특집 Ⅱ. 국가물산업클러스터 입주기업 동반성장 전략
“데이터 분석·모니터링 요소기술 다수 보유”
인공지능·머신러닝·딥러닝 활용해 빅데이터 처리 후 3차원 가시화 지원
국내외 해양플랜트 분야에 납품 통해 기술력 인정…디지털트윈 도입 노력
Part 03. ㈜ICT 워터 기술 소개 / 송 덕 용 ㈜ICT 워터 대표이사
데이터 효과적 변환 관련 기술특허 보유
㈜ICT 워터는 올해 국가물산업클러스터에 입주한 스타트업(Start-up)으로 딥러닝, 인공지능(AI) 기반의 빅데이터 분석기법을 적용한 모니터링 요소기술을 개발해 상품화하는 기업이다. 보유 중인 대표 기술로 △모니터링 데이터 분석 처리 기술 △빅데이터 처리 기술 △빅데이터 기반 AI 기술 △3D 사용자 인터페이스 기술 △대용량 데이터 가시화 기술 △대용량 3D 가시화 최적화 기술 등이 있다.
모니터링 요소기술은 크게 ‘빅데이터 처리’와 ‘빅데이터 가시화’ 두 가지 부문으로 구분된다. 데이터는 기본적으로 계측·계산·추적이 가능하지만 초 단위로 10〜20년 이상 쌓인 데이터는 그 수가 기하급수적으로 커지기 때문에 수많은 데이터를 쉽고 빠르게 처리할 수 있는 기술과 노하우가 필요하다. 또 노하우가 있어도 서버나 데이터베이스 등이 같이 뒷받침되지 않으면 효율적으로 처리하기가 어려운 것이 사실이다.
데이터가 마냥 처리하기 쉽게 계측되는 것도 아니다. 데이터를 처리하는 과정에서 소위 극단치라는 게 나오는데, 데이터 값이 너무 크거나 작은 값을 말한다. 이러한 데이터를 효과적으로 변환할 수 있는 기술이나 노하우가 있어야 좋은 결과를 얻을 수 있다. 누락 데이터도 물론 없어야 한다. ㈜ICT 워터는 이러한 빅데이터 처리·변환에 대한 기술 특허를 가지고 있다.
게다가 데이터를 분석할 때에는 어느 시점에 문제가 있는지 결국 사람이 일일이 확인해야 한다. 이때 학습된 인공지능을 활용하면 시간을 크게 절약할 수 있다. 데이터를 필터링하는 과정도 필요 없게 된다. 딥러닝을 통해 학습된 인공지능은 비정상 데이터를 거르고 알아서 깔끔한 데이터를 만들어내기 때문이다.
원하는 형태의 데이터가 만들어지면 이것을 모니터링하기 위해 2차원이나 3차원 그림(그래픽)으로 시각화할 수 있어야 한다. 다만 물리적인 거동을 확인하는 데에는 2차원보다 3차원 그림이 효과적이기 때문에 최근 3차원 모니터링 시스템이 활발히 개발되고 있지만 가격이 비싸고 회사마다 원하는 형태로 활용하기가 어렵다는 단점이 있다. ㈜ICT 워터는 이러한 문제를 해소한 ‘3D 사용자 인터페이스 기술’을 갖고 있다.
‘FBX’ 파일포맷으로 변환해 3D 가시화 시스템 구현
한편 대용량 데이터를 가시화하는 과정에서 기존에는 100만여 개의 포인트 데이터를 화면에 나타내려면 시스템 성능이 저하되거나 웹브라우저 상에 오류가 발생하는 문제가 있었다. ㈜ICT 워터는 기존 데이터베이스관리시스템(DBMS)을 최적화하고 벡터(Vector) 기반의 가시화를 통해 약 155억5천200만 개 데이터를 1초 이내에 전처리해 가시화할 수 있는 요소기술을 보유하고 있다. 이는 기존 제품 대비 성능을 약 8~10배 정도 향상시킨 기술로, 사용자는 이를 통해 빠르고 쉬운 검색결과를 확인할 수 있다.
또한 3D프린팅, 3D모델링 등 3차원 데이터의 경우 업종이나 설계 방식에 따라 데이터 특성이 다르기 때문에 특정 상용 프로그램이 없으면 자유롭게 활용하지 못한다. 하지만 상용 프로그램은 라이센스 비용이 많이 들기 때문에 일반 회사가 구매하기에는 부담스러울 수 있다. ㈜ICT 워터는 이러한 문제를 해결할 통합 솔루션으로 ‘FBX’라는 전용 파일 포맷을 통해 기존 기술 대비 성능이 10배 이상에 달하고 대용량 데이터도 3D모델링이 가능한 기술을 보유하고 있다. 플랜트 운영 시, 데이터 손실 없이 육안으로 확인이 어려운 부분을 3차원으로 관찰함으로써 복잡한 형상을 가진 광범위한 구조물의 상세한 부분이나 관련 정보를 제공받을 수 있다.
IoT 디바이스 상태 예측 시스템에 적용 가능
현재 요소기술을 적용 중인 분야로는 ‘IoT 디바이스 상태 예측 시스템’이 있다. 이는 IoT 디바이스 혹은 각종 센서에서 전달되는 데이터를 예측하는 시스템으로, 특정기간·계절·온도 등 데이터에 영향을 미치는 요인(factor)을 대상으로 기존 데이터 기반 시계열 데이터 분석을 수행한다. 현재 상태뿐만 아니라 미래의 특정 지점에 대한 상태를 머신러닝을 이용해 예측할 수 있어 기존 프로그램보다 많은 절차를 가 생략 가능하며 신뢰도 최대 99% 이상을 자랑하는 기술이다.
이를 통해 IoT 디바이스에서 발생할 수 있는 문제점들에 대한 선제적인 방어가 가능하고, 특정 설비의 피로 손상(Fatigue damage) 분석을 위해 설계치 대비 피로 손상이 미래 어느 시점에서 파괴로 이어질 지 예측할 수 있다. 이상 있는 설비를 교체함으로써 발생 가능한 문제점을 미연에 방지할 수도 있다.
IT 요소기술과 해석 소프트웨어 융합이 중요
이 밖에도 운영 데이터를 기반으로 한 피로 손상(Fatigue damage) 예측 비교·분석 시스템이 있다. ㈜ICT 워터는 과거 10년여 운영 데이터를 바탕으로 기계학습 결과를 생성한 뒤 이를 설계치(Designed A/D)와 비교해 미래 피로 손상 정도를 분석하는 데 이용하고 있다. 실제 데이터베이스에 입력한 기계 학습 결과를 기준으로 미래 피로 손상도를 예측한 결과 신뢰도는 약 90% 이상으로 나타났다.
‘디지털트윈(Digital-Twin)’은 현재 도입기로서 앞으로 해나가야 할 과제다. 실제 플랜트의 물리적 거동과 설계 데이터, 운영(모니터링) 데이터가 동일하지 않은 경우가 많다. 데이터 정합성을 컨트롤할 수 있는 도구가 없거나, 있다고 하더라도 상용도를 포함한 연간 라이센스 비용이 높기 때문이다. 하지만 이 방법으로만 가능한 것은 아니다.
IT 요소기술이 과거에 비해 많이 발달했고 이러한 요소기술만 효과적으로 사용해도 실제 플랜트와 가상의 플랜트 상태를 동일하게 유지·관리할 수 있다. IT강국인 우리나라에는 좋은 클라우드가 여럿 개발되어 있다. 이를 해석 소프트웨어(SW)와 잘 융합시키면 시스템이 연계되면서 플랜트 거동을 빠르게 업데이트하고 잔존수명을 예측하는 데 큰 효과를 얻을 수 있다.
[『워터저널』 2021년 8월호에 게재]