- 4차 산업혁명 시대로 진입하면서 빅데이터와 인공지능(AI)을 활용한 데이터 기반의 최적 의사결정 기술에 대한 관심이 크게 증가하고 있음. 대표적 AI인 구글의 알파고는 오랫동안 축적된 프로 바둑기사들의 기보와 인터넷 바둑 플랫폼에서 매일 생성되는 기보를 학습할 뿐 아니라 스스로 기보 데이터를 생성하여 학습하는 강화학습 능력을 보유하고 있음. 알파고는 바둑계의 최고수인 이세돌과 커제를 상대로 승리하며 빅데이터 학습을 통해 인간보다 나은 의사결정이 가능하다는 것을 증명하였음.

 

- 빅데이터는 대용량(Volume), 다양한 형태(Variety), 고속 생성/처리(Velocity) 그리고 가치(Value)로 요약되는 4V 특징을 가짐. 대용량 관점에서 빅데이터는 정량적으로 테라바이트 또는 페타바이트 용량을 의미하나 기존 DB의 수집·저장·관리·분석의 한계를 넘어서는 용량이라는 주관적 정의도 가능함. 다양한 형태 관점에서 빅데이터는 정형 데이터뿐 아니라 문서·동영상·이미지·소리 등의 비정형 데이터를 포함함. 고속 생성/ 처리란 고속으로 생성되는 데이터의 실시간 수집·처리라는 기술적 의미가 있음. 가치 관점에서 빅데이터는 유의미한 정보를 내포하고 있음을 뜻함. 알파고를 빅데이터의 특징에 대입해 보면, 이미지 형태의 비정형 기보 데이터를 대용량으로 저장하고 이를 고속으로 학습하여 승률이 가장 높은 착점이라는 가치를 제공함을 의미함.

 

- 바둑 외에도 정확한 의사결정이 필요한 의료·에너지·제조업 등 다양한 분야에서 빅데이터 기술의 접목이 시도되고 있음. 예컨대, 설비고장·제품불량·긴급주문·결품 등의 문제들을 항상 직면하는 제조기업들은 내외 환경의 불확실성 증가로 이를 인간의 힘으로 해결하기에 한계를 보이고 있음. 이에 대한 대안으로, 제조 현장의 이미지·영상·도면·신호 빅데이터를 실시간으로 수집, 분석하여 의사결정에 활용하는 기술이 확산되고 있음.

 

- 그러나, 국내 제조현장에서는 축적되거나 수집 가능한 데이터 종류와 양이 적기 때문에 빅데이터 처리 기술로 해결할 수 있는 의사결정문제가 그렇게 많지 않음. 따라서, 제조기업이 빅데이터 활용 효과를 거두려면 의사결정과 연계한 목적 지향적 데이터 확보가 전제되어야 함.

 

- 본 기고에서는 제조산업 특성에 맞는 지식베이스 설계, 즉 빅데이터 기반의 의사결정 아키텍처 기준 모델을 제시하고자 함. 제조업의 보편적 문제들을 정의하는 의사결정 레벨, 데이터 분석, 최적화 솔루션, 데이터 웨어하우스 등의 인프라 레벨, 의사결정문제 유형별로 관련 데이터와 데이터 소스를 정의하는 데이터 레벨의 3계층으로 구성된 아키텍처를 제시함. 이러한 아키텍처 기준모델은 분야별 전문 SW기업들이 분업 및 협업을 통하여 스마트 제조를 위한 빅데이터 활용 해법의 개발 방향을 설정하는데 도움이 될 것임.