시트린 인포머틱스(Citrine Informatics)414 Mason Street, San Francisco, CA 94102www.citrine.io  브리핑미국샌프란시스코  □ 주요내용◇ 스탠포드 출신이 설립한 인공지능 플랫폼 스타트업실리콘밸리에서 성공한 인공지능 플랫폼 스타트업으로 꼽히는 시트린 인포머틱스(Citrine Informatics)는 노스캐롤라이나 주립대학에서 전기공학, 캠프리지대학에서 재료공학, 스탠포드에서 MBA를 전공한 그레고리 멀홀랜드(Gregory Mulholland)가 2013년 설립했다.재료와 컴퓨터를 연결해서 정보서비스(informatics)를 제공하는 회사로 2년 전부터 회사의 툴을 보급했다. 2010년도부터 재료공학과 컴퓨터과학의 융합을 시도했다. 정부와 연구기관들은 이전부터 어느 정도 참여를 했지만, 민간기업은 최근에야 시스템에 합류했다.그는 재료, LED, 박막, 산화물, 태양 전지, 녹색 기술, 소프트웨어, 웹 가능 도구, 신기술, 데이터 분석, 혁신 기술 마케팅, 중소기업 전략, 그리고 고객 및 투자자 발굴, 재무에 이르는 폭넓은 연구영역과 업무역량을 가지고 있다.시트린은 제조업체들이 방대한 데이터를 가지고 있는데, 최적의 신소재를 신속하게 찾아낼 방법은 무엇인가? 목표를 달성할 수 있도록 기존 소재 시스템을 신속하게 최적화하는 방법은 없는가? 알려진 소재에 대한 알려지지 않은 정보를 어떻게 찾아낼 것인가? 하는 문제의식을 바탕으로 이 회사가 창립되었다.◇ 한국에서 열린 4차 산업혁명 국제심포지엄에서 발표시트린의 창업자 중 한 사람인 더글러스 람시(Douglas Ramsey)는 오바마 대통령 밑에서 선진 제조업 분야의 투자 자문을 하는 보좌 역할을 했다.람시는 "엔지니어로도 일을 했기 때문에 우리가 어떻게 비용을 절감하면서 빠르게 일을 효과적으로 할 수 있는지를 연구하는데 도움이 됐다"고 말했다.이들의 연구결과는 백악관에서도 발표했고 유럽과 한국에서 열린 4차 산업혁명 국제심포지엄에서도 발표했다.시트린의 주요 투자자는 Eric Schmidt 펀드와 Data Collective and Prelude 벤처이다.실리콘밸리에서는 창업을 하면 투자등급을 정해 주는데 시트린은 시리즈A 등급을 받고 있다. 시트린의 자문역은 현재 나이키에 근무 중이고 미국 소재게놈 이니셔티브의 리더였으며 오바마 행정부에서 신소재에 관련된 자문역을 맡았던 사이러스 와디아(Cyrus Wadia)이다.사이러스가 소속된 회사는 20억 달러의 정부지원금을 받았는데 시트린도 규모는 적지만 정부로부터 많은 지원을 받았다. 또한 많은 대학들이 이 회사에 학생들에게 가르칠 교과과정을 만들어달라는 요청을 하고 있다.◇ 관련 조건에서 모든 재료 및 화학물질의 반응 예측▲ 브리핑 중인 Greg Mulholland[출처=브레인파크]재료, 자동차, 우주항공, 전자산업 분야에서 포브스지가 선정한 1,000대 기업에 선정되기도 한 시트린 인포머틱스는 재료 및 화학물질을 위한 인공지능, 머신러닝(기계학습기반) 플랫폼으로 특허, 논문, 보고서, 기존 데이터베이스와 같은 수많은 소스의 데이터를 수집, 분석하여 관련 조건에서 모든 재료 및 화학물질의 반응을 예측하는 'Citrination'이라는 플랫폼을 만들었다.세계에서 가장 규모가 큰 소재 관련 데이터 플랫폼으로 전 세계의 물질적 지식을 통합하고 있으며, 인공지능 기반의 강력한 툴을 바탕으로 페인트, 강철, 자동차, 환경친화적 제품 등의 제조에 필요한 정보를 가장 빠르게 제공하고 있다.이들은 이 플랫폼을 통해 첨단의 인공지능 기술을 제조와 재료에 어떻게 활용할 것인지를 연구하고 있다. 예를 들어 어떻게 하면 차를 가볍게 만들 것인지, 재활용 분야에서 어떻게 자연친화적으로 처리할 것인지, 도움을 주는 정보를 제공하고 있다.시트린의 플랫폼은 인공지능을 이용한 소재 게놈(material genome)을 기업, 컨소시엄 및 연구소 등에 제공하여 제조 및 연구개발의 목표를 빠르게 달성할 수 있도록 지원하는데 시트린의 예측결과를 활용하면 R&D 및 제조 프로세스 소요시간을 50%까지 단축시킬 수 있다고 한다.◇ 최대·최신 데이터 구축으로 빅데이터 분석시트린 플랫폼의 기능은 크게 4가지로 구분할 수 있다. 첫째, 데이터 추출이다. 중요한 데이터가 포함된 기술문서를 구조화하고 검색 가능한 데이터베이스로 변환한다.그림, 표, 텍스트 모두 플랫폼에 구현된다. 회사나 학회에 있는 논문 등 세계 도처에 있는 연구소에서 연구한 결과물을 플랫폼에 얹는 작업을 한다. 세계 100개 이상의 대학과 협력하고 있고 미국 11개의 국가 연구소에서도 데이터를 수집하고 있다.둘째, 빅데이터 분석이다. 시트린의 머신러닝은 하나의 단위가 아닌 대규모 재료 및 화학 데이터를 제작, 분석하므로 제조기업의 문제 해결에 도움을 준다.만약에 뚜껑이 병에 맞지 않는다고 했을 경우, 1,800만개 이상의 데이터를 보고 추천을 해 줄 수 있다. 엔진을 사용하면 아주 새로운 재료까지도 추출해 낼 수 있다.셋째, 세계에서 가장 큰 물리적 데이터를 수집한다. 지금까지 1,800만 개 이상의 데이터들을 수집했다. 시트린은 세계에서 가장 방대한 재료에 관한 데이터베이스를 가지고 있다.유저가 미래에 무엇을 할지도 파악하고 있다. 시트린은 플랫폼이 내부적으로 지식을 향상시킬 수 있도록 게시된 자료 및 화학물질 데이터를 계속해서 통합하고 있으며 그 결과 전 세계 약 2,000여개 기업, 학술기관과 정부의 신뢰를 받고 있다.넷째, 확장 가능한 최신 데이터 인프라를 구축하고 있다. 시트린 플랫폼 자체에서 데이터 시스템 인프라를 구축하고 있으므로 이를 사용하는 기업이나 조직에서 별도의 인프라를 구축하거나 IT 문제를 겪을 필요가 없다.◇ 시트린의 데이터 분석에서 제공까지 과정시트린의 데이터 분석에서 제공까지의 과정은 다음과 같다. 먼저 데이터 처리(ingest data)를 한 다음, ML 모델 교육(Train ML models)을 하고, 모델과 최적화기를 투입(Deploy models & optimizers)한다.이어 사용자 대상 R&D와 제조업 관련 조언(guide user R&D and mfg.)을 하고, 사용자가 더 많은 정보를 창출할 수 있도록 지원(user generate more data)을 하는 과정을 거치는 것이다.◇ 소재 정보학이라는 새로운 지평 개척시트린은 소재 정보학이라는 새로운 지평을 개척한 회사로 평가받고 있다. 거의 모든 연구가 대학, 정부산하 연구소에서 진행되고 있지만 그동안 소재 정보학 관련 프로젝트를 기업 내에서 성공적으로 진행한 기업은 거의 없었다.주요 인프라와 훈련 장벽이 존재했다. 시트린이 소재정보학 관련 상품을 출시한 유일한 기업이며 상업적인 면에서도 세계적인 선도기업이다.시트린은 2016년에 세계 MGI 컨퍼런스와 백악관 MIG를 조직했다. 시트린 덕분에 2016년은 소재관련 글로벌 커뮤니티가 연결되고 통합되기 시작한 해로 기록될 것이다.소재 정보학의 응용분야는 열전기학(Thermoelectric), 적층가공(Additive Manufacturing), 밧데리, 이온 전도체, 자기열량(Magnetocalorics) 등이다.▲ 소재정보의 성장 추이도[출처=브레인파크]◇ 재료 성능 예측 데이터 분석으로 R&D시간 단축시트린의 플랫폼을 이용하는 대상별로 플랫폼을 통해 얻을 수 있는 장점을 살펴보면, R&D과학자 및 엔지니어는 제품디자인(설계) 단계에서 후보 재료가 어떤 조건에서 어떻게 작용하는지를 즉시 알 수 있고, 새로운 재료 및 화학물질의 성능을 예측하고 동시에 수십 가지의 특성을 최적화시킬 수 있다.생산관리자는 과거 생산데이터를 분석하여 공정을 변화시켰을 때 제품의 노후화, 오류에 미치는 영향을 분석해낼 수 있고, 결함을 관리할 수 있다.자재 판매 및 고객 담당자는 고객의 요구사항과 제품의 연관성을 분석하거나 잠재고객이 구매 결정을 내리는데 필요한 정보들을 파악해볼 수 있다.시트린의 주요 파트너로는 △포춘지 선정 도금산업 200대 기업 △제너럴모터스, 보잉사, 현대, 파나소닉, 큐테크 등 700여개 제조기업 △DARPA(미국 방위고등연구계획국), 미 연방 에너지부, 과학재단 등 정부기관 △Elsevier 저널 △스탠포드대학, 메릴랜드대학, 산타바바라대학, 버클리대학, 노스웨스턴 대학 등이 있다. 대부분의 고객은 비밀로 되어 있는데 공개할 수 있는 것은 몇 개 정도이다. 주로 재료와 페인팅 쪽 회사의 일을 많이 했다.◇ 소재 정보학 분야의 시트린의 증명된 리더쉽시트린은 50회의 논문발표, 토론회에 초대받았고 다양한 저술에서 인용되었고 APL Material지의 소재 게놈편 논문에 게재됐다.시트린이 최근 참여한 이벤트로는 '주요 소재에 대한 EU-US-일본 삼자 컨퍼런스'가 있으며 주요 IT 관련 컨설팅 회사 Gartner가 시트린을 5대 제조 관련 R&D 기업으로 선정하기도 했다.▲ 시트린의 주요 고객[출처=브레인파크]스탠포드 경영대학원은 "시트린 빅데이터를 소재 개발에 이용했다"며 혁신을 주제로 한 잡지에서 시트린을 주목하기도 했다.APL Material은 "소재 관련 데이터 자원의 집중화에 괄목할 만한 진전을 이룬 유일한 조직이 시트린 인포메틱스이고, 소재 개발과 최적화를 위한 데이터 마이닝에 전문성을 가지고 있다."고 소개했다.◇ 그동안 연구되지 않았던 원소 집중 연구시트린이 실시한 최초의 프로젝트는 화학의 원소표를 모두 체크해 가면서 그동안 많은 연구가 되지 않았던 원소를 집중적으로 연구하는 것이었다.그런데 시트린의 소프트웨어에 과학자들이 어떤 부분에 집중하는지 대입을 해 보았더니 소프트웨어가 별모양으로 되어있는 원소를 찾아 주었다.연구원은 이것을 믿지 않았지만 실제 만들어 보니 소프트웨어가 맞았다는 것을 알게 됐다. 이것이 소프트웨어가 개발한 전혀 새로운 원소였다.또 다른 사례로 3D프린팅을 들 수 있다. 다국적 기업과 협업을 했는데, 대표적인 회사가 록히드 마틴이었다. 또 다른 예는 차세대 전기자동차에 들어가는 배터리이다. 시트린은 시카고에 있는 알곤이라는 국립 연구소와 공동으로 배터리 연구를 하고 있다.이온 전도체(ionic conductor)는 미국 에너지부와 공동으로 진행하는 프로젝트이다. 그런데 순식간에 Oxygen Conductor라고 하는 부분에서 세계 최고의 데이터베이스를 구축했다. 이는 미국정부가 가지고 있는 것보다 큰 것이다.다음 사례는 Magnetocalorics라고 하는 것으로 17개 국립 연구소에서 데이터를 입수한 신규 프로젝트이다. 시트린은 데이터베이스와 툴을 구축하고 있는데, 협업을 하는 회사 중 하나가 유나이티드 테크놀리지라는 회사이다. □ 질의응답- 소프트웨어가 전혀 새로운 원소를 찾아냈다고 했는데, 알파고가 전혀 엉뚱한 수를 둔 것과 비슷한 원리인지."알파고는 엄청난 양의 데이터에 접근할 수 있는 능력을 가지고 있었다. 우리가 만든 소프트웨어가 그런 역할을 할 수 있다. 알파고와 비슷하지만 알파고는 엄청난 데이터를 가지고 있지만 시트린의 소프트웨어는 데이터가 적어도 이런 결과를 낼 수 있다는 점이다."- 아까 발표했던 선순환(Virtuous Cycle)에 따르면, 고객들과 빠르게 실시간으로 소통하는 것이 가능하다고 했는데, 전 세계의 사용자와 고객들 모두에게 가능한 것인지."그렇다. 전 세계 어디서나 실시간으로 소통이 가능하다. 알파고는 새로운 게임을 할 때마다 스스로 자기학습을 해서 능력을 키운다.알파고가 게임을 많이 하는 훈련이 리얼타임 학습이다. 우리는 국립 연구원이나 대학교와 연계를 통해 재료공학의 재질과 물성에 관한 1,800만 개의 데이터베이스를 보유하고 있다."- 연구소들이 실시간으로 연구 결과를 제출해 주어야 하는데, 이런 분들이 이 소프트회사로부터 받는 것이 있어야 제출을 할 것 아닌가? 어떤 인센티브가 있는지."어떤 곳과 계약을 맺고 있어 데이터베이스를 전송해 줄 의무가 있다. 상당수의 회사들이 자사의 데이터베이스를 여러 군데 저장하는 것보다 우리 같은 회사 1개에 전송하는 것이 편리하기 때문에 데이터 수집은 그리 어렵지 않다.알파고와 연계해서 말씀드리면 10년전 왓슨 컴퓨터가 체스 챔피언을 이겼다. 지금도 체스경기가 열리지만, 우리는 연구자와 기계가 협업을 하자는 것이지, 누가 이기느냐 하는 게임을 하는 것이 아니다. 컴퓨터와 사람이 협업을 하면 뛰어난 천재를 이길 수 있다.우리는 사람들에게 직업을 더 만들어주는 것이 목표이다. 적절한 역할을 컴퓨터가 수행하지만 그것을 조종할 수 있는 업무를 사람들에게 주는 것이 우리들이 추구하는 바이다."- 주기율표에서 무엇을 연구하려고 하다가 새로운 원소를 만들어내게 된 것인지."처음 연구원들이 주기율표를 들여다보고 있을 때는 학계와 공동으로 일을 하고 있었다. 우리는 가운데 있는 원소들하고 조금 특성이 다른 원소가 있는지 알아보려고 한 것인데, 이 과정에서 우리가 생각했던 것이 아닌 새로운 원소를 소프트웨어가 찾아준 것이다."- 열전도성이 높은 원소를 찾고 있었던 것인지."우리가 찾으려고 했던 것은 열전도성은 높지만 상수는 낮은 것을 찾으려고 했는데, 소프트웨어가 이상한 것을 찾아 준 것이다."- 누군가 연구를 했던 결과물이기 때문이 아닌지."서로 조합을 해서 나올 수 있는 것이기 때문에 이런 결과가 나온 것이지 연구 결과물이 있어서 그런 것이 아니다."- 리튬을 대체할 수 있는 연구도 가능할 것 같은데."원소에 대해 더 많은 연구를 할 예정인데, 그런 것을 하기 위해서는 재료 연구와 같은 엄청난 자료가 필요하다. 우리가 가장 중요한 원소를 대체하는 것에 대해 연구하고 있는데, 리튬은 거기에 아직 속하지 않는다.인디움 같은 원소는 대체하려고 노력하고 있다. 리튬은 부피가 큰데, 이것을 우리가 들여다보고 있는지 없는지는 알아서 생각하기 바란다.한 가지 덧붙이고 싶은 것은 재료 쪽의 도전적인 과제는 최고의 퍼포먼스를 얻는 것이 최종 목적은 아니라 비용을 절감하는 것이다. 주로 과학자들은 비용을 생각하지 않는데, 우리는 비용과 효과를 함께 생각한다."- 기초 데이터가 숫자 개념인지 텍스트 마이닝이 필요한 데이터인지? 연구실마다 기초 데이터의 타입이 모두 다를텐데 어떻게 정리를 하는지, 데이터가 연구실마다 다르게 나타날 수 있을 텐데."주로 우리는 숫자로 된 데이터를 사용한다. 가끔 텍스트로부터 데이터의 숫자를 추출해서 입력한다. 주로 하지 않는 텍스트는 '철강은 반짝거리고 강하다'라고 할 때 세부적으로 묘사하는 것이 아니라 숫자를 연결시키려고 노력하고 있는 것이다.우리는 뛰어난 퀼리티 데이터 문제를 해결하려고 노력한다. 예를 들어 두 개의 국립연구원에서 좋다는 데이터를 받아보았는데 가치가 다르다면 다른 이유가 있을 것이다.이런 경우에 메타 데이터가 있었는지 실험방법 등을 연구하게 된다. 저와 동료가 연구를 했을 때 동료가 한 것이 좋았다면 제 것을 버리는 것이다.어떤 실험을 하기 전에 AI가 이 정도 수준의 데이터가 나올 것이라고 예측을 했을 때 맞으면 선택하고 맞지 않으면 버리는 것이다.여기서 말하는 것은 데이터를 정상화한다고 말하는데, 데이터가 좋든 나쁘든 데이터를 조작하지는 않는다. 나쁘면 버리는 것이지 좋게 만들지는 않는다."- 시트린은 소프트웨어 회사인데, 새로운 소재를 발견했으면 실현시키기 위한 테스트는."시트린은 소프트웨어 회사라 테스트는 하지 않는다. 우리는 소프트웨어를 대규모의 재료와 관련된 회사에 판매를 한다. 소프트웨어를 사간 사람들이 우리 회사의 지적 재산권을 갖게 되고, 고객들이 스스로 실험을 하게 되는 것이다."- 예측한 결과를 실제로 실험을 했을 때 성공비율은."성공률은 측정하지 않는다. 고객사가 가져가서 자체적으로 테스트를 하는 것은 그쪽의 일이기 때문이다. 합성수지 폴리머에 대한 실제 케이스를 보자. 데이터를 갖고 모델링을 하고, 옵티마이즈를 하고 디자인을 한다.대충 1분 내로 알려주는데 물론 소프트웨어가 알려주는 것은 가설적인 것이기는 하지만 이것을 가져간 고객사에서는 과학자가 이런 내용을 보고 자기의 데이터를 입력해서 만들어보는 것이다."- 모든 소프트웨어는 버그가 있는데 어떻게 발견하고 디버깅을 어떻게 하느지."소프트웨어에는 두 가지 종류의 버그가 있다. 첫 번째는 디스플레이상의 버그가 있는데 이를 방지하기 위해 표준화된 테스팅을 하고 있다.두 번째 버그는 모델링을 해놨는데 엉터리였을 때 표준화된 AI테스트를 확인한다. 신규데이터가 들어왔을 때 고객사가 데이터 변경을 할 때 마다 돌려 확인하면 모델링이 얼마나 잘되고 있는지를 알 수 있다.그런 결과 초기에는 AI버그가 상당히 많았는데 고객사들은 시트린의 소프트웨어에서 AI버그를 거의 발견하지 못하고 있다."- 이번 창업이 몇 번째인지, 창업시 힘들었던 점, 실리콘밸리의 학교나 기관에서의 지원을 받았던 경험은."시트린은 처음으로 창업한 회사이다. 회사를 만들었을 때 가장 어려웠던 점은 아이디어를 어떻게 하면 사람들이 사용할 수 있는 소프트웨어로 만들 수 있을까 하는 것이었다.실리콘밸리에는 뛰어난 아이디어들이 많이 나오지만 다 성공할 수 없다. 너무 뛰어나면 사람들이 많으면 모두 받아들일 수 없기 때문에 그 아이디어를 구체화시키는 것이 가장 어려웠다.창업을 하려면 VC에 가서 돈을 달라고 해야 하는데, 세 가지 질문에 대답해야 한다. 첫 번째, Technology Risk로 당신의 회사가 실제로 이것을 만들 수 있느냐?두 번째, Market Risk로 당신의 회사가 이것을 만들었을 때 고객들이 사겠다고 생각했는가? 세 번째 질문 Execution Risk로 당신의 팀이 이것을 실행할 준비가 되어 있는가? 이다."- 두 번째 질문에 대해 어떻게 대답했는지."우리끼리도 매일 세 가지 질문에 대답을 하고 있는데, Market Risk에 대한 질문이 제일 어려운 질문이었다. 벤처캐피탈들은 재질에 관련된 분야는 많이 알고 있기 때문에, 이런 제품을 여러 군데 다니면서 많이 팔아 보면 사람들이 많이 산다고 하니 돈을 지원해주겠다고 한다."- 교과과정도 만들었다고 하는데, 어떤 과정을 만들었고 어떤 방식으로 만들었는지."대학에서 교과과정을 개발해달라고 요청이 들어오지만 실제로는 개발한 과정이 많지는 않다. 대신 대학과 학생들과 협업을 통해 그들이 필요한 혁신적인 기술을 개발하는데 동참을 하고 있다.특히 화학, 재료과학, 컴퓨터 과학이 겹치는 분야에 대해서 주로 많이 한다. 예를 들어 요즘은 재료과학자들이 전부 코딩을 할 수 있는 능력이 있고 코딩하는 사람들도 다른 분야를 알고 있다. 이렇게 중첩되는 부분에 대해 주로 자문과 교재개발을 하고 있다."- 실리콘밸리의 반도체 기판에 대해서도 이제 한계가 온 것 같은데, 다른 재료를 찾아내는데 관심이 없나? 트리즈 기법이라고 수많은 특허를 분석해서 과학적으로 해법을 찾아내는 방법에 대해 알고 있는지."개인적으로 반도체 업계에 종사했지만, 갈륨이 실리콘웨이퍼(siliconwafer)를 대체할 것으로 생각하지는 않다. 갈륨은 고주파칩에 활용할 수 있는 특성이 있고, 실리콘은 다른 특성이 있다.러시아의 트리즈 기법에 대해서는 잘 모르지만 미국에도 유사한 것을 제공하는 기업이 있다. 제 생각에는 특허를 분석해서 방향 제시를 하는 것은 매우 유용한 것이지만 특허를 이렇게 제작하라고 지시하는 것은 말이 안된다.특허는 워낙 광범위한 크레임을 가지고 있기 때문이다. 현재 미국 내에 특허와 관련되어 있는 소프트웨어는 어떤 식으로 사용하느냐하는 내용은 다른 곳에 이미 나와 있다. 그 정도 수준에서 사용하고 있다."- 창업을 하면서 가장 주저했던 점과 창업 동기? 전체 직원들이 몇 명인지."이쪽에서 연구를 하다 보니 데이터가 너무 많고 분석하기가 쉽지 않다는 생각을 하고 있는데 공동창업자가 그런 솔루션을 가지고 있었다.우리끼리 프로젝트를 진행하면서 서로 이야기를 하다 보니 어느 순간 뭔가 손에 들어왔다는 느낌이 들었을 때 창업을 하게 된 것이다.창업을 해서 지금도 안고 있는 어려움은 초창기 창업을 3명이서 했을 때는 아무 문제가 없었는데 지금은 직원들이 많아져 부하직원의 가족까지 책임져야 하는 것이다. 제가 내린 결론 때문에 직원들에게 월급을 주지 못하는 경우가 생길까 걱정이다. 직원들은 모두 21명이다"- 직원들의 전공은."컴퓨터과학자, 재료공학, 인사 등 행정이 각각 3분의 1이다."- 내가 자동차 회사 대표로서 고객이라 생각하고 무엇을 받고 무엇을 줄 수 있는지 말해 달라. 그러면 시트린이 하는 일이 쉽게 이해가 갈 것 같다."내가 소속되어 있던 회사는 금속 회사였는데 신규 금속을 찾아야 하는 상황이 됐다. 예를 들어 트럭을 제작할 때 중량을 감량시킬 수 있는 재질을 찾아봤다.내가 일했던 회사는 연구원 500명이 있었고 통상 10년에서 20년 정도 발명 사이클을 가지고 있었다. 그런데 시트린 같은 회사에 동참하면서 10년 사이클을 5년으로 줄일 수 있을까를 고민하기 시작했다.컴퓨터와 연구원을 연결해 주면서 기술주기를 단축할 수 있었다. 예를 들면 미국의 S150라는 재질이 알루미늄인 트럭이 있는데 이 트럭의 발명에서 구상까지 15년이 걸렸다.그런데 3년 이내로 줄일 수 있다면 경쟁사 까지 포함해서 구도를 모두 바꿀 수 있게 되는 것이다. 통상적으로 고객사는 현금을 주고 소프트웨어를 사가고, 자사의 데이터를 입력한다.그러면 우리는 그것을 가져다가 데이터를 입력해서 소프트웨어 툴을 전달해 주면 된다. 예를 들면, 현대자동차는 연구원만 2만 명이나 있는 것으로 알고 다.연구원들의 작성물에는 특허도 있고 기업비밀도 있을 것이다. 우리가 특허나 기업비밀을 수집해서 하나의 데이터베이스에 수록하고 엔진을 만들어 주면, 현대와 우리 사이에 피드백이 진행이 되는 것이다."- 구매로 끝나는 것이 아니라 어떤 기간 동안은 계약 관계가 성립하는 것인지."고객사와 우리의 협업이 이뤄지는 것이다."- 가격이 제일 싼 것은."일 년에 제일 싼 것은 15만 달러에서 20만 달러이다. 물론 우리가 계약은 통상적으로 3년 단위로 하고 있다."- 시트린이 추구하는 동종업계의 차별화 전략과 추구하는 가치는."새로운 재료를 개발해서 제품화하는데 걸리는 시간을 줄여주자는 것이고, 에너지 문제와 자원문제 해결에도 도움을 주자는 것이다.다른 회사와 차별화하는 전략은 딥 마인드는 상당히 얕고 광범위하게 하는 반면, 우리는 한 분야에서 매우 깊이 있게 들어가는 것이 가장 큰 차이점이다. 재료에 관한 방대한 데이터가 있는데, 시트린 만이 방대한 데이터를 전부 취급해서 솔루션을 제공할 수 있다."- AI분야에서 공인된 효율적인 테스트를 위해 회사끼리 협력이나 회사와 정부와의 협력이 이루어지는지"정부와 회사가 협업하는 것은 없고 우리가 자체적으로 AI테스트를 만들어냈다. AI테스트는 AI시스템 내에서 발생하는 에러를 확인하는 것으로 우리가 자체적으로 가지고 있는 수학적인 스탠다드 테스트이며 5,6가지 방법으로 하고 있다. 나중에는 공인된 테스트 기관이 나올 수도 있겠지만 현재는 없다."- AI가 4차 산업혁명에 기여한 역할은."지금 4차 산업이라고 하는 것은 두 가지 전제가 놓여 있다. 가장 기본은 과거에 볼 수 없었던 방대한 양의 데이터를 수집하는 것이고 또 한 번도 해 보지 않은 방법으로 데이터를 분석하는 것이다.4차 산업이라는 단어가 정의가 되었을 때는 광범위한 데이터를 수집하는 쪽에 국한되었는데, 지금은 그것을 훨씬 넘어서는 영역으로 넘어갔다.데이터를 수집하는 것은 쉽지만 데이터를 가지고 어떤 의미 있는 것을 창출해내느냐 하는 것이 어려운 과제가 되는 것이다. 백악관과 일을 할 때 각 업계한테 데이터를 취급하는 툴을 도입하라고 한 적이 있다.데이터가 사용가능한 데이터여야 하고 인간이 분석을 할 수 있어야 한다. 디바이스가 발전하고 데이터가 우수하면 경쟁할 수 있다."- 미국도 데이터 과학자가 많이 모자라는지, 데이터 과학자나 분석가들을 기업에서 자체적으로 양성을 하게 되면 기업의 전망이 어떻게 될 것 같은데."지금 미국에서는 데이터 과학자라고 하면, 두 단계로 나눈다. 상위는 쉽게 말하면 우리 회사에서 근무하는 직원들이고, 알고리즘 개발자인데, 현재 이들의 수는 많지 않다.두 번째 하위 단계의 데이터과학자들은 고객사에서 툴을 사용하는 사람들인데 2~3년 전에는 그 수가 적었지만 지금은 많이 늘어났고, 5년 후에는 더 늘어날 것이다.현재 미국에서는 빅데이터와 관련된 상당히 많은 트레이닝이 진행되고 있다. 지금 우리 회사에는 상당히 많은 숫자의 데이터 과학자들이 있다.미국에서 고객이 될 가능성이 있는 회사들은 자체적으로 분석을 하려 않기 때문에 기업에서 데이터 분석가들을 많이 고용하더라도 우리 회사는 미치는 영향은 없다.오히려 데이터에 대한 이해도가 깊어져 사업이 더 잘 될 수 있을 것이라 생각한다. 우리는 기술, 소프트웨어, AI툴 모두 가지고 있다. 이제 업계에서 이것을 받아들여야 하는 상황에 온 것이다.그런데 5년 정도 후면 미국 대기업들은 자체적으로 AI를 도입하게 될 것이다. 제트기 엔진을 만드는 GE는 AI를 활용할 계획을 수립해 두었다. 많은 회사들이 시도를 할 것이다. 하지만 좋은 데이터 과학자가 없으면 실패를 거듭하게 될 것이다."- AI분야에 있어서 정부의 역할은."첫째, AI 인프라를 개발할 수 있는 기회를 많이 제공해야 한다. 복잡한 AI는 클라우드 상에서 돌게 되는데, 한국은 6, 7% 기업이 클라우드를 쓰고 있고 미국은 70% 정도가 쓰고있다.한국 정부가 클라우드 쪽으로 가도록 해주면 크게 도움이 될 것이라고 생각한다. 둘째, 정부 입장에서 국민들에게 AI의 공포심을 없애 주는데도 노력해야 한다.많은 사람들이 AI가 등장하면 직업이 사라질 공포감을 가지고 있는데 사람들의 직무를 바꿔줄 뿐, 많은 영향은 없다고 본다. 국민들이 AI를 수용할 수 있도록 분위기를 바꿔주는 것이 정부의 역할이다."- 한국의 AI이용률이 낮은 것이 보안문제라고 보는지."AI 자체의 문제라기보다는 클라우드 상에서는 보안이 취약하다는 생각 때문이다. 지금 정부의 역할에 대해 보완하고 싶은 것은 대기업인 경우는 어느 정도 받아들일 준비가 되어 있다고 보지만 미국에서도 중소기업은 녹록하지 않은 현실이다.미국에서는 지방정부와 연방정부와 연합회를 구성해서 신규기술이 나오면 300여 개 도시마다 가르쳐 주는 역할을 하는데 이것이 상당히 큰 역할을 하고 있다."- 컴퓨터공학과 재료공학을 결합해서 사업을 하고 있는데, 컴퓨터공학과 또 다른 분야를 접목할 계획은."현재 컴퓨터공학은 모든 분야를 다 건드리고 있다. 컴퓨터공학과 재료공학만 연계되어있다고 표현하는 것은 너무 단순화시킨 것이다.우리 회사에는 화학공학자, 수학자도 있다. 우리가 20년 후에는 직원들의 전공이 뭐가됐든 매우 고도의 툴을 사용하는 것을 가르치고 배워서 그것으로 일을 하게 될 것이다."- 시트린에서 재료공학 이외에 다른 분야로 확대를 하려는 계획은."재료공학을 벗어난 쪽은 진출할 생각이 없다. 의료는 전혀 다른 분야이기 때문에 새로 시작해야 한다. 재료공학 쪽에서 진출하지 않았던 다른 분야가 있으면 그쪽은 진출할 생각이 있다."- 다른 회사에서 다른 분야에 집중 할 가능성이 있는지."할 수도 있지만, 의료분야는 매우 어렵다. 하지만 그 분야에 전문성을 가진 회사가 나중에 나올 수 있을 것이다."- 정부가 주관하는 300여 개 도시의 중소기업을 대상으로 새로운 기술을 교육하는 프로그램이 있다고 했는데, 새로운 기술을 선정하는 기준은."상무부에서 300개의 도시와 회의체를 만들었는데 이것을 MEP라고 한다. 이것은 도시마다 특화된 것으로 중소기업들이 안고 있는 질문사항을 받아서 가장 적합한 기술을 가르쳐주는 것이라서 꼭 신기술이라고만 할 수는 없다.공통적인 문제를 안고 있는 회사를 그룹으로 묶어서 그것을 해결해 줄 수 있는 신기술이 나오면 세미나나 교육을 통해 가르쳐 준다.캘리포니아에 5개 , 펜실베니아에 2개의 MEP가 있다면 7개의 MEP들끼리 정보교환을 해서 기술 Pool을 만들고, 질의가 나왔을 때 해당되는 것을 뽑아서 가르쳐 주는 것이 기본개념이다."- 왜 시트린이라고 회사명을 지었는지."시트린은 희귀한 보석이라 많은 사람들이 모조품을 만든다. 플랫폼 이름이 Citrination인데 실버를 골드로 만들 수 있다는 뜻이다."□ 참가자 시사점◇ 시트린 인포머틱스○ Citrine Informatics는 재료와 소재분야의 빅데이터를 기반으로 AI를 이용하여 분석함으로써 글로벌 기업들에게 서비스를 제공하고 수익을 올리는 비즈니스 모델을 개발하여 주목받고 있는 스타트업 기업이다.○ Citrine사가 이런 비즈니스 모델을 기반으로 스타트업을 할 수 있게 된 배경은 재료와 소재에 관한 전문가들의 연구결과와 국가 출연연구기관 및 대학 등의 방대한 연구자료가 축적되고 그것이 Big Data가 되어 이를 분석할 수 있는 SW를 개발한 것이 핵심인 것으로 보인다.향후 사회 전 분야에 관한 각종 Big Data가 축적되고 그것을 분석할 수 있는 AI가 개발될 경우 다양한 분야에서 Citrine 유형의 스타트업 기업들이 탄생할 것이다.○ 재료분야 맞춤형 서비스 통해 혁신적인 시간단축에 달성했다. 정부 주도형 기술개발이 아닌 기업주도형 기술개발로 경쟁을 통한 산업발전 진행 중이며 중소기업들에 정보를 제공할 수 있는 '장'을 만들어 애로사항을 해결하는 정부의 노력이 필요한 것 같다.○ 데이터 분석 알고리즘을 어떻게 설계했는지 궁금했으며 파트너사의 요구에 얼마나 만족할 결과물을 제공하는지 파트너사의 만족도는 어떠한지 정확히 알고 싶다.○ 넘쳐나는 Big Data 시장에서 우리 기업들은 어떠한 차별화를 가져야 할지 방안이 필요하다.○ 재료공학과 컴퓨터 공학의 융합을 통한 정보제공 서비스를 제공하며 세계 100여개 대학 및 연구소와 협업으로 정보 수집을 하고 재료와 관련된 database를 구축했다.○ 향후 컴퓨터 공학의 다양한 분야에 대한 적용을 통한 정보제공이 가능하고 시트린의 경우는 자신들의 강점인 재료분야에 집중할 예정이다.○ 실리콘밸리에서 성공한 인공지능 플랫폼 스타트업으로 꼽히는 '시트린 인포머틱스'의 4차 산업혁명에 시대에 대비한 기술개발 성공사례를 충남지역의 창업을 준비하는 기업들에게 접목하여 창업 전후의 애로사항을 최소화하고 성과확산을 극대화하여 새로운 부가가치를 창출할 수 있도록 환경조성에 주력할 필요가 있다.○ 정부는 AI 인프라 기회를 제공하여 클라우드 사용 증가를 유도하고, AI에 대한 막연한 공포심을 제거하는 분위기 조성을 해야 한다.대기업은 받아들일 수 있지만 중소기업은 4차 산업혁명에 대비한 기술개발 수용에 어려움이 있으므로, 이에 대한 정부의 적극적인 노력과 정책 마련이 필요하다.○ 실리콘밸리에서 성공한 인공지능 플랫폼 스타트업 회사로써 실리콘밸리에서 창업하고 성장하게 된 과정들을 들을 수 있어서 유익하였으며, 인공지능 발전을 위해서 전세계 정부와 연구기관, 산업체가 서로 기술을 공유하고 규칙을 만들어 나가야 한다고 보았다.○ 4차 산업혁명은 여러 기술의 혁신이 통합된 거대한 물결로 여러 고급 기술이 모두 엮이고 합쳐져 기술보다 훨씬 나은 무언가가 될 수 있을 것이라는 점을 강조했다. 경직된 교육과 규제는 4차 산업혁명에 걸림돌이 될 수 있다는 점도 배웠다.○ 실리콘밸리에서 성공할 수 있었던 스토리를 듣게 되어 유익하였으며, 특히 한국의 4차 산업혁명과 관련하여 한국의 교육수준에 비해 스킬들을 활용할 수 있는 인재들이 나오지 않는다는 점에서 시사하는 바가 컸다. 한국의 불필요한 규제가 걸림돌로 작용할 수 있다는 점도 알 수 있었다.○ 성공한 창업가인 그레고리 멀홀랜드의 성공스토리를 들으며, 4차 산업혁명에 대처하기 위해서는 혁신형 인재를 육성하는 일이 중요하다고 생각되었다.○ 사업체 방문을 통한 실 상황을 탐방할 수 있는 기회가 없어 아쉬웠으나 토론자의 적극적인 설명과 답변으로 유익한 시간이 되었다. 4차 산업혁명의 적용 사례를 볼 수 있었다.○ 재료연구 분야의 빅데이터 솔루션 구축 사례, Material Science와 Computer Science의 융합이 인상 깊었다. Citrine Raw Data 수집 및 전처리 프로세스, Citrine AI 기술, 기타 국내외 컨퍼런스 발표자료 수집, 미국 Materials Genome Initiative 등이 향후 연구 주제이다.○ 집중과 정보의 효율적 사용이 돋보이는 회사였다. 재료라는 한 분야에 대한 집중적인 자료 수집으로 수요자에 맞는 솔루션을 제공하고 있다. 아이디어는 사람들이 사용할 수 있도록 하는 것으로 시장성을 확보하는 것이 중요하다.○ 인공지능 플랫폼을 활용하여 R&D, 제조 프로세스 소요시간을 단축시켜주는 시트린 플랫폼은 4차 산업혁명에서 집중하고 있는 빅데이터 활용, 인공지능, 기계학습기반을 모두 포함하고 있다는 점에서 흥미로웠다.○ 재료 및 화학물질을 활용한 시트린 플랫폼을 응용하여 한국에서, 기업에서 어떤 형태로 또는 어떤 분야에서 활용할 수 있을지에 대해 고민해보는 기회가 되었다.○ 시트린 CEO와 VP가 얘기했듯이 빅데이터를 구축하는 것이 가장 큰 경쟁력이며, 한 분야에서 시트린과 같은 빅데이터를 구축하고 활용할 수 있는 분야는 어떤 것들이 있는지, 울산지역에서 이와 같은 스타트업 기업을 만들 수 있는지에 대해 생각해보는 계기가 되었다.○ 빅데이터를 활용하여 기존에 없었던 물질을 찾을 수 있도록 하는 시트린의 Tool이 몹시 궁금해졌다. 첫 번째 창업을 시트린으로 시작한다는 CEO의 말에서 자신감과 포부를 느낄 수 있었다.한국과는 다르게 미국은 창업에 대한 수요가 훨씬 크고 지원 제도도 풍부한 것 같다. 청년창업에 어려움을 겪고 있는 우리나라가 선진국의 사례를 파악하여 국내실정에 맞는 정책을 펼치는 것이 중요하다고 생각한다.○ 현재 시트린 인포머틱스는 첨단 AR기술을 활용할 제조업 분야를 찾고 있다. 예를 들어, 색을 밝게 하는 것, 철강을 더 강하게 할 수 있는 것, 차를 더 가볍게 만들 수 있는 것, 재활용을 더 할 수 있게 하는 것 등이다.○ 또한 세계 100여개의 대학과 연계 협력하고 있으며, 해당 분야의 데이터를 수집하여 빅데이터 분석을 실시하고 있다.시트린 인포머틱스는 많은 데이터를 분석하여 어떤 분야에 어떤 해결책을 줄 것인지에 대한 차이를 줄여준다. 이러한 일들은 대학 및 정부기관에서 주로 하였다.현재는 시트린 인포머틱스에서 진행하고 있다. 현재 시트린 인포머틱스에 대한 투자를 받을 예정이고, 오바마 행정부의 신재료 부문을 담당하였던 자문위원을 시트린의 자문위원으로 선정할 계획이다.○ 시트린 CEO는 아이디어를 일반인들이 사용할 수 있게 구체적으로 제품을 만들고 사업으로 이끌어 나가는 기업이라고 생각한다.○ 실리콘밸리에서 투자를 받기 위해 필요한 요건은 크게 투자 받고자 하는 기술에 대해 설명할 수 있어야 하는 Technology Risk, 시장위험 대처에 대한 방법을 설명할 수 있어야하는 Market Risk, 실행에 대한 위험에 대처할 수 있어야 하는 Executive Risk에 대해 준비가 되어 있어야 한다는 점이 인상적이었다.○ 재료 및 화학공학과 IT의 결합으로 통한 신사업 모델로 전통 제조업 중심의 지역기업에 시사하는 바가 크다. 스마트 팩토리외 IT융복합화에 대해 새로운 방향성 특히, 신사업 모델로써의 방향성을 고려할 만하다.○ 신규 창업이 활발한 실리콘밸리의 장점으로 신규 사업아이디어를 창업까지 연결하는데, 절차적 어려움이 적다. 관련 내용은 별도 벤치마킹 필요해 보인다. 창업시 기술적 가능성, 시장성, 사업수행 준비상황을 검토한 후, 투자를 진행해야 할 것이다.○ 미국의 AI 관련 정부 역할은 인프라 구성 및 AI에 대한 지나친 공포심 해소 정도로 국한하고, 민간이 자유롭게 연계할 수 있는 공간만 유지하고 있다.하지만 이는 기술과 자본이 축적된 선진국의 논리일 수 있다. AI 기술 초기단계인 국내의 경우, 정부의 역할을 어디까지 규정해야 할지 논의가 필요하다.○ 인공지능 플랫폼 스타트업으로 성공한 업체로 재료 및 화학물질을 위한 인공지능, 머신러닝 플랫폼으로 특허, 논문, 보고서와 같은 수많은 소스의 데이터를 분석하여 관련 조건에서의 최적의 재료 및 화학물질의 반응을 예측한다.이를 통해 R&D 및 제조 프로세스 소요시간을 50% 이상 단축할 수 있다. 빅데이터 분석과 AI의 결합의 성공적 사례로 다룰 수 있다.○ 벤처기업으로서 투자 유치를 위해 통과해야 하는 질문 3가지가 인상 깊었는데 1)기술적으로 가능한 것인가?(tech risk), 2) 구매할 대상이 명확한가?(market risk), 3) 실행 능력이 있는가? (Execution risk)이다.○ 4차 산업혁명의 성격은 데이터를 수집하고 데이터를 활용하는 것이다. 정부가 해야 할 일은 AI를 가능하게 하기 위해 클라우드 서버 구축 등이 가능하도록 하드웨어는 물론 지나친 개인정보 보호로 인해 의미있는 데이터 분석에 장벽이 되는 것을 제거해야 한다.규모가 작은 중소기업들의 경우 진입장벽이 있으므로 협의체 등을 구성해서 참여할 수 있도록 장려해야 한다.○ 외국의 혁신기업과 국내 기업간의 데이터 공유를 통한 공동사업이 이루어지고 있으나 아직까지는 미미한 수준이다.4차 산업혁명은 이미 진행되고 있으나 그에 비해 한국의 클라우드 도입률은 매우 낮다. 외국의 산업경쟁력 격차를 줄이기 위해서 빅데이터와 인공지능 기반의 시스템개발이 시급하다.○ 국내에서 빅데이터 기반 검색엔진을 활용하려면 통합 플랫폼에 대한 데이터 유통 안전성 확보가 중요할 것이다. 한국의 경우 대기업조차 고객 정보 유출 및 정보오용이 잦기 때문에 시스템개발만큼 풀어야할 숙제가 될 것이다.○ 지역 특유의 DB 구축의 필요성이 인식되었으며 지역자원, 지역정보, 지역연구 등 관련 DB구축을 통해 사업화 가능성을 시사했다.○ AI 기반 재료분석 솔루션 서비스 등 인공지능 플랫폼 스타트업이 출현하고 있으나 미국 내에서도 AI 알고리즘 안정성에 대한 공인 프로세스는 없는 것으로 파악된다. 향후 산업이 점차 정착될 경우 기업 간, 기업과 정부 간 AI 표준에 대한 논의가 이뤄질 것으로 전망된다.

  DELL Technologies  5450 Great America Parkway,Santa Clara, CA 95054  벤치마킹미국샌프란시스코  □ 연수내용◇ 세계 3개 PC판매기업으로 꼽힌 DELL◯ Dell은 1984년 'PC's Limited'라는 이름으로 설립된 PC제조 및 판매기업으로 1980년대에서 1990년대 동안 개인용 컴퓨터와 서버 분야에서 가장 큰 판매사였다.창립자인 마이클 델(Michael Dell)의 이름을 따서 사명을 변경한 DELL은 미국 및 전세계에서 14만5,000명 이상의 직원을 고용하고 있는 세계 최대의 기술 기업 중 하나이다.◯ 본사는 텍사스 위치하며 휴렛팩커드(HP), Lenovo와 함께 세계 3개 PC판매기업으로 꼽힌다. 2006년 포춘지는 포춘 500에 DELL을 25번째로 가장 큰 회사로 순위를 올렸다. 시가총액이 452억 달러로 미국에서 38번째로 큰 기업이다. ▲ 연수단을 맞이해준 스테판 부사장[출처=브레인파크]◯ 주 제품은 개인용 컴퓨터, 서버, 기억 장치, 네트워크 스위치, 소프트웨어, 텔레비전, 컴퓨터 주변기기 등이며, 기술 관련 제품을 제조하여 시장에 내놓아 판매하고 지원하고 있다.◯ 1994년 큰 유통업체에 공급을 중단하고, 1996년 웹사이트나 전화를 통해 소비자 직거래를 최초로 시작하며 공급망 관리 및 전자상거래의 혁신을 이룬 것으로도 유명하다.◯ 직접 판매 모델과 주문제작 및 주문구성식 접근으로 중간 유통 단계가 없어져 경쟁 업체들보다 상대적으로 낮은 가격에 동급의 사양으로 PC를 판매할 수 있었다. 주문을 받은 다음에 제작에 들어가는 방식이라 재고품 문제도 해결할 수 있었다.▲ 브리핑 현장[출처=브레인파크]◇ 2007년 창업자가 다시 대표로 복귀하며 IT솔루션기업으로 체질 개선◯ Dell의 창업자인 마이클 델은 2004년 전문경영인에게 회사운영을 맡기고 자선사업에 나와있었으나 이사회의 요청으로 2007년 다시 대표직에 복귀했다.당시 미국에서 호황을 누리던 IT 산업의 거품이 빠지면서 많은 기업이 도산했고 델 역시 주가 하락 등을 면치 못했기 때문이다.◯ 다시 경영자로 돌아온 마이클 델은 소비자의 의견을 수렴하고 불만을 처리하기 위한 서비스인 '아이디어스톰'을 신설한다. 이와 함께 2009년 Perot Systems를 인수하며 IT서비스 시장에 진출했다.스토리지(저장장치), 네트워크 장비 등 다양한 분야의 기업을 인수하면서 엔터프라이즈 사업을 본격적으로 준비하기 시작했다. 주력 사업인 PC 제조를 넘어 종합 IT 솔루션 기업으로 체질을 바꾸기 위해서다.◯ 2013년, 마이클 델은 사모펀드인 실버레이크와 손잡고 주식회사 델의 모든 주식을 구매하기로 결정했다. 이를 통해 상장을 폐지하고 비상장 기업으로 돌아갈 것이라고 발표했다. 주식 인수작업은 2014년 마무리되었다.◯ 사실 창업자가 주도하는 자진 상장폐지는 매우 드문 사례다. 일반적인 상장폐지는 앞서 언급한 것처럼 기업 경영이 어려워 퇴출당하는 경우가 대부분이다.자진 상장폐지라 하더라도 사모펀드가 거품이 낀 기업을 인수해 회사를 분할 및 매각한 뒤 알짜배기만 남겨 재상장해 이득을 얻는 것이 일반적이기 때문이다.◯ 이런 사례와 달리 마이클 델은 주주의 간섭없이 회사를 운영하고, 단기적인 이익이 아닌 미래의 사업을 목표로 기업을 운영하기 위해 상장폐지를 결정했다.이를 통해 델 컴퓨터는 주주총회 같은 번거로운 절차 없이 경영자의 판단만으로 미래 사업을 진행할 수 있게 되었다. PC 제조업에서 IT 솔루션 기업으로 탈바꿈 하기 위한 투자도 더욱 적극적으로 진행할 수 있게 되었다. 이러한 마이클 델의 결정을 IT 매체들은 '세계 최대의 스타트업이 탄생했다'고 평가하기도 했다.▲ 역사상 가장 의미있는 기술 인수로 평가받는 EMC 인수[출처=브레인파크]◯ 최대주주였던 마이클 델은 여전히 최고경영자 자리에 계속 머무르면서 회사를 이끌었다. 특히 그가 델 컴퓨터의 미래 먹거리로 여긴 서버, 스토리지 등 엔터프라이즈 분야의 사업이 성장하면서 델의 명성을 이어가고 있다.◯ 이런 성장에 힘입어 마이클 델은 2015년 글로벌 1위 스토리지 솔루션 기업인 EMC를 670억 달러에 인수한다고 발표했다. 엔터프라이즈 솔루션 분야에서 입지를 확고히하기 위해서다.잘하는 분야였던 서버 등에는 꾸준히 투자하고, 못하는 분야였던 스토리지는 인수로 점유율을 확보한다는 전략이다. 마이클 델이 EMC를 인수한 일은 '역사상 가장 의미있는 기술 인수'라는 평가를 받기도 했다.◯ 특히 이 인수를 통해 EMC의 자회사인 가상화 솔루션 기업 VM웨어의 지분까지 보유하면서 클라우드 솔루션 기업으로 진화할 가능성까지 내비쳤다.실제로 VM웨어는 클라우드 시스템 관리 소프트웨어 시장과 데이터센터 자동화 소프트웨어 시장의 선두 기업으로, 델의 하드웨어와 만나 시너지 효과를 낼 것으로 기대받고 있다.◇ 작은 기업이 가진 사고방식을 가진 큰 기업, DELL◯ 발표를 맡은 스테판(Stefan)씨는 2011년 ‘Forest and Network’라는 회사가 DELL에 인수되면서부터 DELL에서 일하기 시작했다. 이전에도 IBM, Cement과 같은 대기업에서 일했고 스타트업 창업 경험도 있다.◯ DELL에 계속 남아있는 이유는 열정이 만들어내는 혁신 때문이며 DELL은 작은 기업의 사고방식을 갖고 있는 큰 기업으로 127개국 파트너들과 함께 일하고 있다. DELL 기술과 DELL에서 어떤 일을 하는지, 어떤 변화를 거치고 있는지에 대한 브리핑이 이어졌다.◇ 디지털 기술화 시장◯ 조직의 디지털 기술화 준비단계는 다음과 같이 나눠볼 수 있다.• Digital Laggards: 디지털 플랜이 없는 단계. 제한된 이니셔티브 & 제자리 투자• Digital Followers: 극소수의 디지털 투자 단계. 미래를 향한 잠정적인 계획만 가지고 있다.• Digital Evaluators: 디지털 변환과 미래를 위한 계획을 점차적으로 수용한다.• Digital Adopters: 성숙한 디지털 계획, 투자 및 혁신을 준비한다.• Digital Leaders: 디지털 변환이 비즈니스 DNA에 뿌리깊게 자리한다.◯ DELL 기술은 문제 해결 제공자, 자동화, AI, 오픈 네트워킹으로 볼 수 있다. 기술적인 측면, 자산, VMware를 비롯하여 DELL의 기술을 만들어 낸 여러 회사들을 볼 때 DELL의 서버, 저장 기술, 높은 전환율, 네트워킹은 세계 최고이다.이 분야에서 앞서고 있는 회사는 DELL을 포함하여 Humerus, Big Switch 등 3~4개의 회사들이 있는데, 이는 이들이 DELL의 파트너이기 때문에 가능했다.◯ 디지털 기술화 시장에서 소비자 기술은 무척 중요하며 DELL에게도 중요한 계획이다. 디지털 전환은 클라우드 시스템으로 인해 가능하다.모두가 공용 클라우드(아마존, 구글, 페이스북, 마이크로소프트 등)에 대해서는 알지만 사적 클라우드에 대해서는 잘 알지 못한다.◯ 어플리케이션(application)은 어디서 작동되는가? 이 모든 어플리케이션을 어떻게 조화시킬 것인가? 어플리케이션을 변형시켜서 어떤 비즈니스적인 이익을 얻을 수 있는가? 이는 회사가 스스로 업데이트 시킴으로써 겪어야 할 과정이다.◯ 제품을 만들 때 IT 인프라가 중요하다. 이 인프라가 제품을 만들 수 있게 해준다. IT 인프라 혁신은 자기만의 페이스가 있으며 이 페이스는 점점 빨라지고 있다.최근 2년 동안 발생된 데이터의 양은 엄청나며 5G가 활성화됨에 따라 더욱 많아질 것이다. 그래서 우리가 생각해야 할 것은 엄청난 양의 데이터를 가지고 어떻게 할 것인가? 이다.◇ 디지털 전환의 장애물◯ 기업의 91%가 겪는다고 분석된 디지털 전환의 장애물은 △시간 △기술 △펀드 △리스크 4가지로 볼 수 있다.• 시간: 빠른 변화 속도로 인해 긴박감이 생겼다.• 기술: 디지털 사용 능력과 기술 능력을 포함하여 인력 준비 부족이 발전을 방해하고 있다.• 펀드: 위태로운 시스템은 그대로인데 펀딩만 혁신하고 있다.• 리스크: 디지털 비전과 전략 부족으로 인해 비즈니스 리스크가 증가했다.◯ 변화 과정에서 이 리스크들을 감당해야 하며 분석해야 한다. DELL도 같은 과정을 겪었다.◇ 디지털 리더십으로 가는 길◯ 변화는 3가지 측면으로 나눌 수 있다. △사람 △기술 △처리 과정이다. 이 모든 것이 일어나야 원하는 변화를 이끌어낼 수 있다. 변화를 이루고 나서 필요 없어지는 것들이 아니라 결과에 도달한 후에도 계속해서 일어나야 하는 일들이다.◯ 그리고 모든 변화는 4가지로 이루어진다. 첫째 현대적 인프라, 현대적 기업과 운영방식, 현대적 서비스 제공 등 IT 변환이 있다. 이러한 IT 변환은 매출이 2배 이상 증가할 가능성을 높인다.◯ 둘째, 빠른 사용자 경험, 지능적인 관리방식, 신뢰할 수 있는 환경 조성 등 노동방식의 전환으로 이때 직원들을 우선시해야 한다.◯ 셋째, 보안은 비즈니스 전략의 주요 부분이며 새로운 태도를 취해야 한다. 환경 규정을 지키는 등 디지털화에서 보안 문제는 정말 중요하다. 데이터 저장에 관한 정부 규제, 보안 문제 때문에 DELL은 사적 클라우드를 만든다.▲ 허유지 부장[출처=브레인파크]◯ 하지만 모든 것을 사적으로 할 수 없기 때문에 멀티 클라우드를 고려한다. 그렇게 되면 공용에서 사적으로, 사적에서 공용으로 서로 호환될 수 있는지의 문제점이 생긴다.또한 디바이스가 신뢰할 수 있는 장치인지, 하드웨어를 신뢰할 수 있는지 등의 보안 관련 도전 과제들도 있다. 인프라를 현대화할 때 우리에게 주어진 도전 과제는 장비 그 자체가 아니라 이런 것들이다.◯ 넷째, 어플리케이션은 기존의 어플리케이션의 현대화, 새로운 어플리케이션 개설, 필요한 기술 습득을 말하는 것으로 비즈니스는 소프트웨어에 의해 정의되며, 차별화되며, 주도된다.모든 것은 어플리케이션과 관련되어 있다. 어플리케이션에 투자하여 호환되고, 다른 환경에서도 작동하는 어플리케이션을 가상화해야한다. 어떤 클라우드를 작동시키기 위해 어떻게 어플리케이션을 조직할지 생각해야 한다.◇ 디지털 전환의 구성 요소▲ 디지털 전환의 구성요소[출처=브레인파크]◯ 디지털 전환을 구성하는 가장 기초는 Services와 Consumption으로 DELL Technology와 DELL 재정 서비스를 이용할 수 있다. 다른 국가에서 물건을 판매할 때 모든 회사는 재정적인 측면에서 파트너십을 맺어야 한다.혼자 모든 자금을 감당할 수 없기 때문이다. 반면 DELL은 워낙 큰 회사이기 때문에 금융 서비스가 있어서 자금을 스스로 부담할 수 있다. 컴퓨팅 서비스도 제공하고 있다.◯ 다음으로 인프라 구축으로 VMware를 이용할 수 있다. VMware를 통해 사용자 조정 서버와 컴퓨팅을 작동하고 저장·집중하는 것, 데이터를 저장하고 백업하는 것이 가능하다. 클라우드 구축은 7개 기업이 모여 DELL 기술 클라우드를 발표했고 개시될 예정이다.◯ 마지막으로 어플리케이션은 5~6년 전 DELL에서 오픈 네트워크라는 개념을 논의하였고 전체 작동 시스템을 오픈 소스로 만들었다. 이 작동 시스템을 보고 DELL에서 배달받기까지 기다리지 않고 어플리케이션을 사용할 수 있게 했다. Humerus, Big Switch 등 여러 파트너들과 집계 작동 시스템을 열었다.오픈 소스 커뮤니티에 이런 작동 시스템을 소개했고, SONIC에 마이크로소프트 관련 엄청난 기여를 하고 있다. 우리에게 작동 시스템 그 자체는 혁신이 아니다. 그 안의 어플리케이션이 혁신으로 이어지는 길이다.◇ DELL EMC HPC와 AI 이노베이션 랩의 목표와 업무◯ 다음으로 Joshua씨의 발표로 DELL EMC HPC와 AI 이노베이션 랩에 대한 소개가 이어졌다. DELL EMC HPC와 AI 이노베이션 랩은 투자, HPC와 AI 이노베이션 랩, 기술적 회의・투어・원격접속을 중심으로 다음과 같은 목표를 가지고 있다.◯ 첫째, 디자인, 발전, HPC와 DL 시스템 통합: 유연한 레퍼런스 아키텍처, 연구 컴퓨팅, 제조, 생명과학, 석유 및 가스에 맞춘 시스템◯ 둘째, 공동R&D활동의 중심: 공동의 혁신을 위해 파트너들과 기술 협력과 CSC, COEs, 고객들과 연구 조정◯ 셋째, 어플리케이션 성능 연구 및 모범 사례 개발: : 백서, 블로그, 프레젠테이션◯ 넷째, 프로토타입, 선진기술 분석: : NVMe, FPGAs, Containers, DL workloads, 새로운 메모리 기술, HPC+Cloud 등▲ DELL EMC HPC 와 딥 러닝 솔루션[출처=브레인파크]◯ 주요 업무는 다음과 같다.• HPC와 딥 러닝 워크로드를 위한 시스템을 디자인하고 개발: 이때 시스템은 계산, 저장, 네트워크, 소프트웨어, 서비스, 지원 시스템을 의미• 공장, 소프트웨어, 서비스 통합• 전력 및 성능 분석, 튜닝, 모범 사례 구축, 절충• 어플리케이션 성능 집중• 수직 솔루션 제공• 연구 및 개념 증명 연구• 백서, 블로그, 협상문 출판• 랩의 시스템 오픈, 제공◇ 이노베이션 랩이 갖춘 세계적 수준의 인프라◯ 랩이 갖춘 최고의 인프라는 다음과 같다.• Intel Scalable Systems Framework(OPA, KNL, Xeon)에 기반한 탑 500개 종류의 시스템• 424 Intel Xeon, 160 Xeon Phi(KNL) 서버• 1.1 PF가 넘는 성능의 결합• Lustre, Isilon H600, Isilon F800 and NSS 저장소• 액체 냉각 및 공기 냉각◇ 딥 러닝을 위한 ‘델 EMC 레디 솔루션’◯ 다음으로 이노베이션 랩의 주제에 의해 발전한 솔루션 사례와 프로그램에 솔루션이 어떻게 적용하는지에 대한 발표가 이어졌다. 솔루션 컨설턴트인 Guy Laporte씨는 딥 러닝을 위한 ‘델 EMC 레디 솔루션에 대해 소개했다.◯ 솔루션은 딥 러닝에 집중하고 있는데, 딥 러닝은 AI 자산이며 GPU를 기반으로 하기 때문에 소프트웨어 체계를 마련한다.◯ 딥 러닝을 통해 어떻게 방대한 양의 데이터를 관리하는가? 업그레이드 된 Data Science를 제공하기 위해 강한 컴퓨팅 파워를 가지고 있는 솔루션을 가져야 할 뿐만 아니라 데이터를 저장, 합병할 수 있는 전문지식 등이 필요하다.방대한 양의 소프트웨어 부품과 딥 러닝을 할 수 있는 요구를 충족시키는 것, 이 모든 것을 하나의 플랫폼에 모으는지가 도전 과제이다.◯ 딥 러닝 솔루션은 가장 강한 GPU를 가지고 있기 때문에 서버가 조금밖에 없어도 강한 솔루션을 가질 수 있다. 서버, 저장율, 네트워킹 부품이 있다.솔루션은 작은 숫자의 서버만 가지고 일을 하도록 디자인되어 있다. 솔루션은 적은 숫자의 서버로 시작하도록 디자인되었지만 서버를 추가하고 싶으면 네트워크에 서버를 스스로 추가하는 능력을 갖추고 있다.◯ 솔루션은 HPC(고성능 컴퓨팅) 클러스터 모델에 기반하고 있다. Head 노드로 시작하고, 딥 러닝을 사용하기 때문에 Compute 노드 그룹은 GBE로 작동한다. 클러스터에 고속의 상호교환을 원한다면 EDR 뼈대가 만들어진다.◯ 저장장치는 User Directory(사용자 조정)인데, 두 가지 옵션이 있다. Head 노드는 전통적으로 HPC에서 본 것보다 더 큰 노드이다. 데이터를 찾을 때 포털 역할을 하기 때문이다. 서버는 Compute 노드를 사용할 때보다 12배 더 크다. 저장소가 충분히 크지 않으면 축적율을 높일 수 있다.◯ 하드웨어 플랫폼을 구축한 후에는, 소프트웨어 환경을 조성해서 GPU의 이점을 이용하고 딥 러닝 프로그램을 실행해야 한다. 또한 딥 러닝을 이용하여 서비스를 HPC 클러스터로 통합시켜야 한다. 딥 러닝 플랫폼에 접근할 수 있는 셀프 서비스 제공이 목적이다.◇ 머신러닝과 딥 러닝의 적용 사례◯ 머신러닝과 딥 러닝의 분야별 적용 사례를 다음과 같다.• 헬스케어와 생명과학: 약물 상호작용, 암 감지, 만성 질환 예측, 신약 개발, 유전자 돌연변이, 위생시설• 재정 서비스: 사기 방지, 위기 관리, 투자 예측, 고객 서비스, 디지털 어시스턴트, 네트워크 보안• 정부 보안: 안면인식, 비디오 감시, 사이버 보안, 위성 이미지, 사건 예측, 응급 서비스• 미디어와 엔터테인먼트: 비디오 자막 삽입, 컨텐츠 기반 검색, 동시통역, 언어 처리, 콘텐츠 제안• 에너지: 풍력 발전, 태양 발전량 예측, 석유 생산 최적화, 일기예보, 소비 수요 예측• 교통수단: 자율주행, 보행자와 물체 감지, 차선 추적 및 교통 패턴, 예방적 유지보수, 위험 평가◇ AI, 머신러닝, 딥 러닝이 무엇인가?◯ AI와 머신러닝(Machine Learning), 딥 러닝(Deep Learning)을 무엇인지 정의해보면 AI는 기계 지능으로 머신러닝과 딥 러닝은 AI를 가능하게 만들어주는 기술이다.◯ 머신러닝은 작업 수행 방법을 학습할 수 있는 기능을 제공하는 알고리즘에 대량의 데이터를 공급하여 기계를 ‘트레이닝’하는 것이다.◯ 딥 러닝은 구성 요소(컨볼루션, 풀링)와 경험적 접근(중퇴 및 일괄 정상화)를 결합함으로써 코딩 효율을 향상시키는 것을 의미한다.◇ AI를 위한 레디 솔루션◯ 고객들은 결합된 하드웨어와 소프트웨어를 기반으로 한 새로운 솔루션을 설계하는 데까지 12-18개월이 걸리기 때문에 ‘Al는 너무 복잡하다.’라는 의견과 데이터는 천문학적인 속도로 증가하고 있기 때문에 통찰력을 갖고 신속하게 조치를 취하기 위해 수동으로 데이터를 활용하는 것은 불가능하기 때문에 ‘데이터의 이점을 충분히 활용하지 못했고 결과는 너무 느리게 나온다.’는 의견, AI, 머신러닝, 딥 러닝은 비교적 새로운 분야이기 때문에 깊은 전문지식과 가이드라인이 부족하여 ‘사내 전문지식이 없다.'는 어려움을 토로한다.◯ 그래서 AI를 위한 레디 솔루션은 AI를 최적화된 하드웨어-소프트웨어 스택(일시적으로 보존하고 싶은 데이터를 차례로 겹쳐 쌓듯이 수납해 가는 기억 장치)을 간소화하고 솔루션을 검증하였다.◯ 파워엣지 서버와 NVIDIA GPU, Isilon Scale-out NAS 저장소는 더 빠른, 더 깊은 통찰력을 가능하게 했고 워크샵, 컨설팅, 배포, 컨셉 증명, 지원과 자금 조달 가능성을 제공하여 검증된 전문지식을 쌓도록 했다.◇ Head Node VS Compute Node◯ Head Node는 서버에 기반하고 있는데, 이 서버는 소프트웨어가 저장소를 찾는 데 집중하게 한다.◯ Compute Node는 C4140서버는 밀집도가 높은 GPU 서버로, 오직 GPU를 위해 특수하게 디자인되었다. 딥 러닝을 위해 최대 GPU to GPU를 사용한다.◇ Compute Nodes – 파워엣지 C4140 서버◯ Compute Node의 C4140서버에 사용된 워크로드는 △머신 러닝과 딥 러닝 △기술적 컴퓨팅(연구/생명과학) △ 짧은 대기 시간과 고성능 어플리케이션(FSI)이다.◯ 이 서버의 핵심 역량은 다음과 같다.• 특허 출원 중인 인터리브 GPU 시스템 설계로 성능 향상 및 우수한 열 효율성• NVIDIA Tesla “V100 with NVLink”를 사용하는 최대 500개의 TFLOPS/U+의 성능 저하 없는 (CPU+GPU) 가속 기술• 차세대 GPU를 위해 미래를 대비할 수 있도록 돕는 2.4KW PSUs• 사전 구성된 레디 번들로 구축 간소화◇ Bright Cluster Management for Data Science◯ 데이터 사이언스 프로젝트를 가속화하기 위해 필요한 것으로 단일 인터페이스에서 하드웨어, 운영 시스템, 빅데이터 및 딥 러닝 소프트웨어를 프로비저닝함으로써 데이터 사이언스 클러스터를 단일 독립체로 관리하는 것과 파워엣지 서버와의 통합으로 관리 및 구성을 간소화하는 것이 있다.◇ HPC를 위한 델 EMC 레디 솔루션◯ HPC를 위한 레디 솔루션은 무엇인가?• 사용 가능한 배포, 지원 및 원격 관리 서비스를 갖춘 도메인별 시스템• 시스템 배포 및 운영을 위한 검증된 소프트웨어 스택• compute, 네트워크, 저장소를 포함하여 HPC 시스템 디자인의 모든 부분을 분석• 도메인 관련 성능 정의 및 간행물◯ HPC를 위한 실행 가능한 레디 솔루션은 △연구 △생명과학 △디지털 제조업 △ NSS 저장소 △Lustre 저장소가 있다.◯ Dell EMC Integration의 Bright Cluster Manager가 제공하는 추가기능은 다음과 간다. 첫째, 현재 소프트웨어는 iDRAC을 거쳐 델 EMC 서버를 관리한다.◯ 둘째, Bright Cluster Manager는 BIOS에서 사용할 수 있는 각 서버의 정보를 다음과 같이 모은다.• 1. 서버의 BIOS 시스템 프로파일 표시• 2. 사용자가 단일 소스에서 설정을 변경할 수 있도록 지원한다.• 3. 최적의 클러스터 성능을 위해 이기종 서버 프로파일 관리한다.◯ 셋째, fw/BIOS 업데이트를 수행할 수 있다. 그 후 단일 사용자 GUI로 관리 용이성을 나타낸다.◯ 넷째, 모니터링: GPU 이용을 모니터링할 수 있다.◯ 다섯째, 델은 소프트웨어 유틸리티를 서버에 많이 제공한다.◯ 통합 및 설치는 델 EMC 시스템 관리 도구와 OpenManage 업데이트, 지원되는 주변 장치에 대한 델 EMC 네트워크와 저장소 드라이버 업데이트를 하면 된다.◇ DELL EMC의 OpenHPC◯ 오픈 소스 HPC 소프트웨어 스택은 2016년 6월부터 기술운영위원회의 멤버로 기능 영역 ‘리소스 관리’의 유지 관리자로서 SLURM 구성 향상에 기여했다.Pull Request를 제출하고 문제를 식별하여 소프트웨어 기능 및 사용 편의성을 향상시켰다. 그리고 소프트웨어 스택의 구성 부품 30개 이상이 검토되었다.• OpenHPC 소프트웨어 스택 v1.3.1 입증됨: Head Node R740/R640, Compute Nodes C6420• OpenHPC 소프트웨어 스택 v1.3.5 입증됨: Head Node R740, Compute Nodes MX740c◇ HPC 디지털 제조업을 위한 ‘델 EMC 레디 솔루션’◯ Computer Aided Engineering(CAE)에 초점을 둔 HPC 레디 솔루션으로 주로 엔지니어링 시뮬레이션 도메인에 초점을 맞췄다.• 1. Computational Fluid Dynamics (CFD) 계산유체역학• 2. Finite Element Analysis (FEA) 유한요소해석• 3. Computational Electromagnetics (CEM) 컴퓨터 전기자기학◯ ISV 파트너십은 Altair, ANSYS, Siemens, LSTC 등이 있다.▲ HPC 디지털 제조업을 위한 ‘델 EMC 레디 솔루션’ 제품군[출처=브레인파크]◯ Compute Building Blocks와 Management Building Blocks이 구성 요소 계산과 관리를 하고 HPC 네트워킹 제품으로 DELL EMC, Mellanox이 있다, HPC 저장 제품은 DELL EMC, Seagate, DataDirect이 있다.◯ Bright Cluster Manager 또는 OpenHPC, DELL Pro Support, Pro Support Plus, Deployment Services, ISV 어플리케이션을 활용할 수 있다.◯ HPC 디지털 제조업을 위한 ‘델 EMC 레디 솔루션은 컴퓨팅, 저장, 네트워킹, 통합 관리, 모니터링 및 서비스를 포함하는 포괄적인 제품으로 각 단계마다 선택할 수 있는 유연성이 장점이다.

□ 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.

인도 시장조사업체 포춘 비즈니스 인사이트(Fortune Business Insights)에 따르면 2020~2027년 글로벌 드론 소프트웨어 시장이 연평균 25.05%씩 성장할 것으로 전망된다.지난 2019년 전 세계 드론 소프트웨어 시장 규모는 US$ 11억6530만달러로 추산됐다. 이후 군사용과 상업용 모두에서 드론 소프트웨어가 급속도로 발전하면서 시장이 빠르게 확대되고 있다.드론 소프트웨어는 기본적으로 컨트롤러, 카메라 및 센서, GPS, 각종 컴퓨팅 기술을 광범위하게 포괄하고 있다. 그중에서도 가장 수요가 급증하고 있는 분야는 인공지능(AI)과 3D 기술이다.인공지능과 3D 기술로 운영될 수 있는 정밀 농업, 건설 작업, 물류 이동 분야는 이미 상업용 드론에서 활발하게 연구되고 있다. 특히 영상 및 측량 기술에 사용되는 3D 기술은 카메라 기술과 동시에 발전하고 있다.한편, 군사용으로는 카운터 드론, 즉 대드론 요격 및 방어 시스템에 인공지능이 결합되고 있다. 레이저, 레이더, 라이다 등 기술을 적용하기 위한 각종 드론용 소프트웨어도 개발되고 있다.시장 규모 자체는 크지 않지만 진입 장벽이 낮은 드론용 모바일 앱 시장도 기하급수적으로 성장 중이다. 드론 비행을 위한 기상정보, 비행가능구역, 드론 보험 등 정보제공을 목적으로 한 모바일 앱이 대거 출시되고 있다.드론에 장비를 하나씩 장착할 때마다 관련 소프트웨어도 함께 개발된다. 앞으로 드론 시장이 크게 성장한다면, 드론 소프트웨어 시장도 그에 발맞춰 확대될 것으로 판단된다.▲드론 매핑 소프트웨어(출처 : Dronedeploy 홈페이지)

이탈리아 맥주 브랜드인 비라 페로니(Birra Peroni)에 따르면 공급망 일괄 추적을 위해 EY의 블록체인 플랫폼을 사용하기 시작했다. 공개 이더리움 블록체인에서 글로벌 회계컨설팅 법인 언스트앤영(EY)의 옵스체인(opschain) 추적 기능을 사용할 예정이다. 각 배치(batch)는 고유한 디지털 소유권 인증서인 대체 불가능 토큰(NFT)을 가지게 된다. 각 NFT는 블록체인에 기록되며 디지털 원장은 중앙에 보관되지 않고 여러 사용자에게 분산된다. 각 트랜잭션을 통해 변조를 방지하도록 타임 스탬프 및 암호화된다. NFT는 물리적·가상 상품에 대한 소유권을 부여하고 '토큰화'하는 데 점점 더 많이 사용되고 있다. 또한 소비자를 위한 추적 도구로도 배치되고 있다. 즉, 소비자는 블록체인 파일럿을 실행해 포장에 있는 QR 코드를 통해 보리 공급망을 파악할 수 있다. 이와 같이 블록체인 기술을 이용한 공급망 추적은 미국의 버드와이저( Budweiser) 및 벨기에의 스텔라 아르투아(tella Artois)에서도 실행되고 있다. 향후에는 더욱 더 많은 브랜드에서 활용할 것으로 전망된다.▲ 비라 페로니(Birra Peroni)의 로고(출처 : 홈페이지)

미국 자율주행 차량 벤쳐기업인 모셔널(Motional)에 따르면 라스베가스(Las Vegas)에서 완전 무인 자동차 테스트 차량을 출시하기 위한 승인을 받았다.모셔널은 한국의 자동차제조업체인 현대자동차(Hyundai Motor)와 자율주행 기술기업인 앱티브(Aptiv)가 합작해 설립한 기업이다.2020 년 3월 현대자동차가 자율주행 차량 분야에서 경쟁사를 따라 잡기위해 US$ 16억 달러의 투자를 발표하면서 공개됐다.지난 2년 동안 앱티브의 안전 운전자 모니터링 자율 주행 택시는 10만회 이상의 주행을 완료했다. 개발중인 모셔널의 "차세대"차량은 완전 무인 차량으로 대중에게 공개될 계획이다.2022년 차량군(fleet) 파트너와 운영자가 사용할 수 있을 것으로 기대된다. 참고로 2020년 11월 기준 소수의 자율주행 차량 운영자만이 공공 도로에 레벨 4 자율주행 차량을 실제로 배치한 상황이다.글로벌 기술기업인 알파벳(Alphabet)의 자율주행 부문 자회사인 웨이모(Waymo)는 몇년 동안 피닉스(Phoenix) 외곽의 교외에서 레벨 4 차량을 운영하고 있다.러시아의 거대 기술기업인 얀덱스(Yandex)는 2020년 초 라스베가스에서 개최된 소비자 가전 전시회(Consumer Electronics Show)에서 레벨 4 차량을 테스트했다. ▲ USA-Motional-AutonomousCar▲ 모셔널(Motional)의 홍보자료(출처 : 홈페이지)

​미국 글로벌 시장조사기관인 폴라리스마켓리서치(Polaris Market Research)에 따르면  2026년까지 전 세계 농업용 드론 시장은 약 $US 100억달러에 도달할 것으로 전망된다.농업의 성장과 고품질 농작물에 대한 수요로 인해 전 세계적으로 농업용 드론의 채택이 증가하고 있는 것으로 분석된다. 작물 건강 모니터링, 잡초 탐지, 변동율 적용, 작물 정찰 및 가축 관리에 드론이 사용되고 있다.이러한 분야에서의 드론 사용 증가는 농업 드론 시장 성장을 지원하는 것으로 평가된다. 인구 증가와 농장 운영 자동화는 농업 드론 시장의 성장을 더욱 지원할 수 있을 것으로 전망된다.특히 농작물의 품질을 개선하고 농작물을 극대화하며 생산성을 향상시켜야 할 필요성이 점점 더 커지고 있기 때문이다. 또한 이 시장의 성장을 이끄는 다른 요인으로는 세계 농업 산업의 성장, 노동의 가용성 감소 및 인건비 증가가 있다.그러나 안전, 보안 및 개인 정보보호 문제는 농업용 드론 시장의 성장을 제한할 수 있다. 신흥 경제국의 수요 증가와 기술 발전은 향후 몇 년간 농업용 드론 시장에서 수많은 성장 기회를 제공할 수 있을 것으로 전망된다.이와같은 농업용 드론을 제공하는 회사는 Trimble Navigation, DJI Technology, Parrot SA, Drone Deploy, Agribotix, Honeycomb, Aerovironment, Eagle UAV Services, 3D Robotics, AgEagle Aerial, Autocopter, Ursula Agriculture 등이다.▲ USA-PolarisMarketResearch-drone▲ 폴라리스마켓리서치(Polaris Market Research)의 홍보자료(출처: 홈페이지)

아일랜드 사물인터넷(IoT) 솔루션 개발업체인 테케렉(Tekelek)에 따르면 프랑스에서 피코티(picoty)와 함께 로라-연결 초음파 센서(LoRa-connected ultrasonic sensors)를 출시했다.피코티는 프랑스에서 가장 큰 연료 배급 회사중 하나이다. 연료, 가스, 윤활제, 청색 및 첨가제를 공급하는 사업을 영위하고 있다.테케렉은 배터리 작동 액체 센서인 로라(LoRa) 탱크 센서를 피코티에 공급할 예정이다. 이를 통해 피코티는 서부 프랑스의 27개 계열사 그룹의 탱크를 모니터링 할 수 있을 것으로 전망한다.프로젝트에서는 옵제니우스(Objenious)의 로라 네트워크 및 데이터 플랫폼을 사용한다. 보다 효율적인 연료 배달을 수행하고, 탄소 배출량을 줄이며, 물류를 최적화할 수 있을 것으로 기대하고 있다.참고로 옵제니우스는 프랑스 이동통신업체인 부이그텔레콤(Bouygues Telecom)그룹에 소속돼 있다. 사물인터넷 기술의 급격한 발전에 따라 다양한 산업에서 활용사례가 증가하는 중이다.▲ France-Tekelek-IoT▲ 테케렉(Tekelek)의 로라 탱크 센서 홍보자료(출처 : 홈페이지)

영국 자율주행차량업체인 옥스보티카(Oxbotica)에 따르면 2021년까지 런던 시내에 자율주행차를 도입할 계획이다. 이를 위해 차량제조업체인 애디슨 리(Addison Lee)와 협력계약을 체결했다.옥스보티카는 2018년 11월부터 런던의 주요 공공도로 25만마일에 대한 지도정보를 수집하는 프로젝트를 시작한다. 모든 교통신호에 대응할 수 있는 기술을 개발하기 위한 목적이다.현재까지 지도정보를 수집하기 위해 런던에만 5000명의 차량 운전자를 고용했다. 초기에는 기업의 셔틀버스, 공항버스, 대학 구내버스 등에 먼저 적용할 방침이다.이미 일본 도쿄시는 2018년 8월 자율주행 택시를 시범적으로 론칭했다. 2020년 도쿄올림픽까지 완전한 서비스를 개발할 계획이다.참고로 일본 도요타(Toyota)는 글로벌 차량공유서비스업체인 우버(Uber)에 $US 5억달러를 투자해 자율주행자동차를 개발하고 있다. 2018녀 3월 미국에서 보행자와 충돌하는 사고가 발생했지만 여전히 개발이 진행 중이다.▲옥스보티카(Oxbotica)의 자율주행테스트 장면(출처 : 홈페이지)