데이터 기반 가치 흐름 매핑: 스톱워치 대신 ERP 데이터 활용

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

By Mirko Peters · 2026-11-11

디지털 가치 흐름 매핑은 ERP와 현장 데이터로 맵을 만듭니다. 필요한 데이터, 단계, 한계, 관리자를 위한 실제 사례를 살펴봅니다.

Automatically translated with AI from the original post. Read the English original

디지털 가치 흐름 매핑은 스톱워치와 하루치 관찰 대신 기록된 데이터로 가치 흐름 맵을 만듭니다. 주문, 작업 경로, 재고 기록, 생산 피드백을 활용하면 여러 주문에 대한 사이클 타임, 대기 시간, 재고를 한 번에 파악할 수 있습니다. 이 가이드는 ERP 데이터를 보유하고 있으며 그 데이터가 수작업 매핑을 얼마나 대체할 수 있는지 알고 싶은 공장 관리자를 위한 것입니다. 필요한 데이터가 무엇인지, 단계별로 맵을 만드는 방법은 무엇인지, 실제 사례가 무엇을 보여 주는지, 그리고 데이터만으로는 어디서 오해를 낳는지 설명합니다.

핵심 요약

• 디지털 가치 흐름 매핑은 스톱워치와 하루치 관찰 대신 주문, 작업 경로, 재고, 생산 피드백 같은 기록된 데이터로 맵을 만듭니다.
• 기존 방식의 맵은 특정 시점의 스냅숏입니다. 데이터는 주문마다 시간과 재고가 어떻게 달라지는지 보여 주며, 이는 한 번의 현장 순회로는 파악할 수 없습니다.
• ERP 데이터는 보통 수요, 주문, 작업 경로, 재고를 제공합니다. 현장 시스템은 공정별 실제 시작·종료 시각과 수량을 추가로 제공합니다.
• 데이터의 품질은 그 뒤에 있는 입력 기록에 달려 있습니다. 숫자를 신뢰하기 전에 현장 흐름을 직접 확인해 그 의미를 점검하십시오.
• 데이터는 살펴볼 곳을 찾고 맵을 자주 갱신하는 데 사용하십시오. 현장 순회는 원인을 이해하고, 팀과 함께 조치 사항에 합의하는 데 사용하십시오.

스톱워치와 스냅숏이 부족한 이유는 무엇입니까?

가치 흐름 매핑(Value stream mapping)은 린 프로세스 매핑의 한 방법입니다. 제품이나 서비스를 고객에게 전달하는 자재와 정보의 흐름을 그리며, 보통 한 번에 하나의 제품군을 대상으로 합니다. 공장에는 제품군마다 가치 흐름이 여러 개 있으며, 각각 고유한 가치 흐름 맵이 필요합니다. 기존 방식은 현장에서 잘 작동하지만 한계가 있습니다. 독일 다름슈타트 공과대학교(TU Darmstadt)의 생산관리·기술·공작기계 연구소(PTW)는 데이터 지원 가치 흐름 방법 페이지에서 이러한 한계를 다음과 같이 정리했습니다:

• 가치 흐름 맵은 정적입니다. 스냅숏과 추정치에 기반하기 때문에 변동성을 담아내지 못합니다.
• 시간, 재고, 핵심 지표를 손으로 기록하면 매핑을 반복하는 데 많은 시간이 듭니다.
• 이 모델링 언어는 단순한 직선형 흐름에 적합하므로, 분기된 흐름이나 여러 제품군은 표현하기 어렵습니다.
• 공정 단계를 고르고 올바른 데이터를 기록하는 일은 사용자의 경험에 좌우됩니다.

PTW는 첫 산업 프로젝트에서 고객 수요, 제품군의 물량 비중, 공유 자원의 설비 배정이 전문가의 최초 추정치와 비교해 각각 20퍼센트 넘게 수정되었다고도 보고했습니다. 이는 연구 프로젝트의 결과이므로 귀사의 공장에는 맞지 않을 수 있습니다. 그럼에도 추정치는 데이터로 검증할 가치가 있다는 점을 보여 줍니다.

수작업 매핑에는 또 다른 약점이 있습니다. AllAboutLean의 Christoph Roser는 직원에게만 묻는다면 이상적인 상태만 얻게 되고, 중요한 것은 표준에서 벗어난 부분이라고 경고합니다. 그는 현장에서 현재 상태를 직접 그리고 정보를 스스로 검증하라고 권합니다. 그의 글 Practical Tips for Value Stream Mapping에는 독자 댓글도 있는데, 현장 확인에서 얻은 데이터를 MES나 다른 보고 시스템의 데이터와 대조해야 한다고 지적합니다. 이 검증은 양방향으로 이루어집니다. 데이터는 현장 확인을 검증하고, 현장 확인은 데이터를 검증합니다.

디지털 밸류 스트림 매핑이란 무엇이며, 어떤 데이터를 사용합니까?

디지털 밸류 스트림 매핑(데이터 기반 VSM이라고도 함)은 시스템에 있는 기록을 바탕으로 밸류 스트림 맵을 작성합니다. PTW는 거래 데이터로 제품-공정 매트릭스를 만들 수 있고, 생산 피드백과 이벤트 데이터로 프로세스 마이닝을 할 수 있다고 설명합니다. 프로세스 마이닝은 실제 공정 흐름을 재구성하고 처리량, 가공 시간, 대기 시간 같은 지표를 도출합니다. Paryanto, Faizin, Franke가 2026년 Journal of Manufacturing and Materials Processing에 발표한 논문 Improving Manufacturing Line Design Efficiency Using Digital Value Stream Mapping은 수작업으로 집계한 정적 데이터 대신 실시간 운영 데이터를 사용하는 프레임워크를 제안합니다.

대부분의 데이터는 두 종류의 시스템에서 나옵니다.

• 전사적 자원 관리(ERP). 조직 전반의 구매, 재고, 주문 및 관련 거래를 연결하는 업무 소프트웨어입니다. 보통 수요, 주문, 라우팅, 재고 정보를 보관합니다.
• A 제조 실행 시스템(MES). 작업 지시와 공정을 기준으로 생산 활동을 기록하는 현장 소프트웨어로, 예를 들어 설비에서 실제로 소비된 자재를 기록합니다. 실제 시간과 수량을 제공합니다.

경험에 따른 대략적인 기준으로, 출처의 규칙이 아니라 제 개인적인 매핑이지만, 데이터는 다음과 같이 밸류 스트림 맵을 채웁니다.

• 고객 상자: 주문 이력에서 얻은 일별 또는 주별 수요.
• 제품군: 라우팅과 설비를 공유하는 주문.
• 공정 상자: 라우팅의 작업 공정.
• 데이터 상자: 생산 피드백에서 얻은 사이클 타임, 가공 시간, 품종 전환 시간.
• 재고 삼각형: 재고 기록을 일일 수요로 나누어 재고 일수로 변환한 값.
• 정보 흐름: 주문과 일정이 현장에 배포되는 방식.

데이터 기반 밸류 스트림 맵은 어떤 순서로 작성합니까?

1. 제품군과 기간을 선택합니다. 일반적인 변동을 포함할 만큼 충분한 주 수를 잡고, 연휴가 포함된 주는 피합니다.
2. 데이터를 추출합니다. 해당 제품군의 주문, 라우팅, 재고, 생산 피드백을 가져옵니다. 모모든 수치를 추적할 수 있도록 원본 추출 파일을 보관하는 것이 모범 사례 중 하나입니다.
3. 데이터를 정제합니다. 테스트 주문, 중복 데이터, 명백한 입력 오류를 제거합니다. 데이터를 입력하는 담당자에게 각 필드의 의미를 확인합니다.
4. 지표를 계산합니다. 주문별로 가공 시간, 대기 시간, 리드 타임을 계산합니다. 평균만이 아니라 중앙값과 범위도 함께 보고합니다.
5. 맵을 그립니다. 계산한 수치를 일반적인 데이터 상자와 타임라인에 넣습니다. 1분 안에 읽을 수 있는 밸류 스트림 맵을 만들고, 추출 과정은 반복 가능한 워크플로로 남겨 매달 갱신할 수 있게 합니다.
6. 흐름을 직접 걸어 봅니다. 밸류 스트림 맵을 현장과 대조합니다. 두 공정에서 재고를 직접 세어 보고, 여러 사이클을 관찰합니다.
7. 조치에 합의합니다. 개선 후 상태를 그리고, 가장 큰 격차를 골라 측정 가능한 목표를 정하고, 담당자를 지정한 뒤 변경 후 밸류 스트림 맵을 다시 작성합니다. 생산, 계획, 물류 부서의 이해관계자와 공유합니다.

예시: 스톱워치와 데이터가 한 공정에 대해 말해 주는 것

이것은 가상의 수치를 사용한 설명용 예시이며, 실제 측정 사례가 아닙니다. 공장 관리자가 한 제품군을 매핑합니다. 일일 수요는 280개이고, 하루 근무 시간은 25,200초이므로 택트 타임은 25,200 ÷ 280 = 90초입니다.

스톱워치. 현장 순회 중 팀은 용접 공정을 측정합니다. 숙련된 작업자가 좋은 날 기준으로 제품 한 개당 85초가 걸립니다. 택트 타임보다 짧으므로 용접은 문제가 없어 보입니다.

데이터. 4주간의 생산 피드백을 보면 제품 한 개당 평균 98초가 걸립니다. 여기에는 순회 당일에는 아무도 보지 못했던 짧은 정지, 재작업 루프, 느린 교대 근무가 포함되어 있습니다. 98초 기준으로 용접은 근무일 하루에 25,200 ÷ 98 = 약 257개를 생산합니다. 수요는 280개이므로 하루 약 23개, 즉 8퍼센트가 부족합니다. 용접은 택트 타임을 넘어서고 있으며, 병목 공정입니다.

대기 시간. 순회에서는 용접 앞에 2일분의 재고가 쌓여 있는 것을 확인했습니다. 주문 10건의 주문 기록을 보면 대기 일수는 0.5, 0.5, 1, 1, 1.5, 2, 2, 2.5, 3, 6일입니다. 합계는 20이므로 평균은 2일이고, 중앙값은 1.75일입니다. 10건 중 1건은 6일을 기다렸습니다. 고객은 평균이 아니라 6일 기다린 주문을 기억하므로, 평균만큼 편차 범위도 중요합니다.

교훈은 다음과 같습니다. 스톱워치와 현장 순회는 그럴듯한 그림을 보여 주었지만, 데이터는 그들이 놓친 두 가지를 보여 주었습니다. 이 흐름에서 가장 큰 낭비는 대기이며, 그 뒤에 쌓인 재고는 상류 공정의 과잉 생산을 나타냅니다. 데이터는 또한 어디를 살펴봐야 하는지도 알려 줍니다. 바로 용접 공정과 가장 오래 기다리는 주문입니다. 그다음 현장 순회가 그 이유를 알려 줍니다.

데이터 기반 매핑의 한계는 무엇일까요?

데이터는 사람들이 기록한 내용이며, 기록이 항상 실제 사건과 일치하는 것은 아닙니다. 작업자가 교대 근무가 끝날 때 한꺼번에 일괄 입력할 수 있으므로, 시작 시간과 종료 시간은 작업 자체가 아니라 입력 시점을 보여 줍니다. 재고 기록은 현장보다 늦게 반영될 수 있습니다. 건물 간 이동처럼 아무도 기록하지 않는 작업도 있을 수 있습니다. 대기는 대개 아무도 기록하지 않는 곳에 숨어 있습니다.

데이터는 또한 원인에 대해서는 아무것도 말해 주지 않습니다. 작업자가 부품을 가지러 40미터를 걸어간다는 사실이나 고정 지그를 물리기 어렵다는 사실은 알려 주지 않습니다. 이를 알려면 여전히 작업이 이루어지는 현장, 즉 겐바(gemba)가 필요합니다. 데이터는 먼저 어디를 살펴볼지 알려 주는 안내자이자 가치 흐름 맵을 자주 반복해서 갱신하는 수단으로 활용하고, 현장 순회는 이해를 돕는 수단으로 활용하십시오. 두 가지를 함께 사용해 낭비를 찾고 지속적 공정 개선의 작은 변화인 카이젠 단계를 선택하십시오. 목표는 완벽한 지도를 만드는 것이 아니라 흐름을 최적화하는 것입니다. 두 방법을 함께 쓰면 서로의 오류를 바로잡아 줍니다.

흔한 실수

• 데이터를 맹신하기. 각 필드가 언제, 어떻게 기록되는지 확인하십시오. 늦게 또는 일괄로 입력된 기록은 사이클 타임을 왜곡합니다.
• 현장 순회 생략하기. 책상에서만 만든 맵은 공장이 실제로 하는 일이 아니라 시스템이 기록한 내용만 보여 줍니다.
• 평균만 사용하기. 좋은 평균 뒤에 긴 대기 한 건이 숨어 있을 수 있습니다. 중앙값과 범위를 함께 보여 주십시오.
• 모든 제품군을 한꺼번에 매핑하기. 제품군 하나부터 시작해 나중에 확대하십시오.
• 정보 흐름을 잊기. 데이터는 자재가 어떻게 이동했는지를 보여 줍니다. 일정과 주문이 현장에 어떻게 전달되는지도 따로 확인해야 합니다.
• 데이터를 정리하기 전에 도구부터 구매하기. 도구는 잘못된 숫자를 더 빨리 보여 줄 뿐입니다. 먼저 입력 기록부터 바로잡으십시오.

소프트웨어는 어떻게 도움이 될 수 있을까요?

데이터를 손으로 추출하고, 정리하고, 결합하는 작업은 시간이 오래 걸리며 반복해야 합니다. iFAKT의 Polaris VSM은 데이터 기반 가치 흐름 매핑을 위한 iFAKT Polaris의 모듈입니다. 이 모듈은 자재 흐름과 정보 흐름을 협업 방식으로 모델링하고, 낭비와 병목을 눈에 보이게 만듭니다. 어떤 도구를 사용하든 데이터가 어떻게 입력되는지 확인하고, 처음 만든 맵을 현장에서 실제로 보는 것과 비교하십시오.

다음 단계

한 제품군에 대해 수요, 라우팅, 재고, 생산 피드백을 보관하는 시스템을 나열하고, 각 수치를 누가 언제 입력하는지 확인하십시오. 그런 다음 해당 제품군의 4주치 데이터로 디지털 가치 흐름 매핑을 시도하고, 현장을 순회하며 결과를 검증하십시오.