[글 스마트제조혁신추진단 박한구 단장] 지난 50년 대기업은 정부의 많은 정책적 지원하에 질 좋은 제품을 많이 생산해 글로벌 시장에 팔아 국민 삶의 질을 높여왔다. 하지만 앞으로 50년은 정부가 중소기업 중심의 디지털 경제 체제를 구축해 벤처, 스타트업이 중소기업으로, 중견기업을 넘어 글로벌 히든 챔피언 기업으로 성장 발전하도록 정책을 수립해 지원해야 한다. 이번 칼럼은 세 번째 정책제안으로 대기업에서 보유한 고품질 데이터를 공유해, 많은 스타트업이 인공지능 기반 제조 솔루션을 개발해 글로벌 시장을 선점하는 정책을 제언한다.

스마트제조혁신추진단 박한구 단장이 대기업에서 보유한 고품질 데이터를 공유해, 많은 스타트업이 인공지능 기반 제조 솔루션을 개발해 글로벌 시장을 선점하는 정책을 제언했다. [사진=utoimage]

OT 중심으로 IT와 DT 융합해야

제조업이 강하고 모든 업종에서 다양한 기업을 가지고 있는 우리나라가 ‘4차 산업혁명, 새로운 제조업 시대’를 선도하기 위해서는 서로 다른 제조기술인 OT(Operation Technology)를 중심으로 IT와 DT(Data Technology)가 융합해 새로운 데이터 자본주의를 이끌어 가야 한다. 이를 위해는 생산 현장 및 사무실에서 생성되는 모든 데이터와 기업간(B2B) 제조 데이터와 소비자(B2C)간에 생성하는 서비스 데이터가 서로 융합해 새로운 비즈니스를 창출하는 전략이 필요하다.

가장 먼저 시급한 것이 체계적인 제조 데이터의 수집·저장을 하는 것과 이미 체계적으로 수집·저장된 빅데이터를 공유해 분석·활용하는 사업을 통해 데이터의 가치를 창출할 수 있다는 확신을 스타트업·중소·중견·대기업이 공유해야 한다. 그 과정에서 상생 협력을 통한 시범적인 Use Case가 많이 생성될 것이다.

이미 정부는 스마트공장 보급·확산사업에서 AAS 기반의 데이터 수집·저장 프로세스를 표준화하고, 관련 솔루션을 오픈 소스로 공급하면서 점차 중소, 중견기업의 데이터를 체계적으로 수집·저장해 나갈 것이다. 그러나 이미 체계적으로 수집·저장된 빅데이터를 분석·활용해 새로운 AI 솔루션을 개발하는 체계가 필요한데, 이러한 빅데이터는 장치산업을 운영하는 철강, 정유, 석유화학, 반도체 등 대기업이 소유하고 있다.

축적된 데이터를 보유한 대기업에서 판매해야

대기업이라도 많은 인력과 자금을 이용해 경쟁사보다 더 빠르게 AI 솔루션을 개발해 경제적 가치를 얻기란 인력, 기술면에서 부족한 점이 많이 있다. 이를 해결하는 가장 핵심적인 방법은 대기업이 보유하고 있는 장비, 설비 등에서 축적된 빅데이터를 AI 솔루션을 개발하는 기업에 제공, 개발하도록 하는 것이다. 개발된 솔루션은 테스트베드로 실행하고, 검증되면 다른 공장으로 확대해 경제적 가치를 창출한다. 솔루션 개발사는 글로벌 시장에 판매하고, 얻은 이익금을 대기업에 일부 로열티를 제공하는 사업 생태계를 만들어 가는 것이 중요하다.

이렇게 되면 대기업은 축적된 데이터를 활용해 기업 경쟁력을 높이고, 솔루션 개발기업은 검증된 성능의 솔루션을 글로벌 시장에 판매함으로써 이익을 얻어 직원들에게 공정하게 배분하고, 삶의 질을 향상해 풍요로운 생활을 할 수 있다.

결론적으로 장치산업을 운영하고, 체계적으로 축적된 데이터를 보유한 대기업과 솔루션 개발기업이 협업해야 한다. 솔루션 개발, 검증, 시장 확대하는 목적으로 글로벌 시장에서 제조데이터 자본주의를 선도하는 정책을 제언한다.

박한구 단장은 대기업이 보유하고 있는 장비, 설비 등에서 축적된 빅데이터를 AI 솔루션을 개발하는 기업에 제공, 개발하도록 해, 개발된 솔루션은 테스트베드로 실행하고, 검증되면 다른 공장으로 확대해 경제적 가치를 창출해야 한다고 조언한다. [사진=utoimage]

축적된 데이터를 공유 판매할 기본 조건

기업에서 축적된 데이터를 분석, 활용해 자사에 테스트 베드로 적용하고, 검증된 솔루션을 확대 적용하면서 글로벌 시장에 판매해 이득을 공유하는 사업을 수행하려면 다음과 같은 조건의 고품질의 연속적 데이터가 일관성 있고, 체계적으로 저장돼 있음을 보증해야 한다.

첫째, 제조기업에서 생성되는 데이터를 국제 표준의 AAS(Asset Administration Shell) 기반으로 Raw Data를 수집·저장한다. 데이터 구매를 원하는 기업이 AAS 기반으로 저장된 공정 혹은 설비 구조에 따른 데이터 속성 및 구조를 쉽게 파악하고 활용할 수 있도록 데이터 브랜드 상품을 잘 포장한다. 현재 우리나라에서는 AAS 기반으로 데이터가 수집·저장된 대기업들이 없어 우선 기업별 표준에 의거 축적된 데이터를 활용하는 것부터 시작한다.

둘째, 제조기업의 데이터가 경쟁 회사에 유출되면 경제적 위협을 받는 공정이나 설비 데이터를 공유해서는 안 되고, 반드시 일반 제품 및 기술 정보를 공유해도 되는 공정 및 설비 데이터를 공유 판매하도록 한다. 판매하고자 하는 공정 및 설비에서 측정되는 모든 Raw Data를 제공해야 한다. 만약에 노하우가 들어 있는 측정 항목이 있어, 일부 데이터를 빼고 제공하게 되면 구매한 회사에서 머신 러닝으로 기계 학습 시 고급 인공지능 두뇌를 만드는 데 문제가 돼 장애 수준의 두뇌가 만들어져 사용할 수 없게 된다. 따라서 공유·판매하려면 모든 데이터를 공개해야 한다. 일부 데이터를 빼고 공유하게 되면 구매자가 원하는 알고리즘이나 솔루션을 개발할 수 없다.

만약 제조기업에서 축적된 데이터에 생산 기술의 노하우가 들어간 설비나 공정 데이터는 데이터 보유 현황과 해결해야 할 고질적인 문제를 제시하고, 해결 가능한 솔루션 기업과 NDA(Non Disclosure Agreement) 협약을 하고, 별도 계약에 의거, 솔루션을 개발, 검증받고 해외 판매 시 허가된 기업에 판매를 할 수 있도록 협약해서 추진해야 한다.

셋째, 제조 자료를 수집하는 범위는 작업 중인 소재 및 제품정보, 그리고 작업자 설정 데이터, 환경 데이터까지 포함해 공정, 설비, 품질 상태를 측정하는 모든 Raw Data를 주기적으로 수집해 연속성, 일관성 있는 데이터를 축적해야 데이터의 가치가 있다. 생산 중에 일부 데이터가 빠지면 생산 현장에서 20년 이상된 숙련가 이상의 고급 인공지능을 개발하는게 불가능하다.

넷째, 데이터를 판매할 때 양사간에 제공 데이터를 제삼자에게 판매하던가, 제공된 데이터를 가공해 재판매를 원칙적으로 금하도록 상호 NDA를 협약을 수행하며, 양사간에 필요한 사항을 삽입해 보안 협약을 수행한다.

다섯째, 데이터의 가격은 양사가 결정해 수행한다. 축적된 데이터를 활용해 상호 이익을 창출하는 생태계를 구축하는 사업으로, 처음에 데이터를 제공하는 기업은 많은 개발기업, 알고리즘을 개발하는 연구소, 대학에서 활용할 수 있도록 저렴하게 제공하고, 어느 정도 생태계가 구축되면 시장 논리에 따라 형성되는 가격으로 제공하는 것을 원칙으로 한다. 데이터의 중요성, 가치의 중요성을 인식하는 문화를 만들어 가는 과정이다. 무료로 제공하는 데이터 시장 문화를 만들어 가는 것은 시장 논리에 부적합하다. 따라서 반드시 적정 가격을 통한 거래가 이뤄지는 문화를 만들어 가는 것이 중요하다.

사례를 보면 과거, 우리나라 경제 성장기에 필요한 소프트웨어를 불법 복제해 사용하는 시기가 있었다. 그러나 OECD에 가입하면서 불법 소프트웨어를 사용하지 못하도록 법으로 규제했다. 불법 복제를 통한 소프트웨어를 사용하는 문화가 국민에게 습관화되면서, 법제화 이후에도 소프트웨어의 가치를 인정하기보다는 적정 가격 이하로 구매하려는 경향이 많았다. 기업에서는 장비 등 하드웨어를 구매할 때 적정 가격을 주고 구매하지만, 소프트웨어는 40~60% 정도 할인 구매하는 형태로 시장이 변화하면서, 많은 소프트웨어 개발자들이 제조산업에서 돈이 되는 게임산업으로 전직함으로써 제조 분야의 소프트웨어 인력이 매우 부족해져 왔다.

대기업은 그룹사 내에 ICT 전문 기업을 만들어 놓고, 대부분 글로벌 시장에서 검증된 소프트웨어를 도입했고, 자체 개발하려는 의지는 매우 약했다. 그 결과 우리나라 ICT 대기업이 개발한 솔루션이 글로벌 시장을 장악할 만한 최고 수준의 소프트웨어는 하나도 없다.

박한구 단장은 OT 전문가가 IT와 DT 기술을 이해하고, 습득해 협업에 의한 데이터 가치를 창출할 수 있도록 데이터 과학자를 양성하는 것이 중요하다고 말했다. [사진=utoimage]

데이터 공유 사업의 생태계 모습

데이터를 체계적으로 보유한 기업이 제조 데이터를 판매해 가치를 창출하는 문화를 만들어 데이터를 사고파는 자본주의 생태계를 다음과 같이 운영한다. 첫째, 국제적으로 활용 가치가 높은 데이터를 체계적으로 축적하고, 축적된 데이터를 기업 내에서 활용해 데이터의 가치를 높이는 문화를 만들어 간다.

최근 대기업에서는 데이터 과학자를 육성해 데이터 가치를 높이기 위해 데이터 전문가를 채용하고 있다. 이들이 축적된 데이터를 분석·활용해 경제적 가치 창출이 검증되면 다른 공장을 확산해 제조 경쟁력을 높이려 노력하고 있다. 그러나 우리나라 대기업의 데이터 운영형태를 보면 생산, 설비, 품질, 자재, 환경, 에너지, 안전 등 분야별 데이터를 축적하고 있지만, 실제적으로 상호 연계 활용이 불가능한 Silo Database로 구축돼 있다.

품질을 분석·활용하는 부서에서 정확한 품질 불량의 근본 원인을 분석해 해결하고자 하면, 생산 공정의 상태 정보와 설비 상태 정보 등 생산팀과 정비팀이 보유한 데이터를 활용해 종합 분석을 해야 하는데, 데이터를 공유하지 않고, 데이터 간 제품별, 시간대가 동기화되지 않는 쓰레기 데이터가 많다.

따라서 제조기업에서는 4M 2E(Man, Machine, Material, Method, Energy, Environment) 관점에서 데이터가 생산되는 시간과 소재, 제품이 모두 동기화돼 체계적으로 저장돼야 한다. 또한 제조기업별 회사 표준에 의거 수집·저장하는 것보다는 국제 표준의 AAS 기반으로 수집·저장해야, 글로벌 시장에서 검증된 혁신적인 솔루션을 도입할 때 데이터 전처리 및 데이터를 재수집해야 하는 문제를 사전에 해소할 수 있다.

축적된 데이터를 기반으로 인공지능 솔루션을 개발 혹은 도입하기 위해서는 가장 먼저 수행할 것이 Silo DB를 통합해 기준정보 및 시간에 동기화된 빅데이터를 구축하는 것이 중요하다. 지금까지 분야별로 축적된 데이터에서 근본적인 문제를 해결하고, 부족한 2%의 남은 문제를 해결하려면 데이터 간 상호 융합분석이 필요하고, 관련 부서 간 협업 문화를 만들어 가야 한다.

이를 위해 OT 전문가가 IT와 DT 기술을 이해하고, 습득해 협업에 의한 데이터 가치를 창출할 수 있도록 데이터 과학자를 양성하는 것이 중요하다. 미국에서 OT, IT, DT의 종합 기술을 습득해 데이터의 생성부터 활용까지 일련의 사업을 총괄해 운영하면서 경제적 가치를 창출하는 사람을 데이터 사이언티스트라고 하며, 이는 OT를 잘 아는 전문가에게 IT, DT를 교육해 양성하는 것이 가장 빠르고 경제성을 얻을 수 있다고 한다.

둘째, 노하우 없는 공정의 데이터를 공유해 Open Innovation으로 새로운 가치를 창출하도록 전략을 수립한다. 제조기업의 노하우가 들어간 공정은 자체적으로 데이터 사이언티스트를 육성해 고질적인 문제를 해결하고, 새로운 제품과 기술을 개발하고, 노하우가 들어 있지 않은 공정의 데이터는 플랫폼에 공유해 Open Innovation으로 문제를 해결한다. 장치산업에서 데이터를 공개해 글로벌 시장의 솔루션을 빠르게 도입, 검증, 확산을 위해 대상 공정과 설비를 선정하고, 단계적으로 KAMP(Korea AI Manufacturing Platform)와 같은 신뢰성 있는 플랫폼에 공유해, 솔루션을 개발하는 많은 기업이나 솔루션을 보유한 기업이 쉽게 시험, 검증하는 기회를 제공한다.

이를 위해 제조 데이터를 공유하고 판매하는 생태계를 구축한다. KAMP와 같은 플랫폼에 제조기업의 데이터를 체계적으로 설비 분류체계(PBS: Physical Breakdown Structure)와 기능 분류체계(FBS: Function Breakdown Structure)를 제공하고, 설비 및 공정상 문제를 정확하게 정의한다. 제시한 문제를 해결할 수 있도록 스타트업이나 연구소, 대학에서 관심을 가지고 참여해 활용하도록 한다.

플랫폼 내에 저장된 빅데이터를 활용해 솔루션을 개발하고, 자체적으로 시험해 문제가 해결되면, 실제 기업의 공정에 적용해 실효성을 검증한다. 검증된 솔루션은 기업의 다른 공장으로 확산하고, 개발기업은 기업과 협업해 글로벌 시장에 판매하고 이익금을 상호 공유하는 체계를 만든다. 이때 중요한 것은 제조기업의 빅데이터를 플랫폼 내에서 활용할 수 있도록 해야 하며, 개인이나 기업, 연구소, 대학에서 개인 컴퓨터로 다운로드 받아서 자체적으로 활용한다면 별도의 다운로드 허가권을 받고 NDA 협약 후 추진하도록 한다.

셋째, 데이터 제공기업과 솔루션 사업자 간에 소통과 신뢰를 기반으로 데이터를 판매, 이익을 공유하는 사업 생태계를 구축한다. 플랫폼 내에서 제공된 빅데이터와 데이터 내에 해결하지 못한 문제를 해결하기 위해 다양한 솔루션 개발기업, 혹은 연구소, 대학에서 참여할 기회를 제공하고, 그중에 성공한 기업을 선정해 상호 이익을 공유하는 협업 사업을 한다.

일례로 글로벌 시장에서 인공지능 솔루션을 개발해 솔루션 기업으로 사업을 하고 싶은 사업가는 제조기업에서 보유한 데이터를 분석·활용의 가치가 있다면, 기업에서 제공하는 데이터를 활용해 솔루션을 개발하고, 개발된 솔루션을 공장에 적용해 성능을 검증한다. 솔루션 사업자는 검증이 완료되면 솔루션을 글로벌 시장에 판매하고, 그에 상응하는 로열티를 솔루션 판매하는 라이센스 비용에서 일부 페이백 하는 사업 협약을 한다.

사업가는 글로벌 시장에서 판매하면서 여러 가지 기능개선 및 성능 향상을 할 경우 솔루션을 업데이트해 원 제조기업에서 검증하고, 업그레이드된 제품을 지속해서 해외에 판매할 수 있도록 생태계를 구축한다.

[최종윤 기자 (news@industrynews.co.kr)]

[저작권자 © FA저널 SMART FACTORY, 무단 전재 및 재배포 금지]