패션제조 AX 세미나 참석 보고
Executive 1 Page Report

패션제조 AX 세미나
참석 보고

상부 보고용 요약 · 참석일 2026.05.29

보고 개요
참석일2026.05.29
행사명패션제조 AX 세미나
자료 기준현장 메모 및 사진촬영
검토 업체마키나락스 / 리빌더 AI / 시제 / 팔레트

전체 인사이트 요약

업체별 관찰 내용 중심
1

마키나락스

제조업 AI 전문 기업(의류 X). 일부 패션기업 수요예측을 POC 한 적이 있으나 실패함. 충분한 데이터를 제공받기 어려웠음. 단, 이해에 기술적 지식이 필요한 산업은 아니라고 판단했고, 가능성은 보았다고 함. 그 외에는 의류 외의 제조업에서 비전 등을 활발히 활용중

2

리빌더 AI

신발, 가방, 주얼리 위주로 이미지 생성 후 2D 이미지 기반으로 수치 정밀도가 있는 AI를 사용해 3D CAD로 수치 기반 변환 및 테크팩 생성과 실제 제조까지 이어지게 하려 함.
의류 같은 SOFT 원단 제품들의 경우에는 POC로 CLO 같은 패턴에 이러한 수치 기반 AI 모델로 3D를 직접 생성하기보다는 축적된 2D 자료를 불러와서 연결하는 작업과, 수정된 부분 수치를 반영하는 AI 사용하는 정도로 해보는 중이라고 함.

지난번 TS팀과의 미팅에서 나왔던 AI 활용방안관련, 테크 스타트업 업체의 방향과 실태 확인 가능했음

3

시제

영원무역과 파일럿 진행 중. 최근에는 PLM 시스템과 연동하여 작업지시서, PO, BOM 입력 등 연결을 추가한 모습 보임.
생산성 향상에 대한 질문에는, 라인 최적화와 병목 감소 등으로 140%씩 상승한 공장 사례가 많았다고 답함. 영원무역 사례가 아닐 수 있고, 말그대로 믿기는 어려울 수 있음.

4

팔레트

AI만으로 의류 브랜드(헤지스, 스파이더 등) 마케팅 영상 생성, 영상 퀄리티는 구분이 안될 정도로 퀄리티가 높았음. 업무용 에이전트(프로모션 업체관리, 트렌드 분석) 등 에이전트 서비스를 진행하며 특이한점으로, 브랜드에서 사용하는 ERP 보조로 프로모션 별 암묵지를 데이터화하거나 마켓 트렌드 등도 추가하는 것이 흥미로운 포인트 였음. 무료 컨설팅을 해준다고 함. 사진 찍지말아달라고 해서 사진은 확보하지 못함

상세 부록

상부용 1Page에는 핵심 문장만 유지하고, 보충 설명과 사진촬영 이미지는 아래에 분리.

Appendix 01

마키나락스

제조업 AI 전문 기업. 패션 전문 기업은 아니며, 수요예측 POC는 데이터 확보 한계가 핵심 이슈.

상세 메모

  • 자동화 안되는 부분이 있어 도울 수는 있어도 AI가 다 해주긴 아직 어려울듯 하다고 언급.
  • 일부 패션기업 수요예측 POC는 실패. 충분한 데이터를 제공받기 어려웠음.
  • 다만 산업 이해에 기술적 지식이 필요한 산업은 아니라 판단했고, 가능성은 보았다고 함.
  • AI 리터러시 역량이 늘어야 지속될 수 있을 것 같다는 관찰.
MakinaRocks 발표 캡처 1
제조 전반 특화 AI 구축 사례 소개
MakinaRocks 단계별 구성
단계별 구성 및 POC 활용 흐름
MakinaRocks Raw 데이터 캡처
데이터 기반 모델 구성 관련 캡처
MakinaRocks 수요 예측 사례 타이틀
수요예측·발주최적화 관련 사례 타이틀
Appendix 02

리빌더 AI

2D 이미지 기반 생성 결과를 제조 가능한 3D CAD, 파트 분리, 택팩, 제조성 평가로 연결하려는 방향.

상세 메모

  • 신발, 가방, 주얼리, 안경 중심으로 3D 생성 및 부품 분해 생성 기술을 제시.
  • 파라매트릭 방식으로 3D화. 코드 기반으로 수치를 만들어 기입해 정밀도와 퀄리티를 보여줌.
  • 브랜드별 밑창 특성, 볼 넓이 등 데이터로 제조 가능성 평가 가능성을 언급.
  • 의류는 기존 2D 패턴·DXF 수정 데이터와 연결해 축적 자료를 불러오고 반영하는 POC 단계.
  • 궁극적으로 패턴 데이터, 레이저 커팅, 3D 프린팅 등 제조 자동화까지 연결하는 목표.
Beautiful Design
Beautiful Design: 시각 품질과 편집 용이성
Manufacturable Design
Manufacturable Design: 소재, 비용, 물리 제약, 생산 효율
3D 생성 Mesh CAD
2D 디자인 → 3D Mesh & CAD 생성 흐름 일부
2D to 3D Gen
2D to 3D Gen
3D Auto Separate parts
3D Auto Separate parts
Tech Pack
TECH PACK: 제조 연결을 위한 수치 기반 정보
Appendix 03

시제

봉제 생산성, 작업자 숙련도, 원단 특성, 라인 최적화를 데이터화하고 PLM/PO/BOM 등 시스템 연동을 확대.

상세 메모

  • 작동시간과 유휴시간을 구분해 원단 손질시간, 사이클 분석.
  • 인간의 비일관성을 전제로 원단 속성, 작업자 숙련도에 따라 다른 생산성을 빅데이터 통계 알고리즘으로 정량화.
  • 작업자가 잘하는 공정 분석 후 배치, 라인 밸런싱과 배치 자동화 최적화 가능.
  • PO 및 BOM 자동입력, 소싱업무 자동화, PLM 시스템 연동이 추가된 모습.
  • 라인 최적화와 병목 감소 등으로 140% 생산성 향상 사례가 많았다고 답변.
SIIE AI Agent overview
의류 산업 운영자를 위한 AI 의사결정 지원
인간의 동작은 변수
인간의 동작은 변수: 반복 작업에서도 데이터가 일관되지 않음
Worker Summary 생산성
작업자 요약·목표 생산량·효율 분석 화면 일부
Data Utilization Accurate Evaluation System of Action
Data Utilization / Accurate Evaluation / System of Action
Sales Order Data Mapping
Order > Sales Order: 바이어 오더 업로드 시 자동 등록
원부자재 소요량 산출
Order > Sales Order: 원부자재 소요량 산출 영역
Production Schedule Line Allocation
Production > Schedule: 라인 배정
KANBAN realtime production status
Production > KANBAN: 실시간 생산 현황
Production Analysis
Production > Analysis: 목표 생산량·공임 원가·공원 수·TAKT Time 설계
Process Layout
Production > Process: 스타일별 공정 레이아웃과 흐름 관리
Appendix 04

팔레트

요청 사항에 따라 팔레트 섹션은 사진을 모두 제외하고 텍스트만 정리.

상세 메모

AI만으로 의류 브랜드(헤지스, 스파이더 등) 마케팅 영상 생성과 업무용 에이전트(프로모션 업체관리, 트렌드 분석) 등 에이전트 서비스를 진행하며, 무료 컨설팅을 해준다고 함.

비정형 데이터와 브랜드 감도를 맞추는 커스터마이제이션을 강조했고, 트렌드 인사이트, 디자인, 제조 의사결정, SKU별 수요예측, 제조 생산관리 에이전트, 거래처 인텔리전스 허브 등으로 확장 가능성을 언급.

※ 팔레트 관련 이미지 미사용.