이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
품질 개선 과제에서 측정 가능한 지표를 모두 수집하려다 데이터는 많은데 어디서 개선을 시작해야 할지 모르는 상황이 됐습니다. 교수님의 피드백은 '품질 손실과 직결된 지표 3개를 먼저 고르라'는 것이었습니다. 불량률, 재작업 비율, 고객 클레임 건수를 우선 지표로 정했더니 개선 효과가 바로 보이는 항목이 명확해졌습니다. 수집 주기는 변동이 빠른 지표는 일 단위, 추세를 보는 지표는 주 단위로 나눴습니다. 데이터를 추세 차트로 관리하면 개선 조치 전후 비교가 직관적으로 됩니다. 이 방식으로 작성한 품질 개선 계획이 검토에서 '실행 가능하다'는 평가를 받았습니다. 지금도 품질 지표는 손실 연결성이 높은 것부터 선택합니다.
품질 개선에서 본인 사례로 닫은 건 고장 이력 데이터에서 패턴을 찾아 우선순위를 정한 경험이었습니다. 인턴 때 여러 측정 지표를 수집했는데, 어디서 개선을 시작해야 하는지 모호했습니다. 고장 이력 데이터를 시간 기준으로 정렬했더니 특정 시간대에 불량이 집중되는 패턴이 보였습니다.
그 시간대와 공정 파라미터를 대조하니 특정 파라미터가 기준 범위 내에 있지만 상한에 가까울 때 불량이 많이 나오는 경향이 있었습니다. 데이터가 많을 때 시작점을 정하는 방법은 무엇이 언제 많이 생기는가를 먼저 보는 것이라는 결이 생겼습니다.
모든 데이터를 동시에 분석하려 하면 방향이 없어지고, 고장 빈도·시점부터 좁혀가는 순서가 분석의 방향을 만들어줬습니다.
품질 개선에서 이유 결로 이어진 건 측정 데이터를 고장 이력과 대조했을 때 연결이 생기는 경험이었습니다. 공정 측정 데이터를 단독으로 보면 어느 파라미터가 품질에 영향을 주는지 알 수 없었습니다. 고장이 발생한 시점의 측정값과 정상 시점의 측정값을 나란히 놓았을 때 차이가 보였습니다.
고장 시점에만 특정 파라미터가 상한 근처에 있는 패턴이 있었고, 그 파라미터가 개선 집중 지점이 됐습니다. 품질 데이터에서 중요한 것은 수치 자체가 아니라 고장과의 관계라는 이유 결이 생겼습니다.
이후에는 데이터를 볼 때 항상 어떤 결과와 연결됐는가를 확인하는 방식을 씁니다. 연결 없이 수치만 보는 분석은 개선 방향을 만들기 어렵습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 GS리테일 품질보증 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.