👉 이전 글: Prologue — 데이터 신뢰성, 스마트팩토리의 숨겨진 과제
린과 코드 시리즈 2 · #0
데이터는 정상이었습니다. 그런데 불량이 났습니다.
공정 표준은 지켜졌습니다. 설정 온도도 맞았습니다. 교정 기록도 정상이었습니다.
그런데 제품에 불량이 났습니다.
데이터를 다시 봤습니다. 이상한 값이 없었습니다.
센서는 설정 온도를 충실하게 기록하고 있었습니다.
센서는 교정된 장비였습니다. 그런데 왜 데이터는 현실과 달랐을까요.
제품에 직접 온도계를 부착하고, 챔버 투입부터 완료까지 실제 온도 변화를 연속으로 기록했습니다.
그제야 제품이 경험하는 온도가 보였습니다.
데이터가 정상이라는 것과,
데이터가 현실을 반영한다는 것은
다른 말입니다.
현장 데이터가 어긋나는 4개 지점
스마트팩토리 현장에서 데이터 신뢰성이 흔들리는 지점은 크게 네 곳입니다.
L1 — 센서 / 측정 장비
장비는 교정됐습니다. 그러나 엉뚱한 대상을 측정하고 있었습니다.
교정(Calibration)은 장비의 정확도를 보장합니다. 측정 대상이 맞는지는 보장하지 않습니다.
챔버 벽면의 온도와 제품이 실제로 경험하는 온도 — 센서는 정확했지만 대상이 달랐습니다.
L2 — 데이터 수집 / 전송
센서가 올바른 대상을 측정했더라도 — 그 값이 시스템에 온전히 도달하지 않을 수 있습니다.
네트워크가 잠깐 끊기면 그 시간대 데이터는 공백이 됩니다. 시스템은 이것을 오류로 표시하지 않습니다. 그냥 비어 있습니다.
측정의 문제가 아니라 — 값이 이동하는 과정의 문제입니다.
L3 — 측정 절차 / 사람
센서도 맞고, 전송도 됐습니다. 그러나 누가, 언제, 얼마나, 어떤 순서로 측정하는가 —
절차가 통일되지 않으면 같은 항목도 다른 값이 나옵니다.
L4 — 시스템 간 정의 불일치
MES와 ERP가 같은 항목을 다르게 정의하는 경우도 있습니다.
이 시리즈에서는 다루지 않습니다.
공통점이 있습니다.
L1~L3 모두 — 오류 메시지가 없습니다.
시스템은 정상으로 작동하고 있습니다.
데이터도 정상으로 보입니다.
그래서 더 위험합니다.
이 시리즈는 L1~L3를 다룹니다. 센서와 장비의 신뢰성, 수집 단계의 오염 패턴, 측정 절차의 문제 — 순서대로 살펴봅니다.
📎 참고자료
데이터 신뢰성 문제는 현장의 기술 문제에 머물지 않습니다. 불량은 비용이고, 비용은 이익과 직결됩니다.
품질 비용(COPQ)과 경영 성과의 연결 →
— 현장어를 코드로