-
생산관리 공장 에너지 효율, 디지털 전략이 경쟁력을 좌우한다
공장의 에너지 비용은 생산 비용에서 큰 비중을 차지하며, 특히 전력, 가스, 압축공기 등의 사용량은 공정 안정성과 직결된다. 그러나 많은 기업이 에너지 사용을 ‘필요한 만큼 쓰는 자연스러운 결과’로만 이해한다. 스마트 제조 시대에는 에너지 사용 자체를 최적화해야 경쟁력이 유지된다. 이를 가능하게 하는 것이 바로 디지털 기반 에너지 효율화 전략이다. 첫 번째 전략은 IoT 기반 에너지 데이터 실시간 수집이다. 설비별 전력 소비량, 부하 패턴, 피크 발생 시점, 공정별 에너지 사용 비율을 센서로 자동 기록하면 눈으로는 보이지 않던 낭비를 즉시 확인할 수 있다. 예를 들어 특정 설비가 쉬는 시간에도 높은 전력을 사용한다면, 단순 설정 문제일 수 있으며 즉시 개선 가능하다. 두 번째는 에너지 사용 패턴 분석과 비효율 진단이다. 데이터 분석을 통해 설비 가동률 대비 에너지 소비가 과도한 곳, 피크 부하가 반복되는 시간대, 불필요한 대기 전력 등을 찾아낼 수 있다. 이는 단순한 절감이 아니라 공정 조건의 최적화로 이어진다. 세 번째는 AI 기반 에너지 예측 및 운영 자동화이다. AI가 과거 사용 기록과 생산계획을 학습하면, “언제 전력 피크가 올지”, “어떤 설비가 과
- 주택규 기자
- 2025-12-05 09:01
-
생산관리 스마트 인력관리(HR-Tech), 사람의 역량이 생산성을 결정한다
스마트 제조가 발전하면서 설비, 공정 자동화뿐만 아니라 인력관리(HR) 자체도 디지털 전환이 필요해지고 있다. 생산성은 결국 사람이 만들어내는 가치이며, 기술이 아무리 발전해도 인력이 제대로 배치되고 교육되지 않으면 공장은 효율적으로 움직일 수 없다. 그래서 HR-Tech 기반의 스마트 인력관리 전략이 중소 제조업에서도 중요한 경쟁력이 되어가고 있다. 첫째, HR-Tech는 인력 배치의 효율을 높인다. 작업자별 숙련도, 작업 속도, 품질 이력, 안전 이슈 등을 데이터로 관리하면, 각 작업자에게 가장 적합한 공정을 배치할 수 있다. 이는 단순한 근무표 작성이 아니라, 데이터 기반 인력 최적화이다. 이를 통해 불량률이 낮아지고 공정 안정성이 올라간다. 둘째, 교육, 훈련의 스마트화이다. 개인별 교육 이력과 업무 성과 데이터를 분석하면, 부족한 역량을 파악하고 맞춤형 교육 프로그램을 제공할 수 있다. 예를 들어, 특정 작업자가 반복적으로 동일 품질 문제를 일으킨다면, 관련 공정 이해도 교육을 자동으로 추천하는 방식이다. 이는 단순한 집합교육이 아닌 데이터 기반 개인 맞춤 교육으로 전환되는 것이다. 셋째, AI를 활용한 작업 스케줄 자동 편성이 가능하다. 수요량,
- 주택규 기자
- 2025-12-02 08:41
-
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 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 인간의 협업, 새로운 생산혁신의 시작
AI가 제조 현장에 본격적으로 도입되면서, 많은 사람들은 “기계가 인간을 대체할까?”라는 질문을 던진다. 그러나 실제로는 그 반대다. AI와 인간의 협업(Man-Machine Collaboration) 이야말로 생산혁신의 핵심이며, 기술이 발전할수록 인간의 역할은 더 전략적이고 창의적인 방향으로 진화하고 있다. AI는 반복적이고 정형화된 업무를 대신한다. 예를 들어, 공정 데이터를 분석하고 설비의 이상을 감지하거나, 불량률을 실시간으로 모니터링하는 일은 AI가 훨씬 더 정확하고 빠르게 수행한다. 반면 인간은 AI가 제시한 데이터와 패턴을 해석하고, 그 결과를 바탕으로 의사결정을 내리는 역할을 담당한다. 즉, AI는 ‘도구’가 아니라 ‘결정 지원자’이다. 이러한 협업은 생산관리의 여러 영역에서 나타난다. · 공정관리: AI가데이터를 분석해 병목구간을 제시하면, 관리자는 개선 우선순위를 정한다. · 품질관리: AI가 불량 유형을 예측하면, 작업자는 공정 조건을 조정해 품질을 유지한다. · 설비관리: AI가 진동이나 온도 데이터를 분석해 이상을 경고하면, 기술자는 그 원인을 판단하고 조치를 취한다. 이처럼 인간은 ‘판단과 개선’에 집중하고, AI는 ‘분석과 예측’
- 주택규 기자
- 2025-11-07 09:24
-
생산관리 AI 기반 생산최적화, 예측이 만드는 미래형 제조 경쟁력
제조업의 경쟁력은 이제 “얼마나 빨리 만들 수 있는가”보다 “얼마나 정확하게 예측하고 대응할 수 있는가”로 바뀌고 있다. AI기반 생산최적화와 예측제조(Predictive Manufacturing) 는 이러한 변화의 중심에 있다. 단순히 공정을 자동화하는 수준을 넘어, 데이터를 학습하고 스스로 판단하여 효율을 극대화하는 단계로 진화하고 있는 것이다. AI 생산관리의 핵심은 데이터의 통합과 학습이다. 생산라인의 센서, MES, ERP, 품질검사 시스템 등에서 발생하는 방대한 데이터를 AI가 분석하여, 생산 흐름의 병목 구간을 찾아내고 불량 원인을 예측한다. 예를 들어, 설비의 온도, 압력 변화나 진동 패턴을 분석해 고장을 미리 예측하면, 돌발정지 없이 생산을 지속할 수 있다. 이는 단순한 예방정비(PM)를 넘어 예측정비(Predictive Maintenance) 단계다. 또한 AI는 생산계획의 최적화에도 활용된다. 과거에는 관리자 경험에 의존해 생산 일정을 조정했지만, 이제는 AI가 수요 예측과 설비 가동률, 인력 배치, 자재 공급 상황을 종합 분석하여 최적의 생산 스케줄을 자동으로 제시한다. 이를 통해 납기 준수율이 높아지고, 재고 부담이 줄어든다. 품질관리
- 주택규 기자
- 2025-11-06 10:09
-
AI 한국형 AI 창업, 기술보다 실행이 경쟁력이다
AI 기술이 세계 경제의 새로운 성장축으로 자리 잡은 지금, 한국의 스타트업 생태계도 빠르게 AI 중심으로 재편되고 있다. 그러나 단순히 해외 기술을 모방하거나 알고리즘을 도입하는 것만으로는 성공할 수 없다. 한국형 AI 창업의 핵심은 데이터, 인재, 네트워크를 중심으로 한 실행 전략에 있다. 첫째, 데이터 경쟁력 확보가 가장 중요하다. AI는 학습 데이터의 품질에 따라 성과가 달라진다. 한국의 중소 스타트업은 공공데이터, 산업별 협회 데이터, 또는 고객 행동 데이터를 연계해 ‘도메인 특화형 AI’를 개발해야 한다. 단순한 기술 개발보다 현장 문제 해결에 초점을 맞춘 데이터 설계가 필요하다. 둘째, 융합형 인재 확보가 관건이다. 기술 개발자뿐 아니라 비즈니스, 디자인, 마케팅 등 다양한 분야의 전문가가 협업해야 한다. 특히 ‘AI 이해 + 산업 지식’을 겸비한 인재는 한국형 AI 창업의 핵심 동력이다. 이를 위해 정부와 대학은 산학협력 기반의 실무형 AI 교육을 강화할 필요가 있다. 셋째, 네트워크와 정책 연계가 성공의 열쇠다. AI 스타트업은 중진공, 기술보증기금, 창업진흥원 등 공공 지원기관과의 협력으로 초기 자금과 기술 검증을 동시에 확보할 수 있다.
- 주택규 기자
- 2025-11-04 09:24
-
AI AI로 성공을 재정의하다, 세상을 바꾼 스타트업들의 전략
AI 기술을 중심으로 한 스타트업들은 전통적인 산업 구조를 바꾸며 빠르게 성장하고 있다. 이들의 성공은 단순히 ‘AI를 활용했다’는 점이 아니라, 기술을 통해 현실의 문제를 정확히 해결했다는 데 있다. 대표적인 사례로는 OpenAI를 들 수 있다. 생성형 AI ‘ChatGPT’를 통해 개인과 기업의 일상적 생산성을 혁신하며, 대규모 사용자 기반을 단기간에 확보했다. 그 성공의 핵심은 기술력보다 ‘누구나 쉽게 쓸 수 있는 인터페이스’를 만든 사용자 중심 전략이었다. 한국에서도 AI 스타트업의 성장은 두드러진다. 스캐터랩은 감정 인식 AI를 통해 사용자 맞춤형 대화 서비스를 제공하며, 감성 데이터를 활용한 새로운 시장을 개척했다. 마음AI는 상담, 교육, 의료 등 인간 감정을 다루는 영역에서 AI 챗봇을 상용화해 기업 고객을 확대하고 있다. 또한 제조 분야의 원프레딕트(OnePredict)는 AI 예지보전 기술로 설비 고장을 사전에 예측해 공장 가동 효율을 높이는 데 성공했다. 이들 기업의 공통점은 세 가지다. 첫째, 명확한 문제 정의로 시장의 빈틈을 정확히 공략했다. 둘째, AI 기술을 단순 도구가 아닌 비즈니스의 핵심 자산으로 삼았다. 셋째, 데이터를 축적하
- 주택규 기자
- 2025-11-03 10:17
-
AI AI 스타트업의 시대, 창업의 패러다임이 바뀐다
인공지능(AI)은 이제 스타트업의 선택이 아니라 필수 전략이 되었다. 과거에는 자본과 인력이 부족한 창업 기업이 대기업과 경쟁하기 어려웠지만, AI 기술은 그 격차를 빠르게 줄이고 있다. 아이디어를 실현하기 위한 시제품 제작, 마케팅, 고객 분석 등 거의 모든 창업 과정에 AI가 개입하면서 ‘소수 정예 기업’도 고효율로 성장할 수 있는 환경이 만들어졌다. 예를 들어, AI 기반 디자인 도구는 개발자 없이도 제품 프로토타입을 제작할 수 있게 해주고, 생성형 AI는 마케팅 콘텐츠를 자동으로 생성해 홍보비를 줄인다. 고객 데이터 분석 AI는 시장 반응을 예측해 제품 개선 방향을 제시하며, 투자 유치 단계에서는 AI가 사업계획서와 재무 예측 모델을 자동 생성하기도 한다. 즉, 창업 전 과정이 데이터 중심으로 재편되고 있는 것이다. AI는 또한 창업의 장벽을 낮추고 있다. 클라우드 AI 플랫폼을 통해 누구나 고급 알고리즘을 저비용으로 사용할 수 있고, 정부와 민간 투자기관은 AI 스타트업 전용 펀드와 육성 프로그램을 확대하고 있다. 이로써 기술 기반 스타트업의 생태계는 점점 더 다양하고 민첩하게 진화하고 있다. 결국 AI 시대의 창업은 ‘많이 하는 것’이 아니라 ‘스
- 주택규 기자
- 2025-10-31 09:55
-
1
[e커머스] 2025 온라인 식료품 시장 트렌드와 중소 셀러 생존 전략
-
2
인산테라, ‘풀케어(Full Care)’ 출시… 병해충 관리와 친환경 농업의 새 전환점
-
3
MZ가 이끄는 ‘필코노미’…감정이 소비를 결정한다
-
4
인산테라 ‘풀케어’로 충남 아산 시범농장 고추 재배 성공… 친환경 농법 새 모델 제시
-
5
미국 ‘말차’ 열풍…국산 녹차에 새로운 기회 열린다
-
6
개 식용 종식 1년, 농장 70% 폐업…‘남겨진 개들’ 보호는 숙제
-
7
제40회 경영지도사·기술지도사 2차 시험, 총 363명 최종 합격
-
8
경영지도사 시험 제40회 합격률 33.1%…“중장년층 진입·컨설팅 수요 반영”
-
2026-01-05 11:05
GS25 편의점, 일주일 매출 분석서 ‘건강 소비’ 트렌드 확산 확인
-
2026-01-05 10:58
'베네수 사태'에 국제 금값 상승하고 유가 하락… 글로벌 시장 불안감 증폭
-
2026-01-05 08:59
표준을 지키면서 유연해지는 생산관리의 기술
-
2026-01-02 18:05
주말 강추위 정점 지나 완화…다음 주 평년 기온 회복
-
2026-01-02 12:56
'컵 가격 표시제' 추진에 소상공인들 '울상'… 정부, 부담 최소화 방안 논의 착수
-
2026-01-02 08:49
작업자 숙련도 편차를 줄이는 표준화·교육 연계 전략
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 01월 05일 11시 05분