홈페이지 >

문력생: 동화대 교수가 왜'디지털화 전환'이라고 하는지'데이터화 전환'이 아니라'디지털화 전환'이라고 하는지 해독

2022/3/15 16:21:00 0

동화대학교

중국 의류 지능 제조 연맹 전문가팀 부팀장

동화대학교 문력생 교수



1. 의류 제조업의 전환을 왜'디지털화 전환'이라고 하는가

"데이터 변환"이 아님


디지털화란 복잡하고 예측하기 어려운 많은 정보를 일정한 방식을 통해 컴퓨터가 처리할 수 있는 2진 코드로 바꾸어 기계가 정보를 읽고 처리하여 컴퓨터 안의 디지털 쌍둥이를 형성하는 것을 말한다.디지털화도'비트화'라고 부른다. 왜냐하면 모든 것을'0, 1'비트값으로 표시할 수 있기 때문이다.


한편, 데이터화는 디지털화된 정보를 분석하여 조리 있게 하고 스마트와 다차원적인 분석과 조회를 통해 거슬러 올라가 정책 결정에 강력한 데이터 기반을 제공한다.데이터의 표현 방식은 디지털이기 때문에 데이터의 개념은 디지털의 개념보다 크다. 이를 통해 디지털화는 데이터화를 가져왔다고 할 수 있다. 데이터화는 디지털화 프로세스의 한 방향이지만 디지털화는 데이터화를 대체할 수 없다. 디지털화는 데이터화에 응용될 수 있기 때문에 서버 기업의 전환을'디지털화 전환'이라고 한다.


의류 기업이 디지털화 전환을 실현하고자 하는 이유는 디지털화 전환이 기업에 경영 행위 규범과 기업 운영 관리의 가치 향상을 가져올 수 있기 때문이다. 특히 디지털화 기술의 응용, 예를 들어 클라우드 컴퓨팅, 빅데이터, 인공지능, 사물인터넷, 디지털 쌍둥이 등은 기업의 상업 모델 혁신과 전통 제조 모델을 스마트 제조 모델로 전환시키는 것을 추진한다.

2. 왜 데이터가 의류 스마트 제조의 자산이라고 하는가


1. 데이터 자산의 유래와 특징


데이터 자산의 개념은 정보 자원과 데이터 자원의 개념에서 변화된 것이다.20세기 70년대에 사람들은 정보를 인력, 물질, 재무와 자연 등 중요한 자원으로 간주했다.20세기 90년대에 정부와 기업의 디지털화 전환에 따라 데이터 자원이 생겼다. 물론 이때는 정보의 숫자가 데이터로 바뀌어 일정한 규모로 집결된 후에야 데이터 자원이라고 불린다.21세기 초에 빅데이터 기술의 흥기와 응용으로 데이터 자산이 생겼고 데이터 관리, 데이터 응용, 디지털 경제의 발전으로 데이터 자산이 보급되었다.따라서 데이터 자산은 데이터 집합으로 데이터 권한(소유권, 사용권, 탐색권을 가리키는 말)을 포함하고 가치, 평가, 읽기, 거래가 있다.


2020년 4월 9일에 중국공산당 중앙국무원에서 발표한 에서 생산 요소는 토지, 노동력, 자본, 기술, 데이터 등 다섯 가지를 포함하고 이 다섯 가지 요소도 자산, 즉 토지 자산, 노동력 자산, 자본 자산, 기술 자산과 데이터 자산이라고 명확하게 지적했다.


최근 몇 년 동안 전 세계 데이터의 연평균 증가 속도는 모두 20% 이상이다.데이터 자산의 증가 속도는 기술, 인력, 자금, 토지 자산의 증가 속도를 훨씬 초과한다.국제 데이터 회사 IDC가 발표한 통계에 따르면 2018년 중국의 데이터 발생량은 전 세계의 약 23%를 차지했고 EMEA(유럽, 중동, 아프리카)의 약 30%보다 적은 수치로 국제적으로 상위권에 있는 데이터 자원 대국이자 전 세계 데이터 센터이다. 그림에서 알 수 있듯이 APJxC는 아시아태평양과 일본 지역을 대표하는 것이 18%를 차지한다.


그림 1 글로벌 데이터 분포 영역


국제데이터공사(IDC)가 발표한'데이터 시대 2025'에 따르면 전 세계에서 매년 발생하는 데이터는 2018년 33ZB(1ZB=10조바이트)에서 175ZB로 늘어나 하루 491EB(1EB=1.1529e+18바이트)의 데이터가 발생하는 셈이다.IDC는 2020년에는 전 세계 데이터 양이 44ZB, 2035년에는 1만9천ZB에 이를 것으로 전망했다.그림2.


그림 2 글로벌 데이터 증가 추세


위의 그림에서 알 수 있듯이 전 세계 데이터의 증가 추세는 신몰의 법칙에 부합된다.2004년에 전 세계 데이터 총량은 30EB였고 2005년에 50EB에 달했다.2015년까지 데이터는 놀라운 7900EB, 2020년에는 35000EB로 급증했다.이것은 지난 2년 동안 발생한 데이터가 전체 인류 문명이 발생한 모든 데이터의 90퍼센트라는 것을 대표한다.


이는 전 세계 데이터 자산의 증가를 의미한다.자본 자산의 소유자로서 데이터 자산을 사용해야만 데이터의 가치를 나타낼 수 있다.데이터의 가치는 다음과 같은 몇 가지 요소와 관련이 있다. 데이터의 응용 빈도가 높고 집합이 많으며 데이터의 가치가 높다.반면 데이터의 시효가 길고 공유가 많을수록 데이터 가치가 낮다.


의류 제조업에 있어 언제, 어떤 데이터를 어떤 방식으로 사람과 기계에 전달하는지는 제조의 과학성, 실시간성과 유효성을 가장 합리적으로 최적화하는 관건이다. 데이터의 완전 자동화 유동의 본질은 바로 데이터로 기업의 운행을 구동하는 것이다. 그림3은 이 과정을 해석했다.


그림3 기업이 운행하는 데이터가 자동으로 이동한다(출처: 네트워크)


자산으로서의 데이터는 독특한 특징을 가지고 거래 가능하며 자원이 풍부하고 갱신이 빈번하며 유형이 다양하다는 등 정보 가치를 가진다.유통 사용이 가능하고 지속적으로 발생하고 끊임없이 가치를 창조하는 자연 부가가치 속성을 가진다.인류의 생존과 발전을 만족시키는 다차원성을 갖추고 제로 원가의 무한 공유와 집합 사용 가치가 높다.


2. 데이터 자산의 가장 큰 가치는 이를 응용하여 기업의 스마트 제조를 실현하는 데 있다.


중국 제조업 스마트 제조의 정착은 기업 정보화, 디지털화, 지능화 세 가지 전략과 결합하여 점차적으로 추진해야 한다.기업 정보화는 데이터, 지식 수집의 기초이자 의사결정 지능화의 시작 단계이다.기업의 디지털화 전환 단계는 기업 각 분야의 데이터 지식을 수집, 세척, 분석 처리하여 사용 가능하고 가치 있는 빅데이터 자산을 형성해야 한다.기업 지능화 단계는 빅데이터 자산을 충분히 응용하여 기업 업무의 지능화를 실현하는 것이다. 즉, 기업의 스마트 제조를 실현하는 것이다.그림4 참조.이를 통해 알 수 있듯이 기업이 스마트 제조를 실현하는 세 가지 전략 과정에서 데이터 가치가 끊임없이 상승하고 있다. 바로 데이터가 있어야 빅데이터가 있고 빅데이터가 있어야 인공지능이 있으며 인공지능이 있어야 스마트 제조를 실현할 수 있다.



그림4 기업 정보화 디지털화 지능화 3단계 전략


데이터 자산을 잘 활용하는 것이 제조업이 스마트 제조로 전환하는 관건이다.그림5는 2011년부터 2027년까지 전 세계 빅데이터의 시장 규모 예측을 보여줍니다.중국 빅데이터 산업 생태연맹 및 사이디가 발표한'2020 중국 빅데이터 산업 발전 백서'는 2020년까지 중국 빅데이터 산업 전체 시장 규모가 6천670억2천만원에 달하고 2022년에는 조원을 돌파할 것으로 전망했다.이 데이터에 근거하여 2025년까지 중국 빅데이터 산업의 전체 시장 규모는 17568억 위안에 이를 것으로 예측한다(그림6).


그림5 2011-2027년 전 세계 빅데이터 시장 규모 예측

그림 6 2020-2025 중국 빅데이터 산업 규모


이를 통해 알 수 있듯이 빅데이터의 발전은 기업이 스마트 제조를 발전시키는 것은 빅데이터 기술과 인공지능 기술을 결합시켜 실천한 것이다.


3. 의류 제조업은 어떻게 데이터 자산을 잘 사용하는가


빅데이터 기술은 데이터 수집, 보관, 저장, 검색, 공유, 전달, 분석과 시각화를 포함하는데 다음과 같은 세 가지 측면이 가장 중요하다.


1. 데이터 자산 수집


제조업의 빅데이터는 주로 제품 데이터, 운영 데이터, 가치 체인 데이터와 외부 데이터이다.그 중에서 공업 빅데이터는 주로 기계 설비 데이터, 공업 정보화 데이터와 산업 사슬 관련 데이터 등에서 기원한다(그림7 참조). 물론 대량의 Key-Value 데이터, 문서 데이터, 인터페이스 데이터, 영상 데이터, 이미지 데이터, 오디오 데이터 등도 포함한다.


일반적인 데이터 수집 방식은 다양한 유형의 산업 센서와 RFID 주파수 기술 등이 많다.


도7 제조업 공업 빅데이터 출처


2. 데이터 자산 분석


수집한 데이터는 분석이 필요하다.데이터 분석 처리는 1999년 유럽연합SIG조직이 제시한 표준모델인'CRISP-DM'으로 거슬러 올라갈 수 있다. 이 표준의 절차는 상업적 이해-명확한 목표, 수요를 분석하는 것이다.데이터 이해 - 수집, 묘사, 탐색, 검사, 데이터;데이터 준비 - 데이터 선택, 세척, 구조, 통합, 포맷;모델 구축-모델링 기술, 파라미터 조정, 테스트 계획, 모델 구축을 선택한다.평가 모델-모델 전면 평가, 평가 결과, 재심 과정;결과 배치-분석 결과, 방안 실시 응용(그림8).


그림 8 빅데이터 분석 표준 프로세스 CRISP-DM


응용 분석 후의 데이터야말로 빅데이터의 의미이다. 의류 제조업에서 가리키는 것은 다음과 같다.

(1) 가공 설비 상태 데이터 분석

분석 후의 데이터를 출력하고 전시하면 직원들이 생산 과정에서의 실시간 상태, 가공 공정 데이터 등을 가장 먼저 파악하여 신속하고 신속하며 과학적인 대책을 세울 수 있다.

(2) 생산 제조 공정 데이터 최적화

주로 두 가지 측면에 나타난다. ①설비 공정 매개 변수 모니터링은 채집된 설비 공정 매개 변수, 예를 들어 온도, 압력 등을 설정된 표준 매개 변수와 실시간으로 비교하고 관리함으로써 생산 과정에 대해 실시간, 동적, 엄격한 공정 제어를 실현하고 제품 품질의 안정성을 확보한다.② 가공 공정의 개선과 최적화, 제조 과정의 주요 공정 매개 변수와 완공 후의 제품 합격률을 종합적으로 분석함으로써 가공 공정을 개선하고 최적화할 수 있다.

(3) 생산과정 트레이스

제품 가공 제조의 과정 데이터를 통해 제품 제조 역사에 대한 트레이스를 실현하고 문제의 재현, 품질 트레이스 등 목적을 달성한다.


3. 데이터 자산 보호


데이터 자산의 안전은 의류 제조업에 세 가지 문제가 존재한다. 첫째, 데이터 자산이 번잡하고 데이터 리스크를 양적화할 수 없다.둘째, 데이터 안전 위험이 비교적 크고 데이터 사용 중 동적 데이터 권한 관리가 없다.셋째, 데이터 안전의 위험이 넓다.데이터를 안전하게 보호하는 방법은 매우 중요하다.여기에는 데이터 보안 시나리오의 일부가 나열되어 있습니다.


(1) Dell "피난항" 시나리오(Cyber Recovery Vault)이는 랜섬웨어 접촉 가능성을 차단하고 바이러스 감염 백업 데이터의 확률을 크게 낮추기 위해 에어갭 브레이크 격리 메커니즘과 사본 잠금 메커니즘을 갖추고 있다.백업 데이터가 프로덕션 측 스토리지 디바이스에 저장된 후 Cyber Recovery Vault 존 스토리지 디바이스와 복제 링크를 설정하여 내부 네트워크 및 전용 인터페이스를 통해 백업 데이터를 프로덕션 센터에서 Cyber Recovery Vault 존(데이터 격리 저장소)으로 복제합니다.Cyber Recovery Vault 구역은 네트워크 공격자에 대해 소프트웨어 감염 백업 자료의 확률을 차단하는'은신'을 하고 있다.데이터 동기화가 완료되면 Air Gap 스위치를 종료하고 데이터 액세스 경로를 해제할 수 있습니다.또한 백업 파일이 악의적으로 삭제되는 것을 방지하기 위해 시스템은 격리 저장소 내의 데이터를 잠그어 백업 데이터 복사본의 암호화, 변조, 삭제를 보장할 수 있다.


(2) 곡가운 플랫폼.기업은 데이터 보호가 보장된 상황에서 클라우드 플랫폼으로 전환할 수 있다.곡가운 플랫폼은 플랫폼이 개방성과 클라우드 컴퓨팅으로의 거대한 전환을 완성했고 기업에 더욱 강한 데이터 자산과 더욱 안전하고 안전한 데이터 분석 능력을 가져왔다.곡가운 플랫폼의 개방식 인프라 시설은 고객들이 자신의 업무에 가장 적합한 상운 경로를 선택할 수 있게 한다.곡가운의 인프라 시설, 데이터와 인공지능 기계 학습 솔루션이 있어 데이터를 클라우드로 분석하고 처리하기 쉽다.


(3) 안전 관리 제어 시스템을 갖춘 서광 빅데이터 플랫폼.서광 빅데이터 플랫폼은 빅데이터 기술과 결합된 대량의 데이터 스마트 분석 처리 솔루션으로 기업 사용자들이 효율적이고 스마트하며 사용하기 쉬운 일체화 빅데이터 시스템을 신속하게 구축하고 데이터 가치를 발굴할 수 있도록 도와준다.서광 빅데이터 분석 플랫폼은 융합된 기술 구조를 이용하여 저장 융합, 계산 융합, 스케줄링 융합, 다원 데이터 융합, 업무 절차 융합을 깊이 있게 실현하고 체계화 융합의 전체 시스템을 구축한다(그림9).


그림9 서광 빅데이터 플랫폼 구조


(4) 혁신적인 기지의'오리온 자동화 머신러닝(AutoML) 플랫폼'.이 플랫폼은 주로 고객이 데이터 자산을 잘 사용하고 데이터 결정 능력을 향상시키며 고객의 업무 운영을 돕는다.이 플랫폼은 미래 데이터 스마트 모델에 부합되고 유연하게 선택, 배치할 수 있는 3층 구조를 가지고 기업 고객을 대상으로 민영화 배치를 위주로 하는 계열 제품과 해결 방안이다.오리온 데이터 스마트 엔진은 주로 3대 제품 단원, 즉 ①오리온 IRC---스마트 자원 스케줄링 관리를 포함하고 계산 자원 관리와 데이터 자산 지도를 제공한다.② Orion DAC - 지능형 데이터 융합 관리, 데이터 동적 융합을 지원하고 데이터 공급망을 실현한다.③ Orion AML - 데이터를 기반으로 지능적인 의사 결정을 수행하는 자동 머신 러닝


(5) TalkingData 데이터 보안 아일랜드 플랫폼TalkingData'안전섬'은 업계에서 앞장서는 신뢰할 수 있는 데이터 계산 기술을 바탕으로 안전하고 규정에 맞는 다방면의 데이터 융통 원스톱 플랫폼을 구축하여 서로 다른 업무 장면을 대상으로 하는 데이터 산업화 응용과 가치 방출의 새로운 모델을 제공한다.TalkingData의 데이터 서비스와 데이터 능력을 고객 측에 매끄럽게 적용할 수 있도록 개발된 안전섬 솔루션은 사실상 안전계산 플랫폼이다. 그 출발점은 고객이 플랫폼에서 안전한 데이터 가치 교환을 실현하고 쌍방의 프라이버시 문제를 격리시켜 데이터 능력의 부족함을 보완하는 것이다.진정한 데이터 가치 확보


4. 데이터 자산이 의류 스마트 제조에서의 응용 예


앞에서 말한 데이터와 스마트 제조 간의 관련성.스마트 제조를 실현하려면 반드시 진정으로 착지된 인공지능이 있어야 하고 진정한 인공지능은 빅데이터, 선진 알고리즘 모델과 초대형 계산 능력(예를 들어 CPU/GPU/TPU)에 의존하여 실현해야 한다(그림10).


그림10 착지의 인공지능 관련 기술


스마트 디자인, 스마트 생산, 스마트 관리와 통합 최적화 등 내용이 의류의 스마트 제조를 구성하는데 빅데이터 자산의 본질은 바로 이런 스마트 제조를 실현하는 것이다.다음은 예입니다.


1. 빅데이터 분석을 바탕으로 한 의류 시장 제품 판매


의류 기업은 빅데이터 전략에 의류 업계 조사 연구 데이터의 넓이와 깊이를 넓히고 의류 시장 구성, 세분 시장 특징, 소비자 수요와 경쟁자 상황 등 요소를 빅데이터에서 얻을 수 있다. 그리고 체계적인 정보 데이터 수집, 관리와 분석을 통해 문제를 해결하는 방안과 건의를 얻어 기업 제품이 시장 포지셔닝의 독특성을 확보한다.기업 제품의 시장 수용도를 높이다.의류 시장은 빅데이터가 제시한 지역 인구 분포, 소비 수준, 제품 인지, 고객 소비 습관, 업무 소비 취향 등 요소를 분석하여 시장 포지셔닝을 얻어 기업이 의류 시장에 진출하거나 개척하는 데 데이터 지원을 제공한다.


예를 들어 정리 데이터를 통해 2019년 쌍십일 기간에 하루에 약 474만 개의 가을 바지를 판매할 수 있다는 것을 알 수 있다. 이 상황에서 5000만 개가 넘는 연간 중국인 가을 바지 시장을 깊이 있게 조사한 결과 2020년에는 가격이 100~500위안 이내인 가을 바지 투입을 강화해야 한다고 예측했다(그림11).


그림11 팬츠 가격 분포 (출처: CDA)


2. 빅데이터를 바탕으로 하는 스마트 패션 디자인


현재 우리의 패션 디자인은 여전히 지능화되지 않은 전통 의류 CAD를 채택하여 진행하고 있으며 만약에 스마트 CAD를 채택한다면 디자이너를 대체할 수 있다.일례로 2019년 미국 매사추세츠공대는 AI 기술 중 GAN 모델을 활용해 의상 디자인을 했다.GAN이란'Generative Adversarial Networks'라고 불리는 딥러닝 모델로, 중국어로는'생성형 대항 네트워크'다.GAN은 두 개의 신경 네트워크를 설계하여 하나의 생성과 하나의 판단을 통해 바둑을 진행한다.예를 들어 원피스 디자인에 있어 연구원들은 약 5000장의 과거 원피스 패션 스타일의 이미지 빅데이터를 수집했다. 하나는 GAN의 생성 모델이고 하나는 GAN의 대항을 위한 판단 모델이다. 그 다음에 며칠 동안의 훈련을 통해 새로운 디자인의 원피스 패션 스타일을 얻을 수 있다. 그림12를 보면 그림12를 볼 수 있다. 그림의 왼쪽은 유행이 지난 패션 이미지의 빅데이터이다.오른쪽에 AI 기술을 빅데이터로 활용한 새로운 패션.


그림12 GAN 디자인으로 의상 제작


3. 빅데이터 분석을 바탕으로 고품질 의류 제품을 얻기 위한 봉제 가공 공정 매개 변수 조정


그림13 빅데이터 기술이 의류 가공 공정 매개 변수의 조정에 응용되다


재봉틀의 매개 변수는 그 운행에 영향을 미친다. 예를 들어 봉제차의 속도, 봉선장력, 선적형태, 선적크기 등이다.봉제 전에 파라미터를 미리 설정해야 한다. 가장 좋은 봉제 파라미터는 파라미터 빅데이터와 인공지능 중의 기계 시각 기술, 기계 학습과 깊이 있는 학습 기술을 통해 얻을 수 있어 가장 좋은 의류 봉제 품질에 도달할 수 있다(그림13).

  • 관련 읽기

업계 분석: 3분간 방직 업계의 거시적 경제 환경을 안내한다.

업종 투석
|
2022/2/23 17:54:00
6

데이터 설사: 개혁 개방 40여 년 동안 중국 방직 업계의 성과

업종 투석
|
2022/2/22 16:33:00
3

중국 방직산업경제연구원: "수"설 방직

업종 투석
|
2022/2/15 15:45:00
5

미국'신강면화 금지'배후 싸움꾼 BCI 조직

업종 투석
|
2022/2/10 19:30:00
46

유전자 변형 면이 결점이 있는 이상 왜 유전자 변형 면을 보급해야 합니까

업종 투석
|
2022/2/8 18:07:00
3
다음 문장을 읽다

미국의 2021년 면제품 수입이 기록적인 높은 수준을 기록한 배후를 알아보다

미국 소매점에서 판매하는 거의 모든 면제품(의류, 가정용 방직품 등)은 수입에서 나온다.