쏟아지는 데이터, 통찰력 있는 고급 분석이 개선을 부른다

Article at a Glance – 운영

기존 관행을 평가하고 개선하기 위해 비즈니스 데이터에 통계를 비롯한 수학 도구를 적용하는 방식을 뜻하는 고급 분석 기법을 활용하는 제조업체는 프로세스 결함을 줄여 시간과 돈을 절약할 수 있다.

편집자주

이 글은 <맥킨지쿼털리>에 실린 ‘How Big Data Can Improve Manufacturing’을 전문 번역한 것입니다.

지난 20여 년 동안 제조업체들은 린(lean) 프로그램과 식스시그마(Six Sigma) 프로그램을 실행해 생산 프로세스 내의 변동성과 불필요한 요소를 줄이고 품질개선, 수율(투입 재료 대비 생산량) 증대를 달성할 수 있었다. 하지만 제약, 화학, 광업 등 급격한 변동성을 기정사실로 받아들여야 하는 환경도 있다. 심지어 린 기법을 적용한 후에 급격한 변동성을 피할 수 없는 경우도 있다. 이런 산업에서 수율에 영향을 미치는 생산 활동의 숫자와 복잡성을 고려하면 제조업체들이 프로세스 결함을 진단하고 바로잡기 위해 좀 더 세밀한 접근방법을 활용할 필요가 있음을 알 수 있다. 고급 분석 기법(advanced analytics)이 바로 이런 접근방법을 제시해준다.

고급 분석 기법이란 기존 관행을 평가하고 개선하기 위해 비즈니스 데이터에 통계를 비롯한 수학 도구를 적용하는 방식을 뜻한다. (그림 1) 제조 부문의 운영 관리자가 고급 분석 기법을 활용하면 과거의 프로세스 데이터를 심층적으로 파고들고, 여러 프로세스 단계와 투입물 간의 패턴 및 관계를 찾아내고, 수율에 가장 커다란 영향을 미치는 것으로 밝혀진 요인들을 최적화할 수 있다. 다양한 지역과 산업에서 활동하는 수많은 글로벌 제조업체들이 이제는 실시간으로 다량의 현장 데이터를 확보하고 복잡한 통계 평가를 실행할 수 있게 됐다. 이런 기업들은 예전에는 분리돼 있었던 데이터 세트를 확보해 종합한 다음, 이를 분석해 중요한 통찰력을 찾아낸다.

백신, 호르몬, 혈액 성분 등을 일컫는 바이오 의약품 생산의 경우를 생각해 보자. 바이오 의약품을 생산하려면 유전자 공학에 의해 생성된 생세포(live cell)가 필요하다. 또한 생산팀은 생산되는 물질과 다른 재료들의 순도를 보장하기 위해 생산 흐름 내에서 200개가 넘는 변수를 관찰해야 하는 경우가 많다. 동일한 프로세스를 활용해 두 차례에 걸쳐 특정 물질을 생산했을 때 산출량의 변동성이 50∼100%에 달할 수도 있다. 이처럼 설명하기 어려운 엄청난 변동성 때문에 생산 역량과 품질에 대한 문제가 제기되고 규제 기관의 감시가 강화될 수도 있다.

5대 바이오 제약업체에 속하는 어느 제약회사는 고급 분석 기법을 활용해 추가로 자본을 지출하지 않고도 백신 생산 수율을 대폭 늘리는 데 성공했다. 이 제약회사는 전체 프로세스를 서로 밀접하게 연계된 여러 개의 생산 활동 클러스터로 나눴다. 그런 다음, 각 클러스터와 관련해 프로세스 단계와 사용된 물질에 관한 방대한 양의 데이터를 수집해 중앙 데이터베이스에 모아뒀다.

그런 다음 다양한 프로세스 매개 변수(업스트림과 다운스트림) 간의 상호 의존도와 각 변수가 수율에 미치는 영향을 측정하기 위해 다양한 형태의 통계 분석 기법을 데이터에 적용했다. 그러자 9개의 매개 변수가 중요한 영향을 미치는 것으로 분석됐고 그중에서도 특히 세포에 접종 처치를 하는 데 걸리는 시간, 그리고 크로마토그래피(chromatography) 단계 중 하나와 관련된 전도율 척도가 가장 큰 영향을 미치는 것으로 나타났다. 이 제약회사는 9개의 매개변수가 어떤 과정을 통해 수율에 영향을 미치는지 파악해 이에 맞게 프로세스를 수정했다. 그 결과 백신 수율을 50% 이상 늘릴 수 있었다. 이 회사가 생산하는 수백 개의 물질 중 단 하나를 생산하는 데 투입되는 비용을 연간 500만∼1000만 달러가량 절감한 셈이다.