기본 콘텐츠로 건너뛰기

Kanban 과 DBR 워크샵을 마치고..

지난 토요일 'Kanban 과 DBR 을 게임으로 경험하기' 라는 워크샵이 있었습니다.

제가 개인적으로 2달에 한번씩 진행하던 제약이론 세미나의 주제를 바꾸어서 이번에는 DBR를 게임으로 경험할 수 있는 'Job Shop Game'을 진행했습니다.

Kanban 때문인지 몰라도 온오프믹스에 개설 후 빠른 시간안에 목표로 했던 분들이 신청해주셔서 매우 흐뭇했었는데..

막상 토요일에는 절반이 넘는 분들이 신청을 하시고도 오지 않으셨더군요.

제 생각에는 아마 대기자분들도 오시지 않으셨던 것 같습니다.

이런 세미나를 진행하면서 가장 어려운 것이 신청하신 분들이 아무 연락 없이 오시지 않는 경우더군요.

이번에 참여하시지 못하신 분은 다음 세미나는 내년에 있으니 꼭 참여해보시기 바랍니다.

덕분에 시작은 조금은 우울하게 시작했습니다.

끝난 후에 만족도 그래프를 그려본 결과로도 참여자가 많지 않고 준비하는 사람들의 준비 미비로 사전 안내를 제대로 하지 못한 부분에 대해 불만을 느끼신 분들이 많았습니다.
만족도 그래프
만족도 그래프
어찌 되었든 계홍님의 Kanban 게임이 진행되었고, 많은 분들이 즐겁게 그리고 의미있게 즐기셨습니다.

Kanban 에 관련된 자료는

https://sites.google.com/site/thekanbangame/

에서 구하실 수 있습니다.

계홍님의 후기는

http://gyehongpark.blogspot.com/2010/11/kanban-dbr.html


에서 보실 수 있습니다.

그런데 Kanban 게임에 예상 밖으로 시간을 너무 많이 쓰는 바람에 DBR에 대한 설명을 충분히 전달해 드리지 못하여서 그 부분에 불만을 가지시는 분들도 계시고 실제 게임을 진행할때에도 약간의 어려움이 있었습니다.

다음에는 좀 더 충실하게 제가 준비할 수 있도록 노력해야할 것 같습니다.

DBR은 Drum - Buffer - Rope의 약자로 제약이론에서 공정 최적화를 수행하는 기법 중 하나입니다.

요점은 제약 즉, 병목에 맞춰서 공정을 진행한다는 것입니다.

Job Shop 게임 기준으로 간단하게 설명한다면 아래와 같이 우리가 생산해야할 네종류의 제품이 있고 각 제품은 A, B, C, D 의 공정을 정해진 순서에 따라 생산된다고 했을 때, 우리는 어떤 제품을 먼저 생산하고 일정을 어떻게 조정할 수 있을까요?
Job Shop Game Cards Basic(Holt)

우리가 어떤 공정, 조직의 생산성을 생각할 때 일반적으로 %로 생각하지만 모든 공정, 조직이 똑같은 생산성을 가질 수는 없습니다.

어떤 경우에는 개발이 테스트보다 더 오랜 시간이 걸릴 수 있고, 어떤 경우에는 테스트가 개발보다 훨씬 오랜 시간이 걸릴 수도 있습니다.

이렇게 복잡한 일정 문제를 해결하기 위한 알고리즘은 그동안 정말 수도 없이 나왔지만 아직까지 최적해를 구한 방법은 없습니다.

사실 구할 수 있을지도 의문입니다.

때문에 일반적으로 우리가 가장 많이 수행하는 방식처럼 각 공정은 열심히 일을 하고 주문은 계속적으로 밀려 들어가는 상황으로 게임으로 진행한 결과입니다.
위의 그래프는 각 주문당 걸린 시간을 보여줍니다.

나중에 주문한 제품은 앞서 주문된 제품때문에 점점 더 생산에 많은 시간이 소요되고 있습니다.

그리고 각각의 제품들이 생산되는데 걸린 일수별 제품의 갯수를 그린 아래의 그래프를 보시면 매우 넓은 분포를 보여주고 있습니다. 때문에 평균적으로 정확히 하나의 제품을 생산하는데 있어서 어느 정도의 시간이 걸릴 지 추정하기가 힘듭니다.

즉, 언제나처럼 제품 출시일은 언제나 뒤로 밀리고 고객과의 약속은 지켜지지 못하고 있는 상황입니다.

이번에는 DBR 방식에 따라서 B 공정을 제약으로 지정하고 5일의 버퍼를 지정했습니다. 여기서 5일의 버퍼는 B 공정에 진행 대기중인 작업을 5개까지로 하고 5개 이상이 되면 더 이상 주문을 하지 않는 상황을 만들었습니다.
놀랍게도 대부분의 주문이 생산되는 시간이 균일한 분포를 그리고 있습니다.

평균적으로 제품을 생산가능한 일정 역시 추정할 수 있을 정도로 좁혀졌습니다.

이 놀라운 결과를 이끌어 낸 것은 단지 병목에 버퍼를 두고 거기에 맞춰 주문을 했을 뿐 각 공정마다 어떤 최적화를 위한 조치를 한적도 없습니다.

우리는 일반적으로 어떤 문제를 해결하고 최적화를 하는데 있어서 모든 문제를 밝히고 모든 문제마다 각각의 해결책을 제시하는 부분 최적화를 통한 전체 최적화를 꾀합니다.

하지만 그런 노력은 실패할 확률도 높을 뿐만 아니라 실패할 경우 다시 새로운 변화를 이끌어낼 자원을 남기지도 않습니다.

제약이론은 다른 방법론처럼 거창한 해결책을 제시하지 않습니다.

수많은 문제들의 원인이 되는 가장 중요한 핵심 문제를 밝히고 그 문제에 집중함으로 모든 문제를 해결하는 전체 최적화를 지향합니다.

우리는 일정을 추정하고 일정을 제어하기 위해 모든 작업 단위를 세세하게 나누고 각 작업단위마다 작업 진척도를 추적하는 방법을 즐겨 사용합니다.

하지만 그런 방법으로 일정이 정확히 준수되고 모두가 행복한 경험을 하는 경우는 많지 않습니다.

위의 경우에서도 전체 일정은 변한 것이 없습니다. 하지만 게임에 참여했던 분들은 첫번째 게임에서는 B공정에 계신 분은 정말 정신없이 일만 하셨습니다. 하지만 두번째 게임에서는 분명 열심히 일했지만 좀 더 여유롭게 일할 수 있었습니다.

아주 작은 변화로도 충분히 제어 가능한 일정 계획을 수립할 수 있고, 모두 행복한 일정 계획을 수립할 수 있습니다.

여러분이 같은 고민을 하고 계시다면 DBR이나 CCPM의 도입을 고민해보시기 바랍니다.

만약 도움이 필요하시다면 언제든지 저에게 도움을 요청하시면 제가 도움을 드릴 수 있는 부분까지는 성심껏 도와드리겠습니다.

내년에는 또 다른 분들과 같은 주제로 세미나를 다시 진행하려고 합니다.

그때 좀 더 많은 분들을 뵐 수 있었으면 좋겠습니다.

댓글

  1. 학교에서 들었던 제약이론을 게임으로 접할수있어 좋았고 IT분야에 적용하시는 분이 있어 놀라웠습니다. 앞으로 제약이론을 적용한 사례를 글 또는 세미나에서 뵐수 있으면 좋겠습니다

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

내 인생 첫 차량 구매 후기 - 쉐보레 스파크

다사다난한 2011이 끝나고.. 2012년이 밝았군요.. 머.. 저는 언제나처럼 설날을 기준으로 하기 때문에 별다르게 주변 분들에게 새해 인사를 하거나 그러지는 않았습니다만.. TV고 어디고 간에 새해가 밝았다 하니 그런가 합니다.. 저는 어제 저녁 아내님이 2도 화상을 입으시는 바람에 송구영신 예배나 새해 맞이 예배는 가지도 못했고.. 그냥 한해의 액땜을 제대로 했구나 하고 있습니다. 오늘은 출장 가기 전에 체력 비축하고 있습니다... 아.. 그냥 방에서 뒹굴거리고 있습니다.. 간만에 좀 뒹굴거리는것 같네요.. 어쨌든 새해 첫날 먼가 참신한 글을 써보고 싶었지만.. 소재가 그렇게 뉴턴의 사과처럼 머리로 떨어져주는건 아니니.. 지난 해 진행했던 카드 소팅 결과는 참여하신 분들이나 기다려주시는 분들에게는 죄송하지만 조금만 더 기다려주시면 고맙겠습니다. 그래서 오늘의 소재는 써야지.. 써야지.. 하면서 차일 피일 미루던 제 인생 첫 차량 구매 후기를 올려보겠습니다. 제가 운전을 잘 하거나 차량에 대해 잘 알고 있는 것이 아니기 때문에 그냥 참고만 하시면 되겠습니다. 우선 제가 차량을 구매하게 된 동기는 .. 그렇습니다.. 애들 때문입니다. 자녀가 둘이 되니.. 엄마, 아빠의 팔뚝 힘으로는 더 이상 외출이 힘들어졌습니다. 그래서 차를 구매해야겠다고 무리를 하게 되었습니다만.. 역시 언제나 부족한 것은 총알이죠.. 그래서 당연히 경차로 알아보게 되었습니다. 하지만 아시다시피 우리 나라에 경차는 딱 두가지입니다.(지금은 레이라고 새로 나와서 세가지가 되었지만.. 제가 차를 구매할때는 두 종류였습니다.) 선택이라고 할것도 없죠.. 현대 차는 고객을 개새끼로 아는 현대의 투철한 정신에 절대 사고 싶지 않았고.. 쉐보레는 옛날 대우 생각을 하면 이것도 역시 사고 싶지 않았지만.. 여기 저기 얘기를 들어보니 쉐보레로 변하면서 차 좋아졌다.. 쉐비케어가 진리다.. 라는 얘기에.. 그냥 스파크 구매로 결정했습니다...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...