보증 청구를 스마트하게 예측하는 방법 How to Predict Warranty Claims (and Keep Cool Doing It)

Minitab Blog Editor | 03 January, 2022

주제: Quality improvement, 신뢰성 분석

올해 여름 어느 날 오후, 집 안 온도가 400도에 이르자, 저는 Weather Channel에서 전화를 받는 담당자가 뭐라고 주장하든 간에 이런 날씨에는 사람조차도 녹아버릴 거라고 생각했습니다. 저는 지독한 더위를 버티지 못하고 결국 에어컨을 구매했습니다. 몇 분 후 제 피부는 금세 정상으로 돌아왔습니다. 저는 나머지 여름은 더위 걱정 없이 지낼 거라고 확신했습니다. 
 
하지만 일주일 뒤 에어컨에서 날카로운 금속음이 나기 시작했습니다. 하나가 아닌 여러 장의 Merzbow 앨범을 소유한 사람으로서 얘기하자면, 작은 산업 소음은 내 피부 온도를 녹는 점 아래로 유지하기 위해 지불해야 하는 작은 대가처럼 보였습니다. 실제로, 얼마 지나지 않아 에어컨에서 나오는 금속음을 즐기는 수준에 이르렀습니다. 
 
하지만 그 다음 날 에어컨에서 금속음만 나오고 시원한 바람이 나오지 않게 되자, 그러한 소음은 더 이상 즐겁지 않았습니다. 해가 더 뜨거워지고 기온이 오르자 저는 한 가지 아이디어에 사로잡혔습니다. 
 
보증 분석 
 
저는 제조업체가 에어컨 팬의 고장을 예측하고 에어컨의 1년 보증을 제대로 이행하는 데 드는 비용을 정량화한 데이터가 어디엔가 존재한다는 사실을 알고 있었습니다.  

보증 비용 예측은 비즈니스에 도움이 됩니다

어떤 제조업체도 고객을 실망시키지 않으려고 하지만, 결함은 존재할 수 있기 때문에 대부분의 제조업체는 고객 만족도를 유지하기 위해 보증을 제공합니다. 하지만 제품이나 비즈니스에 대한 보증 비용 예상은 어렵고 위험할 수 있습니다. 너무 적은 자금이나 너무 많은 예비 부품을 준비해두면 예기치 못한 문제가 발생했을 때 어려움을 겪을 수 있습니다. 너무 많은 자금을 마련해둘 경우에는 더 효과적인 용도로 사용할 수 있는 자원이 묶이게 됩니다.
 
그렇다면 미래의 보증 비용을 확실히 예측하는 방법은 무엇일까요? 제 에어컨을 제조한 회사의 매우 영리한 사람들은 바로 이러한 문제로 고심하고 있었고, 저는 불현듯 그에 대한 답이 떠올랐습니다.  
 
그들에게 필요한 건 약간의 데이터였습니다. 이마에서 흘러내리는 땀줄기를 뒤로하고 저는 노트북을 켜고 직접 시험해보기로 했습니다.  
 
견디기 힘든 더위의 영향일 수도 있겠지만, 저는 이 제조업체가 1년치 에어컨 생산 분량에 대한 월별 반품 횟수를 계산할 수 있다는 생각이 들었습니다. 다음 해의 보증 청구를 예측하는 데 필요한 정보는 지난 12개월 동안 배송된 팬 개수와 매달 반품된 제품 개수 뿐이었습니다. 

향후 보증 청구를 예측하려면 어떤 데이터가 필요할까요? 

제가 생각한 가상의 데이터를 Minitab의 빈 데이터 시트에 입력하자 다음과 같은 모습이 되었습니다.
 
data setup for a warranty analysis
 
이러한 데이터는 삼각 행렬 형식이라고 불립니다. 무더운 거실에서 몸이 다소 늘어지기 시작했지만, 보증 분석을 수행하기 위해서는 이 행렬을 일반적인 고장 시간 데이터로 변환해야 했습니다.
 
저는 Minitab에서 통계분석 > 신뢰성/생존 분석 > 보증 분석 > 보증 데이터 사전 처리를 선택했습니다. '선적(판매) 열'에는 배송을 입력하고, '반환(고장) 열'에는 Month1~Month12를 입력했습니다. 시작 시간, 종료 시간, 및 빈도 열이 마법처럼 데이터 시트에 나타났습니다. 분명 Minitab은 더위의 영향을 전혀 받지 않았습니다!  

보증 예측을 위한 데이터 분석

이제 도중에 열사병이 걸리지 않는 한 데이터 분석을 계속 진행할 수 있습니다. 저는 통계분석 > 신뢰성/생존 분석 > 보증 분석 > 보증 예측을 선택했습니다. 대화상자에서 '시작 시간'에 시작 시간, '끝 시간'에 종료 시간, '빈도(옵션)'에 빈도를 입력했습니다.  
 
그런 다음 '예측' 버튼을 클릭했습니다. 고장 예측 기간으로는 12를 입력하고, 각 기간의 '생산량'에는 2000을 입력했습니다. 그런 다음, 각 대화상자에서 '확인'을 클릭했습니다.

보증 예측 결과 해석

아래와 같은 그래프가 바로 나타났습니다.
 
Predicted Number of Failures Plot
 
더위에 지친 제 눈을 통해서도, 이 그래프가 제조업체가 다음 해에 예상할 수 있는 에어컨 반품 수를 보여준다는 사실을 바로 알 수 있었습니다.

또한 Minitab의 세션 창에도 계산 결과가 가득했습니다. 보증 청구 요약 표에 따르면 제 제품은 해당 연도에 고장 난 635개 제품 중 하나였습니다.
warranty analysis current claims
 
흥미롭지만, 제 상황에서는 도움이 되지 않는 위로였습니다. 다음으로는, 고장 횟수 예측 표에서 다음 달에 발생할 수 있는 잠재적 고장 횟수와 예상 고장 횟수에 대한 정보를 살펴보았습니다.
 
warranty analysis session window output table of predicted failures
각 미래 기간에 대한 잠재적 고장 횟수는 데이터 수집 기간이 끝날 때 고장 위험에 처한 장치 개수에 각 후속 기간에 반품될 추가 장치 개수를 더한 것입니다. 예측 고장 횟수는 모형이 데이터 수집 기간이 끝날 때부터 지정된 수의 미래 기간까지 예측하는 고장 횟수입니다. 그리고 95% Poisson 신뢰 구간은 예측 고장 횟수에 대해 가능한 값 범위를 제공합니다.

위 표에 따르면 12개월 후 47,365개의 팬이 고장 위험에 처합니다. 95% 신뢰도인 경우 고장 횟수는 약 1,933~2,111 사이가 될 것으로 예상할 수 있습니다. 제가 에어컨 제조업체라면 그에 따라 계획을 세울 수 있을 것입니다.

제조업체가 고장난 장치의 반품에 대해 이미 예상했거나 그에 대한 계획을 세웠다는 사실을 알고 나니, 더위를 이겨낼 수 있는 힘이 생겼을 뿐만 아니라 제조업체의 보증 조건에 따라 다른 장치로 교환할 수 있다는 확신이 들었습니다. 그리고 남은 여름 기간은 집에서 시원하게 보낼 수 있었습니다.