인공지능, 학습을 프로세스로 구축
(Artificial Intelligence : building learning into processes)

점점 더 많은 유틸리티 기업(공공수도사업자)들이 급수시스템 공정에 인공지능(AI ; Artificial Intelligence)을 추가하고 있다. 기계를 통해 인간의 인지 기능을 복제하는 것을 목표로 하는 이 과학은 보다 지속가능한 수자원 관리를 제공한다.

AI 내에서 머신러닝(Machine Learning ; 기계학습)은 업계에서 큰 잠재력을 가지고 있다. 이 분야는 기계가 학습, 즉 외부 데이터 소스에서 점점 더 정확한 지식을 습득하는 데 도움이 되는 기술과 알고리즘 개발에 초점을 맞춘다. 물에도 적용되고 있는 AI는 음성·시각 인식 시스템, 전문가 시스템, 자연어 처리(NLP ; Natural Language Processing), 로봇 등의 분야에서도 적용되고 있다.

머신런닝의 주요 장점 중 하나는 수동 관리비용이 많이 드는 프로세스를 자동화 한다는 것이다. 이는 주관적 분석에 기반하지 않고 데이터 중심인 불가지론(agnostic) 시스템을 통해 수행된다. 이를 뒷받침하는 인프라 덕분에 빠른 속도로 계산되는 결과의 정확도가 향상된다. 따라서 유틸리티 기업들은 인프라에서 발생하는 상황에 대한 실시간 정보를 가지고 있기 때문에 더 나은 결정을 내릴 수 있다.

4가지 유형의 머신러닝
(Four types of machine learning)

물산업은 방대한 양의 데이터를 다루는데, 이것은 그것의 가치를 추출하는 것을 필수적으로 만든다. 유틸리티 기업들은 데이터를 유용한 정보로 변환하기 위해 다양한 분야의 머신러닝에 접근할 수 있다. 4가지 유형의 머신런닝은 다음과 같다.

■ 감독(Supervised) 이러한 유형의 학습에서는 문제에 대한 사전 지식이 미래의 새로운 사례를 특성화할 수 있는 유효한 가설로 사용된다. 예를 들어, 과거에 누수가 있었던 고객에 대한 데이터와 특성에 대한 정보를 가지고 있다면, 새로운 고객들이 추가적인 물 손실을 예상하도록 유도하는 모델을 구축할 수 있다.

■ 비감독(Unsupervised) 해결해야 할 문제에 대한 사전 지식은 없지만 그 특성에 대한 정보가 있을 때, 감독되지 않은 학습이 사용된다. 앞의 예와 같이, 고객에 대한 데이터베이스를 가지고 있다면, 누수 가능성을 파악하기 위해 어떤 고객의 비정상적인 소비가 있는지 파악할 수 있다.

■ 준감독(Semi-supervised) 이 경우 문제에 대한 사전 지식을 제공하는 데이터와 그렇지 않은 데이터가 있다. 두 세트 모두 문제 해결에 필요한 정보를 풍부하게 한다. 마찬가지로 누수가 발생한 고객, 발생하지 않은 고객, 알려지지 않은 상황의 데이터를 가지고 있다면 이 모든 출처의 조합은 새로운 사례를 더 정확하게 탐지하는 데 도움이 된다. 이를 위해 데이터 분포에 대해 여러가지 가정이 이루어진다.

■ 강화(By reinforcement) 머신러닝의 다른 분야와 달리 이 분야는 규칙 기반이며 모델링할 행동·반응 유형 정보를 다룬다는 점에서 차이점이 있으며, 그 목적은 보상 기능을 극대화하는 것이다. 예를 들어, 강화 학습(Reinforcement learning)은 개발 환경에서 시뮬레이션을 수행하여 실제 상황에서 자율 주행 차량의 충돌을 방지할 수 있는 소프트웨어를 생성하는 데 사용된다.

물에 적용되는 사용 사례
(Use cases applied to water)

AI는 적용된 학습 유형에 관계없이 유틸리티 기업들이 직면한 주요 과제 중 일부에 대해 혁신적인 답을 제공한다. 예를 들어, 머신러닝 기반 모델을 통한 거짓(fraud) 탐지가 있다. 이러한 시스템은 어떤 비즈니스 환경에도 적용할 수 있지만, 삶에 필수적인 자원을 관리하기 때문에 우리 산업과 특히 관련이 있다.

이는 물절약에 큰 영향을 미치므로 조기 누수 감지에도 동일하게 적용된다. 일반적으로 AI는 물공급의 효율성과 품질을 향상시킨다. 알고리즘은 수돗물 소비량과 수질을 예측할 수 있으며 또한 관개 시스템을 개선하고 펌핑 시스템의 에너지 사용을 최적화하는 데에도 중요한 역할을 한다.

특히 4차 산업혁명이 가속화함에 따라 빅데이터를 기반으로 정수처리 공정별로 최적 운영방안을 도출할 수 있도록 정수장에도 AI 개념을 도입, 원격 감시 시스템(TMS) 구축으로 정수 상황을 24시간 확인해 고품질의 수돗물을 생산하는 사례가 늘고 있다. AI 정수장을 구축하면 빅데이터 및 인공지능 플랫폼을 기반으로 주요 운영 인자(생산량, 약품주입 등)를 결정하여 정수처리 공정별 최적 운영방안 도출할 수 있다. 

이와 함께 원수 수질과 정수 수질, 약품 주입량 등 그간의 방대한 운영자료를 DB화하여 인공지능을 활용한 최적의 약품주입으로 고품질의 수돗물을 생산할 수 있다. 따라서 AI 정수장을 스마트 물관리 시스템 구축의 일환으로 도입하면 보다 깨끗하고 안전한 물을 소비자들에게 제공할 수 있어 상수도 기반시설의 녹색전환에 따른 기후·환경위기 대응 안전망 구축의 효과를 극대화할 수 있다.

AI는 또한 하수관로의 범람을 감지하는 데 도움을 주고 있는데 문제가 있는 장소에 예방 청소를 수행함으로써 예방할 수 있다. 또 다른 혁신적인 사용 사례는 현재와 같이 전염병이나 전염병의 진화를 모니터링하는 데 도움이 되는 하수 시스템의 병원균 검출이다. 특히, 자동 보고서 작성 및 소셜 미디어(Social Media) 정서 분석과 같은 다른 애플리케이션은 프로세스 상태뿐만 아니라 제공되는 수도 서비스에 대한 시민 만족도에도 유용하다.

투명성과 시민 지향성을 높이기 위한 노력의 일환으로 메신저에서 일상 언어로 대화할 수 있는 채팅로봇 프로그램인 챗봇(Chatbot)이 최근 다양한 유틸리티 기업의 고객 서비스 부서에 포함되었다. NLP(자연어 처리)를 기반으로 한 이러한 자동 응답 챗봇은 소비자의 문제를 보다 신속하게 해결하는 데 도움이 된다. 비전 인식 시스템(vision recognition system)을 통한 수도 계량기의 자동 판독은 우리가 이미 수도 서비스에서 보고 있는 또 다른 발전 중 하나이다.

2022년, 지속 가능성을 주도하는 기계
(2022 : machines driving sustainability)

지속 가능성이 물산업에서 AI 제품의 진화를 이끌고 있다. 기술이 지속적으로 개선되면 에너지 공급과 소비가 점점 더 최적화되고, 누수 감지 프로세스가 더욱 정확해지며, 유지관리 비용이 절감된다. 이러한 발전에 힘입어 총 이산화탄소(CO2) 배출량도 감소하여 전체 물순환을 보다 스마트하게 관리할 수 있다.

또한 2022년에는 이더넷(ethernet)망과 같은 레거시 형태의 망과 ATM(비동기 전송모드)망 간에 데이터 링크 계층과 네트워크 계층 정보를 사용하여 패킷을 전달하는 장치인 ‘종단장치(edge device)’ 사용이 증가할 것으로 예상된다. 소프트웨어를 서버에 직접 설치해 쓰는 방식인 온프레미스 서버 컴퓨팅 패러다임(on-premise server computing paradigm)이 이미 클라우드 기술로 대체된 가운데 종단장치 프로세서의 개선으로 서버 없이도 종단장치에서 직접 컴퓨팅을 수행할 수 있게 되었다.

사용자는 AI 모델을 기기의 애플리케이션에 구현하여 자신의 행동 데이터와 다양한 예측에 실시간으로 액세스할 수 있게 된다. 물산업에서 이러한 발전은 차량과 로봇의 자율 주행과 같은 다른 실용적인 응용을 산출할 수 있다. 이를 위해서는 몇 가지 관련 과제가 해결돼야 한다. 

첫째, 모든 종단장치(edge device)보다 물리적 서버나 클라우드와 같은 단일 비축기지( single storage center)에서 데이터를 쉽게 풀링(pooling)할 수 있는 확장성이다. 또한 장애와 구성 오류를 관리하기 위한 인프라가 필요하다. 훨씬 더 중요한 두 번째 문제는 보안이다. 종단장치는 전체 프로세스가 조직이 쉽게 접근할 수 없는 곳에 위치하기 때문에 시스템을 안전하게 하려면 더 많은 투자가 필요하다. 

향후 몇 년 동안 유틸리티 기업들은 수도시설 운영에 다양한 AI 사용 사례를 추가할 것으로 예상된다. 새로운 연구 분야는 장기적인 날씨 패턴을 감지하는 시스템을 포함한다. 이러한 시스템은 기후변화의 영향을 완화시키기 위해 가뭄이나 홍수 발생 시 물관리의 효율성을 향상시키도록 설계될 수 있다. 필수적인 서비스의 제공자로서 물산업은 이러한 개발을 선도할 수 있다. 간단히 말해, 전체 물순환을 보다 지속가능하게 관리하기 위해서는 미래의 유틸리티에 AI의 도입이 필요하다.

[『워터저널』 2022년 3월호에 게재]