[ISO 13485, GMP 절차서] P-805 데이터분석관리

ISO 13485 및 GMP 기반 품질경영시스템에서 데이터 분석의 중요성과 통계적 품질관리를 다루는 챕터 – 데이터분석관리 절차서에 대해 정리한 글입니다. 절차서 원본은 글 하단 링크에서 다운로드 할 수 있습니다.

들어가며: 왜 데이터 분석이 중요할까요?

“감으로 일하지 말고 데이터로 말하라”는 말, 들어보셨나요?

제조 현장에서 일하다 보면 이런 상황을 자주 마주칩니다. “이번 달 불량률이 좀 높은 것 같은데요?”, “저희 공정, 괜찮은 것 같은데요?” 같은 애매한 표현들 말이죠. 하지만 ISO 13485나 GMP 같은 품질경영시스템에서는 이런 ‘감’이나 ‘추측’으로는 부족합니다.

왜냐하면 의료기기나 의약품처럼 사람의 생명과 건강에 직결되는 제품은 객관적이고 측정 가능한 증거로 품질을 입증해야 하기 때문입니다. 바로 여기서 데이터 분석과 통계적 기법이 빛을 발합니다.

1. 목적 및 적용 범위: 왜 이 절차서가 필요한가요?

1.1. 목적: “감”이 아닌 “데이터”로 품질을 관리하기

이 절차서의 핵심 목적은 간단합니다. 제품 생산의 모든 과정에서 통계적 기법을 활용해서 품질경영을 더 합리적이고 효율적으로 만들자는 것입니다.

생각해보세요. 검사 데이터가 쌓여 있는데 그냥 합격/불합격만 체크하고 넘어간다면 얼마나 아까운 일일까요? 그 데이터 속에는 우리 공정의 상태, 개선이 필요한 부분, 미래에 발생할 문제의 조짐 등의 정보가 숨어 있습니다.

예를 들어볼까요?

최근 3개월간 검사 데이터를 분석해보니 특정 공급업체의 원자재에서 불량률이 높다는 걸 발견했습니다.
공정능력 지수를 계산해보니 우리 공정이 규격을 간신히 맞추고 있어서, 조금만 변동이 생겨도 불량이 발생할 위험이 높다는 걸 알게 되었습니다.

이런 사실을 미리 알면 문제가 커지기 전에 예방할 수 있겠죠? 이것이 바로 데이터 분석의 힘입니다.

1.2. 적용 범위: 어디에 이 절차서를 적용할까요?

이 절차서는 우리 회사의 품질경영시스템 전반에 걸쳐 적용됩니다. 구체적으로는 다음 세 가지를 검증하기 위한 데이터 분석에 사용됩니다:

프로세스 지표 모니터링: 각 공정이 계획대로 잘 돌아가고 있는지 확인하는 지표들입니다. 예를 들어, 생산 사이클 타임, 설비 가동률, 작업자 교육 이수율 같은 것들이죠.

공정능력 평가: 우리 공정이 고객이 요구하는 품질 기준을 안정적으로 만족시킬 수 있는지 평가합니다. 마치 자동차의 성능 테스트처럼, 우리 공정의 ‘성능’을 측정하는 것입니다.

제품 특성의 적합성 확인: 만들어진 제품이 규격에 맞는지, 고객 요구사항을 충족하는지 확인합니다.

ISO 13485 규격에서도 품질경영시스템이 제대로 작동하는지 실증하고, 개선이 필요한 부분을 찾아내기 위해 적절한 데이터를 모으고 분석하라고 요구하고 있습니다. 이건 선택이 아니라 필수입니다.

2. 책임과 권한: 누가 무엇을 해야 할까요?

데이터 분석은 한 사람이나 한 부서만의 일이 아닙니다. 마치 오케스트라처럼 각자의 역할이 조화를 이뤄야 아름다운 음악이 나오죠. 그래서 명확한 역할 분담이 중요합니다.

2.1. 품질책임자: 오케스트라의 지휘자

품질책임자는 품질 관련 데이터 분석의 총괄 책임을 맡습니다. 지휘자가 악단 전체를 보듯, 품질책임자는 회사 전체의 품질 데이터를 관리합니다.

구체적으로 무엇을 할까요?

각 부서에서 보고된 품질문제, 부적합사항, 고객 불만을 모아서 경영검토 자료로 만듭니다. 그냥 나열하는 게 아니라, 통계적 기법으로 분석해서 “이런 경향이 보입니다”, “여기에 집중해야 합니다”라고 조언합니다.

예를 들어, 고객 불만이 보고됐는데, 품질책임자가 파레토 분석을 해보니 실제로는 포장 문제가 전체의 80%를 차지한다는 걸 발견했습니다. 그러면 “포장 공정에 리소스를 집중합시다”라고 경영진에 제안할 수 있겠죠.

2.2. RA/QC팀 (품질관리팀): 데이터 분석의 실무 전문가

RA/QC팀은 데이터 분석의 실무 전문가입니다. 마치 병원의 검사실 같은 역할이죠.

세 가지 핵심 역할:

데이터 수집 및 분석 도구 선택: 어떤 분석 방법이 이 상황에 적합한지 판단하고, 필요한 데이터를 체계적으로 모읍니다. 히스토그램이 좋을지, 관리도가 좋을지, 아니면 공정능력 분석이 필요한지 결정하는 거죠.

교육 실시: 다른 부서 직원들이 기본적인 통계 도구를 활용할 수 있도록 교육합니다. “파레토도 이렇게 그리는 거예요”, “관리도에서 이런 패턴이 보이면 조치해야 해요” 같은 실용적인 교육이죠.

통계적 분석 수행: 검사 데이터, 공정 데이터, 불량 데이터, 고객 불만 등을 통계적 기법으로 분석하고 관리합니다. 이게 이 팀의 핵심 업무입니다.

실제 예시: RA/QC팀이 최근 6개월간 완제품 검사 데이터로 공정능력 분석을 했더니 Cpk가 1.1로 나왔습니다. 기준인 1.33보다 낮죠. 팀은 이 결과를 생산팀과 공유하고, 공정 개선 프로젝트를 함께 시작합니다.

2.3. 모든 부서 (해당부서): 데이터 분석의 참여자

모든 팀은 데이터 분석의 참여자입니다. 오케스트라의 각 악기 연주자처럼, 자기 분야의 데이터를 책임지고 관리합니다.

무엇을 해야 할까요?

데이터 제공 협조: RA/QC팀이나 품질책임자가 데이터를 요청하면 신속하게 제공합니다. “이거 왜 필요해요?”라고 귀찮아하지 않고, 품질 개선을 위한 중요한 과정임을 이해합니다.

기본적인 통계 도구 활용: 자기 업무에서 발생하는 데이터를 간단한 통계 기법으로 분석합니다. 생산팀이라면 일일 생산량을 그래프로 그려서 추세를 본다든지, 마케팅팀이라면 고객 불만을 유형별로 분류한다든지 하는 것들이죠.

절차서 방법 적용: 필요할 때는 이 절차서에서 제시한 QC 7가지 도구나 공정능력 분석 같은 방법을 실제로 적용합니다.

생산팀 예시: 생산팀장이 매일 불량 현황을 체크 시트로 기록하고, 주말마다 파레토도를 그려서 어떤 불량이 가장 많이 발생했는지 확인합니다. 그리고 월요일 아침 회의에서 “이번 주는 A타입 불량에 집중합시다”라고 팀원들과 공유합니다.

3. QC 7가지 기법: 품질관리의 일곱 가지 무기

품질관리를 처음 시작하면 막막하게 느껴지죠. “어디서부터 문제를 찾아야 하지?”, “이 데이터를 어떻게 해석해야 할까?” 같은 고민이 생기기 마련입니다. 바로 이럴 때 사용하는 것이 QC 7가지 기법입니다.

이 일곱 가지 도구는 마치 의사가 청진기와 체온계로 환자의 상태를 진단하듯, 공장이나 조직의 ‘품질 건강 상태’를 진단하고 치료하는 데 쓰이는 기본 도구들입니다. 복잡한 수학 공식이 아니라, 누구나 쉽게 이해하고 활용할 수 있는 시각적 도구들이에요.

1) 파레토차트 (Pareto Chart): “어디부터 손대야 효과가 클까?”

불량이 100건 발생했다고 가정해 봅시다. 이 중 A타입 불량이 70건, B타입이 20건, C타입이 10건이라면 어디부터 해결해야 할까요? 당연히 A타입이죠!

파레토도는 바로 이런 질문에 답을 주는 도구입니다. 문제를 크기 순서대로 나열해서 “가장 큰 영향을 주는 소수의 문제”를 한눈에 보여줍니다. 이것이 바로 유명한 ’80:20 법칙’입니다. 전체 문제의 80%는 20%의 주요 원인에서 비롯된다는 거죠.

실제 예시: 고객 불만 100건을 분석했더니 ‘포장 파손’ 70건, ‘설명서 누락’ 20건, ‘기타’ 10건으로 나타났습니다. 파레토도를 그리면 포장 문제부터 해결해야 가장 효과적이라는 것을 명확하게 알 수 있습니다.

2) 특성요인도 (Cause-and-Effect Diagram): “왜 이런 문제가 생겼을까?”

이 도구는 ‘피쉬본 다이어그램(Fishbone Diagram)’ 또는 ‘이시카와 다이어그램’이라고도 불립니다. 물고기 뼈처럼 생겼거든요.

문제를 물고기 머리에 놓고, 그 원인들을 뼈대처럼 가지를 쳐가며 정리합니다. 보통 4M(Man, Machine, Material, Method) 또는 6M(여기에 Measurement, Mother Nature 추가)으로 큰 가지를 나누고, 그 아래 세부 원인들을 적어나갑니다.

실제 예시: “제품 접착 불량”이라는 문제가 발생했습니다.

사람(Man): 작업자 미숙련, 교육 부족
기계(Machine): 접착기 온도 불안정, 노후화
재료(Material): 접착제 품질 변동, 보관 온도 부적절
방법(Method): 작업 표준서 미준수, 건조 시간 부족

이렇게 원인을 체계적으로 정리하면, 진짜 문제가 어디에 있는지 찾아낼 수 있습니다.

3) 히스토그램 (Histogram): “우리 제품, 얼마나 균일하게 만들어지고 있을까?”

500개의 제품 무게를 측정했다고 가정해봅시다. 숫자 500개를 그냥 나열하면 아무것도 보이지 않죠. 히스토그램은 이 데이터를 구간별로 묶어서 막대그래프로 보여줍니다.

목표 무게가 100g이고, 규격이 95g~105g라면, 히스토그램을 보고 다음을 알 수 있습니다.

대부분의 제품이 목표 무게 근처에 모여 있는가?
분포가 좌우로 치우쳐 있지는 않은가?
규격을 벗어난 제품이 얼마나 있는가?

실제 예시: 주사기 용량을 측정했더니 히스토그램이 왼쪽으로 치우쳐 있다면, 평균적으로 용량이 부족하게 충전되고 있다는 신호입니다. 설비 조정이 필요하겠죠.

4) 산포도 (Scatter Diagram): “이 두 가지는 서로 관계가 있을까?”

“온도가 올라가면 제품 강도가 어떻게 변할까?”, “작업 시간이 길어지면 불량률이 증가할까?” 같은 질문에 답을 주는 도구입니다.

X축에 한 변수(예: 온도), Y축에 다른 변수(예: 강도)를 놓고 점들을 찍어보면, 두 변수 사이의 관계가 한눈에 보입니다.

점들이 우상향하면: 양의 상관관계 (온도↑ → 강도↑)
점들이 우하향하면: 음의 상관관계 (온도↑ → 강도↓)
점들이 흩어져 있으면: 상관관계 없음

의료기기 예시: 멸균 온도와 멸균 효과를 산포도로 분석했더니, 온도가 높을수록 효과가 증가하지만 일정 온도 이상에서는 제품이 손상되는 것을 발견했습니다. 이를 통해 최적 온도 구간을 설정할 수 있습니다.

5) 체크시트 (Check Sheet): “깜빡하고 놓친 건 없을까?”

가장 단순하지만 가장 유용한 도구입니다. 점검해야 할 항목들을 리스트로 만들어서 하나하나 체크하는 거죠. 비행기 조종사가 이륙 전 체크리스트를 확인하는 것과 같은 원리입니다.

실제 예시:

[청소 체크리스트 - 2025년 10월 15일]
□ 작업대 청소 완료
□ 장비 이물질 제거
□ 바닥 청소 완료
□ 폐기물 분리수거
□ 청소 도구 정리정돈

또한 불량 유형별로 체크를 해서 어떤 불량이 많이 발생하는지 빈도를 파악하는 데도 사용됩니다.

6) 관리도 (Control Chart): “공정이 안정적으로 유지되고 있는가?”

매일매일 생산되는 제품의 품질을 그래프로 그려보면, 공정이 안정적인지 아닌지 알 수 있습니다. 관리도는 상한선(UCL)과 하한선(LCL)을 그어놓고, 측정값들이 이 범위 안에서 움직이는지 확인하는 도구입니다.

만약 어느 날 측정값이 관리선을 벗어났다면? 그건 “뭔가 이상하다”는 신호입니다. 기계가 고장 났거나, 재료가 바뀌었거나, 작업자가 실수했을 수 있죠. 즉시 원인을 찾아 조치해야 합니다.

GMP 예시: 의료기기 포장 공정에서 매일 포장 두께를 측정해 관리도로 모니터링합니다. 어느 날 두께가 관리 상한선을 넘었다면, 포장 필름 롤이 바뀌었는지, 기계 압력이 변했는지 즉시 확인하고 조치합니다.

7) 층별 (Stratification): “원인을 세분해서 들여다보기”

데이터를 그냥 뭉뚱그려 보면 진짜 원인이 가려질 수 있습니다. 층별은 데이터를 의미 있는 그룹으로 나눠서 분석하는 방법입니다.

예를 들어, 불량률이 5%라고 해도, 이걸 아침조와 저녁조로 나눠보면 아침조는 2%, 저녁조는 8%일 수 있습니다. 이러면 “저녁조에서 뭔가 문제가 있구나”라는 걸 알 수 있죠.

실제 예시: 전체 불량률은 큰 변화가 없는데, 데이터를 다음과 같이 층별해봤더니:

시간대별: 오후 3시 이후 불량 증가 → 작업자 피로도 문제
설비별: A호기만 불량률 높음 → A호기 점검 필요
원자재 로트별: 특정 공급업체 로트에서 불량 집중 → 공급업체 관리 강화

이렇게 층별을 통해 숨어있던 진짜 원인을 찾아낼 수 있습니다.

4. 공정능력 지수: “우리 공정이 고객 요구를 만족시킬 수 있는가?”

공정능력(Process Capability)이란?

공정능력은 쉽게 말해 “우리 공정이 얼마나 좋은 제품을 일관되게 만들어낼 수 있는지”를 숫자로 나타낸 것입니다. 아무리 좋은 설비와 재료가 있어도, 공정이 불안정하거나 산포가 크면 불량이 생기게 마련이죠.

☕️ 카페 바리스타로 이해하는 공정능력 지수

공정능력 지수를 이해하기 위해 카페 바리스타를 떠올려 봅시다. 여러분이 카페 사장님이고, 바리스타의 실력을 평가한다고 가정해보겠습니다.

고객의 규격(품질 기준): 고객이 주문한 아메리카노는 “300ml ± 5ml” 입니다. 즉, 295ml~305ml 사이면 합격입니다. 이것이 바로 규격 폭(Specification Width)입니다.

바리스타의 실력(공정 산포): 바리스타가 커피를 따를 때 완벽하게 300ml를 맞출 수는 없습니다. 숙련된 바리스타는 298~302ml로 변동 폭이 작지만, 초보 바리스타는 290~310ml로 변동 폭이 큽니다. 이 변동 폭이 바로 공정 산포(Process Variation)입니다.

Cp (잠재적 공정능력): “규격 대비 산포 크기”

Cp는 바리스타가 “손떨림 없이 따를 능력”이 얼마나 되는지를 보는 지표입니다.

Cp = (규격 상한 - 규격 하한) ÷ (6 × 표준편차)
   = (305 - 295) ÷ (6σ)

Cp가 높다는 것은: 바리스타의 손떨림(산포)이 작아서, 변동 폭이 작다는 뜻입니다.

하지만 문제가 하나 있습니다. Cp는 “양이 정확한가?”는 고려하지 않습니다. 아무리 손떨림이 적어도, 계속 320ml 근처로 따른다면 전부 규격을 벗어나겠죠?

Cpk (실제 공정능력): “기준 값 + 산포를 모두 고려”

Cpk는 Cp의 개념에 “값의 정확도(공정 평균의 위치)”를 반영한 현실적인 능력입니다.

바리스타가:

정확하게 300ml(규격 중앙)를 기준으로 하면서
동시에 산포도 작게 유지하는지

이 두 가지를 모두 확인하는 것이 Cpk입니다.

Cpk = min[(규격 상한 - 평균) ÷ (3σ), (평균 - 규격 하한) ÷ (3σ)]

예시로 이해하기:

케이스 1: 평균 300ml, 산포 작음 → Cp 높음, Cpk 높음 ✅ (완벽!)
케이스 2: 평균 305ml, 산포 작음 → Cp 높음, Cpk 낮음 ⚠️ (양이 계속 많음)
케이스 3: 산포 큼, 평균은 의미 없음 → Cp 낮음, Cpk 낮음 ❌ (손떨림 심함)

실무에서의 공정능력 지수 기준

일반적으로 GMP 환경에서는:

Cpk ≥ 1.33: 양호한 공정 (불량률 매우 낮음)
1.0 ≤ Cpk < 1.33: 개선 필요
Cpk < 1.0: 공정 능력 부족, 즉시 조치 필요

Cpk가 1.33 이상이면, 규격 범위의 양쪽에 각각 ±4σ 정도의 여유가 있어서 거의 모든 제품이 규격을 만족하게 됩니다.

왜 Cpk가 중요한가?

고객 만족: Cpk가 높으면 불량이 적고, 고객에게 일관된 품질의 제품을 제공할 수 있습니다.

비용 절감: 재작업, 폐기, 고객 클레임이 줄어듭니다.

규제 대응: FDA나 인증기관 심사 시 공정능력을 객관적으로 입증할 수 있습니다.

의료기기 예시: 주사기 용량이 10ml ± 0.5ml 규격이라면, Cpk를 계산해서 공정이 안정적으로 이 규격을 만족하는지 확인합니다. Cpk가 낮다면 충전 설비를 재조정하거나, 작업 방법을 개선해야 합니다.

5. 업무 절차: 데이터 분석, 실전에서 어떻게 활용할까요?

이제 QC 7가지 도구도 알고 공정능력 지수도 이해했습니다. 그런데 실제 업무에서는 어떻게, 언제, 누가 이걸 사용해야 할까요?

5.1. 데이터 분석, 어디에 적용할까요?

데이터 분석은 품질경영의 거의 모든 영역에 적용됩니다. 다음은 우리가 통계적 기법을 반드시 적용해야 하는 주요 분야들입니다:

검사 관련

로트별 검사에서 몇 개를 샘플링할지 결정할 때
수입검사, 중간검사, 최종검사에서 합격·불합격을 판정할 때
검사 데이터를 누적해서 추세를 파악할 때

공정 관리 및 개선

공정능력을 평가하고 개선이 필요한지 판단할 때
프로세스별 성과 지표를 모니터링하고 경향을 검토할 때
개선 활동(CAPA)의 효과를 측정할 때

품질 수준 결정

우리 제품의 품질 수준이 업계 표준에 비해 어느 정도인지 평가할 때
검사 계획을 수립하고 신뢰성을 평가할 때

고객 및 공급자 관리

고객 불만의 원인을 분석하고 재발 방지 대책을 수립할 때
공급업체의 품질 수준을 평가하고 관리할 때

이 모든 활동은 ISO 14971(위험 관리)과도 긴밀히 연결됩니다. 데이터 분석 결과는 제품의 잠재적 위험을 평가하고, “이 위험을 어떻게 줄일 것인가?”를 결정하는 중요한 근거 자료가 됩니다.

예를 들어, 고객 불만 데이터를 분석했더니 특정 부품에서 파손이 자주 발생한다는 걸 알았다면, 이건 단순한 품질 문제가 아니라 사용자 안전과 관련된 위험 요소일 수 있습니다. 이럴 때 즉시 위험 관리 프로세스를 가동해야 하죠.

5.2. 주기적으로 분석해야 할 주요 항목들

품질경영시스템이 제대로 작동하는지 확인하려면, 주기적으로 핵심 지표들을 분석해야 합니다. 마치 건강검진을 정기적으로 받듯이요. 다음은 대표적인 분석 항목들입니다:

고객 피드백 분석 (마케팅팀 담당)

고객으로부터 받은 모든 정보를 체계적으로 분석합니다. 설문조사 결과, 고객 불만 건수, 불만 유형 등을 도표로 만들어 시각화하죠.

분석 주기는 월별로 트렌드를 보고, 연간으로 종합 평가를 합니다. “올해 고객 만족도가 작년 대비 상승했나?”, “어떤 불만이 가장 많이 발생했나?” 같은 질문에 답을 찾습니다.

제품 적합성 분석 (RA/QC팀 & 생산팀 담당)

부적합품 데이터와 검사 불량 실적을 분석합니다. 원자재, 부자재, 완제품 모두 포함됩니다.

분기별로 부적합품 감소율과 고객 불만 감소율을 계산하고, 계획 대비 실적을 비교합니다. “우리가 세운 품질 개선 목표를 달성하고 있나?”, “불량률이 줄어들고 있나?” 같은 걸 확인하는 거죠.

월별로는 좀 더 자세한 불량 유형별 분석을 통해 빠른 대응이 가능하도록 합니다.

프로세스 성과 분석 (모든 팀장 담당)

각 부서의 핵심 프로세스 지표를 추적합니다. 생산팀이라면 생산량과 사이클 타임, 품질팀이라면 검사 완료율, 개선 활동(CAPA) 실시 건수 등이 해당됩니다.

분기별로 계획 대비 실적을 분석하고, 목표를 달성하지 못한 항목의 비율과 완료율을 계산합니다. 연간으로는 전체적인 개선 경향을 평가합니다.

예를 들어, “이번 분기에 계획한 CAPA 10건 중 8건을 완료했다. 완료율 80%는 목표인 90%에 미달하니, 다음 분기에는 리소스 배분을 조정해야겠다”는 식으로 활용합니다.

공급업체 평가 (구매팀 또는 경영팀 담당)

공급업체의 품질(Quality), 비용(Cost), 납기(Delivery), 즉 QCD를 정기적으로 평가합니다.

월별로는 납입 실적과 품질 수준을 모니터링하고, 연간으로는 종합 평가를 통해 우수 공급업체와 개선이 필요한 공급업체를 구분합니다.

만약 특정 공급업체의 품질 점수가 계속 낮다면, 교체를 검토하거나 집중 관리 대상으로 지정하는 등의 조치를 취하게 됩니다.

5.3. 분석 결과, 어떻게 활용하고 관리할까요?

데이터를 분석하는 것 자체가 목적이 아닙니다. 분석 결과를 실제 개선으로 연결하는 것이 진짜 중요하죠.

즉시 조치의 원칙

데이터 분석 결과 품질경영시스템에 문제가 발견되면, 해당 부서는 “나중에 해야지”가 아니라 즉시 개선 활동을 시작해야 합니다.

예를 들어, 공정능력 분석 결과 Cpk가 1.0 미만으로 나왔다면, 이건 “지금 당장 우리 공정이 규격을 만족시키지 못하고 있다”는 적신호입니다. 즉시 원인을 찾고, 시정 조치를 취해야 하죠.

PDCA 사이클과의 연결

데이터 분석은 PDCA(계획-실행-확인-조치) 사이클의 “확인(Check)” 단계에 해당합니다.

우리가 계획(Plan)한 대로 실행(Do)했는데, 데이터 분석(Check) 결과 목표에 미달했다면, 뭔가 조치(Act)를 취해야 합니다. 그리고 이 조치 내용은 다음 계획(Plan)에 반영되어 개선이 이어지는 선순환 구조를 만듭니다.

실제 예시:

Plan: 불량률을 5%에서 3%로 낮추겠다고 계획
Do: 작업자 교육 강화, 설비 점검 주기 단축 등 실행
Check: 3개월 후 데이터 분석 결과 불량률이 4%로 감소
Act: 목표 미달. 추가로 원자재 검수 기준을 강화하기로 결정
다음 Plan: 강화된 검수 기준을 다음 분기 계획에 반영

기록 관리의 중요성

모든 분석 결과와 그에 따른 조치 내역은 문서로 기록하고 보관해야 합니다. 이건 ISO 13485와 GMP의 핵심 요구사항입니다.

왜 기록이 중요할까요?

규제 대응: FDA 심사나 인증기관 심사 시 “우리가 데이터 기반으로 품질을 관리하고 있다”는 객관적 증거가 됩니다.

경향 분석: 과거 데이터와 비교해서 개선되고 있는지, 새로운 문제가 발생하고 있는지 파악할 수 있습니다.

지식 축적: 직원이 바뀌어도 조직의 품질 관리 노하우가 사라지지 않습니다.

기록은 문서 및 품질기록 관리 절차서(P-401)에 따라 체계적으로 보관합니다.

경영검토와의 연결

정기적인 경영검토 회의에서는 이러한 데이터 분석 결과들이 핵심 안건으로 다뤄집니다. 품질책임자는 각 부서에서 올라온 데이터를 종합해서 경영진에게 보고하고, “여기에 리소스를 투입해야 합니다”, “이 부분은 잘하고 있습니다” 같은 의사결정을 돕습니다.

이렇게 데이터 분석은 현장에서 경영진까지 연결되는 품질 관리의 중추 신경계 역할을 하는 것이죠.

6. 참고 자료 및 관련 문서

데이터 분석 관리는 독립적으로 존재하는 것이 아니라, 다른 품질경영 절차들과 유기적으로 연결되어 있습니다. 다음은 이 절차서와 함께 참고해야 할 관련 문서들입니다:

사내 관련 절차서:

문서 및 품질기록 관리 절차서 (P-401) 데이터 분석 결과와 관련 기록을 어떻게 보관하고 관리할지 규정합니다. 기록 보관 기간, 파일링 방법, 폐기 절차 등이 포함되어 있죠.

검사 및 시험업무 절차서 (P-803) 실제 검사와 시험을 어떻게 수행하고, 그 데이터를 어떻게 수집할지 다룹니다. 데이터 분석의 원천 자료가 여기서 나옵니다.

교육훈련 절차서 (P-601) 직원들이 통계적 기법을 제대로 활용할 수 있도록 교육하는 방법을 규정합니다. 아무리 좋은 도구도 사용법을 모르면 소용없으니까요.

외부 참고 자료:

ISO 13485:2016 (의료기기 품질경영시스템) 의료기기 제조업체가 따라야 할 국제 표준입니다. 데이터 분석과 관련해서는 8.4조(데이터 분석)와 8.5조(개선)를 참고하세요. 참고: iso.org

FDA Quality Management System Regulation (QMSR) Final Rule (2024) 미국 FDA가 2024년에 발표한 최신 품질경영시스템 규정입니다. ISO 13485의 요구사항을 GMP에 통합한 내용을 담고 있습니다. 참고: fda.gov

ISO 14971 (의료기기 위험 관리) 의료기기의 위험을 체계적으로 관리하는 방법을 다룹니다. 데이터 분석 결과는 위험 평가의 중요한 입력 자료가 됩니다. 참고: iso.org

ASQ (American Society for Quality) – QC Seven Tools 미국 품질학회에서 제공하는 QC 7가지 도구에 대한 자세한 설명과 예시를 볼 수 있습니다. 참고: asq.org

7. 데이터 분석, 품질의 나침반

여기까지 데이터 분석 관리 절차서의 핵심 내용을 살펴봤습니다. 복잡해 보이지만, 핵심은 간단합니다.

“감이 아닌 데이터로, 추측이 아닌 통계로, 품질을 객관적으로 관리하자”

QC 7가지 도구는 품질 문제를 진단하고 원인을 찾는 청진기 같은 것이고, 공정능력 지수는 우리 공정의 건강 상태를 측정하는 체온계 같은 것입니다. 이런 도구들을 잘 활용하면 문제가 커지기 전에 미리 발견하고, 효과적으로 개선할 수 있습니다.

중요한 건 데이터 분석을 일회성 이벤트가 아니라 일상의 습관으로 만드는 것입니다. 매일, 매주, 매월 꾸준히 데이터를 모으고 분석하고 개선하는 PDCA 사이클이 돌아가야, 품질경영시스템이 살아 움직이는 유기체가 됩니다.

ISO 13485 인증을 준비하고 계시거나, GMP 환경에서 품질 관리를 고민하고 계신 분들에게 이 글이 도움이 되길 바랍니다.

절차서 원문 다운로드 링크 (P-805_데이터분석관리)

8. 핵심 내용 요약

데이터 분석 기반 품질경영시스템

ISO 13485 및 GMP 환경에서 “감으로 일하지 말고 데이터로 말하라”

의료기기 및 의약품 제조에서 객관적 증거 기반 품질관리의 핵심

목적 및 적용 범위

객관적 데이터 기반 품질관리 실현
프로세스 지표 모니터링
공정능력 평가
제품 특성의 적합성 확인

책임과 권한

품질책임자: 품질 데이터 분석 총괄, 경영검토 자료 작성
RA/QC팀: 데이터 분석 도구 선택, 교육 실시, 통계적 분석 수행
모든 부서: 데이터 제공 협조, 기본 통계 도구 활용

QC 7가지 기법

1. 파레토차트

80:20 법칙 – 중요한 소수 문제 식별

2. 특성요인도

피쉬본 다이어그램 – 원인 체계적 분석

3. 히스토그램

데이터 분포 시각화 – 균일성 확인

4. 산포도

두 변수 간 상관관계 분석

5. 체크시트

항목 체크리스트 – 누락 방지

6. 관리도

공정 안정성 모니터링 – UCL/LCL 관리

7. 층별

데이터 세분화 – 숨은 원인 발견

공정능력 지수

Cp (잠재적 공정능력)

규격 대비 공정 산포의 비율

Cp = (규격 상한 – 규격 하한) ÷ (6 × 표준편차)

Cpk (실제 공정능력)

공정 평균과 산포를 모두 고려한 지수

Cpk = min[(규격 상한 – 평균) ÷ (3σ), (평균 – 규격 하한) ÷ (3σ)]

GMP 환경에서의 기준

Cpk ≥ 1.33: 양호한 공정 (불량률 매우 낮음)
1.0 ≤ Cpk < 1.33: 개선 필요
Cpk < 1.0: 공정 능력 부족, 즉시 조치 필요

업무 절차

데이터 분석 적용 분야

검사 관련 (샘플링, 판정 기준)
공정 관리 및 개선
품질 수준 결정
고객 및 공급자 관리

주기적 분석 항목

고객 피드백: 불만, 만족도 (마케팅팀)
제품 적합성: 불량률, 개선율 (RA/QC팀)
프로세스 성과: KPI 달성율 (각 부서)
공급업체 평가: QCD 평가 (구매팀)

결과 활용 방법

즉시 조치의 원칙: 문제 발견 즉시 개선
PDCA 연결: 분석 결과를 개선으로 연계
기록 관리: 모든 분석과 조치 문서화
경영검토 연결: 의사결정 자료로 활용

품질의 나침반으로서 데이터 분석