​[전문가 칼럼] 스마트 팩토리 안전의 정량적 검증: RPN 기법을 활용한 AGV 위험성평가 실무​1. 서론: 지능화된

ㅅ

공장, 정량적 안전 수치로 말해야 한다

​DX를 넘어 AX(AI 전환)로 진입하는 스마트 팩토리 현장에서 무인지게차(AGV)와 자동화 랙 시스템의 도입은 필수적입니다. 하지만 이러한 첨단 설비 도입이 곧 '안전'을 담보하지는 않습니다. 공장관리기술사이자 산업안전 전문가로서, 저는 주관적 판단이 아닌 RPN(Risk Priority Number) 계수를 통한 정량적 검증만이 진정한 안전을 확보할 수 있는 유일한 길이라고 확신합니다.

​2. RPN 평가 모델: 심각도(S), 빈도(O), 검출도(D)의 1·3·9 척도

​본 칼럼에서는 위험성을 보다 엄격하게 평가하기 위해 1점(낮음), 3점(보통), 9점(높음)의 척도를 사용합니다. 이는 사소한 위험과 치명적인 위험의 차이를 명확히 구분하여 개선 우선순위를 결정하기 위함입니다.

• ​심각도(Severity, S): 사고 발생 시 설비 파손 및 인명 피해의 크기.
• ​발생빈도(Occurrence, O): 해당 오류나 고장이 얼마나 자주 발생하는가.
• ​검출도(Detection, D): 사고가 발생하기 전 시스템이 이를 스스로 감지하고 차단할 수 있는가.

​RPN = S × O × D (최고 729점)

​3. 실전 사례 분석: 2단 랙 포킹 오류 시나리오

​[사고 개소] 2단 랙에 적재된 중량물을 AGV가 포킹하는 공정. 센서 오차로 AGV가 랙 본체를 밀어 인접한 정밀 생산 설비를 타격할 위험이 존재함.

​① 개선 전(Before) 위험성 평가

• ​심각도(S): 9점 (고가 정밀 설비 파손 및 라인 전체 중단으로 인한 막대한 LCC 손실)
• ​발생빈도(O): 3점 (팔레트 정렬 불량 등으로 인해 간헐적으로 발생 가능)
• ​검출도(D): 9점 (기존 AGV는 단순 경로 주행 방식으로, 진입 전 포킹 위치 오차를 감지할 수 없음)
• ​기존 RPN: 9 × 3 × 9 = 243점 (집중 개선 대상)

​② 안전 확보를 위한 개선 대책

• ​공학적 개선: AGV에 AI 비전 센서를 탑재하여 포킹 위치를 실시간 보정(Auto-alignment).
• ​물리적 개선: 랙 하단에 앵커 고정식 볼라드(Bollard) 설치로 랙 밀림 거리 차단.
• ​시스템 개선: 랙 변위 감지 센서 설치 및 설비 전원 인터락(Interlock) 연동.

​③ 개선 후(After) 위험성 검증

• ​심각도(S): 3점 (물리적 스토퍼로 인해 랙이 밀려 설비를 타격할 가능성 차단, 경미한 접촉 수준)
• ​발생빈도(O): 1점 (AI 비전 보정으로 포킹 오류 발생 확률 현저히 저감)
• ​검출도(D): 1점 (오류 발생 시 인터락 시스템이 즉각 감지하여 비상 정지 수행)
• ​개선 후 RPN: 3 × 1 × 1 = 3점 (안전 확보 완료)

​4. 결과 분석: 개선 전후 비교를 통한 가치(Value) 증명

​개선 전 243점이었던 RPN 지수가 개선 후 3점으로 감소했습니다. CVS(가치공학) 관점에서 이는 단순히 사고를 막은 것이 아니라, 공정의 신뢰성(Function)을 비약적으로 높여 전체 시스템 가치를 향상시킨 성과입니다. 정량적 수치로 증명되지 않는 안전은 신뢰할 수 없습니다.

​5. 결론: 기술사의 전문성은 '검증'에서 나온다

​AX 시대의 안전 관리는 감에 의존하는 체크리스트를 넘어, RPN과 같은 데이터 기반의 검증 모델로 진화해야 합니다. 저 또한 공장관리 및 품질관리기술사로서, 이러한 실천적 위험성평가 기법을 통해 제조 현장의 '무결점 안전'을 실현해 나가겠습니다.