본문 바로가기

    ADVERTISEMENT

    [ISO 9000] 획득성공사례 : 동양피스톤..국내기관서 첫획득

    • 공유
    • 댓글
    • 클린뷰
    • 프린트
    동양피스톤은 지난 2월 국내인증기관인 한국품질인증센터에서 최초로
    ISO 9002인증을 획득했다.

    이회사는 우선 품질시스템이란 무엇인가라는 개념 정립부터 해나가기
    시작했다.

    개념정립이 안되면 나침반없이 망망대해를 항해하는 배와 같다는
    생각에서이다.

    품질시스템이란 해당 업체에서 생산하는 제품 또는 서비스의 품질보증을
    위해 실행되어야 할 업무들을 발췌하고 실행방법을 정하여 운영하는
    것이라고 정의했다.

    이러한 개념을 토대로 생산하는 제품 용역의 종류에 상관없이 품질보증이
    이루어지기 위해 꼭 필요한 최소의 요건들을 제시해놓은 품질보증규격이
    ISO 9000이라고 정립했다.

    품질시스템에대한 개념정립후 품질시스템을 회사의 규모 생산품 조직의
    구성등을 충분히 고려하여 몸에 맞는 옷을 만드는 작업에 착수했다.

    그작업이 만만치 않았다.

    외부기관으로부터 품질시스템 구축에대한 지도를 받을 계획도 있었지만
    자문을 받는 선에서 그치기로 했다.

    외부기관에 시스템 구축을 위임한다는 것은 자칫 남의 옷에 맞는 옷을
    억지로 입게되어 궁극적으로 옷을 다시 만들어 입어야할 경우가 발생
    될수도 있기 때문이었다.

    시스템 구축시에는 관리를 위한 관리가 아닌 회사 업무의 효율성이
    제고된 시스템을 만들어나가는 것에 주안점을 두었다.

    예를 들어 인증심사과정에서 "주문서에대한 관리시스템이 없다"라는
    결함을 지적받았다.

    대응조치로 접수된 주문서를 결재받아 철하려했으나 잘못된 것을
    알았다.

    그전에는 결재없이 담당자들이 철하여 보관하고있다가 판매계획 수립시
    반영하거나 사안에따라 긴급히 생산을 의뢰해 왔는데 이 업무 흐름속에
    단지 담당부서장의 결재를 받는 업무를 추가함으로써 관리시스템이
    구축되었다고 잘못 판단한 것이다.

    회사가 구축해야할 시스템은 판매계획의 변경을 최소화할수 있는
    주문서의 관리시스템 구축이지 결재란을 작성하여 부서장의 결재를
    받는것이 아니라는것을 인식했다.

    특히 인증추진팀은 ISO 9002에 대한 인증준비에 착수하기 전에 최고
    경영자가 "인증을 받을 생각으로 업무를 추진하지말고 시스템을 구축
    하여 운영하는데 정성을 기울이라"는 말을 염두에 두었다.

    ISO 9002 인증획득이 목표는 될수있어도 목적으로 삼지는 않은 것이다.

    그러면서도 ISO 9002인증을 획득한것은 ISO 9000규격은 4M(사람 설비
    자재 작업방법)을 사전관리하기위한 요건들로 구성되었기 때문이었다.

    4M의 관리를 어떻게 하느냐에따라 품질이 안정한가 불안정한가 결정
    되는데 ISO 9000규격에는 이것들을 체크하도록되어있다.

    그리고 최고경영자에의해 표명된 품질방침을 근간으로 사내에서 실행
    되는 품질보증과 관련한 업무들에대한 조직간의 상호관계와 책임과 권한
    을 분명히함으로써 품질보증업무들이 일관성있게 실행될 수 있도록 하고
    있기 때문이다.

    동양피스톤은 이인증 도입단계에서부터 누구에게 보여주기 위한 것이
    아닌 회사의 발전을 위한 도구로 활용하고있다.

    (한국경제신문 1994년 11월 8일자).

    ADVERTISEMENT

    1. 1

      "역사 흐름 바꾼 YS 자취, 미래 세대가 기억해야죠"

      1990년대 초, 옳은 길에 거칠 것이 없다는 뜻의 ‘대도무문(大道無門)’ 붓글씨 액자를 걸어두는 게 유행이었다. 하나회 군부세력을 척결하고 문민정부 시대를 연 업적은 이제 거의 잊혀진 기억이 됐다. 최근 YS시대를 다시 끄집어낸 다큐멘터리 영화가 공개돼 정치권의 관심을 모았다.지난달 28일 개봉한 다큐멘터리 영화 ‘잊혀진 대통령, 김영삼의 개혁시대’를 만든 이재진 감독(사진)에게 ‘왜 하필 지금 김영삼인가’를 물었다. 그는 “한국 현대사에 대한 관심 때문”며 “놀랍게도 김 전 대통령의 행보를 제대로 조명한 영상물이 단 한편도 없었다”고 설명했다.이 감독의 삶은 주류의 문법을 따르지 않았던 YS의 궤적과 닮았다. 한양대 체육학과를 졸업하고 ROTC로 임관, 육군 전방 사단에서 소대장으로 복무했다. 한 때 태권도 선수나 체육학 교수를 꿈꿨지만 영화에 푹 빠지면서 인생을 바꿨다. 전역 후 미국 로스앤젤레스(LA)로 넘어가 컬럼비아 칼리지에서 영화를 공부했다. 귀국해 시나리오 작가, 배급사 유로픽쳐스 대표 등 영화판에서 할 수 있는 다양한 일을 했다. 최근까지 숭의여대에서 영상제작과 겸임교수를 맡았다. 독서광인 그에게 역사는 콘텐츠 제작의 좋은 소재였다. ‘김영삼의 개혁시대’는 감독으로서 첫 입봉작이다.YS 서거 후 10년이 지난 시점에 자취를 더듬는 일은 쉽지 않았다. 영화 제작비 2억원은 전액 이 감독 사비로 댔다. 그는 “제작비를 사전에 모으는 펀딩이 어려웠다”며 “영화 산업의 논리로 따지면 YS 다큐는 돈 안되는 소재였다”고 했다. 김대중·노무현 전 대통령처럼 열혈 팬덤이 없다는 것이 흥행에 있어선 단점이

    2. 2

      박경렬 KAIST 교수 "AI, 기술이 전부 아니야…신뢰·윤리도 경쟁력"

      “인공지능(AI) 기술 패권 경쟁이 심해질수록 협력을 통해 높은 기술력과 신뢰를 확보해야 합니다.”박경렬 KAIST 과학기술정책대학원 교수(사진)는 1일 “한국을 비롯해 유럽 각국, 캐나다, 인도 등 브리지파워 국가들이 뭉쳐 실용적이면서 동시에 신뢰에 기반한 AI 연대를 이어가야 한다”며 이렇게 말했다. 박 교수는 지난달 요슈아 벤지오 몬트리올대 교수 등 전 세계 석학 29명이 공동 발간한 보고서 ‘AI 개발에 관한 다국적 협력의 청사진’ 집필에 한국인으로는 유일하게 참여했다.보고서는 AI 컴퓨팅 역량과 인프라 투자가 미·중에 집중되면서 그 외 국가는 최첨단 AI를 단독으로 개발하기 어려워졌고, 결국 종속과 열세라는 선택지 중 하나를 택해야 하는 상황에 몰리고 있다고 경고했다. 브리지 국가들이 데이터센터 등 AI 인프라 역량을 모으고, 데이터까지 공동으로 운용하며 비용을 나누고 이익을 공유하자는 것이 보고서의 핵심 제안이다. 박 교수는 “이런 문제의식이 학자들 사이에서 계속 누적돼왔다”며 “참여 연구진도 초기 10여 명에서 30명 가까이로 늘었다”고 했다. 이어 “보고서 주장과 비슷한 논의가 최근 유럽 정상들 사이에서도 오간다”고 전했다.연구진은 신뢰에 기반한 연대도 강조했다. 박 교수는 “기술적 우위만이 전부가 아니다”며 “윤리·신뢰에 대한 국제적 공감대가 크고, 이것 또한 결국 경쟁력이 될 것”이라고 말했다. ‘브리지파워’라는 표현을 택한 것도, 중견국들이 신뢰 가능한 기술과 규범을 만들어 전 세계로 확산시키는 ‘다리’가 돼야 한다는 취지다.여기에는 박 교수의 경험도 녹아 있다.

    3. 3

      [한경에세이] AI라는 구호가 사라질 때

      2015년, 정보기술(IT) 업계의 모든 회의실을 지배한 단어는 ‘빅데이터’였다. ‘데이터가 미래의 석유’라는 말이 금언처럼 돌았고, 기업들은 경쟁적으로 데이터 분석가를 영입했다. 어피닛 역시 그 흐름의 한복판에 있었다. 매일 수십만 명의 사용자가 남기는 방대한 디지털 흔적을 모으고, 그 안에서 유의미한 패턴을 찾아내는 것이 지상 과제였다.그런데 지금, 회의실이나 투자 미팅에서 빅데이터를 전면에 내세우는 경우는 극히 드물다. 그렇다면 빅데이터는 한때의 유행이었을까? 전혀 아니다. 오히려 정반대다. 빅데이터는 이제 서비스의 바닥 깊숙이 녹아들어, 굳이 이름을 부를 필요조차 없는 필수 인프라가 됐다. 오늘날 우리는 “빅데이터를 활용해 서비스를 만든다”라고 말하지 않는다. 그저 “서비스를 운영한다”라고 말할 뿐이다. 데이터 분석 로직이 자동화된 형태로 의사결정의 모세혈관까지 스며들었기 때문이다.2017년 무렵, 우리의 화두는 ‘머신러닝’으로 옮겨갔다. 사람이 일일이 규칙을 입력하던 시대를 지나, 알고리즘이 데이터에서 패턴을 학습하고 판단 기준을 세우는 시기였다. 우리는 이 기술을 신용평가와 위험 관리에 집요하게 적용했다. 결과는 놀라웠다. 인간의 직관이나 단순한 통계로는 보지 못한 영역을 머신러닝 모델이 잡아내기 시작했다.그토록 혁신적이던 머신러닝이라는 단어조차 최근에는 사용 빈도가 눈에 띄게 줄었다. 실패해서가 아니다. 과거 특정 예측 모델에 국한되었던 머신러닝은 이제 딥러닝과 생성형 인공지능(AI)이라는 더 거대하고 범용적인 ‘AI’ 체계 안으로 흡수되어 우리 시스템을 지탱하는 핵심 축이 되었다.많

    ADVERTISEMENT

    ADVERTISEMENT