알토과학기술대학교 오타나노(OtaNano) Kemistintie 1, 00076 Aaltowww.aalto.fi 방문연수핀란드   헬싱키□ 연수내용◇ 기술혁신국 핀란드 최고의 혁신도시, 오타니에미○ 핀란드는 2009년 선정된 세계 3위의 기술혁신 국가로서, 과학과 기술 분야 종사자 수가 전체의 절반에 이른다. 그 중 핀란드 제일의 혁신도시인 오타니에미 지역에 26개의 학사과정을 이수 중인 학생 수가 약 1만6000명에 달한다. 또한 250여 명의 교수, 2천여 명의 교육계 종사자, 5000여 명의 연구 인력이 상주하고 있다.▲ 헬싱키 북서쪽에 우치한 오타니에미[출처=브레인파크]○ 오타니에미 지역은 핀란드 전체의 특허 출원 비중의 절반을 차지한다. 특히 국가 연간 특허 출원 건수인 약 200개의 절반이 오타니에미에서 나오고 있다. 또한 이들이 수행하는 R&D 연구시간도 연간 8백만 시간에 달한다.○ 이곳은 첨단 기술 산업의 메카로서 약 1만6000명의 전문가가 상주하며 이들의 연구를 바탕으로 연간 40~70개의 신생기업이 태어나고 있다. 2008년 통계에 따르면 이 중 39개 회사가 벤처 캐피털 수혜기업으로 상장된 것으로 나타났다.◇ 3개의 연구센터로 구성된 오타나노○ 오타나노(OtaNano)는 핀란드 국립대학인 알토대학교(Aalto University)와 국가 기술평가기관인 핀란드기술원(VTT)이 각각 절반의 지분을 가지고 설립한 나노기술 연구기관이다.○ 오타나노는 △Nanofabrication △Nanomicroscopy △Measurements, 세 개의 연구센터로 구성되는데, 연수단은 이 중 Nanofabrication을 연구하는 마이크로노바(Micronova)를 방문했다. 마이크로노바의 정식 명칭은 ‘Micronova Nanofabrication Centre’이다.▲ 브리핑 담당자 미카(Mika) 박사[출처=브레인파크]○ 오타나노에 대한 설명은 마이크로노바의 연구활성화 담당자인 미카 코스켄뷔오리(Mika Koskenvuori) 박사가 진행했다.미카 박사는 10년 전에 알토대학교에서 박사학위를 취득하고 3년 전부터 이곳에서 연구 활성화를 위한 관리 및 코디네이션 업무를 담당하고 있다. 그는 자신의 모교인 알토대학과 그 안에 설립된 오타나노의 역사에 대한 설명부터 시작했다.◇ 알토대학교와 VTT가 절반의 지분으로 설립한 ‘오타나노’○ 마이크로노바가 있는 이 연구센터를 포함하여 오타나노 전체는 알토대학교와 VTT가 공동으로 소유하고 있다. 두 기관이 동등한 지분을 가지는데 VTT는 실용적인 지원을 제공하고 알토대학교는 학술적인 지원을 제공하고 있다.오타나노는 젊은 연구자와 지속가능한 연구를 위한 국제센터로 연구자뿐만 아니라 나노기술 응용프로그램을 사용하는 첨단기술기업에게도 중요한 역할을 제공하고 있다.○ 알토대학교는 핀란드의 산업, 경제, 문화 분야의 선도 대학이었던 헬싱키기술대학교와 헬싱키경제대학교, 헬싱키미술디자인대학교를 합병하여 세운 곳이다.이 대학은 정부가 주도하여 2010년 설립되었다. 이 곳은 학생들을 위한 △수학 △물리학 △정보기술 △컴퓨터과학 △산업공학에 대한 기본교육을 제공하며, 국제적 수준의 연구 활동도 수행하고 있다.◇ 2009년부터 국립 나노기술 연구 인프라로 자리매김○ 마이크로 및 나노기술 연구 인프라를 보유하고 있는 오타나노는 나노과학기술과 양자기술 분야에서 세계적으로 경쟁력 있는 연구에 중점을 둔 국가 연구 인프라이다.○ 특히 연구장비의 활용적 측면에서 효율 증대를 위한 상호협력을 위해 많은 노력을 하고 있다. 또한 오타나노는 90개의 연구그룹과 30개의 기업 등 연간 약 500명이 활동적으로 인프라를 사용하고 있다.○ 오타나노의 연구공간은 3개의 연구센터로 구역이 나뉘어 있다. 총 면적은 4,700㎡이며, 오로지 연구 목적의 실험실로만 사용된다. 또한 모든 장비를 Open Lab 형태로 개방하여 모든 사람이 이용할 수 있는 개방형 연구인프라를 자랑한다.▶ 오타나노의 개방형 연구인프라 운영원칙• OtaNano의 연구장비에 대한 접근은 마이크로 및 나노 기술 분야의 연구 또는 제품 개발을 위한 시설이 필요한 학술 연구자 및 업계 전문가에게 열려 있다. 국제 이용자에게도 동일한 권리를 부여한다.• 모든 사용자는 연구장비를 예약하고 사용하는 동등한 권한을 가지고 있다.• 내부 과학자문위원회는 필요에 따라 시설관리를 지원하고 담당자는 오타나노 이사회에서 임명한다.• 현재 이용요금 및 특정 장비의 경우 계측기의 가격 책정 원칙은 인프라의 웹사이트에 표기된다.(www.otanano.fi/en/prices/)• 인프라의 특정 영역에 접근하기 위해서는 알토대학교와 사용자(조직)간의 계약이 필요하다.• 인프라에 대한 접근은 국가 인프라 조직 직원(상급 직원, 엔지니어, 기술자 등)의 형태로 제공되는 사용자 지원과 주요 사용자 전용 장비를 통해 지원된다.○ 특히 3가지 연구 인프라는 2014~2020년 ‘연구 인프라를 위한 국가 전략 및 로드맵’의 일부로 구축되었으며, 과학대학은 지난 20년간 약 100개의 특허와 연구 기반 창업을 이루었다.▶ 오타나노의 개방형 연구인프라 시설시설명세 부 내 용클린룸약 2,600㎡ 면적으로, ISO4-ISO6까지 실험무진동 나노측정소나노현미경 측정을 위한 무진동 실험시설로, 지하 8미터에 구축저온측정소저소음․저온 측정장치를 제공하며, 세계에서 가장 낮은 온도인 1K 가능▲ 오타나노 나노현미경 및 샘플 특성화 연구장비[출처=브레인파크] ▲ 오타나노 저온 열전도 및 고주파 측정소 연구장비[출처=브레인파크]◇ VTT와 알토대학교의 인적․물적 자원 투자로 설립한 마이크로노바○ 마이크로노바는 VTT와 알토대학교의 공동 연구시설로, 2002년 설립되었다. VTT에서 2,900명의 연구 인력을 투입하여 약 3억1600만 유로의 거래총액 성과를 거두었다.○ 알토대학에서는 2만여 명의 학생과 5천여 명의 연구인력이 참여하고 있는데, 이 가운데 교수가 370명 수준이다. 또한 4억1800만 유로의 자금을 조성하여 투자하였다.○ 사실 알토대학교 내에 구축된 5세대 클린룸 시설은 1970년대로 역사를 거슬러 올라간다. 이후 2009년부터 국립 연구 인프라로 자리매김했다. 이곳에는 약 370명의 교수 및 연구 인력이 상주하고 있으며, 약 60여 명이 박사과정으로 구성되어 운영되고 있다.○ 마이크로노바의 연구센터에는 클린룸, RF회로 및 부품 설계, 레이저광학 시뮬레이션 및 모델링 등의 연구를 수행한다. 약 30여개(2017년 기준) 기업이 본 연구 인프라에 적극적으로 참여하고 있다.▶ 강력한 기업 협력 네트워크기업명연구 인프라 사용 목적AjatX-ray 이미지 검출Beneq기능성 코팅 기술LuxDyne광통신용 광섬유 및 광부품Okmetic실리콘 웨이퍼OptoGaNGaN 기반의 LEDOxford Instruments Analytical광검출기Picosun나노기술 적용 ALD 장비Silecs마이크로소자용 유전체HSFoils초극사 X-ray 창VTT Memsfab계약생산Aivon고감도 측정용 부품Advacam컬러 X-ray 광자 계측 카메라Asqella테라헤르츠 기반 이미징 시스템Spectral Engines페브릿-페롯 간섭계 기반 분광센서◇ 다양한 영역의 세계 최고 시설을 자랑○ 마이크로노바는 넓은 영역에 걸쳐 산업계에서 바로 적용할 수 있는 규모의 세계 최고의 연구 시설을 보유하고 있다. 클린룸은 2,600m²규모로 완전히 개방된 R&D 설비와 제한적으로 개방된 생산설비로 구분되어 운영되고 있다.○ 현재 약 300명의 사용자가 이곳에 구축된 160여 가지의 장비를 사용하고 있다. 연구개발 수준의 장비는 150㎜ 규모인데, 5년 안에 200㎜까지 연장할 예정이다. 이를 위해 총 8천만 유로가 투자될 예정이다.○ 또한 클린룸에서는 △최첨단 나노리소그래피를 포함한 포토 공정 장비 △가공 설비 시설 △마이크로 패키징 및 후공정 프로세스 실험이 가능하다.뿐만 아니라 △고해상도 전자현미경 △주사탐침 현미경 △X-ray 산란장비를 이용한 유연하고 단단한 생체 시료 표본 이미징 및 특성 분석도 가능하다. 특히 M2 클린룸은 혁신 기술 개발과 실용적인 마이크로․나노 시스템 시설을 제공하는 개방형 연구 인프라이다.○ 마이크로노바에서 제조한 부품으로는 △전지용 나노 구조 소재 △IoT 구현을 위한 레이저 광원 △초소형 정밀기계 기술(Micro-Electro Mechanical Systems; MEMS) 기반의 마이크로․나노광소자 등이 있다.▷ 마이크로노바 클린룸 구조○ 위의 그림을 보면, 클린룸은 M1 및 M2 영역으로 구분되어 있다. 기업과 민간에게 열려있는 개방형 연구 인프라는 M2 클린룸이다. 이곳은 알토대학교와 VTT가 공동으로 사용하며, 연구개발을 중심으로 사용된다.○ 연구개발 결과가 상용화 단계에 들어서면 M1 클린룸으로 이관되면서 VTT가 공정을 주도한다. 이 과정은 아래와 같이 크게 △Nanofabrication and patterning △Complete microfabricatin line △Thin films and epitaxy라는 세 개의 중점 영역으로 나뉜다.○ 장비뿐만 아니라, 시설을 운영하고 유지하기 위한 인력도 필요하다. VTT 소속 직원은 장비운영자 4명을 포함하여 약 10명이고, 장비를 정비하는 상근인력이 약 20명 수준이다.특히 비상근 인력으로 일하는 박사과정 학생들은 연구와 장비 운영을 모두 경험할 수 있는 좋은 기회를 가질 수도 있어 인기가 많다고 한다.◇ 장비 사용 숙련도에 따라 다른 사용료 책정○ 장비 사용료는 사용자(Users)의 장비사용 숙련도에 따라 차등 적용된다. 장비사용료 자체는 무료 혹은 소액의 비용으로 책정되며 가장 높은 요율이 시간당 129유로이다. 장비 사용료가 낮은 이유는 학술적인 용도로 사용될 뿐더러 영리목적이 아닌 연구자 중심으로 운영되기 때문이다.○ 하지만 사용자가 장비를 사용할 수 없을 경우에는 사용자는 해당 장비의 장비운영자를 통해 장비의 작동법, 안전교육 등을 이수해야 한다.시간당 100~150유로의 교육비를 지불해야 한다. 이 금액은 대략적인 기준이며, 장비별 난이도에 따라 달라진다. 단, 학부생 및 대학원생의 경우 무상으로 교육이 진행된다.◇ 핀란드 나노기술 연구의 20% 이상이 마이크로노바와 연결○ 현재 핀란드 전역에서 나노기술을 연구하는 그룹은 139개이다. 그 가운데 헬싱키 지역에 75개, 그 중에서도 오타니에미 지역에 54개, 그 중에서도 마이크로노바에 28개가 위치하고 있다.즉 전체 139개 중 28개가 마이크로노바에서 연구활동을 하고 있는 것이다. 비율로는 20%가 넘는다. 미카 박사는 ‘만약 핀란드의 나노테크놀로지에 대해서 알고 싶다면 우리에게 문의하기 바란다’며 자부심을 드러냈다.○ 연구 분야는 크게 △센서 △MEMS소자 △검출기 △광학 및 포토닉스 △마이크로․나노전자공학으로 나뉜다. 각각의 세부 연구주제는 아래와 같다.▷ 마이크로노바의 연구분야와 세부 연구주제연구분야세부 연구주제SensingMotion and pressure sensorsSensors for temperature, magnetic fields and acoustic emissionsChemical and biosensorsMEMS devicesRF-applications, including filters and oscillatorsMicrofluidicsDetectorsX-ray detectors and detector arraysHigh-energy particle detectorsPhotonics and OpticsDevices for laser spectroscopy and interferometryLight sources: UV LEDs, semiconductor lasers, supercontinuum sourcesPhotonic devices for telecommunicationsMicro- and nanoelectronicsNanoelectronicsCryogenic quantum devicesRFID chipsCMOS-circuits for AD converters and signal processingMillimetre wave technologyReliability◇ 고등학교 이상 모든 수준의 교육을 제공○ 마이크로노바는 알토대학교 내에 운영되는 연구인프라이다. 따라서 교육에 있어서도 노력한다. 이곳의 글로벌 석사과정에는 매년 50여 명의 학생이 참여한다.아주 높은 수준의 PhD 프로그램이 있어 연간 60명이 입학한다. 석사 및 박사과정 모두 이곳의 클린룸을 사용할 수 있는데, 화학제품과 유전학 분야의 안전교육을 필수적으로 받아야 한다.○ 이곳의 장비를 사용하기 위한 정보도 제공한다. 학생이 아니어도 이곳의 실험실교육(Laboratory Course)에 참여할 수 있다. 예를 들어 올라리(Olari) 고등학교의 학생에게도 1주일간의 집중교육을 실시하고 있다. 교육주제는 주로 수학과 과학, 물리학에 초점을 맞춘다. □ 질의응답- 약 360명의 직원이 근무 중 이라고 하였는데, 모두 마이크로노바 소속 인력인지."아니다. 150명은 대학교, 150명은 VTT 소속이며 나머지는 일반기업 소속이다."- 장비점검 인력(Full time)이 20명이 있다고 했는데, 어떤 구성원으로 이루어졌는지."보통 경력자를 모집하고, 몇 명은 박사학위 받은 사람 중에 뽑는다."- 학교에서 500만 유로씩 투자한다고 했는데, 마이크로노바의 운영주체는 학교인지."마이크로노바는 알토대학교와 VTT가 구성하고 있으며 각 분야에 따라 운영주체가 다르다."- 신규장비 구입은 어디서 지원하는지."핀란드학술원에서 자금을 지원하고 있다. 핀란드학술원에서 자금으로 충당이 안되는 경우에는 VTT나 알토대학교에서 추가로 지원하기도 한다."- 오타나노와 마이크로노바의 관계는."마이크로노바는 오타나노에 속해있다. 오타나노는 세 가지 시설을 운영하는 주체이다."□ 일일보고서◇ 장기적 관점의 연구 장비 활용 방안 모색○ 세계적인 클린룸 연구장비를 보유함으로써 국내뿐만 아니라 세계에서도 장비 활용을 위해 접근하고 있음을 알 수 있었다. 장기적인 투자 안목으로 장비를 구축함으로써 대학 및 국가의 위상을 높일 수 있는 계기가 될 것이라 판단된다.○ 구축된 장비 활용을 위해 내부 연구진뿐만 아니라 외부기관의 활용이 가능하도록 장비활용 교육을 함으로써 장비 활용률 향상에도 도움이 되며 장비 운용 인력 역량 강화에도 많은 도움이 될 것이라고 생각된다.○ 장비를 구축하는 것도 중요하지만 운용 인력의 확보와 지원을 통해 양질의 장비 활용 지원 서비스를 할 수 있는 시스템 마련도 중요하다고 생각한다.○ 장비활용에 대하여 저가의 사용료 정책과 사용자 구분에 따라 가격의 차별성을 부여하여 연구의 우수성을 높이고자 하는 정책이 인상 깊었다.○ 당장 사업화 될 수는 없지만 국가적으로 기반을 갖추고 있어야 하는 기초 기술을 정의하고 해당 기술에 대한 지속적인 지원이 필요해 보인다.○ 국내외 시험시설 사용과 별 차이가 없기 때문에 외국 업체도 장비사용에 대한 접근이 용이한 장점이 있다. 하지만 물리적 거리 등 현실적 장애요인이 많다는 한계도 있다.

   KTH 왕립공과대학 연구센터(KTH Royal Institute of Technology)   KTH Electrum Laboratory, Electrum 229S-164 40 Kista, SwedenTel : +46 8 790 43 88nordell@kth.sewww.kth.se  방문연수스웨덴   시스타□ 연수 내용◇ 스웨덴 최대 규모의 연구 및 교육기관○ KTH 왕립공과대학(Royal Institute of Technology, 이하 KTH)은 1827년에 설립된 기술연구․교육기관으로 △건축 △토목 △화학 △생명공학 △전기컴퓨터 △산업 공학 등 다양한 분야의 연구센터를 보유하고 있다. 현재 이곳에서 대학원생 1,500명, 교수 235명, 연구원 460명이 연구 활동을 수행하고 있다.○ 1827년 설립 당시에는 스웨덴의 주요 산업으로 자리 잡고 있던 철광산업과 도시개발을 수행할 공학인력 양성을 위한 전문기관(Teknologiska Institute)이었다가 1877년 현재의 이름으로 바꾸었다. 주 캠퍼스는 외스테르말름의 발랄라베겐(Valhallavägen)에 위치하며 시스타(Kista)에는 IT 특화 캠퍼스 포름(Forum)도 있다.○ KTH는 스웨덴에서 최대 연구기관으로 유럽의 주요 기술 및 공과대학으로 잘 알려져 있으며 원천연구와 응용연구를 병행하고 있다. 또한 지속가능한 사회를 향한 개발에 적극 참여하며 지속 가능한 개발 연구에 힘쓰고 있다.○ 현재 약 50개의 연구팀이 기초연구 및 응용연구에 대한 연구개발·분석·평가 등을 수행하고 있다. 특히 전략적 연구 플랫폼을 기반으로 협력을 강화하고 연구원들의 지속 가능한 참여를 통해 네트워크를 형성하여 공급 시스템의 환경적 성과를 향상시키고 있다.◇ 나노 및 마이크로 기술 개발을 위한 실험 수행○ 연수단의 스웨덴 공식일정은 시스타에 위치한 KTH Eletrum Laboratory에서 닐스(Nils Nordell) 연구소장의 브리핑으로 시작했다. Electrum Laboratory는 KTH 소유 연구시설로 Microelectronics, Acreo Swedish ICT(광학․통신기술 연구기관)와 협력 관계를 가지고 있다.▲ Electrum Laboratory 외관[출처=브레인파크]○ 이 연구소는 나노․마이크로 기술 개발을 위해 설립되었으며 부품․소자 공정을 위한 클린룸 시설과 재료 및 부품․소자의 최적화를 위한 시설을 보유하고 있다.연구시설은 상업적․학문적 용도의 이용자에게 오픈되어있으며, 내부인을 비롯하여 외부인의 클린룸 출입 및 설비 사용에 대한 교육도 실시하고 있다.◇ 중소기업 연구 경쟁력 강화를 위해 적극 지원○ 연구시설은 크게 △연구개발 △중소기업 대상 소규모 생산 △교육 용도로 사용되고 있다.▶ Electrum Lab 연구시설 사용목적- 연구개발- 신규 디바이스 개발 설계 및 공정, 디바이스 구조 특성별 공정기술 개발 및 특성화기술 확립, 신소재 합성 및 특성 분석, 재료의 물성 연구- 소규모 생산◦ 창업 및 보육 기업을 위한 실험실 이용 허가, 안정성 및 반복성 유지에 대한 실험, 장비 및 실험실 독점 임대- 교육- 학부생 및 대학원생 대상 연구시설 제공○ 또한 위 실험 시설의 전반적인 관리를 담당하는 각 연구소장(Lab Director)은 △실험실 조직 및 규칙 △품질관리 △실험실 안전 △시설계획 △사용료 정산시스템 등을 담당하고 있다.◇ 스웨덴 연구기관과 긴밀한 협력관계 보유○ 위 그림에서 볼 수 있듯이, Electrum Lab은 RISE라는 스웨덴 연구기관과 밀접한 파트너십 관계를 가지고 있다. RISE는 스웨덴 산업 전 분야에 대한 연구를 수행하고 있으며 산·학·연 국제 협력프로그램을 통해 스웨덴 비즈니스 커뮤니티의 국제 수준에서의 경쟁력 확보를 목표로 하고 있다.○ Electrum Lab은 RISE와의 협력을 통해 연구기관과 함께 스타트업, 인큐베이터 등 다양한 사업 창출을 위한 지원을 하고 있다.◇ Electrum Lab의 주요 연구 분야○ Electrum Lab이 보유하고 있는 재료 합성 스테퍼 리소그래피 정밀 에칭 기술(Material Synthesis Stepper Lithography Precision Etch Technologies)은 △집적화 나노 소자 △센서 △광시스템 △재료 특성 △재료 물리학 △재료 화학 등 다양한 연구 분야에 밀접한 연관성을 가지고 있다.▶ 주요 연구 분야▶ 재료물리학○ Advanced crystal growth studies(고급 결정 성장 연구)○ Photonic crystals for negative refraction(음의 굴절을 위한 광결정)○ Electronic and atomic structure of surfaces and interfaces(표면/계면에 대한 전자 및 원자 구조)○ Carbon nanotubes(탄소 나노튜브)○ High temperature superconductors(고온 초전도체)○ Spintronic materials and devices(스핀트로닉 재료 및 소자)○ Device design and characterization(디바이스 설계 및 특성분석)▶ 재료화학(나노 입자 및 나노 구조 표면)○ Magnetic nano particles(자성 나노 입자)○ Colloidal qunatum dots(콜로이달 양자점)○ Self-oganized nano-pillars(자기 조직 나노 기둥)○ Bio-imaging(바이오 이미징)○ Sensors(센서)○ Solar cells(태양 전지)○ Efficient heat transfer system(고효율 열전달 시스템)▶ 집적화된 나노 디바이스○ Silicon & Compound Semiconductors based on transistors(실리콘/화합물 기반의 트랜지스터)○ Silicon carbie based electronics for high power applications(실리콘 기반의 고출력용 반도체)○ Carbon nanotubes and silcon nanowires for protein detection(단백질 검출용 CNT 및 실리콘 나노와이어)▶ 센서○ Silicon nano-wire and carbon nanotube biomolecule sensors(실리콘 나노 와이어 및 탄소 나노 튜브 생체 분자 센서)○ Bolt with integrated temperature sensor(온도 센서가 집적된 볼트)○ Infrared detector(적외선 탐지기)○ High impedance surface array for automotive radar(자동차 레이더용 고 임피던스 표면 배열)▶ 광시스템○ Ultraviolet sensor chip for integration(집적화를 위한 자외선 센서칩)○ Micromirrors for light beam control(광선 제어용 마이크로 미러)○ IR sensor arrays for IR cameras(적외선 카메라용 적외선 센서 어레이)○ Vertical cavity surface emitting lasers for optical communication(광통신용 수직 캐비티 표면광방출 레이저)○ Photonic crystals and photonic integrated circuits for optical communication(통신용 광결정 및 광집적회로)◇ 2,800㎡ 규모의 클린룸 시설 보유▲ Electrum Lab 내부 도면[출처=브레인파크]▶ Electrum Lab 주요 정보Electrum Lab 개관년도1987년크린룸 규모2,800㎡연간 턴어라운드(Yearly turn around)약 69억원연구 투자 가치약 1,000억원등록된 연구장비 수약 220대평균 연구장비 수명15년재투자율약 19억원◇ 협업을 통한 신생 기업 연구 지원 실시○ Electrum Lab은 스웨덴 연구기관 RISE, KTH, STING과 협력하여 신생기업의 성장을 돕기 위한 혁신시스템(The Electrum Innovation System)을 구축하고 있다. 이를 통해 성장한 대표적인 기업은 Silex MICROSYSTEMS, ascatron, IR nova, ascilion, Nocilis Materials AB 등 다양하다.○ 또한 Electrum Lab은 기업성장 지원을 위해 △연구자 및 기업 대상 네트워킹 지원 △Myfab(스웨덴 마이크로․나노 국가인프라) 및 ISSP 파트너와의 협력 지원 △실험실 및 장비 대여 부분에 관여하고 있다.○ STING의 경우, 벤처기업이 구상한 아이디어의 사업화를 위한 지원을 실시하고 있으며 ICT, 인터넷 기반 기술, 생명과학 분야가 주를 이루고 있다.STING은 연간 150~200개의 기업 프로젝트 중 20개를 선정하여 비즈니스 상용화 지원서비스를 제공하고 있다. 전체 수혜기업 중 70%가 이들의 지원을 기반으로 성공적인 성장을 이루면서 높은 성과를 보여주고 있다.◇ 지속가능 개발을 위한 컨소시엄 참여○ Electrum Lab 운영 주체인 KTH는 유럽연합 기술연구소(EIT) 내 5개 컨소시엄 중 4개에 소속되어 있다. 각각의 연구 분야는 △정보통신 △에너지 △연료 △노화 연구이다.○ 특히 MyFab의 중요한 조직으로서 Electrum Lab을 운영하면서 연구장비와 전문기술에 대한 협업체계를 구축하고 있다.MyFab에 참여 중인 또 다른 기관은 △KTH △웁살라 대학교(Uppsala Universtiy) △룬드 대학교(Lund University) △샬머스 공과대학(Chalmers) 등이다.○ Electrum Lab은 네트워크의 모든 프로세스와 장비에 대한 관리를 실시하며, 학계와 산업계를 대상으로 한 장비지원 시스템을 구축하고 있다.또한 △제조 및 분석을 위한 장비 제공 △현장직원 교육서비스 △나노 비전(nano visions) 실현을 위한 과학적 지원을 통해 인프라 확장과 나노 연구 발전을 위해 노력하고 있다.▲ MyFab에서 운영하는 연구 시설[출처=브레인파크]◇ 2015년 ISO 9001 인증 획득○ Electrum Lab은 국제표준화기구(ISO)에서 제정․시행하고 있는 ISO 9001을 2015년 획득했다. 또한 KTH의 일부로서, ISO 14001을 2004년 획득하기도 했다.○ ISO는 품질 및 제조를 인증하는 국제기준으로, 주요 내용은 △전반적인 조직관리 △연구장비 유지보수 및 가동시간 △직원 및 실험실 사용자 교육 △유저 대상 설문 조사 △지속적인 후속 조치 등으로 구성된다.◇ ‘Moving out’을 위한 체계적 과정 수립○ 브리핑 담당자 닐스 연구소장에 따르면, Electrum Lab의 성공요인은 “연구 혁신(Research into Innovation)→인큐베이팅(Developing in incubator)→ 독립성장(Ready to fly)”의 3단계 과정을 거친 체계적인 준비과정이라며 아래의 표와 같이 자세한 설명을 덧붙였다.▷ 성장을 위한 3단계 지원제도 1단계(연구 혁신)2단계(인큐베이팅)3단계(독립성장 지원)연구 지원·연구 및 아이디어 개발·기술 성숙 단계(RISE Acereo에서 생산 보육, STING에서 시장성 조사 담당)·완성 기술에 대한 전체 생산(Full production)프로세스 및 비용에 대한 관리하드웨어 지원(실험실)·새로운 아이디어 실현을 위한 유연한 접근성·투명한 가격 모델 제시·정제 공정(Refining Processes) 제공·생산량에 대한 공정 안정성 확보·임대용 실험식 영역 및 프로파일에 대한 접근·ISO 9001 인증 관리 시스템 구축인적 지원·훈련 코스 제공·네트워킹 기회 마련·가공 및 특성화 “Foundry services” 제공·네트워킹 기회 마련·연구 인력 확보□ 질의응답◇ 연구 개발을 통한 해외 시장 진출이 목표- Electrum Lab의 지원으로 성장한 기업은 그 결과를 공유하는 편인지."결과는 공유하지 않는다. 연구자는 본인의 권리(IP) 즉, 연구를 통해 획득한 라이센스를 자유롭게 팔 수 있는 권리를 가지고 있다."- Electrum Lab의 지원을 받은 후 독립적으로 ‘MOVING OUT’을 하는 경우, 손해라고 생각하지는지."스웨덴은 워낙 작은 나라여서 연구 인프라 문제 등 성장에 대한 한계가 있을 수 있다. 중국이나 큰 시장에 비해서는 연구 인력도 부족한 편이다. 연구를 통한 기술 개발로 해외시장에 진출하는 것을 목표로 두는 편이다. 일반적으로 Moving Out을 손해라고 생각하지 않는다."- Electrum room 실험공간 사용을 위한 대상자 평가 기준은."사용료를 지불하고 장비를 이용하기 때문에 크게 제약을 두지 않는다."- 실험공간 임대료는 어떤 기준을 적용되는지."일반 기업은 이용금액을 전부 지불해야 한다. 별도의 지원이 없다. 하지만 초기 성장단계에 있는 작은 기업은 VINOVA 등의 정부기관이나, Silex(Microsystems)와 같은 민간투자기관의 지원을 받는 경우도 있다."□ 일일보고서◇ Open Lab 제도 운영을 통한 장비 가동률 극대화○ KTH 왕립공과대학의 교육과 RISE의 R&D 그리고 STING의 사업화 촉진으로 구성된 네트워크를 통해 지속 가능한 연구지원으로 많은 성과를 창출할 수 있다는 점에서 국내의 시스템에도 적용해야 할 것으로 사료된다.○ 또한 정부 지원의 연구장비를 대학 및 기업에서 공동활용하여 R&D가 활성화 되고 있어 대학교내의 다양한 연구시설에 국가 지원이 필요하다.○ 공동 장비 활용을 위한 네트워킹 활성화로 시너지 효과를 얻을 수 있다는 아이디어를 발견했다.○ 외부로 Fab 시설 제공 가능하며, 운영, 관리 등 정부 및 연구기관 중심으로 운영되고 있음을 알 수 있었다. 특히 open lab 기반으로 운영되는 사안이 국내 연구기관과 차이점이며 open lab 제도에 따른 장비 가동율 극대화 가능하며 기업의 연구개발 및 비즈니스에 큰 기여하고 있음을 알 수 있었다.◇ 산학 협력 기반 스핀오프 기업 창출 활성화○ R&D에 대한 사업화를 위해 기업 자체의 양산을 통한 사업화도 중요하지만, 소규모 생산을 위해 양산 설비를 추가로 투자하지 말고, 테크노파크, 창업보육센터 등을 통한 사업화도 필요함을 느꼈다. 실제 기업은 소규모 인력으로 기술 개발에 집중하고, 생산은 전문화된 시설에 위탁하는 방법도 검토해야 한다.○ 산학연의 협력이 유기적으로 잘 이루어지고 있음을 느꼈으며, 스타트업 기업이 양산단계까지 기술이 성숙하면 중국 자본의 투자가 활발하게 이루어짐을 알 수 있었다.○ 한국과 비교했을 때 인내심, 자금 조달력 등 차이가 있었다. 인큐베이팅 기간이 평균 5년으로 제도적, 물리적 지원이 5년이면 상당히 오랜 시간이라고 생각한다.또한 국내 각 대학 산학협력단의 역할과 상당 부분 겹치는데 국내 대학의 경우 대기업 유치로 스핀오프 기업이 많이 발생할 수 있는 구조를 마련해야 한다고 생각한다.

□ 연수내용◇ 제조업에 특화된 AI서비스와 솔루션 제공이 목표○ 마키나락스는 2017년 12월 설립된 제조업에 특화된 AI서비스와 솔루션을 제공하는 스타트업으로 생산공정에 AI를 도입해 기계 고장이나 품질 이상 등을 예측하는 제조업에 특화된 AI서비스와 솔루션을 제공한다.○ 마키나락스는 Makina는 라틴어로 machine이다. Machine Intelligence를 폭넓게 해석한 것이다. Rocks는 Shaking으로 '인공지능을 통해 산업을 뒤흔들다'라는 뜻을 가졌다. ▲ 이재혁 대표[출처=브레인파크]○ 기계 인텔리전스, AI의 실행(Operation)을 통해 제조업을 다시 정의, 산업을 좀 더 효율적으로 만들자는 비전을 가지고 산업용 AI 솔루션과 제조업과 에너지 산업의 성장을 도모하는 플랫폼을 개발하는 것이 목표이다.◇ SK텔레콤에서 AI관련 팀이 분사하여 창업○ SK텔레콤에서 ‘제조업 특화 AI 데이터 분석 솔루션 기술’을 개발했던 SK텔레콤 소속 관계사(화학회사, 유공 등)에 Digital Transformation(디지털 변환)팀, 특히 인공지능 관련 데이터 분석하는 팀이 분사하여 1대 주주, 2대 주주는 SK텔레콤이다. 실리콘밸리와 서울 오피스에서 17명이 일하고 있다.○ 회사에 이해를 구한 상태에서 2017년 12월 한국에서 회사를 창업하고 2018년 미국 지사를 만들었다. SK텔레콤에서 3명, 삼성전자에서 1명 영입해서 4명으로 회사를 시작했다. 2018년 5월 SK텔레콤, 네이버, 현대에서 Seed-round 펀딩을 받았다.○ 이때 Seed-round란 처음에 회사를 만들면 시드(씨앗) 단계라고 한다. 그 다음으로 a, b, c, d 단계가 있다. 시드는 회사를 만들 때 자금이 필요한 단계, a는 뭔가를 발견해서 투자자들을 설득하는 단계, b는 발견한 것들 중 특정 무언가를 밀고 나가서 더 확장시키는 단계, c는 지역적으로 더 확장하거나 사람도 더 뽑고 매출도 올리는 단계(IPO, Initial Public Offering)이다. 보통 c가 터닝 포인트가 된다.○ 시드 단계에서는 보통 개인 투자를 받거나 창립자들이 돈을 내는데 마키나락스는 SK텔레콤이 자금을 지원했기 때문에 매출이 발생하면서 회사를 시작할 수 있었다.SK텔레콤, 네이버, 현대에서 20억 정도의 투자를 받았다. SK텔레콤이 외부 투자자 중에서는 지분을 가장 많이 받고 있다. B2B 하는 분들은 회사에 있거나 아이템을 발견해서 분사하는 경우가 많다.◇ SK텔레콤이 운영하는 스타트업 인큐베이션 공간에 입주○ 한국에서 창업 후 실리콘밸리에 자회사를 설립해 글로벌 하이테크 반도체 기업을 파트너로 확보했으며, 한국과 미국에서 반도체나 자동차 생산라인, 미생물 공정 생산라인 등에서 프로젝트를 진행하고 있다.○ 실리콘밸리 자회사는 SK텔레콤이 운영하는 스타트업 인큐베이션 공간, Inno- partners에 있다. 인큐베이션 공간과 경쟁적인 형태로 나온 것이 공유 오피스로 WeWork, 스타플레이스 등이 유명하다. 공유 오피스와 인큐베이션 공간의 차이는 공유 오피스는 임대료가 있고 인큐베이션 공간은 임대료가 없다는 것이다.▲ Innopartners 입주기업들○ Innopartners는 실리콘밸리 센터에 위치하고 있는데 스탠포드 대학교가 있고 그 앞에 멘로파크가 있다. 멘로파크에서 반도체 사업이 제일 먼저 시작했다.반도체 사업은 공해가 극심하다. 중간에 메인 공정 중 방사선 쏘는 방식은 공해가 별로 없는데, 독한 화학 물질로 깎아내리는 방식과 산업용 가스로 위에 쓰이는 방식(deposition)은 공해가 많이 발생해서 한국과 대만에서 공정을 진행하고 실리콘밸리에서는 설계, R&D하는 반도체만 남아 있다. 그 뒤로 소프트웨어, 하드웨어 사업이 주로 발달하게 되었다.◇ 어떤 중장비가 망가질지 예측하는 것이 바로 산업용 AI○ 산업용 AI가 나올 수 있던 배경은 IoT, 빅 데이터, AI이다. 각 분야별로 데이터 분석은 조금씩 다르다. IoT 시절 데이터 분석은 On&Off였다. 건설 중장비가 켜져 있는지, 꺼져 있는지만 잘 알아도 가능했다.Uptake가 이 때 나온 회사이다. On&Off를 잘 측정하고 왜 잘 안됐는지 데이터를 분석하고 축적하면서 등장한 것이 빅 데이터이다. 빅 데이터는 왜 작동이 잘 되지 않았는지 이유를 찾는 데 분석이 특화되어 있다. 어떤 중장비가 망가질 것인지 예측하는 것이 AI이다.○ 마키나락스가 하고 있는 것은 제조업의 다양한 문제를 AI기술을 접목해서 해결하려고 하는 것이다. 예를 들어 반도체의 경우 장비 하나가 비싼 것은 4000억 정도이다.따라서 망가지면 안되는데 1년 365일 24시간 작동시키고 독한 화학물질과 가스를 쓰기 때문에 망가질 수밖에 없다. 가동률을 낮추는 원인이 되는 이런 비싼 장비가 언제 망가질지 예측해서 가동률을 올리는 것이다. 해마다 다르지만 1%의 수율만 올라가면 이익이 1조 올라간다.○ 또 다른 예는 화학 공정에 가보면 파이프라인이 길게 연결되어 있는데, 파이프라인의 특정 부분이 막히기 마련이다. 막히는 걸 미리 예측하면 공정 가동률과 수익이 올라간다.그래서 산업용 AI 솔루션은 기존 가정에서 사용하는 AI 제품보다 높은 수준의 예측력을 보유한 AI를 필요로 한다. 기존 AI가 알고리즘과 데이터가 성능을 좌우한다면 마키나락스가 개발한 솔루션은 알고리즘, 데이터에 도메인 지식이 더해져 예측력면에서 뛰어나다.○ 마키나락스는 딥러닝 기반의 PdM(Predictive Maintenance) 알고리즘 및 관리 기법을 적용해, 제조 장비 및 공정에서 발생하는 센서 데이터를 분석을 토대로 △장비 고장 및 품질 이상 예측 △제조 불량 분석 △공정 최적화 솔루션을 제공해 공장의 생산성 및 품질 향상에 기여하고 있다.○ 마키나락스가 자체개발한 인공지능 솔루션은 최소 100억 원대부터인 반도체나 자동차 생산 설비의 고장이나 오류를 짧게는 12시간, 길게는 5일 전에 예측할 수 있도록 설계돼 막대한 손실을 예방한다.◇ 좋은 데이터와 데이터 기술자 확보를 위한 실리콘밸리 진출○ 한국에서 기업 솔루션을 제공하는 기업들이 많이 실패했다. 가장 큰 이유는 데이터가 있어야 하는데, 데이터 자체가 굉장히 흠이 있는 데이터라는 점이다. 장비가 얼마나 망가졌는지 외부에 알려줘야 하기 때문에 어려운 부분이다.○ 또한 데이터를 분석할 수 있는 기술자들의 인건비가 굉장히 높고 인력이 귀하다. 최소 연봉이 3억이다. SK텔레콤에서 인건비를 들여서 기술자들을 한국으로 데려와도 기술자들이 한국에서 일하고 싶어하지 않는다.한국에 가더라도 데이터 분석하는 부지는 다 지역에 있어 지역에 가려고 하지 않기 때문이다. 따라서 대기업도 기술자들을 확보・유지하기가 어렵다.그래서 최근 실리콘밸리에 SK Hynix가 진출하여 데이터 분석 기술자가 Hynix가 있는 이천으로 가지 않고 실리콘밸리에서 새로 지은 건물에서 데이터 분석을 할 수 있도록 하는 것이다.◇ 적용이 쉽지 않았던 산업용 AI○ 산업용 AI라는 개념은 예전부터 등장했지만 잘 적용되지 않았다. 포스코가 IoT 시절부터 투자를 많이 했었고 투자를 오랫동안 해서 데이터 분석을 열심히 했지만 지역에 위치하고 있어서 기술자들을 오랫동안 확보하지 못했다. 포스코는 빅 데이터에서 AI 분석까지 5년동안 프로그램을 실행했고 아래 2개를 많이 공표한다.• 용광로, 고로 온도를 일정하게 만드는 알고리즘: 변수가 많아서 어려운 부문이다.• 아이언 도금 최적화 공정‘○ 데이터 시티즌십’이라고 하는 어느 정도 역량이 있으면 교육을 받고 데이터 기술자가 될 수 있는 프로그램이 있다. 이런 프로그램을 통해 일상생활의 간단한 문제를 해결할 수 있다.SK텔레콤도 데이터 시티즌십을 통해 어떤 신입사원이 먼저 퇴사할 것인지에 대한 알고리즘을 만들었다. 그러나 정작 중요한 수율이 올라가는 과정에 대해서는 잘 없다.예전에는 노하우가 많은 엔지니어가 변수 여러 개를 두고 수율을 계산했으나 빅 데이터를 통해 변수가 늘어나면서 AI가 등장하게 된 것이다.▲ 산업용 AI 접목을 위한 4개 요소[출처=브레인파크]◇ 산업용 AI 접목○ 산업용 AI의 접목을 위해서는 아래 4개 요소가 필요하다.• 연결성 : 반도체의 경우 2014년 Hynix 인수할 때 공정 수가 300개였는데 2018년 기준 600개가 됐다. 내년 새로운 Fab이 만들어지면 800개가 넘어갈 것이다.• 복잡성 : 간단한 문제는 AI를 사용할 필요가 없고 빅 데이터, SAS 툴을 사용하면 된다. 하지만 문제가 점점 복잡해지기 때문에 AI를 사용해야 한다.• 기술 : 딥 러닝 아키텍처(컴퓨터 시스템의 구성)에서의 매개변수• 투자 : CAGR(연평균 성장률) 170억 + 2025 시장 (제조업에서의 산업용 AI) Þ 40% 상승◇ 소비자 중심 AI와 산업용 AI의 차이점○ 소비자 지향 AI와 산업용 AI의 차이는 사람이 잘하는 분야에 대해서도 사람보다 기계가 일을 많이 하는 것이 소비자 AI라면, 산업용 AI의 목적은 장비가 너무 복잡해서 언제 망가질지 사람이 예측할 수 없는 그런 부분을 예측하는 것이다. 소비자 중심 AI산업용 AI목표자연 지능과 관련된 업무에 초점산업 문제와 관련된 업무에 초점(예를 들어 수율 향상, 인간의 지능으로 해결하기 힘든 최적화)적용언어 번역, 자율 주행, 비디오 감시PDM(예측정비), 결함 추정, 공정 최적화데이터인간이 해석 가능한 데이터(사진, 비디오, 텍스트, 음성, 소비자 프로필과 활동 등)인간이 해석할 수 없는 데이터(센서 값, 처리 이미지, 현지 기술자 업무 등)○ 사람이 공정 수가 너무 많으면 최적화할 수 없기 때문에 AI가 한다. 사람이 도입한 것이기 때문에 사람 일자리를 위협하는 것을 제외하고 AI로 대체하는 것이다.B2C는 사람들이 다 이해하는 데이터(사진, 텍스트, 비디오 등), 후자는 사람이 이해하기 어려운 데이터(센서 데이터 그래프, 프로세스 이미지 등)이다. 프로세스 이미지는 예를 들어 자동차 부품 안을 찍어서 보면 실금이 잘 보이지 않기 때문에 AI가 찾아내는 것이 필요하다.◇ 산업계에서 산업용 AI의 문제점○ 투자자들이 인공지능에 많은 투자를 하고 있고 산업용 AI에 대해서만 2025년까지 17조 원의 시장으로 확대될 것으로 보고 있다. 마키나락스와 같은 기업이 필요한 이유는 사람들이 시작은 많이 하지만 70% 정도가 잘 되지 않기 때문이다.산업용 AI를 적용하기 위한 4단계가 있다.• 첫째, 개념 검증(PoC, Proof of Concept)• 둘째, 파일럿(실전 테스트 라인 선정)• 셋째, 생산 라인 적용(Deployment)• 넷째, 확장(한 두개 생산에서 공장 전체로 확장 )○ 하지만 대부분 2단계 파일럿에서 끝난다. 이유는 센서 데이터를 해석할 정도가 되려면 전문가이거나 데이터 처리를 사전에 많이 해본 사람이어야 하는데, 그런 경우가 많이 없기 때문이다.◇ 산업용 AI가 해결해나가야 할 도전과제○ 앞으로 해결해나가야 할 도전과제는 다음과 같다. 첫째, 늘어나는 복잡성, 더 높은 기대, 적용 과정에서의 고위험 등에 대한 ‘문제 정의(Problem Definition)’가 필요하다.실제 현장에서 발생되는 문제는 프로젝트 정의가 먼저 이루어져야 하는데, 시장 자체가 초기 적응 단계이다. 이 단계에서는 어떤 문제를 AI 기술로 해결할 수 있는지 아는 것이 어렵다.각 대기업마다 자랑하는 기술이 딱히 없다. 삼성에서 자랑하는 것은 AI 기반 빅데이터 플랫폼인 Brightics인데, 아직까지 이 플랫폼을 가지고 뚜렷하게 개선한 사례는 아직 없다.○ 둘째, 불균형 또는 잡음 라벨, AI 역량 부족, 도메인 지식 통합에 대한 알고리즘(Development)이 필요하다. 문제를 풀려면 도메인 지식이 있어야 하는데 30대 초반의 유능한 필드 엔지니어를 서울대에 6개월 데이터 분석 과정에 보내서 가르치면 데이터 분석 기술자가 되는지 실험해봤으나 데이터 분석 기술자가 되는 것이 아니라 수학만 배우고 온다는 결과가 나왔다. 배경지식이 많고 경험 있는 기술자를 찾는 것이 어렵다.○ 셋째, 시스템 통합, 연속적인 학습, 모델 관리를 통한 작동(Deployment)이 필요하다. 노조원이나 현지 엔지니어는 자신들의 일자리를 없앤다고 생각해서 기계 시각(Machine Vision Project)을 선호하지 않는다.따라서 PoC, 파일럿은 잘 되는데 Deployment가 어렵다. Machine Vision 구현 사이트를 1년 후에 들어가면 방치되어 있는 것들이 많다. 한국에 기계 시각을 구축할 수 있다는 SI(System Integrator, 시스템 통합 사업자) 업체가 협회에 등록된 것만 400개가 넘는다.그러나 정작 성공사례는 없다. 현재 기술의 현주소이다. 시작하더라도 3단계 Deployment할 때 현실적인 문제는 정상 데이터, 비정상 데이터이다.1만 장씩 각각 있다는 공장은 현실에 없다. 흔한 예로 그냥 정상 데이터가 1만 장, 비정상 데이터는 두 장밖에 없다. 정상 데이터는 많고 비정상 데이터는 없다.▲ 산업용 AI가 해결해나가야 할 도전과제[출처=브레인파크]◇ 산업용 AI에 초점을 맞춘 기계 학습○ 크게 4가지 정도의 핵심 기술이 있다. 최근에 딥러닝 모델을 활용한 스타트업 기업들이 많아지고 있다. 딥러닝 모델에 기반하여 주어진 데이터를 가지고 어떻게 좋은 학습 모델을 만들지 집중하는 경우가 많은데 이 분야에서 일을 하다 보니 이 부분도 중요한 것은 맞지만 그 외에도 성공하기 위해 다른 기술들이 많이 필요하다는 것을 알았다.▲ 마키나락스의 4개 핵심 기술[출처=브레인파크]○ 첫째, Active Learning이다. 데이터를 전부 라벨링할 수 없고 레이블은 얻으면 얻을수록 도움이 되기 때문에 효율적으로 얻어야 한다.샘플링을 한 번 할 때마다 비용이 들기 때문에 비용을 최소화하면서 모델의 성능을 올릴 수 있는 라벨링은 무엇인지 찾는 것이 중요하다.어떤 데이터 샘플을 뽑아야 라벨링이 효과적일지, 뽑은 데이터 샘플을 어떤 방식으로 엔지니어 혹은 도메인 전문가들에게 요청해야 흔쾌히 수락할지 2가지 측면에서 고민하고 있다.연속적으로 클릭해서 라벨링 해야 하면 불편해서 수락하지 않을 것이고, 드롭 다운 메뉴에서 고르거나 한 번 클릭할 수 있는 샘플이면 수락할 것이다.○ 둘째, Deep Learning이다. 일반적인 이미지, 텍스트 데이터 라벨링은 비용이 들어도 모든 사람이 할 수 있어서 클라우드 소싱 방식을 선택할 수 있고 데이터가 공개되어 있는 경우가 많아서 작업이 수월하다. 반면 산업용 데이터는 굉장히 제한적인 사람들만 접근이 가능하고 소수만 고장이 났는지 체크할 수 있다.○ 셋째, Continual Learning이다. 아카데미에서는 새로운 과제를 학습할 때 과거에 학습했던 과정도 잊지 않고 잘 가지고 있는 것을 말한다.반면 산업에서는 하나의 장비를 사용하더라도 제조 환경은 계속 바뀌는데, 달라질 때마다 계속 새로운 모델을 만들 수 없기 때문에 계속 변화하는 환경에서 모델 성능을 사람의 개입 없이 어떻게 잘 유지할 수 있을지 고민하고 있다.○ 넷째, Reinforcement Learning이다. 마키나락스도 Reinforcement Learning을 중심으로 하는 프로젝트가 있기는 하지만 보통 시뮬레이션이 가능한 환경이다.반도체, 자동차 장비처럼 좋은 시뮬레이터가 없는 경우 마키나락스가 사용하는 데 아직까지는 제한이 있다. 데이터를 마음대로 뽑을 수 없기 때문에 쓸 수 있는 부분에서만 최대한 활용하려고 한다.◇ 우리가 가지고 있는 기술: 어플리케이션의 핵심○ 핵심 기술로부터 발견한 주요 어플리케이션으로 자동화, 주요 원인 찾기 등이 있다. 이런 분야에 대해서 내부적으로 연구, 개발하고 있고 프로젝트를 하면서 얻은 기술을 IP로 쌓아가고 있다. 경우에 따라서 어떤 기술은 논문으로도 가치가 있다고 느껴지면 논문도 제출하고 있다.○ 가장 첫 단계로 기계 데이터 분석(Machine Data Analytics)이 이루어진다.• 센서 & 시계열데이터 분석 기술○ 다음 단계에서 △비정상 행위 탐지(Anomaly Detection), △시간 예측(Event Forecasting), △근본 원인 분석(Root Cause Analysis), △공정 최적화(Process Optimization)가 이루어진다.• 패널 이미지에서의 결함 추정• SVD 분해를 이용한 태양열 예측• 바이오리액터(생물 반응 장치) 자율제어• NNM(Neural Network Model, 신경망 모형)을 이용하여 다양한 제조 장비 환경에서 이상징후감지• 딥 러닝 모델에 기반하여 자산 고장 예측하기 위해 준 감독 학습○ 마지막으로 4개 핵심기술 △Active Learning, △Deep Learning, △Continual Learning, △Reinforcement Learning이 활용된다.• Continual Learning을 사용한 이상징후 감지• Layerwise Information: loss-based 이상치 탐지• 산업 데이터에 대한 딥 러닝 분석• Class-labeled 이상치 탐지• 딥 러닝 모델을 이용한 데이터 라벨링○ 프로젝트를 할 때 필요한 모델을 구현하거나 누군가가 구현해 놓은 코드를 활용하는 경우가 있는데, 두 경우 다 검증이 안된 것이라는 문제점이 있다.따라서 마키나락스는 자체적으로 자주 쓰이는 모델을 구현하고 검증도 마쳐서 필요할 때 신속하게 활용할 수 있게 한다. 또한 구현해 놓은 모델에 새로운 구성요소를 붙여서 융통성 있게 활용할 수 있도록 한다.▲ Core to Applications[출처=브레인파크]◇ 다양한 부문에 적용되는 산업용 AI○ 일반적인 제조업이 아니라 반도체, 배터리 등 수백 가지 공정까지 가는 여러 가지 변수를 가진 제조 과정이 관련되어 있는 산업을 High Complexity 산업이라고 한다. 딥러닝 기술이 유의미하다고 보는 4가지 산업분야는 다음과 같다.• 반도체 & 디스플레이(Semiconductor & Display): 장비예측정비(PdM), 가상계측(VM), HVAC(Heating, Ventilation, Air Conditioning: 공기조화기술) 최적화• 화학, 제약(Chemicals & Pharma): 프로세스 자동조종장치, 품질검사, 장비예측정비(PdM)• 자동차, 자동차 부품(Automotive): 로봇예측정비(PdM), 조직상 결함 감지, HVAC 최적화• 파워 & 에너지(Power & Energy): 태양열 & 풍력 예측, 배터리 응용프로그램, 발전 최적화◇ 최소 12시간 전 고장을 예측하는 Semicon Time-To-Failure○ 이러한 기술들이 실제로 공장, 산업에 쓰이고 있는 주요 프로젝트를 소개하면 다음과 같다.○ Semicon Time-To-Failure라는 프로젝트를 통해 반도체 세계 1위 장비 기업과 일하고 있다. 유명한 하이테크 기업의 시초가 실리콘밸리에 있어서 부지값이 매우 비싸고 수십억에서 수천억에 달하는 반도체 장비를 활용하는 기업이 많다.이들 기업은 부품이 망가지기 전에 교체, 공정을 바꿔주는 등 일을 해야 하는데 엔지니어들이 항상 24시간 대기하고 있을 수 없기 때문에 미리 예측할 필요성이 점점 커지게 되어 프로젝트가 시작되었다.프로젝트 시작시 다른 여러 경쟁사에 똑같은 데이터 원본을 주고 모델을 만들어보라고 했는데 결과적으로 마키나락스가 1등을 했다. 경쟁 업체 중에선 IBM USA, 실리콘밸리 스타트업 등이 있었다.○ 2년 이상 프로젝트를 진행해왔고, 3단계까지 왔다. Validation Pilot을 하고 있고 내년에는 추가적으로 더 구체적인 Development 프로젝트를 할 것이다.○ 최소 12-24시간 전에 고장을 예측・감지할 수 있고 30-50% 다운타임(정지시간)을 줄일 수 있다. 정확도는 90%이다. 이는 2년치 데이터(정상적인 이벤트, 실패한 이벤트 등) 중 90%를 정확하게 맞췄음을 뜻한다.○ 반도체 센서 종류가 보통 200-400개, 평균 300개가 있는데 300개 센서 데이터 값을 계속 받아보는 것은 실제 온라인 데이터로 하고 있다. 프로젝트의 고도화가 이렇게 진행되고 있다.◇ 완성차 제조현장의 로봇고장 예측 프로젝트○ Robot Arm Anomaly Detection 프로젝트도 고장을 예측하는 프로젝트인데, 완전히 다른 산업인 완성된 차를 제조하는 공장에서 쓰이고 있는 산업용 로봇의 고장을 예측한다.매번 다른 산업을 접할 때마다 도메인 지식과 여러 기술이 필요한데, 이 경우 Semi-supervised Novelty Detection 기술을 가지고 동일한 컨셉을 로봇 팔에 적용했다.○ 로봇 팔은 평균 1억 2천만원 정도이며 그 자체로는 고가의 장비가 아니다. 그래서 창고에 부품을 쌓아놓고 고장이 나면 정비사가 갈아끼우는데 30~40분도 걸리지 않는다.문제는 외국은 1분당 차가 한 대씩 완성되기 때문에 자동차 라인에서 로봇이 수십대에서 수백 대가 늘어져 있고 다운타임이 30분 이상 생기면 어마어마한 손실이 발생한다는 점이다. 따라서 고객사에서 사용하고 있는 로봇의 고장을 최소 3~5일 전에 알았으면 좋겠다는 요구가 있었다.○ 작년까지 쓰인 산업용 로봇이 260만대가 있고 매년 15%씩 증가할 것이라는 산업연구결과가 나오고 있다.○ 반도체가 300가지의 여러가지 다른 데이터 값을 사용했다면 로봇 팔은 순간전류값만 가지고 모델을 만들 수 있었다. 순간전류값은 그 축에 있는 센서에서 나오는 로봇의 표준값인데 Kawasaki, Denso, Honda, ABB, 유니버설 회사에서 순간전류값으로 토크(Torque)를 계산한다.○ 일본 로봇 제작사와 인터뷰도 하고 벤치마킹도 시도해봤는데 그들이 쓰는 룰에 따라 필요한 센서 값, 실험을 통해서 그리스에서 나오는 철 농도를 계산한 값을 사용하고 있었다.앞으로 방향은 PdM 솔루션이고 예지가 아니라 예방에 집중한다고 한다. 추가적인 센서, 바이브레이션을 메이커 회사의 부품 뿐만 아니라 타사에서도 유사한 데이터를 뽑아낼 수 있을지를 고민하고 있다.○ 정확도는 90%이며 5일전에 고장을 감지할 수 있다. AI 솔루션(Edge와 클라우드 관련)을 활용하며 몇백만 달러를 절감하는 효과를 낸다.◇ 초기 단계의 결함을 검출, 큰 손실을 예방하는 프로젝트○ Auto Body Defect Detection프로젝트는 프레스 기계로 자동차 부품 중에 하나인 보닛, 루프를 만드는 제조현장에서 자주 겪는 이슈인 금속판에 스크래치가 생겨날 때 CNN 기술을 사용해서 외관 검사하는 프로젝트이다.○ 결함이 있는 부품을 계속 조립한다해도 마지막 단계인 품질단계에서 제품으로 출시될 수 없기 때문에 처음 단계로 다시 되돌아가야 한다.당시에는 제조현장에서 엔지니어들이 육안으로 확인해야 했는데 마키나락스의 모델을 활용함으로써 앞으로는 전수 확인이 가능하다. 초기 단계에 결함을 빨리 검출해서 향후에 있을 큰 손실을 미리 예방하자는 취지에서 진행했다. 정확도는 95%에 달한다.◇ 계량 데이터에 기반한 공정 최적화 프로젝트○ 미생물 공정 자동조종장치(Microbial Process Autopilot) 프로젝트는 제약사에서 미생물을 직접 키워서 거기서 나오는 바이오 물질을 제약을 생산하는 데 쓰는데 미생물의 생산을 담당하는 주요 장비가 바이오리액터이다.미생물이 잘 자라서 필요한 바이오 물질이 나오도록 사람이 parameter setting을 계속 하면서 최적의 조건을 맞춰줘야 하는데 지난 과거의 데이터를 기반으로 최적의 모델을 만들어서 자동으로 조정할 수 있게 해달라고 고객이 요청해서 POC도 성공적으로 맞추고 모델을 만들었다.올해 연말에 2단계를 진행할 예정이다. 제약사 뿐만 아니라 바이오리액터를 사용하는 곳이면 다 적용할 수 있다고 보고있다.○ 리튬 배터리 결함 예측(Li+Battery Defect Prediction) 프로젝트는 리튬 배터리 셀메이커와 진행했던 프로젝트. 배터리 수율을 높이기 위해 제조공정에서 공정인자 중 어떤 것이 결함에 영향을 주는지 결함에 대한 분석을 요청해왔다. POC는 끝나고 추후 2단계를 진행할 것이다. 정확도는 90%이며 정렬되지 않은 데이터 원본으로부터 결함 요인을 분석할 수 있다.○ 태양열 발전량 예측(Solar Power Prediction) 프로젝트는 커머셜 프로젝트는 아니었고 동서발전, KTX 한국전력거래소에서 경진대회를 각각 열었다.동서발전에서는 태양광 발전량을 예측하는 분야로 최우수상을 받았다. 날씨가 좋을 때는 발전량을 예측하기가 쉽지만 흐린 날에는 정확도가 50% 이하로 떨어진다.그래서 흐린 날 어떻게 예측 정확도를 높일 수 있는지에 대한 창의적인 아이디어였다. 마이크로 날씨 데이터, 위성사진을 추가적으로 분석해서 정확도를 높이는 데 마키나락스의 기술을 적용했다. 이 부분에서 한국전력거래소에서 장려상을 받았다.

미국 시장조사업체인 팩트.MR(Fact.MR)에 따르면 2032년까지 글로벌 배터리 관리 시스템 시장의 규모가 US$ 323억달러에 이를 것으로 전망된다. 2022년과 2032년 사이 글로벌 배터리 관리 시스템 시장 규모의 가치는 연간 평균 성장률(CAGR) 19.6%를 기록할 것으로 예상된다. 산업기술과 운영의 융합이 증가함에 따르는 클라우드 연결 배터리 관리 시스템은 배터리 관리 시스템 시장의 성장을 촉진할 것이다.배터리 관리 시스템을 위한 클라우드 기반 분석 및 모니터링 프레임워크는 배터리와 관련된 알고리즘과 데이터를 분석하고 모니터링한다.이러한 프레임워크 기능은 최종 사용자에게 유용한 배터리 노후화 상태(SOH) 및 충전 상태(SOC) 추정치에 대한 중요한 정보를 제공한다. 또한 클라우드 기반 솔루션은 배터리 셀 노화의 상태와 관련된 정보를 제공한다. 배터리 운영을 위해 필수적인 배터리 고장을 온라인으로 통지한다.따라서 유사한 첨단 기술의 인기가 높아짐에 따라 시장에서 이해당사자들을 위한 사업전략에 혁신적인 변화가 일어날 것으로 예상된다.배터리 관리 시스템 시장의 주요 업체들은 다음과 같다. ▶Eberspaecher Vecture Inc. ▶Toshiba Corporation  ▶AVL LIST GmbH ▶Lithium Balance A/S ▶Johnson Matthey Plc. ▶L&T Technology Services ▶Texas Instrument Inc. ▶NXP Semiconductors NV ▶Nuvation Engineering ▶Merlin Equipment Ltd. 등이다.▲팩트.MR(Fact.MR) 홈페이지 

일본 글로벌 자동차제조업체인 도요타자동차(トヨタ自動車)에 따르면 자동차 부품 제조업체인 덴소(デンソー)와 함께 미래 기술을 위한 반도체 벤처를 설립했다.자율주행 자동차와 전기자동차에 사용될 차세대 반도체를 개발하기 위한 목적이다. 2020년 4월 ¥5000만엔의 자본금으로 미리세테크놀로지(Mirise Technologies)라는 이름의 합작회사로 설립된다.덴소(デンソー)가 51%의 지분을 보유하고 도요타자동차는 나머지 지분을 확보하게된다. 차량용 반도체의 연구개발과 고급 개발을 수행할 방침이다.이를 위해 이 회사는 아이치현(愛知県) 중앙에 약 500명의 직원을 고용할 예정이다. 특히 반도체 엔지니어를 모집하면서 대학, 연구소 및 신생 기업과의 협력을 모색할 계획이다.히타치(日立)와 혼다자동차(ホンダ自動車)는 4개의 자동차 부품공급업체를 통합한 새로운 회사에서 자율주행 및 전기자동차의 출현에 대응할 방침이라고 밝힌 바 있다.또한 닛산자동차(日産自動車)와 미쯔비시자동차(三菱自動車)는 인공지능 연구에 중점을 두고 차세대 차량을 위한 첨단 기술을 공동개발할 새로운 회사를 설립하기로 합의했다.이와같이 미래기술을 개발하기 위한 자동차회사들의 합종연횡이 더욱 심화될 것으로 전망된다. 참고로 일본과 독일계 자동차회사들이 미래자동차 시장을 선도하고 있다. ▲ Japan-Toyota-MiriseTechnology-autonomouscar▲ 도요타자동차(トヨタ自動車)의 홍보자료(출처 : 홈페이지)

영국 기술엔지니어링 컨설팅기업인 42테크놀로지(42 Technology)에 따르면 단일 칩 사물인터넷(IoT) 장치를 위한 세계 최초의 러스트(Rust) 프로그래밍 언어 애플리케이션을 개발했다.러스트 애플리케이션은 C 및 C ++와 같은 시스템 프로그래밍 언어에 대한 고성능 대안으로서, 자바(Java)의 복잡성과 오버 헤드없이 메모리 안전 문제를 회피할 수 있다.애플리케이션 데모는 최근 출시된 Nordic Semiconductor nRF9160 SiP (System in Package) 장치를 기반으로 한다. 또한 모바일 네트워크, 보조 GPS 및 ARM Cortex-M33 프로세서에 연결하기 위한 완전한 다중 모드 LTE-M / NB-IoT 모뎀이 특징이다.ARMv8-M 아키텍처의 TrustZone 보안 기능을 통해 응용 프로그램 및 관련 서비스를 안전하게 작동하고 해킹, 오용 및 손상으로부터 보호할 수 있는 것으로 분석된다.러스트 애플리케이션은 모바일 네트워크 사업자인 오투(O2)에 의해 영국 전역에 구축된 초기 LTE Cat-M 네트워크를 통해 아마존(Amazon) 클라우드 서비스에 안전하게 암호화하여 연결됐다.따라서 저비용 주택 보안 카메라, 스마트 허브 및 인슐린 펌프와 같은 의료 장비에서 보안 취약점을 제거할 수 있을 것으로 기대된다.이를 통해 강력하고 안전한 저비용, 저전력 셀룰러 사물인터넷 제품 및 시스템의 개발을 가속화할 수 있을 것으로 평가된다.▲ UK-42technology-IoT▲ 42 테크놀로지(42 Technology)의 홍보자료(출처 : 홈페이지)

오스트레일리아 벤처캐피탈업체인 차이나벤처(China Venture)에 따르면 2018년 상반기 동안 중국 정부가 설립한반 펀드는 1171개에 달하는 것으로 집계됐다.정부는 민간기업이 벤처기업에 투자하는 것을 가이드하기 위해 펀드를 조성하고 있다. 정부는 5.9조위안, 약 $US 8560억달러 규모의 자금을 유치하는 목표를 정했다.현재 중국은 미국에 이어 세계 벤처투자금이 많이 집행되고 있는 국가 2위를 기록하고 있다. 2018년 기준 900억달러가 투자됐으며 이는 5년전 115억달러와 비교하게 급팽창한 것이다.중국 정부가 야심차게 진행하고 있는 '중국제조 2025'를 달성하기 위해 기술 스타트업에 대한 투자를 독려하고 있는 것도 벤처투자가 늘어나고 있는 이유이다.참고로 정부는 2014년 9월 210억달러에 달하는 '중국통합반도체산업투자펀드'를 설립했다. 중국 최대 파운드리업체인 Semiconductor Manufacturing International Corp.이 지분 15%를 소유하고 있다.▲차이나벤처(China Venture) 로고

일본 글로벌 정밀화학기업인 후지필름(Fujifilm Corp.)에 따르면 미국 내 생산거점에 향후 3년간 총 ¥100억엔을 투자할 계획이다. 반도체 재료의 개발, 생산 및 판매를 위한 공급시스템 강화가 목적이다.인공지능(AI), 사물인터넷(IoT) 및 5G 네트워크와 같은 기술의 보급으로 인해 반도체에 대한 수요증가가 예측되고 있기 때문이다.이를 위해 후지필름은 개발, 제조 및 품질 보증을 위해 아리조나(Arizona)와 로드 아일랜드(Rhode Island)에 위치해 있는 시설을 강화할 방침이다.특히 후지필름은 애리조나에 위치한 공장에 최첨단 검사기계로 새 건물을 건설할 예정이다. 이를 통해 반도체 웨이퍼와 고순도 솔벤트를 연마하기 위한 화학물질 개발을 가속화할 수 있을 것으로 기대된다.▲ USA-Fujifilm-semiconductor material▲ 후지필름의 반도체 재료(출처 : 홈페이지)

미국 MIT대(Massachusetts Institute of Technology)에 따르면 그래핀 시트를 이용해 초박막 갈륨 비소 및 질화 갈륨 칩을 저렴하게 대량 생산할 수 있는 기술을 개발했다.또한 이 기술을 활용하면 소형 포토닉스 디바이스와 같은 2차원 전자 부품 제조에 필요한 단일층 재료를 획득할 수 있다.대학 연구팀은 실리콘과 같은 단일 원자결정은 실크 스크린 기술에 의해 복제될 수 없지만 실질적으로 분자가 그물 전기극성을 지니고 있는 2차원 시트 또는 필름은 원격 에피 택시를 통해 대량 생산할 수 있다는 것을 발견했다. 실크 스크린 기술은 원격 에피 택시라고 부른다.주기율표의 다양한 종류의 복합 재료에 대해 그래핀을 복사해 붙여 넣을 수 있고 단결정의 독립 구조로된 매우 얇은 막 화합물 재료를 만들 수 있다는 것을 알아냈다.연구팀은 원격 에피 택시와 함께 작동하지 않는 다른 여러가지 이유 때문에 다른 초박막도 여전히 다른 방법으로 복사될 수 있다는 것을 발견했다.이러한 발견을 바탕으로 연구팀은 2차원 재료를 통해 기판 위에 단결정 화합물 반도체를 성장시키는 방법을 고안했다. 화합물 반도체 박막은 플렉시블 기판에 의해 박리되어 박막 간섭으로 인해 무지개 빛의 색을 나타낸다.원자 수준의 정밀도로 웨이퍼 크기의 2차원 재료를 처리 할 수 있는 방법을 개발한 것으로 평가된다. 웨이퍼 위에 두꺼운 2차원 재료를 성장시킬 수 있다.또한 원격 에피 택시와 제어된 균열 전파 사이에서 더욱 유연하고 효율적인 전자, 광 및 기타 박막 기반기술을 보다 안정적으로 대량 생산할 수 있을 것으로 평가된다. 참고로 이 연구결과는 'Nature Materials and Science'에도 발표됐다. ▲ US-MIT-Graphine-wafers▲MIT대의 그래핀을 이용한 2차원 웨이퍼(출처 : 홈페이지)