APAC Exchange 2026 - Korea

◆ 일시: 2026. 09. 16 (수) 오전 10시 - 오후 4시 30분

◆ 장 소: 더 프라자 호텔 서울

◆ 공동주관∙주최: Minitab, 한국산업지능화협회, (주)데이터랩스

◆ 참가대상: 한국산업지능화협회 회원사 및 파트너사, 국내 디지털 전환(DX)∙인공지능 전환(AX) 솔루션 공급 관심 기업

◆ 특전: 무료행사, 점심 식사 제공 (좌석 한정, 조기 마감 가능)

◆ 참가신청마감: 2026. 09. 04 (금)

제조업 AX 시대, 데이터 활용 역량이 경쟁력입니다.

미니탭(Minitab®)과 한국산업지능화협회는 제조 인공지능 전환 (M.AX),
제조 데이터 표준, AI팩토리 현장 적용 성공사례, 글로벌 제조 데이터 활용 사례를 공유하는 제조 혁신의 장을 마련하였습니다.

단순한 AI 도입을 넘어, 제조기업이 데이터를 기반으로 현장을 연결하고
품질생산성, 설비가동률 등 실질성과로 제조AX 전환을 증명할 수 있는 방안을
현장의 참석자분들과 네트워킹을 통해 모색해보세요.

PART 1. M.AX Data Insight: M.AX 제조데이터 표준 X AI팩토리 현장적용 사례

PART 2. Global Manufacturing Use Case : 해외 제조현장의 데이터기반 품질·공정 혁신사례

글로벌 제조 리더들이 Connected Factory에 투자하는 이유

글로벌 제조기업들은 인력 부족, 공급망 불확실성, 품질 경쟁 심화 등 다양한 과제에 대응하며 생산성, 민첩성, 회복탄력성 강화를 추진하고 있습니다. 본 세션에서는 제조업의 미래를 이끄는 주요 글로벌 트렌드를 살펴보고, 선도 기업들이 Connected Factory를 통해 데이터를 연결하고 분석하여 더 나은 의사결정, 운영 혁신, 그리고 지속 가능한 경쟁력을 확보하는 방법을 공유합니다.

Build Better with Connected Factory: 글로벌 제조 혁신을 이끄는 미래 전략

글로벌 제조업은 사후 대응 중심 운영에서 벗어나 Connected Factory로 진화하고 있습니다. 선도 제조기업들은 품질, 생산, 엔지니어링 데이터를 연결하여 생산성과 품질을 높이고 경쟁력을 강화하고 있습니다. 본 세션에서는 글로벌 제조 트렌드와 선도 기업 사례를 통해 Connected Factory가 데이터, 분석, AI를 활용해 운영 혁신과 지속 가능한 성장을 어떻게 가속화하는지 살펴봅니다.

보이지 않는 공정 변동성, 눈에 보이는 수익 손실

공정 변동성은 단순한 품질 문제가 아닙니다. 관리되지 않는 변동성은 스크랩, 재작업, 생산 지연, 고객 불만, 규제 리스크를 증가시키며 기업의 수익성을 지속적으로 잠식합니다. 대부분의 기업은 검사(Inspection)를 통해 문제를 발견하지만, 검사는 결함을 예방하지 못합니다. 품질 이슈가 고객 불만, 감사 지적 또는 배치 폐기 단계에서 발견되면 이미 가장 큰 비용을 지불한 이후입니다. Process Validation은 단순한 규제 요구사항이 아니라, 변동성을 관리하고 품질을 예측 가능하게 만들어 수익을 보호하는 핵심 전략입니다.

Build Better with Connected Factory: 글로벌 제조 혁신을 이끄는 미래 전략 더 나은 공정 설계: 시뮬레이션, DOE, 예측 분석을 통한 선제적 품질 혁신

제조업은 사후 품질 관리에서 벗어나 시뮬레이션, 실험계획법(DOE), 예측 분석을 활용해 문제 발생 전에 공정을 최적화하는 방향으로 진화하고 있습니다. 본 세션에서는 이산 이벤트 시뮬레이션, DOE, 예측 분석을 활용하여 혁신을 가속화하고 개발 비용을 절감하며, 초기 단계부터 보다 견고하고 효율적인 공정을 구축하는 방법을 살펴봅니다.

모니터링을 넘어 마스터로 – 데이터에서 원인을 찾고 성과를 만들다

오늘날 대부분의 조직은 그 어느 때보다 많은 공정 데이터를 수집하고 있습니다. 그러나 데이터가 많다고 해서 문제가 자동으로 해결되는 것은 아닙니다. 여전히 많은 기업들이 반복되는 품질 이슈와 공정 문제를 경험하고 있으며, 그 원인은 데이터 부족이 아닌 근본 원인을 규명하는 체계적인 분석의 부재에 있습니다. 구조화된 분석 없이 문제를 해결하려 하면 가설과 추측, 임시방편적인 조치, 그리고 반복적인 시행착오에 의존하게 됩니다. 그 결과 동일한 문제가 반복되고, 엔지니어링 리소스와 시간이 지속적으로 소모됩니다. 근본 원인 분석(Root Cause Analysis)은 단순히 데이터를 모니터링하는 수준을 넘어, 데이터를 실행 가능한 인사이트로 전환하여 문제의 진짜 원인을 찾아냅니다. 이를 통해 조직은 보다 신속하고 효과적으로 문제를 해결하고, 공정 변동성을 줄이며, 지속 가능한 성과 개선과 운영 효율성을 실현할 수 있습니다.