2.2.1 4차산업혁명과 IoT
디지털 기술 기반의 혁신이 IT 산업 뿐 아니라 제조업ㆍ서비스업 전반으로 급격히 확대 18세기 후반 증기기관 발명에 따른 생산의 기계화, 20세기 초반 전기 발명에 의한
대량 생산체제 구축, 20세기 후반 컴퓨터 발명과 인터넷 보급에 따른 혁신에 이어 만물이 초지능화되는 4차 산업혁명이 진행 중
❙표 2-8❙ 산업혁명의 단계별 비교
구분 1차 산업혁명 2차 산업혁명 3차 산업혁명 4차 산업혁명
시기 18세기 19∼20세기 초 20세기 후반 2015년∼
혁신부문 증기기관에 의한 기계화 혁명
전기 에너지 기반의 대량생산 혁명
컴퓨터, 인터넷 기반의 지식정보 혁명
IoT, AI 기반의 만물초지능 혁명
생산통제 사람 사람 사람 기계 스스로
소통방식 책, 신문 등 전화, TV 등 인터넷, SNS 등 사물인터넷
주요특징 영국 섬유공업의 거대 산업화
벨트 컨베이어를 사용한 대량생산 보급으로 미국으로 패권 이동
인터넷과 스마트 혁명으로 미국 주도의
글로벌 IT기업 부상
사람, 사물, 공간을 초연결, 초지능화하여 산업구조, 시스템 혁신
자료: 안문석ㆍ이제은(2016), “4차 산업혁명 시대의 지역정보화 대응전략”, 2016년 지역정보화 이슈리포트 제1호.
IT 관련 산업 뿐 아니라, 전 산업의 가치사슬에서 디지털 활용 비중이 증가 - IT, 미디어, 전문서비스, 금융 등을 제외한 산업은 아직 디지털 활용 수준이 낮으며,
디지털 집약도가 높은 산업에서도 디지털 활용도를 더 제고할 여지가 많은 상태
- 4차 산업혁명과 더불어 소프트웨어가 하드웨어의 보조적 역할을 넘어 주도적인 지위로 상승
할 전망이며, 전 산업에 걸쳐 소프트 역량의 중요성이 급부상
❙ 그림 2-21 ❙ 주요 산업별ㆍ기능별 디지털화 수준
자료 : Gandhi, P. et al.(2016.4.1.), Which Industries Are the Most Digital (and Why)?, HBR <hbr.org>.
❙그림 2-22❙ ICT 산업 및 비ICT 산업의 미래 예측
자료: 이지효(2016.6.), 디지털의 미래와 한국 산업에의 시사점, Bain & Company.
(초연결) 센싱 기술의 발전으로 물리공간의 방대한 데이터를 실시간으로 수집하게 되면서 현 실세계와 가상세계가 통합
- 시스템의 복잡성이 급속히 증대하면서 기존의 임베디드 SW 기술보다 물리세계와의 상호작용 품질 및 신뢰도를 획기적으로 개선할 수 있는 기술을 요구
- CPS(Cyber-Physical Systems)란 현실공간과 가상공간이 긴밀히 결합된 시스템으로 ‘사물인 터넷(Internet of Things)’과 유사한 개념
* 미국과학재단이 2006년 개념을 제안하고 2009년 300억 원의 연구비를 투입하며 CPS가 주목받기 시작
(지능형) 인공신경망 기술을 발전시킨 딥러닝 기술의 등장으로 인공지능은 고도의 계층적인
개념의 학습이 가능해지며 인공지능의 성능이 급격히 진전
- 인간의 대뇌 신피질은 다양한 경험을 쌓아가며 세계에 존재하는 패턴을 학습(뉴런 사이의 연 관이 활성화되는 경험이 반복될수록 연결하는 시냅스가 강화)하는 유기체인데,
인공신경망 방법론은 뉴런과 시냅스에 해당되는 노드와 연결을 소프트웨어적으로 구현 - 2012년 이후부터 인공신경망 기술을 심화 발전시켜 계층적으로 추상화한 개념을 쌓아 올려
가며 객체를 분별하는 ‘딥러닝(Deep Learning)’ 방법론이 각광
* 입력층과 출력층으로만 구성된 기존 머신러닝 방법론과 비교해 딥러닝은 다수의 은닉층(hidden layers)을 구성해 계층적 학습을 수행하는데, 이는 인간에 의한 데이터 전처리 및 특징표현 추출을 대체
❙그림 2-23❙ 기존 머신러닝(좌)과 딥러닝(우)의 개념 비교
자료: Hoan, T. Q.(2015), Deep Learning and Business Models, VNITC.
딥러닝은 기존 머신러닝에 비해 빅데이터와 결합해 강력한 시너지를 발휘 - 기존 머신러닝은 데이터 증가에 따른 한계효용(추가적 성능 증가분)이 급속히 감소
- 딥러닝은 일정 규모 이상의 데이터가 확보되어야 다른 머신러닝보다 높은 성능을 발휘하지 만, 데이터 양의 증가에 따라 한계효용 감소가 온건해 다른 머신러닝 방법을 압도
- 딥러닝 기술은 데이터가 풍부한 분야에서 우선 적용되며, 거대한 연산자원을 요구
- 빅데이터를 분석해 제품 품질을 개선하면 더 많은 사용자가 유입되고 이들이 더 많은 데이터 를 생성하면 딥러닝을 통해 더욱 더 품질을 개선하게 되는 선순환을 통해 후발자가 따라잡 기 힘든 경쟁우위를 확보 가능
❙그림 2-24❙ 데이터의 양과 딥러닝 성능의 관계
자료: Andrew Ng 교수의 딥러닝 튜토리얼, <http://cs229.stanford.edu/materials/CS229-DeepLearning.pdf> (2016.8.11. 접속);
Nicholson, C.(2015), Deep Learning Use Cases, Data Science POP-UP in Seattle Conference.
ICT가 환경, 에너지, 교통, 경제, 안전, 의료 등 복잡한 사회시스템의 인프라가 되면서 안전하고 효율적으로 사회시스템을 설계 ㆍ운용 ㆍ보수하기 위해 CPS 기술을 고도화
- (스마트 그리드) 전력망의 효율을 향상시키며, 특히 기상을 예측해 풍력. 태양광 등의 신재생 에너지가 전력 그리드에 최적으로 결합되도록 제어하여 자원 낭비를 최소화
* 덴마크 ‘EDISON 프로젝트’: 풍력으로 생산된 잉여전력을 전기자동차에 임시저장해 전력 이용을 효율화
- (스마트 교통) 개별 차량의 움직임을 파악하며 유연한 과금 등 트래픽 관리를 개선
- (산업 인터넷) 기계와 기계, 기계와 사람을 연결하고 제품진단 소프트웨어와 분석 솔루션을 결합해 설비 관리 및 운영을 최적화
* 클라우드 및 인공지능 기술을 활용해 전 세계의 공장과 설비를 효율적으로 관리하는 산업 플랫폼 실현
❙그림 2-25❙ 미국 GE의 산업 인터넷(Industrial Internet) 기본 구도
자료 : 정보통신기술진흥센터(2015), “주간기술동향 1710호: 제4차 산업혁명의 신지평과 주요국의 접근법”
4차 산업혁명과 연관된 로봇산업 중 IoT는 전문 서비스 산업과 직접적인 연관 제조 산업 : 독일 Industry 4.0, 중국 제조라인 무인화 등 국가 경쟁력과 직접 연관 서비스 산업 : 세계적 메가트렌드, 고령화 사회에 접어드는 모든 나라의 관심분야, 고령화
사회에 대비한 국가 전략과도 연계
제조 서비스 IoET
- 자동차, 반도체 중심의 단순제조 로봇뿐만 아니라 사람과의 협업 및 제조‧물류를 포함하여 산업 전 반의 경쟁력 향상을 지원하는 로 봇 시스템
- 국가경쟁력을 좌우하는 제조산업의 중요성 상승과 ICT/ IOT 기술의 발전에 따른 첨단 제조환경의 변 화에 순응하기 위한 첨단 제조로 봇의 필요성 증대
- 고령자의 일상생활 지원, 건강훈련 지원, 간호·간병 지원 및 재활훈 련을 지원하는 로봇 시스템으로 고령자뿐만 아니라 이들을 간호하 는 인력을 도와주는 로봇 시스템 도 포함
- 우리나라의 고령사회 진입 및 ICT 기반의 미래 스마트 홈 기술의 발 전으로 로봇에 기반한 고령자 케 어 필요성 증대
- 사물인터넷과 극한지 기술의 융합 을 통해 정교한 자동제어, 자동화 된 차량, 협업로봇, 사회안전인프 라 및 군사용 장비 등 일상 생활 제품의 한계를 뛰어넘어 새로운 서비스를 제공하는 시스템 - 클라우드 컴퓨팅, 인공지능 및 IoT
기술의 발전으로 지능형 서비스 시스템의 도입 예상 시기가 앞당 겨 지고 있음
❙표 2-9❙ 4차 산업혁명과 연관된 로봇산업
2.2.2 극한환경 자원개발과 IoET
1)시스템
해외 극한환경 시공 분야에서 시장 선점을 위한 체계적 연구개발 및 상용화 전략 추진을 통해 해양로봇산업의 저변 확대
인공지능 자율항법시스템, 정밀 능동 탐지 및 상태 추정 분석 시스템, 스마트 통합 HRI 시스템 등의 파생 기술을 활용하여 과학탐사, 자원개발의 수중로봇과 군사용 자율 무인 무기체계 개발에 기여
극해역 해양플랜트 산업에 적용 가능한 지능형 모바일 시스템 개발로 극한환경 해양플랜 트 산업 및 서비스 시장 진입 가능
극한환경 해역의 자원 개발과 관련된 해양 플랜트 장비 및 인프라 수요 증대 예상 (Douglas-Westwood, Infield, INTSOK)
세계 극한환경 해양플랜트(Drillship, FPSO, 지원선(OSV) 등) 시장규모는 약 31조원(30억 달러)으로 전망되며, 이후 연평균 6~7%의 성장률을 보이며 2030년에는 약 92조원(820 억 달러)의 시장을 형성할 것으로 전망됨(자료:한국조선해양플랜트협회)
❙표 2-10❙ 극지기후 환경 해양플랜트 시장규모 및 전망
유지, 보수, 개조, 운영시장 규모는 1,120억 달러로 예상되며, 향후 2014~2018까지 6,710억 달러로 5년전 대비 31% 성장할 것으로 전망(Douglas-Westwood, 2013.12) - 러시아, 핀란드, 독일 등을 중심으로 극지구조물, 극지에서 선박기술, 에너지 고효율 환
경구축기술관련 연구를 수행하고 있음
극지해 심해지역 자원 개발로 신산업 창출 가능 - 2020년 해양 석유/가스 생산량 2,992Mtoe
- 쇄빙선/내빙선 수요 증가(일반선 대비 4.9배의 고부가가치 발생) - 해양플랜트 수요 확대(2020년까지 90억달러 가치의 추가 수주 발생)
- 해양관련 산업 연쇄발전 유도(항만건설, 해운업, 보험금융업, 정보통신업, 관광업 등)
1) Internet of Extreme Things(극한환경에서 사물인터넷을 의미), 극한지 공학과 IoT의 융합으로 사회 전반의 전문 서비스 산업에 영향력이 클 것으로 예상되는 분야
시장조사기관 visiongain의 2015년 보고서에 따르면, 전체 ROV 투자비용은 2014년에 전 세계 오일 가격의 하락으로 투자비용이 줄었으나, 2016년부터는 회복하여 2025년에는 25 억 달러의 투자가 이루어질 것으로 예측
❙그림 2-26❙ 세계 ROV 시장 전망
❙그림 2-27❙ 세계 ROV 운용서비스 비용 전망
<참고 1> Russian PolarStar NTNU AMOS 프로젝트
자료 출처 : Centre for autonomous marine operations and systems/Research/NTNU AMOS projects)