품질 관리 데이터 템플릿

이벤트 시작 시각은 품질 이벤트의 수명 주기에서 각 활동이 시작된 시점을 나타냅니다. 프로세스 흐름과 성과를 파악하는 데 필요한 시간 정보를 제공하며, 이벤트를 시간순으로 정렬하고 소요 시간을 계산하는 데 사용됩니다.

process mining에서는 이 시각을 기준으로 각 케이스의 활동 순서를 정하고 처리 주기, 대기 시간, 작업 시간과 같은 KPI를 계산합니다. 시각을 분석하면 단계 간 지연을 찾고, 리소스 효율성을 측정하며, 서비스 수준 협약 준수 여부를 모니터링할 수 있습니다. 시간 기반 프로세스 분석의 기본이 되는 속성입니다.

이벤트 순서를 정하고 처리 주기와 대기 시간을 계산하며 프로세스 병목을 찾는 데 필요한 시각 정보입니다.

일반적으로 활동명과 함께 이벤트 로그나 거래 레코드에 기록됩니다. '생성일', '이벤트 날짜' 또는 '타임스탬프'로 표시될 수 있습니다.

품질 이벤트 ID는 부적합, 고객 불만, 일탈 또는 감사 지적 사항과 같은 특정 품질 문제를 식별하는 고유 키입니다. 이벤트의 전체 수명 주기 동안 관련된 여러 단계와 문서, 데이터를 연결하는 데 사용됩니다.

process mining에서는 이 속성을 바탕으로 각 품질 이벤트의 전체 프로세스 흐름을 재구성합니다. 관련 활동을 하나의 품질 이벤트 ID로 묶으면 분석 담당자가 프로세스 맵을 시각화하고 케이스 처리 시간을 계산하며 이벤트 경로별 차이를 분석할 수 있습니다. 이를 통해 품질 문제를 처음부터 끝까지 어떻게 처리하는지 명확하고 정확하게 파악할 수 있습니다.

process mining의 기본 키로, 관련 이벤트를 하나의 프로세스 인스턴스 또는 케이스로 연결합니다.

일반적으로 품질 통지, 이벤트 또는 부적합 레코드의 헤더나 기본 테이블에서 찾을 수 있습니다.

활동명은 품질 이벤트의 수명 주기에서 개별 작업이나 주요 단계를 나타냅니다. 예를 들면 '초기 평가 완료', '조사 시작', '시정 조치 실행' 등이 있습니다. 이러한 활동이 품질 관리 프로세스를 구성합니다.

프로세스 분석에서는 프로세스 흐름과 케이스 진행 순서를 시각화하는 프로세스 맵을 구성할 때 이 속성을 사용합니다. 분석 담당자는 이를 통해 병목을 찾고, 일반적이거나 드문 프로세스 변형을 파악하며, 표준 운영 절차에 따른 규정 준수 여부를 확인할 수 있습니다. 활동 순서를 파악하는 것이 프로세스 개선의 첫 단계입니다.

이 속성은 프로세스의 단계를 정의해 프로세스 맵의 노드를 구성하며, 프로세스 흐름과 변형을 분석할 수 있게 합니다.

일반적으로 이벤트 로그, 상태 변경 레코드 또는 주요 품질 이벤트 객체와 관련된 작업 테이블에서 가져옵니다.

원천 시스템 속성은 품질 관리 데이터가 기록된 애플리케이션이나 데이터베이스를 나타냅니다. 복잡한 IT 환경에서는 품질 이벤트 데이터가 여러 시스템에서 수집될 수 있습니다. 예를 들어 자재 데이터는 ERP에서, 프로세스 데이터는 전용 품질 관리 시스템에서 가져올 수 있습니다.

원천 시스템을 식별하면 데이터 거버넌스와 검증, 문제 해결에 도움이 됩니다. 데이터의 맥락을 파악하고 분석을 구분하는 데도 사용할 수 있습니다. 예를 들어 시스템이나 사업장별 품질 프로세스를 비교해 모범 사례나 불일치를 찾을 수 있습니다.

데이터의 출처를 파악할 수 있어 여러 시스템을 사용하는 환경에서 데이터 검증, 문제 해결, 구분 분석에 도움이 됩니다.

이 정보는 원천 테이블에 없을 수도 있지만, 데이터 추출, 변환, 적재(ETL) 과정에서 추가되는 경우가 많습니다.

최종 데이터 업데이트 속성은 원천 시스템에서 데이터를 마지막으로 동기화한 시각을 기록합니다. 데이터 최신성을 나타내므로 분석에 사용된 정보가 얼마나 최신인지 확인할 수 있습니다. 지속적인 모니터링과 실시간에 가까운 의사결정에 특히 중요합니다.

이 속성을 통해 사용자는 process mining 대시보드와 분석 데이터가 얼마나 최신인지 파악할 수 있습니다. 이해관계자가 KPI와 프로세스 모델을 해석할 때 데이터의 최신성을 고려하도록 해 오래된 정보를 바탕으로 의사결정하는 일을 방지합니다. 데이터에 대한 신뢰를 유지하는 데 필요한 메타데이터입니다.

데이터의 최신성을 나타내므로 사용자가 프로세스 분석과 KPI가 얼마나 최신인지 확인할 수 있습니다.

일반적으로 데이터 추출(ETL) 과정에서 생성되는 메타데이터입니다. 원천 시스템의 거래 테이블에는 없는 경우가 많습니다.

근본 원인 범주는 품질 문제의 근본 원인을 분류하는 항목입니다. 예를 들어 '인적 오류', '장비 고장', '프로세스 미비', '공급업체 문제' 등이 있습니다. 일반적으로 조사를 진행하고 근본 원인 분석을 마친 뒤 이 속성을 입력합니다.

근본 원인 범주별 발생 빈도를 분석하면 개선 방향을 정하는 데 도움이 됩니다. '프로세스 미비'가 자주 나타난다면 프로세스를 재설계할 필요가 있음을 의미할 수 있습니다. '장비 고장'이 잦다면 유지보수 일정을 개선해야 할 수 있습니다. process mining을 활용하면 이러한 범주와 프로세스 동작을 연계해 분석할 수 있습니다. 예를 들어 '인적 오류'로 발생한 이벤트의 해결에 더 오랜 시간이 걸리는지 확인할 수 있습니다.

프로세스 흐름을 넘어 실패의 근본 원인을 파악하고, 이를 바탕으로 예방 조치를 마련할 수 있어 전략적 분석에 중요합니다.

품질 이벤트 기록의 조사 또는 근본 원인 분석 항목에서 확인할 수 있습니다. 코드나 자유 형식 텍스트일 수 있습니다.

담당 부서 속성은 품질 이벤트나 프로세스의 특정 단계를 책임지는 조직 단위를 나타냅니다. 예를 들면 '제조', '품질 보증', '연구 개발', '물류' 등이 있습니다.

이 속성은 조직 단위별 분석에 필요합니다. 관리자는 부서 간 업무 흐름을 확인하고 각 기능 조직의 성과를 측정하며 부서 간 마찰이나 지연을 파악할 수 있습니다. 예를 들어 제조 부서와 품질 보증 부서 간 인계가 주요 지연 원인으로 드러날 수 있습니다. 부서별 KPI를 구분하면 개선이 필요한 영역을 구체적으로 찾을 수 있습니다.

조직 단위별 프로세스 성과를 분석해 부서 간 지연을 파악하고 책임 소재를 명확히 할 수 있습니다.

일반적으로 품질 이벤트 레코드의 헤더 데이터에 있거나 활동 담당자를 기준으로 확인할 수 있습니다.

리소스 속성은 작업을 수행하는 개인이나 시스템을 식별합니다. 조사 담당자, 품질 승인자 또는 자동화 시스템 사용자일 수 있습니다. 활동별 담당자를 추적하면 업무량 분배, 팀 성과, 협업 방식을 파악할 수 있습니다.

리소스별로 프로세스를 분석하면 개인이나 팀 간 성과 차이를 파악하고, 교육 필요성을 확인하며, 업무량을 균형 있게 배분할 수 있습니다. 업무가 과중해 병목이 되는 리소스나 지연의 원인이 될 수 있는 담당자 간 인계 패턴도 찾을 수 있습니다. 이러한 분석은 조직의 효율성을 높이는 데 도움이 됩니다.

업무량 분배와 성과 비교, 조직 내 병목 파악 등 리소스별 분석에 필요한 속성입니다.

일반적으로 거래 테이블이나 로그 테이블에서 찾을 수 있으며, '사용자 이름', '변경자', '담당자' 또는 '배정 대상'으로 표시됩니다.

심각도 속성은 비즈니스 영향, 위험 또는 긴급도에 따라 품질 이벤트를 분류합니다. 이 분류를 바탕으로 가장 중요한 문제에 리소스와 관심을 우선 배정할 수 있습니다. 심각도 수준은 일반적으로 조직의 품질 정책에 따라 정합니다.

process mining에서 이 속성을 기준으로 필터링하고 데이터를 구분해 분석할 수 있습니다. 분석 담당자는 '치명적' 이벤트와 '경미' 이벤트의 프로세스 흐름을 비교해 심각도가 높은 문제가 의도한 대로 신속하게 처리되는지 확인할 수 있습니다. '경미'한 문제가 지나치게 많은 리소스를 소모하거나 '치명적'인 문제가 프로세스에서 지연되는 경우도 파악할 수 있습니다. 이를 통해 위험도에 따라 프로세스를 개선할 수 있습니다.

위험도에 따른 프로세스 분석을 지원해 조사 우선순위를 정하고 영향이 큰 이벤트가 적절한 긴급도로 처리되는지 확인할 수 있습니다.

품질 이벤트 헤더 데이터의 표준 필드로, '심각도 수준' 또는 '우선순위'로 표시되는 경우가 많습니다.

이벤트 종료 시각은 활동이 완료된 시점을 나타냅니다. 이벤트 시작 시각과 함께 사용하면 품질 관리 프로세스에서 개별 작업의 처리 시간을 정확하게 계산할 수 있습니다. 순간적으로 발생하는 이벤트는 시작 시각과 종료 시각이 같을 수 있습니다.

이 속성은 활동 단위의 성과 분석에 중요합니다. 종료 시각에서 시작 시각을 빼 각 작업의 소요 시간을 계산하면 시간이 가장 많이 걸리는 단계와 개선이 필요한 단계를 찾을 수 있습니다. 전체 케이스의 처리 주기를 더 정확하게 계산하고 리소스의 업무량과 효율성을 분석하는 데도 활용할 수 있습니다.

활동별 처리 시간을 계산할 수 있어 세부 성과를 분석하고 리소스가 많이 필요한 작업을 찾는 데 도움이 됩니다.

시작 시각과 함께 같은 이벤트 로그나 거래 레코드에 기록되는 경우가 많습니다. 일부 시스템에서는 다음 이벤트의 시작 시각을 기준으로 추정해야 할 수 있습니다.

품질 이벤트 유형은 처리 대상인 품질 문제의 성격을 분류합니다. 유형에 따라 프로세스와 긴급도, 적용되는 표준 운영 절차가 다를 수 있습니다.

이 속성을 기준으로 프로세스를 필터링하고 비교하면 중요한 차이를 찾을 수 있습니다. 예를 들어 '고객 불만' 처리 절차는 '내부 문제' 처리 절차보다 엄격하고 신속하게 진행될 수 있습니다. 이러한 차이를 파악하면 각 프로세스 변형이 효율적으로 운영되고 해당 요구사항을 준수하는지 평가할 수 있습니다.

품질 문제 유형별 처리 방식을 비교하고 중요한 프로세스 차이를 파악할 수 있도록 분석을 구분합니다.

품질 이벤트의 헤더 데이터에서 찾을 수 있으며, '통지 유형', '이벤트 유형' 또는 '범주' 필드로 표시되는 경우가 많습니다.

목표 해결일은 품질 이벤트를 종결하기 위해 정한 기한입니다. 이벤트의 심각도에 따라 규제 요건, 고객 서비스 수준 협약 또는 내부 정책을 기준으로 정하는 경우가 많습니다.

이 속성은 성과 모니터링과 규정 준수 분석에 중요합니다. 실제 종결일과 목표일을 비교하면 '기한 내 해결률' KPI를 계산할 수 있습니다. process mining을 활용하면 어떤 유형의 이벤트나 프로세스 단계에서 목표일을 넘기는 지연이 자주 발생하는지 파악할 수 있습니다. 이를 바탕으로 정해진 기간 안에 해결하는 데 개선 노력을 집중할 수 있습니다.

기한 준수 성과를 측정하고, 기한 내 해결률을 계산하며 지연 원인을 파악할 수 있습니다.

일반적으로 품질 이벤트 기록의 헤더 또는 계획 데이터에서 확인할 수 있습니다.

영향을 받은 제품 속성은 품질 문제의 영향을 받은 특정 품목, 자재 또는 제품군을 식별합니다. 프로세스와 제품을 연결하므로 근본 원인 분석과 영향 평가에 중요합니다.

제품별로 품질 이벤트를 분석하면 특정 제품에서 부적합이 유난히 많이 발생하는 등의 추세를 찾을 수 있습니다. 이를 바탕으로 제품 설계나 제조 프로세스를 자세히 조사할 수 있습니다. 또한 제품의 전략적 중요도나 판매량에 따라 품질 이벤트의 우선순위를 정해 영향이 큰 문제부터 처리할 수 있습니다.

프로세스 데이터와 제품 데이터를 연결해 제품군별 품질 문제를 분석하고 추세를 파악하며 영향이 큰 문제의 우선순위를 정할 수 있습니다.

품질 이벤트의 기본 레코드에서 찾을 수 있으며, '자재 번호', '제품 ID' 또는 '부품 번호'로 표시되는 경우가 많습니다.

위치 속성은 품질 이벤트와 관련된 지리적 또는 조직상 사업장을 나타냅니다. 제조 공장, 특정 생산 라인, 물류 센터 또는 사업부가 해당할 수 있습니다.

위치별 프로세스 성과를 분석하면 사업장 간 성과를 비교하고 모범 사례를 찾을 수 있습니다. 특정 사업장에서 품질 문제를 더 효율적으로 해결하는지, 특정 위치에서 문제가 반복적으로 발생하는지 확인할 수 있습니다. 이러한 지역 또는 사업장별 분석을 통해 경영진은 리소스를 효과적으로 배분하고 성과가 높은 프로세스를 조직 전반에 표준화할 수 있습니다.

사업장이나 공장별 성과를 비교하고, 위치별 문제와 모범 사례를 파악할 수 있습니다.

일반적으로 기본 품질 이벤트 기록에 포함되며, '공장', '사업장' 또는 '사업부'로 표시됩니다.

품질 이벤트 상태는 케이스의 현재 진행 상태를 나타냅니다. 케이스가 수명 주기를 따라 진행되면서 값이 바뀌는 동적 속성으로, 이벤트가 현재 어느 단계에 있는지 보여줍니다.

process mining에서는 현재 업무량과 미처리 건을 분석할 때 유용합니다. '접수' 또는 '진행 중' 상태의 이벤트를 필터링하면 관리자가 진행 중인 케이스 규모를 모니터링할 수 있습니다. 실제 상태 변경을 예상 프로세스 흐름과 비교해 규정 준수 여부를 확인하는 데도 활용할 수 있습니다. 예를 들어 '시정 조치'가 실행되기 전에 이벤트가 '종료'되어서는 안 됩니다.

케이스의 현재 상태를 보여주므로 미처리 건과 진행 중인 업무를 모니터링하고 프로세스 준수 여부를 확인하는 데 유용합니다.

품질 이벤트 헤더 레코드의 주요 필드이며, 이벤트가 진행되면서 값이 업데이트됩니다.

효과성 확인 결과는 시정 조치를 시행한 뒤 검증 단계에서 기록하는 결과입니다. 일반적으로 '효과 있음' 또는 '효과 없음'으로 표시해 해당 조치가 문제의 근본 원인을 해결했는지 나타냅니다.

이 속성은 품질 관리 프로세스의 실질적인 성과를 측정하는 데 중요합니다. '효과 없음' 결과가 많다면 근본 원인 분석이나 조치 계획 단계에 구조적인 문제가 있어 재작업과 문제가 반복될 수 있습니다. process mining으로 재작업이 반복되는 경로를 분석할 수 있습니다. 예를 들어 '효과 없음'으로 판정된 사례는 조사 또는 근본 원인 분석 단계로 되돌아가는 경우가 많아 처리 시간과 비용이 크게 늘어날 수 있습니다.

시정 조치의 효과를 직접 측정하며, 재작업 경로와 근본 원인 분석 프로세스의 효과를 파악하는 데 중요합니다.

시정 및 예방 조치(CAPA)의 검증 또는 종결 단계와 관련된 기록에서 확인할 수 있습니다.