1. 서 론

4차 산업혁명의 빠른 진전과 함께 스마트 팩토리는 제 조업의 새로운 패러다임으로 부상하고 있다. 정보통신기 술(Information Communication Technology, ICT), 사물인 터넷(Internet of Thing, IoT), 인공지능(AI), 빅데이터 분석 등 다양한 첨단 기술이 융합된 스마트 팩토리는 기존 제조 공정을 자동화하는 데 그치지 않고, 실시간 데이터 활용을 통해 생산성을 극대화하며, 고객 맞춤형 생산까지 가능하게 하는 혁신적인 시스템으로 주목받고 있다. 이러한 기술 도 입은 전통적인 제조방식의 한계를 극복하고, 글로벌 시장에 서의 경쟁력을 제고하는 핵심 수단으로 작용하고 있다.

스마트 팩토리 기술의 발전은 산업 전반의 효율성을 크 게 향상시키는 데 기여하고 있으며, 이를 뒷받침하기 위해 각국에서는 다양한 연구개발(R&D) 과제가 활발히 추진되 고 있다. 특히 국가 차원의 R&D는 기술 발전뿐만 아니라 경제적 성과 창출과 직결되기 때문에, 그 결과물을 체계적 으로 분석하고 평가하는 작업이 필수적이다.

이러한 맥락에서 특허 데이터는 스마트 팩토리 관련 기 술의 동향과 연구개발 성과를 파악하는 데 있어 중요한 자료로 활용될 수 있다. 국가 간 특허 데이터를 비교 분석 함으로써 기술 수준의 차이와 발전 방향을 가늠할 수 있으 며, 이를 통해 각국의 전략적 기술 역량을 진단할 수 있다. 그러나 기술 주제 내에서도 국가별 기술 분류 체계나 출원 전략의 차이로 인해 직접적인 비교가 어려운 경우가 많아, 보다 표준화된 분석 틀이 요구된다. 이는 기술격차 (technology gap) 분석에서도 주요한 고려 요소이며, 기술 의 접근성, 활용 역량, 그리고 기술 활용에 따른 혜택의 차이를 포괄하는 개념으로 정의된다[3,5,13].

본 연구는 2017년부터 2023년까지의 스마트 팩토리 관 련 글로벌 특허 데이터를 대상으로, 토픽 모델링(Topic Modeling)과 사회 연결망 분석(Social Network Analysis, SNA)을 결합하여 주요 기술 주제의 구조적 특성과 국가 간 기술격차를 체계적으로 분석하고자 한다. 특히 국제 표 준 특허 분류 체계인 CPC(Cooperative Patent Classification) 를 기반으로, 각 토픽별 기술 영역을 식별하고 국가별 중심 기술의 상대적 위치를 비교함으로써, 국가 간 연구개 발 전략의 특성과 차이를 정량적으로 파악할 수 있는 분석 틀을 제안한다.

기존에도 스마트 팩토리 기술과 관련된 연구는 다수 존 재하였으나, 특허 기반 토픽 모델링과 사회 연결망 분석을 결합하여 국가 간 기술발전의 구조를 통합적으로 비교·분 석한 연구는 아직까지 제한적이다. 이에 본 연구는 LDA(Latent Dirichlet Allocation) 기반 토픽 도출, SNA 중 심성 분석, CPC 코드 연계를 통한 기술 분류 정밀화의 세 가지 접근을 통합함으로써, 향후 정책 수립과 국가별 R&D 전략 설계에 기여할 수 있는 실질적 시사점을 제시 하고자 한다.

2. 선행 연구

2.1 스마트팩토리 기술 관련 연구

스마트팩토리는 제조업의 디지털 전환을 대표하는 핵 심 기술 영역으로, 학계와 산업계에서 다양한 접근의 연구 가 지속되고 있다. 기존 연구에서는 스마트팩토리 구현을 위한 주요 기술로 사이버물리시스템(CPS), 사물인터넷 (IoT), 빅데이터, 인공지능(AI), 클라우드 기반 제어 시스 템 등이 주로 논의되어 왔다. 예를 들어, Kim et al.[7]은 스마트팩토리의 구현 수준에 따른 단계별 핵심 기술 요소 를 정리하고 기술 간 연계 구조를 제시하였고, Lee and Shin[9]은 디지털 전환 성숙도 측정을 위한 프레임워크를 제안한 바 있다.

최근에는 이러한 기술 기반 논의를 넘어, 스마트팩토리 의 도입 전략, 사용자 수용성, 환경적 지속가능성을 포함하 는 보다 확장된 시각의 연구가 이루어지고 있다. Zhou et al.[18]은 스마트 제조기술(Smart Manufacturing Technology, SMT)의 채택을 가속화하는 조직 내부 및 외부 요인을 실증 적으로 분석하였으며, 이는 기술 도입 결정에 영향을 미치 는 비기술적 요인의 중요성을 강조한 연구이다. Kim et al.[7]은 스마트홈 기술 경험을 분석함으로써, 스마트 제조 환경에서도 사용자 중심 설계(Human-Centric Design)의 중 요성을 부각시켰다.

이와 함께 Wang et al.[13]은 Industry 5.0 개념을 바탕으 로, 인간-기계 협업 및 AI 기반 제조 생태계 전환의 구조적 변화를 과학계량학적으로 분석하였으며, 스마트 제조 기 술의 발전이 단순한 자동화 수준을 넘어 인간 중심 기술 통합으로 진화하고 있음을 보여주었다. 또한 Zhang et al. [16]은 기후변화 대응을 위한 AI 기반 제조 기술의 탄소 저감 기여 가능성을 분석함으로써, 스마트팩토리가 지속가 능성(ESG) 측면에서도 중요한 전략 기술임을 강조하였다.

요약하자면, 최근의 스마트팩토리 관련 연구는 단일 기 술 요소 중심에서 벗어나 기술 생태계, 인간 중심 설계, 지속가능성, 정책 전략 등 다양한 차원에서 접근하고 있으 며, 이는 본 연구가 수행한 국가 간 기술 구조의 정량 비교 와 밀접한 연관성을 갖는다. 특히, 기술 생태계 전반에 대 한 분석과 데이터 기반 계량 기법의 활용은 R&D 기획 및 정책 수립을 위한 실증적 기반으로 점점 중요해지고 있다.

2.2 특허 기반 기술분석 및 토픽모델링 관련 연구

특허 데이터는 기술성과의 구체성과 시의성을 동시에 갖춘 대표적인 지식 정보로, 기술 동향을 정량적으로 분석 할 수 있는 핵심 자료로 활용된다. 기존 연구들은 특허 데 이터를 바탕으로 유사 기술 간의 분포, 국가별 기술 역량, 기술 포지셔닝 등을 다양한 계량분석 기법으로 도출해왔 다. 특히 최근에는 텍스트마이닝 기반의 토픽 모델링 기법 이 비정형 특허 텍스트 분석을 위한 보완적 도구로 널리 활용되고 있다.

대표적으로 Blei et al.[1]이 제안한 LDA(Latent Dirichlet Allocation)는 문서 집합 내에서 잠재적인 주제를 자동 추 출하는 비지도 학습 기반의 토픽모델링 기법으로, 다양한 기술 분야의 특허 분석에 효과적으로 활용되고 있다. Park and Rho[12]는 5G 통신 특허를 LDA로 분석하여 기술 진 화 흐름을 시계열적으로 추적하였고, Kim and Choi[6]은 바이오헬스 산업의 특허 텍스트 분석을 통해 미래 유망 기술군을 도출하였다.

스마트팩토리 분야에서는 특허 기반 기술 구조 분석과 토픽모델링 기법의 결합이 점차 활발해지고 있다. Li et al. [10]은 스마트 제조 특허에 대해 grey DEMATEL 기법을 활용하여 기술 간 영향도를 정량화하고, 기술 구조 내 상 호작용을 계량적으로 도출하였다. Wang et al.[13]은 Industry 5.0 문헌을 대상으로 LDA 기반 토픽 모델링과 계 량 분석을 결합하여, 기술 주제의 분포 및 진화 경로를 체 계적으로 분석하였다.

Yang et al. [15]은 예지보전(PHM) 분야의 논문을 대상 으로 자연어처리와 토픽모형을 결합해 기술 간 연계 구조 를 도출하였고, Li et al.[10]은 지능형 제조 환경에서 마이 크로서비스 후보 기술을 클러스터링 기반으로 분류하는 기법을 제안하였다. 이들 연구는 기술 간 상호작용, 공백 영역 도출, 기술 융합 가능성 탐색 등에서 본 연구와 이론 적·방법론적 유사성을 지닌다.

특히 Kim et al.[8]는 스마트팩토리 특허 빅데이터 분석 에서 LDA 토픽모델링과 생성형 AI(ChatGPT)를 결합하는 접근을 시도하였다. 해당 연구는 GPASS 시스템을 통해 수집한 4,353건의 글로벌 특허를 전처리한 후 LDA 기반 으로 기술 주제를 도출하고, ChatGPT를 통해 각 토픽의 의미를 자동 추론한 뒤 전문가 검토를 통해 토픽 명칭의 해석력을 강화하였다. 또한 CPC 코드와의 연계, 국가 간 중심성 분석을 통해 기술 구조와 전략의 차이를 시각화한 점에서 본 연구의 이론적 기반으로서 중요한 역할을 한다.

이와 같은 연구들은 특허 기반의 토픽모델링, CPC 매 핑, SNA 중심성 분석 등의 방법론을 통해 지식지도 구축, 전략 기술군 도출, 기술격차 해석이라는 분석 목표를 수행 하고 있으며, 본 연구와도 높은 일관성을 가진다.

2.3 사회연결망분석(SNA)을 활용한 기술 구조 분석

사회연결망분석(Social Network Analysis, SNA)은 기 술 간 연관성을 네트워크 구조로 시각화하고, 중심성 지표 등을 활용하여 핵심 기술군의 전략적 중요도와 영향력을 정량적으로 파악할 수 있는 분석 방법론이다. 기존에는 학 술 협업 네트워크나 인용 네트워크 분석에 주로 활용되었 으나, 최근에는 기술 간 융합 구조 분석, 특허 기반 기술 전략 도출 등 다양한 기술 구조 분석 분야로 그 활용 범위 가 확장되고 있다.

예를 들어, Choi et al.[2]은 탄소중립 기술 분야의 특허 데이터를 바탕으로 토픽 간 연결 구조를 분석하고, 주요 기술 주제의 중심성 지표를 통해 기술 확산 구조와 전략 기술군을 도출하였다. Park and Rho[12]는 국가 간 공동특 허 및 CPC 기반 기술 네트워크를 구축하고, 산업별 기술 중심성의 변화 추이와 전략적 이동성을 분석함으로써 국 가 간 기술 전략의 구조적 차이를 제시하였다.

Kim and Lee[7]은 Apple사의 스마트 기술 특허를 기반 으로 통합 네트워크 마이닝 기법을 적용하여, 제품별 기술 집중도와 기업의 전략 포지셔닝을 분석하였다. 이들은 단 순한 키워드 분석을 넘어, 기술 간 유사도 기반의 구조화 된 네트워크를 시각화함으로써 기업 기술 전략 분석의 실 증적 접근을 제시하였다.

Zhao et al.[17]은 SNA를 활용해 지속가능 기술의 선택 과 평가를 위한 네트워크 기반 분석 모델을 제안하였다. 중심성 지표, 에고 네트워크, 클러스터링 계수 등을 활용 하여 기술 간 파급력과 연결 밀도에 따른 전략 기술을 도 출하였으며, 이는 복합 기술 융합이 이루어지는 스마트팩 토리 환경에서도 효과적으로 적용될 수 있다.

최근에는 SNA를 다른 분석 기법과 결합하는 통합적 접 근도 활발하다. Liu et al.[11]은 건설 산업의 BIM(Building Information Modeling) 기술을 대상으로 지식 흐름 기반 협 업 네트워크를 구축하고, 기술 간 상호작용 강도와 혁신 확산 경로를 정량적으로 분석하였다. Wang et al.[13]은 인 공지능 기반 지속가능 기술을 주제로 SNA 기반의 기술 생태계 분석을 수행하였고, 기술 분류체계를 기준으로 특 허 간 연결 구조를 시각화한 후 중심성 지표를 활용해 선 도 기술군과 경쟁 기술군을 도출하였다.

이와 같은 연구들은 SNA가 기술 주제 간 구조적 관계 및 전략적 위치를 정량적으로 해석할 수 있는 효과적인 분석 도구임을 보여주며, 본 연구의 중심성 기반 국가 비 교 분석(4.3절, 4.4절)의 이론적 타당성을 뒷받침한다.

그러나 지금까지의 대부분의 연구는 단일 국가 혹은 단 일 기술군에 대한 분석에 초점이 맞춰져 있으며, 토픽모델 링 기반 주제와 표준 기술 분류체계(CPC)를 연결하여 국 가 간 기술 중심성과 구조를 통합적으로 비교한 시도는 매우 제한적이다. 본 연구는 이와 같은 SNA 기반 기술 분 석의 한계를 보완하여, 토픽-CPC 연계 네트워크를 통해 국가 간 기술 전략의 구조적 차이를 정량적으로 진단할 수 있는 통합 분석 프레임워크를 제안한다는 점에서 차별 적 의의를 갖는다.

3. 연구 방법론

3.1 연구방법론 설계

본 연구는 스마트팩토리 관련 기술 구조를 정량적으로 분석하기 위해, <Figure 1>에 제시한 바와 같이 총 6단계 로 구성된 통합 분석 프레임워크를 제안하였다.

먼저, 1단계(Phase 1)에서는 2017년부터 2023년까지의 스마트팩토리 연관 특허 데이터를 수집하고, 제목, 초록, 핵심어 등 주요 텍스트 정보를 기반으로 분석용 데이터를 구축하였다. 2단계(Phase 2)에서는 구두점 제거, 불용어 제 거, 어간 추출(lemmatization) 등의 정제 과정을 포함한 텍 스트 전처리를 수행하여 분석의 정확성과 신뢰성을 제고 하였다. 이어서 3단계(Phase 3)에서는 LDA 기반 토픽 모 델링을 통해 핵심 기술 주제를 도출하고, 최적 토픽 수 설 정 및 주요 토픽에 대한 의미 해석을 통해 기술 주제 체계 를 정립하였다. 4단계(Phase 4)에서는 각 특허에 포함된 표 준 특허 분류 체계인 CPC 코드를 활용하여 기술 주제 간 연계 구조를 분석하였으며, 이를 통해 국가별 상이한 기술 표현을 공통된 기술 분류 체계로 정규화하고, 기술 구조의 비교 가능성을 확보하였다. 5단계(Phase 5)에서는 기술 주 제와 특허 간의 관계망을 기반으로 사회연결망분석(SNA) 을 수행하고, 연결중심성, 매개중심성, 고유벡터 중심성 등 주요 중심성 지표를 활용하여 스마트팩토리 기술 분야 의 핵심 기술군과 그 중요도를 정량적으로 도출하였다. 마 지막으로 6단계(Phase 6)에서는 국가별 기술 격차를 구조 적으로 비교·분석하고, 각국의 기술 집중 전략 및 기술 발 전 방향성을 탐색함으로써, 향후 연구개발 전략 수립에 실 질적인 시사점을 제공하였다.

3.2 데이터 구성

스마트팩토리 연관 특허를 검색하기 위해서 Global Patent Analysis Service System(http://gpass.kisti.re.kr)을 통 해 2017년부터 2023년까지 글로벌 주요 국가들의 특허들 을 대상으로 특허 제목(Title)과 초록(Abstract)을 대상으로 데이터를 구성하였다. 이때 연관 특허를 검색하기 위한 핵 심어와 검색식은 아래 <Table 1>과 같이 구성하였다.

본 연구에서는 특허 발행국(AU), 문서 형태(DTYPE), 초록(AB) 등의 주요 필드를 사용하였다. 이와 같은 검색어 및 검색식을 근거로, 스마트 팩토리 부문의 연관 특허 데 이터를 검색한 결과 <Table 2>와 같이 총 4,353건이 분석 되었다. 이 중에서 중국 3,928건, 한국 335건, 미국 36건, WO 50건, 일본 3건, 미확인 1건으로 나타났다.

3.3 토픽 모델링 분석

토픽 모델링은 대량의 문서에서 잠재적인 주제를 찾아 내는 비지도 학습 기법으로, 본 연구에서는 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)을 사용하여 스마트 팩토리 관련 특허 문서에서 주제를 도출하였다. LDA는 문 서 내 단어의 확률 분포를 활용하여, 문서를 토픽의 혼합 물로, 각 토픽은 단어의 혼합물로 간주한다.

LDA 수행 시 연구자는 문서 집단에 존재하는 토픽 수 (k)를 사전 설정하고, 각 문서에서 특정 토픽이 발생할 확 률을 계산한다. 이를 통해, 각 특허 문서는 여러 토픽에 대한 확률 분포를 가지며, 각 토픽을 구성하는 단어들이 확률적으로 결정된다. 따라서 전체 특허 문헌 집합 D에 대한 결합 확률은 각 문서의 확률 분포를 모두 곱한 값으 로 나타낼 수 있다. 즉, 모든 문서 d와 그 문서 안의 모든 단어 w에 대해 토픽 z가 할당된 확률의 결합분포는 다음 과 같다:

여기서,

본 연구에서 각 토픽은 어휘 집합 V 내의 단어로 특성 화되며, 디리클레 분포(Dirichlet Distribution)를 통해 주제 별 단어 분포가 계산된다. 이를 기반으로 각 특허 문서 내 단어가 특정 주제에 할당되는 확률을 추정하며, 주제별 특 허 분포를 도출한다.

본 연구에서는 최적의 토픽 수를 결정하기 위해 Griffiths와 Steyvers가 제안한 혼란도 지수(Perplexity Index)를 사용하였다[9].

여기서, D는 특허 문헌 집합, N은 모든 특허 문헌에 있 는 단어의 총수, P (w_d)는 특허 문헌 d에 대한 단어의 확률 이며 이것은 LDA 모델이 추정한 단어의 발생확률을 의미 한다. 마지막으로 logP(w_d) 는 특허 문헌 d에서 특정 단어 가 나타날 확률의 로그값을 의미한다.

혼란도 지수는 LDA 모델이 문서 내 단어의 분포를 얼 마나 잘 설명하는지를 평가하며, 모델이 문서에서 단어가 등장할 확률을 얼마나 잘 추정하는지를 측정하는데, 이때 혼란도 지수값이 낮을수록 보다 더 좋은 모델로 평가할 수 있다. 결과적으로 본 연구에서는 LDA 모델을 생성할 때 토픽 수(K)를 결정하는 중요한 지표로 혼란도 지수를 활용하였다. K값을 2에서부터 80까지 여러 개의 모델을 생성하고 혼란도 지수값을 비교하여 최적의 값을 선택하 였으며, 최종적으로 전문가 의견을 통해 스마트 팩토리 부 문에서의 기술 주제를 검증하여 중복되거나 의미가 겹치 는 주제는 제거 및 수정하였다.

3.4 CPC 연계 분석

LDA 분석을 통해 스마트 팩토리 관련 특허 문헌에서 도출된 주요 기술 주제들이 식별된 후, 각 주제에 대한 CPC 코드와의 연계성을 분석하였다. CPC 코드는 특허의 기술 분류를 나타내며, 이를 통해 특정 기술 주제가 어떤 기술 분류에 해당하는지를 파악할 수 있다.

3.4.1 주제별 CPC 분석

LDA를 통해 도출된 각 토픽은 해당 주제와 관련된 특 허 문서의 CPC 코드와 연계된다. 이를 통해 각 기술 주제 가 특허 분류 체계 내에서 어떠한 위치를 차지하고 있는지 파악할 수 있다. 특히, 스마트 팩토리와 관련된 특허의 경 우 다양한 기술적 요소들이 포함되므로, 주제별로 다수의 CPC 코드가 할당될 수 있다.

3.4.2 CPC 코드 기반 기술 동향 분석

주제별로 도출된 CPC 코드 현황을 통해 스마트 팩토리 관련 기술의 발전 동향을 분석하였다. 각 주제에 할당된 CPC 코드는 다음과 같은 목적으로 사용된다:

3.4.3 CPC 코드 간 상호 연계성

각 기술 주제에 할당된 CPC 코드 간의 상호 연계성을 분석하여, 특정 기술 주제가 다른 기술 영역과 얼마나 밀 접하게 관련되어 있는지를 파악한다. 이를 통해 기술 간의 융합 가능성 및 발전 방향을 예측할 수 있으며, 스마트 팩 토리 관련 기술이 상호 어떻게 보완되는지를 분석할 수 있다.

결론적으로, CPC 연계 분석을 통해 LDA로 도출된 기 술 주제들이 특허 분류 체계 내에서 어떤 위치에 속하는 지, 그리고 각 주제가 다른 기술과 어떻게 연관되어 있는 지를 명확히 파악할 수 있다. 이는 국가별 기술 동향과 연 구개발 전략을 세우는 데 중요한 정보로 활용될 수 있다.

3.5 사회 연결망 분석(SNA)

스마트 팩토리 관련 기술 주제 간의 상호 연계성을 분 석하기 위해 본 연구에서는 사회 연결망 분석(SNA)을 수행하였다. SNA는 특허 간의 관계를 파악하고, 네트워 크 내에서 주요 기술이 어떻게 연결되어 있는지를 분석 하는 데 매우 효과적이다. 특히, 본 연구에서는 중심성 (centrality) 지표를 활용하여 각 기술 주제의 중요성을 평 가하고, 네트워크 내에서 중심적인 역할을 하는 기술 주제 를 도출하고자 한다. 중심성은 네트워크에서 특정 노드(특 허나 기술 주제)가 얼마나 중요한 역할을 하는지 측정하는 지표로, 다양한 유형이 존재한다. 본 연구에서는 연결 중 심성(Degree Centrality), 고유벡터 중심성(Eigenvector Centrality), 중개 중심성(Betweenness Centrality), 근접 중 심성(Closeness Centrality)을 활용하여 기술 주제 간 상호 연계성을 분석하였다.

연결 중심성은 특정 노드가 다른 노드와 얼마나 많이 직접 연결되어 있는지를 나타내는 지표로, 높은 연결 중심 성을 가진 노드는 다른 주제와 많은 연관성을 가지고 있어 네트워크 내에서 중요한 위치를 차지한다. 이러한 노드는 정보 전달 경로에서 중요한 역할을 하며, 기술 확산의 중 심에 있을 가능성이 크다.

여기서 C_D(i)는 노드 i의 연결 중심성, aij는 노드 i와 j 사이에 연결이 있는 경우 1, 없는 경우 0을 의미한다. M은 네트워크 내의 전체 노드 수를 의미한다.

고유벡터 중심성은 단순히 연결된 노드의 수만을 고려 하는 것이 아니라, 연결된 노드들이 얼마나 중요한지를 반 영하는 지표이다. 다시 말해, 중심성이 높은 노드와 연결 된 노드는 더 높은 고유벡터 중심성을 가지게 되며, 네트 워크 내에서 매우 중요한 역할을 하는 노드들과의 연결성 을 강조한다.

여기서 C_E(i)는 노드 i의 고유벡터 중심성, λ 는 고유 값, a_ij는 노드 i와 j 사이의 연결을 나타내는 값 (연결이 있으면 1, 없으면 0), C_E(j)는 노드 j의 고유벡터 중심성 을 의미한다.

중개 중심성은 네트워크에서 특정 노드가 다른 노드 간 경로에서 중개 역할을 하는 정도를 나타낸다. 중개 중심성 이 높은 노드는 정보 흐름의 핵심 경로에 위치해 있으며, 네트워크 내에서 기술 주제 간 연결성을 강화하고 정보 전달을 중재하는 역할을 한다.

여기서 C_B(i)는 노드 i의 중개 중심성, σ_st는 노드 s에 서 노드 t로 가는 최단 경로의 수, σ_st (i)는 노드 s에서 노드 t로 가는 최단 경로 중 노드 i를 포함하는 경로의 수를 의미한다.

근접 중심성은 특정 노드가 다른 모든 노드와 얼마나 가까운지를 나타내는 지표로, 근접 중심성이 높은 노드는 네트워크 내에서 다른 노드까지의 경로가 짧아 빠르게 정 보를 전달할 수 있다.

여기서C_C(i) 노드 i의 근접 중심성, d(i, j)는 노드 i와 j 사이의 최단 거리, M 은 네트워크 내의 전체 노드 수를 의미한다.

본 연구에서는 위의 네 가지 중심성 지표를 활용하여 스마트 팩토리 기술 주제 간 네트워크 구조를 분석하고, 각 기술 주제가 네트워크 내에서 얼마나 중요한 역할을 하는지를 평가하였다. 특히, 연결 중심성이 높은 주제는 다른 기술 주제들과 밀접하게 연계되어 기술 확산 및 발전 가능성이 높다고 볼 수 있다. 고유벡터 중심성이 높은 주 제는 네트워크 내에서 핵심적인 역할을 하는 주요 기술과 강력한 연결을 가지며, 중개 중심성이 높은 주제는 네트워 크 내에서 정보 흐름의 중요한 중재자로 기능한다. 근접 중심성이 높은 주제는 신속하게 정보를 전달할 수 있는 위치에 있음을 시사한다.

결론적으로, 중심성 분석을 통해 스마트 팩토리 관련 기 술 주제 간의 상호 연계성을 파악하고, 각 기술의 중요성 을 평가할 수 있다. 이는 각 기술 주제의 발전 방향과 네트 워크 내에서의 역할을 이해하는 데 중요한 정보를 제공하 며, 향후 스마트 팩토리 기술 발전 전략을 수립하는 데 기 초 자료로 활용될 수 있다.

4. 연구 결과

4.1 토픽 모델링 결과 및 기술 주제 해석

본 연구는 스마트팩토리 기술 분야의 핵심 기술 영역을 식별하고 구조화하기 위한 첫 단계로서, 선행연구[8]에서 도출된 LDA 기반 토픽 모델링 결과를 기반으로 분석을 수행하였다. 해당 연구에서는 2017년부터 2023년까지 GPASS 시스템에서 수집한 스마트팩토리 연관 특허 텍스 트(제목 및 초록)를 대상으로 전처리를 수행하고, 토픽 수 15개 설정을 바탕으로 최종적으로 13개의 주요 기술 주제 를 도출하였다. 이후 각 토픽에 대해 핵심 키워드를 기반 으로 의미를 추론하고, 전문가 검토 과정을 거쳐 기술 주 제명을 부여하였다.

<Table 3>은 각 토픽에서 출현 빈도가 높은 키워드 5개 를 제시하고 있으며, 이는 해당 토픽의 기술적 함의를 해 석하는 데 중요한 단서로 활용되었다. 예를 들어, Topic 02 에서는 ‘IoT’, ‘데이터’, ‘센서’, ‘실시간’, ‘분석’ 등의 키워 드가 집중적으로 나타났으며, 이는 센서 기반의 데이터 수 집, 처리, 분석을 통해 제조 현장의 의사결정을 자동화·지 능화하는 기술군임을 시사한다. 반면, Topic 05에서는 ‘품 질’, ‘검사’, ‘불량’, ‘개선’ 등의 키워드가 나타나 제품 중 심의 품질 안정성과 비용 절감을 위한 공정 개선 기술로 해석할 수 있다.

이러한 키워드 기반 해석을 바탕으로 <Table 4>에는 전 문가 검토에 따라 확정된 기술 주제명과 문서 비중이 정리 되어 있다. 예를 들어, Topic 11은 전체 특허 중 33.9% (1,474건)를 차지하며 가장 높은 비중을 보였으며, 해당 토 픽은 “기계 구성요소를 활용한 제품 조립 및 제조를 위한 지능형 자동화 시스템 개발”로 명명되었다. 이는 스마트팩 토리 기술의 중심이 여전히 자동화 기반의 하드웨어 통합 및 생산 라인 효율화에 있음을 반영한다.

Topic 09는 제조 공정 관리 및 제어, Topic 02는 IoT 및 데이터 기반 의사결정, Topic 06은 설비 기반 공정 최적화 기술로 각각 명명되었으며, 이들 역시 각각 11.1%, 7.5%, 9.9%의 비중을 차지하며 전체적인 기술 구조의 핵심 축을 형성하였다.

이러한 결과는 스마트팩토리 기술의 진화가 단일 기술 에 국한되지 않고, 하드웨어 기반의 자동화 시스템 개발 (Topic 11), 공정 최적화(Topic 06), 데이터 기반 판단 (Topic 02)의 다층적인 구조를 바탕으로 복합적으로 전개 되고 있음을 시사한다.

본 연구는 위와 같은 선행 토픽 구조를 기반으로 분석 기간을 2023년까지 확정하고, 각 기술 주제별로 CPC 코드 연계 분석 및 국가별 중심성 분석(SNA)을 통해 기술구조 의 법적 분류체계 적합성, 국가별 전략적 차이, 중심 기술 의 변화 양상을 정량적으로 규명하고자 한다.

4.2 기술 주제와 CPC 코드 간 연계 분석

본 연구는 LDA 기반으로 도출된 13개 기술 주제를 각 특허 문서에 포함된 CPC 코드(Classification for Patents)와 연계함으로써, 기술 주제별 법적 기술분류 구조를 파악하 고자 하였다. 특히, 각 토픽에 주요하게 연관된 CPC 코드 를 빈도수 기준으로 정리하고, 기술 주제와 CPC 코드 간 의 상호 대응 구조를 시각적으로 구성하였다.

이는 토픽 모델링 기반의 비정형 주제 해석을, 법적으로 정의된 분류 체계와 접목함으로써 기술 간 명확한 상호 연관 구조를 구축하고, 기술 발전의 계층적 체계를 분석할 수 있도록 돕는다.

본 연구에서는 각 기술 주제(topic)에 포함된 특허에 대 하 CPC 코드를 수집하고, 빈도 상위 코드를 기준으로 주 제별 연계성 분석을 수행하였다. 분석 결과, 각 주제는 다 음과 같은 대표 CPC 코드와 높은 연관성을 보였다.

Topic_02인 ‘IoT 기술 및 데이터 기반 의사결정’은 G06Q 계열의 상업 및 제조 관련 데이터 처리 시스템, Y02P 계열의 공정 최적화 및 자원 재활용 관련 코드와 밀 접한 연관을 보였다. 특히 Y02P 90/02와 Y02P 90/30은 각 각 126건, 109건의 가중치를 기록하며 가장 높은 비중을 차지하였고, 이는 본 기술 주제가 제조 현장의 실시간 모 니터링을 통한 공정 효율성 향상과 환경 지속가능성 확보 라는 두 가지 목표를 동시에 지향함을 보여준다. 여기에 G06Q 50/04, 50/10 등의 데이터 기반 제조 운영 시스템과, G05B 계열의 제어 시스템 인터페이스 기술이 보완적으로 연결되어 있어, 이 주제는 스마트팩토리 내 정보 수집-분 석-제어의 통합 플랫폼에 해당한다고 할 수 있다(<Table 5>와 <Figure 2> 참조).

다음으로, Topic_06인 ‘설비 기반 공정 최적화 및 품질 향상’은 설비 중심의 공정 개선을 위한 기술 요소들이 주 를 이루고 있다. 가장 빈번하게 출현한 CPC 코드는 Y02P 90/30으로, 공정 중 발생하는 폐기물 관리 및 재활용 기술 을 나타내며, 이는 해당 주제가 단순한 생산성 향상을 넘 어서 친환경성과 자원 효율성 확보에 초점이 맞춰져 있음 을 시사한다. 또한 G06Q 50/04 및 G06Q 10/04는 제조 운 영과 생산 공정 제어 관련 데이터 처리 기술로, 이 주제가 설비 운영과 관련된 예측 기반 유지보수 시스템이나 지능 형 공정 운영 모델과 밀접하게 연결되어 있음을 나타낸다. 특히 G06N 3/08, 즉 신경망 기반의 데이터 처리 코드도 다수 출현함에 따라, 본 기술 주제는 AI 기반 설비 운영 최적화로 해석될 수 있다(<Table 5>와 <Figure 3> 참조).

Topic_09인 ‘제조 공정 관리 및 제어’ 주제는 가장 정통 적인 의미의 제조관리 기술로서, 제조 현장의 공정 운영, 시간 관리, 품질 모니터링을 포괄하는 다양한 CPC 코드와 연계되었다. Y02P 90/30과 Y02P 90/02는 여전히 높은 가 중치로 등장하며, 이는 이 주제 역시 지속가능한 제조 운 영을 기술의 핵심 요소로 삼고 있음을 보여준다. 특히 G06Q 10/103 코드가 의미하는 ‘다양한 프로젝트의 통합 관리 시스템’은 본 기술군이 단일 생산라인 제어를 넘어 전사적 생산 일정 및 운영계획 수립 기술로 확장되고 있음 을 시사한다. 더불어, G05B 19/41865 코드의 빈도는 공정 자동화를 위한 제어 시스템 구성과 관련된 구체 기술들이 주제의 핵심 구성 요소임을 뒷받침한다(<Table 3> 참조>).

한편, Topic_11은 전체 특허의 33.9%를 차지하는 가장 핵심적인 기술 주제로, ‘기계 구성요소를 활용한 제품 조 립 및 제조 자동화 시스템 개발’을 중심으로 한다. 관련 특허는 B23P, B24B, B08B 계열의 기계·물리 기반 자동화 기술과 주로 연결되어 있었다. 특히 B23P 19/001은 컴퓨 터 통합 제조(CIM) 시스템과 관련된 작업 조건 통제 기술 을 의미하며, 이 주제가 조립 자동화 시스템과 정보 시스 템이 융합된 스마트 제조 셀 구축에 초점을 두고 있음을 보여준다. 또한 B24B 41/06, B08B 13/00 등의 연삭 및 클 리닝 공정 관련 코드는 본 기술이 정밀 공정 내 품질 보증 기능까지 포함하고 있음을 시사하며, 이는 조립 자동화와 품질 관리의 통합적 기술 구조를 의미한다(<Table 5>와 <Figure 4> 참조).

마지막으로, Topic_12는 비교적 적은 비중(약 5.4%)을 차지하고 있으나, 특화된 산업 현장에서의 유체 및 가스 제어 기술로 분류된다. 관련 CPC 코드는 B08B 계열이 다 수를 차지하며, 이는 장비 내부 혹은 건물 구조 내의 특수 한 클리닝 또는 압력 제어 공정과의 높은 연관성을 보여준 다. 특히 반도체, 디스플레이, 의약품 제조 등 고청정·정밀 환경을 요구하는 제조 분야에서의 적용 가능성이 높은 기 술군으로 평가된다.

요약하자면, CPC 기반 연계 분석을 통해 도출된 결과는 스마트팩토리 내 기술 주제가 단순히 소프트웨어 기반 데 이터 처리에 국한되지 않고, 물리 기반 장비 기술, 환경적 지속가능성 기술, 인공지능 기반 최적화 기술 등 다양한 기술축 위에 분포하고 있음을 보여준다. 또한, 각 기술 주 제는 적절한 법적 기술 분류 코드와 일관된 연계를 보이 며, 이는 본 연구에서 제시한 토픽 모델 기반 기술 구조가 산업계와 기술기획에 실질적인 정합성을 가진 분석 도구 로 활용될 수 있음을 입증한다.

4.3 국가별 기술 네트워크 구조 분석(SNA)

스마트팩토리 분야의 기술은 국가별로 상이한 산업 구 조와 정책 방향에 따라 상이한 집중도를 나타내며, 이는 특허 데이터에서 도출된 기술 주제 간의 네트워크 구조를 통해 보다 명확히 드러난다. 본 연구에서는 토픽 모델링 기반으로 분류된 13개의 기술 주제를 노드로 설정하고, 각 국의 특허 데이터 내에서 주제 간의 연결 구조를 기반으로 사회연결망분석(SNA)을 수행하였다. 분석 대상 국가는 중 국(CN), 미국(US), 한국(KR)이며, 연결 중심성(Degree), 매 개 중심성(Betweenness), 고유벡터 중심성(Eigenvector), 근 접 중심성(Closeness) 등 주요 지표를 활용하여 비교 분석 을 수행하였다.

먼저, <Figure 5>에서처럼 중국의 기술 네트워크 구조 는 전체적으로 넓고 균등하게 퍼져 있는 분포를 보이는 것이 특징이다. 중심 노드는 topic_05(제품 품질 향상 및 비용절감)[8]과 topic_11(조립 자동화 시스템)으로 나타났 으며, 각각 높은 연결중심성과 고유벡터 중심성을 기록하 였다. 이는 중국이 제조 공정의 제품 단위 효율성 향상, 즉 품질 안정성과 생산성 증대에 기술적 초점을 두고 있음 을 의미한다. 또한 topic_06 (설비 기반 최적화) 역시 높은 중심성을 기록하여, 중국은 설비 측면에서의 공정 효율 제 고에도 전략적으로 집중하고 있는 것으로 해석된다 (<Table 6>, <Table 7>, <Figure 5> 참조).

한국의 기술 네트워크는 상대적으로 미국과 유사한 형 태의 집중 구조를 보이고 있으나, 기술 전략의 성격은 상 이하다. 중심 기술로는 topic_02(IoT 기반 의사결정)과 topic_06(설비 기반 최적화)가 공통적으로 높은 중심성을 나타냈으며, 이 두 기술은 한국 내 전체 네트워크에서 가 장 강력한 허브 역할을 수행하고 있다. 특히 topic_02는 데이터 기반 공정 제어와 연결된 다른 주제들과 높은 연 결도를 갖고 있으며, 이는 한국이 디지털 전환(Digital Transformation)을 통한 제조 혁신에 선도적으로 대응하고 있음을 보여준다. 이와 함께 topic_04(생산 공정 유연화)도 상대적으로 높은 매개 중심성을 보이며, 다양한 기술 주제 간의 연결을 중재하는 브리지 역할을 수행하고 있었다 (<Table 10>, <Table 11>, <Figure 7> 참조).

반면, 미국의 기술 네트워크 구조는 보다 집중화된 형태 로 나타났다. 특히 topic_09 (제조 공정 관리 및 제어)와 topic_10 (가공 공정 감지 및 제어)는 각각 매우 높은 고유 벡터 중심성과 매개 중심성을 기록하였다. 이는 미국이 스 마트팩토리 내 생산 공정의 정밀 제어 및 통합 운영에 중 점을 두고 있으며, 실시간 데이터 분석과 제어 기술의 통 합 시스템화를 전략적으로 강화하고 있음을 시사한다. 또 한 topic_02 (IoT 기반 의사결정) 역시 강한 연결성을 보이 며, 이는 미국 역시 한국과 마찬가지로 데이터 기반 공정 관리 기술에 상당한 기술력을 보유하고 있음을 보여준다 (<Table 8>, <Table 9>, <Figure 6> 참조).

이러한 국가별 네트워크 구조는 각국이 어떤 기술 주제 를 중심으로 기술을 조직화하고 있는지를 명확히 보여준 다. 중국은 비교적 다양한 주제를 고르게 연결하면서 광범 위한 기술 영역의 구조화를 지향하는 반면, 미국은 핵심 제어 기술을 중심으로 집중화된 네트워크를 구성하고 있 으며, 한국은 설비 기반 기술과 데이터 기반 제어 기술 간 의 균형적 전략을 취하고 있는 것으로 분석된다.

특히 네트워크 밀도(density) 및 평균 중심성 지표 측면에 서도 국가 간 차이가 뚜렷하게 드러난다. 중국은 전체 네트 워크 밀도가 낮은 반면, 토픽 간 연결의 다양성이 높고, 미 국은 밀도는 다소 낮지만 중심성 분포의 편차가 크다. 이는 미국의 기술 전략이 특정 기술군에 선택적 집중(selective concentration)하는 경향이 강하다는 것을 시사한다.

반면, 한국은 전체 네트워크 밀도가 가장 높으며, 주제 간 연결성이 균형 있게 분포되어 있어 기술 통합도와 연결 안정성 측면에서 강점을 가진 것으로 평가된다.

요약하자면, 국가별 기술 네트워크 구조는 단순한 기술 보유량이 아니라, 기술 전략의 방향성과 기술 운영 방식의 차이를 구조적으로 보여주는 핵심적인 정량 지표로 작용 할 수 있다. 본 절에서 도출된 SNA 기반 결과는 다음 절에 서 제시할 중심성 지표 분석 결과와 함께, 각국이 어떤 기 술 주제를 전략적으로 중시하며, 어떻게 기술 간 상호 작 용을 조직화하고 있는지를 입체적으로 해석하는 데 중요 한 근거를 제공한다.

4.4 중심성 분석을 통한 기술 주제 비교

앞서 살펴본 기술 네트워크 구조를 보다 정량적으로 해석 하기 위해, 본 연구에서는 각 기술 주제(topic)에 대해 네트 워크 중심성 지표를 산출하고, 이를 국가별로 비교하였다 (<Table 12> 참조). 중심성 분석은 기술 주제가 해당 국가 내에서 전반적인 기술 네트워크에서 차지하는 전략적 위치 를 판단하는 데 핵심적인 역할을 한다. 분석에 활용된 지표 는 연결중심성(Degree Centrality), 매개중심성(Betweenness Centrality), 고유벡터 중심성(Eigenvector Centrality), 근접 중심성(Closeness Centrality)이며, 각 지표는 기술 주제의 연결 강도, 중재 역할, 중요 노드와의 연계성, 그리고 전체 네트워크와의 거리 등을 나타낸다.

먼저, 중국(CN)의 경우, topic_05 (제품 품질 향상 및 비 용절감)이 대부분의 중심성 지표에서 상위에 위치하였다. 특히 고유벡터 중심성이 두드러지게 높았는데, 이는 해당 기술이 다른 중심 기술들과 강하게 연결되어 있음을 의미 한다. 이는 중국이 제조 공정의 생산성 효율과 비용 절감 을 통한 대량 생산 최적화에 전략적 초점을 두고 있다는 해석을 가능케 한다. 또한 topic_11 (제품 조립 자동화)과 topic_06 (설비 기반 공정 최적화)도 높은 연결중심성을 보 이며, 중국이 조립 라인 자동화 및 설비 최적화를 통해 산 업 전반의 제조 경쟁력을 강화하고자 하는 흐름을 보이고 있다.

반면, 한국(KR)은 topic_02 (IoT 기반 의사결정)과 topic_ 06 (설비 기반 공정 최적화)가 동시에 네 개의 중심성 지표에서 모두 상위권을 차지하였다. 이는 한국이 데이터 기반 공정 운영기술과 설비 중심의 예지보전·품질 제어 기 술에 균형적으로 투자하고 있으며, 두 기술 주제가 상호보 완적으로 기술 생태계를 구성하고 있다는 사실을 반영한 다. 특히 topic_02는 높은 매개중심성을 기록하였는데, 이 는 해당 기술이 다양한 기술 주제를 연결하는 브리지 기술 로 작용하고 있음을 보여준다. 즉, 한국은 스마트팩토리 기술 생태계에서 IoT 및 설비 기술 간 통합․연계 전략을 중심으로 하는 기술 포트폴리오를 구축하고 있다.

미국(US)의 경우는 보다 집중화된 기술 전략이 뚜렷하 게 나타났다. topic_09 (제조 공정 관리 및 제어)와 topic_ 10 (가공 공정 감지 및 제어)는 모든 중심성 지표에서 상위권을 차지하였으며, 특히 topic_10은 매개중심성과 고 유벡터 중심성에서 가장 높은 수치를 기록하였다. 이는 미 국이 제어 중심의 고정밀 공정 운영 시스템에 기술적으로 깊이 집중하고 있음을 보여준다. 더불어 topic_02 역시 미 국 내에서 높은 중심성을 유지하고 있어, 데이터 기반 제 어기술과 정밀 생산공정의 융합이 미국의 핵심 전략임을 뒷받침한다.

<Table 13>에서 제시하고 있는 것처럼, CPC 기준 중심 성 분석 결과, Y02P 90/02는 전 세계 및 중국에서 1위, 미 국에서 2위, 한국에서도 3위를 기록하며 모든 국가에서 고 르게 높은 중심성을 보였다. 이 기술은 제조 공정 전반의 효율성을 모니터링하거나 최적화하기 위한 기술로, 생산 시간 관리, 에너지 절감, 생산성 향상 등 스마트 제조의 핵심 운영 효율화 기능을 수행한다. 국가별 기술 전략이 상이함에도 불구하고 이 기술이 공통적으로 높은 중심성 에 위치해 있다는 점은, 지속가능성과 운영 효율성 중심의 글로벌 기술 패러다임 전환을 잘 보여준다.

한편, G06Q 50/04는 한국에서 1위, 중국과 전 세계 모두 2위를 기록하였다. 이 기술은 제조 및 상업 운영의 자동화 를 위한 데이터 기반 관리 시스템으로, 발주·생산·유통 등 전사적 업무 프로세스를 통합하고 디지털화하는 역할을 수행한다. 특히 ERP나 MES 시스템과 연계된 스마트팩토 리 운영 인프라 기술로서, 한국이 관련 인프라 기술에 전 략적으로 집중하고 있음을 시사한다.

G05B 19/41865는 한국과 미국에서 각각 1위를 차지하 였으며, 중국에서도 4위로 나타났다. 이는 특정 제조 공정 에 적합한 제어 시스템을 프로그래밍하고 운용하는 기술 로서, 정밀 공정 자동화와 로직 제어 기술이 핵심이다. 이 러한 결과는 한국과 미국이 생산 현장의 복잡한 자동화 로직을 통합 제어하는 데 높은 기술적 역량과 전략 집중을 보이고 있음을 보여준다.

이와 대조적으로, B23K 26/702와 G06Q 10/087는 미국 에서만 중심성 5위를 기록하였으며, 타국에서는 순위에 포함되지 않았다. 전자는 금속 절삭 공정에서 레이저 출력 을 정밀하게 제어하는 기술로, 고정밀 제조 또는 하드웨어 중심 산업군(예: 항공, 자동차)에 강점을 보이는 미국 산업 구조를 반영한다. 후자는 수송수단(예: AGV, 물류로봇 등) 의 운영과 제어를 위한 데이터 처리 시스템 기술로, 이는 스마트 물류 및 공장 내 물류 자동화에 특화된 미국형 스 마트팩토리 모델과의 연계성을 시사한다.

흥미롭게도, G05B 19/4183는 미국에서만 중심성 5위에 올랐으며, 이는 3D 시각화와 그래픽 기반의 사용자 인터 페이스를 활용한 공정 제어 기술이 미국에서 작업자 친화 적 HMI(Human-Machine Interface)를 중시하는 산업 환경 과 잘 맞물려 전략적으로 활용되고 있음을 보여준다.

마지막으로 Y02P 90/30은 중국(3위)과 한국(4위)에서 상위 중심성을 보였다. 이 기술은 생산 중 혹은 종료 후 발생하는 폐기물 처리 및 재료 재활용 관련 기술로, 자원 순환과 ESG 대응에 직결되는 기술이다. 이는 두 국가가 친환경 스마트 제조 체계로의 전환을 기술 전략의 일부로 내재화하고 있음을 보여주는 중요한 정량적 증거다.

이러한 중심성 분석을 기반으로 국가 간 기술 전략의 차이를 비교해보면 다음과 같은 특징이 도출된다. 중국은 조립 중심의 자동화 기술과 제품 단위의 품질 및 비용 관 리 기술에 넓게 분산된 네트워크를 형성하고 있으며, 한국 은 IoT 및 설비 기반 기술 간의 통합 운영 전략을 중심으 로 기술 주제를 연결하고 있다. 반면 미국은 제어 중심의 공정 운영 기술에 전략적으로 집중하고 있으며, 이로 인해 네트워크는 상대적으로 밀도가 낮지만 중심 기술의 영향 력이 매우 높은 형태를 보인다.

또한, 중심성 지표 간의 편차를 비교해보면, 중국과 한 국은 여러 기술이 상호 연결된 균형형 네트워크를 구성하 는 반면, 미국은 소수의 핵심 기술에 높은 중심성이 집중 된 집중형(피라미드형) 구조에 가깝다. 이는 기술 개발의 선택과 집중 전략 차이로 해석될 수 있으며, 국가별 R&D 정책의 방향성을 정량적으로 확인하는 데 중요한 단서가 된다. 더욱이, CPC 중심성 분석 결과를 종합해보면, 공정 효율성 모니터링 및 최적화 기술(Y02P 90/02)이 모든 국 가에서 공통적으로 상위 중심성에 위치해 있는 반면, 정밀 제어 기술(G05B 19/41865), 상거래 운영 기술(G06Q 50/04), 자원 재활용 기술(Y02P 90/30) 등은 국가별 산업 환경과 전략에 따라 중심성이 다르게 나타나는 양상을 보 였다. 이는 단일 기술 주제만이 아닌, 세부 기술 구현 방식 과 기술 분류의 산업 적용성에 따라 국가별 기술 전략이 분기되고 있음을 보여주는 중요한 지표이다.

예를 들어, 한국은 G06Q 50/04와 G05B 19/41865에서 중심성 1위를 기록하며 데이터 기반 제조 운영과 프로그 래밍 기반 공정 제어 기술을 동시에 전략적 축으로 활용하 고 있는 반면, 미국은 G06Q 10/087이나 B23K 26/702 등 운송 수단 관리, 고정밀 절삭 등 특정 산업군 중심의 특화 기술군에 높은 중심성을 보였다. 이와 같이 CPC 기반 중 심성 분석은 기술 전략이 어떠한 산업적 맥락 속에서 구체 화되고 있는지를 해석할 수 있는 정량 지표로 기능한다.

결론적으로, 중심성 분석은 각 국가가 어떤 기술 주제를 중점적으로 개발하고 있으며, 동시에 어떤 세부 기술 분류 (CPC 코드)를 전략적으로 활용하고 있는지를 이중 구조 (Topic-CPC)로 파악할 수 있게 해주는 통합 분석 도구이 다. 본 분석은 스마트팩토리 기술 생태계의 구조적 특성 진단과 국가별 전략적 기술 집중도 해석에 활용될 수 있으 며, 향후 기술 간 융합 방향 도출, 투자 우선순위 설정, 산 업별 정책 타깃 정비 등에 실질적 시사점을 제공한다.

5. 결 론

본 연구는 스마트팩토리 분야의 국가 간 기술 격차를 계량적으로 진단하기 위해, 특허 텍스트 기반의 토픽 모델 링과 사회연결망 분석(SNA)을 통합한 분석 프레임워크를 제안하고 실증적으로 적용하였다. 이를 위해 2017년부터 2023년까지 수집된 약 4,300건의 스마트팩토리 연관 특허 데이터를 활용하였으며, LDA 기반의 토픽 모델링을 통해 총 13개의 핵심 기술 주제를 도출하고, 각 기술 주제를 중 심으로 국가별 기술 구조의 네트워크 특성과 중심성을 비 교 분석하였다.

분석 결과, 전 세계적으로는 ‘제조 공정 관리 및 제어 (topic_09)’, ‘IoT 및 데이터 기반 의사결정(topic_02)’, ‘설 비 기반 공정 최적화(topic_06)’가 핵심 기술로 나타났으 며, 국가별로는 중국은 조립 및 품질·비용 효율 중심, 한국 은 설비 및 IoT 통합 중심, 미국은 제어 중심 기술에 전략 적으로 집중하는 양상이 확인되었다. 또한 CPC 코드 중심 성 분석을 통해, 공정 효율성 개선(Y02P 90/02), 상거래 및 운영관리(G06Q 50/04), 제어시스템(G05B 19/41865) 등의 기술이 국가별로 상이한 전략적 중요도를 지니고 있음을 정량적으로 도출할 수 있었다.

이러한 결과는 토픽 수준의 의미 해석과 분류체계 기반 의 구조적 분석을 연계함으로써, 스마트팩토리 기술의 다 층적 구조를 드러내고, 국가별 기술 전략의 선택과 집중 패턴을 보다 입체적으로 설명하는 데 기여하였다. 특히 네 트워크 중심성 지표를 통해 국가 간 기술 전략의 연결 방 식 차이, 기술 융합 방향성, 중심 기술군의 위치 등을 정량 적으로 비교할 수 있었으며, 이는 향후 국가별 R&D 기획, 정책 수립, 산업별 기술 투자 전략 수립에 유용한 기초 자 료로 활용될 수 있다.

한편, 본 연구는 특허 텍스트 기반의 기술 주제 분류와 연결망 구조 분석이라는 정량적 접근을 중심으로 하였기 에, 각 기술의 산업별 응용사례, 시장 수요, 기술 수준 등의 정성적 요인을 충분히 반영하지 못한 한계가 있다. 향후 연구에서는 전문가 인터뷰, 산업별 기술 로드맵, 시장 데 이터를 연계한 정성-정량 통합분석을 통해 스마트팩토리 기술 전략에 대한 보다 정교한 분석이 가능할 것으로 기대 된다.

또한, 한국의 경우 분석 결과 다수의 커뮤니티가 비교적 분산된 구조를 보이며, 각 커뮤니티 내 핵심 토픽 간 연결 강도가 낮은 특징이 확인되었다. 이는 융합 가능성이 존재 하는 한편, 자원의 분산과 중복 투자 위험도 내포하고 있 는 구조로 해석된다. 따라서 향후 한국은 topic_02(IoT 기 반 의사결정), topic_06(설비 기반 공정 최적화) 등 주요 기 술군 간의 연계성을 강화하고, 디지털 트윈, 예측 유지보 수, 공정 시뮬레이션 등과의 융합형 R&D 전략을 추진할 필요가 있다. 아울러 단일 기술 중심의 커뮤니티에 대해서 는 고도화보다는 응용 확장 및 산업화 중심의 전략을 병행 함으로써, 기술 집중도와 확산성 간 균형을 확보하는 것이 바람직할 것이다. 이러한 전략적 방향은 한국이 글로벌 스 마트팩토리 경쟁 구도에서 기술적 차별성과 융합 기반의 확장성을 동시에 강화하는 데 기여할 수 있을 것이다.