“빅데이터 솔루션 SKYTALE을 말하다” SK㈜ C&C 제조digital사업팀 유재경 수석 인터뷰

SK㈜ C&C가 인공지능(AI)을 적용한 제조·하이테크 산업 특화 빅데이터 분석 서비스를 본격화 하며 글로벌 스마트 팩토리 시장 개척 속도를 높이고 있는 가운데 11일 성남시 분당 사옥(SK-u타워)에서 권송 제조사업부문장과 베가스(Begas) 김도현 대표 등 양측 관계자 10여명이 참석한 가운데 ‘인공지능 기반의 제조·하이테크 산업용 빅데이터 분석 플랫폼 SKYTALE(스키테일) 고도화 협력 MOU’를 체결했습니다.

▶관련기사 자세히 보기

'SKYTALE'은 그리스에서 발명한 인류 최초의 암호 통신방법인 ‘스키테일(Scytale)’에서 따온 명칭으로 인공지능 기능을 탑재한 SKYTALE을 활용해 그 동안 분석되지 않았던 대량의 데이터 속에서 암호를 해독하듯 숨겨진 의미와 가치를 빠르게 찾아내겠다는 SK㈜ C&C의 의지가 담겨있습니다.

SKYTALE이라는 솔루션이 도대체 어떤 솔루션인지, 주요 특장점은 무엇인지, 이것이 고객에게 어떤 인사이트와 가치를 창출해 줄 수 있는지 등 자세히 알아보기 위해 SK㈜C&C 제조digital사업팀 유재경 수석을 만나 하나하나 이야기 들어 보았습니다. 빅데이터에 관심있는 분들에게 좋은 정보가 되었으면 좋겠습니다.

Scytale이란?        

특정 지름을 갖는 막대에 종이를 감고 평문을 횡으로 쓴 다음 종이를 풀면 평문의 각 문자는 재배치되어 정보를 인식할 수 없게 되는데, 암호문 수신자가 송신자가 사용한 막대와 지름이 같은 막대에 종이를 감고 횡으로 읽으면 평문을 읽을 수 있다. 여기서 막대의 지름은 송신자와 수신자 사이에 공유된 비밀키가 된다.

[네이버 지식백과] 고대암호 (훤히 보이는 정보보호, 2008. 11. 25., 한국전자통신연구원(ETRI))

 

SKYTALE을 기획하게 된 배경은 무엇인가요?

①분석 능력을 보유한 분석가에게 어떻게 하면 빅데이터를 활용하여 다양한 분석을 시도하고 그 결과를 보다 쉽게 공유하고 적용하게 할 수 있을까? ②이제 막 분석 업무를 시작하거나 예비 분석가 또는 빅데이터 환경을 모르는 분석가에게 쉽게 대용량 분산 분석업무를 수행할 수 있게 할 수 있을까?  ③어떻게 하면 분석 기반 의사결정이 필요할 시 연관된 분석 결과를 한눈에 파악하여 합리적인 의사결정을 수립하게 할 수 있을까? 

이 3가지 요구사항을 기반으로 사용자 입장에서 스스로 진행 할 수 있는 ‘Analytics Product’를 고객사에 제공할 수 있다면 서로 Win-Win 할 수 있는 사업 모델이 가능하겠구나라는 생각에서 SKYTALE의 개발은 시작되었습니다.

분석 역량이 높고 낮음에 상관없이 분석 업무를 진행하기 위해서는 분석 필요 데이터 수집 → 전처리(데이터 정제, 파생변수 생성) → 모델링 → 결과분석이라는 순환적 분석 프로세스를 진행해야 합니다. 이러한 프로세스를 분석가가 코딩 역량과 분석환경에 상관없이 단계별로 진행 할 수 있도록, 즉 분석 워크플로우 기반으로 분석 모델 설계 및 실행의 통합된 분석 운영환경을 제공하자는 것이 SKYTALE 솔루션의 핵심입니다.

SKYTALE의 기본 구조부터 간략하게 설명 부탁 드립니다.

분석 Workflow 기반 빅데이터 분석시스템을 표방하는 SKYTALE의 기본구조를 살펴보면 분석가에게 화면상에서 별도의 코딩 없이 분석 수행 및 결과 Report 생성 등 다양한 UX를 제공하는 Visualization, Decision Tree(DT)등 분석 컴포넌트와 데이터 처리 결과를 확인하면서 분석 업무를 진행할 수 있도록 하는 Workflow Modeler, 설계된 분석 workflow를 자동화하여 관리해주는 Job Management로 구성되어 있습니다.

Visualization 영역은 저희 Solution Lab의 Alopex를 이용하여 UI를 구성하고, Grid와 Chart를 이용하여 다양한 report 서비스를 제공하며, Workflow Modeler 영역은 데이터 수집/전처리, 모델 생성 등 분석 프로세스별로 Spark ML 또는 UDF 등 다양한 분석 Library를 제공하고 분석 프로세스를 Workflow화하여 분석업무를 step by step 검증하면서 별도의 코딩없이 수행가능토록 합니다. 실질적으로 대용량 분산 분석 작업을 실행시키고 관리하는 Job Management는 당사 Data Lab의 QUTA Engine 중의 하나인 Global Workflow를 활용하여 Hadoop 기반 대용량 데이터 처리 및 분산 분석 서비스 외에 실시간 또는 일반 RDBMS 환경하에서도 빠르고 안정적으로 수행될 수 있도록 합니다.이처럼 SKYTALE은 그간 저희가 수행해온 SI와 분석업무, 그리고 빅데이터 운용역량이 집약되어 개발/운영되고 있다고 볼 수 있습니다.

하둡(Hadoop)이란?

2005년 더그 커팅과 마이크 카파렐라에 의해 개발된 하둡(Hadoop, High-Availability Distributed Object-Oriented Platform)은 대량의 자료를 처리할 수 있는 클러스터 컴퓨터 환경에서 동작하는 분산 응용 프로그램을 지원하는 프레임 워크입니다. 하둡에 대해서 간단히 말하자면, 방대한 양의 데이터를 분산 처리하여 빠른 시간 내 결과를 제공하는 오픈 소스 기반 데이터 처리 기술입니다.

하둡의 탄생은 구글(Google)이 대규모 자료를 검색하고 분석하는데 사용한 구글 파일 시스템 (GFS, Google File System)과 맵-리듀스(Map-Reduce)에 대한 논문을 접하고 이를 참고하여 구현하였습니다. ‘하둡’이란 명칭은 더그 커팅의 아이들이 가지고 놀던 장난감 코끼리의 이름을 따서 지어졌다고 전해집니다.

 

기존 솔루션 대비 SKYTALE의 차별점은 무엇인가요?

SKYTALE에서 제공하는 분석 단계별로 검증하면서 모델링을 진행할 수 있도록 하는 기능에 대해서는 유사한 서비스들이 많습니다. 다만 Hadoop 환경 여부와 상관없이 데이터 처리 및 분석 실행 성능 확보와 안정성 제고 등 서비스 품질을 제고하는데 지속적으로 역량을 집중하고 있습니다. 그리고 대부분의 분석 서비스는 분석 알고리즘에 표준 결과화면을 제공하되, SKYTALE은 분석가가 분석 결과화면을 해석이 용이하도록 맞춤형 설정을 할 수 있도록 합니다. 화려한 Visualization 보다는 차별적인 분석 결과 화면을 제공하기 위한 맞춤형 Visualization 서비스를 하고 있습니다.

HI-Performance를 낼 수 있는 고급숙련자급은 아닐지라도 몇 번의 실습을 통해 IT조직의 도움을 받지 않고도 Self-Analysis 작업을 수행 할 수 있습니다. 또한 분석 결과가 관리되고 있는 테이블 정보를 화면상에서 확인하고 이를 차트화하여 분석할 수도 있게 됩니다. 다시 말씀 드리면 노코딩 및 분산처리를 가정하고 SKYTALE을 개발하였으므로 통계 비전공자 또는 빅데이터 환경을 모르는 분석가라도 SKYTALE에서 제공되는 데이터 처리기능과 컴포넌트화 된 알고리즘(PCA, DT Clustering등) 적용 기능을 이용하여 다양한 분석작업을 스스로 할 수 있습니다. 나아가서 새로운 분석 모델링 결과를 시스템화하는데 과거에는 2~3개월 정도 소요되었지만, SKYTALE에 적용된 배포 기능과 Visualization 기능을 활용하면 1-2주내에 시스템화가 가능합니다.

 

“이번 베가스와 MOU체결함에 따라 올인원 형태의 서비스도 가능 할거라고 예상되며 여러 산업군에서 쓰이는 다양한 함수가 솔루션에 지원 될 것이라고 보여지는데?”

알고리즘 영역은 지금도 확대를 하고 있습니다. 지원하고 있는 알고리즘 개수도 중요하나, 적용된 알고리즘 별로 분산처리 환경하에서 다양한 옵션을 적용하여 정밀도를 분석가 스스로 높여 나갈 수 있는 환경을 만들어 주는 것이 더 필요하다고 보고 있습니다. 이 부분이 베가스와의 MOU를 통해 더욱 강화되고, 다양한 산업군에 적용할 수 있는 템플릿을 확보할 수 있을 것으로 보입니다. 함수 자체를 늘리는 것은 사업을 진행하면서 해도 큰 무리가 없을 것으로 보입니다.

"산업군에 상관없이 Horizontal Service를 제공하는 Workflow 기반 분석 Platform 위에 각 업종 특성별 분석 서비스를 제공하는 Vertical Service를 Package로 제공하는 형태로 사업을 추진하려 하고 있습니다. 이러한 Vertical Service Package가 활성화 될수록 Workflow기반 분석 Product는 더욱 경쟁력 있는 제품으로 될 것을 보입니다."

 

“보도자료를 보면 제조 하이테크 또는 산업용이라는 설명이 등장하는데 굳이 제조 분야에 특화된 솔루션이라는 설명이 필요한 특별한 이유가 있나요?”

타겟팅을 명확히 하여 역량을 집중시키기 위함입니다. 4차 산업혁명, Industry 4.0 등 New Trend를 제시하면서 제조분야에서 IOT, 빅데이터 기술들을 활용하여 설비나 공정에서 발생되는 대용량의 로그정보나 센서 정보를 활용하여 획기적인 분석기반 의사결정체계와 공정관리 체계를 만들어가는 Digital Transformation이 진행되고 있습니다. 그러하다 보니 분석환경/체계에 대한 혁신적인 개편을 진행하고 있는 상황입니다. 이에 선제적 대응과 리딩을 위해 제조/하이테크 분야에 우선적으로 역량을 집중하고 있습니다. 분석 프로세스와 통계적 함수들은 공용화가 가능한 영역으로 추후 타 업군으로 확산하는 데에는 무리가 없다고 판단하고 있습니다. 

“최근 화두가 되고 있는 인공지능도 빅데이터와 밀접한 관계가 있습니다. SKYTALE의 관점에서 보는 인공지능과의 연계에 대해 어떻게 생각하시나요?"

인공지능하면 빼놓을 수 없는게 ML/DL, 즉 머신러닝(Machine Learning)과 딥러닝(Deep Learning)입니다. SKYTALE엔 ‘Spark ML’기반 머신 러닝 알고리즘이 적용되어 자기 스스로 모델을 최적화 하는 알고리즘이 8개 정도 적용 되어있습니다. 머신 러닝 알고리즘은 지속하여 추가 예정이며, 학습프로세스는 생성된 알고리즘을 주기적으로 학습하고 그 학습된 결과를 리포트하여 운영자가 개선효과를 확인하고 개선된 알고리즘을 시스템에 바로 반영할 수 있는 프로세스로 구성되어 있습니다. 예를 들어 어떠한 공정이 수율분석 알고리즘에 의해 수율이 90%였는데 알고리즘이 학습으로 개선되면서 92%, 94%등으로 지속적으로 수율이 개선되는 상황을 모니터링 할 수 있게 되고, 지속적인 학습에도 불구하고 더 이상 수율이 개선되지 않는 정체기가 지속되면 새로운 모델이 필요하다라는 결과를 얻을 수 있어요. 따라서 기계학습에 따른 정확성 및 판별력에 기반하여 도출된 개선 방향에 대해 리포트 및 알람으로 사용자들에게 조언까지 해 줄 수 있다 라고 설명 드릴 수 있습니다. 또한 딥러닝을 적용하고 관리할 수 있는 체계는 개선사항에 반영 할 예정이며, 딥러닝을 위한 신경망 설계 기능을 분석자가 쉽게 할 수 있는 방안을 검토하고 검증하는 과정에 있습니다.

 

“국내 외 유사한 빅데이터 분석 플랫폼의 현재 업계 상황이나 흐름이 있다면 무엇이 있을까요?”

다양한 알고리즘 적용과 빠른 처리에 대한 기능 강화는 여전히 이슈가 되고 있는 상황이긴 합니다. 단순히 분석 기능만이 아닌 활용적인 입장에서 실시간 분석, 이벤트 연계까지 확장되고 있습니다. 요즘에는 얼마나 쉽게 고객의 업무에 분석 업무를 적용 활용 할 수 있을까에 고민들을 많이 하고 그에 맞는 기능들을 내놓고 있습니다. ‘Auto Modeling’, ‘Interactive Analysis’ 등이 그 예라 할 수 있습니다. 예를 들어 가끔 ‘얼마나 다루기 쉽냐’라는 질문을 듣곤 하는데 그 의미는 얼마나 많은 Visualization 기능을 보유 하고 있으며, 차트 기반으로 분석을 하여 유저 입장에서 사용하기 편하게 구조화 되어 있느냐를 가리킨다고 볼 수 있습니다. No Coding 방식으로 시스템이 알아서 변수를 선정해주고 모델링을 하며, Interactive UI를 제공하여 고객의도가 바로 반영될 수 있는 기능을 지원하는 형태로 분석 플랫폼이 발전해 나갈 것으로 보입니다.

 

“빅데이터를 분석하는 코어 기술도 중요하지만 전체적인 솔루션에 있어 고객이 쉽게 사용 할 수 있도록 만드는 인터페이스나 UI부분도 경쟁력 볼 수 있는데 어떻게 생각하시나요?”

저희도 그 부분에 동의합니다. 그래서 현재 차트 기반 분석 툴에 대해 많이 연구하고 역량을 집중하고 있습니다. 1차 결과물을 가지고 고객사 측에 보여줬는데 workflow 기반 기능은 이해할 수 있지만 사용하기가 좀 어렵다라는 의견이 왔어요. 실제로 예전에는 분석툴이 제공하는 기능과 알고리즘 자체에 대한 궁금증이 많았던 반면 요즘에는 그 결과를 사용자 입장에서 얼마만큼 쉽게 확인하고, 그에 따른 후행 분석 및 처리 결과를 쉽고 빠르게 적용 해 낼 수 있느냐에 대한 고객의 니즈가 매우 강하다고 볼 수 있습니다. 다시 말해서 어떤 현상에 대한 분석 보다는 업무를 수행하는 과정에서 데이터 분석과 결과 활용이 자연스럽게 적용될 수 있느냐에 많은 관심을 보이고 있습니다. 따라서 저희도 사용자 기반 UX를 만들어나가기 위해 고객사로부터 다양한 Use Case를 확보하고 그에 맞는 UX를 공통화 영역과 특수적 영역으로 분리해서 설계/개발 하고 있습니다.

"제품관점으로는 UX를 실사용자 기반으로 개선하고 효율적인 Ml/DL 알고리즘 관리/운영 체계로 개선하는 것을 목표로 하고 있습니다. 더 나아가서 공정/품질/설비 관리 Visualization에 증강현실(AR. Augmented Reality)과 가상현실(VR, Virtual Reality)을 도입 검토 중입니다. 이를 통해 더 다양한 산업군으로 진출할 수 있는 기반을 다지고 싶습니다."

 

이번 인터뷰를 통해 SKYTALE의 탄생 배경, 기본 구조, 특징 등을 자세히 알아 봤습니다. 이번 베가스와의 고도화 협력 MOU를 통해 국내는 물론 글로벌 제조·하이테크 산업의 스마트 팩토리 시장 개척을 향해 한걸음 더 나아가는 빅데이터 솔루션 SKYTALE의 진가를 이해하는데 도움이 되셨길 희망합니다. 더불어 다양한 인공지능 분석 서비스를 통해 글로벌 하이테크 스마트 팩토리 시장에서의 디지털 전환(Digital Transformation)을 주도해 나갈 SKYTALE을 힘차게 응원해 봅니다!