화학저널

제조업은 단순한 기술개발능력만으로는 생존하기 어려운 시대가 도래하고 있다.
일본 부품·소재 생산기업들은 10년, 20년 단위의 꾸준한 연구개발로 경쟁력을 키워 왔으나 디지털화라는 패러다임이 형성됨에 따라 생존을 위한 변화가 요구되고 있다.
미국은 제조업을 진작시키기 위해 ICT(정보통신기술)를 접목한 획기적인 생산기술을 개발하고 있으며 유럽과 중국도 비슷한 움직임을 보이고 있다. 중국은 자금능력을 활용해 일본과의 기술 격차를 축소하는데 주력하고 있다.
일본은 경제산업성이 대책을 강구하기 위해 여러 방안을 내놓고 있으나 예산 문제로 실현되지 못하고 있다.
최근에는 최고의 기술을 보유하고 있어도 인공지능(AI), 기계학습과 같은 디지털화가 기술을 무력화시켜 능동적인 변화를 추구하지 않으면 생존이 불가능한 시대로 변모하고 있다.

심층학습으로 획기적인 신소재 탄생
일본은 다양한 화학소재 가운데 실리콘(Silicone) 웨이퍼를 비롯한 전자부재 분야에서 세계시장을 장악하고 있고 글로벌 경쟁력을 보유하고 있음에도 미국의 MG(Material Genome) 전략 등에 따라 중국에 따라잡힐 가능성이 있다는 우려가 제기되고 있다.
신소재는 발견 이후 사업화에 이르기까지 20-30년 걸리는 것이 평균적이지만 MG 전략은 상업화 기간을 크게 단축함으로써 일본의 아성을 무너뜨릴 수 있기 때문이다.
MG 전략은 원하는 성능을 목표로 설정해 조건을 충족시키는 후보 소재를 방대한 데이터로부터 검색하고 합성하는 간단한 프로세스로 숙련 기술자의 지식 및 경험에 의존하지 않는 특징이 있다.
현재는 개발단계이나 단기간에 획기적인 신소재가 탄생할 가능성이 높으며 유럽, 중국도 미국의 MG 전략에 주목해 동일한 연구개발을 추진하고 있다.
일본에 비해 첨단소재 개발 자원이 부족한 중국 등이 단숨에 경쟁력을 강화할 가능성이 제기되는 이유이다.
일본은 해당방법을 사용해 질화물 반도체 합성에 성공한 연구팀이 있어 소재개발 부문이 새로운 국면에 들어선 것으로 파악되고 있다.
경제산업성은 2015년 정보과학과 소재과학을 융합한 소재 설계공법 MI(Material Informatic)가 필요한 것으로 판단하고 금속소재의 경쟁력 강화를 추진하고 있다.
MG, MI 모두 자동운전 및 음성인식에 사용되는 것과 동일한 기계학습을 기본으로 하고 있다.
기계학습은 인공지능(AI: Artificial Intelligence)과 함께 20년 전부터 주목받았으나 검색 및 예측성능이 부족해 보급이 이루어지지 않았다.
하지만, 몇년 전 심층학습이라는 신기술이 나타난 후 상황이 변화하기 시작했다.
교통표지 및 움직이는 자동차, 나사 및 프린트 배선판을 인식해 자동운전 및 로봇의 정밀제어가 가능해짐으로써 구글(Google), 토요타(Toyota)자동차, 파나소닉(Panasonic) 등이 일제히 도입을 시작했다.
토요타는 미국 국방고등연구계획국에서 로봇 관련 프로젝트를 지휘해온 관계자를 최고경영책임자로 영입해 AI 연구시설 「Toyota Research Institute(TRI)」을 운용하기 시작했으며, 자동차에 국한하지 않고 다양한 분야에 AI를 폭넓게 활용하는 방안을 검토하고 있다.
심층학습은 전 산업에 응용할 수 있으나 아직 도입단계이며 저출산·고령화, 노동력 부족, 인건비 상승 등이 과제인 제조업에 필수불가결한 기술로 부상하고 있다.

벤처기업이 최첨단 심층학습 견인
최첨단 심층학습 기술은 벤처기업이 견인하고 있다.
Tokyo대 졸업생이 설립한 Preferred Infrastructure(PFI)는 사원수가 30명 정도로 파나소닉 및 토요타자동차 등이 출자했으며 자동운전 및 신형 로봇 뿐만 아니라 신약 개발을 비롯한 헬스케어 사업도 영위하고 있다.
Tokyo Institute of Technology 대학 출신이 설립한 SOINN도 사원수가 9명이나 산업혁신기구가 출자를 결정했다. 장래성이 높기 때문에 ICT 메이저도 본격 참여하고 있으며 Fujitsu는 세계 최초의 데이터 처리 기술을 이르면 2016년 안에 실용화할 방침이다.
PFI는 사물을 인식해 추론하는 기계학습용 소프트 개발의 중요성이 커지고 있는 심층학습 연구개발 부문을 스핀오프해 2014년 PFN을 설립했다.
PFN은 15명 체제이며 자동차, 산업용 로봇, 헬스케어 3개 분야에 집중하고 있다.
헬스케어에 대한 심층학습 적용은 새로운 시도이나 제약기업 사이에서는 3-4년 전부터 각광을 받고 있다.
독일 Merck가 2012년 실시한 정량적 구조-활성 상관관계(QSAR) Data Mining Competition이 심층학습에 대한 관심을 끌어올렸다.
QSAR Data Mining Competition은 방대한 데이터 가운데 신약을 창출할 수 있는 화합물의 구조 및 독성을 찾아내는 대회로, 화학에 문외한이었던 Toronto 대학 연구진이 우승을 차지했다.
우승팀은 심층학습 기술을 백분 활용한 것으로 알려졌다.
심층학습 기술은 신약을 창출할 수 있을 것으로 파악되는 화합물의 특성을 앞서 파악하고 있으며 기존 컴퓨팅 처리를 적용하고 있다. 미지의 화합물에 대해서도 활성의 유무를 판단할 수 있으며, 후보물질에 염기를 추가하는 등 추론을 반복해 원하는 기능을 끌어낼 수 있다.
또 처음부터 체내 효소에 대한 대사 영향, 수용체의 저해성 등도 고려해 후보물질을 탐색할 수 있기 때문에 임상에 이르기까지의 시간과 비용을 대폭 단축할 수 있다.
PFN은 Tokyo 대학과 함께 심층학습을 통해 iPS세포(인공다능성줄기세포)의 분화에 어떠한 요소가 영향을 미치는지 규명하는 연구를 추진하고 있다.
SOINN은 현재 심층학습이 거의 화상으로 실시할 수밖에 없으나 모든 데이터를 취급할 수 있을 것으로 기대하고 있다.
자동운전은 대량의 화상 데이터를 1개월 가량 사전에 학습시키는 것이 필요하기 때문에 화상처리 칩 메이저인 미국 NVIDIA는 새로운 사업으로서 심층학습에 주력하고 있으며 PFN과도 협업하고 있다.
SOINN은 AI을 통해 환자의 맥박 및 체온, 의사의 진단정보 등 다양한 데이터를 모두 파악함으로써 인과관계를 발견토록 하고 있다. 프로그램 사이즈가 작은 것이 특징으로 조만간 스마트폰용으로 고객맞춤형 어플리케이션을 사업화할 예정이다.
Fujitsu는 시스템 전체를 고려하며 사업 확대를 목표로 하고 있다.
IoT(사물인터넷) 시대에 가장 필요한 것으로 파악하고 복잡한 움직임을 하는 「시계열 데이터」의 고정밀도 분류 기술을 개발하고 있으며 심층학습의 용도 확대를 추진하고 있다.
국내에서 개최된 사람과 컴퓨터와의 바둑 대결의 결과를 보아도 심층학습의 발전 가능성은 공포감을 줄만큼 크게 느껴지고 있다.

화학·제약산업도 인공지능 적극 도입
자동차 및 전기·전자 분야 뿐만 아니라 화학 및 제약 산업에서도 AI 및 심층학습 기술을 도입하는 움직임이 활발해지고 있다.
코스트 절감 뿐만 아니라 품질 및 안전성 향상에 필요한 것으로 인식되기 때문이다.
중국은 숙련공이 부족하며 인건비가 상승하고 있어 로봇 도입이 급속도로 이루어지고 있으며, 산관학이 획기적인 차세대 로봇 개발을 추진하고 있다.
일본 Daiichi Sankyo는 신약 창출 사업의 효율화를 위해 AI를 활용하고 있다.
미국 IBM의 AI 시스템 「Watson」을 활용해 장인의 기술 등을 집약함으로써 최종적으로 신약을 창출하는 사이클을 짧게 하고 성공 확률을 높이는 것을 목표로 하고 있다.
Fuji Film은 헬스케어 사업에 대한 AI 도입에 의욕을 나타내고 있다.
iPS세포 배양에 AI를 활용할 방침이며, 인력으로는 생산성에 한계가 있는 것으로 파악하고 숙련 기술자의 노하우를 로봇에게 학습시키는 로봇화의 필요성을 주장하고 있다.
자사의 정밀화학 기술과 로봇 기술을 조합시킴으로써 표준화를 실현하는 것을 목표로 하고 있다.
Fuji Film은 로봇 공학기술을 보유하고 있지 않기 때문에 M&A(인수합병)을 실시할 가능성이 높은 것으로 알려졌다.
멸균 환경 속에서의 작업이 많은 헬스케어 분야는 로봇화에 대한 니즈가 높은 가운데 Denso의 자회사와 같이 은 도금 등으로 박테리아 번식을 억제한 의료용 로봇을 공급하는 서플라이어가 늘어나고 있다.
Hitachi Chemical도 로봇화에 적극적으로 나서고 있다.
높은 시장점유율을 차지하고 있는 프린트 배선판용 필름 레지스트 공장은 이미 자동화가 이루어지고 있으나 포장 공정까지 포함하면 로봇화를 더욱 진전시킬 수 있을 것으로 기대하고 있다.
분말 야금과 관련해서는 생산성과 품질 안전성 양면에서 로봇화를 추진하고 있다.
현장의 직무전환도 검토하고 있으며 젊은이들은 이미 실습에 들어가 있는 것으로 알려졌다.
Fuji Electric은 생산성과 안전정을 위해 로봇화에 주력하고 있다.
자동판매기 메이저이나 금속판 가공공정에서 직원이 상처를 입는 사고가 발생함에 따라 로봇화 뿐만 아니라 생산거점도 집약해 효율화를 높였다.
경제가 침체돼 있는 중국도 인건비 급등에 따라 자동판매기 수요가 급증하고 있다.
Fuji Electric이 로봇화를 추진하고 있는 것은 로봇 가격이 대폭 하락했을 뿐만 아니라 정밀도가 향상했기 때문이다. 로봇은 기존에 가격이 매우 비싸 채용하는 곳이 많지 않았으며 이형부품을 잡기 어려웠던 문제점이 있었다.
형태가 제각각인 이형부품을 마구잡이로 쌓아도 로봇 팔이 적절하게 잡을 수 있는 것은 심층학습의 효과로 부품의 화상 데이터를 학습시켜 두면 로봇이 스스로 시행착오를 반복해 89시간 뒤에는 80% 정도의 확률로 잡을 수 있게 된다.
미국 IBM은 인간의 뇌를 유사한 연산방법을 활용해 시스템 자체가 학습해나가는 체재를 반도체에 구현하고 있다.
로봇 기능을 향상시키는 용도로 채용하는 것을 고려하는 동시에 각종 센서의 방대한 데이터를 효율적으로 처리하기 위해 반도체 칩의 고밀도 실장 기술 개발도 추진하고 있다.
일본 IBM, JSR, Senju Metal이 공동 개발한 납땜 뱀프 형성 기술은 실장 기술의 일환으로 평가되고 있다.
로봇의 고기능화 기술은 계속 발전하고 있다.
와세다대학은 차세대 로봇 연구기구를 출범해 개호 지원 및 원자력발전소의 폐로 작업용 로봇, 심층학습을 활용해 사람과 협조할 수 있는 로봇 등 다양한 개발을 추진하고 있다.
로봇은 저출산·고령화가 심화되고 있는 일본 뿐만 아니라 모든 산업에서 채용이 늘어날 것으로 예상되고 있다.

일본·캐나다 협력이 로봇산업에 파장…
자동차산업이 집적한 캐나다 Ontario에서는 산관학이 함께 로봇의 고도화를 추진하고 있다.
Ontario는 저출산·고령화에 따라 구조적으로 인력부족 현상이 나타나고 있는 일본과 달리 생산성 향상과 산업 진흥이 로봇 개발의 원동력이 되고 있다.
로봇을 고도 제어할 수 있게 하는 심층학습 기술을 창출한 Toronto 및 Waterloo 대학은 일본과의 공동연구 주제도 많고 헬스케어에 대한 활동도 활발한 편이다.
양국의 협력은 로봇산업에 큰 변화를 일으킬 것으로 기대되고 있다.
도요타, 혼다(Honda)의 투자규모는 항상 톱 수준일 정도로 일본과 Ontario와의 협력 관계는 깊고 Detroit에서 자동차로 4시간 정도 떨어진 곳에 위치하고 있어 서플라이체인을 구축하고 있고 미국 클라이슬러(Chrysler)가 약 20억달러의 친환경 자동차 투자를 결정하는 등 발전을 거듭하고 있다.
파나소닉을 비롯해 일본 산업기기 메이저의 진출도 두드러지고 있다.
Toronto 대학은 생산지원에서 게임, 치유 분야까지 다양한 로봇 개발을 추진하고 있다.
어두운 곳에서 무거운 것에 깔린 사람을 구하는 로봇을 비롯해 요리 레시피를 가르치는 키친 로봇, 대화를 하면 식사 상대를 해주는 대화 로봇, 무거운 물건을 이동하거나 가공할 수 있는 작업지원 로봇 등이 있다.
Toronto 대학은 로봇과 함께 나노테크놀로지도 중시하고 있다.
Hitachi Hight Technology와 공동으로 DNA를 손상하지 않도록 시찰하거나 2나노미터의 미세 게이트 길이를 측정하는 차세대 트랜지스터 기술을 개발하고 있다.
Waterloo 대학은 그동안 636개사를 스핀오프해 지역 경제에 기여한 바가 크고 연구개발도 사업성이 높은 주제가 많은 것으로 평가받고 있다.
팔찌형 센서로 근육의 움직임을 파악하고 데이터를 무선으로 보내 원격지에 있는 로봇을 움직이는 제스처 로봇은 사람이 들어갈 수 없는 위험한 장소에서의 작업을 고려했다.
Waterloo 대학도 Tokyo 대학과 메커토로닉스에 관해 협업하고 있으며, 자동차 뿐만 아니라 성장 분야인 헬스케어 관련 로봇 사업도 육성하고 있다.
Waterloo 대학에서 스핀오프한 Teledyne DALSA는 로봇의 눈 역할을 하는 CCD(전하결합소자) 센서와 CMOS(상보형금속산화막반도체) 이미지 센서 메이저로 X선 디텍터 공급용 CCD 소자는 구경 150mm 웨이퍼를 사용해 네덜란드 공장에서 전처리한 후 Ontario 공장에서 조립·출하하고 있다.
2012년 설립된 벤처기업 Synaptive Medical은 신경외과 수술 지원 로봇을 개발해 급성장하고 있다.
직경 75mm의 파이프를 통해 뇌의 환부를 직접 확인할 수 있도록 준비해 놓으면 로봇이 화상센서로 촬영하는 방식이다. 환부의 고화질 화상을 대화면 디스플레이에 비추며 스탭은 화면을 보면서 수술할 수 있다.
기본 구성 가격은 40만달러 이상이나 파키스탄, 싱가폴, 오스트레일리아, 중동 시장 개척을 목표로 하고 있다.

자동차 부문이 최대 용도로…
일본과 캐나다 모두 자동차산업이 로봇 도입을 가장 적극화하고 있으며, 경쟁이 심화되고 있는 만큼 생산성을 높이는 작업이 필수적으로 요구되고 있다.
로봇 관련기업들은 전기자동차(EV)용 전지교환시스템 및 타이어 운송 로봇 등 최첨단 니즈에 대응하는 움직임이 활발한 편으로, 파나소닉은 산업용 로봇 분야에서 약 50%의 점유율을 차지하고 있으며 1985년 Toronto에 진출해 사업규모를 점차 확대하고 있다.
사람과의 협업이 가능하도록 안전성을 높인 로봇 및 특정 부품을 고속으로 구분하는 로봇, 자동차 본체를 이동 가능한 대형 로봇. 또 섭씨 200도에서 녹인 수지를 압출하고 장식문자를 작성할 수 있는 로봇 등 다양한 로봇군을 보유하고 있다.
Blue List는 파나소닉을 비롯한 로봇 전문기업에게 소프트를 공급하고 있다.
주력제품은 3차원 가공 소프트이나 수요처들이 정밀도 향상을 요구하고 있으며, 특히 요구수준이 높은 곳은 일본 자동차 기업으로 알려졌다. 최신기종의 가공 정밀도는 0.1mm이며 2016년 0.05mm, 0.02mm 제어를 실현하는 것을 로드맵으로 책정하고 있다.
Eclipse Automation은 미국 테슬라(Teslar)와 공동으로 EV의 LiB(Lithium-ion Battery) 팩 교환장치를 개발하고 있다.
EV는 전지성능을 향상시키는 것이 최대 과제이나 테슬라는 EV 충전소에 LiB 팩 교환장치를 설치해 차체를 들어올려 2-3분 안에 새로운 LiB 팩으로 갈아 끼우도록 하는 것을 해결 방안으로 제시하고 있다.
무인운반차(AGV) 메이저 Cimcorp Automation은 타이어 전용 AGV와 갠트리 크레인을 세트로 타이어 생산기업에게 제안하고 있다.
대량의 타이어를 쌓아 놓을 수 있는 거대창고에서 필요한 타이어를 크레인으로 쌓아 AGV에 실어 특정 장소에 자동으로 운반하는 시스템이 특징으로, 아시아 타이어 공장은 내부온도가 섭씨 50도까지 상승하기 때문에 AGV와 크레인을 통해 작업환경을 크게 개선할 수 있을 것으로 기대되고 있다.
Clearpath Robotics도 AGV를 개발하고 있다.
Clearpath Robotics가 개발하고 있는 AGV는 로봇 팔과 조합해 생산 자재 등의 중량부재를 운반할 수 있으며 기존 AGV에 비해 자율성이 높고 도입이 용이해 대규모 자동차 공장에서 사용할 수 있도록 몇 년 안에 실용화하는 것을 목표로 설정했다.

<이하나 기자: lhn@chemlocus.com>

<화학저널 2016년 8월 22일>