제조업 Process Mining(프로세스 마이닝) 실무 완벽 가이드 — 데이터로 실제 프로세스 발견 5단계 로드맵

왜 Process Mining인가

한국 중소·중견 제조사의 프로세스 진단 풍경:

부서장에게 “어떻게 일하시는지” 질문 → 답변
직원 30명 인터뷰 1주일 → 보고서 작성
“공식 프로세스도(SOP)” 확인 → 책꽂이에서 먼지 묻은 매뉴얼
VSM 워크숍 → 5~10명 종이에 그리기
결론: “사람마다 다르게 일하고 있음”

문제:

부서장 답변 = 부서장이 믿는 프로세스
직원 답변 = 직원의 기억
SOP = 이상적 프로세스
실제 = 셋 다 다름

진실은 시스템 로그에 있다. ERP·MES·CRM·메신저·이메일·문서 시스템의 모든 클릭·입력·전송이 기록되어 있다. 이게 실제 일하는 방식.

Process Mining은 이 시스템 로그를 분석해 실제 프로세스를 자동으로 발견한다. 2004년 네덜란드 Eindhoven 대학 Wil van der Aalst 교수가 정립. 2010년 Celonis 창업으로 상용화. 현재 SAP·Microsoft·UiPath 등 모두 솔루션 보유.

핵심 차이:

전통 진단	Process Mining
인터뷰·설문	시스템 로그 자동 분석
1~2주	1일~1주 (자동)
사람 기억 의존	100% 사실 데이터
일부 표본	전체 거래 (수백만 건)
정성·추정	정량·시간·빈도
가설 검증	가설 자동 발견

Process Mining이 발견하는 것:

실제 프로세스 흐름: 가장 빈도 높은 경로·예외 경로
병목: 어디서 시간 가장 많이 걸리나
재작업: 같은 단계 반복 패턴
이상: 표준 외 흐름
자동화 후보: 단순 반복 영역
부서 간 비교: 누가 잘하는지

대상:

ERP·MES·CRM 시스템 보유 회사 (대다수)
프로세스 개선·디지털 전환 추진 회사
Lean Office·RPA 도입 회사
외부 인증·감사 대비 회사

이 블로그는 한국 중소·중견 제조 환경에서 Process Mining 5단계 도입 로드맵을 정리한다.

Process Mining 성숙도 5단계

단계	상태	분석 범위
L0	Process Mining 미인지	없음
L1	POC·시범 1개 프로세스	단일
L2	핵심 프로세스 5~10개	부서별
L3	전사·실시간 모니터링	전사
L4	자율 학습·AI 통합	지속

대부분 한국 중소·중견 제조사는 L0. L1만 가도 큰 변화.

Stage 1 — 진단·도구 선정 (4~6주)

1.1 Process Mining 적용 영역

다음 5영역이 효과 가장 큼:

Order-to-Cash (수주-입금): 영업 → 생산 → 출하 → 청구 → 입금
Procure-to-Pay (구매-결제): 발주 → 입고 → 검수 → 결제
Make (생산): 작업 지시 → 가공 → 검사 → 출고
신제품 출시: R&D → 시제품 → 양산 → 출시
고객 클레임: 접수 → 분석 → 8D → 종결

가장 큰 효과는 Order-to-Cash·Procure-to-Pay.

1.2 데이터 가용성 진단

각 영역에서 다음 시스템 로그 가용성:

ERP: 발주·입고·결제·매출
MES·MOM: 작업 지시·실적
CRM: 고객·영업
PLM: 설계·BOM·변경
WMS: 입출고·재고
메신저·이메일: 의사소통
결재 시스템: 승인 흐름

각 시스템에서 필요한 데이터 필드:

Case ID (주문 번호·제품 번호)
Activity (작업 단계)
Timestamp (시간)
Resource (담당자·부서)
Attributes (금액·수량 등)

1.3 솔루션 선정

Process Mining 솔루션:

상용 (대형):

Celonis (가장 강력·글로벌)
UiPath Process Mining (구 ProcessGold)
Software AG ARIS
IBM Process Mining

상용 (중형):

Microsoft Power Automate Process Mining
ABBYY Timeline
Mehrwerk

오픈소스·저비용:

Apromore (오픈소스)
ProM (학술용)
PM4Py (Python 라이브러리)

선정 기준:

분석 대상 데이터 양
사용성 (분석가 vs 비전문가)
한국어·한국 지원
ERP·MES·MOM 통합
비용

소규모는 PM4Py·Apromore, 중·대규모는 Celonis·UiPath.

1.4 진단 1차 후보

Order-to-Cash 또는 Procure-to-Pay 중 하나 선택:

데이터 가장 풍부
효과 가장 큼
부서 협조 가장 쉬움

회사에 따라 선택.

1.5 임원·IT·업무부서 합의

Process Mining은 데이터 가시화 → 부서에 위협 느낌 가능.

임원: 결과를 처벌 아닌 학습 목적
IT: 데이터 추출·보안
부서장: 결과 수용·개선 책임
직원: 자료 익명·감사 의도 아님

처벌 금지 약속이 가장 중요.

Stage 1 산출물: 5영역 진단표, 데이터 가용성 평가, 솔루션 비교, 1차 후보 선정, 임원 합의문.

Stage 2 — POC·시범 분석 (8~12주)

2.1 데이터 추출·전처리

선정 프로세스의 시스템 로그 추출:

6~12개월 데이터 (계절성·변동 반영)
100~10,000건 거래
Case ID·Activity·Timestamp·Resource·Attributes

데이터 품질:

누락 데이터 (5% 이내 권장)
중복 데이터
시간 정렬 정확성
코드·표기 표준화

2.2 첫 분석 — 프로세스 발견

Process Mining 첫 분석:

Process Graph (프로세스 그래프):

노드 = 작업 단계
엣지 = 흐름 (빈도 표시)
색상 = 시간 (붉을수록 오래 걸림)
두께 = 빈도

예시 (Order-to-Cash):

[주문 접수] (100%) → [신용 확인] (95%) → [생산 계획] (90%) → ...
                  ↘ [신용 거부] (5%)

실제 흐름을 한눈에.

2.3 표준 vs 실제 비교

회사 공식 SOP의 표준 흐름과 실제 비교:

준수율: 표준 흐름 따르는 거래 비율 (보통 30~70%)
변형: 표준 외 흐름 패턴
재작업: 같은 단계 반복

준수율 70% 이하 = 표준이 비현실적 또는 직원 학습 부족.

2.4 병목 발견

각 단계 평균·중위·최대 시간:

평균 처리 시간
대기 시간
전환 시간

가장 긴 단계 → 병목. 일반적으로 결재·승인·검토 단계가 병목.

2.5 인사이트 정리

POC 결과 인사이트 5~10개:

실제 프로세스 vs 공식 SOP 차이
Top 3 병목
재작업 패턴
부서·담당자별 편차
자동화 후보
표준화 후보
폐기 단계 후보
외부 협력 (협력사·고객) 영향

POC 보고서 = 임원·부서장 공유.

Stage 2 산출물: 데이터 추출·전처리 결과, Process Graph, 표준 vs 실제 비교, 병목 분석, 인사이트 보고서.

Stage 3 — 본격 분석·510 프로세스 (지속·612개월)

3.1 핵심 프로세스 5~10개 분석

POC 후 본격 분석. 5~10개 프로세스 동시 또는 순차.

각 프로세스마다:

데이터 추출·전처리
Process Graph 발견
표준 vs 실제
병목·재작업
인사이트
개선 제안

3.2 부서·담당자별 비교

같은 프로세스 부서·담당자별 비교:

처리 시간 (가장 빠른 사람 = 베스트 프랙티스)
흐름 (가장 효율적 흐름)
재작업률

베스트 프랙티스 → Yokoten으로 다른 부서·담당자에게 확산.

3.3 시간대·계절성·이상 분석

시간대별 처리 시간 (월말·분기말 지연?)
요일·계절 패턴
이상 시점 (사고·시스템 다운·연휴 후)

3.4 외부 영향 분석

협력사·고객 영향:

협력사 지연이 우리 프로세스에 미치는 영향
고객 요구 변경이 미치는 영향
외부 시스템 (포털·EDI) 지연

SCRM 통합.

3.5 비용·금액 흐름

Process Mining + 금액 분석:

작업 단계별 비용
재작업·지연 비용
자동화 ROI 계산

3.6 VSM 자동 생성

Process Mining 결과 → VSM 자동 생성:

가공시간·리드타임
부가가치 비율
재공품·대기
Lean 개선 인사이트

수작업 VSM 1주 → 자동 VSM 1시간.

Stage 3 산출물: 5~10 프로세스 분석 결과, 부서·담당자 비교, 시간·계절 분석, 외부 영향 분석, 비용 분석, 자동 VSM.

Stage 4 — 개선·자동화·실시간 (지속)

4.1 인사이트 기반 개선

Process Mining 인사이트 → 구체 개선:

표준화: 비현실적 SOP 갱신 또는 직원 학습 강화
자동화: 단순 반복 → RPA 봇
단순화: 결재 단계 축소 (Lean Office)
자원 재배치: 병목 단계에 추가 인력
시스템 개선: 시스템 UI·자동화

각 개선 후 다시 Process Mining으로 효과 검증.

4.2 RPA 후보 자동 추천

Process Mining + RPA 통합:

자동화 적합 단계 자동 식별
ROI 자동 계산
우선순위 추천

직접 RPA 후보 발굴보다 5~10배 빠름.

4.3 Lean Office 통합

Process Mining 결과를 Lean Office 도구로:

회의·결재 단계 단축
이메일·메신저 효율
자료 검색 시간 단축
Standard Work Office 갱신

4.4 실시간 모니터링

POC가 과거 분석이라면 본격 단계는 실시간:

ERP·MES 로그 실시간 수신
프로세스 흐름 실시간 갱신
이상 시점 즉시 알람
처리 시간 임계치 초과 시 알람

4.5 Asaichi·임원 대시보드

Process Mining 결과를 Asaichi·임원 대시보드:

어제 프로세스 처리 시간
어제 병목·이상
오늘 처리 예정 거래
부서·담당자 비교

4.6 외부 인증 자동 대응

IATF 16949·VDA 6.3·ISO 13485 외부 심사:

변경 관리·MOC 흐름 자동 추적
8D·CAPA 처리 시간
결재·승인 이력
외부 심사원에게 실제 흐름 즉시 제공

Stage 4 산출물: 개선 액션·결과, RPA 후보 자동 추천, Lean Office 통합, 실시간 모니터링, 외부 인증 대응.

Stage 5 — 자율 학습·AI·생태계 (지속·1~3년)

5.1 자율 학습

Process Mining 자체가 학습:

새 패턴 자동 발견
이상 자동 감지
개선 효과 자동 평가
최적 흐름 자동 추천

사람 분석가 개입 감소.

5.2 AI·예측

처리 시간 예측 (각 거래의 완료 시간)
이상 예측 (어떤 거래가 지연될까)
자동 라우팅 추천
의사결정 자동화

5.3 Digital Twin 프로세스

가상 프로세스 시뮬레이션:

새 프로세스 사전 검증
인원·자원 변경 영향
신규 자동화 효과
What-if 시나리오

5.4 협력사·고객 통합

협력사·고객 시스템 로그 통합:

우리 + 협력사 + 고객 통합 프로세스
End-to-end 추적성
외부 영향 정확 측정

5.5 Process Excellence 문화

Process Mining이 전사 문화:

모든 의사결정 데이터 기반
부서장이 자기 부서 Process Mining 확인
직원도 자기 작업의 통계 인식
학습 조직 정착

5.6 KPI

Process Mining 성숙 KPI:

분석된 프로세스 수
표준 준수율
평균 처리 시간
재작업률
자동화·개선 효과 (시간·금액)
이상 사전 감지율
실시간 모니터링 비율

Stage 5 산출물: 자율 학습 시스템, AI 예측 모델, Digital Twin 프로세스, 협력사·고객 통합, 전사 Process Excellence.

비용·일정 가이드

항목	소규모(매출 100억)	중규모(500억)	중견(2,000억)
솔루션 라이선스 (연)	1~3천만원	3천만~1.5억원	1.5~7억원
POC·컨설팅	5천만~1.5억원	1.5~5억원	5~15억원
데이터 추출·전처리	1~3천만원	3천만~1억원	1~3억원
분석가 인력 (1~3명)	5천만~1.5억원/년	1.5~3억원/년	3~7억원/년
AI·실시간 (Stage 5)	옵션 5천만~2억원	옵션 2~5억원	옵션 5~15억원
합계 1차년도	1~5억원	3~12억원	10~40억원
1차 정착 기간	9~12개월	12~18개월	18~30개월

ROI는 보통 6~~12개월. Lean Office·RPA 결합 시 직원 1인당 시간 20~~40% 절감으로 회수.

Process Mining vs VSM vs Six Sigma 비교

항목	Process Mining	VSM	6시그마
데이터	시스템 로그 (100%)	관찰·인터뷰 (표본)	측정 (표본)
시간	1일~1주	1~2주	4~6개월
범위	전 프로세스	단일 흐름	단일 문제
자동화	매우 높음	수동	수동
정량성	매우 강함	중간	매우 강함
적합 시점	모든 단계	진단·설계	문제 해결
한국 적용	시작 단계	일반적	일반적

중요: Process Mining은 VSM·6시그마의 진단 엔진. Process Mining으로 발견 → VSM·6시그마로 깊이 분석·개선.

한국 중소·중견 적용 사례

사례 1: 자동차 부품 (충북 음성)

매출 320억, 정밀 가공·조립
도입 전: SOP 준수율 직관·인터뷰 의존
도입: Order-to-Cash + Procure-to-Pay 분석
결과: 준수율 42%→78%, 결재 단계 7→3, 클레임 처리 8일→2일, RPA 후보 38개 자동 발굴
기간: 14개월

사례 2: 의료기기 (충북 청주)

매출 220억, 진단기기, ISO 13485
도입 전: 외부 심사 준비에 1개월
도입: 신제품 출시·MOC 프로세스 분석
결과: 외부 심사 준비 5일, 신제품 출시 -32%, MOC 처리 -45%
기간: 12개월

사례 3: 식품 가공 (전북 익산)

매출 130억, HACCP·FSSC 22000
도입 전: 영업·구매·생산 부서 간 정보 동기화 느림
도입: Order-to-Cash 분석 + Asaichi 통합
결과: 부서 간 회의 -45%, 신메뉴 출시 -38%, 영업이익률 +1.8%p
기간: 10개월

세 사례 공통점: 모두 POC 1개 프로세스로 시작, 인사이트 → 즉시 액션 사이클이 핵심.

자가 진단 체크리스트

다음 12가지 중 6개 이상 “예”라면 Process Mining 즉시 도입.

부서장이 자기 부서 처리 시간을 정확히 모르는가
SOP와 실제 일하는 방식이 다르다고 느끼는가
부서·담당자별 처리 시간 편차가 큰가
결재·승인이 어디서 막히는지 모호한가
같은 프로세스에 재작업이 잦은가
Lean Office·RPA 도입을 추진하는데 어디부터 시작할지 모호한가
ERP·MES·CRM 등 시스템에 로그 데이터가 풍부한가
외부 인증 (IATF·ISO·FDA) 심사 시 프로세스 증빙에 시간 많이 걸리는가
신제품 출시·클레임 처리에 부서 간 지연이 잦은가
부서별 자동화·개선 ROI 계산이 어려운가
디지털 전환 추진 중인데 진단 도구가 부족한가
데이터 기반 의사결정 문화로 전환 중인가

7개 이상이면 Phase 1 진단부터 즉시 착수 권장.

마무리 — 사람 기억이 아니라 시스템 로그

한국 제조사 임원이 부서장에게 “어떻게 일합니까”라고 물으면 부서장이 답하는 것은 부서장이 믿는 프로세스다. 실제 일하는 방식과 다를 가능성 70%. 직원에게 물어도 마찬가지.

진실은 시스템 로그에 있다. Process Mining은 이 진실을 자동으로 발견하는 도구. 1주일 인터뷰·설문보다 1시간 자동 분석이 10배 정확.

핵심은 데이터 가용성과 처벌 금지 약속. 시스템 로그가 풍부하면 Process Mining 즉시 시작. 직원·부서장이 결과를 처벌 도구로 인식하면 데이터 조작 시작 → 무력화.

CONTIS은 한국 중소·중견 제조 현장에서 VSM·Lean Office·RPA·6시그마·MOM·BI·AI·Digital Twin·Yokoten과 통합한 Process Mining 도입을 지원합니다. 진단·POC·분석·개선·실시간·AI까지 단계별 동행이 필요하면 상담 요청으로 문의 바랍니다.