컴퓨터하는 상어

SFAW 2024 참관후기 - MLOps 범람의 시대

상어군 — Sun, 31 Mar 2024 18:06:56 +0900

매년 3월 서울 삼성역 코엑스에서 이루어지는 Smart Factory Automation World(이하 SFAW)는 2015년도부터 진행된 행사이다.

단일 주제는 아니며 "국제공장자동화전", "스마트공장엑스포", "한국머신비전산업전" 및 각종 컨퍼런스가 세부 구성을 이루고 있다.

아래의 그림처럼 다양한 주제의 컨퍼런스를 만나볼 수 있다.

제조업 베이스의 Data/AI 관련 직군이나,

Data/AI 관련 프로젝트를 수행하시는 분들에게는 다양한 사례 및 기술들을 접할 수 있는 기회의 장이다.

제조업이나 제조업을 대상으로 사업하는 IT 회사에 취직을 희망하는 준비생분들도 참관을 적극 권장드린다.

하드웨어부터 소프트웨어까지 정말 많은 내용들이 다루어지기에 최소 2일 방문을 추천드린다.

이번 글에서는 SFAW의 전반적인 내용을 모두 다루는 것이 아니다.

바로 제조업 비전 도메인의 MLOps에 대한 내용을 다루려하며, 이에 대한 글쓴이의 생각을 정리해보려고 한다.

1. MLOps란 무엇일까?

ML 모델의 개발(데이터 분석, 전처리, 모델 구현, 학습 등)의 전반 프로세스와

Ops(모델 배포, 모니터링, 관리, 재배포 등)의 전반 프로세스를 아우르는 방법론이다.

방법론을 실제 쉽게 구현하게 도와주는 것이 MLOps 플랫폼이다.

대표적으로는

GCP Vertax

MS Azure

AWS Sagemaker

Dataiku

DataRobot

등이 있다.

해당 글에서는 이에대해 더 자세히 다루지는 않으며,

대신 읽어보면 해당 내용을 이해 할 수 있는 링크를 달아둔다.

솔루션과 플랫폼의 차이

https://csshark.tistory.com/184

MLOps는 무엇이고 왜 필요한가?

https://csshark.tistory.com/77

2. SFAW 2024에서의 MLOps 플랫폼들

2022년도부터 많은 기업이 MLOps 플랫폼을 공개했으며

2024년도에는 해당 기업들이 자사의 MLOps등을 발전시킨 내용들을 공개했다.

(라온피플, 세이지, AiV, Cognex 등)

해당 기업들을 살펴보면 제조업을 대상으로 솔루션을 제공해주던 회사들이라는 것을 알 수 있다.

"응? MLops나 플랫폼은 구글 같은 기업들에서 하는게 아닌가?" 하는 생각이 드는 분들도 있을텐데.

AI를 적용하고자 하는 분야는 매우 다양하며 수천/수만가지의 다양한 환경들이 존재한다.

또한 제조업에 대해서는 원활하지 않는 네트워크(보안문제 등)과 IT에서 고려되기 힘든 생산 환경등이 존재하며,

이러한 부분에서 기존 글로벌사의 완성도 높은 MLOps 제품들이 한계를 맞이하기도 한다.

많은 솔루션 기업들이 보여주는 대표적인 트렌드는

si성으로 어떠한 솔루션을 만들어 납품해주던 것에서,

비슷한 주제의 여러 프로젝트를 범용적으로 수행 할 수 있는 솔루션을 개발하고,

이러한 솔루션들을 묶어서 자사의 MLOps 플랫폼을 개발하고 있는 상황이다.

그렇기에 MLOps라는 단어는 이제 어느 부스를가도 보이는 흔한 단어가 됐지만,

그 이면의 완성도와 방향성은 정말 천차만별이라는 것을 알 수 있다.

3. 당사의 MLOps의 목적과 타겟은 무엇인가요?

항상 MLOps 키워드가 나오면 글쓴이가 하는 질문이다.

마치 AI가 대두되고 모든 기업이 AI를 외쳤듯이,

현재는 많은 기업들이 MLOps를 외치고 있다.

MLOps는 방법론인 만큼 MLOps 플랫폼이 어떠한 방향성을 가지고 어떠한 문제들을 해결하고자 하는지가 사용자 입장에서는 중요할 것이다.

개발(ML)과 배포 및 운영(Ops)를 제공하는 플랫폼을 도입한다는 것은

프로젝트의 전반적 프로세스가 쉬워진다는 큰 장점을 가져오지만

반대로 프로젝트가 MLOps 플랫폼에 종속된다는 단점도 가져온다.

사실, 플랫폼이 사용자의 니즈와 완벽히 들어맞는다면 이는 단점이 아닐 것이다.

(금액이슈 제외)

각 회사들의 MLOps 플랫폼이 개발 및 서비스 된지 3~5년이 지나서 완숙의 경지에 이르렀다면,

사용자는 완성품을 꼼꼼히 살펴보고 구매할 것이다.

하지만, 한창 개발중이기 때문에 이 방향성을 명확히 파악하지 못한다면 미래에는 다른 플랫폼을 새로 알아보고 있을 수도 있다.

(일이 두배!!)

4. 제조업 비전 분야의 MLOps

수치형 데이터와 이미지 데이터의 프로젝트에서 요구되는 기능들은 비슷하면서도 다르다.

수치형 데이터의 경우에는 명확한 숫자값이라는게 존재하지만,

이미지 데이터에서는 이미지는 명확하나, 여기부터 추가적인 정의를 내려야한다.

제조업에서 비전 도메인으로 MLOps를 도입하려 하신다면 아래의 내용들은 한번쯤 고민해보면 좋겠다.

4.1 오토라벨링

추가적인 정의에는 대표적으로는 라벨링 작업이 있다.

라벨링 작업은 상당한 시간이 소요되는 구간으로 플랫폼의 효용성이 높은 부분 중 하나이다.

그렇기 때문에 비전 분야를 타겟으로 한 MLOps에서는 라벨링 기능이 항상 들어가고 있다.

오토라벨링이라는 단어 또한 우후죽순으로 등장하고 있는데,

각 플랫폼이 어떠한 방법으로 사람의 공수를 최소화 하는지 꼼꼼히 살펴보면 좋을 것이다.

또한, 해당 기능이 구현되기까지 어떠한 선행 조건들이 필요한지 살펴야한다.

※ 사람의 공수가 0에 수렴하는 오토라벨링은 없다. 모두 Semi Auto Labelling이다.

※ 사람의 공수가 들어가지 않게 자동으로 모델이 결함에 B-Box를 쳐줍니다!

단, 해당 모델을 학습시켜야해서 이때는 라벨링을 하셔야합니다 등.

4.2 커스텀 기능

많은 비전 MLOps들이 다양한 전처리와 ML모델을 빌트인으로 제공하고 있다.

이를 통해서 코드를 짜지 않고도 전처리를 수행하고

하이퍼 파라미터 세팅만으로 모델을 학습하고 사용 가능하게 제공해준다.

한두 과제에 대해서만 MLOps를 사용하고 운영한다면 문제가 되지 않지만,

이를 확대전개해나가게 되면 문제가 발생 할 수 있다.

우리도 어떠한 과제가 생길지 완벽히 예측할 수 없듯이

MLOps 개발사도 어떠한 기능을 제공해야하는지 모두 예측할 수는 없다.

이럴때 필요한 기능이 커스텀 기능이다.

제공된 빌트인 모델을 뜯어보는 것은 해당 MLOps 개발사의 노하우가 담긴 코드를 달라는 것이기에 당연히 안되는 부분이다.

단, 해당 MLOps 플랫폼이 요구하는 제약사항을 기반으로 코드를 만들어서 삽입했을 때 돌아가게 하는 기능을 글쓴이는 커스텀이라고 지칭한다.

※ 하이퍼파라미터 등을 커스텀이라고 표현하는 플랫폼들이 있는데 이는 커스텀이 아니다.

비싼돈을 주고 MLOps 플랫폼을 들여오고 상부에도 MLOps 플랫폼으로 회사의 프로젝트들을 관리하겠다고 보고하였는데, 확대전개 할 수록 예외가 되는 프로젝트가 한두개씩 생긴다면 난감할 것이다.

예외 프로젝트들을 구현 및 운영하기 위해 코드 베이스로 구현하거나 타 플랫폼을 도입하면 이에 대한 운영 및 관리가 더욱 어려워 지는 것은 필연이다.

4.3 협업

ML 프로젝트에는 한명이 수행하기도 하지만,

여러명이 참가하여 수행되기도 한다.

MLOps 플랫폼이 제공되는 ML 기능에 집중하여 협업에 대한 내용을 놓치기도 하는데

사실상으로 이 부분도 매우 중요한 기능이다.

플랫폼 내에서 여러명이 프로젝트를 수행 할 때 기존의 로컬 개발환경 대비 어떠한 기능들을 지원하는지 꼼꼼히 챙겨보아야한다.

기존의 깃을 통한 관리 등에서 플랫폼의 GUI 기반의 협업 지원 기능들이 추가되면,

고급개발자들도 편해지겠지만 초급 개발자 및 도메인 전문가(협업하는 현업부서)의 접근성이 매우 용이해질 수 있다.

이는 ML 프로젝트의 사내 확산에 큰 도움이 될 것이다.

MLOps 범람의 시대라는 거창한 제목을 적어놓고

글의 내용은 MLOps에 대한 머릿속 생각들을 마구잡이로 꺼내어 놓은 것 같다.

개인적인 의견으로는 많은 기업들이 자사의 니즈에 맞는 MLOps 플랫폼을 구매해서

프로젝트의 수행 및 관리에 많은 도움을 받았으면 좋겠다.

물론 우리회사도!!

Diffusion Model 기본 개념 공부하기

상어군 — Sun, 17 Mar 2024 19:08:38 +0900

Stable Diffusion이 선보인지 2년이 지난 지금.

뒤늦게나마 해당 모델에 대해서 공부를 시작하려한다.

그 첫번째로 오늘은 Diffusion Model의 개념에 대해서 공부해본다.

관련 자료들을 찾아가며 공부한 내용을 정리한 포스팅으로

잘못된 풀이나 정보에 대한 피드백은 언제나 감사히 받겠습니다.

1. 생성형 모델

생성형 모델은 입력받은 데이터와 유사한 분포를 따르는 새로운 데이터를 생성하는 모델이다.

즉, 데이터의 분포를 학습 한다고 할 수 있다.

기존의 대중적인 생성형 모델로는 GAN, VAE, Flow-based model이 있으며,

모두가 데이터의 분포를 학습하는 모습을 볼 수 있다.

GAN : Generator가 주어진 latent vector로부터 실제(데이터)와 최대한 유사한 임의의 데이터를 생성한다.
Discriminator가 Generator의 결과를 판단하며 서로 상호작용해 학습해나간다.

VAE : Decoder는 Encoder로부터 압축된 저차원 latent vector를 다시 고차원의 원본 데이터로 복원한다.

Flow-based model : f(x)로부터 얻어지는(flow) 고차원의 확률 분포(z)를 비교적 간단히 확률분포로 근사(inverse)하여, 복잡한 확률 분포 p(x)를 모델링 하는 것이다.

https://lilianweng.github.io/posts/2021-07-11-diffusion-models/

2. Diffusion Model 기본 개념

그렇다면 Diffusion Model은 어떠한 개념일까?

원본 데이터(\( x_0 \))에서 T번 만큼 단계적으로 노이즈를 추가하여 확산된(diffusion) 값(z)를 가지게 한다.

이후 값(z)으로부터 T번 만큼 단계적으로 노이즈를 제거하면 다시 원본 데이터(\( x_0 \))를 얻을 수 있다는 개념이다.

https://arxiv.org/pdf/1503.03585.pdf

3. Forward Diffusion Process, 어떻게 노이즈를 주는가?

\( x_0 \) 로부터 \( x_ T \)(또는 z)까지 노이즈를 주는 과정을 Forward Diffusion Process 라고 지칭한다.

먼저, 아래의 그림을 본 이후 마저 설명을 진행하겠다.

(해당 그림은 고려대 산공 DSBA 연구실의 유튜브에서 가져왔는데 아주 설명이 잘 되어있다.)

https://www.youtube.com/watch?v=_JQSMhqXw-4

우리가 먼저 살펴보아야 할 부분은 이것이다.

이전의 상태(\( x_{t-1} \))에서 다음의 상태(\( x_t \))로 넘어갈 때 항상 사전에 정의된 값 만큼의 노이즈가 주입된다.

사전에 정의된 값은 β로 나타나는데, \( {\beta}_0 \) 부터 \( {\beta}_T \) 까지의 값은 일정할 수도 특정 함수(시그모이드 등)를 따를 수도 있다.

https://ko.wikipedia.org/wiki/%EC%8B%9C%EA%B7%B8%EB%AA%A8%EC%9D%B4%EB%93%9C_%ED%95%A8%EC%88%98

이제 T번만큼 β가 주입된다는 것을 알았다.

과연 어떻게 주입되는지에 대해서도 자세히 알아보자.

원본 논문 15페이지에서 그 수식을 찾을 수 있다.

※ 평균 및 분산 기호가 있으면 좋을 것 같아 유튜브 수식도 가져왔다.

https://arxiv.org/pdf/1503.03585.pdf

https://www.youtube.com/watch?v=_JQSMhqXw-4

\( x_{t-1} \)에서 \( x_{t} \)로 가는 확률분포는 \( x_{t-1} \) 의 평균과 분산을 가지는 가우시안 분포(N)이다.

하지만, 노이즈를 포함하게 된다면 평균값이 \( \sqrt{1-\beta_t} X_{t-1} \)이고 분산이 \( {\beta}_t \)인 가우시안 분포를 가지게 된다.

여기서 짚고 넘어가야할 것은 \( x_{t-1} \)에서 \( x_{t} \)로 갈때 확률분포이기 때문에 항상 같은 값을 가진다고 보장할 수 없다.

이는 아래의 코드를 보면 더욱 이해가 쉽다.

https://www.youtube.com/watch?v=_JQSMhqXw-4

기존값( \( x_{t-1} \) )에 \( \sqrt{1-\beta_t} \)만큼을 곱하고

가우시안 분포에 따라서 생성돈 노이즈에 \( \sqrt{\beta_t} \) 를 곱한 후

서로 더해준 값이 \( x_t \) 이다.

torch.rand_like는 가우시안 분포(정규분포)를 따름을 아래 공식문서에서 알 수 있다.

https://pytorch.org/docs/stable/generated/torch.randn_like.html

이렇게 우리는 T번의 반복을 통해 \( x_0 \)로부터 노이즈를 단계적으로 주어

\( x_T \) 즉, z를 만들었다.

4. Marcov 적 특성

자, forward process를 모두 이해했다면,

이제는 Marcov 특성을 한번 짚고 넘어가야한다.

뒤의 Backward process에서는 해당 개념을 알아야하기 때문!

간단하게만 요약하자면,

과거의 과정을 모두 무시하고 현재의 상태만이 이후의 상태에 영향을 미친다는 의미이다.

각각의 확률 분포에 따라서 \( x_0 \) 부터 \( x_{t-1} \)까지 왔지만,

\( x_{t} \) 에는 오직 \( x_{t-1} \) 만이 영향을 미친다는 의미이다.

앞서 사용한 식에서도 자명한 것이

xt를 구할 때 오직 \( x_{t-1} \) 과 \( {\beta}_t \) 만이 사용되었다. ( \( x_{t-2} \) 사용 안됨)

https://arxiv.org/pdf/1503.03585.pdf

5. Reverse Diffusion Process, 어떻게 노이즈를 제거하는가?

Reverse diffusion preocess의 개념은 간단하다.

Forward diffusion process에서의 각 단계별로 적용된 계산을 z로부터 역으로 계산해나가면 다시 원본의 \( x_0 \)를 얻을 수 있다.

즉, 조건부 확률 \( q(x^t|x^{t-1}) \) 로 계산된 값이기에 \( q(x^ {t-1} |x^t) \) 를 알 수 있으면 역계산도 할 수 있다는 의미이다.

하지만!!

우리는 각 단계(t시점)에서 사용된 확률분포 \( q(x^t) \) 를 알 수 없기에 계산이 불가능하다.

그렇기에 등장하는 것이 근사 함수 \( p_{\theta} \left ( X_{t-1} | X_t \right ) \) 이다.

확률분포 \( q(x^t) \)를 알 수는 없지만,

각 단계에서 생성된 \( x^t \) 와 \( x^{t-1} \)을 알고있기에,

이를 활용하여 근사한 \( p_{\theta}(X_{t-1}|X_t) \)를 학습시킬 수 있다.

즉,

\( p_{\theta} \left ( X_{t-1} | X_t \right ) \) \( \approx \) \( q \left ( x_{t-1} | x_{t} \right ) \) 이다.

이렇게 학습된 모델은

관측된 값 \( x^t \) 과 학습된 확률분포 \( p_{\theta} \) 간의 근사함을 계산하며,

이에 대해서 자세히 나타낸 예시는 아래와 같다.

https://www.youtube.com/watch?v=_JQSMhqXw-4

Regularization에서 \( x_0 \) 으로부터 \( z \)까지의 확률분포가 잘 근사되었는지를 반영한다.

Denoising Process에서 각 단계에서 ( x_{t} \) 에서 ( x_{t-1} \)으로 복원하는 확률분포가 잘 근사되었는지 반영한다.

Reconstruction에서 likelihood의 최대값을 통해 얼마나 \( x_0 \)가 잘 복원되었는지를 반영한다.

이때 Reconstruction은 likelihood 개념을 사용하지만 Regularization 와 Denoising Process는 KL-divergence를 사용한다.

KL-divergence는 두 확률분포의 차이를 계산하는 식을 의미한다.

참고문헌

원본논문
https://arxiv.org/pdf/1503.03585.pdf
[Paper Review] Denoising Diffusion Probabilistic Models
https://www.youtube.com/watch?v=_JQSMhqXw-4
초보를 위한 정보이론 안내서 - KL divergence 쉽게 보기
https://hyunw.kim/blog/2017/10/27/KL_divergence.html

AI 서울 2024 참관 후기

상어군 — Thu, 1 Feb 2024 22:32:38 +0900

AI 서울은 서울특별시에서 3회째 운영하는 AI 오픈 디스커션이다.

뭔가 공공기관이 주최한다는 점에서 신선하게 다가왔던 해당 행사는 서울시청의 8층 다목적홀 및 간담회장을 이용해 진행되었다.

크게 6개의 볼거리가 있으며 자세한건 아래와 같다.

기조연설
Track 1 : 국내외 AI 트랜드 전망
Track 2 : IR 세션(오픈이노베이션, 캡스톤 발표 등)
Track 3 : 기술세션(국외 저명 컨퍼런스 제출작 소개)
포스터세션 : (국외 저명 컨퍼런스 제출작 포스터 발표)
스타트업세션 : 스타트업 홍보부스

이중에서 내가 참관하여 들었던 내용들을 간단히 정리해보고, 나의 생각을 정리하는 글을 써보려 한다.

1. 기조연설

1.1 글로벌 AI 트랜드 전망 - Stuart Russell 교수님

AI(인공지능)이란 사람이 지정한 목표를 달성하기 위해 학습된다.

최근에는 General AI(범용 인공지능)이 화두에 오르고 있다.

많은 분야에서 AI가 과대평가되고 있는 경향이 있다.

AI를 통해서 규모를 키우고 비용을 절감하며 삶의 질을 향상시킬 수 있다는 기대가 있다.

이러한 부분들을 위해 General AI 개발에 노력을 가하고 있다..

범용 AI가 실현되었을 때, 우리는 이것을 어떻게 통제할 것인가?

목표가 정확하게 설정되지 않은 AI는 높은 성능은 보이지만, 옳지 않은 모델일 수 있다.

그렇기에 지식 기반의 모델보다는 수리 기반의 모델을 써야한다.(인간을 돕도록 설계된)

AI는 사람이 목표를 이루도록 도와주는 수단으로써,

AI가 자체적으로 목표를 세우게 하면 안되고 최종 통제권은 사람이 가지고 있어야 한다.

AI를 안전하게 만드는 것이 아닌 안전한 AI를 만들어야 한다.

이를 위한 AI에 대한 국제적 규제가 필요하다.

(인간에게 위해를 끼칠 경우 삭제되는 등)

러셀 교수님이 말씀하는 내용을 완벽히 이해했는지는 자신하지 못하지만,

핵심 내용으로는

AI 윤리에 대한 내용이 핵심 키워드로 보인다.

AI기술이 급격히 발전하고 이제는 본격적으로 현실에 적용되는 시기인 만큼.

AI가 악용/남용되지 않고 옳게 쓰이기 위한 국제적인 움직임이 필요하다는 의미인것 같다.

AI가 인류에게 위협을 끼치는 내용은 수많은 영화와 드라마에서 다룬만큼 한번쯤은 생각해 봤을 이야기로,

최근 로봇이 급부상하는 만큼 러셀 교수님이 우려하던 일도 우리에게 곧 일어나봄직한 일이지 않을까

인간의 목적 달성을 보조하는 수단으로써의 AI를 말할 때,

불안정한 지식기반 모델보다는 강건한 수리기반 모델을 사용해야한다는 말이 있었는데, 내가 완벽히 파악하지 못해 기술하지 않았다.

1.2 국내 AI 트랜드 및 전망 - 장병탁 교수님

과거의 AI는 알려준 지식 이상으로 똑똑해질 수 없었다.

그러나, 현재에는 AI가 전자화된 세상으로부터 스스로 학습할 수 있게 되었다.

인공지능 이전의 모델(패턴인식 등)은 예측하고자 하는 것의 특징을 사람이 직접 찾아서 알려주었다면,

지금의 인공지능에서는 사람이 데이터만을 준비하고 특징을 찾는 것은 모델이 직접 수행하고 있다.

이러한 상황은 어떠한 문제를 풀기위해 2~30년이 걸렸던 과거에 비해서,

현재는 2~3년이면 문제가 풀리고 있다고 한다.

최근에는 거대모델들이 등장하면서 더욱 다양한 일들을 AI가 해내고 있다.

이러한 거대모델에도 한계는 존재하는데 바로 입력 데이터 포맷의 한정성이다.

문서, 이미지, 음성과 같은 데이터만을 받아 들일 수 있고,

사람과 같이 직접 물을 마시거나 맛보는 등의 일은 할 수 없다.

이러한 실제 세계와의 괴리 때문에 AI을 할루시네이션과 같은 문제를 내포한다.

그 다음의 단계로는 Embodied Inteligenced AI라고 생각하는데,

로봇등의 어떠한 매개체를 가져서 AI가 직접 현실세계에서 데이터를 수집 할 수 있게 되는 단계이다.

AI 로봇이 직접 의자를 들어보고 무게를 판단해서 인지한다면,
더욱 실세계에 밀접한 데이터를 수집 할 수 있을 것이다.

수치형 데이터 기반의 과제를 수행할 때 항상 따라오는 어려움은, 이 데이터가 정말 해당 이슈의 모든 정보를 내포하고 있는지 였다.

같은 의미로 AI가 점점 일상으로 들어왔을 때 사람과 같이 행동하기 위해서는 사람과 비슷한 수준의 데이터가 필요할텐데,

지금과 같은 한정적인 데이터 포맷만으로 가능할까 하는 생각이 들었다.

로봇등의 매개체로 AI가 직접 현실의 데이터를 모은다니, 전혀 생각도 못해본 부분이었다.

제조산업에서는 어떻게하면 넘처나는 데이터에서 노이즈를 제거하고 양질의 데이터를 발라낼 수 있을까 고민한다면,

범용 분야에서는 어떻게하면 사람과 같은 인지 데이터를 얻을 수 있을까 고민 하게되어 점점 양극화가 되지 않을까 하는 생각도 해보았다.

**2. AI * 공공혁신의 오늘과 내일(산업분야)**

2.1 산업혁신 AI 연구개발 추진방향 - 이현규 PM

인공지능의 오해

AI 사업 관점

AI를 통한 문제해결에 대해서 과도한 기대감들이 있다. (AI니까 모든게 해결되겠지)
기존의 도메인에 AI라는 기법이 접목되는 것이지 만능이 아니다.

서비스 관점

AI를 활용한 만큼 기존과의 차별성을 요구하는 경향이 있다.

아이디어 자체는 과거부터 많이 제안되어 왔다.

중요한것은 옳은 시점에 적절한 기술이 사용되는 것.

과거 시도되거나 실패한 기법일지라도, 지금은 매우 적절한 기법일 수 있다.

인력양성 관점

모델 설계 및 개발에 인력이 집중되고 있다.

실질적으로 프로젝트를 수행하면 모델보다는 데이터를 잘 이해하는 것이 더욱 중요하다.

따라서, AI가 적용 대상인 곳의 도메인 전문가가 꼭 과제를 함께 수행해야한다.

기존까지 AI에 대해서 혁신기술에 집중되었다면,

지금은 양산화(저가화) 해야한다.

누가 먼저 기술을 산업에 잘 응용/적용 하여 경쟁력을 올리는지가 중요하다.

컴퓨터과학과를 나와서 제조업에 발을 들이게 된 입장으로써 너무나도 마음에 와닿는 말들이었다.

기존에 사람의 손으로 또는 기존의 알고리즘(룰베이스 등)으로 이루어지고 있는 문제에 대해서 AI기반의 과제를 수행하게 된다면 정말 많은 기대감이 쏟아진다.

기존의 연구원들이 AI만을 안썼을 뿐이지 그전의 여러 기법들을 통해서 이리저리 시도했으나 안되었던 부분들이 AI라는 이름하에 모두 해결 될 것으로 기대된다.

이러한 기대감들을 실제 과제의 수행속도와 그들이 기대하는 진행 속도와의 괴리를 가져오기에 많은 소통 오류의 원인인것 같다.

또한 차별성도 비슷한 맥락이었다.

처음부터 AI를 활용한 과제를 수행하는 것이 아닌, A라는 문제를 해결하기 위해서 이러저러한 기법들을 테스트 해볼 경우에는 꼭 AI모델로 해주세요라는 요청이 들어오곤 한다.

때로는 AI와 고전기법들이 유사한(때로는 더 나은) 성능을 가져오기도 하는데 말이다.

인력양성 관점에서는 사실 할말이 없기는 하다.

나조차도 석사때 어떻게 하면 모델을 더 잘 만들 수 있을까, pytorch를 잘 쓸 수 있을까 고민하고 공부했던 시절이 있기 때문이다.

그러나 실제 프로젝트를 해보면 요구사항을 분석하고 도메인을 공부하는 시간이 훨씬 많으며 모델 개발은 정말 찰나인것 같다.

데이터를 이해하고 분석하고 모델결과를 다시 분석하는데 많은 시간을 들이게 되며, 실질적으로도 더 재미있다.

(진짜 요즘은 요구사항 분석하는 과정이 제일 재미있다.)

혹시나 이글을 보는 학석분들이 계시다면, 요구사항 분석과 데이터 분석이 너무나도 중요하다는 말을 하고싶다!!

AWS 웹 서비스 - 김기병 매니저

최근 생성형 AI(General AI)가 대두되고 있다.

생성형 AI는 일반적인 데이터를 기반으로 학습되어서, 빠르게 변화하는 기업용 어플리케이션을 만들기는 어려운 점이 있다.

(보안, 정책 이슈 등도 있다.)

생성형 AI의 핵심은 데이터에 대한 효과적이고 유연한 접근이다.

이것이 보장되어야 생성형 AI를 빠르게 필요한 도메인의 데이터로 파인튜닝 시킬 수 있다.

여행사라면, 프로모션 정보와 고객의 여행 정보를 통해서 더욱 적합한 해답을 줄 수 있을 것이다.

생성형 AI를 성공적으로 안착시키려면, 데이터 중심 조직이 필요하며,

구축 난이도를 낮춰줄 플랫폼과 보유 데이터의 차별화 그리고 이를 통한 생산성의 향상(고효율 저비용)을 가져와야한다.

발표자들의 회사가 모두 플랫폼 사업을 하는 기업이기는 했지만, 이제는 모든 분야에서 플랫폼의 중요성에 대해 언급하는 것 같다.

국내외 기업들이 수많은 플랫폼을 출시하고 홍보하고 있지만, 과연 회사의 내부 구조와 업무 프로세스 그리고 여러 보안 정책들이 플랫폼을 당장 들여오기에는 많은 합의점이 필요해보인다.

앞으로는 얼마나 잘 회사와 플랫폼을 잘 융합하는지가 또하나의 성공 포인트가 아닐까?

IR세션과 기술세션도 있지만, 아쉽게도 몸은 하나이기에 모두 듣지는 못했다.

그럼에도, 들어간 세션마다 좋은 인사이트를 얻을 수 있었던 컨퍼런스였다.

앞으로도 기술적/정책적/다양한 분야에서의 AI 관점의 여러 행사들을 참석해서 하나의 시각으로 굳어지는 것이 아닌, 넓은 시야를 가지도록 해야겠다.

CES2024 참관후기 지속가능성(Sustainability)이란 무엇인가.

상어군 — Sun, 21 Jan 2024 16:45:46 +0900

좋은 기회가 생겨서 CES2024에 참가하게 되었다.

AI와 스마트팩토리에만 관심이 있었던 나에게, CES2024에서 가장 핫한 키워드로 외쳐진 지속가능성이라는 단어는 벌써 세상의 트렌드가 다르게 흘러가고 있구나라는 경각심을 주었다.

해당분야에 대해서 CES를 통해 급하게 알아갔던 내용들에 대해서 정리겸 포스팅을 해본다.

0. 서론

1월 9일부터 1월 12일까지 미국 라스베가스에서 CES2024가 개최되었다.

CES의 뜻은 세계가전박람회이지만, 현재는 가전제품 뿐만이 아니라 소비자가 접할 수 있는 모든 제품으로 확장된 느낌이다.

대표적으로는 모빌리티 분야가 CES에 꾸준히 참석하고 있으며, 중공업 계열의 회사들 또한 CES에 참석하고 있다.

CES2024 공식 홈페이지

이번년의 슬로건으로는 All together All-On으로 모두를 위한 모든 기술의 활성화라는 의미를 담고 있다.

그에 따라서 Topic 또한 25개로 굉장히 다양한 것을 볼 수 있다.

이 Topic들에 분야/기술/방향성에 대한 단어들이 혼합되어 있는데, 이는 25개 종류에 대하여 각각 전시/발표들이 이루어지는 것이 아니라 참여기업들이 공통적으로 언급한 topic이 아래의 25개라고 이해하는 것이 맞는것 같다.

그 중에서도 가장 눈여겨 보아야 할 부분은 지속가능성( Sustainability , 그림 우측하단에서 4번째)이다.

이번 CES에 참석한 모든 기업이 해당 Topic을 포함한다고 해도 과언이 아닐 정도로 가장 핫했던 제 1 topic이였다.

CES2024 공식 홈페이지

1. 지속가능성이란

그렇다면 지속가능성이라는 것은 무엇일까?

사람에 따라서, 분야에 따라서 굉장히 다른 의미를 가질 수 있겠지만 글쓴이는 CES2024를 참관하고서 "사람과 지구의 지속가능성"이라고 이해하였다.

꾸준히 발전해나가는 기술력 속에서 단순히 이점만을 얻는 것이 아니라 사람과 지구가 지속되면서(어떠한 피해를 입지 않으면서) 새로운 이점을 얻어나가는 의미 말이다.

사람과 지구에게의 어떠한 피해라는 것은 굉장히 광범위하며 그렇기에 기존의 업종에 상관없이 모든 기업이 이에대해 엮여있고 고민해야한다는 의미가 된다.

아래에서는 각 분야의 기업들이 제시한 지속가능성에 대해서 알아보겠다.

2 탄소중립(넷제로)

탄소중립은 지속가능성 중에서 가장 긴 역사를 가진 단어라고 생각한다.

2000년대 초반에는 온실가스라는 이름하에 우리에게 지속적으로 노출되어 왔으며,

이제는 탄소중립이라는 이름으로 우리에게 노출되고 있다.

1997년 쿄토의정서에서 채택된 6개의 온실가스(이산화탄소, 메탄, 아산화질소, 수소불화탄소, 과불화탄소, 육불화황) 가 있으며, 2022년에 시행된 탄소중립기본법에서도 6대 온실가스에 대한 상쇄를 정의하고 있다.

따라서, 탄소중립(또는 넷제로)은 이산화탄소 뿐만이 아닌 온실가스에 대한 순배출량 0을 만드는 것으로 이해 할 수 있다.

※ 순배출량 = 배출량 - 흡수량

그렇다면 탄소 순배출량을 줄이는 방법으로는 배출량 자체를 줄이거나 흡수량을 늘리는 방법이 있을 것이다.

2.1 배출량의 감소

재료 리사이클링

플라스틱, 철근 등의 제품에 필요한 재료들의 재활용이 가장 많은 기업이 보여주고 있는 배출량 감소의 해결책이었다.

현대차, 삼성, LG, SK 부스 모두 재활용 재료의 활용에 대해서 전시하고 있었다.

AI를 활용한 자원사용 최소화

설비 운영 스케줄링 및 제품 생산 스케줄링 최적화, 최적화된 필요 자원사용 등 자원 및 에너지가 들어가는 여러가지 상황에 대하여 AI기반 최적화로 소비되는 자원/에너지를 최소화하겠다는 관점이다.

삼성/LG의 IoT 기반 가전들의 중앙집중적 제어로 최소 전력으로 최대의 효율을 내는 스마트홈, 월마트의 물류 최적화 등이 있다.

최적화 과제들을 보면서 시간 및 비용 감소의 측면으로만 보았는데, 관점을 돌려 생각해보니 지속가능성으로도 볼 수 있겠구나라고 생각했다.

2.2 흡수량 증가

부생가스 활용

부생가스는 공정과정에서 생성되는 부차적인 가스로써 이 가스들을 다시 활용하겠다는 의미이다.

대표적으로는 제철소의 부생가스를 활용하여 그린수소를 만드는 것이 있다.(현대차 부스)

3. 그린에너지

그린에너지는 에너지가 생성되는 과정에서 탄소가 들어가지 않고 생성된 에너지를 의미한다.

대표적으로 시간이 지남에 따라서 재생이 가능한 자원으로부터 생성된 에너지인 재생에너지가 있으며

다른 목적을 위한 프로세스 등에서 부차적으로 발생한 자원을 활용한 에너지도 있다.(ex 부생가스 등)

3.1 그린에너지 생성

현대차 부스에서는 수소사회 구축을 위한 그린수소 생성에 대해서도 언급하고 있었다.

하수처리장 폐기물에서 발생하는 바이오가스를 활용한 청정수소 생성 및 제철공장에서의 부생가스 기반 청정수소가 그 예시이다.

자세하게 언급되지는 않았지만, HD현대의 기조연설에서도 풍력발전등의 그린에너지 생성환경 구축을 통한 현장으로의 그린에너지 공급 파이프라인을 구축할 것이라는 발표가 있었다.

두산그룹의 경우 수전해 시스템을 활용한 그린수소 생성 기술을 발표했다.

3.2 그린에너지 사용

많은 기업이 그린에너지를 사용하기 위한 제품 및 컨셉을 선보였다.

대표적으로 모빌리티 분야에서 여러 전동화 모델의 컨셉 및 신제품 공개가 있었으며

중장비 분야에서도 전동화 중장비들에 대한 공개가 있었다.(두산, HD현대)

두산의 경우 발전등의 목적으로 활용하기 위한 수소터빈의 계획을 발표하고

현대차의 경우 수소 브랜드인 HTWO를 발표했다.

3. 안전

갑자기 지속가능성에서 탄소중립 이야기를 하다 안전이라는 단어를 보면 굉장히 어울리지 않는 느낌을 받을 수 있다.

그러나 앞서 말했듯이 사람 관점에서의 지속가능성에서는 사람의 안전이 당연히 포함되어 있을 것이다.

특히, HD현대에서 기조연설에서 발표한 내용을 기반으로 지속가능성의 안전에 대해서 작성해본다.

3.1 무인화

매년 작업현장에서 많은 인명사고가 발생하고 있다.

HD현대에서는 기존의 작업현장의 변화를 말하며 무인화를 그 방안중 하나로 내세웠다.

사람이 직접 장비에 앉아서 조정하는것이 아닌 원격으로 접속하여 조정하는 것이다.

사람이 현장에 존재하지 않으니 인명사고는 당연히 없을 것이며, 장비 또한 더욱 효율적인 설계를 할 수 있을 것이다.(사람의 탑승석이 고려되지 않으니)

또한, 각각의 중장비들이 하나의 플랫폼에서 중앙집중적 관리됨으로써 서로간의 위험거리를 침범하면 멈추게하는 등의 안전적 기능들을 추가하여 안전한 현장을 만들 수 있다는 컨셉이였다.

현장의 모든 부분을 무인화 할 수 없겠지만, 최대한 많은 부분을 무인화로 가져가게 된다면 안전성을 크게 올릴 수 있을 것이며, 자율주행보다는 훨씬 가까운 미래에 가능할 것 같다는 느낌이 들었다.

4. 마치며

CES2024에서 정말 많은 내용들이 있었지만, 포스팅의 메인 주제로 지속가능성을 가져온 것은 정말 이게 메인 트렌드라고 느꼈기 때문이다.

얼마전까지 모두가 외치던 AI의 적용에 대해서는 이제는 기본 사양이 되었고 탄소중립을 위한 지속가능성에 집중하는 모습으로 보인다.

(당연히 본 분야에 대한 기술발전은 기본이다.)

탄소중립에 직접적인 관련이 없는 팀에서 근무중이라 아직까지는 큰 체감이 없지만,

근시일 이후에 관련 프로젝트들이 많이 생기고 운영되지 않을까 생각한다.

모두가 파이썬과 AI에 대해서 관심을 가져주었듯이 다음에는 우리가 지속가능성에 관심을 가져야하는 차례일까.

[여행] 미국 라스베가스 오쇼 예약방법(벨라지오 호텔)

상어군 — Thu, 11 Jan 2024 01:00:24 +0900

라스베가스를 방문하게 될 일이 생겨서 오쇼를 예약하면서 알게된 정보를 정리해본다.

직접 조사한 내용들로 정확하지 않을 수 있고, 시간이 지남에 따라서 변경되었을 수 있다.

0. 오쇼 정보

공연장	벨라지오 호텔
공연시간	수-일 19:00/21:30 (목,금 휴무)
관람시간	90분(1시간 30분)
관람 연령대	만 5세이상

1. 오쇼 예약하기

카쇼의 예약은 벨라지오 호텔 공식 홈페이지 또는 베가스 닷컴에서 하는 것이 가장 좋다.

그 이유는 아래와 같다.

- 벨라지오 호텔 회원가입 할인(상시로 되는 것인지는 모르겠다.)

- 베가스 닷컴의 할인(이것도 날짜별로 다른것 같다.)

- 좌석 지정 가능
(클록같은 곳에서는 구역 지정만 가능하고 좌석 지정이 불가능하다.)

벨라지오 호텔 공식 홈페이지와 베가스 닷컴의 가격은 날짜별로 상이하기 때문에 비교해보고 더 싼 곳으로 가자!!

필자가 예약한날은 호텔 공식 홈페이지 가격이 좀더 쌌다.

두 예약 페이지는 아래와 같다.

벨라지오 호텔 공식 홈페이지

이 호텔도 MGM 계열인건지 같은 홈페이지를 쓴다

https://bellagio.mgmresorts.com/en/entertainment/o-by-cirque-du-soleil.html

O Bellagio - Theater Production | O by Cirque du Soleil Bellagio - Bellagio Hotel & Casino

bellagio.mgmresorts.com

베가스 닷컴

https://www.vegas.com/iv2/las-vegas-shows/597/o-by-cirque-du-soleil/dates/

www.vegas.com

2. 벨라지오 공식 홈페이지에서 카쇼 예매하기

2.1 회원가입하기

회원가입을 할 경우 할인을 받을 수 있기 때문에 먼저 회원 가입을 해준다.

※ 결재가 자꾸 오류가 날 경우 주소를 미국으로 설정하면 해결된다는 글들이 있었는데, 필자는 한국으로 설정했음에도 잘 결재가 됐다.

※ MGM 호텔과 같은 계열인지, 홈페이지가 동일하다. 즉, 한번 가입하면 카쇼 또한 구매가 가능하다.

2.2 날짜/좌석 고르기

먼저 날짜를 골라주고

인원도 골라준다.

그다음은 좌석을 골라준다.

그럼 아래와 같이 상세 금액이 나타난다.

베가스 닷컴에서는 903달러 + Fees 인걸 볼 수 있다.

2.3 티켓 확인하기

벨라지오 공식 홈페이지에서 Sapphire 버튼을 누르고 Trips 항목을 선택해준다.

※ MGM 홈페이지랑 동일하기에 예시는 MGM 호텔/ 카쇼로 든다.

아래의 페이지로 들어와지는데, View Itinerary 버튼을 누른다.

이번에는 아래에서 View Details 버튼을 누른다.

그러면 아래와 같이 View Tickets 버튼을 눌러서 티켓을 확인 할 수 있다.

뭔가 엄청 복잡하게 들어온거 같은데, 더 간단한 방법이 있을 것도 같다.

[여행] 미국 라스베가스 카쇼 예약방법(MGM호텔)

상어군 — Tue, 9 Jan 2024 01:00:24 +0900

라스베가스를 방문하게 될 일이 생겨서 카쇼를 예약하면서 알게된 정보를 정리해본다.

직접 조사한 내용들로 정확하지 않을 수 있고, 시간이 지남에 따라서 변경되었을 수 있다.

0. 카쇼 정보

공연장	MGM 호텔
공연시간	토-수 19:00/21:30 (목,금 휴무)
관람시간	90분(1시간 30분)
관람 연령대	만 5세이상

1. 카쇼 예약하기

카쇼의 예약은 MGM 호텔 공식 홈페이지 또는 베가스 닷컴에서 하는 것이 가장 좋다.

그 이유는 아래와 같다.

- MGM 호텔 회원가입 할인(상시로 되는 것인지는 모르겠다.)

- 베가스 닷컴의 할인(이것도 날짜별로 다른것 같다.)

- 좌석 지정 가능
(클록같은 곳에서는 구역 지정만 가능하고 좌석 지정이 불가능하다.)

MGM 호텔과 베가스 닷컴의 가격은 날짜별로 상이하기 때문에 비교해보고 더 싼 곳으로 가자!!

필자가 예약한날은 MGM 호텔 공식 홈페이지가 훨씬 쌌다.

두 예약 페이지는 아래와 같다.

MGM 호텔 공식 홈페이지

https://mgmgrand.mgmresorts.com/en/entertainment/ka-cirque-du-soleil-show.html

KA by Cirque du Soleil - MGM Grand Las Vegas

mgmgrand.mgmresorts.com

베가스 닷컴

https://vegas.vdvm.net/tripbon_ka

KÀ by Cirque du Soleil - Showtimes & Reviews | Vegas.com

"KÀ" by Cirque du Soleil is the troupe's first production to feature a cinematic story line while maintaining flawless imagery, music, martial arts and incredible acrobatics.

www.vegas.com

2. MGM 공식 홈페이지에서 카쇼 예매하기

2.1 회원가입하기

회원가입을 할 경우 할인을 받을 수 있기 때문에 먼저 회원 가입을 해준다.

※ 결재가 자꾸 오류가 날 경우 주소를 미국으로 설정하면 해결된다는 글들이 있었는데, 필자는 한국으로 설정했음에도 잘 결재가 됐다.

2.2 날짜/좌석 고르기

먼저 날짜를 골라주고

인원도 골라준다.

원하는 좌석을 선택하면 아래와 같이 가격이 나타난다.

161달러에서 할인해서 128달러에 팔고 있다.

단, 부과세가 별도이니 방심하지 말자.

동일한 날의 베가스 닷컴에서의 가격은 아래와 같았다!

이 가격또한 부과세는 별도이다.

2.3 티켓 확인하기

MGM 공식 홈페이지에서 Sapphire 버튼을 누르고 Trips 항목을 선택해준다.

아래의 페이지로 들어와지는데, View Itinerary 버튼을 누른다.

이번에는 아래에서 View Details 버튼을 누른다.

그러면 아래와 같이 View Tickets 버튼을 눌러서 티켓을 확인 할 수 있다.

뭔가 엄청 복잡하게 들어온거 같은데, 더 간단한 방법이 있을 것도 같다.

제조업에서 사람의 눈을 컴퓨터비전으로 대체하기 위한 체크포인트

상어군 — Sun, 17 Dec 2023 16:00:30 +0900

소프트웨어 회사에서 1년, 제조업에서 2년을 보낸 주니어 데이터사이언티스트입니다.

그동안 제조업에서 여러 컴퓨터비전 과제를 수행하면서 요구사항 분석부터 시스템화까지 여러 일들을 겪었는데,

그중 컴퓨터비전 과제를 하기 위해서 체크해야하는 부분들을 작성해봅니다.

제조업 전반이 아닌 저희 회사만의 문제일수도 있고, 맞지 않는 내용일 수 있지만 저의 생각을 정리하는 피드백이나 조언이 있으시다면 언제든지 환영합니다.

0. 시작하며

많은 기업들이 앞다투어서 AI를 자사의 도메인에 적용하고 있다.

AI가 적용되는 수많은 프로젝트들은 크게 두가지로 나눌 수 있다.

기존에 사람이 하던 일은 대체하는 것과 새로운 일을 하는 것.

기존에 사람이 하던 일이라는 것은 이미 해당 기업에서 필요성이 합의되어 수행되던 일로

AI로 대체시에 효율(비용이나 시간 인력 등)이 합리적으로 증가한다면 과제의 성립 가능성은 급격히 높아진다.

실제로도 최근 제조업에서 적용했다고 뉴스에 나오는 많은 과제들은 기존에 사람이 하던 일을 대체하는 것에 대해서 발생했다.

오늘 글에서는 제조업에서 사람이 하던 일을 컴퓨터비전으로 대체할 때, 어떠한 부분을 짚고 넘어가야하는지 적어보겠다.

1. 사람의 인지능력과 컴퓨터비전의 성능에 대해서 명확히 구분하기

기본적으로 컴퓨터 비전도 AI의 범주에 들어가기 때문에, 막연히 사람들은 사람에 대비해서 훨씬 높은 성능을 보여줄 것이라 기대한다.

수치형 데이터에서 60개의 독립변수가 주어졌을 때 사람보다 AI모델이(주로 머신러닝 모델) 훨씬 좋은 결과를 보여줌에 비해서,

컴퓨터비전에서는 한장의 이미지가 주어졌을 때 AI모델에 비해서 사람이 결코 낮은 결과를 보여주지 않는다.

많은 케이스에서 사람이 훨씬 더 좋은 성능을 보여준다!

요즘 LLM이 방대한 양의 데이터로 어마무시한 학습을 하여 여러 인과관계를 포함한 양질의 결과를 보여줌과 같이,

사람도 평생동안 보고 듣고 배워온 내용을 기반으로 알게모르게, 해당 이미지에서 얻을 수 없는 정보를 추가적으로 활용하여 판단에 사용하고는 한다.

실제로 많은 현장의 작업자 분들께서 CCTV의 어떠한 장면을 놓고 단번에 어떠한 상황인지 맞추시며, AI 모델도 동일한 성능을 가지기를 원하신다.

그러나, 이는 해당 현장에 대한 많은 경험과 CCTV 장면 외에도 여러 앞뒤 추가적인 상황을 본인이 알고 있는 상태에서 내리는 판단이다.

단순히 CCTV의 데이터를 기반으로 학습된 모델은 이러한 결과를 절대 도출해 낼 수 없다.

과제가 제안됐을 때 요구사항에 대하여 명확히 분석하여 실제로 해당 데이터를 기반으로 처리 가능한 문제인지, 현장의 또다른 데이터(또는 경험)이 필요한 문제인지 파악해야한다.

만약 해당 데이터로 불가능하다고 판단되면 필요한 데이터가 무엇인지 파악 및 요청하거나, 과제의 범위를 줄여야 한다.

모든 과제에서 요구사항 분석을 함에 있어서 이러한 부분이 제일 많이 나오는 이슈인것 같아 첫번째로 작성한다.

2. 컴퓨터비전에서의 명확한 정답 구성하기

수치형 데이터와는 다르게 영상(또는 동영상)에서의 정답지는 명확하지 않을 수 있다.

ex) 제품의 탄 정도를 1~5단계로 나눌 때 각 단계의 경계는 어떻게 구하는가?

RGB값에 기반하기에는 사진별로 해상도가 다르고, 음영 정도나 조명색이 일정하지 않다면?

실제로 품질관련해서 여러 단계의 분류가 있지만, 각 단계의 경계에 놓인 데이터는 작업자의 판단과 현장에 따라서 위아래 단계를 이동하기도 한다.

또다른 예로는 동일한 유형이지만 이전공정에서 재질이나 방식의 차이로 결함명이 달라지기도 한다.

ex) 동일한 모양의 무릎 찰과상이지만 축구하다 다쳐오면 A1 결함이고 농구하다 다쳐오면 A2 결함 이다.

이러한 상황들을 해결하기 위해서는 소프트라벨링을 활용하거나, A1/A2 결함을 모델에서는 동일한 A결함으로 분류하고 후처리 알고리즘을 적용하는 등 상황에 맞는 처리 방법을 고안해야한다.

이미 현장에서 사용되고 있는 여러 지표(품질 등)가 컴퓨터비전의 모델과 맞지 않는 경우가 있기 때문에, 이러한 부분을 잘 살피고 지표 및 정답셋을 재구성 할 필요가 있다.

3. 데이터의 예외 사항 파악 및 개선하기

제조업에서 과제를 수행하면서 느낀점은 정말 데이터의 예외사항 처리가 중요하다는 것이다.

구글에서 발표한 Garbage in, garbage out이 여실히 느껴지는 부분인데, 공장이라는 특성상 정말 수많은 예외사항이 발생하기에 이를 꼭 파악하여야한다.

평상시에 정확도 100%를 달성한다고 하여도 이러한 상황에서 여러 에러가 발생하기 시작하는 순간 현장에서의 모델 신뢰도가 급격히 낮아질 수 있다.

3.1 데이터 수집 환경에 대한 예외 사항

촬영 대상이 아닌 촬영 환경에 대한 케이스 들이다.

간략하게 예를 들면 아래와 같은 일이 발생한다.

분진으로 인한 점진적 CCTV 화질 감소(렌즈에 점점 먼지가 앉음)
공장 진동으로 인한 순간적 화면 흔들림
제품 등에 광원이 반사되어 일시적으로 화이트 아웃 현상 발생
연기 등이 발생하여 촬영지 가림
작업자 또는 타 기계가 카메라 건듦으로 인한 각도 변경
정전
라인 환경 개선 공사로 구조물 변경

이 외에도 작업 환경에 따른 여러가지 예외사항이 발생하며, 이를 파악하기 위해서는 현장의 작업자들과 소통하고 많은 데이터를 직접 확인해보는 수밖에 없다.

또한 해당 사항의 발생에 대비하기 위해서, 추가적인 알람 알고리즘 구축이나 포커싱 위치 자동 변경 등을 고려해 보아야한다.

3.2 촬영 대상에 대한 예외 사항

흔히 우리가 배우는 데이터에서의 예외사항(이상상황)이라고 할 수 있다.

생산계획, 안전이슈 등의 여러 이유로 언제든지 촬영 대상에 대한 내용이 변경될 수 있기 때문에 이에 대한 대비를 해야한다.

제조업에서 제품의 생산에 직접적으로 관여하지 않는 이상, 대다수의 컴퓨터비전 모델(모니터링 등)은 고려대상이 아니기에 갑자기 에러메시지가 주르륵 뜬 후에 확인해보면 작업 프로세스가 변경되었거나 하는 상황을 마주할 수도 있다.

보수 공사
작업 프로세스 변경
생산 이슈 발생
제품 종류 변경

3.3 위의 예외 사항 개선하기

앞서 나온 예외사항들을 소프트웨어 적으로 해결하기에 앞서서 하드웨어적으로 해결 할 수 있다면 가장 좋다.

탐지 대상이 잘 안보인다면 유색 및 형광색 등의 제품으로 변경 할 수 있는지?

기존에 사람들이 모니터링 하기 좋게 세팅된 CCTV의 각도 및 화질에 대해서 컴퓨터비전 모델에 맞게 설정치를 변경한다던지?

(저장용량으로 사람이 알아볼 수 있을 정도의 해상도만 유지하던 곳에서 과제를위해 해상도 최대 상승 및 인지범위 확대를 위한 광각으로 변경 등)

최대한 물리적으로 해결 할 수 있는 부분을 처리한 후에 나머지는 소프트웨어적으로 처리하는게 가장 좋다.

[글또] 글또 9기를 시작하며 다짐하는 글

상어군 — Wed, 6 Dec 2023 22:51:17 +0900

0. 다시 시작 된 글또, 벌써 9기라니?

글또 9기가 시작됐다.

벌써 24년이 다가오고 있다는 것이다.

글쓰는 모임이 있다는 지인의 소개에 7기부터 합류하게 됐는데 그게 벌써 2년 전이라니...

이번에도 어김없이 9기를 시작하며 다짐글을 작성해 본다.

1. 7,8기의 글또에서 나는 무엇을 얻었는가?

글또에 참가함으로써 내가 얻었던 것 중 가장 큰 것은 백여명의 사람들의 자기개발 모습을 직접 보게 됐다는 것이다.

이쪽 바닥이 다 그렇듯, 석사를 졸업하고 21년부터 직장생활을 시작 했음에도 자기개발은 꾸준히 해왔다.

내 친구들도 그랬고 직장 동료들도 그랬다.

한 10~20명 정도 사람들의 자기개발을 보며 나도 힘냈던 것 같다.

그러다 글또 7기를 참여하게 되면서 약 100명의 집단 속에서 다른 사람들의 포스팅을 읽다보니 이렇게나 많은 사람들이 열심히 살아가는 것을 직접 느끼게 된 것 같다.

기존에 알고 지내던 내 주변의 사람들보다, 더욱더 다양한 분야, 다양한 방법으로 자기개발을 해나가는 사람들을 인터넷상에서나마 겪을 수 있게 된 것이다.

역시 사람은 직접 겪어야 한다고 하던가,

원래부터 그 사람들은 자기개발을 해왔을 것이고 그 외에 수많은 사람들이 열심히 자기개발을 하고 있겠지만,

글또를 통해서 그들이 내 눈앞에 나타났고 내가 직접 봄으로써 내가 열심히 살아 갈 수 있는 또하나의 원동력이 되었다.

그 다음으로 내가 얻어간 것은 글또의 메인 컨텐츠인 글쓰기이다.

단순히 어떠한 내용을 공부하는 것에서 더 나아가 글로 남긴다는 것은 꽤나 수고스러운 일이다.

원래도 블로그 포스팅을 했었지만, 그 텀이 굉장히 길었고 퀄리티도 높지 않았었다.

글또 활동을 통해서 2주당 1개의 포스팅이라는 룰로 인해서 포스팅의 빈도수가 높아졌고,

글또 슬랙에 게시되는 부분으로 인해 글을 쓸 때 더욱 꼼꼼히 쓰고 질을 높이게 됐다.

지금 이 블로그에 남아있는 포스팅 내용들은, 단순히 내가 공부만 하고 넘어갔던 것들보다 훨씬 내 머릿속에 잘 남아있고, 깊게 공부하게 됐었다.

2. 그럼 난 글또에서 무엇이 아쉬웠었나?

제일 아쉬운 부분은 역시나 포스팅의 꾸준함이다.

7기도 그렇고 8기도 그랬다.

중간 중간 이러저러한 나름 바쁜 일이 생길 때, 내일 써야지 하는 나쁜 마음을 먹고 나태해졌을 때 그런 날에 어김없이 포스팅 마감 날짜는 찾아 왔다.

일요일날 포스팅을 급하게 하다보면 퀄리티가 떨어지는 것은 거의 당연한 수순이었다.

진짜 이번 9기에서는 이러한 일이 없기를 이를 악물고 노력해 보려한다.

이번 포스팅을 일요일이 아닌 수요일에 쓴다는 점에 위안을 얻으면서도,

지난주에 안쓰고 이번주에 쓴다는 점에서 조금 위험함을 느낀다.
(4일뒤인 12/10 일요일이 마감날짜이다!!)

그다음으로 아쉬웠던 부분은 커피챗의 활동 미비이다.

글또에서 글쓰기 말고도 커피챗이라는 오프라인 모임이 있다.

비슷한 분야의 사람들끼리 모여서 이런저런 이야기를 나누는 자리로 특정 조가 짜여지기도 하고 스스로 만들기도 한다.

7,8기를 활동할 시절 나는 지방에서 근무를 하고 있었고 주로 서울에서 이루어지는 커피챗을 참여하기가 여의치 않았다.

온라인으로도 커피챗이 진행이 되었고 정말 유익한 시간을 보냈지만, 그래도 오프라인에서 이루어지는 커피챗이 정말 참여하고 싶었다!!

현재는 근무지를 막 판교로 옮겼기에 이번 기수에서는 커피챗 등 여러 오프라인 활동을 참여 하려고 한다.

3. 7/8기 때의 나와 9기의 나는 무엇이 달라졌는가?

가장 먼저는,

판교에 왔다!!

판교에 올라온지 한 4달정도 됐는데, 퇴근하고 컨퍼런스나 커뮤니티에 갈 수 있다는 점이 정말 좋았다.

역시 나는 주기적으로 다른 사람들이 노력하는 모습도 보고 여러 활동 결과물을 보면서 열정을 충전해야 하는 것 같다.

(사실 퇴근하고 친구들을 볼 수 있다는게 제일 좋다.)

두번째로는 직장생활을 한지 3년차가 되었다.(7기때는 1년차였고 8기때는 2년차였다.)

실제로 회사에서 실적용을 위한 여러 프로젝트들을 수행함으로써 현장 지식부터 전공 지식 그리고 여러 협업 방법과 프로세스들을 겪고나니 스스로가 많이 성장했다고 느낀다.

그러나 앞으로 올라가야할 부분이 더 많이 있기에 글또 9기를 마쳤을 때, 그리고 10기를 마쳤을 때 더욱더 높은 곳에서 오늘을 되돌아 볼 수 있으면 좋겠다.

마지막으로는 업무 분야가 수치형 데이터 기반에서 이미지 기반으로 변경되었다.

자의 반 회사의 상황 반으로 이루어진 업무 분야의 변경은 새로운 분야를 공부한다는 흥미로움과 뒤쳐지지 않아야겠다는 부담감을 선사했다.

이번 글또 9기에서는 앞으로 공부해나갈 머신비전의 여러가지 지식들을 공유하는 자리가 되었으면 좋겠다.

4. 글또 9기에서의 다짐!

글또 9기를 시작하면서 아래의 다섯가지 항목에 대해서 꼭 지키려 노력하겠다.

하나, 꼭 포스팅은 일요일 전에 마무리하자!

둘, 정규 포스팅 외에도 추가 포스팅을 하도록 하자!

셋, 글또의 여러 포스팅들을 읽고 내것으로 만들자!

넷, 영어공부 좀 하자

다섯, 운동도 좀 하자

하나~셋은 글또에서의 나의 목표이며 넷~다섯은 인생 목표이다.

글또 10기를 하게되었을 때 9기에 대한 후회가 아닌 자랑만이 있기를 바라며,

글또 9기 참여자 모두 보람차고 유익한 5개월을 보내면 좋겠다.

몽골 남부 7박8일 여행 후기 및 꿀팁 준비물

상어군 — Wed, 5 Jul 2023 02:16:27 +0900

몽골 여행 다녀온 후기를 간략히 남겨봅니다.

[0일차 - 인천공항]

금요일, 비척비척 출근을 하고 신나게 퇴근한다음 캐리어를 들고 공항으로 향했다.

비행기는 토요일 1시 비행기.

글쓴이, 지인2, 몽골러브 카페에서 구한 동행 3, 총 6명이서 가는 단체여행.

인천공항에서 일행들과 한컷

너무 졸려서 바로 잠들었는데 갑자기 비행기 불이 다 켜지면서 식사를 받았다.

몽골은 러시아 문화를 많이 들여왔는데, 역시나 초코파이가 엄청난 인기를 끌고있다고 한다.

기내식에도 초코파이, 심지어 바나나맛, 반쯤 조느라 밥 호일도 안벗기고 찍음.

[1일차 - 울란바토르공항 → 차강소브리가]

밥먹고나니 바로 도착해버린 몽골 울란바토르 공항.

이번 여행의 이동수단으로 푸르공을 선택했는데, 역시나 깜찍한 비주얼로 우릴 맞아줬다.

우리를 8일동안 태워주실 기사님과 몽골 도로위의 말.

울란바토르 시내를 들르지 않고 바로 관광지로 이동했는데, 대충 3~4시간을 이동한 것 같다.

중간에 들른 마트, 몽골 여행은 "이동>보급&점심>이동>관광>이동>휴식&잠" 의 무한 반복이다.

마트에는 생각보다 많은 한국 물품과 식품이 한글이름으로 팔리고 있다.

맨날 보이는 카스 맥주와 김치 그리고 초코파이.

점심으로 나온 염소/양/소고기 모둠 볶음?

너무 맛있어서 양고기 정말 잘먹는 줄 알았는데, 이 요리가 잡내가 안나는 정말 쉬운 난이도였다.

그리고 또 열심히 이동해서 도착한 차강소브리가.

차강소브리가의 뜻은 흰색탑이라는 뜻이라고 한다.

흰색탑의 반대편은 한국에서는 볼 수 없는 광활한 광경이 펼쳐진다.

그리고 푸르공 위에서 찍는 사진 하나.

사실 우리의 푸르공은 차량 상부에 렉이 없어서 올라갈 수가 없다고 한다.

우리팀은 옆팀의 푸르공에 잠시 신세져서 사진을 찍었다.

ㅇ

[2일차 - 욜링암]

욜링암은 욜의 입이라는 뜻이라고 한다.

욜은 수리과의 동물인 것 같은데 정확한 한글 이름은 모르겠다.

많은 블로그가 독수리라고 번역하는데 가이드는 독수리가 아니고 독수리보다 큰 새라고 했다.

욜링암 입구, 욜링암 내부까지 말을 타고 들어갈 수 있다.

글쓴이와 다른 친구 한명은 각각 혼자 말을 몰게 되었는데, 내가 탄 말은 물먹겠다고 개울가로 탈주해서 직원이 구출해줄때까지 물위에서 말이랑 씨름했다...

낙마하는줄알고 엄청 쫄아있었는데, 다행히 별일은 없었다.

내부는 1년 내내 얼음이 녹지 않는다고 한다.

경량패딩조끼를 입었는데 딱 적당할 정도의 온도.

협곡 중간에서 라이온킹 놀이.

돌아올때도 역시나 말이 개울가로 갔지만, 이젠 배운바가 있어 강력하게 고삐를 당겨 제지했다...

엄청 쫄았었는데, 다행히 이번에는 내말을 들어줬다.

돌아온 숙소에서의 석양.

몽골 여행은 정말 이동과 구경이 끝인데, 그 구경하는 자연풍경들이 정말 너무 이쁘다.

[3일차 - 홍고린엘스(고비사막)]

몽골의 최남단에 있는 홍고린엘스(고비사막)으로의 길은 정말이지 험했다.

포장도로는 정말 잠시였고 비포장도로가 대부분이었는데, 그 길이 울퉁불퉁해서 정말 차안에서 날라다녔다.

일행은 하도 차에 박아서 팔에 멍이 들 정도..

포장도로를 달리던 도중 가이드가 포토존이라면서 멈춰주었다.

뭔가 합성느낌이 나지만, 정말 그냥 사진이다.

해당지역부터 신기루도 많이 보였지만, 사진에는 담기지 않았다.

정말 멀리 물이 있는것처럼 산이나 하늘까지 비춰지는게 신기했다.

고생끝에 도착한 사막, 엄청 신기한점은 사막 경계 바로 앞이 풀이 무성했다.

소와 말과 낙타가 다같이 풀을 뜯어먹는 신기한 광경(사진엔 소만...)

이렇게 풀이 잘 자라는 이유는 해당 지역이 물이 솟아나는 샘물이 여러군데 있다고 한다.

그래서 아래의 사진처럼 풀지대가 울퉁불퉁한데, 밟아보면 말캉거린다.

그리고 사진에서와 같이 사방이 똥이다... 말똥, 소똥, 낙타똥...

게르로 돌아와서 게르 사장님이 같이 운영하는 낙타 타기 체험을 했는데, 낙타가 정말 높았다.

말이랑 비슷하겠거니 했는데 진짜 너무 높았다.

그래도 적응하니 높은 시야로 보이는 지평선이 또 그렇게 이쁘다.

[4일차 - 홍고린엘스(고비사막)]

4일차는 다른곳으로 이동하는 것이 아니라 홍고린엘스(고비사막)에서 하루를 더 있었다.

오늘의 일정은 사막썰매와 낙타 타기 두가지인데, 사막썰매가 정말 너무 힘들었다.

고비사막에 1박만 했으면 정말 너무 하드한 일정이 되었을 거 같은데 2박이라서 다행히 널널하게 놀 수 있었다.

아침먹고 여유롭게 사막썰매타러 출발

고비사막은 약 300m 높이로 세계에서 높이로는 탑티어에 드는 사막이라고 한다.

다올라와서 한컷.

300m라고해서 만만히 봤는데, 진짜 힘들었다.

올라오면서 다들 엎어지고 눕고 난리도 아니었다.

반대로 내려갈때는 순식간이었는데, 너무 재미있었다.

처음엔 좀 무서웠는데 적응하고나니 너무 재미있는 것.

요가사진들을 많이 찍던데, 요가는 못하니 대신 물구나무라도

사막에서의 캠프파이어.

진짜 광활한 사막 한가운데서 하는 캠프파이어는 낭만 그자체.

그리고 반짝전구를 둘러놓은 우리 게르.

[5일차 - 바양작]

바양작의 지명은 바양(많다) 작(식물 이름) 으로 지어졌다고 한다.

서양에서는 불타는 계곡이라는 이름으로 불리고 있는데, 예전에 미국 자연사박물관에서 공룡 발굴을 오면서 지은 이름이라고 한다.

공룡알 화석과 트리케라톱스 화석이 이 지역에서 최초로 발견되었다고 한다.

공룡알 대신 그냥 돌맹이라도..

사실 여기의 메인 컨텐츠는 입구에서 파는 낙타인형인것 같다.

역시나 사기적인 석양에서 단체사진.

몽골은 사진의 명소가 틀림없다.

[6일차 - 바가가즈링 촐로]

이곳은 예전에 몽골에서 불교탄압을 할 때 승려들이 피신을 온 장소라고 한다.

드넓은 초원 한가운데 위치한 돌산은 정말 너무 이뻤다.

근데, 돌산 위에도 똥은 늘 있었다....

오늘의 숙소는 유목민 게르였는데, 주인 아저씨가 키우는 염소와 말을 가까이서 볼 수 있었다.

씻지 못하는것만 빼면 동물들을 가까이서 볼 수 있어서 좋은 경험이었다.

옆방 손님인 이탈리아 팀의 캠프파이어에 초대받아서 같이 이야기를 나누었다.

이탈리아 부부였는데, 2주의 휴가를 내고 몽골을 한바퀴 돌았다고 한다. 너무 부럽다.

[7일차 - 테를지]

테를지는 몽골 수도인 울란바토르에서 3시간 떨어진 휴양도시이다.

진짜 경기도 가평인줄 알았다. 몽평....

4륜 오토바이 타고, 짚라인 타고, 말 타고, 냇가에 발 담구고~

테를지에서의 말은 욜링암보다 좀더 작고 정말 순했다.

역시나 여기서도 나랑 다른 한명은 혼자 타게됬는데, 이전 경험도 있고 말도 순해서 별탈없이 재미있게 탔다.

근데 문제는 말이 아니라 벌레.. 풀과 나무가 많아서 그런지 벌레가 정말 많으니 꼭 긴팔 긴바지를 추천한다.

그리고, 그렇게 맛있다던 허르헉.

먹어봣는데 정말 맛있었다.. 몽골 음식중에 최고인듯.

[8일차 - 울란바토르]

몽골에 온지 8일만이자 여행의 마지막날에 처음으로 몽골의 수도에 입성했다.

첫날에는 공항에서 바로 차강소브리가로 이동했기 때문에, 시내에는 처음으로 들어오는 것.

분명히 대자연을 누비다 왔는데, 시내 들어오자마자 수많은 차에 어마무시한 교통체증이 우릴 반겨줬다.

운전 스타일들은 왜그렇게 모두가 상남자인지... 교통법규가 없는 무법 천지였다.

시내에서 국회의사당 앞에서 사진 한번 찍고,

국영백화점이랑 캐시미어샵 들려서 쇼핑하고,

그리고 공항으로 이동했다.

우연히 나온 푸르공 뒤의 경기 버스.

시내의 버스 70%가 초록색 경기버스와 예전 디자인의 부산 버스였다.(파랑/흰바탕 초록나무)

여행일정을 모두 마치고 울란바토르 공항으로 돌아갈시간이 왔다.

분명 어제 시작했는데 왜 벌써 돌아가는지...

심지어 도로 포장 상태도 여태 본것중에 제일 좋아서 엄청 부드럽게 푸르공이 나아간 것 같다.

[9일차 - 인천공항 / 후기]

몽골기준 20시에 비행이를 타서 한국기준 00시에 공항에 도착했다.

하늘에서 본 한국은 밤인데도 참 밝았다.

공항에 내리자마자 느낀 한국은 너무나도 습했다.

아무리 장마기간이라지만 너무 습했다. 거의 물속인 줄.

이번 몽골여행은 동행자와 여행지 모두 너무나 좋은 기억만이 남아있다.

이맴버로 그대로 다시 몽골여행을 가고싶을 정도로.

내년에 다같이 몽골 북부로 여행하는 것을 이야기 했는데, 꼭 이루어졌으면 좋겠다.

그리고 북부는 스타렉스로.... 푸르공으로 감성은 챙겼지만 엉덩이와 허리를 잃었다.

8일이라는 짧은 시간동안 대자연에 갇혀서 초원/사막/계곡/얼음/산을 모두 즐긴것 같다.

어쩜 이렇게 다양한 환경을 모두 가지고 있는 나라인건지.

이 글을 읽으시는 모든 분들에게 몽골 여행을 너무나도 추천드린다.

[몽골여행 꿀팁 - 준비물]

투어 예약이나 일정등은 우리팀의 대장님께서 하셨기 때문에 여행의 준비물에 대해서 간략히 꿀팁을 풀어볼까 한다.

※ 해당 꿀팁은 지극히 개인적인 경험 기반으로 작성하였으며, 몽골여행의 참고용으로만 활용하시기 바랍니다.

1. 다이소 1000원짜리 물바가지(★★★★★)

몽골에서 여행자 캠프가 샤워 가능이라고는 하나 정말 수압이 상상 그이상으로 약하다.

졸졸졸 나오기 때문에 샤워기로 샤워를 한다는 것은 정말 극한의 난이도에 가깝다.

대안은 물을 모아서 뿌리는것인데, 나의 경우 다이소에서 사간 1000원짜리 물바가지를 정말 너무 잘 썼다.

유튜버가 쓰길래 나도 사가봤는데 정말 최고의 아이템이었다.

대용으로 빈 생수병을 몇개 챙겨서 샤워시에 물받이로 써도 된다.

아래는 글쓴이와 8일을 함께한 물바가지다.

2. 쯔란, 스리라차 등 양념 류(★★★★★)

생각보다 양고기, 염소고기가 많이 비릴 수 있다.

우리팀의 경우 쯔란은 한국에서 사가고 스리라차는 현지 마트에서 샀는데,

현지 음식을 먹을 때 너무 잘 사용했다.

금액이 비싸지 않고 부피도 작으니 꼭 준비하거나 현지에서 조달하자.

3. 에어배드(★★☆☆☆)

감성 아이템으로 유튜브랑 인스타에 많이 등장하는 에어배드.

에어배드를 설치하고 누워있을때의 그 감성은 너무나도 좋았고 여유를 즐기기에 부족함이 없었다.

다만, 땅이 돌이 많아서 그런지 뽑기를 잘못해서 그런지 5개를 사갔지만, 개시 둘째날에 3개가 터졌다.

빈약한 내구성과 생각보다 많이 차지하는 부피로 ★2점을 준다.

4. 크록스류 신발(★★★★☆)

장거리 이동이 많은 몽골여행 특성상 편하게 신을 수 있는 신발이 필수이다.

이럴때는 크록스 만한 신발이 없다.

무조건 꼭 챙겨가자.

많이 걸어야하기 때문에 발 뒤꿈치를 잡아주지 않는 슬리퍼류는 추천하지 않는다.

슬리퍼처럼/샌들처럼 모두 사용할 수 잇는 크록스류 신발을 가져가자.

※ 현지 마트에서도 파니까 없다면 가서 사도 무방하다.

※ 말타는 것과 등산에는 운동화가 필요하니 운동화도 꼭 가져가자.

5. 버려도 되는 티/바지/얇은 겉옷(★★★★★) ※ 홍고린엘스(고비사막) 한정

모래썰매를 타고 온다면, 더더욱이 몇번 구른다면 그 옷에서는 사방에서 모래가 쏟아질 것이다.

썰매도 타고와서 너무나도 힘든데, 그 옷을 손빨래하는 것은 더더욱 힘든일.

당장 버려도 되는 옷을 챙겨서 썰매타는날에 입도록 하자.

6. 목베게(★★★★☆)

공항가면 모두가 목에 걸고다니는 목베게, 몽골에서는 그 쓰임이 너무 많다.

푸르공 장거리 이동시에 많이 졸게 되는데 목베게가 없다면 머리가 이리저리 날라다니는 것을 볼 수 있다.

또한, 창가자리에 앉을시 오프로드에서 푸르공과 수많은 어깨빵을 할 수 있으니 완충쿠션으로도 사용 가능하다.

대부분의 게르는 침대만 있지 베게가 없다!!!

7. 침낭(★★★★★) ※ 보통 여행사에 추가금을 내면 빌려준다

게르에는 보통 이불이 없다.

또한 몽골은 밤에 추우니 꼭 침낭을 챙기거나 빌리도록 하자.

밤에 별보러 나갈때 많이 추우면 침낭을 두르고 나갈 수도 있다.

8. 핫팩(★★☆☆☆)

밤에 별을 보거나 캠프파이어를 할때 날이 추우면 하나씩 사용하기 좋다.

또한, 잘때도 침낭안에 핫팩 하나 넣으면 따듯하고 좋다.

9. 옷걸이(★★★☆☆)

손빨래한 옷이나 사용한 수건을 말릴 때 있으면 정말 편하다.

글쓴이는 2개를 챙겨갔는데, 정말 잘 쓰고왔다.

여유가 된다면 2개를 챙기는 것을 추천!!

10. 유심핀(★★☆☆☆)

우리의 경우 여행사를 통해 현지 유심을 구매하였는데, 유심핀이 없었다...

공항에서 옆의 다른팀이 유심핀 하나를 나눔해주셔서 그것으로 잘 사용하였다.

혹시 모르니 유심핀도 하나 챙겨가자.

11. 썬크림(★★★★☆)

해가 많이 쨍쨍하기 때문에 살이 정말 많이 탄다.

여행 다녀온거 티내는 정도가 아니라 심하면 살이 벗겨지기도 하니까 썬크림은 꼭 챙기자.

썬스틱 형태가 정말 편하다.

12. 모자(★★★★☆)

머리를 열심히 감아보지만, 마치 바다에서 놀고나서 씻은것 마냥 머리가 정말 뻑뻑하다.

또한 물이 졸졸 나오니 잘 감기지도 않는다.

머리 스타일이 정말 마음같지 않을테니 모자를 준비해가자.

2개 이상 준비해가면 돌려 써서 매일 새로운 스타일인척 할 수 있다.

13. 비데 물티슈(★★★★★)

그냥 챙기자. 꼭.

14. 손 물비누/핸드워시(★★★☆☆)

비누가 없는 곳이 대부분이다.

바디워시로 닦아도 되겠으나, 물비누의 그 상쾌함이란 이루 말할 수 없다.

생각지도 못했는데, 일행이 챙겨와줘서 너무 잘 사용했다.

수소(Hydrogen)의 생성 방법에 따른 종류

상어군 — Tue, 4 Jul 2023 23:01:55 +0900

수소(水素, Hydrogen)는 화학원소로써 친환경 에너지원으로써 떠오르는 항목중 하나이다.

왜 친환경 에너지원으로써 떠오르고, 전기와의 차이점은 무엇인지는 다른 포스팅에서 다루겠다.

해당 포스팅에서는 수소의 생성 방식에 따른 종류에 대해 자세히 알아본다.

1. 수소의 생성 방식에 따른 종류 구분

수소는 석탄 등과는 다르게 자연에서 그대로 수집할 수 있는 자원이 아닌, 2차 가공을 통해 얻을 수 있는 자원이다.

이렇기 때문에 수소의 생성 방식에 따라서 그레이 / 블루 / 그린 수소로 구분 지을 수 있다.

얼핏 들어도 그레이 수소와 그린 수소는 차이가 많이 날 것 같은데, 아래에서 하나씩 살펴보겠다.

https://newsroom.posco.com/en/posco-to-establish-hydrogen-production-capacity-of-5-million-tons/

2. 그레이 수소(Grey Hydrogen)

그레이 수소는 화학연료로 부터 생산되는 수소를 나타낸다.

대표적으로 천연가스에서 주성분인 메탄과 고온의 수증기를 촉매로 화학반응하여 수소와 이산화탄소가 발생된다.

약 1kg의 수소를 생산할때 이산화탄소는 약 10kg 배출된다.

현제 생산되는 대다수의 수소는 그레이 수소이며, 특히 우리나라에서는 거의 모든 수소가 그레이 수소로 생산된다.

친환경 에너지원으로 기대되는 수소가 화학연료에서 주로 만들어지며 이산화탄소가 더욱 많이 생긴다니 아이러니하지만,

제철공장과 같이 기존의 공정과정에서 발생하는 수소를 모아 활용한다면 조금 이야기가 달라진다.

이는 부생(副生) 수소로써, 공장의 생산 공정에서 어떠한 목적물질을 만드는 과정에 발생하는 수소를 의미한다.

대표적으로 현대제철과 포스코의 부생 수소를 예로 들 수 있다.

쇳물을 뽑아내는 과정(화성 공정)에서 발생하는 부생 가스(COG, Coke Oven Gas)를 정제하여 부생 수소를 생산 하고 있다.

3. 블루 수소(Blue Hydrogen)

블루 수소는 생산방법은 그레이 수소와 동일하나, 생산과정에서 발생하는 이산화탄소를 감소시켰을(또는 없앴을) 경우를 나타낸다.

대표적으로 이산화탄소를 포집/저장하는 기술인 CCS(Carbon Capture and Storage)를 활용해 이산화 탄소를 공기중 배출하지 않는 방법이 있다.

4. 그린 수소(Green Hydrogen)

그린 수소는 재생에너지로 생산된 전기를 이용해 물을 전기분해하여 만드는 수소이다.

수전해 기술을 사용하여 별도의 오염물질이 발생하지 않고 수소와 물만 얻을 수 있기 때문에 친환경 에너지로 불린다.

그러나, 가만히 생각해보면 이미 재생에너지로 생산된 전기 자체가 친환경 에너지인데 굳이 그 전기를 활용해 물을 전기분해하여 수소로 만드는 것은 무슨 이유에서일까?

심지어 전기분해시에는 많은 전력이 필요하여 효율적이지도 않다.

(100Wh의 전력을 이용해 수소를 생산했다고 100Wh만큼 에너지를 발휘할 수 있는 수소를 얻을 수 있는 것도 아니다)

해당 이야기는 다음 포스팅에서 다루도록 하겠다.