왜 중요한지 정리합니다.
생산성 개선, 왜 데이터로 증명해야 하는가?
제조 현장에서 “이 정도면 좋아졌다”, “체감상 나아진 것 같다”는 말은 매우 위험합니다.
데이터가 없는 개선은 개선이 아닙니다.
실무에서 개선 활동은 다양한 자원을 투입합니다.
처음 하기 쉬운 실수 입니다. 생산관리를 처음하다보면 현장 관리자를 포함한 작업자들과 많은 소통과 시간을 보내게 됩니다. 현장을 설득하고 이해시키는 과정에서 이러한 경험은 필수적이지만 정말 제대로 된 관리자가 되려면 측정을 한 데이터 기준으로 말을 할 수 있어야합니다. 단순히 좋아졌다는 말보다는 어떤 지표가 얼마만큼 좋아졌다라고 표현되어야합니다.
- 설비 투자
- 인력 재배치
- 교육 훈련
- 프로세스 변경
- 시스템 도입(MES, ERP 등)
이러한 자원이 실제로 성과를 만들었는지 확인하려면 반드시 수치로 검증해야 하며, 그래야만 조직 전체가 개선을 인정하고 다음 단계로 나아갈 수 있습니다. 아래는 개선과정에서 주어지는 대표적인 지표들입니다.
생산성 개선을 측정하는 핵심 지표
- Labor Productivity: 총 생산량 ÷ 작업자 수
- OEE: 가동률 × 성능효율 × 품질률
- Cycle Time: 제품 1개 생산 소요 시간
- Throughput: 단위 시간당 생산량
- Yield Rate: 양품 비율
- Downtime: 설비 비가동 시간
- On-time Delivery: 계획 대비 납기 준수율
- Changeover Time: 품목 교체 시간
실제 사례: 충청 A전자(주)
산업: 정밀 전자부품 제조
문제: 납기 지연, 품질 불량, 가동률 저하
개선 전 수치 (3개월 평균)
- Labor Productivity: 480개/인/일
- OEE: 61%
- Cycle Time: 3.4분
- Downtime: 3.1시간/일
- Yield: 91.2%
- 납기이행률: 83%
개선 활동
- 병목 공정 재설계
- MES 도입
- 작업 표준 및 교육 강화
- 설비 예방보전 체계 구축
개선 후 수치 (3개월 평균)
- Labor Productivity: 610개/인/일 (+27%)
- OEE: 78% (+17%p)
- Cycle Time: 2.6분 (-23%)
- Downtime: 1.1시간/일 (-65%)
- Yield: 96.7% (+5.5%p)
- 납기이행률: 95% (+12%p)
실무 팁: 개선 전후 비교 체크리스트
- 동일 기준으로 수집 (품목, 설비, 교대 등)
- 비교 기간은 4주 이상
- 핵심 KPI만 선정
- 지표는 “인당, 시간당” 기준 표준화
- Power BI, Google Sheet 등으로 시각화
- 현장과 함께 데이터 공유 및 회의
결론: 수치 없는 개선은 개선이 아니다
생산성 개선은 수치로 증명되어야 합니다. 데이터가 곧 신뢰입니다. 당신의 개선 활동은 지금 어떤 수치를 기준으로 측정되고 있나요? 오늘부터 ‘감’이 아닌 ‘숫자’로 개선을 이야기해 보세요. 관리자에게 숫자와 데이터는 생각보다 중요합니다. 일을 하다보면 여러부서와 협의나 업무의 양을 결정하게 되야할 순간이 오는데 나의 지표뿐만 아니라 상대 부서의 지표까지 알아둔다면 조금 더 유리한 고지에서 이끌 수 있습니다. 제조업에 사용되는 대표적인 숫자들에 대해서 조금 더 여러가지 경우를 알아두고 이해하는 것이 필요합니다.