가상 센서란 도대체 무엇일까요(그리고 왜 여러분이 그것을 원할까요)?

0:00 오토테크 디트로이트 소개

오늘 ‘ The Garage ’에서는 AutoTech Detroit 전시회장 현장에서 생방송을 진행하고 있습니다. 오늘의 게스트는 COMPREDICT의 제품 매니저 크리스토프 로이드페드 씨입니다.

COMPREDICT는 가상 센서 분야의 선두주자로 나서고 있습니다. 이번 에피소드에서는 가상 센서가 무엇인지, 그리고 이것이 OEM과 소비자 모두에게 상류 및 하류 단계에서 어떤 이점을 제공하는지 알아보실 수 있습니다. 이는 소프트웨어 정의 차량(SDV)의 거의 완벽한 적용 사례라 할 수 있습니다. COMPREDICT가 소개하는 가상 센서에 대해 들어보시죠.

가자.

0:38 게스트 소개: 크리스토프 로이트베드

The Garage 에 오신 것을 환영합니다. 저는 Sonatus 의 최고마케팅책임자(CMO)인 존 하인라인입니다. 현재 ‘오토테크 디트로이트(AutoTech Detroit)’ 현장에서 생방송으로 촬영 중이라 배경 소음이 조금 들릴 수 있습니다. 오늘의 게스트는 COMPREDICT의 제품 매니저인 크리스토프 로이트베드 씨입니다.

크리스토프, ‘ The Garage ’에 오신 것을 환영합니다. 안녕하세요, 존. 감사합니다. 저희는 항상 게스트에 대해 먼저 알아보는 것으로 시작하는 것을 좋아합니다.

자신에 대해, 그리고 지금까지의 경력에 대해 간단히 소개해 주세요.

0:55 크리스토프의 배경과 경력

네. 저는 다름슈타트 공과대학교(TU Darmstadt)에서 공부했습니다. 거기서 석사 학위를 마쳤고, UBC에서도 잠시 공부했습니다. 그 후 COMPREDICT에 입사해 연구개발(R&D) 엔지니어로 일했습니다. 처음 몇 년간은 가상 센서를 개발했는데, 대략 5년 정도였던 것 같습니다. 그리고 최근에 제품 관리 부서로 자리를 옮겨, 현재는 타이어 마모 및 브레이크 마모 가상 센서를 담당하고 있습니다.

정말 좋네요. 그런데 독일의 어디에 계신가요?

프랑크푸르트에 있어요. 사실은 다름슈타트예요.

정말 좋네요. 저희는 항상 게스트분들께 자신에 관한 재미있는 일화를 하나 들려달라고 부탁드리고 있는데요. 당신에 관한 재미있는 일화가 있다면 무엇일까요?

알겠어요. 저 같은 경우, 사실 춤추는 걸 정말 좋아해요. 특히 살사를 좋아하고, 최근에는 웨스트 코스트 스윙도 조금 하고 있어요.

사실, 이건 제가 어디를 가든 즐겨 하는 일이에요. 그래서 사실, 여기 디트로이트에서도 주말에 춤을 추러 갔었죠. 정말 좋았어요. 마치 다른 언어로 하는 것 같은 느낌이 들더라고요. 혹시 아시나요?

그렇죠. 제 말은, 그렇기도 하고 보편적인 현상이기도 하잖아요. 그렇죠? 같은 언어를 구사하지 않아도 춤은 출 수 있으니까요.

맞아요. 사실 이게 바로 재미있는 점이에요. 제가 가고 싶은 곳 어디든 갈 수 있으니까요. 하와이에도 다녀왔어요.

그들이 거기서 춤추고 있는 줄은 몰랐어. 그래. 진짜 끝내주네. 정말이야.

그래서 저는 항상 손님들에게 재미있는 일화를 하나씩 들려드리려고 노력하죠. 제 경우라면, 몇 년 전 아내와 결혼했을 때의 일화가 가장 재미있었던 것 같아요. 아시다시피 많은 커플들이 결혼식을 위해 춤을 배우곤 하잖아요. 그래서 저희도 실제로 레슨을 받았어요. 춤을 배워서 결혼식에서 함께 춤을 췄죠. 그게 바로 제 재미있는 일화입니다.

대단해. 정말 대단해.

2:25 COMPREDICT 개요

그럼 COMPREDICT와 그곳에서 맡고 계신 역할에 대해 말씀해 주세요.

네. COMPREDICT는 2016년경에 설립되었어요. 죄송합니다.

다름슈타트 공과대학교(TU Darmstadt)의 분교였기 때문에, 메카트로닉스 전공이었습니다.

당시 우리는 주로 기어박스의 손상 정도를 평가하는 데 주력했습니다.

요즘 저희는 가상 센서에 특히 주력하고 있습니다. 기본적으로 차량 내 기존 데이터를 최대한 활용하고, 차량 내 데이터의 품질을 높이며, 하드웨어 센서를 대체하거나 센서 정보를 보완하는 데 중점을 두고 있습니다. 네.

또한 가상 센서를 표준으로 정립하고,

3:07 가상 센서란 무엇인가요?

그러니 청취자분들이 ‘가상 센서’가 도대체 무엇인지 이해할 수 있도록, 먼저 그 부분부터 설명해 주셔야겠네요?

맞아요. 어떤 사람들에게는 좀 생소한 개념이긴 하죠. 네. 네. 설명해 주세요.

저희는 이런 질문을 정말 자주 듣습니다. 존, 정말 자주 듣거든요. 그러니까, 실제로는 차 안에서 실행되는 소프트웨어 한 가지입니다.

거기에 있는 모든 센서의 데이터를 수집합니다. 그래서 바퀴 회전 속도, 가속도 등 다양한 데이터가 많이 있습니다.

정말 실제 신호, 즉 하드웨어 기반의 신호들입니다.

맞아요. 차 안에서요. 네. 그리고 이 기술을 영리하게 결합해서 하드웨어를 대체하거나 추가 기능을 더할 수 있죠. 그러니까 기본적으로 물리적 모델과 머신러닝이 결합된 형태인데, 덕분에 이미 가지고 있는 데이터가 클라우드보다 더 큰 가치를 갖게 되는 거죠.

즉, 이미 가지고 있는 데이터에서 새로운 방식으로 다양한 데이터 포인트를 도출해내는 것입니다.

네. 그렇게 말할 수도 있겠네요.

정말, 정말 흥미롭네요.

정말 흥미롭네요.

3:58 가상 센서의 응용 분야

그렇다면, 이 기술의 구체적인 활용 사례로는 어떤 것들이 있을까요? 이해하기 쉽도록 몇 가지 예를 들어 주실 수 있나요?

네. 네. 그에 대한 예를 두 가지 들어볼게요. 알겠죠? 첫 번째는, 예를 들어 헤드라이트 레벨링 같은 거예요.

그리고 헤드라이트 레벨링의 경우, 차체 높이를 측정하는 센서가 2~4개 정도 장착되어 있습니다. 이런 센서들을 통해 경사각을 계산하여 조명을 조절할 수 있죠. 저희의 가상 센서 기술을 활용하면 차체 높이를 측정하는 이러한 하드웨어 센서를 없애고, 고객의 선호에 따라 완전히 가상으로 또는 부분적으로 가상으로 구현할 수 있어 회사의 비용을 절감할 수 있습니다. 알겠습니다.

다른 예로는 무엇이 있을까요? 또 다른 예로는 타이어 마모가 있을 수 있습니다. 이 경우는 하드웨어를 교체하는 것이 아니라, 차량에 추가적인 정보를 제공하는 것입니다. 제가 알기로는, 타이어 마모의 경우, 적어도 본격적인 양산차에서는 이를 측정하는 하드웨어가 사실상 없습니다.

네. 그리고 기본적으로 저희가 하고 있는 일은, 이 정보를 차량에 전달함으로써 고객들이 타이어를 언제 교체해야 하는지 알 수 있도록 하는 것입니다.

5:00 OEM을 위한 가상 센서의 이점

정말 훌륭하네요. 그럼 OEM 업체들이 얻을 수 있는 이점에 대해 생각해 보면, 아까 비용 절감에 대해 잠시 언급하셨는데, 하드웨어 기반 센서에서 가상 센서로 전환하려는 동기는 어떤 것들이 있을까요?

네. 저희는 하드웨어 교체에 대해 이야기를 나눴는데, 이는 비용 절감 측면에서 가장 명백한 사례라고 생각합니다. 하지만 그 외에도, 예를 들어 타이어 마모 알고리즘으로 돌아가 보자면, 차량에 추가적인 정보를 도입하는 것도 고려해 볼 수 있겠죠.

타이어가 언제 마모될지 파악하면, 고객을 매우 구체적으로 선별하여 OEM 브랜드 정비소로 다시 유도하는 데 정말 큰 도움이 됩니다. 그렇죠? 그러면 예비 부품 매출을 확실히 늘릴 수 있죠. 차량 한 대당 수명 주기 동안 약 180유로 정도가 발생할 것으로 추산하고 있습니다. 그러니 사실 꽤 큰 수익이 되는 셈이죠.

흥미롭네요. 그러니까 차량에 센서를 장착할 필요가 없어서 발생하는 초기 비용 절감 효과와, 그 외에도 부가가치를 창출할 수 있는 부분에서 발생하는 후속 비용 절감 효과가 있군요. 네, 그렇군요.

그것이 이점이 될 수도 있고, 안전 측면에서 소비자에게도 도움이 될 가능성이 높습니다. 물론이죠. 또한 OEM 업체들에게도 잠재적으로 지속적인 수익 모델 측면에서 이점이 될 것입니다.

6:01 소프트웨어 정의 차량(SDV)에서의 데이터 활용

흥미롭네요. 소프트웨어 정의 차량(SDV)에 대해 생각해 보면—팟캐스트에서 다양한 측면에서 이 주제를 자주 다루고 있듯이—오늘날 차량에서는 정말 수많은 추가 신호와 데이터 포인트가 수집되고 있습니다.

하지만 기업이나 OEM 업체들이 항상 그 데이터를 어떻게 활용해야 할지 아는 것은 아닙니다. 그래서 어떤 경우에는 그 데이터가 아예 사용되지 않거나, 수집되기는 했지만 방대한 양의 데이터 더미 속에 묻혀서 결코… 그래서 제가 보기에, 여러분이 하고 계신 일은 그 데이터를 새로운 방식으로 분석할 수 있는 기회를 열어주는 것 같습니다. 네. 새로운 가치를 창출하기 위해서 말이죠. 그리고 가상 센서의 가장 큰 장점은 생산이 끝난 후에도 추가할 수 있다는 점이라고 생각합니다.

네. 이걸로 뭐든 다 가능하죠. 그렇죠? 여기에는 정말 무수히 많은 가능성이 펼쳐져 있어요. 예를 들어 제작 단계에서는 하드웨어를 아낄 수 있겠지만, 그 후, 즉 후반 작업 단계에서 하드웨어가 고장 나더라도, ‘하드웨어로 교체할까, 아니면 COMPREDICT가 제공하는 가상 센서를 활용할까?’라고 선택할 수 있죠. 그러니 이 부분에서도 여러 가지 선택지가 있습니다. 꼭 제작 단계에만 국한될 필요는 없으니까요.

이건 정말 상황에 따라 다릅니다.

7:07 시장 확산 및 투자

그럼, 귀사의 제품 도입 현황에 대해 좀 말씀해 주시겠어요? 네. 지금까지 시장에서의 도입 범위는 어느 정도인가요?

물론이죠. 꿈이나 그런 것들에 대해 이야기하는 것도 한 가지 측면이긴 하지만, 결국 중요한 건 실제로 활용되느냐 하는 점이에요. 그래서 저희는 실제로 저희 고객사 몇 곳을 사례로 들 수 있어서 꽤 기쁘게 생각합니다.

항상 그런 것은 아닙니다. 이 이야기를 하기 전에, 먼저 우리에게 힘을 실어주는 중요한 요소 중 하나인, 최근 우리 회사에 투자한 토요타에 대해 먼저 이야기해 볼까요? 즉, 우리만이 이러한 사명을 믿는 것이 아니라, 실제로 토요타 모터 그로스 펀드도 우리 회사에 투자한 것입니다. 하지만 물론, 고객이 더 중요합니다.

그리고 우리가 언급할 수 있는 한 기업 또는 한 그룹으로는 르노 그룹이 있습니다. 사실 르노 그룹 산하의 모든 브랜드, 예를 들어 알파인(Alpine), 다치아(Dacia) 등은 타이어 및 브레이크 마모 감지를 위해 당사의 가상 센서 기술을 도입하고 있습니다. 따라서 2030년까지 약 1,000만 대의 차량이 이 기술을 적용할 것으로 예상하고 있습니다.

정말 훌륭하네요. 그러면 르노 그룹 전반에 걸쳐, 귀사의 기술이 타이어 마모 분석에 최초로 적용된 것이군요.

정말 대단하네요. 정말 대단해요. 네. 축하드려요. 정말 감사합니다. 자, 그럼 우리도 곧 웹사이트에 우리 실적을 올려볼 수 있을지 한번 해볼까요?

음, 감사합니다. 따뜻한 말씀 감사합니다. 네. 시노도스는, 이 영상을 보시는 시점에 따라 다르겠지만, 현재 400만 대의 차량에 탑재되어 있습니다.

하지만 여러분이 이 영상을 보실 때쯤이면 아마 500만 대, 혹은 그보다 훨씬 더 많은 차량이 될 겁니다. 그래서 저희는 빠르게 성장하고 있습니다. 하지만 축하드립니다. 정말 대단한 성과입니다.

네. 감사합니다.

8:34 SDV에서 가상 센서의 미래

그러니 좀 더 큰 그림에서 생각해 보면, 이러한 가상 센서들이 사실 소프트웨어 정의 차량에 아주 훌륭한 응용 사례라는 생각이 듭니다.

SDV가 가상 센서와 정말로 완벽한 조합이라고 생각하시는 이유는 무엇인가요?

음, 사실 이야기할 수 있는 측면이 정말 많죠. 그렇죠? 우리로서는 우선 이 모든 데이터를 효율적으로 활용하는 것이 한 가지 방법입니다. 예를 들어, 가상 센서를 가동하고 있죠. 그래서 이 차량들에서 가상 센서를 손쉽게 가동하고, 데이터를 처리한 뒤, 방대한 양의 빅데이터 전체가 아니라 관련성 있는 데이터만 선별해 업로드할 수 있는 능력을 갖추고 있습니다.

사실, 우리가 보유한 통합 솔루션은…

정말 흥미로운 지적이네요.

그러니까, 모든 데이터를 처리를 위해 클라우드로 전송해야 하는 대신, 차량에 탑재된 가상 센서가 데이터를 도출한 다음, 그 도출된 데이터(아마도 용량이 훨씬 작을 테니…)를 전송하는 방식으로 생각해 보세요… 물론…

그보다, 그보다 원본 데이터보다.

이게 바로 올바른 방식이죠. 그렇죠? 즉, 클라우드에는 모든 데이터를 다 보내는 게 아니라 관련 데이터만 보내야 한다는 뜻이에요. 게다가 현재로서는 일부 정보의 경우, 차량에서 직접 전송할 수조차 없는 상황이에요. 하지만 저희의 가상 센서를 활용하면, 예를 들어 타이어 마모도 같은 정보를 차량 내에서 생성한 뒤 클라우드로 전송할 수 있어요. 타이어 마모도에 대한 정보는 전혀 없거든요.

따라서 이는 데이터 관리 및 데이터 처리 측면에서 막대한 비용 절감 효과를 가져올 수 있습니다.

네. 물론이죠.

정말 좋네요. 방금 통합에 대해 말씀하셨죠? 죄송합니다. 네.

감사합니다. 저희는 수많은 차량에서 구동되는, 진정한 의미의 확장성을 갖춘 소프트웨어를 구축하고자 노력하고 있기 때문에, 통합 역시 당연히 저희에게 매우 중요한 사항입니다.

그렇죠? 그래서 저희로서는 이 차에 통합하는 과정이나, 이런 종류의 소프트웨어 인터페이스, 저런 종류의 소프트웨어 인터페이스와 연동하는 등의 모든 과정을 거치고 싶지 않습니다. 저희는 정말로 이런 종류의 데이터에 접근하고, 저희 소프트웨어를 적용할 수 있는 표준화된 방식을 원합니다. 저희에게 가장 이상적인 방법은 데이터를 가상 센서에 연결하기만 하면 바로 작동하는 것입니다.

따라서 저희는 SDV와 같은 가상 환경에서의 발전 덕분에, 표준화가 이루어졌기 때문에 OEM 측에서 최적의 구현 방법을 모른다는 식의 번거로움 없이도 제3자 소프트웨어를 OEM 차량에 명확한 절차에 따라 적용할 수 있을 것이라고 믿습니다. 맞죠? 그래서 이 점은 저희에게 정말 중요한 일입니다.

네. 그리고 그 점은 SDV에 대한 더 광범위한 의문을 잘 보여줍니다. 아시다시피, 지난 몇 년 동안 SDV가 유행어에 불과하다는 인식이 있었죠. 하지만 사람들은 이것이 실제로 존재하는 것인지, 아니면 그저 흥미로운 아이디어에 불과한 것인지 궁금해했죠.

제가 이해하기로는, 이거, 저거, 그리고 이와 유사한 것들이 바로 SDV를 통해 새로운 애플리케이션을 개발하는 데 실질적인 가치를 부여할 수 있는 실제 애플리케이션들이라는 말씀이시군요.

네. 네. 동의합니다. 제 생각에 우리는 이 기술을 정말 유용하게 활용할 수 있는 수많은 활용 사례 중 하나를 적용하고 있는 것 같고, 이를 통해 우리가 논의하고 있는 SDV의 장점을 최대한 살릴 수 있을 것 같습니다. 그리고 이것은 단순히 이론적으로 무엇을 할 수 있을지에 대한 구상이 아니라, 실제로 실행 가능한 적용 사례입니다. 게다가 이미 효과가 입증된 것도 알고 있습니다.

정말 훌륭하네요. 자, Sonatus, 저희의 주요 강점 중 하나는 다른 여러 기능들 중에서도 고해상도 데이터 캡처 기능입니다.

그래서 저희는 귀사와의 협업이 훌륭한 시너지를 만들어낼 것 같다는 생각이 듭니다. 저희는 정말 기쁘게 생각하며, 앞으로도 귀사와 계속 함께 일할 수 있기를 기대합니다.

르노를 통해 거두신 놀라운 성공에 진심으로 기쁘게 생각하며, 앞으로 더 많은 고객이 귀사를 선택해 주시기를 기대합니다.

정말 감사합니다. 네.

11:49 결론 및 마무리 발언

네. 안녕하세요. 팟캐스트에 출연해 주셔서 감사합니다.

감사합니다. 고마워요, 존.

이번 에피소드가 마음에 드셨다면, ‘좋아요’를 누르고 구독해 주세요. 그러면 ‘AutoTech Detroit’의 에피소드는 물론 저희 홈 스튜디오에서 제작한 유사한 콘텐츠도 더 많이 만나보실 수 있습니다. 다시 한 번 감사드리며, 조만간 다음 에피소드에서 뵙겠습니다.