Snowflake Connect: AI - 1월 27일 일정 안내

Snowflake의 최신 혁신 기술로 데이터와 AI의 모든 잠재력을 활용하세요.

고객 사례

이몰디노, 금형에 데이터 입혀 SCM 혁신 Snowflake AI·머신러닝 서비스 적극 활용

이몰디노는 금형(mold)을 데이터화해 글로벌 기업들의 고질적 공급망 관리(SCM) 문제를 해결하겠다는 비전 아래, Snowflake를 통합 데이터 플랫폼으로 도입했다. 이몰디노는 금형에 센서를 부착해 사이클 타임, 샷 수, 온도, 압력, 진동 등의 데이터를 실시간으로 수집한다. 이후 머신러닝 알고리즘으로 데이터를 분석해 불량률과 생산성 저하를 조기에 식별하고, 협력사별 납기준수율과 효율성을 비교할 수 있도록 했다.

two manufacturing workers
emoldino logo
업종
Manufacturing, Technology
위치
대한민국

고객사 소개

이몰디노는 금형을 중심으로 제조 산업 공급망(SCM)을 혁신하는 스타트업이다. 이몰디노는 금형에 센서를 부착해 확보한 데이터를 AI로 분석한다. 이를 통해 완성품 제조업체는 납기 준수, 품질 관리, 공급망 리스크 대응에 실질적인 도움을 받을 수 있다.

이몰디노의 비전은 단순한 스마트팩토리 솔루션을 넘어, 글로벌 제조업체와 연결되는 SCM 혁신의 출발점이 되는 것이다. 이몰디노는 네슬레, 재규어, 지브라 등 포춘 500대 기업과 협업하고 있으며, AI 기반 SCM 인텔리전스 분야 글로벌 1위를 목표로 하고 있다.

주요 내용
  • Cortex AI를 통해 인사이트 제공: 납기 준수율, 생산성 편차, 불량률 조기에 탐지, 공급망 전반의 투명성 강화
  • 데이터 기반 모니터링으로 공급망 혁신: 고객사 제품의 품질 향상, 글로벌 기업들과 금형 업체들간에 공급망 데이터 통합 실현
  • Snowflake를 활용해 1년 만에 아키텍처를 구축하고 글로벌 기업과 협업: 탄력적이며 비용 효율적인 구조로 스타트업도 빠른 속도로 경쟁력 확보

금형에서 시작하는 품질 및 SCM 혁신

이몰디노는 금형에 IoT 센서를 부착해 사이클 타임, 샷(금형이 열리고 닫히는 과정)수, 온도, 압력, 진동 등 핵심 데이터를 실시간으로 수집한다. 이 데이터를 기반으로 금형의 성능과 품질, 생산 효율성을 분석한다.

예를 들어 금형의 품질 유지를 위해서는 사이클 타임과 온도를 규정대로 유지하는 것이 매우 중요하다. 온도가 잘못된 상태에서 샷을 찍게되면 물성과 치수가 잘못돼 변형 또는 수축이 일어나고, 이는 제품의 불량으로 이어진다. 때문에 온도를 잘 지키고 있는지, 계획된 사이클 타임대로 샷을 찍어내고 있는지 등의 정보를 체크하는 것이 중요하다. 이몰디노는 AI·머신러닝 알고리즘으로 이 데이터를 분석해, 불량 가능성을 사전에 예측하고 알려준다.

이몰디노는 특히 금형 데이터가 SCM 문제를 해결하는 시작이라고 보고 있다. 기존 금형 회사들은 모든 정보를 엑셀이나 수기로 기록했다. 때문에 부품을 공급받는 회사 입장에서는 필요할 때 적시에 부품을 공급받을 수 있는지에 대한 가시성이 부족하다.

하지만 금형에서 직접 생산 데이터를 가져올 수 있으면, SCM의 불투명성 문제를 해결할 수 있다. AI·머신러닝 알고리즘으로 생산 상황을 분석해 부품 납기 지연, 생산성 편차, 다운타임을 조기에 발견할 수 있기 때문이다. 완성품 업체는 협력사별 생산 성과를 비교·관리할 수 있고, 불량률이나 납기 준수율까지 확인 가능하다.

ai agent using monitor
Quote Icon

이몰디노는 AI 에이전트, AI/머신러닝에 대한 모든 것들을 Snowflake와 함께 하고 있습니다. 저희 고객도 스노우플레이크의 데이터 거버넌스를 믿고 이몰디노를 선택합니다.

신종현
이몰디노 최고기술책임자

이몰디노 비즈니스의 근간이 된 Snowflake

Cortex AI를 통해 인사이트 제공: 납기 준수율, 생산성 편차, 불량률 조기에 탐지, 공급망 전반의 투명성 강화

이몰디노가 금형 데이터 분석이라는 혁신적 비즈니스를 구현할 수 있었던 기반은 Snowflake다. 금형에 부착한 센서를 통해 생성된 데이터는 스프링 배치 서버와 ETL 파이프라인을 거쳐 Snowflake에 적재된다. 이후 개발자들의 데이터 처리 및 머신러닝 로직 개발을 지원하는 Snowpark로 연결된다.

이몰디노 측은 Snowflake를 선택한 가장 큰 이유로 Snowflake에 내장된 AI·머신러닝 서비스인 Cortex AI를 들었다. Cortex AI를 통해 기술 역량과 관계없이 업계 최고의 AI 모델, LLM, 벡터 검색, RAG 등 LLM 기술을 활용할 수 있기 때문이다. 컬럼 기반의 데이터셋은 Cortex Analyst를 활용하고, 금형 관련 논문이나 방법론 등의 문서 데이터셋은 Cortex Search를 활용해 분석할 수 있다. Snowflake Intelligence가 두 데이터셋을 읽어서 원하는 서비스를 제공하게 된다.

특히 Cortex Agent를 이용해 글로벌 고객사에게 지속적으로 데이터 인사이트를 제공할 수도 있다. 고객사는 이를 통해 납기 준수율, 생산성 편차, 불량률 등을 조기에 파악할 수 있으며, 공급망 전반의 투명성이 크게 강화된다.

글로벌 대기업들이 Snowflake를 활용하는 경우가 많다는 것도 이몰디노가 Snowflake를 선택한 이유 중 하나다. Snowflake가 부품 공급사와 완성품 업체의 공통 플랫폼으로 자리를 잡으면, 금형 업체들은 복잡한 인터페이스 개발 없이도 글로벌 고객사와 데이터 교환이 가능해진다. 실제로 이몰디노는 재규어 랜드로버(JLR) ,파카(PACCAR),  이튼(EATON) , 지브라(ZEBRA) , 네슬레(NESTLE), 피앤지(P&G), 다이슨(DYSON) 등 글로벌 기업과 협업을 이어가며 공급망 데이터 통합을 실현하고 있다.

아울러 보안도 Snowflake를 선택한 배경이다. 글로벌 고객의 경우 가장 먼저 묻는 것이 보안인데, Snowflake의 거버넌스 체계 덕분에 글로벌 고객도 안심하고 데이터를 맡길 수 있다. 이몰디노는 ISO 27001 국제 인증을 획득했고, Snowflake가 이미 확보한 미국 국방·연방기관, 금융 데이터 보안 기준을 기반으로 고객 신뢰를 끌어올렸다.

emoldino improving supply chain performance diagram

Snowflake 도입효과

데이터 기반 모니터링으로 고객사 제품의 품질 향상, 글로벌 기업들과 금형 업체들간에 공급망 데이터 통합 실현

이몰디노는 Snowflake 도입을 통해 금형 데이터를 기반으로 한 공급망 혁신에 가시적 성과를 내고 있다.

금형은 제조업체의 핵심 자산이지만 관리가 어렵다. 유지보수가 적절히 이뤄지지 않으면 금형은 조기 손상되거나 불필요한 신규 투자가 발생하곤 한다. 이몰디노는 센서 데이터를 기반으로 금형의 라이프사이클을 추적할 수 있도록 했다. 데이터를 기반으로 최적의 유지 보수 시점을 제안함으로써 글로벌 완성품 업체들이 금형의 손상으로 인한 비용을 절감할 수 있다.

이몰디노는 Snowflake 기반 데이터 플랫폼을 통해 고객사 제품의 품질도 향상시킬 수 있었다. 금형의 온도, 사이클 타임 등 주요 변수들을 모니터링해 불량률을 낮추고, 협력사별 생산 편차를 가시화했다. 이를 통해 납기 준수율이 높아지고, 다운타임이나 생산성 저하 문제를 조기에 발견할 수 있었다.

공급망 데이터 통합도 Snowflake가 있었기에 가능했다. 기존에는 ERP, MES, WMS 등 시스템이 사일로화돼 있어 기업 간 데이터 교환에 어려움이 있었지만, Snowflake를 활용하면서 복잡한 인터페이스 개발 없이도 고객사와 실시간 데이터 연계가 가능해졌다. 이몰디노는 이를 바탕으로 재고·수요 예측, 서플라이 리스크 관리 등 고도화된 SCM 서비스를 제공하고 있다.

또 Snowflake는 단순하고 탄력적이며 비용 효율적인 구조를 제공해, 이몰디노와 같은 인력과 자원이 부족한 스타트업이 빠른 속도로 글로벌 대기업과 경쟁할 수 있는 기반이 됐다. 실제로 이몰디노는 Snowflake를 활용해 불과 1년 만에 아키텍처를 구축하고, 글로벌 포춘 500 기업들과 협업을 이어가고 있다.

Where Data Does More

  • 30일 무료 평가판
  • 신용카드 불필요
  • 언제든지 취소 가능