F1 레이스에서 이런 상황을 상상해보자. 같은 공장에서 같은 날 만들어진 동일 규격의 타이어 4개를 장착했는데, 랩타임이 예상보다 일정하지 않다. 타이어 자체의 문제는 없다. 스펙 범위 안에 있고, 불량도 아니다. 그런데 성능이 미묘하게 다르다. 엔지니어는 직감적으로 안다. 이건 개체차다.
개체차 성능은 제조 현장에서 피할 수 없는 현실이다. 부품을 만들면 반드시 공차가 생기고, 그 공차는 확률적으로 분포한다. 이 글에서는 개체차가 왜 생기는지, COA Chart와 LRT Chart로 어떻게 그 분포를 읽는지, 그리고 엔지니어가 실제로 쓸 수 있는 제어 전략 3가지를 정리한다.
개체차 성능이란 무엇인가 — 같은 부품인데 왜 결과가 다른가
동일한 도면, 동일한 재료, 동일한 공정으로 만들어도 부품 하나하나는 조금씩 다르다. 가공 장비의 미세 진동, 재료 내부의 불균일, 온도·습도 같은 환경 변수가 쌓여서 치수가 조금씩 달라진다. 이것이 공차고, 공차가 만들어내는 개체 간 차이가 개체차다.
개체차는 단순히 “불량이냐 아니냐”의 문제가 아니다. 스펙 범위 안에 있는 부품들도 각자 위치가 다르다. 어떤 부품은 중심값에 가깝고, 어떤 부품은 상한에 가깝고, 어떤 부품은 하한에 가깝다. 이 차이가 시스템에 들어가면 성능 차이로 나타난다. 개체차 성능의 분포는 부품 스펙의 분포에서 비롯된다.
공차는 확률분포다 — 개체차가 시스템 성능에 쌓이는 방식
공차를 단순히 허용 범위로 보면 절반만 이해한 것이다. 공차의 본질은 확률분포다. 잘 관리된 공정에서 나온 부품의 치수는 중심값 근처에 몰리고, 양 끝으로 갈수록 수가 줄어드는 정규분포에 가깝게 흩어진다.
문제는 부품이 하나가 아니라는 데 있다. 시스템 하나를 구성하는 부품이 여러 개라면, 각 부품의 공차가 쌓인다. 통계적으로 분산은 합산된다. 부품 n개가 직렬로 성능에 영향을 줄 때 시스템 전체의 산포는 개별 부품의 산포보다 커진다. 부품 하나의 공차가 작아 보여도, 쌓이면 시스템 개체차 성능의 폭은 예상보다 넓어진다.
이것이 현장에서 “부품은 스펙 안인데 왜 완제품 성능이 이렇게 흔들리냐”는 질문이 나오는 이유다.
COA Chart — 납품 단계에서 개체차를 읽는 법
COA(Certificate of Analysis)는 부품이나 재료가 납품될 때 제조사가 함께 제공하는 성적서다. 로트 단위로 측정한 항목별 실측값과 스펙 상하한이 함께 표기된다. 치수, 물성, 전기 특성 등 항목이 스펙 범위 안에 있음을 증명하는 문서다.
COA Chart를 개체차 성능 관점으로 읽으면 단순한 합격·불합격 서류가 아니다. 이 로트의 부품들이 스펙 범위 안에서 어느 방향으로 치우쳐 있는가를 보여주는 스냅샷이다. 예를 들어, 동일한 스펙의 부품을 두 공급사에서 받았을 때 COA 수치가 각각 상한 쪽과 하한 쪽으로 치우쳐 있다면, 같은 스펙이어도 시스템에 투입했을 때 개체차 성능이 달라진다.
COA를 받았을 때 확인해야 하는 포인트는 두 가지다.
| 확인 포인트 | 의미 | 현장에서 보는 이유 |
|---|---|---|
| 측정값의 중심 위치 | 스펙 중앙에 가까운가, 한쪽으로 치우쳤는가 | 로트 간 성능 편차 예측 |
| 측정값의 범위 폭 | 로트 내 개체차가 얼마나 큰가 | 최악 개체 성능 예측 |
COA는 공급사가 만든 데이터다. 현장에서 실제 투입 전에 이 분포가 자사 시스템과 맞는지 검증하는 것이 다음 단계다. 그 역할을 하는 것이 LRT다.
LRT Chart — 투입 전 신뢰성을 검증하는 법
LRT(Lot Reliability Test)는 로트 단위로 실제 동작 조건에서 신뢰성을 검증하는 테스트다. COA가 제조사 측 성적서라면, LRT는 수령 후 자사 시스템 기준으로 직접 검증하는 과정이다.
LRT Chart는 이 테스트 결과를 로트별, 개체별로 시각화한 관리도다. 가로축에 테스트 조건(시간, 사이클, 스트레스 레벨 등)을 놓고, 세로축에 성능 측정값을 찍어서 로트의 신뢰성 분포가 어떻게 형성되는지를 본다.
LRT Chart에서 중요하게 보는 것은 세 가지다.
| 확인 포인트 | 의미 | 판단 기준 |
|---|---|---|
| 초기 불량 패턴 | 테스트 초반에 떨어지는 개체가 있는가 | 초기 불량률 → 공정 안정성 판단 |
| 성능 분포의 폭 | 동일 로트 내 개체차 성능이 얼마나 벌어지는가 | 산포가 클수록 Worst 개체 리스크 높음 |
| 로트 간 편차 | 같은 스펙이어도 로트마다 분포가 다른가 | 공급사·공정 변화 감지 |
LRT Chart를 COA Chart와 함께 관리하면, 납품 단계의 스펙 확인과 투입 전 실제 성능 검증이 연결된다. COA에서 중심값이 좋아 보여도 LRT에서 분포 폭이 넓게 나온다면 개체차 성능 리스크가 있다는 신호다.
관련해서, 로트를 어떻게 추적 단위로 관리하는지 기초가 필요하다면 Batch·Lot·Serial Number 추적 구조를 먼저 읽어두면 COA·LRT 관리가 더 잘 연결된다.
엔지니어가 선택할 수 있는 3가지 카드
COA와 LRT로 분포를 읽었다면, 다음 질문은 이 분포를 어떻게 제어할 것인가다. 개체차 성능을 제어하는 전략은 세 가지다.
| 전략 | 내용 | 효과 | 비용 |
|---|---|---|---|
| 공차 축소 | 부품 제조 허용 범위를 좁힌다 | 산포 자체를 압축 | 단가 상승 |
| 타겟값 이동 | 공차는 그대로, 설계 중심값만 이동 | 성능 중심을 원하는 방향으로 shift | 추가 비용 없음 |
| 민감도 설계 | 그 부품이 성능에 미치는 영향 자체를 줄이는 구조 설계 | 공차 영향을 근본 차단 | 설계 비용 |
공차를 줄인다는 것은 산포 자체를 타이트하게 만드는 선택이다. COA에서 로트 내 범위가 넓게 잡혀 있고 LRT에서도 분포 폭이 크다면, 부품 공차 스펙을 조여서 공급사에 더 좁은 범위의 부품을 요구하는 방향이다. 단가가 올라가지만 성능 분포가 좁아진다.
타겟값을 움직인다는 것은 공차 폭은 그대로 두되 분포의 중심만 이동시키는 방법이다. COA 수치가 지속적으로 한쪽으로 치우쳐 있다면, 설계 중심값을 반대 방향으로 조정해서 전체 분포를 원하는 성능 방향으로 shift할 수 있다. 비용 변화 없이 쓸 수 있는 카드다.
민감도를 설계한다는 것은 그 부품이 성능에 얼마나 영향을 주는가, 즉 감도 자체를 줄이는 구조적 접근이다. 공차가 커도 성능에 미치는 영향이 작아지도록 시스템을 설계한다. 세 카드 중 가장 근본적이지만, 설계 단계에서 결정해야 한다.
Best와 Worst는 피할 수 없다 — 관건은 Worst를 어디서 막을 것인가
분포가 있는 이상 양 끝은 반드시 존재한다. LRT Chart에서 항상 성능이 좋은 개체가 있고, 항상 낮은 쪽에 걸리는 개체가 있다. 이것을 없애려고 하면 결국 무한정 공차를 줄이는 방향으로만 가게 되고, 비용이 감당되지 않는다.
현실적인 질문은 하나다. Worst가 어디서 문제가 되는가.
Worst 개체가 스펙 안에 있지만 성능이 낮은 수준이라면, 이건 허용 범위 안의 자연스러운 분포다. 관리 포인트는 이 Worst가 현장 장애나 클레임으로 연결되는 지점이다. Worst 성능이 어느 수준까지 내려가도 시스템이 버티는가. 이 마진을 얼마나 확보하느냐가 설계의 핵심이다.
개체차 성능 관리의 목표는 Worst를 없애는 것이 아니다. Worst가 문제를 일으키는 선 아래로 내려가지 않도록 제어하는 것이다. COA로 납품 분포를 확인하고, LRT로 실제 신뢰성 분포를 검증하고, 그 데이터로 어느 카드를 쓸지 결정하는 것이 현장 엔지니어의 루틴이다.
장비 성능이 어느 시점부터 변화했는지 이력으로 추적하는 방법은 개체차 성능 관리의 연장선에 있다. 파라미터 로그로 변곡점을 찾는 3단계에서 그 흐름을 확인할 수 있다.
핵심 요약
- 개체차 성능은 공차의 확률분포에서 비롯된다. 스펙 안이어도 개체마다 위치가 다르다.
- 부품이 쌓이면 시스템 산포는 개별 산포보다 커진다. 분산은 합산된다.
- COA Chart는 납품 로트의 분포 위치와 폭을 확인하는 스냅샷이다.
- LRT Chart는 실제 동작 조건에서 로트의 신뢰성 분포를 검증하는 관리도다.
- 제어 전략은 3가지다: 공차 축소(단가 상승), 타겟값 이동(비용 없음), 민감도 설계(구조적 접근).
- Best/Worst는 피할 수 없다. 목표는 Worst가 문제를 일으키는 선 아래로 내려가지 않도록 마진을 설계하는 것이다.
[링크 제안]
개체차 성능을 COA·LRT로 파악했다면, 어느 부품이 성능에 가장 큰 영향을 주는지 원인을 데이터로 좁혀가는 다음 단계가 있다.
공차와 산포에 대한 학문적 배경이 더 궁금하다면 ASQ(American Society for Quality)에서 관련 자료를 확인할 수 있다.
