티스토리 뷰
- 목 차 -
생산 현장에서 사출 성형기를 오래 다뤄본 사람이라면 이 상황이 낯설지 않을 것이다. 불량률이 갑자기 치솟거나, 사이클 타임이 들쑥날쑥해지거나, 원인을 특정하기 어려운 치수 편차가 반복되는 상황. 대부분 설비 노후가 문제가 아니라 관리 방식의 허점에서 비롯된다. 이 글에서는 현장에서 실제로 효과를 확인한 설비 관리 방법론을 중심으로, 사출 공정 안정화를 위한 실전 접근법을 풀어낸다.
사출 공정이 불안정해지는 근본 원인
사출 성형은 원재료, 온도, 압력, 속도, 금형 상태, 냉각 조건이라는 변수들이 동시에 맞물려야 품질이 유지되는 공정이다. 변수 하나가 조금만 틀어져도 성형품에는 수축, 싱크 마크, 플래시, 치수 불량이 연달아 나타난다. 문제는 이 변수들이 서로 독립적으로 작동하지 않는다는 점이다.
경험상 현장에서 불량이 재발하는 패턴을 보면, 초기 설정값 자체보다 설비의 점진적 열화가 원인인 경우가 훨씬 많다. 유압 시스템의 미세한 압력 강하, 스크류 마모, 온도 센서의 오차 누적 등은 단기적으로 눈에 잘 띄지 않지만 수백 사이클이 쌓이면 공정 재현성을 무너뜨린다. 이를 이해하지 못하면 파라미터만 계속 조정하는 악순환에 빠진다.
유압 시스템 열화와 압력 재현성 문제
유압식 사출 성형기에서 압력유 온도가 60°C를 넘으면 산화로 인해 오일 점도가 낮아지고, 이는 사출 압력의 재현성을 직접적으로 떨어뜨린다. 실제로 하절기에 불량률이 올라가는 현장 중 상당수는 설정값 문제가 아니라 오일 쿨러 기능 저하에서 원인을 찾아야 한다. 압력 강하가 시작되면 보압 전환 타이밍이 달라지고, 결과적으로 캐비티 내 충진 균형이 무너진다.
스크류와 배럴 마모가 품질에 미치는 영향
스크류와 배럴의 마모는 사출량의 변동으로 나타난다. 정상 상태에서 계량 편차가 ±0.5% 이내로 관리되어야 하는데, 마모가 진행되면 이 편차가 ±2~3%까지 벌어지기도 한다. 문제는 이 변화가 느리게 진행되기 때문에 작업자가 일상적으로 체감하기 어렵다는 것이다. 주기적인 계량값 기록과 트렌드 분석 없이는 놓치기 쉽다.
예방 보전 체계 구축 — 고장 나고 나서 고치는 방식의 한계
많은 중소 사출 업체가 여전히 사후 보전(Breakdown Maintenance) 방식에 머물러 있다. 고장이 나면 수리하고, 생산을 재개하는 패턴이다. 이 방식의 문제는 단순히 다운타임 손실에 그치지 않는다. 긴급 수리 과정에서 설비가 과부하를 받거나, 부품을 급하게 교체하면서 조립 정밀도가 떨어지는 이차 손실이 발생한다.
예방 보전(Preventive Maintenance)으로 전환한 현장에서는 계획 정비 비용이 증가하는 대신, 비계획 다운타임이 크게 줄어든다. 업계 데이터에 따르면 예방 보전 체계가 잘 갖춰진 사출 공장의 설비 가동률은 평균 85% 이상을 유지하는 반면, 사후 보전 중심 현장은 70% 미만인 경우도 드물지 않다.
일별·주별·월별 점검 항목 구분의 실제
예방 보전의 핵심은 점검 빈도를 항목별로 차별화하는 것이다. 모든 항목을 같은 주기로 점검하면 인력 낭비와 점검 누락이 동시에 발생한다.
- 매일 점검: 유압 오일 레벨 및 온도, 이상 소음 여부, 윤활 상태, 냉각수 유량 확인
- 주간 점검: 슬라이드 웨이 윤활 재도포, 히터 밴드 온도 편차 확인, 안전문 연동 작동 테스트
- 월간 점검: 오일 쿨러 세척, 베어링 상태 확인, 전기 연결부 점검, 스크류 계량 편차 기록
이 주기 구분은 단순 규칙이 아니라 고장 발생 빈도와 부품 수명을 근거로 설계된 것이다. 유압 오일은 3,000~4,000 가동 시간마다 교체하는 것이 일반적인 기준이며, 이를 무시하면 오일 밸브 내부에 이물질이 쌓여 압력 제어 불량으로 이어진다.
윤활 관리가 공정 재현성에 직결되는 이유
윤활은 단순히 부품 보호 차원의 문제가 아니다. 슬라이드 웨이와 가이드의 윤활 상태가 나빠지면 형체 동작의 재현성이 떨어지고, 이는 금형 파팅 면의 밀착 정도에 영향을 준다. 결과적으로 플래시 발생 빈도가 높아진다. 개인적으로 윤활 일지를 작성하고 마지막 도포 시점을 기록하는 것이 번거롭더라도 반드시 필요하다고 판단하는 이유가 여기에 있다.
공정 파라미터 관리와 데이터 기반 안정화
설비 상태가 일정하게 유지된다는 전제 아래에서도, 공정 파라미터 관리는 별도의 체계가 필요하다. 사출 속도, 보압 압력, 보압 시간, 냉각 시간, 배럴 온도 프로파일은 수지 로트 변경이나 환경 온습도 변화에 따라 미세하게 조정될 수 있다. 이를 감각에만 의존하면 숙련 작업자가 바뀔 때마다 공정이 흔들린다.
현재 많은 현장에서 도입하고 있는 캐비티 압력 모니터링 시스템은 이 문제에 대한 현실적인 해법 중 하나다. 금형 내부의 실시간 압력 데이터를 수집하면 사출 완료 시점의 캐비티 압력 편차를 수치로 확인할 수 있고, 이를 기반으로 양품·불량 판정 기준을 설정할 수 있다. 단순한 온도와 압력 설정값만으로는 잡을 수 없는 공정 변동을 캐비티 내부 데이터로 보완하는 방식이다.
사출 조건 표준화와 금형별 조건표 운용
공정 재현성을 높이는 가장 기본적인 도구는 금형별 조건표다. 각 금형에 대해 검증된 파라미터 세트를 문서화하고, 금형 교체 시 이 조건표를 기준으로 초기 설정을 진행하면 시험 성형 횟수를 줄이고 안정화 시간을 단축할 수 있다. 여기서 중요한 것은 조건표를 단순히 설정값 나열로 작성하는 것이 아니라, 각 값의 허용 범위와 조정 기준까지 포함해야 한다는 점이다.
조건표에 반드시 포함해야 할 항목
배럴 온도 프로파일(호퍼 쪽부터 노즐까지 구간별), 사출 속도 및 위치 전환점, 보압 압력과 보압 시간, 냉각 시간, 형체력, 배압, 계량 완료 위치. 이 항목들은 최초 양산 승인 시점의 값을 기준으로 하되, 이후 공정 개선 이력도 버전 관리 형식으로 기록해 두는 것이 좋다.
금형 관리와 설비 관리를 함께 봐야 하는 이유
사출 성형기 설비 관리를 논할 때 금형 상태를 분리해서 생각하는 경우가 많은데, 현장에서는 이 둘을 함께 봐야 한다. 금형 냉각 채널이 스케일로 막히면 냉각 효율이 떨어지고, 이를 보완하기 위해 냉각 시간을 늘리다 보면 사이클 타임이 늘어나고 생산성이 하락한다. 반대로 설비 유압 압력이 불안정한 상태에서 금형을 교체해 봤자 근본 문제는 해결되지 않는다.
금형 파팅 면의 이물질 부착과 코어핀 마모는 치수 불량의 직접적인 원인이다. 금형 정기 점검 시 냉각 채널 세척 주기를 설비 예방 보전 일정과 연동해서 관리하면, 공정 변동 원인을 설비 측인지 금형 측인지 빠르게 구분할 수 있어 문제 해결 속도가 눈에 띄게 빨라진다.
금형 투입 전 체크포인트
금형 교체 후 첫 사출 전에 반드시 확인해야 할 사항들이 있다. 냉각수 연결 상태와 유량, 이젝터 핀 작동 여부, 파팅 면 이물질 제거 여부, 핫 러너 시스템 사용 시 히터 작동과 온도 균일성 확인이 그것이다. 이 과정을 서두르다 놓치면 첫 번째 샷부터 불량이 나오고, 원인 파악에 시간을 낭비하는 상황이 만들어진다.
작업자 역량과 데이터 기록의 현실적인 균형
설비와 금형 관리 체계가 아무리 잘 갖춰져도 현장 작업자가 이를 실행하고 데이터를 기록하지 않으면 의미가 없다. 그런데 실무에서는 생산 압박 속에서 점검 기록이 형식적으로 작성되는 경우가 적지 않다. 개인적으로 이 문제의 해법은 점검 항목을 줄이되 핵심 항목의 기록 신뢰성을 높이는 방향이 더 현실적이라고 본다. 100개 항목을 형식적으로 체크하는 것보다 10개 항목을 정확하게 기록하는 편이 공정 안정화에 훨씬 유효하다.
최근에는 IoT 기반의 설비 데이터 자동 수집 시스템이 보급되면서 작업자 의존도를 낮추는 방향으로 진화하고 있다. 사출 성형기의 주요 파라미터를 실시간으로 수집하고 이상 징후를 자동 알림으로 받는 방식이다. 도입 비용이 부담이라면, 최소한 주요 공정 지표를 엑셀 기반으로라도 트렌드 관리하는 것부터 시작하는 것이 현실적이다.
설비 관리에서 공정 안정화로 가는 실질적 출발점
사출 성형 공정 안정화는 한 번의 개선으로 완성되지 않는다. 유압 상태, 윤활, 스크류 마모, 금형 상태, 파라미터 관리가 서로 연결된 하나의 시스템으로 작동해야 한다. 이 글에서 다룬 내용의 핵심은 결국 하나다. 문제가 터지고 나서 대응하는 방식에서, 변화를 사전에 감지하고 기준값으로 되돌리는 방식으로 전환하는 것이다.
당장 모든 체계를 구축하기 어렵다면, 일별 유압 오일 온도와 주간 계량 편차 기록부터 시작해 보길 권한다. 작은 데이터가 쌓이면 공정 변동의 패턴이 보이기 시작하고, 그때부터 진짜 안정화 작업이 가능해진다. 현장에서 겪고 있는 구체적인 불량 유형이 있다면 댓글로 남겨주시면 상황에 맞는 접근법을 함께 논의해 볼 수 있다.