1. 서 론
1.1 연구의 배경 및 필요성
최근 제조 산업은 다품종·소량과 맞춤형 수요의 확대로 인해 제품 복잡도가 빠르게 증가하고 있다. 특히 중소기업은 제한된 자원과 인력으로 비규격 제품의 다양하고 복잡한 요구를 충족시켜야 하므로, 설계 업무의 부담이 가중되고 있다. 이러한 상황은 설계 일정 지연, 반복 설계, 품질 저하와 같은 문제로 이어지고 있으며, 이는 기업 경쟁력 약화로 이어진다. 따라서 비규격 제품 설계의 복잡성을 정량적으로 평가하고, 그 수준에 따라 설계 전략을 합리적으로 선택할 수 있는 관리 체계의 구축이 필요하다.
특히, 중소기업의 경우 표준 제품뿐만 아니라 비규격 제품에 대한 설계 수요가 급증하고 있으며, 이러한 추세는 소규모 중소기업과 같은 제한된 자원과 인력을 보유한 조직 내에서 더욱 복잡한 문제로 나타나고 있다(Maffei et al., 2023).
제품 형상, 요구 사양, 기능과 구조 등이 제품마다 다른 특성을 가진 비규격 제품은 기존의 정형화된 설계 방식이나 표준화된 설계 프로세스로는 효과적 대응이 어렵다. 이로 인해 중소 제조기업의 설계자들은 경험과 직관에 의존하게 되며, 결과적으로 일정 지연·품질 저하·반복 설계·생산 공정 지연 등의 문제가 지속적으로 발생한다. 이러한 문제는 전사적 자원관리(ERP) 또는 프로젝트 기반 관리 시스템에서 명확하게 통제되지 못하며, 설계 단계의 불확실성과 업무 불균형을 초래하게 된다(Hwang & Lee, 2023).
이러한 문제를 해결하기 위한 방법은 여러 가지가 있을 수 있으나 본 논문에서는 비규격 제품의 설계 복잡도를 정량적으로 정의하고 이를 기반으로 설계 과업을 복잡도 수준에 따라 체계적으로 분류한 후, 그 결과를 바탕으로 상황에 적합한 설계 프로세스를 전략적으로 선택할 수 있는 사양 기반 설계 복잡도 지수(Specification-Based Design Complexity Index, SDCI) 체계를 구축하는 해결책을 제시하고자 한다.
복잡도의 정량화를 통해 설계자의 경험적 판단에 의존하던 의사결정 구조를 데이터 기반으로 전환하고, 설계 복잡도에 따라 순차공학설계(Sequential Engineering Design, SED)와 동시공학설계(Concurrent Engineering Design, CED)를 전략적으로 구분할 수 있는 의사결정 기반을 마련하는 것을 목표로 한다. 이를 통해 기업은 설계 자원의 효율적 활용, 일정의 신뢰성 확보, 반복 설계의 최소화를 달성할 수 있을 것으로 기대된다.
1.2 연구 목적 및 연구 문제
본 연구는 중소 제조기업의 비규격 설계 데이터를 활용하여 다음과 같은 문제들을 해결하는 것을 목적으로 한다.
첫째, 비규격 제품 설계 과정에서 설계 복잡도를 높이는 주요 변수들을 고려하여 사양 기반 설계복잡지수를 정의하는 모델을 제시한다.
둘째, 도출된 사양 기반 설계 복잡도(SDCI)를 기반으로 실제 데이터를 활용하여 설계 복잡도 수준을 진단하고, SED와 CED를 전략적으로 선택할 수 있는 분류 체계를 마련한다. 이를 통해 설계자의 주관적 판단이 아닌, 정량적 근거에 기반을 둔 설계 전략의 체계적 의사결정 기준을 제시한다.
셋째, 설계 복잡도 수준별 설계 특성을 비교·분석함으로써, 설계 방식 선택과 자원 관리에 활용할 수 있는 분석 체계의 방향을 제시하였다.
본 연구에서의 구간 설정은 SDCI 최종값을 기준으로 설계 복잡도를 범위별로 구분하며, 이를 통해 업무 최적화 및 전략적 설계 전환의 기준을 도출하는 데 그 목적이 있다.
1.3 연구의 차별성과 학문적 기여
기존 연구들은 설계 복잡도를 주로 설계자의 경험이나 단편적 지표(부품 수, 조립 용이성 등)에 의존하여 평가하였기 때문에, 설계 전략 수립의 객관성과 재현성이 부족하였다. 따라서 기존의 선행연구는 설계자의 경험적 판단이나 주관적 인터뷰를 통해 설계 복잡도를 추정하였으며(Faller et al., 2024), 이는 설계 전략 수립에 있어 객관성과 재현성의 한계를 보여주었다.
이에 본 연구는 실제 297건의 비규격 제품 설계 데이터를 기반으로 설계 복잡도를 수치화한 SDCI를 제안함으로써, 정량적이고 재현 가능한 설계 전략 의사결정 체계를 확립하였다. SDCI는 단일 난이도 지표를 넘어, 설계자의 인지적 부담, 재설계율, 설계 시간, 설계비용, 협업 강도 등 다차원적 요인을 통합적으로 반영한 복합 지표로 정의된다. 이를 통해 본 연구는 설계 복잡도를 단순한 경험적 판단 대상이 아닌 전략적 관리 변수로 전환하였다.
또한 SDCI를 활용한 실증 분석 결과, 복잡도가 높을수록 설계 리드타임이 증가하고 재설계율이 상승하는 경향이 확인되었으며, 이는 복잡도가 높은 설계에서는 협업 중심의 CED가, 복잡도가 낮은 설계에서는 효율 중심의 SED가 효과적이라는 점을 입증하였다. 이러한 결과는 복잡한 설계 환경에서 동시적 협업 체계가 생산성을 향상시킨다는 선행연구(Zhu, Wang, &Zou, 2021)와 일관된 경향을 보인다. 따라서 본 연구는 복잡도 수준에 따라 SED와 CED를 전략적으로 구분할 수 있는 정량적 판단 기준을 제시하였다.
이러한 접근은 단순한 이론 제안을 넘어, 중소 제조기업의 실제 운영 데이터를 활용한 실증적 검증을 통해 현장 적용 가능성과 신뢰성을 확보하였다는 점에서 학문적·실무적 차별성을 지닌다.
첫째, 복잡성 이론을 실측 데이터를 기반으로 한 정량적 분석 체계로 확장하였다.
둘째, SDCI를 활용하여 설계 복잡도와 성과 간의 인과관계를 실증적으로 규명하였다.
셋째, 복잡도 지수를 산업 현장의 설계 의사결정에 직접 적용할 수 있는 관리 체계를 구축하였다.
결과적으로 본 연구는 설계 복잡도를 중심으로 한 정량적 설계 전략 분류 체계를 정립함으로써, 중소 제조기업의 디지털 엔지니어링 전환을 위한 실증 기반 전략 모델을 제시하였다.
1.4 기대 효과 및 정책적 시사점
본 연구를 통해 SDCI 및 설계 방식 분류 체계는 다음과 같은 효과를 기대할 수 있다.
• 설계 효율성 제고: 숙련자의 주관적 판단으로는 복잡도가 높은 설계의 일관성 있는 평가가 어렵다. 따라서 SDCI를 통해 이를 정량화하였고, 복잡도가 높은 설계에는 CED를 적용하여 전략 선택의 객관성과 재현성을 강화하였다.
• 설계 품질 안정성 확보: 기존 연구에서 보고된 바와 같이 복잡한 설계일수록 동시 공학적 접근을 통해 설계오류와 재작업을 예방할 수 있다.
• 자원 최적화: 설계 복잡도에 따라 인력 배치, 자재 조달, 외주 가공을 차등화 하는 데 도움을 줄 수 있어 조직 내 자원 활용의 효율성을 향상시킬 수 있다.
• 설계 전략 자동화 기반 마련: 향후 ERP, MES 등 경영과 생산의 관리와의 연계를 통해 SDCI 기반 설계 자동화 알고리즘 개발이 가능하며, 스마트 제조로의 이행을 위한 설계 단계의 디지털 기반을 제공할 수 있다.
본 연구는 중소 제조 기업이 직면한 설계 환경의 구조적 비효율성을 개선하고, 설계 전략과 시스템화를 실현하기 위한 실질적 해법을 제시함으로써 산업적 가치와 기여를 제공한다.
2. 이론적 배경 및 선행연구
2.1 비규격 제품 설계의 개념과 산업적 특성
비규격 제품은 표준화된 규격품과 달리, 고객의 요구와 사용 환경을 반영하여 맞춤형으로 설계·제작되는 제품을 말한다.(Putnik & Putnik, 2019). 비규격 제품 설계는 일반적으로 수주 기반(Engineer-to-Order)으로 추진되며, 초기 단계에서 요구사항의 가변성, 신규 부품 설계의 필요성, 외주 공정 연계 등 다수의 불확실성이 동시적으로 발생한다. 이로 인해 동일 제품군 내에서도 설계 산출물의 다양성이 커지고, 리드타임 변동성이 확대되는 구조적 요인으로 작용한다(Garbie & Shikdar, 2010).
중소 제조 기업은 제한된 인력·설비·정보 인프라 하에서 맞춤형 요구에 대응해야 하므로, 초기 설계 의사결정이 생산성·품질·납기 신뢰도에 직접적으로 영향을 미친다. 특히 실험실 가구·연구 장비 등 사용자 규격 의존도가 높은 산업영역에서는 고객 협의와 현장 제약 조건이 설계 사양을 빈번히 변형시키므로, 설계 정보의 일관된 관리, 부서 간 협업의 동시성 확보, 사전 검증 절차의 내재화가 핵심 관리 과제로 부상한다.
본 절은 비규격 제품 설계를 개념·공정·조직적 맥락에서 규정함으로써, 설계 방식 구분과 사양 기반 SDCI 제시를 위한 문제 배경과 분석 범위를 명확히 한다.
[Fig. 1]은 비규격 설계 과정에서의 업무공유와 흐름을 시각적으로 나타낸 것이다.
2.2 설계 방식의 순차 설계와 동시 설계
제품 설계 프로세스는 수행 방식에 따라 전통적인 SED와 CED로 구분된다. SED는 설계·생산·품질·구매 등 기능 부서가 순차적으로 업무를 수행·인계하는 체계로, 절차 명확성과 책임 귀속이 용이하다는 장점을 가진다(Prasad, 1996; Andreasen, 2000). 그러나 정보 전달 지연, 피드백 한계, 반복 작업 증가 등 재작업의 누적을 일으킬 가능성이 높아 구조적 비효율성을 내포하고 있다(Lee et al., 2001).
반면, CED는 제품 개발 초기 단계부터 다기능 조직이 동시적·반복적 상호작용을 통해 설계를 진행하는 체계로서, 정보 동시성과 의사결정 병렬화를 통해 설계 품질의 예측 가능성과 오류 예방 수준을 높이고 리드타임 단축을 동시에 달성하는 협업 기반 설계 방식이다(Eppinger & Browning, 2012). 이 접근은 복잡도가 높은 과업에서 설계-제조 연계의 일치성을 제고하고, 조정 비용과 불확실성 전파를 억제하는 조직적 메커니즘으로 기능한다.
또한 국방·제조 지침에서도 생산성을 고려한 통합하는 동시적 접근을 권고하고 있으며, 최근 항공우주 분야의 ‘초기 동시 설계’ 연구들은 개념 단계에서의 동시 협업이 비용·품질·개발기간 측면에서 우월성을 보인다고 보고하였다(Duverger et al., 2024). 최근 연구는 산업 특성과 조직 역량에 따라 CED 적용 조건을 세분화하는 추세이다. 본 연구의 SDCI는 이러한 연구 공백을 보완하여, 비규격 설계에서 SED와 CED 선택을 위한 정량적 기준을 제시한다(Son & Bae, 2025).
2.3 설계 복잡성 연구 방법의 한계
기존 연구에서의 설계 평가 방식은 주로 설계자의 경험적 판단이나 기업의 전략적 선택에 의존해 왔으며, 이에 따라 설계 난이도를 정량적으로 반영하는 데 어려움이 존재하였다(Regenwetter et al., 2022). 특히 중소 제조기업의 비규격 제품 설계 환경은 고객 요구의 다양성, 조직 구조의 단순성, 정보 인프라의 한계 등 복합적인 요인이 중첩되어 있으므로, 기존연구의 일률적 접근으로는 설계 복잡도를 실질적으로 설명하기 어렵다.
설계 복잡도(design complexity)는 종종 설계 난이도(design difficulty)와 동일시됐으나, 두 개념은 그 본질이 다르다. 설계 난이도는 과업 수행에 필요한 시간, 기술 수준, 인력 투입, 자원 소요 등 설계자가 체감하는 주관적 부담의 정도를 의미한다. 반면 설계 복잡도는 제품 구성요소의 수, 부품 간 상호의존성, 정보 흐름의 다양성 등 시스템 내 구조적 상호작용의 수준을 의미하며, 이는 객관적으로 측정할 수 있는 속성이다(Browning, 2001).
Boothroyd et al. (2010)은 제조 및 조립의 용이성을 고려한 설계 평가 방식으로 DFMA(Design for Manufacture and Assembly) 지수를 제안하였다. 이 지수는 부품 수와 조립 단계의 단순화를 중심으로 설계 효율성을 정량적으로 평가하여 생산성과의 연계성을 강조하였으나, 복잡한 설계 환경에서 요구되는 인지적·기술적 난이도를 충분히 반영하지 못한다는 한계를 지닌다.
이후 Ton(2021)은 PCMM(Project Complexity Measurement Model)을 통해 복잡성을 구조적(Structural), 시간적(Temporal), 조직적(Organizational), 기술적(Technological) 복잡성으로 구분하여 계량화하는 모델을 제시하였다. 그러나 PCMM은 주로 프로젝트 관리 관점에서 개발되었기 때문에, 설계 수행 데이터를 활용한 실증적 복잡도 분석에는 한계가 존재한다.
따라서 기존 연구들은 복잡성의 개념적 구조를 정립하는 데 이바지하였으나, 실측 설계 데이터를 기반으로 복잡도를 정량적으로 분석할 수 있는 통합적 지표를 제시하지 못하였다. 이러한 연구 공백은 비규격 제품 설계 환경에서 복잡도를 실질적으로 평가하고 관리하기 위한 새로운 지수의 필요성을 제기한다.
2.4 사양 기반 SDCI의 개념과 연구 필요성
비규격 제품 설계는 고객 맞춤형 요구, 빈번한 사양 변경, 외주 협업의 불확실성 등 다차원적 요인이 복합적으로 작용하는 고 복잡성 설계 환경이다. 이러한 특성은 기존의 단일 요인 중심 평가 체계로는 정확히 반영하기 어렵다. 따라서 설계자의 주관적 난이도와 시스템의 구조적 복잡성을 동시에 계량화할 수 있는 새로운 지표의 도입이 요구된다.
본 연구는 이러한 한계를 극복하기 위해 SDCI를 제안한다. 이는 설계자의 인지적 부담, 재설계율, 설계 소요 시간, 비용, 외주 협력 수준, 고객 요구의 불확실성 등 다양한 요인을 통합하여 설계 복잡도를 정량적이고 구조화된 지표로 평가하는 모델이다. 이를 통해 설계 복잡도를 단순한 정성적 판단이 아닌 객관적 수치 기반 의사결정을 기준으로 전환할 수 있다.
Ton(2021)의 복잡성(Structural, Temporal, Organizational, Technological)을 설계 데이터 구조에 적용한다. 구조적 복잡성(Structural)은 부품 수, 상호의존성, 신규 설계 비율 등 제품의 물리적 복잡성을 반영하고, 시간적 복잡성(Temporal)은 설계 리드타임, 정보 전달 지연, 재작업 발생 주기를 측정하며, 조직적 복잡성(Organizational)은 설계 부서 간 협업 빈도, 의사결정 수준, 피드백 루프의 효율성을 포함한다. 그리고 기술적 복잡성(Technological)은 기술 혁신 수준, 신규 공정 적용 여부, 설계 변경의 기술적 난이도를 포함한다.
또한 다차원적 접근을 통해 SDCI는 복잡성이 설계 성과(시간, 비용, 품질)에 미치는 영향을 정량적으로 예측할 수 있다. 특히 SDCI는 설계 초기 단계에서 복잡도를 사전에 평가하여, SED 또는 CED 중 어느 전략이 더 적합한지를 판단하는 기준으로 활용될 수 있으며, 중소 제조 기업은 SDCI를 기반으로 설계 난이도에 따른 자원 배분, 일정 계획, 협업 구조의 설계를 사전에 결정할 수 있으며, 이는 설계오류 감소와 리드타임 단축으로 이어진다.
이와 같이 기존 연구들은 설계 난이도와 복잡도의 일부 측면을 정량화하는 데 이바지하였으나, 대부분 제조 용이성과 구조적 복잡성에 한정되어 있어 설계의 다양한 변수에 대해 통합적으로 반영하지 못하였다. 특히 중소 제조기업의 비규격 제품 설계 환경에서는 고객 맞춤형 요구, 외주 협업, 빈번한 설계 변경 등 복합적인 요인이 동시에 작용하므로, 기존 단일 지표 중심의 접근으로는 설계 난이도를 객관적이고 실질적으로 평가하기 어렵다.
따라서 본 연구에서는 기존연구의 한계를 극복하고, 설계자의 인지적 부담, 재설계율, 설계 소요 시간, 비용, 고객·외주 협력 수준 등 다양한 요인을 통합한 SDCI를 분석하고 연구하여 새롭게 제안한다. 본 연구가 제안하는 SDCI는 설계 복잡도를 정량적이고 구조화된 지표로 제시함으로써, 설계 전략의 선택과 성과 예측에 활용할 수 있는 실질적 근거를 제공한다. 또한 Kim & Park (2023)의 연구는 품질관리 분야에서 정량적 지표화를 통한 관리 체계 구축의 필요성을 강조하였으며, 본 연구의 SDCI는 이러한 접근을 설계 품질 영역으로 확장한 사례로 볼 수 있다.
2.5 복잡도 측정 모델과 본 연구의 이론적 차별성
기존의 복잡도 측정모델은 설계요소 간 상호의존성(interdependency)과 정보흐름(information flow)을 구조적으로 분석하는 데 초점을 두어 왔다. 이 중 Eppinger와 Browning(2012)이 제안한 DSM(Design Structure Matrix)은 설계요소 간 관계를 시각화하여 상호작용의 방향성과 의존성 정도를 정량적으로 분석하는 방법론으로써, 시스템 내 구성요소 간 의존성을 기반으로 복잡도를 진단하고, 의사결정 순서를 최적화하여 설계 프로세스의 병목현상을 완화할 수 있다는 장점을 지닌다. 그러나 DSM은 구조적 복잡성(structural complexity)에 집중되어 있으며, 설계 과정에서 발생하는 불확실성, 반복 설계, 부서 간 조정 노력 등 인지적(cognitive), 조직적(organizational) 복잡성을 충분히 반영하지 못한다는 한계가 지적되어 왔다(Browning, 2001).
한편, Elmaraghy와 Schuh(2012)는 복잡성을 설계 및 제조 단계의 기능, 구조, 시간, 비용, 의사결정 간 상호관계로 정의하고, 이를 정량적으로 분석할 수 있는 시스템 접근방법을 제시하였다. 이 접근은 복잡도를 다차원적으로 이해하기 위한 학문적 틀을 제시했으나, 주로 대규모 제조시스템이나 표준화된 설계 환경을 대상으로 수행되었기 때문에, 중소 제조기업의 비규격 설계와 같은 실무적 환경에 적용하기에는 한계가 있다.
또한 DFMA 모델은 제품 설계의 생산성과 조립 효율성을 정량적으로 평가하는 대표적 방법으로, 제품의 부품 수, 조립 용이성, 공정 간 의존성 등을 계량화하여 제조 복잡도를 측정한다. 그러나 DFMA는 설계자의 의사결정 구조나 협업 과정에서 발생하는 복잡성 요인을 충분히 반영하지 못한다. 따라서 기존 복잡도 측정모델들은 설계 복잡도를 구조적 차원에서 일정 부분 설명할 수 있었으나, 설계 중심의 인지적·조직적 복잡성을 통합적으로 설명하기에는 한계가 존재한다.
이에 본 연구는 DSM의 구조적 분석을 계승하면서도, 실제 설계 데이터를 기반으로 인지적·조직적 요인을 포함한 SDCI를 제안한다. SDCI는 부품 수, 설계 변경 빈도, 외주 항목 수, 도면 재활용성 등 설계과정에서 발생하는 다양한 복잡도 요인을 통합적으로 반영함으로써, 기존 DSM이 설명하지 못한 설계자의 인지적 부담과 협업 복잡성을 실증적으로 포함할 수 있다. 또한 DFMA가 제공하는 생산성 중심의 복잡도 측정과 달리, 설계자의 의사결정 복잡성과 협업을 중심으로 복잡도를 재정의함으로써, 설계 복잡성 이론의 실증적 확장을 실현하였다.
결과적으로 SDCI는 DSM의 구조적 상호의존성 분석을 이론적 기반으로 하여 인지적·조직적 요인을 포함한 설계 복잡도 모델로 향상시키며, 기존 복잡도 측정모델이 가지는 단편적 분석 한계를 극복하고, 설계공학의 복잡성 연구를 실제 설계 데이터를 기반의 정량분석 체계로 확장한 학문적 의의를 지닌다.
3. 연구 방법 및 SDCI 모델 개발
3.1 연구의 분류 절차 및 방법론
중소 제조기업의 비규격 제품 설계는 표준화된 규격 제품과 달리 설계 대상마다 다른 구조 조건과 고객 요구사항을 반영해야 하므로 높은 수준의 복잡성과 불확실성을 내포하고 있다. 이에 따라 설계 업무는 설계자의 직관과 경험에 크게 의존해 왔고, 그 결과 반복성, 일관성, 일정 관리 측면에서 구조적 한계를 드러났다. 이러한 문제를 해결하기 위해 본 연구는 설계 실무에서 반복적으로 나타나는 복잡성과 의사결정 부담 요인을 정량적으로 규명하고, 이를 설계 전략의 판단 기준으로 활용하기 위한 SDCI를 개발하였다.
본 연구는 설계 복잡도를 구성하는 주요 요인을 체계적으로 분석하고, 이를 정량화함으로써 설계 전략을 객관적으로 분류할 수 있는 기준을 제시하고자 한다. 이를 위해 SDCI의 도출 과정은 요인 식별, 변수 정의, 가중치 산정, 모델 구조화의 네 단계로 구성되며, 각 단계는 설계 복잡도의 계량화와 전략적 활용을 위한 분석 절차로 수행되었다.
첫째, 비규격 설계 과정에서 반복적으로 발생하는 설계 요인을 식별하고 8개의 변수로 정의하였다.
둘째, 도출된 요인은 상관분석을 통해 중복을 제거하고, 변수를 고려하여 다시 5개 상위 변수로 통합하였다.
셋째, 297건의 실제 비규격 설계 자료를 수집하여 각 변수의 수치를 확보하고 정규화 하였다.
넷째, 변수의 상대적 중요도는 AHP(Analytic Hierarchy Process) 기법을 활용하여 산정하였으며, 일관성 비율(Consistency Ratio, CR) 0.1 이하를 기준으로 신뢰성을 검증하였다.
제시된 절차는 설계 복잡도의 개념적 모호성을 제거하고, 주관적 판단에 의존하던 기존 평가 방식을 데이터 기반의 정량 체계로 전환하였다는 점에서 학문적 의의를 지닌다. 또한, SDCI는 향후 ERP 및 MES 시스템과 연계하여 실시간 복잡도 모니터링이 가능한 스마트 설계관리 체계로 확장될 수 있는 기반을 제공한다.
[Table 1]은 본 연구에 사용된 주요 변수의 기호 및 정의를 정리한 것으로, 이후 제시되는 SDCI의 수학적 구조와 직접적으로 연계되며, 정량적 분석 체계의 기초적 구성요소를 명확히 하기 위한 참조 자료로 활용된다.
3.2 변수 체계의 정의 및 통합
설계 복잡도의 정량화를 위해 본 연구에서는 초기 단계에서 총 8개의 변수를 도출하였다. 이는 중소 제조기업의 설계 실무 데이터를 기반으로, 다양한 복잡성과 의사결정 요소를 포괄적으로 반영하기 위함이었다.
설계 복잡도에 대한 정의와 구분은 다음과 같이 정의하였다.
Ton(2021)은 복잡성을 ‘구조적, 시간적, 조직적, 기술적 복잡성’의 네 가지 차원으로 구분하였으며, 이러한 체계는 제품 설계 과정의 다차원적 특성과 상호의존적 구조를 이해하는 데 중요한 이론적 틀을 제공한다. 그러나 본 연구는 중소 제조기업의 실무 설계 데이터를 대상으로 분석을 수행하기 때문에, 데이터의 측정 가능성과 정량적 일관성 확보를 고려하여 기술적 복잡성을 제외하였다.
따라서 본 연구에서는 복잡성을 구조적(Structural), 동적(Dynamic), 조직적(Organizational) 복잡성의 세 차원으로 재 정의하였다. 이와 같은 구분은 설계자의 인지적 부담과 조직 내 조정 난이도를 동시에 반영하기 위한 것으로, 시스템공학 및 프로젝트 복잡도 연구에서 일반적으로 채택되는 이론적 틀(Browning, 2001)을 따른다. 이러한 세 차원 분류는 실무 데이터 기반의 정량 분석에서 복잡도의 핵심 요인을 명확히 구분하기 위한 기준을 제시하며, 그 구체적 정의와 분류 기준은 [Table 2]에 정리하였다.
[Table 2]는 본 연구에서 제안하는 SDCI를 구성하는 핵심 이론적 근거로서, 복잡성의 세 차원을 설계 데이터의 정량적 변수로 체계화한 것이다. 이를 통해 복잡성 개념을 실무 데이터 수준에서 구체적으로 정의하고, 이후 SDCI 수학적 모델과 군집분석 및 구간화 과정에 직접적으로 활용된다. 따라서 본 연구의 이론적 구조(Complexity Framework)와 실증 분석(Quantitative Modeling)을 연결하는 핵심적 역할을 수행한다.
설계 복잡도는 단일 요인에 의해 결정되지 않으며, 구조적 복잡성, 정보 불확실성, 협업 요구 수준, 사양 변경 빈도 등 다차원적인 속성을 지닌다. 그러므로 초기 변수는 실무에서 반복적으로 관찰된 다양한 설계 부담 요인을 세분화하여 구성되며, 이들은 중소 제조기업의 실제 설계 이력 데이터, ERP 시스템, 전문가 인터뷰를 기반으로 도출되었고, 각 항목의 정의와 측정방식은 [Table 3]에 요약되어 정량적 설계 복잡도 분석의 기초자료로 활용된다.
이러한 8개 항목은 실무에서의 구조적 복잡성과 자원 부담을 정량적으로 반영하되, 평가 기준의 단순성과 해석 가능성을 확보하기 위해 5개 상위 항목으로 통합하였다. 초기 변수로 도출된 8개 항목은 실무 데이터(ERP 로그, 설계 이력)와 설계 전문가 인터뷰를 통해 반복 검증된 요인으로써 항목 간 개념적 중복이 존재하므로, 최종적으로 5개 상위 변수로 통합하였다. 통합 기준은 개념적 유사성과 실무 적용의 일관성을 고려하여 수립되었으며, SDCI 모델에 적용되는 변수 체계의 간결성을 확보하고자 한다. 통합항목은 ‘설계 복잡도 요소’, ‘고객 상호작용 정도’, ‘외주 의존성’, ‘내부 검토 절차 복잡성’, ‘설계 정보의 재활용성’으로 구성되며, 이들의 구조적 관계는 [Table 4]와 같다.
이상의 통합 구조는 정보 중복을 줄이고 설계 복잡도의 본질을 유지한 채 평가 기준을 단순화하기 위한 것으로, 다음 절에서 수학적 모델의 기반으로 활용된다.
3.3 SDCI의 정의와 수학적 구조
본 연구에서 제안하는 SDCI는 중소 제조기업의 비규격 제품 설계 과정에서 반복적으로 발생하는 복잡성과 부담 요인을 정량적으로 정의하기 위하여 개발되었다. 기존 연구들은 설계 복잡도를 주로 설계자의 경험적 판단이나 단편적 지표(예: 부품 수, 작업 횟수)에 의존하였기 때문에, 평가 결과의 일관성을 확보하기 어렵고 실무적 활용성에도 한계가 있었다.
이를 극복하기 위해 본 연구는 실험실 가구 또는 장비 제조 분야의 297건의 설계 데이터를 기반으로, 설계 복잡도를 설명할 수 있는 8개 초기 변수(① 부품 수, ② 치수 변경 수, ③ 신규 부품 수, ④ 협의 횟수, ⑤ 외주 항목 수, ⑥ 유사도면 활용 여부, ⑦ 고객 요청 수, ⑧ 도면 검토 횟수)를 도출하였다. 이후 변수 간 중복성과 설명력을 고려하여 설계 복잡도의 핵심 요인으로 5개 항목으로 통합·정제하였으며, 각 항목은 [0, 1] 구간으로 정규화 하여 비교할 수 있도록 변환하였다. 정규화 수식은 (1)과 같이 나타낸다.
여기서 xik는 i번째 설계의 k번째 항목에 해당하는 원시 값이며, x′ik는 정규화 된 값 [0, 1]의 수치이다.
모든 변수 값을 동일 척도로 환산하기 위한 정규화 단계로써 이 정규화 과정을 통해 모든 항목은 동일한 척도상에서 해석될 수 있으며, SDCI 모델 내 선형 결합이 가능하도록 수학적 일관성이 확보하였다.
SDCI는 이처럼 정규화된 항목에 가중치를 부여한 후 가중 합을 통해 산출되며, 설계 과정에서 발생하는 복잡성과 불확실성을 통합적으로 반영한다. 기존 지표들이 제조 용이성이나 구조적 복잡성 등 단일 차원에 국한되었던 것과 달리, SDCI는 고객 맞춤형 요구, 빈번한 설계 변경, 외주 협력과 같은 다양한 요인을 동시에 고려한다는 점에서 의의가 있다. 또한, 정규화된 항목들은 실무 전문가의 중요도 평가와 실측 데이터 분석을 반영한 가중치 wk 와 결합한다. 이를 통해 설계 복잡도의 상대적 수준을 나타내는 최종 SDCI는 (2)와 같이 정의된다.
여기서 n은 고려된 설계 항목의 총개수를 의미한다. 본 연구에서는 전문가 평가와 데이터 기반 분석을 병행하여 각 항목의 중요도를 산정하였으며, 정규화된 값에 가중치를 부여하여 최종 SDCI를 산출하는 단계로써 지수의 실용성과 타당성을 확보하였다.
식 (2)의 SDCI는 설계 복잡도를 단일 척도로 정량화한 데이터 기반 가중평균 모델로서, 기존의 경험적 판단에 의존하던 평가 방식을 객관적이고 재현 가능한 분석 체계로 전환한다. 설계 일정의 예측 가능성 향상, 자원 배분의 합리화, 설계자 간 업무 균형 조정, 그리고 SED와 CED의 합리적 선택을 지원할 수 있으며, 설계 방식(SED·CED)의 전략적 선택을 위한 판단 근거로 활용될 수 있다. 나아가 ERP 및 MES와의 연계를 통해 SDCI는 설계 복잡도를 기준으로 한 자동화된 전략 분류와 자원 배분 시스템으로 확장 가능하며, 이는 중소 제조기업의 디지털 전환을 촉진하는 핵심 기반으로 기능한다. 따라서 SDCI는 설계 복잡도의 다차원적 요인을 통합한 정량 지표로서, 기존 단편적 평가 방법의 한계를 극복하고, 학문적으로는 설계 복잡성 연구의 정량적 확립에, 실무적으로는 비규격 제품 설계의 효율성과 신뢰성 향상에 기여한다.
3.4 SDCI의 변수와 가중치
SDCI의 정확성과 실용성을 확보하기 위해서는 각 항목이 설계 복잡도에 미치는 영향력을 정량적으로 평가할 수 있는 신뢰도 높은 가중치 설정이 필요하다. 본 연구에서는 통합된 변수는 전문가 설문을 통해 쌍대비교 행렬을 작성하고, AHP 기법을 활용하여 다섯 개 상위 항목에 대한 상대적 중요도를 도출하였다. AHP 기법은 복잡한 의사결정 문제를 구조화하고 전문가 판단을 체계적으로 반영할 수 있는 대표적인 다기준 의사결정 기법이다.
Kim & Ha (2022)는 국방품질경영체제(DQMS)에 대한 정량평가모델을 제시하며, 다기준의 품질요소에 AHP 기반 가중치를 부여하여 평가의 객관성과 재현성을 확보하였다. 이러한 접근은 본 연구의 SDCI 가중치 산정 과정에서도 동일한 이론적 근거로 활용된다.
본 연구는 가중치 산정을 위해 설문에는 경력 5년 이상의 비규격 설계 전문가 10인을 선정하였으며, 일관성 비율(CR)=0.08로 0.1 기준을 충족하였다. 따라서 산출된 가중치는 논리적 일관성과 신뢰성을 충족한다고 판단할 수 있다. 전문가 집단은 각 항목 간 상대적 중요도에 대한 쌍대 비교를 수행하였으며, 최종적으로 도출된 각 항목의 가중치는 [Table 5]와 같다.
이와 같이 산출된 가중치는 모든 항목의 합이 1이 되도록 정규화 하였으며, 이는 SDCI의 수학적 모델에서 각 항목의 기여도를 정량적으로 반영하는 계수로 사용된다. 본 분석은 정성적 판단을 수치화함으로써 설계 요소 간의 중요도를 객관화하고, 설계 전략 수립의 정량적 기준을 제공하는 데 기여한다.
본 연구에서는 SDCI를 산출하기 위하여, 통합된 변수를 대상으로 전문가 설문을 하고, AHP를 적용하여 각 변수의 상대적 중요도를 산출하였다. 설문 문항은 [Table 4]에 제시되어 있으며, 이는 원자료를 통합하여 도출된 항목을 기반으로 구성되었다.
특히, 원자료 변수와 통합 변수, 그리고 가중치 적용 변수 간의 대응 관계는 [Table 6]에 정리하였다. 이 표는 [Table 3]의 원자료가 [Table 4]를 통해 통합되고, 다시 AHP 설문[Table 5]와 가중치 결과 [Table 6]으로 연결되는 과정을 명확히 보여준다. 이를 통해 원자료와 통합 변수, 그리고 AHP 기반 가중치의 연계 구조를 명확히 제시하였다. 특히 [Table 6]은 각 변수의 매핑 과정을 시각적으로 보여주며, 일부 항목 간 용어 차이는 통일된 정의를 통해 일관성을 유지하고자 하였다. 따라서 [Table 6]은 원자료 – 통합 변수 – 가중치 변수의 연결 관계를 정리하여 식(1), (2)의 정합성을 강화하였다.
[Fig. 2]는 본 연구에서 제안한 SDCI 산출과 설계 전략 분류 절차를 도식화한 것이다. 원자료 변수는 먼저 정규화(식 1)를 거쳐 [0, 1] 범위의 통합 변수로 변환되며, 이후 AHP 기법을 통해 산출된 가중치를 적용하여 가중합 계산(식 2)을 수행한다. 이렇게 산출된 SDCI 값은 설계 복잡도의 정량적 지표로 활용되며, 임계값(0.60)과 구간 기준(0.35, 0.65)에 따라 SED 또는 CED 전략으로 분류된다. 이 절차는 설계 복잡도 평가를 경험적 직관에 의존하던 기존 방식에서 벗어나 데이터 기반의 구조적 의사결정 체계로 전환하는 과정을 명확히 보여준다.
3.5 설계 방식 분류 기준의 수립
SDCI는 단순한 정량 지표를 넘어서, 설계 전략의 방향성을 사전에 결정하고 조직 내 업무수행 방식의 구조적 전환을 유도할 수 있는 핵심을 기준으로 한다. 본 연구에서는 설계 과제의 복잡도 수준을 반영하여, 각 과제를 SED와 CED로 전략적으로 분류하는 체계를 제안한다.
297건의 사례 분석 결과, 설계 방식 분류의 기준은 SDCI의 수치에 기반하며 경험적 사례 분석 및 전문가 평가 결과를 종합하여 다음과 같은 기준점을 설정하였다. 그 결과, SDCI 값이 0.60 미만인 경우, 설계 복잡도가 낮고 구조가 단순한 과제로 판단되므로, 부서 간 정보 전달이 직렬로 이루어지는 SED 방식이 적합한 것으로 나타났다. 반면, SDCI가 0.60 이상이면 설계 복잡도가 높고 협업 요구 수준이 높으므로, 다기능 부서가 초기 단계부터 동시에 참여하는 CED 방식의 적용이 타당한 것으로 분류된다.
• SDCI < 0.60 → 순차 설계(Sequential Engineering Design, SED) 권장
• SDCI ≥ 0.60 → 동시 설계(Concurrent Engineering Design, CED) 권장
임계값은 전문가 인터뷰와 사례 기반 분석을 통해 도출된 값이며, 설계 복잡도의 실질적 복잡도와 협업 요구 수준을 반영한 결과이다. 본 기준은 설계 초기 단계에서의 전략 수립, 자원 배분, 업무 조직 편성 등에 있어 실무적 의사 결정 도구로 활용될 수 있다. 임계값은 K-평균 군집화(K-means, k=2)와 가우시안 혼합모형(Gaussian Mixture Model, GMM) 군집분석에서 도출된 경계(약 0.59~0.61)와 전문가 판단의 합치를 근거로 0.60을 채택하였으며, 임계값 도출방법은 4.1절에 나타내었다.
결론적으로, 본 연구에서 제안한 SDCI 기반의 설계 방식 분류 체계는 설계 복잡성을 수치화하여 전략적 선택을 지원함으로써, 기존의 직관적 판단에 의존하던 의사결정 구조를 보완하고, 설계 프로세스의 효율성과 예측 가능성을 제고하는 데 기여할 것으로 기대된다.
[Table 7]은 SDCI를 분석하기 위한 데이터 자료로써 제품 설계 시 항목별 설계 품목과 수량을 정리한 원자료이다. 설계 방식 분류 체계를 위해 활용되며, 제4장에서의 SED와 CED 분류를 위한 SDCI 구간화 기초자료가 된다.
4. SDCI 적용 및 설계 방식 분류 결과
4.1 SDCI 전략 기준 값과 설계 방식 분류
본 연구에서 제안한 SDCI 모델은 설계 복잡도를 구성하는 요소를 정량화하고, 각 항목에 가중치를 부여하여 이를 단일 수치로 환산하는 방식으로 정의된다. 본 모델은 실제 설계 데이터를 기반으로 적용함으로써 SDCI의 실무 활용 가능성과 타당성을 입증하고자 하였다. 특히 SDCI의 임계값 0.60은 SED와 CED를 구분할 수 있는 전략적 기준치로 설정되었으며, 복잡도 수준별 구간화 전략을 도출하기 위한 핵심 근거로 활용되었다. 이러한 실증 분석은 SDCI가 단순한 이론적 모델에 머무르지 않고, 설계 전략 수립과 조직 운영을 위한 실질적 의사결정 도구로 기능할 수 있음을 입증하는 데 목적이 있다.
본 연구에서 제시한 SDCI 기준 값 0.60은 297개 사례의 설계 데이터를 대상으로 도출되었다. 각 설계 사례의 복잡도는 1차원 데이터 셋으로 구성한 후, K-means와 GMM을 적용하여 데이터의 자연적 분할 경계를 추정하였다. 분석 결과, 두 군집 간의 경계는 약 0.59~0.61 구간에서 형성되었으며, 전문가 평가를 통해 설정된 0.60 임계값과 거의 일치하였다.
이 결과는 임계값이 단순한 경험적 판단이 아니라, 데이터의 통계적 구조에 내재된 자연 경계에 근거함을 보여주며, 본 연구에서 제시한 기준 값 0.60은 설계 복잡도의 수준에 따라 SED와 CED를 구분할 수 있는 객관적·정량적 의사결정 기준으로 해석될 수 있다. 이와 같은 임계값 도출 결과는 SDCI가 이론적 모델을 넘어, 설계 전략 수립 및 조직 운영을 위한 실질적 의사결정 도구로 활용될 수 있음을 실증적으로 입증한다. SDCI의 임계값 도출 결과는 [Table 8]과 같다.
[Fig. 3]은 297개의 설계 사례에서 산출된 SDCI 점수의 분포를 기반으로, K-means 분석 및 GMM분석을 통해 도출된 데이터 기반 군집 경계를 비교하여 나타낸 것이다.
데이터 기반으로 산출된 SDCI 임계값(0.60)은 전문가 판단과 통계적 분석 결과가 일치함을 보여주며, 이는 설계 복잡도 수준에 따른 전략 구분의 객관적 근거로 기능한다. 또한, K-means와 GMM 분석에서 식별된 두 군집의 분포는 정규분포 형태로 나타났으며, SDCI 값이 약 0.60 부근에서 자연스럽게 두 집단으로 분리되는 양상을 보였다. 이는 전문가에 의해 설정된 임계값이 통계적으로 타당함을 시각적으로 입증하는 결과이다.
본 연구의 분석을 위해 수집된 총 297건의 비규격 제품 설계 사례에 대해 SDCI 값을 산출하고, 이를 기준 값에 따라 두 가지 설계 방식으로 분류하였다. 설계 사례를 분류한 결과는 [Table 9]와 같다. 전체 사례 중 224건(75.5%)은 SDCI <0.60으로 SED에, 73건(24.5%)은 SDCI ≥ 0.60으로 CED에 해당하였다. 이 결과는 실제 제조 현장의 비규격 제품 설계 중 다수가 비교적 낮은 복잡도 수준에서 수행되고 있으며, 복잡도가 높은 설계 과제는 제한된 비중을 차지함을 시사한다. 반면, 높은 SDCI 값을 가진 사례들은 부품 수 증가, 고객 협의 빈도 상승, 외주 연계 강화 등 다수의 복잡한 설계 요인을 포함하고 있어, 단순한 순차 설계 방식으로는 대응하기 어려운 구조적 한계를 보였다.
따라서 본 절의 분석은 SDCI가 단순한 복잡도 평가 지표를 넘어, 설계 전략 분류 및 자원 배분 의사결정의 근거 지표로 기능할 수 있음을 실증적으로 입증하였다. 즉, SDCI를 활용한 데이터 기반 분류 체계는 실무적 적용 가능성을 확보하였으며, 향후 설계 복잡도 수준에 따른 전략적 설계 방식 전환의 정량적 기준으로 활용될 수 있다.
4.2 SDCI 구간화 및 설계 전략 제안
앞선 분석에서 SDCI 임계값 0.60을 중심으로 SED와 CED의 구분 가능성이 확인되었으나, 실제 설계 현장에서는 설계 복잡도가 이분법적으로 구분되지 않고 연속적 형태로 분포한다. 따라서 본 연구에서는 설계 복잡도의 연속적 특성을 반영하기 위해 SDCI를 3단계 구간화(낮은 복잡도, 중간 복잡도, 높은 복잡도) 구조로 세분화하였다. 이러한 분석은 SDCI가 단순한 이론적 모델에 머무르지 않고 SDCI의 실무적 활용 가능성을 실증적으로 검증하였다.
SDCI의 연속적 특성을 반영하기 위해 3단계 구간을 모형 기반 경계로 정의하였다. [Table 10]은 각 복잡도 구간의 특성을 요약한 것이다. 이 기준은 K-means 및 GMM 3군 집 분석에서 도출된 중심값 사이의 데이터 구분 경계를 반영한 것이다. 이러한 세분화 기준은 복잡도의 연속적 변화를 체계적으로 설명할 수 있을 뿐만 아니라, 설계 전략 선택 시 정성적 판단에 의존하던 기존 방식에 비해 데이터 기반의 구조적 의사결정 체계로 전환할 수 있는 근거를 제공한다. 이러한 구간 정의는 데이터의 내재적 분포를 기반으로 한 경계값 산정으로, 단순한 경험적 구분이 아니라 통계적 근거에 의해 결정된 구조적 세분화임을 의미한다.
SDCI는 단순한 복잡도 판단 지표에 머무르지 않고 설계 전략의 자동화 및 구조적 전환을 가능하게 하는 핵심 수단으로 기능할 수 있다. 특히 SDCI 값이 일정 수준을 초과할 경우, CED의 적용 조건을 사전에 도출할 수 있으며, 다음과 같은 판단 기준으로 실무 적용이 가능하다.
• 1단계 (낮은 복잡도) 0.00 ≤ SDCI < 0.35
반복형 설계 또는 유사 도면과 기존자료를 참조한 설계가 주를 이루며, 설계자의 직관이나 경험에 기반을 둔 단독 설계 수행이 가능하다. 이 구간은 설계 일정이 짧고, 작업이 명확하게 표준화되어 있는 경우로, 신입 또는 중급 설계자가 주도하여 순차 설계 방식으로 처리할 수 있다.
• 2단계 (중간 복잡도): 0.35 ≤ SDCI < 0.65
고객 요구에 따라 사양 조정, 구조 변경, 외주 가공 조율 등이 병행되는 단계로, 설계자 간의 경험 공유와 조기 피드백 체계가 부분적으로 요구되며, 일부 구간은 CED로 편입된다. 이 구간에서는 순차 설계를 기본으로 하되, 초반 설계 단계에서 제한적 동시 협업을 도입하는 혼합적 설계 전략이 권장된다.
• 3단계 (높은 복잡도): 0.65 ≤ SDCI ≤ 1.00
신규 개발 항목이 다수 포함되며, 고객 협의 및 외주 조정이 빈번하게 발생하고, 설계자의 개입 범위가 넓은 높은 복잡도 과업에 해당한다. 설계 결과물의 품질 확보와 일정 준수를 위해 설계-생산-품질 부서 간 동시 접근이 필수적이며, 사전 전담팀 구성과 동시 설계 체계의 변경에 대한 도입이 필요하다.
본 연구에서 제시한 구간화 방식은 기존의 주관적 경험에 의존하던 설계 복잡도 평가에서 벗어나, 데이터 기반의 구조적 의사결정 체계로 전환할 가능성을 보여준다.
SDCI를 세분화된 3단계 구간화 결과는 복잡도의 연속적 분포를 정량적으로 구조화함으로써, 설계 전략 수립 시 경험적 판단에 의존하던 기존 한계를 극복한다. 이를 통해 설계 전략 수립, 인력 배분, 자원관리 등 다양한 의사결정 과정에서 실질적이고 체계적인 활용 기준을 마련하였다. 이러한 전환은 설계오류 예방, 일정 준수, 품질 확보 등 다차원적 성과 향상으로 이어질 수 있는 기반을 제공한다.
또한 본 연구는 수주서 기반 원자료를 활용하여 SDCI 산출 절차의 실증적 타당성을 검증하였다. 초기 변수(부품 수, 신규 부품 수, 치수 변경 수, 고객 협의 횟수, 외주 항목 수, 도면 검토 횟수 등)를 사례별로 정규화한 후 AHP 기법으로 산출된 가중치를 적용하여 최종 SDCI를 도출하였다. 모든 항목은 [0, 1] 범위로 환산되어 동일 척도에서 비교 가능성을 확보하였으며, 산출된 SDCI 값은 사례별 총 설계 시간 및 재설계 시간과 유의한 상관관계를 나타냈다. 이는 SDCI가 단순한 개념적 지표가 아니라 실제 설계 복잡도를 정량적으로 반영할 수 있는 실증적 지표임을 입증한다.
특히, SDCI가 0.35 미만인 경우 평균 총 설계 시간은 약 150분 수준이었으나, SDCI가 0.65 이상인 복잡도 사례에서는 평균 설계 시간이 900분 이상으로 증가하였다. 이러한 차이는 SDCI 값이 설계자의 주관적 판단을 대체할 수 있는 정량적 근거로 기능함을 보여준다.
297건의 사례 데이터를 SDCI 값에 따라 3단계로 구분한 결과, 복잡도가 높아질수록 총 설계 시간과 재설계 시간이 모두 유의하게 증가하였다. 1단계의 평균 총 설계 시간은 약 120분, 재설계 시간은 5분 이내였으나, 3단계의 경우 평균 총 설계 시간은 375분, 재설계 시간은 22분 이상으로 나타났다. 이는 설계 복잡도의 상승이 단순히 작업 시간의 증가로만 이어지는 것이 아니라, 고객 협의, 외주 조율, 도면 검토 등 다양한 설계 부담 요인의 동반을 의미한다. 이러한 결과는 복잡도의 난이도가 높은 설계일수록 부서 간 병렬 협업 및 피드백 체계가 성과 향상에 직접적인 영향을 미친다는 것을 실증적으로 보여주며, SDCI 구간 화가 단순한 복잡도 분류를 넘어 전략적 설계 운영 방안 수립의 근거로 설계 효율성 향상에 이바지하는 핵심 요인임을 실증적으로 입증하였다.
4.3 사양 기반 설계 복잡도 기반 전략적 설계 운영 방안
본 연구는 SDCI를 단순한 설계 복잡도 평가 지표로 활용하는 수준을 넘어, 설계 인력의 효율적 배치와 전략적 설계 방식 선택을 지원하는 실질적 운용 도구로 제시한다. 설계자별 평균 SDCI를 산출하면 각 인력에게 배정된 업무의 복잡도와 편중 여부를 정량적으로 진단할 수 있으며, 이를 통해 불균형을 최소화하고 업무 효율을 향상시킬 수 있다.
설계 복잡도 구간은 [Table 10]과 같이 세 단계로 구분되었으며, 실제 사례 데이터를 적용한 결과는 [Table 11]에 나타난다. 분석 결과, 복잡도가 낮은 단계(Stage 1)에서는 모든 사례가 SED로 수행되었고, 중간 복잡도(Stage 2)에서는 94.7%가 SED, 5.3%가 CED로 나타났다. 반면 높은 복잡도(Stage 3)에서는 CED 비율이 46.1%로 급격히 증가하여, 복잡한 도면 요구, 외주 협력, 다 부서 협업이 필요한 상황에서는 동시 설계 전략이 필수적임으로 확인되었다.
이와 같은 분포는 SDCI가 설계 방식 전환의 실질적 기준으로 기능할 수 있음을 보여준다. 특히 SDCI 값이 일정 수준 이상(0.65 이상)으로 상승할 경우, 기존의 SED만으로는 대응이 어려운 복잡한 과업 구조가 발생하며, 이때 CED를 사전 도입하면 납기 지연, 설계 품질 저하, 반복 설계와 같은 위험을 효과적으로 억제할 수 있다.
또한, SDCI 기반 전략은 ERP·MES 시스템과 연동되어, 설계 자동 배분·실시간 자원 관리·설계 일정 최적화를 지원하는 데이터 기반 플랫폼으로 확장될 수 있다. 이는 설계자의 직관이나 경험에 의존하지 않고 데이터 기반으로 설계 전략을 전환할 수 있게 하며, 결과적으로 설계오류 예방, 일정 준수, 품질 확보 등 다차원적 성과 향상에 기여할 수 있는 구조적이고 실용적인 도구로 평가된다.
특히, SDCI ≥ 0.65 구간에 해당하는 설계는 신규 개발이 포함되거나 고객 맞춤 요구가 복합적으로 얽힌 과업으로, 설계자 개인의 역량만으로 감당하기 어려운 구조적 복잡성을 가진다. 이 경우, 설계 초기 단계에서 다부서 협업 구조를 계획적으로 수립하고, 외주 관리와 품질 검토를 병행하는 전략적 접근이 필요하다. 설계 방식의 변경이 아니라, 기업 내 설계 프로세스 전체의 구조를 재편성하는 방향성과도 연결되며, ERP·MES와 연계된 시스템에서는 설계 초기 단계에서 SDCI 값을 자동 산출하여, CED 전담팀 편성 및 자원 배분을 즉시 실행할 수 있다. 따라서 SDCI 기반 구간 화는 설계 전략 수립뿐 아니라, 조직 구조, 자원 배분, 일정 계획 수립 등 설계의 운영 전반에 걸쳐 전략적 전환을 체계적으로 유도할 수 있으며, 중소 제조기업의 설계 경쟁력 확보를 위한 핵심 도구로 활용될 수 있다.
5. 결론
5.1 연구 요약
본 연구는 중소 제조기업의 비규격 제품 설계에서 발생하는 복잡성과 불확실성을 정량적으로 관리하기 위해 SDCI를 개발하였다. 이를 통해 부품 수·설계 변경 빈도·외주 의존성·고객 협의 횟수 등의 주요 복잡도 요인을 정규화하고, AHP 기반 전문가 가중치를 적용하여 단일 지표로 통합함으로써, 기존의 경험 의존적 판단을 정량적·체계적 의사결정 구조로 전환할 수 있는 기반을 마련하였다.
총 297건의 실제 사례 데이터를 분석한 결과, 8개의 세부 항목(부품 수, 신규 부품 도입, 사양 변경 빈도, 고객 협의 횟수, 외주 의존성, 도면 검토 횟수, 설계 정보 재활용성 등)을 5개의 상위 변수로 통합하였으며, AHP 기법을 통해 각 항목의 중요도를 산출하였다. 이를 기반으로 산정된 SDCI는 설계 복잡도를 객관적 지표로 환산하는 기능을 수행하였다.
실증 분석 결과, SDCI 값이 높을수록 설계 시간과 비용이 유의하게 증가하는 경향이 나타났으며, SDCI <0.60에서는 SED가, SDCI ≥ 0.60에서는 CED가 상대적으로 효율적인 것으로 확인되었다. 또한, SDCI 값을 세분화하여 낮은 복잡도(0.35 미만), 중간 복잡도(0.35~0.65), 높은 복잡도(0.65 이상)의 3단계 구간으로 구분한 결과, 설계 복잡도 수준에 따른 분류에 따른 전략적 설계 방식의 구분이 통계적으로 타당함이 입증되었다. 특히 복잡도가 높은 설계에서는 다 부서 간 협업과 실시간 피드백을 기반으로 한 CED 전략의 필요성이 뚜렷하게 확인되었다.
추가로 설계자별 평균 SDCI를 활용한 인력 배분 분석 결과, 일부 설계자에게 높은 복잡도 과업이 집중되는 불균형 현상이 드러났다. 이는 SDCI 기반 배분 체계를 적용할 경우 업무 부담의 균형화와 재설계율 감소를 동시에 달성할 수 있음을 의미한다.
또한, 본 연구에서 제안한 SDCI의 임계값(0.60)은 297건의 실제 설계 데이터를 기반으로, K-means 군집화와 가우시안 혼합 모형(GMM)을 적용하여 도출되었다. 분석 결과, 두 군집 간의 경계는 약 0.59~0.61 구간에서 형성되었으며, 이는 전문가 평가를 통해 설정된 경험적 기준 값과 거의 일치하였다. 이러한 결과는 SDCI 값의 내재적 분포가 해당 구분을 통계적으로 지지함을 보여주며, 임계값 0.60이 단순한 주관적 기준이 아니라 데이터 구조에 내재된 자연적 경계임을 실증적으로 입증한다.
결과적으로 본 연구에서 제시한 SDCI 기준 값(0.60)은 설계 복잡도 수준에 따라 SED와 CED를 구분하는 객관적·정량적 의사결정을 기준으로 활용될 수 있으며, 설계 전략 전환 및 자원 배분 판단의 실질적 근거로 기능할 수 있다. 결과적으로, SDCI는 단순한 복잡도 평가 지표를 넘어 설계 전략 수립·인력 운영·자원 관리를 지원하는 실질적 의사결정 도구로서의 타당성을 확보하였다.
5.2 연구의 차별성과 실무적 시사점
본 연구는 기존의 설계 복잡도 평가 방식과 비교하여 다음 세 가지 학문적 차별성을 가진다.
첫째, 기존 연구는 주로 설계자의 직관적 판단이나 제한된 정성적 지표에 의존하여 복잡도를 평가함으로써, 동일 과업 간 평가 일관성을 확보하기 어려웠다. 반면 본 연구는 실제 비규격 제품의 설계 데이터를 활용하여 복잡도를 정량화할 수 있는 SDCI를 제안함으로써, 복잡도를 구성하는 다양한 설계 요인을 정량적으로 통합하고, 이를 기반으로 평가의 객관성, 재현성, 정량적 타당성을 확보하였다.
둘째, 본 연구는 단순히 이론적 모델을 제시하는 데 그치지 않고, 실제 중소 제조기업의 297건의 실측 데이터를 적용하여 SDCI의 통계적 타당성과 산업 현장 적용 가능성을 실증적으로 검증하였다. 이를 통해 설계 복잡성 이론을 정성적 논의에서 정량적 모델링 단계로 발전시킨 이론적 기반을 제시하였다.
셋째, 기존 평가 지표인 DFMA와 DSM은 각각 생산성 향상 및 구조 의존성 분석에 이바지했으나, 프로세스 불확실성과 설계자의 인지적 부담 요인을 충분히 반영하지 못하는 한계를 지닌다. 이에 비해 SDCI는 부품 수, 사양 변경 빈도, 고객 협의 횟수, 외주 의존성, 도면 재활용성 등 실제 설계 현장에서 발생하는 복합 요인을 정규화·가중화하여 단일 지수로 통합함으로써, 복잡성 이론의 실증적 타당성을 강화하였다. 이로써 본 연구는 설계 복잡성 이론을 데이터 기반의 실증학문 영역으로 확장시키는 학문적 의의를 지닌다.
한편, 본 연구는 다음과 같은 실무적 시사점을 제공한다.
첫째, SDCI는 설계 수주 단계에서 복잡도 수준을 사전에 산출함으로써, 설계자별 업무 배분과 자원 투입의 합리적 조정을 가능하게 한다. 이는 중소 제조기업의 설계 인력 운영과 일정 계획 수립에 있어 데이터에 기반한 의사결정과 인력 자원 배분이 가능한 실질적 도구로 활용될 수 있다.
둘째, 복잡도 수준별로 적합한 설계 전략을 구분함으로써, 복잡도가 낮은 설계에는 SED, 복잡도가 높은 설계에는 CED를 적용할 수 있는 설계 전략의 선택 기준을 제시하였다. 이는 설계 리드타임 단축과 재설계율 감소를 동시에 달성할 수 있는 근거를 제공한다.
셋째, ERP 및 MES와의 연계를 통해 SDCI를 설계-구매-생산의 통합 관리체계로 확장함으로써, 기업의 디지털 엔지니어링 전환을 가속화할 수 있다. 이는 설계 데이터를 품질, 자원, 일정 관리의 통합지표로 활용할 수 있는 실무적 기반을 마련한다.
넷째, SDCI는 복잡도 수준에 따른 설계 위험도를 사전에 평가할 수 있으므로, 설계 변경, 납기 지연, 자원 불균형 등 주요 리스크를 사전 예측하고 대응할 수 있는 설계 리스크 관리 지표로도 활용될 수 있다.
결과적으로, SDCI는 기존의 단편적 평가 지표가 가진 한계를 극복하고, 설계 복잡도를 다차원적으로 통합한 정량적 관리 지표로 기능한다. 특히, 고객 맞춤형 요구와 빈번한 설계 변경이 중소 제조기업의 비규격 제품 설계 환경에서 그 활용성이 높으며, 설계 전략 전환(SED ↔ CED), 자원 배분, 인력 운영 등 다양한 의사결정 단계에서 실질적인 지원 도구로서 적용할 수 있음을 입증하였다.
이와 같이, 본 연구는 이론적으로 설계 복잡성의 정량적 정의와 모델화를 제시하고, 실무적으로 이를 기반으로 한 설계 전략 수립 및 운영 효율화 방안을 제공하였다. 따라서 본 연구는 설계 복잡도 연구의 학문적 영역과 산업적 적용을 연결하는 실증적 연구로서, 설계공학 분야의 지식 확장과 중소 제조기업의 경쟁력 제고에 동시에 기여한다.
5.3 연구의 한계와 연구 방향
본 연구는 중소 제조기업의 실제 설계 데이터를 활용하여 SDCI를 구축하고, 이를 구조적으로 분석하였다는 점에서 학문적 및 실무적 의의를 지닌다. 그러나 다음과 같은 한계가 존재하며, 이를 보완하기 위한 후속 연구가 필요하다.
첫째, 본 연구의 자료는 실험실 가구 및 연구 장비 설계 분야에 한정되어 있어, 다양한 산업 군과 제품군으로 일반화하기에는 한계가 있다. 향후 연구에서는 산업별 특성, 제품 구조 복잡도, 고객 요구의 다양성을 반영한 다양한 업종 기반의 데이터 확장 분석이 필요하다. 이를 통해 SDCI의 보편성과 예측력을 강화할 수 있을 것이다.
둘째, SDCI는 정량적 항목 중심으로 구성되었으나, 실제 설계 과정에서는 설계자의 창의성, 프로젝트 특성, 고객과의 협상력 등과 같은 질적 요인이 복잡도 판단에 중요한 영향을 미친다. 따라서 후속 연구에서는 질적 변수를 정량화하거나 정성·정량 변수를 통합한 혼합형 평가체계 개발이 필요하다.
셋째, 본 연구는 SDCI의 구조적 타당성 검증에 중점을 두었기 때문에, 설계 복잡도와 성과지표 간의 인과적 관계 분석에는 한계가 존재한다. 후속 연구에서는 회귀 분석, ANOVA, 시뮬레이션 기법 등을 활용하여 SDCI와 설계 성과(시간, 비용, 품질) 간의 정량적 영향력과 예측력을 더욱 정교하게 분석할 필요가 있다.
넷째, 기존 평가 방식인 DFMA 및 DSM과의 교차 검증 분석이 제한적으로 수행되었다. 따라서 동일 사례 데이터를 기반으로 한 비교·분석을 통해 SDCI의 상대적 설명력과 예측 정확도를 검증함으로써 본 모델의 객관적 타당성을 입증할 필요가 있다.
다섯째, 향후 연구에서는 SDCI를 AI 기반 설계 분류 시스템 및 ERP, MES 통합 플랫폼과 연동하여, 복잡도 예측과 자동 설계 배분이 가능한 지능형 설계관리 알고리즘을 개발할 필요가 있다. 이는 설계 단계 전반의 디지털 전환을 가속화하고, 설계 전략의 실시간 의사결정 지원체계를 구현하는 기반이 될 것이다.
마지막으로, 산업별 설계 특성과 데이터 분포 차이를 고려하여 SDCI 임계값의 적정 구간을 보정하고, 다양한 산업군에 적용할 수 있는 다차원 경계 모형을 확립하는 연구가 필요하다. 이를 통해 SDCI의 일반화 가능성과 전략적 활용 범위를 한층 확장할 수 있을 것이다.
결론적으로, 본 연구는 SDCI를 통해 설계 복잡도를 정량화하고, 이는 설계 전략 수립, 자원 배분, 인력 운영에 체계적으로 연계할 수 있는 데이터 기반 설계관리의 실질적 기초를 마련하였다. 향후 연구에서는 이를 산업 전반의 표준화된 복잡도 관리 프레임워크로 발전시켜, 설계공학의 지능형 전환과 지속 가능한 경쟁력 확보에 기여할 수 있을 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation 
Print 
