이산수학에서 이산(Discrete)이라는 말은 연속성이 전혀 없는 분리된 상태를 말합니다. 즉, 이산수학은 실수(Real Number)와 같이 연속적인 성질을 가진 값에 대해 공부하는 것이 아니라, 정수(integer)와 같이 분리된 값에 대해 공부하는 학문입니다.
이렇게 분리된 값을 다룬다는 것은 컴퓨터의 특징과 밀접한 관련성을 가지고 있습니다. 예를 들면 컴퓨터는 0과 1의 분리된 값으로 모든 데이터를 표현하고 연산 및 처리를 합니다. 또한 컴퓨터에 적용되는 다양한 프로그램의 논리는 참과 거짓이 분명해야 하며, 그 프로그램이 처리하는 데이터들 또한 특정 집합의 원소로 정의되어 있어야만 합니다.
구조적 프로그램의 가장 대표적인 개념인 함수의 경우, 입력과 출력의 관계가 분명해야만 처리할 수 있습니다. 이와 같이 컴퓨터에 적용되는 많은 개념들은 이산적(Discrete)인 개념을 포함하고 있고, 이산수학은 명제나 논리의 참과 거짓, 집합의 포함, 관계의 유무, 함수의 입출력 등과 같이 확실하게 분리되는 개념을 다룹니다.
이산수학에서 다루는 개념들은 컴퓨터 명령 설계부터 입력 처리, 결과 출력까지 컴퓨터의 모든 과정을 이해하는 데 기본이 됩니다. 따라서 컴퓨터를 이해하기 위해서는 이산수학을 공부해야 합니다. 또한, 컴퓨터 프로그램 명령어 혹은 컴퓨터 자료의 표현이 모두 수학적인 개념에서 시작 되었습니다.
제조의 기본은 제품을 만드는 것입니다. 고객이 필요로 하는 제품, 특히 양품을 만들기 위해 공장을 건설하고 생산 현장에 설비와 사람을 배치합니다. 재료를 투입하고 힘과 에너지를 투입하여 제품을 생산합니다. 필요한 때 필요한 만큼의 '양품'을 만들어 냈다면 '좋은 결과'라 할 수 있습니다.
그런데 제조는 간혹 기대에 미치지 못하는 '나쁜 결과'를 만들어 내기도 합니다. 불량 제품을 생산했다거나 양품을 만들기는 했는데 너무 비싸게 만들었다거나 혹은 고객이 기대하는 시점(납기)을 맞추지 못하는 경우도 있습니다. 또는 제조과정에서 환경 유해 물질을 배출하여 사회에 문제를 일으켰다면 심각하게 나쁜 결과에 해당될 수도 있습니다.
나쁜 겨롸를 만들어 내는 원인은 '사람, 설비, 재료, 방법' 이라고 하는 4M (Man, Machine, Material, Method) 중에 하나 혹은 복합 요인에 의해 문제가 발생하기 때문입니다. 반면 항상 '좋은 결과'만을 기대할 수 있는 스마트 팩토리라면 이 현장은 4M이 완벽하게 조화를 이루고 있는 곳이라고 할 수 있습니다.
제조 현장의 Input-Process-Output
첫째, 스마트 팩토리에는 스마트한 '설비'가 있습니다. 기술이 발전할수록 제품을 생산하는 과정에서 설비에 대한 의존도가 높아지게 됩니다. 즉, 설비가 제품을 만드는 것이 됩니다. 그 많은 과학자, 기술자들이 사람이 하고 있는 일을 설비로 대체하려는 노력을 지속적으로 하고 있으니 이는 당연한 원리입니다.
생산 현장의 설비를 보면 그 기업의 제품력, 기술력을 가늠해 볼 수 있습니다. 따라서 '좋은 결과'는 설비가 본래 갖고 있는 기능과 성능을 100% 발휘할 수 있도록 하는 것이 되고, 이것이 설비를 관리하는 사람의 사명이 됩니다. 그러나 사람이 늙어 가는 것처럼 설비는 열화가 진행되면서 본래의 기능과 성능으로부터 멀어지게 되고 '나쁜 결과'를 만들어 내는 요인이 됩니다.
결국 스마트한 설비관리는 설비 본래의 기능과 성능이 일정 범위 내에서 '좋은 상태'로 유지되도록 하는 것입니다. 설비를 유지 보수하는 일은 가장 자동화하기 힘든 영역으로 미래에도 상당 부분 인간이 중요한 역할을 도맡아 해야합니다.
둘째, 스마트 팩토리에는 스마트한 '사람'이 있습니다. 기술의 발전으로 사람의 능력은 혁신적으로 향상되어 왔습니다. 효과적인 교육 시스템으로 지식의 폭과 깊이가 심화되었을 뿐만 아니라 과학기술이 만들어 낸 스마트 한 도구들의 지원을 받을 수 있게 되었습니다. 그럼에도 불구하고 사람은 실수를 하고, 실수를 하는 것은 당연하기에 사람인 것입니다.
인간은 오감으로 인식하고, 지식과 경험을 근간으로 판단하고 행동하는 과정에서 실수를 하게 됩니다. 스마트 팩토리는 이러한 인간이 올바르게 인식, 판단, 행동할 수 있도록 지원하는 시스템이 되어야 합니다. 또 올바르지 않은 인식, 판단, 행동은 사전에 발견되고 조치될 수 있도록 하는 것이 되어야 합니다.
셋째, 스마트 팩토리는 스마트한 '재료'를 사용합니다. 최근에 인체에 유해한 가습기 살균제 사용으로 인해 다수의 인명 피해가 발생했던 사례가 있었습니다. 일본의 미쓰비시 종합 연구소는 제품의 기능과 성능 다음으로 제품의 안전이 기업의 이미지에 가장 중요한 영향을 미치는 것으로 지적하였습니다. 안전이 기업 이미지, 나아가 생존을 결정하는 시대가 된 것입니다.
따라서 인체에 유해한 재료의 투입은 근원적으로 차단해야 합니다. 투입된 재료가 변형, 변질, 분해, 조립이라는 가공을 거치면서 사람에게 유해한 요소로 변화될 수도 있습니다. 스마트 팩토리는 올바르지 않은 재료의 투입을 사전에 발견하고 조치할 수 있어야 합니다. 공정에서 발생하는 물질 혹은 완성품이 인간 혹은 지구 환경에 불이익을 초래하는 것을 사전에 발견하고 혹은 완성품이 인간 혹은 지구 환경에 불이익을 초래하는 것을 사전에 발견하고 조치할 수 있어야 합니다.
넷째, 스마트 팩토리에는 스마트한 '방법'이 있습니다. 방법은 '설비, 사람, 재료' 라고 하는 3가지 요소를 모두 수용해야 합니다. 최소의 비용으로 설비 본래의 기능과 성능을 100% 발휘하도록 하는 방법을 찾아가는 과정이 스마트 팩토리를 구축하는 것이라고 할 수 있습니다.
주로 주말이면 대형마트는 계산을 하기 위해 순서를 기다리는 사람들로 북적입니다. 그러나 기술이 진보하면 정산소를 통과하는 것만으로 계산이 끝나버리도록 할 수도 있습니다. 아마존이 2016년 12월 5일 시애틀에서 선보인 식료품점 '아마존 고(Amazon Go)' 는 실제로 이를 구현했습니다.
고객이 결제 정보가 등록된 '아마존 고 앱'을 실행하고 아마존 고 매장에 들어가 필요한 상품을 집어 들면 아마존 고가 인식해 가상 카트에 추가합니다. 반대로 다시 물품을 진열대에 내려놓으면 카트에서 제거됩니다. 그런 식으로 쇼핑을 마친 후에는 그냥 매장을 나오면 됩니다. 고객이 매장을 나서는 순간 아마존이 앱에 등록된 결제수단으로 자동 결제하고 고객 계정으로 영수증을 보내기 때문입니다.
아마존 고의 원리는 컴퓨터 비전(Computer Vision) 기술과 생체 인식, 딥러닝 알고리즘 등을 융합해 만든 '저스트 워크 아웃 기술 (Just Walk Out Technology)' 덕분입니다. 이름처럼 그냥 걸어 나오면 되도록 고객이 쇼핑하는 동안 자율주행 센서가 부착된 원형 카메라가 고객을 따라다니며 구매 목록을 확인하게 됩니다.
고속도로 톨게이트에서는 하이패스 기능이 설치되면서 요금 정산소에 더 이상 사람이 필요 없게 되었습니다. 그런데 대신 하이패스 설비나 시스템을 관리하는 업무가 새로 생기게 되었습니다. 설비는 언젠가 고장이 나게 되어 있고, 시스템은 언제나 완벽한 상태로 유지될 수 없기 때문입니다. 또 주차타워에 번호 인식 장치가 도입되면서 자동 정산이 가능하게 되었지만 아직 자동 정산 기능을 사용하는데 익숙하지 않은 사람들이 있기 때문에 출구 정산소에는 여전히 사람이 근무해야 합니다.
인공지능을 탑재한 로봇이 현재 사람이 하는 다양한 서비스 업무를 대체하려는 시도가 많아지고는 있지만, 현실이고 온라인 쇼핑이 물리적인 쇼핑 공간보다 활성화되고, 여전히 고객 서비스 파트에는 직원이 필요합니다. 사람들은 백화점이나 시장에 가서 눈으로 물건들을 보기도 하고 사람들 사이에서 함께 섞이고 싶은 욕구를 가지고 있습니다.
변화된 시스템 안에서 필요로 하는 새로운 직업도 탄생하고, 세상의 변화는 직업이 줄어드는 현상에도 일조를 합니다. 그중심에는 항상 사람이 존재하며, 앞으로도 계속 사람이 중심이 되는 사회가 이루어 질 것입니다.
제품을 생산하는 과정에서는 항상 양품만을 만들어 내는 것이 아니므로 품질 검사를 통해 양품은 고객에게 출하를 하고 불량은 폐기하거나 재작업 과정을 거쳐 다시 양품으로 거듭나기도 합니다. 그런데 정해진 규격에서 벗어난 제품, 즉 불량과 양품을 구분하는 판정이 애매한 그레이 존 (Grey Zone)이 존재합니다. 이때 사람은 양품을 불량으로 판정하기도 하고, 불량을 양품으로 판정하기도 합니다.
즉 불량으로 판정된 제품은 부적합품 처리 절차에 따라 폐기 혹은 수정 작업을 통해 양품화하는 것이 일반적이지만 , 제품에 따라서 사내 규정 혹은 고객과의 협의에 의해 불량이 아닌 양품으로 채택하기도 합니다. 이처럼 불량이 처리하는 데 드는 비용이 너무 커서 최종적인 판정 과정에는 사람의 개입이 필요한 경우가 있을 수 밖에 없었습니다.
기업이 품질을 중요하게 생각하는 이유는 소위 '품질의 복수' 라고 하는 1:10:100 법칙이 작용하기 때문입니다. 설계 단계에서 잘못을 바로잡으면 1원의 비용이 들 것을 시기를 놓쳐 제품의 생산 단계에 고치려면 그 10배의 비용을 부담하게 됩니다.
더욱이 제품이 출하되어 고객에게 전달된 이후에 바로잡기 위해서는 무려 100배의 비용을 감수해야 합니다. 제품 출하 이후에 발생하는 비용은 기하급수적으로 증가할 수도 있습니다. 2016년 삼성전자가 갤럭시 노트 7을 배터리 문제로 단종하면서 입은 손실 비용이 약 3조원 대에 이를 것이라고 합니다. 삼성전자는 배터리 발화 원인에 대한 모든 가능성을 4개월 여 조사하였으며 2017년 1월 23일 배터리 자체 결함으로 결론을 내리고 언론에 발표하였습니다.
또 배터리 및 관련 시스템에 대한 품질 검사가 완벽하게 진행되지 않은 상태에서 제품화를 결정한 엔지니어가 있지 않았을까, 또 소재를 제조하는 과정에서 안정되지 않은 공정 프로세스가 있다는 것을 인지하고도 문제가 없기를 기대하면서 물건을 만들었던 작업자도 있었을 것으로 생각됩니다.
이러한 사람의 실수의 문제는 스마트 팩토리라고 해도 100% 해결되지 않습니다. 설계, 생산, 출하 단계마다 ICT로 기능과 프로세스를 보완하고자 하지만 핵심적인 의사결정 단계에는 여전히 사람이 있기 때문에 실수할 여지가 남기 때문입니다.
고객이 기대하는 제품을 제조하기 위해 기업은 공장의 기계, 설비 따위가 알맞게 움직이도록 조절해야 하며, 이러한 행위를 '제어'(Control)라고 합니다. 만약에 대상물 제어의 판단과 조작을 사람이 수행하고 있다면 수동 제어가 됩니다. 예를 들어 양동이에 물을 채우기 위해 밸브가 열리는 정도를 사람이 조절하는 것입니다. 반면 밸브의 열림 양 조절을 설비와 시스템이 하고 있다면 자동 제어가 됩니다.
대표적인 자동 제어 방법으로는 '피드백(Feed-Back)제어'와 '시퀀스(Sequence)제어'가 있습니다.
피드백 제어
시퀀스 제어
예를 들면 전열기의 온도를 150℃로 운전하고 싶을 때 설정 값(SV, Set Value)을 150℃로 하고 온도 센서(TIC, Temperature Indication Controller)로 현재 값(PV, Position Value)을 측정합니다. PV가 SV에 미달하면 가열을 하고 초과하면 냉각을 하도록 밸브를 조절하여 목표 값이 150℃가 되도록 피드백 제어합니다.
이러한 피드백 제어는 온도, 습도, 농도, 유량, 압력 등 다양한 분야에서 적용되고 있으며, 그것으로 제어의 목적을 달성했다면 충분히 스마트하다고 할 수 있습니다.
시퀀스 제어란 미리 정해 놓은 조건(논리)과 순서에 따라 진행하는 제어의 방법입니다. 예를 들어 서울에서 부산으로 가고 싶을 때는 경부선을 타고, 광주로 가고 싶을 때는 전라선을 탑니다. 조건이 바뀌면 매표 장소, 시간, 탑승 위치 등 절차가 달라지는 것입니다. 제조 현장에서는 시퀀스 제어는 계전기(릴레이, 타이머)로 구성할 수 있고 PLC(Programmable Logic Controller) 혹은 컴퓨터를 사용할 수도 있습니다. 이것으로 제어의 목적을 달성했다면 역시 충분히 스마트하다고 할 수 있습니다.
한편 설비나 건축물을 구성할 때는 레이아웃 설계용 시뮬레이션 소프트웨어를 사용하기도 하고, 장치 산업 공장에서 제품 생산을 최적화하기 위해 개발된 특별한 제어 능력을 갖고 있는 소프트웨어를 사용하기도 합니다. 그 효과가 검증되었고 그것으로 공장에서 기대하는 목표를 충분히 달성하고 있다면 이 또한 그 자체로 충분히 스마트하다고 할 수 있습니다. 결국 이렇게 하고 있는 것은 아무런 문제가 없으며, 이렇게 하고 있지 못한다면 그것이 문제입니다.
단 현재의 제어 시스템이 부분 최적화로는 충분한데 전체 최적화를 달성하지 못하고 있다면 공장에서 생성되는 데이터를 축적하고 활요하는 과정에서 문제가 있을 수도 있습니다. 따라서 공장에서 발생하는 빅데이터를 활용하여 스마트한 제어가 가능하도록 전진해야 할 필요가 있습니다.
기업들의 또 다른 고민거리는 휴먼 에러(Human Error), 즉 '사람 실수'에 관한 것입니다. 베어링스 은행 (Barings Bank)은 1762년부터 1995년까지 존속했던 영국의 은행입니다. 영국 왕실과 관계가 깊어 '여왕 폐하의 은행 (The Queen's Bank)'이라고 불리었으나 1995년 싱가포르 지범의 딜러 닉 리슨이 파생상품 거래 실패가 원인이 되어 파산했고 이후 네덜란드 금융 그룹인 ING에 단 돈 1 파운드에 매각되었습니다. 200년 전통을 자랑하는 유서 깊은 은행이 어느 신입직원의 작은 실수에서 시작된 손실 은폐와 상급자들의 무책임으로 인해 사라지고 말았습니다.
2013년 12월 한국에서도 비슷한 일이 생긴 적이 있습니다. 자본금 200억 원의 한맥투자증권의 한 직원이 파생상품 자동 주문 프로그램 설정 값을 잘못 입력해 463억 원에 달하는 매매 손실을 입게 된 것입니다. 결국 한맥투자증권은 부채가 자산을 초과해 파산에 이르렀습니다.
일본에도 비슷한 전례가 있습니다. 유키지루 유업은 1950년 설립 후 일본 최대의 유제품 생산 업체로 성장하였으며 신뢰받는 기업 이미지를 갖고 있었습니다. 그러나 2000년 6월 1만 4000명이 넘는 사람들이 썩은 우유를 마시고 병에 걸리는 일본 최악의 식중독 사건으로 몰락하고 말았습니다. 문제의 원인은 위생관리를 철저히 하지 않은 것이었습니다. 더구나 유키지루시 유업은 문제를 은폐, 축소, 변명하거나 책임 회피로 일관했습니다. 결국 매출은 70%까지 급감했고, 주가가 바닥으로 하락하며 폐업을 결정할 수밖에 없었습니다.
일본의 제조업 도요타 자동차는 2008년 GM을 누르고 판매대수 기준 세계 1위로 도약하였습니다. 그러나 기쁨도 잠시, 창립 이래 최대의 위기가 찾아왔습니다. 2009년 8월 미국에서 렉서스 차량이 엑셀과 브레이크 결함으로 고속도로를 시속 190km로 달리다가 가드레일을 들이 받아 일가족 4명이 모두 사망하는 사건이 발생하였습니다. 사고 당시 운전자와 911 간의 충격적인 전화 통화 내용이 뉴스와 인터넷을 통해 퍼져 나갔지만 도요타의 경영진은 책임 회피에 급급했습니다. 결국 3개월이 지나서야 첫 리콜을 결정했으나 설계또는 품질검사 과정에서의 사람이 밝혀내지 못한 결함은 전 세계에서 약 700만대 리콜로 이어졌고, 도요타는 연간 생산대수에 버금가는 약 1조 원이상의 리콜 비용을 지불했습니다. 뿐만 아니라 세계 최고의 생산 시스템으로 인정받았던 TPS(Toyota Production System)에도 치명적인 오점을 안게 되었습니다.
사람의 실수로 인해 기업의 명성이 하루아침에 추락하거나 기업 자체가 역사 속으로 사라진 사례는 너무나 많습니다. 한 조사에 따르면 사람은 하루에 2만 가지 행동을 하며 그 중 2번은 실수를 합니다. 실수를 한 경우 80%는 스스로 알아채고 대응을 하게 되지만 20%는 알아채지 못하며, 이 중 25%는 심각한 실수로 이어집니다. 결과적으로는 자신도 모르는 사이에 한 사람이 연간 36.5회 정도 심각한 실수를 저지르게 되는 것입니다.
이러한 실수가 개인의 문제에서 기업차원으로 확장되면, 구성원 자신도 모르게 저지른 심각한 실수 하나가 산업재해로 이어집니다. 더구나 기업에서는 많은 사람들이 일하고 있으며, 만약 100명이 근무하는 사업장이라면 알아채지 못하는 순간에 연간 3650번의 심각한 실수가 발생하는 셈입니다. 사람 실수라는 측면을 경영자의 입장에서 보면 마치 초겨울 살얼음판을 걷고 있는 불안한 상태라 할 수 있습니다.
4차 산업혁명은 과연 우리에게 긍정적인 변화만을 가져온 것일까? 1차 산업혁명은 많은 것을 인간에게서 가져갔습니다. 가내 수공업이 경쟁력을 잃게 되자 사람들은 가내 수공업에 투입했던 노동력을 공장에 팔아서 임금을 받는 구조로 편입되었습니다. 공업화된 설비에 비해 노동 생산성이 떨어지면서 노동자들은 직업을 잃게 되었습니다.
2차 산업혁명은 여러 가지를 생각하게 했습니다. 공장의 생산성이 높아지면서 임금이 오르고 소비자는 보다 저렴한 가격을 지불하고도 기능이 탁월한 제품을 구입할 수 있게 되었지만, 동시에 단순 작업을 반복하는 공장의 노동자들은 마치 도구나 기계와 같은 역할만을 하게 되는, 인간의 존엄성을 다소 훼손받는 상황에 몰렸습니다.
생산성이 높아진 만큼 높은 임금을 받을 수 있게 되었지만 그러나 그 혜택을 받을 수 있는 사람은 소수에 불과합니다. 지식이나 기능을 익히는데 시간이 필요한 일들은 이미 로봇이나 컴퓨터가 대신하고 있기 때문입니다.
공장의 숙련 기술자의 일은 로봇이, 숙련 지식 근로자의 일은 컴퓨터가 그 역할을 대신합니다. 고도의 기술이나 고도의 지식을 갖고 있는 사람은 더 많은 임금을 받을 수 있으나, 단순 작업을 하는 사람은 외주화되면서 상대적으로 낮은 임금을 받게 되거나 그나마 직업을 갖기도 힘든 세상이 되었습니다. 즉 양극화가 심해졌다고 볼 수 있습니다.
4차 산업혁명에 대해서는 관심과 우려가 공존합니다. 4차 산업혁명은 인간만이 할 수 있던 영역에 기계나 시스템을 참여시키고 있습니다. 기존에는 공장 자동화(FA, Factory Automation) 시대에 만들어진 로봇이 작업하는 공간에 사람이 접근하면 위험하기 때문에 칸막이를 쳐 놓고 그 안에서 일을 했습니다. 그러나 위험성 때문에 펜스 안에 갇혀 있던 로봇은 인공지능이 탑재되면서 펜스 밖으로 나오게 되었고 비로소 인간과 공존할 수 있게 되었습니다. 나아가 더 광범위한 분야에서 사람과 사물, 사물과 사물이 인터넷으로 연결되고 있으며 빅데이터 분석을 통해 인간의 행동까지 예측 가능한 세상이 될 것입니다. 그렇게 되면 많은 인간의 직업이 사라질지도 모릅니다.
일본의 소프트뱅크가 2015년 출시한 서비스용 로봇 '페퍼'는 사람의 감정까지도 인식할 수 있습니다. 현재 휴대폰 판매, 쇼핑몰 안내, 커피숍 주문 등에 활용되고 있습니다. 인간의 감정을 읽고 대화할 수 있는 로봇 페퍼가 아시아 지역 피자헛 매장에서 주문을 받고 결제 업무를 처리하는 모습도 볼 수 있게 되었습니다.
초기 블록체인의 개념은 2009년 나카모토 사토시(Nakamoto Satoshi)의 P2P(Peer-to-Peer) 레포트를 기반으로 정립된 내용과 같습니다.
이를 블록체인 1.0이라고 하며, 이는 기본적으로 공유 블록체인의 특징을 가지고 있습니다. 누구든지 거래 내역을 볼 수 있으며, 누구나 네트워크의 참여자가 될 수 있습니다. 화폐 목적으로 제한적으로 사용되었기 때문에 투명성과 보안 측면에 가장 큰 중점을 둔 것이 특징입니다.
우리가 블록체인에 대하여 특징적으로 기억하는 대부분의 것들이 비트코인의 블록체인 개념에서 만들어 졌습니다. 블록체인 1.0에서 만들어진 개념인 '분산 원장을 통한 보안'의 강점은 다음 세대로 넘어가면서도 지속되었습니다. 이는 향후에도 지속될 개념 정립이 초기에 이루어 졌다는 점에서 큰 의의를 가지고 있습니다.
뛰어난 보안성을 지닌 블록체인, 의도적으로 바디 값을 수정해 거래 데이터를 변조하여 이득을 얻으려는 사람이 있다고 가정을 해봅시다. 변조를 위해 특정 블록 바디 값을 수정하면 헤더 안의 바디 데이터를 요약한 머클해시 값이 바뀌게 됩니다. 이후 해당 블록의 논스를 구하는 작업증명까지 완료하면 해당 블록의 해시 값이 변경되는데, 이로 인해 다음 블록에 포함되는 해시 값또한 변경됩니다.
변조를 위해서는 이러한 일련의 과정을 가장 최근에 만들어진 블록까지 반복하고 새로운 블록을 분산시켜 데이터 수정을 정당화 해야합니다. 하지만 시간이 지날수록 헤더 안의 난이도 값이 올라가므로 논스를 구하는 시간은 점점 늘어나게 됩니다.비트코인의 경우 현재 전 세계에서 가장 성능이 좋은 컴퓨터를 10위까지 모두 가져다가 연산력을 더한다고 해도 변조는 현실적으로 불가능합니다. 가장 긴 체인이 가장 안전하다고 이야기하는 이유가 여기에 있습니다.
링크드 리스트 알고리즘
이렇듯 블록체인의 안전성은 링크드 리스트를 통한 체인의 길이의 확대와 네트워크 참여자간의 동일한 장부를 통해 생겨납니다. 체인의 길이가 길어질수록 이전에 존재하는 하나의 블록을 해킹하는 것은 불가능에 가까워지고 새로이 생겨나는 블록의 거래 데이터를 '분산원장'을 통해 모든 노드가 보유하고 있기 때문에 과반수 이상을 수정할 수 있는 연산력을 보유하지 않는 이상 블록체인의 데이터 조작은 불가능합니다. 하지만 시간이 지나며 많은 문제점들이 발겨되었습니다.
초기 디자인상 블록 크기 문제부터, 블록의 합의 과정에서 걸리는 시간, 비싼 송금 수수료, 확장성의 문제까지 초기 화폐의 개념에 는 충실했으나 기능적인 면에서는 분명 한계가 존재하였습니다.
랩어카운트는 고객의 성향에 따라 구성되는 포트폴리오도 다른 개인 맞춤형의 형태를 가지고 있습니다. 하지만 이런 랩어카운트에도 다양한 종류들이 있습니다.
1. 일반형 (컨설턴트형, 표준형)
랩 매니저가 주식, 채권 등에 투자 및 운용하는 랩어카운트 상품입니다. 가장 일반적인 상품으로 가장 보편화돼있습니다. 랩어카운트 상품을 판매하는 모든 증권사에서 상품 가입이 가능하며 각 증권사마다 운용방식이나 수수료가 다릅니다. 상품정보는 홈페이지나 전화를 통해 알아볼 수 있습니다.
2. 간접형
랩어카운트 가입 금액의 일정 부분을 펀드에 투자하는 방식의 상품입니다. 펀드와 랩에 둘 다 편입할 수 있습니다. 분산투자의 효과는 있어 안전하나 수익률이 생각보다 낮을 수도 있습니다.
3. 해외투자형
국내가 아닌 해외 주식 채권 펀드 등에 투자하는 상품입니다. 현재 중국 시장이 주목을 받으면서 중국에
투자하는 랩어카운트 상품이 각광을 받고 있습니다. 펀드 중에서도 브릭스 펀드 등이 유명세를 치른 만큼
성과를 거두지 못했습니다.
4. 맞춤형
고객이 원하는 종목에 원하는 투자 비율로 투자해 수익을 내는 방식입니다. 맞춤형이라고 해서 무조건
고객의 요구 사항을 다 들어주는 것은 아닙니다. 정해진 틀 안에서 조율을 하는 것입니다. 맞춤형은 자신
에게 만족감만 줄 뿐 수익에는 큰 기대를 하지 않는 것이 좋습니다.
5. 리서치형
리서치 센터에서 조사해 포트폴리오를 구성하는 상품입니다. 리서치 센터 애널리스트들의 조사 자료를 토대로 리서치 센터장이나 운용력들이 종목을 찾아 투자하는 방식입니다.
6. PB형
PB가 포트폴리오를 구성을 하는 상품으로 PB가 종목을 구성합니다. 웬만한 실력자가 아닌 PB들은 쉽게 접근하기 힘든 상품으로 상담받기를 원한다면 상위 랭크되어 있는 PB들에게 상담하여 가입하는 것이 좋습니다.
7. 자문형
자문사의 지문을 받아 포트폴리오를 구성하고 운용하는 상품입니다. 2010년 기준으로 약 15곳의 증권사에서 판매 중이며 가장 인기 있는 랩어카운트 상품이기도 합니다. 향후 지속적인 증가 추세를 보일 것으로 예상됩니다.
8. 적립형 (펀드형)
펀드처럼 매월 일정 금액 이상씩 납입해 그 돈으로 종목을 매수하는 방식입니다. 펀드와 비슷한 운영방식이라 생각될지도 모르겠지만 운용 종목에서 랩어카운트 종목과 같은 방식으로 운영되므로 적은 종목에 집중 투자할 수 있는 장점이 있습니다. 하지만 적립식이므로 매달 수익률이 달라질 수 있다는 점을 명심해야 합니다.
9. 수시입출금형
원금과 이자를 매일 정산해 재투자하므로 투자금액이 복리로 운용되는 효과를 볼 수 있는 상품으로 당일 입출금이 가능합니다. 최소 가입 금액은 300만 원입니다.
10. 종합 자산관리형
당사 지점 일임 투자사들이 관리하는 자산관리형 랩으로 일반형 랩과 비슷하다고 보면 되지만 지접의 일임투자자들의 밀착 관리로 고객의 자산을 종합적으로 구성해 관리해줍니다.
11. 채권형
신용등급이 일정 등급 이상인 회사채와 수익성 있는 RP 등에 투자하는 것입니다. 채권의 발행 단계에서 매수해 만기 시까지 보유하는 매수 후 보유 (Buy & Holding) 전략을 구사합니다. 채권에 투자하는 만큼
