1 / 7
" CARS"으로 검색하여,
61 건의 기사가 검색 되었습니다.
-
데이터서비스센터(Competence Center for Scalable Dat"Services : ScaDS) Technische Universität DresdenZentrum für Informationsdiensteund Hochleistungsrechnen01062 DresdenTel: +49 (0)351 463-42331 방문연수독일드레스덴 □ 연수내용◇ 디지털 아젠다 실행을 위한 데이터서비스센터 설립○ 연수단이 방문한 데이터서비스센터는 정보서비스 및 고성능컴퓨팅센터(ZIH : Zentrum für Informationsdienste und Hochleistungsrechnen)의 산하 기관으로서 기능을 수행하고 있다.집중 연구분야는 슈퍼 컴퓨팅과 빅데이터로 자체 연구 뿐만 아니라 응용과학자들이 별도로 있어 그들과의 네트워크 허브역할도 하고 있다.○ 고성능컴퓨팅센터는 학부나 학교의 일부가 아닌 대학 중심기구로 학교 네트워크, 교내 이메일 등 대학을 위한 모든 IT서비스를 제공하고 있다.과학자를 위해서 슈퍼컴퓨팅, 빅데이터 등 높은 수준의 서비스와 지원하고, 컴퓨터 과학 및 다양한 과학응용 분야의 연구 주제 및 재정지원을 받는 연구프로젝트를 진행하고 있다.○ 데이터서비스센터는 교육연구부가 빅데이터 및 IT보안 분야에서 새롭게 추진하는 정책으로 센터를 통한 연구 활동이 독일의 디지털 아젠다 실행에 기여할 것으로 기대하고 있다.○ 데이터서비스센터는 △드레스덴 공과대학 △라이프치히대학 △막스플랑크 세포생물학 유전자연구소 △라이프니츠 생태 공간개발연구소 등이 컨소시엄으로 운영하고 있으며, 약 155명이 파트별로 근무하고 있다. 슈퍼 컴퓨팅은 기업들과 협업을 진행하기도 하는데 현재는 인텔, 엔비디아와 협업 중에 있다.◇ 데이터 접목과 협업을 통한 기술개발○ 과학분야에서 문제 제기되고 있는 방대한 데이터의 양을 처리하기 위해 데이터서비스센터의 연구 프로젝트가 시작되었다. 응용과학자들은 데이터가 어떻게 활용될 것인지를 고민하고 활용도에 따라 어떻게 데이터 분석 및 인프라 구축을 해야 할지를 생각한다. 개별적 지식뿐만 아니라 어떤 방식으로 기술과 연결할 수 있는지를 연구하고 있다.○ 고성능컴퓨팅센터의 연구 프로젝트는 △응용학문 분야 △기술분야 △통계분석의 총 3개 영역으로 구분된다. 데이터과학자는 이 세 가지 분야에 능통해야 하지만, 실제로 한가지 분야만 공부하기 때문에 세 가지에 능통하기 어렵다. 그래서 각각의 전문가로 구성된 팀을 만들어보자고 하여 데이터서비스센터가 시작되었다.○ 연구주제는 생명과학, 소재과학, 환경·교통과학, 디지털 휴머니티, 비즈니스데이터 등 응용분야 5개 분야로 이루어져 있다.빅 데이터 아키텍처는 전체연구를 위한 기본적이고 근본적인 영역이며 △데이터 활용 취합 △데이터 마이닝 △비주얼 분석 등 세분화된 영역들도 연구하고 있다.▲ 데이터서비스센터의 연구분야[출처=브레인파크]○ 데이터과학자를 육성하기 위해 데이터서비스센터는 독일교육연구부에서 후원하는 △드레스덴 대학교 △라이프치히 대학교 △생물 정보학 △라이프니츠 생태 공간개발연구소 총 4개의 핵심 기관들과 협업하고 있다. 2014년부터 4년 간 진행할 계획으로 프로젝트를 시작했으며, 올해 3년째에 접어들고 있다.○ 그 외에도 SLUB(작센주립대학도서관) 등 융합 가능한 파트너와의 협업체계를 구축하는 등 다양한 기관들과 협업을 하고 있다. 파트너기관과는 협업의 성격을 고려하여 집중적으로 협업하기도 하지만 간접적으로 협력하기도 한다.○ 20명의 전문가 직원이 드레스덴과 라이프치히에 나뉘어 근무하면서 빅 데이터의 생애주기 관리와 워크플로우를 연구한다. 데이터서비스센터는 기초연구를 토대로 응용과학에 활용하는 역할을 수행하고 있다.◇ 데이터서비스센터 주요 연구 및 프로젝트○ 데이터서비스센터는 △고성능 컴퓨팅 활용 데이터 분석 프로비저닝 △ 수술 도중 열화상 처리를 위한 데이터 분석 △재료과학 △토지사용 탐지 및 모니터링 등의 프로젝트를 수행하고 있다.○ 현재 30개 이상의 연구프로젝트가 데이터서비스센터에서 진행 중이며 초기 지원이 있은 4년 후에 차기 4년 간 계속 지원할 것인지를 정부가 평가한다.○ 고성능 컴퓨팅(HPC)에서의 데이터 분석을 위해 필요한 환경 프로비저닝에는 하둡, 스파크, 플링크, 기계학습 프레임워크 등이 있다.요구에 따라 생성된 빅 데이터 세션은 HPC 사이트에서 분석 서비스로 직접 실행하며, 기타 프레임워크나 응용 프로그램에 적용이 가능하다.○ 대규모 데이터를 중심으로 하는 작업절차의 실행은 HPC에 대한 사전 지식이 사용자 측에서 요구되지 않으며, 작업 절차 환경에서 직접적으로 작업량을 공식화하게 된다. HPC에서 작업 부하를 줄이거나 작업 절차를 완료하기 위해 HPC 스케줄링 매커니즘을 작업절차 모델링 프레임워크에 통합한다.○ 수술 도중 열 화상 처리를 위한 데이터 분석은 열 화상 처리를 통해 수술지원이 지연되는 것을 줄여준다. 드레스덴 대학병원에서 수술 중 중요한 결정을 하는데 필요로 하는 데이터를 실시간으로 처리해 준다.예를 들어 신경 활동을 모니터링 하기 위해서는 수술도중 장시간 측정이 필요한데, 후속 분석 작업 절차 및 결과 프리젠테이션의 지연시간을 줄이기 위한 빠른 사전정보 처리를 통해 전반적인 수술 지연을 최소화 하고 있다.○ 재료과학은 플랫폼과는 별개로 시뮬레이션 데이터용 다중 스케일 뷰어를 활용하는 것으로 경량엔지니어링 및 고분자 기술연구소와의 협력을 통해 진행하고 있다.시뮬레이션 데이터용 다중 스케일 뷰어는 다양한 스케일로 FE시뮬레이션 결과를 시각화하는 시스템으로 비전문가들과의 소통을 촉진하기 위해 브라우저 기반으로 개발되었다. 또한 분리된 클라이언트와 서버 아키텍쳐를 활용하고 있어 높은 확장성을 보유하고 있다.◇ 다양한 분야와 융합을 위한 HPC센터 운영○ HPC센터를 가지고 있어서 학문적인 지원을 할 수 있는 인프라가 잘 구축되어 있으며 이곳을 통해 파트너 사들이 하이 컴퓨팅 시스템을 활용한다.이 센터에서는 빅 데이터 활용방법이 너무 다양하기 때문에 사용자들이 잘 활용할 수 있도록 지원하고, 시각화해서 보여준다. HPC 시스템은 사용자들이 빅 데이터를 활용한 연구결과를 쉽게 볼수있게 하기 위한 시스템이다.데이터서비스센터 뿐 아니라 다양한 연구자들이 쉽게 접근할 수 있고, 작업 플로우 업무 사슬에 활용할 수 있다. 연구자들이 데이터를 입력하면 HPC시스템에서 구현할 수 있도록 지원하고 있다.○ 생명공학에 기반한 연구시스템인데 사용자는 자신의 노트북을 통해서도 시스템으로 옮겨지도록 가능하게 만들어졌다. 이 시스템으로 인해 연구자들은 새로운 소프트웨어 프로그램을 배울 필요가 없다.데이터를 집중적으로 활용하기 위한 시스템으로 자신의 연구소에서 작업하기만 하면 된다. 평소 오래 걸리던 연구들을 자신의 작업장에서 유의미한 결과를 빠른 시간 내에 보여줄 수 있는 시스템이다.이러한 연구를 위해 굉장히 큰 규모의 데이터세트가 필요하다. 응용과학자는 하나의 고성능 컴퓨터만이 아닌, 여러 대의 고성능 컴퓨터를 동시에 운영해 연구시간을 대폭 줄일 수 있다.◇ 데이터 분석의 다양한 활용 사례○ 대표적인 의학분야 활용 사례는 ‘수술 도중 열 화상 처리(Intraoperative Thermal Imaging, ITI)’를 위한 데이터 분석이다.수술시간 동안 다양한 데이터를 정확히 열사진으로 보여주기 위한 시스템으로 고성능 컴퓨터를 활용, 열 화상 처리를 통해 7,000초가 걸리던 것을 220배 빠른 32초 만에 보여준다. 사실, 수술사례의 수학적 분석은 어려운데, 수술하는 동안 어디에 용종이 있는지 분석을 통해 확인 가능하다.▲ 급성 경막하 혈종의 열 화상 이미지[출처=브레인파크]○ 엔지니어 시뮬레이션 사례로서 여러 스칼라를 통해 환경에 따라 다르게 구축한 소재과학 사례도 있다. 시뮬레이션 뿐 아니라 시각화를 통해 데이터 분석에의 적용이 가능하다.시뮬레이션을 통해 어디에 문제가 있는지, 어디가 파괴되었는지 등을 여러 화면으로 동시에 볼 수가 있다. 시각화는 새로운 것이 아니지만 데이터를 통합해서 흥미 있는 결과를 시각화하는 것은 새로운 기술이다.○ 엔드-투-엔드(E2E) 그래프 애널리스틱은 한 개 이상의 출처에서 얻은 데이터를 공통 그래프 데이터 모델이 있는 전용 그래프 저장소에 통합하여 한 번에 데이터를 보여준다.디스플레이에서 각각의 시각화 된 데이터 뿐만 아니라 상호 작용을 통한 영향을 보여주는데, 이것을 생물학적 비주얼화라고 한다.데이터 테이블과 그래픽만 볼 수 있는 게 아니라 데이터를 융합해서 활용하는 것까지 보여주는 그래프 애널리스틱이라고 할 수 있다.이것은 개별 그래픽이나 연구결과를 하나의 큰 그래픽으로 구현함으로써, 기존 그래픽을 새로 창조할 수 있는 연구 분야다.▲ 엔드-투-엔드 (E2E) 그래프 애널리스틱 구조도[출처=브레인파크]○ 환경 관련 사례로서 데이터분석을 통해 지도상 나타난 흥미로운 지역을 골라내서 연구할 수 있다. 지도의 한 포인트 내에서 지역의 변화를 볼 수 있도록 구성되어 있으며, 거주지만 별도로 표시가 가능하다.연구자들은 보고 싶은 구조, 수학적 분석, 개연성 등을 분석할 수 있다. 고성능컴퓨팅 시스템은 단순 데이터 분석 뿐 아니라 데이터 활용영역까지 활용할 수 있다.◇ 국내외 협력○ 데이터서비스센터는 컨퍼런스, 박람회 등을 통해 전세계적인 협업 연구를 진행하고 있다. 국제적 지원활동을 위해 데이터투데이, 비트콤 빅데이터 서밋, 포스템, 프링크 포워드 등과 120종 이상의 간행물 발간, 200회 이상의 국제회의를 진행했다.○ 데이터서비스센터는 G. Myers 교수와 Carsten Rother 교수의 협업 프로젝트 ‘British Machine Vision Conference(BMVC)의 최우수 과학’ 논문상 수상, Rother 교수 팀 ‘SciVis-Contest IEEE VIS’ 우승, BTW 2017 (Gradoop)의 최우수 시연상, Dat"Science Challenge 3위 등 다양한 수상경력을 보유하고 있다.○ 데이터서비스센터에서는 방문객을 위해서 △비즈니스 빅데이터 워크숍 △성공적 국제 여름학교 등을 운영하여, 250명 이상의 외국 방문객이 다녀갔다. 방문 프로그램을 통해 초청한 저명인사도 단기 21명, 중기 6명, 장기 3명 등 총 30명에 달한다.○ 데이터서비스센터는 빅 데이터를 주제로 하는 60종 이상의 학·석사 학위 논문을 집필했으며, 빅데이터 인턴십 3개, 강의, 워크샵, 세미나 등 다양한 교육훈련을 진행하고 있다.□ 질의응답- 데이터서비스센터는 ZIH에 속한 여러 센터 중 하나인지."그렇다. 지금은 여러 센터들 중 하나이긴 하지만, 미래에는 분리될 것이고 더 커질 것이다. 독일교육부에서 데이터서비스센터 설립 프로젝트에 대해 재정지원을 받고 있는데, 4년간 펀딩을 받았으며, 앞으로 4년간 더 펀딩을 연장하려고 진행 중이다."- 정부가 보유한 데이터를 활용하는 협력사업이 있는지."정부와의 직접적인 협력프로젝트는 없지만, 작센 환경청과 공공데이터를 활용해 하천의 수위가 어느 정도인지 파악하는 정도는 실시하고 있다.사전에 대화와 분석을 통해 어떤 것이 가장 핵심 사안이고 어떻게 해결할지 논의하는 게 가장 중요하다는 것을 3년 동안의 경험에서 느꼈다."- 기업의 요구에 따라 만든 사례가 있는지."우리는 연구기관이라 대부분이 연구에만 초점을 맞추고 있다. 하지만 파트너사인 BMW의 요청으로 현지 드레스덴 공장에서의 생산 관련 기업 빅 데이터 분석을 실시한 적도 있긴 하다. 우리는 비즈니스 모델을 만드는 것이 아니라 연구방법을 제시하고 연결해 주는 역할을 주로 한다."- 전체 예산과 인력규모는."데이터서비스센터는 하나의 프로젝트로 봐야한다. 전담인력은 5명이지만 여러 학과에서 프로젝트 베이스로 센터 내 직원이 병행 투입된다. 순수 연구비 5백만 유로이며, HPC(고성능컴퓨팅)에 1천만 유로가 투입되고 있다."- HPC시스템은 데이터센터와 함께 만들어졌는지."HPC는 이전부터 슈퍼컴퓨터 센터에 있었는데, 기존에는 전통적인 DB구축에 활용되었다."- ZIH의 155명 직원구성은."주로 교수, 박사과정생, 연구 직원 등으로 구성되어 있다. 데이터센터는 ZIH 직원뿐 아니라 다양한 연구기관의 직원들이 함께 작업하고 있다."- 다양한 리소스를 적용할 수 있는 구체적인 인프라는."우리는 슈퍼컴퓨터를 보유하고 있는데, 데이터 집약적인 HPC의 연결이라고 보면 된다. 향후에도 별도의 인프라는 필요하지 않고 기존 인프라를 융합적으로 활용하는 게 중요하다고 생각한다. 하둡과 같은 빅 데이터를 위한 별도의 인프라를 보유하기 보다는 결합을 어떻게 할지에 집중하고 있다."- 기업이 보유한 데이터를 이 곳에서 분석할 수 있는지."협력프로젝트에서는, 여기에서도 분석이 가능하지만, 대체로 정밀 데이터분석을 하기 원하는 기업들은 국가소속의 센터에 연결을 해준다. 우리는 기업들에게 데이터서비스를 제공하기 보다는 기업이 데이터를 활용해 다양한 활동을 하도록 지원하고 있다."□ 일일보고◇ 슈퍼 컴퓨터를 기반으로 한 다양한 기관 간의 협업○ ScaDS는 드레스덴 공대가 보유하고 있는 슈퍼컴퓨터를 활용한 빅 데이터 방법론을 적용하여 다양한 결과물을 제시하고 있다.우리도 대학을 중심으로 데이터 과학자 육성이 필요하면 데이터 활용, 지식추출, 시각화 분석 등을 적용하여 대학의 특성화 분야와 연계한 다양한 결과물 창출이 필요하다.○ ScaDS는 교육연구부 산하의 프로그램을 수행하는 기관으로 우리가 방문한 드레스덴 공대와 그 외 라이프치히 대학, 프라운호퍼 연구소가 함께 센터의 주요 역할을 하고 있다는 것이 인상적이었다.○ 정보의 신뢰도 등 출처에 대한 정확도가 어느 정도인지 궁금하다. 한국의 경우, 정보의 부재, 특히 공공데이터의 부재로 인해 다방향간 노동은 부족한 실정이다. 독일과 한국은 빅 데이터의 수집과 분석의 정도 차이가 있을 것 같다.◇ 실질적인 기업 활동에서의 적용방안 모색○ ScaDS는 파트너들과 학제적 방식으로 연계된 긴밀한 네트워크를 구축하고 있으며, project에서 파생되는 다양한 결과물을 open source로 활용하고 있다.○ 데이터에 초점을 맞춘 임무수행에 깊이 공감하였다. 즉 데이터와 기술이 어떻게 연관될 수 있는지를 연구하고, 함께 작업할 수 있는 환경 조성에 힘쓰고 있다는 점, 기업 스스로 데이터를 다루는 역량을 키우기 위해 분석방법을 전파하고 연구분석 매니지먼트를 수행하고 있다는 점에 깊이 공감하였다.○ 우리도 실질적인 데이터 활용보다는 연구 중심의 센터로 의미있는 연구결과가 기업들에게 효과적으로 전해질 수 있는 시스템 마련이 필요하다. 연구결과가 연구로 끝이 나는 것이 아니라 직접적으로 기업 활동에 적용되는 것이 중요하다고 생각한다.◇ 체계적인 데이터 과학자 육성○ ScaDS는 초고성능 컴퓨팅을 기반으로 다양한 빅 데이터 관련 연구를 해당 도메인 연구자와 공동으로 진행하며, 연구성과를 바탕으로 각종 솔루션을 개발하고, 연구인력을 양성하는 것을 주요 기능으로 하고 있다.이를 위해서는 산·학·연의 탄탄한 기반 구축, 특히 학계와 산업계의 적극적인 교류협력이 중요한 요소로 작용했을 것이다.○ 데이터 과학자가 필요하다는 의견에 동의한다. 국내에서는 4차 산업혁명시대에 데이터가 중요하다는 것은 모두가 동의하나 이와 관련한 인재 육성 프로그램은 체계적이지 못한 것 같다.○ 우리나라도 데이터 과학자의 육성을 통해 장기적으로는 각 기업이 자체적으로 data활용·분석 등을 할 수 있도록 해야 하며 이를 위해 중장기적 안목을 가진 정부의 인력양성 정책이 중요할 것이다.
-
□ 지역-기업 간 협력프로젝트 개발을 담당하는 경제개발공사 슈투트가르트 지역경제개발공사(Wirtschaftsförderung Region Stuttgart GmbH, WRS) Friedrichstraße 10, 70174 StuttgartTelefon: +49 711 22835-0info@region-stuttgart.de 방문연수독일슈투트가르트 ◇ 독일 공업의 심장부, 슈투트가르트○ 슈투트가르트 지역경제개발공사(WRS)의 대표 겸 국제협력을 맡고 있는 크리스토프(Christoph Ronge)씨가 브리핑을 맡아주었다.슈투트가르트는 독일 남서부 바덴뷔르템베르크의 주도이자 최대도시로 독일에서 6번째로 큰 도시이다. 인구는 약 60만 명이지만 인근 광역 경제권까지 포함하면 전세계 170여 개국 출신의 인구가 270만 명에 달한다.○ 메르세데스 벤츠와 포르쉐, 보쉬 등 자동차산업이 발달해있어 유럽의 대표적인 공업도시이자, 일자리 밀집 지역으로 150만 명이 일할 수 있는 일자리가 있고 대부분 하이테크(High-Tech)분야이다. 실업률은 3% 이하이다.▲ 유럽 내에서의 슈투트가르트 위치[출처=브레인파크]○ 바덴뷔르템베르크 주에는 179개 자치단체가 있고, 그 중 슈투트가르트가 주도이다. 상대적으로 인구 밀도가 높은 대신 자연적 경쟁력(자원)이 빈약하여 차별화된 교육을 통한 혁신적 사고와 창의력 등 사회적 역량강화를 통해 발전된 지역이다.○ 유럽 전체를 두고 볼 때, 북쪽으로 프랑크푸르트, 남쪽으로 취리히 등을 접한 중심부에 위치하고 있다. 경제 규모는 독일에서 28%를 차지한다.◇ 지역 총생산의 7%를 연구개발에 투자, 고급인력 밀집지역○ 전통적으로 제조업이 발달한 지역으로 자동차와 기계산업의 종사자가 전체 종사자의 절반을 넘고 14만개의 대기업과 중소기업이 있다.독일은 주로 대기업이 경제구조를 이끌어나가는 체제를 취하고 있으나 슈투트가르트는 중견기업이 많이 위치한 지역으로 지역 총생산의 7%를 연구개발에 투자하고 있어 독일에서 고급인력 밀집도가 가장 높은 곳이다.○ 타 산업과의 연계와 개발 투자 등 혁신과 관련된 요소를 종합 평가하는 유럽 이노베이션 인덱스에 따르면 슈투트가르트는 다른 유럽 도시보다 혁신성이 매우 높은 것으로 나타났다.○ 독일은 기본적으로 한국처럼 대기업이 주도하는 '규모의 경제'가 이뤄지는 구조가 아니라 대기업이 단일품목을 생산하는 시스템이다.슈투트가르트에는 자동차, 모터 분야에서 메르세데스 벤츠와 같은 대기업이 있는가 하면, 히든 챔피언(Hidden Champion)이라고 일컫는 세계 최고 수준의 기술을 가지고 있는 강소기업들이 빼곡하게 자리하고 있다.이들은 자동차와 기공으로도 유명하지만 정보통신이나 환경 분야에서도 활발한 활동을 하고 있으며, 창의적인 경제효과 창출에도 관심을 가져 이에 대한 연구를 활발히 하고 있다.◇ 지역 전체 산업의 98%는 50명 이하의 중소·중견기업이 차지○ 지역 경제 기반으로서 '기업 생산'이 차지하는 비중을 보면 슈투트가르트 지역이 39.4%로 가장 많고 바덴뷔르템베르크 주가 38.6%로 독일 전체 평균인 29.8%보다 높은 것을 알 수 있다.○ 이 지역 전체 산업에서 중소기업이 차지하는 비중은 98%에 달한다. 그 중 직원 수가 10명 이하인 기업이 91.8%, 10명이상 49명 이하 기업이 6.4%으로 대기업은 2% 정도의 비중을 차지한다.○ 98%의 중소기업은 나름의 특화 기술을 가지고 2% 내외의 대기업과 협력관계를 맺고 있다. 예를 들어 최근 자동차산업은 기존의 내연기관에서 탈피하여 친환경 모터를 도입하고 있다.이 분야의 첨단기술을 보유한 기업이 모두 중소기업이기 때문에 대기업은 자연스럽게 첨단기술을 가진 중소기업과 협력한다.○ 기술·제조업 중심의 지역경제는 대기업과 중소기업의 오랜 거래관계와 이를 지원하는 연구소, 은행, 주정부의 협력관계가 발전되어 있다.○ 1980년대까지 신뢰의 산업문화를 바탕으로 대량생산에 의한 가격경쟁보다는 고부가가치의 품질경쟁으로 독일 내에서 가장 경제적인 번영을 많이 누렸던 지역이었으나 1990년대 개발도상국의 발전과 글로벌화에 부딪쳐 심각한 경제위기를 겪기도 하였다.◇ 경제사회주체 간 네트워크에서 지역경제 위기 해소○ 슈투트가르트는 이 위기를 경제사회주체들 간 네트워크를 통해 이겨낼 수 있었다. 슈투트가르트 지역경제가 위기에 직면하자, 기업들은 지역을 떠나는 대신 새로운 협력관계를 모색하기 시작하였다.○ 이때 △슈투트가르트 지역협의회(Verband Region Stuttgart), △슈투트가르트 지역경제개발공사(Wirtschafts för derung Region Stuttgart GmbH) △슈투트가르트 지역포럼(Forum Region Stuttgart) △교회 대화포럼(Dialog Forum der Kirchen) △슈투트가르트 지역문화협회(Kultur Region Stuttgart) △슈투트가르트 지역스포츠협회(Sport Region Stuttgart) △슈투트가르트 지역여성협의회(Frauen Ratschlag Region Stuttgart) 등 새로운 조직이 등장하였다.○ 이 조직들이 기업, 노동조합, 정당, 대학, 연구소, 교회, 스포츠, 예술인 등 지역사회 구성원들을 총망라하면서 새로운 협력 네트워크를 구성했다.○ 사회 전반을 이끄는 협력네트워크는 곧 사회적 유대관계를 형성, 지역사회에 대한 정체감과 협동의식, 사회안정을 이루는데 기여하면서 투자를 유치해낼 수 있었다.◇ 지역전체를 통합하는 민간기업 형태의 협력기구, WRS○ Region Stuttgart은 슈투트가르트를 중심으로 한 도시들의 연합체인데, 1994년 이러한 도시 연합체의 효력을 인정하는 주 법령이 마련되었다. 이 연합체를 통해 구성된 의회는 지역 전체를 통합하는 기관으로 지역 교통체계, 경제활동 간 협력체계를 구성한다.○ 1995년 설립된 슈투트가르트 지역경제개발공사(WRS)는 슈투트가르트와 주변 5개 카운티의 기업을 잇는 네트워크로서 연합체에서 공동으로 진행되는 업무를 담당한다.기업-지역간 프로젝트를 제안, 인근 기업 및 공공기관의 연계·협력을 중시한다. 즉 각 도시의 지역기구, 기업과의 직접 참여를 유도, 협력함으로써 효율성을 이뤄내는 것이 가장 큰 과제라고 할 수 있다.○ 특히 도시 간 연계가 필요한 사업은 WRS에서 주관하여 집중적으로 수행하고 있으며 연간 예산이 대략 850만유로이며 50명 정도가 근무한다.WRS는 슈투트가르트지역통합기구에서 51% 지분을 가장 많이 가지고 있고 그 외 슈투트가르트 시, 바덴뷔르템베르크 주립은행, 상공회의소, 농민조합 등이 지분을 소유하고 있다.이처럼 민간기업 형태로 만들어진 것은 규격화된 업무를 수행하는 공공기관보다는 적극적으로 활동할 것을 기대했기 때문이다.◇ 중소기업 역량강화를 위한 연계협력 방안 모색 등 수행○ 기업 부문의 핵심과제는 중소기업 역량강화로 중소기업이 위치한 산업단지 관리, 지원 프로그램 운영, 기업 간 연계협력 방안 모색 등이다.1995년 설립 이래로 기업과 연구소 간 시너지 효과를 위한 산업 지구를 만드는 각 지역 클러스터 개발 정책을 시행하여 특정 기업의 신기술 개발에도 자금, 투자연계, 주체 간 네트워크 형성 등을 지원하고 있다. 추가적으로 지역산업 홍보와 외부에서 협력기업을 매칭해주거나 투자유치를 하는 업무로 상당히 중요시하고 있다.○ 직원들은 각 지역 의회와 EU 차원의 논의를 위해 브뤼셀, 그 외 기타 지역마케팅을 위해 북아메리카 등에서도 근무하고 있다. 이들은 해당지역 기업과의 네트워크를 구축하고 지역이 좀 더 혁신적인 방향으로 나아갈 수 있는 전략을 지원한다.○ 자동차중심지로서 제조업체, 공급업체, 서비스제공업체, 연구기관 간 의사소통을 향상시키기 위해 노력하고 있으며 고품질의 맞춤형 기계산업의 발전을 위해 파트너기관과 기업, 기업간 네트워킹을 지원, 기술이전을 촉진한다.최근에는 비즈니스 중심 서비스 제공에 중점을 둔 중소 IT기업의 발달도 두드러지고 있다. 이에 산업별 네트워크와 자문, 지역역량혁신센터 운영, 기업가협회 등을 운영, 지원한다.◇ 대중소기업간 협력은 각 기업의 이해관계 최적화에서 시작○ WRS가 보는 핵심적인 업무는 두 가지로 첫째, 각 지역 간 연계협력을 어떤 방식으로 강화하여 최적화시킬 것인가? 둘째, 전체 기업의 98%에 달하는 중소기업이 대기업과 어떻게 효과적인 협력모델을 만들 것인가? 하는 것이다.○ 슈투트가르트의 자동차, 운송, 기계, 생산기술 등 다양한 지역산업이 현재의 경쟁력을 넘어서서 어떻게 미래로 갈 것인가에 대한 고민도 많이 하고 있다.예를 들어 기존의 내연기관에서 혁신적인 트렌드로 변화해가고 있는데 중소기업이 이러한 변화를 이겨내고 미래를 개척할 수 있도록 자극을 주는 것이 WRS의 역할이다.○ WRS는 여러 분야의 산업이 융합되어 '자율주행'이 등장했듯이 중소기업이 자동차 생산 부품 제조 기술만이 아니라 서비스 분야로까지 확대·성장해나갈 수 있는 역량을 갖추도록 지원하는데 중점을 두고 있다.○ 기계제작도 마찬가지로 중소기업이 기계 제작의 품질관리를 넘어서서 기계와 사용자간 IoT 연결 서비스까지 가능하도록 하는 것이 목표이며 대기업이 중소기업과 협력하는 것은 결국 각 기업의 이해관계를 최적화할 수 있는 네트워킹이 중요하다고 본다.○ 예를 들어 CARS(Clusterinitiative Automotive RegionStuttgart)라고 불리는 자동차 클러스터는 경량구조, 에너지 효율성, 자율주행 등 새로운 주제와 그 솔루션에 대한 워크숍과 업계 포럼, 전문가 토론을 진행하고 WRS에서 EU 등의 자금 프로젝트를 조정한다. 그 외 비즈니스 브런치, 기업방문행사 등 커뮤니케이션을 위한 행사를 기획하여 소통의 장을 마련한다.○ 대기업은 수없이 많은 중소기업의 서비스와 디자인, 부품을 통해 가치창출을 하고 있으므로 대기업 나름의 노하우를 공유하고 중소기업은 대기업 또는 전문가를 통해 이익을 취할 수 있는 최대의 가치를 창출을 한다.○ 중소기업들은 다양한 진흥프로그램에 대한 경험과 인력이 부족하므로 이에 대한 일종의 대행서비스를 WRS에서 제공한다.◇ 기술 노하우 교환 플랫폼으로서의 지역역량혁신센터 운영○ 지역역량혁신센터는 기업, 연구소, 대학 등의 네트워크를 결합, 협력기반을 창출하고 역량있는 기술과 노하우, 사례를 교환할 수 있는 플랫폼으로서 기능하고 있다.그 결과 상향식(Bottom-up) 접근방식으로 기업-연구기관-지자체-유관기관 간 12개 혁신네트워크에 450개 기업이 참여하고 100개 이상의 자금 지원 프로젝트를 수행하였다.○ 센터는 앞으로도 △협력촉진 △혁신잠재력의 최적화 △새로운 기술·솔루션에 대한 공동 인식 △과학기술과 산업 간 통역 △자금지원 프로젝트를 목표로 활동할 계획이다.○ 센터의 가장 중요한 성공요인을 5가지로 꼽자면 아래와 같다.• 가장 중요한 도구: 경영진 - 경영진을 통해 네트워크의 모든 문제를 협의하고 내외부 커뮤니케이션을 연계, 네트워크의 활성화가 가능하다.• 가장 주요한 프로세스: 관련 파트너간 커뮤니케이션 - 통신 플랫폼 지원이 필요하다• 가장 중요한 요소: 책임(자금조달, 협력, 협의보장)을 보장하는 법인체를 설립하여 네트워크를 제도화하는 것• 가장 중요한 과제: 네트워크 파트너의 성과와 부가가치를 문서화할 수 있는 구체적 프로젝트의 시작• 비즈니스, 과학, 기타 행위자의 적절한 조합으로 교류·공유의 기초 형성▲ 지역별 지역역량혁신센터[출처=브레인파크]◇ 대기업의 체계적이고 장기적인 후원사업도 한몫○ 그밖의 슈투트가르트에서 특히 협력네트워크가 활성화된 데에는 벤츠와 같은 지역 대기업이 체계적이고 장기적인 계획을 가지고 후원사업을 운영한 영향도 크다.이들의 후원은 시혜, 광고의 일부분이 아니라 사회에 통합되기 위한 아이디어를 개발하고 발전시키는 것으로 규정되었다.□ 질의응답- 기관에서 이익을 창출한다고 하는데, 협동조합과 다른 점은."구조면에서는 유사하게 운영된다고 할 수 있다. 하지만 WRS는 민간과 공공이 함께 지분을 가지고 있다. 그래서 WRS는 산업'전반'의 이해관계를 다룰 수 있는 위치에 있고 기관과 별개로 혁신센터가 운영되고 있는데 WRS와 업무는 비슷하지만, 이 센터는 일종의 기업연합으로 기업의 이해관계를 대변하는 차이점이 있다."- 대중소기업 간 협력 사례는."슈투트가르트의 미세먼지 비중이 높은 지역이 있는데 미세먼지를 흡착하고 공기를 뿜어내는 식물을 벽에 식재하는 프로젝트에 기업을 연계하는 역할을 수행한 바 있다."- 창업에도 지원하는가? 창업자와 대기업 또는 중소기업과의 연계는."창업지원은 전문적으로 지원하는 다른 분과가 있다. 창업을 하려면 제품이 판매될 수 있는 판로가 있어야 하는데 이를 기존 기업과 연계할 수 있는 방안이 있는지, 또는 기존 기업의 솔루션을 해결해줄 수 있는 제품·기술인지에 대한 연계를 지원하고 있다."□ 참가자 일일보고◇ ㅇㅇㅇ ㅇㅇㅇ테크 대표○ 빈약한 자원임에도 소기업 및 중기업은 시장에서 살아남기 위해서 끊임없는 기업 간 연계 연구개발 투자를 통한 신규 아이템 확보, 인력교육 및 보강으로 기업의 효율성을 높여 나가고 있음을 확인했다. 한국도 경쟁시대에 맞게 운영체계를 이루어야 한다고 본다.◇ ㅇㅇㅇ ㅇㅇㅇㅇ 사원○ 한 국가, 한 지역의 대중소기업들은 제품의 생산과정 및 산업현장에서 상생협력을 이루는 것이 가장 중요한 점이다. 이에 동반되어야 할 것은 Bottom-up 프로세스이다.중소기업에서 의견이나 아이디어 등을 대기업에게 제시하는 것이 대단히 중요하고 의미있는데 이를 슈투트가르트에서는 활발히 진행되고 있는 것 같아 색다르고 우리가 배워야할 점이라고 느꼈다.◇ ㅇㅇㅇ ㅇㅇㅇㅇ산업 부장○ 10명 이하의 직원을 보유한 기업들이 대부분인 슈투트가르트 지역의 소기업 지원을 위해 대기업과 연계를 효율적으로 해주고 있는 부분이 좋았다.지역산업자체의 경쟁력을 위해 산업단지확보부터 기업매니지먼트, 정책도움 등 실질적으로 필요한 부분들을 도와주고 있다는 점이 인상적이었다.◇ ㅇㅇㅇ ㅇㅇㅇ텍 대표○ 소기업이 91.8%라는 점이 놀라웠고 지역 경제협력기구가 발달되어 각 분야에 지원해주는 것에 많은 부러움을 가질 수 있었다.◇ ㅇㅇㅇ ㅇㅇㅇㅇ재단 과장○ 슈투트가르트 지역개발공사는 국내와 비교했을 때 좀 더 세부적인 전략을 통하여 선택, 집중함을 추구하고 있다. 지역기업회, 주변 지역 간 네트워크를 통하여 세부적인 문제해결, 진흥, 촉진 등을 전문적으로 추진하는 민간기구의 역할이 인상깊었다.우리나라도 이러한 세부적인 지역 간 지역기업체간 전문적으로 대응 해결할 수 있는 기구가 설립 및 운영되면 좋겠다. 한국에서는 수탁기업협의회라는 협의회를 정부에서 권장, 촉진을 유도하고 있지만 인력, 예산, 전략적 한계등이 존재하기에 발전에 한계가 있다.독일은 처음부터 이러한 부분을 중요한 매개체로 인식하여 설립초기단계부터 민간기구도 자발적인 조직체(인원 50명, 연간예산 100억 내외)를 결성, 직접지원 형태로 문제점에 적극 대응하는 전략이 놀랍고 우리나라도 정부에서 정책적으로 벤치마킹이 필요하다고 생각하였다.◇ ㅇㅇㅇ ㅇㅇㅇ 대표○ 대기업과 중소기업간 신뢰관계가 중요함을 알게 되었고, 경제사회 주체 간 네트워크를 구축하여 지역경제 위기해소를 위한 활동을 펼친 것이 인상깊었다. 한국의 대중소 기업 간 수평적 네트워크 문화와 신뢰 구축이 필요하다.◇ ㅇㅇㅇ ㅇㅇㅇ텍 대표○ 독일의 산업발전을 이끌고 있는 슈투트가르트의 중소기업비중 98% 중 10명이하의 소기업이 91.8%라는 점에 놀랐다.인력이나 경험부족의 소기업을 위해 만남의 장을 주선하고 경험교환, 지식공유의 자리를 마련한다는 부분에 있어 벤치마킹이 필요해보인다.◇ ㅇㅇㅇ ㅇㅇ테크 이사○ 기업은 사회적 책임을 담당하며 지역마다 다른 니즈를 가지고 있다. 각 지역의 이해관계를 조절하기 위한 해당조직으로 기업의 사회적 공헌을 효율적으로 제어한다고 생각했다.◇ ㅇㅇㅇ ㅇㅇㅇ텍 차장○ 자원이 부족한 지역적 단점을 교육을 통한 혁신적 인재 양성으로 극복하는 부분이 인상적이었다. 중소기업이 각각의 기술과 경쟁력을 가지고 대기업과 연계, 협력관계가 이루어진다는 점에서 한국과 차이가 있다고 생각하였다. 지속적인 협력 프로그램을 통해 미래지향적인 서비스를 제공하려는 노력이 인상적이었다.◇ ㅇㅇㅇ ㅇㅇ전기 대표○ 대중소기업간 지역기업 간 경제사회주체간의 협력을 통한 경제위기를 극복한 사례를 통해 발현 한국의 경제발전을 위해 중심적 역할을 하는 단체의 필요성을 느꼈다.◇ ㅇㅇㅇ ㅇㅇㅇㅇ 이사○ 단위기업, 소속지역, 국가 간의 협력으로 경제를 부흥하고 또는 지켜나가려는 노력이 슈투트가르트에서 엿볼 수 있었다.무엇보다도 즉흥적이거나 단기효과를 노리는 것이 아니라 긴 호흡속에서 차분하고 꼼꼼하게 문제를 접근하는 방식이 매우 인상적이었다.◇ ㅇㅇㅇ ㅇㅇㅇ전기 이사○ 각 기업이 가진 장점을 모아 협력해나가는 것이 필요하며 기업과 지역의 상생을 위한 상호이해가 필수적임을 느끼게 되었다.
-
□ 연수내용◇ 컴퓨터공학을 기본소양으로 AI의 근간을 쌓는 미국 대학○ 미국 대학에서는 AI의 근간이 되는 컴퓨터공학이 이미 기본 소양으로 여겨지고 있다. MIT 학생 중 컴퓨터공학 전공과학을 듣는 학생은 지난해 기준 50%에 이르고 스탠퍼드대 공대생 중 컴퓨터공학 전공자는 45% 수준이다. MIT, 스탠퍼드, 카네기멜런, 워싱턴대 등은 공동으로 AI를 교육하는 프로그램을 운영하고 있다.○ 미국 캘리포니아 버클리대(UC버클리)는 2015년부터 데이터 사이언스를 연계한 대학원 전공 과정을 운영하고 있다.데이터 사이언스는 엄청난 양의 빅데이터를 분석하기 위해 AI 기술의 핵심인 딥러닝(심층 학습) 등을 활용하는 기술이다. 알파고를 통해 딥러닝의 유용성이 입증되면서 최근 가장 각광받고 있는 분야이기도 하다.◇ 세계에서 3번째로 노벨상을 많이 배출한 UC버클리○ 1868년 10개의 캘리포니아 대학교 중 최초로 설립된 UC버클리는 2019년 U.S. News & World Report 세계랭킹에서 4위에 랭크되었다.107 명의 노벨상(2018년 12월 기준) 수상자들과 연고가 있는 UC버클리는 세계에서 3번째로 노벨상 수상자를 많이 배출한 대학교인 세계적 명문대학이다.○ 버클리 졸업생들은 여러 유명 기업들을 창업한 것으로 유명하다. 애플(스티브 워즈니악), 인텔(고든 무어), 마이스페이스(톰 앤더슨), 갭(도널드 피셔), DHL(래리 힐블롬), 구글 보이스(크레이그 워커)와 구글 어스(존 행크), HTC(쉐어 왕), 썬 마이크로시스템즈(빌 조이), BBN 테크놀로지(리처드 볼트), 마벨 테크놀로지 그룹(세핫 수타르자와 웨일리 다이), VM웨어(다이앤 그린과 멘델 로젠블럼), 일본 소프트뱅크(손정의) 등이 버클리 졸업생에 의해서 설립된 대표적인 회사들이다.◇ 버클리 대학 내 인공지능 관련 연구인력이 모인 인공지능연구소○ UC 버클리는 연구 중심의 종합대학으로, 7,000개가 넘는 강의와 300개에 가까운 전공을 제공하고 있다. 해마다 5,500명의 학사와 2,000명의 석사, 900명의 박사를 배출한다.▲ UC버클리[출처=브레인파크]○ 버클리 인공지능연구소는 △컴퓨터 비전 △기계학습 △자연어 처리 △계획 △로봇공학 분야에 걸친 UC버클리 대학 내 연구인력이 모인 연구소다.○ 30여 명의 교수진과 200여 명의 대학원생은 멀티모달 딥러닝(Multi-modal deep learning)과 인간-호환 AI와 관련한 최첨단 기술들을 연구하며 AI와 다른 과학 분야 간 접목을 위한 연구도 진행한다. 연구진은 인공지능 관련 연구를 진행할 때 최대한 다양한 접근법을 활용하고 있다.○ 연구소는 최첨단 AI 연구 가속화를 위해 ‘BAIR Open Research Commons’라는 새로운 산업 제휴 프로그램을 시작했으며 연구진은 Commons 협정을 기반으로 제휴 산업 파트너와 공동으로 그리고 균등하게 지적 재산을 공유하면서 협력적인 공동 프로젝트를 진행한다.○ 후원기업으로는 아마존, 페이스북, 구글, 마이크로소프트, 삼성, 웨이브 컴퓨팅 등이 있으며 이들 기업은 프로그램의 초기에 BAIR 시설과 연구 노력을 지원할 20개 이상의 공동 프로젝트에 대한 기금을 조성했다.○ 기존 학과와 학부들은 그대로 놔둔 채 이들을 모두 아우를 수 있는 `디비전`이라는 개념을 만들어 학부생들이 전공과 관계없이 데이터 사이언스를 학습할 수 있도록 한다.◇ AI분야 고전논문상을 수상한 존케니교수의 지도를 받는 김진규학생○ 버클리대 인공지능연구소 방문은 컴퓨터공학과에서 박사과정에 있는 김진규 학생과의 간담회 형태로 진행되었다. 김진규학생은 고려대학교 전자공학과 학사, 석사를 거쳐 현재는 존 케니 교수(Prof. John Canny)의 지도학생으로 연구 중이다.존 케니 교수가 석사 과정 때 발표한 논문이 컴퓨터 비전 쪽에서 가장 많이 읽힌 논문으로 유명하며 2002년 인공지능분야에서 가장 영향력있는 논문상을 수상하기도 했다. 지금은 CS 학부장이다.○ 김진규 학생의 연구분야는 AI, 컴퓨터 비전, MAPE 등을 하고 있고 어플리케이션으로 자율 주행을 연구하고 있다. 특히 Advisable AI를 많이 하고 있고 DARPA에서 AI 관련 세미나를 열었을 때 직접 연구내용도 발표했다.○ 버클리로 오기 전에는 컴퓨터 이미징, Data Mining, 물리경제학 등 관련 연구를 진행했으며 현재는 DARPA 프로젝트로 자율 주행을 연구하고 있다. 병역특례로 LG Display, 삼성, 팬텀AI, 혼다, Waymo에서 인턴을 했다.○ 주요 이력• niversity of California, Berkeley, PHD IN COMPUTER SCIENCE (ADVISOR: PROF. JOHN CANNY)• Korea University, MS IN ELECTRICAL COMPUTER ENGINEERING (ADVISOR: PROF. SUNGROH YOON)• Korea University, BS IN ELECTRICAL ENGINEERING, Summa Cum Laude (GPA: 4.45/4.5)○ 발표논문• 2018.10. 「Explainable Deep Driving by Visualizing Causal Attention」, Jinkyu Kim and John Cann, The Springer Series on Challenges in Machine Learnin• 2018.09. 「Textual Explanations for Self-Driving Vehicles」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, ECCV• 2017.12, 「Show, Attend, Control, and Justify: Interpretable Learning for Self-Driving Cars」, Jinkyu Kim, Anna Rohrbach, Trevor Darrell, John Canny, and Zeynep Akata, NeurIPS Symposium• 2017.10, 「Interpretable Learning for Self-Driving Cars by Visualizing Causal Attention」, Jinkyu Kim and John Canny, ICCV◇ 자율주행의 취지와 흐름○ 자율주행은 교통사고를 줄이는 것, 사람들의 운전시간을 줄이고, 주차장에 쓰이는 공간을 줄이자는 취지를 갖고 있다.우버의 자율주행은 볼보 차체에 자율주행 센서와 컨트롤 유닛을 달아서 자율주행 차를 만들었다. 트럭에도 진행 중이었는데 최근에 우버에서 트럭에 대한 자율주행 사업은 중단했다. 자율주행 분야로 투자를 많이 했으나 트럭 대신 일반자동차에 집중하고 있다.○ Waymo는 일반자동차와 트럭 모두 진행하고 있다. 대부분의 자율주행 차가 상위단에 라이더센서를 두고 360도로 레이저를 쏴서 주변에 무슨 물체가 있는지 감지한다.카메라가 앞, 뒤로 6개정도 달려 있어서 주변 시야를 확보한다. 레이더 센서는 요새 차에 다 들어가 있는데, 고속도로에서 자율주행하는 차는 모두 레이더를 쓰고 있다. 또한 보통 트렁크에 컴퓨터를 실어 넣는다. 최근에 재규어에 레이더를 달아서 실험하고 있다.○ Waymo는 피닉스 지역에서 서비스하고 있는데, 리프트와 연결해서 리프트에서 자율주행차를 불러올 수 있게 한다. 센서에서 정보를 취합한 후 컴퓨팅하고 자동차로 컨트롤한다. 우버의 앱, 구글 맵으로 차량을 호출하면 내비게이션도 해준다.◇ 인식-예측-통제로 이루어지는 자율주행○ 자율주행은 크게 인식(Perception), 예측(Prediction), 통제(Control)의 과정을 거치는데 첫 번째 인식(Perception)은 센서가 들어오면 Perception 모듈을 가장 먼저 거친다. 어떤 물체가 어디 있는지를 판단하는 단계이다.○ 사람이 지나가는 경우, 자전거나 차량이 지나가는 경우도 모두 감지한다. 라이더 센서로 3D 바운딩 박스를 찾고, 카메라를 사용해서 신호등을 구별한다.라이더 센서를 쓸 때 최대 200m 거리의 차량과 사람을 모두 감지한다. 감지 문제는 거의 다 해결됐다고 보고 있다. 차량은 빨간색 바운딩 박스로 사람은 노란색 바운딩 박스로 표시하고 2년 전까지는 카메라로 감지를 많이 했으나 최근에는 라이더로만 감지를 한다.○ 문제는 기존에 생각하지 못했던 감지문제들이다. 예를 들어 경찰관의 수신호(다른 방향으로 가라는)나 미국은 구급차가 오면 무조건 비켜줘야 하기 때문에 구급차 소리가 들리고 차가 자기 쪽으로 올 경우 피해야 되는지 아닌지 등에 대한 감지로 연구가 진행중이다.○ 예측(Prediction)은 물체가 어디로 갈지 판단하는 과정으로 차가 차선을 변경할 것인지, 사람이 어디로 움직일 것인지를 예측하여 어느 차선으로 움직여야 할지 Planning을 한다.○ 통제(Control)는 어디로 갈지 정해진 상태에서(perception, prediction 과정을 거친 후) 문제가 없는 과정이다. 20년 전부터 실행되어 왔다.○ 자율주행에서 문제가 되는 것은 prediction과 planning 부분이다. 연구 주제와도 연결되어 있어 Waymo와 우버에서도 대학과 협력을 원하고 Waymo에서 Planning을 연구하는 버클리 교수님을 초빙하기도 했다.○ Waymo는 피닉스 지역에서 운전자 없이 사용자가 자율주행차를 호출해서 갈 수 있도록 서비스를 6개월 전에 시행해서 지금 계속 테스트 중이다.◇ 상용화 경쟁중인 자율주행○ 자율주행에 있어 너무 많은 복잡한 정보를 주면 사용자가 혼란스러울 것이고, 너무 간단한 정보만 주면 사용자가 받아들일 정보가 없기 때문에 사용자에게 어떤 정보를 줘야 하고 어떤 정보는 주지 말아야 하는지 고민하고 있다.○ 캘리포니아는 법적으로 운전자가 앉아 있어야 해서 두 사람이 앞자리에 앉아있는데, 한 사람은 만일의 사고에 대비하여 핸들을 잡을 준비를 하고 있고 옆 사람은 안에서 감지 활동을 점검하고 있다.신호등 감지가 중요한데, 옆 사람이 빨간색이라고 소리 지르면 차가 빨간색을 감지했다는 걸 알기 때문에 핸들을 잡지 않는다. 하지만 옆 사람이 감지가 안됐다고 말하는 순간 바로 핸들을 잡고 조종할 것이다. 법이 풀리면 캘리포니아도 운전자 없이 테스트해보지 않을까 생각한다.○ 그래서 테스트가 굉장히 중요하고 온라인 테스팅은 차를 계속 굴리면서 문제가 있는지 없는지 판단한다. Waymo의 소프트 엔지니어로 들어가면 10분에 한 번씩 버그 메일을 받는다. 버그가 발생했으니 해결하라는 메일이다. 엔지니어는 버그를 없애는 작업을 계속 한다.○ 다음으로 오프라인 테스팅을 한다. 시뮬레이터 환경을 만들어서 여러가지 시나리오를 테스트한다. 실제 차를 돌려보기도 하고 기존에 보지 못한 인풋의 새로운 이미지가 있는지 판단한다.○ 차량, 사람, 차가 어디로 움직일 수 있는지에 대한 레인, 횡단보도, 정지신호 등의 정보를 다 가지고 있는 맵이 있다. HD 맵을 한국에서 만들려고 한다고 들었다. 그러한 맵이 만들어지면 자율주행 차에 적용하여 테스트할 수 있을 것이다.○ 현재 자율 주행은 크게 Waymo, Uber, Zoox, Cruise가 앞서 나가고 있으나 서로 협력하지는 않는다. 경계선을 만들어서 서로의 기술이 유출되지 않도록 하고 있다.자율주행차는 곧 상용화될텐데, 누가 먼저 상용화하느냐에 따라서 그 시장을 다 차지하지 않을까 생각한다. 그 점을 Waymo와 우버도 알고 있고 서로 먼저 시장에 내놓기 위해 노력하고 있다. Waymo는 라이더 센서, 카메라 센서 등 모든 센서를 직접 만들고 있다.▲ 우버의 자율주행차[출처=브레인파크]□ 질의응답- 카메라 센서에 특정한 무언가로 인해 완전히 오작동이 일어나는 경우는."그건 딥러닝에서 문제가 되는 부분이다. 인풋에 노이즈를 꼈을 때 감지가 잘 안 되는 경우가 발생한다. Waymo는 카메라를 사용해서 딥러닝을 돌리고 있진 않고 정말 기초적인 방법으로 신호등을 찾고 있다.가령 본인의 차 위치를 알고 있고 HD 맵도 알고 있으면 신호등이 어디 있는지도 알고 있기 때문에 카메라에서 위치만 따로 빼와서 빨간불인지 초록불인지만 판단한다."- 레이더와 라이다를 쓰면 나오는 비용이 어느 정도인가?"카메라로 계속 해왔지만 한계는 있다. Waymo와 Uber가 라이더로 바꾸고 나서 감지가 너무 잘 돼서 성과가 좋아졌다. Waymo가 라이다 센서를 만들고 있다. 그 말은 직접 커스터 마이징을 해서 가격을 낮추겠다는 뜻이다.어느 가격까지 떨어뜨렸을 때 수익을 얻을 수 있는 테이블이 있다. Planning은 현재 룰 베이스이다. 관련된 룰을 하나씩 하나씩 얹고 있는데, 예측할 수 없는 상황에서는 어떻게 해야되는지에 관한 문제가 있다."- 카메라에 한계가 있다고 하셨는데 어떤 한계가 있는 건가? 카메라에 오물이 묻거나 비가 오는 경우에 안전 관련 감지가 있는지."그래서 3가지 센서를 쓰는 것이다. 라이다 센서, 카메라, 레이더. 이 중 하나가 고장나도 다른 것이 작동할 수 있도록 3가지를 쓴다. Waymo 차량의 상위 단에 와이퍼가 안에 있다. 비가 오면 물기를 닦아낸다."- 자율주행 트럭이 자율주행 차보다 더 빨리 상용화될 수 있을 것 같은데, 기술적인 측면에서 성공적이지 않아서 포기한 것인지."Waymo와 우버가 본인들이 기술을 만들었을 때 그 기술로 인해 생기는 수익 예상치가 있다. 일반 차량에 자율주행기능을 넣었을 때의 수익이 트럭에 넣었을때보다 4배 더 높다.기술적인 측면에서 차이가 큰 것은 아니지만 돈이 되지는 않는다. 고속도로 내에서 움직이는 것, 물류센터 간 이동하는 것만 자율주행으로 하고 나머지는 사람이 운전한다."- 신호등에 대해서 반응속도가 어떻게 되는가? 또한 여러 개의 신호등 중에 자기가 봐야 하는 신호등이 무엇인지 어떻게 아는지."반응속도는 10밀리세컨드이다. 0.1초에 하나씩 감지 결과가 나온다. 그래서 맵이 중요하다. 맵을 통해 여러 신호등 중 자기가 봐야 하는 신호등을 알 수 있다."- 센서 반경이 어느 정도인지."Waymo는 라이다 센서가 2개 있는데 하나는 멀리 보는 것(200m)이고 나머지 하나는 가까이 보는 것(50m)이다."- 아까 예시에서 운전자가 빨간 불이라고 말했을 때 핸들을 잡고 다시 자율주행으로 돌아갈 때 딜레이는 없는지."사람이 핸들을 잡으면 바로 사람이 운전하는 모드로 바뀌지만 자율주행 모드로 다시 갈 때는 정차해서 테스트한다."- 시뮬레이터가 필요한데 같이 작업하는지."시뮬레이터가 있고 그 안에서 기존의 Waymo 차량에 들어간 소프트웨어를 똑같이 돌릴 수 있게 해놨다. 차량 위치도 조정할 수 있다. 본인 차량 외에 차량이 움직이는 것은 간단하게 설계되어 있었는데 최근에는 사람처럼 움직이게 하려고 노력하고 있다."- computing이 얼마나 좋아야 하는가? Planning과 Control이 어떻게 다른지."Titan X 이상의 GPU가 2개 정도 있다고 보면 된다. 그거로 라이다 데이터를 분석하고 있고 그 뒤에 planning과 control을 담당하는 컴퓨팅이 따로 있다. 후자의 사양은 정확히 모르겠다.Planning은 본인 차가 어디로 가야 하는지에 대한 포인트를 갖고 있고, Control은 실제 steering angle과 액셀러레이터, 브레이크를 가지고 시간에 맞게 그 위치에 가게끔 해준다."- 예측할 때 어려움은 없는가? 예를 들어 사람이 이 속도로 움직일 거라고 생각했다가 사람이 갑자기 뛰거나 해서 속도가 변할 때."사람이 움직일 때 0.1초 간격으로 계속 감지를 하기 때문에 큰 문제는 없다. 문제가 되는 부분은 interaction이다. 사람이 가고있는 방향이 있는데 다른 차량이 사람 쪽으로 와서 사람이 움직여야 할 경우의 대응은 아직 없다. 이 부분에 대해서 연구논문들이 나오고 있지만 크게 좋아지지는 않았다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생은 강필성 교수의 지도를 받고 있으며 같은 연구실에 5명의 박사과정 학생, 13명의 석사과정 학생들이 있다.○ 연구분야는 Data Science & Business Analytics로 텍스트, 이미지와 같은 구조화되지 않은 데이터 뿐만 아니라 구조화된 데이터도 다루고 있다.구조화된 데이터의 경우 안정적인 전력 소모를 위한 수요를 예측하고 있다. 실제 선박에서 장비를 가지고 촬영한 영상 클립을 이용해서 딥 러닝 기법 중 하나인 컨볼루셔널을 이용해서 해산의 파양 및 파고를 예측하고 있다.○ 뉴스 텍스트 감정 분석 모델 구축 프로젝트를 진행하고 있다. 단어에 대한 긍정・부정 사전을 구축하고 있다. CNN과 CAM을 이용한 감성분석 및 시각화, RNN과 Attention을 이용한 감성분석 및 시각화를 진행하고 있다.○ Stock Market Prediction: Hierarchical Attention Events를 활용하여 주가에 영향을 미치는 이벤트를 분석하고 있다. 구분 분석(Dependency parser)을 사용해서 뉴스 공장의 이벤트를 축출하고(Event Extraction), 이벤트를 이용하여 주가의 상승과 하락을 예측한다.◇ 연구사례○ 전반적인 연구에 대한 목표는 뉴스 기사 이벤트를 축출하여 타겟 시장의 방향성을 예측하는 것이다. 누가 누구에게 어떤 행위를 하는지(이벤트) 예측하기가 힘든데 이벤트를 축출하는 방법은 각 문장의 Actor, Action, Object를 파악하는 것이다.이를 Event Tuple이라고 한다. Event Tuple은 하나만 만들어지는 것이 아니라 여러 후보가 생기는데, 이 점을 보완하고자 버트의 language model을 이용하여 각 Tuple에 대해 스코어를 산출한다. 그 중 가장 적합한 Tuple을 선정하게 된다.○ 단계별로 살펴보면, 다음과 같은 예시 문장에 대해 룰 베이스, 구분 분석 등을 이용해 54개의 Tuple이 만들어진다.1. Tuple에 버트의 Mask language model을 적용하여 각 Tuple마다 마스킹 작업을 가한다.2. 마스킹된 Tuple을 가지고 Mask prediction을 가한 후 나온 확률값의 평균을 구한다.3. 이 평균이 가장 높은 Tuple을 최종적으로 산출한다.4. 축출한 Event Tuple을 가지고 Neural Tensor Network를 사용해서 Event Embedding을 한다.5. Actor, Action, Object가 입력으로 들어가고 최종적으로 Event Vector가 축출된다.6. NTN 모델에서 추출한 Event Embedding이 Hierarchical Attention Model의 input으로 들어가고, 중요도를 분류하는 Event-Level Attention, 시간적 맥락에 따라 가중치를 부여하는 Temporal Attention을 거치고 난 뒤 최종적으로 해당 주가의 상승과 하락을 분류한다.◇ 질의응답- 주가 예측하실 때 시간 맥락 (Temporal Attention)을 말씀하셨는데 시간에 따라 가중치가 달라지는건지."Input이 하루, 일주일, 30일 단위로 입력이 된다. 이런 정보를 반영해서 시간 단위에 따른 주가의 상승과 하락을 구별한다."- 뉴스 조회수에 따라서는 달라지지 않은지."현재 저희가 진행하는 것은 수치 데이터를 쓰는 것이 아니라 뉴스 텍스트 자체를 분석하는 것이기 때문에 다르다."- 뉴스 텍스트가 엄청 길 때 해석하기 위해서 Helper들이 나오고 있는데 그런 부분도 관여하는지."의뢰하는 쪽에서 문장 자체를 예측하는 것보다는 이벤트를 축출해서 시각화하고 주가를 예측하는 것을 요구하기 때문에 그 부분에 대해서는 생각해보지 않았다."□ 프로젝트 발표: ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구분야○ ㅇㅇ대학교의 ㅇㅇㅇ 학생이 속한 연구소는 △제조공정에서 혐의 공정 탐지 △텍스트 마이닝(Text Mining) △헬스케어(Healthcare) △게임 AI(Game AI), 4개 연구분야를 진행 중이다.○ 개인적으로 참여하고 있는 연구는 고려대학교 응급의학과와 함께 미세먼지를 가지고 응급의학과 내원환자 수를 예측하고 어떤 날에 환자가 많은지 예측하는 일이다. 또한 NLP 관련해서 하나 시스템과 챗봇 플랫폼 만드는 데 기여하고 있다.◇ 연구배경○ 현재 진행중인 2개 프로젝트 외에 스마트 제조 관련 ㅇㅇ제강과 함께 진행했던 프로젝트를 중심으로 설명하면 최근에 반도체 공정, 철강 등 여러 제조공정에서 상당 부분 기술이 고도화됨에 따라 공정이 복잡해지고 있다. 미세한 원인과 혐의 공정을 찾아내는 것이 중요해졌다.○ 그리고 제조공정에서 품질 예측, 원인 분석은 항상 중요하다. 이에 최근 데이터를 더 얻기 위해 센서를 더 많이 박는 실정인데, 더 많이 늘어난 데이터를 분석하기 위해 해당되는 딥 러닝과 같은 방법론이 필요해졌다.◇ 연구모델○ 기존 연구는 변수의 중요도에 따라 원인을 산출했는데 Linear 패턴이 나타나지 않을 경우 적합하지 않다. 이번에 하게 된 제조공정에서는 다채널 데이터의 시계열 특성을 반영하기 위해 CAM(Class Activation Mapping)을 적용하였다.○ 문제의 정의는 처음에 시계열 데이터를 철강 공정에서 센서 데이터가 처음부터 끝까지 다 박혀 있는데, 거기에 있는 데이터를 수집하고 CNN의 성능이 유효한지 먼저 평가한다. CNN이 잘 나온다면 CAM을 사용해서 어떤 부분에서 혐의 공정이 일어났는지 원인 분석을 하는 절차이다.○ 하나의 센서를 수집하고 테이블에 넣는다. 동국제강에서 제공하는 전처리과정을 통해 수치를 정교화해서 집어넣었다. 다음 센서도 Time 1번부터 100번까지 쭉 똑같은 과정을 통해 모든 센서 값을 받아 내린다.○ CAM은 원래 이미지 데이터에 사용되는 방법론이다. 한 축은 센서, 다른 축은 시간 축으로 해서 2D 형태의 데이터를 구축했다.○ 회귀 모델에 있어서는 앞부분은 일반적인 convolutional layer를 계속 쌓는 것은 그대로고, 마지막 층만 CAM에서 fully connected(완전 접속)을 통해 바로 activation function(활성화 함수)로 뽑아내서 회귀 문제를 풀어내는 모델로 바꿨다.W값이 각각의 feature map에 대응하는 가중치 값인데, 각각의 가중치 값을 다 곱해서 마지막에 합산하면 원래의 이미지에서 어느 부분이 실제 class값을 예측하는 데 큰 기여를 했는가를 알아볼 수 있는 알고리즘이 있다. 회귀 구조에 맞게 변경시키는데, 소프트 맥스에 태우지 않고 fully connected로 Linear 회귀 구조로 바꾸었다.◇ 연구단계○ 첫 번째, 변수를 선택한다. 제품1, 제품2에서 제품1000까지 각각에 대한 CAM을 만든다. 합산 값을 다 더해서 전체 공정에 대해서 일괄적으로 혐의 공정이 나타날 만한 부분을 찾는 것이 글로벌 CAM이다.시간 축에 있는 모든 값을 다 더해서 테이블에 채워 넣고, 각 값의 합을 프로팅했을 때 임의의 한계점 이상을 갖는 값을 오름차순으로 정렬하여 위에서부터 아래로 센서들의 중요도를 판단한다.○ 두 번째로. 원인 구간을 선택한다. 시간 축에서 가장 높은 확률을 보이는 부분(Heat Map이 뜨겁게 나타난 부분)을 원인 구간으로 선택한다. 해당 원인구간으로 예측한 부분을 검증했는데, 위상 차이가 많이 났음을 확인할 수 있다.◇ 도전과제○ 글로벌 CAM을 단순 합산할 것이 아니라 Attention Mechanism을 통해 어떤 부분을 더 가중치를 둬야 하는지 연구할 의향이 있다. 각각 제품에 따라 다른 혐의 공정을 갖고 있기 때문에 단산 합산하는 것은 무리가 있기 때문이다. 다만 단순 합산을 했는데도 성능은 높게 나왔다.◇ 질의응답- 여러가지 방법론 중 CNN을 선택한 이유는."CAM이 CNN을 이용한 것이기 때문에 CAM을 구조로 쓰기 위해 CNN을 적용한 것이다. 타임 시리즈인만큼 RNN 구조도 충분히 사용할 여지가 있다고 생각한다."- 연구를 시작하는 단계에서부터 CAM을 사용하겠다고 설정하는지."처음에는 여러가지 모델을 적용시켰고 그 중 설명가능성이 높은 구조인 CAM을 사용했다. RNN은 추후 연구에 사용할 의향이 있다."□ 프로젝트 발표 : ㅇㅇ대학교 ㅇㅇㅇ 학생◇ 연구소개○ ㅇㅇ대학의 ㅇㅇㅇ 학생은 Machine Learning을 사용한 가정용 도시가스 상용 예측에 대한 연구를 발표하였다. 이 연구는 ㅇㅇ대 산업 AI 학생들과 ㅇㅇ에너지서비스와 함께 진행한 프로젝트다.ㅇㅇ에너지서비스는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급하는 기업이다. 이 회사에서 해결하고 싶었던 여러 문제들 중 1가지를 선택하여 연구를 진행하였다.◇ 연구배경 및 목표○ 지역별 도시가스사는 한국가스공사로부터 천연가스를 공급받아서 가정, 산업현장에 도시가스를 공급한다. 이 때 지역별 도시가스사에서는 공급계획 수립과 한국가스공사와의 계약 물량 체결 등의 이유로 최소 2개월 전에는 사용량을 예측할 필요가 있다. 도시가스의 안정적 공급과 공급자의 비용절감 측면에서 도시가스 사용량 예측이 매우 중요하다.○ 여러 도시가스 용도 중 가정용은 기온과 시기 등 다양한 요인에 민감하게 영향을 받고, 세대마다 검침일이 달라서 측정오차가 발생하기 때문에 예측모델 개발이 어려운 문제가 있다. 따라서 저희는 가정용 도시가스 사용량 예측 연구를 진행하기 앞서 기존 관련 연구를 탐색했다.○ 도시가스 보기 초급에 수행된 연구를 제외하면 용도별 사용량 예측에 관한 최근 연구는 부족한 실정이다. 특히 가정용 예측 연구는 더욱 부족하다.그나마 있는 연구도 측정오차를 고려하지 않은 경우가 대부분이다. 기존 연구의 한계점을 극복하기 위해 측정오차를 고려한 머신러닝 기반 가정용 도시가스 사용량 예측 모델 개발 연구를 수행하였다.○ 최종적으로 사용량 예측을 통해 도시가스의 안정적 공급과 공급 비용 절감을 목표로 하고 있다.◇ 연구방법론○ 세대별 월별 사용량 데이터: 아파트, 단독주택 등 세대 유형별로 그룹화하고 각 그룹별 사용량을 산출한다. 원단위(세대 간 월별 평균 사용량) 경향, 세대 수를 고려해서 그룹화한다.○ 기온 및 기타 데이터: 검침 차수를 고려하여 검침 차수별로 기온 및 기타 변수를 산출한다. 그룹 내에서 검침 차수별로 데이터를 분리하고 분리된 데이터별로 원단위를 산출한다.가정용 도시가스 사용량은 검침량을 통해 산출되는데, 각 세대마다 검침 차수가 다양하기 때문에 검침차수를 고려하여 변수를 산출하는 기간을 조정한다.예를 들어 검침 차수가 1차수인 세대의 경우 8월 9일~9월 8일까지의 실제 사용량이 9월 검침량으로 기록된다. 1차수의 9월 평균 기온을 구할 때도 같은 기간을 고려하여 평균 기온으로 선출한다.○ 머신러닝에 기반 사용량 예측 모델 도출: 검침 차수별 변수를 통해 세대 유형 그룹별 평균 사용량을 예측하는 모델을 도출한다.예측 변수로는 기온 및 기타 변수를 사용하고, Linear Regression, Random Forest, Lasso, SVR을 활용하여 실험을 통해 가장 좋은 변수와 모델 조합을 최종 예측 모델로 선정한다. 본 예측 모델로 각 세대 유형 그룹별 원단위 예측 값이 산출된다.◇ 연구과정○ 방법론을 검증하기 위해 진행한 연구에서 사용한 데이터는 포항, 영덕, 울진 지역에 세대별 월별 도시가스 사용량 데이터이다. 2010~2018년까지 9년 동안의 데이터이며 검침 차수는 4차수까지 있다. 또한 포항, 영덕, 울진 지역의 일별 기온 데이터를 활용하여 사용량을 예측했다.○ 세대 유형별 그룹화를 하기 위해 세대 유형별 월별 원단위 변화를 살펴보았다. 아파트, 다세대, 다가구 유형이 유사한 원단위 경향을 보였고 원룸과 기타 유형이 유사한 원단위 경향을 보였다. 단독주택・아파트, 다세대 및 다가구・원룸 및 기타 3그룹으로 나누었다.○ 각 그룹 내에도 여러 검침차수가 있을 수 있기 때문에 그룹 내에 검침차수별로 데이터를 분리했다. 1그룹인 단독주택의 경우 대부분이 검침차수가 4차수에 해당해서 4차수 데이터를 단독주택 모델 개발에 활용했다.2그룹, 3그룹의 경우 대부분의 검침차수가 1-2차이기 때문에 1-2차수 데이터를 모델 개발에 활용했다. 각 그룹 내 검침차수별로 원단위를 산출했다.○ 검침차수별 기온 및 기타 변수는 검침차수마다 검침일이 다르기 때문에 기준을 정해주기 위해 대표일자를 선정했다. 이후 대표일자를 고려하여 검침차수별 각 기간 내에 기온 특성, 특정 기온 구간별 빈도수, 월 비율, 효율 및 비효율수와 같은 변수를 산출했다.○ 산출된 검침차수별 변수를 통해 세대 유형 그룹별 평균 사용량인 원단위를 예측하는 모델을 학습시켰다. 영덕, 울진의 경우 2014년부터 도시가스가 공급돼서 데이터가 부족했기 때문에 모델을 개발하기 어려웠다.따라서 포항 데이터만 모델 개발에 활용했다. 추후 영덕, 울진 지역의 사용량 예측할 때 2그룹 모델인 다세대 다가구와 원단위 경향이 가장 유사했기 때문에 2그룹 모델을 사용했다. 실험을 진행해서 가장 좋은 조합을 최종 모델로 선정했다.○ 결과는 1그룹인 단독주택의 경우 Linear Regression에서 MAPE 5.75%로 가장 좋았고 2그룹 모델에서는 Linear Regression MAPE 6.67%, 3그룹 모델에서는 MAPE 7.69%의 성능을 보였다.○ 검증을 하기 위해 가정용 실제 사용량과 비교를 시행하였다. 기존에 사용량을 예측할 때는 해당 월에 과거 3개년 평균 원단위를 예측 값으로 사용했는데, 기존 예측 값과 실제 사용량의 오차와 개발 모델의 예측 값과 실제 사용량의 오차를 구하고 두 오차를 비교하여 검증했다.○ 검증 결과는 전체 월에 기존 방법이 MAPE 11.1%, 개발 모델이 7.1%를 보여서 4%정도 개선된 결과가 나왔다. 도시가스는 난방에 주로 이용돼서 겨울철 사용량이 중요한데, 겨울철 사용량의 오차를 계산했을 때도 성능이 3% 향상되었다.◇ 연구결론 및 성과○ 본 연구를 통해 측정오차를 고려하여 세대 유형별로 그룹화를 통해 머신러닝 기반 가정용 도시가스 사용량 예측 모델을 개발하였고 포항, 영덕, 울진 지역에 실제 데이터를 활용하여 방법론을 검증해보았다.○ 추후 연구로는 모델 정확도 개선을 위해 추가적으로 예측 변수를 탐색할 것 같다. 더욱 다양한 지역에 도시가스 사용량 데이터를 활용하여 방법론을 검증할 것이다.◇ 질의응답- 가스 사용량은 계절별로 다를 것 같은데 계절별로 차이를 두지는 않았는지."기온 관련 변수를 통해 계절적 요인이 들어갔다고 생각한다. 또한 월별로 다른 사용량을 보이는 것을 확인했다. 월 변수, 기온 변수를 넣어줌으로써 계절 변수가 반영됐다."- 후보 예측 변수를 선정하는 기준은."데이터 탐색을 꽤 오랜 시간 진행해서 변수를 선택했는데, 평균 기온과 최저・최고기온을 먼저 기본 변수로 선정했다. 월과 효율・비효율 변수도 데이터 탐색을 통해 찾은 변수이다."- 그 외에도 원래 고려했지만 중요하지 않다고 판단되어 제외한 변수는."포항도 남구, 북구로 나뉘고 동, 서로 나뉜다. 지역적 요인도 고려했는데 탐색 시 유의미한 차이를 발견하지 못해서 변수에서 제외했다."- 가스 산출량을 정확히 예측하여 어떻게 공급 비용을 줄인다는 것인지."예를 들어 한국가스공사 코가스로부터 천연가스를 수입해서 영남에너지서비스와 같은 지역도시가스사가 개인에게 공급하는 실정인데 지역도시가스사가 예측을 해서 한국가스공사에 예측량을 넘겨줘야 다음에 받을 수 있는데, 예측을 너무 크게 하면 너무 많은 수입을 하게 된다.그렇게 되면 남은 가스에 대한 재고 비용도 생기고 지역별 도시가스사도 패널티를 받게 된다. 가스 산출량을 정확히 예측해서 한국가스공사에 넘기면 이런 비용적 측면의 패널티를 줄일 수 있다."
-
2022-02-22말레이시아 스포츠카 제조기업인 로터스 자동차(Lotus Cars Ltd)에 따르면 2028년까지 자동차 연간 10만대를 판매할 계획이다. 이중 9만대는 기술 자회사인 Lotus Technology에서 생산한 전기 세단형 승용차와 스포츠 유틸리티(SUV)의 판매를 목표로 정했다. 현재 진행 중인 로드쇼 중간에 2023년 전기 SUV 모델인 타입 132(Type 132)를 잠재적인 투자자들에게 깜짝 공개할 예정이다. 향후 12개월에서 24개월 내로 Lotus Technology을 상장하는 것을 목표로 정했다. 상장에 따른 시가 총액은 RM 285링깃에서 342억링깃 사이가 될 것으로 전망된다. ▲로터스 자동차(Lotus Cars Ltd) 로고
-
2021-12-27인도 온라인 중고차 판매 플랫폼 Cars24에 따르면 지난주 3번째 자금 조달 라운드에서 $US 4억달러를 조달했다. 이중 3억달러는 주식을 매각한 금액이다. 나머지 1억달러는 인도, 오스트레일리아, 아랍에미리트(UAE)등 다양한 금융기관으로부터 조달받았다. 이번 투자라운드는 Alpha Wave Global(전 Falcon Edge Capital)이 주도했다.또한 DST Global, SoftBank Vision Fund 2, Alibaba, Tencent, Moore Strategic Ventures, Exor Seeds, Raptor Group 등 약 20여개의 기업들이 참여했다.정확한 투자 기업의 이름은 공개하지 않은 상태이며 이번 투자로 3개월 전 18억4000만달러의 기업가치가 33억달러로 2배 증가했다.투자받은 자금은 인도 시장에서의 판매를 더욱 강화시키고 중동, 오스트레일리아, 동남아 지역으로 시장을 확대하는데 활용된다.Cars24는 현재 인도 중고차 시장의 약 90%를 점유하고 있다. 매월 1300만명이 방문하고 있으며 1일 판매량은 40만대 이상이다.▲ Cars24 홈페이지
-
2021-11-02미국 종합엔터테인먼트 기업 월트디즈니에 따르면 싱가포르 디지털 수집품 플랫폼 기업 VeVe와 NFT 디지털 수집품을 출시했다.스트리밍 비디오 채널 Disney+의 프로모션의 일환으로 디즈니가 소유한 캐릭터의 NFT를 제공할 계획이다. VeVe앱을 통해 11월 12일 Disney+ 데이 때 출시할 예정이다.디즈니의 캐릭터뿐만 아니라 마블의 스파이더맨, 픽셔의 토이스토리, Cars, 니모, 인크레디블, 스타워즈 등을 포함해 그룹이 소유한 모든 것들에 대해 NFT로 제공할 계획이다.VeVe는 이미 마블용 디지털 만화를 출시했으며 슈퍼맨과 같은 DC 코믹의 NFT를 선보이고 있다. 또한 제임스 본드, 스타트렉, 백투더퓨처, 카툰네트워크 등의 라이센스를 갖고 있다.참고로 VeVe는 2018년 설립된 싱가포르 블록체인 기업 Ecomi의 자회사로 2019년 US$ 1065만달러의 ICO를 이행했다.코인게코(Coingecko)에 따르면 현재 VeVe의 토큰 시가 총액은 12억4000만달러에 달한다. 현재 190만개의 NFT를 판매했으며 50만명 이상의 활성 사용자를 보유하고 있다.▲ 디지털 수집품 플랫폼 VeVe 홈페이지
-
남아프리카공화국 수퍼마켓 체인운영기업인 픽앤페이(Pick n Pay)에 따르면 당일 배송 서비스 플랫폼의 활성화를 꾀하고 있다.픽앤페이를 포함해 국내 3대 소매 체인운영기업인 울워스(Woolworths), 체커스(Checkers) 등은 당일 배송 서비스 플랫폼의 제휴 및 출시를 통해 고객의 기대에 부응하고 있다.남아프리카공화국 신용 및 대체 자산 제공업체인 트랜잭션 캐피탈(Transaction Capital)에 따르면 위바이카(WeBuyCars)에 대한 자사 지분율을 49.9%에서 74.9%로 늘리기로 합의했다.나머지 위바이카에 대한 지분 25.1%는 위바이카 창립 주주들의 가족 신탁업체가 위탁 보유하게 된다. 트랜잭션 캐피탈은 경쟁위원회의 승인 대상인 위바이카에 대한 25% 추가 투자가 즉시 가치 및 이익 누적이 될 것으로 기대하고 있다. 남아프리카공화국 우체국(South African Post Office, SAPO)에 따르면 전국 130개 우체국 지점을 폐쇄하려는 계획을 추진할 것으로 전망된다. 사회 개발 및 통신부는 많은 우체국 지점 폐쇄가 사회 보조금 수혜자와 농촌 지역에 심각한 악영향을 미칠 것으로 판단한다.▲남아프리카공화국 우체국(South African Post Office, SAPO) 홈페이지
-
벨기에 수도 브뤼셀 기반의 운송 및 환경 분야 비영리단체인 Transport & Environment에 따르면 2027년까지 전기차는 기존의 화석연료 차량보다 생산 비용이 저렴해질 것으로 전망된다.2021년 5월 현재 중형 전기 자동차의 평균 세전 소매 가격은 €3만3300유로(£2만8914파운드)이며 휘발유 자동차는 1만8600유로이다. 2026년에는 둘 다 1만9000유로가 될 것으로 예측된다.영국 제빵 체인인 그렉스(Greggs)에 따르면 2021년 수익 전망치를 대폭 상향 조정했다. 이에 따라 중국발 코로나-19 사태 이전의 수익 수준을 회복할 수 있을 것으로 전망된다.2021년 4월 12일부터 일부 지역에서 비필수 소매점이 문을 열 수 있게 된 이후 그렉스의 매출이 급증했기 때문이다. 매장들의 배달 서비스도 매출 확대에 기여한 것으로 분석된다.영국 재무부에 따르면 국영은행 및 보험지주회사인 냇웨스트그룹(NatWest Group)의 지분 5% 상당인 £10억파운드 이상의 주식을 매각할 것으로 전망된다. 상기 매각이 이루어질 경우 국영은행인 냇웨스트그룹의 대주주인 정부가 10년 만에 냇웨스트그룹의 소액주주 지위로 하락할 수 있다.▲냇웨스트그룹(NatWest Group) 홈페이지
-
2021-06-30싱가포르 다국적 스마트폰 및 웹 기반 소비자시장 운영기업인 캐러셀(Carousell)에 따르면 미국 상장을 고려 중인 것으로 조사됐다. 현재 다양한 조언자들과 협력하고 있으며 기업 가치는 US$ 15억달러 정도 평가받고 있다. 특별한 이슈가 없으면 상장 업무는 2021년 연말까지 종료될 것으로 전망된다.캐러셀은 싱가포르의 PropertyGuru Pte와 Grab Holdings Inc.뿐만 아니라 말레이시아 중고차 거래 플랫폼인 Carsome Sdn, 인도네시아의 Tiket.com 등을 소유하고 있다. ▲캐러셀(Carousell) 로고
-
남아프리카공화국 신용 및 대체 자산 제공업체인 트랜잭션 캐피탈(Transaction Capital)에 따르면 위바이카(WeBuyCars)에 대한 자사 지분율을 49.9%에서 74.9%로 늘리기로 합의했다.나머지 위바이카에 대한 지분 25.1%는 위바이카 창립 주주들의 가족 신탁업체가 위탁 보유하게 된다. 트랜잭션 캐피탈은 경쟁위원회의 승인 대상인 위바이카에 대한 25% 추가 투자가 즉시 가치 및 이익 누적이 될 것으로 기대하고 있다. 위바이카는 통합된 전자상거래와 물리적 인프라를 통해 금융, 보험 및 기타 제휴 제품을 제공하는 주요 중고차 거래업체이다.2021년 5월 현재 기준 국내에서는 1100만대의 중고 승용차가 유통되고 있는 것으로 추정된다. 위바이카의 중고차 거래 사업은 지난 10년 동안 연간 평균 5~6%씩 성장했다.2021년 3월 위바이카는 8000대의 중고 차량을 거래했다. 이러한 수치는 코로나-19 사태 이전 수준 대비 45%를 증가한 것이다. 향후 월 1만대의 중고 차량 거래를 달성할 것으로 전망된다.▲트랜잭션 캐피탈(Transaction Capital) 홈페이지
1
2
3
4
5
6
7