사람·사물·현상이 다양한 형태로 스마트폰과 연결되는 시대가 도래하면서 2020년경에는 500억개 이상의 사물을 IoT(사물인터넷)화할 것으로 예상되고 있다.
통신기업들은 IoT가 자동차 및 가전제품에서 생활용품까지 확대돼 모두가 양방향으로 커뮤니케이션하며 데이터를 공유할 것으로 판단하고 M2M(Machine to Machine) 기술을 중심으로 산업간 콜라보레이션을 가속화하고 있다.

IoT로 쓰레기 회수 효율화…
Vodafone 글로벌 엔터프라이저의 Nagatani IoT 마케팅 매니저는 쓰레기통도 IoT화할 수 있다는 발상이 비즈니스로 연결되며 아이디어를 구현화할 수 있는 것이 IoT의 강점이라고 강조하고 있다.
Vodafone은 세계적으로 사용 가능한 SIM 카드를 활용해 IoT 서비스를 제공하고 있다. 대표적으로 자동차에 SIM 카드를 실장하면 도난 대책 등으로 활용할 수 있다.
웨어러블(Wearble)제품 및 골프카트, 농업 등 Vodafone의 M2M 기술을 활용한 IoT 서비스는 파트너가 다양한 형식으로 실용화하는 것을 가능케 하고 있다.
쓰레기통의 IoT화는 한국기업과의 콜라보레이션을 통해 쓰레기 양의 많고 적음을 판별하고 있다.
지방자치단체와 무선으로 통신해 쓰레기를 효율적으로 회수하는 시스템을 구축했으며, 쓰레기 회수 차량의 이산화탄소(CO2) 배출량 감축에 기여하고 스마트한 관리 솔루션을 시행할 수 있을 것으로 기대되고 있다.
서울에서 시행한 시험운용에서는 일정의 성과를 거둔 것으로 알려졌다.

운전자의 안전성 확보까지 가능
일본 통신 메이저도 모든 사물을 대상으로 다른 업종과의 콜라보레이션을 추진하고 있다.
NTT Docomo는 Toray와 공동 개발한 기능소재 「Hitoe」를 활용해 운전자용 졸음 인지 시스템의 실증시험을 시작했다.
운전자가 Hitoe를 실장한 옷을 착용하고 취득 심박 데이터와 전용 어플리케이션을 설치한 스마트폰을 연동해 졸음을 감지하며 이상상태를 운전자 뿐만 아니라 관리자에게도 알리는 것이 가능하다.
해당 시스템은 운전자의 생체 정보를 취득하는 것에 그치지 않고 자동차 상태 및 지리정보, 기상정보와의 연동도 검토하고 있는 것으로 알려졌다.
자동차의 중앙선 침범 및 진동 등 조작 정보와 심박 변동 지수를 연동시켜 해석할 수 있게 되면 보다 고차원적으로 안전성을 확립하는 것이 가능하다. 이밖에 기상, 지리정보, 게릴라성 호우 등의 기상 조건도 연동시킴으로써 사람, 사물, 현상을 잇는 종합 시스템으로의 발전 가능성을 내제하고 있다.
현재 상태에서는 졸음을 인지하는 수준에 그치고 있으나 검증을 통해 신규 기능 추가를 검토할 방침이다.

SoftBank, 이동체 IoT화에 특화
SoftBank는 이동체 IoT화에 특화한 「Internet of Moving Things」에서 비즈니스 찬스를 모색하고 있다.
움직이는 사물에는 당연히 전기라는 에너지가 필요하며 사물에서 사물로 이동하는 에너지는 가치가 있는 것으로 판단하고 밖에서 사용하는 에너지에 주목하고 있다.
이동체용 충전·인증 시스템을 개발해 3월 Noshima에서 전동 이륜차의 렌탈 서비스 사업을 시작했다.
전동 이륜차에 소프트뱅크의 이동체 통신망과 연결된 기기를 탑재하고 오라클(Oracle)이 제공하는 클라우드 서비스를 활용해 자동차 정보 및 충전 상황의 취집 및 분석을 시행한다.
SoftBank는 앞으로 서비스 지역을 확대하고 전기자동차(EV) 대상으로도 렌탈 사업을 시작할 방침이다.

AI 활용해 품질 자동관리
사회의 IoT화에 따라 비약적으로 급증하는 데이터를 분석·연결하고 부가가치화하기 위해 AI(인공지능)도 본격적으로 활용되고 있다.
Bridgestone은 Industry 4.0을 위한 고품질 자동화 시스템에 주목하고 있으며 AI를 실장함으로써 품질, 생산성, 자율화를 대폭 향상시킬 수 있을 것으로 기대하고 있다. 2016년 2월에는 Hikone 공장에 AI를 실장한 최신 타이어 성형 시스템 「Examation」을 도입했다.
소형 타이어의 수요가 증가해 범용제품 및 저가제품의 경쟁이 치열해짐에 따라 타이어 생산기업들은 제조 혁신이 요구되고 있다.
Examation은 독자의 IoT 생산기술과 AI를 활용함으로써 제조공정 및 품질보증의 판단을 자동적으로 시행함으로써 생산 불균형을 제어하고 품질 향상에 기여하고 있다.
또 AI를 활용함으로써 타이어 1개당 480개 항목의 품질 데이터를 센서로 계측하고 모든 부재가 최적 조건에서 조립될 수 있도록 하고 있다. 고정밀 타이어 생산을 실현하고 기존공법에 비해 진원성을 15% 이상 향상시킬 수 있다.
Bridgestone은 Examation을 주요 디바이스로 공장 전체의 공정능력을 향상시키고 있으며, 앞으로는 기술 업그레이드를 통해 다른 공장에도 적용할 방침인 것으로 알려졌다.

심층학습으로 제조공정 효율화
AI는 1950년대에 등장한 후 Neural Network 기술인 「심층학습」의 진화에 따라 몇 년 전부터 각광받기 시작했다.
Neural Network는 사람의 뇌를 구성하는 뉴런과 뉴런을 통해 정보를 전달하는 시냅스를 모델화한 것이다.
기존에는 사람과 원숭이를 구분할 때 엔지니어가 컴퓨터에 사람과 원숭이의 특징을 입력할 필요가 있었다.
1988년 당시 Fujitsu연구소가 개발한 이동 로봇의 Neutral Network 층은 불과 3층이었으나 현재는 7층으로 확대됐다. 뉴런 수는 29개에서 110만개, 시냅스는 232에서 7억3000만개로 크게 늘었다.
이에 따라 화상을 PC에 입력하는 것만으로도 사람과 원숭이의 차이를 PC 스스로가 인지할 수 있도록 했다.
PC 스스로가 데이터를 바탕으로 지식을 획득하는 「기능학습」이야말로 진화한 AI의 최대 특징으로 기계학습 기능을 생산현장에 적용하기 위한 활동이 활발해지고 있다.
e플랫폼·서비스를 제공하는 Advantec은 AI를 실장한 경보 솔루션의 제안을 본격화하고 있다.
해당 솔루션은 탄성파(AE) 센싱을 활용하는 것으로 공장 로봇팔에 도입하면 탄성파로 방출되는 굴곡 에너지의 계측에 적용해 게이트웨이 기기 경유로 클라우드 서버에 송신된 데이터가 AI의 기계학습에 따라 고장 예보·예방을 실시하는 시스템이다.
Advantec은 해당 솔루션을 통해 기기 고장을 사전에 파악할 수 있으면 기회손실 저감에 기여할 수 있을 것으로 기대하고 있다.

AI, 에너지 효율화에 기여
AI의 활용은 공장의 스마트화에 그치지 않고 있다.
기계학습 플레임 워크의 독자 개발로 성공한 Grid는 에너지, 물류, 농업, 의료, 로봇, 자동운전이라는 다양한 분야에서 AI를 활용하는 청사진을 그리고 있다.
에너지 부문에서는 스마트 미터의 정보를 통해 얻을 수 있었던 소비전력 동향과 기상, 일시 등 일시적인 외부 데이터를 조합함으로써 보다 정밀하고 정확한 소비 전력량을 예상하는 것이 가능하다.
또 화력발전소에 도입하면 발전터빈에서 얻은 데이터를 바탕으로 연료 효율 향상과 발전 코스트 절감에 기여할 수 있다.
Grid는 7월부터 해당 플레임 워크를 버전 0.1로 제공할 예정이며 AI를 누구나 사용 가능하도록 일반화하는 것을 목표로 하고 있다. 또 완성형으로 정의하고 있는 버전 1.0을 5-10년 안에 완성할 계획이다.

에너지 사용방법에 “혁명”
사회의 IoT화와 AI 기술의 진화는 에너지의 사용방법에 혁명을 가져올 것으로 기대되고 있다.
신재생에너지를 활용하는 효율적인 운용체제를 실현하게 되면 세계 모든 지역에서 에너지를 자급자족하는 것이 가능해지기 때문이다.
분산형 전원의 실현에는 축전·창전제품의 고성능화가 요구된다.
현재 축전지 시장은 LiB(Lithium-ion Battery)가 주류를 이루고 있다.
소형이면서 고용량화가 가능한 LiB는 대량의 전기를 저장할 수 있기 때문에 스마트폰을 비롯해 가정용 축전 시스템, 전기자동차 등 다양한 용도로 사용되고 있다.
그러나 신에너지·산업기술종합개발기구(NEDO)는 최근 발표한 「혁신형 축전지 실용화 촉진 기반 기술개발(Rising Ⅱ)」 프로젝트에서 2015년 이후에는 다른 전지가 주역으로 부상할 가능성이 있다고 주장했다.
LiB 탑재 EV의 항속거리는 이론적으로는 250-350km에 달하나 현재 항속거리는 120-200km에 그치고 이론적 수치를 실제 달성하는 것은 2020년경이 될 것으로 예상돼 그동안 목표로 해왔던 가솔린 자동차의 500km에 미치지 못하기 때문이다.
Rising Ⅱ는 전 프로젝트인 「혁신형 축전지 첨단과학기초연구사업(Rising)」에서 발견한 공기아연전지, 나노계면제어전지, 황화물전지에 초점을 맞추어 에너지 밀도를 현재 LiB에 비해 5배 높은 kg당 500W를 실현했다.
3가지 신형 전지 가운데 공기아연전지가 유력 소재로 부상하고 있으며 복수의 전지 관련기업이 저가의 아연을 전극에 활용하는 기초연구를 추진하고 있다.
Rising Ⅱ는 부극재에 사용하는 아연의 충진 밀도를 높힘으로써 에너지 밀도 향상에 주력하고 있다.
또 계면을 나노 레벨로 제어해 충전·방전을 가능케 하는 나노계면제어전지는 고체 전해질 소재, 황화물 전지는 고용량 고출력화를 실현하는 금속다황화물 정극 소재 개발에 주력하고 있다.
개발 전지는 자동차 탑재용을 목표로 하고 있으나 축전량이 늘어나면 가정용 전원으로서도 활용할 수 있으며 재해가 발생했을 때도 사용 가능한 「달리는 전지」로서 기대되고 있다.
NEDO가 혁신 전지의 개발과 함께 LiB의 고성능화를 추진할 예정인 것처럼 LiB의 성장 여지도 충분한 것으로 판단된다.
부극재는 현재 카본계에 비해 이론상으로 용량이 10배 이상인 실리콘(Silicone)계가 주류로 부상하고 있다.
Toray는 실리콘계 부극재 바인더용 수용성 PI(Polyimide)를 개발했고, 고강도 PI를 활용함으로써 부극재에서 떨어져나가기 쉬운 실리콘 활물질의 이탈을 억제하는데 성공했다.
Hitachi Maxell은 실리콘계 부극재 기술을 적용해 에너지 밀도를 기존제품에 비해 2배로 향상시켰으며 2016년 봄부터 웨어러블(Wearable)제품용을 중심으로 샘플 출하를 시작해 중장기적으로는 자동차 채용을 목표로 하고 있다.
LiB 생산기업들도 3원계 정극재를 활용해 고용량화를 추진하고, 세퍼레이터의 박막화에 따라 전극에 사용하는 활물질 사용량을 늘릴 것으로 예상되고 있다.

PV도 지속적으로 진화…
전기를 생성하는 디바이스는 유기박막태양전지(OPV)의 본격 보급을 앞두고 실리콘 결정계 태양전지(PV)의 기술혁신이 계속되고 있다.
PERC(Passivated Emitter & Rear Cell)로 불리는 PV 모듈이 대표적인 전력 생성 디바이스로, 절연층(Passivation)을 도입함으로써 뒷면의 실리콘과 알루미늄 전극계면에서 발생하는 에너지 손실을 저감시킬 수 있으며 PV 생산기업들이 변환 효율을 향상시키는 기술로 적용을 시작했다.
L-BSF(Local Back Surface Field) 타입이 PERC의 업그레이드 버전으로서 주목받고 있다.
뒷면 전극 아래 부분적으로 배합한 불순물 확산층을 배치하는 것이 특징이며 변환효율이 PERC에 비해 0.5% 정도 높은 것으로 알려졌다.
Teijin은 해당 불순물 확산층의 성형 소재 「NanoGram 실리콘 페이스트」의 제안을 강화할 방침이다.
레이저 가공을 전문으로 하는 중국기업과 협력해 해당 부문에서 3년 안에 시장점유율 50% 이상을 획득하는 것을 목표로 하고 있다. <이하나 기자: lhn@chemlocus.com>