"디바이스부터 서비스까지..." 빌드 2015에서 본 마이크로소프트의 IoT
애저 기반 IOT 사례 분석…디바이스, 서비스, 웹, 앱 등 통합적 접근 강조
(김영욱 에반젤리스트) 지난 4월 29일부터 3일 동안 진행되었던 마이크로소프트의 개발자 행사인 빌드 컨퍼런스에서는 윈도우 10을 비롯해서 홀로랜즈, 맥과 리눅스를 지원하는 개발도구인 비주얼 스튜디오 코드 (Visual Studio Code) 그리고 클라우드 서비스인 애저의 업데이트 등 숨가쁘게 많은 내용들이 발표 되었다. 올 해 빌드 컨퍼런스에서 할 이야기가 많아서 인지 상대적으로 낮은 비중으로 다뤄졌던 내용이 IoT 관련된 내용이었다. 이미 마이크로소프트는 자사의 클라우드 플랫폼인 애저를 기반으로 이미 IoT 사례들을 다수 공개했으며 이 중에는 국내 사례도 포함되어 있다.
빌드 컨퍼런스에서는 마이크로소프트는 ‘모든 기업은 데이터 기업’이라고 강조하면서 후지쯔와 함께 만든 IoT 사례를 소개했다. 가축들의 생산량을 늘리기 위해서는 임신 가능한 시기를 잘 파악해서 짝짓기를 잘해주어야 하는데 문제는 많은 양의 가축을 동시에 키우고 있는 환경에서는 한 마리 한 마리의 상태를 개별적으로 파악하기 쉽지 않다. 그래서 사용한 방법이 가축의 발에 센서가 장착된 발찌를 설치하고 가축의 움직임을 파악해서 임신이 가능한 시기를 파악하는 방식을 선택했다.
후지쯔의 사례로 소개된 축산 농장에서 소의 발정기를 파악하는 IoT 솔루션
발찌는 가축의 움직임을 계속해서 파악해주는 데 수집된 데이터는 축사 안에 설치 되어 있는 안테나를 통해서 네트워크에 연결되고 클라우드 상에 구축된 서비스에 데이터가 누적된다. 만약 임신 가능한 시기를 나타내는 데이터가 감지되는 경우 즉시 축산업 종사자에게 알려주게 되고 축산업 종사자는 이 시기를 놓치지 않고 짝짓기를 유도해서 축산물의 생산량을 높이게 되는 구조이다.
비교적 간단한 구조로 이루어진 이 서비스를 적용한 결과는 성공적이었다. 임신 가능한 시기를 파악하는 것은 55%에서 95%까지 높아졌다. 또 가임기를 놓치지 않고 임신시킬 확률이 39%에서 67%로 크게 상승했다.
표면적으로는 가축에 설치된 발찌가 중요해 보이지만 실제 데이터를 분석해 의미 있는 정보를 찾아내주는 서비스에 핵심적인 가치가 있다. 그런 면에서 볼 때 데이터에서 주요 인사이트를 어떻게 발견하고 알려 줄 수 있는 가에 IoT의 핵심이 있다고 말할 수 있다. 어쩌면 그래서 IoT(Internet of Things)라는 말 보다는 SoT(Service of Things)라는 말이 더 적절할 수도 있다. 물론 시장에 통용되는 말은 IoT이기 때문에 앞으로도 계속 IoT라는 말이 사용될 것이다.
앞에 사례뿐만 아니라 대다수의 사례들을 보면 마이크로소프트의 IoT 시나리오에서는 애저를 기반으로 한 클라우드 서비스가 핵심적인 역할을 한다. 클라우드 서비스라 해도 인프라를 빌려서 서비스하는 형태보다는 이미 서비스 형태로 제공되는 PaaS(Platform as a Services) 기반을 사용하는 것이 클라우드의 장점을 살리기에 용이하다. 마이크로소프트 애저에서 데이터 분석을 하기 위해서 제공되는 PaaS기반의 서비스들은 빅데이터 분석, 실시간 분석뿐 아니라 머신러닝에 이르기까지 다양하다.
센서 데이터를 분석해서 가임기를 파악할 확률을 95%까지 올렸으며 그 결과 임신 확률을 67%까지 상승 시켰다.
빅데이터를 분석할 때는 일반적으로 하둡(Hadoop)을 사용하는 것이 공식처럼 되어 있다. 애저 상에서는 HDInsight라는 이름으로 하둡 서비스가 제공된다. 엄청난 숫자의 디바이스 동시에 안정적으로 접속 할 수 있게 해주는 서비스도 제공되는데 이 서비스의 이름은 이벤트 허브(Event Hub) 이다. 이벤트 허브와 스트림 애널리틱스(Stream Analytics)의 조합은 동시에100만대의 디바이스가 접속해서 쏟아내는 데이터들을 실시간으로 분석할 수 있게 해준다.
IoT 시나리오에서 빅데이터 기술과 실시간 트랜드 분석의 용도는 서로 다른데 빅데이터에서 사용되는 데이터들은 이미 저장되어 있는 데이터를 기반으로 분석하기 때문에 이미 분석 결과는 과거의 데이터(Historical Data)가 된다. 반면에 실시간 트랜드 분석의 경우 들어오고 있는 데이터 자체를 분석하기 때문에 거의 시간차가 없는 실시간 데이터(Real-time Data)가 된다.
최근에는 머신 러닝을 활용하는 사례들도 나오고 있다. 머신 러닝 자체는 이미 오래 전부터 연구 되어왔고 관련된 소프트웨어나 오픈 소스를 찾아보는 게 어렵지 않다. 하지만 이를 클라우드 서비스 형태로 제공하고 있으며 많은 알고리즘을 바로 적용해 볼 수 있게 제공해주는 것은 최근에서야 가능해 진 개념이다. 마이크로소프트의 애저 머신 러닝의 경우 클라우드 상에서 머신 러닝 스튜디오라고 하는 툴을 제공해고 이를 통해서 원하는 데이터 소스로부터 머신 러닝의 흐름을 설계할 수 있게 해 준다. 그리고 알고리즘이나 데이터의 흐름에 대한 검증이 끝나면 이를 바로 외부 서비스와 연결해서 사용할 수 있게 노출하는 것도 가능하다.
티센크루프라는 엘리베이터 회사에서는 애저 머신러닝을 엘리베이터 유지 보수에 적용했다. 건물이 고층화 되면 될수록 엘리베이터 시설은 점차 더 복잡해지고 대형화 된다. 뿐만 아니라 유지보수에 필요한 비용이 더 많이 소비된다. 또 한번 고장 나면 큰 불편을 끼칠 뿐만 아니라 수리하기도 용의하지 않다. 그래서 티센크루프는 엘리베이터의 주요 부품에 센서를 설치하고 이 데이터를 머신러닝으로 학습한 결과 특정 조건에 따라서 고장이 발생될 확률이 높아지는 것을 확인했다. 결과적으로는 고장이 날만한 특정 조건이 확인되면 장애가 발생하기 전에 선제적으로 조치를 취할 수 있게 되었고 이는 엘리베이터와 엘리베이터 유지 보수 서비스의 신뢰성을 크게 향상 시킬 수 있는 계기가 되었다.
티센크루프 엘리베이터에 적용된 머신 러닝 사례.
정리
IoT 시장은 모바일을 넘어서는 새로운 매력적인 시장이다. 여기에 접근하는 방법들은 각 회사별로 차별화 되어 있다. 마이크로소프트는 강력한 클라우드 플랫폼을 기반으로 한 다양한 시나리오들을 써 나가고 있다.
하지만 여기에 언급되지 않는 것이 하나 더 있다. 마이크로소프트 가지고 있는 임베디드쪽의 솔루션들과 최근 라즈베리파이 2까지 지원하는 윈도우10등 디바이스에 대한 준비도 진행되고 있다는 사실이다. IoT쪽은 디바이스, 서비스 그리고 사용자들과 상호 작용을 위한 웹과 앱 등 어느 하나라도 빠지게 되면 매력이 반감한다. 그런 면에서 IoT는 일종의 종합 예술 장르와도 같다. 그래서 IoT 시장을 향한 플랫폼 회사로서의 마이크로소프트의 노력은 조용하지만 힘있게 전진하고 있다.
아마도 내년 정도면 우리 주변에서 좀 더 자연스럽게 IoT의 결과물을 만나 볼 수 있지 않을까 기대해 본다.
