“이제는 분석보다 올바른 결정을 고민해야 할 때” 제조업 환경이 급격히 변화하면서 데이터 분석의 역할도 함께 확장되고 있다. 단순한 품질 관리나 공정 개선을 넘어 글로벌 공급망 재편과 지정학적 리스크, 신제품 개발과 설비 투자 판단까지 데이터 기반 의사결정이 기업 경쟁력을 좌우하는 요소로 떠올랐다. 이러한 흐름 속에서 미니탭은 통계 소프트웨어 기업이라는 기존 인식을 넘어 제조 의사결정을 지원하는 엔드투엔드 데이터 분석 플랫폼으로의 전환을 강조하고 있다. 미니탭은 지난 52년간 데이터 분석 소프트웨어를 제공해 온 기업으로 특히 제조업 분야에서 제품 개발, 품질 향상, 프로세스 개선, 비용 절감 등 다양한 의사결정을 지원해 왔다. 민천홍 미니탭 동북아지역 본부장은 “미니탭은 제조 분야 분석 툴로서 이미 생존 경쟁의 시기를 거쳐 독보적인 위치를 확보했다”며 “현재 포춘 500대 기업의 약 90%가 미니탭을 사용하고 있다”고 설명했다. 이러한 기반 위에서 미니탭은 데이터 수집, 정제, 분석, 시각화, 의사결정까지 하나의 흐름으로 통합하는 전략을 추진하고 있다. 동북아 시장을 바라보는 시각도 이러한 변화와 맞닿아 있다. 민 본부장은 한국과 일본 제조업이 공통적으로 중
정책은 생활과 멀리 있는 것 같지만 사실은 한 줄의 공고, 하나의 제도 변화가 우리의 일상과 복지에 직접적인 영향을 줍니다. [알쓸정책]은 시민들이 꼭 알아야 할 주요 정책과 생활 밀착형 제도 변화를 알기 쉽게 풀어주는 주간 시리즈입니다. 의료·복지 서비스부터 교육·주거 지원, 교통·환경 정책까지. 생활인의 정책 내비게이션, 지금부터 시작합니다. 탄소중립·녹색성장 표준화 전략 3.0 공개...규제 대응·저탄소 전환 지원 산업통상부 국가기술표준원은 23일 ‘2025년 탄소중립·녹색성장 표준화 포럼 총회’를 열고, 4대 분야 9대 추진과제로 구성된 ‘탄소중립·녹색성장 표준화 전략 3.0’을 발표했다. 이번 전략은 탄소중립이 글로벌 경제질서의 핵심 축으로 자리 잡는 흐름 속에서, 국가 온실가스 감축 목표와 국정과제를 뒷받침하기 위한 표준화 로드맵을 제시하는 데 초점이 맞춰졌다. 탄소배출 규제 대응, 산업·수송·건물의 저탄소 이행, 재생에너지 중심 에너지 대전환, 기업·국민이 함께하는 순환경제 등 4대 분야를 중심으로 추진된다. 먼저 국표원은 유럽연합(EU) 등 주요국의 탄소배출 규제 강화에 대응하기 위해 탄소배출량 산정 표준화를 본격 추진한다. 국가별로 상이한 배
멀티모달 데이터 플랫폼 전문기업 미소정보기술이 데이터 기반 생산성 최적화 스케줄링 솔루션 ‘스마트 AI 플래너(Smart AI Planner)’를 현대제철 포항 특수강 정정라인에 적용해 최적화 공정 설계를 통한 생산성 향상과 제조 환경의 디지털 전환(AX)을 지원했다고 23일 밝혔다. 이번에 공급된 ‘스마트 AI 플래너’는 기존의 문서 기반 수작업 공정 스케줄 관리 방식을 획기적으로 탈피해, 웹 기반 대화형 자동 스케줄링 시스템으로 생산 계획 수립부터 실행, 분석까지 워크플로우 전 과정을 지능화한 것이 특징이다. 이를 통해 긴급재 투입, 생산규격 변경, 설비 이상에 따른 스케줄 지연등 수작업 스케줄 수정 과정에서 발생하던 전체 공정 영향도 파악 지연, 제약 조건을 반영한 정교한 계산의 어려움 등으로 인한 납기 지연, 우선순위 혼선, 생산 손실 문제를 효과적으로 해소할 수 있게 됐다. 특히 다품종·소량주문 생산 비중이 높은 특수강 공정의 특성을 반영해, 공정 간 제약 조건과 규격별 생산 최적 라인 편성등을 종합적으로 고려한 최적화된 자동 스케줄링 로직을 구현함으로써 수작업 중심 환경에서 발생하던 구조적 한계를 근본적으로 개선했다. 이를 통해 최적화된 공정 편성
정부가 산업 혁신과 기업 성장을 촉진하기 위해 제조 현장에 인공지능(AI)을 적용하는 방안을 적극 추진한다. 산업통상부는 17일 세종시에서 열린 이재명 대통령 업무보고에서 이같은 내용의 정책 방향을 발표했다. 이날 업무 보고에 따르면 산업부는 내년 제조업의 근본적 경쟁력 제고를 위해 제조와 AI 간 융합에 박차를 가하고, 이를 통해 차세대 제조 경쟁력을 확충하는 데 정책 역량을 집중한다. 지난 9월 출범한 'M.AX(제조업 AI 전환) 얼라이언스'를 중심으로 내년에 'AI 팩토리' 100개를 추가하고, 2030년까지 500개 보급에 나선다는 계획이다. M.AX 얼라이언스는 삼성전자, LG전자, 현대차 등 국내 주요 1천여개 기업과 서울대, KAIST 등 대학·연구기관이 참여하는 협의체로, 10개 분과별로 활동하며 제조 현장에 AI 확산을 주도하고 있다. 대기업과 협력사가 함께 활용하는 '대중소 협력 AI 선도모델' 15개 구축, AX(AI 전환) 실증 산업단지 13곳 조성도 목표로 제시했다. 미래 먹거리 확보를 위해 첨단산업 경쟁력 강화와 신산업 육성을 위한 지원을 확대한다. 수출 주역 반도체의 경우 '국내 첨단공장, 해외 양산기지' 전략하에 자동차, 가전,
울산과학기술원(UNIST)을 비롯한 산학연 기관들이 제조업 현장의 AI 활용 성과와 기업 인재 혁신 사례를 공유했다. UNIST 등 산학연 6개 기관은 24일 서울 포스코센터에서 ‘AI+산업혁신: 산업현장 AI 활용과 인재혁신’을 주제로 ‘2025 Korea Industrial AI 공동 포럼’을 개최했다. UNIST, 한국산업기술진흥협회(산기협), 한국생산기술연구원(생기원), LS일렉트릭, LG AI연구원, 포스코홀딩스가 공동 주최하고 과학기술정보통신부와 과실연 AI미래포럼이 후원한 이날 포럼에는 산업계 최고기술책임자(CTO)·디지털전환(DT) 임원, 출연연 관계자 등 200여 명이 참석했다. 이날 포럼에서는 국내 제조 기업의 AI 확산을 촉진하기 위한 실제 적용 사례와 정책·기술 전략이 다뤄졌다. 개회식에서 안현실 UNIST 연구부총장은 “AI 도입은 산업 경쟁력의 핵심 전략이며, 제조 현장 문제를 해결하는 실무형 AI 인재 양성이 무엇보다 중요하다”며 “UNIST가 한국의 산업 펜타곤에 해당하는 부·울·경과 경주·포항 지역 산업AI 기술의 연구와 실증, 인재 양성에 속도를 내겠다”고 강조했다. 박태완 과학기술정보통신부 정보통신산업정책관은 축사에서 “국내
아이브는 제조업에 특화한 비전 파운데이션 모델(VFM) 기반 검사 솔루션인 ‘아이비전(AiVision)’을 공식 출시했다고 26일 밝혔다. 이 혁신적인 AI 검사 시스템은 제조업 현장의 고질적인 데이터 부족 문제를 해결하고, 품질 검사 자동화의 새로운 전환점을 마련할 것으로 기대된다. 가트너는 2026년까지 AI 프로젝트의 60%가 준비되지 않은 데이터로 인해 실패할 것이라고 전망하며, 특히 데이터 확보가 어려운 제조업의 특성을 지적했다. 기존의 범용 AI 모델을 제조업에 적용하려면 방대한 결함 데이터를 수집하고, 기계 ID, 타임스탬프, 배치 번호 등 다양한 메타데이터를 정제하는 복잡한 과정이 필요했다. 그러나 이러한 과정에서 학습되지 않은 신규 불량에 대한 대응력이 떨어져 현장 활용에 제약이 있었고, 불량 데이터를 수작업으로 수집하고 라벨링하는 데 소요되는 시간과 비용이 과도해 많은 제조업체들이 AI 도입을 포기하기도 했다. 아이브는 이러한 문제를 해결하기 위해 비지도학습 AI 모델을 기반으로 한 아이비전을 개발했다. 이 시스템은 양품 데이터만 학습해도 예상되는 불량을 AI가 자동으로 생성하여 검출할 수 있도록 설계되었다. 또한, 학습되지 않은 신규 불량
제조업계의 인공지능(AI) 도입 열기가 뜨겁지만, 현장에서 체감할 수 있는 투자수익률(ROI)을 실현한 사례는 드문 실정이다. 기술 도입은 했지만 생산성과 수익 증대 효과가 불분명하다는 지적이 잇따르는 가운데, 엠버로드는 이러한 현실적 한계를 정조준한다. 화려한 기술보다는 현장 데이터를 기반으로 한 실질적 문제 해결에 초점을 맞춰, 빠른 PoC와 단계적 확산 전략, 사용자 중심 인터페이스까지 종합적으로 제시하며 “ROI 중심의 AI 도입”이라는 해법을 내놓고 있다. 최근 제조업계는 생산성 향상, 품질 개선, 비용 절감 등 혁신을 목표로 인공지능(AI) 도입에 적극적으로 나서고 있다. 그러나 상당수의 프로젝트가 기대했던 투자수익률(ROI)을 달성하지 못해 현장에서 외면받는 사례가 빈번하게 발생하고 있으며, 이에 따라 AI 도입의 실질적인 효용성에 대한 의문이 제기되고 있다. 이러한 상황에서 화려한 기술 도입보다는 실제 비용 절감과 수익 증대에 초점을 맞춘 AI 프로젝트 접근 방식이 제조업 AI 도입의 난제를 해결할 핵심 대안으로 부상하고 있다. 제조 AI 도입 성공을 위한 과제 전문가들은 현장 데이터 기반의 AI 솔루션 개발 과정에서 외주 AI 용역 기업과의
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 01월 10일 14시 12분
