디지털 트윈, 예측 기반 비즈니스 최적화로 기업 혁신 지원 (1)
상태바
디지털 트윈, 예측 기반 비즈니스 최적화로 기업 혁신 지원 (1)
  • 윤현기 기자
  • 승인 2019.07.26 19:31
  • 댓글 0
이 기사를 공유합니다

가상 환경서 다양한 시뮬레이션 가능…비용·시간 절감 통한 생산성·효율성 제고

[데이터넷] 빅데이터, 인공지능 등 4차 산업혁명을 이끄는 다양한 기술들이 발전됨에 따라 이들을 응용해 여러 산업 현장에서 생산성이나 안전성 등을 향상시키려는 수요가 확산되고 있다. 이를 충족시킬 수 있는 기술로 ‘디지털 트윈(Digital Twin)’이 주목받고 있으며, 제조, 전력, 항공, 우주, 의료, 자동차 등 산업 전반에 걸쳐 사용이 확산되고 있다. ‘디지털 트윈’은 무엇이며, 그 중요성과 쓰임새에 대해 알아본다. <편집자>

최근 다양한 산업 전반에 걸쳐 ‘디지털 트윈(Digital Twin)’이라는 용어가 자주 등장하고 있다. 이를 구현하는 방식은 개별 업체마다 다를 수는 있겠지만, ‘현실과 똑같은 쌍둥이를 가상으로 구현하는 기술’이라는 정의는 동일하게 적용된다. 즉, 현실 세계에 존재하는 모든 사물과 환경을 가상공간에 동일하게 구현한다는 개념이다.

그렇다면 디지털 트윈이 왜 중요한 개념으로 등장하게 된 것일까? 우선 기업 비즈니스의 핵심이 이윤 창출에 있다는 것에 주목할 필요가 있다.

기업이 시장에서 제품과 서비스를 판매하려면 이전보다 혹은 경쟁사보다 더 뛰어난 제품과 서비스를 만들 필요가 있다. 그러나 생각보다 제품 사양을 높이거나 기능을 추가하는 것은 쉬운 일이 아니다. 초기 설계를 실제로 구현 가능한지의 여부도 불투명하지만, 가능하다 하더라도 복잡한 조건들로 인해 구현이 불가능할 수도 있다. 더욱이 구현하려 했던 기능이 실 제품과 서비스에서 제대로 동작한다는 것도 보장할 수 없는 노릇이다.

또한 제품과 서비스가 차질 없이 생산되기 위해서는 공장을 비롯한 설비 시설이 최적의 상태로 유지될 필요가 있지만, 기계 고장 등 예기지 못한 문제는 언제든 발생할 수 있다. 가령 반도체 생산 라인에서 갑작스럽게 기계에 장애가 발생해 가동이 멈춘다면, 이는 해당 기업에게 큰 피해를 입힐 수도 있는 것이다.

극히 적은 비용만을 들여 이러한 문제점들을 사전에 파악하고 대응할 수 있다면? 꿈만 같은 이야기라 여길 수 있지만 실제로 이것이 가능해지고 있다. 바로 디지털 트윈 때문이다.

정확·다양한 데이터 요구

디지털 트윈은 현실 세계에 존재하는 사물과 환경을 가상의 공간에 동일하게 구현하고, 이를 활용해 다시 현실 세계에 가치를 제공하는 데 그 목적이 있다. 이때 단순한 형상의 복사가 아니라 모든 움직임과 프로세스도 같도록 하는 것이 중요하다.

특히 현실과 가상을 완전히 연결해 서로 상호작용하는 데이터를 통해 사전에 시뮬레이션을 할 수 있으며, 수정사항이 실시간으로 업데이트가 이뤄지고 실행도 가능하다. 가상 환경에서 어떠한 결정을 내리면 현실에서도 바로 반영돼 피드백 루프가 조성된다.

즉, 디지털 트윈은 모든 물리적 대상에 대해 잠재적, 실제적 형상과 특성을 완전하게 구현한 가상의 정보 세트이며, 실물과의 상호작용을 통해 가상과 현실이 지속적으로 고도화되고 강화되는 관계를 의미한다. 디지털 트윈은 실물 존재 이전의 디지털 프로토타입(Digital Prototype)과 실물과 동기화된 디지털 인스턴스(Digital Instance)로 구분할 수 있으며, 디지털 트윈을 작동하고 경험하는 가상공간으로의 디지털 환경(Digital Environment)도 주요 유형이라 할 수 있다.

디지털 트윈을 구현하기 위한 가장 기본적인 요소는 바로 정확하고 다양한 데이터다. 똑같은 트윈 모델을 만들어 정제된 데이터들이 저장되면 모델 하나에 속성 정보들이 정리된다. 그 후 실제 운영 중에 발생되는 데이터도 반영된다.

아울러 움직임을 반영하기 위한 물리적인 로직도 반영돼야 한다. 가상공간에 소재, 부품, 프로세스, 가상 환경 등 실물의 특성을 예측하거나 실물의 제작에 활용할 수 있는 정보를 입력해 둔 상태를 디지털 프로토타입이라고 한다면, 디지털 트윈은 3D 모델을 중심으로 엔지니어링, 프로세스, 환경 조건 등의 정보가 통합돼 실물과 연결된 상태로 변화하는 물리적 특성이 반영된 정보가 다뤄진다. 따라서 가상과 현실의 결합을 통해 경험의 가치를 극대화하고 서로 연결된 상태에서 모든 라이프 사이클의 운영을 최적화한다.

생산성 향상·효율성 증대 등 기대

디지털 트윈은 현재 여러 산업 분야에서 활용되고 있지만, 그 기원은 미 우주항공국(NASA)이 초창기 우주 탐사 개발에 활용하던 페어링(Pairing) 기술에서부터 시작됐다고 전해진다.

NASA는 시스템이 물리적으로 떨어져 있을 때 어떻게 시스템을 작동하고 유지보수를 할지에 대해 연구해왔으며, 실제로 아폴로13호에 재난이 닥쳐왔을 때 엔지니어와 우주비행사들이 우주선을 구할 수 있는 방법을 결정했던 것도 지구에 위치한 미러(Mirror) 시스템이 있었기 때문에 가능했다. 지금도 NASA는 디지털 트윈을 활용해 새로운 권장사항이나 로드맵 및 차세대 항공기를 개발하는 중이다.

최근 디지털 트윈에 대해 높아지는 관심은 산업계의 화두인 4차 산업혁명 기반의 신기술을 접목해 제품을 개발하고, 생산 설비 운영 전반에 걸친 경쟁력을 확보하고자 하는 노력의 일환으로 여겨진다. 4차 산업혁명의 주요 핵심 어젠다로 여겨지는 산업용 IoT와 디지털 트윈은 기업들로 하여금 인공지능(AI), 머신러닝(ML), 딥러닝(DL), 빅데이터 및 다양한 센서 기술과 접목돼 생산성 향상, 품질 향상, 불량 감소, 설비 운영 효율 증대 등 다양한 부문에서 경쟁력 확보에 기여할 수 있다는 기대감을 갖도록 하고 있다.

또한 전통적인 제조 기업들이 디지털 기업으로 전환(Digital Transformation)하며 괄목할만한 성공사례가 나오는 현상과도 무관하지 않다. 이러한 디지털 기업으로의 전환의 주요 전략으로 산업용 IoT와 디지털 트윈이 이슈화되고 있기 때문이다. 대표적인 사례로 제너럴일렉트릭(GE)이 꼽힌다. 이제 GE디지털그룹은 기업의 자산을 보다 효율적으로 운용할 수 있는 통찰력(Insight)을 제공하는 세계적인 솔루션 기업으로 발돋움했다.

제프 이멜트(Jeff Immelt) GE 회장 겸 CEO는 “어제 저녁에 당신의 기업이 일반적인 제조 기업으로 잠자리에 들었더라도, 오늘 아침에는 소프트웨어 분석 기업으로 눈을 뜨게 될 것”이라고 최근의 변화에 대해 언급한 바 있다. 이는 좀 더 쉽게 ‘공학적으로 해석가능한 모든 물리적 자산에 대한 물리적 통찰력(Physical Insight)을 확보하는 전략’이라 풀이할 수 있다.

기업이나 조직은 이렇게 구축한 디지털 트윈 전략으로, 만들고자 하는 제품이나 운영하고자 하는 설비에 대해 통찰력을 가질 수 있게 돼 실시간 운영 조건에 따라 부품의 수명을 예측할 수 있다. 이를 통해 부품 교체 시점을 예측하고 제품과 설비를 최적화된 상태로 운영할 수 있으며, 축적된 정보는 엔지니어링, 제조, 설비 보전, 마케팅 및 판매 정보 등과 통합해 활용할 수 있다.

디지털 트윈을 활용한 사회 문제 해결

[지구·우주 공간 규모 시뮬레이션]
대규모 디지털 트윈을 이용한 사이버상의 가상 사회는 지구의 자연 상태(기후, 자원 매장량 등)나 사회 변화(인구, GDP 등)를 그대로 재현하기 때문에 가까운 미래를 시뮬레이션하고 예견하는데 필요한 고정밀 예측 모델을 구축할 수 있다. 이러한 시뮬레이션 및 예측은 지속가능발전목표(SDGs)를 위한 정책 마련에 적용할 수 있다. 실세계 도시의 디지털 트윈을 우주 공간의 디지털 트윈과 결합하면 대기, 물, 식량, 에너지의 균형 시뮬레이션을 제작할 수 있기 때문에 공간 개발에 기여할 수 있다.

[도시 문제 발견·해결]
도시와 시민에 대한 디지털 트윈은 시민들의 경험, 문화, 가치, 바람, 불만을 익명으로 수집하는데 사용 가능하다. 이러한 디지털 트윈은 도시 내에 잠복해 있는 문제, 다시 말해 무심코 지나치기 쉬운 위험한 교차로나 사고율이 높은 지역 등을 발견하고, 그에 따른 최적화된 솔루션을 찾아내는 데 유용하다. 디지털 트윈은 다른 도시와의 시너지를 시뮬레이션하는 한편, 유사성과 차이점을 서로 비교 분석해 ‘자매 도시’를 창출함으로써 도시 간 새로운 협업을 모색하는데 사용될 수 있다.

[질병 관리·예측]
가상 사회는 전염병 창궐을 막기 위해 사이버상에서 지리학적 정보와 교통 정보 등을 통합해 인간의 디지털 트윈을 그들의 활동 및 관계 패턴에 매핑함으로써 전염병의 확산을 정확하게 예측할 수 있다. 물류와 인간의 이동을 관리하고 휴교 및 원격학습에 대한 의사결정을 내리는 한편, 최적의 의료기관을 검색·예약하는 방식으로 전염병을 실시간으로 통제할 수 있다.

[다면적인 의사결정 수립]
직업 기술을 디지털 트윈에 기록하면 회의실 예약 및 일정 관리 등의 일상 업무를 수행할 때 유용한 디지털 트윈을 가질 수 있다. 디지털 트윈은 복제가 가능해 실세계와 변경된 디지털 트윈 사이에 행적, 다양한 상황 및 사전 지식, 대화 참여 등의 디지털 버전을 변경할 수 있기 때문에 각양각색의 문제에 대한 해법을 도출하는데 이용할 수 있다. 더욱이 여러 디지털 트윈은 사이버상에서 매우 빠른 속도로 논의가 가능하기 때문에 한 개인이 미처 간파하지 못했던 솔루션이나 관점을 확보하기가 용이하다.?

가상 경험 축적 통해 비용 절감

오늘날 많은 제품들은 기계적인 기능, 전자, 소프트웨어, 제어장치 등이 결합된 복잡한 제품 개발 환경을 필요로 한다. 이에 따라 엔지니어링 부서들은 이러한 다양한 측면을 통합적으로 적용한 스마트 제품을 개발하고, 새로운 원자재와 제조 방법을 모색해야 하며, 동시에 더 짧은 설계주기 동안에 설계 작업을 완료해야 하는 과제를 안게 됐다.

그 대안으로 디지털 트윈이 활용되고 있다. 실제 환경과 동일한 가상 환경을 구축해 쉽고 간편하게 시뮬레이션 해볼 수 있다는 것이 장점이다. 만약 매번 시제품(Prototype)을 제작한다면 개발 시간과 비용이 크게 늘어날 수밖에 없다. 생산라인이 갖춰져 대량으로 제품을 만들어내는 양산품과는 달리 시제품은 많은 제작비용을 필요로 하며, 시제품을 만들어 테스트하기까지 걸리는 시간도 상당하기 때문이다. 그럴 때 디지털 트윈을 이용하면 매번 시제품을 제작하는 수고를 덜 수 있을 뿐만 아니라 조정 과정에서도 바로 결과를 확인할 수 있어 개발 시간과 비용을 크게 절감하는 효과를 제공한다.

물론 디지털 트윈인 만큼 최대한 현실과 동일하게끔 구성하는 것이 가장 좋은 방안이지만, 개발자나 운영자가 어떤 목적을 갖고 구현하려 하느냐에 따라 100% 동일하게 구현하지 않아도 된다. 가령 디지털 트윈을 구현하고 변수로 바람의 속도와 방향 등만 고려한다 했을 때 색상까지 굳이 똑같이 구현하지 않아도 되는 것이다.

그러나 아주 사소해 보일 정도로 미세한 부분이더라도 시뮬레이션 결과에 영향을 줄 수 있는 것들은 최대한 동일하게 구현하고 지속적으로 데이터를 업데이트하며 동기화해줘야 한다. NASA에서 개발하는 우주선 등이 그러하다.

이처럼 디지털 트윈을 구현하기 위해서는 어떻게 가상공간에 디지털 트윈을 만들 것인가부터 고민을 시작해야 하며, 크게 두 가지 방안으로 가능하다.

▲ 디지털 트윈 모델링 접근 방법

하나는 디지털 트윈을 구현할 대상의 모든 구조를 알고 있을 때다. 외형부터 재질, 내부 구조 등을 모두 알고 있을 경우 이를 가상공간에 동일하게 옮길 수 있다. 이를 활용하면 임의로 고장 데이터를 집어넣어 어떻게 될지 예측하는 것도 가능하며, 실제 고장 데이터를 활용해 언제쯤 장애가 발생할지 파악하고 사전에 대응하는 것도 가능하다. 현재까지 알려진 디지털 트윈은 이에 해당하는 경우가 대부분이다.

새로 출시된 스마트폰의 유지보수 정책을 정할 때를 가정해보자. 비록 신제품이긴 하나 제품의 모든 것을 알고 있기 때문에 그대로 가상공간에 구현 가능하다. 이후 다양한 시뮬레이션을 통해 발생할 수 있는 다양한 고장 사례를 확보할 수 있으며, 더 나아가 어떤 부분이 파손되기 쉬운지 등도 파악해 수리 부품 재고 관리도 진행할 수 있다.

또 다른 하나는 데이터를 기반으로 모델링을 만드는 것이다. 내부가 복잡해 확인하기 어렵거나 센서를 통해 얻게 되는 데이터가 곧 디지털 트윈을 위한 변수로 작용할 경우 활용되는 방법이다. 특히 모델링은 가상환경에서 최적화를 쉽게 할 수 있다는 점이 장점으로 꼽힌다.

한 정유회사의 장비 배치 최적화 사례를 살펴보자. 이 회사는 석유 채취를 위해 대당 20억원이 넘는 추출 차량 8대를 활용하고 있으며, 장애에 대비해 예비 차량을 5대 운영하고 있었다. 그러나 장애가 매일 발생하는 것은 아니었기 때문에 예비 차량을 5대씩이나 운영하는 것은 비용 낭비로 여겨졌다.

이에 정유회사는 석유 추출 펌프 부위에 센서를 달아 장애가 발생하는 이유를 확인하고자 했고, 장애를 일으키는데 영향을 주는 요인이 온도, 압력, 진동 등에 있다는 사실을 확인했다. 이를 활용해 디지털 트윈을 구축하고 머신러닝으로 펌프 데이터를 분석한 결과 장애 발생 시 정상일 때와 다른 점이 발견됐으며, 정유회사는 해당 데이터를 기반으로 사전 유지보수 일정 등과 함께 예비로 운영하던 차량 대수도 줄이는 효과를 얻었다.

일반적인 현장 장비에서 장애 조건 데이터를 수집하는 것이 항상 가능하지는 않다. 그러나 디지털 트윈과 같이 통제된 상황에서 의도적으로 결함을 생성하는 것은 시간·비용적으로 많은 절감이 가능하며 실현 불가능한 것도 구현 가능하기에 훌륭한 데이터를 얻을 수 있다. 



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.