[HELLO AI=이경전이 만난 AI 프런티어12- 윤병동 원프레딕트 대표]
- 2016년 대학 연구실에서 창업, 매년 40% 성장…“축적된 전문 지식 없이는 AI도 무용지물”
[한경비즈니스=정리=이현주 기자] 인공지능(AI)으로 산업 시설의 고장을 예측하는 기업이 있다. 원프레딕트(OnePredict)는 산업 설비에 대한 물리적 지식과 AI 기술을 결합해 ‘예측 기반 관리’ 솔루션을 제공한다. 한국의 대표적인 건전성 예측·관리 전문가로 꼽히는 윤병동 서울대 기계공학부 교수는 제자 4명과 함께 연구실 기술 기반 창업으로 2016년 10월 원프레딕트를 세웠다. 지난해 11월 서울대에서 강남 테헤란로로 사옥을 옮겨 본격적인 사업 확장을 도모하고 있다.
설비를 실시간 진단하는 원프레딕트의 ‘가디원 윈드(GuardiOne Wind)’는 핵심 부품의 고장을 3~6개월 전에 예측한다. 한국 풍력 시장에서는 고장 발생 시 기자재를 수리하는 데 약 4개월이 시간이 소요된다. 주 베어링 고장 시 입찰부터 설치에 이르기까지 최대 150일 정도 시스템을 이용하지 못하는 사태가 발생한다. 원프레딕트는 진동 데이터를 AI로 분석해 설비 건전성을 실시간 진단하는 가디원을 통해 주 베어링, 기어 박스, 발전기 등의 핵심 부품의 고장을 예측한다. 실제 서부발전소의 풍력단지 내 3호기의 기어 박스 고장을 4개월 앞서 예측함으로써 5억2000만원의 경제적 효과(ROI)를 얻을 수 있었다.
원프레딕트가 밝힌 ‘가디원’의 대표적인 적용 사례와 결과들이다. ‘가디원’은 다양한 산업 분야에서 설비 상태를 진단하고 고장과 수명을 예측하는 소프트웨어다. 적용 분야에 따라 크게 ‘가디원 터빈’, ‘가디원 변압기’, ‘가디원 베어링’, ‘가디원 윈드’로 구성돼 있다.
최근 전 세계적으로 디지털 트랜스포메이션 혁신이 진행되고 있다. 산업 현장에서도 다양한 산업 정보 예측의 필요성이 커지고 있다. 일례로 지난 1월 8일 신부평변전소의 변전 설비에서 화재가 발생해 일대 정전으로 3만8000가구에서 정전과 단수를 겪었다. 이와 같은 산업 현장에서 고장을 예측한다는 것은 일차적으로 대형 사고와 전력 생산 중단으로 인한 금전적 손실을 방지하면서 주민들이 겪을 큰 불편을 막는 일이다. 원프레딕트는 주로 발전소와 송·변전소에 가디원을 적용하고 있다. 또한 스마트 팩토리와 모빌리티 등 산업 분야도 아우른다.
원프레딕트는 산업 인공지능(Industrial AI)을 물리학적 도메인 지식(domain knowledge : 국한된 특정 영역에서 축적된 지식)과 AI의 융합으로 정의한다. 산업 설비에 대한 전문적 지식과 AI 기술을 ‘융합’해 진단과 예측 솔루션을 소프트웨어 형태로 제공하는 게 이 회사의 특징이다. 또한 대학 연구실에서 탄생한 스타트업이라는 점에서 관심을 모은다. 대학에서 기반 지식을 쌓아 산업 현장에 적용하고 있다. 세계적으로 귄위 있는 학회인 ‘PHM소사이어티’가 주관하는 산업 데이터 분석 대회(Global Data Challenge)에서 한국 유일의 9회 수상 이력으로 기술적 성과를 입증했다.
윤병동 원프레딕트 대표는 2021년을 ‘J커브’의 변곡점을 거치는 한 해로 삼고 역량을 총집중할 계획이다. 2016년 창업 이후 매출액 기준 연평균 40% 이상 성장한 데 이어 올해는 더욱 공격적인 경영을 펼칠 예정이다. 현재 53명 규모의 직원 수도 80명 수준으로 늘릴 예정이다.
윤 대표는 “우리는 산업 인공지능 기술을 가지고 ‘인더스트리얼 디지털 브레인(Industrial Digital Brain)’을 만드는 회사로, 디지털화(digitalization)를 통한 새로운 부가 가치 창출이 원프레딕트가 만드는 가장 큰 부가 가치”라고 말했다.
윤병동 대표(이하 윤병동) : “플랫폼을 지향하는 회사입니다. 다만 플랫폼은 한 번에 만들어지지 않기 때문에 현재는 솔루션과 용역을 병행하고 있고 솔루션을 개발하면서 서비스 사업으로 확대하는 중입니다. 지난해부터 용역의 비율을 낮추고 서비스를 서브스크립션 모델로 점차 늘려가고 있습니다.”
이경전 : “그러면 변압기별로 과금이 될 수 있겠네요.”
윤병동 : “변압기당 과금이 매겨집니다. 변압기 용량에 따라 금액이 달라지는 과금 정책입니다. 우리의 가장 큰 고객은 한국전력이고 한국중부발전·한국서부발전 등 공공 기관과 그 외 민간 업체들도 다수 고객사로 있습니다. 예를 들어 석유화학이나 대형 플랜트 시설에도 변압기가 수백 대에서 수천 대까지도 들어가죠.”
이경전 : “변압기가 있다는 것은 자체 발전소가 있다는 건가요.”
윤병동 : “발전소는 아니지만 전력 수요가 많기 때문입니다. 전력소에서 전력을 공급하면 송전단을 거쳐 배전단에서 감압시켜야 산업용 전력을 사용할 수 있게 됩니다. 석유화학·제철 등 산업 시설에는 감압용으로 변압기가 존재하게 되죠. 우리의 솔루션은 전력 생산의 가장 앞단과 가장 뒷단에 붙습니다.”
이경전 : “정부도 변해야 하잖아요. 서비스 모델로 바뀌어야 하는데 아직은 용역 형태니까 왜곡이 되겠죠.”
윤병동 : “가장 큰 문제점 중 하나가 소프트웨어는 하드웨어와 달리 적정한 가격을 산정하는 기준이 명확하지 않기 때문에 사용자가 받아들이는 데 괴리가 있다는 겁니다. 이것을 해소하는 방법 중 하나가 서비스 모델이라고 보고 있어요. 국가의 정책적 뒷받침도 필요하지만 더 중요한 것은 사용자들의 인식 개선이라고 보고 있습니다. 소프트웨어를 하나의 서비스 모델로 받아들이거나 또는 하드웨어처럼 적정한 가격을 지불하고 사용하는 것에 대해 인식이 개선돼야 한다고 보고 있습니다.”
이경전 : “변압기 솔루션이 수익 모델 관점에서 가장 앞서 가고 있습니까.”
윤병동 : “그렇습니다. 서비스(서브스크립션) 관점에서 ‘가디원 변압기’ 제품을 공급하고 있습니다. 또한 ‘가디원 터빈’과 같은 제품들은 공공 기관에 제공하고 있습니다. 공공에 들어가는 것은 모두 수주 사업입니다. 공급가를 체결해 제공하는 형태죠. 최근 민간 업체에 이것을 서비스 형태로 제공하는 방안을 논의 중입니다.”
이경전 : “변압기 자체가 커넥티드 프로덕트가 아닐 텐데요. 그러면 어떤 하드웨어를 장착하면서 연결된 기기를 같이 공급하나요. 아니면 하드웨어 컨트롤이 원래 있습니까.”
윤병동 : “하드웨어는 있는 경우가 있고 변압기의 경우 하드웨어를 아예 우리가 설치하는 경우도 있고 또는 간헐적으로 하드웨어를 가지고 가 계측하는 경우도 있습니다. 그런 정비 업체들이 있어요. 예를 들어 1년에 한 번씩 변압기에 가서 데이터를 뜨고 오거든요. 그 데이터를 기반으로 우리가 서비스를 제공하고 있어요. 최근에는 온라인 형태로 계측기가 붙고 있습니다. 온라인 형태의 비중은 아직 작지만 점점 시장이 커질 것으로 보고 같이 소프트웨어 공급을 할 수 있게 준비하고 있습니다.”
이경전 : “변압기는 1년에 한 번 데이터 수집으로도 가능하군요."
윤병동 : “통상 문제가 없으면 1년에 한 번이고 문제가 발생하면 기간이 줄어듭니다. 우리 제품의 기능 중 하나가 6개월 뒤, 1년 뒤의 상태를 예측해 주는 겁니다. 그걸 기반으로 1년 뒤 상태가 좋지 않게 판정되면 6개월, 3개월 단위로 계측해 좀 더 면밀히 진단을 내릴 수 있도록 해 주죠. 그러한 조치 사항까지도 기능을 제공하고 있습니다.”
이경전 : “원프레딕트 창업 이후 오늘에 이르기까지 대표적인 성공 사례가 있다면 설명해 주세요.”
윤병동 : “풍력 솔루션인 ‘가디원 윈드’는 한국서부발전에 도입해 운영한 바 있습니다. 풍력은 발전기의 구성 요소로, 메인 베어링·기어 박스·발전기 등이 있는데 이런 것들은 기성품이 없어요. 모두 주문 제작합니다. 기성품이 있다면 우선 재고를 확보해 놓고 고장이 났을 때 교체하면 되지만 만약 오늘 메인 베어링이 고장 났다고 하면 발전소에서 입찰 공고를 내기 시작합니다. 낙찰된 곳에 주문을 넣고 제작·운송·설치 등의 과정을 거치면 통상 4개월이 걸려요. 그 사이 발전기는 서 있고 전력 생산을 못하는 만큼 기회비용을 잃어버리는 거죠. 우리는 4개월 동안의 다운타임에서 잃어버릴 수 있는 기회비용을 복구할 수 있게 만들어 주는 역할을 하고 있어요. 한국서부발전에서 네 건의 성공 사례가 있고 투자자본수익률(ROI)도 매우 높게 나왔습니다. 이와 같은 성공 사례로 이전에는 입찰 경쟁을 해야 했다면 지금은 수의 계약 형태로 입찰에 참여하고 있습니다.”
이경전 : “성공인지 아닌지를 명확하게 알 수 있나요.”
윤병동 : “우리가 이상을 감지해 발전소에 알렸고 발전소는 제작사에 확인을 요청했는데 당시에는 아무 문제없다고 했습니다. 그런데 4개월 뒤쯤 실제 고장이 났습니다. 기어 박스 삼단에 있는 베어링이 문제였죠. 우리가 삼단에 고장이 난다고 얘기했었고 육안으로 확인하게 된 것입니다. 또 한 고객사에 변압기 솔루션을 공급했을 때 우리 쪽에서 고장을 감지했고 그다음 주에 현장 담당자가 진동 이상을 느끼면서 곧바로 상세 분석 대응을 한 적이 있습니다. 즉각 조처로 큰 사고를 예방한 것이죠.”
이경전 : “아주 재밌는데요. 왜 현업에선 못하죠. 원프레딕트는 할 수 있는데.”
윤병동 : “이게 우리가 이 기술을 개발하게 된 동기이고 고객들에게 주는 가치라고 보고 있습니다. 산업 현장에는 많은 전문가들이 있어요. 이분들은 소리를 듣거나 진동을 확인하는 등 본인이 체감할 수 있는 정보로 관리해 왔습니다. 최근 기술이 개발되면서 진동 센서나 온도 센서를 활용해 경험적으로 진동 값이나 온도 값이 넘어가면 알람을 울리는 식으로 하고 있습니다. 그런데 이것은 경험치입니다. 암묵적 지식이어서 그 사람이 아니면 잘 안 되는 거죠. 다음 세대에 전수도 잘되지 않고요. 이러한 암묵적 지식을 형식화할 수 없을까 하는 고민에서 이 연구를 시작했습니다. 일차적으로는 기존의 도메인 지식 기반의 분석이고 사물인터넷(IoT)을 통해 나오는 데이터를 AI로 분석한 뒤 두 가지를 더해 솔루션을 개발했습니다.”
이경전 : “도메인 전문가들의 지식도 수학적으로 모델링이 되는 건가요.”
윤병동 : “그럴 수도 있고 아닐 수도 있습니다. 예를 들어 회전체와 같은 시스템들은 수학적 모델링이 가능한 부분이 있습니다. 회전체 중에서도 축 구성이 다양하고 시스템이 커지기 시작하면 모델링이 어렵습니다. 그런 경우에는 진동을 비롯해 나름의 물리적 지식으로 풀어냅니다.”
이경전 : “겉으로 드러나는 증상을 가지고 어느 정도 판단하는 거죠.”
윤병동 : “제가 이 연구를 최초로 하게 된 계기는 ‘생활의 달인’이라는 TV 프로그램을 보면서입니다. 소변기의 품질을 검사하는 달인이 등장해 크랙 여부를 확인하는데 이때 고무망치로 세 번 두드려 소리를 듣고 판단합니다. 다른 사람들은 구분하지 못하는데 달인을 하죠. 이분이 가진 암묵적 지식이 쌓여 있는 것입니다. 이것을 시스템화해 마이크로폰으로 소리를 듣고 역학적으로 분석할 수 있다면 좋겠다고 생각했습니다.”
이경전 : “그 연구를 언제 하신 건가요. 논문을 찾아보니 2003년부터 벌써 관련 연구를 했는데 거의 20년을 한 거네요.”
윤병동 : “2001년 박사 졸업하고 2001년 이후 이 연구를 시작했습니다. 제 원래 연구도 멀리 떨어진 것은 아니었어요. 그전에는 신뢰성 기반 설계 연구를 했습니다. 진단도 설비의 신뢰성 관점에서 해석할 수 있습니다. 설비의 신뢰성은 기존의 모델 기반이나 물리학적 기반으로 접근했다면 그것을 좀 더 확대해 데이터 기반을 융합한 게 지금 현재의 연구입니다.”
이경전 : “요즘 AI나 데이터 기반에서 도메인 전문가가 없어진다거나 도메인 모델이 굳이 필요 없을 것이라는 예측도 있는데 현재 원프레딕트의 퍼포먼스의 기여도는 도메인 모델과 데이터 기반 모델을 어느 정도로 봅니까.”
윤병동 : “거의 반반이라고 보고 있어요. 제품마다 상황은 다릅니다. 풍력과 같은 회전체는 도메인 모델(피직스 모델)이 7 대 3이나 8 대 2 정도 됩니다. 그런데 변압기는 쓸 수 있는 지배 방정식이 뚜렷하지 않습니다. 이런 경우에는 데이터 기반의 AI 기술이 피직스 기반보다 8 대 2나 9 대 1 정도로 훨씬 더 많이 쓰이죠.”
이경전 : “보통 큰 줄기가 도메인에서 나오나요.”
윤병동 : “일차적으로 도메인 지식이 반드시 필요합니다. 우리가 요즘 AI의 중요성을 많이 강조하고 있기는 하지만 AI가 답을 다 주지는 못합니다. 이 분야에서 오래 일한 경험에서 볼 때 도메인 지식 없이 AI만으로 좋은 솔루션을 만들 수 없다는 게 제 지론이고요. 앞으로 100년이 지나도 마찬가지일 것이라고 생각합니다. 이세돌 구단이 알파고에 졌는데 그것도 저는 딥러닝에 진 게 아니라 도메인 지식과 딥러닝이 합쳐진 기술에 졌다고 봅니다. 즉 바둑이라는 도메인 지식을 딥러닝 안에 녹여 낸 것이거든요. 도메인 지식은 영원히 필요하다고 봅니다.”
이경전 : “2017년에 나온 알파고 제로는 기보를 보지 않고 학습했지만 바둑이라는 수학적 모델이기 때문에 가능했다고 봅니다. 인공지능·기계학습·딥러닝·강화학습 등의 기술 외에 도메인 지식이 많이 필요한지 아닌지를 알고 싶었는데 명쾌한 답을 주셨습니다.”
윤병동 : “AI도 꼭 필요한 요소라고 봅니다. 도메인 지식만으로 충분히 이해하기에는 우리가 가진 도메인 지식이 그렇게 고도화돼 있지 않습니다. 그 부분을 AI가 채워 주고 있죠. 또 AI 기반으로 계속 진단 모델을 고도화할 수 있습니다. 그런 차원에서 AI는 필수불가결한 선택이라고 보고 있습니다. 그게 우리가 제너럴일렉트릭(GE)·지멘스(터빈 분야)와 같은 기존 플레이어들과 다른 점입니다. 최근 들어 이들 기업도 AI를 고민하고 있지만 우리는 태생적으로 두 지식 체계를 어떻게 합칠지의 고민에서 제품을 출시했고 차별성이 있다고 생각합니다.”
이경전 : “제조 기업들이 처음에 이런 인식이 없다가 원프레딕트와 같은 기업이 나오면 자체적으로 그 서비스를 제공하게 되지 않을까요.”
윤병동 : “대기업은 역량도 있고 재원도 충분하고 테스트할 수 있는 사이트도 자체적으로 보유하고 있어 스스로 할 수 있는 기회가 있다고 보고 있습니다. 우리가 역점을 두는 곳은 대기업만은 아닙니다. 스마트 팩토리 관점에서 볼 때 우리의 주 고객사는 대기업이 아닌 중소·중견기업으로 보고 있습니다. 지금 당장은 우리의 솔루션을 쓸 만큼 돈을 지불한 의사(윌링 포인트)가 높지는 않지만 우리 기술이 고도화되고 가격 경쟁력이 확보되면 충분히 그런 시점이 올 것이라고 생각하고 있습니다.”
이경전 : “변압기를 만드는 제작사 관점에서 그러한 의사가 있지 않을까요.”
윤병동 : “제작사는 당연히 그럴 의사가 있고 지금도 하고 있습니다. 그들과 비교해 우리의 강점은 제작사는 자사에 대해서만 잘 알고 타사의 것을 다룬 경험이 없다는 것입니다. 반면 우리가 개발한 기술은 브랜드에 상관없이 일반적으로 적용할 수 있는 기술과 제품입니다. 제작사는 설계에 대한 지식이 쌓여 있지만 운영 기술과 운영 데이터는 상대적으로 적습니다. 반면 우리는 직접 운영사와 일하면서 취득하는 데이터를 확보한 장점이 있습니다. 우리 제품의 핵심 가치 중 하나가 멀티 브랜드를 커버한다는 것입니다.”
이경전 : “IoT 니즈가 큰 분야는 어디입니까.”
윤병동 : “전력 분야라고 보고 있습니다. 송전·변전·배전 과정에 상당수의 IoT 디바이스가 들어가고 있습니다. 변압기도 1년에 한 번 오프라인에서 사람이 채취하던 데서 온라인으로 계측 장비가 점차 늘어나는 추세입니다. 아예 임베디드된 것이죠.”
이경전 : “원프레딕트는 그것을 만들어 납품하는 것은 아니고 순수 소프트웨어로만 합니까.”
윤병동 : “하드웨어는 우리 영역이 아닙니다. 제품 구성상 하드웨어가 들어가는 게 유리한 소수를 제외하면 소프트웨어로 구성됩니다. 예를 들어 산업용 로봇이나 산업용 모터 등은 IoT까지 포함된 하나의 일체형 제품이 의미가 있어 일부 만들고 있습니다.”
이경전 : “회사의 가장 큰 현안은 무엇입니까.”
윤병동 : “신제품 개발입니다. 내부 나름의 프로세스는 있는데 제품 기획부터 개발까지 좀 더 효율화하는 작업을 하고 있습니다. 나름의 표준화 작업을 하고 있고 상반기에 역점을 두고 추진할 계획입니다. 그게 되면 제품 기획부터 개발이 어떤 제품이든 동일한 프로세스와 템플릿으로 진행될 것으로 보고 있습니다.”
이경전 : “글로벌 진출 관점에서는 어떤 계획을 갖고 있습니까.”
윤병동 : “원프레딕트는 한국 시장을 넘어 글로벌 유니콘이 되는 것을 목표로 하고 있습니다. 다만 지난해에는 신종 코로나바이러스 감염증(코로나19)으로 적극적으로 영업할 수 있는 상황이 아니어서 간접 판매 형태를 취했습니다. 올 상반기에는 웨비나를 통해 해외 시장 공략에 더욱 적극적으로 나설 계획입니다.”
이경전 : “인력 구성은 어떻게 됩니까.”
윤병동 : “현재 53명으로 지속적으로 채용하고 있습니다. 올해도 소프트웨어 분야에서 다수를 채용할 계획입니다. 올해 말 80여 명 규모를 생각하고 있습니다. 인력 구성은 현재 전체 인원 중 3분의 2가 연구·개발 인력입니다. 그중 엔지니어 기계공학 출신이 약 40%, 컴퓨터공학 출신이 약 30%를 차지하고 있습니다.”
이경전 : “도메인 지식 기반이 있는 사람들이 AI를 배워 모델을 만들겠네요.”
윤병동 : “우리는 솔루션 개발자들이라고 부릅니다. 기계공학·전자공학·화학공학·산업공학 분야를 기반으로 AI를 배워 솔루션을 개발하고 있습니다. 제가 개발자들에게 항상 하는 얘기가 ‘양손잡이가 되라’는 것입니다. 현대 사회에서 솔루션 개발자가 솔루션만 알아서는 플러스알파를 가져갈 수 없습니다. 결국 자기 계발을 위해 일하다 보면 회사 발전에도 도움이 된다는 인력 운영 철학을 가지고 있습니다.”
이경전 : “딥러닝은 언제부터 연구에 활용했습니까.”
윤병동 : “제가 AI를 사용한 것은 2000년대 후반부터, 딥러닝은 2010년 초반부터입니니다. 당시에는 립러닝을 한다고 하면 정부 과제도 얻기 힘들었는데 알파고 이후 역전됐습니다. 정부 과제와 산업체 과제가 쏟아지기 시작하고 그게 지금까지고 지속되고 있다고 볼 수 있습니다.”
이경전 : “정부와 국회 등 정책적·제도적 관점에서 개선해야 할 사항이 있습니까.”
윤병동 : “소프트웨어에 대한 인식 개선이 필요하다고 봅니다. 실제로 소프트웨어 인증을 받으면 수의 계약 등 가격을 적절히 산정하는 나름의 정책이 있긴 합니다. 그런데 그것을 통과하기 위해서는 행정적으로 많은 뒷받침이 필요합니다. 별도의 행정 인력이 문서 작업을 하고 백데이터를 작성하고 또 인증을 받는 과정이 너무 복잡해 이 또한 별도의 자본력이 필요합니다. 그렇게 해서라도 된다는 보장이 있으면 하겠지만 그렇지 않기 때문에 주저하게 됩니다. 또 공공 데이터에 접근하는 게 생각보다 쉽지 않습니다. 4차 산업혁명 시대에는 데이터가 곧 원료인데 원재료 자체가 접근이
안 되기 때문에 유의미한 정보가 생기지 않고 결국 국가 경쟁력에 마이너스 요인이 된다고 봅니다. 적절한 심사를 거쳐 공공의 데이터에 대한 벽을 낮춰 줘야 국가의 산업 경쟁력을 키울 수 있습니다.”
이경전 교수가 본 원프레딕트는…
-예지 보수 분야를 전문 분야로 하는 인공지능 기업
-공학적 도메인 지식과 딥러닝 등 인공지능 기법을 터빈, 윈드(풍력발전), 베어링 등 회전체 중심의 기계 분야와 변압기 등에 특화된 솔루션으로 개발해 점차 서브스크립션 비즈니스 모델로 진화 중
-고장 분야와 시기를 정확히 예측함으로써 주문 맞춤형 제품으로 리드타임이 긴 산업 분야에서 가치 창출
-전통적 고장 진단 분야와 예지 보수 분야에 도메인 지식과 기계학습 기술을 20여 년 전부터 선도적 연구·개발해오다 인공지능 붐을 타고 급속 성장 중
-교수 창업의 모범 사례
[본 기사는 한경비즈니스 제 1313호(2021.01.25 ~ 2021.01.31) 기사입니다.]
© 매거진한경, 무단전재 및 재배포 금지