[자율주제탐구] 학습 곡선(Learning curve)

학습 곡선 Learning curve

배움과 학습에 있어 성취도나 그 결과도 일정수준의 질(Quality)가 유지되는 조건에서 양(Quantity)에 따라 결정됩니다. 처음에는 익숙하지 않아 많은 시간이 필요로 하지만 계속해서 반복할수록 그 효과가 배가 된다는 것을 나타내는 현상을 학습효과(Learning effect)라하고 이를 수리적 모형으로 구현한 것을 학습곡선(Learning Curve)라 합니다. 학습 곡선(Learning Curve)은 학습자의 실력(performance)이 배우고자 하는 횟수와 시간에 상관관계를 가지고 있음을 보여주는 그래프입니다.

 

100년도 더 된 1885년 심리학자인 Hermann Ebbinghaus에 의해 처음으로 설명되었으며 1936년 Wright는 비행기 제작에 드는 인건비가 어떻게 감소하는지 기술하면서 Learning curve는 다양한 범주에서 적용되는 것을 확인하여 일반 산업에 확산된 이론입니다. 에빙하우스는 기억 연구의 창시자로서 현 시대에 여러 분야에서 영향력을 끼치고 있는데요, 대표적인 이론으로, 망각 곡선(Forgetting Curve), 간격 효과(Spacing Effect) 등이 있습니다.

학문적인 부분 뿐 만 아니라 비즈니스, 산업 등 다양한 분야에서 쓰일 정도로 지대한 영향력을 펼치고 있습니다. 예를 들어, 2차 대전 당시 학습 곡선의 상관관계처럼 항공기의 가격이 생산 활동의 증가에 따라서 감소한다는 것이 밝혀짐에 따라 광범위하게 쓰였다고 합니다. 생산효율을 측정 그리고 비용을 산정(예상)하는데 활용되는 모형으로 아직까지 많은 부문에서 활용되고 있습니다. 학습곡선(Learning curve)의 활용으로 기업은 많은 부문에서 측정과 비용의 Insight를 제공 받을 수 있습니다.

작업장에서의 생산성 향상을 위해 표준시간을 설정하기 위해 도입된 이 개념은 처음에는 학습(작업)의 회수를 반복해도 곧바로 성과가 나오지 않다가 일정 시간이후에는 효과가 나타나는 시기가 발현되고 이후 그 정도가 더 이상 나타나지 않는 현상으로 귀결되는 효과입니다. 학습곡선은 시간과 관련하여 작업된 양, 투입되는 비용, 생산성 등을 도표로 나타낸 것입니다.

기업은 직원이 한 시간에 얼마나 일하고 있는지 알고 있으며 필요한 시간에 따라 단일 생산단위를 생산하는데 발생하는 비용을 산출할 수 있습니다. 일반적으로 적응을 어느 정도 하는 작업자는 시간이 흐르면서 생산 단위당 비용을 줄이기 위한 노력을 해야하며 기업은 학습곡선을 이용하여 생산계획, 예상 비용 산출, 구매단가 분석 등의 방면에서 활용할 수 있습니다.

이러한 학습효과는 크게 4가지의 형태로 나타납니다.

① Diminishing returns(Negative accelerated) Learning curve

급속도로 증가세를 보이다가 차츰 감소하는 그래프입니다. 비교적 쉬운 언어(동일계열 언어- 일본어 등)을 배울 때나 익숙한 것을 학습할 때 발생하는 현상입니다. 작업(기술)의 학습의 정도의 증가율이 초기에는 높게 나타나지만 시간이 지날수록 그 기울기(증진율)는 감소하고 학습자는 최대의 작업성과를 얻을 수 있습니다. 이는 작업과정에서의 초기단계에서 작업자가 상당한 노력이나 의지를 보여주는 경우이거나 작업내용에 대한 지식이나 학습방법에 대한 기술을 미리 알고 있는 경우(선행학습의 형태)에 발생하는 현상입니다.

② Increasing Return(Positive accelerated)Learning curve

이 형태는 작업(학습)의 증가 속도가 초기에는 느렸다가 최대 Potential에 도달할 때까지 증가하는 현상을 뜻합니다. 보통의 작업장에서 발생하는 현상으로 보통사람이 복잡하거나 생소한 새로운 일을 배울 때 발생합니다.  즉 필요한 지식을 사전에 알지 못한 상태에서 진행하는 경우 작업을 계속 진행하면서 작업자만의 노하우를 깨우친다는 현상에 의해 후기에 학습효과가 큰폭으로 상승하는 경우입니다만 무한적으로 증가되지는 않습니다.​

③ Increasing- Decreasing- Return(S shape)Learning curve

학습곡선(Learning curve)의 대표적인 형태로 학습자가 습득하고자 하는 기술이나 작업에 대해 완전히 새로운 경우에 거의 모든 학습의 효과는 S모양의 곡선을 따라 나타납니다. 학습 초기에는 향상되는 효과를 보이지만 곡선의 학습정도가 낮은 부문은 초기에 매우 느린 학습으로 그 후, 점차 감소세를 보이며 정체기(plateau)가 찾아옵니다. 기술을 습득하는 초기단계 그리고 이후에는 연속적으로 더 큰 학습을 거두어 절대 한계치에 도달하는 형태입니다. 일상에서 가장 흔히 볼 수 있는 현상입니다. 생소하고 복잡한 것을 배울 때는 많은 시간들이 요구되지만, 일정 수준이 되는 순간부터 폭발적인 증가세를 보입니다.

④ Plateau Learning curve

지속적인 학습에도 불구하고 학습효과가 더 이상 향상되지 않고 제자리에 머무르는 현상을 나타냅니다. 작업자가 작업을 수행하는데 있어 어느 정도의 위치에 올라왔다고 생각하거나 학습에 대한 실망, 흥미상실, 나쁜 습관의 고수 등의 이유로 발생하는 현상입니다. 이런 부문에 있는 학습자의 경우 학습의 난이도 조절 등의 관계를 분석해 작업의 배정 시 조정 등의 관리가 필요한 상황입니다.

결론

학습곡선(Learning Curve)를 사용함으로서 학습의 능률을 높이고 시간을 절약 하며 앞으로의 미래를 예측하는데 큰 도움이 됩니다. 하지만, 그 과정에서 사회적 요소, 동기, 환경 등 다양한 요인들이 개입하기도 합니다. 시간은 상대적이고 자신의 역량에 따라서 시간이 절약됩니다. 충분히 세부적이고, 효과적인 계획으로 방향을 제시하시길 바랍니다.

---

[추가 탐구 활동] 경제 분야 연관

Learning curve는 고용수준, 비용, 역량 및 가격과 관련된 많은 부문에서 전략적 의사결정에 중요한 역할을 하게됩니다. 학습곡선은 생산량 2배 증가에 기초하는데 즉, 생산량이 두배가 되면, 단위당 시간의 감소는 학습곡선의 속도에 영향을 끼친다라는 전제입니다. 학습곡선의 기울기가 80%비율이면 두번째 Unit은 첫번째 Unit생산의 시간에 80%를 같은 방법으로 4번째 unit은 2번째 unit생산의 80%, 8번째 Unit은 4번째 Unit단위의 80%의 효과가 있다는 것입니다. 이것을 공식으로 표현하면 아래와 같습니다.

예를들어 특정제품의 첫번째 단위 생산이 10시간이 필요하고 70%의 학습이 있는 경우, 8번째 Unit생산하는데 소요되는 시간은 1에서 2로 두배씩 증가합니다.

 

예상하셨겠지만 기업이 생산하는 제품의 특성에 따라 서로 다른 학습곡선을 띄게 됩니다. 학습의 속도는 프로세스와 제품의 잠재력에 따라 달라지는 현상을 나타냅니다. 또한 프로세스나 제품 그리고 작업자의 변동으로 인해 학습 효과가 방해되는 점도 유의해야 합니다. 즉 지속적이거나 영구적이지 않다는 것입니다. 안정적이고 표준화된 제품, 프로세스는 다른 제품보다 급격하게 감소하는 경향이 있습니다.

비용의 절감과 효율성의 극대화는 모든 기업과 산업에서 중점 고려요소입니다. Learning curve에 따라 단위 작업수량이나 시간이 조정되지 않을 경우 Scheduling에 문제가 발생할 가능성이 큽니다. 학습곡선의 부문을 고려하지 않고 생산스케줄링을 한다고 가정하면 작업시간 및 생선 설비가 특정시간동안 유휴(Idle status)상태일 수 있겠지요. 더욱이 생산자는 작업자의 능률향상을 고려하지 않기 때문에 추가 작업에 대해 거부할 수 있는 가능성도 있습니다.

​이런 상황을 고려해서 학습곡선의 수리적 접근방법을 살펴보겠습니다.

​① Arithmetic analysis

위의 예에서 설명한 것과 같은 형태의 산술적 접근방식은 Learning curve 문제에 대한 가장 간단한 방법입니다. 생산이 두배로 증가할 때 만다 단위당 노동력은 학습 속도라고 알려진 요인만큼 감소(효율화)되는 현상을 의미합니다. 여기서 알아야 하는 요소로 Learning factor, 첫번째 단위의 생산시간이 있습니다. 만약 Learning factor가 70%이고 1번째 Unit의 생산시간이 100시간일 때 각 Lot에서 생산하는데 걸리는 시간은 아래와 같이 산정됩니다.

N번째 단위를 생산하는데 소요되는 시간을 찾거나 N번째 수량이 2의 배수값 중의 하나라면 쉽게 찾을 수 있겠지만 그렇지 않는 수의 Unit을 생산하는데 몇시간이 걸리는지 파악하기가 어렵다는 단점이 있습니다. 이런 단점을 해결하고자 Logarithmic analysis를 통해 활용할 수 있습니다.

② Logarithmic analysis

로그 접근법을 사용하여 N번째의 수량에 대한 생산시간이나 수량을 결정할 수 있습니다.

예를들어 특정 작업의 Learning rate가 80%이고 첫번째 단위 생산에 걸리는 시간이 100Hr이라 할때 3번째 Unit의 생산은 아래와 같이 산정될 수 있겠지요.

위와 같이 로그 접근 방식은 생산되는 모든 부문에 필요한 시간을 결정할 수 있지만 이보다 더 간단한 방법이 있습니다. 후후훗

③ Learning curve coefficient

학습곡선 계수기법으로 사전에 정의된 계수를 활용해 표현합니다.

예를들어 보면, GICS가 제품명 GOO를 첫번째 생산하는데 100,000시간이 필요합니다. 그런데 두번째 GOO와 세번째 GOO의 경우 85%의 Learning factor로 생산을 했습니다. 만약에 시간당 Direct material cost가 $30이라면 4번째 GOO를 생산요청할 때 얼마를 지불해야 할까요?

이렇게 Learning curve는 여러 산업의 생산성과 구매비용 절감에 큰 이점을 줄 수 있는 분석 방법입니다. 하지만 산업, 기업, 제품간 별로 서로 상이하게 발생하기 때문에 다른 기업의 것을 차용하기 보다는 개발해 적용해야 합니다. 작업장 문화 뿐 아니라 자원의 가용성, 프로세스의 변화, Queue의 길이 등으로 학습 곡선이 변화될 수 있음을 유의해야 합니다. 예를들어 시험 막바지나 작업의 마지막 부문에서의 집중력, 관심이 저하되어 기대되는 Learning curve의 형태에 부합되지 않을 수 있습니다.

---

2025.06.13 - [교육] - [자율주제탐구] 브레인3.0 과학도서분석

[자율주제탐구] 브레인3.0 과학도서분석

2025.03.31 - [독서] - <<1984>>(독서록) AI윤리와 프라이버시

<<1984>>(독서록) AI윤리와 프라이버시

2025.03.27 - [독서] - [서평]총,균,쇠(재레드 다이아몬드)

[서평]총,균,쇠(재레드 다이아몬드)