-
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
-
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
-
생산관리 작업 표준화 이후, 자동화로 나아가는 단계별 설계 전략
많은 기업이 생산성을 높이기 위해 자동화를 추진하지만, 실제 현장에서는 실패하거나 기대만큼의 효과를 내지 못하는 경우가 많다. 그 이유는 대부분 표준 없이 자동화를 시도했기 때문이다. 자동화는 기계가 사람을 대신하는 과정이 아니라, 표준화된 작업 절차를 기계가 반복 수행하도록 만드는 일이다. 즉, 표준이 없으면 자동화도 없다. 작업 표준화가 완성되면, 그다음 단계는 자동화 설계(Automation Design) 이다. 자동화를 효과적으로 도입하려면 다음의 단계별 전략이 필요하다. 첫째, 반복성과 일관성이 높은 공정부터 자동화한다. 예를 들어, 동일한 동작을 반복하는 조립, 포장, 검사 공정은 자동화 효과가 크다. 반면 변수가 많거나 숙련자의 판단이 필요한 공정은 우선 순위를 낮춰야 한다. 둘째, 단계별로 도입한다. 한 번에 전면 자동화를 시도하면 리스크가 크다. 1단계 – 부분 자동화: 단순 반복작업을 중심으로 설비를 도입해 효율을 확인한다. 2단계 – 공정 자동화: 여러 작업 단계를 연계해 생산 흐름을 자동으로 조정한다. 3단계 – 통합 자동화: MES, ERP 등과 연동하여 전체 생산라인의 데이터를 실시간으로 관리한다. 셋째, 데이터 기반 의사결정 구조를
- 주택규 기자
- 2025-11-05 17:08
-
생산관리 표준작업이 만드는 스마트 품질관리, 일관성과 혁신의 균형
품질을 일정하게 유지하고 지속적으로 개선하기 위해서는 표준작업(Standardized Work) 과 데이터 기반 관리가 함께 작동해야 한다. 표준은 사람마다 다른 작업 방식을 통일시켜 변동을 줄이고, 데이터는 그 표준이 잘 지켜지고 있는지를 객관적으로 검증한다. 이 두 요소가 결합될 때 비로소 스마트 품질관리 체계가 완성된다. 표준작업은 단순히 절차서를 만드는 일이 아니다. 누가, 언제, 어떤 방법으로, 어떤 조건에서 작업해야 하는지를 명확히 정의하고, 모든 작업자가 동일한 기준으로 일할 수 있도록 만드는 것이다. 이를 통해 작업 변동을 최소화하고 불량률을 줄일 수 있다. 표준화는 곧 품질 일관성의 출발점이다. 여기에 스마트 기술을 접목하면 품질관리는 한층 더 정밀해진다. MES(Manufacturing Execution System), IoT 센서, 자동 검사장비를 활용해 작업자가 표준을 지키는지 실시간으로 확인할 수 있고, 공정 데이터를 즉시 기록할 수 있다. 예를 들어, 온도나 압력 같은 공정 조건이 표준 범위를 벗어나면 시스템이 즉시 경고를 보내 품질 이상을 예방한다. 또한 표준작업 데이터는 품질 분석과 개선 활동의 핵심 자료가 된다. 각 작업 단계의
- 주택규 기자
- 2025-11-04 09:12
-
생산관리 품질 데이터 분석, 불량률을 줄이는 가장 확실한 방법
품질관리의 목표는 단순히 불량품을 줄이는 것이 아니라, 불량의 원인을 정확히 찾아 재발을 막는 것이다. 이를 가능하게 하는 핵심 도구가 바로 품질 데이터 분석이다. 예전에는 경험과 직관에 의존해 문제를 해결했다면, 이제는 데이터를 기반으로 불량의 원인과 패턴을 과학적으로 찾아내는 시대다. 품질 데이터 분석의 첫 단계는 데이터 수집과 정리이다. 생산 현장에서 발생하는 온도, 압력, 속도, 작업시간, 설비 가동률, 검사 결과 등 다양한 데이터를 체계적으로 모아야 한다. 불량이 발생했을 때 “왜 생겼는가?”를 설명하기 위해서는, 먼저 “언제, 어디서, 어떻게” 발생했는지를 정확히 알아야 한다. 다음은 분석과 시각화 단계이다. 파레토 차트로 불량 유형의 우선순위를 정하고, 특성요인도(魚骨도)로 원인을 분류한다. 관리도를 활용하면 품질이 정상 범위를 벗어날 때 즉시 감지할 수 있다. 이러한 QC 7가지 도구는 현장에서 불량의 근본 원인을 파악하는 데 매우 효과적이다. 그다음은 통계적 기법의 적용이다. 예를 들어, 공정능력지수(Cp, Cpk)를 분석하면 제품이 설계 기준에 얼마나 안정적으로 맞춰 생산되는지 확인할 수 있다. 회귀분석이나 상관분석을 통해 공정 변수 간의
- 주택규 기자
- 2025-11-03 10:06
-
생산관리 중소기업, 스마트 생산관리로 경쟁력을 다시 세우다
스마트 생산관리는 더 이상 대기업만의 이야기가 아니다. 이제 중소기업도 데이터와 자동화를 기반으로 생산 효율을 높이고 품질을 안정화해야 하는 시대다. 그러나 현실적으로 예산과 인력이 부족한 중소기업에게는 ‘스마트팩토리’라는 말이 어렵고 멀게 느껴질 수 있다. 중요한 것은 크게 시작하는 것이 아니라, 작게라도 지속적으로 개선하는 것이다. 스마트 생산관리의 핵심은 데이터의 연결과 활용이다. 설비의 가동상태, 불량률, 작업시간, 재고량 등의 정보를 실시간으로 수집하고 분석하면, 감이 아닌 근거로 판단할 수 있다. 이를 위해 가장 먼저 도입할 수 있는 것이 MES(Manufacturing Execution System, 생산관리시스템) 이다. MES는 생산 계획, 자재 투입, 작업 현황, 품질 검사까지 한눈에 파악할 수 있게 해준다. 중소기업이 스마트 생산관리를 도입할 때는 다음 세 단계를 거치는 것이 효과적이다. 1단계 - 데이터 수집: 센서나 바코드 시스템을 통해 기본적인 생산 데이터를 자동으로 기록한다. 2단계 - 실시간 모니터링: 설비와 공정의 상태를 화면으로 시각화해, 문제가 생기면 즉시 대응한다. 3단계 - 분석과 예측: 축적된 데이터를 기반으로 병목 공
- 주택규 기자
- 2025-10-31 09:19
-
생산관리 생산현장의 안전관리, 사람과 시스템이 함께 만드는 무재해 문화
생산현장에서의 안전관리는 단순히 사고를 막는 차원을 넘어, 기업의 신뢰와 지속 가능성을 지키는 핵심 경영활동이다. 제품 품질이나 생산성은 개선할 수 있지만, 한 번의 안전사고는 기업의 이미지를 무너뜨리고 인적·물적 피해를 초래한다. 따라서 안전관리는 ‘비용이 아니라 투자’라는 인식 전환이 필요하다. 안전관리의 첫걸음은 위험요소의 사전 인식과 평가이다. 공정마다 존재하는 위험요소를 찾아내고, 그 발생 가능성과 심각도를 분석해 우선순위를 정한다. 이를 위험성 평가(Risk Assessment) 라고 하며, 각 작업 단계별로 사고 가능성을 수치화해 관리한다. 예를 들어, 고온 설비 근처에서의 화상 위험, 중량물 취급 시 근골격계 부상 등 구체적인 리스크를 파악해야 한다. 두 번째는 예방 중심의 관리체계 구축이다. 사고 발생 후 대처보다, 미리 방지하는 것이 훨씬 효율적이다. 설비관리(PM, Preventive Maintenance)를 통해 기계의 이상을 조기에 발견하고, 보호장치와 경고 시스템을 정기적으로 점검해야 한다. 또한, 개인보호구(PPE) 착용 의무화와 작업 절차의 표준화도 필수적이다. 세 번째는 안전문화의 형성이다. 안전은 관리자 혼자 지킬 수 있는 것
- 주택규 기자
- 2025-10-30 15:07
-
생산관리 인력관리와 작업 효율 향상, 사람이 만드는 생산성의 본질
생산성의 핵심은 기술도, 설비도 아닌 사람이다. 아무리 자동화가 발전해도 생산현장은 여전히 사람의 판단과 협력이 중심이 된다. 따라서 효율적인 인력관리는 단순한 인원 배치가 아니라, 사람의 능력을 극대화하고 팀 전체의 역량을 하나로 모으는 경영활동이다. 인력관리의 첫 단계는 적재적소 배치이다. 사람마다 능력과 성향이 다르기 때문에, 작업의 특성과 난이도에 맞는 배치가 중요하다. 숙련자가 복잡한 공정을 담당하고, 신입은 단순 반복공정부터 경험을 쌓는 식으로 운영하면 학습 속도와 품질이 동시에 향상된다. 이를 위해 현장의 작업 표준화가 선행되어야 한다. 표준이 명확해야 누구나 일정한 품질로 일할 수 있고, 교육도 효율적으로 진행된다. 두 번째는 교육훈련과 동기부여이다. 교육은 단순히 기술을 가르치는 것이 아니라, 품질과 안전의 중요성을 체득하게 만드는 과정이다. 특히, 작업자가 자신의 역할이 전체 생산 흐름에 어떤 영향을 주는지 이해하면, 스스로 개선 아이디어를 내고 책임감을 갖게 된다. 또한 성과에 따른 보상과 인정은 지속적인 동기부여의 원동력이 된다. 세 번째는 협업과 소통이다. 현장의 효율은 개인의 능력보다 팀워크에서 나온다. 작업자와 관리자가 서로 신뢰하
- 주택규 기자
- 2025-10-28 09:02
-
생산관리 공급망 효율화, 연결이 만드는 생산 경쟁력
공급망관리(Supply Chain Management, SCM)는 단순히 자재를 사고 제품을 보내는 과정이 아니다. 원자재 조달부터 생산, 물류, 납품까지의 모든 흐름을 효율적으로 연결하고 관리하는 시스템이다. 오늘날처럼 시장 변화가 빠르고 예측이 어려운 시대에는, 공급망 효율화가 기업 경쟁력의 핵심이 된다. 효율적인 공급망은 속도, 비용, 신뢰 세 가지를 중심으로 설계된다. 속도는 시장 변화에 빠르게 대응하기 위한 유연한 생산체계, 비용은 재고와 물류비를 최소화하기 위한 최적화, 신뢰는 협력업체와의 안정적인 관계를 의미한다. 이 세 가지가 균형을 이룰 때 공급망은 끊김 없이 작동한다. 공급망 효율화를 위한 첫 단계는 가시성(Visibility) 확보이다. 즉, 자재가 어디에 있고, 어느 공정에 있으며, 언제 도착할지를 실시간으로 파악하는 것이다. IoT와 클라우드 기반 SCM 시스템을 통해 이러한 데이터를 실시간으로 확인할 수 있다. 예를 들어, 자재 납품이 지연될 경우 즉시 알림을 받아 생산 계획을 조정하면 납기 차질을 최소화할 수 있다. 두 번째는 협력관계 강화(Collaboration)이다. 과거에는 발주자와 협력업체가 독립적으로 움직였지만, 이제는
- 주택규 기자
- 2025-10-27 08:58
-
생산관리 지속가능한 제조, 친환경 생산관리로 미래를 설계하다
지속가능한 제조는 단순히 환경을 보호하기 위한 선택이 아니라, 기업의 생존 전략이 되고 있다. 자원 고갈, 기후 변화, 환경 규제가 강화되는 시대에 효율적이고 친환경적인 생산관리는 기업 경쟁력을 좌우한다. 이제 생산성만 높이는 시대는 끝났고, 에너지 절감, 탄소 저감, 자원 효율화를 동시에 달성하는 ‘지속가능한 생산관리’가 핵심 과제가 되었다. 친환경 생산관리는 크게 세 가지 방향으로 추진된다. 첫째, 에너지 효율화이다. 설비 운전 조건을 최적화하고, 불필요한 공정 가동을 줄여 전력 소비를 최소화한다. 둘째, 자원 순환(Resource Circluation) 이다. 불량품이나 부산물을 재활용하고, 원자재 사용량을 줄이는 공정 개선을 통해 폐기물을 감소시킨다. 셋째, 오염물질 저감이다. 공정에서 발생하는 배출가스, 폐수, 소음을 줄이고, 환경 친화적인 소재를 사용하는 것이다. 스마트팩토리 기술은 이러한 친환경 생산을 뒷받침한다. IoT 센서와 데이터 분석을 활용해 설비별 에너지 사용량을 실시간으로 모니터링하고, AI가 이상 패턴을 감지해 자동으로 조정한다. 이를 통해 낭비를 줄이고 탄소배출량을 정량적으로 관리할 수 있다. 또한, ESG(환경·사회·지배구조) 경
- 주택규 기자
- 2025-10-24 08:53
-
생산관리 데이터 기반 관리, 생산성과 품질을 동시에 잡는 스마트 경영의 핵심
오늘날의 생산현장은 더 이상 경험이나 감에 의존하지 않는다. 공장의 효율성과 품질을 결정하는 것은 데이터이다. 데이터 기반 관리는 생산과 품질 전 과정에서 수집된 정보를 분석해 문제를 찾아내고, 개선 방향을 결정하는 경영 방식이다. 즉, ‘느낌’이 아니라 ‘근거’로 판단하는 관리체계이다. 생산 현장에는 수많은 데이터가 존재한다. 설비 가동률, 불량률, 작업 시간, 재고량, 온도나 습도 같은 환경 데이터까지 모두가 관리의 대상이다. 과거에는 이런 정보가 수기로 관리되었지만, 지금은 IoT 센서, MES(생산관리시스템), ERP(전사적자원관리) 등을 통해 실시간으로 수집되고 있다. 이렇게 모인 데이터는 단순한 숫자가 아니라, 공장의 문제를 알려주는 신호(Sign) 이다. 데이터 기반 관리의 첫 단계는 시각화(Visualization)이다. 예를 들어, 설비 가동시간을 그래프로 표현하면 어느 라인에서 병목현상이 발생하는지 쉽게 파악할 수 있다. 다음 단계는 분석(Analysis)이다. 단순한 현상 파악을 넘어, 왜 이런 결과가 나왔는지를 탐구하는 것이다. 이를 위해 통계기법이나 AI 알고리즘을 활용해 불량의 원인, 납기 지연의 패턴 등을 찾아낼 수 있다. 마지막
- 주택규 기자
- 2025-10-23 08:58
-
생산관리 현장 문제해결력, 품질혁신의 출발점 — QC 스토리의 힘
현장에서 발생하는 문제는 대부분 ‘우연’이 아니라 ‘원인’이 있다. 그러나 그 원인을 제대로 찾지 못하면 같은 문제가 반복되고, 품질은 떨어지며 생산 효율도 낮아진다. 이를 방지하기 위해 만들어진 체계적 관리기법이 바로 QC 스토리(Quality Control Story)이다. QC 스토리는 현장의 문제를 논리적으로 해결하기 위한 절차를 표준화한 접근법이다. QC 스토리는 일반적으로 문제 인식 → 현상 파악 → 원인 분석 → 대책 수립 → 실행 → 효과 확인 → 표준화 및 재발방지의 7단계로 진행된다. 이 과정은 단순한 감각이나 경험이 아닌, 데이터를 기반으로 문제를 정의하고 원인을 찾아가는 과학적 방법이다. 예를 들어, 불량률이 높아졌다면 “감으로” 판단하는 것이 아니라, 공정 데이터와 검사 결과를 분석해 불량이 발생하는 지점을 찾아낸다. 이때 자주 활용되는 도구가 파레토 차트, 특성요인도(어골도), 히스토그램, 관리도, 체크시트 등이다. 이러한 QC 7가지 도구는 문제의 원인을 시각적으로 분석해 개선 방향을 명확히 제시한다. 즉, QC 스토리는 단순히 문제를 해결하는 기술이 아니라, 논리적으로 사고하고 데이터를 통해 설득하는 과정이다. QC 스토리의 또
- 주택규 기자
- 2025-10-22 09:00
-
1
[e커머스] 2025 온라인 식료품 시장 트렌드와 중소 셀러 생존 전략
-
2
MZ가 이끄는 ‘필코노미’…감정이 소비를 결정한다
-
3
인산테라, ‘풀케어(Full Care)’ 출시… 병해충 관리와 친환경 농업의 새 전환점
-
4
미국 ‘말차’ 열풍…국산 녹차에 새로운 기회 열린다
-
5
인산테라 ‘풀케어’로 충남 아산 시범농장 고추 재배 성공… 친환경 농법 새 모델 제시
-
6
개 식용 종식 1년, 농장 70% 폐업…‘남겨진 개들’ 보호는 숙제
-
7
경영지도사 시험 제40회 합격률 33.1%…“중장년층 진입·컨설팅 수요 반영”
-
8
제40회 경영지도사·기술지도사 2차 시험, 총 363명 최종 합격
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 02월 13일 08시 56분