프로젝트 개요
적용대상 A사
적용분야 정밀부품제조분야
프로젝트 기간 10개월
적용 솔루션 4종
대한민국 제조업은 지난 수십 년간 빠른 성장을 이뤄왔지만, 최근 글로벌 공급망 불안정과 인력 부족, 원자재 가격 상승 등 다양한 도전에 직면하고 있습니다. 특히 중소 제조업체의 경우, 대기업에 비해 디지털 전환(Digital Transformation)에 필요한 예산과 전문 인력이 부족하여 경쟁력 확보에 어려움을 겪고 있습니다. 이러한 환경에서 주식회사 굿스트림(GoodStream)은 자사가 보유한 4대 핵심 솔루션을 통합적으로 활용하여 중소 제조업체의 디지털 전환을 지원하는 실증사례 프로젝트를 수행하였습니다. 본 사례연구는 실제 현장에 적용된 결과를 바탕으로, 기술 솔루션이 고객의 서비스 경쟁력을 어떻게 끌어올렸는지를 체계적으로 분석합니다.
본 실증사례의 대상은 경기도 소재 자동차 부품 제조업체 A사입니다. A사는 약 150명의 직원이 근무하는 중소기업으로, 연간 매출 약 300억 원 규모의 정밀 부품을 생산하고 있습니다. 그러나 노후화된 생산 관리 시스템과 수작업 중심의 물류 프로세스, 안전사고 우려 등의 문제가 누적되면서 생산성 향상에 한계를 보이고 있었습니다. 굿스트림은 이러한 A사의 문제를 진단한 후, 자사의 finetree(AI 솔루션), peak9(빅데이터 솔루션), lotus(MES/PMS/SRM 시스템), where(실내외 위치추적 솔루션)를 단계적으로 적용하는 통합 디지털 전환 프로젝트를 제안하였습니다.
프로젝트의 궁극적 목표는 단순한 시스템 도입이 아닌, 데이터 기반의 의사결정 체계를 구축하고 현장 안전을 강화하며 생산-물류-품질의 전 과정을 실시간으로 모니터링하는 스마트 팩토리를 구현하는 것이었습니다. 이를 위해 2024년 3월부터 12월까지 약 10개월 동안 단계적으로 솔루션을 도입하였으며, 각 단계별 성과를 측정하여 다음 단계의 전략에 반영하는 반복적 개선(Iterative Improvement) 방식을 채택하였습니다. 이 접근법은 중소기업이 한 번에 대규모 투자를 하지 않고도 점진적으로 디지털 전환을 이룰 수 있도록 설계된 것입니다.
| 항목 | 내용 |
|---|---|
| 고객사 | 자동차 부품 제조업체 A사 (경기도 소재) |
| 업종 | 정밀 부품 제조 (자동차 부품) |
| 규모 | 직원 약 250명 · 연 매출 약 700억 원 |
| 적용 솔루션 | finetree · peak9 · lotus · where |
| 프로젝트 기간 | 2024.03 ~ 2024.12 (12개월) |
기업 과제
생산 관리 노후화
10년 전 도입한 엑셀 기반 관리 방식을 그대로 사용. 종이 생산지시서 전달 과정에서 누락·오류가 빈번하여 월 평균 2~3건의 오더 누락 사고가 반복되고 있었습니다.
데이터 단절 및 활용 부재
설비 센서 데이터, 품질 검사 결과, 출하 기록이 7개 이상의 시스템에 산재. 불량 원인 추적에 3~4시간이 소요되는 등 데이터 연관 분석이 사실상 불가능한 상태였습니다.
안전 관리 사각지대
5,000평 규모 공장의 위험구역 출입을 실시간으로 모니터링할 수 없었으며, 야간·교대 시간 관리 공백으로 3년간 경미 안전사고 12건이 발생하였습니다.
추진 일정
2024년 3월 ~ 4월 1단계: 현장 진단 및 요구사항 분석
A사의 기존 시스템 환경, 생산 프로세스, 안전 관리 현황을 종합적으로 진단하고 핵심 개선 포인트를 도출하였습니다. 현장 인터뷰와 데이터 분석을 병행하여 솔루션 적용 우선순위를 결정하였습니다.
2024년 5월 ~ 6월 2단계: peak9 빅데이터 인프라 구축
기존에 산재되어 있던 생산 데이터, 설비 가동 데이터, 품질 검사 데이터를 peak9 솔루션을 통해 통합 수집하고 정제하여 분석 가능한 형태로 전환하였습니다.
2024년 7월 ~ 8월 3단계: lotus MES/PMS/SRM 시스템 도입
생산실행시스템(MES), 프로젝트관리시스템(PMS), 공급업체관계관리(SRM) 시스템을 순차적으로 배포하여 생산 현장의 디지털 기반을 완성하였습니다.
2024년 9월 ~ 10월 4단계: where 위치추적 솔루션 적용
공장 내 작업자 위치추적 및 안전 관리 시스템을 구축하고, 물류 이동 경로 최적화를 위한 실내 측위 인프라를 설치하였습니다.
2024년 11월 ~ 12월 5단계: finetree AI 솔루션 통합 및 고도화
수집된 데이터를 기반으로 finetree의 AI 기능(SQL 자동생성, RAG 기반 문서 검색, OCR 품질 검사, AI 챗봇)을 적용하여 전체 시스템의 지능화를 완성하였습니다.
굿스트림 보유 솔루션 소개
굿스트림이 보유한 솔루션은 각각 독립적으로도 가치를 제공하지만, 4개 솔루션이 유기적으로 연결될 때 시너지 효과가 극대화됩니다. 쉽게 비유하자면, peak9가 원재료(데이터)를 수집하고 정리하는 역할을 하고, lotus가 공장의 뼈대(생산 관리 체계)를 세우며, where가 현장의 눈(위치 파악)이 되고, finetree가 두뇌(AI 분석과 의사결정)를 담당하는 구조입니다. 이 네 가지 솔루션이 하나의 생태계처럼 작동하면서, 기존에는 사람이 일일이 확인하고 판단해야 했던 과정들이 자동화되고 지능화됩니다.
finetree
AI Solution Series
다양한 인공지능 기술을 하나의 플랫폼에서 제공하는 시리즈형 AI 솔루션입니다. 자연어 SQL 자동생성, RAG 기반 문서검색, OCR 문자인식, AI 챗봇(Bot) 기능으로 구성되어 데이터 기반 지능형 의사결정을 지원합니다.
peak9
Big Data Platform
빅데이터의 수집, 정제, 시각화를 담당하는 솔루션으로, AI가 제대로 작동하기 위해 필요한 고품질 기초데이터를 생성합니다. 다양한 형태의 데이터를 하나로 모아 정리하고 시각화하는 전체 시스템의 기반입니다.
lotus
Manufacturing System Suite
중소 제조업체를 위한 생산관리 시스템 묶음입니다. MES(생산실행시스템)로 공정을 실시간 추적하고, PMS(프로젝트관리시스템)로 일정·자원을 관리하며, SRM(공급업체관계관리)으로 납기·품질을 체계화합니다.
where
Indoor/Outdoor Location Service
IEEE 802.15.4s, BLE, UWB, GPS 등 다양한 통신 기술을 활용하여 실내와 실외를 가리지 않고 끊김 없는 위치추적 서비스를 제공합니다. 작업자 안전 관리, 물류 동선 분석, 길안내, 스포츠 코칭 등에 활용됩니다.
솔루션 통합 아키텍처
ETL(Extract, Transform, Load)은 여러 곳에 흩어진 데이터를 추출(Extract)하고, 분석하기 좋은 형태로 변환(Transform)한 후, 분석 시스템에 적재(Load)하는 과정입니다. peak9가 이 ETL 과정을 자동화하여 생성한 고품질 데이터가 finetree AI의 학습 데이터로 활용됩니다.
현황 및 문제점
프로젝트 착수 전 A사의 현황을 진단한 결과, 크게 네 가지 영역에서 심각한 문제가 발견되었습니다. 생산 관리 체계의 노후화, 데이터 단절과 활용 부재, 현장 안전 관리의 사각지대, 물류 및 재고 관리의 비효율 문제가 복합적으로 얽혀 있었습니다.
A사는 약 10년 전에 도입한 엑셀 기반의 생산 관리 방식을 그대로 사용하고 있었으며, 공정별 진행 상황을 파악하려면 현장 담당자에게 직접 전화를 걸어 확인해야 했습니다. 공장 내 설비에서 생성되는 온도, 압력, 진동 등의 센서 데이터가 개별 설비에만 저장되어 서로 연결되지 않았고, 5,000평 규모의 공장에서 위험구역 작업자 출입을 실시간으로 모니터링할 수 있는 시스템이 없었습니다. 원자재 입고부터 완제품 출하까지 물류 동선이 체계적으로 관리되지 않아 불필요한 이동이 많았고, 재고 실사는 월 1회 수작업으로 진행하여 실시간 재고 파악이 어려웠습니다.
4대 문제점
생산 관리 노후화
엑셀 기반 수작업 생산 관리로 인한 월 2~3건 오더 누락 발생. 종이 생산지시서 전달 과정의 누락·오류가 빈번하고, 공급업체 관리는 담당자 개인 연락처에 의존하는 방식이었습니다.
데이터 단절 및 활용 부재
데이터가 7개 이상의 개별 시스템에 분산되어 불량 원인 추적에 3~4시간이 소요되었습니다. 연관 분석이 사실상 불가능하여 데이터 기반의 의사결정을 할 수 없는 상태였습니다.
안전 관리 사각지대
위험구역 작업자 출입 실시간 모니터링 체계 부재. 순찰 기반 관리로 야간·교대 시간에 관리가 느슨해져 3년간 경미한 안전사고 12건이 발생하였습니다.
물류 및 재고 비효율
비체계적 물류 동선으로 불필요한 이동이 많았고, 월 1회 수작업 재고 실사로 실시간 재고 파악이 불가능하였습니다. 긴급 주문 시 재고 부족을 뒤늦게 발견하거나 과잉 재고가 쌓이는 상황이 반복되었습니다.
도입 전 / 개선 목표 대비
| 영역 | 도입 전 문제점 | 개선 목표 |
|---|---|---|
| 생산 관리 | 엑셀 기반 수작업, 월 2~3건 오더 누락 | 디지털 생산 관리, 오더 누락 0건 |
| 데이터 분석 | 불량 추적 3~4시간, 시스템 분산 | 통합 데이터, 추적 시간 30분 이내 |
| 안전 관리 | 모니터링 부재, 3년간 12건 사고 | 실시간 위치추적, 사고 50%↓ |
| 물류·재고 | 월 1회 수작업 실사, 파악 불가 | 실시간 재고, 자동 발주 |
| 야간·교대 | 관리 사각지대 | 24시간 모니터링 체계 |
적용분야 및 구현내용
굿스트림은 A사의 문제를 해결하기 위해 데이터 기반 → 시스템 구축 → 현장 적용 → AI 고도화라는 4단계 적용 전략을 수립하였습니다. 가장 먼저 데이터 인프라를 구축하는 것이 중요한 이유는, 아무리 좋은 AI 시스템이라도 분석할 데이터가 없으면 제 역할을 할 수 없기 때문입니다. 이 전략은 건물을 지을 때 기초공사부터 시작하는 것과 같은 원리입니다.
4-Step 추진 전략
1 데이터 인프라 peak9를 통한 데이터 통합 수집/정제
2 생산 시스템 lotus 관련 시스템 배포
3 현장 적용 where 위치추적 인프라 설치
4 AI 고도화 finetree AI 기능 통합 적용
peak9 빅데이터 인프라 구축
가장 먼저 적용된 것은 peak9 빅데이터 플랫폼입니다. 기존에 A사의 데이터는 설비 제어 시스템(PLC), 품질관리 데이터베이스, 엑셀 파일, 종이 문서 등 최소 7개 이상의 서로 다른 저장소에 흩어져 있었습니다. peak9는 이 모든 데이터 소스에 연결하여 자동으로 데이터를 수집하는 파이프라인을 구축하였습니다. 수집된 데이터는 ETL(추출-변환-적재) 과정을 거쳐 통일된 형식으로 정제되었으며, 중복 데이터 제거, 누락값 보정, 단위 표준화 등의 작업이 자동으로 수행되었습니다.
peak9의 핵심 성과 중 하나는 실시간 대시보드의 구현입니다. 기존에는 공장장이 현장 상황을 파악하기 위해 각 부서에 전화를 걸어 확인해야 했지만, peak9 도입 후에는 하나의 화면에서 설비 가동률, 생산 진척률, 품질 지표, 에너지 사용량 등을 한눈에 볼 수 있게 되었습니다. 또한 데이터 축적이 진행됨에 따라 과거 트렌드 분석도 가능해져, 계절별 생산량 변동 패턴이나 특정 설비의 고장 주기 등을 사전에 예측할 수 있는 기반이 마련되었습니다. 이렇게 정제된 고품질 데이터는 이후 finetree AI 솔루션의 학습 데이터로 활용됩니다.
lotus 생산관리 시스템 구축
두 번째 단계에서는 lotus의 MES, PMS, SRM 세 가지 시스템을 순차적으로 도입하였습니다. MES(생산실행시스템)는 A사의 4개 주요 생산 라인(프레스, 열처리, 도장, 조립)에 각각 연결되어, 각 공정의 시작과 완료를 자동으로 기록하고 실시간으로 진행 상황을 보여주도록 구성되었습니다. 기존의 종이 생산지시서 대신 태블릿 기반의 디지털 작업지시 시스템이 도입되어, 현장 작업자는 태블릿에서 당일 작업 지시를 확인하고 완료 보고까지 할 수 있게 되었습니다. 이 시스템 덕분에 생산 오더의 누락이나 중복 발생이 원천적으로 방지되었습니다.
PMS(프로젝트관리시스템)는 신규 부품 개발 프로젝트와 설비 도입 프로젝트의 일정, 인력, 예산을 통합 관리하도록 구성되었습니다. 특히 자동차 부품 업계의 특성상 고객사의 긴급 설계 변경 요청이 빈번한데, PMS를 통해 변경 요청의 접수부터 반영, 검증까지의 전 과정을 추적할 수 있게 되어 고객 대응 속도가 크게 향상되었습니다. SRM(공급업체관계관리)은 A사가 거래하는 약 40개 협력업체의 납기 준수율, 품질 이력, 가격 변동을 체계적으로 관리하며, 원자재 재고가 기준치 이하로 떨어지면 자동으로 발주를 생성하는 기능까지 포함하였습니다.
where 위치추적 및 안전관리 시스템
세 번째 단계에서는 where 솔루션을 활용하여 공장 전체에 위치추적 인프라를 구축하였습니다. A사 공장의 실내 영역에는 BLE(저전력 블루투스) 비콘과 UWB(초광대역) 앵커를 설치하고, 실외 야적장과 물류 동선에는 GPS 수신기를 배치하여, 실내와 실외를 넘나드는 끊김 없는 위치추적이 가능하도록 하였습니다. 각 작업자에게는 소형 웨어러블 태그가 지급되어, 안전모에 부착하거나 목걸이 형태로 착용할 수 있게 설계되었습니다. 이 태그는 1초 간격으로 위치 정보를 전송하며, 배터리 수명은 약 6개월입니다.
where 시스템의 핵심 기능 중 하나는 위험구역 자동 경고 시스템입니다. 프레스 가공 라인과 열처리 구역 등 위험 구역에 가상 경계선(지오펜스)을 설정하고, 허가되지 않은 작업자가 해당 구역에 접근하면 자동으로 경보음이 울리고 안전 관리자에게 즉시 알림이 전송됩니다. 또한 긴급 상황 발생 시 모든 작업자의 현재 위치를 지도 위에 실시간으로 표시하여, 대피 현황을 한눈에 파악할 수 있는 비상 대응 기능도 구현되었습니다. 물류 측면에서는 지게차와 운반 차량의 이동 경로를 분석하여 불필요한 동선을 식별하고 최적의 물류 동선을 제안하는 기능이 포함되었습니다.
finetree AI 통합
마지막 단계에서는 앞서 구축된 데이터 인프라와 시스템 위에 finetree AI 솔루션을 적용하여 전체 시스템의 지능화를 완성하였습니다. finetree의 SQL 자동생성 기능은 현장 관리자가 “이번 달 프레스 라인의 불량률이 가장 높은 제품은?”과 같이 자연스러운 한국어로 질문하면, 자동으로 데이터베이스 조회 명령(SQL)을 생성하여 결과를 보여줍니다. 기존에는 IT 부서에 데이터 조회를 요청하고 결과를 받기까지 하루 이상 걸리던 과정이, 수 초 만에 완료되게 되었습니다.
RAG(검색증강생성) 기반 문서 검색 기능은 A사가 보유한 설비 매뉴얼, 작업 표준서, 품질 규격서 등 약 3,000건의 사내 문서를 AI가 학습하여, 작업자가 “열처리 설비 온도 이상 시 대처 방법”을 물어보면 해당 매뉴얼의 정확한 페이지와 내용을 즉시 안내해 줍니다. OCR(광학문자인식) 기능은 입고되는 원자재의 성적서, 납품서 등 종이 문서를 카메라로 촬영하면 자동으로 텍스트를 추출하고 시스템에 등록하는 역할을 수행합니다. 기존에 1건당 약 5분이 소요되던 수작업 데이터 입력이 30초 이내로 단축되었습니다.
AI 챗봇(Bot) 기능은 위의 모든 기능을 하나의 대화 인터페이스로 통합한 것입니다. 현장 작업자, 관리자, 경영진 각각이 자신의 역할에 맞는 질문을 하면 AI가 적절한 수준의 정보를 제공합니다. 이 챗봇은 24시간 운영되어 야간 교대 근무 시에도 필요한 정보를 즉시 확인할 수 있는 환경을 만들어주었습니다.
구현 종합
| 솔루션 | 적용 영역 | 핵심 구현 내용 | 기대 효과 |
|---|---|---|---|
| peak9 | 데이터 인프라 | 7개 데이터 소스 통합, ETL 파이프라인, 실시간 대시보드 | 데이터 분석 시간 90% 단축 |
| lotus MES | 생산 실행 | 4개 라인 실시간 추적, 태블릿 디지털 작업지시 | 생산 오더 누락 0건 |
| lotus PMS | 프로젝트 관리 | 신규 부품 개발·설비 도입 프로젝트 통합 관리 | 고객 대응 속도 60% 향상 |
| lotus SRM | 공급망 관리 | 40개 협력업체 통합 관리, 자동 발주 | 긴급 발주 70% 감소 |
| where | 위치추적·안전 | BLE/UWB/GPS 기반 실내외 추적, 위험구역 자동 경고 | 안전사고 50%↓ |
| finetree SQL | 데이터 조회 | 자연어 기반 DB 자동 조회 | 조회 시간 1일 → 수 초 |
| finetree RAG | 문서 검색 | 3,000건 사내 문서 AI 학습 기반 즉시 검색 | 검색 시간 80% 단축 |
| finetree OCR | 문서 디지털화 | 종이 문서 자동 텍스트 추출·등록 | 입력 시간 5분 → 30초 |
| finetree Bot | 통합 인터페이스 | 역할별 맞춤 정보 AI 챗봇 (24시간) | 야간 정보 접근성 100% |
적용 결과 및 효과
굿스트림 4대 솔루션의 통합 적용이 완료된 후, A사는 생산성, 품질, 안전, 비용 등 전 영역에서 의미 있는 성과를 달성하였습니다. 아래에 제시된 핵심 성과 지표(KPI)는 프로젝트 착수 전 6개월 평균과 프로젝트 완료 후 3개월 평균을 비교한 결과입니다. 단순히 숫자의 변화뿐 아니라, 현장 작업자들의 업무 방식과 의사결정 문화가 근본적으로 변화했다는 점에서 본 프로젝트의 성과는 더욱 의미가 깊습니다.
생산성 향상 32%
불량률 감소 58%
안전사고 0건
연간 비용 절감 2.1억
카테고리별 세부 성과
생산성
설비 종합효율(OEE) 62% → 82%로 20%p 상승. 생산 리드타임 14일 → 9.5일로 약 32% 단축. lotus MES의 실시간 관리, peak9의 설비 데이터 분석, finetree AI의 예방 정비 추천이 복합 작용한 결과입니다.
품질
불량률 2.8% → 1.2%로 58% 감소. AI가 공정 조건의 미세한 변화를 실시간 감지하고 불량 발생 전 조건 조정을 권고하는 ’예측 품질 관리’가 핵심 성과 요인입니다. finetree OCR을 통한 입고 자재 검사 자동화로 원자재 품질 문제 조기 발견율도 크게 향상되었습니다.
안전
도입 후 3개월간 안전사고 0건 달성. 위험구역 무단 접근 시도도 월평균 23건 → 3건으로 87% 감소하여 작업자 안전 의식 자체가 높아졌습니다. 물류 동선 최적화로 지게차 일일 이동거리 15% 절감 효과도 거두었습니다.
비용
연간 약 2.1억 원의 비용 절감 추정. 불량 재작업 절감(약 8,000만 원), 물류 운영비 절감(약 3,000만 원), 데이터 입력 자동화(약 5,000만 원), 재고 최적화(약 5,000만 원) 등 종합. 약 18개월 내 ROI 회수 전망입니다.
종합 성과표
| 성과 영역 | 도입 전 | 도입 후 | 개선율 |
|---|---|---|---|
| 설비 종합효율(OEE) | 62% | 82% | +20%p |
| 생산 리드타임 | 14일 | 9.5일 | 32% 단축 |
| 제품 불량률 | 2.8% | 1.2% | 58% 감소 |
| 안전사고 발생(3개월) | 연평균 4건 | 0건 | 100% 감소 |
| 위험구역 무단접근(월) | 23건 | 3건 | 87% 감소 |
| 불량 원인 추적 시간 | 3~4시간 | 15분 | 93% 단축 |
| 문서 데이터 입력(건당) | 5분 | 30초 | 90% 단축 |
| 물류 동선(지게차 일일) | 기준 | -15% | 15% 절감 |
“기존에는 문제가 생기면 원인을 찾느라 반나절이 걸렸는데, 이제는 AI가 먼저 이상 징후를 알려주니까 문제가 발생하기 전에 대응할 수 있게 됐습니다. 가장 놀라운 건 현장 직원들이 스스로 데이터를 보며 개선점을 찾기 시작했다는 겁니다.” — A사 생산관리 팀장
향후 기대효과 및 시사점
본 실증사례 프로젝트는 단지 시작에 불과합니다. 1단계에서 구축된 디지털 기반 위에 더 많은 가능성이 열리고 있으며, 굿스트림과 A사는 2단계 고도화 계획을 이미 수립하고 있습니다.
확장 로드맵
Phase 2
AI예측 유지보수
(단기)
12개월 이상 축적된 설비 센서 데이터를 활용하여 finetree AI가 고장 징후를 사전 감지하고 최적 정비 시점을 자동 추천합니다. 예기치 않은 생산 중단 방지와 연간 약 1억 원의 추가 비용 절감이 기대됩니다.
Phase 3
공급망디지털 연결
(중기)
40개 협력업체와의 실시간 데이터 연동을 확대하여 원자재 조달부터 완제품 납품까지 전체 공급망의 투명한 관리 체계를 구축합니다. 글로벌 공급망 변동 대응력 강화와 추적성(Traceability) 확보가 핵심 목표입니다.
Phase 4
솔루션적용 확장
(장기)
where 솔루션을 물류 운송, 건설 안전, 대형 행사 길안내, 스포츠 코칭 등 다양한 산업 분야로 확장 적용합니다. finetree AI의 산업별 특화 모델 개발을 통해 범용 솔루션으로의 성장을 추진합니다.
핵심 시사점
데이터가 출발점
데이터 인프라가 모든 디지털 전환의 출발점이 됩니다. AI의 성능은 데이터의 품질에 달려 있으며, peak9를 통한 데이터 기반 구축이 전체 프로젝트 성공의 토대가 되었습니다.
통합 시너지
통합 솔루션의 시너지 효과는 개별 솔루션 효과의 단순 합산을 크게 초과합니다. peak9, lotus, where, finetree가 유기적으로 연결되었기 때문에 각각을 따로 도입했을 때보다 훨씬 높은 성과를 달성하였습니다.
단계적 접근
중소기업도 단계적 접근을 통해 스마트 팩토리를 구현할 수 있습니다. A사의 사례처럼 데이터 인프라부터 시작하여 점진적으로 확장하는 방식은 예산 제약 하에서도 충분히 실현 가능합니다.
변화 관리
기술 도입과 함께 현장 인력의 역량 강화와 변화 관리가 병행되어야 합니다. A사는 초기부터 현장 작업자 교육과 의견 수렴을 병행하여 자발적인 참여를 이끌어냈습니다.
디지털 전환은 반드시 대규모 투자가 필요한 것이 아닙니다. 데이터 인프라부터 시작하여 점진적으로 확장하는 방식은 중소기업의 예산 제약 하에서도 충분히 실현 가능하며, 통합 솔루션의 시너지가 그 효과를 극대화합니다.
관련 키워드
스마트 팩토리 Smart Factory 디지털 전환 DX finetree AI AI Solution peak9 빅데이터 Big Data lotus MES Manufacturing where 위치추적 Location 예측 품질 관리 Predictive QC 통합 솔루션 Integration 중소 제조업 SME OEE 향상 Productivity
본 사례 연구에 대한 자세한 문의는 주식회사 굿스트림으로 연락해 주시기 바랍니다.