DFMEA를 실제로 작성하고 여러 사람과 리뷰하다 보면 의외로 많은 시간을 쓰게 되는 항목이 있습니다.
바로 Occurrence(발생도) 입니다.
Severity는 고장이 발생했을 때 고객이나 시스템에 미치는 영향을 기준으로 평가할 수 있고, Detection 역시 현재의 검증 방법과 검출 능력을 기준으로 어느 정도 판단할 수 있습니다.
그런데 DFMEA의 Occurrence는 달랐습니다.
특히 새로운 제품을 개발하는 단계에서는 아직 제품이 양산되지 않았기 때문에 충분한 불량률이나 Field Data를 가지고 있지 않은 경우가 많습니다. 그러다 보니 실제 회의에서는 이런 대화가 자주 생겼습니다.
“이 정도면 Occurrence 4 아닌가요?”
“저는 6 정도라고 생각합니다.”
“기존 제품에서도 사용했던 설계니까 3 정도면 충분하지 않을까요?”
각자의 설명을 들어보면 모두 어느 정도 일리가 있습니다. 문제는 객관적으로 어느 숫자가 맞는지를 명확하게 설명하기 어렵다는 것이었습니다.
저 역시 DFMEA를 실제로 작성하면서 이 부분을 많이 고민했습니다. 정성적인 평가라는 이유로 기준을 느슨하게 적용하기 시작하면 결국 흔히 말하는 ‘귀에 걸면 귀걸이, 코에 걸면 코걸이’ 식의 Rating이 되어버릴 수 있기 때문입니다.
![]() |
| DFMEA발생도 평가기준 |
PFMEA Occurrence와 똑같이 생각하면 문제가 생긴다
처음 혼란이 생기는 가장 큰 이유는 DFMEA와 PFMEA 모두 똑같이 Occurrence라는 용어를 사용하기 때문입니다.
하지만 두 Occurrence의 판단 근거는 상당히 다릅니다.
PFMEA에서는 실제 제조공정 데이터를 활용할 수 있습니다. 예를 들면 공정 불량률, Scrap 데이터, SPC 결과, 과거 생산실적, 유사공정의 품질이력, 공정능력, 예방관리의 효과 등이 있습니다.
즉 PFMEA에서는 비교적 직접적으로 다음 질문을 할 수 있습니다.
“이 원인이 실제 공정에서 얼마나 자주 발생하는가?”
반면 DFMEA 단계에서는 아직 제조공정조차 확정되지 않은 경우가 있습니다.
따라서 PFMEA처럼 실제 불량률을 가지고 Occurrence를 평가하려고 하면 근거가 부족할 수밖에 없습니다. 아직 제품을 한 개도 생산하지 않았는데 예상 불량률을 만들어 Occurrence를 정한다면, 숫자로 표현했을 뿐 실제로는 또 다른 정성적 판단일 수 있습니다.
그렇다면 DFMEA의 Occurrence는 무엇을 봐야 할까?
제가 실무적으로 중요하다고 생각하게 된 것은 질문을 바꾸는 것이었습니다.
단순히 “이 고장이 얼마나 자주 발생할까?”라고 묻기보다, “이 Failure Cause를 예방하는 현재의 설계가 얼마나 검증되어 있는가?”라는 관점에서 보는 것입니다.
이렇게 질문을 바꾸면 판단 근거도 훨씬 구체적으로 정리할 수 있습니다.
- 설계의 신규성(Newness): 완전히 새로운 기술인지, 기존 기술의 응용인지, 기존 설계의 단순 변경인지
- 적용 환경의 변화: 하중, 온도, 속도, 수명, 사용환경 등이 기존과 같은지
- 유사 설계 경험: 동일하거나 유사한 설계를 실제 제품에 적용한 경험이 있는지
- 시험 및 검증 결과: CAE, Simulation, DV Test, 내구시험 등 설계를 뒷받침하는 결과가 있는지
- Field History: 동일하거나 유사한 설계가 실제 고객 환경에서 충분한 기간 동안 문제없이 사용되었는지
- Prevention Control: 설계표준, 재료규격, 계산기준, Safety Factor, Design Guideline 등 원인을 예방할 수 있는 관리가 존재하는지
이 기준을 먼저 확인하면 Occurrence를 단순한 ‘감’으로 결정하는 것보다 훨씬 구체적인 토론이 가능합니다.
제가 사용했던 방법: 숫자를 먼저 정하지 않는다
DFMEA 회의를 하면서 특히 문제가 되는 경우가 있었습니다.
누군가 처음부터 “Occurrence는 4로 하죠.”라고 말하면 이후 토론이 4라는 숫자를 중심으로 흘러갑니다.
한 사람은 4를 방어하고 다른 사람은 5나 6을 주장하게 됩니다. 결국 기술적인 Risk 분석보다 숫자 협상이 되어버립니다.
그래서 저는 반대로 접근하는 것이 훨씬 효과적이라고 생각했습니다.
먼저 Rating을 정하지 않고 다음 질문부터 확인하는 것입니다.
- 이 설계는 기존에 사용한 적이 있는가?
- 동일한 Material인가?
- 동일한 Application인가?
- Load와 Duty Cycle도 동일한가?
- 기존 제품에서 충분한 Field History가 있는가?
- 설계 변경점은 무엇인가?
- 이 Failure Cause를 예방하기 위한 Design Prevention Control은 무엇인가?
- 그 Control의 효과가 실제로 검증되었는가?
이 질문에 대한 Evidence를 먼저 정리한 후 Rating Table에 대입하는 방식입니다.
Rating → 근거 찾기가 아니라
Evidence → Rating 순서가 되어야 합니다.
저에게는 이 작은 차이가 DFMEA Rating의 일관성을 높이는 데 상당히 효과적이었습니다.
열처리 경도를 예로 들어보자
산업용 나이프를 예로 들어보겠습니다.
어떤 Cutting Knife의 날부 경도가 열처리 후 58~62 HRC가 되어야 한다고 가정해 보겠습니다.
Failure Mode와 관련된 Cause 중 하나가 목표 경도를 만족하지 못하는 것이라면 DFMEA와 PFMEA의 접근은 달라집니다.
DFMEA에서는 먼저 “이 Steel Grade에 58~62 HRC라는 경도를 적용하는 설계가 충분히 검증되어 있는가?”를 봐야 합니다.
동일한 재질과 경도 범위를 기존 제품에 오랫동안 사용했고, 동일한 Duty Cycle에서 충분한 Field History가 있으며 문제가 없었다면 설계 자체의 불확실성은 상대적으로 낮게 볼 수 있습니다.
반대로 새로운 Steel Grade를 처음 적용하면서 기존보다 높은 경도를 요구하고 충격하중까지 증가했다면 이야기가 달라집니다.
공장에서 열처리를 아무리 잘하더라도 새로운 재질·경도·사용조건의 조합이 실제 사용환경에서 충분히 검증되지 않았다면 DFMEA 관점의 불확실성은 높습니다.
PFMEA에서는 질문이 달라집니다. “실제 열처리 공정이 58~62 HRC를 얼마나 안정적으로 만들어내는가?”를 봅니다.
이때는 Furnace, Loading Pattern, 열처리 조건, 공정능력, SPC, 과거 경도 불량률 등의 실제 제조 데이터가 중요한 Evidence가 됩니다.
따라서 동일한 ‘경도 부족’ 문제라도 DFMEA와 PFMEA의 Occurrence는 서로 다를 수 있습니다.
DFMEA Occurrence를 객관화하는 핵심은 ‘정량화’보다 ‘근거화’다
처음에는 저도 DFMEA Occurrence를 좀 더 객관적으로 만들려면 모든 것을 숫자로 바꿔야 한다고 생각했습니다.
하지만 실무 경험이 쌓이면서 생각이 조금 달라졌습니다.
정성적인 평가를 억지로 정량평가처럼 만드는 것이 반드시 객관적인 것은 아닙니다.
실제 데이터가 없는데도 1/1,000, 1/10,000, 1/100,000과 같은 확률을 만들어낸다고 해서 그 평가가 더 과학적이 되는 것은 아닙니다.
오히려 중요한 것은 왜 그 Rating을 선택했는지를 다른 엔지니어가 추적할 수 있도록 만드는 것이라고 생각합니다.
기존 동일 재질 및 동일 경도 사양을 3개 제품군에서 사용. 유사 Duty Cycle에서 5년 이상 Field History 확보. 이번 설계 변경은 형상 일부에 한정되며 재질·경도·주요 하중조건에는 변화 없음.
이런 근거를 남기고 Occurrence 4를 선택하는 것과 단순히 Occurrence = 4만 기록하는 것은 전혀 다릅니다.
두 경우 모두 숫자는 ‘4’이지만 두 번째 방식은 왜 4인지 설명하고 다시 검증할 수 있습니다.
이것이 제가 생각하는 DFMEA Occurrence 객관화의 핵심입니다.
같은 조건이면 다른 팀도 비슷한 Rating을 내릴 수 있어야 한다
DFMEA의 Rating이 완전히 수학적인 값이 될 수는 없습니다. 어느 정도 Engineering Judgment는 반드시 들어갑니다.
하지만 그렇다고 평가자마다 같은 조건을 보고 3, 5, 7처럼 크게 달라져도 괜찮다는 의미는 아닙니다.
좋은 평가 기준이라면 담당 엔지니어가 바뀌더라도 동일한 Evidence를 보았을 때 비슷한 결론에 도달할 수 있어야 합니다.
그래서 조직 차원에서도 Rating Table만 배포하기보다 Rating + Required Evidence + 실제 사례를 함께 관리하는 것이 효과적입니다.
과거 DFMEA에서 어떤 조건에 Occurrence 3을 주었고 어떤 조건에서 6을 주었는지 사례를 축적하면 새로운 DFMEA를 작성할 때 중요한 기준점이 됩니다.
결국 조직의 FMEA 수준은 Rating Table 자체보다 그 Rating을 뒷받침하는 Engineering Knowledge가 얼마나 축적되어 있는가에 따라 달라진다고 생각합니다.
Occurrence 숫자를 놓고 싸우고 있다면 질문을 바꿔보자
DFMEA 회의에서 “3이 맞다.” “아니다. 5가 맞다.”라는 논쟁이 길어진다면 숫자에 대한 토론을 잠시 멈추는 것이 좋습니다.
대신 “우리가 가지고 있는 Evidence가 무엇인가?”, 그리고 “이 설계가 충분히 검증됐다고 말할 수 있는 근거가 무엇인가?”를 확인해야 합니다.
근거가 충분하면 Rating의 범위는 자연스럽게 좁혀집니다.
반대로 근거가 없다면 높은 Rating 자체가 문제라기보다 설계에 아직 해결해야 할 불확실성이 남아 있다는 사실을 발견한 것이 더 중요할 수 있습니다.
저에게 DFMEA Occurrence는 오랫동안 애매한 항목이었습니다.
하지만 결국 중요한 것은 정성적인 판단을 없애는 것이 아니라, 정성적인 판단에도 일관된 Evidence를 요구하는 것이라는 결론에 도달했습니다.
그렇게 접근하기 시작하면서 DFMEA의 Occurrence는 단순히 1에서 10 사이의 숫자를 채우는 항목이 아니라, 우리가 이 설계를 얼마나 잘 알고 있고 얼마나 확실하게 검증했는지를 묻는 항목으로 보이기 시작했습니다.

댓글
댓글 쓰기