그런데, 등대공장 포스코의 속을 자세히 들여다보면 ‘4차산업혁명 기술의 선도적 도입’ 정도에서 이야기가 끝나지 않는다. 포스코만의 특별한 이유 세 가지를 소개한다.

① 아무도 도전하지 않았던 ‘용광로’의 인공지능화

인공지능 공장이라고 하면, 무인화된 택배 창고나 로봇에 의한 자동차 부품 조립 공장 등을 떠올리기 십상이다. 주로 정보통신산업 정도가 인공지능과 어울린다고 생각하기 쉽다. 반면, 용광로는 그 규모도 규모지만(아파트 40층 높이), 내부가 액체와 고체 및 화염으로 가득 차 있고 24시간 불을 끌 수도, 그 속을 들여다볼 수도 없는 블랙박스와 같은 거대 압력 용기다. 때문에 용광로를 인공지능화한다는 것은 불가능에 가깝다고 여긴 것이 사실.

포스코는 그 불가능에 도전했다. 시작은 2016년부터였다. 2016년이면 국내외로 ‘4차산업혁명’이라는 단어가 조금씩 알려지기 시작하던 때다. 포스코는 한발 앞섰지만, 서두르지는 않았다. 긴 호흡을 가지고 단계별로 차근차근 디지타이제이션(Digitization)과 스마타이제이션(Smartization)을 실행했다. 처음에는 글로벌 IT 기업의 기술력을 빌려 시도했지만, 만족스러운 결과를 얻지 못했다. 신기술로만 되는 일이 아니었던 거다. 포스코 고유의 경험과 직관, 지식이 그 기술과 결합되어야만 기존에서 진보한 AI용광로가 만들어질 수 있었다. 결국 현장을 제일 잘 아는 테크니션과 엔지니어들이 자발적으로 하나둘 모였다.

▲ 포스코 숙련자의 경험과 직관에, 방대하고 정교한 데이터가 결합된 AI용광로. 딥러닝을 통해 최적의 결괏값을 뽑아내고, 자동화하여 휴먼에러는 줄이고 생산성은 높인다.

이들은 용광로 상태를 결정하는 주요 변수를 데이터로 만들고, 이를 빅데이터화했다. 그리고 30여 년 숙련자들의 노하우를 모방해 최적의 결괏값을 뽑아내는 딥러닝을 진행했다. 수작업하던 일들은 사물인터넷이 대신할 수 있도록 설비도 꾸준히 개선했다. 그 결과, 이제는 종전 대비 하루 240톤의 쇳물을 더 많이 생산할 수 있게 됐다. 생산량만 늘어난 게 아니다. 작업자들은 단순 반복 업무에 할애하던 시간을 더욱 창의적인 일을 하는데 쓰고 있다. 포스코는 AI용광로를 포함해 4년간 321개의 스마트과제를 수행함으로써 2,500억 원의 원가 절감을 이뤄냈다.

중후장대, 장치산업, 재래산업, 굴뚝산업… 제철소에 씌었던 오래된 프레임을 과감히 탈피하는 도전, 포스코는 AI용광로를 통해 그 도전에 성공했다.  포스코의 ‘딥러닝 인공지능 기반의 고로 조업 자동제어기술’은 대한민국의 국가핵심기술로도 등재(‘19.8월) 되어 보호받고 있다. 포스코는 용광로 뿐 아니라 제강, 압연, 도금 라인 전반에 스마트팩토리를 구축하며, 완성도 높은 스마트제철소를 만들어나가는 중이다.

② 스마트팩토리 구축은 대학-중소기업-스타트업과 ‘콜라보’

포스코가 등대공장에 선정된 또 하나의 특별함이 있다. 바로 스마트팩토리 구축을 대학, 중소기업, 스타트업 등과 함께해 ‘산학연 협력 체계’를 이룬 것. 세계경제포럼은 아래 그림과 같이 포스코의 협력(Collaboration) 모델을 높이 평가하고 있다.

▲ 2019년 7월, 세계경제포럼이 게시한 포스코의 등대공장 선정 이유

포스코는 사내에서 인공지능 전문가를 활발히 육성 중인데, 이를 위해 우리나라 최고 수준의 인공지능 분야 교수진이 있는 ‘포스텍’과 손잡있다. 포스코가 2017년부터 시작한 ‘포스코그룹 인공지능 전문과 과정’은 포스코그룹 각 분야의 우수인재를 선발해서 포스텍 교수들이 직접 교육하는 프로그램이다. 이 교육을 통해 3년 동안 60여 명의 사내 인공지능 전문가가 탄생했고, 이 소수 정예 인원들은 현업에서 스마트팩토리를 구축하는 데 투입되고 있다.

중소기업과 스타트업도 함께 했다. 2016년부터 포스코 AI용광로를 함께 개발한 ‘이씨마이너(ECMiner)’는 데이터마이닝*을 전문으로 하는 중소기업이다. 이씨마이너는 자신들의 데이터마이닝 기술과 포스코 고유의 데이터를 결합해, 수작업으로 파악하던 용광로의 연소 상태를 자동으로 파악·분석·유지할 수 있는 시스템을 개발했다. 과거에는 작업자들이 바람구멍을 통해 일일이 육안으로 확인하고 경험에 의존해 판단했던 연소 상태를, 이제는 자동으로 촬영 후 빅데이터화하여 파악할 수 있다. 또 연소 정도를 적절하게 유지까지 시켜주니 투입해야 하는 석탄량이 줄어들어 원가절감에도 큰 도움이 되고 있다. *데이터마이닝: 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출해 내고 의사 결정에 이용하는 기술

이러한 협업은 포스코와 이씨마이너 모두 윈윈(Win-win)하는 결과를 낳았다. 포스코는 대한민국의 기술력으로 AI용광로를 탄생시키는데 성공했고, 이씨마이너 역시 포스코에서 어마어마한 양의 데이터를 작업하는 경험치를 길렀다. 더 나아가, 이씨마이너를 포함해 포스코 스마트팩토리 구축에 참여한 대학-중소기업-스타트업은 포스코에서 쌓은 기술력을 바탕으로 또 다른 기업의 스마트팩토리 구축에도 참여할 수 있다. 이를 통해 대한민국 스마트팩토리의 더 빠른 확산을 이끌 수 있을 것으로 기대된다.

③ 스마트팩토리로 거둔 열매, 기꺼이 산업 생태계의 거름으로

등대공장 포스코의 특별함은 세 번째 이유에서 더욱 빛을 발한다. 지난 1월 9일, 문재인 대통령이 등대공장을 방문한 자리에서 포스코 최정우 회장은 다음과 같이 말했다.

“스마트팩토리 구축을 통해 2,500억 원의 원가를 절감했습니다. 그리고 지난 3년 동안 우리 협력회사 직원분들과 임금격차를 해소하기 위해 외주비 2,700억 원을 상향했습니다. 외주비 상향은 비용 증가 요인이지만, 포스코는 끊임없는 혁신으로 이를 상쇄해 나갑니다. 그렇게 해서 산업 생태계 전체의 경쟁력을 높이고 그게 결국 국가의 국제 경쟁력이 된다고 생각합니다. 그것이 포스코가 추구하는 경영이념입니다.”

▲ 이미지 출처 : KTV국민방송 유튜브 공식 채널 <문대통령 포스코 방문! 하드캐리하고 열정이 뿜뿜! 브리핑부터 고로의 모습까지 가득 담긴 문대통령 포스코 방문기 풀버전>

포스코는 스마트팩토리 구축으로 거둔 성과를 산업 생태계의 한 축을 담당하고 있는 협력사의 현실적인 문제 해결을 위해 기꺼이 나눴다. 액면만 보면 대기업의 ‘여유로운 면모’로 느껴질 수 있는 일이었지만, 알고 보면 치열한 내부 혁신을 통해 만들어낸 여력(餘力)이 있었기에 가능했다. 포스코 혁신이 그저 홀로 승승장구하기 위함이 아니라는 것을 보여주는 대표적인 사례다.

협력사 뿐만 아니다. 포스코와 직접 거래가 없는 중소기업과도 혜택을 나눴다. 포스코는 ‘상생형 스마트공장 구축 지원 사업’을 통해, 지난해 110곳의 중소기업에 스마트팩토리 기술을 전수했는데, 이 중 59개사는 포스코의 협력사도, 고객사도 아닌 비(非)거래사다. 이 사업으로 2023년까지 1,000개의 중소기업이 스마트팩토리를 구축할 수 있도록 도울 예정인데, 역시 그 대상에는 한정을 두지 않기로 했다. 그렇게 해서 중소기업이 경쟁력을 높이면, 생산성 향상은 기본이고 새로운 일자리 창출도 기대해볼 수 있다.

▲ 등대공장 포스코가 스마트팩토리를 통해 이룬 성과는 포스코의 경쟁력 향상은 물론이고, 산업 생태계 전반을 강건화하는데 일조한다. 특히 임금격차 해소, 신규 일자리 창출 등 실질적인 사회 현안을 해결하는 데 기여하고 있다.

포스코의 ‘혁신’이란 이런 것이다. 자신의 텃밭에서 열심히 가꿔낸 열매를 주변 텃밭의 거름으로 기꺼이 뿌리는 것. 등대공장 포스코의 남다른 행보, ‘제조강국’ 대한민국의 길을 밝히는 빛이 되고 있다.

포스코 포항제철소는 지난해 7월 세계경제포럼(WEF, World Economic Forum, 다보스포럼)에 의해 전 세계 제조업을 이끄는 ‘등대공장’으로 선정되며, 스마트용광로의 새 지평을 열었습니다. 등대공장 심사를 위해 포항제철소를 방문한 WEF의 컨설턴트는 복잡하고 거대한 용광로를 작업자의 노하우와 인공지능을 결합해 실시간으로 제어하는 모습에 큰 관심을 보였다고 합니다. 9일에는 문재인 대통령도 현장을 찾아, 세계에서 가장 스마트하게 쇳물을 생산하는 모습을 직접 지켜봤습니다.

포스코는 자체적으로 개발한 스마트팩토리 기술을 중소기업 등 비즈니스 파트너에 전수해 산업생태계를 강건화하는데도 힘쓰고 있습니다. 포스코의 스마트팩토리와 기업시민 행보, 한번 자세히 살펴보겠습니다.

l 4차산업혁명의 선두 자리에 당당히, 포스코의 용광로

4차산업혁명이라는 용어는 2016년 다보스포럼에 등장 후, 산업 분야를 불문하고 가장 큰 물줄기가 되었습니다. 빅데이터, 인공지능, 사물인터넷 등 4차산업혁명의 핵심 기술들을 발 빠르게 습득하기 위한 기업들의 노력이 이어졌죠. 다보스포럼은 이 기술들을 적극 도입해 세계 제조업의 미래를 혁신적으로 이끌고 있는 기업을 ‘등대공장’으로 명명하고 연간 두 차례 발표하고 있습니다. 지난 7월, 포스코는 대한민국 최초의 등대공장으로 선정됐죠.

포항제철소 2고로는 4차산업혁명 기술의 집약체입니다. 포스코는 4차산업혁명이라는 키워드가 꿈틀거리던 2016년, 곧장 용광로의 ‘디지타이제이션(Digitization)’에 착수했습니다. 그간 작업자의 숙련도에 의지해 관리하던 용광로의 각종 지표를 모두 정형화하고, 데이터화한 것이죠. 용광로는 아시다시피 높이가 110m에 달하는 40층 아파트 수준의 거대한 설비입니다. 내부 온도는 최대 2,300℃에 이르고 뜨거운 액체와 고체가 뒤섞여 있는데요. 안을 들여다볼 수 없는 블랙박스와 같은 이 거대한 용광로의 변수들을 디지털화한다는 것은 상상 이상으로 복잡하고 어려운 일이었습니다. 인간의 노하우를 ‘데이터화’한다는 불가능해 보이는 일, 그것이 스마트용광로의 첫 시작이었죠.

그렇게 축적한 데이터들은, 빅데이터의 초석이 되었습니다. 포스코는 2017년부터 빅데이터를 가지고 용광로 스스로 수많은 케이스를 학습하는 딥러닝을 시작했습니다. 알아서 변수를 제어하고, 최적의 결괏값을 산출할 수 있도록 하는 ‘스마타이제이션(Smartization)’이 본격 추진된 거죠. 사물인터넷도 스마트용광로의 탄생을 앞당겼는데요. 과거에는 투입되는 연·원료의 양, 노열(爐熱) 등을 작업자가 일일이 측정해야 했지만, 스마트용광로는 설비에 설치된 카메라와 센서가 그 작업들을 대신하고 알아서 데이터화합니다.

▲ 용광로의 내부 온도는 부분적으로 최대 2,300℃. 속에서는 철광석과 코크스 등 연원료가 뒤섞여 여러 가지 화학반응을 동시에 일으키고 있죠. 아파트 40층 높이의 거대한 ‘압력 용기’와 같습니다. 포스코는 이 용광로를 ‘데이터화’하고, ‘자동화’ 했습니다.

그 결과, 포항 2고로는 ‘AI용광로’라고 불릴 만큼 인공지능 수준의 자체 제어와 예측이 가능해졌습니다. 제선 현장에서 30년 이상 근무한 베테랑들의 노하우가 녹아있는 스마트용광로는 일일 용선 생산량을 240톤 증대시켰습니다. 매일 240톤이면 1년간 8만 5천 톤을 추가 생산하는 셈인데요. 이는 중형 승용차를 연간 8만 5천 대 더 생산할 수 있는 양입니다.

여기에 늘 이어지는 염려가 있죠. “사람들 일자리가 줄어드는 것 아니야?” 하지만 대답은 “그렇지 않다.”입니다. 작업자들은 하루 종일 용광로를 바라보며 상태를 관리하는 대신, 고유의 Domain Knowledge를 통한 고도화 업무에 몰입할 수 있습니다. 반복 작업을 벗어나 창의적 퍼포먼스를 낼 수 있는 가능성이 커진 겁니다.

l 포스코의 스마트팩토리가 특별한 이유

유수의 세계적 기업들이 스마트팩토리를 표방하고 있습니다. 그중, 포스코의 스마트팩토리가 특별한 이유는 ‘연속 공정’이라는 제철소의 특수한 조건에 최적화한 시스템을 구축했기 때문이죠. 포스코는 용광로뿐 아니라, 일관제철공정의 전반에 스마트팩토리를 확산하고 있습니다. 포스코 스마트팩토리의 엔진인 ‘포스프레임(PosFrame)’은 세계 최초의 연속 공정용 스마트팩토리 플랫폼입니다.

제철소는 생산 계획을 세우는 일부터 최종 제품을 고객사에 인도하는 일까지 끊김 없이 연속적으로 이어져 있습니다. 때문에 제철소에 스마트팩토리를 적용한다는 것은, 1개 품목을 생산하는 단일 공장에 스마트팩토리를 적용하는 일과는 차원이 다른 스케일입니다. 포항제철소는 여의도 3배가 넘는 부지에 몇백 개의 공장들이 즐비하고, 생산하는 대표 강종만 수백 가지가 넘습니다. 그 생산 정보들이 산발되지 않도록 한곳에 모으고, 누구나 가공할 수 있게끔 정형화·데이터화하는 것이 포스프레임의 주요 기능 중 하나입니다. 포스프레임이 제철소에 100% 적용되면, 강철을 만드는 과정을 A부터 Z라고 가정했을 때, Z에서 발생한 불량의 원인을 A까지 추적해 잡아내는 것도 가능해집니다.

▲ 일관제철소의 스마트팩토리 운영 개념도. 후공정에서 발생한 문제의 원인을 상공정까지 자동으로 추적하여 진단하고, 개선할 수 있을 것으로 기대됩니다.

l 포스코만의 기술? 비즈니스 파트너와 함께 나눈다

이런 독보적인 기술력, 기업시민 포스코는 어떻게 관리하고 있을까요? 우리만의 기술이라고 꽁꽁 묶어 놓았을 것이라 짐작했다면 오산! 포스코는 스마트팩토리 기술을 중소기업 등 비즈니스 파트너에 전파하기 위해 전국으로 뛰고 있습니다.

포항과 시흥에 공장을 두고 있는 ‘동국산업’은 포스코 열연재를 가공해서 고급 냉연재로 만든 뒤, 이를 자동차 부품사에 공급하는 기업입니다. 동국산업에서는 염산(HCl)을 이용해 소재 표면 스케일(Scale)을 제거하는 ‘산세 공정’을 거치는데, 고객들의 까다로운 품질 조건을 맞추고자 산세 공정에 많은 시간을 투입해야 했죠. 포스코에서 받은 열연재마다 스케일의 정도는 다르고 고객의 요구도 각기 달랐지만, 그 모든 조건을 맞춰 건건이 산세할 수 없기에 일단 모든 소재를 강제로 산세 처리하고 있었죠. 당연히 생산성은 떨어질 수밖에 없었습니다. 이 고질적인 문제를, 포스코의 스마트팩토리 기술이 획기적으로 해결했다는데요.

우선 포스코는 동국산업으로 열연재를 공급할 때 마다, 소재에 스케일이 어느 부분에 어느 정도 있는지를 예측한 데이터를 포스프레임을 통해 함께 보냅니다. 이 데이터는 어디에서 받느냐? 바로 동국산업에 구축한 ‘최적 산세 AI’입니다. 과거에는 작업자가 수작업으로 판단하던 산세 조건을, 이제는 이 AI가 포스프레임으로 부터 얻은 데이터를 바탕으로 분석해 자동으로 뽑아냅니다. 그 최적값으로 산세 처리를 하고 나면, 결과 데이터는 다시 포스프레임으로 넘어갑니다. 포스코 열연재가 동국산업에서 고급 냉연재로 가공되는 과정이 빅데이터로 포스프레임에 쌓이고 반복 학습을 거쳐 고도화됩니다. 양쪽의 데이터가 유기적으로 순환하며, 연결된 공장처럼 최적화된 제품을 생산하게 되죠. 동국산업의 스마트팩토리 가동 결과, 고객이 요구하는 품질을 확보하면서 산세 공정에 투입되는 시간은 최소화해, 생산성은 60%가 향상되고 고급재 판매량도 종전 대비 1.5배 상승하였습니다.

▲ 포스코와 함께 스마트 팩토리를 구축한 ‘동국산업’. 왼쪽 상단부터 시계열 순으로 포항공장 전경, 산세라인, 수소로, 광폭 전단 라인. (사진제공=동국산업)

포스코는 위와 같은 중견기업과 더불어, 중소기업을 위한 스마트팩토리 컨설팅에도 집중하고 있습니다. 포스코의 직접고객사뿐 아니라, 비거래사와 2차고객사들까지 그 대상에도 한정이 없죠. 중소기업벤처기업부와 공동으로 추진하는 ‘상생형 스마트공장 구축지원’ 사업으로 작년까지 110개의 기업에 스마트팩토리를 구축했는데요. 동시에 ‘스마트화 역량강화 컨설팅’도 패키지로 제공해, 포스코 고유의 현장 혁신 기법인 ‘QSS(Quick Six Sigma)’를 통한 선진적 현장 노하우를 전수하고 있죠. 2023년까지 200억 원을 출연하여 총 1,000개의 기업이 스마트팩토리 구축을 시행착오 없이 이뤄낼 수 있도록 힘을 보태고자 합니다.

이와 함께 포스코는 7대 상생협력 프로그램을 운영 중입니다. △공정한 거래기회를 부여하는 ‘개방형구매’, △최저가 낙찰제를 폐지하고 100% 현금 제때 주는 ‘제값 제때 주기’, △구직청년을 자체 교육하고 협력기업에 취업을 알선하는 ‘기업시민 잡매칭’ 등이 있는데요. 또한 1조 원을 출연해, 총 2조 원의 벤처펀드를 조성하고 아이디어 투자까지 일괄 지원하는 벤처밸리를 구축하여 청년들을 위한 창업지원 활동에도 앞장서고 있습니다.

스마트용광로를 중심으로 세계 제조업의 ‘등대’가 된 포스코. 국내에서는 직접 중소 비즈니스 파트너를 찾아가 스마트팩토리 구축을 위한 길잡이 역할에 적극적으로 임하고 있습니다. 포스코와 함께 더욱 스마트해질 대한민국 제조 산업을 함께 응원해주세요!

스마트제철소로의 도약은 포스코의 곳곳을 어떻게 진화시키고 있을까요? 손에 잡히지 않고 눈에 보이지 않기에 조금은 막연했던 ‘스마트제철소’라는 개념. 정확히 제철소를 어떻게 탈바꿈 시키고 있는지, 포스코 뉴스룸이 각 공정별로 소개해드립니다.

l 스마트제철소, 이렇게 달라졌습니다

앞서 설명드린 대로, 스마트제철소의 주요 골자는 이렇습니다. △포스프레임을 이용해 전 공장의 데이터를 수집하고, 정형화한다. △포스프레임이 사물인터넷, 빅데이터, 인공지능 등 신기술을 이용해 데이터를 스스로 학습하여 최적의 공정 조건을 내놓고, 공장을 제어한다.

그렇게 되면 작업자들은 경험에 의존하는 의사 결정을 최소화하고, 휴먼 에러를 방지할 수 있습니다. 객관적이고 정확한 데이터가 그동안 인간이 미처 발견하지 못했던 문제 해결 방법을 도출해낼 수 있고요. 잠깐! 그럼 이제 사람이 할 일이 없어지는 거 아니냐고요? 섣부른 오해입니다. 작업자들은 단순 반복 업무는 기계에게 맡기고, 그간 쌓아온 제철 노하우를 이용해 99%의 완성도에서 1%의 부족함을 채우는 고도화 업무에 더욱 몰입할 수 있습니다. 그리고 그 결과물을 다시 포스프레임에 입력하고요. 기술과 인간의 궁극의 시너지를 도모할 수 있는 거죠.

그럼 스마트팩토리를 적용한 각 공정, 어떻게 달라졌는지 본격적으로 살펴보겠습니다.

[수주공정] 수작업하던 ‘소Lot’ 주문, AI가 예측하고 판단하자 소요시간 12시간에서 1시간으로

제철소 생산 계획을 담당하는 수주공정그룹. 그들의 시간을 가장 많이 뺏는 일 중 하나는, ‘소Lot’ 주문을 처리하는 것입니다. 소Lot란 강종별로 제철소에서 요구하는 최소 주문량에 미달되어 생산상 제약을 받는 주문을 말하는데요.

기존에는 주문이 오면, 주문 조건을 파악하고, 이를 ‘소Lot 기준’과 비교해서, 이 주문과 함께 작업할 수 있는 다른 주문이 있는지 일일이 확인했습니다. 기준은 직원이 수작업으로 만들어 두고 반기마다 갱신해주고요. 최악의 경우에는 너무 많은 주문 속에 소Lot 주문이 묻혀버리는 경우도 생겼습니다. 판매담당자나 수주담당자가 모든 주문을 일일이 확인해서 소Lot인지 아닌지도 걸러내야 했죠. 급한 주문인데 계속 소Lot로 분류되어 출강이 어려울 때는 어쩔 수 없이 다른 주문들에 합류할 수 있도록 주문 조건을 변경해야 하는데요. 여기에도 거의 6시간 이상 소요됩니다. 소Lot 처리에 드는 평균시간은 자그마치 12시간입니다.

이제는 인공지능이 자동으로 주문의 소Lot 여부를 판단해줍니다. 그간의 데이터를 분석해, 소Lot 주문에 영향을 주는 인자 12개를 도출해내고, 인공지능이 스스로 주문을 판단할 수 있도록 학습시켰죠. 그 정확도는 97%에 이른다고 하네요. 또한 소Lot 주문이 다른 주문들과 함께 원가 낭비 없이 최적으로 제작될 수 있도록 설계 사이즈를 예측하는 것도 정확도가 99.99%입니다. 이제는 시간이 얼마나 걸릴까요? 단 1시간입니다.

[제선] 국가핵심기술! 스마트고로, 육안으로 확인하던 것이 데이터가 되어 자동으로

용광로의 통기성, 연소성, 용선 온도, 출선량… 이 모든 걸 어떻게 예측하고 관리할 수 있을까요? 과거에는 작업자가 일일이 쇳물의 온도를 2시간마다 체크하고, 연원료를 샘플링해 상태를 확인하는 등 모든 게 수작업이었습니다. 이제는, 인공지능이 스스로 확인하고 상태를 제어까지 합니다!

포항제철소 제선부는 이를 위해 우선 용광로 상태를 결정짓는 변수를 정의하고, 서로 다른 정보들의 모양을 하나로 통일시켰습니다. 전문용어로 ‘데이터를 정형화했다’고 하죠. 작업자들의 경험에 따라 다르게 관리해오던 지표들을 하나로 정리해, 스마트팩토리 기술로 수작업들을 자동화했습니다. 이제 쇳물의 온도는 사물인터넷이 데이터화하고, 고화질 카메라가 연원료의 상태를 알아서 확인합니다.

2017년부터는 본격적으로 제동제어 시스템을 구축했는데요. 딥러닝을 이용해 인공지능이 데이터를 학습하여 예측하고 관리할 수 있도록 만들었습니다. 단순히 현재의 필요 작업을 자동으로 해주는 단계를 넘어, 앞으로의 변수를 예측하고 제어해 최적의 결괏값을 도출해내는 겁니다. 오늘 노황이 좋다고 해서 끝이 아니라는 거죠. 내일의 노황도 최적의 상태가 되도록 ‘스마트고로’는 스스로 제어합니다. 이 기술이 최초로 적용된 포항 2고로가 하루에 만들어내는 쇳물의 양은 240톤 늘었습니다. 스마트고로 기술은 올해 7월, 우리나라의 국가핵심기술로 지정되기도 했답니다.

[제강] 대한민국에 KTX가 있다면, 포스코 제강에는 PTX(Posco sTeelmaking eXpress)가!

제강은 약 1,650℃의 고온에서 작업이 이루어지기 때문에 실시간으로 온도 측정이 어렵고, 성분 제어도 복잡해 작업자의 경험과 노하우가 중요했습니다. 즉, 작업자에 따라 미세하게나마 편차가 발생할 수밖에 없었죠. 연속 공정 중간에 이상이 발생하면, 앞뒤 공정 모두를 멈추고 점검이 필요하기도 했습니다.

포항제철소 2제강공장은 전로부터 연주까지의 타이밍과 온도, 성분을 제어하는 통합 제어 시스템을 개발했습니다. 생산 제품별로 대표적 경우의 수를 산출해보니 12만 5,000개의 공정이 나왔는데요. 이를 모두 디지털화 및 정형화하고, 2018년 7월 PTX 시스템 개발을 완료했죠. PTX 시스템을 이용하면, 전로부터 연주까지 멈춤과 지연 없이 연속 공정이 가능해집니다. 주요 공정별로 도착 시간과 온도, 성분을 실시간 확인할 수 있죠. 마치 KTX가 정확히 매 역에 도착하고 승객을 태우는 것처럼요. PTX는 용선의 온도와 성분, 원료가 달라도 조건에 맞게 인공지능이 학습하도록 설계되어 있습니다. PTX 도입 전 제강부의 온도 적중률은 80% 수준이었지만, 이제는 90% 이상입니다. 원료 사용량도 60%나 줄었습니다.

[연주] 표면품질, 더 빨리 한 번에 예측하고 연간 6억 원 절감

품질 관리는 매우 중요한 과제 중 하나입니다. 하지만 셀 수 없이 많은 소재들을 매일같이 모두 검사할 수는 없었죠. 때문에 포스코는 함께 출강된 소재들 중, ‘대표소재’를 선정해 그 소재만 의무적으로 100% 표면검사를 했습니다. 그리고 그 대표소재에서 이상이 감지되면 해당 소재와 같이 출강된 다른 소재들을 모두 회수하여 검사했죠. 포항제철소 2, 4연주공장은 연간 34만 톤의 대표 소재를 검사했는데, 실제 결함은 단 3만 톤에 그쳤습니다.

이 낭비를 없애기 위해 인공지능을 적용시켰습니다. 제강, 연주의 방대한 데이터를 수합해 인공지능이 학습할 수 있도록 하고, 품질 이상에 대한 기준을 만들어 결함을 예측할 수 있는 모델을 구축했습니다. 2018년 3월부터 시스템을 적용한 결과, 이제는 시스템이 결함 있는 소재만 선별해주기 때문에 불필요한 검사를 할 필요가 없어졌습니다. 더욱이 결함의 발생 이유까지 알려주죠. 이는 연간 약 6억 원 이상의 원가절감 효과를 가져다줄 것으로 기대됩니다.

[압연] 후판 평탄도, 상관관계 분석해서 스스로 제어

후판 제품은 슬라브를 1차로 가열해, 두 번의 압연을 거칩니다. 그 후 고객 요구에 따라 TMCP(Thermo-Mechanical Control Process)라는 가속냉각 처리를 하게 되는데요. TMCP는 강판에 고속의 물을 분사해서 일정 온도까지 급속 냉각시켜 강도를 향상시키고 용접성을 좋게 하는 방법입니다. 특수 설비가 필요하고, 물을 분사하는 기술이 고난도이기 때문에 정확히 제어하지 않으면 평탄도 불량률(표면이 평탄하지 않은 제품 비율)이 높아지는 공정입니다.

과거에는 후판재의 평탄도를 TMCP 처리 후 뜨거울 때 한 번(열간평탄도), 이후 전단 과정에서 차가울 때 한 번(냉간평탄도), 총 두 번 수작업으로 분석했습니다. 당연히 시간이 오래 걸리는 작업이었죠. 열간평탄도와 냉간평탄도의 상관관계를 매번 분석하다 보니 과부하가 걸리고, 그 결과를 작업자가 하나하나 입력하면서 TMCP를 제어하는 것이 쉽지 않았습니다.

광양제철소 후판공장은 열간평탄도의 인자와 냉간평탄도의 인자를 데이터화하고 빅데이터로 분석해, 학습 모델을 만들었습니다. 어떤 조건일 때 최적의 평탄 품질이 나오는지 말이죠. 이제 작업자는 인공지능이 산출해 낸 최적의 작업조건값을 모니터링하고 공정에 이상이 없는지 확인하면 됩니다. 과거처럼 제품마다 하나하나 제어값을 입력하지 않아도 되죠. 원가절감은요? TMCP 공정을 거친 제품의 교정률이 50% 저감됐습니다. 이는 1년에 약 13억 원을 절약할 수 있는 양입니다.

[도금] 인공지능 초정밀 도금 제어 기술도 국가핵심기술로!

CGL은 Continuous Galvanizing Line의 약자로, 냉간압연된 코일을 연속으로 열처리하고, 용융아연 욕조(Zinc Pot)에 담가 아연으로 도금한 아연도금강판을 생산하는 공정입니다. 포스코의 ‘기가스틸’도 이 CGL을 통해 탄생하죠. 욕조에서 꺼낸 후 강판 표면에 응고되기 전의 아연을 Air knife가 미세하게 깎아내어 도금량을 제어하는데요. 강판 사용 목적에 따라 목표 도금량이 다양하고, Air knife를 거치고 아연이 응고된 후에나 도금량을 측정할 수 있기 때문에 실시간으로 제어성능을 확보하는 것이 어려웠습니다.

이를 해결하기 위해 개발된 포스코의 인공지능 초정밀 도금 제어 기술은, 딥러닝을 이용해 제품의 강종, 두께, 폭, 조업조건과 목표도금량을 스스로 학습해 정확히 제어합니다. 기존에는 89% 수준의 도금량 제어 적중률이 이제는 99% 이상을 웃돌고 있죠. 이 기술은 포항, 광양제철소 모든 도금공장에 적용 완료되었고, 역시 우리나라 ‘국가핵심기술’로 등재되어 있습니다.

l 안전도 진보하는 스마트 제철소

정말 스마트한 제철소는 작업자의 안전과 환경까지 책임지는 작업장입니다. 포스코는 이 부분도 놓치지 않았습니다. 포스코는 스마트CCTV를 개발하여 사용하고 있는데요. 포스코가 개발한 스마트CCTV는 녹화만 하는 일반 CCTV와 달리, 제철소 현장의 특정 문자, 형상, 움직임 등을 자동으로 감지합니다. 그리고 수집한 정보에서 이상이 감지되면 관리자에게 알려주는 지능형 CCTV죠. 기존 CCTV가 갖고 있는 문자인식, 형상인식 등 해석 기술에 포스코의 철강 도메인인 조업상황, 설비형상 등을 결합시켜 제철소에 최적화된 CCTV로 발전시켰습니다. 포스코는 작년부터 광양 3도금, 2제강, 1코크스, 포항 2후판 공장에 스마트CCTV를 적용하기 시작했는데요.

스마트CCTV를 활용하면 작업자가 일일이 육안으로 확인해야 했던 조업, 품질, 안전 정보를 시스템이 영상으로 자동 인식하고 분석해 알려주기 때문에 작업 대기시간을 대폭 줄일 수 있고 품질 향상에도 효과적입니다. 예를 들면 제강공장에서는 전로의 용강 온도를 열화상 카메라가 사람 대신 측정할 수 있죠. 도금부에서는 육안으로는 쉽게 구분하기 어려운 Coil 제품 끝 단면의 미묘한 색상 차이를 CCTV로 확인해 품질 불량에 대해 조기 대응이 가능합니다.

더불어 열화상 등 다중 영상 장치로 화재 위험을 사전에 감지해 예방할 수도 있습니다. 제철소 전반에 걸쳐 설비, 품질, 물류, 안전 분야에서 스마트CCTV가 사람보다 더 빨리, 정확하게 정보를 수집하고 문제점을 잡아낼 수 있게 됩니다.

포스코의 스마트과제를 통한 스마트제철소 구축은 지금도 현재 진행형입니다. 기존 기술로는 해결하기 어려웠던 고질적 문제를 풀어나가고, 미래에는 설비 상태가 예지되고 자동으로 제어되어 생산과 품질, 안전 모두가 확보되는 스마트제철소의 완성을 꿈꾸고 있습니다.

그리고 등대공장으로써, 우리나라 제조업의 길을 비추기 위한 노력도 아끼지 않고 있는데요. 등대공장 특집 마지막 편 <[등대공장 특집] ③ 포스코와 함께 중소기업도 스마트해집니다>에서는, 포스코의 스마트팩토리 기술로 중소기업과의 상생을 도모하는 ‘스마트팩토리 지원사업’의 현장을 찾아 떠나봅니다.

스마트제철소로의 도약은 포스코의 곳곳을 어떻게 진화시키고 있을까요? 손에 잡히지 않고 눈에 보이지 않기에 조금은 막연했던 ‘스마트제철소’라는 개념. 정확히 제철소를 어떻게 탈바꿈 시키고 있는지, 포스코 뉴스룸이 각 공정별로 소개해드립니다.

l 스마트제철소, 이렇게 달라졌습니다

앞서 설명드린 대로, 스마트제철소의 주요 골자는 이렇습니다. △포스프레임을 이용해 전 공장의 데이터를 수집하고, 정형화한다. △포스프레임이 사물인터넷, 빅데이터, 인공지능 등 신기술을 이용해 데이터를 스스로 학습하여 최적의 공정 조건을 내놓고, 공장을 제어한다.

그렇게 되면 작업자들은 경험에 의존하는 의사 결정을 최소화하고, 휴먼 에러를 방지할 수 있습니다. 객관적이고 정확한 데이터가 그동안 인간이 미처 발견하지 못했던 문제 해결 방법을 도출해낼 수 있고요. 잠깐! 그럼 이제 사람이 할 일이 없어지는 거 아니냐고요? 섣부른 오해입니다. 작업자들은 단순 반복 업무는 기계에게 맡기고, 그간 쌓아온 제철 노하우를 이용해 99%의 완성도에서 1%의 부족함을 채우는 고도화 업무에 더욱 몰입할 수 있습니다. 그리고 그 결과물을 다시 포스프레임에 입력하고요. 기술과 인간의 궁극의 시너지를 도모할 수 있는 거죠.

그럼 스마트팩토리를 적용한 각 공정, 어떻게 달라졌는지 본격적으로 살펴보겠습니다.

[수주공정] 수작업하던 ‘소Lot’ 주문, AI가 예측하고 판단하자 소요시간 12시간에서 1시간으로

제철소 생산 계획을 담당하는 수주공정그룹. 그들의 시간을 가장 많이 뺏는 일 중 하나는, ‘소Lot’ 주문을 처리하는 것입니다. 소Lot란 강종별로 제철소에서 요구하는 최소 주문량에 미달되어 생산상 제약을 받는 주문을 말하는데요.

기존에는 주문이 오면, 주문 조건을 파악하고, 이를 ‘소Lot 기준’과 비교해서, 이 주문과 함께 작업할 수 있는 다른 주문이 있는지 일일이 확인했습니다. 기준은 직원이 수작업으로 만들어 두고 반기마다 갱신해주고요. 최악의 경우에는 너무 많은 주문 속에 소Lot 주문이 묻혀버리는 경우도 생겼습니다. 판매담당자나 수주담당자가 모든 주문을 일일이 확인해서 소Lot인지 아닌지도 걸러내야 했죠. 급한 주문인데 계속 소Lot로 분류되어 출강이 어려울 때는 어쩔 수 없이 다른 주문들에 합류할 수 있도록 주문 조건을 변경해야 하는데요. 여기에도 거의 6시간 이상 소요됩니다. 소Lot 처리에 드는 평균시간은 자그마치 12시간입니다.

이제는 인공지능이 자동으로 주문의 소Lot 여부를 판단해줍니다. 그간의 데이터를 분석해, 소Lot 주문에 영향을 주는 인자 12개를 도출해내고, 인공지능이 스스로 주문을 판단할 수 있도록 학습시켰죠. 그 정확도는 97%에 이른다고 하네요. 또한 소Lot 주문이 다른 주문들과 함께 원가 낭비 없이 최적으로 제작될 수 있도록 설계 사이즈를 예측하는 것도 정확도가 99.99%입니다. 이제는 시간이 얼마나 걸릴까요? 단 1시간입니다.

[제선] 국가핵심기술! 스마트고로, 육안으로 확인하던 것이 데이터가 되어 자동으로

용광로의 통기성, 연소성, 용선 온도, 출선량… 이 모든 걸 어떻게 예측하고 관리할 수 있을까요? 과거에는 작업자가 일일이 쇳물의 온도를 2시간마다 체크하고, 연원료를 샘플링해 상태를 확인하는 등 모든 게 수작업이었습니다. 이제는, 인공지능이 스스로 확인하고 상태를 제어까지 합니다!

포항제철소 제선부는 이를 위해 우선 용광로 상태를 결정짓는 변수를 정의하고, 서로 다른 정보들의 모양을 하나로 통일시켰습니다. 전문용어로 ‘데이터를 정형화했다’고 하죠. 작업자들의 경험에 따라 다르게 관리해오던 지표들을 하나로 정리해, 스마트팩토리 기술로 수작업들을 자동화했습니다. 이제 쇳물의 온도는 사물인터넷이 데이터화하고, 고화질 카메라가 연원료의 상태를 알아서 확인합니다.

2017년부터는 본격적으로 제동제어 시스템을 구축했는데요. 딥러닝을 이용해 인공지능이 데이터를 학습하여 예측하고 관리할 수 있도록 만들었습니다. 단순히 현재의 필요 작업을 자동으로 해주는 단계를 넘어, 앞으로의 변수를 예측하고 제어해 최적의 결괏값을 도출해내는 겁니다. 오늘 노황이 좋다고 해서 끝이 아니라는 거죠. 내일의 노황도 최적의 상태가 되도록 ‘스마트고로’는 스스로 제어합니다. 이 기술이 최초로 적용된 포항 2고로가 하루에 만들어내는 쇳물의 양은 240톤 늘었습니다. 스마트고로 기술은 올해 7월, 우리나라의 국가핵심기술로 지정되기도 했답니다.

[제강] 대한민국에 KTX가 있다면, 포스코 제강에는 PTX(Posco sTeelmaking eXpress)가!

제강은 약 1,650℃의 고온에서 작업이 이루어지기 때문에 실시간으로 온도 측정이 어렵고, 성분 제어도 복잡해 작업자의 경험과 노하우가 중요했습니다. 즉, 작업자에 따라 미세하게나마 편차가 발생할 수밖에 없었죠. 연속 공정 중간에 이상이 발생하면, 앞뒤 공정 모두를 멈추고 점검이 필요하기도 했습니다.

포항제철소 2제강공장은 전로부터 연주까지의 타이밍과 온도, 성분을 제어하는 통합 제어 시스템을 개발했습니다. 생산 제품별로 대표적 경우의 수를 산출해보니 12만 5,000개의 공정이 나왔는데요. 이를 모두 디지털화 및 정형화하고, 2018년 7월 PTX 시스템 개발을 완료했죠. PTX 시스템을 이용하면, 전로부터 연주까지 멈춤과 지연 없이 연속 공정이 가능해집니다. 주요 공정별로 도착 시간과 온도, 성분을 실시간 확인할 수 있죠. 마치 KTX가 정확히 매 역에 도착하고 승객을 태우는 것처럼요. PTX는 용선의 온도와 성분, 원료가 달라도 조건에 맞게 인공지능이 학습하도록 설계되어 있습니다. PTX 도입 전 제강부의 온도 적중률은 80% 수준이었지만, 이제는 90% 이상입니다. 원료 사용량도 60%나 줄었습니다.

[연주] 표면품질, 더 빨리 한 번에 예측하고 연간 6억 원 절감

품질 관리는 매우 중요한 과제 중 하나입니다. 하지만 셀 수 없이 많은 소재들을 매일같이 모두 검사할 수는 없었죠. 때문에 포스코는 함께 출강된 소재들 중, ‘대표소재’를 선정해 그 소재만 의무적으로 100% 표면검사를 했습니다. 그리고 그 대표소재에서 이상이 감지되면 해당 소재와 같이 출강된 다른 소재들을 모두 회수하여 검사했죠. 포항제철소 2, 4연주공장은 연간 34만 톤의 대표 소재를 검사했는데, 실제 결함은 단 3만 톤에 그쳤습니다.

이 낭비를 없애기 위해 인공지능을 적용시켰습니다. 제강, 연주의 방대한 데이터를 수합해 인공지능이 학습할 수 있도록 하고, 품질 이상에 대한 기준을 만들어 결함을 예측할 수 있는 모델을 구축했습니다. 2018년 3월부터 시스템을 적용한 결과, 이제는 시스템이 결함 있는 소재만 선별해주기 때문에 불필요한 검사를 할 필요가 없어졌습니다. 더욱이 결함의 발생 이유까지 알려주죠. 이는 연간 약 6억 원 이상의 원가절감 효과를 가져다줄 것으로 기대됩니다.

[압연] 후판 평탄도, 상관관계 분석해서 스스로 제어

후판 제품은 슬라브를 1차로 가열해, 두 번의 압연을 거칩니다. 그 후 고객 요구에 따라 TMCP(Thermo-Mechanical Control Process)라는 가속냉각 처리를 하게 되는데요. TMCP는 강판에 고속의 물을 분사해서 일정 온도까지 급속 냉각시켜 강도를 향상시키고 용접성을 좋게 하는 방법입니다. 특수 설비가 필요하고, 물을 분사하는 기술이 고난도이기 때문에 정확히 제어하지 않으면 평탄도 불량률(표면이 평탄하지 않은 제품 비율)이 높아지는 공정입니다.

과거에는 후판재의 평탄도를 TMCP 처리 후 뜨거울 때 한 번(열간평탄도), 이후 전단 과정에서 차가울 때 한 번(냉간평탄도), 총 두 번 수작업으로 분석했습니다. 당연히 시간이 오래 걸리는 작업이었죠. 열간평탄도와 냉간평탄도의 상관관계를 매번 분석하다 보니 과부하가 걸리고, 그 결과를 작업자가 하나하나 입력하면서 TMCP를 제어하는 것이 쉽지 않았습니다.

광양제철소 후판공장은 열간평탄도의 인자와 냉간평탄도의 인자를 데이터화하고 빅데이터로 분석해, 학습 모델을 만들었습니다. 어떤 조건일 때 최적의 평탄 품질이 나오는지 말이죠. 이제 작업자는 인공지능이 산출해 낸 최적의 작업조건값을 모니터링하고 공정에 이상이 없는지 확인하면 됩니다. 과거처럼 제품마다 하나하나 제어값을 입력하지 않아도 되죠. 원가절감은요? TMCP 공정을 거친 제품의 교정률이 50% 저감됐습니다. 이는 1년에 약 13억 원을 절약할 수 있는 양입니다.

[도금] 인공지능 초정밀 도금 제어 기술도 국가핵심기술로!

CGL은 Continuous Galvanizing Line의 약자로, 냉간압연된 코일을 연속으로 열처리하고, 용융아연 욕조(Zinc Pot)에 담가 아연으로 도금한 아연도금강판을 생산하는 공정입니다. 포스코의 ‘기가스틸’도 이 CGL을 통해 탄생하죠. 욕조에서 꺼낸 후 강판 표면에 응고되기 전의 아연을 Air knife가 미세하게 깎아내어 도금량을 제어하는데요. 강판 사용 목적에 따라 목표 도금량이 다양하고, Air knife를 거치고 아연이 응고된 후에나 도금량을 측정할 수 있기 때문에 실시간으로 제어성능을 확보하는 것이 어려웠습니다.

이를 해결하기 위해 개발된 포스코의 인공지능 초정밀 도금 제어 기술은, 딥러닝을 이용해 제품의 강종, 두께, 폭, 조업조건과 목표도금량을 스스로 학습해 정확히 제어합니다. 기존에는 89% 수준의 도금량 제어 적중률이 이제는 99% 이상을 웃돌고 있죠. 이 기술은 포항, 광양제철소 모든 도금공장에 적용 완료되었고, 역시 우리나라 ‘국가핵심기술’로 등재되어 있습니다.

l 안전도 진보하는 스마트 제철소

정말 스마트한 제철소는 작업자의 안전과 환경까지 책임지는 작업장입니다. 포스코는 이 부분도 놓치지 않았습니다. 포스코는 스마트CCTV를 개발하여 사용하고 있는데요. 포스코가 개발한 스마트CCTV는 녹화만 하는 일반 CCTV와 달리, 제철소 현장의 특정 문자, 형상, 움직임 등을 자동으로 감지합니다. 그리고 수집한 정보에서 이상이 감지되면 관리자에게 알려주는 지능형 CCTV죠. 기존 CCTV가 갖고 있는 문자인식, 형상인식 등 해석 기술에 포스코의 철강 도메인인 조업상황, 설비형상 등을 결합시켜 제철소에 최적화된 CCTV로 발전시켰습니다. 포스코는 작년부터 광양 3도금, 2제강, 1코크스, 포항 2후판 공장에 스마트CCTV를 적용하기 시작했는데요.

스마트CCTV를 활용하면 작업자가 일일이 육안으로 확인해야 했던 조업, 품질, 안전 정보를 시스템이 영상으로 자동 인식하고 분석해 알려주기 때문에 작업 대기시간을 대폭 줄일 수 있고 품질 향상에도 효과적입니다. 예를 들면 제강공장에서는 전로의 용강 온도를 열화상 카메라가 사람 대신 측정할 수 있죠. 도금부에서는 육안으로는 쉽게 구분하기 어려운 Coil 제품 끝 단면의 미묘한 색상 차이를 CCTV로 확인해 품질 불량에 대해 조기 대응이 가능합니다.

더불어 열화상 등 다중 영상 장치로 화재 위험을 사전에 감지해 예방할 수도 있습니다. 제철소 전반에 걸쳐 설비, 품질, 물류, 안전 분야에서 스마트CCTV가 사람보다 더 빨리, 정확하게 정보를 수집하고 문제점을 잡아낼 수 있게 됩니다.

포스코의 스마트과제를 통한 스마트제철소 구축은 지금도 현재 진행형입니다. 기존 기술로는 해결하기 어려웠던 고질적 문제를 풀어나가고, 미래에는 설비 상태가 예지되고 자동으로 제어되어 생산과 품질, 안전 모두가 확보되는 스마트제철소의 완성을 꿈꾸고 있습니다.

그리고 등대공장으로써, 우리나라 제조업의 길을 비추기 위한 노력도 아끼지 않고 있는데요. 등대공장 특집 마지막 편 <[등대공장 특집] ③ 포스코와 함께 중소기업도 스마트해집니다>에서는, 포스코의 스마트팩토리 기술로 중소기업과의 상생을 도모하는 ‘스마트팩토리 지원사업’의 현장을 찾아 떠나봅니다.

2016년 세계경제포럼에서 처음 언급된 4차 산업혁명의 핵심은 초연결과 초지능이다. 초연결을 위한 핵심 키워드가 사물인터넷과 빅데이터라면, 초지능의 핵심 키워드는 단연 AI다. 초연결과 초지능이라는 두 바퀴로 굴러가게 될 4차 산업혁명 시대를 대비해 글로벌 기업들이 AI 인재를 찾아 나선 이유를 짐작할 수 있다. 포스코 역시 사내 인공지능 전문가 육성을 위해 2017년부터 인공지능 전문가 양성 과정을 진행하고 있다. 지난 9월에는 일반인 대상으로 AI 경진대회를 열기도 했다.

언뜻 철강기업과 AI 기술은 직접적인 연관이 없는 것처럼 보이기도 한다. 하지만 성황리에 막을 내린 AI 경진대회의 과제(철강 원료 가격 변동 추이 예측, 선박 하역 부두 너울성 파도 발생 시점 예측, 포스코 사내 식당 식사 인원 예측)를 살펴 보면 AI 기술의 활용도는 어쩌면 산업 형태와 무관할 정도로 광범위한 것일지도 모른다. 가깝게는 사내 식당에서부터 멀게는 철강 원료의 가격 예측에까지 AI 기술은 다양하게 변주되어 사용될 수 있다.

이번 AI 경진대회에 참가해 각 과제별 최종 우승을 한 팀 세리오, 제로콜라, Fast Learner 등 3개 팀을 만나 대회 참여 과정의 뒷얘기와 앞으로의 AI 기술에 대한 이야기를 들어봤다. 그들 역시 “AI 기술이 향후 거의 모든 분야에 적용 가능한 잠재력을 지니고 있다”고 입을 모았다.

┃“AI, 더 과감하게 적용해도 되겠다는 자신감 생겼어요”_팀 세리오

팀 세리오의 이재호, 김동우 씨는 포항공과대학교 대학원 소속으로 같은 연구실 선후배 사이다. 이들은 연구실에서 공부해 온 AI 지식을 실제 산업 현장의 문제 해결에 적용해볼 수 있는 좋은 기회라고 여겨 교내 게시판에 부착된 포스터를 보자마자 참가를 결심했다.

3개 과제 중 철강 원료 가격 변동 추이 예측을 선택한 이유에 대해 이재호 씨는 “가장 경제적 파급력인 큰 문제일 뿐 아니라, 추후에 비슷한 다른 시계열 예측 문제에 동일하게 적용할 수 있는 범용성 있는 모델 개발이라 생각했기 때문”이라고 답했다.

팀 세리오는 솔루션을 제출하기 위해 사람의 인지 과정에서 본 딴 Dual-stage Attention based RNN(DA_RNN)이라는 모델을 활용했다. 사람은 어떤 특정 물체를 인지할 때 먼저 주변의 관심이 가는 영역을 인식하고, 그 이후에 관심 영역으로부터 물체의 특징을 파악하여 최종 인식하는 과정을 거친다.

DA_RNN은 이와 비슷하게 여러 변수들로부터 학습을 통해 중요한 변수들에 가중치를 매기고 이를 다시 학습에 이용하는 구조다. 다소 복잡한 모델이기 때문에 코딩하는 과정이 만만치 않았다고 한다. 하지만 일단 결과물이 나오고부터는 본인들이 개발한 모델에 어느 정도 확신이 있었기 때문에 수월하게 발표 준비를 할 수 있었다고 한다.

이번 경진대회에서 참가로 얻은 가장 큰 소득은 “AI 연구에 대한 자신감”이라고 답했다. 이재호 씨는 “이번에 저희가 개발한 모델이 충분히 만족할 만한 결과를 보여주었기 때문에 앞으로 AI를 좀 더 과감히 적용해도 되겠다는 생각을 하게 되었다”고 소감을 밝혔다.

대회는 끝났고 최종 우승을 차지했지만 팀 세리오의 시계는 멈추지 않았다. 촉박한 시간 탓에 경진대회에서 미처 적용하지 못했던 다양한 아이디어를 대회 후에도 다각적으로 적용해 보고 있는 중이다.

┃“콜라처럼 톡 쏘는 솔루션, 진로 고민도 해결했죠”_제로콜라

제로콜라 팀의 조용우, 한규수 씨는 같은 학교 같은 과에 재학 중(각각 석사 과정, 학사 과정)인 것 외에도 비슷한 취향을 공유하고 있다. 바로 제로콜라를 좋아한다는 것. 팀명을 짓는데 오래 고민할 필요도 없었다. 그들은 어떻게 콜라처럼 톡 쏘는 솔루션을 제출할 수 있었을까?

제로콜라 팀이 도전한 과제는 선박 하역 부두 너울성 파도 발생 시점 예측. 올해 초부터 AI, 특히 딥러닝 분야에 관심을 갖고 공부를 해오고 있던 이들에게 이 과제는 도전 욕구를 불러일으켰다.

이들은 결과 예측을 위해 동해시부터 울산시까지의 기상데이터와 울릉도와 독도에 이르기까지 동해 해상에 위치한 기상데이터(총 33개 관측소)를 사용했다. 주요 예측 인자는 수온, 유의 파고, 파주기, 파향, 풍향 등이었으며, 모든 데이터는 1시간 간격으로 관측된 것들이다.

하지만 컴퓨터 공학을 전공하고 있는 학생들이 너울성 파도의 발생 원인까지 파악하기는 쉽지 않았다. 그래서 이들은 총 248개의 시공간적 예측 인자들이 어떤 관계를 가지고 있는지를 RSCNN(Random Shuffle Convolutional Neural Network)이라는 모델을 설계하여 모델마다 서로 다른 예측 인자 묶음을 기반으로 학습시켰고, 이런 모델을 수십 개 생성하여 앙상블 기법을 통해 너울성 파도 유무를 예측하는 솔루션을 완성했다.

조용우 씨는 이번 대회 참가를 통해 “적성에 맞는 전공을 선택했다는 생각이 크게 들었다”고 한다. AI 모델을 구현하는 과정에서 도전적인 느낌을 받았는데, 이를 해결하는 데서 오는 재미는 이전에 느껴보지 못한 것이었기 때문. 이번 대회를 통해 향후 진로도 AI 연구로 굳어졌다고 한다.

┃“독학으로 익힌 AI 솔루션, 검증하는 무대였죠”_ Fast Learner

Fast Learner 팀의 노영빈 씨는 AI와는 무관한 경영학을 전공 중인데다 혼자서 이번 대회에 참가했다. 지금껏 AI 공부를 독학으로 해왔던 탓에 이번 대회를 통해 전문가들의 피드백을 받고 싶었다고.

그가 포스코 사내 식당 식사 인원 예측이라는 주제를 택한 이유는 크게 두 가지였다. 첫 번째는 텍스트 데이터를 다루는 연습을 하고 싶었다는 점 때문. 흔히 자연어 처리로 불리는 텍스트 데이터 마이닝은 AI 분야에서도 활용도가 높고 인기가 많기 때문에 항상 경험해보고 싶은 분야였다. 또한 이 분야는 비전공자 입장에서 큰 배경지식이 필요 없었기 때문이라는 현실적인 부분도 작용했다.

노영빈 씨가 활용한 모델은 ‘의사결정나무’를 수백 개 만들어 예측 오차를 줄이는 ‘XGBoost’라는 알고리즘이다. 의사결정나무는 머신러닝 분야에서 가장 기본적인 알고리즘으로, 마치 스무고개처럼 정답의 범위를 좁혀 나가 최종적으로 정확한 예측을 해내는 방법론이다. 그는 최종적으로 ‘XGBoost’를 하나 더 만들어 예측력을 추가적으로 높이는 ‘앙상블 기법’을 활용했다.

노영빈 씨는 “과제 제출 후 발표를 위해 오히려 더 많은 공부를 했다”고 한다. 이번 대회 참가를 통해 그는 “본선 발표에서 독특하고 창의적인 방법으로 데이터를 다루는 참가자들이 많다고 느꼈다. 혼자 공부하는 것도 좋지만 여러 사람들과 의견을 나누며 공부하는 것도 큰 배움이 될 수 있겠다는 생각이 들었다”고.

그는 제안한 알고리즘을 실제 프로그램으로 만들어서 포스코 사내 식당의 잔반량을 줄이는데 쓰인다면 좋겠다는 바람을 갖게 됐다.

과제별 우승팀들은 모두 대회가 끝난 후에도 자신들이 제출한 솔루션에서 손을 놓지 못하고 있다. 한정된 시간 속에서 우승을 향해 매진하다 보니 놓친 부분들을 보완하는 시간을 갖고 있는 것.

그들은 포스코가 주최한 이번 AI 경진대회를 통해 많은 것을 새롭게 배우고 깨달은 시간이었다며 AI 연구를 희망하는 후배들에게도 비슷한 대회가 있다면 꼭 참여하길 권했다. 대회에 참여하는 것 자체로 몰랐던 부분을 익힐 수 있고 전문가들의 의견을 확인할 수 있는 값진 경험이었기 때문이다. 인터뷰 내내 AI 연구에 대해 진지하게 답하는 젊은 연구자들의 열정을 느낄 수 있었고, 이 열정이 있다면 우리나라 AI 연구의 미래도 밝을 것이라는 희망을 갖게 됐다.

포스코가 취업준비생 및 일반인을 대상으로 무료로 실시하는 ‘AI∙빅데이터∙IoT 인재양성 교육’이 4기를 맞았다.

▲ AI∙빅데이터∙IoT 인재양성 교육 온라인 기초과정 학습 페이지 (http://www.postechx.kr)

포스코는 지난해 포스텍과 함께 AI, 빅데이터, IoT 관련 전문 교육 프로그램을 개발하고, 온라인 기초과정과 오프라인 심화과정을 오픈했다. 4차산업 관련 기술인력 부족에 대비한 인재양성은 물론 취업준비생들의 전문역량을 육성해 취업기회 확대를 지원하는 포스코 사회공헌활동의 일환으로 모든 교육과정은 무료로 제공된다.

이번 4기 온라인 기초과정은 9월 2일까지 포스텍 홈페이지(http://www.postechx.kr/)에서 누구나 신청 가능하고, 오프라인 심화과정은 온라인 기초과정 수료생 중 별도심사로 선발된 인원에 한해 9월 3일부터 10월 24일까지 10주간 포항공대에서 집합교육으로 진행된다. 특히 오프라인 집합교육의 경우 체계적인 심화학습으로 단기간 내에 일정 수준 이상의 4차산업 관련 전문인력 양성이 가능해, 이번 4기 심화과정부터는 전국 34개 대학 게시판 및 취업관련 온라인 카페 등에 적극 홍보하고 많은 사람들이 참여할 수 있도록 할 계획이다.

총 4개월간 진행되는 모든 교육과정은 세계적으로 AI와 빅데이터 관련 연구를 선도하고 있는 포스텍 교수진이 개발해 강의하고, 교육에 필요한 장비와 비용은 포스코가 지원한다. 1기 6개 강좌로 시작한 온라인 기초과정은 이번에는 총 13개 과정으로 확대 개설해 지난 6월부터 수강생을 받고 있고, 현재까지 6천여 명이 인공지능, 머신러닝, 컴퓨팅 사고 등 4차산업 관련 기초 지식을 학습하고 있다. 오프라인 심화과정 역시 이전 수료생들의 의견을 적극 수렴해 교육내용 등을 보완해 운영할 예정이다.

지금까지 포스코가 진행한 세 차례 ‘AI∙빅데이터∙IoT 인재양성 교육’으로 총 26,494명이 온라인 교육을 수료했다. 또한 오프라인 심화과정으로 49명의 수료생을 배출했고, 상당수가 포스텍에서 연구 인턴으로 활동하거나 LG CNS, 카카오, SK이노베이션 등 관련 분야 취업에 성공했다. 포스코는 4차산업 관련 기술 트렌드를 반영하여 블록체인 및 암호화폐, 컴퓨터 비전 등의 기술 교육을 강화해, 보다 전문화된 인력을 육성한다는 계획이다.

한편 지난 7월 27일 포스코 9대 회장으로 선임된 최정우 회장은 취임식에서 ‘With POSCO(더불어 함께 발전하는 기업시민)’를 새로운 비전으로 제시하고, 더 나은 사회를 위한 사회공헌활동을 사회적 가치 창출로 업그레이드하겠다는 포부를 밝힌 바 있다. ‘AI∙빅데이터∙IoT 인재양성 교육’은 최정우 회장이 말하는 사회적 가치 창출에 기여하는 대표적인 포스코 사회공헌활동으로, 취업준비생들의 취업기회를 확대하고 더 나아가 4차 산업혁명의 국가적 역량을 육성하는 데 크게 기여할 것으로 내다보고 있다.

 l 글 과학기술칼럼니스트 이준정 박사

l 제4차 산업혁명의 시대!

제레미 리프킨(Jeremy Rifkin)은 2011년 발간한 『제3차 산업혁명』에서 산업혁명의 개념을 제안한 바 있다. 그는 19세기의 제1차 산업혁명을 증기기관과 석탄이 인쇄와 신문이란 소통 기술을 만나 경제가 급속히 부흥하게 된 현상으로 분석했고, 20세기 제 2차 산업혁명은 석유자원과 전기에너지가 전화와 텔레비전이란 새로운 소통 수단을 만나 또 다시 급속한 경제성장을 이룬 현상으로 분석했다.

그런데 21세기 들어 중국의 산업이 부흥하고 석유가격이 배럴 당 150불에 근접할 정도로 폭등하는 현상을 보며, 기존의 화석에너지 시스템으로는 더 이상 획기적인 경제성장을 기대할 수 없는 한계점에 부딪혔다고 판단하고 석유에너지 시대의 종말을 주장했다.

그는 태양에너지와 풍력에너지 같은 새로운 에너지 시스템으로 경제 패러다임을 바꿔야 획기적인 경제성장이 가능하다고 진단했는데, 21세기 경제는 신재생 에너지를 기반으로 인터넷을 통해 소통하는 새로운 시스템이 지배하는 제3차 산업혁명기라고 주장했다.

산업은 사물인터넷을 중심으로 한 스마트 공장으로 바뀌고, 제품개발, 생산, 유통, 물류 등 전체 제조 단계에서 이뤄지는 작업과 서비스를 정보통신기술과 결합하여 생산성, 품질, 원가, 그리고 고객만족도까지 획기적으로 향상시킬 수 있어 또 한번의 경제 부흥기를 기대할 수 있다. 제레미 리프킨이 분류한 산업혁명의 기준에 따르면 최근 화두가 되고 있는 제4차 산업혁명도 제3차 산업혁명의 영역에 포함된다고 볼 수 있다.

l 세계 각국에서의 산업혁명 움직임

l 포스코형 스마트팩토리