[IT이슈] 디지털 트윈

한국어

<h2 id="디지털-트윈digital-twin">디지털 트윈(Digital Twin)</h2> <p>센서, 사물인터넷, 인공지능, 3D 프린팅 등 관련 요소기술들이 동시 다발적으로 발전하면서 시장이 급성장하는 배경에서 미국 제너럴 일렉트릭(GE)이 주장한 개념으로 <strong>실제 장비나 공간(물리적 세계)을 가상 세계에 쌍둥이처럼 똑같이 구현</strong>하는 기술.</p> <p><a href="../../assets/images/IT-issue/digital-twin-definition.png" title="https://www.aitimes.kr/news/articleView.html?idxno=20093"><img src="../../assets/images/IT-issue/digital-twin-definition.png" alt="" title="디지털 트윈(Digital Twin)이란?" class="align-center" /></a></p> <p>다시 말해서 디지털 트윈은 현실 세계에 존재하는 물리적 대상의 형상, 성질, 상태 등의 정보를 사이버 상에 동일하게 구현하는 것을 말한다. 이미 3D 모델링과 시뮬레이션 기술은 제조업을 비롯한 산업의 다양한 분야에서 오래전부터 적용돼왔으나 디지털 트윈은 실물과 트윈이 1:1 매칭된다는 점에서 하나의 모델을 생성하고 시뮬레이션한 결과로 수천, 수만 대의 제품을 양산하는 기존의 방식에서 고도화된 기술이라 할 수 있다</p> <p>디지털 트윈은 장비나 특정 공간에 발생할 수 있는 문제를 시뮬레이션으로 미리 파악해 효율을 높이고 비용을 줄이는 역할을 수행한다</p> <p>제조업뿐 아니라 <strong>다양한 산업 및 사회 문제를 해결</strong>할 수 있는 기술로 주목받고 있다</p> <p>기본적으로 다양한 물리적 시스템의 구조, 맥락, 작동을 나타내는 <strong>데이터와 정보의 조합으로 과거와 현재의 운용 상태를 이해</strong>하고 <strong>미래를 예측</strong>하여 <strong>성능을 최적화, 자동화, 평가를 수행</strong>한다</p> <h3 id="디지털-스레드digital-thread">디지털 스레드(Digital Thread)</h3> <p><a href="../../assets/images/IT-issue/digital-thread.png" title="https://www.cadgraphics.co.kr/newsview.php?pages=news&sub=news01&subcate=2&catecode=2&num=18892"><img src="../../assets/images/IT-issue/digital-thread.png" alt="" title="디지털 스레드(Digital Thread)" class="align-center" /></a></p> <p>디지털 트윈은 물리적 대상의 설계, 제작, 운영, 폐기에 이르기까지의 전 주기에 걸쳐 트윈이 생성된다. 이렇듯 단계별로 생성되는 트윈의 형상과 속성, 상태는 다를 수 있다. 하지만 디지털 트윈이 궁극적으로 지향하는 물리적인 요소와 디지털 요소의 융합이 이루어지기 위해서는 전 주기에 걸친 정보가 누락되지 않고 이어져야 한다</p> <p>이렇게 <strong>정보가 한 가닥의 실처럼 꿰어지는 것을 디지털 스레드</strong>라고 불리며 디지털 트윈을 활용하는 데 있어 중요한 기술 중 하나이다</p> <h3 id="구성-요소">구성 요소</h3> <h4 id="데이터-취득-및-통합">데이터 취득 및 통합</h4> <p>디지털 트윈은 기관이 데이터를 취득 및 시각화하고 네트워크를 통합하고 정보를 분석하는 방법을 현대화한다</p> <ul> <li>데이터 모델링</li> <li>시스템 통합 및 관리</li> <li>Reality Capture</li> <li>피처 생성 및 추출</li> <li>워크플로 및 비즈니스 시스템</li> </ul> <h4 id="실시간-및-시각화">실시간 및 시각화</h4> <p>실시간 정보와 신뢰할 수 있는 네트워크를 통해 올바른 결정을 내리고, 새로운 패턴을 발견하고, 데이터의 잠재력을 활동</p> <ul> <li>대시보드 및 보고</li> <li>실시간 사물 인터넷 통합</li> <li>통찰력 및 분석</li> <li>고급 시각화</li> </ul> <h4 id="공유-및-협업">공유 및 협업</h4> <p>데이터 사일로를 제거하고 내부 및 외부 참여도를 높여 스마트 기관과 커뮤니티를 지원</p> <ul> <li>동적인 시각적 커뮤니케이션</li> <li>참여 및 협업</li> <li>관범위한 데이터 접근</li> <li>정보 투명성</li> <li>프로젝트 전달</li> </ul> <h4 id="분석-및-예측">분석 및 예측</h4> <p>강력한 통계, 머신 러닝, 딥러닝, 인공 지능 방법을 사용하여 정확한 예측을 분석하고 수행</p> <ul> <li>자동화</li> <li>Notebooks 및 모델링</li> <li>시뮬레이션 및 시나리오 모델링</li> <li>예측</li> </ul> <h3 id="분야">분야</h3> <ul> <li> <p><span style="color:orangered"><strong>운용 최적화</strong></span><br /> 날씨, 규모, 에너지 비용, 성능 인자와 같은 변수를 사용하여 수백, 수천 가지의 가정 시나리오를 실행하여 준비도를 평가하거나 기존 시스템의 설정값에 필요한 조정을 확인하도록 모델이 트리거됩니다. 이를 통해 자동 중에 시스템 운용을 최적화 또는 제어하여 위험과 비용을 절감, 각종 시스템의 효율을 개선할 수 있다</p> </li> <li> <p><span style="color:orangered"><strong>건전성 예측관리</strong></span><br /> 독일의 인공지능 연구소(DFKI)를 중심으로 Industry 4.0 활용 분야에서는 모델을 사용하여 잔여 수명을 확인함으로써 서비스나 장비 교체를 위한 최적의 시점을 예측 가능하다</p> </li> <li> <p><span style="color:orangered"><strong>이상 탐지</strong></span><br /> 모델은 실제 자산과 병렬로 실행되며 예상 동작에서 벗어난 운용 동작에 즉시 플래그를 지정한다. 즉, 디지털 트윈 모델이 운용 동작에서 이상 동작을 찾아서 재해성 손상을 방지한다</p> </li> <li> <p><span style="color:orangered"><strong>고장 분리</strong></span><br /> 이상이 발생할 경우, 엔지니어나 시스템이 적절한 조치를 취할 수 있도록 일군의 시뮬레이션 트리거되어 고장을 분리하고 근본 원인을 파악한다</p> </li> </ul> <h3 id="작동-방식">작동 방식</h3> <p>디지털 트윈의 일부로서 모델링이 필요한 요소는 IoT(Internet of Things) 활용 <strong>분야에 따라 달라진다.</strong></p> <p>모델링 방법은 일반적으로 <strong>1차 원칙</strong>과 <strong>데이터 기반 방법</strong>의 2가지 유형으로 그룹화할 수 있으며 모델링된 각종 행동과 모델링 방법을 결합하여 디지털 트윈을 생성할 수도 있고 더 많은 용도가 파악됨에 따라 점점 더 정밀해질 수 있다</p> <p>디지털 트윈 모델은 최신 상태로 유지되고 운용 중인 자산에 튜닝되어야 한다. 일반적으로 이 과정에서 자산 데이터가 디지털 트윈을 튜닝하는 알고리즘으로 직접 스트리밍되며, 이를 바탕으로 자산 환경, 현재 수명 및 구성과 같은 요소를 살펴볼 수 있다.</p> <p>최적화 방법을 사용하여 디지털 트윈 모델을 튜닝하고 MQTT와 같은 표준 프로토콜로 수신 데이터 스트림을 처리하여 최신 상태로 유지할 수 있으며 또한, 에지 컴퓨팅 노드, 운용 중인 기술 인프라, IT 시스템 등 해당 분야에서 필요한 어느 곳에도 구현할 수 있다</p> <ul> <li> <p><strong>MATLAB</strong><br /> 사용할 수 있는 데이터 기반 방법에는 머신 러닝, 딥러닝, 신경망, 시스템 식별이 포함되며 일반적으로 데이터 세트를 사용하여 모델을 학습하거나 추출하고 별도의 검증 데이터 세트를 사용하여 모델을 검증 및 평기한다</p> <p>각종 모델링 방법을 살펴보고 활용 분야에 가장 적합한 방법을 찾을 수 있다</p> </li> <li> <p><strong>Simulink</strong><br /> Simulink를 사용하여 물리 기반 모델링을 수행할 때는 1차 원칙을 바탕으로 시스템을 설계한다. 모델은 기계식, 유압식 및 전기 구성요소를 포함하며 Simulink로 Model-Based Design을 사용하는 업스트림 설계 작업으로부터 모델을 생성하는 것도 가능하다</p> </li> </ul> <h3 id="장단점">장단점</h3> <p>모든 것에는 양면성이 있듯이 디지털 트윈을 도입하는 것 또한 장단점이 존재한다</p> <p>제조 분야를 예를 들어보면 제품의 품질 향상, <span style="color:orangered"><strong>개발 비용 절감</strong></span>과 <span style="color:orangered"><strong>기간 단축의 효과</strong></span>가 있으며 운영 단계에서의 지속적인 최적화를 통해 <span style="color:orangered"><strong>운영 비용을 절감</strong></span>할 수 있다. 디지털 스레드를 통한 정보의 <span style="color:orangered"><strong>보존과 연속성 확보</strong></span> 또한 장점이다. 기업 측면에서는 생산과 서비스를 지속해서 최적화함으로써 궁극적으로 <span style="color:orangered"><strong>매출 증대의 효과</strong></span>를 기대할 수 있다</p> <p>하지만, <span style="color:orangered"><strong>기술적으로 초기 단계</strong></span>인 현재로는 디지털 트윈을 구현하고 운영하는데 <span style="color:orangered"><strong>상당한 비용이 발생</strong></span>한다는 단점이 존재한다. 또한 사이버상에 대량의 정보를 담기 때문에 <span style="color:orangered"><strong>보안 측면의 리스크</strong></span>는 항상 있으며 이에 대한 대응책이 필요할 것으로 보인다</p> <h2 id="레퍼런스">레퍼런스</h2> <p>https://kr.mathworks.com/discovery/digital-twin.html</p> <p>https://www.esri.com/ko-kr/digital-twin/overview</p> <p>https://brunch.co.kr/@windyroad2/106</p>

디지털 트윈(Digital Twin)

센서, 사물인터넷, 인공지능, 3D 프린팅 등 관련 요소기술들이 동시 다발적으로 발전하면서 시장이 급성장하는 배경에서 미국 제너럴 일렉트릭(GE)이 주장한 개념으로 실제 장비나 공간(물리적 세계)을 가상 세계에 쌍둥이처럼 똑같이 구현하는 기술.

다시 말해서 디지털 트윈은 현실 세계에 존재하는 물리적 대상의 형상, 성질, 상태 등의 정보를 사이버 상에 동일하게 구현하는 것을 말한다. 이미 3D 모델링과 시뮬레이션 기술은 제조업을 비롯한 산업의 다양한 분야에서 오래전부터 적용돼왔으나 디지털 트윈은 실물과 트윈이 1:1 매칭된다는 점에서 하나의 모델을 생성하고 시뮬레이션한 결과로 수천, 수만 대의 제품을 양산하는 기존의 방식에서 고도화된 기술이라 할 수 있다

디지털 트윈은 장비나 특정 공간에 발생할 수 있는 문제를 시뮬레이션으로 미리 파악해 효율을 높이고 비용을 줄이는 역할을 수행한다

제조업뿐 아니라 다양한 산업 및 사회 문제를 해결할 수 있는 기술로 주목받고 있다

기본적으로 다양한 물리적 시스템의 구조, 맥락, 작동을 나타내는 데이터와 정보의 조합으로 과거와 현재의 운용 상태를 이해하고 미래를 예측하여 성능을 최적화, 자동화, 평가를 수행한다

디지털 스레드(Digital Thread)

디지털 트윈은 물리적 대상의 설계, 제작, 운영, 폐기에 이르기까지의 전 주기에 걸쳐 트윈이 생성된다. 이렇듯 단계별로 생성되는 트윈의 형상과 속성, 상태는 다를 수 있다. 하지만 디지털 트윈이 궁극적으로 지향하는 물리적인 요소와 디지털 요소의 융합이 이루어지기 위해서는 전 주기에 걸친 정보가 누락되지 않고 이어져야 한다

이렇게 정보가 한 가닥의 실처럼 꿰어지는 것을 디지털 스레드라고 불리며 디지털 트윈을 활용하는 데 있어 중요한 기술 중 하나이다

구성 요소

데이터 취득 및 통합

디지털 트윈은 기관이 데이터를 취득 및 시각화하고 네트워크를 통합하고 정보를 분석하는 방법을 현대화한다

• 데이터 모델링
• 시스템 통합 및 관리
• Reality Capture
• 피처 생성 및 추출
• 워크플로 및 비즈니스 시스템

실시간 및 시각화

실시간 정보와 신뢰할 수 있는 네트워크를 통해 올바른 결정을 내리고, 새로운 패턴을 발견하고, 데이터의 잠재력을 활동

• 대시보드 및 보고
• 실시간 사물 인터넷 통합
• 통찰력 및 분석
• 고급 시각화

공유 및 협업

데이터 사일로를 제거하고 내부 및 외부 참여도를 높여 스마트 기관과 커뮤니티를 지원

• 동적인 시각적 커뮤니케이션
• 참여 및 협업
• 관범위한 데이터 접근
• 정보 투명성
• 프로젝트 전달

분석 및 예측

강력한 통계, 머신 러닝, 딥러닝, 인공 지능 방법을 사용하여 정확한 예측을 분석하고 수행

• 자동화
• Notebooks 및 모델링
• 시뮬레이션 및 시나리오 모델링
• 예측

분야

• 운용 최적화
  날씨, 규모, 에너지 비용, 성능 인자와 같은 변수를 사용하여 수백, 수천 가지의 가정 시나리오를 실행하여 준비도를 평가하거나 기존 시스템의 설정값에 필요한 조정을 확인하도록 모델이 트리거됩니다. 이를 통해 자동 중에 시스템 운용을 최적화 또는 제어하여 위험과 비용을 절감, 각종 시스템의 효율을 개선할 수 있다

• 건전성 예측관리
  독일의 인공지능 연구소(DFKI)를 중심으로 Industry 4.0 활용 분야에서는 모델을 사용하여 잔여 수명을 확인함으로써 서비스나 장비 교체를 위한 최적의 시점을 예측 가능하다

• 이상 탐지
  모델은 실제 자산과 병렬로 실행되며 예상 동작에서 벗어난 운용 동작에 즉시 플래그를 지정한다. 즉, 디지털 트윈 모델이 운용 동작에서 이상 동작을 찾아서 재해성 손상을 방지한다

• 고장 분리
  이상이 발생할 경우, 엔지니어나 시스템이 적절한 조치를 취할 수 있도록 일군의 시뮬레이션 트리거되어 고장을 분리하고 근본 원인을 파악한다

작동 방식

디지털 트윈의 일부로서 모델링이 필요한 요소는 IoT(Internet of Things) 활용 분야에 따라 달라진다.

모델링 방법은 일반적으로 1차 원칙과 데이터 기반 방법의 2가지 유형으로 그룹화할 수 있으며 모델링된 각종 행동과 모델링 방법을 결합하여 디지털 트윈을 생성할 수도 있고 더 많은 용도가 파악됨에 따라 점점 더 정밀해질 수 있다

디지털 트윈 모델은 최신 상태로 유지되고 운용 중인 자산에 튜닝되어야 한다. 일반적으로 이 과정에서 자산 데이터가 디지털 트윈을 튜닝하는 알고리즘으로 직접 스트리밍되며, 이를 바탕으로 자산 환경, 현재 수명 및 구성과 같은 요소를 살펴볼 수 있다.

최적화 방법을 사용하여 디지털 트윈 모델을 튜닝하고 MQTT와 같은 표준 프로토콜로 수신 데이터 스트림을 처리하여 최신 상태로 유지할 수 있으며 또한, 에지 컴퓨팅 노드, 운용 중인 기술 인프라, IT 시스템 등 해당 분야에서 필요한 어느 곳에도 구현할 수 있다

• MATLAB
  사용할 수 있는 데이터 기반 방법에는 머신 러닝, 딥러닝, 신경망, 시스템 식별이 포함되며 일반적으로 데이터 세트를 사용하여 모델을 학습하거나 추출하고 별도의 검증 데이터 세트를 사용하여 모델을 검증 및 평기한다

  각종 모델링 방법을 살펴보고 활용 분야에 가장 적합한 방법을 찾을 수 있다

• Simulink
  Simulink를 사용하여 물리 기반 모델링을 수행할 때는 1차 원칙을 바탕으로 시스템을 설계한다. 모델은 기계식, 유압식 및 전기 구성요소를 포함하며 Simulink로 Model-Based Design을 사용하는 업스트림 설계 작업으로부터 모델을 생성하는 것도 가능하다

장단점

모든 것에는 양면성이 있듯이 디지털 트윈을 도입하는 것 또한 장단점이 존재한다

제조 분야를 예를 들어보면 제품의 품질 향상, 개발 비용 절감과 기간 단축의 효과가 있으며 운영 단계에서의 지속적인 최적화를 통해 운영 비용을 절감할 수 있다. 디지털 스레드를 통한 정보의 보존과 연속성 확보 또한 장점이다. 기업 측면에서는 생산과 서비스를 지속해서 최적화함으로써 궁극적으로 매출 증대의 효과를 기대할 수 있다

하지만, 기술적으로 초기 단계인 현재로는 디지털 트윈을 구현하고 운영하는데 상당한 비용이 발생한다는 단점이 존재한다. 또한 사이버상에 대량의 정보를 담기 때문에 보안 측면의 리스크는 항상 있으며 이에 대한 대응책이 필요할 것으로 보인다

레퍼런스

https://kr.mathworks.com/discovery/digital-twin.html

https://www.esri.com/ko-kr/digital-twin/overview

https://brunch.co.kr/@windyroad2/106