끝까지 살아남는 기업의 유형[129]

by류성 기자
2022.04.30 09:26:35

박정수 성균관대 스마트팩토리 융합학과 겸임교수

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 산업혁명은 소비자들만 양산하는 것이 아니라 새로운 사회와 문화도 만든다. 현대인들은 온갖 정보와 제품이 넘쳐나는 세상에서 소유의 개념을 넘어 경험과 체험을 공유 개념으로 만들어내는 수많은 네트워크를 시도하고 있다.

과거 산업혁명이 몰고 온 대량생산에 의한 수동적인 소비문화에서 가축을 거느리고 여기저기 돌아다니면서 먹이가 될 풀밭을 찾아 생활을 했던 유목민들처럼 능동적인 참여에 의한 체험 문화로 회귀하는 MaaS(Mobility as a Service) 현상이 나타나고 있다. 이는 연결의 네트워크(network)가 곧 컴퓨터라는 개념이 실현되고, 사용자 경험(UX) 관점에서 네트워크(network)의 상호작용(inter-activity)에 의한 상호운용성(inter-operability)이 주목받고 있다.

과거에는 소비자들이 가족모임이나 친구들과 어울리는 자리에서 직접 음악을 연주했다. 그러나 방송매체 기술 등장으로 직접 연주하는 대신 귀로 음악을 감상하기 시작했고, 처음엔 라디오와 축음기로, 산업혁명 이후에는 스테레오와 붐박스, 워크맨 등의 수단을 사용했다. 하지만 인공지능(AI)이 음악을 만들고, 디지털 음악과 인터넷이 등장하자 많은 사람들이 단지 음악을 소비하는 데 그치는 게 아니라 스스로 “개인화된 맞춤” 음악을 만들고 있다. 이제 소비자들은 인터넷에서 직접 음악을 찾은 후 개인화를 위해 믹싱 작업을 하여 완성된 창작물을 다시 배포한다. 애플의 “가라지 밴드(garage band)”는 정식 교육을 받지 않아도 음악을 창작할 수 있게 해준다. 이처럼 새로운 체험 문화를 창조하기 때문에 실시간으로 반응하는 네트워크(network)는 새로운 컴퓨터다.

스마트팩토리는 수동적인 제조 활동을 능동적으로 반응시키는 네트워크이며, 실시간으로 반응하는 제조 기능이다. 이를 위해 네트워크는 노드(node)들 서로 간의 하나 이상의 관계가 존재해야 한다. 이때 관계란 노드들의 접촉, 교류, 협력, 혹은 정보의 흐름에 따라 관계 데이터 수집 및 측정을 내용과 목적에 맞게 두 가지 요인을 고려하여 수행해야 한다. 첫 번째, 기본 노드와 추가 노드들 간의 관계 여부만을 측정하고 그 관련 정도를 숫자로 나타낼 것인지에 대한 여부이다. 관련성의 유무는 0과 1로 표시하는 번호 지정 체계 바이너리(binary)를 사용하고 관련성의 정도는 수치로 표현해야 하기에 계량 데이터로 측정한다. 둘째, 관계의 방향 측정의 유무이다. 방향성은 직접 데이터(directed data)로 측정하며, 방향이 없을 시에는 간접 데이터(undirected data)로 측정한다.

또한 네트워크 분석 역량은 스마트팩토리 수준을 결정한다. 가시적이고 정량적인 분석 틀을 활용하여 그동안 추상적으로 그려져 왔던 제조 현장 네트워크(network)를 실체적으로 고찰하는 데에 유용하며 직선적인 접근을 뛰어넘어 입체적이고 종합적인 다양한 특성을 도출하는 것이 가능하기 때문에 다양한 영역에서 사용되고 있다. 또한 네트워크 분석에서는 데이터를 매트릭스 형태인 행과 열로 표현하며, 이는 1차원 모드와 2차원 모드로 구성하여 개체(entity, 個體)와 개체 간의 관계가 존재하면 1, 존재하지 않으면 0으로 입력하는 것이 기본 방법이다.

스마트팩토리 구축 시 네트워크 구조를 파악하기 위한 개념으로 중심성(centrality), 밀도(density) 및 집중도(centralization) 등이 있다. 네트워크 지표의 구체적인 의미는 중심성(centrality), 집중도(centralization), 밀도(density), 주변성(core-periphery), 상호성(reciprocity)이다. 중심성(centrality)과 집중도(centralization)는 힘과 권한에 대한 지표를 뜻하며 이 둘의 성격이 높다는 의미는 그만큼 영향력이 크다는 것으로 정보의 흐름에서 핵심적인 역할을 한다. 밀도(density)는 노드들 사이의 총 관계(關係) 수로 결속력을 보여준다. 즉, 밀도가 높을수록 정보의 교류와 확산이 빠르다는 것을 의미하며, 주변성(core-periphery)은 사회적 계층과 계급을 말하며 상호성(reciprocity)은 사람들 사이의 우호성(友好性)을 설명할 수 있다.

그러므로 스마트팩토리 구축 시 제조 현황을 노드(node) 관점에서 파악해야 한다. 그래야 제조 목적을 수행할 수 있는 네트워크를 구성할 수 있다. 노드는 네트워크를 구성하는 장치나 데이터 지점(data point)을 의미한다. 이를 위해서는 네트워크 분석을 통해 기업들의 네트워크 중심성(centrality)을 파악하는 것이 우선이다. 중심성은 한 행위자가 전체 네트워크에서 중심에 위치하는 정도를 표현하는 지표로 사용된다. 이는 관계의 주체가 되는 행위자들은 노드(Node)로, 관계들은 노드(Node) 사이를 연결하는 에지(Edge)로 나타낼 수 있기 때문이다.

이렇게 주변에서 찾아볼 수 있는 관계를 수학적인 형태의 그래프(Graph)로 바꾸면 여러 가지가 가능해지는데, 그중 대표적인 것이 중심성(centrality) 계산이다. 따라서 중심성은 그래프 상에서 어떤 노드(Node)가 가장 중요한지를 살피는 척도이며, 중심성(中心性, centrality)이란 그래프 혹은 네트워크에서 꼭짓점(vertex) 혹은 노드(node)의 상대적 중요성을 나타내는 척도이다, 그 종류는 연결 중심성(degree centrality), 고유벡터 중심성(Eigenvector Centrality), Katz 중심성(Katz Centrality), 페이지랭크(PageRank), 근접 중심성(closeness centrality), 매개 중심성(betweenness centrality)이 있다.

연결 중심성(degree centrality)은 네트워크를 구성하는 하나의 노드가 다른 노드들과 직접적인 연결 관계의 정도를 나타낸다. 즉 한 행위자가 다른 행위자들과 얼마만큼의 관계를 맺고 있는가를 통해서 그 행위자가 네트워크의 중심에 위치하는 정도를 계량화한 것이다. 한 행위자에 직접적으로 연결되어 있는 행위자들의 합으로 이어진다. 높은 연결 정도를 가지는 행위자 및 제조 공정은 네트워크에서 중심적인 역할을 수행하는 제조 라인의 공정 시점(PoP) 관리가 해당된다.

고유벡터 중심성(Eigenvector Centrality)은 무조건 연결된 노드가 많다고 중요한 노드가 되는 것은 아니다. 사실 중요한 노드와 많이 연결된 노드가 더 중요하다. 연결 중심성은 단순히 연결된 노드의 숫자만 살핀다는 점에서 약점이 있다. 그래서 고유벡터 중심성에서는 중심성을 계산할 때 다른 노드의 중심성을 반영해서 계산하는 방법이다.

카츠 중심성(Katz Centrality)은 중심성의 한계 중 하나는 방향성, 비순환 그래프와 같이 특별한 경우에는 중심성이 “0”이 나오는 경우도 있다. 이를 방지하기 위해 모든 노드 중심성에 특정한 상숫값을 더하는 방식이 카츠(Katz)에 의해 제안되었다. 고유벡터 중심성의 변형 버전이라고 볼 수 있다.

페이지랭크(PageRank)는 지금까지 등장한 중심성 알고리즘 중 가장 성공한 알고리즘이라고 볼 수 있으며, 이는 사실 카츠(Katz) 중심성의 개량 버전이라고 볼 수 있다. 카츠(Katz) 중심성 계산식에서는 한 노드의 중요성이 연결된 다른 노드로 전부 전파되는 특징이 있다. 반면에, 한 노드가 매우 중요하게 계산될 경우, 그와 연결된 노드들도 같이 덩달아 중요도가 높아지는 문제가 생길 수 있다. 그렇기에 페이지랭크에서는 각 노드의 영향력을 다른 노드로 전파할 때, 외부로 향하는 모든 간선의 수로 나누어 “Out-edge”로 영향력이 지나치게 퍼지는 것을 막아야 한다. 지금까지 살펴본 4개의 중심성 척도는 한 노드가 다른 노드와 얼마나 연결되어 있는가를 중요성의 기준으로 삼았는데, 그렇지 않은 척도는 근접 중심성, 매개 중심성, 조화 중심성 등이 있다.



근접 중심성(closeness centrality)은 각 노드의 거리를 근거로 하여 중심성을 측정하는 방법으로 직접 적으로 연결된 행위자뿐만 아니라 네트워크 내 간접적으로 연결된 모든 행위자 간의 거리를 합산하여 중심성을 측정한다는 특징을 가진다. 그러므로 근접 중심성이 높을수록 네트워크의 행위자는 높은 중심 역할을 하게 되며, 네트워크 내에서의 정보 권한, 영향력 및 지위에 대한 확보와 접근이 보다 용이해진다. 이는 사물인터넷(IoT)에 의해 연결된 상호작용(inter-activity)을 측정하여 최적의 해답을 구할 때 사용할 수 있다.

매개 중심성(betweenness centrality)은 다른 노드들을 연결시키는 매개성을 나타내는 것으로 네트워크 내에서 행위자가 담당하는 매개자 혹은 중개자 역할의 정도로 측정한다. 한 행위자가 다른 두 행위자 간 의사소통 경로 상에 전략적으로 위치했을 때, 그 행위자는 정보 전달에 영향력이 있는 힘을 가지고 있음을 의미한다. 높은 매개 중심성 값을 갖는 노드는 네트워크의 흐름에 중요한 영향을 미치는 중개자 역할을 수행한다. 이는 연결을 근간으로 상호 운용성(inter-operability)을 측정하는 척도로 활용 가능하다.

조화 중심성(Harmony Centrality)은 근접 중심성과 유사하지만, 최단거리의 평균값의 역수를 취하는

것이 아니라, 최단거리의 역수를 평균을 취하는 방법이다. 조화수열(Harmonic Number)에서 이름을 따와서 이를 조화 중심성이라고 부른다. 만약 두 노드 사이의 경로가 존재하지 않을 경우 최단거리를 무한대로 보고 최단거리의 역수는 “0”으로 취급한다.

지금까지 네트워크 이론에서 사용하는 여러 가지 중심성(centrality) 척도를 살펴봤다, 각자 아이디어가 다르므로, 실제로 같은 그래프에 사용하더라도 척도에 따라 중심성 값을 얻게 된다. 따라서 적절한 경우에 맞게 잘 사용하는 게 필요하다. 아래 그림은 네트워크 이론의 다양한 중심성(Centrality) 척도들이다.

보편적으로 그래프는 위상적 중요성을 강조할 때 쓰이는 표현이고, 네트워크는 그 내부의 동적인 상호작용(dynamic inter-activity)를 강조할 때 쓰이는 용어다. 즉 시간의 흐름에 따라서 특정 에지(edge)를

통하여 정보가 전달되고 또는 그 에지(edge)가 사라지고 각 노드 상의 정보가 자주 바뀌는 경우에는 네트워크(network)라는 용어가 자주 쓰인다. 한편 전체 연결도(connectivity)처럼 특정한 노드의 위상적 중요성과 같이 정적인 모형에서 각 노드가 차지하는 구조적 문제를 다루는 경우에는 보통 그래프(graph)라는 표현을 쓰는 편이다. 생물학적으로 볼 때 각 기관이 서로 엮여있는 모습은 그래프 이론적 접근이 필요하지만 세포 내에서의 신호전달, 유전자들 간의 시간에 따른 상호작용은 유전적(genetic network)으로 표현되고 있듯이 내부의 동적인 변화를 강조할 경우에는 네트워크(network)이라는 표현이 더 보편적이다.

그러므로 네트워크는 데이터를 연결하는 본질이다. 좋은 예가 바이오 제약산업의 미래 먹거리 산업 육성 방안 중 하나인 “약물 재창출 기술 고도화”를 위해 빅데이터 기반 인공지능(AI)과 생물정보학(BI)을 활용하듯이, 제조업의 전사적 경쟁우위 역량과 새로운 수익원을 창출하기 위해서는 빅데이터와 인공지능을 활용하여 바이오 기업 스스로가 데이터 관리 기술을 활용하여 “데이터”를 “가치 제공”의 수단으로 전환시키는 변화관리를 스마트 팩토리 플랫폼을 통해서 구현해야 한다. 바이오산업의 새로운 약물 재창출 기술처럼 스마트 팩토리 구축 목적은 자주적인 제조 혁신을 위한 뉴노멀 제조 플랫폼(new normal platform)이어야 하기 때문이다.

더 나아가 시장과 고객이 바뀌고 있기 때문에 바이오산업은 이제 결정하는 방법, 제조 프로세스를 과거와 다르게 바꿔야 하는 기로에 서 있다. 최근 바이오산업은 시장과 고객으로부터 개인화 맞춤 주문을 요구받고 있으며, 이에 대응하기 위해 새로운 바이오산업의 경영 전략으로서 스마트 팩토리 구축을 본격적으로 전개해나가야 한다. 개인화된 맞춤 주문에 대응하려면 무엇보다도 유연성이 필요하다. 플랫폼으로서 스마트 팩토리를 통해 이런 유연성을 확보해야 생존경쟁에서 살아남을 수 있다. 다시 말해, 기존 ‘적시 생산(JIT)’ 체계에서 스마트 팩토리를 통한 ‘적시 맞춤(FIT)’ 체계로 전환해야 한다. 바이오산업은 지금 이대로 변화하지 않고서는 살아남을 수 없는 제조업 환경에 놓여있기 때문에 디지털 전환과 변환 문제를 해결해야 하는 시점이다. 이를 위해 네트워크 기술을 준비해야 한다.

정보통신기술(ICT)와 생물정보학의 발달로 바이오 분야의 빅데이터 관리가 등장했고 이를 분석할 수 있는 인공지능(AI) 전환이 바이오산업에 필요한 것이다. 무엇보다 변화속도가 빠른 바이오산업의 스마트 팩토리에서 중요한 것은 지속적인 ‘품질’ 관리다. 또한 바이오산업의 스마트 팩토리에서 간과해선 안 될 것은 바로 현장, 아날로그다. 현장 전문가의 체화된 경험을 어떻게 디지털화, 알고리즘화하고 적용해 실시간 피드백을 주고받을 것이냐 하는 것이 관건인 셈이다. 바이오산업의 매출 상승, 신규 고객 유치, 이익 개선 등 개별 제약기업마다 처한 문제가 다를 것이다. 따라서 경영 목적을 명확히 하고 다양한 수단을 강구하면 된다. 네트워크(network) 기술은 모든 디지털 기술의 수단이기 때문에 목적과 수단을 혼동해선 안 된다.

결론적으로 플랫폼으로서 스마트팩토리는 어떤 솔루션, 시스템을 구축하는 게 아니라 바이오산업의 새로운 뉴노멀(new normal) 제조 문화를 구축하는 것이다. 바이오 기업의 영업, 마케팅, 생산자 정의 등을 바꿔야 한다. 특히 인공지능을 접목한 특허 권리는 경영 목적을 해결하는 수단이지만, 경영 목표를 달성하기 위해 특허 권리를 기반으로 인공지능 기술 마케팅을 전개하여 목표를 달성해야 한다. 특히 바이오산업은 경험 관리 역량에 의해서 좌지우지되기 때문에 체험의 공학에 주목해야 한다. 어떤 형태로든 체험치(體驗値)를 중시하고 경험치를 상승시키는 노력을 기울여나가야 한다.

결국 고객 경험 관리를 잘 하는 기업만이 최종적으로 살아남을 것이다. 자사에 맞는 ‘나만의 스마트팩토리’, ‘나만의 솔루션’을 스스로 그려내야 한다. 스마트팩토리를 통해 고객에 개인화된 맞춤 서비스를 제공한다는 것은 바이오 기업이 유통사에 의존하지 않고 스스로 살아남아야 한다는 것을 의미한다. 그러므로 과거와 다른 D2C(Direct to Consumer) 마케팅에 집중해야 할 것이다. 그 까닭은 실시간으로 피드백(real-time based feedback) 되는 네트워크(network) 기반 스마트팩토리 효과는 네트워크 규모가 커질수록 네트워크 가치가 증가하는 것을 말한다. 우리가 네트워크 효과에 주목하는 이유는 일단 앞서가게 되면 더욱 앞서게 되고, 경쟁우위를 잃으면 더욱 우위가 약화되는 이른 바 양성 피드백 효과(Positive Feedback Effect)가 나타나기 때문이다.