선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 불확실한 미래 자동차 기술과 산업지형 변화에 능동적으로 대처하고, 새로운 시장 진출을 준비하며, 향후 자동차 산업에 영향을 미칠 사회･문화적 현상까지 함께 조망하기 위해서는 차량용 반도체의 트렌드 파악과 유망기술에 영향을 주는 요인에 대한 시사점 분석이 매우 중요하다. 따라서 기술에 대한 체계적이고 상세한 내용을 담고 있는 특허를 활용한 정량적 연구를 통해 객관성을 확보하는 것이 필요하며, 본 연구에서는 글로벌 기술을 선도하는 미국의 차량용 반도체 관련 특허데이터를 기반으로 연구를 진행하고자 한다. 또한 차량용 반도체와 같은 혁신기술은 융합을 기반으로 다양한 분야로 확산될 수 있으며, 과거부터 현재까지 기술을 정량적으로 분석하고, 해당 기술 트렌드 변화에 영향을 주었던 주요 요인을 파악함으로써 유망 기술을 예측하고, 이를 근거로 다양한 전략수립으로 발전이 가능하다.
- 또한 차량용 반도체와 같은 혁신기술은 융합을 기반으로 다양한 분야로 확산될 수 있으며, 과거부터 현재까지 기술을 정량적으로 분석하고, 해당 기술 트렌드 변화에 영향을 주었던 주요 요인을 파악함으로써 유망 기술을 예측하고, 이를 근거로 다양한 전략수립으로 발전이 가능하다. 따라서 본 연구에서는 차량용 반도체 기술 추세를 분석하여 시대배경과 환경에 따른 적용 및 영향요인을 확인하고 핵심기술에 대한 시사점을 살펴보고자 한다.
- 또한 핵심기술을 나타내는 연구 집중도, 제품화 가능성 등을 확인하는데 어려움이 있다. 따라서, 본 연구는 특허를 기반으로 토픽 모델을 통해 분석하여 차량용 반도체의 기술 트렌드에 대한 정량적인 결과 도출이 가능하였고, 정형화된 분류체계 중심의 트렌드 분석에서 포함하지 못한 디지털제조, 생체분석 등 차량용 반도체 기술 추세를 확인하였으며, 세부 연구분야에 대한 다양한 관점을 제시하였다.
- 본 논문은 정형화된 분류체계를 탈피하여 차량용 반도체 기술 트렌드를 분석하였다. 자동차의 기초가 되는 파워트레인, 섀시, 차체 등은 2000년 이후 큰 변화가 없었고, 기존의 차량용 반도체 트렌드 분석을 위한 연구 역시 파워트레인, 샤시, 바디, 안전 등의 적용분야를 중심으로 분석하였다(전황수･허필선, 2008; 김경호, 2011; 이승규 외, 2012).
제안 방법
- 1980년부터 2017년 7월까지 특허데이터를 기반으로 특허분석과 LDA 모형을 통해 분석한 차량용 반도체 기술 추세를 (그림 4)와 같이 도식화하였다. 본 연구를 통해 나타난 차량용 반도체 기술은 세대별 4∼6개로 분류되고 있으며, 다양한 요소기술을 확인할 수 있다.
- 1세대부터 4.5세대까지 도출된 토픽들을 대상으로 각 토픽을 구성하는 IPC 상위 5개를 분석하고, 토픽을 구성하는 특허문서를 확인하여 기술별 정의를 내렸다. 세대별 토픽을 구성하는 IPC와 비중, 그리고 토픽별 기술정의는 <표 5>와 같다.
- 박주섭 외(2017)는 AI(Artificial Intelligence) 기술을 대상으로 2000년∼2016년 동안 미국 특허 DB에서 14,187개의 특허문서를 연단위로 추출하고, LDA 모형을 활용하여 인공지능 기술토픽을 추출한 후 이를 AI 세부기술로 정의하였다. AI 세부기술의 비중 분석 및 Hot/Cold 토픽 분석으로 기술 흐름을 확인하였고, 텍스트탐색, 컴퓨터 관리 등 세부기술을 Hot 기술로 도출하였다. 오승현 외(2017)의 연구는 미국 특허청 등록 특허를 대상으로 증강현실분야의 1976년부터 2016년 6월까지 총 1,722건의 특허를 수집하여 LDA 모형을 통해 증강현실 기술을 구성하고 있는 세부 기술요소를 도출하였다.
- LDA 분석 결과 차량용 반도체 기술의 세대별 토픽과 각 토픽에서 높은 확률 값을 갖는 상위 IPC에 대해 과 같은 결과를 도출하였다.
- 수집된 특허는 IPC를 중심으로 분석하고, 특허 및 IPC의 유효성, 정보 누락 등으로 나타나는 분석 오류를 방지하기 위해 데이터 전처리를 수행한다. LDA 분석을 위해 먼저 토픽수(k값)를 결정하고, LDA 분석을 수행한다. 도출된 토픽들을 대상으로 각 토픽을 구성하는 IPC 분석 및 기술의 정의를 내리고, 차량용 반도체기술 추세를 분석한다.
- LDA 분석을 위해서는 토픽수(k값)가 결정되어야 하며 이는 연구자가 결과를 효과적으로 해석 가능한 수준에서 결정할 수도 있으나, 본 연구에서는 LDA 함수에 대해 토픽수를 2에서부터 50까지 변화시켜 log-likelihood(우도) 값의 harmonic mean(조화평균)이 최대가 되는 값을 토픽수로 결정하였다(Ponweiser, 2012). 세대별 최적 토픽수는 <표 2>와 같다.
- (2017)은 미국 특허청에서 2001년부터 2014년까지 구글, 삼성, 마이크로소프트 등과 같은 선도적인 기업의 157,718개 특허를 추출하여, LDA모형을 활용한 업계의 특허에 대한 전반적인 관점을 만들고 향후 추세를 예측하였다. 기업별 지식에 대한 추세의 차이를 확인하고, 하드웨어에서 소프트웨어 중심의 기술전략 및 선도기업의 기술진화를 분석하였다. 특히, IPC를 통한 특허의 분류와 별개로 LDA 모형을 통해 분류된 토픽들은 기업의 지식에 대한 다른 관점을 제시할 수 있다고 강조하였다.
- 2)을 사용하였고, R 프로그램 패키지는 “tm”, “topicmodels”, “LDAvis” 등을 활용하였다. 데이터 분석오류를 줄이기 위해 IPC 정보의 대문자 통일, 공백제거 등의 작업을 수행하였고, IPC 정보는 level 4까지 코드정보를 정제하였으며 R과 엑셀을 통해 수행하였다.
- LDA 분석을 위해 먼저 토픽수(k값)를 결정하고, LDA 분석을 수행한다. 도출된 토픽들을 대상으로 각 토픽을 구성하는 IPC 분석 및 기술의 정의를 내리고, 차량용 반도체기술 추세를 분석한다.
- 또한 이러한 토픽기반 기술예측 접근방법으로 기술동향 분석을 통해 R&D 의사결정이나 기술기회 발견을 촉진할 수 있다는 시사점을 제시하였다.
- 마지막으로 본 연구의 세대 분류 기준은 최초 10년 단위(1∼3세대)에서 2010년대는 각각 5년(4세대), 2년 7개월(4.5세대)로 분류하였다.
- 본 연구의 목적인 차량용 반도체 분야 기술 추세를 분석을 위해 (그림 1)과 같이 연구모형을 도식화 하였다.
- 장혜진 외(2017)의 연구는 기술의 유망성이 높다고 판단되는 자동차 산업을 대상으로 최근 10년간 미국특허청에 등록된 자동차 도어 관련 특허서지정보 등을 활용하여, 사용자 니즈와 관련된 특허를 동종․이종영역으로 구분하고, LDA 분석을 통해 각 기술 분야를 구분하였다. 사용자 수요의 유형별로 내향형과 외향형 기술기회를 탐색하고 기술력 및 특허지표를 이용하여 만족도 변화량이 가장 큰 기술을 유망기술에 대한 기술기회로 제시하였다. 박주섭 외(2017)는 AI(Artificial Intelligence) 기술을 대상으로 2000년∼2016년 동안 미국 특허 DB에서 14,187개의 특허문서를 연단위로 추출하고, LDA 모형을 활용하여 인공지능 기술토픽을 추출한 후 이를 AI 세부기술로 정의하였다.
- 오승현 외(2017)의 연구는 미국 특허청 등록 특허를 대상으로 증강현실분야의 1976년부터 2016년 6월까지 총 1,722건의 특허를 수집하여 LDA 모형을 통해 증강현실 기술을 구성하고 있는 세부 기술요소를 도출하였다. 세부 기술요소에 대한 특허등록건수 등 통계적 수치를 활용하여 최근 5년간 기술동향을 분석하고 시사점을 제시하였다. 정병기 외(2016)는 나노기술과 관련된 신규성과 진보성이 인정된 미국 특허청 등록 특허를 대상으로 기존의 정적인 특허분류체계를 이용한 융합기술을 분석 연구와 달리 LDA를 통해 기술 분류를 적용하고 교차영향분석을 활용하여 융합기술의 동향을 분석하였다.
- 따라서, 차량용 반도체 분야 미국 특허청의 출원 및 등록특허를 대상으로 데이터를 수집한다. 수집된 특허는 IPC를 중심으로 분석하고, 특허 및 IPC의 유효성, 정보 누락 등으로 나타나는 분석 오류를 방지하기 위해 데이터 전처리를 수행한다. LDA 분석을 위해 먼저 토픽수(k값)를 결정하고, LDA 분석을 수행한다.
- 본 논문에서는 1980년 1월부터 2017년 7월까지 차량용 반도체 분야 미국 특허를 대상으로 기술 추세를 분석하였다. 특허 IPC 코드를 추출하여 토픽모델을 적용하였으며, IPC정보와 특허 정보 분석을 통해 주요기술을 정의하고 시대별 기술 추세를 확인하였다.
- 특허데이터 전처리 및 LDA 분석을 위해 공개 소프트웨어인 R 프로그램(버전 3.4.2)을 사용하였고, R 프로그램 패키지는 “tm”, “topicmodels”, “LDAvis” 등을 활용하였다.
대상 데이터
- Momeni and Rost(2016)의 연구에서는 k-core 분석과 LDA 모형을 활용하여 기술의 과거 및 현재의 동향을 모니터링하여 유망기술(파괴적 기술)을 도출하는 연구를 수행하였다. 1978년부터 2012년까지 미국특허청, 유럽특허청(EPO) 등의 특허를 대상으로 키워드를 태양광발전과 태양전지, IPC를 H01L31/00로 한정하여 총 9,328건을 수집하였고, 태양광 산업에서 현재의 기술동향을 파악하고 유망기술(박막 기술)을 도출하였다. Suominen et al.
- 미국은 기술에 대한 수요가 가장 큰 시장으로 세계 유수기업들은 신기술 권리 보호를 위해 미국에 지속적 특허출원을 하고 있으며, 차량용 반도체 분야는 미국이 글로벌 기업을 중심으로 세계 시장을 선도하고 있는 상황이다(손광준 외, 2016). 따라서, 차량용 반도체 분야 미국 특허청의 출원 및 등록특허를 대상으로 데이터를 수집한다. 수집된 특허는 IPC를 중심으로 분석하고, 특허 및 IPC의 유효성, 정보 누락 등으로 나타나는 분석 오류를 방지하기 위해 데이터 전처리를 수행한다.
- 본 논문에서는 1980년 1월부터 2017년 7월까지 차량용 반도체 분야 미국 특허를 대상으로 기술 추세를 분석하였다. 특허 IPC 코드를 추출하여 토픽모델을 적용하였으며, IPC정보와 특허 정보 분석을 통해 주요기술을 정의하고 시대별 기술 추세를 확인하였다.
- 수집된 특허는 1세대(1980년∼1989년), 2세대(1990년∼1999년), 3세대(2000년∼2009년), 4세대(2010년∼2014년), 4.5세대(2015년∼2017.7월)로 명명하였다.
- kr)를 통해 수집하였다. 총 11,612개 수집 특허중 데이터 중복, 누락, 유효성 등으로 인한 분석 오류를 방지하기 위해 해당 데이터를 제거하여 11,564개 특허를 분석에 활용하였다. 수집된 특허는 1세대(1980년∼1989년), 2세대(1990년∼1999년), 3세대(2000년∼2009년), 4세대(2010년∼2014년), 4.
- 특허 데이터는 미국 특허청의 특허(출원, 등록 기준)를 대상으로 차량용 반도체 특허 수집을 위해 검색식은 “Semiconductor*Vehicle*Automotive”으로 하였고, 기간은 1980년 1월부터 2017년 7월까지로 특허청 키프리스(http://www.kipris.or.kr)를 통해 수집하였다.
- 정병기 외(2016)는 나노기술과 관련된 신규성과 진보성이 인정된 미국 특허청 등록 특허를 대상으로 기존의 정적인 특허분류체계를 이용한 융합기술을 분석 연구와 달리 LDA를 통해 기술 분류를 적용하고 교차영향분석을 활용하여 융합기술의 동향을 분석하였다. 특허데이터는 특허청 키프리스를 통해 총 87,446건을 수집, 활용하였다.
이론/모형
- 본 연구에서는 토픽모델을 대표하는 LDA 모형을 활용한다. LDA는 주어진 문서집단에 대하여 각 문서에 잠재되어 있는 토픽의 존재를 디리클레(Dirichlet) 확률분포를 기반으로 판단하는 생성확률모형(generative probabilistic mode)으로 LDA 프로세스는 (그림 2)와 같다(Blei et al.
성능/효과
- 5세대까지 주요기술로 나타난 전기차는 요소기술이 거의 동일하게 진행되었다. 2차전지, 반도체 장치세부, 충전회로, 차량 전기적 추진 장치 등을 포함하는 H01M10, H01L23, H02J7, B60L11 로 구성되어 기술 트렌드가 유사하게 진행됨을 확인할 수 있다. 한편 4.
- 4세대 역시 레이더를 포함하는 G01S13 관련 기술이 다수를 이루고 있다. 4.5세대 운전보조기술에 포함된 센서 관련 기술 지문센싱, 라이다 등의 G06F17과 레이더, 다파장 라이다 등의 G01S7로 구성되어 2세대부터 4.5세대까지 센서관련 요소기술이 변화함을 확인할 수 있었다.
- 3세대는 1, 2세대와 유사하게 B60Q1, G06F17(데이터프로세싱), B60R21가 주요 IPC로 확인된다. 4세대는 G06F3(데이터입출력기구), H01L23, H04L12(데이터스위칭 네트워크), 5세대는 H01L23, G06F3, H04N5(텔레비전시스템) 등이 특허 기술분야에서 가장 많이 포함되어 있음을 확인할 수 있다.
- 자동차와 정보통신기술의 융합을 바탕으로 차량 내외부 기기 간 연결을 위한 통신기술이 자동차에 본격적으로 적용되기 시작하였으며, 차량내 디스플레이가 장착되고 영상기술이 도입되면서 이미지 처리에 필요한 차량용 반도체가 각광받기 시작하였다. 교통정보시스템, 내비게이션과 같은 기술이 고급차부터 소형차까지 광범위하게 적용되며 운전 보조를 위한 반도체 기술의 중요도가 높아졌으며, 자동차 내외부 인지를 위한 센서 기술은 1990년대와 마찬가지로 차량용 반도체의 핵심분야로 나타났다.
- 자율주행과 같은 새로운 자동차 산업으로 발전할수록 자동차는 운송수단에서 생활 공간으로 인식되고 있으며, 이에 따라 생체측정기술은 안전과 편의에 대한 시장(소비자)의 관심과 요구사항이 반영된 결과라 할 수 있다. 기술적으로 심장박동수, 산소포화도 등 운전자의 건강상태를 측정하는 A61B5와 운전자의 심리적, 행태적 모니터링을 위한 망막검출, 3차원 제스쳐 인식 등의 G06K9 관련 기술이 주요 기술로 나타났다. 또한 측정된 생체신호 데이터를 전송, 처리하고 차량의 직접 제어를 위한 H04L29, H04W4, H04L12 기술이 함께 포함되었으며, 운전자의 스트레스 해소를 위한 맞춤형 음악과 같은 서비스를 포함하는 G06Q30도 관련 기술에 포함되고 있다.
- 본 연구는 선행연구와 달리 특허의 IPC 코드를 활용하여 특허분석과 토픽모델을 통해 핵심기술 분류와 기술 트렌드 도출에 정량적인 결과를 제시했다는 점에서 큰 의의가 있다. 기존의 분류체계 중심의 기술 트렌드 분석과는 달리 새로운 융합형 차량용 반도체 핵심기술을 발견할 수 있었고, 요소기술 변화의 다양성도 확인할 수 있었다. 또한, 기술 트렌드는 시대배경과 환경을 비롯하여 정부규제, 시장니즈, 기술융합 등에 따라 요소기술, 기술특성 등이 변화한다는 것을 확인할 수 있었다.
- 기존의 분류체계 중심의 기술 트렌드 분석과는 달리 새로운 융합형 차량용 반도체 핵심기술을 발견할 수 있었고, 요소기술 변화의 다양성도 확인할 수 있었다. 또한, 기술 트렌드는 시대배경과 환경을 비롯하여 정부규제, 시장니즈, 기술융합 등에 따라 요소기술, 기술특성 등이 변화한다는 것을 확인할 수 있었다.
- 본 연구는 선행연구와 달리 특허의 IPC 코드를 활용하여 특허분석과 토픽모델을 통해 핵심기술 분류와 기술 트렌드 도출에 정량적인 결과를 제시했다는 점에서 큰 의의가 있다. 기존의 분류체계 중심의 기술 트렌드 분석과는 달리 새로운 융합형 차량용 반도체 핵심기술을 발견할 수 있었고, 요소기술 변화의 다양성도 확인할 수 있었다.
- 본 연구를 통해 나타난 차량용 반도체 기술은 세대별 4∼6개로 분류되고 있으며, 다양한 요소기술을 확인할 수 있다.
- (2017)은 LDA 모형을 기반으로 한 토픽기반 기술예측방법론을 제안하고, 이를 입증하기 위해 미국 특허청(USPTO)에서 오스트레일리아가 소유한 2000년부터 2014년 사이의 13,910개 특허를 수집하여 분석하였다. 분석결과 기술의 패턴을 추정하고 주장을 뒷받침할 수 있는 잠재적인 토픽의 미래추세 예측방법이 효과적이라는 것을 확인하였다. 또한 이러한 토픽기반 기술예측 접근방법으로 기술동향 분석을 통해 R&D 의사결정이나 기술기회 발견을 촉진할 수 있다는 시사점을 제시하였다.
- 특허수는 (그림 3)과 같이 1세대 279개, 2세대 1,109개, 3세대 4,071개, 4세대 3,884개, 4.5세대 2,221개로 추세선을 통해 특허수가 지속적으로 증가하고 있음을 확인하였고, 이는 1980년대부터 현재까지 차량용 반도체 산업 및 기술에 대한 관심이 계속 높아지고 있음을 나타낸다.
후속연구
- 본 연구에서는 차량용 반도체 분석 대상을 미국 특허로 한정하여 분석을 진행하였으나, 이는 글로벌 차량용 반도체 기술의 트렌드를 분석하는데는 한계가 있다. 따라서 추후 다양한 국가를 포함하는 비교분석을 함께하고, 특허의 초록이나 논문 등을 함께 고려한다면 좀 더 직관적이고 가독성 있는 기술 추세연구가 가능하다 판단된다. 마지막으로 본 연구의 세대 분류 기준은 최초 10년 단위(1∼3세대)에서 2010년대는 각각 5년(4세대), 2년 7개월(4.
- 차량용 반도체의 경쟁력을 강화하기 위해서는 핵심기술개발 및 상용화뿐만 아니라 인프라 확충 등이 필요하며, 본 연구를 통해 도출된 기술 추세는 차량용 반도체 산업분야의 R&D 정책 수립과 산업계의 기술전략 수립을 위한 의사결정에 도움을 줄 것으로 기대된다. 또한 기술의 세부 요소기술 분류와 트렌드 분석결과를 제공하여 세부 연구개발 방향과 특허전략 수립에 효과적으로 활용될 것으로 기대된다.
- 5세대)부터는 전통적인 반도체 제조/공정 기술 뿐만 아니라 3D 프린팅 등을 활용한 디지털 제조가 핵심기술로 주목받기 시작하였는데, 차량용 반도체 제조/공정과 4차 산업혁명 관련 3D 프린팅 등의 기술 융합에 기인한 것으로 분석된다. 또한 라이다, 레이더, 카메라 등 다양한 센싱 기술을 활용하여 차량 운행시 발생할 수 있는 사고를 방지하거나 운전자의 편의성을 향상시키는 운전보조 기술이 지속적으로 발전하고 보편화되고 있으며 향후 자율주행을 위한 시스템 기술로 진화할 것으로 보인다.
- 본 연구의 성과를 통하여 본 향후 연구 방향은 다음과 같다. 본 연구에서는 차량용 반도체 분석 대상을 미국 특허로 한정하여 분석을 진행하였으나, 이는 글로벌 차량용 반도체 기술의 트렌드를 분석하는데는 한계가 있다. 따라서 추후 다양한 국가를 포함하는 비교분석을 함께하고, 특허의 초록이나 논문 등을 함께 고려한다면 좀 더 직관적이고 가독성 있는 기술 추세연구가 가능하다 판단된다.
- 5세대)로 분류하였다. 자동차 산업의 패러다임 변화 시점 등 새로운 기간 분류방법을 포함한다면 좀더 입체적 연구가 가능할 것으로 기대된다.
- 차량용 반도체의 경쟁력을 강화하기 위해서는 핵심기술개발 및 상용화뿐만 아니라 인프라 확충 등이 필요하며, 본 연구를 통해 도출된 기술 추세는 차량용 반도체 산업분야의 R&D 정책 수립과 산업계의 기술전략 수립을 위한 의사결정에 도움을 줄 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.