SPC 매뉴얼 2026년 개정 총정리

SPC 매뉴얼, 왜 새로 통합되었나

자동차 업계에서는 오랫동안 미국 AIAG의 SPC 매뉴얼과 독일 VDA의 SPC 관련 지침이 함께 사용되어 왔습니다. 두 체계는 통계적 공정관리라는 같은 목적을 갖고 있었지만 용어와 통계적 접근에 차이가 있어, 글로벌 공급망에서는 고객과 지역에 따라 서로 다른 방식으로 결과를 해석하거나 보고해야 하는 경우가 있었습니다.

AIAG와 VDA는 2026년 6월 30일 새로운 공동 SPC 매뉴얼의 발간을 발표했으며, AIAG에서는 7월부터 1st Edition을 공식 제공하고 있습니다. 새 매뉴얼의 핵심은 기존 접근법을 하나의 국제적인 체계로 조화시키고 ISO 22514 및 ISO 3534 시리즈와의 정합성을 높여, 자동차 공급망에서 보다 일관된 SPC 적용과 의사소통이 가능하도록 하는 데 있습니다.

성능(Performance)과 능력(Capability)의 명확한 구분

이번 통합 매뉴얼에서 실무적으로 특히 중요한 부분은 Performance와 Capability를 구분해서 적용하는 것입니다. Pp·Ppk와 Cp·Cpk는 모두 규격 대비 공정 변동을 평가하지만, 적용 조건과 해석은 같지 않습니다.

공정의 안정성이 아직 입증되지 않았거나 통계적 관리 상태에 있지 않은 경우에는 Performance 지수인 Pp·Ppk를 사용합니다. 반대로 관리도 등을 통해 공정이 통계적 관리 상태에 있음이 확인된 경우에는 Capability 지수인 Cp·Cpk를 적용할 수 있습니다. 따라서 Cpk 값 자체가 안정성을 증명하는 것은 아니며, Cpk를 공정능력으로 해석하려면 먼저 공정 안정성에 대한 근거가 있어야 합니다.

공정능력지수, 두 가지 계산 접근을 하나의 체계에서 다룬다

새 매뉴얼은 공정성능·공정능력 지수를 평가할 때 일반 기하학적 방법(General Geometric Method)과 Z-스코어(Bothe) 방법을 구분해서 사용할 수 있도록 제시합니다.

일반 기하학적 방법은 ISO 22514 계열의 접근과 연결되며 분포의 분위수를 이용하기 때문에 비정규 데이터에도 적용할 수 있습니다. Z-스코어(Bothe) 방법은 규격을 벗어나는 비율을 표준정규분포의 Z값으로 변환해 지수를 산출하는 기존 AIAG 계열의 접근입니다. 이상적인 정규분포에서는 두 방법의 결과가 같은 방향으로 수렴하지만, 비정규 데이터에서는 결과가 달라질 수 있으므로 분포 형태와 적용 목적, 고객 또는 조직의 요구사항을 함께 확인해야 합니다.

계산방법을 구분해야 하는 경우에는 G 또는 Z와 같은 방법 식별자를 함께 관리하면 서로 다른 방법으로 계산한 결과를 혼동하는 것을 줄일 수 있습니다. 또한 부분군 내부(within-subgroup) 변동을 중심으로 평가하는 Cw·Cwk도 구분해서 이해할 필요가 있습니다. 과거 자료와 비교할 때는 지수 이름만 보지 말고 어떤 변동과 표준편차를 사용했는지 확인하는 것이 중요합니다.

AIAG-VDA SPC 총정리

기계성능부터 공정능력까지, 3단계 평가 체계

통합 매뉴얼은 설비 도입과 공정 승인, 실제 양산 모니터링을 동일한 공정능력 숫자 하나로 판단하지 않고 단계별 목적에 맞게 구분합니다. 대표적인 흐름은 기계성능(Machine Capability) → 예비공정성능(Preliminary Process Performance) → 지속적인 공정성능 또는 공정능력(Ongoing Process Performance/Capability)입니다.

기계성능 단계에서는 다른 변동 요인의 영향을 제한한 상태에서 설비 자체의 성능을 평가하고, 예비공정성능 단계에서는 초기 생산조건에서 공정의 성능을 확인합니다. 이후 양산 단계에서는 실제 생산 데이터와 공정 안정성을 지속적으로 평가해 Pp·Ppk 또는 Cp·Cpk를 목적에 맞게 적용합니다.

매뉴얼에 제시되는 50~100개, 125개와 25개 부분군 등의 수량은 단계별 적용을 이해하기 위한 대표적인 샘플링 예시로 보는 것이 안전합니다. 실제 적용에서는 특성의 중요도, 공정 조건, 고객 요구사항과 조직의 기준을 함께 확인해야 합니다. 따라서 설비 승인 단계의 결과를 그대로 양산 공정능력으로 해석하거나 서로 다른 단계의 지수를 숫자만으로 비교해서는 안 됩니다.

분석 소프트웨어도 검증과 유효성 확인이 중요하다

2026 통합 매뉴얼은 SPC 분석에 사용하는 소프트웨어의 Verification과 Validation도 중요하게 다룹니다. 분석 결과를 신뢰하려면 소프트웨어가 사전에 정의된 요구사항을 충족하는지 확인하고, 적절한 기준 데이터와 기준 결과를 이용해 계산 결과를 검증할 수 있어야 합니다.

실무에서는 최소 표본 크기, 이상치 처리 방식, 신뢰구간 계산, 추정 방법과 같은 주요 설정이 결과에 영향을 줄 수 있습니다. 따라서 단순히 유명한 상용 프로그램을 사용한다는 이유만으로 계산 결과를 그대로 신뢰하기보다, 조직의 적용 목적과 고객 요구사항에 맞는지 확인하고 검증 근거를 문서화하는 것이 중요합니다. 사내에서 개발한 계산 프로그램이나 스프레드시트를 품질 분석에 사용하는 경우에도 동일한 관점에서 계산 로직과 기준 결과를 확인하는 것이 좋습니다.

이번 개정에서 실무자가 기억해야 할 것

2026 AIAG·VDA SPC 매뉴얼의 의미는 새로운 지수 몇 개가 추가되었다는 데 있지 않습니다. 핵심은 어떤 데이터를 어떤 조건에서 수집했고, 공정이 안정되어 있는지, 어떤 계산방법을 사용했으며, 그 결과를 어떤 목적으로 해석하는지를 하나의 흐름으로 관리하는 데 있습니다.

또한 이 매뉴얼은 글로벌 자동차 공급망에서 공통으로 활용할 수 있는 조화된 지침입니다. 실제 프로젝트에서는 매뉴얼의 대표적인 방법만 기계적으로 적용하기보다 고객별 요구사항, 특성 등급, 조직 내부 기준과 계약 조건을 함께 확인해야 합니다.

Engineering Recommendation

SPC 보고서를 검토할 때는 Cpk나 Ppk 값부터 보지 말고 먼저 검증 단계, 데이터 수집 조건, 부분군 구성, 공정 안정성, 계산방법과 사용한 소프트웨어를 확인하는 것이 좋습니다. 같은 숫자라도 기계성능 단계에서 얻은 값과 실제 양산공정에서 얻은 값은 의미가 다르며, 안정성 근거가 없는 Cpk 역시 공정능력으로 그대로 해석해서는 안 됩니다.

2026 통합 SPC 매뉴얼의 핵심은 더 많은 계산을 요구하는 것이 아니라, 데이터가 만들어진 조건과 계산 결과의 의미를 더 명확하게 연결하는 데 있습니다.

관련 글

성능지수(Pp)와 능력지수(Cp)의 결정적 차이 · 공정능력지수 계산법-두 가지 방식 · 기계성능부터 공정능력까지 3단계 · SPC 소프트웨어 검증-새 요구사항