제조 시뮬레이션 KPI 추적: 시나리오를 공정하게 비교하는 방법

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 · 2026-11-12

제조 시뮬레이션 KPI 추적은 공장이 실제로 사용하는 방식에 맞춰 정의한 몇 가지 KPI에서 출발합니다. 시나리오를 실행하고, 결과를 해석하고, 보고하는 방법을 알아봅니다.

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

제조 시뮬레이션 KPI 추적은 모델을 만들기 전에 소수의 성과 지표를 선정하고, 공장이 계산하는 방식과 똑같이 모델에서 이를 계산한 뒤, 그 수치로 시나리오를 비교하는 것을 뜻합니다. 모델과 공장의 정의가 다르면, 대시보드가 아무리 그럴듯해 보여도 결과를 신뢰할 수 없습니다. 이 글은 시뮬레이션 연구를 수행하는 공장 관리자와 공정 엔지니어, 또는 그 결과를 읽고 판단해야 하는 분들을 위한 것입니다.

핵심 포인트

• 시뮬레이션 KPI 추적은 모델을 만들기 전에 몇 가지 KPI를 고르고, 공장이 계산하는 방식과 똑같이 이를 계산하는 것을 뜻합니다.
• ISO 22400-2는 이러한 원칙을 보여줍니다. 각 KPI는 계산식, 구성 요소, 시간 동작, 단위로 기술됩니다.
• 시뮬레이션 실행 한 번은 표본 하나에 불과하므로, 여러 번 반복 실행한 뒤 평균과 신뢰구간을 함께 보고하십시오.
• 시나리오마다 한 가지만 바꾸고, 시나리오는 동일한 KPI 정의로 비교하며, 먼저 기준 모델(베이스라인)을 실제 과거 기간과 대조해 확인하십시오.
• 시뮬레이션 결과는 실시간 데이터가 아니므로, 이를 기반으로 하는 대시보드는 실행 묶음이 끝날 때마다 새로 고치고 시나리오별로 레이블을 붙여야 합니다.

제조 시뮬레이션 KPI 추적이란 무엇입니까?

시뮬레이션 모델은 방대한 원시 출력을 만듭니다. 시뮬레이션 시간 동안의 모든 부품, 모든 대기, 모든 기계 상태가 기록됩니다. KPI 추적은 이 출력을 사람들이 비교할 수 있는 몇 개의 숫자로 바꿉니다. 공장 시뮬레이션이 "이것을 바꾸면 어떤 일이 일어날까?"라는 질문에 답한다면, KPI는 공장이 이미 사용하는 용어로 그 영향의 크기를 보여줍니다.

이 작업은 두 가지 방식으로 잘못될 수 있습니다. 첫째, 팀이 시뮬레이션 소프트웨어에서 쉽게 얻을 수 있는 값을 측정한 결과, 공장의 누구도 알아보지 못하는 수치가 나옵니다. 둘째, 팀이 대시보드 템플릿에서 긴 KPI 목록을 그대로 가져오면, 의사결정과 무관한 숫자에 묻혀 연구가 길을 잃습니다.

해결책은 두 경우 모두 같습니다. "조립 라인에 2교대를 추가할까, 기계를 한 대 더 살까?"와 같은 의사결정에서 출발하여, 어떤 숫자가 있어야 두 선택지 중 하나를 고를 수 있는지 물어보십시오. 그 숫자들이 바로 여러분의 KPI입니다.

시뮬레이션 연구에는 어떤 KPI가 적합합니까?

목록은 짧게 유지하십시오. 5~7개면 충분합니다. 다음은 흔히 쓰이는 선택지이며, 어떤 것이 중요한지는 여러분의 질문에 따라 달라집니다.

1. 처리량. 시간, 교대, 주 단위로 생산되는 양품 수량입니다.
2. 리드 타임. 주문이나 부품이 출고된 시점부터 완료될 때까지 걸리는 시간입니다.
3. 작업 중 재공품(WIP). 특정 시점에 시스템 안에 있는 양입니다. 리드 타임과 함께 움직이는 경우가 많습니다.
4. 자원 가동률. 가용 시간 중 기계와 사람이 바쁘게 일하는 비율입니다. 병목 설비와 그 바로 옆 자원을 함께 살펴보십시오.
5. 병목 앞의 대기 시간과 대기열 길이.
6. 정시 납품율. 모델에 납기일이 포함되어 있는 경우에 해당합니다.
7. OEE. 설비 손실이 제약 요인일 때 해당합니다.

OEE는 구체적으로 다뤄야 합니다. 린 엔터프라이즈 연구소(Lean Enterprise Institute)는 종합설비효율(OEE, overall equipment effectiveness)을 가용률, 성능률, 품질률을 곱해 산출하는 종합생산보전(TPM) 지표로 설명합니다. 또한 일반적으로 여섯 가지 주요 손실, 즉 고장, 셋업 및 조정, 순간 정지, 속도 저하, 불량, 재작업을 대상으로 한다고 말합니다. 시뮬레이션에서 OEE가 의미를 가지려면 모델에 고장 동작, 설비 교체(셋업) 시간, 불량률처럼 이러한 손실이 실제로 포함되어 있어야 합니다. 그렇지 않다면 모델에서 나온 OEE 수치는 소수점이 붙은 추측에 불과합니다. 또한 셋업 시간이 긴 혼합 생산 라인에서는 OEE가 비용과 납기를 움직이는 요인을 가릴 수 있으므로, 리드타임이나 정시 납품률과 함께 보는 것이 좋습니다.

모델이 영향을 줄 수 없는 KPI는 과감히 배제하십시오. 시나리오에서 교대 패턴을 바꾼다면, 고객 만족도 점수는 이 연구에 들어갈 자리가 없습니다.

모델과 공장이 같은 결론에 이를 수 있도록 KPI는 어떻게 정의해야 할까요?

첫 실행 전에 한 페이지짜리 KPI 시트를 작성하십시오. 각 KPI에 대해 다음을 명시합니다.

• 이름과 이 KPI가 답하는 질문,
• 산식과 그 구성 요소,
• 시간 기준(예: 교대별, 달력 주별, 계획 생산 시간당),
• 단위,
• 실제 값을 공장의 어디에서 얻는지,
• 정의에 대한 책임자가 누구인지.

이 분야의 표준들이 따르는 원칙이 바로 이것입니다. 제조 운영 관리의 핵심 성과 지표를 정의하는 ISO 22400-2의 ISO 페이지에 따르면, 각 KPI는 산식과 구성 요소, 시간 거동, 단위 또는 차원, 사용자 그룹, 소속된 생산 방법론으로 기술되어야 합니다. 제가 읽은 페이지는 2014년판을 대체할 2판 초안을 설명하고 있으므로, 이 표준을 인용하실 계획이라면 현재 판을 반드시 확인하십시오. 표준을 그대로 따르지 않더라도 그 습관은 얻을 수 있습니다. 바로 KPI마다 정확한 정의를 하나씩 두는 것입니다.

의견이 엇갈리는 대부분의 원인은 시간입니다. "가용률"은 "무엇 대비 가용인가?"에 대한 답에 따라 달라집니다. LEI가 설명하는 OEE는 고장과 셋업으로 인한 정지 시간을 계획 가동 시간 대비로 측정하므로, 시트에서 계획 가동 시간을 명확히 정의해야 합니다. 계획 정비가 포함됩니까? 휴식 시간은요? 달력상 휴무로 되어 있는 교대는요? 이 사항들은 모든 결과를 바꾸므로, 모델을 만들기 전에 확정해 두십시오.

그다음, 이 시트에 가치를 부여하는 검증을 수행하십시오. 실제 과거 기간의 공장 데이터로 동일한 KPI를 계산하고, 같은 기간을 입력했을 때 모델이 산출하는 결과와 비교합니다.

시나리오는 어떻게 실행하고 결과는 어떻게 읽어야 할까요?

시뮬레이션 한 번의 실행은 무작위 표본입니다. 고장, 도착 시각, 처리 시간이 매번 달라지므로, 같은 시나리오라도 두 번 실행하면 서로 다른 답이 나옵니다. 단일 실행 결과는 일화로 취급하십시오.

1. 기준 모델을 검증하십시오. 실제로 알고 있는 기간에 대해 모델을 실행하고, KPI를 현실과 비교하십시오. 모델이 과거를 수용 가능한 범위 안에서 재현하지 못한다면, 어떤 변경도 테스트하기 전에 모델부터 고치십시오.
2. 반복 실행을 사용하십시오. 각 시나리오를 독립적인 난수 흐름으로 여러 번 실행하십시오. 시뮬레이션 실험 설계에 관한 MIT 강의는 반복 횟수를 정밀도 목표로 정하는 방법을 설명합니다. 즉, 추정치에 비해 신뢰구간이 충분히 좁아질 때까지 실행을 이어가는 것입니다. 또한 반복 횟수가 30회 미만이면 구간 추정에 스튜던트 t 분포를 사용해야 한다고 언급합니다.
3. 초기 구간(워밍업)을 처리하십시오. 연속으로 가동되는 공장의 경우 모델은 비어 있는 상태에서 시작하므로 정상 가동 상태에 도달하기까지 시간이 필요합니다. 같은 강의는 각 반복의 앞부분을 버리는 방법과, 버릴 구간의 길이를 정하는 Welch 방법을 설명합니다. 질문이 특정 기간, 예를 들어 하나의 주문 배치에 관한 것이라면, 그 시점에 공장이 갖고 있는 상태에서 모델을 시작하십시오.
4. 시나리오마다 한 가지만 바꾸십시오. 시나리오 B에서 설비를 추가하면서 교대 패턴과 배치 크기까지 함께 바꾸면, 무엇이 결과를 만들었는지 알 수 없습니다.
5. 결과는 범위로 보고하십시오. "처리량이 6.5% 증가"보다는 "처리량이 4%에서 9% 증가"가 더 정직한 표현입니다. 두 시나리오의 신뢰구간이 크게 겹친다면, 데이터로는 둘을 구분할 수 없다고 명시하십시오.
6. 전체 흐름을 보십시오. 한 기계의 개선이 병목을 다른 곳으로 옮길 수 있습니다. 변경한 설비만 볼 것이 아니라 흐름 전체에 걸쳐 가동률과 대기열을 확인하십시오.

시나리오 등록부를 유지하십시오. 시나리오 이름, 변경 내용, 가정, 반복 실행 횟수, 날짜를 담은 목록입니다. 이것이 없으면 6개월 뒤 아무도 시나리오 7을 왜 선택했는지 기억하지 못합니다.

시뮬레이션 KPI를 관리자에게 어떻게 보여 줄 수 있을까요?

관리자에게 필요한 것은 원시 출력이 아니라 비교입니다. 기준선과 각 시나리오를 같은 몇 가지 KPI에 대해 범위와 함께 나란히 보여 주고, 각 시나리오가 무엇을 바꾸는지 메모를 붙이는 단순한 페이지면 충분합니다.

Microsoft 환경에서는 결과 표를 Power BI에 불러오는 방식이 흔합니다. 각 행에 시나리오, 반복 실행 번호, KPI 이름, 값이 들어가면 비교 화면을 만들고 시나리오별로 필터링할 수 있습니다. 데이터 새로 고침에 관한 Microsoft 문서에 따르면 시맨틱 모델에 가져온 데이터는 특정 시점의 복사본이므로 새 데이터를 보려면 새로 고쳐야 합니다. 시뮬레이션 결과에는 잘 맞습니다. 여러 번 실행한 뒤에 새로 고치면 되고, 그 전에 할 필요는 없습니다.

이에 따라 두 가지 실무 포인트가 있습니다.

• 모든 시각 자료에 시나리오 결과임을 표시하고 마지막 실행 날짜를 함께 적으십시오. 실제 설비 수치 옆에 예측 수치가 놓이면 잘못 해석하기 쉽습니다.
• 변경 사항이 적용된 뒤에는 같은 KPI 정의를 사용해 계획과 실제를 비교해 보십시오. KPI 시트의 가치가 드러나는 지점입니다.

모델 옆에 설비의 실시간 현황을 보고 싶다면 자체 데이터 피드가 필요한 별도 작업입니다. 시뮬레이션 KPI가 신뢰를 얻은 뒤의 다음 단계로 다루십시오.

모델을 시간이 지나도 정확하게 유지하려면 어떻게 해야 할까요?

3월에 맞았던 모델이 9월에는 틀릴 수 있습니다. 공정이 그 사이에 변했기 때문입니다.

• 재보정하십시오. 분기마다, 또는 주요 변경 후마다 모델 KPI와 실제 KPI를 비교하고, 차이가 나면 입력값을 조정하십시오.
• 입력값에 책임자를 두십시오. 사이클 타임, 셋업 시간, 고장 특성, 교대 일정에는 이를 갱신할 담당자를 지정해야 합니다. 시뮬레이션 데이터를 관리 주체가 있는 제품처럼 다루십시오.
• 중요한 곳에서는 사람도 포함하십시오. 작업자는 결근, 숙련도, 작업 속도의 편차를 통해 결과를 바꿉니다. 피로를 모델링할 필요는 없습니다. 사이클 타임의 현실적인 편차와 교대별 실제 인원 배치만 반영해도 대부분 해결됩니다. 모델의 가정이 타당한지 교대 리더에게 물어보십시오.
• 목표치를 다시 점검하십시오. 제품 믹스에 맞는지 확인하지 않고 다른 공장의 벤치마크를 모델에 가져오지 마십시오. 먼저 자사의 기준선을 사용하십시오.

흔한 실수

• 대시보드부터 시작하지 마십시오. 먼저 KPI와 답하고자 하는 질문을 정하십시오.
• KPI가 너무 많음. 숫자가 스무 개나 되는 페이지는 아무도 읽지 않습니다.
• 모델과 공장의 정의가 다름. 그러면 어떤 비교도 불가능합니다.
• 시나리오당 한 번만 실행. 무작위성이 결론을 대신 내리게 됩니다.
• 기준선 검증 생략. 모델이 과거를 재현하지 못한다면 예측에는 근거가 없습니다.
• 시나리오마다 여러 가지를 동시에 변경. 원인에 대해 아무것도 알 수 없습니다.
• 예측을 실시간 데이터처럼 보여 주기. 시나리오 결과는 명확하게 표시하십시오.
• 모델 입력값의 책임자 부재. 오래된 입력값은 확신에 찬 잘못된 답을 만들어 냅니다.

Polaris의 위치

이런 종류의 연구에는 iFAKT Polaris의 두 모듈을 살펴볼 만합니다. iFAKT는 Polaris Simulator를 실제 의사결정 전에 생산 시스템을 가상으로 테스트하고, 용량, 인력, 버퍼 시나리오를 다루며, 시간에 따른 병목과 가동률 불균형을 보여 주는 도구로 소개합니다. Polaris Analyzer는 모듈 전반에 걸친 KPI 대시보드를 제공하고 계획 값과 실제 값을 비교합니다. 다른 도구와 마찬가지로, 그 안의 KPI 정의가 자사의 정의와 일치하는지 확인하고, 먼저 한 개 라인에서 시험해 보십시오.

더 알아볼 만한 관련 주제

• KPI 계층 구조. 라인, 교대, 부서, 공장 값을 각 수준에서 다시 계산하지 않고 어떻게 상위로 집계하는지 다룹니다.
• 모델의 데이터 원천. 어떤 ERP, 설비, 수작업 데이터가 모델에 들어가는지, 그리고 그 데이터의 품질을 어떻게 확인하는지 설명합니다.
• 공장 간 지표 정규화. 자동화 수준이 서로 다른 사이트를 비교하면서도 다품종 소량 생산 공장이 불리해지지 않도록 하는 방법입니다.
• 모델에서의 작업자 편차. 모델링할 가치가 있는 작업자 및 교대 효과와 복잡성만 늘고 이득이 없는 효과를 구분합니다.
• 계획에서 실적까지. 변경 사항이 실제로 적용된 뒤 선택한 시나리오를 실제 KPI와 어떻게 비교할지 다룹니다.

다음 단계

제조 시뮬레이션 KPI 추적은 모델과 공장이 같은 숫자로 이야기할 때 효과를 발휘합니다. 다음 시뮬레이션 질문을 하나 정하고, 수식, 시간 기준, 단위를 포함한 KPI 시트를 한 페이지로 작성한 뒤, 첫 번째 시나리오를 실행하기 전에 실제 과거 기간의 데이터와 대조해 보십시오.