식품공장 SPC 관리도 구축 — 평균값이 정상이라고 공정이 안정적인 것은 아니다

식품공장에서 품질 데이터를 볼 때 가장 흔한 오류는 평균값만 확인하는 것이다.

500g 제품을 10개 측정했더니 평균이 501g이고, 가열온도 평균이 92℃이며, 당도 평균이 규격 안에 들어왔다고 하자. 표면적으로는 문제가 없어 보인다. 그러나 개별값이 484g에서 518g까지 넓게 퍼져 있거나, 가열온도가 순간적으로 한계기준 아래로 반복 진입했다면 공정은 안정적이라고 보기 어렵다.

SPC(Statistical Process Control)의 핵심은 평균을 보는 것이 아니라 공정의 중심과 산포가 시간에 따라 안정적으로 유지되는지를 통계적으로 감시하는 것이다.

평균값은 정상인데 불량품이 나오는 이유

예를 들어 충전제품 다섯 개의 중량이 480g / 490g / 500g / 510g / 520g이라고 하자. 평균은 정확히 500g이다. 그러나 제품의 허용하한이 490g이라면 480g 제품은 이미 규격을 벗어났다. 평균만 기록하면 이 사실이 사라진다. 이것이 평균값 착시다.

공정의 품질은 평균 하나가 아니라 분포 전체로 봐야 한다. 평균이 목표값에 정확히 위치해 있어도 산포가 크면 규격을 벗어나는 제품이 계속 발생할 수 있다. 반대로 산포가 작아도 평균 자체가 규격 한쪽으로 이동하면 불량률이 증가한다. 그래서 SPC는 중심과 산포를 분리해서 본다.

SPC는 검사기법보다 공정상태를 판별하는 방법이다

SPC 관리도의 목적은 완제품을 합격·불합격으로 판정하는 것만이 아니다. 공정에서 발생하는 변동을 Common Cause와 Special Cause로 구분하는 데 있다.

Common Cause는 현재 공정시스템 안에 내재된 일상적인 변동이다.

원료의 미세한 차이
통상적인 설비 흔들림
측정오차 / 작업환경의 정상범위 변화

Special Cause는 특정한 사건 때문에 평소와 다른 패턴이 나타난 경우다.

센서 이상 / 설비부품 마모
원재료 Lot 특성 급변
작업조건 변경 / 잘못된 설비 Setting

관리도의 역할은 이 두 변동을 구분해 Special Cause가 발생했을 때 조기에 신호를 주는 것이다.

X-bar 관리도만 사용하면 절반만 보는 것이다

연속형 측정값을 다룰 때 대표적으로 X-bar-R 관리도를 사용할 수 있다. X-bar Chart는 표본집단의 평균값 변화를 보고, R Chart는 같은 표본집단 안에서 최대값과 최소값의 차이, 즉 Range를 추적한다.

따라서 X-bar = 중심 이동, R = 산포 변화를 보는 구조다. 표본수가 비교적 큰 경우에는 Range 대신 표준편차를 사용하는 X-bar-S 관리도를 적용할 수 있다. 어떤 관리도를 사용할지는 데이터의 형태와 Subgroup Size에 따라 결정해야 한다. 무조건 X-bar-R 하나만 모든 공정에 적용하는 것은 적절하지 않다.

Rational Subgroup을 어떻게 묶느냐가 관리도보다 중요할 수 있다

SPC에서 Subgroup은 단순히 “5개씩 뽑는다”는 의미가 아니다. 같은 조건에서 짧은 시간 안에 만들어진 제품들을 하나의 그룹으로 묶어 그룹 내부의 자연변동을 측정하는 것이 기본이다. 예를 들어 포장제품 중량을 관리한다면 다음처럼 구성할 수 있다.

10시에 연속 5개
11시에 연속 5개
12시에 연속 5개

반대로 오전 제품 1개, 오후 제품 1개, 다른 Lot 제품 3개를 하나의 Subgroup으로 묶으면 서로 다른 원인이 섞여 관리도의 의미가 약해진다. 식품공장에서는 원료 Lot, Batch, 작업조, 설비변경 시점까지 고려해 Subgroup을 설계해야 한다.

규격한계와 관리한계는 완전히 다른 숫자다

SPC에서 가장 중요한 구분 가운데 하나다. USL과 LSL은 Specification Limit로, 고객규격·법적 기준·제품설계 기준 등 외부 또는 설계상 요구사항이다. 반면 UCL과 LCL은 Control Limit로, 현재 공정데이터를 통계적으로 분석해 계산한 공정의 자연변동 범위다.

보통 관리도에서는 중심선 주변의 통계적 범위를 이용해 UCL과 LCL을 설정한다. 관리한계는 규격에서 역산해서 임의로 정하는 값이 아니다. ASQ와 NIST도 관리도를 공정 변동의 통계적 신호를 확인하는 도구로 설명한다.

따라서 USL/LSL = 제품이 만족해야 할 기준, UCL/LCL = 현재 공정이 실제로 움직이는 통계적 범위다. 둘을 섞으면 SPC가 검사표로 변질된다.

규격 안에 있어도 관리이탈일 수 있다

중량규격이 490~510g이라고 하자. 현재 공정의 통계적 관리한계가 496~504g이라면 507g 제품은 제품규격에는 들어온다. 따라서 제품 자체는 합격일 수 있다. 하지만 공정 관점에서는 평소 범위를 벗어난 Special Cause 신호일 수 있다. 즉 제품은 합격하면서 공정은 이상상태일 수 있다.

반대로 UCL/LCL 안에 있다고 제품이 반드시 규격에 적합한 것도 아니다. 공정 자체가 넓게 흔들려 LCL이 규격하한보다 낮다면 통계적으로 안정적이면서도 불량제품을 계속 만들 수 있다.

Stability와 Capability는 다른 질문이다.

공정능력은 관리도가 안정된 뒤에 봐야 한다

Cp와 Cpk는 공정분포가 규격 안에 들어갈 능력이 있는지를 보는 지표다. 대표적으로 Cp = (USL - LSL) ÷ 6σ다. Cp는 공정 산포가 규격폭에 비해 얼마나 좁은지를 본다. Cpk는 평균의 치우침까지 고려한다. Cpk = min[(USL - μ)/(3σ), (μ - LSL)/(3σ)].

ASQ도 Cp와 Cpk를 공정이 규격을 만족할 수 있는 능력을 나타내는 대표적인 Process Capability 지표로 설명한다. 하지만 공정이 Special Cause 때문에 계속 흔들리는 상태에서 Cpk 하나를 계산해도 해석가치가 떨어진다. 먼저 관리도를 통해 공정이 통계적 관리상태인지 확인하고, 그다음 Capability를 평가하는 순서가 중요하다.

Cpk 1.33은 절대적인 법적 합격선이 아니다

현장에서 Cpk 1.33 이상이면 합격이라는 말을 자주 사용한다. 실무 Benchmark로 널리 사용되는 경우는 있지만, 모든 식품공정에 공통적으로 적용되는 법적 기준은 아니다. 요구수준은 고객 요구, 내부 품질정책, 위해도와 측정특성에 따라 달라질 수 있다.

특히 미생물처럼 정규분포를 가정하기 어려운 데이터나 단측 규격만 존재하는 특성에서는 일반적인 Cpk 해석을 그대로 적용하기 어려울 수 있다. ASQ도 Capability 평가는 공정안정성, 표본대표성, 분포 특성을 고려해야 하며 단순 계산보다 복잡할 수 있다고 설명한다. 따라서 Cpk 1.33은 회사가 내부 관리기준으로 채택할 수 있는 하나의 기준이지 SPC의 보편적 정답은 아니다.

식품 중량관리는 SPC 적용효과가 가장 분명한 영역이다

충진제품이나 소분제품은 연속적인 중량 데이터가 발생한다. 평균중량만 맞추려 하면 두 가지 문제가 발생한다.

불량을 줄이려고 평균을 과도하게 높여 Overfill이 발생한다.
평균은 맞지만 산포가 커 일부 제품이 하한을 벗어난다.

SPC를 적용하면 평균과 산포를 동시에 보면서 목표중량을 관리할 수 있다. 공정산포를 줄이면 안전마진을 지나치게 크게 둘 필요가 없어지고, 원료 Giveaway도 줄일 수 있다. 이 지점에서 SPC는 품질관리와 원가절감이 연결된다.

가열온도에는 SPC와 HACCP 한계기준을 구분해서 적용해야 한다

가열 CCP에 법적 또는 HACCP Plan상의 Critical Limit가 있다고 하자. 이 기준은 식품안전 기준이다. SPC의 UCL/LCL은 별도의 공정관리 기준이다.

예를 들어 Critical Limit가 75℃ 이상인데 정상공정은 82℃ 부근에서 매우 안정적으로 운전될 수 있다. SPC에서 평균온도가 82℃에서 78℃ 방향으로 지속적으로 이동하는 Trend가 감지될 수 있다. 아직 75℃ 아래로 내려가지는 않았다. 따라서 HACCP 이탈은 아닐 수 있지만 공정은 이상방향으로 움직이고 있다.

SPC의 가치가 여기에 있다. Critical Limit를 넘은 뒤 조치하는 것보다 그 이전의 Drift를 감지할 수 있다.

반대로 UCL/LCL 이탈을 곧바로 CCP 부적합으로 처리해서는 안 된다

SPC 관리한계 초과는 Special Cause를 조사해야 한다는 통계적 신호다. CCP Critical Limit 이탈은 식품안전관리계획상 별도의 조치가 필요한 사건이다. 둘을 같은 Interlock Rule로 만들면 정상제품을 과도하게 격리할 수 있다. 따라서 시스템에서는 다음을 서로 다른 Event Type으로 관리해야 한다.

SPC Warning
Quality Specification Failure
CCP Critical Limit Failure

위험도도 다르고 후속 Action도 다르다.

배합비와 성분 함량에도 SPC를 사용할 수 있다

식품공정의 산포는 중량만의 문제가 아니다. 당도, 염도, pH, 점도, 수분함량, 배합비 등도 시간에 따라 변한다.

특히 원재료 Lot 특성이 달라질 때 평균은 유지되지만 산포가 확대되는 경우가 있다. 예를 들어 평균 당도는 12 Brix로 같지만 기존 ±0.2였던 변동이 ±1.0까지 커졌다면 공정이 불안정해졌다는 의미다. 이때 원료 Lot, 설비 Setting, 작업자, 온도조건을 함께 추적하면 4M Change Management와 연결할 수 있다.

관리도는 한 점이 UCL을 넘었을 때만 신호를 주는 것이 아니다

공정 이상은 관리한계 초과 이전에도 패턴으로 나타날 수 있다. NIST가 정리한 Western Electric 규칙에는 대표적으로 다음 같은 비무작위 패턴이 포함된다.

3σ 한계를 넘는 한 점
최근 3점 중 2점이 같은 쪽 2σ 밖에 존재
최근 5점 중 4점이 같은 쪽 1σ 밖에 존재
8점이 연속으로 중심선 한쪽에 위치

현장에서는 이를 Run, Trend, Shift 등으로 표현하기도 한다. 다만 “SPC 8대 규칙” 하나가 국제적으로 유일한 표준인 것은 아니다. Western Electric, Nelson Rule 등 사용하는 Rule Set이 다를 수 있으므로 QMS에서 어떤 규칙을 사용하는지 명시해야 한다.

모든 신호에 자동 Line Stop을 걸면 시스템이 실패할 수 있다

SPC Warning이 발생할 때마다 설비를 정지시키면 False Alarm이 많아질 수 있다. 공정 특성에 따라 대응 수준을 나누는 편이 좋다.

한 점의 UCL 초과 → Hold Current Subgroup + Operator Check
연속적인 Trend와 Cpk 저하가 동시 발생 → QA Review + Process Adjustment
제품규격 또는 CCP Critical Limit 자체를 벗어남 → Product Hold / Line Interlock

통계적 경보와 법적·품질 부적합을 동일한 레벨로 처리하지 않는 것이 중요하다.

MES가 SPC를 실시간으로 만드는 핵심은 측정기와 Batch를 연결하는 것이다

중량선별기에서 초당 여러 개의 중량값이 발생해도 어느 제품과 Batch인지 모르면 활용도가 떨어진다. MES에서 다음 정보를 함께 묶어야 한다.

Product / Batch / Timestamp
Machine / Operator / Material Lot
Measurement / Recipe Version

이렇게 구성되면 특정 Batch에서 평균이 이동했는지, 원료 Lot가 바뀐 직후 산포가 증가했는지 확인할 수 있다. SPC가 독립 통계프로그램이 아니라 제조이력의 일부가 된다.

Sampling SPC와 100% 검사 데이터는 처리방식이 다르다

전통적인 X-bar-R은 일정간격으로 표본을 뽑아 Subgroup을 구성하는 방식에 적합하다. 반면 Checkweigher처럼 모든 제품을 측정한다면 데이터가 수십만 건 발생할 수 있다. 이때 매 순간 모든 값을 동일한 방법으로 관리도에 표시하면 경보가 지나치게 많아질 수 있다.

예를 들어 1분 단위 Aggregation이나 Rational Subgroup을 만들고 별도로 개별제품의 Specification Fail을 실시간 차단하는 구조를 사용할 수 있다. 즉 개별제품 규격판정과 공정 SPC 분석을 두 층으로 나누는 방식이다.

측정시스템이 틀리면 SPC는 설비가 아니라 계측오차를 관리하게 된다

중량계의 반복성이 나쁘거나 온도센서가 Drift를 일으킨다면 관리도에 나타나는 산포가 실제 공정변동인지 측정오차인지 구분할 수 없다. 따라서 SPC 전에 Measurement System의 신뢰성이 확보돼야 한다. 식품공장에서는 다음이 중요한 이유다.

저울 검교정 / 온도계 검교정
Checkweigher 검증 / 센서 Calibration

공정능력 Cpk를 소수점 둘째 자리까지 계산하면서 측정장비의 신뢰성을 확인하지 않는 것은 순서가 바뀐 품질관리다.

관리한계도 한 번 계산해 영구적으로 고정하는 숫자가 아니다

공정이 개선되거나 설비가 교체되고 Recipe가 변경되면 기존 Control Limit가 더 이상 현재공정을 설명하지 못할 수 있다. ASQ도 관리도 초기 단계의 한계는 조건부로 볼 수 있으며, 통계적 관리상태의 연속 데이터가 충분히 확보되면 한계를 다시 계산할 수 있다고 설명한다.

다만 불량이 많이 나왔다고 UCL/LCL을 넓혀 문제를 없애는 방식은 잘못된 접근이다. Control Limit Revision에는 변경사유와 적용시점이 남아야 한다. 이 부분이 QMS Audit Trail과 4M Change Management로 연결된다.

수기 Sampling과 실시간 SPC의 차이는 이상을 발견하는 시점이다

구분	수기 Sampling·평균 관리	MES/IoT SPC
데이터	일부 표본	자동 계측+표본
평균	사후 계산	실시간 X-bar
산포	누락 가능	R/S 자동산출
규격한계	검사표 기재	Master 연동
관리한계	수기 계산	Control Chart Engine
패턴감지	담당자 판단	Rule 자동감지
Batch 연계	별도 검색	Batch Context
이상조치	사후 대응	Event/Alert
변경이력	제한적	Audit Trail
Capability	월·분기 계산	Rolling Cp/Cpk

SPC와 OEE는 서로 다른 공장 문제를 본다

OEE의 Quality Rate가 낮아지면 불량품이 증가했다는 사실은 알 수 있다. 하지만 왜 불량이 발생하기 시작했는지는 알기 어렵다. SPC는 품질특성의 평균과 산포가 언제부터 바뀌었는지를 보여준다.

따라서 OEE Quality Loss가 증가하면 SPC Trend를 확인하고 그 시점의 다음을 연결하는 구조가 가능하다.

4M Change
Material Lot
Machine Event

이때 품질분석이 단순 불량률 집계에서 원인분석으로 바뀐다.

SPC의 목적은 검사량을 늘리는 것이 아니다

SPC를 도입한다고 QC 직원이 측정값을 더 많이 입력해야 하는 것은 아니다. 핵심은 이미 발생하는 공정데이터를 시간순으로 분석해 비정상적인 변동을 빨리 발견하는 것이다.

평균이 규격 안에 있다는 사실만 확인하는 공장은 이미 발생한 불량을 찾는 데 집중한다. 산포와 추세를 보는 공장은 불량이 발생하기 전에 공정이 흔들리는 신호를 찾을 수 있다. 이 신호는 다시 AI 품질 이상탐지의 입력이 된다.

SPC의 핵심은 ’오늘 평균이 몇이었는가’가 아니라, 현재 공정이 어제와 같은 통계적 상태에서 움직이고 있는가를 묻는 것이다.

MES가 측정데이터를 Batch·Lot·설비·작업자와 연결하고 QMS가 관리도와 이상패턴을 추적할 수 있을 때, SPC는 종이에 그리는 통계 그래프에서 벗어나 실시간 공정통제 도구가 된다.

확인 안내: Cpk 목표수준, 적용할 SPC Rule Set, 공정능력 판정기준은 고객 요구·내부 품질정책·데이터 분포 특성에 따라 달라진다. 회사가 사용할 기준을 명시하고, 비정규분포·단측규격 등은 별도 해석이 필요하다.