□ 4차 산업혁명 인식 제고◇ 우리나라에 맞는 4차 산업혁명의 정의와 특화○ 4차 산업혁명은 대체적으로 인공지능(AI), 로보틱스, 나노기술, 3D프린팅, 사물인터넷 등 최신 정보통신기술(ICT)이 다양한 분야와 결합해 새로운 형태의 제품ㆍ서비스와 관련 생산 시스템을 창출하는 과정을 말한다.미국은 IoT의 확장판, 독일은 스마트팩토리(인더스트리 4.0)를 중심으로 추진하고 있지만, 우리나라의 특수성을 고려한 4차 산업혁명 정체성은 아직 정립되지 않은 듯 하다.○ 독일은 산업 생산이 GDP에서 차지하는 부분이 상대적으로 큰 유럽 최대의 제조 강국으로, 특히 기계‧장비산업(Machinery & Equipment, M&E)에서 큰 강점을 보이고 있는데, 독일 인더스트리 4.0은 이러한 혁신역량을 잘 활용하고 있다.○ 우리나라도 4차 산업혁명 관련 혁신역량(핵심기술 관련 특허, R&D 투자, 인력 등)을 잘 활용하여 지역 산업단지(혁신도시) 및 경제자유구역을 4차 산업 혁명의 전진기지로 활용할 필요가 있다.○ 우리나라는 조선이나 철강에서 경쟁력을 잃으면 4차 산업혁명을 통해 경쟁력을 회복해야 하는 상황이다. 따라서 한정된 자원을 과거 경쟁력 있는 산업이었던 건설, 자동차, 바이오, IT 등에 집중하는 것이 더 중요하다.또한 개방형 혁신시스템을 도입해 4차 산업혁명이 가져올 급격한 변화에 대응해야 할 것이다. 우리가 지닌 강점 기술과 산업을 발굴해서 민관이 협업하는 시스템을 구축하여 추진하는 것이 필요하다.○ 한편 정부가 시장에 지나치게 관여하는 것이 맞는지도 고민해 보아야 한다. 기술제휴에 대한 기업과 정부의 인식전환 및 인수합병에 의한 신시장 창출 관점의 접근도 고려하여 변화에 대비해야 할 것이다.◇ 정부와 대기업의 인식 전환○ 독일의 중소기업이 차지하는 순부가가치의 비중은 약 55.5%로 중소기업들이 독일경제에 큰 영향을 미치고 있으며 그렇기에 정부는 중소기업 경쟁력 강화를 위한 다양한 지원 프로그램 운영할 수밖에 없다고 했다.중소기업을 독일 경제를 이끌어 가는 기반이자 주역으로 인정하며 정부 차원의 지원이 이루어지고 있는 것이다.○ 테스트센터의 지원에 있어서 대기업은 중소기업이 실험할 수 있는 여건을 제공한다는 책임 하에 자발적 참여하고 있는데, 대기업 역시 중견 및 중소기업의 기술이 발전해야 독일의 모든 기업이 전체적으로 기술 경쟁력을 갖추게 된다는 것을 인정하는 인식에서 비롯하고 있다.○ 독일에서 기술이 우수한 이유는 이런 중소기업을 지원하고자 하는 대기업의 마인드와 시스템일 것이다. 새로운 기업에게 지식과 정보를 주고 함께 직접 실험해보고, 이러한 노동에서 도출되는 결과를 해당 회사의 재산으로 표준화하여 향후의 발전까지 고려하여 중소기업 역량을 강화하고 있다.이는 국내에도 4차 산업혁명 시대에서의 혁신적 기술발전을 위해 기업 생태계의 상생이 필요하다는 것을 보여준다. 한국 또한 이러한 문화를 수용해 한국형 협력 모델 사례를 만들어내고 확산시킬 필요가 있다.○ 독일의 중소기업에 대한 정부나 대기업의 인식이 우리나라와 비교해 다소 차이가 있고, 이러한 차이가 4차 산업혁명 확산 속도에도 영향을 미칠 수 있을 것이다.◇ 중소기업 마인드 제고 및 진입장벽 제거○ 중소기업들은 4차 산업혁명에 대해 현실적으로 체감하지 못하는 경우가 많으며 관심이 있더라도 이를 대비할 자원과 정보력이 없는 경우가 대부분이다.○ LNI4.0이 4차 산업혁명과 관련된 정보들을 자유롭게 오픈해 업무에 필요한 실제적인 지식을 전달해주고, 기업 및 시험 연구소의 국내외 네트워킹을 지원함으로써, 중소기업들은 LNI4.0과의 협력관계만으로도 전문적 기술 지식을 쉽고 빠르게 얻을 수 있다.○ 전화통화, 전자 메일 등을 통해 LNI4.0과 협력하고자 하는 기업들과 소통하고 관련 지식을 비교적 개방적으로 공유하고 있다. 또한 사내 간행물을 이용하여 지역 정보 이벤트 및 4차 산업과 관련된 실제 테스트 시연, 결과 등에 관해 광범위하고도 실질적인 정보를 제공하고 있다.○ 우리나라도 4차 산업혁명 시대에 발맞춰 나아가고자 하는 중소기업에게 4차 산업혁명이 먼 미래에 실현될 이야기가 아닌, 당장 준비가 필요한 과제임을 인식시키고, 이에 필요한 정보를 최적화 해 제공할 필요가 있다.또한 분야별 우수 시설들에 대한 접근성을 부여하고, 기술실험의 기반이 될 인근의 장소를 제공하기 위해 수많은 기존 연구시설들과의 협력이 필요하다.◇ 규제의 최소화를 통한 기관 간 협력 활성화○ 독일의 경우 테스트센터에서 프로젝트에 참여한 기업들이 상호 경쟁기업들임에도 불구하고 협력을 통해 성과를 창출하는 경우를 많이 볼 수 있는데, 이는 신뢰를 바탕으로 법적규제를 최소화 함으로써 가능했다는 것을 확인할 수 있었다.○ 우리나라는 지나친 규제정책이 4차 산업혁명에 필요한 시스템 전환을 막고 있다는 지적이 많다. 우리도 산업간 융합을 저해하는 규제는 폐지하고, 기업간 협업을 촉진하고, 창의적인 인재를 양성할 수 있는 시스템을 형성하는 등 구체적인 대책을 수립해야 한다.○ 규제는 4차 산업혁명의 과도기를 달리는 한국이 풀어야 할 숙제다. 기술 수준 23위의 한국은 제도 경쟁력에서 69위, 규제 경쟁력은 90위권이다. 새로운 산업혁명에 대비하려면 기술 수준과 함께 제도와 법의 선진화도 필요하다.◇ 스마트 팩토리 보급 확산 계획 수립○ 독일의 지멘스는 인더스트리 4.0 솔루션과 관련하여 산업용 컨트롤 시스템, 제품 수명 관리, 산업용 통신 및 보안과 같은 3대 영역에 집중하고 있다. 지멘스는 SAP, 훼스토, 학계, 연구소 등과도 긴밀한 협조체제를 구축하고 있다.○ 스마트공장(스마트 팩토리)은 기존의 '공장자동화' 개념과 유사하다고 여겨지기도 하지만 단순히 사람의 노동력을 대체하는 공장자동화와 달리 공장 스스로 다양한 정보를 바탕으로 공정 최적화나 생산 스케줄 수립 등과 관련된 의사결정을 내릴 수 있다는 점이 다르다.○ 우리나라에도 스마트 공장이 늘어나고 있다. 이들 업체들은 구축하기 전과 비교해 생산성 향상과 불량률 감소 등의 효과를 거두고 있다고 한다. 제조업 현장을 중심으로 4차 산업혁명 바람이 서서히 불고 있는 셈이다.○ 우리도 지멘스와 같은 수직적 통합을 위한 국내 전문기관의 공동연구과제 추진이 필요하다. 지멘스의 스마트 공장 추진사업은 지멘스 암벡공장의 경우 15년 이상 소요되는 중장기 프로젝트로 수행하고 있다.○ 엑츄에이터, 벨브, 오션컨트롤 등 국내 동종기업의 경쟁력 강화가 시급하다. 자동화 기술과 에너지 절감 기술의 접목을 통한 시너지 창출을 하고 있는데 우리도 국내 자동화설비 업체와 에너지 전문기관의 연계 방안을 마련해야 한다.○ 한편, 우리나라는 제조 관리의 효율화와 물류·유통의 혁신을 위해 RFID사업을 활발하게 추진했으나, 공정 및 공급망 전체에 걸친 End-to-End 적용을 하지 못했다.특정기업의 일부 생산품이나 물류 과정에만 RFID를 적용하고, 벨류체인 전체에 적용이 어려운 경우가 많아 효과가 반감되는 경우도 발생했다.○ 독일, 스위스 등 중견기업은 협력업체를 의사 결정 과정에 참여시키고 협업을 하는 문화가 일반적이다. 이처럼 제조업의 지속가능한 성장을 위해서는 대기업과 협력업체간 공존 생태계가 필요한데 스마트 팩토리 같은 거대한 최적화 시스템 구축을 위해서는 공정부터 공급망까지 지능화가 필요하고, 대·중소기업 간 협업체계를 잘 구축해야 한다. □ 협력과 소통을 통한 다양한 주체의 참여◇ 4차 산업혁명 산학연관 협의체 운영○ 플랫폼인더스트리 4.0은 4차 산업혁명 관련 모든 주요 관련자들의 공동 이니셔티브로서 4차 산업혁명의 지붕이라고 할 수 있다. 독일 경제에너지부의 플랫폼 네트워크로서 159개 조직의 약 300명이 참여하고 있다.교육연구부, 그리고 기업(보쉬, SAP, 지멘스, 텔레콤), 노조연합, 프라운호퍼 등의 연구소들이 여기에 참여하고 있다.○ 이 플랫폼은 인더스트리 4.0과 관련해 사회의 모든 주체 간 교류 시에 자극을 주고, 네트워크를 생성해 주는 대사 역할을 하는 조직으로, 이러한 구조는 독일 내에서도 흔치 않은 구조일 정도로 다양한 산학연관 주체가 참여하고 있다.○ 반면, 우리나라는 4차 산업혁명을 준비하고 있는 정부부처도 다양하고 주도권을 갖기 위한 부처간 경쟁도 존재한다. 또한 기업과 연구소, 학교 등도 서로가 협력파트너라는 인식이 약해, 기술 및 기술적용에 대한 오픈이 부족하고, 따라서 이를 중소기업이 활용하기 어려운 상황이다.우리나라도 4차 산업혁명 산학연관 협의체를 만들어 중소기업이 4차 산업혁명에 입문할 수 있도록 테스트, 네트워크, 설계와 관련한 도움을 제공하고, 포괄적인 상담 및 조정기회를 조망하도록 지원할 필요가 있다.○ 독일은 다양한 유관기관과 부처가 협력하여 ‘인더스트리 4.0’에 대응하기 위한 ‘협력적’ 거버넌스 구축에 상당기간(2~3년 정도) 투자한 점을 눈여겨 볼 필요가 있다.빠르게, 단편적으로 대응하는 것이 아닌 중장기적 안목을 갖고, 이에 세밀하게 대응하기 위한 기반구축에 상당한 시간을 투자하기 때문에 탄탄한 기반구축이 가능했다.우리나라도 독일의 사례를 본받아 많은 시간과 자금이 소요되더라도, 탄탄한 시스템 구축과 이를 가동하게 하는 노력이 필요하다.○ 독일은 4차 산업혁명을 트라이앵글로서 플랫폼 인더스트리 4.0이외에 랩스 네트워크와 표준화 카운실의 조직을 운영하고 있다.플랫폼 인더스트리 4.0은 이론적인 내용 바탕이고, 랩스 네트워크는 프락시스(실제적 테스트)에 집중하고 표준화 카운실은 국제적 표준안을 작업하는 등 서로가 협력하면서도 각각의 역할에 충실하고 있다.○ 우리나라도 산업통상자원부, 과학기술정보통신부, 중소기업벤처부 등 4차 산업혁명 업무 관련부처들이나 전담 조직들의 업무가 중복되지 않게 각각의 역할을 명확히 하며, 상호 협력할 수 있는 체계 구축이 절실해 보인다.○ 뿐만 아니라, 지역에서 논의되고 있는 4차 산업혁명 관련 안건, 이슈, 정책제언을 공유하고, 토론 자료 등을 공개하는 시스템 마련도 검토해 볼 필요가 있다.◇ 전국 네트워크를 통한 테스트베드 연결 제공○ 독일은 ‘인더스트리 4.0 적용 사례 지도’가 제작되어 4차 산업혁명과 관련한 280여 개 이상의 사용 사례를 한 눈에 볼 수 있다.우리나라도 R&D기관, 기업지원기관을 한눈에 볼 수 있는 지도와 시스템 구축이 필요하며 국내도 기관 간의 네트워크를 견고히 할 필요가 있다.○ LNI4.0의 협력 테스트 센터처럼 우리도 중소기업과 테스트 기업을 연결해주는 네트워크 기관을 만들어, 새로운 기술, 혁신 및 비즈니스 모델을 경험하고 테스트할 수 있는 환경을 조성해야 한다.대기업에서 테스트 센터에 필요한 요소들을 동반성장 차원에서 자발적으로 지원하도록 인센티브 제공 등을 통해 유도할 필요가 있다.○ 특히, 젊은 스타트업의 4차 산업혁명 역량을 강화하여 국내 여러 기업들과의 유기적인 협력을 통해 주도적 위치로 발전하도록 지원하는 것이 바람직하다.◇ 수평적 실행 구조와 지역 분산○ 독일의 인더스트리 4.0은 중앙 집중적인 제조공정이 아닌 수평적 조합과 분산적인 제조공정을 실현하는 것을 목표로 두고 있다.우리나라도 지역 상공회의소를 중심으로 4차 산업혁명 관련하여 정보 제공, 네트워크 등 다양한 기업지원을 통해 중소기업이 4차 산업혁명에 대한 인지도를 높이고 실천할 수 있는 다양한 경로를 제공할 필요가 있다.○ 인더스트리 3.0은 수직화인 반면, 인더스트리 4.0은 수평화로서, 기계와 데이터, 기업, 학계 등의 수평적 협업구조 형성이 핵심이다. 말하자면, 인더스트리 4.0은 수평적 협업구조를 위한 문화형성이 중요한 것이다.우리나라 산업뿐만 아니라 교육계, 노동계 등 모든 영역에서 수평적 협업구조 형성이 중요하다. 우리나라는 그간 급진적인 산업화를 위해 숨 가쁘게 달려왔다.이제는 새로운 시대정신과 패러다임에 맞춰 기업의 사회적 공헌과 사회 전반에 걸친 수평적 협업구조 형성이 필요하다. 이를 위해 인식개선, 교육과 홍보가 중요할 것이다.○ 독일이 지역 차원의 정부-기업 간 협업 시스템과 수평적인 생산 프로세스 틀을 갖춤에 있어 새로운 틀을 짜지 않고 기존 조직인 지역 상공회의소를 활용함으로써, 비용과 시간을 절약하고 있는 점에 주목해야 한다.우리도 이미 지역이 보유하고 있는 기존 조직들을 검토해 자원 및 파트너로서 활용해야 하며, 이로써 주요 대도시에 집중되어 있는 자본과 기술을 다소 분산할 필요가 있다.○ 지방자치단체와 중앙정부, 기업과 연구소 및 대학이 혁신기술 개발을 위한 네트워크를 구성하고 중소기업을 위한 공동기술 개발을 활성화할 수 있도록 개방형 혁신에 대한 이해와 함께, 정부나 테크노파크와 같은 기업지원기관이 중심이 되어 이와 같은 신기술 소개 및 교육사업 추진을 검토할 필요가 있다.◇ 국제협력 프로그램 강화○ 독일이 제조강국으로서 선도적인 역할을 하거나 유지할 수 있는 중요한 요인 중 하나는 국제적인 협력이다. 특히, 4차 산업혁명은 가치사슬을 따라 이루어지는 협력이 점차 더 중요해지고 있으며, 개별 국가를 넘어 국제적인 협력을 강화하는 것이 중요하다.특히 △비즈니스 모델 △연구개발 △교육훈련과 관련된 분야에 대해 정부, 기업, 학계, 연구기관 간 다양한 수직적·수평적 네트워크를 통한 국제협력이 요구된다.○ 우리나라도 4차 산업혁명 관련 국제 비즈니스 워크숍 및 행사를 개최하고 △국제 여름학교 △국제 인턴십 △강의 및 세미나 등 다양한 교육훈련을 진행해야 한다.◇ 4차 산업혁명 관련 정책 홍보 및 기업 홍보 지원○ 독일 플랫폼 인더스트리 4.0은 내부 5개의 워킹그룹의 역할을 명확히 구분하고 이를 공개하며, 대외적으로 홍보하고 있다.뉘른베르크 상공회의소는 자체 활동 또는 자치 정부와 협력하여 필요한 활동을 수행하며, 커뮤니케이션 및 협력을 위한 중립적인 플랫폼을 제공하고 있다.○ 국내에서는 4차 산업혁명 관련 정책을 적극적으로 추진하고는 있으나 상대적으로 홍보가 부족한 편이다. △다양한 정기행사 △인터넷 포럼 △마케팅 수단 지원(로고, 이벤트 스탠드, 전시 스탠드, 매거진, 홈페이지 등) 등을 통해 정책을 홍보하고, 관련 기관들의 4차 산업혁명 활동의 홍보를 지원할 필요가 있다. □ 미래 트렌트 R&D 투자◇ R&D 인프라 투자 확대○ 독일은 △R&D 환경 △강력한 공급자 네크워크 △혁신기업 △인더스트리 4.0 이니셔티브 △숙련된 우수한 엔지니어 △생산시설 투자를 위한 매력적인 인센티브 등의 요소들이 4차 산업혁명의 요충지로 만들고 있다.○ 독일에는 50만 명의 연구개발 근로자들이 연구기관, 대학 및 산업계에서 근무하는 등 우수한 노동시장을 보유하고 있으며, 유명 연구기관 및 391개 대학이 설립되어 있다. 국가 총 부가가치의 약 39%를 연구 및 지식주도 분야가 차지하고 있을 정도로 연구개발 기반이 확고하다.○ 우리나라도 4차 산업혁명을 위해 R&D 인프라를 강화해야 한다. 당장 필요하지 않더라도 미래 트렌드를 예측해 4차 산업혁명 시대에 걸맞는 미래 R&D 인력을 양성하고, 연구자들과 기업이 자유롭게 연구하고 개발한 기술을 테스트 할 수 있는 장기적인 안목의 환경 조성이 절실하다.◇ 기존 인프라의 적극 활용○ ScaDS는 드레스덴 공대가 보유하고 있는 HPC센터의 슈퍼컴퓨터를 파트너들이 활용할 수 있도록 지원하고 있다. 데이터서비스센터 뿐 아니라 다양한 연구자들이 쉽게 접근할 수 있고, 작업 플로우 업무 사슬에 활용할 수 있다. 연구자들이 데이터를 입력하면 HPC시스템에 구현할 수 있도록 지원하고 있다.○ 우리도 별도의 인프라를 구축하기 보다는 기존 인프라를 융합적으로 잘 활용하는 게 중요하다. 예를들어, 대학에서 데이터 과학자 육성이 필요하면, 데이터 활용, 지식추출, 시각화 분석 등을 통해 대학의 특성화 분야와 연계한 다양한 결과물 창출이 필요하다.◇ 핵심 요소기술 로드맵 구축 및 개발○ 4차 산업혁명에 대비하기 위해서는 핵심 요소기술에 대한 로드맵 구축과 혁신적인 기술개발에 대한 투자를 아끼지 말아야 하는데, 대표적인 기술이 센서기술과 사이버 물리시스템이라 할 수 있다.○ 먼저, 지능형 공장 및 초연결 사회의 핵심 요소기술인 센서기술의 경쟁력 강화가 필요하다. IoT, IoS 기반의 스마트 팩토리 구축과 초연결 사회 구현을 위해서는 핵심요소 기술인 센서개발과 경쟁력 강화가 시급한 과제로 제기된다. 그런데 우리의 센서기술은 선진국의 3분의2 수준에 불과하고 중국은 90%까지 우리나라를 추격하고 있다.○ 자동차, 스마트폰 등 센서 수요 산업의 요구에 따라 더 정밀하고, 더 소형화되고, 더 에너지 효율적인 센서 개발에 대한 투자가 필요하다. 특히 단순한 주변 상황 감지에서 신체정보, 사용자 행동, 감정인지 기능 수행 센서로 기술영역을 확대해야 한다.한국과학기술기획평가원이 2013년 '센서사업 고도화를 위한 첨단센서 육성사업 계획'에서 밝힌 7개 핵심 센서기술(자동차, 모바일, 로봇, 보안, 바이오/의료, 환경, USN)을 중심으로 핵심 센서기술을 도출하고 지원하는 로드맵 작성을 해야 할 것이다.○ 또한, 인더스트리 4.0 구현의 핵심 운영기술인 사이버 물리시스템(CPS) 기술도 발전시켜야 한다. 현재 수준을 파악하고 중장기적인 청사진을 마련해야 한다.사이버 물리시스템은 인더스트리 4.0 구현뿐만 아니라 의료·헬스케어, 에너지·송전, 운송, 국방 등 다양한 분야에 적용되는 기술이다.○ ICT로 실제 세계와 가상세계를 연결하는 사이버 물리시스템을 구축하기 위해서는 센서기술 뿐만 아니라 액추에이터, 보안, 최적화 SW, 인지기능 등 다방면의 기술을 융합하는 것이 관건이다.○ 사이버 물리시스템은 엄청난 데이터 처리와 함께 수많은 물리적 도매인을 연결해야 하는 매우 복잡한 시스템으로, 구축을 위해서는 어떤 분야에 어떤 기술을 어떻게 적용하고, 설계하고 운용할지 체계적인 추진로드맵을 만들고 기술 개발을 조율하는 컨트롤 타워도 설치해야 한다.◇ R&D 프로그램 원스톱 지원 기관 필요○ 독일에서 R&D 프로그램의 예산은 EU, 정부 및 개별 주 차원에서 제공받을 수 있는데, 프로그램은 중복신청이 가능하여 프로젝트별로 다양한 기금 마련이 가능하다는 것이 특징이다.이를 위해 원스톱 서비스 자문센터가 전국적 차원에서 효율적인 R&D지원이 이루어지도록 돕고 있다. 우리나라도 정부부처 및 산하기관, 지자체, 재단 등 다양한 R&D 기관들이 지원 프로그램을 운영하고 있으나, 기업들이 정보 부족으로 인해 적절한 지원을 받지 못하는 경우가 있다.국가에서 시행하고 있는 모든 R&D사업을 통합적으로 안내해주고 지원받을 수 있도록 자문을 돕는 중간 지원조직의 설립도 검토해 볼 필요가 있다.◇ 스마트 팩토리 구축 글로벌 표준사업 참여○ 인더스트리 4.0을 구현하기 위한 당면 과제는 다수의 생산기지와 인터넷을 연계하기 위한 표준화에 있다. 개별 생산기기와 설비에 첨단 제어기능이 있어도 상호소통 방식이 통일되어 있지 않으면 유기적 생산체계 구축이 불가능하기 때문이다.○ 독일인공지능연구소(DFKI)는 인더스트리 4.0 표준화를 위한 다양한 실증연구를 진행하고 있다. 산학연 파트너들과 스마트 공장에 대한 글로벌 표준 수립의 주도권을 확보하려는 전략이다.DFKI는 오랫동안 축적된 인공지능 지식을 토대로 기존 시스템에 ICT를 접목시켜 'Intelligence'를 부여하는 것을 기본방향으로 잡고 있다.○ 우리도 글로벌 표준 수립에 대한 국가 차원의 대응전략이 필요하다. 이를 위해서는 국내 스마트 공장 기술과 관련한 산학연 연구 플랫폼 구축이 선행되어야 한다.실용적인 제품·기술의 표준과 생산 표준 개발을 위해 개발 단계에서부터 정부가 조정 능력을 발휘하고 산업계와 협력을 꾀하는 것이 중요하다.○ 중장기적 관점에서 독일 스마트 팩토리 프로젝트, 세계 사물인터넷 포럼 등에 참여해서 표준화 의견 개진과 동향 파악 및 기술교류에 더욱 적극적으로 임해야 할 것이다.특히, ICT와 제조업의 융합이 필수인 인더스트리 4.0에서 ICT에 강점이 있는 한국과 제조업에 강점이 있는 독일과의 협업 모델 구축도 고려해 보아야 한다.◇ 실질적인 기업 활동에서의 적용방안 모색○ 드레스덴 데이터서비스센터는 데이터와 기술이 어떻게 연관될 수 있는지를 연구하고, 연구결과를 토대로 기업들이 직접적으로 기업 활동에 적용할 수 있도록 역량을 강화하도록 지원한다.우리도 연구결과가 연구로 끝이 나는 것이 아니라, 기업들의 실질적인 데이터 활용을 위해 기업들에게 효과적으로 전해질 수 있는 시스템을 마련해야 한다.□ 4차 산업혁명 인재 육성◇ 중소기업별 맞춤형 전문인력 교육○ 독일 교육의 가장 큰 특징은 듀얼교육시스템으로, 독일 전체 노동력의 과반 수 이상이 듀얼교육을 통한 숙련된 전문 인력이다. 독일은 중소기업과 대기업 모두 이원화 교육(일학습병행제)에 적극 참여하여 각 기업이 필요로 하는 노동력 육성에 힘쓰고 있으며, 최근에는 4차 산업혁명 관련 전문 교육이 늘어나고 있다.○ 독일은 국가와 대기업이 중소기업의 교육을 담당하고 있는데 비해, 우리나라는 중소기업이 이러한 교육을 받기에는 열악한 상황이다.우리나라도 정부와 대기업에서 중소기업별로 특수하게 필요로 하는 영역을 전문화하여 맞춤형으로 교육하는 것이 바람직하다. 특히, 이원화 교육을 통해 기존 노동력이 4차 산업혁명 전문인력으로 재탄생되도록 지원할 필요가 있다.◇ 융복합 인력양성 시스템 구축○ 다양한 전문성의 융합을 특징으로 하는 제4차 산업혁명은 '집단적 지혜'의 결실과 맥락을 같이하며, 제4차 산업혁명이 초래할 가까운 미래사회는 바로 '융합지식형 인간'을 원하고 있다.하지만 4차 산업도 기존 전통산업을 근간으로 삼아 생성되거나 새로운 융합의 산물이라 할 수 있는 만큼, 전통적인 산업이나 개념을 폐기하는 것이 아니라 새로운 상황에 맞게 첨단 기술과 융합하여 효율적으로 개선하는 방식으로 발전하게 된다.○ 미국이나 유럽에서는 대부분 정부부처 및 산하기관에서 산업별 R&D 프로젝트를 통해 융합교육에 기업과 대학, 연구기관이 참여함으로써 자연스럽게 각 주체간 융합과 협업을 바탕으로 한 인력양성사업이 추진되고 있다.○ 우리도 4차산업 활성화를 위해서는 산업과 기술의 경계를 뛰어넘는 융합교육이 필요하다. 전통산업의 혁신과 함께 새롭게 나오는 지식과 기술을 가르치는 융복합 인력양성 시스템이 구축되어야 한다. 교과서적인 지식보다는 문제 해결을 목표로 하는 융합적이고 실용적인 지식과 경험을 활용한다면 4차 산업혁명은 우리에게 큰 기회로 다가올 것이다.○ 융합교육은 산업현장에서의 최신 요구사항을 그대로 반영하기 위해 단순히 일방향적인 교육을 추진되기 보다는 산업별 주체가 되는 기업과 대학 또는 연구기관 간의 공동 프로젝트를 통해 이루어져야 한다.공공기관에서 자금, 시스템 등을 지원하는 R&D 과제 수행방식을 통해 산학연 협력 인력양성 프로젝트를 활성화 해야 한다.◇ 재직자 대상 Boot Camp 운영○ 인더스트리 4.0 네트워크 랩에서는 Boot Camp를 운영하여, 스타트업 기업이 혁신 전문가, 산업 분야 멘토 및 전문가, 네트워크 파트너, 테스트에 참여할 고객과 협력할 수 있는 혁신적인 기회를 창출하고 있다.우리나라도 4차 산업혁명의 실질적인 확산을 위해 스타트업이나 중소기업 재직자를 대상으로 하는 분야별 실용적인 단기교육을 다양하게 운영할 필요가 있다.Boot Camp에서는 표준 훈련을 기반으로 스타트업 기업의 생산 프로세스 및 혁신과 관련한 교육을 진행하여, 기업 참가자가 4차 산업혁명 관련 비즈니스 문화를 체험하고, 이 곳에서 형성한 네트워크를 활용하며, 표준화된 프로세스와 방식 내에서 사업을 구현할 수 있는 역량을 배양할 수 있어야 한다.◇ 기업의 빅데이터 활용 역량 강화○ 4차 산업혁명에 필요한 기술 트랜드의 많은 부분이 빅데이터를 기반으로 한 기술이다. 기업체 마다 흩어진 데이터를 수집하고 분석하고 활용하는 데이터 기술을 도입하는 것이 매우 중요하다.기업체에서 데이터를 잘 활용할 수 있도록 기업체별 로드맵 작성을 지원해 주고, 여건이 되는 기업들은 데이터 전담 부서를 설치하도록 지원하는 사업을 추진할 필요가 있다.○ 개별 기업이 데이터를 비즈니스에 적극적으로 활용하기 위해서는, 기업에 확보하고 있는 데이터와 외부에서 활용 가능한 데이터를 기반으로 사업역량을 강화하는 것이 필수적인 요소이다.그러므로 장기적으로 빅데이터를 어떻게 활용할 것인지에 대한 목표와 전략, 추진방안을 적시한 기업별 데이터 활용 로드맵을 구축할 필요가 있다.○ 기업의 비즈니스에 실질적인 도움이 될 수 있도록 전문가 집단이 기업체를 직접 방문해 기업체가 보유하고 있거나 활용할 수 있는 데이터를 기반으로 비즈니스 활용 전략을 수립해 주는 방식, 즉 컨설팅과 결합한 교육으로 추진하는 것이 보다 효과적일 것이다.○ 기업이 데이터 전문인력을 채용하고 나아가 데이터 전담 부서를 설립하는 결정을 하는 것은 쉬운 일은 아니겠지만, 장기적인 안목에서의 경영성과를 생각한다면 기업 내부에 데이터 분석가 또는 더 나아가 데이터 과학자들로 이뤄진 부서를 두는 것이 필요하다.중소기업의 산업체 연구소가 중소기업의 R&D를 촉진하는 역할을 했듯이, 빅데이터 부서가 빅데이터를 R&D와 경영에 접목하는 역할을 하도록 해야 한다.○ 이미 글로벌 기업이나 대기업들은 사업적인 활용, 고객정보보호 강화 등을 고려해 빅데이터 분석을 외부에 의뢰하기보다는 데이터 과학자 조직을 만들어 활용하고 있으며, 통신·IT·금융업을 중심으로 발빠른 기업에서는 이미 데이터 전담조직을 운영하고 있다.하지만 아직 대부분의 중소기업에서는 인력채용에 대한 부담이 따르고, 데이터를 활용해 당장의 가시적인 사업성과를 거두는 것이 쉽지 않기 때문에 전담부서의 도입 필요성을 느끼지 못하는 경우가 많다.○ 따라서 정부에서는 CEO를 비롯한 경영진 교육을 통해 데이터 전담조직에 대한 중요성을 깊이 인식시키고 사례공유를 통해 기업 내 데이터 담당자 또는 전담부서 설치 분위기를 확산시켜 나가는 것이 중요하다.◇ 체계적인 데이터 과학자 육성○ 드레스덴 데이터서비스센터는 초고성능 컴퓨팅을 기반으로 다양한 빅 데이터 관련 연구를 해당 도메인 연구자와 공동으로 진행하며, 연구인력을 양성하고 있다.국내에서는 4차 산업혁명시대에 데이터가 중요하다는 것은 모두가 동의하나 이와 관련한 인재 육성 프로그램은 체계적이지 못한 편이다.○ 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.실제로 데이터 인력을 주로 공급하는 대학의 데이터 교육은 이론 위주의 교육으로 실무 중심의 기업 수요에 미치는 못한다는 평가를 받고 있다. 이론교육 보다는 실습 위주의 교육을 통해 채용 즉시 현장에 투입될 수 있는 인력양성 사업을 추진해야 한다.◇ 협업을 통한 기업 내 데이터 전문팀 육성○ 데이터과학자는 △응용학문 분야 △기술분야 △통계분석 등의 분야에 능통해야 하지만, 실제로 한가지 학문만 공부하기 때문에 세 가지에 능통하기 어렵다.완전한 기술 세트를 보유하고 있는 개인 데이터 과학자가 부족하기에, 그룹을 형성해 그 모든 해당 기술 세트를 보유한 팀을 만들어 운영할 필요가 있다.○ 데이터 과학자팀의 규모는 파일럿 및 단기 전술 프로젝트를 위한 소규모 인원에서부터 장기 프로젝트 및 계속되는 분석 작업을 위한 10명~20명 혹은 그 이상의 인원 등으로 구성할 수 있을 것이다.데이터 과학자팀이 이미 보유하고 있거나 교육을 통해 보유해야 할 역량은 데이터 과학자의 기술세트인 △고급 분석(Advanced analytics) △비즈니스 감각(Business acumen) △커뮤니케이션 & 협력(Communication & collaboration) △창의성(Creativity) △데이터 통합(Data integration) △데이터 시각화(Data visualization) △소프트웨어 개발(Software development) △시스템 관리(Systems administration) 등이 있을 것이다.◇ 4차 산업혁명 관련 온라인 교육 플랫폼 구축○ 전국 규모의 데이터 인력 정보 공유를 위한 온라인 플랫폼을 구축하고, 전문인력과 기업이 서로 소통할 수 있는 방안을 모색해야 한다. 국내 대학 및 대학원에서는 아직까지 온라인 교육이 활성화되어 있지 않다.사이버대학을 제외하면 오프라인 강의를 보완할 수 있는 온라인 학습이 대부분 커리큘럼에 포함되어 있지 않아 활용도가 낮은 것으로 판단된다.○ 국내에도 공공과 민간교육의 영역을 초월하여 교육주체 간 온라인 프로그램을 공유하고 활용할 수 있는 온라인 공동 플랫폼이 필요하다.정부와 공공기관에서 주도하여 일과 학업을 병행하는 재직자나 통학이 불편한 학생 등 오프라인 수업의 접근성이 낮은 교육생을 대상으로 온라인 교육을 제공하는 시스템을 구축할 필요가 있다.○ EU의 EDSA를 통해 운영하는 무들 학습관리 시스템(Moodle Learning Management System)을 참고할 만하다. 이 시스템은 사이버 공간에서 학습자의 교육을 지원하고 관리하기 위한 것으로 교육과정 개설, 수강신청 등 준비과정부터 실제 학습이 이루어지는 과정에서 학습자의 학습과정을 추적하고 학습이력을 관리하고 학습자 개인별 맞춤형 학습을 지원한다. 또한 온라인 학습에서 필요한 △학급편성 △협동학습 △출결관리 △게시판 기능 등을 보유하고 있다.○ 국내에도 이미 온라인상에서 이공계 인력정보 및 산학협력 정보를 얻을 수 있는 사이트가 있으나, 대학 산학협력단 운영 지원을 위한 정보 제공과 정부 지원 사업 공고, 구인·구직 정보 제공에 그치고 있는 실정이다.또한 학생과 기업을 매칭하여 공동연구를 촉진하는 시스템은 개별 학교 산학협력단에서 운영하는 홈페이지 형태로 되어 있어 전국 단위의 정보 공유는 어려운 상황이다.○ 이런 문제를 해결하기 위한 유력한 방안이 온라인 데이터 인력 플랫폼이다. 이 플랫폼은 새로 구축하기 보다는 기존 플랫폼의 기능 강화를 통한 활성화가 더욱 효과적일 것이다.플랫폼을 통해 인력양성 정책 및 교육이 정리된 허브채널을 구축하여 대학생과 재직자 및 기업이 프로그램을 유기적으로 활용함으로써, 부족한 데이터 인재를 원활하게 공급할 수 있을 것이다. □ 인간 중심의 4차 산업혁명 실행◇ 4차 산업혁명 대비 일자리 대책 마련○ 세계 경제포럼에서는 4차 산업혁명이 일자리에 미칠 영향에 대한 '미래 고용보고서'를 발표했다. 향후 5년간 선진국 및 신흥시장 15개국에서 일자리 710만 개가 사라질 것으로 전망했다.반복적 업무를 수행하는 사무직은 475만개가 없어질 것으로 보았다. 이런 전망이 현실화된다면 노동자들 간 빈부격차 심화뿐만 아니라, 국가 간 빈부격차도 심화될 것이다.○ 세계경제포럼 보고서는 4차 산업혁명에 잘 대응할 것으로 생각되는 국가 순위를 소개하고 있다. 노동시장의 유연성, 기술의 숙련도, 교육 시스템, 사회 인프라, 법적 보호 지표들의 점수를 산정하고 이들의 가중 평균으로 순위를 매겼는데, 한국은 총 139개국 증 25위를 기록하고 있다.한국은 노동시장 유연성과 법적 보호 점수에서 비교적 낮은 점수를 기록한 것으로 나타났다. 특히 노동 유연성의 경우 4차 산업혁명이 초래할지도 모르는 노동자들의 실업과 빈부격차의 문제와 직접 관련되어 있기 때문에 그 영향을 예단하기 어렵다. 다가오는 4차 산업혁명을 대비한 노동자 개인과 국가 전체의 대응 전략이 필요한 이유이다.○ 자율자동차나 로봇이 사람이 하던 일을 대신하면 일자리가 줄 것이라는 우려가 있다. 하지만 그렇게 되더라도 유휴인력들이 단순 노동력을 필요로 하는 분야가 아니라 아이디어를 내고 기획하는 쪽으로 이동할 것으로 보기 때문에 4차 산업혁명에 의한 기술혁신이 고용을 둔화시킨다고 단정하는 어려울 것 같다.○ 그렇다고 하더라도 4차 산업혁명으로 개발되는 첨단기술들이 기업의 입장에서는 인건비 절감 방안 중 하나로 판단할 수 있다. 따라서 우리나라의 경직된 노동시장이 미래 4차 산업혁명의 흐름에 어떤 영향을 미칠지 면밀히 고민해 보아야 한다.○ 한편 정부가 4차 산업혁명으로 일자리가 줄어들 것이라는 국민들의 공포심을 없애는 데도 노력해야 한다. 많은 사람들이 AI가 등장하면 많은 직업이 사라질 것이라는 공포감을 갖고 있지만, 아직 단정하기는 이르다.인공지능으로 인한 단순 반복형태의 일자리는 감소할 것으로 추정되나 다른 유휴 직업에 대한 일자리가 생성될 수도 있다. 인간이 하던 일을 인공지능이나 로봇이 모두 대체할 수 없고 단순 직업 보다는 무역에 관한 직업이나 컴퓨터로 계산하는 일을 하는 고급 직종의 직업이 사라지게 될 것이라는 전망도 있다.국민들이 AI를 수용할 수 있도록 분위기를 바꿔주되, 일자리에 대한 변화를 면밀히 관찰해서 노동자간 빈부격차가 확대되지 않도록 하는 것이 필요하다.◇ 로봇과 사람이 조화된 작업환경 조성○ 폭스바겐 공장에서는 부품이동, 설치 및 조립 등의 프로세스 연결이 인간·로봇 간의 협업과정으로 이루어지고 있었으며, 이를 모니터링하고 개선하는 부분에서도 자동화 로봇을 활용하고 있다.공장에서의 전반적인 생산은 무겁고 힘든 작업은 로봇이, 근로자들은 세밀한 부품조립 작업을 수행하는 방식으로, 사람이 직접 종합제어 관리를 수행하면서, 사람 중심이면서도 사람과 기계가 상호 소통하는 스마트한 협업체계를 완성하여 생산성을 높이고 있다.○ 미래의 공장은 인간과 로봇이 협업하는 맞춤형 공장으로 진화해야 한다. 4차 산업혁명 시대에는 일자리가 줄어들 것이라는 예상을 많이 하는데, 인간의 모든 일을 로봇이 완전히 대신할 수는 없을 것이다.인간은 제품 및 디자인 개발, 생산 계획 또는 예기치 않은 사건발생 시 없어서는 안 될 필수 요소이며, 가까운 미래에 사람 없이 독립적으로 생각하고 지능적으로 일하는 기계가 발명되지는 않을 것이다.앞으로는 인간과 로봇의 협업에 있어서 필요한 안전성 기준 등을 마련해야 하고, 로봇과의 협업을 위한 지속적인 재교육이 필요하다.

  스위스 연방 재료과학기술연구소(Swiss Federal Laboratories for Materials Science and Technology - EMPA) Überlandstrasse 129, 8600 Dübendorf, SwitzerlandTel : +41 (0)58 765 11 11www.empa.ch 스위스   뒤벤도르프□ 주요 교육내용◇ 지속가능한 미래를 위한 재료기술 개발 ▲ EMPA 협회 로고[출처=브레인파크]○ EMPA는 스위스 연방 기술 기관(Swiss Federal Institutes of Technology Domain - ETH Domain)의 소속기관으로 재료과학 및 기술개발을 위한 학문적 연구 및 서비스를 제공하는 연구기관이다.ETH Domain는 스위스 연방의 경제, 교육, 연구 부처(Federal Department of Economic Affairs, Education ans Research - EAER)의 산하기관이다.○ 총 5개의 운영부서가 있고, 29개의 연구소, 8개의 지원부서로 구성되어있다. 연간 1억 7백만 스위스 프랑을 정부로 부터 받고 있으며, 기업에서 7,300만 스위스 프랑을 받고 있다.2014년에는 63개의 EU프로젝트, 103개 CTI(Commission for Technology and Innovation) 프로젝트, 119개의 SNSF(Swiss National Science Foundation)프로젝트를 수행했다.○ EMPA는 '지속가능한 미래를 위한 재료기술 개발'을 비전으로 삼고 다음 세대가 살기 좋은 미래를 위한 경로 개발과 이를 대략적으로 그려나가는 과제를 수행하고 있다.주 연구 분야는 5개로 △나노구조 소재(Nanostructured Materials) △지속가능한 거주 환경(Sustainable Built Environment) △의료 소재(Health and Performance) △천연자원과 오염원(Natural Resources and Pollutants) △에너지 소재(Energy) 등이 있다.○ 이 모든 것의 핵심에는 과학자, 엔지니어, 기술자, 일반직원 및 EMPA를 세계적으로 유명한 재료과학기술연구소로 만든 자산에 있다.EMPA에는 약 1,000명의 직원이 일하고 있으며 이 중 500명 이상이 학사 학력 이상의 엔지니어와 과학자이다. 500여 명의 엔지니어와 과학자들 중 29명의 교수, 100여 명은 박사 후 프로그램, 200여 명의 박사과정, 200여 명은 학사학위 학생, 40여 명의 인턴으로 구성되어 있다.○ 135년 이상 신뢰할 수 있는 중립적인 전문보고서를 발간해왔고 업계, 연구 및 공공부문에 있는 EMPA의 파트너들에게 색다른 연구 및 분석 서비스를 제공한다.▲ EMPA 연구 프로젝트 현황[출처=브레인파크]▲ EMPA의 재원[출처=브레인파크]◇ 130여 년이 넘는 길고 중대한 EMPA의 역사○ EMPA의 길고 중대한 역사는 1880년 취리히 연방공과대학교(현 ETH Zurich)의 지하실에서 시작된 "건설자재 시험 연구원"으로 거슬러 올라간다.초창기 EMPA의 우선 중점사안은 1883년 스위스 국립전시회를 위한 건설자재에 대한 포괄적인 품질 시험이었다. 당시 건설자재 교수이면서 초대원장이기도 한 Ludwig von Tetmajer이 집중적인 연구 활동을 통해 건축자재 및 금속에 대한 시험 및 규격화 분야의 최초 출판물이 발행했다.○ 신생 연구기관인 EMPA는 향후 몇 년에 걸쳐 건설 및 기계공학 분야를 위한 범용 시험기관으로 성장했다. 1928년 스위스연방 연료시험연구원이 통합되고 그로부터 9년 후 섬유시험 기관으로서 1885년에 창립된 세인트 갈렌 소재 스위스 시험연구소가 그 뒤를 이었다.연구소는 1938년 "산업, 건설 및 상업에 대한 재료시험 및 연구를 위한 스위스 연방연구소"로 개명했지만, 상당 기간 구어적 표현인 EMPA로 더 많이 알려졌다.○ 1962년에 이르러 취리히 소재 EMPA의 인원이 초만원이 됨에 따라 EMPA를 위해 특별히 설립된 뒤벤도르프 소재 최신 건물로 이전했다.주요 분야는 구조 및 토목 공학, 안전 공학, 표면 기술, 금속 재료, 복합 재료, 비파괴 검사, 화학 분석, 배기가스와 대기시험, 하우징 기술, 건설 물리학, 음향 및 소음제어였다. 1994년 뒤벤도르프(Dübendorf)와 세인트 갈랜(St. Gallen)에 이어 툰(Thun)에 세 번째 연구소를 설립했다.○ 1988년 이후부터 EMPA는 응용프로그램 중심의 재료 연구개발에 주력해오고 있고, '스위스연방 재료기술연구소'로 개명했다. 1988년 이후 나노기술 및 에너지 연구와 같이 전략적으로 중요 분야에 새로운 연구 실험실을 설립했다.○ '마음을 사로잡는 연구 (Research that captivates)'라는 슬로건을 내건 EMPA는 2005년 13,000명의 방문객과 함께 실험실에서 창립 125주년을 기념했다.3년 후 EMPA는 혁신적인 하이테크 창업기업 및 스핀오프 기업 창업을 촉진하고 이들의 사업 설정에 일조하고자 세인트 갈렌 비즈니스 인큐베이터 Tebo에 대응되는 뒤벤도르프 비즈니스 인큐베이터 Galtec을 시작했다.○ 2010년 EMPA는 연구 포트폴리오를 수정해 다섯 개 '연구 중점 분야 (Research Focus Area)'에 집중함으로써 연구 활동이 연구소 핵심 과제에 보다 더 적합하도록 엄격하게 관리하고 있다. 즉, 연구 기술을 시장성 있는 혁신적 과제로 전환하고 있다.◇ 혁신의 시동, EMPA 접근법○ EMPA의 연구개발 활동의 초점은 산업계의 요건과 사회의 요구를 충족시키는 것이다. 따라서 생명공학 및 의료기술 분야뿐 아니라 나노구조화 되어 있고(Nano-structured) 스마트한 재료와 표면, 환경 에너지 및 지속가능 건설 기술분야에서 응용프로그램 중심의 연구와 새로운 아이디어의 실질적인 구현을 접목시켰다.○ 따라서 파트너들이 글로벌 시장에서 혁신역량과 경쟁력을 강화시킬 수 있을 뿐만 아니라 대다수 국민의 삶의 질 향상에도 일조할 수 있도록 EMPA는 맞춤형 솔루션을 제공할 역량을 갖추고 있다. 효율적인 기술 이전을 통해 EMPA는 연구 결과를 시장성 있는 혁신으로 변화시키고 있다.▲ 지식 및 기술 이전 계약 그래프[출처=브레인파크]◇ 60개 EU프로젝트 진행○ 2014년 EMPA 연구원과 엔지니어들은 500여 편에 달하는 논문을 발표했고, 대략 20여 개 미만의 특허를 출원했다. 연말까지 스위스 국립과학재단 (Swiss National Science Foundation, SNSF)이 재정을 지원하는 대략 120여 개 프로젝트와 스위스 기술혁신위원회(Commission for Technology and Innovation, CTI)가 지원하는 100여 개 이상의 프로젝트 및 60개 EU 프로젝트가 EMPA에서 진행되었는데 이는 기록적인 숫자이다.○ 2014년 EMPA는 최초로 기업의 재정지원을 통해 7000만 스위스 프랑 이상을 유치했다. EMPA의 두 개 비즈니스 인큐베이터에 속한 기타 창업 기업과 더불어 21개 스핀오프 기업에 총 300여 명의 직원이 근무하고 있고 그 수는 계속 늘어나고 있는 추세이다.◇ 주요 연구 영역 (Research Focus Areas, RFAs)○ EMPA는 다음 5가지 영역에 대한 R&D연구 (Research Focus Areas, RFAs)를 통해서 에너지 지속성과 안전성, 자원 확보, 줄어드는 천연자원과 지구기후에 대한 문제들에 대한 답과 해결책을 제시하려고 노력한다.EMPA 기관의 변치 않는 주목적은 살기 좋은 미래를 위한 획기적인 에너지와 재료 개발과 지속 가능한 기술의 발전이다.○ 나노구조소재(Nanostructured Materials) : EMPA는 나노구조재료를 통해 의료기술 분야, 마이크로 또는 나노 전자 분야의 다양한 기술 문제 해결 방안을 연구하고 있다. 특별히 맞춤형 기능적 특성을 지닌 새로운 재료와 코팅 개발을 위해 지속적으로 연구하고 있다.○ 지속가능한 거주환경(Sustainable Built Environment) : 새로운 재료, 발전된 시스템 설계를 통해서 건물 구조 시 환경에 미치는 영향을 최소화하고 편안함과 안전을 향상시키는 것에 중점을 두고 연구하고 있다.○ 의료소재(Health & Performance) : 생화학 및 의료기술 활동뿐만 아니라 신규 약물운반체 및 기타 치료 및 진단용 기기, 안전성 연구를 지속하고 있다. 이를 통해 사람을 보호하고, 건강을 증진시켜 우리 삶의 질과 물리적 역량을 향상시키는 목적이다.○ 천연자원과 오염원(Natural Resources & Pollutants) : 자원을 보다 소량을 사용하고 오염물질을 보다 적게 배출하는 사회 건설을 위해 EMPA는 기본적인 물리·화학적 과정을 조사해 혁신적인 기술 해결책을 연구하고 있다.○ 에너지소재(Energy) : 전 세계 평균 1인 연간 에너지 소비량은 약 17'500㎾ 이다. 그러나 스위스는 세계 평균 세 배 가량 높게 소비하고 있다. 이 같은 소비량의 감축을 위해 에너지의 전환, 수송 및 저장을 위해 에너지에 대한 새로운 개념과 기술을 연구, 개발하고 있다.◇ 최고 수준의 분석센터 운양○ EMPA는 최고 수준의 분석센터를 다수 운영하고 있다. 이들 센터는 외부 파트너를 위한 서비스 및 컨설팅을 제공하는 한편 해당 기술의 증진과 발전을 위해 다양한 연구개발 프로젝트에 협력하고 있다.○ EMPA는 스위스 연방 기술 역량센터(The Competence Centers of the ETH Domain), 스위스 에너지연구 역량센터 (Swiss Competence Centers for Energy Research, SCCER)와 같은 국가 기관 간 연구 네트워크 파트너 관계를 맺고 있다.○ 전자현미경 센터(Electron Microscopy Center) : 내·외부 연구 파트너를 위한 전자현미경 서비스를 제공하고, 재료과학의 새로운 전자현미경 기법 개발과 응용을 위한 중심 연구를 수행한다. 또한 재료과학의 전자현미경 컨설팅 부서 역할도 수행하고 있다.○ 엑스레이 분석센터(Center for X-Ray Analytics) : 엑스레이 분석센터는 연구기관 및 산업계와의 협업을 통해 재료과학기술의 엑스레이 분석기법 향상을 위한 작업을 수행한다. 응용분야는 반도체 기술, 화학, 약학 및 생물학으로 구성되어 있다.○ 신뢰성 공학센터 실험센터(Reliability Center) : 신뢰성 공학센터는 신뢰성 관련 문제에 대한 컨설팅을 제공하고, 연구 협력을 진행한다. 산업계 파트너를 위한 서비스 풀을 운영하는데 이를 통해 고객에게 시험 방법과 시설에 대한 접근성을 제공한다.○ 스위스 에너지연구 역량센터(Swiss Competnece Cetners for Energy Research, SCCER) : 스위스 정부는 스위스의 에너지 전환을 용이하게 하기 위해 스위스 에너지연구 역량센터를 설립했다.관련된 기술, 사회 및 정치적인 문제에 대한 해법의 제시가 센터의 목표이다. EMPA는 세 개 센터 중 하나를 운영하고 있으며, 나머지 두 개 센터의 파트너이다.◇ 다양한 기업지원과 연구 지원○ EMPA는 기술과 산업의 연계성을 강조하고 있다. △연구협력 △기술지원 △스타트업 지원 △비즈니스 솔루션 컨설팅 등의 서비스를 기업에게 제공하고 있으며, 스위스 혁신단지(Swiss Innovation Park)의 다양한 연구 및 창업보육 서비스를 돕고 있다.▲ 비즈니스 인큐베이터·스타트업 증가율[출처=브레인파크]○ EMPA는 오랫동안 쌓아온 재료과학분야에서 연구경험을 바탕으로 파트너사가 원하는 신뢰성 있으며 과학과 산업, 과학과 사회의 연계성을 고려한 최적의 솔루션을 제공하고 있다.'순수 기초과학과 시장의 가교역할을 한다.'는 모토를 가지고 연구의 결과물들을 최대한 시장에 내다 팔고 상용화를 위한 지원도 아끼지 않고 있다.EMPA는 연간 1200여 개의 기술을 시장에 내놓고, 기업들이 EMPA가 개발한 기술을 사갈 수 있는 포털 운영하고 있다. 

  AI & Big Data Expo North America 2019 Santa Clara Convention Center5001 Great America Pkwy, Santa Clara, CA 95054Tel: +44 (0) 117980 9020 enquiries@ai-expo.netwww.ai-expo.net/northamerica엑스포미국샌프란시스코  □ 연수내용◇ 더 스마트한 미래를 위한 AI 및 빅데이터 엑스포◯ 11월13일에서 14일 양일간 산타클라라 컨벤션센터에서 열린 AI & Big Data Expo는 AI, 빅데이터, 블록체인, 사이버보안, 클라우드, 5G 분야로 구성된 5개의 행사와 500여 연사, 350여 업체가 참가했다.◯ 주요주제는 AI와 빅데이터의 최신 혁신을 연구하고 제조, 운송, 공급망, 물류, 자동차, 건설, 정부, 에너지, 유틸리티, 보험, 의료 및 소매를 포함한 많은 산업에 미치는 영향에 대한 것이다. 전시회에는 IBM, Distro Systems, Hitachi Vantara, Oracle, SAP 등이 참여했다.◯ 엑스포는 크게 컨퍼런스와 전시회로 구성되있으며, 컨퍼런스는 첫째날(13일) △데이터분석 △융합기술솔루션 △AI기반비즈니스 △AI 및 빅데이터 응용에 대해 다뤘다. 둘째날(14일) △AI솔루션 △△AI기반비즈니스 △빅데이터비즈니스솔루션을 다뤘다.○ 주요 연사였던 IBM의 제품개발 부문 부사장인 Madhu Kochar는 AI가 조직의 운영 방식에 혁명을 가져오는 방법을 살펴보고 회사가 오픈 소스를 활용하여 AI 라이프 사이클을 관리하는 방법에 대해 발표했다.○ Johnson & Johnson의 외부 혁신 담당 이사, Bevan Emma Huang는 1일차 건강 관리에서 데이터 과학 파트너십에 대한 다양한 접근 방식을 소개했고 전문가와 의료 산업이 협력한 제품과 기술의 상업화 사례를 소개했다.○ Hitachi Vantara의 CTO IoT 및 Analytics인 Bill Schmarzo는 Big Data를 비즈니스 모델의 중심으로 만드는 기조 연설을 했다. Bill은 Big Data가 해결하는 데 도움이 되는 다양한 문제와 Big Data혁신을 장려하고 경쟁 업체보다 앞서 나가는 방법을 연설했다.◇ 2019. 11. 13(수) / 주제: Data Analytics for AI & IoT◇ 2019. 11. 13(수) / 주제: Convergent Technology Solutions

□ 함부르크 지역 경제 활성화를 위한 스마트항만과 스마트시티 구축 함부르크 투자공사(HIW, Hamburg Invest Wirtschaftsfö rderungsgesellschaft mbH) Wexstraße 7, 20355 HamburgTel: +49 40 22 70 19 – 14Fax: +49 40 22 70 19 – 59www.hamburg-invest.com 방문연수독일함부르크  ◇ 독일 1위, 유럽 3위, 세계 18위의 컨테이너 물류중심, 함부르크항구○ 지리적 위치상 해운, 도로, 철도 및 항공기로 쉽게 접근할 수 있는 함부르크는 세계 무역에서 가장 중요한 물류 허브이며, 북유럽에서 가장 중요한 물류 거점이다.엘베(Elbe)시는 북해의 가장 동쪽 항구이기 때문에 동유럽을 위한 이상적인 위치에 있다. 함부르크는 해외 국가, 중동부 유럽 및 발트해 전역에 서비스를 제공하는 글로벌 허브로서 유럽 물류가 처리하는 세계 무역의 합류점에서 중심적인 위치를 얻고 있다.○ 함부르크항구는 △연간 약 9,000건의 선박 호출 △약 300개의 정박시설 △항해선박을 위한 총 43㎞의 부두 △주당 2,300개의 화물열차 △4개의 최첨단 컨테이너 터미널 △3개의 크루즈 터미널과 roro △break bulk 및 모든 종류의 벌크화물을 취급하는 약 7,300개의 물류회사가 함부르크 시 당국의 관리 하에 운영되는 독일 최대의 항구이다.○ 함부르크 시는 이 지표가 함부르크 항구를 세계에서 가장 유연하고 성능이 뛰어난 유니버설 항구로 만드는 요인 중 일부에 지나지 않는다고 강조하고 있다.2017년 함부르크항구를 이용한 화물량은 1,350만 톤에 달하는데, 여기에는 약 880만 개의 표준 컨테이너(TEU)가 포함되어 있다. 독일 최대 항구인 함부르크항구는 유럽에서는 세 번째, 세계에서는 18번째의 물류규모를 차지하는 컨테이너 항구이다.◇ 함부르크항구의 2018년 상반기 물류 실적○ 2018년 상반기에 함부르크항구는 총 처리량 6,650만 톤을 달성했다. 이것은 2분기에 둔화추세가 회복되어 4.9%의 완만한 경기침체를 나타낸 결과이다.전반적인 화물 처리량은 4550만 톤(2.2% 하락)이었고, 전체 화물의 3분의 1을 차지하는 벌크화물 처리량은 2110만 톤(10.4% 감소)로 나타났다.○ 벌크화물 처리량 감소는 흡입 및 액체화물 시장이 위축되었기 때문이다. 하지만 대량화물 총량의 55%(1,160만 톤)를 차지하는 가장 큰 부분인 하위 부문인 연안용 그래프선의 화물 취급이 3.1% 감소한 것은 정상적인 변동 범위 내에 있었다.○ 아래 도표는 2018년 상반기 컨테이너 물류량에 대한 지표를 나타낸 것이다.▲ 해상화물 취급량[출처=브레인파크]▲ 벌크화물 취급량[출처=브레인파크]▲ 해상 컨테이너 운송 업체의 추가 거래 파트너[출처=브레인파크]◇ 함부르크항의 이동성과 인프라를 향상시키는 스마트항만 프로젝트○ 유럽 ​​전역에 스마트시티에 대한 많은 시도가 있고, 결과적으로는 이동성에 대한 현명한 접근 방식에 초점을 맞춘 프로젝트가 늘어나고 있다. 베를린과 뮌헨, 그리고 함부르크는 독일의 스마트시티(SmartCity) 이니셔티브로 유명하다.스마트항만(SmartPORT) 프로젝트를 비롯한 함부르크의 스마트시티 이니셔티브에 포함된 다양한 프로젝트는 이동성, 특히 교통 문제 해결에서부터 전기차량의 증가에 이르기까지 도시 전역의 이동성을 향상시키기 위한 첨단기술 개발과 활용에 있어 일부분에 지나지 않는다.○ 함부르크항의 합리화에 초점을 맞춘 스마트항만 프로젝트는 지능형 교통 및 무역 흐름에 중점을 두고 항구의 녹색 에너지 전략을 수립하는 것을 목표로 한다. 전반적으로 이 프로젝트는 교통 관리와 관련된 조치를 통해 전략적으로 운영상 양질의 정보를 제공하기 위해 추진되었다.◇ 스마트항만 프로젝트에서 기술과 데이터의 역할은 디지털 인프라 확대○ 함부르크 항만청(Hamburg Port Authority, 이하 HPA)의 최우선 과제 중 하나는 디지털화가 적용된 항구를 만들기 위해 IT 네트워크 인프라를 통합하는 것이었다.HPA는 필요한 데이터를 수집하고 최선의 방법으로 활용하기 위해 트래픽 모니터링 목적의 비디오 카메라와 새로운 레벨 스테이션을 위한 유도 루프를 구현하여 항구의 디지털 인프라를 지속적으로 현대화하고자 노력했다.○ 급속하게 성장하는 기술이 제공할 수 있는 관리의 효율성을 위해 많은 프로세스가 완전히 재설계되기도 했다. 다음은 함부르크항에 적용된 첨단기술이다.• 사물인터넷(IoT)• 빅데이터• 인공지능(AI)• 가상하고 증강된 현실(VR)• 드론• 블록체인○ 지난 몇 년 동안 HPA는 고객을 위해 항만에서 새로운 기술을 프로토타입으로 적용하고자 시도했다. SmartPORT 이니셔티브는 미래의 항구를 위한 비전의 실현을 조정하기 위해 구축되었다. 현재까지 30건이 넘는 프로젝트가 진행되었는데 성공한 프로젝트도 있고 실패한 프로젝트도 있다.○ HPA는 이런 프로젝트의 실패와 성공 과정에서 새로운 아이디어와 해결책을 강구한다. 이 시행착오 접근방식은 HPA와 같은 조직에서 필요한 것이다.HPA는 민첩성, 혁신 프로세스, 방법론 및 부서 비즈니스 모델에 대한 이해 향상과 같은 많은 결과를 얻어냈다. HPA는 이러한 과정을 통해 얻은 지식으로 세계에서 가장 지적인 항구 중 하나가 되는 길을 걷고 있다.○ 2015년 HPA는 국제항만 및 항만협회(IAPA)의 세계대회를 주최하였고, 스마트항구 구현에 대한 결과를 발표했다. 최근에는 선박의 도착과 출발 과정을 개선하기 위해 최첨단 장비와 디지털 기술을 적용한 교통센터를 현대화하는데 성과를 얻었다. 현재는 더 이상 종이에 기반한 접근 방식을 사용하지 않는다.◇ 다음 목표는 자율주행과 연결된 네트워크 구축○ HPA는 함부르크를 솔루션의 도시로 만들기 위해, 항만 개발과 인프라 서비스 제공의 주체로서 고객의 요구에 맞는 방식으로 디지털 인프라를 최상의 방법으로 제공해야 할 의무감을 가지고 있다.그래서 도이체 텔레콤(Deutsche Telekom) 및 노키아(Nokia)와 함께 인프라를 구축하고 테스트하는 중이다. 이 인프라는 이동성 분야의 미래 비즈니스 모델 또는 짧은 대기시간을 보장하기 위한 기초가 될 것이다.○ 자동차 솔루션과 무선 네트워크 운영에 대해서도 연구하고 있다. 이 네트워크는 저주파, 대역폭 및 인프라의 용량 배치에 적합한 선박에 유효하다. 즉, 자율주행을 위한 IoT 및 지능형 인프라와 시스템 지원을 위한 인공지능이 현재 집중적인 연구 분야이다.○ HPA는 여러 정부, 기관, 기업과 협력하여 수십 개의 지능형 솔루션을 함부르크에 네트워크로 연결하고자 한다. 항구 외부에서는 아키텍처 및 ATA(Advanced Technology Attachment) 인터페이스와 통합되는 독립형 솔루션에 종종 문제가 발생한다.2021년을 목표로 지능형 솔루션을 적용한 Hamburg SmartCity 계획을 추진하고 있으며, 이것은 2020-30년 비전에 포함되어 있다.◇ 다학제간 파일럿 프로젝트를 통해 스마트시티 구축 시도○ 함부르크는 스마트기술과 다학제간 파일럿 프로젝트 수행을 통해 스마트시티를 구축하려는 시도를 하고 있다. 이를 위해 에너지와 모빌리티, 물류, 거버넌스, 사회, 과학계가 적극적으로 도시의 혁신과 지속가능한 발전, 그리고 사회적 성장을 위해 노력을 기울이고 있다.○ 'Smart City'는 시민이 누리는 도시 디지털화를 포함한 것으로, 지식계의 주도 하에 트렌드 창조와 개발 부분의 공공참여를 더한 개념이라고 해석할 수 있다.이를 위해서는 누구에게나 제공되는 오픈데이터 투명성을 통한 정보접근과 공유, 그리고 교차결합에 대한 제공을 최우선 요소로 고려해야 한다.◇ 지속적으로 증가하고 있는 산업지표와 인구 유입○ 함부르크 지역은 매년 인구와 고용기회, 교육시설, 교통 편이성, 레저활동, 디지털화 지표가 지속적으로 증가하고 있다.○ 이런 지표 증가는 함부르크 항구의 물류량 증가 추세로 확인 가능하다. 2014년의 물류량은 970만 컨테이너인데, 2025년 예상 물류량은 1500만 컨테이너 규모이다.지역 산업 활동의 증가와 함께 일자리가 많아지면서 인구가 유입되고, 이에 따라 정주여건도 개선되는 선순환의 고리를 만들고 있다.◇ 함부르크 디지털시티 전략과 녹색도시 지향○ 함부르크가 추구하는 디지털시티는 행정과 인프라, 기업 활동, 운송, 과학, 연구, 교육, 에너지, 헬스케어 등 공공부문의 다양한 도심생활에 적용되어야 한다는 것이다.함부르크시 상원이 채택한 'Digital City Strategy'에 보면 네트워크로 연결된 솔루션 창출을 아주 중요하게 생각한다는 것을 확인할 수 있다.○ 또한 유럽 녹색도시 선구자로, △탄소배출 저감 △그린에너지 활용 △수소‧연료전지차량 보급 의지가 매우 높다. 이를 위해서는 △기술의 일관성(수소‧연료전지차량) △기존 대중교통과 탄소배출 없는 차량 상호보완 △신재생에너지 의무사용 청정교통전략(Clean Transport Strategy) 등 강력한 정책적 지지가 필요하다.○ 이와 더불어 대중교통 차량 구매제한 정책을 실시하기 위해 수소‧연료전지버스 구매처를 적극 물색 중인데, 한국의 현대자동차의 수소차량 개발과 보급을 높이 평가하고 있다.◇ 항만을 중심으로 한 스마트시티 시범 프로젝트(Pilot Project)와 수행기관○ 스마트항만: SmartPORT Hamburg [Hamburg Port Authority; HPA]• 함부르크 경제의 핵심인 함부르크항구의 운영과 환경조성 측면에서 △교통체계관리 △안전 △인프라 △환경여건 최적화 노력• 항만을 위한 스마트인프라 구축(The Smart Infrastructure for Ports, SI4P) : 교통체계관리 개선, 운송지연 관련 수입감소 개선• 중심사업 : △SmartPORT energy △SmartPORT logistics• 항구 관문인 카트빅 대교(Kattwyk bridge)에 로드센서와 카메라를 설치하여 교통량 모니터링, 스마트 도로점등, 스마트 주차, 인프라 모니터링의 수준 향상 노력(컨소시엄 사업)○ 스마트도로: SmartROAD [Hamburg Port Authority]• 함부르크항구 내의 정보를 통합하여 현재 교통여건, 기후나 환경 영향, 점등여건, 도로구획, 교각하중 등을 다각도로 분석 : △smartTRAFFIC △smartENVIRONMENT △smartLIGHTING △smartSENSING △smart- ANALYTICS○ 디지털 문화: Digital Culture [Ministry of Culture]○ 스마트시티 살롱& 캠퍼스: SmartCity Salons&Campus [MLOVE]• MLOVE 기획 살롱시리즈로, 모빌리티, 스마트헬스, 물류, 스마트홈 관련 전문가 논의• 참여기관 : Cisco, MIT Media Lab, Hamburg University, 선진 스마트도시 관계자, 스타트업○ 새로운 이동성: New Mobility [StadtRad, Switchh, floatility, Startups]• 환경친화적 운송개념 통합 관점에서 △지역운송 △공유자동차 △e-모빌리티 △도시자전거 대여 결합 도시 계획○ 스마트홈: Smart Home [Apartimentum]○ 스마트헬스: Smart Health [University Medical Center Eppendorf]□ 질의응답◇ 2012-2104년에 본격적으로 스마트시티 개념 정의- 스마트포트 전략이 언제 수립되었는가? 아이디어 단계에서 실행단계로 가기까지 걸린 시간은."오래전부터 여러 가지 아이디어가 있었지만 2012-2014년 사이에 본격적으로 스마트시티의 개념이 생겼다. 스마트포트도 마찬가지로 2012~2014년 사이에 시작됐다.- 항만 발전을 위한 자치단체는 어떤 역할을 했고 협업을 했는지."HPA(Hamburg Port Authority)가 함부르크항만의 전체를 관리하는 역할을 하고 있고 함부르크 항만도 시의 일부이므로 함부르크시가 깊이 관여하고 있다.◇ 항만 물류 이동의 제어가 함부르크 스마트항만 시스템의 핵심- 스마트포트의 1년 예산은."구체적인 수치는 항만청에 문의하셔야 할 것 같지만 아마도 수십억 유로가 될 것이라고 생각한다. 스마트시티 개념과 하드웨어 관련 예산도 포함되어 있을 것이다.- 많은 도시들이 스마트포트를 말하고 있는데 함부르크 스마트포트의 특징은."1차적인 것은 지리적인 부분이 함부르크의 가장 큰 경쟁력이다. 북해로 빠져 나가는 가장 큰 배가 드나들 수 있는 항구이고 물자의 최종 종착지이다.독일로 들어오는 1/3의 물자가 함부르크를 통해 들어온다. 항만의 스마트화에 대해 말하자면, 예를 들어 하나의 컨테이너가 항만에 들어왔을 때 컨테이너가 어디로 이동하는 화물이고 어떤 운송수단을 이용하며 어디에 하역되는게 좋은지를 컨트롤하는 시스템이 핵심이다.◇ 항만 내 실시간 정보 공유에 있어 정보통신 속도는 한국이 앞서- 항만 내 발생하는 실시간 정보를 선사나 화주들과 어디 정도 수준까지 공유하는지."1980년대 다코지 시스템을 이미 만들어서 선주들과 정보를 공유하고 있다. 여러분이 기대하는 실시간 정보 공유는 아닐 것이다.항만과 관련된 여러 가지 테마와 시도들이 함부르크에서 시작되고 시도되고 있다. 정보통신의 속도는 한국이 많이 앞서가고 있기에 함부르크의 시도가 오히려 늦게 이루어지는 경우도 있다.◇ 기술과 복합문화공간이 결합한 항만으로서 삶의 질 향상에 기여- 스마트항만을 추진하면서 에너지 절약과 같은 가시적인 성과를 얻어낸 것이 있다면."삶의 질 향상을 수치로 말하기는 어렵고 10년전과 비교해봤을 때 체감상 효과를 느끼고 있다.- 수십억유로의 스마트포트 관련투자의 주체는."시에서 투자하는 것도 있고 기업투자도 있다.- 이곳의 스마트항만의 의미는 테크놀로지에 기반한 스마트항만 개념이라기 보다는 복합문화공간으로 집중하고 있는 느낌이다. 콘서트홀을 짓고 나서 기대수익을 잘 걷고 있는지."항만의 오래된 시설을 재생하는 것은 처음 계획보다 많은 수익을 얻고 있다. 낡은 창고나 시설들을 더 큰 선박이 들어올 수 있는 시설로 업그레이드 하기도 한다.- 교통체계의 스마트화 구현은."횡단보도 이용횟수에 따라 간격을 조정하는 것 등이다.◇ 항만의 환경문제에 대한 문제 제기도 있어, 개선 노력중- 항만과 도시기능이 충돌하면서 시민들이 항만에 대해 불만을 표출하는 경우가 많은데 함부르크 시민들은 이런 문제가 있는지, 어떻게 해결하는지."이런 문제는 당연히 제기될 수 밖에 없다. 연간 200척의 크루즈선이 내뿜는 매연등에 대해 시민들이 불만을 갖고 있다. 지속적으로 매연, 대기의 질, 등을 해결하고 시민들의 불만을 줄이기 위해 노력하고 있다.- 함부르크항만은 LNG선, LNG 벙커링 도입을 추진하는지."LNG는 함부르크도 큰 관심사중 하나이고 도입할 수 밖에 없다. 또한 선박이 항구에 들어왔을 때 엔진을 끄고 육지의 전력을 공급하여 대기환경을 개선하는 시도를 하고 있다.- 세계적인 대기업을 유치한 함부르크시에 큰 감명을 받았다. 함부르크시에서 많은 기업을 유치하기 위해 많은 노력을 기울임과 동시에 스마트시티를 구현하기 많은 노력을 기울인 것으로 이해한다. 아시아의 기업들에게 함부르크의 경쟁력으로 부각하고 싶은 부분이 있다면 말씀해주시고 마무리발언을 부탁하면."함부르크는 사업활동 뿐만 아니라 삶의 질, 투자환경과 지원 등 여러 가지 면에서 가장 앞서가고 있는 도시이다. 국제적인 교류와 바다를 통한 다른 지역으로의 진출이 용이하다는 것이 함부르크의 강점이다.□ 참가자 코멘트◇ ㅇㅇ대학교 ㅇㅇㅇ 교수 : 기업 중심의 정책추진과 적극적인 투자환경○ 함부르크의 외자 투자를 유치하기 위한 100% 市 투자 기업으로서 기업 유치를 전문적으로 추진하는 기관이다. 100% 무료 서비스를 제공한다.○ 함부르크는 25년전부터 클러스터 중심의 정책을 추진해왔고 기존의 AirBus사가 중심이 되는 Innovation Park Finkenwerder 클러스터, 생명과학과 나노 및 레이저 기술이 중심이 된 Innovation Park Altona 클러스터, 녹색 기술, 항공 및 해양 기술, 의료 기술이 중심이 되는 Innovation Park Hamburg, 풍력과 3D Laser 기술 기반의 Innovation Park Bergedorf 클러스터를 구성하고 있다.○ 적극적인 투자 환경의 조성을 통한 기업 유치를 추진하고 관련 기업들의 집적을 유도하는 전략으로 추진하고 있어 기업 중심의 정책 추진이 필요함을 느꼈다.○ 함부르크 항의 경우에는 도심과 인접한 항만으로서 1980년대부터 선도적인 프로젝트를 다수 수행하여 현재 무인 선석을 구비하고 있으며, 환경 오염 저감, 지능형 교통 시스템 등을 구축하기 위하여 함부르크와 유기적인 관계 및 데이터 상호 공유 시스템을 구축하고 있었다.○ 1인 차량 이동 금지, 자전거 이동을 지원하기 위한 스마트 가로등 관리 시스템 등의 시민의 편리를 위한 다양한 서비스를 개발하여 보급하고 있었다.◇ ㅇㅇㅇㅇ연구원 ㅇㅇㅇ 연구위원 : 적극적인 기업 유치 노력 인상적○ (외국)기업 유치 노력과 함께 도시의 경쟁력을 높일 수 있는 핵심요소들(산업/관광/연구 및 혁신 역량/디지털 경제 등)을 관리하고 이를 위해 적절한 연구 프로젝트들을 진행하고 있다.○ 국내 및 국제 투자에 대한 원스톱 서비스 제공뿐 아니라, 투자 회사와 관련 있는 독일 내 또는 외국의 파트너 네트워크에 대한 정보 제공 노력으로 적극적인 기업 유치 노력을 하고 있는 것들이 매우 인상적이다.◇ ㅇㅇ도청 ㅇㅇㅇ 주무관 : 전통과 현대의 조화를 이룬 사례○ 함부르크는 생명과학과 항만이 발달하였으며, 전통과 현대가 조화로운 도시이다. 항만물류창고(60년) 위에 오케스트라홀을 건축('17년)하여 항만 재생화에 성공하였다.○ 클러스터, 인재양성, 도시의 스마트(교통체계, 교육, 주거환경 분야)등 다양한 정책을 추진중이다.◇ ㅇㅇ도청 ㅇㅇㅇ 물류담당 : 민간기업을 통한 다양성 제고 사례○ 민간기업으로서 항만을 운영하면서 SWOT 분석을 통한 경영 기법을 적용하고 있다.○ 민간 철도회사를 설립해 항구와 항만 배후의 통합 수송 서비스를 제공함으로서 물류의 즉시성과 정확성을 유지하고 있다.○ 항만 운영을 공기업이 하고 있는 우리나라에서는 물류의 다양성을 제고해 볼 수 있는 사례이다.

□ 연수내용◇ 제조업에 특화된 AI서비스와 솔루션 제공이 목표○ 마키나락스는 2017년 12월 설립된 제조업에 특화된 AI서비스와 솔루션을 제공하는 스타트업으로 생산공정에 AI를 도입해 기계 고장이나 품질 이상 등을 예측하는 제조업에 특화된 AI서비스와 솔루션을 제공한다.○ 마키나락스는 Makina는 라틴어로 machine이다. Machine Intelligence를 폭넓게 해석한 것이다. Rocks는 Shaking으로 '인공지능을 통해 산업을 뒤흔들다'라는 뜻을 가졌다. ▲ 이재혁 대표[출처=브레인파크]○ 기계 인텔리전스, AI의 실행(Operation)을 통해 제조업을 다시 정의, 산업을 좀 더 효율적으로 만들자는 비전을 가지고 산업용 AI 솔루션과 제조업과 에너지 산업의 성장을 도모하는 플랫폼을 개발하는 것이 목표이다.◇ SK텔레콤에서 AI관련 팀이 분사하여 창업○ SK텔레콤에서 ‘제조업 특화 AI 데이터 분석 솔루션 기술’을 개발했던 SK텔레콤 소속 관계사(화학회사, 유공 등)에 Digital Transformation(디지털 변환)팀, 특히 인공지능 관련 데이터 분석하는 팀이 분사하여 1대 주주, 2대 주주는 SK텔레콤이다. 실리콘밸리와 서울 오피스에서 17명이 일하고 있다.○ 회사에 이해를 구한 상태에서 2017년 12월 한국에서 회사를 창업하고 2018년 미국 지사를 만들었다. SK텔레콤에서 3명, 삼성전자에서 1명 영입해서 4명으로 회사를 시작했다. 2018년 5월 SK텔레콤, 네이버, 현대에서 Seed-round 펀딩을 받았다.○ 이때 Seed-round란 처음에 회사를 만들면 시드(씨앗) 단계라고 한다. 그 다음으로 a, b, c, d 단계가 있다. 시드는 회사를 만들 때 자금이 필요한 단계, a는 뭔가를 발견해서 투자자들을 설득하는 단계, b는 발견한 것들 중 특정 무언가를 밀고 나가서 더 확장시키는 단계, c는 지역적으로 더 확장하거나 사람도 더 뽑고 매출도 올리는 단계(IPO, Initial Public Offering)이다. 보통 c가 터닝 포인트가 된다.○ 시드 단계에서는 보통 개인 투자를 받거나 창립자들이 돈을 내는데 마키나락스는 SK텔레콤이 자금을 지원했기 때문에 매출이 발생하면서 회사를 시작할 수 있었다.SK텔레콤, 네이버, 현대에서 20억 정도의 투자를 받았다. SK텔레콤이 외부 투자자 중에서는 지분을 가장 많이 받고 있다. B2B 하는 분들은 회사에 있거나 아이템을 발견해서 분사하는 경우가 많다.◇ SK텔레콤이 운영하는 스타트업 인큐베이션 공간에 입주○ 한국에서 창업 후 실리콘밸리에 자회사를 설립해 글로벌 하이테크 반도체 기업을 파트너로 확보했으며, 한국과 미국에서 반도체나 자동차 생산라인, 미생물 공정 생산라인 등에서 프로젝트를 진행하고 있다.○ 실리콘밸리 자회사는 SK텔레콤이 운영하는 스타트업 인큐베이션 공간, Inno- partners에 있다. 인큐베이션 공간과 경쟁적인 형태로 나온 것이 공유 오피스로 WeWork, 스타플레이스 등이 유명하다. 공유 오피스와 인큐베이션 공간의 차이는 공유 오피스는 임대료가 있고 인큐베이션 공간은 임대료가 없다는 것이다.▲ Innopartners 입주기업들○ Innopartners는 실리콘밸리 센터에 위치하고 있는데 스탠포드 대학교가 있고 그 앞에 멘로파크가 있다. 멘로파크에서 반도체 사업이 제일 먼저 시작했다.반도체 사업은 공해가 극심하다. 중간에 메인 공정 중 방사선 쏘는 방식은 공해가 별로 없는데, 독한 화학 물질로 깎아내리는 방식과 산업용 가스로 위에 쓰이는 방식(deposition)은 공해가 많이 발생해서 한국과 대만에서 공정을 진행하고 실리콘밸리에서는 설계, R&D하는 반도체만 남아 있다. 그 뒤로 소프트웨어, 하드웨어 사업이 주로 발달하게 되었다.◇ 어떤 중장비가 망가질지 예측하는 것이 바로 산업용 AI○ 산업용 AI가 나올 수 있던 배경은 IoT, 빅 데이터, AI이다. 각 분야별로 데이터 분석은 조금씩 다르다. IoT 시절 데이터 분석은 On&Off였다. 건설 중장비가 켜져 있는지, 꺼져 있는지만 잘 알아도 가능했다.Uptake가 이 때 나온 회사이다. On&Off를 잘 측정하고 왜 잘 안됐는지 데이터를 분석하고 축적하면서 등장한 것이 빅 데이터이다. 빅 데이터는 왜 작동이 잘 되지 않았는지 이유를 찾는 데 분석이 특화되어 있다. 어떤 중장비가 망가질 것인지 예측하는 것이 AI이다.○ 마키나락스가 하고 있는 것은 제조업의 다양한 문제를 AI기술을 접목해서 해결하려고 하는 것이다. 예를 들어 반도체의 경우 장비 하나가 비싼 것은 4000억 정도이다.따라서 망가지면 안되는데 1년 365일 24시간 작동시키고 독한 화학물질과 가스를 쓰기 때문에 망가질 수밖에 없다. 가동률을 낮추는 원인이 되는 이런 비싼 장비가 언제 망가질지 예측해서 가동률을 올리는 것이다. 해마다 다르지만 1%의 수율만 올라가면 이익이 1조 올라간다.○ 또 다른 예는 화학 공정에 가보면 파이프라인이 길게 연결되어 있는데, 파이프라인의 특정 부분이 막히기 마련이다. 막히는 걸 미리 예측하면 공정 가동률과 수익이 올라간다.그래서 산업용 AI 솔루션은 기존 가정에서 사용하는 AI 제품보다 높은 수준의 예측력을 보유한 AI를 필요로 한다. 기존 AI가 알고리즘과 데이터가 성능을 좌우한다면 마키나락스가 개발한 솔루션은 알고리즘, 데이터에 도메인 지식이 더해져 예측력면에서 뛰어나다.○ 마키나락스는 딥러닝 기반의 PdM(Predictive Maintenance) 알고리즘 및 관리 기법을 적용해, 제조 장비 및 공정에서 발생하는 센서 데이터를 분석을 토대로 △장비 고장 및 품질 이상 예측 △제조 불량 분석 △공정 최적화 솔루션을 제공해 공장의 생산성 및 품질 향상에 기여하고 있다.○ 마키나락스가 자체개발한 인공지능 솔루션은 최소 100억 원대부터인 반도체나 자동차 생산 설비의 고장이나 오류를 짧게는 12시간, 길게는 5일 전에 예측할 수 있도록 설계돼 막대한 손실을 예방한다.◇ 좋은 데이터와 데이터 기술자 확보를 위한 실리콘밸리 진출○ 한국에서 기업 솔루션을 제공하는 기업들이 많이 실패했다. 가장 큰 이유는 데이터가 있어야 하는데, 데이터 자체가 굉장히 흠이 있는 데이터라는 점이다. 장비가 얼마나 망가졌는지 외부에 알려줘야 하기 때문에 어려운 부분이다.○ 또한 데이터를 분석할 수 있는 기술자들의 인건비가 굉장히 높고 인력이 귀하다. 최소 연봉이 3억이다. SK텔레콤에서 인건비를 들여서 기술자들을 한국으로 데려와도 기술자들이 한국에서 일하고 싶어하지 않는다.한국에 가더라도 데이터 분석하는 부지는 다 지역에 있어 지역에 가려고 하지 않기 때문이다. 따라서 대기업도 기술자들을 확보・유지하기가 어렵다.그래서 최근 실리콘밸리에 SK Hynix가 진출하여 데이터 분석 기술자가 Hynix가 있는 이천으로 가지 않고 실리콘밸리에서 새로 지은 건물에서 데이터 분석을 할 수 있도록 하는 것이다.◇ 적용이 쉽지 않았던 산업용 AI○ 산업용 AI라는 개념은 예전부터 등장했지만 잘 적용되지 않았다. 포스코가 IoT 시절부터 투자를 많이 했었고 투자를 오랫동안 해서 데이터 분석을 열심히 했지만 지역에 위치하고 있어서 기술자들을 오랫동안 확보하지 못했다. 포스코는 빅 데이터에서 AI 분석까지 5년동안 프로그램을 실행했고 아래 2개를 많이 공표한다.• 용광로, 고로 온도를 일정하게 만드는 알고리즘: 변수가 많아서 어려운 부문이다.• 아이언 도금 최적화 공정‘○ 데이터 시티즌십’이라고 하는 어느 정도 역량이 있으면 교육을 받고 데이터 기술자가 될 수 있는 프로그램이 있다. 이런 프로그램을 통해 일상생활의 간단한 문제를 해결할 수 있다.SK텔레콤도 데이터 시티즌십을 통해 어떤 신입사원이 먼저 퇴사할 것인지에 대한 알고리즘을 만들었다. 그러나 정작 중요한 수율이 올라가는 과정에 대해서는 잘 없다.예전에는 노하우가 많은 엔지니어가 변수 여러 개를 두고 수율을 계산했으나 빅 데이터를 통해 변수가 늘어나면서 AI가 등장하게 된 것이다.▲ 산업용 AI 접목을 위한 4개 요소[출처=브레인파크]◇ 산업용 AI 접목○ 산업용 AI의 접목을 위해서는 아래 4개 요소가 필요하다.• 연결성 : 반도체의 경우 2014년 Hynix 인수할 때 공정 수가 300개였는데 2018년 기준 600개가 됐다. 내년 새로운 Fab이 만들어지면 800개가 넘어갈 것이다.• 복잡성 : 간단한 문제는 AI를 사용할 필요가 없고 빅 데이터, SAS 툴을 사용하면 된다. 하지만 문제가 점점 복잡해지기 때문에 AI를 사용해야 한다.• 기술 : 딥 러닝 아키텍처(컴퓨터 시스템의 구성)에서의 매개변수• 투자 : CAGR(연평균 성장률) 170억 + 2025 시장 (제조업에서의 산업용 AI) Þ 40% 상승◇ 소비자 중심 AI와 산업용 AI의 차이점○ 소비자 지향 AI와 산업용 AI의 차이는 사람이 잘하는 분야에 대해서도 사람보다 기계가 일을 많이 하는 것이 소비자 AI라면, 산업용 AI의 목적은 장비가 너무 복잡해서 언제 망가질지 사람이 예측할 수 없는 그런 부분을 예측하는 것이다. 소비자 중심 AI산업용 AI목표자연 지능과 관련된 업무에 초점산업 문제와 관련된 업무에 초점(예를 들어 수율 향상, 인간의 지능으로 해결하기 힘든 최적화)적용언어 번역, 자율 주행, 비디오 감시PDM(예측정비), 결함 추정, 공정 최적화데이터인간이 해석 가능한 데이터(사진, 비디오, 텍스트, 음성, 소비자 프로필과 활동 등)인간이 해석할 수 없는 데이터(센서 값, 처리 이미지, 현지 기술자 업무 등)○ 사람이 공정 수가 너무 많으면 최적화할 수 없기 때문에 AI가 한다. 사람이 도입한 것이기 때문에 사람 일자리를 위협하는 것을 제외하고 AI로 대체하는 것이다.B2C는 사람들이 다 이해하는 데이터(사진, 텍스트, 비디오 등), 후자는 사람이 이해하기 어려운 데이터(센서 데이터 그래프, 프로세스 이미지 등)이다. 프로세스 이미지는 예를 들어 자동차 부품 안을 찍어서 보면 실금이 잘 보이지 않기 때문에 AI가 찾아내는 것이 필요하다.◇ 산업계에서 산업용 AI의 문제점○ 투자자들이 인공지능에 많은 투자를 하고 있고 산업용 AI에 대해서만 2025년까지 17조 원의 시장으로 확대될 것으로 보고 있다. 마키나락스와 같은 기업이 필요한 이유는 사람들이 시작은 많이 하지만 70% 정도가 잘 되지 않기 때문이다.산업용 AI를 적용하기 위한 4단계가 있다.• 첫째, 개념 검증(PoC, Proof of Concept)• 둘째, 파일럿(실전 테스트 라인 선정)• 셋째, 생산 라인 적용(Deployment)• 넷째, 확장(한 두개 생산에서 공장 전체로 확장 )○ 하지만 대부분 2단계 파일럿에서 끝난다. 이유는 센서 데이터를 해석할 정도가 되려면 전문가이거나 데이터 처리를 사전에 많이 해본 사람이어야 하는데, 그런 경우가 많이 없기 때문이다.◇ 산업용 AI가 해결해나가야 할 도전과제○ 앞으로 해결해나가야 할 도전과제는 다음과 같다. 첫째, 늘어나는 복잡성, 더 높은 기대, 적용 과정에서의 고위험 등에 대한 ‘문제 정의(Problem Definition)’가 필요하다.실제 현장에서 발생되는 문제는 프로젝트 정의가 먼저 이루어져야 하는데, 시장 자체가 초기 적응 단계이다. 이 단계에서는 어떤 문제를 AI 기술로 해결할 수 있는지 아는 것이 어렵다.각 대기업마다 자랑하는 기술이 딱히 없다. 삼성에서 자랑하는 것은 AI 기반 빅데이터 플랫폼인 Brightics인데, 아직까지 이 플랫폼을 가지고 뚜렷하게 개선한 사례는 아직 없다.○ 둘째, 불균형 또는 잡음 라벨, AI 역량 부족, 도메인 지식 통합에 대한 알고리즘(Development)이 필요하다. 문제를 풀려면 도메인 지식이 있어야 하는데 30대 초반의 유능한 필드 엔지니어를 서울대에 6개월 데이터 분석 과정에 보내서 가르치면 데이터 분석 기술자가 되는지 실험해봤으나 데이터 분석 기술자가 되는 것이 아니라 수학만 배우고 온다는 결과가 나왔다. 배경지식이 많고 경험 있는 기술자를 찾는 것이 어렵다.○ 셋째, 시스템 통합, 연속적인 학습, 모델 관리를 통한 작동(Deployment)이 필요하다. 노조원이나 현지 엔지니어는 자신들의 일자리를 없앤다고 생각해서 기계 시각(Machine Vision Project)을 선호하지 않는다.따라서 PoC, 파일럿은 잘 되는데 Deployment가 어렵다. Machine Vision 구현 사이트를 1년 후에 들어가면 방치되어 있는 것들이 많다. 한국에 기계 시각을 구축할 수 있다는 SI(System Integrator, 시스템 통합 사업자) 업체가 협회에 등록된 것만 400개가 넘는다.그러나 정작 성공사례는 없다. 현재 기술의 현주소이다. 시작하더라도 3단계 Deployment할 때 현실적인 문제는 정상 데이터, 비정상 데이터이다.1만 장씩 각각 있다는 공장은 현실에 없다. 흔한 예로 그냥 정상 데이터가 1만 장, 비정상 데이터는 두 장밖에 없다. 정상 데이터는 많고 비정상 데이터는 없다.▲ 산업용 AI가 해결해나가야 할 도전과제[출처=브레인파크]◇ 산업용 AI에 초점을 맞춘 기계 학습○ 크게 4가지 정도의 핵심 기술이 있다. 최근에 딥러닝 모델을 활용한 스타트업 기업들이 많아지고 있다. 딥러닝 모델에 기반하여 주어진 데이터를 가지고 어떻게 좋은 학습 모델을 만들지 집중하는 경우가 많은데 이 분야에서 일을 하다 보니 이 부분도 중요한 것은 맞지만 그 외에도 성공하기 위해 다른 기술들이 많이 필요하다는 것을 알았다.▲ 마키나락스의 4개 핵심 기술[출처=브레인파크]○ 첫째, Active Learning이다. 데이터를 전부 라벨링할 수 없고 레이블은 얻으면 얻을수록 도움이 되기 때문에 효율적으로 얻어야 한다.샘플링을 한 번 할 때마다 비용이 들기 때문에 비용을 최소화하면서 모델의 성능을 올릴 수 있는 라벨링은 무엇인지 찾는 것이 중요하다.어떤 데이터 샘플을 뽑아야 라벨링이 효과적일지, 뽑은 데이터 샘플을 어떤 방식으로 엔지니어 혹은 도메인 전문가들에게 요청해야 흔쾌히 수락할지 2가지 측면에서 고민하고 있다.연속적으로 클릭해서 라벨링 해야 하면 불편해서 수락하지 않을 것이고, 드롭 다운 메뉴에서 고르거나 한 번 클릭할 수 있는 샘플이면 수락할 것이다.○ 둘째, Deep Learning이다. 일반적인 이미지, 텍스트 데이터 라벨링은 비용이 들어도 모든 사람이 할 수 있어서 클라우드 소싱 방식을 선택할 수 있고 데이터가 공개되어 있는 경우가 많아서 작업이 수월하다. 반면 산업용 데이터는 굉장히 제한적인 사람들만 접근이 가능하고 소수만 고장이 났는지 체크할 수 있다.○ 셋째, Continual Learning이다. 아카데미에서는 새로운 과제를 학습할 때 과거에 학습했던 과정도 잊지 않고 잘 가지고 있는 것을 말한다.반면 산업에서는 하나의 장비를 사용하더라도 제조 환경은 계속 바뀌는데, 달라질 때마다 계속 새로운 모델을 만들 수 없기 때문에 계속 변화하는 환경에서 모델 성능을 사람의 개입 없이 어떻게 잘 유지할 수 있을지 고민하고 있다.○ 넷째, Reinforcement Learning이다. 마키나락스도 Reinforcement Learning을 중심으로 하는 프로젝트가 있기는 하지만 보통 시뮬레이션이 가능한 환경이다.반도체, 자동차 장비처럼 좋은 시뮬레이터가 없는 경우 마키나락스가 사용하는 데 아직까지는 제한이 있다. 데이터를 마음대로 뽑을 수 없기 때문에 쓸 수 있는 부분에서만 최대한 활용하려고 한다.◇ 우리가 가지고 있는 기술: 어플리케이션의 핵심○ 핵심 기술로부터 발견한 주요 어플리케이션으로 자동화, 주요 원인 찾기 등이 있다. 이런 분야에 대해서 내부적으로 연구, 개발하고 있고 프로젝트를 하면서 얻은 기술을 IP로 쌓아가고 있다. 경우에 따라서 어떤 기술은 논문으로도 가치가 있다고 느껴지면 논문도 제출하고 있다.○ 가장 첫 단계로 기계 데이터 분석(Machine Data Analytics)이 이루어진다.• 센서 & 시계열데이터 분석 기술○ 다음 단계에서 △비정상 행위 탐지(Anomaly Detection), △시간 예측(Event Forecasting), △근본 원인 분석(Root Cause Analysis), △공정 최적화(Process Optimization)가 이루어진다.• 패널 이미지에서의 결함 추정• SVD 분해를 이용한 태양열 예측• 바이오리액터(생물 반응 장치) 자율제어• NNM(Neural Network Model, 신경망 모형)을 이용하여 다양한 제조 장비 환경에서 이상징후감지• 딥 러닝 모델에 기반하여 자산 고장 예측하기 위해 준 감독 학습○ 마지막으로 4개 핵심기술 △Active Learning, △Deep Learning, △Continual Learning, △Reinforcement Learning이 활용된다.• Continual Learning을 사용한 이상징후 감지• Layerwise Information: loss-based 이상치 탐지• 산업 데이터에 대한 딥 러닝 분석• Class-labeled 이상치 탐지• 딥 러닝 모델을 이용한 데이터 라벨링○ 프로젝트를 할 때 필요한 모델을 구현하거나 누군가가 구현해 놓은 코드를 활용하는 경우가 있는데, 두 경우 다 검증이 안된 것이라는 문제점이 있다.따라서 마키나락스는 자체적으로 자주 쓰이는 모델을 구현하고 검증도 마쳐서 필요할 때 신속하게 활용할 수 있게 한다. 또한 구현해 놓은 모델에 새로운 구성요소를 붙여서 융통성 있게 활용할 수 있도록 한다.▲ Core to Applications[출처=브레인파크]◇ 다양한 부문에 적용되는 산업용 AI○ 일반적인 제조업이 아니라 반도체, 배터리 등 수백 가지 공정까지 가는 여러 가지 변수를 가진 제조 과정이 관련되어 있는 산업을 High Complexity 산업이라고 한다. 딥러닝 기술이 유의미하다고 보는 4가지 산업분야는 다음과 같다.• 반도체 & 디스플레이(Semiconductor & Display): 장비예측정비(PdM), 가상계측(VM), HVAC(Heating, Ventilation, Air Conditioning: 공기조화기술) 최적화• 화학, 제약(Chemicals & Pharma): 프로세스 자동조종장치, 품질검사, 장비예측정비(PdM)• 자동차, 자동차 부품(Automotive): 로봇예측정비(PdM), 조직상 결함 감지, HVAC 최적화• 파워 & 에너지(Power & Energy): 태양열 & 풍력 예측, 배터리 응용프로그램, 발전 최적화◇ 최소 12시간 전 고장을 예측하는 Semicon Time-To-Failure○ 이러한 기술들이 실제로 공장, 산업에 쓰이고 있는 주요 프로젝트를 소개하면 다음과 같다.○ Semicon Time-To-Failure라는 프로젝트를 통해 반도체 세계 1위 장비 기업과 일하고 있다. 유명한 하이테크 기업의 시초가 실리콘밸리에 있어서 부지값이 매우 비싸고 수십억에서 수천억에 달하는 반도체 장비를 활용하는 기업이 많다.이들 기업은 부품이 망가지기 전에 교체, 공정을 바꿔주는 등 일을 해야 하는데 엔지니어들이 항상 24시간 대기하고 있을 수 없기 때문에 미리 예측할 필요성이 점점 커지게 되어 프로젝트가 시작되었다.프로젝트 시작시 다른 여러 경쟁사에 똑같은 데이터 원본을 주고 모델을 만들어보라고 했는데 결과적으로 마키나락스가 1등을 했다. 경쟁 업체 중에선 IBM USA, 실리콘밸리 스타트업 등이 있었다.○ 2년 이상 프로젝트를 진행해왔고, 3단계까지 왔다. Validation Pilot을 하고 있고 내년에는 추가적으로 더 구체적인 Development 프로젝트를 할 것이다.○ 최소 12-24시간 전에 고장을 예측・감지할 수 있고 30-50% 다운타임(정지시간)을 줄일 수 있다. 정확도는 90%이다. 이는 2년치 데이터(정상적인 이벤트, 실패한 이벤트 등) 중 90%를 정확하게 맞췄음을 뜻한다.○ 반도체 센서 종류가 보통 200-400개, 평균 300개가 있는데 300개 센서 데이터 값을 계속 받아보는 것은 실제 온라인 데이터로 하고 있다. 프로젝트의 고도화가 이렇게 진행되고 있다.◇ 완성차 제조현장의 로봇고장 예측 프로젝트○ Robot Arm Anomaly Detection 프로젝트도 고장을 예측하는 프로젝트인데, 완전히 다른 산업인 완성된 차를 제조하는 공장에서 쓰이고 있는 산업용 로봇의 고장을 예측한다.매번 다른 산업을 접할 때마다 도메인 지식과 여러 기술이 필요한데, 이 경우 Semi-supervised Novelty Detection 기술을 가지고 동일한 컨셉을 로봇 팔에 적용했다.○ 로봇 팔은 평균 1억 2천만원 정도이며 그 자체로는 고가의 장비가 아니다. 그래서 창고에 부품을 쌓아놓고 고장이 나면 정비사가 갈아끼우는데 30~40분도 걸리지 않는다.문제는 외국은 1분당 차가 한 대씩 완성되기 때문에 자동차 라인에서 로봇이 수십대에서 수백 대가 늘어져 있고 다운타임이 30분 이상 생기면 어마어마한 손실이 발생한다는 점이다. 따라서 고객사에서 사용하고 있는 로봇의 고장을 최소 3~5일 전에 알았으면 좋겠다는 요구가 있었다.○ 작년까지 쓰인 산업용 로봇이 260만대가 있고 매년 15%씩 증가할 것이라는 산업연구결과가 나오고 있다.○ 반도체가 300가지의 여러가지 다른 데이터 값을 사용했다면 로봇 팔은 순간전류값만 가지고 모델을 만들 수 있었다. 순간전류값은 그 축에 있는 센서에서 나오는 로봇의 표준값인데 Kawasaki, Denso, Honda, ABB, 유니버설 회사에서 순간전류값으로 토크(Torque)를 계산한다.○ 일본 로봇 제작사와 인터뷰도 하고 벤치마킹도 시도해봤는데 그들이 쓰는 룰에 따라 필요한 센서 값, 실험을 통해서 그리스에서 나오는 철 농도를 계산한 값을 사용하고 있었다.앞으로 방향은 PdM 솔루션이고 예지가 아니라 예방에 집중한다고 한다. 추가적인 센서, 바이브레이션을 메이커 회사의 부품 뿐만 아니라 타사에서도 유사한 데이터를 뽑아낼 수 있을지를 고민하고 있다.○ 정확도는 90%이며 5일전에 고장을 감지할 수 있다. AI 솔루션(Edge와 클라우드 관련)을 활용하며 몇백만 달러를 절감하는 효과를 낸다.◇ 초기 단계의 결함을 검출, 큰 손실을 예방하는 프로젝트○ Auto Body Defect Detection프로젝트는 프레스 기계로 자동차 부품 중에 하나인 보닛, 루프를 만드는 제조현장에서 자주 겪는 이슈인 금속판에 스크래치가 생겨날 때 CNN 기술을 사용해서 외관 검사하는 프로젝트이다.○ 결함이 있는 부품을 계속 조립한다해도 마지막 단계인 품질단계에서 제품으로 출시될 수 없기 때문에 처음 단계로 다시 되돌아가야 한다.당시에는 제조현장에서 엔지니어들이 육안으로 확인해야 했는데 마키나락스의 모델을 활용함으로써 앞으로는 전수 확인이 가능하다. 초기 단계에 결함을 빨리 검출해서 향후에 있을 큰 손실을 미리 예방하자는 취지에서 진행했다. 정확도는 95%에 달한다.◇ 계량 데이터에 기반한 공정 최적화 프로젝트○ 미생물 공정 자동조종장치(Microbial Process Autopilot) 프로젝트는 제약사에서 미생물을 직접 키워서 거기서 나오는 바이오 물질을 제약을 생산하는 데 쓰는데 미생물의 생산을 담당하는 주요 장비가 바이오리액터이다.미생물이 잘 자라서 필요한 바이오 물질이 나오도록 사람이 parameter setting을 계속 하면서 최적의 조건을 맞춰줘야 하는데 지난 과거의 데이터를 기반으로 최적의 모델을 만들어서 자동으로 조정할 수 있게 해달라고 고객이 요청해서 POC도 성공적으로 맞추고 모델을 만들었다.올해 연말에 2단계를 진행할 예정이다. 제약사 뿐만 아니라 바이오리액터를 사용하는 곳이면 다 적용할 수 있다고 보고있다.○ 리튬 배터리 결함 예측(Li+Battery Defect Prediction) 프로젝트는 리튬 배터리 셀메이커와 진행했던 프로젝트. 배터리 수율을 높이기 위해 제조공정에서 공정인자 중 어떤 것이 결함에 영향을 주는지 결함에 대한 분석을 요청해왔다. POC는 끝나고 추후 2단계를 진행할 것이다. 정확도는 90%이며 정렬되지 않은 데이터 원본으로부터 결함 요인을 분석할 수 있다.○ 태양열 발전량 예측(Solar Power Prediction) 프로젝트는 커머셜 프로젝트는 아니었고 동서발전, KTX 한국전력거래소에서 경진대회를 각각 열었다.동서발전에서는 태양광 발전량을 예측하는 분야로 최우수상을 받았다. 날씨가 좋을 때는 발전량을 예측하기가 쉽지만 흐린 날에는 정확도가 50% 이하로 떨어진다.그래서 흐린 날 어떻게 예측 정확도를 높일 수 있는지에 대한 창의적인 아이디어였다. 마이크로 날씨 데이터, 위성사진을 추가적으로 분석해서 정확도를 높이는 데 마키나락스의 기술을 적용했다. 이 부분에서 한국전력거래소에서 장려상을 받았다.

□ 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."

시장조사기관 인더스트리데이타애널리스틱(industrydataanalytics)에 따르면 2026년 글로벌 수중 드론 시장이 $US 1억6750만달러 규모로 성장할 것으로 전망된다.2021년 ~ 2026년까지 수중 드론의 시장 규모가 연평균 38.4% 성장할 것으로 예측되고 있다. 수중 촬영이나 낚시, 교육, 해양 생태계 조사, 지진, 해류 등의 조사 분야에서 드론 활용성이 증대되기 때문이다.또한 수중 시설물 관리, 선박 하부검사, 수중 구조물 검사뿐만 아니라 생태계 변화로 사라지고 있는 어종을 보호 및 육성, 관리하기 위해 양식 및 양어장 관리를 위한 수요도 증가하고 있다.따라서 향후 글로벌 해양, 수산, 해운, 항만 분야에서 4차 산업의 핵심 영역으로 수중 드론이 부상할 가능성이 매우 높다.▲ 인더스트리데이터애널리스틱(industrydataanalytics) 홈페이지

인도 데이타 기반 기술 조사기업 어낼리틱스 인사이트(Analytics Insight)에 따르면 2021년 최고의 데이터 과학 리더 10인을 선정했다.최고 수준의 데이터 과학 기술을 통해 업계 역학을 변화시킨 인물들이다. 선정된 인물들은 심도있는 연구와 선구적인 아이디어 등 산업 분야 전반에 걸쳐 획기적인 솔루션을 도입시킨 글로벌 리더들이다.세부 내역을 살펴 보면  벤카타(Venkata Duvvuri),  알베르토(Alberto Pascual),  카를로스(Carlos Prades),  미히르(Mihir Kittur),  팀(Tim Kao),  벤자민(Benjamin Tengelsen),  이머(Imre Szücs), 파르자나(Farzana Noorzay),  라비(Ravi Korlimarla),  딘(Dean Abbott) 등이다.먼저 오라클(Oracle)의 데이터 과학 이사인 벤카타(Venkata Duvvuri)는 기계학습 및 데이터 과학을 전문으로 하고 있다.10년 이상의 경험을 쌓아 결과 지향 데이터 과학, 비지니스, 웹 및 마케팅 분석의 리더이다. 벤카타는 여가 시간에 Northeastern University에서 겸임 교수로 데이터 분석 및 기계 학습을 가르치고 있다.다음으로 알베르토(Alberto Pascual)는 IDBS의 데이터 과학 및 분석 이사로 데이터 과학과 생물의학 영역에서 풍부한 경험을 갖고 있는 컴퓨터 과학 학사 및 생물정보학 박사이다. 카를로스(Carlos Prades)는 Antofagasta Minerals의 데이터 과학책임자로 약 10년간 현장에서 업무를 수행한 인물이다. 2021년 데이터 과학팀을 꾸려 탐사에서 채굴 작업 등 여러 단계의 프로젝트를 이끌었다.미히르(Mihir Kittur)는 Ugam의 공동 설립자이자 최고 상업 책임자이다. 인공신경망을 사용한 로봇 팔 개발 관련 공학 논문을 발표했다.팀(Tim Kao)은  해군분석센터(CNA)의 데이터 과학 부사장으로 지난 20년 동안 미 해병대에서 근무했다. 2015년 CNA에 합류했다.벤자민(Benjamin Tengelsen)은 optimAize Marketing Solutions의 공동 설립자이자 CEO 및 데이터 과학자로서 머신러닝 모델을 개발했다. 데이터 사이언스 리더로 활동하고 있다.파르자나(Farzana Noorzay)는  Tillster사의  데이터 과학, 분석, 엔지니어링, 데이터 제품 팀의 수장이다. 라비(Ravi Korlimarla)는 데이터 과학 및 고급 분석 이사로 15년간 데이터팀과 함께 데이터 프로젝트를 추진하고 데이터 및 분석에 관심과 열정을 쏟았다.딘(Dean Abbott)은 SmarterHQ의 수석 데이터 과학자로 국제적으로 인정받고 있는 데이터 마이닝 및 예측 분석 전문가이다. 지난 20년 이상 고급 데이터 마이닝 알고리즘, 데이터 준비 기술, 데이터 시각화 등의 적용 경험을 갖고 있다.▲ 벤카타(Venkata Duvvuri)의 Linkedin

미국 IT 시장조사 기업 IDC(International Data Corporation)에 따르면 2021년 글로벌 빅데이터 및 분석 솔루션(BDA) 관련 지출액이 US$ 2157억달러에 도달할 것으로 전망된다. 2020년 BDA(Big Data and Analytics) 대비 10.1% 증가했으며 향후 2021~2025년까지 글로벌 연평균 지출액이 12.8%가 될 것으로 예상된다. 특히 향후 5년간 소프트웨어 분야의 연평균 지출액은 15.1%가 예측된다.현재 BDA에 가장 많이 투자하고 있는 산업은 은행, 개별 제품 제조, 전문 서비스 영역으로 2021년 BDA 지출의 3분의 1을 차지할 것으로 전망된다.공정제조, 통신, 연방 및 중앙 정부 등 3개 산업 분야의 2021년 지출 규모는 약 470억달러가 될 것으로 예상된다.또한 2021년 BDA의 50%이상이 서비스 분야에 지출될 것으로 예측된다. 서비스 분야 중 850억달러는 IT 서비스 분야, 나머지는 비지니스 서비스 분야에 지출 될 것으로 전망되고 있다.두번째로 지출 규모가 큰 분야는 소프트웨어로 총 820억달러의 지출이 예상된다. 이중 50% 이상이 3가지 형태의 응용 프로그램, 나머지는 13개 카테고리의 소프트웨어에 각각 지출될 것으로 전망된다. 3가지 유형의 응용프로그램은 엔드유저 쿼리 리포팅 분석툴(End-User Query, Reporting, and Analysis Tools), 관계형 데이터 웨어하우스(Relational Data Warehouses), 비관계 분석 데이터 저장소(Nonrelational Analytic Data Stores) 등이다.BDA 지출이 가장 큰 지역은 미국으로 1100억달러가 예상된다. 또한 일본은 124억달러, 중국은 119억달러, 영국은 100억달러를 각각 지출할 것으로 전망된다.▲ IDC(International Data Corporation) 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), 두산모빌리티이노베이션에 이어 소개하려는 기업은 이노뎁(주)(이하, 이노뎁)이다.이노뎁은 국내 최초 VMS(Video Management Solution) 전문기업으로 Total Security Platfrom을 개발하고 있는 IT 기업이다. 지난 2008년 1월 설립해 클라우드, 스마트시티, 영상관제, 지능형영상분석, 주차관제, 출입통제 등 다양한 사업 분야로 확장했다.보유 기술은 VMS와 TMS/DMS(스마트시티 통합플랫폼)으로 뷰릭스(VURIX) VMS는 서버/클라이언트 구조의 통합영상관제 솔루션이다.♦ 통합영상관제 솔루션 개념도(출처 : 홍보자료)무한대의 카메라 확장성, 체계화된 API를 통해 수백종의 이기종 카메라, 타사 소프트웨어와의 연동 가능한 특징을 가지고 있어 사업 확장이 용이한 오픈 플랫폼이다.스마트시티 통합플랫폼은 클라우드와 On-premise의 하이브리드 형식 플랫폼으로 실시간 의사결정과 다양한 데이터를 수집할 수 있는 하이브리드형 플랫폼이다.주요 제품으로 빅데이터 기반 DMS(Data Management Solution), 클라우드 서비스(VSaas On Azyrem Anazon web servicem G-Cloud, Cloud Z), 통합관제플랫폼(API 기반 Open Platform) 등이 있다.또한 All-in-one Application(가상화 IP-Matrix, 1000ch NVR), 주차관리 시스템/도로방범 시스템/출입통제시스템, Smart AI Monitoring, 영상 압축 및 빅데이터 분석 도구 등도 포함된다.특히 이노뎁의 e-DaaS Platform은 5GX Drone Live 비행 관제 시스템, D-NVR(e-Daas NVR(Network Video Recorder)), D-VAS(d-DaaS VAS(Video Analytics System)) 등에 적용된다.♦ e-DaaS Platform 적용분야(출처 : 홍보자료)이노뎁은 국산 VMS 제공을 목표로 오픈 플랫폼 정책 도입 , 다양한 CCTV 제조회사, 솔루션 개발 업체와 협업하고 있다.4차 산업혁명 기반 스마트시티, 스마트 팩토리, 스마트 파킹 등 다양한 산업군에 디지털 시큐리티 솔루션 및 서비스를 적용해 나갈 계획이다.