SK㈜C&C주식회사는 지난 6일, 지난해에 이어 사내 기술 전문가 주도로 DT(Digital Transformation)영역의 기술 경험 공유 및 역량 개발 기회를 제공하는 ‘테크 콜라보 랩(Tech Collabo Lab)2기'를 출범시켰습니다. 이번 ‘테크 콜라보 랩 2기’는 회사의 산업별 디지털 전환 노력에 발맞춰 인공지능·빅데이터·클라우드·IoT(사물인터넷)등 DT사업에 직접적으로 적용할 수 있는 아이템 11개를 연구과제로 선정하여 80여명의 구성원들로 구성되었으며, 앞으로 4개월 동안 온·오프라인 정기·수시 모임을 통해 업무 외 시간을 활용해 기술 개발활동을 하게 됩니다. 

테크 콜라보 랩(Tech Collabo Lab) 소개 바로가기

 이번 ‘테크 콜라보 랩 2기’의 특별한 점은 한층 전문화된 연구 및 개발을 뒷받침하기 위해 1기와 달리 기술 전문가(TLB, 리더)참여가 2배로 늘었습니다. 1기가 한 명의 기술 전문가와 여러명의 팀원으로 구성되어 기술전문가의 전문성을 알리는 부분이 강했다면 이번 ‘테크 콜라보 랩 2기’는 다양한 기술 전문가들과 구성원들과 협업을 통해 시너지를 내며 보다 낳은 연구 결과를 도출 할 수 있도록 기술 전문가의 참여를 확대 했습니다.

이에 본 ‘테크 콜라보 랩 2기’의 11개의 연구과제에 속한 사내 기술전문가분들을 만나 연구 주제와 리더로서의 계획을 간단하게 들어보는 시간을 가졌습니다. 앞으로 구성원들과 협업을 통해 회사의 산업별 디지털 전환을 위한 기술 개발 활동을 하게 될 '17년 테크 콜라보랩 2기의 리더11분을 만나보시죠.


<TLB 연구과제>

  • Watson Knowledge Studio를 보완하기 위한 Pre-annotation  Tool개발

  • 제안시 활용되는 H/W, S/W 표준 매트릭스 작업의 자동화된 솔루션 개발

  • Java Distributed Operation Support(Open source)다수 JVM간 일을 분산 처리할 수 있는 제반 기능 구현

  • Saas사업을 위한 Cloud기반 API Platform표준화 방법론 연구

  • Cloud환경에서의 보안 가이드 개발

  • Watson 음성인식 성공율 향상을 위한 딥러닝 기반의 음성신호 변환 알고리즘 개발

  • 자사 Big Data Appliance Package구축

  • 제조업의 Unbalanced data sat에 Deep Learning을 활용한 Data Augmentation적용 가능성 연구

  • IoT Device에 인공지능 적용한 부채널 공격 취약점 분석 및 보안 기술 연구

  • Block Chain의 사내개발 효율성을 높일 수 있는 Block Chain Application개발

  • LiDAR센서 실시간 데이터 처리, 관리, 저장, 분석 등 Cloud기반의 기술 적용 가능성 및 활용 기법 연구


 

1. “Watson Knowledge Studio를 보완하기 위한 Pre-annotation Tool개발” (차지원 수석)

 

작년에 이어 두번째 참가이며 작년 테크 콜라보 랩1’ 활동을 통해 많은 도움을 얻었었습니다회사 내 다른 구성원들과 협업을 할 수 있다는 점도 장점이지만공개적으로 이런 사내 활동을 한다는 것 자체로 결과물에 대한 수준을 더 높게 책정하게 되고연구 주제 분야에 대해 잘 모르는 다른 구성원들에게도 전달해야 한다는 걸 고려해서 결과물을 만들어야 하기 때문에 더 많은 동기부여가 되는 것을 스스로 느꼈습니다올해도 적극적인 활동을 통해 전문 분야가 아닌 부분에 대해서도 다른 전문가분들의 도움을 얻어 수준 높은 결과물을 만들어 내고 싶습니다.

저희 연구 주제는 IBM에서 제공하는 WKS(Watson Knowledge Studio)라는 서비스의 기능을 개선하고(주로 한글 지원, ERD개념을 도입한 설계 기법 추가, UI개선 등) 이를 기반으로 독자적인 A.I 관련 Text Annotation 기반 Machine Learning 서비스를 구축하는 것입니다.

저희 팀은 구성원들의 근무지가 모두 지리적으로 떨어져 있는 부분이 있어 online 활동에 기반을 둔 협업을 진행 하려 합니다현재 GitHub 를 통해 소스코드를 공유하고, Issue Tracking System wiki 를 통해 의견을 공유하고 있습니다제가 리더이기는 하나 각 구성원들에게 역할을 분담하고 그 진행사항만을 체크하는 방식의 연구를 진행할 생각은 없습니다각 구성원이 연구에 기여하고그로부터 각자가 원하는걸 얻을 수 있도록 자발적인 참여를 유도하여 이끌어 가도록 하겠습니다.

 

2. "제안 시 활용되는 H/W, S/W 표준 매트릭스 작업의 자동화된 솔루션 개발" (최종수 수석)

 

대내/외 사업의 제안 시 인프라(TA) 및 구매 작업의 비효율적인 측면들을 분석, 개선하고 인프라 작업 내용의 자산화를 통하여 향후 사업 조직에서의 reference를 구축하고, 인프라 제안 작업의 표준화 확대 적용 및 정확도 제고를 통해 고객들에게 좀 더 투명한 사업제안을 하기 위한 연구를 진행하기 위해 이번 '테크 콜라보 2기'에 참여하게 되었습니다.

사업 제안 시 활용되는 HW, SW 표준 매트릭스 작업의 자동화된 솔루션 연구 및 개발을 통해 효율적인 자료 입력과 HW, SW 매트릭스 자동 생성을 지원하기 위한 연구를 진행할 계획입니다.

HW, SW 정보와 매핑 정보의 입력 효율화 부분뿐만 아니라 HW, SW 매핑에 따른 소프트웨어 라이선스 단위와 수량의 검증을 용이하게 하는 연구에 중점을 둘 생각입니다.  또한 ‘17년 TCL이후 진행 예정인 구매 분야의 활용 가능한 SW별 매트릭스 자동 생성 기능 구현, 스토리지/네트워크 매트릭스 기능 구현과 시스템 용량산정 기능 구현을 목표로 구성원들과 주어진 기간 동안 최선을 다하겠습니다.

 

3.“Java Distributed Operation Support 다수 JVM 간 일을 분산 처리할 수 있는 제반 기능 구현” (심현섭 선임)

 

혼자 진행하기 다소 어려운 연구 과제를 진행하면서 제 자신 뿐만 아니라 다른 구성원들과 함께 심도 있는 역량 개발 활동이 가능한 취지가 동기 부여가 되어 이번 '테크 콜라보 랩'에 참여하게 되었습니다. 

이번 기회를 통해 다수의 JVM에서 일을 분산 처리할 수 있도록 제반 기능을 오픈소스 프로젝트로 구현해 볼 생각이며, 핵심 기능 한 가지에 Focusing하여 안정적이고 오류 없는 기능을 구현할 수 있도록 구성원들과 협업하여 연구 할 예정입니다사용자가 해당 기능을 쉽게 사용할 수 있도록 단순한 프로그래밍 모델 제공하는 것 또한 중점을 둘 부분이라고 생각하며, 향후 사내 구성원들이 오픈소스 프로젝트를 진행함에 있어 선례로써 참고가 가능한 Reference 구축을 목표로 본 과제에 임하도록 하겠습니다

 

4. Saas사업을 위한 Cloud기반 API Platform표준화 방법론 연구” (백정열 수석)

 

작년 TCL 참여 시 스스로도 역량을 쌓을 수 있는 기회가 되었고 이를 통해 기술에 대한 개발 방향을 축적할 수 있어서 많은 도움이 되었습니다. 올 해는 Cloud 안에서 여러 Platform을 연동할 수 있는 방법이 무엇인가 고민하던 차에 API 호출 방식을 쓰면 가능하지 않을까 하는 생각이 들어 사내 구성원들과 함께 연구해보고자 참여하게 되었습니다. 

현재 CloudZ 나 여러 Cloud 환경하에서 솔루션 간의 연동이 필요할 텐데 이럴 때 API 기반의 호출 방식을 쓰면 좀 더 효율적으로 연동이 가능하지 않을까 라는 의구심이 생겼고 이를 실천에 옮기기 위해 구성원들과 같이 연구를 하고자 합니다.

현재까지는 여러 Cloud 구성 환경 및 API호출 방식에 대해 검토 중이며, 함께 고민하고 연구에 참여할 구성원들과는 Cloud 환경에 대한 이해, 그리고 개발 방법에 대한 논의를 중점적으로 다루고자 합니다.

 

5. “Cloud 환경에서의 보안 가이드 개발” (신민수 수석)

 

작년 TCL 1기 연구활동을 통해 어려운 점도 많았지만 개인적으로 얻은 게 더 많았다는 생각에 이번 '테크 콜라보 랩' 참가를 결심하게 되었습니다업무와는 별개로 회사를 포함한 개인 역량을 내재화 하는데 큰 도움이 되는 것 같아 이번 활동 또한 많은 기대를 하고 있습니다.  

저희 ‘Cloud환경에서 보안가이드 제작’ 이라는 연구 주제는 Cloud사용 초기에 기존 개발환경과 같이 Infra를 사용하면서 외부 해킹에 취약했다는 문제점으로부터 시작이 되었습니다. 기존 Infra가 Cloud로의 전환이 가속화 되고 있는데 변화한 환경에서 보다 안전하게 사용할 수 있는 가이드를 개발했으면 하는 목적으로 진행하게 되었습니다. 

기존 OS, WEB/WAS, DB등 표준화된 그룹 및 공공 보안가이드는 이미 존재하고 있기 때문에 Cloud환경에서 손쉽게 사용 가능한 오픈소스 보안 솔루션이나 Cloud서비스를 활용하는 방법을 소개하여 누구나 일정 수준 이상의 보안이 유지되는 Cloud서비스를 사용할 수 있도록 하는 게 저희 연구 주제에 대한 핵심입니다.

 

6. "Watson음성인식 성공율 향상을 위한 딥러닝 기반의 음성신호 변환 알고리즘 개발” (이상훈 선임)

 

기존의 업무 외에도 시장에 새로운 기술이 나오거나 흥미로운 주제가 있으면 직접 구현해보고, 특히 머신러닝(딥러닝) 분야는 다양한 데이터를 통해 여러 시도를 많이 해보고 있습니다. 이와 같은 개인 연구활동을 공식적인 회사에서 지원을 받으며 여러 사람이 협업을 통해 시너지를 낼 수 있다는 점에서 이번 '테크 콜라보 랩' 2기에 지원하게 되었습니다. 

잡음이 많은 환경에서 음성인식 엔진(Watson 혹은 자체 엔진)성능 향상을 위한 딥러닝 기반의 음성신호 변환 알고리즘 개발이라는 주제로 참여하게 되었습니다시장에 나와있는 음성인식 엔진들의 여러 장애요인 중 하나가 바로 주변환경 소음입니다여기에서 소음은 음악소리화이트 노이즈자동차 엔진소리(운전시) , 주변인과 대화 등을 모두 포함하며이러한 소음을 제거하는 것이 앞으로의 음성인식 성능 개선에 중요한 요소 중 하나라고 생각합니다

사실 노이즈 캔슬링이나화자분리와 같은 기술을 하드웨어 자체에서 수행하는 경우가 빈번하지만 해당 하드웨어를 쓸 수 없거나 기존에 기업에서 축적한 데이터가 이미 존재할 경우(ex 콜센터)가 많습니다이러한 어려움을 해결하고자 딥러닝이라는 기술을 통해 잡음이 포함된 음성을 최대한 깨끗하게 변환하여 음성인식 성능을 올리고자 하는 것을 목적으로 합니다.

TCL이라는 연구활동을 통해 좋은 결과를 얻어내는 것도 물론 중요하지만 각 구성원들이 평소에 배우고, 구현해보고 싶었던 많은 기술들을 주제에 허용되는 범위 안에서 우선적으로 해보는 것을 목적으로 진행하려고 합니다. 실패하더라도 조금은 과감한 시도와 개인 및 팀 스터디를 통해 팀원들의 역량향상에 가장 목표하되, 이러한 시도가 실제 비즈니스에도 적용할 수 있는 결과까지 이어져 가장 좋은 사례로 남을 수 있도록 최선을 다 할 예정입니다.

 

7. "자사 Big Data Appliance Package구축”(최상연 선임)

 

개인적으로 평소에 관심이 있었던 ‘Container기반의 Platform구축에 대한 연구주제로 해당 그룹 및 연구에 참여하게 되었습니다.

DT관련 업무의 기반은 많은 부분 Cloud와 API Call등 외부환경에 초점이 맞춰져 있는 것이 사실입니다. 고객들의 눈높이 또한 아직 DT와 관련한 신기술이나 환경 등에 눈높이가 맞추어져 있어 신 기술을 현시점에 바로 적용하기에는 여러 가지 장애요인이 존재합니다. 저희 팀 연구주제는 분석/개발 업무에 바로 대응하기 위한 Computing Power(H/W) 및 분석/개발환경(S/W)을 빠르게 구성할 수 있는 Appliance를 구축하여 고객 단위 업무, 테스팅(PoC)등에 빠르게 적용할 수 있는 모델을 만드는 것입니다. H/W 형태는 현재 구상 중이며, S/W는 Container기반에서 빠르게 Platform을 전환하고 Deploy할 수 있는 형태로 구상 중이며 연구해 볼 생각입니다. 

7월에는 멤버간의 의견 공유, 조율 및 Outline설정 더 나아가 Architecture수립 하고, 8~9월 간에는 집중 Develop을 할 생각입니다. 10월에는 결과물 중심으로 관련한 사업적용 측면에 대한 Feedback을 수렴할 예정입니다. TCL을 중요한 연구활동임을 인지하고 각자 본인업무에도 부담이 가지 않는 선에서 진행할 예정입니다. 되도록 본 연구활동을 통해 다양한 측면에서 얻은 지식들이 각자의 영역의 실무뿐만 아니라 본인의 역량 향상에 도움이 가도록 지원하며 구성원을 리딩하는 것이 제 역할이라 생각합니다.

 

8. "제조업 Unbalanced data set Deep Learning활용한 Data Augmentation적용 가능성 연구”(박준용 수석)

 

현재 빅데이터 관련 기술지원 및 분석 업무를 담당하고 있으며 요즘 여러 분야에서 화두가 되고 있는 딥러닝 기술들에 대해서 지속적으로 관심을 갖고 있었습니다최근에 딥러닝 기술들을 업무에 적용하여 여러 공정상 발생 가능한 이슈들을 해결할 수 있을지에 다각도로 고민이 필요하다고 느꼈으며 프로젝트 수행중인 인력들과 현장 데이터를 가지고 딥러닝 적용에 대한 선행 연구를 한다면 딥러닝 관련한 인력 육성뿐만 아니라 사업적인 측면에서도 성과로 이어질 수 있겠다 판단하여 본 연구활동에 참여하게 되었습니다.

“제조업의 Unbalanced data set에 Data Augmentation을 통한 Deep Learning활용 연구”로 연구 주제를 정했습니다. 제조 현장에서 딥러닝 적용 성공 사례가 많지 않은 이유 중 하나는 학습시켜야 할 Data Set의 불균형 때문이라고 판단됩니다. 한가지 예로 Supervised Learning(지도학습)을 적용할 경우 관심으로 삼는 대상(예:불량제품)이 희소사건이기 때문에 학습 Data개수가 상대적으로 부족하여 결과 정확도가 높지 못합니다. 이에 저희는 딥러닝의 다양한 기법 등을 연구하고, 필요 시 기존 통계기법 등을 응용하여 제조현장 데이터에 대한 딥러닝 적용 성공 사례를 도출하는 것이 이번 연구 목표입니다. 이와 함께 많은 기업들이 딥러닝 학습을 위한 고가의 GPU 구매라는 부담을 갖고 있기 때문에, 빅데이터 기술을 이용한 CPU기반의 분산 딥러닝 연구도 함께 진행 할 예정입니다.

TLB로써 진행을 하며 현재 TCL구성원들의 딥러닝 관련한 기본 역량에 매우 놀랐으며 연구 결과에 대한 기대가 큽니다저희 팀은 딥러닝 프로젝트를 수행했거나 자발적으로 학습한 구성원 또는 통계전공자들로 구성되어 있습니다우선적으로 서로간의 지식 공유를 위해 7월에 딥러닝 기반의 세미나를 진행하고 8월에는 데이터를 선정 후 본격적인 연구가 진행될 예정입니다이후 9월에는 개발된 알고리즘을 CPU기반 분산 Deep Learning환경으로 전환하는 것이 최종 목표입니다매우 어렵고 시행착오가 많을 것으로 예상되는 주제인 만큼 리더로써 방향 제시와 각자의 역량 결집이 잘 이루어질 수 있는 방안을 지속적으로 고민하도록 하겠습니다.

 

9. "IoT Device에 인공지능 적용한 부채널 공격 취약점 분석 및 보안 기술 연구”(최재철 수석)

 

작년 '테크 콜라보 랩' 1기 멤버로 연구활동에 참여 하여 개인적으로 얻은 것이 많다고 생각합니다연구활동을 통해 여러 구성원들과 관련 지식들을 공유하고 제 자신의 역량 향상 측면에서도 많은 도움을 많이 받은 것 같아 이번 2기 연구활동 또한 참여하게 되었습니다.

작년에 실시한 TCL1기 연구주제였던 ‘IoT융합 디바이스에 특화된 부채널 공격 및 방어 기법 연구(경량화 암호 알고리즘)’에서 더 나아가 AI를 접목하여 한 단계 진화하는 주제로 시행 하려고 합니다. 기존 부채널 공격 시 암호 알고리즘을 수동으로 체크했다면 이번 연구를 통해 AI기술을 접목하여 이 부분을 개선하고자 합니다. 많은 양의 데이터를 학습해서 자동으로 암호알고리즘의 패턴을 파악, 기존 공격에 걸리는 시간을 대폭적으로 개선하려 합니다.

긴 여정을 함께하며 다소 지루할 수 있는 연구활동에서 TCL멤버들간의 조화가 가장 중요하다고 생각합니다. 단 한 명의 낙오자 없이 잘 이끌어가도록 최선을 다 할 예정이며, 다소 연구주제에 비해 짧은 시간 동안 성과와 구성원 역량개발을 위해 효율적 운영에 집중할 생각입니다.

 

10.“Block Chain의 사내개발 효율성을 높일 수 있는 Block Chain Application개발”(강경구 수석)


'17년은 당사의 블록체인 사업과 개발을 시작한 해 입니다. 연초 사업과 개발 조직 모두 사업 모델 확정과 개발 플랫폼 구축에 대한 고민이 많았으며, 아쉬운 점도 있지만 개인적으로는 어느 정도 방향성 있게 나아가고 있다고 생각합니다. 개발 조직의 일원으로 다수의 PoC를 진행하면서 채득한 내용을 본 연구활동을 통해 공유하고 대안을 찾고자 참여하게 되었습니다. 

근래 블록체인에 대한 관심이 증가하면서 개인 및 다수로부터 다양한 문의가 있었으며특히 개발환경에 관련한 니즈에 대한 지원이 요구 되었습니다이를 위해 사내 개발자용 블록체인 테스트 망과 개발 툴을 개발하기 위한 연구 주제를 우선 선정하여 진행하고자 합니다


예상보다 많은 구성원들이 블록체인 관련 TCL에 지원해주셨습니다기쁘기도 하지만 아무래도 블록체인 연구에 대해 많은 준비가 필요함에 따라 한편으론 어깨가 무겁기만 합니다하지만 각 분야의 구성원들을 모아 협업하여 같이 진행해보자는 생각에 앞으로 3가지 주제를 추가로 발제 하여 4개의 소모임으로 운영할 계획입니다올해는 본 연구활동을 통해 블록체인에 대해 서로 연구하며 여러 가능성을 찾아내기 위해 모든 역량을 집중할 생각입니다.

 


11. “LiDAR센서 실시간 데이터 처리관리저장분석 등 Cloud기반의 기술 적용 가능성 및 활용 기법 연구” (이영민 수석)

 

자율주행지도해양관측자연재해(산사태 등) LiDAR센서를 통해 수집된 정보를 기반으로 인공지능 구현을 위한 딥러닝머신러닝 등이 어느 정도 충분히 구현되어 있으며 실생활에 적용되고 있습니다이중 Active하게 처리되는 자율주행은 매 90분마다 4~5TB의 데이터를 생산하고 있는데이러한 데이터를 실시간 처리하고 관리저장분석 및 이해하는 것은 가장 큰 문제이며 해결해야 하는 선 조건입니다이에 이를 위한 Cloud필요기술 요소를 분석하고 적용 가능성 연구를 시도해 보고자 하여 참여하게 되었습니다.

저희의 연구주제는 LiDAR센서 실시간 데이터 처리, 관리, 저장, 분석 등 Cloud기반의 기술 적용 가능성 및 활용 기법에 대한 연구로써Cloud기반의 다양한 필요기술들을 활용하여 LiDAR 및 다른 Radar센서 수집, 데이터 처리 및 활용 역량 내재화 하는 것과 팀원들간의 협업, 그리고 시장에서의 활용 방안에 대해 중점을 두고 있습니다. 




저작자 표시 비영리 변경 금지
신고

티스토리 툴바