□ 독일의 전기자동차 혁신기업 이고모바일(e.Go Mobile GmbH) Campus-Boulevard 30, 52074 AachenTel: +49 241 47574 124www.e-go-mobile.com 기업방문독일아헨  ◇ 아헨공대의 역량을 보여주는 전기자동차 제조분야 스타트업○ e-GO사(e.Go Mobile GmbH)는 독일 아헨 도심지역의 단거리 운행에 특화된 전기자동차 제조 스타트업으로, 향후 전기차를 가솔린차 정도 성능 수준까지 끌어올리는 것을 목표로 하고 있다.▲ e-GO사 생산공장[출처=브레인파크]○ 실용적이고 재미있으며, 경제적인 전기자동차를 제작하여 시장에 선보임으로써 e-GO사는 전기자동차에 대한 수요를 늘리고, 세컨드카 시장에서 상당한 시장 점유율을 확보하면서 높은 성장세를 보여주고 있다.○ e-GO의 전신인 StreetScooter사는 실용적이고 경제적인 전기자동차 개발이라는 아헨공대의 연구 프로젝트를 시작으로 아헨공대 교수인 Achim Kampker와 Günther Schuh가 설립했다.◇ 단기간 높은 생산성을 확보한 StreetScooter사○ StreetScooter사는 2010년 설립 이후 전기 자동차를 주력 제품으로 개발하여 2014년 Deutsche Post DHL 그룹에 성공적으로 매각된 바 있다. 매각 당시, 70여 명의 직원이 연간 200여 대의 전기자동차를 제작하며 높은 매출을 기록하기도 했다.○ StreetScooter사는 2011년 최초의 소형승용 전기자동차, 2012년에는 소형 상용차의 시제품을 제작했다. 2013년부터는 제품의 소규모 계열생산(Small Series Production)(ⓛ) 을 시작했다.  ⓛ 계열 생산 (Series Production): 일정한 모형에 따라 생산되어서 동일계열에서는 어디에나 사용가능한 부분품들로 조립되는 장비 생산.○ 이어 2014년에는 연간 150대의 전기차를 생산했으며, Deutsche Post DHL 그룹에 매각되는 시점에서는 연간 300대 이상의 전기차를 생산할 수 있는 수준으로 성장했다.2015년에는 계열생산 규모를 더욱 확장하면서 기업 설립부터 제품계열 및 전기차 생산까지 5년이라는 짧은 기간에 높은 성장세를 보여주었다.▲ StreetScooter사의 소규모 계열생산[출처=브레인파크]○ StreetScooter사의 성공적 출발은 e-GO사가 전기자동차 개발과 마케팅 분야에서 증명된 경쟁력을 가질 수 있는 근거가 되었다.○ 또한, E-Go사의 경영진과 엔지니어들은 StreetScooter사를 성공적으로 이끈 경험이 있었기 때문에 높은 안정성과 기술력을 확보했다.◇ 전기차 수요 촉진을 위한 인센티브제 도입○ 독일은 유럽 최대의 자동차 시장이지만, 디젤차들의 아성이 견고해 전기차 시장의 성장은 미미했다. 하지만, 폭스바겐 디젤 게이트로 독일정부와 완성차 업체 모두 전기차 시장 확대에 매진하고 있다.독일 주요 완성차 업체 3사는 향후 10년 내에 10~20개 이상의 전기차 모델 출시를 계획하고 있다. 정부 또한 구매보조금을 도입한데 이어 전기차 의무판매제 실시를 논의하고 있다.○ 2016년 하반기부터는 전기차 구매 인센티브제를 도입, 전기차에 대한 수요를 촉진하고 있으며, 2020년 전기차 100만 대 도입을 목표로 삼았던 독일 정부는 곧 전기차 의무판매제 도입을 공론화할 것으로 알려졌다.○ e-GO사는 이와 같은 시장환경 변화에 유연하게 대처하면서 전기차에 대한 수요를 확대하기 위한 독일 정부의 정책을 십분 이용하여 시장점유율 확대를 꾀하고 있다.○ BMW,Audi와 같은 전통적인 자동차 완성체 업체가 목표로 하는 시장과는 조금 다르게 e-GO사는 도시환경에서 주행이 편리한 세컨드카 시장을 주목하 있으며, 이에 적합한 실용적 전기 자동차를 중심으로 한 제품 포트폴리오를 지속적으로 선보이고 있다.◇ 용도에 따라 다양한 제품라인 구성○ e-GO사의 제품라인은 e.GO Life, e.GO Mover, e.GO Kart가 있으며 현재 제품개발 및 시판이 이루어지고 있다.○ e.GO Life은 소형 승용 전기차로 도시주행에 적합하도록 설계된 차량이다. 운전자가 전기차의 불편함을 느끼지 않도록 최적화된 디자인 과 성능을 자랑하고 있다. 속도에 있어서는 스포츠카만큼 성능을 내고 있으면서, 소형차의 실용성까지 겸비하고 있다.▲ e.GO Life[출처=브레인파크]▶ e.Go Life 대표 모델의 특징모델e.GO Life 20e.GO Life 40e.GO Life 60중량1,300kg배터리 종류리튬이온하중420kg400kg350kg배터리 용량14.9 ㎾h17.9 ㎾h23.9㎾h배터리 전압230V280V380V시간당 최고 속력116km/h150km/h160km/h순간가속(0-100km/h)35초12초8.6초배터리 완충 주행가능거리104km114km154km배터리 완충 소요시간6시간7.5시간9.8시간○ e.Go life는 바디를 강화플라스틱 소재로 만들어 경량화했으며, 전통적인 차량제조에 필요한 프레스와 도장 공정이 필요하지 않아 소규모 생산과 유연한 생산량 조절이 가능하다는 것이 특징이다.○ 전기차 한 대 당 가격은 2018년 기준 15,900유로로 책정되었다. 독일 정부의 전기차 보조금을 감안하면 실질적으로는 11,900유로라는 합리적인 가격에 구입할 수 있다. 일반적인 동급 자동차 구입비용의 40%로 세컨드카 시장에서 높은 경쟁력을 갖춘 전기차를 구입할 수 있는 것이다.○ e.GO Mover는 다목적 미니버스로 근거리 이동에 최적화되어 있으며 9인승 기준이지만 총 13인까지 수송이 가능하다. 도시내에서 운행하는 셔틀버스, 장애인 수송용 차량, 놀이공원·공항 등의 승객 수송용 차량에 적합하게 제작되었다. 배달차량으로 개조가 가능하며 다목적 차량으로 개발되고 있다. 현재 e.GO Mover차는 개발 중이다.▲ e.Go Mover○ e.GO Mover의 파워트레인은 150㎾ ZF 드라이브 시스템을 이용하고 있다. 배터리 용량은 70㎾h이며 완충 후 10시간 정도 운행할 수 있다.e.GO Mover는 ZF Technology Group(②) 과 e.GO Mobile AG간의 조인트벤처인 e.GO Moove에서 현재 개발하고 있다.  ② ZF는 독일의 유명 변속기 제조 업체로, 드라이브라인 및 차량 샤시기술분야를 선도하고 있는 자동차 부품사이다.▲ 다양한 형태로 개조가 가능한 e.GO Mover[출처=브레인파크]○ e.GO Kart는 레저용으로 개발된 전기자동차로, 형태와 운전 기능으로 보면 전기자전거(pedelec)의 요소를 많이 채택하고 있는 새로운 자동차이다. 250w 모터를 사용하고 속도와 싸이클링 주파수를 자동으로 조정해주는 NuVinci hub system을 채용하고 있어 기어가 자동으로 변환된다.○ e.GO Kart는 알루미늄 프레임, 충격방지 플라스틱 전면부 커버 등 고품질 자전거 부품을 사용하고 있으며 도시 주행 최고속도는 시간당 25㎞이다.운전자 안전을 보장하기 위해 LED 헤드라이트, 백라이트 및 디스크 브레이크 시스템이 장착되어 있다. e.GO Kart는 전기자전거 대상 법규를 적용받기 때문에 도로 주행이 가능하고, 운전자는 차량 운전면허증이 없더라도 문제가 되지 않는다.◇ 협업을 위한 긴밀한 네트워킹 체계 구축▲ e.Go Kart[출처=브레인파크]○ 아헨공대는 약 20억 유로를 투자하여 아헨시 외곽지역에 Campus Melaten과 Campus West 건설을 진행 중이다. 이 캠퍼스는 여러 가지 주제의 과학기술 연구공간으로 활용될 예정이며, 지리적으로 인접한 장점을 활용, 다제간 연구협력 및 산학협력을 촉진하고 있다.○ 총 부지면적은 2.5㎢로, 현재 생명공학, 광(Photonics), 대형 상용차, 생산기술, 지속가능에너지, 스마트 물류 연구를 위한 클러스터가 형성되어 있다.정보통신, 분자기술 및 촉매연구 클러스터가 향후 입주할 예정이다. 이외 아헨공대 스타트업 창업기업이나 아헨공대와 협력하고 있는 320개 기업이 이곳에 위치해 있다.○ e-GO사도 다재적 연구개발 협력이 용이한 아헨공대 Melatan Campus에 위치하고 있어 아헨공대와 다른 연구소 및 산업계 파트너 기업들과 협력하고 있다.○ e-GO사는 산업계 파트너들과 첨단기술 개발을 위한 다양한 프로젝트에 참여하면서 선구적 역할을 하고 있다. 연구중심대학의 노하우와 산업계의 기술응용 경험을 조합하여 부가가치가 높은 새로운 전기자동차 응용기술을 개발하고 있다. 뿐만 아니라, 혁신 프로젝트 다제간 컨소시엄을 통해 시제품 개발과 인증도 진행하고 있다.○ 또한 독일의 유명 자동차 부품 개발사인 보쉬와 네트워크 및 애프터서비스 업무제휴도 체결했다. 보쉬는 48V 드라이브 트레인을 공급하고 있다.보쉬와 e-GO사는 EV 시장에 대한 가능성을 높이 평가하고 2015년 e-GO사 설립 초기부터 상호 연계를 강화해왔다. 이와 같은 협력을 통해 보쉬는 향후 차량 진단, 정비 공장 설비, 보쉬 정비 네트워크를 통한 정비 서비스 등 AS와 관련된 서비스를 e-GO사 고객들에게 제공할 예정이다.○ 이외에도 e.Go Mover를 개발하기 위해 NVIDIA사(③)와 ZF사와 협력을 이어오고 있으며, 프라운호퍼연구소, 아헨공대, Continental, BMZ 등 다양한 기업 및 연구소와 네트워크를 유지하고 있다.  ③ NVIDIA는 캘리포니아에 위치한 인공지능 컴퓨팅 및 비주얼 컴퓨팅 분야 기술 선두기업으로 컴퓨터용 그래픽 처리 장치와 멀티미디어 장치를 개발, 제조하는 회사이다.▲ e-GO사의 협력네트워크[출처=브레인파크]□ 질의응답◇ 자동차 디지털 트윈은 완성, 공장 디지털 트윈은 구축 중- 디지털 트윈과 관련된 데이터를 다 모은 것 같은데 이 공장안에 디지털 트윈을 실행하는지."디지털 트윈을 목표로 하고 구축하고 있는 단계이고 완전히 끝나지는 않았지만 공장 설립이 완료되면 함께 완성될 것이다. 자동차에 대한 디지털 트윈은 다 완성되어 있지만 공장의 디지털 트윈은 아직 구축중이다."- 차종별로 공장을 별도로 설립한 이유가 스마트공장이 혼용생산이 어렵기 때문인지."지금은 혼용생산을 계획하고 있지 않다. 현재 생산은 29개 가량의 단계로 구성되는데 혼용생산이 불가능한 것이 아니라 굳이 그럴 필요가 없기 때문이다.모델 하나만 해도 컬러, 스펙 등이 다르기 때문에 여러 모델을 한 공장에 넣을 필요가 없다. 물론 신규모델이 개발되면 한 공장에서 생산할 수도 있을 것이다."- 이 곳 공장에서 몇 대를 생산하는지."두 달마다 프로토타입을 생산하고 점검하고 피드백한다. 상용화는 2019년 3월에 이루어질 전망이고 현재 직원 수는 80명이다."- 프로토타입 한 대 만드는데 두 달이 걸리는 것인지."아직까지는 계속 개선해나가는 과정이며 정상적으로 공장이 가동되면 차량 한 대 만드는데 17시간이 걸릴 것이다."- 배터리를 교체한다고 하는데 배터리의 종류는."리튬이온배터리이고 전체를 꺼내어 교체하는 방식이다."◇ 경제성이 있을 때 자동화 도입 예정- 완전 자동화되는데 얼마나 걸릴 것이라고 보는가? 유연생산체제를 갖추면 더 이상 고용을 안할 것인지."현 상황에서 자동화를 생각할 필요가 없다. 매 단계마다 두 사람이 일하게 될 것이다. 전 자동화는 로봇의 가격과 생산대수를 고려하여 경제성이 있을 때 도입을 결정할 것이다."□ 참가자 코멘트○ 아헨공과대학의 귄터교수의 주도로 설립된 학교 기반의 전기 자동차 스타트업 기업으로 프레임 및 샤시 이외에 부분을 ABS로 개발하여 가격 절감을 추진했다.○ 세컨드 카 및 도심의 Sharing 카 개념을 기반으로 개발된 클리셰 시장 타겟형 제품을 개발하였고 Life와 Move 등 승용 및 버스 제품도 개발했다.○ 2019년부터 기존의 공장을 인수하여 양산을 추진했는데 무인화의 경우 경제성이 맞지 않아 3,000여명의 자동차 조립 라인 인력과 기술 인력 고용 계획을 가지고 있다. 결국 기업의 성장이 고용 창출 효과 창출로 이어진다.○ 기획, 설계, 생산, 판매, 운행 정보, 및 사후 서비스 등에 대한 모든 정보를 수집하고 블록체인과 결합하여 디지털 트윈 기반의 스마트 공장 최고 정점의 고도화 수준의 공장으로 전환이 가능한 기술 보유가 가능한 기업이다.○ 대학의 연구결과물이 사업화된 케이스로 수직적인 사고를 가진 기업에서는 도저히 시행하기 어려운 방법으로 아이디어를 제품화하여 사업화를 추진하고 있는 것이 인상적인 부분이다.○ 대학의 연구자들의 아이디어들이 제품에 잘 반영되어 실제 사업화에 성공한다면 대학뿐 아니라 지역(아헨시)과 국가에 엄청난 경제적 부가가치를 창출해 줄 것으로 판단된다.특히 전기자동차를 하는 모바일 통신수단처럼 다양한 앱 사용, 모바일 결제가 가능하도록 하고 e-Go 전기차의 소비자에 대한 서비스 수준 제고를 위해 자동차 관련 모든 정보를 실시간 수집(블록체인 기술 활용)하여 차량점검, 관리 등 서비스 기능을 강화하겠다는 계획은 매우 신선하게 느껴진다. 이는 제품의 상품가치 제고와 경쟁력을 높일 수 있는 매우 중요한 요소가 될 것으로 판단된다.

□ 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."

인도네시아 커피전문전 코피 케낭간(Kopi Kenangan)에 따르면 시리즈 C 펀딩 라운드에서 $US 9600만달러의 자금을 조달했다.이번 자금 조달로 회사 가치는 10억달러 이상으로 증가해 동남아시아 최초 신규 소매 F&B(Food & Beverage)의 유니콘 기업이 됐다. 인도네시아에서 가장 빠르게 성장하고 있는 스타업 중 하나다.투자에는 Tybourne Capital Management의 주관으로 기존 투자자 Horizons Ventures, Kunlun, B Capital 등과 신규 투자자 Falcon Edge Capital이 참여했다.자금은 인도네시아 전역에 신규 브랜드 Cerita Roti, Chigo, Kenangan Manis 등을 확장하는데 투자한다. 또한 코피 케낭간 네트워크를 지속적으로 구축해 글로벌 입지를 강화할 방침이다.코피 케낭간은 지난 2017년 고급 커피와 노점상 커피 사이에 중저가 판매로 인도네시아 시장에 진출했다. 앱을 통한 주문, 집 앞까지 배달, 전국 어디서나 픽업 가능한 편리성 등으로 빠르게 성장했다.온-오프라인 주문 모델이 호응을 받으며 지난 4년간 45개 도시에 600개 이상의 매장을 오픈했다. 근무하고 있는 직원만 3000명 이상이다.▲ 코피 케낭간(Kopi Kenangan) 홈페이지

영국 벤처기업 3DLOOK에 따르면 시리즈 A 투자 라운드에서 $US 350만달러의 자금을 확보해 총 투자 자금은 1000만달러를 기록했다.3DLOOK은 투자받은 자금으로 가상 피팅 프로그램인 YourFit을 확장하는데 사용할 예정이다. 지난 2021년말까지 총 1470만달러를 투자받았다.또한 2021년 'RTIH Innovation Awards'에서 최고 소매업체 및 기술 공급업체 관계 부문에서 수상했다. 참고로 3DLOOK은 인공지능(AI) 기반 모바일 신체 측정, 맞춤 솔루션을 제공한다.▲ 3DLOOK 홈페이지

이탈리아 스포츠카 제조기업 페라리(Ferrari)에 따르면 암호화폐 중심의 예술성을 자동차 부문에 도입할 계획이다. 이를 위해 스위스 NFT 마켓플레이스 소유주 벨라스 네트워크(Velas Network)와 파트너십을 체결했다.NFT 및 블록체인 기반 제품의 형태로 독점적인 디지털 컨텐츠를 출시하고 양 브랜드간 상호 교류를 지속적으로 이어나갈 계획이다. 벨라스는 eSports Series 및 후속 팀을 위한 페라리 타이틀 스폰서로도 선정됐다.또한 NFT 아트와 토큰화한 페라리 사진에 그치지 않고 FIA 포뮬러 1 월드 챔피언십(FIA Formula 1 World Championship)에서 디지털 방식 레이스를 추진한다. 벨라스 네트워크는 블록체인과 NFT 마켓플레이스를 보유하고 있다. 전문 엔지니어팀의 수학적 연구를 통한 암호화 지식을 활용하게 된다. 참고로 람보르기니(Lamborghini)는 2021년 초 Elysium Bridge를 통해 전체 온라인 박물관 형태로 NFT 컬렉션을 선보였다.▲ 벨라스 네트워크(Velas Network) 홈페이지

미국 NFT 뮤직 플랫폼 로얄(Royal)에 따르면 2021년 11월 중순 시리즈 A 투자 라운드에서 $US 5500만달러의 자금을 조달했다.a16z(Andreessen Horowitz)의 주관으로 코인베이스 벤처(Coinbase Ventures), 패터다임(Paradigm), 크러쉬 뮤직(Crush Music) 등이 참여했다.또한 Nas, The Chainsmokers, Disclosure, Logic, Stefflon Don, Kygo, Joyner Lucas 등 연예인들이 동참했다. 2021년 8월 시드 라운드(seed round)에서 코인베이스 벤처, 패러다임, 나스(Nas), 더 체인스모커스(The Chainsmokers) 등이 1600만달러의 자금을 투자했다.NFT 마켓 플레이스 이용자들은 뮤지션의 음악 지분을 구매한 다음 투자한 음악에 대한 로열티를 받을 수 있다. 최근 기존 음악 스트리밍 서비스 업체들이 음반사와 음악인들에게 배분하던 수익률이 최대 75% 감소했다.음반사와 음악인들은 새로운 수익처로 고객과 직접 거래할 수 있는 NFT 음악 플랫폼으로 눈을 돌리고 있다. 음원 판매뿐만 아니라 직접 투자에 참여하고 있다.따라서 향후 전 세계 음반사와 음악인들이 NFT 음악 플랫폼 시장에 편입하고 플랫폼 투자에 직접 뛰어들 것으로 전망된다. ▲ 로얄(Royal) 홈페이지

오스트레일리아 P2E 기업인 아보카도 길드(Avocado Guild)에 따르면 시리즈 A 펀딩 라운드에서 $US 1800만달러를 모금했다. 애니모카 브랜즈(Animoca Brands)가 펀딩을 주관했다.  투자 라운드에 QCP Soteria Node도 주관사로 참여했다. Three Arrows Capital, Solana Ventures, Polygon Studios, Hashed, Binance Smart Chain 등의 10억달러 성장 펀드, GoldenTree Asset Management 경영진 등이 투자에 동참했다.참고로 플레이투언(Play-to-earn, P2E)은 게임을 하면서 돈을 버는 것을 말한다. 오스트레일리아에 기반을 두고 있는 아보카도 길드는 블록체인 게이밍 길드이다.아보카도 길드는 현재 약 7000명의 회원을 보유하고 있으며 대부분 필리핀인과 인도네시아인으로 구성돼 있다. 또한 플레이어가 여러 가상 세계에 참여할 수 있어 '메타버스(Metaverse)의 메타버스' 라고 주장한다.▲ 아보카도 길드(Avocado Guild) 홈페이지

대만에 본사를 두고 있는 블록체인 스타트업 기업 XREX에 따르면 pre-Series A에서 US$ 1700억달러 규모의 투자를 받았다.주관사는 CDIB Capital Group으로 SBI Investment, Global Founders Capital, ThreeD Capital, E.Sun Venture Capital, Systex Corporation, MetaPlanet Holdings, AppWorks, BlackMarble, New Economy Ventures, Seraph Group 등이 참여했다.투자금액 중 일부는 싱가포르, 홍콩, 사우스아프리카, 은행 파트너, 금융기관 등의 지불 결제(PG)와 같은 금융 라이센스 신청에 사용될 예정이다. XREX는 지난 2019년 시드라운드(seed round)에서 700만달러를 투자받았다.블록체인 스타트업 기업 XREX는 신흥시장국경 간 비지니스를 돕기 위해 지불 에스크로 서비스 및 암호화폐-법정화폐 간 교환 플랫폼 등을 갖춘 가장 빠른 거래 플랫폼을 출시했다.▲ XREX 홈페이지

지난 4월 29일부터 5월 1일까지 부산 벡스코에서는 '드론쇼 코리아((Drone Show Korea 2021)' 전시회가 개최됐다.옥스드론은 전시회 현장에 기자들을 파견해 참여한 기업들을 취재했다. 국내 드론 산업의 발전과 기술력을 소개하는 것이 글로벌 드론 종합지를 지향하는 목표와 부합하기 때문이다. (주)넥스앤텍, (주)ASOA, 순돌이드론, 성우엔지니어링, (주)만물공작소, 디브레인, (주)씨너렉스, (주)시스테크, (주)코코드론, (주)스카이뷰, UMAC Air, (주)무지개연구소, 지오소나(주), 두산모빌리티이노베이션, 이노뎁(주), 유콘시스템(주), (주)이스턴스카이, (주)드론월드, BSTARCOM, (주)올포랜드 등 20개 업체를 소개했다.  다음으로 해양드론기술, (주)케이씨에스, (주)엠지아이티, (주)유시스, 엔젤스윙, (주)케이프로시스템, (주)공간정보, (주)헬셀, (주)하이텍알씨디코리아, (주)다온아이앤씨, (주)아르고스다인, (주)소끼아코리아, 우림텍, 요요인터랙티브, 라이카 지오시스템즈 코리아, ㈜엑스퍼넷, 태경전자(주), 한국무인이동체연구조합, 베이리스(BEYLESS), 에이디시스템에 이어 소개하고자 하는 기업은 (주)지오시스템(이하, 지오시스템)이다.♦ 소프트웨어(출처 : 홈페이지) 지오시스템은 지난 1987년 설립한 Geospatial 솔루션 전문 제공기업이다. 글로벌 공간 정보 전문기업 Trimble의 30년 파트너사이다.사업 분야는 GNSS 측위 솔루션, GNSS 기준국 유지 보수, 공간정보 구축 솔루션 공급 및 소프트웨어 개발 등으로 인공위성 측위, 공간정보 기술 발전에 기여하고 있다.주요 제품 중 TFS(Trimbel Forensic Solutions)와 포렌식 스캐닝 솔루션은 충돌 재구성, 범죄 현장 조사, 보안 계획 분야에 사용되는 범죄과학 수사 분야에 사용되고 있다.♦ Delair UX11(출처 : 홈페이지)철도 운영과 관련된 TRS(Trimble Railways Solutions)와 간섭 체크 및 3D 스캐닝 시스템(Trimble GEDO Scan System)이 있다.또한 GNSS, 레이저 스캐너, UAV, 토탈 스테이션, MGIS, 모바일 매핑, 모니터링, 해양건설, GPR/계측 등과 관련된 제품들이 있다.♦ UAV 종류(출처 : 홈페이지)이중 UAV에는 Delair UX11, DJI Metrice 300, DJI Phantom 4 Series, DJI Mavic 2 Enterprise 등의 제품을 공급하고 있다.

지난 4월 29일부터 5월 1일까지 부산 벡스코에서는 '드론쇼 코리아((Drone Show Korea 2021)' 전시회가 개최됐다. 옥스드론은 전시회 현장에 기자들을 파견해 참여한 기업들을 취재했다.    국내 드론 산업의 발전과 기술력을 소개하는 것이 글로벌 드론 종합지를 지향하는 목표와 부합하기 때문이다.(주)넥스앤텍, (주)ASOA, 순돌이드론, 성우엔지니어링, (주)만물공작소, 디브레인, (주)씨너렉스, (주)시스테크, (주)코코드론, (주)스카이뷰, UMAC Air, (주)무지개연구소, 지오소나(주), 두산모빌리티이노베이션, 이노뎁(주), 유콘시스템(주), (주)이스턴스카이, (주)드론월드, BSTARCOM, (주)올포랜드 등 20개 업체를 소개했다.  다음으로 해양드론기술, (주)케이씨에스, (주)엠지아이티, (주)유시스, 엔젤스윙, (주)케이프로시스템, (주)공간정보, (주)헬셀, (주)하이텍알씨디코리아, (주)다온아이앤씨, (주)아르고스다인, (주)소끼아코리아, 우림텍, 요요인터랙티브에 이어 소개하려는 기업은 라이카 지오시스템즈 코리아이다. 라이카 지오시스템즈 코리아는 프리미엄 센서, 소프트웨어, 공간정보 서비스 등을 전문으로 제공하고 있다. 헥사곤(Hexagon AB)의 계열사 라이카 지오시스템즈(Leica Geosystems)의 한국 법인이다.200년 이상 전 세계 측량, 측정 분야를 개척해오고 있으며 항공 측량에서부터 도시, 건물, 지하 매설물 매핑에 이르기까지 Digital Twin 구현에 필요한 3차원 공간 정보 솔루션을 제공한다.적용 분야는 측량 및 엔지니어링, 리얼리티 캡쳐, 건설, 공공안전, 중공업, 교통, 발전소 및 플랜트, 모니터링, 전력·가스·수도·통신, 광업, 농업, 천연자원, 과학 및 교육, 스포츠, 엔터테인먼트 등으로 다양하다.주요 제품에는 토탈스테이션, GNSS 시스템, GNSS 기준국 네트워크, 레이저 스캐너, 레이저 트래커 시스템, 모바일 매핑 솔루션, 항공측량시스템, UAV 시스템, 중장비 제어 시스템, 시공용 토탈스테이션 및 GNSS, 탐지시스템, 레이저, 레벨, GIS 시설물 수집 및 관리, 3D 이미지 등이 있다.특히 3D 스캐너는 BLK360, BLK2GO, BLK3D 등 BLK 제품과 RTC360, P-Series의 HDS 제품들이 있다. 라이카 모바일 매핑 솔루션 Two Ultimate, Swift, Pegasus Backpack, ProScan 등과 라이카 무인항공기 솔루션 Aibot, 3D Reality Capture 솔루션도 있다.♦ 라이카 측량용 Aibot SX(출처 : 홈페이지)Two Ulttimate 솔루션은 어안렌즈 2개의 카메라를 통합해 파노라마 이미지를 신속하게 생성할 수 있다. Swift는 LiDAR와 고해상도 360도 카메라가 결합된 매핑 솔루션으로 도로 매핑 자율주행 자동차, 자율주행 시뮬레이션, 디지털 트윈 도시 계획 및 클리어런스 시뮬세이션등의 목적으로 활용할 수 있다.라이카 무인항공기 솔루션 라이카 Aibot은 측량, 매핑, 시공을 위한 UAV 솔루션으로 측량, 3D 매핑, 볼륨 계산, 건설, 인스펙션, 작업공정 보고, 작업 공정, 지적 측량, 지형 조사 등에 활용되고 있다.♦ 라이카 건설현장용 Aibot CX의 측량(출처 : 홈페이지)