기본 콘텐츠로 건너뛰기

SPC 소프트웨어 검증, 새 요구사항

이번 글에서는 그 계산이 실제로 소프트웨어 안에서 올바르게 구현되어 있는지, 2026년 개정에서 새로 요구하는 검증 기준을 다룹니다. 이 주제와 관련된 게시글은 이 글의 맨 아래 링크를 참조하시기 바랍니다.

왜 소프트웨어까지 검증 대상이 되었나

SPC 지수는 대부분 소프트웨어가 자동으로 계산해 줍니다. 그런데 그 계산이 정확한지는 누가 확인할까요. 2026년 통합 SPC 매뉴얼에는 이전 판에는 없던 완전히 새로운 장이 하나 추가되었는데, 바로 분석 소프트웨어의 검증과 유효성 확인을 다루는 장입니다. 지수 산출 방법을 아무리 정교하게 정리해도 소프트웨어 내부 로직이 틀렸다면 아무 의미가 없다는 문제의식이 반영된 결과이며, 이는 앞선 글에서 다룬 두 가지 계산법 논의가 실제로 소프트웨어에 올바르게 구현되어 있어야 비로소 의미를 가진다는 점과도 연결됩니다. 계산식을 아는 것과 그 계산식이 프로그램 안에서 정확히 돌아가는 것은 별개의 문제입니다.

검증(Verification)과 유효성 확인(Validation)의 차이

매뉴얼은 IATF 16949와 ISO 9000의 정의를 근거로 검증과 유효성 확인을 구분합니다. 검증은 정해진 요구사항을 충족하는지 객관적 증거로 확인하는 것이고, 유효성 확인은 실제 사용 목적에 맞게 의도된 결과를 내는지 확인하는 것입니다. 즉 소프트웨어가 매뉴얼의 계산식대로 동작하는지 확인하는 것과, 그 결과가 실제 현장 데이터에 대해 타당한 결론을 내는지를 모두 확인해야 한다는 뜻입니다.

두 개념을 구분하지 않고 단순히 ‘테스트했다’고만 기록하면 감사 대응 자료로는 부족할 수 있습니다. 어떤 데이터와 시나리오를 사용했고, 어떤 결과를 기준으로 적합 여부를 판단했는지까지 남겨 두어야 소프트웨어 결과를 재현하고 설명할 수 있습니다.

무엇을 확인해야 소프트웨어의 ‘블랙박스’ 문제를 피할 수 있는가

매뉴얼은 최소 표본 크기, 이상치 검출 및 처리 방식, 신뢰구간, 추정량의 설계, 한쪽 규격의 계산 방법 등 분석에 사용되는 주요 파라미터를 파악할 수 있어야 한다고 강조합니다. 이러한 설정을 확인할 수 없다면 사용자는 결과값만 받아들이는 이른바 ‘블랙박스’ 상태에 놓이게 됩니다.

겉으로 보기에 그럴듯한 그래프와 숫자를 내놓더라도 계산 과정과 전제가 설명되지 않으면 결과의 신뢰성을 입증하기 어렵습니다. 따라서 이미 상용 SPC 소프트웨어를 사용하고 있다면 공급사에 계산 로직, 주요 파라미터, 버전별 변경사항, 검증 문서의 제공 여부를 확인하고 자체 검증 기록과 함께 관리하는 것이 좋습니다.

상용 소프트웨어와 사내 개발 프로그램, 예외는 없다

이 요구사항은 값비싼 상용 소프트웨어에만 해당하는 것이 아닙니다. 사내에서 엑셀 매크로나 자체 개발 프로그램으로 지수를 계산해 온 경우도 동일한 검증 대상입니다. 오히려 사내 개발 도구는 공식 문서가 부족한 경우가 많아 계산 근거와 변경 이력을 설명하기 더 어려울 수 있습니다.

상용이든 자체 개발이든 SPC 계산에 사용하는 도구라면 검증 이력을 남겨야 하며, 담당자 교체나 버전 업그레이드, 계산 로직 변경이 발생했을 때에는 재검증이 필요한지 판단할 수 있도록 변경 이력도 함께 관리하는 것이 바람직합니다.

실무에서는 계산 결과보다 계산 근거를 확인해야 한다

현장에서 SPC 결과를 검토하다 보면 Cpk나 Ppk 값 자체만 확인하고, 소프트웨어가 어떤 계산 방법과 파라미터를 사용했는지는 확인하지 않는 경우가 많습니다. 특히 고객사와 공급사가 서로 다른 SPC 프로그램을 사용할 경우 동일한 측정 데이터를 입력했는데도 결과가 달라질 수 있습니다. 이런 상황에서 단순히 “소프트웨어가 계산한 값”이라는 이유만으로 결과를 인정하면 차이가 발생한 원인을 설명하기 어렵습니다.

따라서 중요한 특성에 대해서는 표준 데이터 세트를 이용해 계산 결과를 비교하고, 사용한 계산 방법과 주요 파라미터를 문서화하는 것이 좋습니다. 실무적으로 중요한 것은 결과값 자체보다 그 결과를 다시 재현하고 설명할 수 있는가입니다.

국제 표준이 제시하는 검증 항목

구체적인 검증 방법은 ISO/TR 11462 시리즈를 참고할 수 있습니다. 이 문서는 SPC 소프트웨어 검증을 위한 기준 데이터와 결과값을 제공하며, 소프트웨어가 통계 계산과 관리도, 공정능력 관련 계산을 올바르게 구현하고 있는지 확인하는 데 활용할 수 있습니다.

검증 시에는 표본과 부분군 크기, 계산 정밀도, 히스토그램과 확률도 표현, 중심경향과 산포에 대한 통계량, 분포 모형 평가, 위치와 변동에 대한 관리한계 산출, 이상 상태 판별 등 주요 분석 기능을 확인할 수 있습니다. 새로 소프트웨어를 도입하거나 기존 도구를 재검토할 때 이러한 항목을 체크리스트로 활용하면 검증 범위를 놓치지 않는 데 도움이 됩니다.

현업에서 우선 확인해야 할 세 가지

첫째, 현재 사용하는 SPC 프로그램과 버전을 목록화해야 합니다. 동일한 프로그램이라도 버전이 다르면 계산 방식이나 옵션이 달라질 수 있기 때문입니다.

둘째, 주요 계산 항목에 대해 기준 데이터와 결과값을 비교해 검증 기록을 남겨야 합니다. 특히 공정능력지수, 관리한계, 이상점 판정과 같이 고객 보고와 공정 판단에 직접 사용되는 항목은 우선순위를 높게 두는 것이 좋습니다.

셋째, 계산 방법, 주요 파라미터, 검증 결과, 소프트웨어 버전과 변경 이력을 하나의 문서 체계로 연결해야 합니다. 그래야 향후 감사, 고객 문의, 프로그램 업데이트 또는 결과 불일치가 발생했을 때 원인을 신속하게 추적할 수 있습니다.

SPC 소프트웨어 검증의 핵심은 프로그램을 신뢰하지 않는 것이 아니라, 그 프로그램이 만들어 낸 결과를 언제든 재현하고 설명할 수 있도록 만드는 것입니다.

관련 글: SPC 매뉴얼 2026년 개정 총정리, 성능지수와 능력지수의 결정적 차이, 공정능력지수 계산법-두 가지 방식,기계성능부터 공정능력까지 3단계

댓글

이 블로그의 인기 게시물

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 분위수...

공정능력지수 계산법, 두가지 방식

이번 글에서는 공정능력지수를 실제로 계산하는 두 가지 방법을 더 깊이 다룹니다. 이 주제와 관련된 게시글은 이 글의 맨 아래 링크를 참조하시기 바랍니다. 공정능력지수 계산법, 왜 두 가지로 나뉘었나 2026년 AIAG·VDA 통합 SPC 매뉴얼의 중요한 변화 중 하나는 기존 AIAG와 VDA·ISO 계열에서 사용해 온 서로 다른 통계적 접근을 하나의 체계 안에서 다룬다는 점입니다. AIAG와 VDA는 새 매뉴얼을 통해 기존에 달랐던 SPC 접근법과 용어를 조화시키고, 공정 특성·데이터 유형·모니터링 목적에 따라 적절한 방법을 선택하도록 안내하고 있습니다. 공정성능·공정능력 지수를 평가할 때는 일반 기하학적 방법(General Geometric Method)과 Z-스코어(Bothe) 방법을 구분해서 이해할 필요가 있습니다. 중요한 것은 어느 한쪽이 항상 맞고 다른 쪽이 틀린 것이 아니라, 데이터의 분포 특성과 고객 요구사항, 기존 보고 체계 등을 고려해 적절한 방법을 선택하고 사용한 계산방법을 명확히 식별하는 것입니다. 공정능력지수 2가지 계산법 일반 기하학적 방법(General Geometric Method) 일반 기하학적 방법은 분포의 분위수와 규격 한계의 상대적 위치를 이용해 공정성능 또는 공정능력을 평가하는 접근입니다. 대표적으로 0.135%, 50%, 99.865% 분위수를 이용하며, 정규분포만을 전제로 하는 전통적인 6σ·3σ 표현을 보다 일반적인 분포 형태로 확장할 수 있다는 장점이 있습니다. 데이터가 정규분포를 따르는 경우에는 해당 분위수가 평균을 중심으로 약 ±3σ 위치에 대응하므로 전통적인 지수와 같은 개념으로 연결됩니다. 반면 비정규 데이터에서는 실제 분포 형태에 맞는 분위수를 이용함으로써 단순히 정규분포를 가정하는 데서 생길 수 있는 왜곡을 줄일 수 있습니다. Z-스코어(Bothe) 방법은 무엇인가 Z-스코어(Bothe) 방법은 규격 하한과 상한을 벗어나는 비율을 표준정규분포의 Z값으로 환산한 뒤 이를 이용해 성능지수...

품질관리와(QC)와 품질보증(QA) 근본적 차이는?

품질관리(QC)와 품질보증(QA), 무엇이 다른가? 현장에서는 QC(Quality Control)와 QA(Quality Assurance)를 각각 ‘검사’와 ‘예방’으로 단순하게 구분하는 경우가 많습니다. 이해하기 쉬운 설명이지만 실제 품질경영에서는 두 기능의 범위가 더 넓습니다. ISO 9000에서 QC는 품질 요구사항을 충족하는 데 초점을 둔 품질경영의 일부 , QA는 품질 요구사항이 충족될 것이라는 신뢰를 제공하는 데 초점을 둔 품질경영의 일부 로 구분합니다. 따라서 QC와 QA는 어느 한쪽이 상위 개념이거나 서로 경쟁하는 기능이 아닙니다. QC가 제품과 공정의 현재 상태를 확인하고 이상을 검출·조치하는 데 강점이 있다면, QA는 그러한 품질이 반복적으로 확보될 수 있도록 프로세스와 시스템을 구축하고 유지하는 데 더 큰 비중을 둡니다. 결국 두 기능 모두 더 넓은 품질경영(Quality Management)의 일부입니다. QC는 단순한 최종검사가 아니다 QC의 대표적인 활동은 검사, 측정, 시험을 통해 제품이 도면과 규격을 만족하는지 확인하는 것입니다. 하지만 QC를 완성품 검사만으로 한정해서는 안 됩니다. 생산 중 공정 특성을 측정하고 SPC와 관리도로 이상을 모니터링하거나, 부적합품을 식별·격리하고 추가 유출을 막기 위한 조치를 취하는 것도 QC의 중요한 역할입니다. 예를 들어 샤프트의 치수와 경도를 검사해 규격 적합성을 판단하고 이상 로트를 격리하는 것은 전형적인 QC 활동입니다. 여기서 중요한 것은 불량을 발견했다는 사실 자체가 아니라, 부적합 제품이 다음 공정이나 고객에게 넘어가지 않도록 통제하는 것입니다. QC는 문제가 발생했을 때 고객을 보호하는 가장 직접적인 방어선 역할을 합니다. QA는 품질이 반복될 수 있는 시스템을 만든다 QA는 QC보다 ‘한 단계 높은 활동’이라기보다 초점이 다른 기능입니다. 품질 요구사항이 지속적으로 충족될 것이라는 신뢰를 확보하기 위해 품질계획, 표준과 절차, 공정감사, 교육, 공급업체 관리, 시정...