-
지능형사물인터넷(AIoT)은 유틸리티 산업을 어떻게 발전시킬까요?분석 이야기/사물인터넷 2018. 12. 28. 15:01
지능형사물인터넷(AIoT)에 대해 들어본 적 있으신가요? 지능형사물인터넷은 사물인터넷(IoT)을 통해 연결된 스마트 기기 데이터에 인공지능(AI)을 적용하는 것입니다. AIoT가 활성화되면 연결된 기기(커넥팅 디바이스)에서 수집된 정보를 기반으로 머신러닝 학습과 분석은 물론 서비스 제공까지 동시에 이루어질 수 있을 텐데요.
학습과 자동화를 기반으로 사람의 업무 처리 영역을 돕는 인공지능 기술은 경험 학습, 새 입력값(Input)을 통한 조정, 별도의 수동 조작이 필요 없는 업무 등을 수행합니다. 그렇다면 이러한 AIoT가 유틸리티 산업에 적용된다면 어떨까요?
AIoT 기술이 유틸리티 산업에 적용된다면 백 오피스(Back office) 업무 운영부터 드론 기반 라인 시설 검사까지 다양한 분야에 사물인터넷, 데이터 인텔리전스, 알고리즘과 자동화를 통해 엄청난 업무 효율을 얻을 수 있습니다. 하지만 AIoT의 설비 응용을 보다 잘 이해하기 위해서는 현재의 트렌드를 먼저 파악하는 것이 중요합니다.
그렇다면 AIoT 기술을 활용해 유틸리티 효율성을 높이고 비즈니스 목표를 더욱 손쉽게 달성할 수 있는 주요 영역은 무엇일까요? 지능형사물인터넷이 긍정적인 영향을 미칠 수 있는 유틸리티의 5가지 핵심 영역을 소개해드리겠습니다.
그리드 신뢰도: 유틸리티는 전력망 자체에서 사물인터넷 디바이스에 인공지능을 적용해 그리드 신뢰도에 영향을 미치는 이벤트를 모니터링하고 예측할 수 있습니다. 유틸리티는 스마트 라인 센서의 스태틱 데이터(static data) 자료와 드론에서 수집한 이미지를 활용해 사용 중인 데이터나 나머지 데이터에 배치할 수 있는 분석 모델을 구축합니다. 이 때 인공지능을 통해 그리드 장애를 예측하고 자동으로 전력 공급 정지를 완화할 수 있습니다.
에너지 예측: 머신러닝 알고리즘을 활용하면 에너지 수요와 공급을 예측할 수 있을 뿐만 아니라 이를 통해 비용 및 에너지 배출 타깃 내에서 공급 및 거래를 결정할 수 있는데요. 이때 어댑티브(adaptive) 머신러닝 알고리즘은 입력 값이 매우 가변적인 에너지 예측 데이터의 오차를 줄이고 활용 효율성을 높여줍니다.
생산 수율 최적화: 에너지 생산은 생산 자산의 가용성에 따라 달라지는데요. 머신러닝을 통해 유틸리티 산업은 회전 설비(Rotating Equipment)의 가동 시작 및 종료 프로세스를 최적화하고, 성능 저하를 기반으로 향후 필요한 유지 보수를 예측해 예기치 않은 다운타임을 방지할 수 있습니다. 맥킨지 글로벌 인사이트(McKinsey Global Insight)가 발표한 내용에 따르면 “머신러닝은 과거 성능, 다른 풍력 발전소와의 실시간 커뮤니케이션, 그리드 상태, 풍속 및 풍향의 변화를 기반으로 풍력 터빈의 산출량을 최적화하는 데 도움이 된다”고 설명된 바 있죠.
마이크로그리드(Microgrid) 관리: 마이크로그리드를 포함한 분산전원(DER; Distributed Energy Resources)의 통합은 머신러닝 알고리즘 실행에 중요한 기회로 작용합니다. 인공지능을 통해 사물인터넷 디바이스 최적화와 복잡한 연결 조정이 가능하지만, 활용 전 입증되어야 할 필요가 있습니다. 만약 성공적이라면 인공지능과 머신러닝을 활용해 재생 가능한 에너지 자원을 통합하고 오늘날 에너지 그리드에서 겪고 있는 손실을 줄일 수 있습니다.
백 오피스 효율화: 유틸리티 산업에는 새 계정 설정, 지불 방식 결정, 사기 탐지 및 청구 처리를 비롯한 백 오피스 업무들이 필요합니다. 인공지능의 구성 요소인 자연어 처리(NLP; Natural Language Processing)를 사용하면 이러한 업무 처리를 보다 효율적으로 수행할 수 있는데요. 예를 들어, 콜센터에서는 가상 에이전트를 사용해 발신자의 요구 목적을 듣고 파악한 후 서비스 기록을 바탕으로 적절한 에이전트나 온라인 해결 방법을 자동으로 연결할 수 있습니다. 또한 큰 정전 사건 이후의 재산 청구권 분류 역시 자연어 처리를 통해 처리할 수 있습니다. 머신러닝 알고리즘은 비전문적인 손실과 잠재적인 악성 부채를 예측하는 모델을 개선합니다. 인공지능을 적용해 일반적인 사기 탐지를 향상시키는 것과 마찬가지로, 신경망(neural network) 기법을 통해 조달 상태와 업무를 개선할 수 있습니다.
특히 오늘날 디지털화(Digitization), 탈중앙화(Decentralization), 파괴적 혁신(Disruption)이라는 3대 주요 트렌드는 사물인터넷의 활용 가치를 빠르게 높이고 있는데요. 내년에는 인공지능과 사물인터넷이 만나는 접점인 유틸리티 산업에서 더욱 빠른 혁신이 이루어질 것으로 전망됩니다. 유틸리티 분석에 대한 더 자세한 정보를 SAS 웹사이트와 아래 동영상으로 확인해보세요!
▲Powers the Internet of Things (IoT) for Utilities
저자
알리사 파렐(Alyssa Farrell) l SAS 에너지 및 지속가능성 담당 제품 마케팅 매니저(Product Marketing Manager, Energy and Sustainability at SAS)
편집
SAS코리아
'분석 이야기 > 사물인터넷' 카테고리의 다른 글
지능형사물인터넷(AIoT)은 유틸리티 산업을 어떻게 발전시킬까요? (0) 2018.12.28 디지털 트랜스포메이션의 필수 요소, 인공지능(AI)과 사물인터넷(IoT) (0) 2018.12.24 현대 제조업의 필수 3가지 기술! 디지털 트윈, 분석 그리고 사물인터넷 (0) 2018.11.22 사물인터넷(IoT)은 보험 산업을 어떻게 발전시킬까요? ‘인슈어테크’ 실현을 위해 고려해야 할 5가지 과제 (0) 2018.11.09 AI + IoT, 지능형사물인터넷(AIoT) 실현을 위한 핵심 기술과 조건 (0) 2018.10.22 사물인터넷(IoT)으로 진화하는 스마트 그리드 – 에너지 트렌드와 활용 사례 (0) 2018.09.11
