Post IT Chores

저작권시장을 개선하는 방법에 앞서

IT Playboy — Wed, 3 Sep 2025 13:18:10 +0900

한국에 저작권시장이 성장하기 위해서는 독점구조를 깨야 하는 문제가 있다.

저작권에 대한 이해가 부족하고, 기술적으로 징수에 대한 방법이 부족하던 시기에는 특정이익단체를 설립하고 그들에게 권한을 주는 방법이 가장 효율적이였다.

한국음악저작권협회는 1964년에 설립된 전통있는 음악저작권신관리단체이다. 그들은 저작권에 대한 권리를 강화했고, 방송국등을 대상으로 저작권을 대리하였고, 징수의 권한을 적절히 활용해서 그들의 권리를 갖을 수 있게 하였다.

방송국, 라디오의 음악재생횟수를 정확하게 카운트하기 어려웠기 때문에 매출액 기반으로 저작권을 징수하였고, 일부 데이터누락이 있음에도 내부적으로 잘 분배하였다. 한국음악저작권협회는 대부분 음악선후배가 회원으로 있는 조직이기 때문에 가능했다.

한국의 음악은 K-Culture붐을 타면서 국내를 넘어서 전세계적으로 Play되기 시작하였다.

하지만, 그동안 관련된 징수방식, 기술개발은 더뎠고, 그로 인한 잡음은 늘어났다.

저작권의 권리도 매체의 증가, 사업의 다양화, 다각화로 능동적으로 적용되어야 함에도 일괄위임방식, 독점위임방식의 문제로 서태지, 로제같은 음악가들이 저작권협회를 탈퇴하였다.

해외는 로그데이터, 디지털큐시트, 음원DNA, AI기반 변형음악 탐지, 음악저작권 관리 플랫폼 같은 기술기반 서비스들이 등장했지만, 우리나라는 기술을 상용화하기에는 수요시장이 너무 작아서 발전할 수 없었다. 실제로 한국음악저작권협회가 거의 유일한 수요자이다.

이러한 문제를 근본적으로 개선하기 위해서는 저작권에 대한 독점적인 사항을 없애고, 복수의 저작권협회가 활동할 수 있도록 법률적인 문제를 풀고, 징수방식에 대한 기술도입을 법제화 해야 한다.

한국 저작권 시장은 더이상 Local market이 아니다. 창작자들이 더 더양한 활동을 할 수 있도록 하기 위해서는 그들의 다양한 시도와 도전을 기술적으로 도와줄 수 있는 서비스들이 나와야 한다.

다음에는 해외시장의 동향을 언급해보려고 한다. 그리고 국내에서의 사업적 기회를 후속으로 정리하고, 창작자들의 안일한 문제점도 마지막으로 언급하고자 한다.

고래싸움에 새우등 터지는데도 잘 모르는 창작자들

IT Playboy — Thu, 21 Aug 2025 11:22:20 +0900

지난글에서 음악저작권 분배에 대해서 몇가지 문제점을 지적했는데, 그중에 가장 큰것은 아무도 음악재생플레이 리스트(큐시트, 로그데이터)의 정합성을 확실하게 만들지 않는다는 것이였습니다.

저는 방송국과 음악저작권협회 관계자 인터뷰를 진행했었습니다.

방송국의 입장은 큐시트를 정확하게 만들기도 힘들지만, 이걸 만들어서 준다고 저작권협회가 리스트대로 비용을 징수해가지 않는다고 합니다.

한국음악저작권협회는 음악플레이정보는 자신들이 만드는것이 아니라 방송국이 줘야 한다고 법률상 적시되어 있지만, 그렇지 않을 경우에 대한 처벌조항이 없어서 못받는다고 합니다.

그럼, 음악플레이 리스트가 정확하게 나온다면 누가 손해를 보고, 누가 이익을 볼까요?

저는 한국음악저작권협회가 손해를 볼것이라고 생각합니다.

우선, 현재 방송국으로부터 음악저작권징수에 따른 규정이 법률상에 있기 때문에 (매출엑의 최대 19%) 그 이상을 받을수도 없고, 그 이하로 받을 수 있는 행동을 할 필요가 없습니다. 음악 플레이 리스트가 정확하게 나온다고 해도, 음악에 대한 단가를 조정하기만 하면 되기 때문에 저작권협회는 기술적인 노력없이도 원하는 금액을 징수할 수 있습니다.

방송국 입장에서도 노력대비 줄일 수 있는 방법이 없기 때문에 제공을 하지 않는 것입니다.

다만, 문제는 지난번처럼, 돈은 들어오는데, 정확히 누구에게 분배해야 하는지가 명확하지 않다는 것입니다.

(4000억원을 받았는데, 이 4000억원이 어떤 창작자에게 가야 할지를 판단할 데이터가 불투명한 상황인 것입니다.)

이런 문제는 방송국에서만 일어날까요?

방송국보다 더 큰 매출을 만들고 있는 유튜브, 스포티파이, 멜론 같은 서비스는 명확한 데이터기반 서비스를 하기 때문에 여기서 주는 로그데이터로 명확하게 창작자들에게 분배하고 있을까요?

여기서도 큰 문제점을 갖고 있습니다. 이를 해결하기 위해서 한국저작권협회는 연간 수십억을 쏟아붇고 있지만, 뚜렷한 해결책을 찾지 못하고 있습니다. 그 내용은 다음으로 이어집니다.

저작권 금액을 징수하지만, 관련 음악재생 리스트가 없다면?

IT Playboy — Sun, 17 Aug 2025 17:05:23 +0900

음악저작권협회는 방송국으로부터 음악저작권 징수금액을 받아냅니다.

그 근거는 저작권징수법에 의거해서 전체 매출액의 몇프로를 강제해서 받아냅니다.

그 근거로는, 모든 방송에는 음악이 들어가고, 우리는 그 음악에 대한 징수권이 법에 정의되어져 있다 입니다.

방송국들은 음악을 어떤 방송프로그램에서 어떤 음악을 얼마나 재생했는지를 줘야 합니다.

보통 그런 데이터를 큐시트에 기반한 로그데이터라고 합니다.

그런데, 방송국에서 이런 로그데이터를 제대로 주지 않은다면, 음악저작권협회는 어떤 기준으로 돈을 창작자들한테 배분해줄까요?

돈은 받아놨는데, 누구한테 줘야 할지를 모르는 경우가 발생합니다.

소위 눈먼돈들이 생기게 됩니다. 이런 금액들을 종류별로 정리해보면,

- 방송에는 나왔지만, 저작권협회에 등록을 하지 않아서 누구한테 줘야 할지 모르는돈

- 저작권이 어떻게 바뀌었는지 몰라서 누구한테 줘야 할지 애매한 돈

- 방송에 나왔는지 안나왔는지 알지 못하는데 받은 돈

그럼.. 왜 방송국들은 큐시트를 제대로 정리해서 주지 않고,

음악저작권 협회들은 이런 음악재생정보를 정확하게 하기 위한 노력을 안하는 것일까요?

이건 다음번에 정리해 드리겠습니다.

PS : 음악저작권협회에는 미정산 금액이 수천억원이 쌓여있습니다. 그 이자 수익만 수십억원에 이릅니다. 이 돈들은 창작자들에게 돌아가야 하는 금액입니다. 정산이 느려질수록 이자수익이 쌓여간다면, 정산을 정확히 할 필요가 있을까요?

다시 수학을 공부합니다.

IT Playboy — Thu, 14 Aug 2025 14:37:09 +0900

굳은 머리를 말랑하게 하기에 공부만 한 게 없다는 생각으로 몇 달 전부터 보기 시작한 수학책.

예전에 내가 이런 것을 공부했었구나 싶은 것도 있고, 몰랐던 것도 다시 되새겨볼 수 있어서 좋다.

음악저작권 징수는 주먹구구식일까?

IT Playboy — Wed, 13 Aug 2025 11:53:56 +0900

누구나 음악을 듣습니다.

창작자들이나 관계자들은 음악을 듣는 만큼의 수익을 받아갑니다.

하지만, 얼마나 누가 내 음악을 들었고, 정확하게 징수되는지는 아무도 알 수 없습니다.

여러가지 기술적인 문제들, 정치적인 문제들이 있지만, 아무도 그 문제를 주의깊게 보지 않는것 같습니다.

음악저작권협회는 올해 얼마를 걷어들여야 겠다고 마음을 먹으면, 그 금액을 방송국, 온라인음악서비스, 노래방 등에서 걷어들입니다.

말그대로 얼마나 많은 음악이 Play되었는지는 중요하지 않고, 마음먹은 만큼을 걷어들인다고 합니다.

음악저작권법, 음악저작권협회의 문제점들을 시간날때 하나씩 정리해볼까 합니다.

2024년 중앙부처 및 지자체 창업지원사업 통합공고 입니다.

IT Playboy — Wed, 3 Jan 2024 21:19:28 +0900

2024년 창업지원사업 통합공고 입니다.

2023년에 비해서 자금규모는 전년과 유사한 규모입니다.

https://kpdf.k-startup.go.kr:8443/SynapDocViewServer/viewer/doc.html?key=7ca1dcd32bc74537bba97773f3e84443&convType=img&convLocale=en_US&contextPath=/SynapDocViewServer

Document Viewer

kpdf.k-startup.go.kr:8443

2024년_중앙부처_및_지자체_창업지원사업_통합공고.pdf

5.50MB

샘알트만의 OpenAI CEO 해고가 주는 의미

IT Playboy — Sun, 19 Nov 2023 11:25:53 +0900

샘알트만이 미국시간으로 2023년 11월 18일 금요일에 해임되었다고 한다.

이사회의 결정이였고, 이러한 결정은 매우 전격적으로 진행된듯 싶다.

샘알트만은 개발자는 아니지만, Y Combination 파트너로 여러 스타트업의 초기 펀딩에 참여해서 상당한 부를 갖고 있는 30대 투자자이기도 하다.

이사회의 결정에는 샘알트만이 CEO로써 상당한 신뢰를 잃었기 때문에 해고를 감행했다고 전해졌다.

상당한 신뢰를 잃었다는 것은 무엇을 의미할까가 궁금하였다.

샘앞트만은 OpenAI의 창업자이자 경영인의 역활을 수행하면서 ChatGPT를 성공적으로 오픈하였고, 대외적으로 상당한 금액의 투자를 이끌어내는데 성공한 능력있는 경영자이다.

하지만, 다른 한편으로는 AI규제의 필요성을 강조하는 부분이 있었다고 한다. 특히 가짜뉴스와 선거부분에서의 걱정에 대해서 미국정부가 모델개발을 위한 라이센스나 테스트 도입을 하는 방안을 고려해야 한다고 주장했다고 한다.

이러한 주장은 안정성과 윤리를 위해 OpenAI를 설립한 초기 취지에 부합한다는 옹호의견도 있지만, 다른 한편으로는 기술우위를 통한 후발주자의 견제를 의미하기도 한다.

샘알트만이 어떠한 모습을 취하였건, 그는 매우 공격적인 경영을 하였고, 이러한 그의 모습이 OpenAI의 근본적인 부분을 훼손했다고 이사진들이 판단했을 수 있다.

인공지능에 대한 양날의 검에 대해서 경영자가 선의적인 모습을 갖기는 힘들만큼 OpenAI는 빠르게 성장했고, 이에 대해서 그가 회사내부에 주는 시그널이 혼선이 있었을 것이고, 이에 따라 이사진들은 그를 신뢰하지 않고, 오히려 CTO에게 임시대표자리를 넘겼다는 것으로 봐서는 OpenAI의 근본취지를 이사진들이 더 따랐을 수도 있다.

MS외 기타 다른 외부 세력들이 샘알트만의 복귀를 위해서 애쓴다고 했을때, 그의 복귀가 가능할지는 모르지만, 다시 복귀한다면 OpenAI는 좀 더 과격하게 서비스를 확장해 나갈것이고, 이는 AI시장에 그렇게 좋은 시그널이 아닐 수 있을지도 모른다.

Docker run 옵션 및 활용

IT Playboy — Thu, 24 Nov 2022 12:24:40 +0900

Docker run 명령어를 정리합니다.

일반적으로 docker 이미지를 만들었다면 다음과 같이 실행하게 됩니다.

docker run <옵션> <이미지> <명령> <매개변수>

다음과 같은 형태로 만들어지게 됩니다.

docker run -it -p 8080:80 --nmae mydockerimg

여기서 사용되는 다양한 옵션들에 대해서 정리해보면 다음과 같습니다.

-i, --interactive
- 표준 입력(stdin)을 활성화하며, 컨테이너와 연결(attach)되어 있지 않더라도 표준 입력을 유지합니다.
- 보통 이 옵션을 사용하여 Bash 에 명령을 입력합니다.
-t, --tty
- TTY 모드(pseudo-TTY)를 사용합니다.
- Bash를 사용하려면 이 옵션을 설정해야 합니다.
- 이 옵션을 설정하지 않으면 명령을 입력할 수는 있지만, 셸이 표시되지 않습니다.
--name
- 컨테이너 이름을 설정합니다. 사용할 이름과 표시할 이름을 설정할 수 있습니다.
-d, --detach
- Detached 모드입니다.
- 보통 데몬 모드라고 부르며, 컨테이너가 백그라운드로 실행됩니다.
-p, --publish
- 호스트와 컨테이너의 포트를 연결합니다. (포트포워딩)
- <호스트 포트>:<컨테이너 포트>
  - -p 80:80
--privileged
- 컨테이너 안에서 호스트의 리눅스 커널 기능(Capability)을 모두 사용합니다.
- 호스트의 주요 자원에 접근할 수 있습니다.
--rm
- 프로세스 종료시 컨테이너 자동 제거
--restart
- 컨테이너 종료 시, 재시작 정책을 설정합니다.
  - --restart="always"
-v, --volume
- 데이터 볼륨을 설정입니다.
- 호스트와 컨테이너의 디렉토리를 연결하여, 파일을 컨테이너에 저장하지 않고 호스트에 바로 저장합니다. (마운트)
-u, --user
- 컨테이너가 실행될 리눅스 사용자 계정 이름 또는 UID를 설정합니다.
  - --user root
-e, --env
- 컨테이너 내에서 사용할 환경 변수를 설정합니다.
- 보통 설정 값이나 비밀번호를 전달할 때 사용합니다.
  - -e GRANT_SUDO=yes
--link
- 컨테이너끼리 연결합니다.
- [컨테이너명 : 별칭]
  - --link="db:db"
-h, --hostname
- 컨테이너의 호스트 이름을 설정합니다.
-w, --workdir
- 컨테이너 안의 프로세스가 실행될 디렉터리를 설정합니다.
-a, --attach
- 컨테이너에 표준 입력(stdin), 표준 출력(stdout), 표준 에러(stderr) 를 연결합니다.
-c, --cpu-shares
- CPU 자원 분배 설정입니다.
- 기본 값은 1024이며, 각 값은 상대적으로 적용됩니다.
-m, --memory
- 메모리 한계를 설정합니다.
- <숫자><단위> 형식이며 단위는 b, k, m, g 를 사용할 수 있습니다
  - --memory=”100000b”
--gpus
- 컨테이너에서 호스트의 NVIDIA GPU 를 사용할 수 있도록 설정합니다.
  - 호스트는 NVIDIA GPU 가 장착 된 Linux 서버여야하며,
  - NVIDIA driver 가 설치되어 있어야하고,
  - docker 19.03.5 버전 이상이어야합니다.
- GPU 모두 사용하기
  - --gpus all
- GPU 지정해서 사용하기
  - --gpus ‘”device=0,1”’
--security-opt
- SELinux, AppArmor 옵션을 설정합니다.
  - --security-opt=”label:level:TopSecret”

참조한 사이트는 다음과 같습니다.

도커의 동작 시각화 자료

디지털패션산업 전환의 걸림돌-1

IT Playboy — Sun, 21 Aug 2022 23:54:32 +0900

제목 : 정보격차에 따른 패션산업의 불명확성

이 컬럼은 종달랩 회사를 운영하면서 회사가 목표한 패션산업의 디지털화를 위한 기술개발, 사업화 및 이를 위한 산업생태계에서 겪은 내용들을 기반으로 패션산업의 디지털화 전환의 걸림돌에 대한 내용을 정리한 것입니다. 최대한 객관적으로 내용을 정리해서 다른 모든 사람들이 패션산업의 혁신을 같이 만들어 내기를 원하는 마음에 스스로 기고합니다. 2022.8.21

패션산업은 매우 오랜 전통을 갖고 있다. 학문적인 접근이 아니더라도, 6.25전쟁을 겪으면서 산업화를 위한 다양한 노력들 중에 가발산업, 봉제산업은 우리나라를 빠르게 산업화하고 국가를 세워나가는데 큰 몫을 한것은 배워서 알고 있다.

이러한 패션산업은 다양한 학문적 가치를 갖고 충분히 발전해 왔으며, 원사, 원단등의 대량의 자본과 노동력이 들어가는 분야에서 혁혁한 성과를 만들어 냈다. 이를 위해서는 정부의 지원이 필요했고, 이러한 산업을 통해서 방직공장기반의 대기업들이 하나둘 생겨나기 시작하였다.

원사, 원단을 바탕으로 우리는 외주용역기반의 옷을 만들기 시작했고, 다시 패션을 응용(카피가 더 정확할것 같지만)하여 자체 패션을 만들어 내기 시작하였다. 대량소품종의 제품에서 소량 다품종 시장이 형성될때까지 이 시장에서는 다양한 브랜드가 만들어 졌고, 이들또한 대기업으로 빠르게 성장하였다.

원사(원단) 및 완제품의 유통시장은 대기업으로 빠르게 성장하는 기업들이 만들어 졌지만, 그 안에서 다양한 패션제품을 디자인, 기획, 생산하는 분야에서는 유독 크게 성장하는 기업들이 많지 않다는 것이 특징이다. 우리가 기억하는 전태일열사는 이러한 시장쪽에 종사하고 있었고(봉제시장) 이는 매우 열악했었음을 알 수 있다.

내가 어릴때, 온양-천안 사이에 동방방직(?)이 있었고, 여기서는 중,고등학교를 가르치면서 밤에는 봉제(미싱)를 병행했던 곳으로 기억한다. 단순 대량의 봉제시절까지는 대기업들이 참여하고 있지만, 패션트렌드가 바뀌면서 대기업들은 해외로 공장을 돌리기 시작했고, 국내의 소량다품종은 중소공장들이 그 위상을 차지하기 시작했다.

원단의 생산에서 봉제공장까지 들어가는 그 과정에도 역시 중소기업들이 참여하게 된다. 다양한 시장의 니즈를 일반 대기업들은 대응할 수 없었고, 이를 중간 유통업자들이 전문적으로 대응하면서, 원단공장은 도매(에이전시)를 고객으로 자연스럽게 받아들이게 되고, 도매가 일반 디자이너를 상대하는 구조가 형성이 되기 시작했다.

이는 개인적으로 매우 매력적인 시장일 수 있다. 도매는 대기업단위로 클 필요가 없다. 생각보다 진입장벽이 낮기 때문이다. 조금만 사장님이 일하는것을 알게 되면, 거래처만 들고 나와도 바로 사업을 할 수 있기 때문이다. 그러다 보니, 개인적인 부를 키우는 사람들은 늘어났지만, 이를 기업화 하는 형태를 취하지는 않게 되었다.

이러한 폐쇠적이지만, 밀집이 필요한 시장의 특성을 잘 반영한 것이 동대문 종합시장과 주변의 도,소매 시장이다. 이들은 커다란 유통밀집구역을 형성하고 있고, 그 안에서 매우 내밀한 네트워크를 통해서 시장을 빠르게 움직이고 있었다. 하지만, 그 네트워크는 폐쇄적이고, 일반인들이게는 공유가 되지 않는 것이 특징이다. 이러한 특징으로 원단유통은 매우 복잡한 형태를 띄게 되고, 구매자도, 공급자도 그 안에서 나름의 유통망을 형성하는것을 그들만의 노하우라고 생각하게 되었다.

원단시장과 마찬가지로 부자재 시장 또한 그러한 시장의 흐름을 그대로 따라갔다. 그로 인해 형성된 또다른 시장이 평화시장, 동화상가이다. 부자재는 원단과 달리 대기업이 관여하지 않는다는 특징이 있다. 부자재의 특성상, 언제든지 대체가능하고 그 응용성이 높다 보니 대기업들이 그 시장을 따라가는것이 거의 불가능하기 때문이다. 이러한 시장은 처음부터 중소기업들이 시장을 형성하였고, 그로 인해서 더 밀접한 거래네트워크가 형성이 되었고, 시장에서 매우 밀접하게 대응할 수 있게 되었다.

하지만, 시장은 소량다품종으로 바뀌게 되고, 사람들의 온라인을 통한 거래가 활성화 되면서, 시장의 파이가 점점 세분화되기 시작하였다. 시장의 크기가 줄어들었다고 보기는 힘들지만, 세분화 되면서 본인들이 대응해야 할 것들이 많아짐을 시장에서는 느끼게 되었을 것이다. 이것은 업무, 재고관리의 효율성을 필연적으로 부르게 되어있다.

또한, 동대문이 거대화되면서 - 기존에는 원하는 원단, 부자재를 찾는것이 그렇게 큰일이 되지 않았지만 - 지금은 2만개 이상의 매장을 뒤지고, 가격을 비교하고, 성실한 업체를 선별하고, 납품을 체크하고 하는 것이 매우 큰 일이 되어버렸다. 이 또한 커뮤니티의 속도, 신뢰의 속도, 가격의 확인등과 같은 추가적인 업무를 요구하게 되었고, 그러한 흐름에 시장도 빠르게 반응하기는 하였다. 하지만, 시장사람들이 간과하고 있는 것이 그들의 사업환경과 시장의 트랜드 변화의 속도감과 요구사항이 너무 다르다는 것이다.

앙드레김 선생님의 타계는 기존의 디자이너의 시대가 저물고 새로운 형태의 디자이너들의 등장을 암시한다고 말하고 싶다. 즉, 전통적인 방식의 채널을 이용하여 권위와 인적네트워크를 통한 디자인 시장은, 스마트폰과 인터넷을 통해서 다양한 방식으로 재생산되고, 재가공되고 있었던 것이다. 이러한 트랜드는 더이상 대량생산, 고가의 옷이 아닌 개성적이고, 빠르게 소화될 수 있는 시장으로의 변화가 온것이였다. 홈쇼핑이 아닌 이제는 개인스트림, 유튜브, 무신사, 브랜디 같은 검색중심의 정보를 통한 맞춤형태로 디자인이 소비가 될 수 있게 되었다. 예전에는 백화점, 아울렛을 돌아다니면서 충동구매를 했다면, 이제는 스마트폰이 나에게 추천해주는(임의로 뿌려줄수도 있다.) 옷들을 보면서 좀 더 치밀한 충동구매를 유도해내고 있다.

그런 환경은 디자이너들의 생산환경의 변화를 끌어낼 수 있는 계기가 되었다. 디자이너들은 다양한 육성 프로그램을 통해서 육성되고, 동대문매장을 통한 오픈이 아닌 아마존, 알리와 같은 글로벌 매장으로의 오픈을 준비하고 있다. 이들은, 동대문의 정보를 취득하는데도 거부감이 없지만, 온라인을 통한 구매와 생산대행에도 역시 거부감이 없다. 오히려 양쪽에 대한 비교선택이 가능할 수 있다. 면대면 접촉대신 일정비용을 지불하더라도 온라인으로의 주문결제가 이들한테는 더 편리하다고 판단하고 있다. 시간비용을 통한 이익계산이 빠르기 때문이다.

소량생산을 통한 시장진입 -> 다품종을 생산을 통한 시장의 니즈파악 -> 시장반응을 보고 생산을 하는 온디멘드 생산 -> 풀필먼트를 통한 재고/배송의 문제 해결 -> 브랜딩을 통한 대량생산의 해외시장과 연계....

기존에는 에이전시라고 하는 사람들을 통해서 진행했어야만 했던 일들이, 이제는 다양한 온라인 플랫폼, 서비스를 내세우는 서비스들을 이용해서 어느정도 충족이 가능해졌다. 또한, TV, 홈쇼핑이 아닌 라이브방송, 유튜브, 합방, 페이스북, 인스타그램, 도소매플랫폼을 통해 마음만 먹으면 적은 비용과 시간으로 예전 오프라인보다 더 많은 매출을 만들어 낼 수 있다는 것을 알게 되었다.

이런 변화를 직감하는 기존 원부자재 도소매시장 상인들은 변화의 맞추기 위한 노력을 안하는 것은 아니다. 하지만, 오프라인을 지속하고 있는 이상, 온라인에 집중을 못할 수 밖에 없는 구조이다. 매장손님을 상대하는게, 당장의 수익이 되고, 미래의 수익을 예측하기에는 현실이 좁고 답답하기 때문이다.

그래서, 결국 이들은 정보의 간극을 이용하게 되고, 예전 용산에서 듣던 "얼마까지 알아봤어", "잘 몰라서 그런데, 이건 내가 가르켜줄께." 이런 멘트를 이용해서 고객들에게 단순명료한 정보공유를 하지 않게 되었다. 사실, 이분들도 어느것이 정확한 정보인지 알지 못한다. 내가 이걸 얼마에 팔아야 이문일까 보다는, 이 손님을 내가 어떻게 단골로 만들지에 몰입되서, 손님과 딜을 하게 되는 것이다.

손님과의 딜을 통해서 신뢰를 주고, 다시 고객이 본인을 찾게 하는 것은 좋은 장사전술이지만, 이제는 그 고객은 온라인/오프라인을 비교하면서 내가 편하게 주문할 수 있는 곳을 선택하게 된다. 온라인의 이탈자들은 항상 생길 수 밖에 없고, 이러한 이탈은 오프라인을 더더욱 정보격차를 만들어 낼 수 밖에 없는 위기감을 조성하고 있다.

정해지지 않는 상품의 가격, 재고가 파악되지 않는 현실, 상품의 DB화를 하기에는 기존 레거시처리비용이 높은 구조, 불명확한 책임소재와 증빙의 빈곤은 기존 오프라인 시장을 지탱하는 안타깝지만, 슬픈 현실이기도 하다.

Free NAS : 남아도는 컴퓨터리소스 응용 - OS 선정

IT Playboy — Sun, 21 Aug 2022 23:06:33 +0900

회사를 운영하다 보면 회사의 남는 리소스, 그중에 가장 아까운것들이 컴퓨터와 HDD/SSD등이다.

누군가 퇴사를 하게 되면, 그 컴퓨터를 다른 신입에게 주기에는 이미 시기가 많이 지나서 할당해주기도 그렇고,

그렇다고 이게 못쓸만큼 오래되지도 않았고..

재고에서 없애버리기에도 아깝고, 그렇다고 안버리기에는 쓸사람도 없고..

컴터에 환장한 친구들이 있으면 그들을 위한 장난감으로 던져주면 좋아라 할텐데,

딱히 그런 오타쿠스러운 친구들도 별로 없을때는 정말 아깝다.

당근마켓에 던지기에도 안타까운 이것들을 어떻게 하면 효율적으로 활용할까 생각하던 과정에,

일부 컴퓨터들의 리소스를 모아서 NAS를 만들면 어떨까 생각이 들었다.

일반 NAS를 구매하기에는 매우 가격이 비싸지만, 케이스만 대충 그럴싸한걸 구매하던지,

아니면 기존 케이스에서 HDD/SDD들만 잘 고정시킬 수 있으면 가능할 것 같았다.

이것 저것 자료를 조사해본 결과 다음과 같은 순서대로 만들어 보기로 하였다.

1. NAS OS 및 환경 설정

2. 회사의 리소스 수집

3. 설치하고, 회사내트워크에서 운영

4. 외부에서 접속할 수 있도록 설정 및 운영

5. 업무의 효율성 득실계산

우선은, OS는 여러가지를 선택할 수 있었다.

TrueNAS : FreeNAS에서 시작하여 가장 많이 쓰는것으로 파악되는 NAS OS

헤놀로지 : 시놀로지 정품에서 파생된 정식은 아닌것으로 확인되는 NAS OS

XigmaNAS : Open Source기반의 Storage NAS로 FreeBSD기반이 특징이다.

OpenMediaVault : Debian Linux에 기반한 NAS 이다. 다양한 네트워크 서비스를 제공하는것이 특징이다.

OpenFiler : x86_64시스템을 완전한 NAS로 바꿔주는 기능을 제공한다고 한다. 리눅스 커널기반 서비스이다.

Rockstor : Linux 및 BTRFS기반 NAS OS. SMB(Small and Midsize Business)클라우드 서버를 구축할 수 있다.

PetaSAN : Open Source Scale-Out SAN 솔루션으로 대규모 스케일관리와 높은 성능을 제공한다. 노드관리를 통해서 확장성과 운영성을 제공하는것이 특징이다.

ESOS (Enterprise Storage OS) : SCST프로젝트에 기반한 기업용 Storage OS로 분산리눅스를 기초하고 있다.

CryptoNAS : CryptoNAS 프로젝트는 데이터 암호화를 대중화하기 위해 시작되었다. CryptoNAS live-CD는 복잡한 없이 데이터를 암호화하기 위해 만들어졌다고 보면 될것 같다. 단, 해당 프로젝트는 비트코인화되면서 맛이 좀 간듯 하다.(일본어로 비트코인관련 정보만 뜨네요)

일부 자료들을 찾아보면 USB에 OS를 설치하고 USB로 부팅하는것도 볼 수 있다.

개인적으로 USB로 부팅하고, 나머지 스토리지를 모두 NAS에 할당하는것도 나쁘지는 않을 것 같다.

위 자료들을 통한 조사 결과는 TrueNAS로 설치, OpenMediaVault를 통한 설치를 가장 유력하게 생각한다.

그래도 자료를 가장 많이 찾을 수 있고, 리눅스 기반이라는 것이 운영관리에 최적화될것 같다.

다음에는 회사의 어떤 리소스들을 긁어모을 것인지를 사진과 함께 정리해보자.

카카오톡, 페이스북, 구글 간편로그인 오류문제중 인증서부분

IT Playboy — Fri, 12 Aug 2022 19:22:09 +0900

디버그 모드에서는 대부분 SSO 로그인의 구현과 테스트가 쉽다.

하지만, 릴리즈로 바꾸는 과정에서는 새로이 인증키도 만들어야 되고, 이것으로 인증도 해야 하고, SSO 사이트에 들어가서 등록 및 키해쉬, SHA-1을 등록도 해야 한다.

이렇게 개발PC에서 등록한 것으로 완벽하게 테스트 마치고 앱스토어에 올렸는데, SSO오류가 나거나 앱이 그냥 뻗어버리는 경우가 발생할 수 있다.

카카오톡, 구글에서의 오류메시지를 실시간으로 출력해본 결과 인증이 잘못되었다고 나오는 것이다.

분명히 나는 제대로된 인증서로 제대로 키해쉬, SHA-1을 입력했는데...

만일 내가 구글플레이스토어에서 앱무결성관련 설정을 건드린적이 있다면, 이부분을 의심해야 한다.

구글에서는 내가 만든 앱이라도 이 인증서를 이용해서 다시 인증을 하는 작업을 하게 되는것이다.

그로인해서 인증에 따른 MD5, SHA-1, SHA-256의 값이 변경이 되어버린채 등록이 된다.

그래서 내가 PC에 생성한 인증서관련 값들이 먹히지 않게 된다.

내가 설정한 앱에서 대충 여기까지 따라오시고, 앱서명탭을 누르면 오호라.. 구글이 비밀스럽게 사용하는 인증서 정보가 있다.

우리는 여기서 값들을 이용하기면 하면 된다.

만일 키해쉬를 추출해야 한다면,

echo <SHA-1 인증서 지문> | xxd -r -p | openssl base64

이렇게 해서 해쉬값을 변환할 수 있다.

iOS 화면전환 및 데이터 전송방식(동기 방식)

IT Playboy — Thu, 4 Aug 2022 06:26:36 +0900

동기방식에서 데이터를 주고 받는 방식은 생각보다 직관적입니다.

Android나 일반적인 프로그램에서는 데이터를 함수를 통해서 전달하는 경우가 많습니다. 이동하려는 개체를 생성하고, 이곳에 전달할 데이터개체를 생성해서 초기값으로 넣어주고, 이동하려는 개체를 호출하는 그런 방식이 조금 일반적입니다.

하지만, iOS는 이부분에서 조금 더 직관적인 부분이 있습니다.

이제 아래 예를 통해서 해당 방식을 고민해봅시다.

왼쪽 ViewController는 오른쪽 ViewController에 값을 전달할거고, 오른쪽에 ViewController는 값을 전달받아서 표시하고, 수정할것입니다. 수정된 내용은 다시 왼쪽의 ViewController로 보내는 그런 순환방식입니다.

왼쪽에서 오른쪽으로 데이터를 보내고, 역시 오른쪽에서 왼쪽으로 보내는걸 상상합시다.

일단, 왼쪽에 VC를 보면 "입력되지 않았습니다."라고 표시된 3개의 값들이 있는데, 처음에는 아무런 값도 없다고 가정해봅시다.

먼저 중요하게 봐야 할 부분이 어느시점에 화면에 데이터값을 표시할것인가 입니다. 우선 코드를 먼저 봅시다.

class RegisterController: UIViewController {
  @IBOutlet var resultEmail: UILabel!
  @IBOutlet var resultUpdate: UILabel!
  @IBOutlet var resultInterval: UILabel!
  
  var paramEmail: String? = ""
  var paramUpdate: Bool? = true
  var paramInterval: Double? = 0
  
  override func viewWillAppear(_ animated: Bool){
    if let email = paramEmail{
      resultEmail.text = email
    }
    
    if let update = paramUpdate{
      resultUpdate.text = update == true ? "AutoUpdate":"No Auto"
    }
    
    if let interval = paramInterval{
      resultInterval.text = "\(Int(interval))"
    }
  }
  
  @IBAction func close(_ sender: Any){
    self.presentingViewController?.dismiss(animated: true)
  }
  
  @IBAction func showRegister(_ sender: Any){
    let uvc = self.storyboard!.instantiateViewController(withIdentifier: "FormVC")
    
    guard let vc = uvc as? FormController else {
      return
    }
    
    vc.paramEmail = self.paramEmail!
    vc.paramUpdate = self.paramUpdate!
    vc.paramInterval = self.paramInterval!
    
    uvc.modalTransitionStyle = UIModalTransitionStyle.coverVertical
    uvc.modalPresentationStyle = .fullScreen
    self.presnet(uvc, animated: true)
  }

코드를 보면 화면전환을 present형태로 하는 것을 확인할 수 있습니다. 만일 우리가 화면전환을 NavigationController로 한다면 마지막 코드를 다음과 같이 전환하면 됩니다.

 //self.present(rvc, animate: true)
 self.navigationController?.pushViewController(rvc, animated: true)

중요한 것은 3가지 입니다.

- 변수의 정의

- viewWillAppear()에서 화면갱신시 이전 ViewController로부터 전달받은 값으로 화면 갱신

- showRegister() 함수에서 이동할 개체를 확인한 후 해당 개체안에 정의된 변수에 직접 값을 입력

내용이 그렇게 어렵지 않으므로 설명은 생략하고, 나머지 ViewController의 코드를 살펴보겠습니다.

class FormController : UIViewController{
  @IBOutlet weak var email: UITextField!
  @IBOutlet weak var update: UILabel!
  @IBOutlet weak var interval: UILabel!
  
  @IBOutlet weak var isUpdate: UIswitch!
  @IBOutlet weak var ControlInterval: UIStepper!
  
  var paramEmail: String = ""
  var paramUpdate: Bool = false
  var paramInterval: Double = 0
  
  override func viewDidLoad(){
    self.email.text = paramEmail
    self.update.text = paramUpdate == true ? "Auto Update":"No Auto"
    self.isUpdate.setOn(paramUpdate, animated: true)
    self.interval.text = "\(Int(paramInterfal))"
  }
  
  @IBAction func onSwitch(_ sender: UISwitch){
    if sender.isOn == true{
      self.update.text = "Auto Update"
    } else {
      self.update.text = "No Auto"
    }
  }
  
  @IBAction func onStepper(_ sender: UIStepper){
    let value = Int(sender.value)
    self.interval.text = "\(value)"
  }
  
  @IBAction func onSubmit(_ sender: Any){
    let preVC = self.presentingViewController
    
    guard let vc = preVC as? RegisterController else {
      return
    }
    
    vc.paramEmail = self.email.text
    vc.paramUpdate = self.isUpdate.isOn
    vc.paramInterval = self.ControlInterval.value
    
    self.presentingViewController?.dismiss(animated: true)
  }
}

여기서도 주의깊게 볼 부분은 다음과 같습니다.

- 변수의 정의

- viewDidLoad()에서 외부로부터 전달받은 값으로 화면을 구성

- onSubmit() 함수에서 되돌아갈 ViewController를 그에 맞는 class로 형변환후 변수를 저장

여기서도 present에 대응하는 코드로 작성되었지만, NavigationController를 이용했다면 다음 함수만 변경해주면 됩니다.

 //self.presentingViewController?.dismiss(animated: true)
 self.navigationController?.popViewController(animated: true)

마지막으로 Segue를 통한 화면전환시의 데이터전달만 마지막으로 정리해봅시다.

모든 코드에서는 이동할 또는 돌아갈 ViewController를 미리 인지하고 그에 맞게 class를 변환해서 데이터를 넣어주었습니다. 그런데, Segue는 그런 과정이 없습니다. Segue를 통한 이동시에는 해당 Segue를 identifier를 통해서 호출하기만 했습니다. 그러면 데이터를 넣어주는 시점이 언제일까?

- prepare()를 통해서 segue를 통한 이동/반환시에 해당 목적지를 구분해서 데이터를 넣어줍니다.

@IBAction func onPerformSegue(_ sender: Any){
  self.performSegue(withIdentifier: "ManualSubmit", sender:self)
}

override func prepare(for segue: UIStoryboardSegue, sender: Any?){
  let dest = segue.destination
  guard let vc = dest as? ResultViewController else {
    return
  }
  
  rvc.paramEmail = self.email.text!
  rvc.paramUpdate = self.isUpdate.isOn
  rvc.paramInterval = self.interval.value
}

prepare함수를 오버라이드해서 그 시점에 이동할 ViewController를 확인하고 데이터를 넣어주면 됩니다. Action Segue일때도 해당 함수를 통해서 데이터를 넣어주면 됩니다.

iOS 화면전환 및 데이터 전송방식(비동기 방식)

IT Playboy — Thu, 4 Aug 2022 05:34:40 +0900

화면전환시 데이터를 주고받는 방식은 동기식, 비동기식으로 나눌 수 있습니다.

비동기식은 별도의 저장소를 두고 그곳에 데이터를 저장하고, 상호 데이터를 조회하는 방식입니다.

갑을 주고받는다기 보다는 글로벌한 곳에 데이터를 두고 상호참조하는 방식으로 이해하면 됩니다.

그러면 어디에 데이터를 저장하고 읽고, 쓰기를 진행하면 될까요.

1. AppDelegate를 이용한 접근

Swift의 모든 개체가 다 접근할 수 있는 AppDelegate class가 적합합니다.

@UIApplicationMain
class AppDelegate: UIResponder, UIApplicationDelegate {
  var window: UIWindow?
  
  var paramEmail: String?
  var paramUpdate: Bool?
  var param.....

여기에 변수를 정의합니다.

그러면 해당 데이터는 어떻게 접근할까요?

@IBAction func onSubmit(_ sender: Any){
  let ad = UIApplication.shared.delegate as? AppDelegate
  
  ad?.paramEmail = self.email.text
  ..

다음과 같이 UIAppliation에 접근해서 데이터를 바로 읽고, 쓰면 됩니다.

2. UserDefaults 객체를 이용한 방법

iOS에는 코코아 터치 프레임워크가 있습니다. iOS의 전통적인 프레임워크이고 swift에서도 사용이 가능합니다. 이 개체의 장점은 앱을 삭제하기 전까지는 반영구적으로 사용이 가능하다는 것입니다.

내부적으로 plist파일을 이용하여 값을 저장관리합니다. 기존에는 UserDefaults객체에 NSData, NSString, NSNumber와 같이 코코아 프레임워크에서 사용하는 데이타타입만 저장이 가능하지만, Swift에서는 기본 데이터타입도 저장관리가 가능해진 부분이 있습니다.

데이터에 읽고 쓰는 코드만으로 설명은 줄여도 될것 같습니다.

@IBAction func onSubmit(_ sender: Any){
  let ud = UserDefaults.standard
  
  ud.set(self.email.text, forKey: "email")
  ud.set(self.isUpdate.isOn, forKey: "isUpdate")
  ud.set(self.interval.value, forKey: "interval")
  
  self.presentingViewController?.dismiss(animated: true)
}

이 코드는 UserDefault에 데이터를 저장하게 됩니다.

overide func viewWillAppear(_ animated: Boole){
  let ud = UserDefaults.standard
  
  if let email = ud.string(forKey: "email") {
    resultEmail.text = email
  }
  
  let update = ud.bool(forKey: "isUpdate")
  resultUpdate.text = (update == true ? "Auto Update":"No Auto")
  
  let interval = ud.double(forKey: "interval")
  resultInterval.text = "\(Int(interval))"
}

iOS 화면전환 및 데이터 전송정리(Segue를 이용한 전환)

IT Playboy — Wed, 3 Aug 2022 20:28:10 +0900

4. Segue

Segue는 화면간의 연결을 표시하는 링크와 같다고 저는 이해했습니다. 그것의 이름이 Segue고요.

No Coding환경에서 Segue는 굳이 이름이 없어도 되는 경우가 많습니다. 하지만, 이건 기존 개발자들에게는 매우 불안한 요소입니다. 왜 불안하냐면.. 그냥 이름이 없으니까요.

코딩없이 우리가 Segue를 이용한것을 "Action Segue"라고 합니다. 버튼, 테이블 셀의 이벤트 트리거에 자동으로 연결이 되기 때문입니다.

Action Seguq라고 이름이 나옵니다. 오른쪽 마우스버튼으로 호출되는 메뉴입니다.

이건 굳이 우리가 프로그래밍 하지 않아도 되고, Storyboard를 통해서 직관적(?)으로 알 수 있습니다.

사실 직관적이지는 않죠. 화면이 많으면 더더욱.. 하지만 코딩을 하지 않는것이 어디입니까.

이것말고 우리는 프로그램으로 제어하는 방법을 알려드리고자 합니다. 이걸 "Manual Segue"라고 합니다.

Action Segue는 버튼과 같은 컨트롤과 ViewController간의 관계입니다. 그렇기 때문에 해당 버튼의 동작과 연결시킬 수 있었습니다. 하지만, Manual Segue는 ViewController간의 관계를 정의해주고 이름을 명명해줘야 합니다. 역시 그림으로 설명합니다.

Manual Segue는 다음과 같이 생성합니다.

Action Segue는 다음과 같이 컨트롤과 Segue를 하일라이트 합니다.

Manual Segue는 ViewController를 전체로 표시합니다.

이제 우리는 Segue의 이름을 정해줘야 합니다.

Seguq의 이름은 Identifier에 넣으면 됩니다.

이제 버튼을 누르면 Segue를 통해서 화면전환하는 코드를 작성합니다. 이때 사용하는 함수와 예제 코드는 다음과 같습니다.

@IBAction func wind(_ send: Any){
  self.performSegue(withIdentifier:"ManualWind", sender:self)
}

여기서 함수 이름을 왜 wind라고 졌을까요. 지금까지 작명과는 다른데 말이죠.

화면전환하는 것을 iOS에서는 wind된다고 합니다. 그럼 그 반대는 unwind이겠죠..

여기서 재미있는것은 unwind되는 시점을 각각의 ViewController안에 작성해야 한다는 것입니다. 그래야 우리는 unwind되는 곳의 함수를 불러서 그쪽으로 이동하게 됩니다.

@IBAction func wind(_ send: Any){
  self.performSegue(withIdentifier:"ManualWind", sender:self)
}

@IBAction func unwindToVC(_ segue: UIStoryboardSegue){}

위 코드뭉치를 보면 wind를 통해서 해당 segue와 연결된 ViewController로 이동을 하게 됩니다. 그런데 복귀되는 함수도 같이 있습니다. 즉, 이 함수를 통해서 우리는 현재의 ViewController로 돌아오게 됩니다.

unwindToVC는 오른쪽 ViewController의 상단 "Exit"버튼과 연결됩니다.

ViewController에는 항상 위에 3개의 버튼이 있습니다. 그중에 가장 마지막에 "Exit"가 이런 unwind함수들과 연결이 됩니다.

unwind함수를 만드는것은 간단합니다. 함수 parameter에 (_ segue: UIStoryboardSegue) 만 정의하면됩니다. 그러면 swift가 전체 코드에서 다음과같은 parameter가 있는 함수들 리스트를 보여주고, 우리는 돌아갈 ViewController의 unwind함수만 선택하면 됩니다.

위에 그림을 보면 왼쪽에 Exit 바로 밑에 unwind가 있는것을 볼 수 있습니다.

버튼을 Exit와 연결시킵니다.

unwind함수들 즉 함수 parameter가 (_ segue: UIStorygoardSeguq) 인 함수리스트를 보여줍니다.

물론 전에 unwind함수를 표시하므로 내가 가야할 곳의 ViewController의 함수를 잘 선택해야 합니다.

휴.. 지금까지 속성으로 화면전환을 정리했습니다.

기존 개발자는 화면 컨트롤만으로 동작하는게 너무 힘들었습니다. 하지만, 익숙해지면 되는문제였습니다. 다만, 한번에 코드안에서 파악이 안된다는것은 아직도 생소합니다.

화면전환은 총 3가지 입니다.

- present(_, animated:) <-> presentingViewController.dismiss()

- navigationController.pushViewController() <-> navigationController.popViewController()

- performSegue(withIdentifier:,sender:) <-> unwind 함수

다음에는 화면전환시 데이터를 어떻게 주고 받는지를 정리합니다.

iOS 화면전환 및 데이터 전송정리(Navigation controller)

IT Playboy — Wed, 3 Aug 2022 19:58:19 +0900

3. 네비게이션 컨트롤러 (Navigation Controller)

네비게이션 컨트롤러는 다양한 페이지들이 서로 연관이 있다면 호출하고 다시 되돌아오는데 기본적인 편리성을 제공하는 View Controller입니다.

기존에 present는 화면전화 및 복귀를 내가 직접 코딩해야 했고, 복귀할때 적어도 1개의 버튼을 만들어야 했지만, Navigation Controller는 이러한 부분을 자동화 해준다고 보면됩니다.

기존 오래된 개발자 입장에서는 이 부분을 어떻게 이해해야 하나 고민했지만, 역시 오래보면 익숙해진다고, 그냥 익숙해지면 됩니다.

Navigation Controller를 만들기 위해서는 처음부터 Navigation Controller를 화면에 추가하거나, 기존의 ViewController에 Navigation Controller를 embed시키면 됩니다. 말로 풀어쓰면 어렵고, 화면을 보고 설명합시다.

Library입니다.

Library에서 Navigation Controller를 추가합니다. 이러면 다음과 같이

Library에서 Navigation Controller를 선택

화면에 2개의 View Controller가 표시가 됩니다.

표시가 됩니다. 기본적으로 Table View Controller가 추가가 됩니다. 여기서 Table View Controller안에 컨트롤을 삭제하고 마치 새것처럼 작업해도 됩니다.

저는 이 방법보다는 기존에 사용하던 View Controller가 있다면, 거기에 Navigation Controller를 추가하는게 더 맘에 편합니다. 이 방법은

ViewController를 선택하고 메뉴에서 다음과 같은 기능을 선택합니다.

그림에 자세히 설명이 되어있습니다. View Controller를 선택하고, Editor/Embed In/Navigation Controller를 선택하면 됩니다.

Navigation Controller 와 연결된 View Controller들은 Navigation Item이 자동으로 생성되고, 뒤로가기가 자동으로 생성됩니다.

그렇습니다. 이렇게 자동으로 뒤로가기가 생성이 됩니다. 물론 Navigation Controller와 연결을 시켜야 하지만요.

연결시키는 방법은 오른쪽 마우스 버튼으로 연결시키면 됩니다.

연결여부는 여기를 통해서 확인됩니다. Show 형태로 되었습니다. 이건 뭘 의미할까요.

사실 이러한 연결은 No coding형태입니다. Present에서도 이야기 드렸듯이 코딩으로 또는 No coding으로 구현이 가능합니다.

위에 마우스가 아닌 버튼에 함수를 설정하면 다음과 같을 것입니다.

@IBAction func moveByNavy(_ sender: Any){
  guard let uvc = self.storyboard?.instantiaterViewController(withIdentifier: "SecondVC") else{
    return
  }
  
  self.navigationController?.pushViewController(uvc, animated: true)
}

navigationController의 pushViewController(_, animated:)를 이용한것입니다. 그래서 Show(e.g. Push)로 표시가 되는 것입니다.

뒤로가기 위해서는 자동으로 뒤로가는 버튼이 생성이 됩니다. 물론 이것도 우리는 코딩으로 처리할 수 있습니다.

@IBAction func back(_ sender: Any){
  self.navigationController?.popViewController(animated: true)
}

여기서 조심해야 할것은 NavigationController를 이용하게 되면 우리 의지와는 상관없이 NavigationItem이 추가로 생성되고, 왼쪽에 뒤로가기 버튼이 자동으로 생성된다는 것입니다. UI충돌을 막기 위해서는 View Controller의 왼쪽상단에 Navigation Item이 생성되는것을 고려한 UI디자인이 필요합니다.

iOS 화면전환 및 데이터 전송정리(present without coding)

IT Playboy — Wed, 3 Aug 2022 19:02:09 +0900

2. present를 이용하되 화면디자인만으로 처리하는 방법

기존 전통적인 개발자 입장에서 이 방법은 오히려 이해가 어려웠던 부분입니다. 마우스 오퍼레이팅만으로 코딩없이 화면을 호출한다는 개념이 말입니다.

익숙해지면 쓸만하지만, 생각보다 어려웠습니다.

"만일 코드를 수정해야 하는데, 이걸 화면에서 뒤져서 찾아내야 하나.."

물론, 익숙해지기까지 적잖은 시간이 걸렸지만, 우선은 외우는거죠.

우선 ViewController를 만들고 버튼을 하나 만듭니다. 그리고, 이동할 ViewController도 하나 만들어야 합니다. 뭐, 화면을 그리듯이 만들면 됩니다.

첫번째 ViewController이고, 위 하일라이트된 버튼에 대한 동작을 정의할것입니다.

두번째 ViewController 입니다. 여기로 이동합니다.

그러면 코디없이 어떻게 이 두개의 페이지를 버튼으로 연결시킬까요?

버튼을 선택하고 오른쪽 마우스버튼을 누르고 두번째 ViewController를 선택하고 나면 다음과 같은 팝업메뉴가 뜹니다.

여기서 저는 "Present Modally"를 선택했습니다. 각각의 멘뉴는 시간내서 한번씩 선택해보면 도움이 됩니다. 이렇게 선택하면

Segue의 도형모양이 어떤 동작을 선택했는지 알려줍니다.

이렇게 연결이 생기는데 이걸 "Segue"라고 합니다. "세그"라고 읽어버립시다. 이렇게 하면 코딩없이 해당 페이지가 보여지게 됩니다. 만일 페이지가 팝업처럼 보인다면 위 Segue를 선택하고

Presentation을 선택합니다.

Presentation을 "Full Screen"으로 선택하면 화면을 꽉 채워줍니다.

@IBAction func moveToBlueTest(_ sender: Any){
  let uvc = self.storyboard!.instantiateViewController(withIdentifier: "BluetoothTestVC")
  uvc.modalTransitionStyle = UIModalTransitionStyle.coverVertical
  self.present(uvc, animated: true)
}

이러함 코드를 직접 작성하지 않아도 되는 것입니다.

이제.. 화면을 복귀해야겠지요.

present를 이용한것과 똑같다고 이야기 한것 기억하시고, 두번째 ViewController에서 "Close"버튼에 다음과 같은 코드를 작성합니다.

@IBAction func close(_ sender: Any){
  self.presentingViewController?.dismiss(animated: true)
}

예.. 이 버튼을 클릭하면 이제 화면을 dismiss하게 됩니다.

그런데, 화면표시를 아무 코딩없이 했는데, 화면닫기는 왜 코딩을 해야 하나 궁금할 수 있습니다. 이건 다음다음편에.. Unwind기법으로 소개합니다.

iOS 화면전환 및 데이터 전송정리(present)

IT Playboy — Wed, 3 Aug 2022 18:34:18 +0900

1. present 메소드 활용

ViewController를 생성하고 버튼도 하나 만드어 본다 (BlueTest)

두번째 ViewController를 만든다. 이때 해당 ViewController의 이름을 설정한다. "BluetoothTestVC"로 명명한다.

두번째 ViewController의 이름을 설정한다.

"BlueTest" 버튼을 클릭하면 동작할 함수를 다음과 같이 정의한다. 화면이동을 위한 첫번째 코드입니다. 물론 첫번째 ViewController를 위한 클래스는 정의해야 합니다.

@IBAction func moveToBlueTest(_ sender: Any){
  let uvc = self.storyboard!.instantiateViewController(withIdentifier: "BluetoothTestVC")
  uvc.modalTransitionStyle = UIModalTransitionStyle.coverVertical
  self.present(uvc, animated: true)
}

첫번째 ViewController에서 다음과 같은 코드를 통해서 두번째 ViewController로 이동하게 됩니다.

두번째 ViewController에서 화면을 종료하기 위해서는 다음과 같은 코드를 작성합니다.

@IBAction func Close(_ sender: Any){
  self.presentingViewController?.dismiss(animated: true)
}

해당 코드에서는 자체적으로 종료하는 것이 아니라, presentingViewController(즉, 현재 이 페이지를 호출하게 해준 ViewController를 통해서 화면을 닫도록 요청해야 함)를 통해서 현재 ViewController를 종료하도록 합니다.

여기서 만일 다시 self.presnet() 함수를 사용하게 되면, 화면을 닫는 것이 아니라 새로운 화면을 하나 더 만들어서 쌓게 됩니다. 메모리가 불필요하게 낭비가 되겠죠. 반드시 화면을 종료한다고 생각하고 화면을 닫아(dismiss) 해야 합니다.

중소벤처기업청에서 종달랩 니가 왜 나와?

IT Playboy — Fri, 23 Oct 2020 23:13:26 +0900

blog.naver.com/bizinfo1357/222116330536

이름 모를 단추 하나도 쉽게 찾는 법, 'AI 검색 서비스'. 코로나 시대에 걸맞은 부자재 전문 언택

SMART TODAY코로나19 시대, 이 기업을 주목하라이름 모를 단추 하나도 쉽게 찾는 법, 'AI...

blog.naver.com

가끔 회사 관련된 뉴스가 있는가를 살펴볼때가 있습니다.

페이스북에서 갑자기 제가 검색되서 가 보니 ....

아.. 이럴때마다 어찌할바를 모르겠습니다.

회사가 나오는건 좋은데, 제가 앞면에 나올때면.. ㅠ_ㅠ

페이스북에도 있길래 페이스북 링크도 같이..

니트 벙거지 모자 - 니가 왜 부자마켓에서 나와?

IT Playboy — Fri, 23 Oct 2020 22:44:50 +0900

부자마켓에서 패션아이템을 하나 갖고 나왔습니다.

바로 "니트벙거지 모자"

소비자 가격은 20,900원

모자에 집중하기 위해서 부자마켓은 모델을 사용하지 않습니다.

모델 섭외할 능력이 없어서는 절대로 아닙니다.

( 핏사는데 가격 경쟁력 있는 모델 찾습니다. )

올 겨울에 멋진 니트 벙거지 모자를 쓰면 따뜻한 겨울을 나실수 있습니다.

다시한번

"니트 벙거지 모자" 부자마켓에서 구매하기

부자마켓에서 스와치북을 구매하시면 10,000원 다시 돌려드려요. 단 쿠폰으로..

베이지, 체크무늬, 도트 땡땡이 무늬 단추 3총사 단추시리즈

IT Playboy — Fri, 23 Oct 2020 22:35:57 +0900

새로 등록된 단추소개 마지막입니다.

지금 소개드리는 단추는 5개들이 1set가 1,000원입니다.

대량 구매를 원하시는 분들은 개별로 구매하지 마시고 대량구매/맞춤구매를 이용하시면 더 싸게 구매가 가능하답니다.

베이지 플라스틱 단추는 모든 옷에서 무난한 정말 베이직한 단추입니다. 4구 단추입니다.

두께는 1mm, 직경은 10mm 입니다.

부자마켓에서 구매하기

체크무늬 플라스틱 단추는 7개 색을 갖고 있는 예쁜 단추입니다. 왠지 남방에 달면 포인트를 줄 수 있는 단추 입니다.

두께는 1mm, 직경은 11mm 입니다.

부자마켓에서 구매하기

마지막으로 소개드릴 단추는 도트 땡땡이 무늬단추 입니다. 도트가 땡땡이 박혀있는 단추로 2구 단추 입니다.

두께는 1mm, 직경은 11mm 입니다.

부자마켓에서 구매하기

이상으로 10월달 중순에 부자마켓에서 픽한 무난하지만 유니크한 단추 소개가 끝났습니다.

이 글을 다 쓰고 난 이후 부자마켓 네이버스토어 버전인 "부자재파는사람들"에서는 원단을 조금씩 판매를 준비하고 있습니다. 아직은 원단은 "부자마켓"에서 최정의 원단을 스와치북으로 받아보실 수 있습니다.

부자마켓에서 저렴하게 구매하시는 분은 행복한 사람입니다.

빈티지 , 아이보리 플라스틱 단추가 5개 1set에 1,000원 입니다. 이뻐요.

IT Playboy — Fri, 23 Oct 2020 22:23:47 +0900

조금 일반적이면서 조금 유니크한 단추가 필요하신가요?

빈티지 플라스틱단추, 아이보리 플라스틱 단추로 노멀하면서 유니크한 패션을 완성하세요.

빈티지 플라스틱 단추입니다. 4구단추 입니다.

두께는 1mm, 직경은 1cm 입니다.

녹색 빈티지 플라스틱 단추

색깔을 설명하기 힘들어서 사진만으로 보여드립니다.

부자마켓에서 구매하기

빈티지 플라스틱 단추와는 달리 아이보리 플라스틱 단추는 더 이쁘고 다양한 옷에 어울릴만합니다.

단추 두께는 2mm, 직경 1.1cm 입니다.

부자마켓에서 구매하기

부자마켓은 네이버스토어팜에서도 판매를 하고 있습니다. 스토어 찜하고 톡톡친구 하면 1,000원 할인을 하는 이벤트가 진행중입니다.

이벤트 기간은 2020.10.20 ~ 2020.10.27일까지 입니다. 얼마 남지 않았어요.

어여 드루와 ~~~

클리하면 스토어팜으로 이동합니다. 찜하고 톡톡친구만 해도 1,000원을 벌어요.

꽃무늬단추와 체크무늬 코트 단추를 소개합니다.

IT Playboy — Fri, 23 Oct 2020 22:13:13 +0900

단추 시리즈 2번째 입니다.

오늘은 꽃무의단추와 체크무늬 코트단추를 소개합니다.

이쁜 꽃무늬가 장점인 2구단추 입니다.

두께는 1.5mm 입니다.

직경은 1.1cm 입니다.

부자마켓에서 꽃무늬단추 구매하기

두번째는 체크무늬 코트단추 입니다. 고급스러운 체크무늬가 특징인 단추로 2구, 4구 2종류를 모두 갖고 있습니다.

올 겨울은 추울것 같은데 코트단추로 분위기를 바꿔보세요.

체크무늬가 너무 이쁘네요. 2구, 4구 단추입니다.

직경은 1.35cm 입니다.

두께는 1mm입니다.

부자마켓에서 구매하기

아직 네이버스토어에는 등록되지 않은 따뜻한 신상입니다.

부자마켓은 앱으로 이용할때 가장 편안하게 사용하실 수 있습니다.

"Make IT" 과 "부자마켓" 협업

IT Playboy — Fri, 23 Oct 2020 22:03:34 +0900

종달랩은 해외디자이너의 의뢰를 받아 옷을 제작하는 메이크잇과 협업을 통해 안정적인 부자재 공급 및 완전한 의사결정 시스템을 2021년부터 구축하기 위한 협업체계를 만들어 나갈 것입니다.

보라색 자개단추가 나왔어요. 품질좋고 이쁜 자개단추가 1개에 200원

IT Playboy — Thu, 22 Oct 2020 00:05:19 +0900

남대문 노상의 목소리 좋은 상인의 소리가 들리듯 시작하고 싶었지만, 저는 유튜브가 아닌 관계로..

오늘 새로운 상품들이 입고되었습니다.

부자재파는사람들(네이버스토어)의 신상 단추들

종달랩이 운영하는 네이버스토어팜에 신상단추가 등록되었습니다. 물론 부자마켓에도 등록이 되어있습니다. (아직은 부자마켓의 고객유입파워가 약해서 양쪽에 동시에 출시하고 있습니다만, 조만간 부자마켓이 패션부자재를 통일할 것입니다.)

1. 보라색 자개단추

보라색 자개단추

지름 1.1cm

두께 0.15mm

정밀한 수치를 제시함과 동시에 불필요한 전시사진을 생략한 공대오빠느낌의 좀 거시기하지만, 오히려 정보전달에 충실하답니다.

2. 2색 동그라미 단추

두께 0.1mm

지름 1.1cm

흰색4구단추안에 포인트를 주기 위한 검정, 파란 모양이 음각으로 들어가있어서 뭔가 좀 펜시한 느낌을 주는 단추입니다.

꽃무늬단추, 체크무늬 코트단추, 빈티지 플라스틱단추, 아이보리 플라스틱단추, 베이지 플라스틱단추, 3색 도트 땡땡이 무늬단추, 7색 체크무늬 플라스틱 단추 도 곧 올리도록 하겠습니다.

자매품으로 부자마켓의 최애 상품 헤링본을 소개하면서 마무리 합니다. 대한민국 최고의 품질이면서 최저가격으로 네이버스토어 442개 리뷰수와 평균총점 4.9의 대표 아이템입니다. 물론 부자마켓에서 구매하시면 배송비가 무료던가??? 그럴겁니다. 아니면 연락주세요 배송비 무료쿠폰을 드리도록 하겠습니다. (2020.10.22 ~ 2020.10.25일까지 연락주세요)

smartstore.naver.com/bupasa/products/4140880746

<74색> 의류부자재 23수 헤링본 리본 테이프 폴리끈 10mm,15mm : 부자재파는사람들

[부자재파는사람들] 국내 의류패션 부자재를 온라인으로 판매합니다. 중간유통마진을 줄여 항시 25%이상 저렴

smartstore.naver.com

m.bupasa.net/m/product/96449

(74색) 의류부자재 23수 헤링본 리본 테이프 패브릭 폴리끈 후드끈

m.bupasa.net

나만의 맞춤시보리로 멋진 패션을 연출하세요.

IT Playboy — Tue, 20 Oct 2020 22:05:49 +0900

시보리는 잠바 또는 마감을 할 때 사용하는 의류부자재를 말합니다.

말로만 하면 피곤하니 최근에 입점된 시보리를 소개드립니다.

사진을 클릭하면 부자마켓 쇼핑몰로 이동하니 과감하게 클릭하세요.

겨울용 시보리 네이비랜드

겨울용 시보리 검정

겨울용 시보리 그레이

겨울용 시보리 아이보리 검정 스프라이트

요건, 겨울에 교회오빠가 입고다니는 소매를 잘 보면 알 수 있을것 같은데요. 교회오빠의 풋풋함이 .. 아 난 남자지.

날나리 시보리 (이름이 날나리라서 그렇지 이쁜누나가 생각납니다.)

여름용 시보리 네이비

위 시보리들은 부자마켓 오프라인 매장 주변의 시보리집들을 열심히 담방하여 찾아낸 믿고 구매할 수 있는 시보리입니다. 100% 국내산이고, 100% 맞춤이 가능합니다.

두께, 길이, 패턴을 모두 디자이너의 옷에 맞춰서 맞춤으로 제작이 가능하답니다.

중국산에 비해서 월등한 품질과, 100% 맞춤이 가능하면서도, 가격경쟁력도 있고..

올겨울 멋진옷에 어울리는 멋진 시보리로 패션을 완성해보세요.

포인트 뜨개실과 수면양말 뜨개실

IT Playboy — Tue, 20 Oct 2020 21:30:46 +0900

겨울에는 뜨신 양말을 찾게 됩니다.

보통 수면양말이라고 하는 것을 신게 되는 경우가 많은데, 부자마켓에 수면양말을 만드는 수면양말실을 업데이트 했습니다.

수면양말 수면사

[네이버스토어팜에서 구매하기]

폭신한 수면양말을 만들때 사용되는 실인데, 겨울에 잘나가는 아이템중에 하나입니다.

소프트봄봄도 오래된 스테디셀러입니다.

그리고, 섞어뜨기 실도 입점이 되었습니다.

섞어뜨기실??

[네이버스토어팜에서 구매하기]

이 실로 뭘 만들수 있을지는 상상력이 부족한 저로서는 잘 모르겠지만, 이걸로 다양한 제품을 만들수 있습니다.

섞어뜨기 실로 만든 작은 손가방

부자마켓에서는 뜨개실을 동대문보다 저렴한 가격에 구매할 수 있습니다.

코로나로 집에서 보내는 시간이 많은 지금, 실로 사랑하는 사람들에게 따뜻한 겨울을 보낼 수 있는 작은 선물을 만들어 보는건 어떨까요?

대량 구매시에는 할인도 해준다는데... 조만간 이벤트를 통한 가격할인을 만나보세요.

노심초사 하라는 권도균대표의 이야기에 공감합니다.

IT Playboy — Mon, 19 Oct 2020 22:51:43 +0900

종달랩은 엑셀러레이팅을 받기에는 이제 너무 나이가 차버렸습니다.

보통은 늦어도 3년 미만의 회사가 엑셀러레이팅받기에 서로 부담이 없다고 합니다.

엑셀러레이팅 회사도 그들만의 목적이 있을테니까요.

사업 극초반에는 아무것도 몰랐다가, 어느덧 엑셀러레이팅을 받아야 할것 같아서 지원했던 곳 중에 하나가 프라이머였습니다.

2018년 14배치 발표후 탈락
2019년 16배치 권도균대표 면담후 탈락
2020년 18배치 서류탈락

2020년은 이미 3년차가 넘었기 때문에 어짜피 탈락이라고 생각했지만, 그냥 뭐, 우리회사가 이만큼은 컸으니 좀 밀어달라는 의미였지만, 역시나 권도균대표(제 기억에는 그렇게 살갑지는 않은 사람...)의 프라이머는 칼같이 떨어뜨렸습니다.

역대 가장 경쟁이 치열했다고 합니다. 10:1이 넘었다고..

그렇기에 아마 떨어진 사람들의 문의가 좀 있었던듯 하고, 그래서 공지를 올렸네요.

아래는 프라이머의 공지사항중 권대표의 내용입니다.

종종 우리 팀이 왜 떨어졌는지 피드백을 종종 요청 받습니다.

사실 프라이머가 쪽집게 점쟁이가 아닐 것이기 때문에 틀릴 가능성이 아주 높습니다. 지원하신 수백팀의 창업자들의 잠재력을 어떻게 다 확인 할 수 있겠어요?
그러므로 프라이머의 평가에 집중하지 마시기를 권합니다.
또 팀이 좋고 성과도 있는데 (투자하면 돈은 벌 수 있을 것 같지만) 프라이머가 도울 수 있는 것이 제한 된다고 느낄때도 배치에서 선발 안되기도 합니다.

항상 반복해서 해온 이야기가 있습니다.

프라이머는 정답이 아닐 수 있지만 "언제나 고객이 정답입니다" 고객의 반응이 정답입니다.

고객의 예외적인 감성적인 반응 말고 숫자로 표현되는 즉 매출, MAU, 재방문율, 입소문율 등 숫자로 표현되는 고객의 반응이 정답입니다.

고객의 숫자로 표현되는 반응을 얻는데 목을 매십시요. 노심초사 하세요. 실험하세요. 편집광적으로 매출을 내 보세요. 불법을 빼고 수단과 방법을 다 동원해서 수작업으로라도 숫자로 표현되는 고객의 반응을 얻으세요.

가장 안타까운 이야기 중에 하나는 "준비는 다 되었는데 투자만 들어오면 성과를 낼 수 있다"라는 말입니다. 이런 말을 들으면 제 가슴이 아픕니다.
반대로 이야기해야 합니다. "작더라도 성과를 내면 투자를 성사시킬 수 있다"라고 말해야 합니다.

언제나 고객이 정답입니다.

프라이머는 투자회사가 아니라 교육회사입니다.

프라이머에 지원서 질문에 답하고, 1분 비디오를 녹화하고, 킥오프를 접수하고, 공지사항을 읽고 하는 과정의 목적인 선발은 두번째이고,
든 지원하는 팀들에게 창업과 경영에 대해 조금이라도 교육하는 것이 첫째 목적입니다.

엑셀러레이터, 투자자, 멘토의 이야기 중에 사업의 성과와 관련해서 주목할 이야기는 오로지 고객의 반응과 일치할 때 입니다.
고객의 예상치 못한 반응이 일어나기 시작한다면 19기 지원마감을 기다리지 말고 메일, 프라이머패밀리그룹 등 프라이머의 여러 경로로 알려주세요.

프라이머 선발이 우리 팀의 평가가 아니라고 생각하시고 여러분들의 사업에 집중하시고 고객과 씨름하시기 바랍니다.

스타트업계에 계속 있으며 계속 만나겠습니다.

감사합니다.

솔직히 틀린말이 하나도 없기에 반박할건 없고, 저는 몇가지 지금에서야 공감하는 것들이 있었습니다.

- 숫자로 표현되는 즉 매출, MAU, 재방문율, 입소문율 등 숫자로 표현되는 고객의 반응

- 고객의 숫자로 표현되는 반응을 얻는데 목을 매십시요. 노심초사 하세요. 실험하세요.

요 두 문장이 가장 의미있다고 생각합니다.

저도 오늘 열심히 노심초사 하고 있습니다.

그나저나 이제 프라이머랑의 인연을 맺기는 물건너갔네요..

사업 초반 어떤 사람들과 인연을 맺느냐는 매우 중요합니다. 사업하시는 대표님들.. 노심초사 하십시요.

PS : 프라이머의 사람들은 어떤 사람들일까 궁금하긴 하네요. IBK창공, 씨엔티테크, 스파크랩, 롯데엑셀러레이터의 도움을 받으면서 그분들과 이야기 했을때.. 그러고 보니 다들 좋은 분들이네요.

PS2 : 아직은 흡족하지 않은 DAU, MAU, 그리고 매출을 올리기 위해서... 긴밤을 하얗게...

PS3 : 화면 맨 왼쪽 상단이 권도균대표입니다. 얼핏보면.. 장진감독하고 비슷하게 생겼습니다. ( 풋... ) 뭐랄까 좀 성격까칠한 장진감독.. (그냥 제가 그렇게 생각했다는 겁니다. 혹시 이글 보시면 화내지 마세요. 두분다..)

프라이머 우두머리 분들입니다.

장진 감독

제로페이를 안쓰는건 게으름이라고 생각하는게 꼰대는 아닙니다.

IT Playboy — Sun, 18 Oct 2020 15:05:05 +0900

어느덧 여기저기 제로페이 결제가 많아졌습니다.

구매부터 5~10%할인가격으로 구매할 수 있고 다시 할인도 될수 있어서 반드시 써야 함에도, 약간의 불편함으로 쓰지 않는다는 사람들이 많네요.

부자마켓은 온라인 결제는 안되지만 오프라인에서는 결제가 가능합니다.
부자마켓 오프라인 매장은 중구에 있으므로 중구페이를 구매해오시면 싸게 살수 있습니다.

코로나는 아직도 진행중입니다.

IT Playboy — Sun, 18 Oct 2020 14:25:15 +0900

4월인가부터 집사람이 붙여놓은 내용과 출입구 앞의 세정제랑 마스크바구니.

내년에도 이런 상황이 쉽게 바뀌지는 않을듯 합니다.

신규사업아이템에 대한 생각

IT Playboy — Sat, 17 Oct 2020 17:40:02 +0900

금일 종달랩 본사에는 모이기 어려운 사람들이 모여서 새로운 사업에 대한 회의를 했습니다.

물론 각자의 생각과 스키마와 능력이 다른 사람들이였습니다.

아직 정확하게 밝힐수는 없지만, 해당 분야에서 일하던 전문가가 갖고 있던 작은 불편함에서 이야기는 출발했습니다.

그리고 거기서부터 해결방안을 마련해 나갔습니다.

- 시장의 문제점

- 시장의 규모

- 현재의 해결방법

- 현재 해결방법의 문제점과 개선방안

- 실현가능한지에 대한 분석

- 확장가능한지에 대한 분석

- 초기 목표시장 및 전체 시장파악

사업초기에는 같이 상의할 사람이 적어서 참 멋모르고 시작했지만,

지금은 어느정도 사업의 시작과 방향을 어떻게 잡고 나가야 하는지에 대한 기본은 된것 같았습니다.

이 사업이 과연 구체화될지는 모르지만,

만일 사업을 시작하게 된다면, 처음 부자마켓을 시작했을때보다는 빠르고 명확하고 정확하게 해나갈 수 있을듯 합니다.

미트박스 사업은 아니지만, 도메인이 같아서.. 힌트같지 않은 힌트입니다.

사업분야는 육류시장의 유통플랫폼 정도만... 살짜쿵 이야기 해봅니다.

혹시 여기 참여하고 싶으신 분은 연락주시면 같이 이야기 해보고 싶네요.

오프라인 패션 소매시장의 위축 그리고 시장의 위축

IT Playboy — Fri, 16 Oct 2020 19:18:56 +0900

오늘 부자마켓 플래그쉽매장에 문제가 생겨서 긴급하게 동대문으로이동했다.

DDP안 광징에서 패션쇼 런어웨이 리허설이 있었다.

모델들은 참 보여지는 비쥬얼이 멋지다.

DDP지하상가를 가로질러 가는데...

많은 상가들은 비워져있고 오가는 사람은 거의 없었다.

동대문의 위기이고 오프라인 소상공인의 위기이다.

하지만 온라인 비지니스 기업들에게는 더이상의 기회는 없을만큼의 기회이기도 하다.

런어웨이 리허설중

참 멀리서부터 걸어온다

저 끝에서부터걸어온다

비어있는 상가거리

여기는 오픈했지만

대부분은 이런 상태

오늘도활기찬 동화상가

2019년 스타일테크 데모데이 종달랩 발표영상

IT Playboy — Thu, 15 Oct 2020 21:06:09 +0900

을 보여드리고 싶지는 않지만,

작년에 너무 고생했던것도 있고, 이번에 스타일테크 데모데이도 한다고 해서 포스팅해봅니다.

열 몇개 팀이 같이 발표를 했었고,

오후에는 스파크랩 데모데이도 있었습니다.

사실 오전 스타일테크 데모데이는 스파크랩과는 비교되게 관객도 작았고, 준비기간도 짧았지만, 저에게는 매우 뜻깊은 자리였습니다.

울렁증을 극복했고, 살도 15kg정도 뺐고, 큰 실수없이 잘 하고 내려왔으니까요.

만일 저기서 실수를 크게 했다면... 대대손손.. 유튜브가 망하기를 바랬을것 같습니다.

즐감은 하지 마시고, 그냥 종달랩 대표가 기특한일 했구나 정도만..

부자마켓은 웹에서도 접속이 됩니다.

IT Playboy — Thu, 15 Oct 2020 20:59:15 +0900

다만, 웹에 최적화를 하지 않아서 몇몇 기능이 동작하지 않거나,

그렇게 꼼꼼하게 만들어 놓지 않았습니다.

앱과의 연동에 중점을 두다 보니 웹에서 잘 또는 부실한 기능들이 앱에서는 앱의 기능을 호출해서 사용하여 완벽하게 동작하게 됩니다.

[웹으로 가는 부자마켓](링크임)

부자마켓의 세부 기능들은 하나하나 시간을 내서 포스트해보겠습니다.

포스트할게 없으면 내부 소스코드라도 포스트 할까 하는데, 그건 좀 그렇고, 대신 부자마켓이 갖고 있는 특허들과 향후 개발하거나 개발하고 싶거나, 개발하기 싫은 것들을 적어볼까 합니다.

앞으로의 포스트를 보시면,

부자마켓 같은 서비스를 만들수 있고,

부자마켓 서비스도 만들수 있고,

부자재도 싸게 사고,

원단도 구매해서 옷도 만들어보고 하시다가

부자되실겁니다.

스와치북 무료 행사를 하고 있습니다. 동대문에서 스와치북 구하느라 고생하지 마시고, 부자마켓에서 스와치북좀 구매해 주세요.

< 부자마켓에서 스와치북을 거의 무료로 제공합니다. 실은 1만원인데, 쿠폰으로 되돌려드려요 >

무료스와치북 웹으로 구경가기

B박사의 미션언텍터블 - 종달이가 말하는 부자마켓

IT Playboy — Thu, 15 Oct 2020 17:57:20 +0900

몇달전인가..

모르는 업체에서 전화가 옵니다. 광고를 촬영하겠다고.

영상업체 영업인줄 알고 귀기울여 듣지않다가, 자세히 들어보니

중소벤처기업부에서 R&D를 성공한 기업들을 대상으로 홍보영상을 만들어 준다고 합니다.

공짜 홍보영상이라는 말에 약속을 잡고 갔다가 만든 영상입니다.

B박사의 미션 언텍터블

만일 안보이시면 보지마세요.

촬영은 열심히 하였으나,

제가 나온 영상은 제가 못보겠어서..

부자마켓 서비스로 전환되었습니다.

IT Playboy — Thu, 15 Oct 2020 17:43:41 +0900

간만에 글을 쓰는 부자재 파는 사람들의 우두머리 입니다.

기존의 부자재파는사람들 웹서비스가 "부자마켓" 서비스로 전혼이 되었습니다.

일이 바쁘다고 블로그를 제대로 못했더니 옛날 주소를 가리키고 있는 글들이 있어서 간만에 글들도 업데이트 하고 블로그를 다시 써야겠다는 생각도 드네요.

전에는 사업에 대한 개발 및 BM을 만드느라 개발이야기가 많았는데,

이제는 사업 자체에 대한 이야기를 더 쓸 수 있을것 같습니다.

부자마켓으로 놀러오세요. (누르면 렌딩페이지가 나옵니다.)

<부자마켓에서 헤링본테이프를 세일하네요. 싸다싸>

부파사가 부자마켓으로 돌아옵니다.

IT Playboy — Wed, 2 Oct 2019 00:50:09 +0900

간만에 글을 포스팅하니깐 무척이나 새롭습니다.

부자박스 메인컨셉

부자재 파는 사람들이 모바일 플랫폼으로 완전히 바뀌면서 서비스 이름을 "부자마켓"으로 변경할 계획입니다. 아직 "부자팜"과 접전중이지만, 부자재를 국내에서 가장 멋들어지게 파는 서비스가 될 것입니다.

인공지능 이미지 검색엔진 탑재
동대문 매장 지도서비스
10만개 부자재 아이템 검색, 추천, 구매
샘플박스 서비스
매장, 아이템 즐겨찾기서비스
반값 대량견적 서비스

이렇게 6개의 핵심서비스를 들고 곧 2019년 12월에 서비스가 런칭될 예정입니다.

섬유 산업의 인공지능 - 현재와 미래의 응용분야

IT Playboy — Mon, 24 Jun 2019 12:29:40 +0900

자세한 내용은 아래 링크를 참조하십시오.

https://emerj.com/ai-sector-overviews/artificial-intelligence-in-the-textile-industry-current-and-future-applications/

Artificial Intelligence in the Textile Industry – Current and Future Applications | Emerj

This article explores AI use-cases in the textile industry, including machine vision for fabric and weave error detection, inventory management, and...

emerj.com

섬유 산업의 인공 지능 - 현재와 미래의 응용 분야

2019 년 2 월 13 일 최종 업데이트, Raghav Bharadwaj 발행

Raghav는 Emerj에서 컨텐트 리드로 일하고 있으며, 주요 산업 분야를 다루고 연구를 수행합니다. Raghav는 로봇 공학에 개인적인 관심을 가지고 있으며 Frost & Sullivan 및 Infiniti Research와 같은 연구 회사에서 근무했습니다.

공유 대상 :

링크드 인 지저귀다 페이스 북 이메일

의류 및 섬유 제조는 역사적으로 노동 집약적 산업왔다 , 세계 최대 규모의 패션, 의류 및 의류 브랜드의 몇에서 본 것 자사 제품의 상당 부분은 등 중국, 인도, 방글라데시, 베트남 등 아시아 국가에서 제조 가지고 .

동쪽으로의 섬유 제조업의 이주는 아시아 국가들 (특히 중국 ) 에서 노동 비용이 상승하기 시작한 지난 수십 년 동안 일어났습니다 . 업계에서 산업 자동화의 보급률 이 증가함에 따라 과거 및 실시간 운영 데이터에 액세스 할 수있는 섬유 제조업체는 AI를 활용하여 효율성을 높이고 직원들의 능력을 향상시킬 수 있습니다.

독자는 섬유 제조 산업에서 인공 지능 응용 프로그램의 채택이 아직 이르다는 것을 알아야하며, 몇 가지 유스 케이스가 있지만 (많은 부분을 아래 섹션에서 살펴 보았 음), 널리 보급 된 것으로 보이지 않습니다 인공 지능은 선진국에서도 마찬가지입니다.

대신, 우리는 오늘날 섬유 산업 분야에서 인공 지능을 적용 할 가능성과 향후 2 ~ 5 년 동안 산업 분야에서 AI가 수행 할 수있는 가능성을 탐구합니다.

아래의 기사를 현재 및 미래의 응용 프로그램으로 나누어 기업 및 사례를 개별적으로 검토하여 비즈니스 가치를 탐구했습니다.

(이 기사는 섬유 및 직물 응용 분야에 대해서만 다루며 패션에 대해서는 다루지 않을 것입니다. 유행에 관심이있는 독자 는 Fashion에서 AI 기사 전체 기사를 읽을 수 있습니다 .)

현재 응용 프로그램

Cognex - 패브릭 패턴 검사

1981 년 Boston에 설립되어 현재 1000 명 이상의 직원이 근무하고있는 Cognex Corp.은 머신 비전 시스템, 소프트웨어 및 센서의 미국 제조업체입니다. 이 회사는 직물 업계에서 패브릭 패턴 인식을 위해 맞춤 제작 된 머신 비전 기반의 Cognex ViDi 플랫폼을 제공합니다.

Cognex는 Cognex ViDi 플랫폼이 직조, 편직, 편조, 마무리 및 인쇄와 같은 패브릭 패턴의 측면을 자동으로 검사 할 수 있다고 주장합니다. 이 회사는 또한 플랫폼을 제조 시스템에 통합하기위한 개발 기간이 필요하지 않으며, 훌륭한 원단 샘플을 미리 정의 된 이미지를 사용하여 교육 할 수 있다고 제안합니다.

출처 - vision-systems.com

서면 작성 당시 Cognex의 ViDi 기술의 성공적인 사용 사례 목록을 찾을 수 없었습니다. 기술이 연구 개발 단계 또는 파일럿 단계에 있거나 현재 고객이 이름으로 식별 할 수있는 권한을 부여하지 않았을 수 있습니다.

Applications of Artificial Intelligence (AI) in Apparel Industry

IT Playboy — Mon, 24 Jun 2019 12:24:29 +0900

자세한 내용(원본)은 아래 링크를 참조하십시오.

https://clothingindustry.blogspot.com/2018/03/artificial-intelligence-apparel-industry.html

Applications of Artificial Intelligence (AI) in Apparel Industry

Garment manufacturing is labor-intensive, which is characterized by low-fixed capital investment; a wide range of product designs and, hen...

clothingindustry.blogspot.com

의류 제조 는 노동 집약적이며, 고정 자본 투자가 낮다는 특징이 있습니다. 광범위한 제품 설계 및 입력 자료; 가변 생산량; 높은 경쟁력; 종종 제품 품질에 대한 높은 요구가 있습니다. 그러나 의류 품질에 대한 수요가 높아지고 소비자 인지도가 높아짐에 따라 최근 의류 제조 과정에서 자동화 된 공구 및 장비를 사용하게되었습니다. 의류 생산 의 자동화 는 기술 개발과 모델링 및 시뮬레이션의 사용으로 인해 현실화되고 있습니다. 노동 집약적 인 특성 때문에 의류 업계는 AI 업무에서 큰 이익을 얻을 수 있습니다.

정보 기술 시대에 AI (인공 지능)는 공학, 물리학, 의학 및 관리 분야에 혁명을 일으켰습니다. 전통적인 수학적 모델은 AI의 핵심 원리 인 문제를 해결하거나 의사 결정 과정에서 사용됩니다. AI는 휴리스틱 및 지능적인 특성으로 인해 다양한 문제에 대해 우수한 솔루션을 제공 할 수 있습니다. 인공 지능의 도움으로 품질 향상, 생산성 향상 및 생산 비용 절감과 같은 중요한 결과를 얻을 수 있습니다.

AI는 인간 지능과 인간의 감각 기능의 특성을 시뮬레이션 할 수있는 컴퓨터 과학 분야입니다. AI 시스템은 휴리스틱하고 지능적인 특성으로 인해 고전 시스템보다 우수한 솔루션을 제공 할 수 있습니다.

의류 생산 과정은 그림 -1에 설명되어있다. 개념화 단계부터 시작하여 소비자에게 도달 할 때까지 디자인 개발, 제조, 공급망 및 소매업을 통과합니다. 개념화 단계에서는 디자이너가 색상, 직물, 실루엣 및 트림의 경향을 예측하여 테마를 개념화합니다.

Figure-1 : 의류 제조와 관련된 생산 공정.

디자인 개발이 완료되면 의류 생산 프로세스가 시작됩니다. 의류 생산 공정에는 직물 펼침 , 절단, 번들링, 재봉, 압축, 검사 및 포장이 포함됩니다 (그림 2). 패브릭은 의류의 주요 구성 요소이며 많은 의류 제조 산업의 입력 재료입니다. 원단을 받으면 품질 검사를하고 잠시 보관 한 다음 원단을 펼쳐 절단 합니다. 의복 디자인에 따라 여러 가지 구성 요소가 다양한 절단 장비를 사용하여 절단됩니다. 절단 된 구성 요소는 번들로 묶여 고정 된 후 묶음 티켓으로 전달됩니다.

그림 -2 : 의류 제조 공정 순서.

숙련 된 작업자가 의류 구성품을 수 놓은 후 눌러지고 완성 된 의복은 품질 검사를받습니다. 그런 다음 의류는 포장되어 자신 또는 제 3 자 물류 제공 업체에 의해 소매점으로 보내집니다. 소매점은 소비자가 제품을 구매하는 곳입니다. 오늘날 소비자들은 의류 스타일, 적합성, 품질 및 가격에 대해 많은 관심을 가지고 있습니다. 이러한 매개 변수의 대부분은 그림 2에서 설명한 생산 단계에서 관리됩니다. 따라서 이러한 프로세스 중에 관리 직원이 다양한 작업을 제어해야하는 경우가 있으며 이는 여러 경우에 어려울 수 있습니다. AI를 사용하면 의사 결정, 주문 계획 수립, 마커 작성, 생산 계획, 공급망 관리 (SCM) 및 소매업을 위해 이러한 문제를 효과적으로 통제하는 데 도움이 될 수 있습니다.

의류 제조업체는 소비자가 이해하고 예측하기 어려운 다양한 제품 조합을 생산해야합니다. 그들의 선택은 불안정하고 예측할 수 없으며, 인구 통계 및 인물 통계에는 다양한 변화가 있습니다. 제품 품질은 원사 제조, 직물 준비 (직조 및 편직), 직물 화학 가공 및 의류 제조와 관련된 몇 가지 요소에 따라 달라집니다. 따라서 이러한 모든 요소는 의류 제조의 전 과정에서 인공 지능의 적용으로보다 잘 제어 될 수 있습니다. 자동화가 이루어지고 있지만, 의류 산업은 여전히 다른 분야에 비해 뒤떨어져 있으며 수동 개입에 의존하고 있습니다.

인공 지능은 지난 20 년간 다양한 분야의 의류 산업에서 추진력을 얻고 있습니다. 인공 지능의 응용에 의한 다양한 도구의 자동화,절단 , 재봉 및 재료 취급은 생산 비용을 줄이고 결함을 최소화 할 수 있습니다.

직물 및 의류의 생산에는 재료 및 공정과 관련하여 많은 변수가 포함됩니다. 여러 단계의 작업 외에도 원자재의 높은 가변성이 있기 때문에 원하는 출력을 얻기 위해 공정 매개 변수를 정밀하게 제어하기가 어렵습니다. 지금까지 이러한 변수와 직물의 특성 사이에 적절한 관계를 수립하는 것은 인간의 전문성에 달려 있습니다. 많은 경우, 항상 많은 변수를 기억하고 정확한 부동산 예측을위한 지식을 적용하는 것은 어려운 작업이므로 인간의 작업과 관련된 오류의 가능성이 있습니다. 이것은 계산 및 시뮬레이션의 개발이 여러 변수를 다루는 다양한 시스템을 만들면서 AI의 적용으로 가능합니다. AI의 적용은 이제 변수와 제품 속성 간의 효과적인 관계를 수립하기 위해 교육 중 많은 범위의 데이터 세트를 처리 할 수 있습니다. 따라서 지난 10 년 동안 AI의 사용은 섬유 및 의류 제조 산업에서 다양한 용도로 빠르게 증가하고 있습니다.

의류 산업에서의 인공 지능 응용 분야 :
AI는 섬유 그레이딩, 실 특성 예측, 직물 결함 분석 및 염료 제조법 예측과 같은 섬유 생산의 다양한 프로세스에 사용할 수 있습니다. 마찬가지로 AI는 의류 제조의 모든 단계 (프리 프로덕션, 프로덕션 및 포스트 프로덕션)에 적용될 수 있습니다. 의류 제조에는 개념화, 디자인 개발, PPC, 퍼짐, 절단, 번들링, 재봉, 압축 및 포장과 같은 프로세스가 포함됩니다. 텍스타일 및 의복 제조 분야에서 AI의 주요 응용 분야 중 일부는이 섹션에서 논의됩니다. 위에서 언급 한 AI의 여러 유형 중에서 ANN (인공 신경망)은 주로 다음 분야에서 의류 제조에 널리 사용됩니다.

기계적 성질의 예측,
분류 및 채점,
결함 식별 및 분석,
프로세스 제어 및 온라인 모니터링,
SCM 및 소매.

다음 섹션에서는 의류 제조와 관련된 다양한 생산 공정에서의 AI 적용에 대해 설명합니다.

섬유 및 원사 생산에 인공 지능 응용 :
섬유 섬유는 의류 및 기타 직물 생산의 기본 원료입니다. 많은 종류의 섬유 섬유가 있기 때문에, 육안 검사를 통해 알려지지 않은 섬유를 식별하는 것이 종종 어렵습니다. 섬유 식별의 전통적인 관행은 화염이나 화학 물질을 사용하는 파괴적인 테스트를 기반으로합니다. 최근의 진보는 광학 현미경, 푸리에 변환 적외선 및 라만 분광법의 사용을 포함합니다. AI는 또한 섬유의 섬유질을 식별하고 등급을 매기는 데 사용되며, 섬세함, 길이, 균일 성 비율, 견고성 및 실 속성에 대한 방사 성능의 영향과 같은 색상 및 기타 특성에 따라 등급이 매겨집니다. 섬유 특성으로부터의 실의 가상 모델링, 실의 인장 특성 예측, 실의 불균일성 예측,

직물 생산에 인공 지능 응용 :
의류 산업의 주요 원료는 직물입니다. 직물의 품질은 의복 품질, 생산성 및 의류 제조 용이성에 영향을줍니다. 직물은 의류의 종류와 최종 용도에 따라 선택됩니다. 의류를 만들기위한 직물 사양은 1 차 및 2 차로 분류 할 수 있습니다. 외적인 힘에 대한 직물 반응은 2 차적인 것으로 간주되는 반면, 물리적 치수는 1 차로 간주됩니다. 소비자 관점에서, 의복 외관, 안락 및 내구성은 중요한 매개 변수입니다.

AI를 적용하여 다음 매개 변수를 제어 할 수 있습니다.

패브릭 특성 예측 :
AI는 섬유, 실 및 직물 구조 데이터를 사용하여 신경 퍼지 (neuro-fuzzy) 또는 기타 접근법을 사용하여 제조하기 전에 패브릭 속성을 예측하는 데 사용할 수 있습니다. 인공 지능을 적용하는 동안 입력 섬유와 얀 매개 변수 사이에 적절한 선형 및 비선형 관계를 설정하고 직물의 특성을 예측해야합니다. 그러나 인공 지능의 적용은 원단 제조사에게 매우 비싸므로 원가가 상승 할 수 있습니다. AI는 또한 쾌적 성을 조사하기 위해 적용될 수 있습니다. 감각적 인 편안함이 고려되는 동안, 직물은 인공 지능의 응용에 의해 손 가치에 따라 분류 될 수 있습니다.

컬러 솔루션 :
색상은 소비자가 반응하는 디자인의 첫 번째 요소이므로 직물의 중요한 특징 중 하나입니다. 소비자는 색상 호소를 근거로 의류 또는 기타 패션 액세서리를 선택하거나 거부합니다. 따라서 올바른 색상을 얻으려면 염색 및 인쇄시 정확한 품질 관리가 필수적이며 이는 판매량에 영향을 줄 수 있습니다. 염색 및 인쇄 공정 모두 필요한 색상 견뢰도, 차양 깊이, 색상 매칭 및 표면 특성을 달성해야합니다. 이 매개 변수는 염료 및 직물 조합 및 화학 물질 규칙에 영향을받습니다. 허용 가능한 한도에서이 매개 변수의 편차는 전체 패브릭 배치의 재 처리 또는 거부로 이어질 수 있습니다.

인공 지능을 사용하면 이러한 문제를 해결할 수 있으며,이를 래서 피 예측에 사용할 수 있습니다. 염색 및 인쇄 중 공정 제어; 컬러 매칭; 최종 염색 또는 인쇄 된 직물의 평가.

컬러 솔루션을위한 AI의 응용 중 하나는 섬유 혼합 단계에서 로빙이 원사로 변환되는 동안입니다. 인공 지능의 사용은 서로 다른 색상의 섬유가 혼합 될 때 생성되는 색상을 예측하는 데 도움이됩니다. 균질 블렌드의 경우, 이론적 및 경험적 모델을 사용하여 색상 예측을보다 정확하게 수행 할 수 있습니다.

인공 지능은 직물의 색 일치 및 차광 정렬에 사용할 수 있습니다. 분광 광도계의 흡광도로부터 염료의 농도를 예측함으로써 실제 색상 생산에 사용될 수 있습니다.

패브릭 오류 감지 :
품질이 떨어지는 원단은 표준 의류를 생산할뿐만 아니라 의류 제조 과정에서 생산성을 저하시킵니다. 옷감의 결함은 최종 의복에 전달되어 옷을 거절 할 수 있습니다. 따라서 의복을 제조하기 전에 직물의 품질을 확인하는 것이 중요합니다.

일반적으로 직물 검사 는 조명이 장착 된 테이블이나 장비를 사용하여 숙련 된 작업자가 수행합니다. 이 과정은 오히려 느리고 여러 번 결함이 의류로 전달 될 수 있습니다. 또한 피로로 인해 직물 검사원의 효율성이 신속하게 줄어 듭니다. 그러나 AI를 사용하면 훨씬 더 정확하고 피로없이이 작업을보다 빠른 속도로 수행 할 수 있습니다.

인공 지능은 의류 업계에서받은 직물의 결함 검사 및 채점에 적용 할 수 있습니다. 결함의 이미지는 시스템에 저장되고 캡처 된 이미지와 비교됩니다 (그림 3). 차이가 발견되면 결함이 확인되고 검사자는 결함 지점을 계산합니다.

그림 3 : (a) 통풍, (b) 뒤틀림, (c) 뒤로, (d) 구멍, (e) 떨어 뜨려 진 스티치, (f) 프레스 -떨어져서

의류 제조에서의 인공 지능 응용 :
의류 제조 공정은 점점 더 많은 소비자의 요구에 부응하고 결함 수를 줄이며 생산 비용을 낮추기 위해 자동화되고 있습니다. AI는 재봉선의 성능, 의류 디자인, PPC, 다양한 재봉 작업 및 품질 관리를 예측하는 데 점점 더 많이 사용됩니다. 인공 지능은 의류의 지능형 제조에 적용되어 특정 공정 후 의류 특성을 예측할 수 있습니다. 따라서 원단 엔지니어링 및 의류 제조 공정 모니터링에 적합한 의류 디자인에 사용할 수 있습니다.

그림 -4 전형적인 자동 검사 시스템의 구성

수 놓은 솔기의 성능 :
수 놓은 의복에서 이음새와 스티치는 둘 이상의 천을 함께 결합하는 데 사용됩니다. 이음새 형성의 용이성과 이음새의 성능은 "재봉 성"으로 알려진 용어로 판단되는 중요한 매개 변수입니다. 인장, 전단, 굽힘 및 표면과 같은 패브릭 저 응력 기계적 특성은 재봉성에 영향을 줄 수 있습니다. 인공 지능 시스템은 의복 생산 중 다른 직물의 재봉 능력을 찾는 데 사용될 수 있습니다. 직물의 기계적 특성은 펼치기, 절단 및 재봉 중 성능에 영향을줍니다.

품질이 좋은 솔기는 양질의 의복에 필수적입니다. 재봉 솔기의 성능은 직물의 유형과 재봉사의 조합에 따라 달라집니다. 솔기와 스티치 유형; 바늘 크기, 스티치 밀도 및 재봉기 상태를 포함하는 재봉 조건. 이음새의 성능 특성은 이음새 주름, 이음선 미끄러짐 및 실 절단에 의해 평가되며 AI로 예측할 수 있습니다.

컴퓨터 지원 설계 시스템 :
의류 제조의 중요한 단계 중 하나는 패턴 작성 이며, 여기서 종이 패턴은 디자이너가 작성한 다음 컴퓨터로 디지털화합니다. 3D 의류의 기본 블록 인 의류에 대해 여러 가지 2 차원 (2D) 패턴이 준비됩니다. 다양한 CAD 소프트웨어가 의류 업계에서패턴 생성, 디지털화, 채점 및 마커 계획. CAD 소프트웨어는 높은 생산성과 향상된 품질을 달성하는 데 도움이됩니다. 의류 디자인에 관련된 디자이너는 CAD 소프트웨어를 사용하여 수많은 디자인을 만듭니다.

그러나 CAD 소프트웨어 는 특정 의복 스타일에 맞는 의복 패턴이나 디자인을 자동 생성하는 데 사용할 수 없습니다. 또한, 많은 의류 산업에서 기존의 의류 패턴 생성 방법은 숙련 된 디자이너에 의해 수행되며 패턴 생성에 AI를 사용하는 범위가 있지만 CAD 사용은 포함하지 않습니다.

기본적인 의류 패턴을 자동으로 개발하는 데 도움이되는 인공 지능을 구현하기위한 몇 가지 연구가 수행되었습니다. 예를 들어, Inui는 시스템 사용자가 선호하는 의류 디자인을 검색하는 데 사용할 수있는 AI 통합 CAD 시스템 (조합 의류 CAD 및 GA)을 개발했습니다. 검색 프로세스는 사용자가 시스템에 의해 생성 된 예제를 평가하는 맨 - 머신 상호 작용 사이클을 포함합니다.

CAD 시스템 은 디자인, 패턴 제작 및 채점 작업을 만들기 위해 의류 제조에 사용됩니다. 연구자들은 AI를 CAD 시스템과 통합하여 설계를 자동으로 생성하려는 여러 시도가있었습니다. 숙련 된 디자이너는 다양한 의류 스타일의 적절한 패턴 디자인에 필요합니다. 그러나 AI 시스템은 숙련 된 디자이너의 전문 지식을 제공하는 데 사용할 수 있습니다.

생산 계획 및 관리 :
PPC 는 여러 생산 부서 간을 조정하여 납기 날짜를 맞추고 고객의 시간을 정시에 전달합니다. PPC와 관련된 문제에 초점을 맞춘 다양한 연구 활동과 병목 현상 방지. 대부분의 연구는 재봉틀 바닥과 관련된 PPC의 문제, 즉 재봉 레이아웃의 고정, 재봉의 라인 밸런싱 및 재봉 바닥의 작업자 관리와 같은 문제를 기반으로했습니다. AI는 기계 레이아웃, 작업 지정 및 바느질 라인 밸런싱 문제를 해결하거나 최적화하는 데 사용할 수 있습니다. 이것은 PPC 의 목적 달성에 도움이 될 수 있습니다.

AI 기반 의사 결정 지원 시스템은 특정 고객 주문에 가장 적합한 제조 플랜트를 결정하기 위해 의사 결정에 사용되었습니다. 재조정을위한 GA 기반의 실시간 세분화는 Wong에 의해 마킹 , (2) 패브릭 스프 레딩, (3) 절단 및 (4) 번들링 중 바느질 마루의 PPC 관련 문제를 처리하기 위해 개발되었습니다 .

또 다른 연구에서 조지아 기반 시스템은 적절한 조립 라인에 대한 각 생산 주문에 대한 생산 일정 계획을 위해 Guo에 의해 설계되었습니다. 이 시스템은 생산 지연, 생산 불확실성 (가공 시간, 주문 및 리드 도달 시간과 같은) 및 기타 병목 현상에 대한 다양한 요소를 고려하여 설계되었습니다.

최종 의복 검사 :
생산 과정에서 완성품 및 반제품을 검사하는 것은 거부감을 줄이는 데 필수적입니다. 완성 된 의류의 최종 품질은 봉제 품질 및 기타 결함에 따라 달라집니다. 완성 된 의류의 최종 품질 검사는 주로 숙련 된 사람들에 의해 이루어지며, 이는 시간이 많이 걸리고 종종 주관적입니다. 검사 결과는 검사원의 신체적, 정신적 상태에 영향을받습니다. 따라서 자동화 된 검사 장치는 효율성과 정확한 결과를 향상시키는 데 필수적입니다. 제한적인 연구가 수행되었지만 완성 된 의류의 품질 검사를 위해 AI 및 이미지 처리를 사용하여 자동화 된 검사를 수행 할 수 있습니다.

의복 생산 과정에서 각 공정 (절단, 봉제 및 압축)은 완성 된 의복의 품질에 영향을 미치는 중요한 역할을합니다. 반제품의 품질은 최종 검사 전에 이러한 각 공정에서 검사해야합니다. 완성 된 의복은 규격, 외관, 결함, 크기 및 착용감에 따라 검사됩니다. 상세하게 완성 된 의복은 솔기에 걸린 꿰매어서는 품질, 불일치 한 끈이나 줄무늬, 솔기 부분에 잡힌 이가있는 솔기 또는 여분의 재료, 헴에 따른 솔기없는 솔기 및 의류 생산 중에 발생할 수있는 기타 많은 결함을 검사합니다.

최종 의복 검사에서 인공 지능의 적용은 다음을 포함한다 : 머신 비전을 사용하는 셔츠 칼라 (모노 컬러 재료)의 일반적인 결함의 자동 분류; 레이저 센서를 사용하여 주름 평가를위한 AATCC (미국 섬유 화학자 협회)의 주름 등급 적용; 웨이블릿 변환 및 BP NN을 이용한 스티칭 결함의 검출 및 분류; 자기 조직화 매핑을 사용하여 이음새 퍽커 평가; 의류 검사를위한 현명한 행거 설계이음새가없는 의복을 제조 할 때 AI는 온라인으로 결함을 감지하는 데 사용할 수 있습니다. 최종 의복 이미지를 캡처하여 표준과 비교할 수 있으며, 표준의 모든 변형은 해당 시점에 수정할 수있는 오류로보고되거나 오류가 발생한 위치에서 마킹이 수행됩니다.

공급망에서의 적용 :
SCM은 섬유, 원사, 직물, 의류, 트림 및 액세서리의 흐름을 다른 생산 지점 또는 소매점 사이에 포함합니다. 또한 정보의 흐름을 포함하여 위에 열거 된 모든 자료를 저장하고 통제해야합니다. SCM은 고객을위한 가치 창출을 위해 다양한 비즈니스 프로세스, 활동, 정보 및 리소스를 통합합니다. 적절한 SCM으로 비용 및 비즈니스 경쟁력을 관리 할 수 있습니다. 다른 상품의 공급망 활동에 AI가 폭넓게 적용되어 왔지만, 제한된 적용이있는 패션 공급망에는 몇 가지 영역이 있습니다.

AI 기반 모델은 SCM의 어느 지점에서나 정보를 통합하고 공유하는 데 사용할 수 있습니다. 공급망 계획에 다양한 AI 접근법을 사용할 수 있습니다. 공급망 수요 예측; 공급망 네트워크의 최적화; 섬유 공급 사슬의 물류 관리; 표본 관리; 효과적인 재고 관리;재고 보충.

소매업의 응용 분야 :
패션 소매업은 소비자와 패션 상품 제조사 간 연계를 구축합니다. 지난 20 년 동안 패션 소매업은 기술적 진보와 빠른 패션에 대한 소비자의 행동 변화로 인해 가장 경쟁이 치열한 소매 부문 중 하나가되었습니다. 소매 판매에는 판매 예측과 같은 몇 가지 영역이 있습니다. 유행 소매 예측; 스타일 제안; 고객 관계 관리; 수요 예측; 고객 만족도 결정; 패션 조정; AI 애플리케이션이 계속 증가하고 있습니다. 유행에있는 판매 예측은 몇몇 요인에 달려 있기 때문에 수요의 변동성 때문에 지금 도전적이되었습니다. 스타일, 색상 및 의상 크기와 함께 판매에 대한 기록 데이터를 판매 예측에 사용할 수 있습니다.

인공 지능 제안 시스템은 소비자에게 적합한 스타일과 디자인 조합을 선택하는 데 사용될 수 있습니다. 여러 경우에서 두 가지 스타일 간의 미묘한 차이점을 파악하는 것은 매우 어렵습니다. AI는 둘 이상의 다른 스타일 간의 차이점과 유사점을 식별하는 데 사용할 수 있습니다. 오늘날의 소비자는 이전보다 더 편안함 기능에 대해 더 잘 알고 있습니다. AI는 또한 고객이 사용할 수있는 모양을 포함하여 필요한 편안함을 제공하기 위해 적합한 유형의 의복을 선택하는 데 사용될 수 있습니다.

결론:
이 현대 시대에 인공 지능은 인간과 비슷한 지능으로 다양한 문제를 해결하기 위해 많은 분야에서 사용되고 있습니다. 인공 지능의 적용은 노동 집약적 의류 생산에 널리 받아 들여지지 않았습니다. 그러나 글로벌 경쟁 환경과 낮은 생산 원가를 달성하려는 목표는 의류 산업에서 재료 선택 및 소싱부터 제조 및 소매업에 이르기까지 AI의 폭 넓은 응용 분야에서 주된 이유입니다. 인공위성은 섬유 그레이딩, 실 특성 예측, 직물 결함 검출 및 염료 제조법 예측과 같은 섬유 생산의 다양한 프로세스에 사용될 수 있습니다. 마찬가지로 AI는 프리 프로덕션, 프로덕션 및 포스트 프로덕션 작업과 같은 의류 생산의 모든 단계에 적용될 수 있습니다. 선진국에서는 이미 AI를 사용하여 의류 품질을 개선하기 시작했으며, 향상된 고객 서비스 및 이에 따라 판매 증가. 인공 지능은 빠르게 발전하고 있으며 가까운 미래에 품질 향상, 생산 증가, 운영비 절감, 생산 관리에 대한 집안 운동 등을 통해 의류 제조사가 중요한 도구가되어 빠른 응답과 적시에 인도 될 것입니다 개념. 의류 제조 분야의 AI 적용은 다른 분야의 응용 분야와 유사한 밝은 미래를 가지고 있습니다.

참고 문헌 :

Rajkishore Nayak과 Rajiv Padhye의 의류 제조 자동화
Rajkishore Nayak Rajiv Padhye의 의류 제조 기술
T. Karthik, P. Ganesan, D. Gopalakrishnan의 의류 제조 기술
http://stitchdiary.com/articles-articles-apparel-industry/

패션의 미래 (The future of Fashion) : From Design To Merchandising, How Tech Is Reshaping the industry

IT Playboy — Mon, 24 Jun 2019 12:17:16 +0900

패션의 미래에 대한 자료 입니다. (2019.5,21)

https://www.cbinsights.com/research/fashion-tech-future-trends/

The Future Of Fashion: From Design To Merchandising, How Tech Is Reshaping The Industry

A look at the evolution of the fashion industry and where technology is taking it next, from AR/VR dressing rooms to temperature-changing fabrics and beyond.

www.cbinsights.com

TABLE OF CONTENTS

Product Design
- AI becomes the designer
- How AI is influencing brands
Manufacturing
- No more fashion seasons
- The push for sustainability
- Rapid iteration & production
- Streamlining the supply chain
- 3D printing personalized products
- Robot designs for the manufacturing floor
Inventory & Distribution
- RFID for verification, automation, & online integration
- Blockchain in the supply chain
- Distribution scales down
- D2C brands shun physical retail
- From ownership to usership: The rise of clothing-as-a-service
Retail & Virtual Merchandising
- AR/VR redefines the online and in-store experience
- Digital stylists get personal
What’s Next? Tech Fashions to Watch
- Connected jewelry, apparel, & footwear
- 3D scanning
- Novel fabrics
- Closing thoughts

Tag clothes기술을

IT Playboy — Mon, 24 Jun 2019 12:11:35 +0900

시원스러운 화면과 함께, 인공지능 이미지 검색을 통해서 어떤 정보들을 찾아낼 수 있는지를 확인할 수 있습니다.

자세한 정보는 다음 링크를 참조하십시오.

http://cta.ai/en/projects/fashion-tagger

Fashion Tagger - CTA.ai

FashionTagger cleverly recognizes a kind of clothing and assigns right attributes e.g. colour, neckline, pattern. E-commerce customers can now quickly and efficiently search clothes and shop online.

cta.ai

Artificial Intelligence for Clothing and Apparel – Current Applications

IT Playboy — Mon, 24 Jun 2019 12:05:20 +0900

자세한 내용은 아래 링크를 참조하십시오.

https://emerj.com/ai-sector-overviews/artificial-intelligence-for-clothing-and-apparel/

Artificial Intelligence for Clothing and Apparel – Current Applications | Emerj

The listed applications provide a variety of retail solutions using AI technologies that include computer vision, machine learning and robotics.

emerj.com

링크드 인 지저귀다 페이스 북 이메일

맥킨지 글로벌 패션 지수 (McKinsey Global Fashion Index) 에 따르면 지난 10 년간 패션 산업은 매년 5.5 % 성장 했으며 2016 년에는 2 조 4 천억 달러에 달하는 것으로 추산됩니다.

이 보고서는 도전에 사로 잡혔다 고 밝혔다. 보고서는 2016 년 말까지 매출 성장률이 3 % 이하로 떨어 졌다고보고했다.이 보고서는 패션 업계가 패션 사이클을 단축하는 등 업계를 재편하기 위해 내부 혁신을 추진하고 있다고 밝혔다.

의류 소매 업체를위한 이메일 마케팅 도구는 일반 쇼핑객 또는 비활성 쇼핑객과 같은 개별 세그먼트를 타겟팅하고 카트를 포기 하는 개인별 메시지를 제공합니다 .

패션 분야에서 벗어나 로봇 기술자는 생산성과 효율성을 높이기 위해 소매 업체의 공장과 창고에 진입했습니다.

이 기사에서는 애플리케이션이 다음과 같은 전략에 AI를 사용하는 방법을 강조합니다.

마케팅 및 구매 권장 사항
시장 정보 및 추세 예측
의류 생산에있는 로봇 공학

아래의 소매 패션 어플리케이션은 컴퓨터 비전에서부터 로봇 공학에 이르기까지 다양한 AI 기술을 사용합니다. 모든 사용자는 개인 정보, 전자 메일 주소, 이미지 업로드 여부와 상관없이 개별 쇼핑객 또는 기업 운영자의 의견을 필요로합니다.

마케팅 및 구매 권장 사항

유연

하나의 독립 실행 형 추천 엔진은 다양한 스타일을 제안하기 위해 개인 스타일, 맞춤, 신체 모양 및 이벤트 복장 적합성과 관련하여 기계 학습 및 사용자 입력을 사용하는 모바일 앱인 Affinity 입니다. 먼저 사용자는 마음이나 X 기호를 탭하여 패션 항목을 평가하도록 요청하는 설문 조사를 시작합니다. 회사는이 프로세스가 사용자의 개인 스타일 기본 설정에 대한 알고리즘을 가르치고이 데이터를 앱의 유행 검색 및 추천 도구에 보냈다 고 주장합니다.

사용자가 가입하면 그녀는 자신의 스타일과 취향에 맞는 큐 레이션 된 항목에 대한 매주 권장 사항을 받게됩니다. 선호도는 사용자가 Affinity 사이트 또는 앱에서 상품을 클릭하여 직접 소매점 사이트로 가져 오는 제휴 프로그램 비즈니스 모델을 따릅니다. 고객이 구매하면 소매업 자의 이익을 줄이는 Affinity를 제공합니다.

IOS 모바일 앱이나 웹 사이트에서 운동복, 신발, 드레스, 청바지, 가방, 보석 및 안경 등 다양한 제품을 제공합니다. 사용 가능한 브랜드에는 Stella McCartney, Neiman Marcus, J Crew, Louboutin, Barneys New York 및 Jimmy Choo가 있습니다. 현재 Android 휴대 전화에서는 앱을 사용할 수 없습니다.

CEO 인 Abigail Holtz는 인터뷰 에서 말했다 :

"우리는 큰 계산과 분석 같은 것들을 위해 기술을 사용합니다 - 환경 설정, 순위 및 득점 알고리즘 등을 밝히는 것. 컴퓨터 비전 및 기계 학습과 관련된 가장 큰 문제는 품질 / 정확성입니다. 우리의 모든 속성을 범주화하는 데는 수년이 걸리고 지속적인 선회와 재교육이 필요합니다. 시간이 지남에 따라 우리는 수동 인간 프로세스를 대체하기 위해 점점 더 많은 컴퓨터 비전과 기계 학습을 활용할 것입니다. 그러나 우리는 항상 완전 자동화 이상의 문제를 우선적으로 해결할 것입니다. "

Hontz를 설립하기 전에 Holtz는 2010 년부터 Google의 제품 관리자였습니다. 그러나 회사의 인공 지능 향상이나 Holtz가 AI 관련 프로젝트를 관리했는지 여부는 분명하지 않습니다.

우리의 조사에서, 우리는이 회사의 소매업 자와 관련된 사례 연구를 찾을 수 없었습니다.

미복

Finery 는 사용자가 전자 메일 주소 및 패션 구매 영수증에 액세스 할 수있는 권한을 묻는 옷장 관리 응용 프로그램입니다. 그런 다음 사용자의 옷장에 이미 어떤 의류가 있는지 확인할 수 있다고 주장합니다. 이 데이터를 사용하여 회사는 알고리즘이 사용자의 기존 작품과 사용자의 현재 스타일과 일치 할 수있는 의복 추천을 사용하여 외모를 제안 할 수 있다고 주장합니다. 회사의 Wishlist 기능은 구입하지 않은 옷장을 식별하고 사용자의 옷장을 완성 할 수있는 항목을 추천 할 것을 권장합니다.

이 응용 프로그램의 3 분 비디오 검토에서 사용자가 옷장과 위시리스트에 항목을 추가하는 방법을 보여줍니다. 제품 이미지를 클릭하면 해당 항목에 대한 사용자 세부 정보가 제공됩니다. 응용 프로그램이나 사이트에는 사용자가 팁을 찾을 수있는 스타일리스트도 있습니다.

회사 내에서 Oscar Mejia는 기계 학습 개발을 주도합니다. 그는 하버드 대학에서 컴퓨터 소프트웨어 공학 석사 학위를 받았습니다.

이 사이트에서 어떤 브랜드와 소매상이 Finery의 고객인지는 명확하지 않습니다. 이 제품에 대한 사례 연구를 찾을 수 없습니다.

훅

후크 (Hook) 는 전세계 패션 트렌드를 추적하고 고객 데이터 포인트를 수집하며 여러 소매 업체에서 유사한 제품을 찾는 소비자가 판매하는 검색 엔진입니다.

인텔리전스 노드 (Intelligence Node )가 개발 한이 애플리케이션은 소매업 자들이 고객 데이터 포인트 (특정 키워드, 온라인 네비게이션 패턴, 장바구니의 가격 포인트, 실제 구매 및 "좋아요")를 수집하고 분석 할 수있는 이점을 제공하기 위해 심층적 인 학습 알고리즘을 사용한다고 주장합니다 기타 - 사용자가 검색 할 내용을 결정합니다.

또한이 애플리케이션은 제품에 대한 정확한 일치 및 근접 일치를 추적 할 수있는 것으로보고되어 소매업 자에게 차별화 할 수있는 기회를 제공 할 수 있다고 회사는 주장합니다. 웹 사이트에 따르면이 응용 프로그램은 Gap, JC Penny, H & M, Old Navy, TopShop 및 Nike와 같은 5,000 개 이상의 브랜드에서 항목을 운반합니다.

소비자 측면에서 모바일 앱 또는 온라인 웹 사이트를 사용하여 가격을 비교하고 유사 제품을 찾고 판매에 대한 알림을 받고 수백 가지 브랜드의 패션 트렌드를 추적 할 수 있습니다.

시작하려면 사용자는 검색 및 구매하려는 옷의 이미지를 업로드 할 수 있습니다. 응용 프로그램의 알고리즘은 제공하는 온라인 카탈로그에 액세스하고 아래의 짧은 비디오 에서처럼 큐레이팅 된 권장 사항을 제공합니다. 이 비디오는 또한 Hook과 Tailor라는 다른 추천 엔진을 비교합니다.

Yasen G. Dimitrov는 4 년간 Intelligence Node의 수석 분석 및 최고 데이터 책임자입니다. 회사 내에서 그는 기계 학습을 사용하여 분석 작업을 담당하는 데이터 과학 팀을 이끌고 있습니다.

우리의 연구 결과, 우리는 Hook의 소매업 자에 대한 사례 연구를 찾을 수 없었습니다. 또한 Intelligence Node의 웹 사이트에서이 특정 제품에 대한 사례 연구를 찾을 수 없었습니다.

Vue.ai

매드 스트리트 덴 (Mad Street Den)이 개발 한 전자 상거래 플랫폼 인 Vue.ai 는 VueMail 이라는 자사의 인공 지능 이메일 기반 이메일 솔루션 이 Vue 전자 상거래 사이트를 떠난 후 고객의 참여를 유지하기 위해 이메일 맞춤 기능을 실시간으로 제공 한다고 주장했다 .

다른 응용 프로그램과 마찬가지로 Vue의 사이트에서는 사용자가 다른 제품에 대해 쇼핑하면서 환경 설정 프로파일을 만들 수 있다고 주장합니다. 사용자가 장바구니를 포기하면 기계 학습 알고리즘이 제품 세부 정보를 기록하고 유사한 색상, 패턴, 컷 및 스타일을 가진 유사한 제품을 권장하는 개인화 된 전자 메일을 전송합니다.

이 회사는 알고리즘이 정규 구매자를 구별 할 수있는 기능을 가지고 있으며 맞춤 추천 이메일을 맞춤 추천과 함께 전송한다고 주장합니다. 알고리즘은 구매자가 이전에 구매 한 제품을 기반으로 권장 사항을 선택합니다.

또 다른 유형의 개인화 된 전자 메일에는 구매자의 지속적인 충성도를 높이기 위해 제품 프로모션이 포함됩니다. 에 따르면 웹 사이트 , 이러한 이메일은 비활성 고객에게 발송되며, 전시 큐레이터의 추천과 제안은 자신의 구매 내역에 따라.

아래의 2 분짜리 비디오는 Vue.ai eCommerce 웹 사이트와 기계 학습, 심층 학습 및 컴퓨터 비전 기술이 함께 작업하여 각 사이트 방문자의 콘텐츠를 개인화하는 방법을 설명합니다.

이 비디오에 따르면 최초 사용자는 처음에는 인기있는 브랜드 또는 제품 카테고리가 홈페이지에 표시됩니다. 알고리즘은 삼성과 같은 카메라 또는 브랜드를 비롯한 제품 카테고리를 탐색하는 것과 같은 사용자 행동을 기록합니다. 쇼핑객이 사이트에서 보내는 시간이 길어질수록 AI 기술을 더 잘 훈련하는 데이터가 더 많이 수집됩니다.

에서 사례 연구 , Vue.ai는 전자 상거래 시장이 고객에게 VueMail 개인화 된 이메일을 전송 한 후 매출의 5 ~ 15 % 증가를 달성 것을 주장하고있다. 또 다른 유명한 미국 의류 전자 상거래 소매 업체는 VueMail을 구현 한 후 클릭 투 오픈 (click-to-open) 비율이 46 % 증가하고 업계 평균 매출의 두 배를 보였다. 고객은 이름이 없으므로 일부 예약자에게 결과를 알려줄 것을 권장합니다.

매드 스트리트 덴 (Mad Street Den) 의 개인화 된 이메일 외에 Vue.ai 는 AI 기반 카탈로그 태깅, 스타일링 및 검색을위한 솔루션을 제공하며 카탈로그 관리자, 머천다이저 및 제품 관리자를 대상으로합니다. VueTag 라고 불리는 솔루션 은 카테고리, 성별, 색상, 패턴, 드레스 길이, 소매 길이 및 목선과 같은 속성으로 온라인 카탈로그의 항목을 선별하는 데 사용됩니다.

VueTag 사용을 시작하기 위해 사용자는 먼저 이미지와 제품 설명을 응용 프로그램에 업로드합니다. 응용 프로그램의 컴퓨터 비전 알고리즘은 범주, 성별, 색, 패턴, 슬리브 길이, 목선, 실루엣과 같은 제품의 시각적 특성을 추출하도록 교육되었습니다. 또한 텍스트 정보를 기반으로 이미지에 태그를 지정할 수 있습니다. 일단 태그가 추출되면, 프로그램은 품질 보증을 위해 Vue 팀의 구성원에게 태그를 보냅니다. 이미지에 부정확하게 태그가 추가 된 경우 재교육을 위해 시스템으로 다시 전송됩니다. 마지막으로 태그가 지정된 이미지가 온라인 카탈로그로 전달됩니다.

Zilingo 는 동남 아시아의 패션 브랜드를한데 모으는 전자 상거래 시장입니다. 회사는 웹 사이트를 설정할 때 Vue.ai 응용 프로그램 모음을 사용했습니다. 자사의 상인들이 제품 설명 및 이미지를 능률적으로 관리 할 수 있도록이 회사는 VueTag를 사용했다고 말합니다. 이는 매달 5,000 ~ 10,000 개의 제품을 판매하는 수천 명의 판매자에게 도움이됩니다.

고객은 인간의 군대가 제품 세부 사항을 수동으로 입력 할 필요가 없기 때문에 애플리케이션이 판매자에게 프로세스를 단순하게 만들었다 고 주장합니다. 클라이언트는 이것이 큐 레이션을 더 빠르지 만 더 정확하게 만드는 것이라고 덧붙였다. "Shoppable 비디오 및 자동 태깅은 우리의 삶을 훨씬 더 좋게 만들었습니다."라고 Zilingo의 Ankiti Bose CEO는 말했습니다.

이 회사는 Levis, Macy 's, Diesel 및 Cosabella를 고객으로 지정합니다.

매드 스트리트 덴 (Mad Street Den)의 최고 과학 책임자 인 코스타 콜버트 (Costa Colbert)는 전기 공학 및 컴퓨터 과학 석사 학위를 취득했습니다. 존스 홉킨스 대학 (Johns Hopkins University)의 생물 의학 공학 (biomedical engineering) 버지니아 대학 (University of Virginia)에서 신경 과학 분야의 의학 박사 학위를 취득했습니다.

시장 정보 및 추세 예측

스타일러스

Stylumia 는 회사가 주장하는 시장 인텔리전스 응용 프로그램으로 심층 학습 및 AI 기술의 도움을 받아 패션 트렌드를 예측할 수 있습니다. 회사 웹 사이트에 따르면이 응용 프로그램은 비구 조형 컴퓨터 비전, 자연어 처리 , 행동 데이터 를 가져 와서 패션 통찰력으로 변환 할 수 있습니다.

이 응용 프로그램은 잠재적으로 통찰력을 사용하여 미래의 패션 트렌드에 대한 정보통 결정 및 통찰력을 얻을 수있는 의류 및 의류 제조업체, 브랜드, 소매 업체 또는 패션 및 라이프 스타일 영향 요인을 대상으로합니다.

응용 프로그램 또는 웹 사이트를 사용하려면 소매 고객이 로그인하여 색상, 제품 또는 스타일을 검색 할 수 있습니다. 이 회사는이 응용 프로그램이 소매 업체의 전자 상거래 사이트 사진, 소셜 미디어의 텍스트 설명 및 고객 행동 데이터를 수집하여 클라이언트에게 데이터 대시 보드를 보여주고 검색 한 제품이나 스타일을 중심으로 시각화 된 그래프를 표시 할 수 있다고 주장합니다. 이 회사는 이러한 분석을 사용하여 향후 전망 그래프 시각화 및 특정 패션 트렌드의 성공 여부에 대한 제안을 제공 할 수 있다고 주장합니다.

이 응용 프로그램의 유스 케이스의 예는 패션 쇼일 것입니다. Stylumia 웹 사이트 의 블로그 게시물에서이 회사는 40 명의 디자이너가 한 시즌 동안 총 24,000 개의 의상을 제공 할 수있는 주요 패션 이벤트에서 응용 프로그램이 데이터를 추출하는 방법을 설명합니다.

Stylumia의 블로그에 따르면 응용 프로그램에는 컴퓨터 비전 지원 렌즈를 사용하여 옷의 이미지를 캡처 할 수있는 기능이 있습니다. 패션쇼가 진행되는 동안 응용 프로그램의 알고리즘은 유사한 의류 품목의 이미지를 색상 및 모양별로 그룹화하는 작업을 시작합니다. 동물 프린트 드레스, 기모노 및 코트 재구성, 검은 색 및 빨간색 테마 의류 및 기타 유사한 경향이 이벤트에서 발생합니다.

이 회사에 따르면이 데이터는 추세를 발견하고 향후 시즌에 대한 예측을해야하는 패션쇼 주최자와 디자이너가 분석 할 수 있습니다.

Founder and CEO Ganesh Subramanian이 사용한 또 다른 유스 케이스는 디자이너 또는 의류 제조업체 가 텍스트 기반 키워드를 검색 하는 경우입니다. 사용자는 "노란색과 보라색 줄무늬 셔츠"와 같이 찾고있는 스타일을 설명 할 수 있습니다. 응용 프로그램의 자연어 처리 알고리즘은 웹을 통해 크롤링하여 항목의 이미지를 찾습니다.

이 회사는 기계 학습 응용 프로그램이 Instagram 및 Pinterest와 같은 소셜 미디어 사이트의 추세를 인식하고 색상 및 실루엣에 대한 교육을받을 수 있다고 주장합니다. 키워드의 철자가 틀린 경우에도 올바른 항목을 검색합니다.

응용 프로그램의 컴퓨터 비전 기술은 RGB (적색, 녹색, 청색) 시스템의 정확한 속성과 색상 값으로 훈련 된 항목의 올바른 색상을 구별 할 수 있습니다.

Subramanian은 알고리즘이 비디오를 통해 크롤링하고, 심층 학습 신경망을 사용하여 광학 매핑을 통해 의복 색상을 결정하고, 비디오에서 의류의 색상 히스토그램을 추출 할 수 있다고 주장합니다.

사례 연구에서 이름없는 고객 은 지난 2 개월 동안 현지 및 국제 브랜드에서 영감을 얻어 출시 한 디자인을 사용하여 2017 년 초에 T 셔츠 컬렉션을 디자인하려고했습니다. 클라이언트는 베스트 셀러 디자인 상위 10 %를 지정했으며 Stylumia는 인기도에 따라 순위가 매겨진 디자인으로 돌아 왔습니다. 디자인에는 위장 프린트, 대비가 달린 포켓, 라운드 넥 라글란 및 가로 줄무늬가 포함되어 있습니다.

그런 다음 디자이너는 이러한 경향을 결합하고 비즈니스 팀의 승인을 받아 응용 프로그램에서 제공하는 순위를보고 특정 수량을 산출합니다. 사례 연구에 따르면 셔츠는 시즌이 끝날 때까지 5 개 마켓에서 3 주 이내에 매진되었다고합니다.

이 회사는 Aeropostale, Myntra, Wrogn, Fastrack, W, Biba, Global Desi 및 Puma를 포함한 40 개의 고객을 보유하고 있다고 주장합니다.

현재 회사 임원 중 누구도 인공 지능 전문 지식이 없습니다. boost.ai의 수석 데이터 과학자 인 Abhishek Thakur는 Stylumia의 AI 고문으로 근무합니다. 그는 본 대학에서 컴퓨터 과학 석사 학위를 취득했습니다.

의류 생산에있는 로봇 공학

그것을 잡아

Grabit 은 Stackit 이라는 로봇이 로봇 제작, 기계 학습, 컴퓨터 비전 및 알고리즘을 사용하여 신발 생산을 자동화하는 자동화 시스템이라고 주장합니다. 이 회사는 로봇의 기계 학습 알고리즘이 인간보다 20 배나 빠른 아이템을 쌓을 수 있다고 말한다.

손에는 가죽과 같은 물질을 다룰 수있는 정전기를 발생시키는 정전 기적 그리퍼가 장착되어 있습니다. 메쉬 및 복합 섬유; 1 밀리미터보다 얇은 기타 재료 또한 최대 50kg까지 상자를 다룰 수 있습니다.

Stackit은 공장 직원과 함께 작동하도록 설계되었습니다. 컴퓨터 비전 알고리즘은 재료를 쌓아야하는 방법을 결정하고 공장 직원이 제품을 설치해야하는 연결된 유리 테이블의 부분을 밝힙니다. 로봇의 전착 플랫폼은 재료를 픽업하고 컴퓨터 비전 장착 카메라는 진행 상황을 모니터링합니다. 또한 기계는 부분적으로 완성 된 구두로 이동하여 열 프레스에 떨어 뜨릴 수 있습니다.

아래의 짧은 비디오는 Stackit이 어떻게 금속에서 패브릭, 유리 및 인쇄 회로 기판과 같은 다양한 유형의 재료를 처리 할 수 있는지 보여줍니다. 로봇의 그리퍼는 정전기에 노출 될 때 두 표면이 접착되는 정전기 부착 기술을 사용합니다.

이 회사는 나이키와 함께 투자자들에게 2 천 5 백만 달러의 자금을 조달했습니다.

이 회사는 공식적인 사례 연구가 없지만, 뉴스 보도는 나이키 신발 한 켤레를 조립하는 것은, 위 준비 20 분까지 인간의 노동자 걸리는 과정을 신발을 만들 재료를 40 개까지 적재 포함 것을 주장하고있다. Stackit을 사용하여 보고서는이 프로세스가 8 시간 동안 신발 상반부 당 50 초 또는 300-600 쌍의 Nike 어퍼의 속도로 기계 학습보다 20 배 더 빨라질 것이라고 주장합니다. 이 페이스에서 나이키는 2 년 안에 투자 수익을 올릴 것이라고 보고서는 주장했다.

신발 이외에도 회사 웹 사이트에 따르면이 로봇은 의류, 자동차 및 항공 우주의 제조 프로세스에도 적용될 수 있다고합니다. 나이키 보도 자료는 Grabit의 현재 고객은 창고 자동화, 소포 처리, 소비자 제품, 및 섬유 등의 산업 분야에서 일부 포춘 500 개 기업을 포함보고합니다. 현재 투자자는 Formation 8, Draper Nexus, Danhua Capital, Nike, Samsung, Brother Industries, ABB, Shanghai Electric, Flex, NTT Docomo 및 Esquel Group을 포함합니다.

Harsha Prahlad는 Grabit의 공동 창립자이자 최고 기술 및 제품 책임자입니다. 그는 이전에 SRI International의 Advanced Components Group을 이끌고 Bayer Material Science에서 인수 한 Artificial Muscle, Inc.를 발명했습니다. 그는 박사 학위를 받았다. 메릴랜드 대학 (University of Maryland) 항공 우주 공학 석사, 인도 트 리치 (Trichy) 국립 기술 연구소 (National Institute of Technology) 기계 공학 학사 학위를 취득했습니다.

SewBots

SoftWear Automation의 SewBots 는 신발, 티셔츠, 베개, 목욕 매트, 자동차 매트 및 수건 을 꿰맬 수 있는 컴퓨터 비전 기반 로봇입니다. 회사 웹 사이트에서는 로봇이 재봉시 재료의 표면을 "매핑"하여 천과 기타 재료를 안정화하고 봉합하도록 고안되었습니다.

Sewbot의 컴퓨터 비전 알고리즘은 패브릭의 왜곡을 감지하여 로봇 적으로 조정합니다. 컴퓨터 비전은 또한 로봇을 절단, 솔기 봉합, 슬리브 추가 및 70 피트 길이의 티셔츠 생산 라인에 걸쳐 물품의 품질 검사를 안내합니다. 재봉 과정은 고정 된 재봉기를 통과하는 직물보다는 바늘을 움직입니다.

로봇의 머신 비전 시스템은 정밀도가 0.5 밀리미터 이내 인 정확한 바늘 배치를 추적 할 수 있다고이 회사는 주장했다. 이 회사의 이미지 프로세싱 알고리즘 기반 카메라는 각 스레드를보기 위해 초당 1,000 프레임 이상을 캡처 할 수 있다고 CEO는 덧붙였다.

애틀란타에 본사를두고있는 머신 비전과 로봇 공학은 7 년 동안 DARPA와 Walmart Foundation 프로젝트에 대한 연구와 개발을 거쳐 Georgia Tech에서 시작되었습니다.

CEO 인 Palaniswamy Rajan은 인간의 재봉사와 같은 로봇의 봉제 과정을 설명하며,

"그들이하는 첫 번째 일은 눈을 사용하는 것이며 눈과 손과 팔꿈치와 발로 직물을 미세하고 거시적으로 조작하는 것입니다. 따라서 로봇은 모든 기능을 복제합니다. "

아래 비디오에는 전 CEO 인 KP Reddy가 있는데, 로봇이 직물의 상단과 하단에 컴퓨터 비전 카메라를 사용하여 단추 구멍을 어떻게 바느냐를 설명합니다.

현재 Sewbots는 헴과 바인딩과 같은 제한된 봉제 기술을 필요로하는 단순한 조각을 대량 생산하는 것으로 제한됩니다. 웹 사이트에 따르면, 기계는 22 초 만에 하나의 티셔츠 를 생산할 수 있습니다. 신발류 상부 workline 한 26 초 상부 봉제 생산할 수있다.

한 고객은 중국 소주의 Tianyuan Garments Company입니다.이 회사는 전세계 아디다스 셔츠를 대량 생산합니다. 이 회사는 또한 고객 사이에서 계산 에이버리 데니슨 : 압력 감지 기능적인 자료를 제공하는 회사; 브랜딩; 소매 의류 시장을위한 직조 및 라벨링 솔루션을 제공합니다.

CTO Barrett Clark은 Sewbot의 개발 및 배포를 감독했습니다. 그는 오하이오 주립 대학에서 기계 공학 석사 학위를 취득했습니다.

종결 사상

우리 연구 결과, 많은 후작 패션 소매상들이 추천 상품 엔진을 갖춘 전자 상거래 사이트 에서 자신의 제품을 선전하고 판매하기 위해 구매 삭감과 같은 지불을 한 것으로 나타 났습니다. 이것은 Hook 및 Finery와 같은 응용 프로그램을 조사 할 때 해당되는 것으로 보입니다. 다른 연구를 통해 많은 소매 업체가 제 3 자 구축 추천 엔진을 독점적으로 자체 웹 사이트로 가져 왔음을 확인했습니다.

아마존 과 페이스 북 과 같은 후작 회사들이 어떻게 AI 기술을 실험하여 옷을 디자인 하는지와 관련이있는 로봇 디자인 및 디자인 트렌드 예측 애플리케이션의 성장을보고 있습니다. IBM 은 또한 Tommy Hilfiger 및 Fashion Institute of Technology , Google은 Project Muze 를 통해 의류 라인을 발표했습니다 .

그러나 MIT Technology Review 에 따르면 설계 작업이 인간의 손을 떠나고 로봇을 통과하는 데는 시간이 걸릴 수 있습니다 . 혁신에 관해서는 여전히 인간이 더욱 강점을 가지고 있기 때문입니다. 이 목록에 언급 된 로봇 응용 프로그램을 사용하여 우리는 로봇이 복잡한 작업을 처리하는 동시에 인간이 복잡한 작업을 처리 할 수 있도록하면서도 필요한 작업을 감지하고 관리하는 것을 보았습니다.

헤더 이미지 신용 : Pixabay

인공지능을 통해서 재탄생하는 패션산업 (뉴스)

IT Playboy — Mon, 24 Jun 2019 11:58:44 +0900

자세한 내용은 아래 링크를 참조하십시오.

http://www.aitimes.kr/news/articleView.html?idxno=11095

AI로 재탄생하는 패션산업은 무엇이 어떻게 바뀌나? - 인공지능신문

인공지능(AI)으로 패션산업의 미래방향과 패션마케팅 전략의 변화가 국내외적으로 급속히 진행되고 있다. 방대한 데이터와 반복 학습을 통해 스스로 진화하는 AI를 통해 패션산업 트렌드와 가격을 예측하고 클라...

www.aitimes.kr

AI는 디자이너 또는 큐레이션을 제공하는 점원이나 스타일리스트 역할을 담당할 것

아이비레벨(Ivyrevel)과 구글(Google)이 협력하여 사람의 행동 데이터에서 옷을 디자인하고 주문할 수 있는 디지털 드레스 서비스 앱(APP) 데이터 드레스(Data Dress)(사진:본지DB)
인공지능(AI)으로 패션산업의 미래방향과 패션마케팅 전략의 변화가 국내외적으로 급속히 진행되고 있다. 방대한 데이터와 반복 학습을 통해 스스로 진화하는 AI를 통해 패션산업 트렌드와 가격을 예측하고 클라우드를 통해 사용자가 서비스를 이용할 때 환경과 시간의 구애받지 않고 24시간 정확한 동향과 정보를 제공받으며, 온라인과 오프라인의 경계를 허물고 있다.

이처럼 개인의 스타일, 위치 정보, 행동 양식, 취향 등을 추적과 분석하는 기능이 탁월한 인공지능은 고객이 마음에 드는 아이템이나 당사자가 필요로 했던 아이템까지 실시간 제공받을 수 있는 환경이 조성되기 시작하면서 패션은 디자인에서 생산, 유통까지 그리고 소비자의 인식과 패턴까지 전환되면서 패션 산업 자체의 패러다임을 바꾸고 있다.

알리바바가 중국 내 13개 매장에 AI 패션 어시스턴트 시스템인 ‘패션 AI(FashionAI)를 운영하고 있다.(사진:알리바바)

출처 : 인공지능신문(http://www.aitimes.kr)

딥러닝으로 스타일 추천,조언까지 가능한 현재 트랜드 뉴스

IT Playboy — Mon, 24 Jun 2019 11:55:51 +0900

자세한 내용은 아래 링크를 참조하시면 됩니다.

http://biz.chosun.com/site/data/html_dir/2017/10/09/2017100901181.html

"딥러닝으로 스타일 추천·조언부터 구매까지"…당신의 패션은 'AI 디자이너'가 책임진다

딥러닝·감정 분석·이미지 인식 기술로 패션 업계 잡아라“AI 패션 디자이너 만들겠다” AI 달고 패션 전방위로 손 뻗는 아마존# 세계적인 전자상..

biz.chosun.com

딥러닝·감정 분석·이미지 인식 기술로 패션 업계 잡아라
“AI 패션 디자이너 만들겠다” AI 달고 패션 전방위로 손 뻗는 아마존

# 세계적인 전자상거래 기업 아마존이 최근엔 패션 분야에 손을 뻗고 있다. 인공지능(AI) 기술을 동원해 유행에 맞는 옷을 자체적으로 디자인하는가하면, 의류 유통 과정을 자동화하는 물류 혁신도 예고했다. 아마존은 온라인 주문으로도 ‘입어보고 구매하는’ 패션 관련 서비스를 선보인 바 있으며 패션 알고리즘 개발에도 매진하고 있다.

# 영국 명품 브랜드 버버리(Burbury)는 중년을 떠올리게 하는 이미지를 벗고 디지털 기업으로 과감하게 변신하고 있다. AI와 빅데이터 기술을 고객 선호도 조사, 마케팅, 판매, 모조품 구별 등에 적극적으로 활용하는가하면, 미국 스타트업 ‘엔트러피(Entrupy)’의 모조품 판별 머신러닝 기술을 활용해 98% 정확도로 가짜 제품을 골라낸다.

에코 룩 / 아마존 제공

딥러닝과 머신러닝 등 AI 기술이 패션 업계에 새 활력을 불어넣고 있다. 유통업체와 패션업계는 AI 기술과 빅데이터를 활용한 딥러닝과 감정 분석 기술, 이미지 인식 기술을 의류 판매 관리 및 마케팅, 디자인, 소비자 선호도 조사에 적극 활용하고 있다.

패션 이미지 검색에 적용되는 기술

IT Playboy — Mon, 24 Jun 2019 11:54:01 +0900

자세한 내용은 아래 링크를 참조하시면 됩니다.

https://m.blog.naver.com/PostView.nhn?blogId=naver_search&logNo=221081268746&proxyReferer=https%3A%2F%2Fwww.google.com%2F

패션 이미지 검색에 적용된 딥러닝 기술을 소개합니다

영화나 드라마, 혹은 거리에서 누군가가 입은 옷을 보고 ‘저 옷 어디서 팔지?’ ‘비슷한 디자인의 다른 ...

blog.naver.com

1. Object Localization 이란?
딥 러닝 기술의 하나인 R-CNN 알고리즘을 기반으로 전체 이미지에서 패션 아이템들의 위치를 감지하고 분류하는 기술입니다.
이 기술을 통해, 인공지능은 상의, 하의, 아우터 등 8가지 종류의 의류 타입을 구분할 수 있습니다.
(*R-CNN: Regions with CNN features, 이미지 안에 어떠한 물체들이 있는지를 구분해내는 인공지능 기술)

2. Attribute Learning 이란?
Object Localization 기술을 통해 구분된 개체들의 색상, 재질, 카테고리 등, 구체적 특질(deep feature)을 구체화하는 기술입니다.
이 기술을 통해, 인공지능은 패션 아이템들의 정보를 검색 가능한 데이터로 이해하고 학습할 수 있게 됩니다.

3. Vector Quantization & Indexing 이란?
딥 러닝으로 분석된 이미지의 속성 정보는 매우 복잡하며 이미지의 수는 매우 방대합니다.
이러한 대규모 데이터를 빠르게 검색하기 위해서는 데이터를 효과적으로 표현하고 색인해야 합니다.
이미지의 속성 정보의 양자화를 통해 보다 단순한 정보로 변형하고, 이를 전통적인 검색 기술을 통해 색인하면
빠른 탐색 서비스를 제공할 수 있습니다.
(*Vector Quantization: 벡터 양자화, 이미지가 담고 있는 속성정보를 빠르게 처리할 수 있도록 압축하는 방식)

동대문의 디지털 전환 : AI + 원단

IT Playboy — Wed, 12 Jun 2019 23:57:29 +0900

이 글은 SPRi 소프트웨어정책연구소의 컬럼으로 소개된 글입니다.
https://www.spri.kr/posts/view/22660?code=column

SPRi - 소프트웨어정책연구소 : SPRi 칼럼

도시의 재탄생 : 디지털 + 동대문 패션 동대문이 주목받고 있다. 서울시 면적의 0.1%(58.6ha, 약 17만 평)에 불과하지만, 약 30개의 도매 상가들이 밀집해 있으며, 약 3만여 개의 매장에 약 15만 명의 종사자들이 분포되어 있다. 하루 100만 명 이상의 바이어와 소비자들이 모인다. 동대문시장의 유통 과정을 통째로 온라인 플랫폼에 옮긴 이른바 ‘세포마켓’으로 불리는 SNS마켓은 연간 20조 원 규모의 부가가치를 창출하는 명실상부한 패션의 추로

www.spri.kr

도시의 재탄생 : 디지털 + 동대문 패션

동대문이 주목받고 있다. 서울시 면적의 0.1%(58.6ha, 약 17만 평)에 불과하지만, 약 30개의 도매 상가들이 밀집해 있으며, 약 3만여 개의 매장에 약 15만 명의 종사자들이 분포1되어 있다. 하루 100만 명 이상의 바이어와 소비자들이 모인다.

동대문시장의 유통 과정을 통째로 온라인 플랫폼에 옮긴 이른바 ‘세포마켓’으로 불리는 SNS마켓은 연간 20조 원 규모의 부가가치를 창출하는 명실상부한 패션의 추로 부상하고 있다.2최근에는 연 매출 1,000억 원을 상회하는 스타일난다, 엔라인, 부건에프엔씨 등 국제화된 동대문표 스타트업도 빠르게 증가하고 있어 지금 동대문은 그야말로 ‘디지털 봄’을 만끽하고 있다.3뉴욕, 파리, 런던과 밀라노의 패션거리도 고작 의류점포 300~400개 수준이라서 동대문의 3만 개 상점에 비할 바가 되지 못한다. 누군가는 “국내 SW스타트업 인프라가 강남 테헤란로에서 형성되어 경기도의 판교밸리로 이어졌지만, 지금은 동대문을 중심으로 형성된 스타트업 생태계의 성장이 훨씬 역동적이다”라는 말을 하기도 한다. 사실 판교는 정부가 주도한 IT집적단지이고, 동대문은 해방 이후 자생적 도시형성과 발전이라는 역사적 맥락이 있어 그 태생적 본질이 다르다. 그렇다면 청계천의 전통시장에 불과했던 동대문이 어떻게 글로벌 패션 클러스터로 도약한 것인가?

동대문의 의류시스템은 크게 구매 → 디자인 → 생산+판매의 4단계 가치사슬로 구성되며, 이 생태계는 기본적으로 도·소매 점포-디자이너-하청 생산 단계별 행위자들이 ‘단골’이라는 신뢰 네트워크로 묶여서 운영된다. 그리고 ‘지게삼촌’이라 불리는 운반업자가 배달하는 물건을 점포가 받고, ‘사입 삼촌’이라고 불리는 중간 구매대행업자가 동대문 점포와 전국 소매상 사이에서 수요와 공급을 역동적으로 매개한다. 구매는 점포주 및 디자이너가 동대문 종합시장 등에서 원단과 부자재를 구매하는 단계이고, 디자인은 점포주 및 디자이너가 시장조사, 디자인을 하여 샘플제작 후 물량을 결정하는 단계이다. 이렇게 결정된 상품은 자체 공장이나 하청공장을 통하여 생산되고, 점포에서 판매된다. 디지털 기술은 바로 이러한 동대문 특유의 생산-유통체제 곳곳에 적용되면서 새로운 혁신과 부가가치를 창출하고 있는 것이다.

동대문의 디지털 전환 : AI + 원단

우선 원단과 부자재의 선별과 구매의 경우, 동대문은 각 원단점포마다 벨벳, 암막, 린넨, 쉬폰, 트리플쉐이드, 허니콤, 노블레스, 알루미늄 등 3,000여 가지 이상의 국내외 원단을 보유하고 있으며, 전체적으로 약 200만여 종 이상이 유통되고 있다. 일반인은 이름만으로 그 특성과 용도를 알기도 어려운 다양한 원단의 선별은 최소 30년 이상의 경험을 축적한 노련한 원단사가 디자이너와 그들만의 언어로 소통하면서 원단을 선택하고 샘플을 제작한다. 그러나 최근 원단에 대한 여러 가지 정보가 데이터베이스(DB)로 구축되어 원단의 패턴, 질감 및 색상 등을 AI가 분석·분류하고 있다. DB구축 초기에는 원단 샘플(스와치)을 구매해서 사진과 영상을 찍고 제품명, 혼용률, 질감, 색상 등 14가지 원단 스펙을 데이터베이스화한 후, 카테고리 분류와 검색이 가능하게 사람이 직접 수작업으로 제작해야 했지만 이제는 원단 샘플을 떼 오는 것 이외에는 대부분 자동화됐다. 데이터가 축적되다 보니 이미지 기반 인공지능(AI)을 통해 원단에 대한 트렌드 분석과 분류 및 검색도 가능해졌다. 동대문 스타트업인 패브릭타임이 개발한 스와치온은 현재 20만 종 이상의 원단DB와 AI시스템으로 세계 80여 개국 2,000여 명의 디자이너들과 실시간 협업을 진행하고 있다. 이는 제품의 판매 이전인, 디자인 단계에서부터 글로벌 커넥션을 구축한 사례에 해당한다.

한편 부자재의 경우, 옷을 만들 때 필요한 단추, 지퍼, 끈, 솜 등을 이르는 ‘의류 부자재’ 시장은 약 2조 원 규모로, 기술 발전도 더뎌 지금도 대부분의 디자이너들은 90년대와 마찬가지로 직접 동대문 시장에 가서 부자재들을 일일이 흥정하며 구매하고 있다. 국내 의류 부자재 생산공장은 대략 400여 곳이며 아직도 기존 판매관행을 유지하는 곳이 대부분이지만 이 분야도 디지털 전환이 진행되고 있다. 국내 의류부자재 플랫폼기업인 종달랩의 경우, 구글포토 시스템처럼 40만 개 이상의 의류 부자재 이미지DB와 딥러닝 이미지 분석기술을 기반으로, 소비자가 원하는 의류 부자재 이미지를 넣으면 해당 상품 정보를 알려주는 검색 서비스를 개발하고 있으며, 약 40여 생산공장의 제품을 온라인 판매플랫폼에 등록해서 기존의 ‘생산공장→동대문시장→소비자’ 루트에서 ‘생산공장→소비자’ 루트로 유통 과정을 혁신시키며 가격도 30% 정도로 저렴하게 제공하고 있다. 또한 유럽이나 베트남에 국내 의류부자재의 공급이 가능하도록 해외 직접 구매 서비스도 개발하고 있다.4

<그림 1> 동대문의 가치사슬

동대문의 디지털 전환 : 디지털 + 유통

다음으로 동대문의 유통도 디지털화되고 있다. 동대문 유통의 핵심은 사입 삼촌이라고 불리는 중간 구매대행업자이다. 일반적으로 패션기업은 소비자에게 상품을 직접 판매하여(B2C) 그들의 니즈를 생산과 디자인에 반영하지만, 동대문 상인들은 B2B 유통을 고수한다. B2B 유통은 소비자의 요구를 반영하여, 빠르게 디자인·기획·생산을 전개해야 하는 패스트 패션산업으로서는 적합하지 않지만,주문에 맞추어 생산한다는 측면에서는 안정적이다. 하지만, 동대문시장이 B2B모델로 변화무쌍한 내수 패션시장의 한 축을 담당하는 이유는 사입대행업자들이 중간마진을 줄이며 소매와 도매를 연결하고 가격 경쟁력을 유지시켜 주기 때문이다. 유행하는 패션을 브랜드 상품보다 빨리 소개하고, 신상품 출시 후 2일~3일 이내에 소비자 반응을 얻지 못하면 바로 재고처리하며, 수요에 대응하여 팔리지 않는 상품의 공급 중단과 잘 팔리는 상품의 보급을 실시간(Real Time)으로 진행함으로써 동대문은 현재 재고가 거의 없는 생산체제를 유지할 수 있는 것이다. 과거에는 여러 상점의 주문정보가 적힌 여러 장의 A4용지를 가지고 다니면서 일일이 펜으로 체크해 가면서 직접 구매했다. 구매하는 물건이 워낙 소량이다 보니, 미송, 교환, 결제, 배송 그리고 상인들의 장끼5관리가 어려워 그간은 단골 신뢰 네트워크로 처리했으나 최근에는 ‘삼촌앱(Linkshops)’이 등장해서 중간 구매대행업자와 도매상들의 업무 과정을 디지털화했다. 즉, 제품등록(도매업자)→주문(사입자)→픽업+포장+출고(물류)→정산 (구매자)의 도매상 업무와 상품주문(사입자)→택배(물류)→주문서+세금계산서→정산(사입자)의 사입을 실시간으로 진행한다. 인기있는 제품을 돈을 미리 내고 나중에 제품을 받는 식으로 처리하는 거래를 미송이라 한다. 과거에는 이를 기억이나 메모에 의존했다면 지금은 삼촌앱이 정확한 일정에 해결해 주면서 동대문의 신뢰 네트워크는 디지털로 고도화되고 있다. 중국과 베트남이 빠르게 추격하고 있지만, 반경 10km에 의류생산과 유통에 필요한 모든 것이 대규모로 집적되어 다품종-소량생산이 가능한 곳은 동대문이 유일하다.

동대문의 디지털 전환 : 글로벌 커넥션

마지막으로 인스타그램, 유튜브, 네이버, 블로그 등을 통해 의류를 판매하는 1인 커머스(일명 세포마켓)와 왕홍은 동대문의 디지털 전환에 중요한 자산이다. 현재 인스타그램에 #마켓을 검색하면 170만 개의 게시물이 뜬다. 이러한 개인간 거래를 촉진하는 C2C 세포마켓은 약 20조 원의 부가가치를 창출하고 있다.6세포마켓이 동대문의 큰 손이라면 또 다른 큰손이 바로 중국 왕홍7이다. 2018년 왕홍이 동대문에서 일으킨 거래액은 약 1,600억 정도로 매년 급성장하고 있다.8왕홍은 크게 에이전시 소속과 타오바오 셀러의 두가지 유형이 있으며, 주로 오후 8시부터 새벽 1시 사이에 실시간 방송을 이용해서 중국 현지의 온라인쇼핑몰에 동대문 의류를 판매한다. 적게는 수백만 원, 많게는 수천만 원 규모의 의류가 왕홍의 1인 방송을 타고 중국으로 넘어가는 것이다.9모두 현금거래이며, 방송 도중 주문이 보유한 현금을 넘어가면 다음 날 와서 결제하고 상품을 찾아가는데, 동대문 특유의 신뢰 네트워크에 왕홍도 새롭게 참여하고 있는 셈이다. 왕홍의 활동과 역할이 중요해지면서 국내 기업들도 왕홍 마케팅에 적극적이다. 국내 기업인 맥스타8은 왕홍 마케팅 전문기업으로 동대문 맥스타일 건물에 국내 최초로 왕홍 전용 방송센터를 설립했다. 이 기업은 타오바오, 모구지에, 틱톡, 웨이보, 후난TV 등의 플랫폼을 통해 생방송을 진행하고 있으며 전반적인 쇼핑몰 관리 및 상품 기획, 마케팅도 담당하고 있다.10이제 과거 다이공이나 러시아 보따리상의 역할이 모바일과 결합된 세포마켓이나 왕홍을 통해 실시간 글로벌 판매체제로 전환되고 있는 것이다. 소비자 측면에서의 디지털 전환도 진행형이다. 패션 검색 포털인 ‘지그재그’를 운영하는 크로키닷컴은 사용자들의 검색, 구매 이력 같은 빅데이터를 AI로 분석하고 개인 맞춤형 상품과 쇼핑몰을 보여 준다. 지그재그는 동대문시장 의류 업체를 중심으로 3,000여 개 쇼핑몰에서 제공하는 580만 개의 의류·패션 상품을 검색해 주기도 한다.

정리하면, 유통 인프라, 신뢰 네트워크, 중간조직과 소비자 채널 등 그간 동대문 패션 클러스터의 경쟁력이라고 했던 다양한 요소들이 이제 빅데이터와 인공지능 등 디지털 기술에 의해 고도화되고 있다. 또한 동대문 패션 클러스터의 지평이 온라인으로 확장되면서 국제화 패션 클러스터로 발돋움하고 있고, 그에 따라 동시, 지역체제가 새로운 성장 동력이 될 수 있음을 보여 주고 있는 것이다.

시사점

동대문의 발전과 디지털 혁신에서 알 수 있는 시사점은 다음과 같다.

첫째, 동대문의 디지털 전환은 개개 점포단위를 넘어 생태계 차원에서 진행되는 측면이 강하다. 예를 들어 원부자재의 구매시스템인 스와치온, 사입 삼촌의 유통을 지원하는 삼촌앱은 동대문의 3만 개 점포와 생산자 그리고 사입 업자가 이용하는 다자간 네트워킹 플랫폼인 것이다. 물론 개별 사업장별로 의류의 생산과정에서 3D프린팅, 디지털패턴과 재단, On-Demand 스타일맞춤형 자동화 생산과 클라우드 도입 등이 강조되기도 하지만 이러한 생산도 서비스 플랫폼 위에서 작동되어야 파급력이 크다. 플랫폼형 혁신은 생태계 참여기업들이 개방형 혁신(Open Innovation), 분산형 제조(Distributed Manufacturing), 그리고 협업모델(Collaborative Models)을 지원하기 때문에 중요하다.11개방형 혁신은 동대문의 신제품 아이디어나 디자인을 글로벌 구매자 혹은 소비자에게 사전에 공유할 수 있는 각종 중개플랫폼(Brokerage Platform)을 활용해서 글로벌 구매자의 요구, 수요, 반응 등을 실시간으로 생산에 반영하는 것을 말한다. 분산형 제조는 제4차 산업혁명과 관련해서 인공지능, 빅데이터, 클라우드 컴퓨팅, 플랫폼 등 지역적으로 흩어져 있는 생산설비들이 상호 유기적으로 연계되어, 원단의 선별, 시제품 및 완성품 제작과정과 판매 및 유통을 일사분란하게 다품종 소량생산을 실현하는 시스템화된 제조네트워크를 말한다. 동대문은 디지털 기술을 적용해서 빠른 프로토타이핑과 해외 시장별 특화(Glocalization)된 제품의 설계 및 공급이 가능한 클러스터이다. 마지막으로 협업모델은 공급사슬상 인접한 공급자나 전방의 물류기업은 물론, 수평적 시장에서 상호 경쟁하는 기업 간에 클라우드 컴퓨팅과 각종 생산플랫폼을 상호 공유함으로써도 비용 절감을 추구하는 생산방식이다. 공유모델로서는 공동구매나 유통, 물류, A/S, 시설의 공유, 공동 마케팅 등을 들 수 있다. 앞서 소개한 스와치온, 삼촌앱, 패션 검색플랫폼과 1인 방송스튜디오 등이 대표적인 협업플랫폼에 해당한다. 인터넷 구매에 의한 소비자 이탈, 글로벌 패스트패션(SPA 브랜드)에 의한 시장잠식, 생산인력의 고령화와 같은 다양한 위협적 환경을 극복하고 발전하고 있는 동대문은 창원, 반월, 시화공단과 같은 국내 제조업 클러스터도 개별 사업장 단위의 공정혁신형 스마트공장에 머물지 말고 생태계 차원의 플랫폼형 혁신으로 확대되어야 한다는 점을 시사하고 있다.

둘째, 동대문은 국제분업체제에 하청으로 편입해서 고도화되는 식의 개도국의 전형적 성장경로를 따르지 않고 독자적인 신속대응체제를 개척하면서 디지털 기술을 활용한 국제화 모델이라는 점에서 경로개척형 모델이라고 할 수 있다.

과거 동대문 패션산업 클러스터는 디자인=선진국, 제조=개발도상국의 형태로 형성된 국제분업 체계에 편입해보고자 하청(OEM)을 받거나, 혹은 생산기지를 중국 등 개도국으로 이전했으나 별다른 효과를 보지 못했다. 그 후 동대문은 ZARA나 H&M 등 세계 패션산업을 견인하는 의류기업들의 패스트 패션(Fast Fashion) 전략과 가치사슬에 편입되기 보다는 QR전략이라는 독자적 경로를 개척해서 이들과 경쟁한 것이고, 최근에는 디지털 기술을 접목해서, 샘플단계에서 부터 해외 디자이너와 협업 하면서 ODM(Original Development Manufacturing) 혹은 OBM(Original Brand Marketing)방식으로 국제화를 추진해 나아가고 있다.12 이것이 가지는 경제사적 의미는 매우 크다. 우선 전통적 추격의 개념은 후발국가가 선진국의 경험과 지식을 배우고 흡수하며 뒤따라가는 이식과 추격의 과정이지만, 선진국으로의 도약을 완성하기 위해서 재래공업, 재래산업, 재래시장이 서서히 근대화되면서 현지의 사회적·문화적 특성과 융합되면서 독특한 경쟁력을 획득하는 데까지 나아가야 한다. 과거 일본이나 독일과 같은 후발자본주의 국가는 국가의 강력한 지원하에 선진 지식의 이전과 추격의 과정을 밟았지만 다른 한편으로 재래공업과 재래시장을 토대로 한 자생적이며 재래적 발전의 길을 걸었다. 이러한 복선적 코스를 밟았기에 다른 추격국가가 모방하기 어려운 고유의 강력한 산업경쟁력을 확보할 수 있었던 것이다. 동대문의 혁신과정은 한국적 독자 경로의 가능성, 즉 ‘신뢰 네트워크(단골)+QR전략(신속생산)+국제화’라는 재래적 발전의 한국적 사례라는 의미가 크다.13국내 타 산업의 디지털 전환 역시 생산성 제고와 경쟁력 확보 외에도 전통 산업의 한국적 부활경로를 개척하는 동대문식의 전략적 경로 선택이 필요한 것이다.

1 동대문패션타운 관광특구 자료, 스포츠한국(2017.5.4.), 동대문 패션 유어스, 실시간 20만명 뷰 ‘왕홍 마케팅’ 효과 톡톡
2 한국경제매거진(제1216호, 2019.3.), 1인 마켓·데이터 입고 진화하는 동대문 패션시
3 한국경제신문(2017.10.30.), 패션 허브 동대문시장… 수출 스타트업만 5만 개
4 News2Day(2019.3.14.), [창업 인터뷰] CJ 택배앱 만든 개발자 성종형 ‘종달랩’ 대표, 의류 부자재 플랫폼 만든 사연
5 장부를 의미
6 한국경제매거진(2019.3.), ‘1인 마켓·데이터’ 입고 진화하는 동대문 패션시장
7 왕홍(網紅)은 중국어인 網絡紅人의 줄임말로 온라인 유명인사라는 의미이다.
8 패션포스트(2019.2.11.), 동대문패션타운 관광특구협의회 보도자료
9 패션포스트(2019.2.11.), 모바일 거상, 동대문 왕홍 추적기
10머니투데이(2019.3.6.), 라쎄, 中 왕홍마케팅 본격 시작, 일주일 만에 15억 판매.
11 World Economic Forum(2017.10.)
12 동대문에서는 ‘암묵지=현지, 명시지=글로벌’이라는 공식이 적용되지 않고, 디지털 기술로 무장한 스타트업이 혁신 참여자 간의 소통과 네트워킹을 담당하는 일종의 ‘dubbed buzz’로서의 역할을 수행하면서 현지 생산네트워크+사입자+국내·외 MCN 네트워크(Pipeline Builder and Operator)를 가동시키면서 동대문 클러스터 내의 암묵적 지식→명시지→글로벌 가치사슬로 연결하는 모델이 형성된 것이다.
13 이영훈, 동대문시장의 경제사적 메시지, 경제논집/43(1-2), 2004, 103-129, 서울대학교경제연구소.

어느정도 이해되는 성공한 인생의 기준

IT Playboy — Tue, 14 May 2019 12:32:59 +0900

종달랩 2019년 고성능 컴퓨팅 지원사업 선정

IT Playboy — Tue, 14 May 2019 11:36:00 +0900

종달랩이 정보통신산업진흥원에서 주관하는 고성능 컴퓨팅 지원사업에 선정되었습니다.

붙임. 2019년 고성능 컴퓨팅 지원 사업 이용 신청자 선정결과.hwp

0.05MB

중소·벤처기업의 육성 및 AI 산업발전을 위해 “2019년 고성능 컴퓨팅 지원 사업”으로 고성능 컴퓨팅 자원 이용 신청자(기업·기관·연구소·대학 등)에 대한 선정 결과를 안내합니다.

※ 유의사항

1. 선정된 신청자는 고성능 컴퓨팅 자원을 최대 2020년 1월 말까지 사용 가능 합니다.

2. 기본 제공되는 고성능 컴퓨팅 자원* 이외의 추가 자원(스토리지 등) 및 상용SW (Windows 등) 이용은 유료이오니 반드시 서비스 제공 사업자로부터 확인 후 신청하시길 바랍니다. (단, 공개SW는 무상지원)

* 사용자 당 고성능 컴퓨팅 자원 기본 스펙

AI 가속화기(GPU)

CPU

메모리

스토리지

회선속도

회선사용량

20TFLOPS 이상

(32bit 기준)

2.1GHz

16Core

128GB

SSD 1TB

1Gbps

사용자→서버(무료)

서버→사용자(2TB/월 초과시 유료)

※ 기본 제공되는 스토리지 이외에 추가 용량을 요구하는 경우 서비스 제공 사업자로부터 이용금액을 확인한 후 사용하시길 바랍니다.

3. 선정된 신청자를 대상으로 추후 이용 만족도 설문조사 2회, 기업현황조사 및 (고성능 컴퓨팅자원 이용에 대한) 성과조사가 있을 예정이오니 협조하여 주시기 바랍니다.

4. 선정된 신청자는 계정 발급을 위해 서비스 제공 사업자가 개별적으로 연락 할 것이며, 서비스 이용 및 약관 동의 등의 행정 절차가 있을 예정입니다.

5. 일정기간 동안 이용이 없을 경우 컴퓨팅 자원 사용 용의가 없는 것으로 인지하여 사용자에게 통지 후 부여된 계정을 삭제할 수 있습니다.

6. 선정된 신청자 중에 이탈자(일정기간 사용하지 않은 사용자 등)가 발생할 경우, 이용 대기자 명단 순으로 컴퓨팅 자원을 할당할 계획입니다.

7. AI R&D 그랜드 챌린지 대회에 참가 신청자는 대회 기간 동안에 서비스 제공 사업자를 통해 별도 계정이 부여될 예정입니다.

새로운 개발언어, 개발환경이 과연 좋기만 한 것일까?

IT Playboy — Wed, 1 May 2019 19:51:42 +0900

개발에 대한 환경은 하루가 다르게 변화하고 있다. 이러한 변화에 대해서 생산성이 향상된다고들 많이 주장을 하고 있다. 과연 새로운 기술과 새로운 기술프레임워크가 생산성을 향상시키는 것일까? 그리고 그에 대한 반대급부는 없는 것일까?

얼마전에 iOS를 다시 개발할 일이 생겼다. 너무 오래전에 잠깐 했던 기술이고, 그당시는 Object-C밖에 없어서 해당 언어를 연습하고 개발에 참여했었다. 그러다가 이번에는 Swift라는 언어를 Apple에서 새로 만들어서 그 언어로 개발을 해볼까 했는데, 많은 부분들이 참 간략화가 가능해지는것을 알았다. 특히 람다식은 기존의 함수개념을 완전히 바꿔놓는 수준이였다.

안드로이드 개발을 최근에 외주일을 하게 되서 직원에게 맡겼다가, 진도가 생각보다 안나가서 지원을 해주려고 봤더니, 이 친구가 RxJava, Binding 기술을 이용해서 개발을 하고 있었다. Kotlin은 내가 자바로 개발하라고 해서 안썼다고는 하는데, 지금 해놓은 수준은 Kotlin을 썼던 안썼든 상당히 내가 아는 수준을 벗어났다. 왜 이렇게 개발했느냐고 했더니, "코드를 아주 많이 줄여줘서 생산성을 높일려고 했습니다."가 답이였다.

최근에 나오는 기술들은 기존의 기술, 언어에서 아쉬운 부분들을 간략히 하거나, 새로운 개념을 도입하여 새로운 방식으로 개발을 할 수 있게 도와주는 방향으로 가는것 같았다. JSP를 아니는 사람에게 스프링부트는 초기에 많은 설정들이 있지만, 자동화 해주는 것들이 많아서 확장해 나가는데 거부감은 줄어들었을것 같다. 초기 C 개발자가 OOP개념이 도입된 C++을 접했을때 그런 수준의 느낌정도?

하지만, 그건 기존의 기술을 알고 있다는 가정에서 스탭바이 스탭으로 나갈때 좋다고 판단이 든다. 최근의 람다식은 기존의 함수개념을 완전히 깨부수는 수준이였다. 이건, 기존의 함수에 대한 개념이 잡혀있고, 문제점이 무엇이었다는걸 알았을 때 이해도가 높아질 수 있다. 하지만, 처음부터 람다식으로만 배운다면 어떨까?

생산성이 높아진건 처음부터 배운 사람에게는 해당되는 사항이 아니다. 그냥 책에서 높아졌다고 하니 높아진 것이다. 하지만, 생산성은 그것만으로 이야기 되는 것이 아니다. 협업에서 진정한 생산성이 높아져야 하는 것이다.

당장에 나는 RxJava와 Data Binding을 보아야 하고, 기존에 이 친구가 짜놓은 소스에 대한 이해를 하고 시작해야 한다. 나로서는 생산성이 매우 나빠진 것이다. 향후 이 코드가 다른 개발자들에게 전달이 되었을 때 어떻게 생각을 하게 될까를 보면 일단 이 코드를 접하기 위해서는 상당수준의 학습을 하고 와야만 가능해진다. 그런 측면에서 생산성은 오히려 새로운 기술로 인해 전체적으로는 나빠지게 되는 것이다.

빠르게 변하고, 빠르게 나오는 기술속에서 자신의 경쟁력을 갖기 위해서 새로운 기술을 접하는 친구들이 많아지는건 매우 좋은 증상이고, 독려해야 한다. 하지만, 프로그래머는 새로운 기술을 알고 있는 사람이 아니라, 주어진 문제를 어떻게 해결할 것인가를 분석할 수 있어야 한다. 그런 면에서 대부분의 친구들은 원론적인 학문에 대한 접근을 거의 하지 않고 현장에 투입되게 된다. 그리고 코더로서의 역활을 하게 된다. 개발이 된 이후에 어떠한 피드백도 주지 않고, 개발 초기에 투입시켰을 때 아무런 대응도 하지 않는다. 다만, 회의때 부정적인 의견만 내게 된다. 문제의 본질은 "너가 알고 있는 수준에서 개발을 할 수 있는지를 판단해라"가 아니라 주어진 문제를 어떻게 분석해서 어떤 방식으로 해결할 수 있는가를 봐야 하는데 말이다.

벤처인증을 받다.

IT Playboy — Tue, 23 Apr 2019 20:15:59 +0900

오늘 벤처인증이 통과되어서 내일 택배로 보내줄거라는 연락을 받았다.

기보에서 8천만원 보증서만 받으면 되는 벤처기업.

중기부에서 8천만원 대출만 받으면 되는 벤처기업.

엔젤이나 기관에게 5천만원만 투자받으면 되는 벤처기업.

3년 미만 회사는 연구비로 1년동안 5천만원만 쓰면 되는 벤처기업.

이걸 받는데 2년 6개월이 걸렸다.

처음부터 벤처를 받을 필요가 있는가 싶었기도 하고, 초기 자금을 신용보증기금에서 받아놓으니 기술보증을 통해서 보증받는게 힘들었다.

그래서 크게 고민안하고 있다가, 어느덧 회사가 업력이 쌓여가니 벤처타이틀이 필요해지기 시작했다.

여기 알아보고 그래도 기술보증기금을 통해서 벤처를 받는게 좋을거라는 선배대표님의 말씀에 기보에 연락해서 이야기를 했더니, 보증이 안나올거라고.. 그러면 벤처심사도 안할거라고 했다.

그래도 꾸준이 연락해서 물어보고 하니 그러면 양식에 맞게 서류를 작성해서 보내라고 해서 최대한 정성껏 써서 보냈다. 그리고 1주일 정도 있다가 온 답변이.. 그러면 보증은 없이 기술심사만 해서 통과시켜 보자고..

그리고, 오늘 그 결과가 나온 것이다.

나도 이제 벤처기업가가 되었다.

나도 한때 건담을 그리고 놀았다.

IT Playboy — Tue, 23 Apr 2019 20:10:13 +0900

최근에 정신건강에도 좋고,

심신도 맑아질 수 있으며,

아들한테 아빠의 능력을 한껏 뻥티기 할 수 있는걸 찾았다.

"건담 그리기"

어릴때 TV는 지상파 밖에 없었고, 비디오도 흔하지 않았던 시절에,

서점에서 손바닥만한 500원짜리 만화책에 그려져 있는 건담은 꿈과 같은 존재였다.

그래서 너무 좋아한 나머지 그림을 따라그렸었는데, 어느덧 나이를 먹으니 잊고 있었다.

이번 주말에 한번 아들이랑 취미를 공유해볼까 해서 오락보다는 그림이 나을것 같아 한번 그렸다.

시간날때 가끔씩 그려봐야 겠다.

옛날에 나의 순수했던 열정이 그립다.