-
생산관리 생산현장의 디지털 협업 플랫폼, 연결이 혁신을 만든다
스마트 제조 시대에는 개별 팀이 각자 정보를 관리하던 방식으로는 생산 문제를 해결하기 어렵다. 설비팀은 설비 데이터만, 품질팀은 검사 결과만, 생산팀은 공정 상황만 따로 관리하면 공장의 전반적인 흐름을 파악할 수 없다. 그래서 오늘날 제조 기업의 핵심 전략은 정보를 하나로 모으고, 실시간으로 협업할 수 있는 디지털 협업 플랫폼을 구축하는 것이다. 디지털 협업 플랫폼의 첫 번째 목적은 정보의 단일화이다. MES, ERP, 설비 센서, 품질 시스템 등에 흩어져 있는 데이터를 하나의 화면에서 확인할 수 있어야 한다. 데이터가 통합되면, 생산·품질·설비·물류팀 모두가 같은 정보를 보고 같은 판단을 내릴 수 있다. 이는 오해를 줄이고 문제 해결 속도를 크게 높인다. 두 번째는 실시간 소통과 문제 해결 체계 구축이다. 공정 이상, 불량 증가, 설비 고장 등 현장에서 발생하는 문제를 플랫폼에서 즉시 공유하고, 관련 부서가 함께 해결 방안을 논의할 수 있어야 한다. 예를 들어, 불량률이 갑자기 상승하면 품질팀은 원인 데이터를 올리고, 설비팀은 설비 진동 데이터를 공유하며, 생산팀은 작업 조건 변화를 기록한다. 이처럼 데이터 기반의 협업이 이루어지면 해결 시간이 획기적으로
- 주택규 기자
- 2025-12-01 08:52
-
생산관리 스마트 제조의 핵심, 데이터 거버넌스를 어떻게 구축할 것인가
스마트 제조의 성공은 데이터의 양이 아니라 데이터의 질에서 결정된다. AI, MES, IoT 센서가 아무리 발전해도 데이터가 정확하지 않으면 판단은 틀어지고, 자동화는 오작동하며, 경영은 혼란스러워진다. 그래서 스마트 제조의 기초 체계는 단순한 설비 도입이 아니라 데이터 거버넌스(Data Governance) 구축이다. 데이터가 공정 전체의 ‘언어’가 되는 만큼, 그 언어의 규칙을 처음부터 제대로 만드는 것이 중요하다. 첫 번째 단계는 데이터 표준화(Standardization) 이다. 같은 의미의 데이터를 부서마다 다른 이름, 다른 단위, 다른 방식으로 관리하면 통합 분석이 불가능하다. 예를 들어, “가동률”, “稼動시간”, “稼動(%)”처럼 각기 다른 표현이 존재하면 시스템이 정보를 정확히 연결하지 못한다. 이를 방지하기 위해 기업은 품질, 설비, 생산, 재고 데이터를 표준 용어와 표준 구조로 통일해야 한다. 두 번째는 데이터 정합성 확보(Consistency) 이다. 동일한 데이터가 서로 다른 시스템에서 다르게 나타나는 문제를 해결해야 한다. ERP, MES, 품질 검사 시스템, 설비 센서 간 데이터가 일치하지 않으면 분석 결과는 왜곡된다. 이를 위해
- 주택규 기자
- 2025-11-28 09:03
-
생산관리 스마트 제조 시대, 생산 시뮬레이션이 경쟁력을 만든다
스마트 제조 시대에는 공정을 실제로 바꾸기 전에 디지털 환경에서 먼저 실험하는 능력이 경쟁력을 결정한다. 이를 가능하게 하는 핵심 도구가 바로 생산 시뮬레이션(Production Simulation) 이다. 생산 시뮬레이션은 공정 흐름, 설비 배치, 작업 인력, 재고 흐름 등을 가상의 공장에서 재현해 최적의 생산 전략을 찾는 방법이다. 시행착오를 현장에서 겪지 않아도 되기 때문에 비용과 시간을 크게 줄일 수 있다. 생산 시뮬레이션의 첫 번째 장점은 병목과 비효율을 사전에 발견할 수 있다는 점이다. 실제 공정에서는 어떤 단계에서 대기행렬(WIP)이 쌓이는지 명확히 보이지 않지만, 시뮬레이션 환경에서는 처리량, 대기시간, 가동률을 그래프로 즉시 확인할 수 있다. 이를 통해 “어디를 먼저 개선해야 하는지”를 정확히 판단할 수 있다. 두 번째 장점은 설비 투자 결정의 정확도 증가이다. 새로운 설비를 구매하기 전에 시뮬레이션을 통해 생산량 변화, 라인 밸런싱 효과, 리드타임 단축 정도를 미리 계산할 수 있다. 이는 중소 제조업에 특히 중요하다. 예산이 한정된 상황에서 '감'이 아닌 '데이터'로 투자 결정을 할 수 있기 때문이다. 세 번째는 자동화, 로봇 도입 효과를
- 주택규 기자
- 2025-11-27 08:52
-
생산관리 병목을 잡아야 공정이 산다 — 생산 흐름을 바꾸는 병목 해소 전략
공정에서 아무리 많은 설비와 인력을 투입해도, 생산 흐름을 결정하는 것은 단 한 지점, 즉 병목(Bottleneck) 이다. 병목은 공정 중 처리 속도가 가장 느린 단계로, 전체 생산량을 제한하고 리드타임을 늘리는 핵심 요인이다. 따라서 병목을 정확히 찾고 개선하는 것이 생산성 향상의 가장 빠르고 효과적인 전략이다. 병목을 해소하는 첫 단계는 데이터 기반 병목 진단이다. 설비 가동시간, 작업 대기시간, 공정별 처리량 등을 확인하면 어떤 공정에서 물건이 쌓이는지 쉽게 파악할 수 있다. MES나 IoT 센서를 활용하면 실시간으로 공정 흐름을 모니터링할 수 있어 병목 지점을 빠르게 발견할 수 있다. 두 번째 단계는 원인 분석이다. 병목은 단순히 속도가 느려서 생기는 것이 아니라, 설비 고장률, 작업자의 숙련도 차이, 과도한 품질검사, 자재 공급 지연 등 다양한 이유가 복합적으로 작용할 수 있다. 특성요인도(魚骨도), 5Why 분석 같은 기법을 활용하면 병목의 본질적 원인을 찾는 데 도움이 된다. 세 번째는 병목 공정 집중 개선이다. 가장 효과적인 방법은 병목 공정의 처리능력을 높이는 것이다. 설비를 추가하거나 자동화 설비로 교체하는 방식이 대표적이다. 그러나 꼭
- 주택규 기자
- 2025-11-26 09:03
-
생산관리 글로벌 공급망 리스크 시대, 중소 제조업이 살아남는 전략
전 세계 공급망이 흔들리는 시대에 중소 제조업은 대기업보다 더 큰 위험에 노출되어 있다. 원자재 가격 급등, 해외 공장 셧다운, 물류 지연, 환율 변동 등 예측하기 어려운 변수들이 생산 일정과 납기에 직접적인 타격을 준다. 그러나 이를 단순한 외부 요인으로만 볼 수는 없다. 공급망 리스크에 어떻게 대응하느냐가 중소 제조업의 생존 전략이 된다. 첫 번째 전략은 공급처 다변화이다. 특정 국가나 특정 업체에 지나치게 의존하면 문제가 생겼을 때 대응이 어렵다. 핵심 자재일수록 2~3개의 대체 공급처를 확보하고, 리스크가 큰 지역의 의존도를 낮추는 것이 필요하다. 최근에는 베트남, 인도네시아, 멕시코 등 ‘차세대 조달 거점’을 활용하는 사례가 늘고 있다. 두 번째는 적정 재고 전략이다. 공급망 위기 상황에서 최소 재고 전략은 오히려 납기 지연을 초래할 수 있다. 중소기업은 ABC 분석을 활용해 중요 자재는 안전재고를 높이고, 덜 중요한 자재는 JIT 방식으로 관리하는 혼합 전략이 유효하다. 이는 비용과 안정성을 동시에 고려하는 현실적 선택이다. 세 번째는 공급망 가시성(Visibility) 확보이다. ERP, MES, 물류 추적 시스템 등을 통해 자재의 위치, 생산
- 주택규 기자
- 2025-11-25 08:57
-
생산관리 디지털 KPI, 생산관리 성과를 바꾸는 새로운 기준
AI와 디지털 시스템이 확산되면서 생산현장의 성과관리 방식도 빠르게 변화하고 있다. 과거에는 생산량, 불량률처럼 단순 지표 중심의 관리가 일반적이었다. 그러나 이제는 데이터 기반의 디지털 KPI(Digital Key Performance Indicator) 를 통해 생산의 흐름, 병목, 품질, 설비 상태까지 종합적으로 관리하는 시대가 되었다. 정확한 지표 설계가 기업의 경쟁력을 좌우한다. 디지털 KPI의 핵심은 측정 가능한 데이터 기반 지표여야 한다는 점이다. 예를 들어 설비가 실제로 얼마나 생산에 기여했는지를 보여주는 OEE(설비종합효율), 공정의 안정성을 의미하는 Cpk(공정능력지수), 실시간 불량률, 설비 예지정비 지수 등 정량적 지표들이 대표적이다. 이러한 지표들은 사람의 감정이나 상황에 흔들리지 않고, 생산현장의 상태를 객관적으로 보여준다. 또한 KPI는 단순한 숫자가 아니라 문제 해결을 이끄는 지표여야 한다. 예를 들어 “생산량 증가”라는 목표 대신 “병목공정 리드타임 15% 단축”, “OEE 5% 향상”, “불량 재발률 30% 감소”와 같은 실행 중심 지표가 디지털 KPI의 특징이다. AI와 MES 데이터를 활용하면 이러한 지표를 실시간으로 시각
- 주택규 기자
- 2025-11-24 08:59
-
생산관리 AI 시대, 생산관리 직무의 커리어 로드맵은 어떻게 바뀌는가
AI와 자동화 기술이 빠르게 확산되면서 생산관리 직무는 과거와 완전히 다른 방향으로 진화하고 있다. 단순한 계획 관리나 공정 모니터링 중심의 역할에서 벗어나, 데이터 기반 의사결정과 기술 이해력을 갖춘 하이브리드 전문가로 성장하는 것이 필수 경로가 되었다. 그래서 AI 시대의 생산관리 커리어 로드맵은 더 넓고, 더 깊고, 더 전략적이다. 1단계는 현장 이해 기반의 기본 역량 구축 단계이다. 공정 흐름, 설비 특성, 작업 표준, 품질 기준 등 생산관리의 기본기를 갖추는 것이 필수다. AI 도구를 잘 활용하기 위해서도 현장의 원리를 이해해야 한다. 기초가 탄탄할수록 이후 단계에서 기술 적용 능력도 빠르게 성장한다. 2단계는 데이터 활용 능력 강화 단계이다. 엑셀, 통계 분석, 데이터 시각화, MES 데이터 해석, 품질지표 분석 등 실무형 데이터 역량을 갖추는 것이 핵심이다. AI 분석 결과를 이해하고 판단할 수 있어야 관리자로 성장할 수 있다. 이 단계부터는 “데이터 기반 문제 해결자”로 진화한다. 3단계는 스마트 제조 기술 이해 단계이다. IoT 센서, 로봇 자동화, MES, ERP, APS, AI 품질검사 등 디지털 기술의 원리를 이해하고 현장에 적용할 수
- 주택규 기자
- 2025-11-21 08:54
-
생산관리 AI 기반 생산관리의 한계, 그래서 인간의 판단이 더욱 중요하다
AI와 데이터 기반 생산관리는 제조혁신을 이끄는 핵심 기술이지만, 그 만으로 모든 문제가 해결되는 것은 아니다. AI는 방대한 데이터를 분석해 패턴을 찾고, 예측을 제공하는 데 뛰어나지만, 모든 상황을 이해하거나 모든 맥락을 반영할 수 있는 존재는 아니다. 그래서 AI 시대일수록 인간의 판단과 경험은 더욱 중요해지고 있다. 첫째, AI는 데이터가 없는 상황을 처리하기 어렵다. 새로운 공정, 신제품, 비정형 문제 등 과거 데이터가 충분하지 않으면 AI는 제대로 예측할 수 없다. 반면, 경험 많은 관리자는 공정의 특성과 작업자의 행동, 과거의 유사 경험을 바탕으로 빠르게 대응할 수 있다. 둘째, AI는 현장의 맥락(Context)을 완전히 이해하지 못한다. 예를 들어, 동일한 불량 패턴이라도 원인이 사람의 컨디션, 작업장 분위기, 소재의 미세한 감촉 차이처럼 정량화하기 어려운 요소일 수 있다. 이런 변수는 AI가 수치로 분석하기 어렵지만, 숙련된 작업자는 즉각적으로 감지한다. 셋째, 윤리적, 전략적 판단은 인간만이 할 수 있다. 생산량을 늘리기 위해 공정을 고속으로 운영하라는 AI의 제안이 있더라도, 안전, 품질, 근로자 부담을 고려해 최종 결정을 내리는 것은
- 주택규 기자
- 2025-11-19 08:52
-
생산관리 AI 시대, 생산관리 조직은 어떻게 변화하는가
AI와 디지털 기술의 확산은 생산방식뿐 아니라 생산관리 조직의 구조 자체를 바꾸고 있다. 과거 생산관리 조직은 계획, 자재, 공정, 품질을 분리해 운영하는 ‘기능 중심 구조’가 일반적이었다. 그러나 AI 시대에는 데이터 흐름이 공정 전체를 실시간으로 연결하면서, 생산관리 조직은 데이터 중심, 협업 중심의 통합 구조로 재편되고 있다. 첫 번째 변화는 데이터 기반 의사결정 조직(Digital Decision Organization) 으로의 전환이다. 기존에는 각 부서가 경험과 수기로 데이터를 관리했지만, 이제는 MES, IoT, ERP 등 시스템이 자동으로 데이터를 수집, 공유한다. 이에 따라 생산관리 조직은 데이터를 분석하고 전략을 도출하는 역할이 강화되며, 데이터 분석 인력이나 디지털 담당자(DX Officer)가 조직 내 핵심 역할로 부상한다. 두 번째는 계획, 공정, 품질 조직 간의 경계가 약화되는 것이다. AI는 불량예측, 공정최적화, 수요예측 등 다양한 기능을 통합적으로 수행하기 때문에, 생산관리 조직 또한 기능 중심에서 프로세스 중심으로 재구성된다. 예를 들어, “계획–생산–품질”이 하나의 데이터 흐름으로 연결되면, 팀 간 협의 대신 실시간 데이터
- 주택규 기자
- 2025-11-18 09:00
-
생산관리 AI 시대, 중소 제조업이 지속 성장하기 위한 새로운 경영전략
AI 기술은 이제 대기업만의 도구가 아니다. 중소 제조업도 디지털 기술을 활용하면 생산성, 품질, 비용 구조를 근본적으로 개선할 수 있다. 그러나 규모가 작은 기업일수록 기술 도입이 부담스럽고, 무엇부터 시작해야 할지 막막한 경우가 많다. AI 시대에 중소 제조업이 지속 성장하기 위해서는 작계 시작해 크게 성장하는 전략적 접근이 필요하다. 첫 번째 전략은 데이터 기반 경영 전환이다. AI를 활용하기 위해서는 먼저 데이터를 수집하고 관리할 수 있는 체계를 만들어야 한다. 설비 가동시간, 불량 정보, 작업시간, 재고 현황 등 기본적인 생산 데이터를 자동으로 기록하면 생산 흐름의 문제를 빠르게 파악할 수 있다. 중소기업은 이 단계만 구축해도 의사결정의 정확도가 크게 향상된다. 두 번째는 부분 자동화, 스마트화의 단계적 추진이다. 많은 기업이 전체 자동화를 목표로 하다가 비용 부담에 좌절한다. 대신 조립, 포장, 검사처럼 반복 작업이 많은 공정부터 자동화하면 적은 비용으로 높은 효과를 낼 수 있다. 이후 MES, IoT 센서 등 디지털 도구를 점차 확장하면 자연스럽게 스마트팩토리로 진화할 수 있다. 세 번째 전략은 인력의 디지털 역량 강화이다. 기술을 도입해도 사람
- 주택규 기자
- 2025-11-17 09:03
-
생산관리 AI 시대, 현장 인력의 재교육이 생산경쟁력을 결정한다
AI와 자동화 기술이 급속히 확산되면서, 생산현장의 일자리는 빠르게 변화하고 있다. 단순한 작업 중심의 업무는 기계가 대신하지만, 데이터 해석과 공정 관리, 시스템 운영 등 새로운 역할이 현장 인력에게 요구되는 시대가 되었다. 이제 기업의 경쟁력은 기술 자체보다 사람이 얼마나 빨리 배우고 적응하느냐에 달려 있다. AI 시대의 인력 재교육은 단순한 기능훈련이 아니다. 새로운 기술을 이해하고, 데이터를 읽고, 문제를 분석하는 능력을 키우는 디지털 역량(Digital Literacy) 교육이 핵심이다. 예를 들어, IoT 센서 데이터를 분석해 설비 이상을 조기에 파악하거나, MES 시스템에서 품질 데이터를 해석해 개선 방향을 도출하는 능력이 필요하다. 이는 과거의 “숙련공”에서 “데이터 기반 문제 해결자”로의 전환을 의미한다. 현장 인력 교육은 세 가지 방향으로 추진되어야 한다.1. 기술 교육: AI, IoT, MES, 로봇 제어 등 생산기술의 이해와 실습 중심 훈련.2. 데이터 교육: 엑셀, 통계 분석, 데이터 시각화, 품질지표 해석 등 실무형 데이터 활용 교육.3. 문제해결, 소통 교육: 팀 단위 협업, 개선 제안, 의사소통 및 리더십 역량 강화. 또한, 교육
- 주택규 기자
- 2025-11-14 08:59
-
생산관리 AI 시대, 생산관리자의 역할이 바뀐다
AI와 디지털 기술이 생산현장에 깊이 스며들면서, 생산관리자의 역할이 근본적으로 변화하고 있다. 과거의 생산관리자는 작업 일정 조정, 자재 투입, 공정 점검 등 운영 중심의 역할을 담당했다. 그러나 이제는 AI가 데이터를 분석하고, 자동화 시스템이 공정을 제어하면서 관리자의 역할은 지시와 통제에서 데이터 전략과 의사결정 중심으로 이동하고 있다. 미래형 생산관리자는 더 이상 단순히 현장을 관리하는 관리자가 아니다. AI가 수집한 데이터를 해석하고, 공정 개선 방향을 도출하는 데이터 기반 의사결정자(Data-Driven Leader) 이다. 예를 들어, AI가 불량률 상승 패턴을 분석해 원인을 제시하면, 관리자는 그 데이터를 해석해 실제 개선 실행 방안을 세워야 한다. 즉, 문제를 ‘발견’하는 것은 AI의 몫이지만, 문제를 ‘해결’하는 것은 사람의 역할이다. 또한, AI 시대의 생산관리자는 기술과 사람의 연결자(Connector) 로서의 역할도 수행한다. 자동화 설비와 IoT 센서가 수집한 정보를 팀원들에게 이해하기 쉽게 전달하고, 작업자들이 기술 변화를 받아들이도록 돕는 것이다. 데이터와 현장을 잇는 소통 능력이 새로운 핵심 역량이 된다. AI는 관리자의 일을
- 주택규 기자
- 2025-11-13 09:02
-
생산관리 AI 데이터 기반 경영, 의사결정이 달라지는 시대
기업의 경쟁력은 빠르고 정확한 의사결정에서 나온다. 그러나 복잡한 시장 환경 속에서 ‘감(感)’에 의존한 판단은 한계에 이르렀다. 이제 경영의 중심에는 AI 데이터 기반 의사결정(Data-Driven Decision Making) 이 자리 잡고 있다. 이는 데이터를 수집하고 분석해, 객관적 근거를 바탕으로 경영 판단을 내리는 새로운 방식이다. AI 기반 경영은 단순히 보고서를 자동으로 만드는 수준을 넘어선다. 판매, 생산, 재고, 고객, 인력, 설비 등 기업의 전 영역에서 데이터를 수집하고, 이를 인공지능이 실시간으로 분석한다. 예를 들어, AI는 과거 판매 추세와 외부 요인을 결합해 미래 수요를 예측하고, 그 결과를 토대로 생산계획과 자재 조달 일정을 자동으로 제안한다. 이로써 기업은 불필요한 재고를 줄이고 납기를 단축할 수 있다. 또한 AI는 의사결정의 품질과 속도를 동시에 높인다. 과거에는 데이터 분석에 시간이 오래 걸려 기회가 지나가기 일쑤였지만, AI는 실시간 분석을 통해 즉각적인 판단을 가능하게 한다. 예를 들어, 특정 제품의 불량률이 상승하면 AI가 즉시 원인 후보를 제시하고, 관리자는 그 결과를 검토해 조치를 결정할 수 있다. 이처럼 사람은 ‘
- 주택규 기자
- 2025-11-12 09:56
-
생산관리 AI와 ESG, 지속가능한 제조혁신의 두 축
AI와 ESG(Environmental, Social, Governance)의 결합은 제조업의 새로운 혁신 방향을 제시하고 있다. 과거 제조 혁신이 효율과 생산성 향상에 초점을 맞췄다면, 이제는 환경보호와 사회적 책임을 함께 달성하는 지속가능한 제조로 발전하고 있다. AI는 이 변화의 중심에서 ESG 경영을 실행 가능한 전략으로 만들어준다. 먼저 E(Environmental) 측면에서 AI는 에너지 절감과 탄소 저감에 기여한다. IoT 센서와 AI 알고리즘을 활용해 설비의 전력 사용량, 온도, 공정별 배출량을 실시간으로 모니터링하면 불필요한 낭비를 줄일 수 있다. 예를 들어, AI가 설비의 가동 패턴을 분석해 최적의 작동 시간을 제안하거나, 생산 스케줄을 자동 조정해 전력 피크를 분산시키는 식이다. 이를 통해 기업은 효율과 환경을 동시에 관리할 수 있다. S(Social) 측면에서도 AI는 안전하고 사람 중심의 제조환경을 만든다. AI 기반 영상 분석으로 작업자의 위험 행동을 감지하고, 즉각 경고를 보내 사고를 예방할 수 있다. 또한 근로자의 피로도나 작업 강도를 데이터로 측정해 근무 스케줄을 최적화함으로써, 인간의 건강과 복지를 보호하는 역할도 수행한다.
- 주택규 기자
- 2025-11-11 09:35
-
생산관리 AI가 바꾸는 품질관리의 미래, 불량 이전에 품질을 예측하다
품질관리는 과거 오랜 시간 동안 “문제가 생긴 뒤에 고치는 활동”이었다. 그러나 이제는 AI가 품질을 미리 예측하고, 불량이 발생하기 전에 조치를 취하는 시대가 열리고 있다. 이는 단순한 기술 변화가 아니라, 품질관리의 패러다임이 ‘사후대응’에서 ‘사전예방’으로 완전히 바뀌고 있음을 의미한다. AI 기반 품질관리는 방대한 데이터를 실시간으로 분석해 제품의 상태와 공정 조건을 예측한다. 예를 들어, 생산라인의 센서가 온도나 압력 변화를 감지하면, AI는 과거 데이터를 학습하여 “이 조건에서는 불량 가능성이 높다”는 경고를 내린다. 이렇게 하면 관리자는 문제를 발생 전에 수정할 수 있다. 이는 품질관리를 완전히 새로운 차원으로 끌어올리는 기술적 진화이다. AI는 또한 이미지 인식 기술을 통해 품질 검사를 자동화한다. 사람이 눈으로 판별하던 결함이나 오염, 미세한 손상까지 고해상도 카메라와 머신러닝 알고리즘이 즉시 식별한다. 이 기술은 검사 속도를 높이고, 인간의 피로나 판단 오차로 인한 불량 누락을 최소화한다. 품질 데이터를 장기간 축적하면, AI는 단순한 불량 감지기를 넘어 품질 예측 모델로 발전한다. 불량이 자주 발생하는 시점, 설비의 이상 징후, 작업자 교
- 주택규 기자
- 2025-11-10 09:09
-
1
MZ가 이끄는 ‘필코노미’…감정이 소비를 결정한다
-
2
[e커머스] 2025 온라인 식료품 시장 트렌드와 중소 셀러 생존 전략
-
3
인산테라, ‘풀케어(Full Care)’ 출시… 병해충 관리와 친환경 농업의 새 전환점
-
4
인산테라 ‘풀케어’로 충남 아산 시범농장 고추 재배 성공… 친환경 농법 새 모델 제시
-
5
경영지도사 시험 제40회 합격률 33.1%…“중장년층 진입·컨설팅 수요 반영”
-
6
미국 ‘말차’ 열풍…국산 녹차에 새로운 기회 열린다
-
7
제40회 경영지도사·기술지도사 2차 시험, 총 363명 최종 합격
-
8
개 식용 종식 1년, 농장 70% 폐업…‘남겨진 개들’ 보호는 숙제
-
2026-04-03 12:07
서울대공원, 4~12일 봄꽃축제 개최… ‘동화 속 봄꽃여행’ 펼친다
-
2026-04-03 09:56
비슷한 사람들끼리 모아드립니다: 머신러닝의 군집 분석과 고객 지도
-
2026-04-03 09:53
컴퓨터 키보드 'F'와 'J' 키에는 왜 항상 볼록한 돌기가 튀어나와 있을까?
-
2026-04-03 09:23
일회용 컵 대신 텀블러”... 스타벅스, ‘개인 컵 스탬프 챌린지’로 친환경 박차
-
2026-04-03 09:13
정부, 초등생 '1인 1예술·스포츠' 전면 지원…사교육비 경감 대책 본격 추진
-
2026-04-02 18:02
AI로 암표 잡는다… 공연계, 불법 티켓 거래와의 전면전
주소 : 서울 송파구 백제고분로 113, 민성빌딩 402호
등록번호: 서울 아55172 | 등록일 : 2023-11-17 | 발행인 : (주)네이블마케팅 임유정 | 편집인 : 임진우 | 전화번호 : 010-8959-2447
Copyright @한국e마케팅저널 All rights reserved.
UPDATE: 2026년 04월 03일 12시 07분