머신러닝 기반의 소프트웨어 프로그래밍

커피 원두 로스팅을 진행하다 보면 사람의 직관이 필요한 경우가 많습니다. 단순히, 온도 혹은 시간에 따른 작업이 아니라 이전 로스팅에서 커피가 너무 많이 볶인 경우 전반적으로 투입 열량을 낮추기도 하고, 생두 투입 이후 ROR(분당 온도 상승율) 변화가 심하면 열량 혹은 배기 조절 양과 시점을 조절하기도 합니다. 그럼, 이런 사람의 직관은 어디에서 비롯된 것일까요? 사람에게는 논리적으로 자세히 설명할 수는 없지만, 특정 패턴을 분석하는 능력이 있습니다. 즉, 로스팅 과정에서 발생하는 각종 일들을 보면서 현재 어떤 패턴으로 로스팅이 진행되고 있는지 전반적인 감을 잡을 수 있는 것입니다. 이다원에서는 로스팅 자동화 기계가 이런 패턴 인식을 할 수 있도록 머신러닝 기술을 활용합니다. 이를 위해서 일단 로스팅관련 많은 정보들을 수집합니다. 대표적으로 빈온도, 에어온도, ROR(분당온도상승율), 외부 온도 및 습도, 배치 순번 등이 있습니다. 이와 더불어서 직접적으로 얻을 수 있는 데이터는 아니지만 간접적으로 확인할 수 있는 데이터들도 있습니다. 예를 들어, 투입 이후 빈온도가 계속 떨어지다가 빈온도가 다시 상향 곡선을 그리기 시작하면 지금 막 터닝 포인트가 지났음을 알 수 있고, 배출 시점 이후에 빈온도가 급격히 떨어지면 원두가 배출되었음을 알 수 있는데, 이 시점의 시간과 온도 등도 데이터로 저장합니다. 이런 식으로, 각 로스팅 배치마다 110가지의 서로 다른 데이터들을 저장합니다. 이와 더불어서, 로스팅이 끝나면 전문 로스터가 로스팅 결과에 대한 평가 정보를 남깁니다. 가장 단순하게는 전체적으로 로스팅이 성공했는지 혹은 실패했는지 정보를 남기고, 실패했다면 왜 실패했는지에 대한 평가를 남깁니다. 좀 더 깊게는 로스팅 단계를 총 5개 단계(생두의 수분 건조 구간, 생두가 열을 흡수하는 구간, 생두가 열을 발산하기 시작하는 구간, 1차 크랙 구간, 2차 크랙 구간)로 나눈 뒤 각 구간별 평가표를 작성합니다. 이렇게 110가지 로스팅 결과 데이터와 전문 로스터의 전체 그리고 단계별 평가표가 만들어지면, 매일 새벽 클라우드 환경에서 돌아가는 이다원 서비스 프로그램이 머신러팅 학습 단계를 거쳐서 머신러닝 예측 모델들을 생성한 이후에 이 파일들을 다시 로스팅 프로그램이 돌아가는 서버 쪽에 전달합니다. 그래서, 이다원 커피 로스팅 프로그램은 매일 진화하면서 커피 로스팅 실력을 향상시키고 있으며, 지금은 90% 이상의 로스팅에 있어서 사람의 개입 없이 독자적으로 로스팅 작업을 수행하며, 작업 수행 이후에는 과거 사람이 했던 것처럼 로스팅 결과 평가표를 스스로 작성합니다.