핵심 파라미터는 오직 한 사람의 머릿속에만 있다
작업장에서 가장 가치 있는 자산 목록에는 결코 ‘노장’이라는 말이 기재되지 않지만, 5년 이상 생산을 담당해 온 어느 공장장이라도 잘 알고 있다. 실제로 생산 라인을 안정적으로 유지하는 것은 대개 두세 명의 노동자들이다. 어느 공작기계가 겨울철에 얼마나 오래 예열해야 하는지, 어느 금형이 몇 만 번째 주조 때부터 표면 거칠기가 생기기 쉬운지, 이번 원료를 조금 더 빠르게 절삭하면 어떤 문제가 발생할지—이 모든 답은 어떤 매뉴얼에도 없고 오직 그들의 머릿속에만 있다.
문제는 이들이 은퇴하거나 퇴사하거나 장기 휴가를 내는 그 주에 집중적으로 폭발한다: 신제품 시제품 제작 시 아무도 기계를 가동할 용기를 내지 못하고, 같은 재료라도 교대가 바뀌면 불량이 나온다. 신입 직원들은 종이로 된 작업 지침서를 들고 자리에서 어쩔 줄 모른다. 이는 직원들의 태도 문제가 아니라, 기업의 공정 지식이 그동안 보관·전달·평가 가능한 자산으로 전환되지 않았기 때문이다. 종이에 적힌 작업 지침서는 대부분 3년 전 버전으로, 현장에서 실제로 진행되는 내용과는 이미 맞지 않는다.
먼저 경험에는 어떤 종류가 있는지 구분하자
노장들의 경험을 세부적으로 분석해 보면, 사실 세 가지 유형으로 나뉘며 처리 방식도 완전히 다르다:
- 하드 파라미터: 회전수, 이송 속도, 온도, 압력, 시간 등. 이러한 지식은 가장 쉽게 정착되며, 본질적으로 구조화된 데이터이므로 인력이 아닌 공정과 설비에 따라 관리되어야 한다.
- 판단 규칙: 어떤 소음이 도구 마모를 의미하는지, 어떤 촉감이 재료 이상을 나타내는지. 이런 지식은 대표적인 불량 시편, 사진, 그리고 텍스트 설명을 함께 남겨 검색 가능한 불량 사례 데이터베이스로 만들어야 한다.
- 작업 습관: 먼저 어느 면을 닦고, 어느 기준점을 먼저 측정하는지. 이러한 지식은 작업 표준에 고정되어야 하며, ‘왜 이렇게 해야 하는지’까지 명확히 기술되어야 한다. 신입 직원이 이유를 이해해야만 동작이 흐트러지지 않는다.
많은 기업들이 구매한 이른바 지식관리시스템이 제대로 정착하지 못하는 이유는 바로 이러한 분류 작업을 하지 않고, 모든 경험을 무조건 문서로 저장하기 때문이다. 결과적으로 검색해 보면 수백 개의 PDF 파일이 나오지만, 실제 작업 현장에서는 아무도 이를 열어보지 않는다. 경험 관리의 첫 단계는 분류이고, 두 번째 단계에서야 비로소 저장이 이루어진다.
데이터는 어떻게 설계해야 할까
시스템 설계 차원에서 핵심은 공정을 경험의 주요 기준점으로 삼는 것이다. 공정 경로, 공정 카드, 파라미터 표, 불량 사례 모두 공정 아래에 연결되고, 다시 공정을 통해 설비, 금형, 재료와 연계된다. 이렇게 구성하면 다음과 같은 직접적인 이점이 있다: 근로자가 스캔을 통해 특정 공정에 들어갈 때, 해당 공정에 현재 적용 중인 파라미터 버전만 확인할 수 있어 파일을 잘못 찾을 일이 없다; 파라미터 수정 시 반드시 버전 관리 절차를 거쳐야 하며, 누가 수정했는지, 왜 수정했는지, 누가 승인했는지, 어느 배치부터 적용되는지까지 모두 기록으로 남는다; 불량 사례에는 사진과 판정 결론이 첨부되어 검사원이 이상을 발견했을 때 이미 은퇴한 노장에게 전화로 문의하는 대신 과거 사례와 직접 비교할 수 있다.
버전 관리는 가장 간과되기 쉬운 부분이다. 공정 파라미터는 한 번 정해놓으면 영원히 변하지 않는 것이 아니다. 설비 대수선, 재료 공급업체 변경, 고객의 새로운 요구사항 등은 모두 조정을 불러온다. 시스템이 보장해야 할 것은, 어떤 배치의 제품이든 ‘그 당시 적용된 파라미터 버전이 무엇인지’를 확인할 수 있도록 하고, 품질 문제가 발생했을 때 그 원인을 추적할 수 있게 해야 한다는 점이다.
데이터 수집은 일하는 순서를 따라야 한다
경험 축적의 가장 큰 적은 ‘별도로 시간을 들여 기록해야 한다’는 생각이다. 근로자가 퇴근한 후에나 데이터를 추가로 입력하도록 하는 방식은 두 주일도 채 지속되지 못하고 결국 유명무실해진다. 실현 가능한 방법은 데이터 수집을 작업 보고 과정에 통합하는 것이다: 양품 수량을 보고하면서 동시에 현재 파라미터가 공정 카드와 일치하는지 확인하고, 불량을 보고할 때는 반드시 불량 코드를 선택하며, 사진 촬영이 가능한 경우 사진을 함께 전송한다. 이러한 이상 상황 처리 과정의 기록은 오히려 판단 규칙을 도출하는 가장 귀중한 자료가 된다—전문가들이 좌담회를 열어 정리한 ‘경험집’보다 훨씬 현실적이다.
교육 과정도 마찬가지다. 신입 직원의 교육 계획은 공정별로 세분화된 작은 과제로 나누고, 각 공정마다 ‘몇 개는 따라하고, 몇 개는 독립적으로 수행하며, 누가 최종 확인하는지’를 명시한다. 이행 상태는 시스템에서 실시간으로 확인 가능하다. 반장은 더 이상 기억에 의존해 교육을 배치할 필요가 없으며, 신입 직원이 어느 공정에 머물고 어떤 작업에서 반복적으로 실수를 저지르는지 주간 보고서에서 한눈에 파악할 수 있어 교육 자원도 그쪽으로 집중된다.
개발과 검수는 무엇을 봐야 할까
개발 단계에서 가장 중요한 세 가지 요소가 있다. 첫째, 권한: 파라미터 수정 권한은 반드시 공정 담당 직책으로 집중되어야 하며, 운영 직책은 조회와 실행 확인만 가능하도록 해 ‘누구나 마음대로 수정’하는 일을 막아야 한다. 둘째, 인터페이스: 공정 데이터는 작업 지시서, 작업 보고, 품질 검사와 같은 데이터 체인에 통합되어 정보의 고립을 방지해야 하며, 그래야 품질 추적이 가능하다. 셋째, 단말기 적응: 작업대 단말기는 기름때, 장갑, 조명 등을 고려하여, 스캔과 물리적 버튼으로 해결할 수 있는 기능은 사용하도록 해 근로자가 키보드를 치지 않도록 해야 한다.
검수는 문서를 몇 개 입력했는지가 아니라, 네 가지 지표를 살펴봐야 한다: 신입 직원의 독립적 업무 시작 기간이 얼마나 단축되었는지, 동일 공정에서 불량률이 감소했는지, 파라미터 변경 후 실행 일치율이 어떠한지, 이상 상황 처리의 평균 응답 시간이 얼마나 되는지. 이 네 가지 수치가 움직여야만, 경험 관리가 진정으로 시스템에 도입된 것이지, 단지 전자 문서함 하나가 늘어난 것에 불과한 것이 아니다.
도입 순서에 대한 제안
도입 순서를 결정할 때는 공장 전체의 경험을 한 번에 시스템에 옮기려는 생각은 하지 말아야 한다. 우선 불량 손실이 가장 큰 한두 개의 공정을 선정해, 현행 파라미터와 최근 반년간의 불량 사례를 정리해 첫 번째 버전을 런칭한 다음, 데이터 수집의 폐쇄루프가 안정적으로 작동한 뒤에야 반장들이 매월 일상에서 발견한 규칙들을 추가로 입력하도록 한다. 지식 데이터베이스는 길러내는 것이지, 단기간에 급하게 작성하는 것이 아니다. 석 달 후 앞서 언급한 네 가지 지표를 점검해, 전체 공장에 확대 적용할 만한 가치가 있는지 여부를 자연스럽게 판단할 수 있을 것이다.
경험 데이터베이스는 설비와 다수의 공장 사이에서도 연계되어야 한다
경험 데이터베이스가 2단계로 발전할 때, 가장 큰 확장 가치를 갖는 두 가지 방향이 있다. 첫 번째 방향은 설비 데이터 연계: 주요 공작기계에 데이터 수집 장치를 부착하면, 전류, 진동, 실제 회전수 등의 데이터를 불량 기록과 시간 축을 맞춰 비교할 수 있게 된다. 노장들이 ‘귀로 듣던’ 판단도 센서가 규칙적으로 대체할 수 있는 기회가 생긴다—어떤 전류 파형이 표면 거칠기 불량과 관련되는지, 데이터를 충분히 분석하면 자연스럽게 드러난다. 경험은 더 이상 막연한 구전이 아니라, 경보 규칙의 조건으로 기록될 수 있게 된다. 두 번째 방향은 다수 공장 간 재사용: 동일 그룹이 서로 다른 지역에 공장을 운영할 때, 공정 문서는 대개 각각 별도로 보관되고 개별적으로 수정된다. 그러나 경험을 공정을 기준점으로 삼아 하나의 시스템에 집중적으로 저장한 뒤에는, 신규 공장이 가동할 때 모공장의 해당 공정 파라미터 버전 역사와 불량 사례를 그대로 계승할 수 있어, 초기 안정화 기간이 한두 달 단축되는 것이 일반적이다.
반대로 한 가지 당부를 드리자: 이 두 가지 단계가 마련되기 전에는 과도한 설계를 피해야 한다. 먼저 한 개의 공장에서 경험의 폐쇄루프를 성공적으로 가동해 신입 직원의 숙련 기간이 실제로 단축되었음을 입증한 뒤에야 설비 연계와 다수 공장 간 재사용을 논의해야 하며, 그래야 투입과 산출의 근거가 확실해진다.