석유

·가스

부문

지능

형 기

술 도

입 요

인 조

사 연

구

석유·가스 부문 지능형 기술 도입 요인 조사 연구

www.keei.re.kr

기본연구보고서

17-20

기본

연구

보고

서 1

7-20

● 유학식 · 박기현

K O R E A E N E R G Y E C O N O M I C S I N S T I T U T E

참여연구진

연구책임자 : 부연구위원 유학식

연구위원 박기현

연구참여자 : 부연구위원 박찬국

전문연구원 공지영

외부자문 : 한국석유공사 기술개발팀

요약 i

1. 연구의 필요성 및 목적

최근 사물인터넷(IoT), 빅데이터 분석, 머신러닝 등 지능형 기술이

전 산업부문에서 기업의 생산성, 효율성 개선, 안전성 제고, 고객화, 시

장 및 가격전망 등 다양한 방면에서 적용되고 확산되고 있다. 에너지산

업도 사물인터넷 활용이나 빅데이터 분석 등 소위 지능형 기술의 유망

적용분야로 인식되고 있고 실제로 많은 석유 가스 기업들에서 도입되

고 있는 것으로 알려져 있다. 해외의 경우 특히 상류부문 중심으로 유

가스전 운영 효율화 및 생산성 향상을 위해 지능형 기술의 도입이 확

산되고 있고, 중류 및 하류 부문에서도 관심이 증가하는 추세다.

한편 우리나라에서는 에너지부문 지능형 기술 적용이 스마트그리드

와 같은 전력신산업을 중심으로 전력부문에서 먼저 논의되어 왔고, 관

련 연구나 정책개발도 전력부문에서 보다 활발하게 이루어졌다. 그 결

과 그동안 석유 가스 산업 관점에서 지능형 기술의 도입 현황이나 기

대효과, 향후 적용 가능성 등을 연구한 국내 사례가 거의 전무하다. 이

에 따라 국내에서 접할 수 있는 석유가스 부문의 지능형 기술의 도입

동향에 관한 자료는 대부분 해외자료이며 국내에서는 석유 가스 산업

에서 지능형 기술의 도입동향이나 업계의 인식이 어느 정도인지 조차

도 정리된 바가 없다.

따라서 우리나라의 석유 가스 산업의 경쟁력 제고를 위해서 우선적

으로 지능형 기술이 무엇이며, 해외에서는 어떻게 적용되고 있는지 이

해하고, 우리나라의 석유가스 산업에는 도입할 가능성이 있는지 또는

ii

어떠한 잠재 분야가 있는지 탐색한다면 우리나라 석유가스 산업계와

관련 정책 입안자에게 많은 도움을 줄 수 있다.

이에 본 연구는 석유 가스 부문의 지능형 기술 도입 동향과 이를 둘

러싼 산업생태계를 그려보고, 이를 통해 석유 가스 기업의 시각에서

지능형 기술의 도입여건, 도입요인 및 기대효과를 지능형 기술의 ‘기

능’과 ‘비용/수익’간의 관계를 연결해 분석하고 정리한다. 우리나 석유

가스 산업에서의 지능형 기술의 도입 잠재력과 이와 관련한 시사점을

발굴하는 것이 목표이다.

앞서 언급하였듯이 석유가스 부문에서 지능형 기술의 도입동향, 기

대효과, 시사점에 대해서 국내외의 상류, 중류, 하류 부문을 모두 아우

르는 연구는 국내에서 본 연구가 최초이다. 따라서 본 연구는 주로 해

외의 문헌 및 사례조사, 국내외의 전문가 자문 등의 방법을 통해서 연

구를 수행하였다.

본 연구의 결과물은 우리나라 석유 가스 산업의 경쟁력 강화를 위

한 제언과 후속 심화연구를 위한 기초 자료로 활용할 수 있을 것으로

기대한다.

2. 내용 요약

지능형 (intelligent-, smart-)이라는 용어는 일반적으로 정보를 습득

하고 상황을 인지하고 예측해 나가는 기능이 있는 것을 의미한다. 이는

산업부문에서 그동안 정보화, 자동화, 디지털화 등 유사한 형태의 다양

한 단어들로 그 의미가 부분적으로 표현되어왔고 생산성 및 공정효율

성 개선, 현장 안전성 강화, 비용 절감 등을 위한 노력의 일환으로 지속

되어 왔다. 그러나 최근 사물인터넷(IoT), 무선통신, 대용량의 데이터

요약 iii

수집 저장 분석 등 기술적 여건이 급속히 개선되면서 산업부문에서

지능형 기술의 응용분야와 역할도 확산되면서 과거의 정보화, 자동화,

디지털화와는 현격하게 다른 수준의 “지능화”가 전개되었다.

최근 지능형 기술을 둘러싼 여러 여건들이 개선되면서 도입이 촉진

되고 있다. 먼저 지능형 기기의 비용 하락 및 가용성이 개선된 것이 큰

변화 중의 하나이다. 센서 가격이 과거에 비해 매우 빠르게 하락하였

고, 자동화 기기 설치 비용이나 설치 시간도 감소하여 석유가스 부문에

도 지능형 기술을 도입하기 위한 비용적인 부담이 많이 개선되었다. 산

업용 센서는 산업 현장의 가혹한 조건, 즉 고압이나 고온의 환경에서

내구성을 갖추고 진동, 폭발 등에도 견딜 수 있도록 설계되어야 하는

경우가 많아 더욱 비싸다. 이러한 산업용 특수 센서 가격 역시 최근 크

게 하락하였다. 또한, 무선 기술이 개선되고 안정화 되고 데이터 전송

기술도 발전하고 있는 점도 기여하였다. 이로 인해 산업현장에서 발생

하는 방대한 양의 빅데이터에 대한 접근성이 향상되었다. 이러한 변화

와 함께 석유가스 산업에서 지능형 기술에 관한 논의도 활발해지고 있

으며 이는 ‘oil’, ‘gas’, ‘industry’라는 단어를 포함한 뉴스를 대상으로

한 텍스트마이닝 결과에서도 확인된다. 특히 2013년을 지나면서 data,

ICT, IoT와 같은 지능형 기술과 관련된 키워드의 빈도가 빠르게 증가

하고 있었다. 그리고 석유가스 부문에서 기술(technology)의 형태, 유용

성, 기능 등과 관련된 키워드들도 최근에 노출빈도가 늘어나고 있음을

알 수 있었다.

World Economic Forum(2017)은 향후 10년 간(2016~2025) 세계 석

유가스 부문의 디지털화를 통해 석유가스 산업, 소비자, 사회전반에 약

1.6조 달러의 가치를 창출할 것으로 평가하였다. 이중 석유가스 기업들

iv

에게 창출되는 부가가치가 약 1조 달러, 사회적 효용을 약 6,400억 달

러로 추산하였다. 그러나 석유가스 부문에서의 지능형 기술의 효과에

대한 잠재력이나 업계의 기대에도 불구하고, 여전히 석유가스 산업은

정보통신업, 미디어산업, 금융업종 등과 같이 통신과 데이터분석을 본

연적 업무로 하는 업종들보다 디지털화 수준은 여전히 낮은 편으로 평

가되고 있다.

본 연구에서는 ‘사물인터넷을 기반으로 석유가스 상류, 중류, 하류의

생산설비에 센서를 부착하여 실시간으로 수집된 빅데이터를 분석하고

이를 활용하여 설비운영을 최적화하거나 설비 고장의 예측 등에 활용

되는 센서, 무선통신, 사물인터넷, 빅데이터 분석, 머신러닝 기술 등’을

석유가스 부문의 지능형 기술로 통칭한다. 또한 핵심 생산 활동의 가치

사슬 전후방에 확장되어 원료(피드원유) 수급 전략, 산출제품의 가격과

최적 믹스 분석, 파이프라인 및 물류의 최적경로 발견, 수송의 물리적/

시간적 병목 회피, 서비스 고객화와 소매 마케팅 등 원료 수급과 판매,

서비스 측면에서도 수익 극대화와 안전성 강화를 위해 사용되는 진단

장비 및 빅데이터 분석 기술까지도 지능형 기술의 범위라고 할 수 있다.

석유가스 부문에서 지능형 기술의 생태계는 석유가스 기업을 그 중

심에 놓고 생각하면 다음과 같다. 상류부문일 경우 통상적인 E&P 기업

(메이저, 독립계, 국영석유기업, 일반 자원개발기업)이, 중류부문일 경

우 석유가스 파이프라인 운영사나 저장설비 운영사가, 하류 부문일 경

우 정유사나 가스 소매업자 등 생태계의 가운데에 배치된다. 석유가스

기업을 가운데에 놓았을 때, 우선적으로 무선 센서와 같은 하드웨어 공

급자가 생태계의 한 편을 차지한다. 또한 웨어러블 기기나 드론 등 모

바일 기기를 제조하고 공급하는 기업도 한 편에 존재한다. 석유가스 부

요약 v

문 지능형 기술의 생태계 다른 한 편에는 사물인터넷, 무선통신, 클라

우드 환경 등을 제공하는 통신사나 IT 기업과 같은 통신인프라 공급자

가 존재한다. 또 다른 한 편에는 통합 플랫폼, 분석프로그램 등을 공급

하는 데이터 분석 전문 기관이 있을 수 있으며 이들은 빅데이터 분석,

인공지능 알고리즘 프로그램을 개발하고 공급하게 된다. 또한 석유가

스 부문별 전문 서비스를 제공하는 기업이 존재한다. 상류부문의 경우

자원개발서비스 기업이 이에 포함될 수 있고, 하류 부문의 경우 공정최

적화 컨설팅사 등이 이에 해당할 수 있다. 일반적인 비즈니스 전략컨설

팅사도 해당될 수 있다. 물론 이러한 기능적 요소로 분류한 생태계가

그 구성원 간에 역할이 중첩되거나 다른 기능을 제공하는 기업 간에

전략적 제휴나 기업 인수합병 등을 통해서 그 경계를 넘어서기도 한다.

석유가스 부문의 지능형 생태계는 결국 석유가스 산업부문과 ICT 부문

이 융복합되는 영역이라는 특성 때문에, 이종 기업 간 또는 동종 기업

군 내에 이종 전문분야 간의 제휴 및 협업이 활발하게 일어나고 있다.

석유가스 산업을 상류, 중류, 하류로 나누어 각 산업적 특성과 여건

변화, 지능형 기술의 도입 필요성 및 기대효과를 서술하면 다음과 같

다. 우선 상류부문에서는 저유가 등 국제유가 변동성의 증가, 자원개발

서비스기업에서의 지능형 기술의 신규 사업화, 심해나 원격지 등 생산

환경의 위협요인 증가 등을 배경으로 지능형 기술의 필요성이 최근 커

졌다. 생산유정의 정두장치는 다양한 압력 밸브와 초크로 구성된다. 유

정의 압력과잉 시 원유를 한 번에 많은 추출을 할 수 있으나 최적이 아

닐 수 있으며, 압력이 과도하게 낮은 것도 바람직하지 않다. 즉 압력이

매우 정밀하고 정확히 세팅되어야 하며 이를 위해서는 정밀하면서 반

복가능한 제어가 필요한 것이다. 지능형 기술은 빅데이터 분석을 통해서

vi

경험적으로 가장 최적의 조건을 도출해 내고 이를 원격으로 정밀하게

조정함으로써 최적 생산 수준을 유지할 수 있게 한다. 즉, 생산설비에

부착된 센서에서 수집된 산출 유동속도, 튜빙 및 케이싱 압력, 물차단

동향, 모래생산률 등의 빅데이터를 바탕으로 유사한 생산조건하에서

최적의 입력 조건을 도출하는 것으로 이에 따라 정밀한 조정을 통해

생산량이나 회수량 증진에 활용하게 된다.

이러한 방식은 특히 초기 생산개시 이후 고갈이 빠르게 진행되는 셰

일유전에서 재수압파쇄 실시여부나 시기를 결정하거나, 주입수의 양,

파쇄재의 투입량 등을 결정하는 데에도 활용할 수 있다. 또한 센서를

통한 무인 기록, 송신, 데이터 분석을 함으로써 현장인력이 직접 유정

을 방문하여 모니터링 하는 데에 소요되는 비용과 시간, 안전사고에의

노출을 줄일 수 있다. 또한 웨어러블 기기나 드론과 같은 모바일 기기

를 활용한 자산 모니터링 솔루션도 빠르게 개발되고 있는데, 이는 작업

자가 현장을 직접 모니터링 하는데 소요되는 시간과 직접 수작업 검사

나 기록에서 발생할 수 있는 휴먼에러를 줄여주고 실시간으로 다양한

정보를 제공하고 작업자의 성과관리까지 실시간으로 측정해줄 수도 있

다. 설비에 전해지는 진동, 온도, 압력, 소리 등의 빅데이터를 바탕으로

사고 또는 고장직전의 상태에 대한 학습(머신러닝)을 함으로써 생산설

비의 폭발이나 고장을 사전에 감지하여 다운타임을 감소시키고 작업자

의 안전성도 제고할 수 있다. 이는 고장이나 사고에 따른 비용을 감소

시키고, 설비의 경제성을 개선하는 효과를 가져 온다. 그리고 지능화에

따른 최적화된 조건에서 생산활동을 함으로써 에너지소비와 온실가스

배출을 감소시키고 생산정 주입용수 사용을 최적화 하여 물사용량도

절감하고, 원유가스의 누출이나 유출을 사전 탐지하거나 유출시 빠른

대처를 가능하게 하여 환경적 효익도 기대할 수 있다.

요약 vii

중류부문에서도 지능형 기술의 활용이 가능하다. 북미의 경우 파이

프라인을 통한 유가스류 수송업은 유사한 품질의 유류와 천연가스를

고정된 공급원으로부터 수요센터까지 수송하는 비교적 단순한 비즈니

스였다. 그러나 최근에는 셰일자원의 개발로 다양한 규격의 물량과 성

상의 유류 및 가스를 다수의 지점으로부터 새로운 소비자와 시장으로

수송하는 다소 복잡하고 다이나믹한 사업으로 진화했다. 한편, 파이프

라인 회사들은 동시에 파이프라인 배관의 노후화와 낡고 수동형 방식

의 모니터링 및 제어기기로 서비스 차별화 어려움에 직면하고 있다. 파

이프라인은 매우 넓은 지역에 걸쳐 설치되어 있고 인적이 드문 황무지,

초원, 강, 숲 등을 관통하여 건설되는 경우가 많기 때문에 이 넓은 지역

을 직접 모니터링하고 관리하는 데에 어려움이 많이 따른다. 또한 주로

네트워크를 이루는 배관망을 이용한 수송사업이라는 중류부문의 특성

하에서 지능형 기술은 최적 수송루트 도출 등 수송서비스 차별화를 추

구하는 데 도움을 줄 수 있다. 복잡한 파이프라인 네트워크 인프라에서

빅데이터 분석과 머신러닝 등 분석기법으로 최적 수송 노선을 도출하

는 데 사용할 수 있으며 파이프라인 이용계약에 수송 노선의 선택사양

을 포함해서 차별화된 서비스와 요금을 제안할 수 있다. 빅데이터 분석

을 통해 특히 과거의 시간대/계절별 수송량과 혼잡도, 석유가스 시장의

수급데이터 등을 함께 분석하여 미래의 수송량과 혼잡도를 예측하고

이를 고려하여 이용료 차별화 등 기존의 단순한 계약구조를 벗어나 다

양한 수송 옵션을 개발할 수 있을 것이다. 이로써 차별화가 어려운 중

류부문 사업에 새로운 변화를 줄 수 있을 것이다.

또한 지능형 기술은 파이프라인에서 생성된 다양하고 방대한 빅데이

터를 바탕으로 배관의 건전성을 제고하는데 도움을 준다. 지능형 센서

viii

를 통해 압력, 진동, 냄새, 소리 등 배관의 건전성을 실시간 모니터링하

고 수집된 빅데이터를 학습하여 과거의 파이프라인 균열, 누출 등 설비

의 위험성이 커졌던 상황에 유사한 조건들을 감지할 수 있을 것이다.

이로써 넓은 지역에 설치된 파이프라인의 모니터링에 소요되는 시간과

인력을 줄일 수 있으며 부식, 균열 등 배관 건전성 약화를 사전에 탐지

하여 예측정비를 함으로써 운영비용과 사고비용을 감소시킬 수 있다.

또한 유사한 방법으로 파이프라인 폭발 등 위험성을 예방할 수 있고,

절도, 방화, 사보타지 등 인위적 위해 행위를 차단하는 데에도 도움을

주게 된다. 이는 동시에 차별화가 어려운 중류사업의 특성에서 벗어나

파이프라인 안전성을 강화하고 사고위험을 줄임으로써 화주에게 신뢰

성을 주고 자사의 경쟁력을 차별화하는 전략에 도움이 된다. 또한 최근

에는 드론과 같은 모바일 기기나 위성의 영상데이터를 함께 이용할 경

우 인력이나 기존 센서에 의존하는 모니터링 방식보다 우수한 효과를

기대할 수도 있다.

하류부문, 특히 원유정제업에서도 산업의 특징에 맞게 지능형 기술

의 활용이 확산되고 있다. 원유정제업의 특징 중 가장 두드러지는 점은

원유 구매 비용이 석유제품 제조원가에서 차지하는 비중이 매우 높다

는 점이다. 또한 최근에 비전통원유의 생산 증가로 과거에는 고려하지

않았던 유종의 정제시설 투입을 고려해야하는 경우가 늘어나고 있다.

이 경우 설비의 적합성이나 산출물의 생산성에 대한 정밀한 평가가 먼

저 이루어져야 한다. 또한 정유부문은 에너지산업 중에서 가장 제조업

적 특성, 장치산업의 특성을 가진 산업으로 공정의 무결성이 제품의 수

율, 불량률, 계획한 산출물의 획득에 매우 중요하다. 정유소의 가동중단

방지는 정제제품 산출량 극대화 및 영업손실 최소화에 필수적인 조건

요약 ix

인 것이다. 또한 많은 정유소에서 ‘시간 기준’(time-based)의 비효과적

인 유지보수 관행을 갖고 있으며 비계획적 가동중단으로 운영비의 손

실을 겪기도 한다. 이러한 산업의 특징과 최근의 변화에 대응하는 데에

빅데이터와 머신러닝 등이 활용될 수 있다. 빅데이터와 지능형 기술의

알고리즘을 활용하여 원유도입전략의 경쟁력을 강화할 수 있다. 수백

종의 세계 원유 샘플을 빅데이터 분석을 통해서 원유가치를 분석하고

수만 개의 조합과 변수를 고려하여 가장 상품성(수익창출) 높은 석유제

품 믹스에 필요한 원유 조합비율을 산출하거나 설비조건, 원유성질, 재

고현황, 석유제품 시장 전망 등을 함께 고려하면서 유종별 내재적 가치

와 공정의 반응성을 정밀히 평가하는 데에 지능형 알고리즘이 활용될

수 있다. 또한 실시간 모니터링을 통해서 빅데이터를 수집하고 이를 과

거의 설비와 부품의 마모, 열화, 손상 당시의 데이터들을 학습하여 현

재 해당 기기의 상태에 기반해서 정비에 가장 적절한 순간에 정비를

함으로써 부품이나 기계 잔존수명을 최대한 활용하여 낭비를 줄일 수

가 있고 정비로 인한 유휴시간을 줄일 수 있다. 자산가치가 높은 주요

생산 설비일 경우, 예측적 유지보수가 더 적합하고 그 효용도 높을 것

이다.

본 연구에서는 이러한 석유가스 상류, 중류, 하류에서의 지능형 기술

의 도입의 기대효과와 관련해서 북미 업계에서는 어떤 인식을 갖고 있

는지 설문조사를 수행하였다. 응답자들은 지능형 기술의 유용성에 대

해서 대체로 높은 긍정적 인식을 갖고 있었으며, 특히 세부 기능적 요

소에 대해서는 상류, 중류, 하류 모든 부문에서 ‘자산의 원격 모니터링’

기능의 유용성을 가장 높게 평가하였다. 그리고 석유가스 부문에 지능

형 기술 도입에 대한 장애요인으로는 지능형 기술에 투자했을 경우 투

x

자비를 충분히 회수할 수 있는지에 대한 불확실성을 꼽았고, 조직문화

의 보수성과 기존 인력 및 프로세스의 경직성, 물리적/사이버 보안 위

험도 중요한 장애요인으로 평가되었다.

우리나라의 석유가스 부문은 해외와는 다른 여건이 있다. 우리나라

의 상류부문의 특징은 국내에 상류 사업장이 존재하지 않는다. 그러나

상류부문 사업자는 소수 존재하며 자원개발서비스 기업도 극소수 존재

한다. 우리나라는 해외자원개발에 따른 해외광구에서의 운영, 투자는

다소 경험해 보았지만 여전히 해외의 유수의 상류기업과 경쟁하기에는

어려움이 있다. 그래서 소수의 해외자원개발 기업들을 중심으로 해외

유가스전에서 단독 혹은 투자파트너와 함께 현지에서의 상류부문 생태

계에 속하여 활동하는 상황이며, 따라서 상류부문 지능형 기술의 생태

계도 해외 상류부문에서 형성된 생태계의 일부로서 활동하게 된다. 한

편 한국의 디지털 부품 및 센서 등 계측장치 제조업이나 정보통신 업

체의 기술력은 세계적으로도 경쟁력을 확보한 것으로 평가되는데 반해

타겟 사업장이 전부 해외일 수밖에 없다는 지리적 위험성과 석유가스 상

류부문이 일반적으로 국내 정보 통신사들이나 센서 제조업체들의 경험

이 축적되지 않은 미경험 분야라는 점에서 초기 투자가 꺼려지고 있다.

또한 이미 해외, 특히 북미의 경우 상류기업의 지능형 기술 생태계가

초기임에도 불구하고 과거부터 최적화, 디지털화, 정보화, 통합솔루션

등의 운영효율성 개선 노력이 지속되어옴에 따라 상당 기간 석유개발

기업, 통신사, ICT 기업, 자원개발서비스기업 등의 상호 간 협업 경험

이 상당히 구축된 상황이다. 따라서 디지털 계측장비, 시스템 통합 및

무선통신 등 국내의 정보통신 기술을 해외 석유개발 생태계에 융합시

키고 확대해나가기 위해서는 실행가능성이 있는 기회나 여건을 우선적

요약 xi

으로 활용하는 단계적 접근방식을 고려할 필요가 있다. 초기에는 국내

자원개발 기업이 운영권을 갖고 있거나 국내 자원개발기업과 협력 관

계를 맺고 있는 해외 파트너사의 협조를 통해 해당기관이 해외에서 운

영 중인 상류 자산을 시범사업장으로 활용할 수 있도록 제공받고 공동

연구개발 등을 통해 현장 경험을 축적하는 방식을 생각해볼 수 있다.

또한, 국내 자원개발 서비스 기업, 정보통신기업, 센서 제조사 등이 협

력 체계를 잘 구축하는 것이 중요하다. 이를 바탕으로 해외시장에서도

메이저사나 대형 자원개발서비스기업들과의 직접 경쟁을 하지 않는 중

소형 규모의 유가스전을 대상으로 진출을 시도하면서 단계적으로 진입

을 하는 방안을 모색해 볼 수 있을 것이다.

다음으로 우리나라의 중류부문은 천연가스 도매부문을 중심으로 살

펴보았다. 우리나라에서 천연가스의 도매부문은 한국가스공사의 독점

체제로 LNG를 도입 저장 재기화 및 도매공급하고 있다. 이는 미국

에서처럼 다수의 배관운영사가 다수의 고객(상류기업, 하류기업)을 상

대로 경쟁하는 구조가 아니며 따라서 수송서비스 차별화나 최적 노선

발굴과 같은 필요성은 상대적으로 낮은 편이다. 또한, 북미, 러시아, 중

국 등에 비해 국토면적도 협소하여 장거리의 파이프라인 공급네트워크

의 운영 시 압력유지 등을 위한 모니터링 부담도 사실상 적다고 할 수

있다.

그러나 주배관망(도매배관)의 경우 총연장이 4,697km에 달하고 전국

단일망으로 운영되고 있고 공기업인 한국가스공사의 안정적 가스공급

과 안전성 확보 의무가 크다. 또한, 대량의 LNG를 액화상태로 저온 저

장하고, 이를 재기화하여 송출하는 공정은 복잡하고 민감한 설비이며,

폭발 위험이 상존한다. 전국 주배관을 안정적으로 운영하기 위해서는

xii

수송장애를 방지하는 것이 최소한의 운영 원칙이다. ‘모니터링-분석-의

사결정-피드백-제어’에 소요되는 시간을 단축하고, 보다 최적의 시점에

최적의 제어명령을 내릴 수 있도록 복잡한 알고리즘의 해결이 요구되

는데 과거의 빅데이터의 학습을 통한 접근이 주배관망의 모니터링과

공급안정성 강화에 활용될 수 있다. 또한 과거 온도, 압력, 거동, 진동

등 빅데이터를 통해서 학습능력을 축적한 인공지능에 의해서 어떤 온

도, 어떤 압력에서 거동이 불안해지는지를 보다 정확하게 예측하고 사

전적으로 대처할 수 있는 솔루션을 확보하여 생산기지 LNG 저장-기

화-송출 관리 최적화 및 위험도 감소에 활용할 수 있다. 또한 시뮬레

이션을 활용한 설비개보수의 트러블 슈팅 최소화와 배관망의 건전성을

제고하는 데에도 이용할 수 있을 것이다.

우리나라의 하류부문(원유정제)에서도 지능형 기술이 도입되고 있고

활용가능성이 매우 높다. 우리나라의 정유사들은 미국의 정유사들처럼

자국 내에서 또는 자사가 보유한 상류자산에서 직접 피드원유를 반입

하는 경우가 없고, 전량 원유를 국제시장에서 구입해야 한다. 미국의

정유사들도 주로 중동산 원유를 수입하고 있지만 전량을 수입에 의존

해야하는 우리나라 정유사에게 원유 소싱 최적화의 필요성은 그만큼

더 크다. 이러한 여건에서 지능형 기술은 원유가격, 환율, 공장가동률,

설비조건, 원유 성질 및 수급, 제품 생산 규격, 제품 가격, 재고 현황,

출하계획 등을 활용하여 원유 도입계약 의사결정을 지원하거나, 도입

유종의 선택에 기여할 수 있을 것으로 보고된다. 또한 과거의 유해가스

유출사고 이력과 원인, 회전기계의 사고 사례를 빅데이터로 분석하고

이를 바탕으로 학습하는 머신러닝 알고리즘을 구축하여 사고 위험이

높은 공정과 사고위험을 높이는 조건들을 사전에 파악하여 사고를 예

요약 xiii

측하여 대비할 수 있다.

한편 석유가스 부문의 지능형 기술의 도입을 저해하는 요소로 데이

터의 공유와 활용에 따르는 보안문제, 데이터의 소유권 및 접근권에 대

한 분쟁 우려, 데이터 및 기술표준화의 부재 및 낮은 상호운용성, 사이

버 보안 침해 위험 등을 들 수 있다. 사이버 보안 문제 대응, 기술 및

데이터의 표준화, 데이터의 지적재산권 문제 등은 업계의 상호 노력뿐

만 아니라 정부의 역할도 요구될 수 있다. 이에 사이버 보안 수준을 강

화하기 위한 여건 개선 및 제도 마련, 법적 검토 등이 필요하며 기술

및 데이터의 표준화를 위한 국제협력, 지적재산권 문제를 효율적으로

대응하기 위한 법적 검토 및 연구가 필요할 것이다.

특히 우리나라의 경우 아직까지 석유가스 부문의 지능형 기술에 대

한 인식이 낮고 국내에 지능형 기술 생태계의 형성이 미비한 상황이므

로 국내에 석유가스 부문 지능형 기술 생태계를 구성할 수 있도록 산

업 여건에 대한 보다 면밀한 조사/연구가 필요하며 이종 산업 간에 협

업 여건 마련에 정책적 노력이 필요하다.

해외에서는 ‘자원개발서비스기업+데이터 분석기업’, ‘석유가스 설비

사업자+데이터 분석기업’, ‘비즈니스 컨설팅 기업+하드웨어 개발 기업’

등 다양한 조합으로 제휴하여 석유가스 기업에 지능형 기술을 판매하

려는 노력을 기울이고 있다. 역으로 석유가스 기업은 실질적인 지능형

기술의 소비자 입장에서 자신에 맞는 지능형 기술을 도입하는 전략으

로 솔루션 직접 개발, 지능형 기술 관련 자회사 설립 또는 M&A, 솔루

션 구매, 전략적 제휴, 공동 R&D 등 다양한 형태의 협력을 구상할 수

있으며 최적의 효용을 위해서는 자사의 여건에 대한 분석이 선행되어

야 할 것이다.

xiv

3. 연구결과 및 정책제언

해외의 석유가스 산업과 우리나라의 석유가스 산업은 산업본질적인

특성에서 유사성이 있으나, 산업구조/경쟁여건/기술/정책 측면에서 분

명한 차이가 있다. 그러므로 우리나라는 우리의 산업구조와 환경, 경쟁

여건, 기술수준, 물리적 환경과 필요성에 맞는 지능형 기술의 도입이

구상, 시험, 도입되고 있으며 향후에도 그런 방향으로 접근해야 할 것

으로 생각한다.

해외는 상류부문이 석유가스 산업의 지배적(특히 북미의 경우) 산업

이며 자원개발서비스 기업이나 초일류 IT 기업이 다수 존재한다. 또한

이들 간의 협업이 디지털오일필드 구축 등의 방식으로 이미 십여 년째

계속되어 왔다. 중류부문도 다수의 사업자가 광대한 국토를 배경으로

경쟁적으로 사업을 영위하고 있으며 정제부문도 우리나라에 비해서는

정유단지에 집약적으로 설비를 배치하는 방식이 아닌 보다 넓은 부지

에 분포함으로써 수입 원유의 로지스틱스 최적화 문제부터 대응해야

하는 여건이다. 반면에 우리나라는 국내에 상류부문 사업장이 존재하

지 않으며, 중류부문인 도매 파이프라인은 한국가스공사가 독점하고

있고 소매파이프라인은 지역적 독점체제이다. 국토 면적이 작아서 중

류부문에서 안정적 수송을 위한 압력 제어에 대한 부담은 국토면적이

큰 미국, 중국, 러시아 같은 나라에 비해서 상대적으로 작다고 할 수 있

지만 주배관망의 안정적 운영은 무엇보다 중요하다. 하류부문은 울산,

여수에 정제 설비가 집적되어 있고, 미국의 일관체제 석유기업들처럼

자국 내에서 또는 자사가 보유한 상류자산에서 직접 피드원유를 반입

하는 경우가 전혀 없으며, 전량 원유를 국제시장에서 구입해야 한다.

이러한 여건의 차이는 지능형 기술의 필요성이나 도입효과도 차별적

요약 xv

으로 나타나게 만든다. 어떤 부분은 우리나라의 경우에 더욱 필요한 부

분이 있을 수 있고, 어떤 부분은 그 반대일 경우도 있다. 보다 장기적

관점에서라면 상류부문의 지능화는 기보유한 해외 생산자산의 효율성

을 개선하는 측면과 우리나라의 자원개발 생태계의 신산업 융합 분야

로써 잠재성과 의미가 있을 수 있을 것이다. 중류부문의 지능화는 국내

천연가스의 안정적 공급을 위한 주배관망 관리 효율화와 안전성 제고

등에서 의미를 가질 수 있다. 하류부문의 지능화는 원유 도입의사결정

최적화, 정제설비의 고장 및 사고 예방 등의 역할을 할 수 있을 것이다.

또한 정유부문은 민간 사업영역임에도 불구하고 원유도입 최적화를 통

해 국가 석유안보에 기여할 수 있다는 점도 주목할 만한 사항이다.

한편 지능형 기술이 보다 잘 활용되려면 사이버 보안 문제 대응, 데

이터 및 기술의 표준화, 데이터에 대한 지적재산권 등 다수의 장애요인

들을 보다 효과적으로 대응하기 위한 업계의 협업과 정부의 제도적 접

근이 함께 이루어져야 할 것이다. 우리나라는 IT 기술, 배터리, 공정최

적화 등 지능형 기술 생태계의 주요 기술을 보유하고 있는 기업들이

존재하고 있다. 우리의 석유가스 기업들과 협력해 석유가스 기업의 경

쟁력 강화와 지능형 기술의 수출 등 다양한 기회를 발굴해 내기 위해

서는 민관, 산학의 노력이 필요할 것으로 보인다. 지능형 기술의 다양

한 기능, 종류에 따라 우리나라가 경쟁력이 있을 수 있는 분야를 탐색

하여 신산업으로서 성장가치를 진단하고 기술과 정책, 산업과 학계가

다양한 협력을 통해 중장기적인 로드맵을 그려보는 것도 중요한 과제

가 될 수 있다.

Abstract i

ABSTRACT

1. Background and Objectives

Intelligent technologies like the Internet of things (IoT), big data

analysis, and machine learning have been widely applied across all industries

for various purposes including improving companies' productivity and

efficiency, safety, and customizing and predicting markets and prices.

It has been recognized that the energy industry is promising in terms

of applying intelligent technologies such as IoT and big data analysis,

and in fact, many oil and gas companies have been utilizing them. In

particular, the upstream segment of the overseas oil and gas industry has

been increasingly applying intelligent technologies in order to enhance

the efficiencies and productivities of oil and gas fields operations, and

the midstream and downstream segments are paying more and more

attention to intelligent technologies.

The application of intelligent technologies in Korea was first discussed

in the electric power industry with focus on the new types of businesses

such as smart grid, and the research and development of policies in the

power industry have been relatively more active. Consequently, little has

done in Korea to examine the state of intelligent technologies

applications, the expected effects, and the future applicability in the

perspective of the oil and gas sector. The reference materials for trends

in the energy industry's application of intelligent technologies available

ii

in Korea are mostly from abroad, and none has done to find out the

trends and perception in Korea.

Therefore, to boost the competitiveness of Korea's oil and gas industry,

it is necessary to define what intelligent technologies are; understand

how they are applied internationally; explore possibilities to introduce

them in the oil and gas industry in Korea; and identify other promising

segments if there is any. All these would be greatly helpful to Korean

policy makers in charge of the energy industry.

In this sense, this study investigates trends in the oil and gas sector's

applications of intelligent technologies and an industrial ecosystem

surrounding them, links the functions, costs, and benefits of the

technologies, analyzes necessary environments, and identify driving

forces of the introduction and its expected effects, in the view of oil

and gas companies. This study aims at identifying potentials to apply

intelligent technologies in the Korean oil and gas industry and related

implications.

As mentioned above, this is the first study in Korea to examine trends

in the oil and gas industry's applications of intelligent technologies,

expected effects, and its implication across upstream, midstream, and

downstream sectors at home and abroad. Thus, the study is mainly carried

out by investigating overseas literatures and case studies as well as

consulting Korean and foreign experts.

It is expected that proposals to strengthen the competitiveness of the

Korean oil and gas sectors and future studies can draw on the finding

of this study.

Abstract iii

2. Summary

The word “intelligent” or “smart” refers to having abilities to learn

information and to perceive and predict situations. Similar terms

including informationization, atomization, and digitization have been

used in industries, and these have been continuously utilized to boost

productivity and efficiency of processes, to strengthen the safety of sites,

and to reduce costs. However, the new level of intellectualizing has been

made possible thanks to rapid technological advancements such as IoT,

wireless communications, and big data collection, analysis, and

interpretation. Moreover, the role of intelligent technologies in industries

has been growing while the applicable sectors have been increasing.

As the conditions related to intelligent technologies applications have

improved, the applications have been promoted. First of all, while the

prices of smart devices have decreased, their availabilities have improved.

Since sensor prices have rapidly dropped, compared with the past, the

installation costs and periods of automated devices have reduced, and

the energy industry's burdens of expenses have been greatly relieved.

Industrial sensors tend to be more expensive because they need to have

greater durability that can withstand high pressure or high temperature

and to be designed to bear vibrations and explosions. However, the prices

of these specialized sensors have considerably fallen recently. In addition,

wireless technologies have been improved and stabilized, and the

technologies of data transmission have advanced as well. Thus, an access

to the huge amount of data that are generated in industrial sites has gotten

iv

better. Besides, the discussions on intelligent technologies in the oil as

gas sector have been growing, and this can be found in text mining results

of news articles that include words “oil,” “gas,” and “industry.” After

2013, the use of terms related intelligent technologies like “data,” “ICT,”

and “IoT” has jumped. Recently, the use of words that are related to

the types, usefulness, and functions of technologies in the energy sector

has been more frequently found.

World Economic Forum 2017 estimated that “digital transformation

in the oil and gas industry could unlock approximately $1.6 trillion of

value for the industry, its customers and wider society” over the ten

years from 2016 to 2025. Of the 1.6 trillion, “digitalization has the

potential to create around $1 trillion of value for oil and gas firms” and

“could create benefits worth about $640 billion for wider society.”

Despite potential effects of intelligent technologies in the oil and gas

industry and the industry's expectations, it is estimated that the extent

of digitalization in the industry still lags behind the IT, media, and

banking sectors.

In this study, the term “intelligent technologies” in the oil and gas

sector includes sensors, wireless communications, IoT, big data analysis,

and machine learning techniques that are used to optimize facilities or

predict malfunction by installing sensors in the upstream, midstream,

and downstream production facilities and collecting and analyzing

real-time big data. In addition, diagnostic equipments and big data

analysis techniques that are utilized to establish strategies for the supply

Abstract v

and demand of feedstock; price manufactured products; analyze the

optimal mix; find the best routes of pipeline and distribution; avoid

bottlenecks in terms of physical locations and time; purchase and sell

feedstock including customizing services and retail marketing; maximize

profits; and strengthen safety.

With the oil and gas industry in the center, the ecosystem of intelligent

technologies can be explained that exploration and production (E&P)

companies, such as oil majors, independent energy companies, national

oil companies, and resource development companies, in the upstream,

oil and gas pipelines operators or storage facilities operators in the

midstream, and oil refiners and gas retailers in the downstream are

located at the center. When having oil and gas corporations in the center

of the ecosystem, hardware suppliers like wireless sensors take part of

it. Also, companies manufacturing and supplying mobile equipments like

wearable devices and drones, communications companies offering IoT,

wireless communications, and cloud computing environments, and IT

firms supplying communications infrastructure take another part of the

ecosystem. What may be included in the system is data analytics

agencies that offer integration platforms and analytics programs. These

agencies develop and supply programs to analyze big data and artificial

intelligence algorithms. Additionally, there are companies offering

tailored services for each segment such as oilfield service companies in

the upstream and process optimization consulting firms in downstream.

Corporate strategy consulting firms can be included as well. Since the

vi

ecosystem is divided by functional elements, the role of each constituent

could be overlapping, and the boundaries could be blurred by strategic

cooperation between companies offering different services or merger

and acquisition. Due to the nature of the intelligent ecosystem in the oil

and gas industry where the industry and the ICT sector converge,

heterogeneous firms or firms with different specialties within the same

group often forge a cooperation or partnership.

Next, let's take a look at the oil and gas industry's upstream,

midstream, and downstream characteristics, changing environment, need

for the introduction of intelligent technologies, and expected effects.

Firstly, for the upstream segment, the need for the application of

intelligent technologies has been increased due to low oil prices, a rise

in the volatility of the global oil prices, commercialization of intelligent

technologies by an oilfield service company, and an increase in

threatening factors at production sites like deepwater or remote areas.

A wellhead at an oil well comprises several pressure valves and chokes.

When excessive pressure is put on oil well, it could be possible to

extract a low of crude oil at a time but might not be optimum. However,

it is not desirable to put too low pressure either. In other words, the

pressure needs to be set very precisely and accurately, and to do this,

more precise and replicable pressure control is necessary. Intelligent

technologies empirically find out optimal conditions by analyzing big

data and can keep production at its optimum capacity by precisely

operating with remote control. Based on big data, such as the pace of

Abstract vii

production flow, tubing and casing pressure, trends in water shutoff, and

sand production rates, collected by sensors attached to production facilities,

intelligent technologies decide an optimal input condition under similar

production environments and precisely adjust it to enhance oil production

and recovery.

In particular, this method can be used at shale oil fields where oil

reserves are quickly depleting since starting production to decide

whether or when to run hydraulic fracturing again and the amount of

injection water and fracturing additives. Instead of having field workers

to make a trip to oil wells, with unmanned recording, transmission, and

data analysis done with sensors, intelligent technologies could save time

and costs and reduce safety related accidents. Moreover, asset monitoring

solutions using wearable devices and drones have been rapidly

developed. These would save time as works do not need to visit a site;

reduce errors that could be made when manually tested or recorded;

provide lots of real-time information; and measure the performance of

workers in real time. The technologies could also detect an explosion

or malfunction beforehand, reduce downtime, and improve safety for

workers through machine learning about accidents or the conditions

right before failure based on big data on vibration, temperature,

pressure, and noise transmitted to facilities. This can lead to a decrease

in costs occurring due to a failure or accident and an increase in

cost-effectiveness. With production done in an optimal condition, energy

consumption and green house gas emissions could be reduced; the

viii

amount of injection water used at oil well would be optimized; and

environmental benefits could be expected via detecting oil spills and gas

leaks in advance or quickly dealing with a leak or spill when it happens.

Intelligent technologies can also be used in the midstream segment.

In North America, oil and gas transportation business used to be pretty

simple transporting similar qualities of oil and gas through pipelines to

demand centers from fixed suppliers. However, thanks to the shale

revolution, it has been evolved to be somewhat complex and dynamic

business delivering diverse forms of oil and gas from various suppliers

to new customers and markets. In fact, pipeline companies experience

difficulties diversifying their services as they face the issues of aging

pipelines and have worn-out manual monitoring and controlling devices.

As pipelines often spread across vast fields including desolate wasteland,

grassland, rivers, and forests, it is hard to directly monitor and manage

wide areas. Analytical techniques like big data analysis and machine

learning could be used to obtain an optimal transportation route from

complicated pipeline networks and to offer differentiated services and

rates by including options of transportation routes in a pipeline contract.

By analyzing big data including hourly and seasonal transported volume

and congested pipeline routes in the past and data on supply and demand

in the oil and gas market, pipeline companies could forecast future

volumes and congestion. Using the information obtained, the companies

might terminate simple contractual terms and develop a wide range of

transporting options such as differentiated services rates. This could bring

Abstract ix

changes in the midstream segment, which is difficult to differentiate.

Intelligent technologies can help improve pipeline integrity based on

a vast amount of big data generated from pipelines. Pipeline integrity

could be monitored in real time by checking pressure, vibration, smell,

and noise through smart sensors, and conditions similar to past accidents

like cracks and leaks could be identified by learning bag data collected.

Therefore, time and workforces put in to monitor pipelines spreading

across vast areas would be saved while operational costs and accident

expenses could be reduced by detecting corrosion and crack and

repairing pipes in advance. Likewise, using a similar method, it could

help prevent pipeline explosions or risky man-made activities like theft,

arson, and sabotage. This would help overcome the characteristics of

the midstream, give confidence to consignors, and differentiate

competitiveness. In addition, when used with mobile devices like drone

or satellite image data, the effectiveness could be greatly increased,

comparing to conventional methods with workers or existing sensors.

The use of intelligent technologies in the downstream segment, in

particular oil refiners, has been growing. The most notable feature of

oil refining companies is that the purchasing costs of crude oil occupy

large share of manufacturing costs of petroleum products. With an

increase in production of unconventional oil, the companies need to

consider adding a new refinery for the kinds of crude oil that were not

been used before. The decision should follow thorough evaluation of

facility's suitability and product's productivity. In addition, as the oil

x

refining sector has predominant characteristics of the manufacturing and

device industries in the energy industry, the integrity of the process is

critical to the yield of the product, the defect rate, and the planned

output. Preventing downtime at refineries is an essential condition for

maximizing refined product yields and minimizing operating losses. In

fact, many refineries have inefficient maintenance practices on the basis

of time and experience the loss of operating costs owing to unplanned

malfunction. Big data and machine learning can be utilized to cope with

the nature of this industry and recent changes. By leveraging big data

and intelligent technology algorithms, the competitiveness of crude oil

import strategies can be strengthened. Through big data analysis, values

of hundreds of world crude oil samples could be analyzed, and the most

profitable petroleum product mix would be found by taking into account

thousands of combinations and variables. Intelligent algorithms could be

used to precisely evaluate the intrinsic value and reactivity of the

process by putting into consideration equipment conditions, crude oil

properties, inventory status, and the prospects of the petroleum product

market. Also, by collecting big data through real-time monitoring and

learning data on the wear and tear of old equipments and parts,

maintenance could be performed at the most appropriate time based on

the current status of the equipment, maximizing the service life of parts

and machines, reducing losses, and minimizing idle time caused by

maintenance. Predictive maintenance would be more appropriate and

effective for major production facilities with high asset value.

Abstract xi

This study surveyed the perception of the North American industry

regarding the expected effect of the introduction of intelligent

technologies in the upstream, midstream, and downstream of the oil and

gas sector. Respondents generally had highly positive perception of the

usefulness of intelligent technologies and rated the function of remote

monitoring of assets as the most useful feature in all segments. When

asked about the barriers to the introduction of intelligent technologies

in the oil and gas sector, participants pointed out uncertainty about

whether the investments into intelligent technologies can be fully

recovered, conservativeness of organizational culture, the rigidity of

existing workforces and processes, and physical and cyber security risks.

Korea's oil and gas industry is different from overseas, in a sense that

there is no upstream business in Korea and there are only a handful

of upstream companies and fewer resource development service

companies. Korea has made some investments in overseas blocks and

run operations, but it still has difficulties competing with overseas

leading upstream companies. Therefore, a small number of Korean

resource development companies are engaged in the upstream ecosystem

in overseas offshore oil fields, either alone or with their investment

partners. Therefore, the ecosystem of intelligent technologies in the

upstream works as part of the ecosystem formed in the overseas

upstream sector. Meanwhile, Korea's measuring device manufacturing

like digital components or sensors and information and communications

companies' technological competitiveness have been recognized globally.

xii

Nonetheless, the fact that the target business sites are all located overseas

and Korean information and communications companies have little to

none experience in the upstream sector of the oil and gas industry makes

them reluctant to make the initial investments.

In addition, in spite of the fact that overseas upstream companies,

especially North America, are still in the early stage of the intelligent

technologies ecosystem, oil development companies, telecommunications

companies, ICT companies, and resource development service companies

has been cooperating for a long time in efforts to improve operational

efficiency through optimization, digitization, informatization, and

integrated solutions. Therefore, in order to converge and expand the

domestic petroleum development ecosystem such as digital measurement

equipments, system integration, and wireless communications, it is

necessary to consider a step-by-step approach in which priority is given

to opportunities and conditions that are feasible. In the beginning,

upstream assets of which domestic resource development companies

have the operating rights or which overseas firms in partnership with

domestic companies offer could be used as pilot sites. Through this,

Korean companies could earn field experience with joint research and

development. In addition, it is important that domestic resource

development service companies, information communications companies,

and sensor manufacturers establish cooperative relationship. Based on

this, it is possible to seek to gradually enter the overseas market by

attempting to enter small- and medium-sized oil and gas fields that do not

Abstract xiii

compete directly with major companies or large resource development

service companies.

Now, let's turn to the Korean midstream sector with focus on natural

gas wholesalers. The wholesale division of natural gas in Korea is a

monopoly system run by Korea Gas Corporation (KOGAS) that purchases

liquefied natural gas (LNG), stores it, puts it through regasification, and

sells gas wholesale. Unlike in the US, the gas industry in Korea does

not compete against a large number of customers upstream and

downstream. Hence, relatively low need to differentiate transportation

services and find optimal routes. In addition, the land area is narrow,

compared with North America, Russia, and Chin, and when running

long-distance pipeline supply networks, the monitoring burden of

maintaining operating pressure is virtually negligible.

However, as the main pipeline (or wholesale pipelines) has a total

length of 4,697 kilometer and operates as a single network nationwide,

KOGAS, as a public corporation, has a great obligation to secure stable

gas supply and safety. In addition, the process of storing a large amount

of LNG at low temperatures and supplying it after regasification is a

complicated and sensitive process, and there exists the risk of explosion.

When it comes to maintaining the operation of the national main

pipelines stable, a basic principle is to remove transportation obstacles.

It is required to solve complex algorithms to shorten the time required

for the process of monitoring, analysis, decision making, feedback, and

control and to give optimal control command in a timely manner.

xiv

Learning big data in the past could help monitor the main pipeline

network and strengthen the supply stability. Also, by accumulating

learning ability through past data such as temperature, pressure, motion,

and vibration, it is possible to accurately predict behaviors at a certain

temperature and pressure using artificial intelligence. This can be

applied to optimize the process of LNG storage, regasification, and

discharge management at a production base and to reduce risks. Moreover,

it can be used to minimize the troubleshooting of equipment repair with

simulation and to improve the integrity of pipeline networks.

Intelligent technologies have been introduced in the downstream

sector, in particular crude oil refining, in Korea and it is very likely

to be widely utilized. Unlike American refineries, Korean refiners do

not supply feedstock directly from their upstream assets, either at home

or abroad, and have to import 100 percent from overseas. US refineries

mainly import crude oil from the Middle East, but the need for

optimizing crude oil sourcing is much greater for Korean oil refiners,

who have to solely depend on imports. Under this circumstance,

intelligent technologies could support making decision about oil imports

contract or contribute to choosing the types of crude oil by considering

crude oil prices, exchange rates, factory operation rates, facility

conditions, crude oil qualities and supply, product production standards,

product prices, inventory status, and shipment plan. Additionally, future

accidents could be predicted by analyzing previous accidents related to

harmful gas spill and revolving machines and the causes of them

Abstract xv

through big data and constructing machine learning algorithms to

identify processes with high risk of accidents or conditions that increase

the risk of accidents.

On the other hand, the barriers to the introduction of intelligent

technology in the oil and gas industry include security problems related

to data sharing and utilization, concerns about dispute over ownership

and access rights of data, lack of data and technology standardization,

low interoperability, and cyber security invasion risk. Responding to

cyber security problems, standardization of technology and data, and

intellectual property rights of data may require not only industry's mutual

efforts but also the government's role. Therefore, in order to enhance the

cyber security level, it is necessary to improve the conditions, prepare

the system, and review the legal matters. Moreover, legal review and

research would be needed to better cooperate internationally for

standardization of technology and data and to effectively cope with the

issues of intellectual property rights.

In particular, since the recognition of the intelligent technologies in

the oil and gas sector in Korea is low and the formation of the intelligent

technologies ecosystem is insufficient, it is necessary to thoroughly

investigate and examine the industrial environment and make policy

efforts to create cooperative conditions between heterogeneous industries.

Efforts have been made to sell intelligent technologies to overseas oil

and gas companies by forming various partnerships between oilfield

service company and an data analytics company, an oil and gas facility

xvi

provider and a data analytics company, or a business consulting firm and

a hardware development company. Conversely, oil and gas companies,

with strategies to introduce intelligent technologies that best suit their

needs from the point of a practical consumer of intelligent technologies,

would be able to design various types of solutions such as direct

solution development; establishment of intelligent technology; subsidiary

or merger and acquisition; solution purchase; strategic alliance; and joint

research and development. For optimal efficiency, the analysis of its

conditions should be preceded.

3. Research findings and policy recommendations

The overseas oil and gas industry and Korea's oil and gas industry

are similar in terms of industrial nature, but there is a clear difference

in terms of industrial structure, competing environment, technology level

and policy. Therefore, Korea has been designed, tested, and introduced

the introduction of intelligent technology that matches our industrial

structure and environment, competitive environment, technology level,

physical environment and needs. I think we should approach it in the

similar manner in the future.

The upstream sector is dominant in the foreign oil and gas industry

(especially in North America), and there are many oil field service

companies and top-notch IT companies. Collaboration among them has

already been going on for over a decade in the form of digital oil field

construction. In the mid-stream sector in overseas countries, many

Abstract xvii

businesses are operating competitively in the background of the vast

country territory. The refining sector is not concentrated in the refinery

complex as compared to Korea, but the facilities are distributed in a

wider area so that optimization of the logistics of imported crude oil

is one of the questions to solve.

On the other hand, Korea does not have domestic upstream business

sites in Korea, while the wholesale pipeline, which is a midstream

sector, is dominated by KOGAS and the retail pipeline business

constitutes a regional monopoly. Due to the small size of the nation’s

territory, the burden of pressure control for stable transportation in the

middle-stream sector is relatively small compared to countries such as

the US, China and Russia, which have large land area, but stable

operation of the main pipeline is important. The Korean downstream

sector has integrated refining facilities in Ulsan and Yeosu industrial

complex, and there is no case of importing feed oil directly from

domestic or overseas upstream assets like US integrated oil companies.

This difference in conditions makes the need and introduction effect

of intelligent technology differentiated. Some parts may be more

necessary in our country, and some parts may be the opposite. From

a longer-term standpoint, intelligent technology in the upstream sector

may improve the efficiency of overseas production assets and may have

potential as one of the new industries in Korea's resource development

ecosystem. The intelligent technology in the mid-stream sector can be

meaningful since it can improve the efficiency of the management of

xviii

the main pipeline network for the stable supply of domestic natural gas

and it can enhance the pipeline safety. The intelligent technology in the

downstream can play a role in optimization of crude oil introduction

decision and in prevention of the failure and accident in the refining

facilities. It is also noteworthy that the refinery sector can contribute

to national oil security through the optimization of crude oil import,

even though it is a private business area.

In order to better utilize intelligent technology, inter-industry

collaboration and governmental institutional approach should be done

together to cope with the concerns more effectively regarding cyber

security problem, standardization of data and technology, intellectual

property rights to data. There are companies in Korea that have the key

technologies of intelligent technology ecosystem such as IT technology,

battery, and process optimization. In order to find out various opportunities

such as strengthening competitiveness of oil and gas companies and

exporting intelligent technology in cooperation with our oil and gas

companies, public sector and industry collaborative efforts will be

needed. It is also an important task to explore growth potential as a new

industry by exploring areas where Korean has competitiveness according

to various functions and types of intelligent technologies and to draw

a mid- to long-term road map through various cooperation between

technology, policy, industry and academia.

차례 i

제목 차례

제1장 서 론 ··················································································· 1

제2장 지능형 기술과 도입여건 변화 ·············································· 5

1. 지능형 기술의 일반적 정의와 주요 기술적 요소 ························ 5

2. 지능형 기술의 도입여건 개선 ······················································ 12

3. 석유가스 산업에서의 지능형 기술과 주요 구성 요소 ··············· 14

4. 석유가스 산업에서의 지능형 기술 도입에 대한 해외 업계의

인식 및 평가 ················································································· 15

5. 텍스트마이닝을 통해 본 석유가스 부문 지능형 기술의 논의

동향 ································································································ 19

제3장 석유가스 부문의 특성과 지능형 기술 생태계 ···················· 29

1. 석유가스 산업의 본원적 특성 및 경영환경 ······························· 29

2. 석유가스 부문 지능형 기술 생태계 구성원 ······························· 33

제4장 해외 석유가스 부문 지능형 기술의 도입 요인 및 기대 효과 ··· 37

1. 상류 부문 ······················································································· 37

2. 중류 부문 ······················································································· 52

3. 하류부문(원유정제) ······································································· 60

4. 석유가스 부문 지능형 기술 생태계 설문조사 ···························· 69

ii

제5장 우리나라 석유가스 부문 지능형 기술 도입 잠재력 ··········· 81

1. 상류부문 ························································································· 81

2. 중류부문(가스 도매) ····································································· 84

3. 하류부문(원유 정제) ····································································· 89

제6장 석유가스 부문 지능형 기술도입 장애요인 및 시사점 ········ 93

1. 주요 장애요인 ··············································································· 93

2. 지능형 기술의 적절한 도입 및 기능성 활용을 위한 석유가스

업계 및 정부에의 시사점 ····························································· 96

제7장 결론 ··················································································· 99

해외조사 설문지 ··························································· 103

참고문헌 ····················································································· 107

차례 iii

표 차례

지능형 기술의 주요 요소별 변화 ········································· 6

머신러닝 분류 ······································································· 10

석유가스 산업에서의 데이터 분석의 잠재효과 ················· 17

연도별 상위 20개 키워드 ···················································· 20

‘technology’의 상위 10대 연관어 ······································· 21

석유가스 상류부문 지능형 기술의 도입에 따른

수익증대 효과 ······································································· 51

미국 천연가스 집하용 및 메인 파이프라인 노후정도 ······ 55

석유가스 하류부문 지능형 기술의 도입에 따른

수익증대 효과 ······································································· 68

설문조사 개요 ······································································· 69

설문 응답자 구성 ······························································· 70

설문 문항별 주요 설문 내용 및 설문 의도 ······················ 71

우리나라 가스 도매 공급관리소의 유형과 기능 ··············· 85

iv

그림 차례

[그림 2-1] 인공지능, 머신러닝, 딥러닝의 관계와 역사 ····················· 9

[그림 2-2] 딥러닝의 심층신경망 구조 ············································· 11

[그림 2-3] IoT 센서가격 변화 ····························································· 13

[그림 2-4] GE 사업부별 산업인터넷 도입 기대 효과 ······················· 16

[그림 2-5] 산업별 디지털화 수준 성숙도 ··········································· 18

[그림 2-6] 키워드 ‘IoT’를 포함한 뉴스의 분포 ································ 22

[그림 2-7] 키워드 ‘Big Data’를 포함한 뉴스의 분포 ······················· 23

[그림 2-8] 키워드 ‘Cloud’를 포함한 뉴스의 분포 ···························· 23

[그림 2-9] 키워드 ‘mobile’을 포함한 뉴스의 분포 ··························· 23

[그림 2-10] 키워드 ‘Analytics’를 포함한 뉴스의 분포 ····················· 24

[그림 2-11] 키워드 ‘AI’를 포함한 뉴스의 분포 ································ 24

[그림 2-12] 키워드 ‘control’을 포함한 뉴스의 분포 ························· 25

[그림 2-13] 키워드 ‘monitoring’을 포함한 뉴스의 분포 ·················· 25

[그림 2-14] 키워드 ‘predictive’를 포함한 뉴스의 분포 ···················· 26

[그림 2-15] 키워드 ‘tracking’을 포함한 뉴스의 분포 ······················· 26

[그림 2-16] 키워드 ‘optimization’을 포함한 뉴스의 분포 ················ 26

[그림 2-17] 키워드 ‘detection’을 포함한 뉴스의 분포 ······················ 27

[그림 2-18] 키워드 ‘environment’를 포함한 뉴스의 분포 ················ 28

[그림 2-19] 키워드 ‘safe’를 포함한 뉴스의 분포 ······························ 28

[그림 2-20] 키워드 ‘efficiency’를 포함한 뉴스의 분포 ···················· 28

[그림 3-1] 메이저 기업의 사업부문별 순이익 및 투자액 비중 ······ 30

[그림 3-2] 산업별 최고경영자의 경영관리 우선순위 ························ 32

차례 v

[그림 3-3] 산업별 수작업 공정 중 IoT 이용 자동화 가능 작업

비중 ····················································································· 33

[그림 3-4] 석유가스 부문의 지능형 기술 생태계 구성 ····················· 35

[그림 4-1] 상류부문 자원개발서비스 기업의 역할 ························ 39

[그림 4-2] 생산정 정두 설비 ····························································· 43

[그림 4-3] 미국 Permian 셰일지대 생산기간에 따른 유정의

생산곡선 ·············································································· 45

[그림 4-4] 상류부문에서 지능형 기술의 개선기여와 수익/비용

효과 ····················································································· 50

[그림 4-5] 미국 천연가스 메인 파이프라인과 가압장 ······················· 53

[그림 4-6] 미국 멕시코만 인근 메인 파이프라인 지도 ····················· 54

[그림 4-7] 설비고장(상태기반)의 진행과 유지보수 비용의 증가 ····· 68

[그림 4-8] 중류, 하류 부문의 지능형 기술 유용성 ··························· 72

[그림 4-9] 상류 부문 지능형 기술의 주요 기여 분야별 유용성 ······ 73

[그림 4-10] 중류 부문 지능형 기술의 주요 기여 분야별 유용성 ···· 74

[그림 4-11] 하류 부문 지능형 기술의 주요 기여 분야별 유용성 ···· 76

[그림 4-12] 석유가스 부문 지능화에서 미래 선도 기업 ··················· 77

[그림 4-13] 석유가스 부문 지능형 기술 도입 장애요인 ··················· 78

[그림 4-14] 석유가스 부문 지능형 기술 활용을 위한 개선과제 ······ 79

[그림 4-15] 석유가스 부문 지능형 기술 활용 촉진을 위한

정부 역할 ·········································································· 80

[그림 5-1] 하베스트사 유전 워치독 설치장면 ·································· 82

[그림 5-2] 우리나라 주배관망 총연장 및 공급관리소 현황 ··········· 86

제1장 서론 1

제1장 서 론

최근 사물인터넷(IoT), 빅데이터 분석, 머신러닝 등 지능형 기술이

전 산업부문에서 기업의 생산성, 효율성 개선, 안전성 제고, 고객화, 시

장 및 가격전망 등 다양한 방면에서 응용되며 빠르게 확산되고 있다.

더욱이 “4차 산업혁명”이라는 키워드가 사회적 화두로 떠오르면서 이

러한 분야에 대한 관심도 증가하고 있다.

에너지산업도 사물인터넷 활용이나 빅데이터 분석 등 소위 지능형

기술의 유망 적용분야로 인식되고 있고, 실제로 많은 석유 가스 기업

들에서 도입이 확산되고 있는 것으로 알려져 있다. 해외의 경우 석유가

스 기업들, 특히 상류부문 중심으로 유가스전 운영 효율화 및 생산성

향상을 위해 지능형 기술의 도입이 확산되고 있고, 중류 및 하류 부문

에서도 관심이 증가하고 있는 추세다.

지능형 기술은 에너지기업의 생산성 향상, 저유가 등 외부환경 변화

속에서 기업의 지속가능성 유지, 강화되는 환경 안전 규제에 대응, 사

고 고장 비용의 최소화 등 생존전략의 일환으로 의미를 가질 수 있을

것으로 보인다.

한편 우리나라에서 에너지부문 지능형 기술 적용은 전력신산업, 예

를 들어 스마트그리드와 같이 전력부문에서 정보통신 부문(ICT)과의

융합이 화두로 등장하면서 먼저 논의되어 왔고, 따라서 관련 연구나 정

책개발도 전력부문에서 보다 활발하게 이루어졌다. 이러한 결과 그동

안 석유 가스 산업 관점에서 지능형 기술의 도입 현황이나 기대효과,

향후 적용 가능성 등을 연구한 국내 사례가 거의 전무하다. 기존 연구

2

가 일부 있다고 하더라도 본질적으로 컴퓨터 공학이나 자원공학 관점

의 논문이 대부분이며 상류, 중류, 하류 중 어느 특정 분야(특히 상류)

만을 부분적으로 다루는 경우가 많다.

이에 따라 국내에서 접할 수 있는 석유가스 부문의 지능형 기술에 관

한 자료는 대부분 해외자료이며 국내에서는 석유 가스 산업에서 지능

형 기술의 도입 동향이나 업계의 인식이 어느 정도인지 조차도 정리된

바가 없다. 따라서 우리나라의 석유 가스 산업에서도 경쟁력 제고를

위해 우선적으로 해외의 지능형 기술 도입 동향 및 사례를 통해 도입

요인, 도입 기대효과를 서술하고, 국내의 도입 여건과 동향을 파악하여

국내에서의 도입 가능 분야 및 기대효과를 탐색할 필요가 있다.

이에 본 연구는 석유 가스 부문의 지능형 기술 도입 동향과 이를 둘

러싼 산업생태계를 그려보고, 이를 통해 석유 가스 기업의 시각에서

지능형 기술의 도입여건, 도입요인 및 기대효과를 지능형 기술의 ‘기

능’과 ‘비용/수익’간의 관계를 연결하여 분석 정리하는 것을 목표로

한다.

앞서 언급하였듯이 석유가스 부문에서 지능형 기술의 도입동향과 시

사점을 국내외의 상류, 중류, 하류 부문을 모두 아우르는 연구는 본 연

구가 최초라고 할 수 있다. 또한 지능형 기술이라 것도 기존의 석유가

스 부문에서 사용하는 여러 설비, 분석 기술, 생산 공정 등에 새로운 기

능적 요소로 부각이 된 것이 얼마 되지 않기 때문에 본 연구에서는 주

로 해외의 문헌 및 설문조사 국내외 전문가 인터뷰 등의 방법을 택하

여 정리하였다.

본 연구의 결과물은 우리나라 석유 가스 산업의 경쟁력 강화를 위

한 제언과 후속 심화연구를 위한 기초 자료로 활용할 수 있을 것으로

제1장 서론 3

기대한다.

서론 이후의 본 연구보고서의 주요 목차는 다음과 같다. 제 2장에서

는 독자의 이해를 돕기 위해 지능형 기술의 일반적인 의미를 살펴보고

지능형 기술이 최근 어떤 여건 변화를 겪고 있으며 도입확산이 가능하

게 되었는지를 설명한다. 또한 석유가스 부문에서 활용되고 있는 지능

형 기술의 다양한 기술적 요소들과 적용 형태를 감안하여 본 연구에서

의 석유가스 부문의 지능형 기술을 정의하고 지능형 기술에 대한 외국

석유가스 업계의 인식을 간략히 살펴본다. 또한 텍스트마이닝 기법을

통해서 석유가스 부문에서 지능형 기술의 논의 동향을 파악해보았다.

제 3장에서는 석유가스 산업의 일반적인 특성과 지능형 기술이 어떠

한 점에서 연결점을 갖게 되는지 살펴보고 석유가스 부문에서 지능형

기술 생태계를 어떤 구성원들이 구성하고 있는지를 살펴본다. 이는 향

후 상류, 중류, 하류로 구분하여 각 부문의 본원적 특징을 살펴보기 위

한 전 단계에 해당한다.

제 4장에서는 해외 석유가스 산업의 여건변화와 이에 따른 지능형

기술의 도입 필요성과 도입사례 및 기대효과에 대해 상류, 중류, 하류로

나누어 분석한다. 또한 미국에서 석유가스 기업 및 지능형 기술 제공

기업의 종사자들을 대상으로 수행한 현지 설문조사 결과를 담았다. 제

4장은 특히 분석 대상 지역이 대부분 북미 지역에 해당하는데 이는 동

지역이 셰일혁명으로 인해 상류, 중류, 하류 부문의 산업 여건이 크게

변화하고 있고, 자원개발 서비스기업, IT 기업, 공정최적화 컨설팅 기

업, 기업 전략컨설팅 기업 등 석유가스 부문 지능형 기술 생태계를 구

성하는 다양한 기업들이 활발하게 활동하고 있는 지역이기 때문이다.

제 5장에서는 우리나라의 석유가스 산업의 지능형 기술 도입 잠재력

4

과 기대효과에 대해서 우리나라의 상류부문, 중류부문, 하류부문의 특

성에 맞게 외국과의 비교 대조적 관점에서 살펴보고 잠재가능성을 진

단한다.

제 6장에서는 문헌조사나 전문가 면담, 설문조사 등을 통해 공통적으

로 나타난 석유가스 부문의 지능형 기술의 도입에의 장애요인과 이에

따른 시사점을 제시하였고, 제 7장은 본 연구의 결론을 정리하였다.

제2장 지능형 기술과 도입여건 변화 5

제2장 지능형 기술과 도입여건 변화

제 2장에서는 석유가스 부문의 지능형 기술에 대해서 들어가기에 앞

서 먼저 지능형 기술의 일반적 정의와 주요 기술적 요소들을 살펴본다.

이는 석유가스 산업을 특수한 대상으로 하는 것이 아니다. 실상 최근

빅데이터 분석, 사물인터넷 등 다양한 지능형 기술의 요소들에 대한 인

식이 빠르게 확산되고 있기는 하지만 이에 대한 일반적인 정의에 대한

언급은 필요하다. 다만 본 연구가 과학기술 연구소에서 수행하는 연구

가 아니므로 기술적 요소를 깊게 천착하기 보다는 일반시민, 공직자,

인문사회계 출신의 연구자 등이 본 연구의 주제인 석유가스 부문의 지

능형 기술에 대한 이해를 돕기 위해 기초지식을 제공한다는 차원에서

간략히 언급하기로 한다.

지능형 기술의 일반적 정의와 주요 기술적 요소들을 기술한 다음에

는 석유가스 산업에서의 지능형 기술과 구성요소들을 이 연장선상에서

살펴본다. 이는 이후 본 연구보고서에서 언급할 석유가스 부문의 지능

형 기술을 포괄적이고 본 연구의 연구대상에 맞게 재정의하는 것이다.

그리고 마지막으로 본 장에서는 석유가스 산업에서의 지능형 기술의

도입에 대한 해외 업계의 인식과 평가에 대해서 외국문헌을 인용하여

살펴본다.

1. 지능형 기술의 일반적 정의와 주요 기술적 요소

지능형 (intelligent-, smart-)이라는 용어는 일반적으로 정보를 습득

하고 상황을 인지하고 예측해 나가는 기능이 있는 것을 의미하는 것으

6

로 주로 IT 분야에서 컴퓨터, 애플리케이션 등에 인공지능(AI)과 같은

기술이 적용되어 위와 같은 정보의 습득, 상황의 인지 및 예측 기능을

할 경우 ‘지능형’이라는 수식어를 사용한다.1)

이러한 용어는 산업부문에서 그동안 정보화, 자동화, 디지털화 등 다

양한 유사용어로 부분적으로 표현되어왔고 또한 지능화는 생산성 및

공정효율성 개선, 현장 안전성 강화, 비용 절감 등을 위한 노력의 일환

으로 지속되어 왔다. 그러나 최근 사물인터넷(IoT), 무선통신, 대용량의

데이터 수집 저장 분석 등 기술적 여건이 급속히 개선되면서 산업부

문에서 지능형 기술의 응용분야와 역할도 확산되고 있다. 또한 과거의

정보화, 자동화, 디지털화와는 현격하게 다른 수준의 “지능화”가 전개

되면서 이른바 4차 산업의 핵심 기반기술로서 강조되게 되었다. 아래

은 지능형 기술의 주요 기술적 요소들에서 어떠한 변화가 이

루어졌는지를 간략히 보여준다.