FRONT LINE RESEARCH신기술 동향
Home  >  서울대 공대 연구소식  >  신기술 동향



송재준
서울대학교 에너지자원공학과 교수


송재준
서울대학교 에너지자원공학과 교수


스마트 자원 개발


광업은 가장 오래된 산업의 하나이나 다른 산업처럼 광업도 과거에 머물러 있지 않고 끊임없이 변신해가고 있다. 4차 산업혁명으로 대변되는 물리적 세계와 디지털 세계의 접목이 광업에서도 이미 시작되었다. 2017년 세계경제포럼(WEF, 2017)에서는 디지털 전환(transformation)이 광업에 1900억 불 규모의 이익을 가져다 줄 것이라고 예견하였고 글로벌 광산기업인 Rio Tinto는 호주에 위치한 5개의 광산에 무인 트럭을 도입하여 유인 트럭 대비 15%의 비용 절감을 달성하여 디지털 전환의 효과를 증명한 바 있다. 광산의 전 주기인 탐사-탐광-개갱-채광-복원의 전 과정에서 AICBM(AI-IoT-Cloud-Big data-Mobile) 기술을 융합하는 시도가 진행되고 있는데 이를 다른 말로는 스마트마이닝 또는 디지털마이닝이라 부른다. 설문조사에서 세계 유수의 광산기업 경영자들은 자신이 속한 회사가 현재 ‘데이터와 분석 분야에 가장 많은 투자를 하고 있다’(53%), ‘혁신과 기술전환 부분에서 광업 회사 간 큰 격차가 벌어질 것이며(37%)’, ‘이로 인해 전통적 리더가 힘을 잃을 것이다(33%)’고 답한 바 있다. 디지털 기술로의 전환은 광업의 전 과정에서 비용 절감과 안전개선, 환경 피해 최소화를 가능하게 할 것이므로 이러한 전환에 성공하는 광산기업들이 지속적인 성장을 누리게 될 것이다(그림1 참조).
<그림1> 광산 경영인 대상 설문조사결과: 광업(左)과 광산개발기업(右)의 성장 전망

실례로 BHP사는 Jimblebar 철광석 광산에서 운반 차량을 자동화하여 20%의 비용 절감 효과를 달성하였으며, 캐나다의 Goldcorp사는 IBM사의 AI 서비스인 IBM Watson을 이용하여 AI 기반의 자원 탐사를 수행하였다(PROTOTYPR, 2020). 또한 리오틴토(Rio Tinto)사는 체계적인 reconciliation 시스템을 구축하여 운영중이며(RIOTINTO, 2020), PETRA Data Science사는 다양한 머신러닝·인공지능 알고리즘을 개발하여 자 원처리 공정의 자동화와 실시간 데이터 분석을 통한 운영 최적화 및 미래 공정 성능 예측 기술들을 개발하고 있다(윤대웅 외, 2018). 광산장비 운영에 관해서는 Rio Tinto, Barrick, LKAB, Boliden, Orica, Vale 등 광업 및 건설업 관련 글로벌 기업들이 장비 운영 시 생성되는 빅데이터를 최적화 기법에 적용하고 있다(IREDES, 2020).

우리나라에서의 4차 산업혁명 관련 에너지자원분야의 핵심 방향은 두 가지로 요약할 수 있다. 첫째, 국가 산업의 지속 발전을 위한 2차 전지 광물과 희소 금속 등 4차 산업혁명 관련 핵심 광물을 안정적으로 수급하는 것이며, 둘째, 기술 혁신과 세계 시장에 진출하는 인력 양성을 통해 자원 개발 산업을 에너지 신산업으로 양성하는 것이다(김현태, 2019).

이에 따라 산업통상자원부에서는 미래 자원기술을 선도하는 혁신 인재 및 자원산업 생태계 변화에 유연하게 대응할 수 있는 융합형 실무 인재를 양성한다는 목표를 세우고 2020년에 ‘스마트 자원개발 융합인력양성사업’을 출범시켰다. 이 사업은 자원 개발 기업의 수요에 기반하여 전통적 자원 개발 기술에 AICBM의 기술을 섭렵한 석박사급 전문 인력을 배양하는 것을 기본 방향으로 하고 있다. 여기에서 전통적 자원 개발 기술은 물리탐사, 석유가스공학, 지질공학, 환경지구화학, 암반공학, 자원처리공학, 에너지환경경제학 등을 가리킨다. 서울대학교 에너지자원공학과는 AI연구원과 데이터사이언스 대학원을 비롯한 서울대학교의 우수한 AICBM분야 교육 인프라를 바탕으로 자원 개발 분야를 선도하는 학과 교수진과 학생, 창의적인 교육/연구 프로그램이 하모니가 이루도록 계획하여 이 사업의 첫 수혜자가 되었다. 여기에는 7개의 기업체와 1개의 연구원이 함께 참여하여 3개의 전공트랙과 10개의 R&D 프로젝트, 현장 교육 및 실습에 지속적으로 협력할 예정이다. 이 사업 프로그램은 3개의 융합교육 트랙(디지털 센싱 정보화 전문가 트랙, 빅데이터 분석 AI전문가 트랙, 지능형 설계 전문가 트랙, 그림2 참조)과 R&D 프로젝트 및 기업 연계활동을 포함하는 비교과활동으로 구성되어 있다.

에너지자원공학과에서 이제 막 시작된 인력 양성 사업의 성공을 계기로 앞으로 자원산업 분야에서 양질의 일자리가 창출되고, 국내 자원 개발 산업이 세계 자원시장에 진출할 수 있는 성장 잠재력이 큰 에너지자원 신산업으로 자리매김하기를 기대한다.
<그림2> 스마트 자원개발 융합교육 및 비교과활동 개요

[참고문헌]


• WEF(World Economic Forum), 2017, “Digital Transformation Initiative-Mining and Metals Industry”
• KPMG, 2019, “Risks and opportunities for mining – Outlook 2019”
• PROTOTYPR, 2020.11.11.(https://blog.prototypr.io/mining-companies using ai-machine-learning-and-robots-e6dcdebaccc3) • RIOTINTO (https://www.riotinto.com/news/releases/Koodaideri-investment-approved) • 윤대웅 외 10명, 2018, “자원개발 머신러닝 입문” 씨아이알, pp. 352 • IREDES (International Rock Excavation Data Exchange Standard), 2020.11.11 (www.iredes.org) • 김현태, 2019, ‘4차 산업혁명 시대 자원개발 산업의 디지털 전화 기술개발 동향’, 한국자원공학회지, 56(5): pp. 514-528