[41]증강분석과 스마트팩토리

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 코로나19 팬데믹(pandemic)의 또 다른 양상은 소멸되지 않는 바이러스의 생명력이다. 각 국가와 선진 바이오 제약업체들의 백신 개발 경쟁이 치열하게 전개되고 있고, 방역 당국의 바이러스 차단 노력에도 불구하고 전 세계적으로 코로나19의 기세는 꺾이지 않고 있다. 이미 도래하고 있는 디지털 트랜스포메이션(digital transformation)과 4차 산업혁명 속에서 인간은 ‘한계성’을 극복해야 될 요인들로 인해 큰 도전에 직면해 있다.

다양한 분야의 여러 요인 중 그 원인을 빅데이터 관리기술에서 찾아보고 싶다. 왜냐하면 빅데이터 관리기술과 분석 과학(데이터마이닝, 통계적 분석, 인공지능 기반 데이터분석)을 활용하여 과거와 다른 수준의 다양한 통찰(insight)을 찾아 새로운 가치(value), 즉 차별적인 의사결정이 요구되고 있기 때문이다. 4차 산업혁명시대의 정보통신기술(ICT) 진화에는 구축과 활용 과정이 과거처럼 분리되어 작동하는 것이 아니라, 동기화되어 활용되는 ‘기능우위(技能優位)’의 시대이다. 그러므로 분석과 활용에 초점을 맞춰야 한다. 그 대표적인 분석 방법이 ‘증강분석(Augmented Analytics)’이다.

기존의 데이터 분석기술이 “수집된 정형(structured) 데이터를 기반으로 한 통계적 분석에서 비정형(unstructured) 빅데이터”까지 진화했다면, 증강분석(Augmented Analytics)은 여기에 인공 지능형(Intelligence)개념까지 접목시켜 시스템이 스스로 데이터를 수집하고 분석해서 그 분석된 내용을 사용자에게 전달해 주는 자율적인(autonomous) 적시 맞춤(FIT: Fit in Time) 분석기술을 말한다.

즉, 빅데이터가 비정형적으로 무분별하게 흩어진 데이터의 통찰(insight)화를 기반한 데이터 분석과 가치 있는 데이터 생성이라면, 증강분석(Augmented Analytics)은 통찰화와 데이터 분석을 지능화가 개입하여 스스로 처리해 주는 것이다. 이로 인해 운용(運用) 목적을 최적화하고 데이터 준비, 통찰력 생성 및 시각화 프로세스를 자동화하여 데이터 사이언스(Data science)와 인공지능 분야의 효용 가치를 극대화할 것으로 전망된다.

또한, 바이오 제조 산업의 스마트팩토리 플랫폼에서는 데이터를 탐색하고 분석하는 방법을 강화하게 될 것이다. 이를 뒷받침 하는 데이터 과학, 머신러닝, 인공지능 모델 개발·관리·배치의 많은 측면을 자동화하여 산업현장의 경쟁우위 역량을 증강시킬 것이다. 빅데이터 분석력으로 대표되는 이러한 역량은 디지털 트랜스포메이션(DX: Digital Transformation)에서 인공지능 트랜스포메이션(AIX: AI Transformation)으로 대변환을 예견하게 한다. 아마도 4차 산업혁명 이상의 또 다른 산업혁명이 도래하고 있다고 주장하고 싶다. 즉 인공 지능 이후(Post-AI)의 새로운 산업혁명이 문을 열고 있는 것이다.

기원전 350년 아리스토텔레스의 ‘술어 논리(述語論理, Predicate Logic)’, 그리고 1629년 데카르트의 공통어 기반 자동번역 아이디어 등 인류는 오랜 과거부터 인간이 아닌 누군가로 하여금, 인간이 하는 것을 대체하는 것에 대한 많은 상상과 노력을 해왔다. 인간의 이러한 막연한 꿈을 이룬 존재가 등장하는데, 이는 바로 1982년 타임지 최초로 인간이 아닌 ‘올해의 인물’로 선정된 “Personal Computer(PC)”이다. 이를 통해 제조업에서는 컴퓨터 연산기능을 활용한 생산활동(CAM)으로 디지털과 물리적인(설비, 제품) 요소들을 통합하여 비즈니스 모델을 변화시킴으로써 대량생산과 경쟁우위 경영전략 시대를 열었다. 아래 그림은 가트너의 10대 IT 전략기술 트렌드이다.

출처: 텔스타홈멜㈜ AI CU 임동균 파트너, 윤병관 프로, 바이오 산업 컨설턴트 최송연 프로 제공

디지털 트랜스포메이션(Digital Transformation)에서는 인간이 시스템을 개발하기 때문에 시간이 지날수록 노후화되고 무의미해진다는 한계에 직면할 수 밖에 없다. 이렇게 개발된 시스템은 스스로 진화 발전하지 못한다는 것이 바로 큰 한계성(限界性)이다. 이러한 한계성을 극복할 수 있는 유일한 방법은 빅데이터와 인공지능을 활용한 개발, 즉 인공지능 트랜스포메이션(AI Transformation)이다.

인공지능 트랜스포메이션(AI Transformation)에서는 데이터와 결과물(빅데이터)을 통해 시스템을 도출(인공지능)해내는 방식이 중점이다. 이러한 방식은 실시간으로 수집되는 방대한 데이터로부터 시스템을 진화 발전시킨다. 즉, 디지털 트랜스포메이션(Digital Transformation)에선 한번 구축하고 점차 노후화된다면, 인공지능 트랜스포메이션(AI Transformation)에서는 인공지능이 점차 발전시킨다는 차별성이 있다.

복잡성과 비즈니스 가치가 낮은 순위부터 높은 순으로 한 분석 모델은 다음과 같이 정리될 수 있다. ‘무슨 일이 발생했는가(Reporting)’, ‘왜 그 일이 발생했는가(Analysis)’, ‘지금 무슨 일이 일어나고 있는가(Monitoring)’, ‘향후 어떤 일이 발생할 것인가(Prediction)’. 앞으로의 비즈니스 가치는 복잡성이 높은 예측(Prediction) 인사이트(insight)에서 발생할 것이다. 이러한 상황 속에서 BI(Business Intelligence)와 AI(Artificial Intelligence)의 기술융합을 통해 얻는 예측 시나리오의 유의미한 가치를 찾기 위해 우리는 증강분석(Augmented Analytics)에 대한 고찰이 필요하다.

현재 제조업 데이터가 방대해지고 복잡하기에 더 이상 사람이 직접 데이터를 수집·전처리·분석하는 기존의 방법으로는 의미 있는 분석자료를 얻기 어렵다. 또한, 제조 중소기업에는 고도로 숙련된 데이터 사이언티스트(Data Scientist)가 없을 확률이 높다. 이러한 상황 속에서 제조 중소기업이 빅데이터 속에 숨어있는 인사이트(insight)를 찾으려면 어떻게 해야 할까?

기존의 데이터 분석 기술은 수집된 데이터를 기반으로 한 다양한 분석이었다면 증강분석은 여기에 지능(Intelligence)개념까지 접목시켜 AI가 스스로 데이터를 수집하고, 분석해서 분석된 내용을 바탕으로 인사이트(insight)를 이해관계자에게 전달해주는 분석기술을 뜻한다.

일반적으로 사람들은 어떤 결론을 내릴 때 편향된 시선을 갖거나, 중요한 포인트를 놓쳐서 잘못된 결론을 내리는 경우가 많다. 이러한 기존의 데이터 분석을 보완할 수 있는 기술이 증강분석이다. 증강분석은 사람의 실수를 보완해 줄 수 있다.

다만, AI에 잘못된 편향된 시선이 들어갈 경우 편향된 결과가 나올 수 있기 때문에 이러한 잘못된 편향된 시선을 넣지 않도록 주의해야 한다. 이러한 경우를 방지하기 위해서 빅데이터 관리기술에는 데이터 라벨링(data labelling) 기법이 있다. 이렇게 할 경우, 사람의 편향된 시선에서 자유롭고 깨닫지 못하거나 얼마나 중요한지 모르는 것에 대한 인사이트를 얻게 될 것이며, 그것은 바로 가치(Value)로 변환되기 때문에 중요하다.

개인화, 최적화, 다양화를 위한 인공지능 기반 스마트 팩토리의 ‘적시 맞춤(FIT; Fit in Time)’을 위해서는 실시간으로 인사이트를 얻어야 한다. 증강분석을 통해서 데이터를 수집하고 전 처리하는 부분에 AI를 접목하여 인사이트를 얻는 시간 또한 대폭 감소하여 적시 맞춤에 한발자국 더 가까워질 것이다.

이러한 실시간 인사이트를 얻기 위해서는 현장부터 경영자까지 수직·수평적으로 필요한 모든 데이터가 연결되는지 여부가 성패를 좌우할 것이다. 이는 OT(Operation Technology)와 IT(Information Technology)의 서로 다른 요건을 공존할 수 있는 방법을 찾아야 하는 난제로 이어진다. 이러한 난제를 해결하기 위해서는 생산 네트워크와 기기 간 연결, OT를 IT와 클라우드 간 연결이 필요하다.

OT의 자동화 장치는 일반적으로 소량의 정보를 짧은 간격으로 전달한다. ‘엣지 컴퓨팅(edge computing)’은 클라우드 컴퓨팅 환경에서 OT의 데이터 볼륨을 처리할 수 있게 도와주는 역할을 한다. 데이터 처리, 분석, 인사이트 생성을 데이터의 소스 근처인 ‘엣지 컴퓨팅(edge computing)’에서 이루어 낸다. 이는 OT와 IT 사이에 필요한 통신을 감소시켜 OT와 IT의 공존을 위한 핵심 키(Key)이다. 아래 그림은 맞춤형 시장과 제조환경을 위한 인공지능 융합형 플랫폼을 표현한 것이다.

출처: 인공지능 스마트팩토리 전문기업 텔스타 홈멜㈜ AI CU 임동균 파트너, 김윤배 파트너 제공

위 그림처럼 OT와 IT가 공존하는 상태에서 증강분석을 활용한 맞춤형 인공지능 의사결정지원 체계를 구축한다면 데이터 사이언티스트(Data Scientist)를 보유하기 어려운 중소기업에서도 모든 직원들의 결정과 행동을 최적화하고 더 나아가 인사이트를 생성, 시각화하여 경영자의 의사결정을 지원하게 될 것이다.

결과적으로 ‘전사적 제조 지능화(EMI)’를 통해 우리나라 제조 중소기업이 글로벌 선도(Global Leadership) 수준까지 오를 수 있을 것이다. 현재는 제조업의 디지털 전환(Digital Transformation)을 통한 속효성(速效性) 있는 현장 중심형 인공지능 스마트공장 구축이 우선이지만, 궁극적으로는 스마트 팩토리의 최종적인 목표는 수동적인 디지털 전환을 넘어선 능동적인 인공지능 전환(AI Transformation)이 핵심이 될 것이다.