AI(인공지능), IoT(사물인터넷) 시대가 열리고 있다.
AI·IoT는 일상생활 뿐만 아니라 공장의 제조현장에서도 활용이 본격화되고 있다.
IoT는 사물에 센서를 부착해 연결한 후 실시간으로 주고받은 데이터를 축적·분석함으로써 유효하게 활용하는 기술로 분석에는 AI가 핵심기술로 활용되고 있다.
AI는 IoT로 수집한 정밀도 높은 대량의 데이터인 빅데이터를 활용함에 따라 효과가 더욱 커지는 특징이 있다.
최근에는 AI 기술이 발달함에 따라 사람이 하지 못했던 심도 있는 분석이 가능해졌으며 방대한 시간이 소요되던 작업 처리시간이 획기적으로 단축되고 있다.
그러나 IoT로 무엇을 어떻게 연결할지, 어떤 데이터를 획득해 차별화할지, 어떤 목적으로 어떻게 유효 활용할지 등 전체적인 그림을 명확히 그리지 않으면 효과가 한정적인 것으로 나타나고 있다.
이에 따라 AI·IoT는 수단에 불과하며 생산성 향상, 안전성 강화 등 목적을 명확히 세우는 것이 중요해지고 있다.
AI·IoT 추진에 기초가 되는 전략, 인재육성, 프로세스 개선, 콜라보레이션, 시큐리티, 법규 등에 대한 검토도 중요한 요소로 부상하고 있다.
AI는 딥러닝(Deep Learning) 기술이 주류를 이루고 있다.
그러나 딥러닝은 도출된 결과에 대한 근거가 불명확하다는 등 여러 가지 이유로 설명에 대한 책임이 요구되는 자동운전, 공장의 안전 관련분야에 적용할 수 있을지 의문시하는 의견이 대두되고 있다.
이에 따라 화학 플랜트도 AI·IoT 도입이 쉽지 않은 것으로 나타나고 있다.
 
화학 플랜트에 AI·딥러닝 활용
기계가공·조립 중심인 일반 공장은 무인화를 추구하는 FA(Factory Automation) 전환이 진행되고 있으나 화학 플랜트의 자동화는 PA(Process Automation)로 진화하고 있다.
PA는 공장을 효율화함과 동시에 안전을 보장하는 체제로 큰 의미를 가지고 있으나 FA와 달리 100% 자동화가 아닌 특징이 있다.
화학 플랜트는 눈에 보이지 않는 상황에서도 제어해야 할 때가 있으며 설비가 노후화됐거나 가동을 중단하면 피해가 확산되는 특징이 있어 작업자의 확인·조작이 필요한 부분이 있기 때문이다.
또 많은 경험을 축적한 베테랑 작업자에 대한 의존도가 높은 가운데 설비가 열화됨에 따라 품질 예측 등 정밀도가 떨어지고 베테랑 작업자도 줄어들고 있어 AI·IoT 활용이 중요해지고 있다.
Mitsui Chemicals(MCC)은 NTT Communications과 공동으로 화학 플랜트 제조과정의 품질 예측에 AI·딥러닝을 활용하고 있다.
51가지 종류의 프로세스 데이터와 품질을 나타내는 「X가스 농도」 관계를 딥러닝으로 모델화한 후 사전에 이상 발생을 예측하는 시스템으로, 이상을 발견하면 사람에게 경고함으로써 사람이 최종적으로 판단할 수 있도록 하고 있다.
최근 사고가 발생한 플랜트 중에는 사고 직전까지 이상을 전혀 알아차리지 못한 사례가 있는 것으로 알려져 MCC의 예측 시스템이 더욱 주목받고 있다.
MCC는 내부적으로 해결할 수 없는 부분을 외부와 제휴해 추진했으며 AI 활용에 대한 노하우를 축적하기 위해 장기간에 걸쳐 단계적 도입을 진행한 것으로 알려졌다.
명확한 전략에 따라 도입체제 구축해야…
AI·IoT를 성공적으로 도입하기 위해서는 우선 경영전략을 토대로 AI·IoT를 도입하는 목적을 명확히 설정한 후 프로세스를 개선할 수 있는 방향으로 대응하는 것이 요구되고 있다.
또 AI·IoT 관련기술은 매우 광범위해 독자적으로 대응하기 어렵기 때문에 전문기업과의 제휴도 중요한 요소로 부상하고 있다.
MCC는 AI 관련부분을 중심으로 NTT Communications과 제휴해 성과를 거둔 것으로 평가되고 있다.
다만, 제휴하더라도 내부적으로 AI·IoT 추진에 대한 총괄부서를 신설하고 프로젝트 체제를 검토할 필요가 있다.
일부 부서만으로는 효과가 한정적이어서 전체적으로 최적의 개선을 추진할 수 없기 때문으로, 총괄부서 또는 지원부서를 신설한 후 개별부서의 담당자들로 프로젝트 체제를 구축해 추진하는 것이 바람직한 것으로 판단된다.
IoT는 화학, 기계, 전기, 토목 계열의 엔지니어 뿐만 아니라 현장제어, 설비보수 등 다양한 분야의 실무자가 필요하며 기간 시스템을 담당하고 공장에 직접 관여하지 않았던 IT(정보통신기술) 부문도 필수적으로 요구되고 있다.
그러나 함께 업무를 수행하지 않았던 담당자들이 프로젝트 체제에 따라 모이면 가치관, 기술용어 차이로 의사소통이 불가능할 수 있어 목적을 명확히 기재한 프로젝트 계획서, 용어집 등을 정리하는 것도 중요한 것으로 판단된다.
인재육성도 AI·IoT 활용의 관건으로 AI·IoT를 포함한 기술 로드맵을 작성한 후 직종, 역할에 따라 스킬맵을 만들어 장기적인 관점에서 인재를 육성하는 방안을 마련할 것이 요구된다.
모든 사물이 연결되는 세계, 모든 데이터가 가시화되는 AI·IoT 시대에는 기존의 전문성과 함께 전체를 최적화할 수 있는 광범위한 지식과 기술이 필수적이며 보안과 관련해서는 기술 뿐만 아니라 직업의식 향상이 중요한 요소로 자리 잡고 있다.
최종적으로 AI·IoT 관련대책을 본격적으로 추진하기 위해서는 기존 규정과의 모순성 확인과 동시에 새로운 규정 정비가 필수적이다.
AI와 관련된 규정으로는 사고 책임 명확화, 저작물 권리, 개인데이터 서명 의무화 등이 필요하다.
화학, 보안·안전 관련 리스크 우려되지만…
화학 플랜트는 AI·IoT를 적용함으로써 보안과 관련된 리스크가 증가할 것으로 예상되고 있다.
모든 사물이 연결됨으로써 외부로부터 공격받을 잠재성이 발생해 랜섬웨어의 표적이 될 위험이 거론되고 있다.
또 딥러닝을 포함한 AI에 따라 설명에 대한 책임을 다하지 못할 가능성도 우려된다.
이에 따라 혼합학습 등 정밀도를 향상시키고 근거를 명확히 밝히는 기술에 대한 연구가 이루어지고 있다.
일부에서 리스크에 대한 우려로 AI·IoT를 도입하지 않을 가능성까지 제기하고 있을 정도이다.
그러나 단순한 우려에 따라 도입에 제동을 걸기보다 리스크의 본질을 이해한 후 보안·안전대책을 검토해야 한다는 의견이 주류를 이루고 있다.
세계적으로 4차 산업혁명이 본격화됨에 따라 AI·IoT를 도입하지 않아서는 흐름에 뒤처질 수밖에 없기 때문이다.
특히, AI의 분석능력은 끊임없이 발전하고 있다.
설명에 대한 책임 등 우려되는 사항이 있음에도 사람이 개입함으로써 실수나 오류가 발생할 가능성을 고려하면 결과적으로 사람에 비해 AI의 완성도가 높을 것으로 판단되고 있다.
화학 플랜트는 글로벌 경쟁력을 향상시키기 위해 AI·IoT 도입이 필수적으로 요구되고 있으나 AI·IoT에 대한 이해가 부족하거나 추진방법에 오류가 있으면 효과를 얻을 수 없을 뿐만 아니라 안전사고 등 폐해가 발생할 가능성이 높은 것으로 나타나고 있다.
이에 따라 안전이 최우선인 화학 플랜트는 AI·IoT 도입을 신중히 검토하면서도 흐름에 뒤처지지 않도록 상의하달(Top-Down) 방식으로 대응해야 할 것으로 판단된다.
표, 그래프: <IoT의 개요, AI·IoT의 주변환경, IoT의 4단계, AI·IoT를 활용한 화학 플랜트의 과제 해결방안, AI·IoT 관련 플랜트 운영인재에게 필요한 지식·기술>
<화학저널 2018년 4월 23·30일>
|