21C로 전환되는 과정에서 제조업의 가장 큰 변화는 기존의 “반응적 설계”에서 “예측적 설계”로 설계의 Paradigm이 바뀌면서 비로소 올바른 설계가 가능해졌으며, 올바른 제조업 경영이 가능해졌다. 미국의 포춘지의 500대 기업들은 여기에 만족하지 않고 보다 혁신적인 신제품을 개발하기 위해 신제품 기획인 FFE에 초점을 맞추어 설계하고 있다.
DFSS를 통한 “예측적 설계”(“예측 생산”), FFE를 통한 “예측설계” 및 “예측 판매”를 함으로써 예측 경영의 구현이 가능해졌으며, 여기에 Digital Twin과 AI가 접목됨으로써 예측 경영이 보다 강화되었다. 그러나 안타깝게도 우리나라 기업의 경우 LG전자를 중심으로 한 소수의 기업만이 올바른 DFSS를 도입하고, 나머지 대다수 기업들은 아직도 “반응적 설계”를 하여 올바른 설계를 하지 못함으로써 지난 20~30년 동안 시행착오를 해오고 있다. 이런 상태에서 이를 만회하기 위해 Digital Twin을 도입하고 있으나, 오히려 시행착오가 예견되고 있다.
다꾸찌 방법으로 대표되는 “반응적 설계”는 설계 단계에서 산포를 예측한다는 개념과 방법론이 없어 이론적, 구조적으로 올바른 설계를 할 수 없다. 따라서, [그림 1]의 왼쪽과 같이 하위 구성품의 명목값을 반영하여 설계한 후, 소수의 샘플을 제작(많아야 5개 미만)하여 Go/No 판정을 한다. 이를 “평가 품질”이라고 하는데 이 경우 5개의 샘플이 모두 합격 되더라도, 이들의 산포(즉, 분포)를 추정(예측)할 수 때문에 품질수준을 알 수 없다. 따라서 품질수준을 알 수 없기 때문에 올바른 설계 즉, 목표 품질과 올바른 공차를 설계할 수 없다. 이에 일단 설계를 한 후 품질 수준을 모르는 상태에서 양산에 이관되므로 품질 문제가 발생될 수밖에 없는데, 이 경우 문제가 발생될 때마다 설계를 개선해야 하므로 이를 “반응적 설계”라고 한다. “반응적 설계”의 경우 하위 구성품의 공정능력을 반영할 필요 없이 명목값만으로 설계하므로 계열/협력사의 참여 없이 생산자 입장에서 R&D 중심의 설계를 하게 된다.




이에 반해 DFSS에 의한 “예측적 설계”는 하위 구성품의 양산시 실제 산포를 반영하여 상위 시스템의 산포를 예측함으로써 품질수준을 파악하므로 “평가 품질”에 대비하여 이를 “예측 품질”이라고 한다. “예측적 설계”를 하기 위해서는 우선 상위 시스템인 제품의 CTQ 산포를 하위 구성품인 서브 시스템에 할당하는데 이를 CTQ Flow down이라고 한다. 그리고 각각의 서브 시스템에 할당된 산포를 공정능력에 고려하여 Trade off를 함으로써 목표인 6σ 품질을 설계하게 되는데 이를 Capacity Flow up이라고 한다. 그런데 이때 제품의 6σ 품질이 달성될 경우 이를 만족시키는 서브 시스템 산포의 범위가 공차가 되는데, 이러한 과정을 최하단의 부품 공차가 결정할 때까지 순차적으로 반복함으로써 올바른 제품설계를 할 수 있다.
“예측적 설계”는 외부고객의 요구사항인 CTQ를 반영하고, 내부고객인 생산 또는 계열/협력사의 공정능력을 반영하므로 이를 고객중심의 설계라고 할 수 있는데, 이를 위해서는 계열/협력사를 포함한 관련 기능 부문이 통합적으로 설계에 참여해야 한다. 그리고 설계한 대로 제품화하여 고객을 만족시키기 위해서는 일련의 관련 기능부문이 유기적으로 연계되도록 프로세스 개선을 해야 한다. 즉, DFSS를 통해 설계된 품질을 기반으로 올바른 신뢰성설계(DFR)을 해야 하며, 설계한 대로 구매하고 생산하기 위해 수입검사, 공정관리 등의 제반 관리체계를 확립해야 하며, 설계한 대로 필드에서 작동되는지 여부를 파악하기 위해 필드 Monitoring 및 Feedback 체계를 구축해야 하는데, 이를 통해 올바른 제조업 경영체계를 구축할 수 있다. 따라서 DFSS는 단지 올바른 설계를 하기 위한 툴이 아니라, 3P의 경쟁력 제고를 통해 사업을 성공적으로 이끌 수 있는 경영전략이라고 할 수 있다.
DFSS를 통해 일련의 기능이 유기적으로 연계될 경우, 이를 기반으로 Digital Twin과 연계하여 예측 경영을 강화할 수 있으며 나아가 플랫폼 구축 및 생태계의 기반을 조성할 수 있다. 우리나라 다수 기업들은 올바른 설계를 하지 못하는 상태에서 이를 만회하기 위해 Digital Twin을 도입하고 있으나 이 경우 다음과 같은 문제가 발생될 수 있다.




첫째: 목표 품질 및 올바른 공차설계가 되어있지 않은 상태에서 발생되는 잘못된 데이터가 Digital Twin에 입력되므로 이의 결과를 신뢰할 수 없게 된다(Garbage in Garbage out). 둘째: 올바른 설계를 하기 위해서는 일련의 기능이 유기적으로 연계된 상태에서 계열/협력사가 포함된 통합적인 설계를 해야 하나, 그렇지 못한 상태에서 Digital Twin을 도입할 경우 일련의 기능이 단절됨으로써 현실과 Simulation 결과가 일치하지 않게 된다. 따라서 Digital Twin의 활용성이 떨어져 실패할 수밖에 없다.
즉, DFSS와 Digital Twin은 서로 대체 관계가 아니라, DFSS를 통해 올바른 설계가 전제된 상태에서 Digital Twin을 통해 시각화, 예측, 및 Feedback을 통한 개선이 이루어져야 하므로, 서로 보완 관계라고 할 수 있다.
산업혁명(영국), 포디즘(미국), TPS(일본) 순으로 생산방식이 발전해 왔는데 이들 생산방식을 개발한 나라가 세계를 제패해 왔다. 그러면 다음 생산방식은 무엇일까? 이는 3세대 품질(DFSS+DFR+FFE)과 Digital Twin이 연계된 Data 기반의 예측 경영이라고 할 수 있다. 예를 들어 생산현장에서 Data를 수집, 분석하여 이를 설계에 Feedback하는 것은 물론이고, 제품설계 단계에서 현물 제작 없이 가상의 세계에서 실험 조건을 수행 및 검증할 수 있어 비용과 시간을 크게 절감할 수 있으며, 제품 기획단계에서는 시물레이션을 통해 중요 고객니즈 선정, 컨셉 설계 및 고객 반응 기반의 수요 예측 등을 할 수 있다. 따라서 Digital Twin을 제품설계와 기획 단계에도 적용해야 하는 것은 당연한 일이다. 그러나 우리나라 대다수 기업의 경우 DFSS가 현실에 맞지 않는다고 하여 이의 추진을 중단하였거나, 특히 올바른 DFSS를 도입하지 못함으로써 아직도 올바른 설계를 하지 못하고 있다. 사실 DFSS는 예측 경영에 있어 “설계의 뼈대”이자 “데이터 해석 능력의 토대”다. 따라서, 이를 중단하거나 잘못 도입한 기업의 경우 Digital Twin과 AI를 도입하더라도 이를 제대로 활용하지 못하고 형식적인 수준에 머무를 수밖에 없다.
나아가 플랫폼 구축이나 생태계 조성 및 유지에 있어서도 한계가 있을 수밖에 없다. 왜냐하면, 디지털을 기반으로 하는 데이터를 신뢰할 수 없고 또한 설계상의 오류에 의해 발생되는 문제가 누적되어 눈덩이처럼 커짐으로 협업을 지속할 수 없기 때문이다. 따라서 지금부터라도 Data 기반의 올바른 설계 나아가 예측 경영을 구현하기 위해서 올바른 DFSS를 도입해야 한다. 그렇지 않을 경우, 시간이 갈수록 이를 도입하여 추진하는 기업과의 경쟁에서 이기는 게임을 할 수 없기 때문이다.
Chat GPT에 “우리나라 제조업의 경쟁력이 떨어지는 이유”에 대한 질문을 한 결과 [표 1]과 같이 “우리나라 기업들은 “예측적 설계”를 정착한 후 이를 기반으로 스마트 제조를 확산ㆍ생태계를 조성해야 경쟁력을 확보할 수 있다.”라고 개선 방향까지 제시하였다. 즉, Chat GPT도 우리나라 기업들이 올바른 설계를 하지 못하고 있으며 이로 인해 경쟁력이 떨어진다는 것을 이미 알고 있다는 것이다.




우리나라 자동차의 신뢰성이 산업 평균에 미치지 못하고, 최근 반도체가 고전하는 것 모두 올바른 설계와 관련이 있다고 할 수 있다. 왜냐하면, 제품이 고급화 및 미세화가 진전됨에 따라 고정밀 및 높은 정확도를 갖는 설계가 요구되나 기존의 “반응적 설계” 방식으로는 이에 대응할 수 없기 때문이다. 따라서 우리 나라가 중저가 자동차나 10nm 이상의 레거시 노드에 해당되는 반도체만을 판매할 것이 아니라면 3세대 품질인 “예측적 설계”로 전환해야 한다.
지난 7월 20일 대한상공회의소 최태원 회장께서 “한국 제조업이 잃어버린 10년을 맞았다며 AI로 제조업을 일으키지 못하면 불행히도 10년 뒤에는 (한국 제조업의) 상당 부분이 퇴출될 것“이란 경고 뒤에는 “올바른 설계”가 전제되어야 한다는 함의가 포함되어 있다는 것을 명심해야 할 것이다.
요즘 젊은 부부들이 이전세대에 비해 태교에 많이 신경을 쓰는 것은 만일 잘못된 상태로 아기가 태어나면 아무리 노력해도 정상인을 따라잡기가 쉽지 않다는 것을 잘 알기 때문일 것이다. 우리나라가 제조업을 시작한 지 반백 년이 넘음에도 불구하고, 아직도 30년전의 설계의 개념과 방법론을 가지고 올바른 설계를 할 수 없어 올바른 제조업 경영을 하지 못하는 것은 불행한 일이다. 따라서 제조업의 경쟁력이 떨어지는 것은 당연한 일이다. 물론 Data 기반의 설계를 할 수 있는 툴을 도입하는 것 자체도 중요하지만, 더 중요하고 시간이 걸리는 것은 구성원들에게 설계에 대한 올바른 컨셉과 방법론을 인식시키고, 이를 구현할 수 있는 프로세스 즉, 시스템을 구축하는 것이다. 기업 경영이란 전쟁에서 향후의 성패는 단순한 개별 툴(무기)이나 단일 기업 단위의 경쟁력이 아니라 플랫폼 구축, 생태계 조성을 통한 시스템 차원의 통합 경쟁력에 의해 좌우되기 때문이다.
이를 위해서는 우리나라도 미국, 일본과 같이 산학연이 연계 되어 국가 차원에서 품질을 추진해야 하며, 3세대 품질을 통해 신제품 기획 및 설계 단계인 경영의 상류에서 품질을 강화해야 한다. 이는 선택의 문제가 아니라 수출 주도형 국가인 우리나라가 생존하고 발전하기 위한 필수 과제이다.