제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018

© 2018, Amazon Web Services, Inc. or Its Affiliates. All rights reserved.
이 현 석
이사, 하이테크 사업 개발, Amazon Web Services
[2018 AWS Seoul Summit for Enterprise Customers]
제조업의 AWS 기반
주요 워크로드 및 고객 사례

Contents
1. Enterprise 고객들의 AWS 활용 배경
2. 글로벌 Enterprise들의 AWS 기반 혁신 트렌드
3. 국내 Enterprise들의 AWS 기반 혁신 사례
4. 맺음말

극심한 경영 환경 변화
Digital Transformation 필요성 증가
Digital Transformation 추진 배경
고객
고부가화ㆍ효율화 필요
Digital Transformation 추진
• 단순 제품보다 차별적
경험에 대한 니즈
• 운영 등 One Stop
Solution 요구
경쟁
• 개도국 Captive Market
기반 사업 확장
• 규모의 경제에 기반한
가격 경쟁
기술
• AI, Big Data, IoT 등
Emerging Tech 부상
• 관련 S/W 역량에 대한
진입 장벽

4
탄력적인 운영 및 확장
필요 용량에 대한 예측 불필요
수요에 맞춘 유연한 확장
글로벌 확장
빠른 시간 내 글로벌 서비스
구현 가능
속도 및 민첩성
수 분 만에 인프라 구축 가능
빠르게 변화에 대응
초기 선투자 비용 없음
고정비용을 가변비용으로 대체
미리 서버를 구매할 필요 없음
비즈니스에만 집중 가능
혁신을 위한 다양한 실험 가능
불필요한 인프라 관리 업무 제거
운영 비용 절감
사용한 만큼만 지불하며 규모의 경제
로 인한 지속적인 비용 절감
“AWS 클라우드가 우리 데이터
센터보다 안전하다고 생각”
-Tom Soderstrom, CTO, NASA JTL
기존 클라우드의 효익 + 기술 서비스 + 보안 고도화
Digital Transformation의 Enabler로 인식
AWS의 Value Proposition
“AWS는 업계에서 가장 넓은
범위의 서비스를 제공한다”
-Forbes

5
제조업 등 다수의 Enterprise 고객사들이
AWS에 기반한 혁신을 달성 中
Enterprise 고객 예시

1. Enterprise 고객들의 AWS 활용 배경
2. 글로벌 Enterprise들의 AWS 기반 혁신 트렌드
3. 국내 Enterprise들의 AWS 기반 혁신 사례
4. 맺음말
Contents

Business Model Transformation 中心
Operation Innovation으로 활용처 확대 中
Enterprise 고객사 활용 Trend
• Service를 넘어 플랫폼 사업자로 Positioning
• 자체 플랫폼 구축 통한 생태계 선도
• 차별화 및 新매출 창출 위해 AI, IoT 등 접목
• Public Cloud 접목으로 비용 절감 추진
• 설계 및 제품 개발 Simulation 위한 HPC 활용
• 자율주행 등 신기술 Prototype 개발에 활용
3
R&D
4
생산ㆍ제조
Product as
a Service
1
Product as a
Platform
2
Trend 예시
• Edge Computing 기반 Anomaly Detection
• 수율 제고 위한 Cloud 기반 Big Data 분석 활용
BusinessModel
Transformation
Operation
Innovation
5
SCM / ERP /
Sales Channel
• ML 기반 수요 예측 등에 활용
• ERP 이전을 Operation 최적화와 연계

AWS IoT 및 다양한 서비스 활용
→신규 Smart Home 서비스 기반 구축
1. Product as a Service - iRobot1
• 댁내 공간구조와 (전구, TV, 스피커 등)Smart Device들
위치 파악  차별적 Smart Home 서비스 기반 마련
−10개월만에 5억 평방 피트의 Home 지도 제작
−iRobot Clean Map Report를 통해 청소 상태를
스마트폰 내 App에서 확인 가능
−AWS IoT 등 다양한 서비스를 이용하여 다양한 Smart
Device를 클라우드 환경에서 연결
−공간 정보를 활용하여 사람의 현재 행동을 보다
정확하게 예측  정교한 서비스 제공 가능
iRobot Roomba’s Cleaning Status View on App

AWS Greengrass 활용
→선박 내 Multi Access Edge Computing 구현
1. Product as a Service - Nokia
• 오지, 고립된 건축/공장 Site, 해양 화물
선박 등을 위한 Private LTE Solution 구축
• 선박 내 Greengrass, Lambda, Sumerian
활용  Edge Computing 및 AR/VR 구현
• 오프라인 上 습도, 온도 등 모니터링/분석
 화물 상태 Warning 및 대안 도출
1
Nokia’s Private LTE Solution

자사 유전체 분석 기술 + AWS Computing Power
→자체 Platform 기반 시간ㆍ가격 혁신
2. Product as a Platform – Illumina1)
“우리의 유전체 분석 기술2)과 AWS의 IT기술을 융합해서 염기서열 분석 소요 시간 및 비용을 획기적으로 단축시킬
수 있었다. 10년 내 현재 Social Media 전체 Data보다 DNA 정보가 더 많아질 것“ – Alex Dickinson, SVP of Strategic Initiatives, illumina
1) Gene Sequencing 장비 M/S 74% (’14年), 시총 $30B (’17年), MIT 선정 50대 Smartest Company 中 1위 (‘14年) 2) MPSS(Massively Parallel Signature Sequencing) 방식: DNA 절편을 수직으로 세워 형광물질 부착 후 광학카메라로 수직 촬영
• 염기서열 저장 정보가 분기별로 Exponential하게
성장 中 (인당 100GB  현재 누적 10PB)
• 유전자와 상관 관계가 미확인된 질병 29,200개에
대한 분석 정보도 고성장할 전망
• 게놈 프로젝트 당시 인당 (30억쌍) 염기서열 분석
13년, $3B vs. 현재 10시간, $1,000로 시간과 비용 감축
• 장비 Data 분석用 Backspace P/F AWS내 구축  EC2, S3, RDS,
Redshift, CDN 등 다양한 서비스 활용, 저렴하고 빠른 서비스 제공
“’25년까지 DNA 관련 정보가 현재 소셜
미디어에 있는 정보만큼 많아질 것“ -Nature
2

AWS IoT 기반 LinkITTM IoT 개발 플랫폼 출시
Time-to-Deployment 50% 단축
2. Product as a Platform – Mediatek
Challenge
Action
Benefit
• IoT 시대의 도래 
단순 Chip 제조/판매를
넘어선 ‘Product as a
Platform’ 전략 필요
• IoT 서비스 제공 위한
글로벌 클라우드
인프라 제공 역량 필요
• MediaTek LinkIT ONE
SDK 개발 및 제공 
LinkIT ONE 보드用
S/W 개발 시 AWS IoT
서비스 수행 지원
• AWS IoT 서비스 
센서, Actuator, 기기,
Application간 양방향
통신 지원 (MQTT, HTTS)
• Mediatek LinkIT One 포
함된 Starter Kit 출시
• IoT 개발자들에게
Dashboard, Device
관리, 원격 Firmware
upgrade 등 제공
• IoT 서비스의 Time-to-
deployment 50% 단축
및 글로벌 확장 달성
“신규 IoT Starter Kit은 개발자들이 그들의
아이디어들을 IoT 및 Wearable 기기의 기
능으로 구현하는 Proof-of-Concept 개발
시 필요로 하는 모든 것을 제공하고 있음”
-Marc Naddell, VP of MediaTek Labs
2

AWS HPC 솔루션
→FPGA用 S/W Simulation 시간 단축
3. R&D - Xilinx
• Bug 없는 솔루션 제공
위해 FPGA 고객사向
S/W Test 필요
• On-premise 기반
Regression Test
→ Demand Spike 시
생산성 저하
• Non-Peak 상황 시 IT
자원 가동률 저하
• AWS의 HPC Cluster
로 Workload를 이전
 문제 해결
• Computing-intensive,
memory-intensive한
EC2 Instance 활용
• Auto Scaling, Dynamo
DB, S3, EBS, EFS 등
활용
• Peak load시
Turnaround time 단축
• Test 결과 예측치 향상
• Amazon EC2 F1
Instance 개발자에게도
해당 Solution 제공
“AWS는 우리에게 비핵심 역량인 IT 자원 확보
와 관리 부담을 덜어주었고, 이를 통해 우리는
핵심 역량에 집중하여 고객에게 혁신적인
Feature와 큰 가치를 제공할 수 있게 되었다.”
-Ambs Kesavan, S/W Engineering and DevOps Director at Xilinx
AWS
HPC
활용
R&D
Speed 향상
FPGA
혁신
(F-Instance用)
FPGA 공급
상호협력
혁신의
선순환 고리
• 무한한 Computing
Power 확보
• S/W Regression Test
기간 단축
• 고객에게 조기에
신규 FPGA 제공
• AWS의 신규
F-Instance에 탑재
Challenge
Action
Result
3

AWS Edge Computing(Greengrass, Lambda, IoT)
→MaaS(Mobility as a Service)용 프로토타입 제품
3. R&D – Denso
“Denso는 AWS IoT와 Greengrass 기반 Edge Computing을 통해 MaaS 제공을 위한 프로토타입 제품을 완성했다.”
-Narisako Takeshi, General Manager, Digital Innovation Dep. Denso
• 자율주행, 원격점검, 교통량 예측 등
차세대 Mobility Solution MaaS 개발 中
• V2X(차량, 인프라, 사람) 기반 Cloud 환경 내
Big Data 저장/분석/Insight 도출 필요
• 터널 등 Offline 상태 대응 난해
• 자율주행시 실시간 프로세싱 필요
• Bug, Feature 개선 등 S/W Update
• AWS의 글로벌 거점 및 방대한 서비스
(IoT, Greengrass, Lambda 등) 활용
• Cloud상 S/W Testing 후 Greengrass를
통해 In-Vehicle Device 실시간 프로세싱
3

AWS Greengrass 기반 Edge Computing
→공장 장비 ‘Anomaly Detection’에 활용
4. 생산ㆍ제조 – Sony
“소니는 Greengrass를 활용해서 공장 기계에 장착된 센서 Data를 모아 각 장비의 실시간 상태를 파악하고
Machine Learning을 활용하여 Predictive Maintenance에 활용하기 시작했다.” -Ryuji Takehara, Cloud System Architect, Sony
• Predictive Maintenance  베어링 기기
노후화로 인한 Performance 저하 파악
• 향후, Factory Solution외 타 IoT 솔루션
으로 확장할 계획
• 공장 내 기기別 특화 ML Model 개발 
수백 개 Model 개발/관리 난해
• 가속 센서 기반 Anomaly Detection에
High Frequency(10KHz↑) 센서데이터 필요
• AWS 환경 내 ML Model Training
• Model을 High Frequency 처리용
보드에 Greengrass로 내려 Inference
• Greengrass를 통해 Model의 지속적인
개선 및 Deploy를 용이하게 수행
4

AWS IoT + Big Data 분석
→Predictive Maintenance 구현
4. 생산ㆍ제조 – Woodside1)
“ 에너지 산업의 혁신은 통상적으로 수 년이 걸린다. 그러나 AWS 와 함께 우리는 수 주만에 혁신을 이루어냈다.”
-Shawn Gregory, CTO, Woodside
• LNG 공정의 Pain point: 산화가스(CO2,
H2S) 제거 시 Foaming2) 발생
• 수 주 ~ 수개월 가동 중단 원인 파악
난해  막대한 기회 비용 발생
• 10,000개의 센서에서 나오는 정보
(온도, 압력 등)를 AWS 클라우드에 전송
• Big Data 분석에 기반 (최대 일주일 전)
Foaming 예측 Prototype 6주만에 개발
• 20만 센서, 6천개 분석 모델로 확장
• Predictive Maintenance 구현  1~2개
월 전 Foaming에 의한 장비 고장 예측
• On-Shore/Off-Shore 등 글로벌 5개
공장으로 확장中
1) 호주 최대의 LNG Refinery 및 Operation 업체, 호주 뿐만 아니라 일본 및 아시아 퍼시픽 국가에 수출 2) 액체/기체 혼합 시 거품 발생 현상
4

AWS의 클라우드 서비스/인프라
→품질 관리, 물류센터, 수요 예측 등에 활용
• 자동화  운영 비용 20% 절감
−13개 물류 센터에 KIVA 도입
−경로 계산/최적화에 ML 적용
(속도: 60분 → 15분 / 재고 공간: 50% 감소)
Amazon Fulfillment Center
• ML  Demand Forecast 기반
4시간 내 배송
• Machine Vision & ML  당도,
유효기간 예측
Amazon Fresh AWS Infra 투자
• Computing, Storage, NW 등
Capacity Planning에 ML 적용
• 고객 니즈, 고객 사용 Trend 등
분석  Ramp-up 시점까지 예측
5. SCM / ERP – Amazon.com5

’17년 POC 완료(GE Power)
ERP Migration 본격화
5. SCM / ERP – GE (1/2)
“GE는 300개의 ERP를 포함, 9,000개의 Workload를 AWS로 옮기고 있다.”
– Jim Fowler, CIO of GE
‘Cloud SaaS
Platform’
‘Hybrid
Approach’
ERP
PLM
SVC.
& Repair
Commer
-cial
Procure
-ment
On-Premise
Cloud 기반
Big Data P/F• 소규모 제조/엔지니어링
Site에 POC 완료 (’17年 4月)
Small
• PoC 경험에 기반, Mid-
Size Site로 Roll-out 中Medium
• Large Scale ERP에서도 SaaS
Solution 실험 기회 확보
• Pillar Application Cloud化로 Large
Scale ERP SaaS 전환 이미 시작
• ERP  On-Premise &
Pillar Platform  Cloud
• 향후 SaaS로 전환
Large
5

ERP + Operation Data 연계
재고 최적화 & 제조 혁신 추구
“ERP의 Transaction Data와 Operation Data의 연계는 매출 상승, 비용 절감 등
무한한 개선 기회를 제공할 것임” – Jorge Frausto, SVP Enterprise Systems, GE Power
• 장비 고장 예측 정보 + ERP Transaction Data
 필수 부품 적정 재고량 산출
• 재고 부족으로 인한 Service Down Time 방지
실시간 재고 최적화 Global Operation Single View
• 제조 공정 상 품질 이슈 발생 시, 각 지역 공장별
품질 비교 후 근인 분석 및 파악
ￚ PLM 상 Product Design 문제 / 제조 공정 차이 / 사람의 실수 등
Opera
-tion
Data
(장비)
ERP재고
최적화 ￚ 부품별 재고량
ￚ 재고 운영 계획
ￚ 장비 모니터링
ￚ 고장 시점 예측
ￚ 수율/불량 이슈
ￚ PLM
ￚ 제조 공정 정보
ￚ 작업 History
ERP
Operation Data (공장)
제조 혁신
5. SCM / ERP – GE (2/2)5

”아시아 美의 정수를 세계에 전파하고 있는
글로벌 기업 아모레퍼시픽은 ,
차세대 영업시스템
‘Digital Sales Platform’을
AWS 환경에서 새롭게 개발, 클라우드에서도
글로벌 사례의 이정표를 만들고 계십니다.”
-아모레퍼시픽그룹 담당 Account Manager 박주형

황 태 진
AMOREPACIFIC, IT Strategy Team
Digital Sales Platform
on Cloud

새로운 도전 - 시장의 변화
현실적
합리적
밀레니얼 세대
온라인
오프라인
통합
디지털
트랜스
포메이션
고객 시장 기술

Mobile First Agile Approach Cloud Native
AMOREPACIFIC Digital Sales Platform
- AWS 기반의 대규모 전사 영업판매 시스템 신규 구축 -

오픈소스 기반
데이터베이스 선택
클라우드 네이티브
마이크로서비스
애자일 및 데브옵스
개방형 모듈화
시스템 안정성 및
확장성 확보
Cloud Platform 선정 고려 사항

Digital Sales Platform
현재 진행형…
Lessons Learned #1~#3

#1. Agile 에 익숙해지기
Architecture 변경을 두려워할 필요 없다.
다만, 열린 설계가 되도록 Architecture 자유도는 항상 유지

Cloud Infra 성능/안정성/보안성/비용구조 개선을 위한 아키텍처 변경
플랫폼/서비스 별
VPC 분리
VPC Peering 및 Route table
과도하게 증가
계정 별 1 VPC, Subnet
으로 플랫폼/서비스 분리
Shared Account의 Proxy
Server 통한 Traffic 통제 구
조의 이슈 증가
Proxy server 제거, VPC에서
대내외 직접 연결

#2. Platform에 맞춰 생각하기
표준화와 공통화를 통한 Platform화
기존 D/C와 Public Cloud의 연계를 위한 Hybrid Cloud Governance

표준화 공통화 플랫폼화 Governance

#3. Cloud 문법에 맞춰 구현하기
Cloud에서 제공하고 구현 가능한 Cloud Native 문법을 유지하는 것이 중요
AMI 적용 및 Auto-Scaling 의 장점을 온전히 유지하도록 구현
LEGO Block과 같이 필요에 따라 적합한 서비스 선택

Web LB
subnet
Web
subnet
WAS LB
subnet
WAS
subnet
Apache
NLB
Data
subnet
APIs
S3
ALB
Session공
유 Redis
Cache Redi
s
IBM Web
Server
Websphere
VPC Link
S3
Endpoint
Tomcat
DynamoDB
Endpoint
DynamoDB
Oracle
Lambda
Code
Deploy
Code
Commit
PostgreSQL
mySQL
MQ Package
NLB
ALB
Websphere
Tomcat
MQ Package
Apache
IBM Web
Server
ALB
ALB
Amazon
Cognito
Session공
유 Redis
Cache Redi
s
Oracle
PostgreSQL
mySQL
On-premise와 DX 연결
Multi-AZ/Auto scaling
AWS Service 적극 활용AWS Service 적극 활용
Cloud Native 추구
Open Source 활용

C L O U D
B I G
D A T AA I
A journey of
Digital Transformation
+
F A S T E X P E R I M E N T S & L E A R N I N G

”미국에 GE가 있다면, 한국에는 LS 그룹이 있습니다.
LS Global의 ERP Migration은 제품은 물론이고,
R&D, 생산, 영업 등 LS 그룹 Digital Transformation의
신호탄이 될 것입니다”
-LS 그룹 담당 Senior Account Manager 김양용

김택현 팀장
클라우드사업팀, LS글로벌
[2018 AWS Seoul Summit for Enterprise Customers]
SAP S4/HANA on AWS

회사 소개
LS글로벌
“그룹 IT Total 서비스 제공 및 비철금속
유통 사업을 통한 고객 성장 혁신 주도”
대한민국의 기간산업을 이끌고 있는
Global Leading Company “LS Group”
사업
요약
• 주요 사업 영역 :
전기/전자 및 소재, 부품, 에너지 관련業
• 계열사 수 : 총 45개社
(전선, 산전, 동제련, 엠트론, Yesco, E1, GAON, LS 글로벌 等)
’03년 (LS출범) ’08년 (지주전환) ’17년
매출
성장
(단위: 조)
25.3
7.4
19.2
IT 서비스
비철금속
IT시스템/인프라 구축 및 운영
Cloud/빅데이터 플랫폼 사업
 산업용 주요 원자재 유통
(구리, 알루미늄, 납 등)
Business Domain

LS글로벌 IT 사업 영역
ERP
구축
ITO
서비스
시스템
통합
Infra
서비스
빅데이터
서비스
Cloud
사업
I 클라우드 도입 및 전환전략 수립
II AWS 클라우드 아키텍쳐 설계
III 클라우드 시스템 구축
현행 분석 및 요구사항 도출, 서비스 시나리오 설계
클라우드 구성도 및 서비스 로드맵 제시
클라우드 기술 구현 및 인프라 설계/구축
IV 클라우드 서비스 운영
인프라/어플리케이션 운영전략 수립 및 운영

[구축사례] SAP S/4HANA on AWS 국내 최초 구축 기사 – 디지털타임즈(‘17.8.8)
아마존웹서비스(AWS) 코리아는 LS글로벌이 AWS 클라우드 환경에서 SAP S/4HANA 전사적자원관리
(ERP)를 성공적으로 구축 완료했다고 8일 밝혔다.
이번 프로젝트는 국내에서 처음으로 AWS 클라우드에서 인메모리 기반의 S/4HANA 1610 버전을
구축한 사례다. LS글로벌은 AWS 클라우드에서 S/4HANA ERP의 성공적인 운영을 통해 기업의 생산성
향상과 디지털 전환을 지원할 계획이다. 이 회사는 LS그룹 대상의 클라우드 서비스를 포함해 통신, 에너지,
자동차, 기계 산업 등에 최적화한 IT솔루션을 대외 고객사에 제공한다. 이번 프로젝트는 LS글로벌의
엔지니어링 인력으로 완료해, 앞으로 다른 고객사를 대상으로 AWS 클라우드와 SAP S/4HANA ERP를
연계한 사업 추진이 가능할 전망이다.
이익희 LS글로벌 대표는 "SAP ERP 사용 기업의 S/4HANA 버전 전환은 생산성 향상에 필수적"이라며
"AWS는 비용 절감과 빠르고 안정적인 운영을 지원해 프로젝트 성공 경험을 바탕으로 AWS 고객 대상의
SI사업을 확대할 것"이라고 말했다.
염동훈 AWS코리아 대표는 "SAP 애플리케이션을 포함한 중요한 워크로드를 AWS 클라우드에서 운영할 수
있도록 지원하고 있다"며 "LS글로벌과 지속적으로 협력해 더 많은 SAP 사용 고객이 디지털 전환을
성공적으로 달성할 수 있도록 지원하겠다"고 밝혔다.

[구축사례] SAP S/4HANA on Cloud 도입(AWS 기반)
프로젝트 : SAP ECC 6.0 -> S/4HANA 1610 Migration
Infra 구성은 어떻게 할것인가? (On Premise 방식 or 클라우드 서비스)
(Key Question 1)
어떤 클라우드 서비스가 최적인가? (우리의 요구를 충족하는 클라우드 서비스社)
(Key Question 2)
사전 준비해야 하는 것은 무엇인가? (활용 목적에 따른 자체 필요역량)
(Key Question 3)

추진내용 : SAP ERP S/4HANA on AWS 구축
IDC
사용자
router
router
router
router
VPN
gatewayVPN
snapshot
Private Subnet Private Subnet
EC2 (개발)
EBS (개발)
EC2 (운영)
EBS (개발)
Public Subnet
EC2 (NAT)
서울 Region
AWS Infrastructure 구성도
• 범위:
(기존) 재무회계
(변경) 재무/관리회계 및 영업/구매/PS
• 기간: ‘17.02 ~ 17.07(6개월)
• 목표:
1. S/4HANA 구축역량 확보
2. Fiori 솔루션 구축역량 확보
3. AWS 클라우드 운영역량 고도화

도입
효과
자원 비용:
30% 절감 (운영비 포함, 5년기준)
시스템 활용:
30% 시간 축소 (프로그램 실행)
장애 대응:
약 36배 이상 개선 (발생이후 10분 이내)
인프라 구축 기간:
66% 기간 축소 (설계~구축: 약 2.5주)

LS글로벌 클라우드사업팀
김택현 팀장
e-Mail : thkim@lsglobalinc.com
H.P. : 010-6742-4742

“Cloud Computing의 가장 큰 장점은 IT 자원 활용의 자유도를 높여,
급변하는 경영환경에 대응할 수 있도록 빠르게 혁신하는 ‘Agility’를 제공하는 것” – Forbes
• 성능/비용 면에서 강점이 있는가?
• Cloud는 On-premise만큼 안전한가?
Why?
• 어떤 영역에 활용할 것인가?
• 어떤 Workload부터 적용할 것인가?What?
• 아키텍쳐는 어떻게 구성할 것인가?
• 어떤 파트너를 어떻게 활용할 것인가?How?
Enterprise 고객들의 주요 질문
과거
최근
‘What’과 ‘How’에 집중
Enterprise의 규모의 경제
+ Start-up의 ‘Agility’ 결합
혁신 Cycle 단축  고성장

AWS Summit 모바일 앱과 QR코드를 통
해 강연 평가 및 설문 조사에 참여해 주
시기 바랍니다.
내년 Summit을 만들 여러분의 소중한 의
견 부탁 드립니다.
#AWSSummit 해시태그로 소셜 미디어에 여러분의 행사 소
감을 올려주세요.
발표 자료 및 녹화 동영상은 AWS Korea 공식 소셜 채널로
공유될 예정입니다.
여러분의 피드백을 기다립니다!

제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018

Ähnlich wie 제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018 (20)

Mehr von Amazon Web Services Korea

Mehr von Amazon Web Services Korea (20)

제조업의 AWS 기반 주요 워크로드 및 고객 사례:: 이현석::AWS Summit Seoul 2018