디지털 트윈이란?

2023년 8월 2일
3 분에 읽음
299
요약

AI, VR, 3D 스캐닝과 같은 첨단 기술이 제조에 점점 더 통합되면서 물리적인 것과 가상적인 것의 경계가 그 어느 때보다 모호해져, 우리가 4차 산업혁명 시대를 살고 있다고 말하는 사람들도 있습니다. 이 "Industry 4.0" 정비의 핵심에는 성능을 추적하거나 개선하는 데 사용할 수 있는 부품, 자산, 시스템 또는 프로세스의 가상 복제본인 '디지털 트윈'이 있습니다. 이 글에서는 이러한 트윈이 어떻게 생성되고 어디에 적용되고 있으며, 트윈을 통해 얻을 수 있는 기회에 대해 설명합니다.

디지털 트윈의 유형
부품, 자산, 시스템, 프로세스
디지털 트윈 기술
3D 스캐닝, VR 및 AI와 CAD, BIM, MES 및 디지털 트윈 프로그램
대상 응용 분야
가상 제품 테스트, 시설 모니터링, 산업 프로세스 최적화, 도시 계획, 재고 조사 디지털화

개요

Digital Twins

디지털 트윈은 단순한 3D 모델이 아니며, 실시간 데이터 피드를 통해 실제 부품, 자산, 시스템 또는 프로세스에 연결됩니다.

디지털 트위닝(Digital Twinning)은 제품 제조 방식을 바꿀 잠재력이 있는 몇 가지 새로운 기술 중 하나입니다. 하지만 디지털 트윈이 가져다주는 기회에 너무 몰두하기 전에 디지털 트윈이 정확히 무엇일지 생각해 볼 필요가 있습니다.

기본적으로 디지털 트윈 개념은 제품, 기계, 심지어 더 광범위한 설치물을 가상 모델로 전환할 수 있다는 생각을 중심으로 전개됩니다. 데이터 통합을 통해 개발되든 3D 스캐닝과 같은 기술을 사용하여 캡처되든 이러한 트윈은 단순한 디지털 복제본이 아니라는 점에 유의해야 합니다. 실제로 디지털 트윈은 부착된 일련의 센서를 통해 실제 사물과 데이터를 교환합니다. 생산 중 물체의 상태에서부터 기계의 에너지 출력에 이르기까지 다양한 정보를 포함할 수 있는 이러한 데이터 스트림은 제조업체에게 큰 이점이 되고 있습니다.

요점

디지털 트윈은 제조업체가 공장 현장에 적용하기 전에 특정 작업 흐름 개선 사항을 테스트할 수 있는 유용한 수단을 제공합니다.

시스템 또는 프로세스의 디지털 트윈을 통해 성능의 모든 측면을 모니터링하고 최적화를 위한 기회를 파악할 수 있습니다. 이 데이터를 기계 유지 및 예방적 유지보수 등의 영역에서 활용하여 장애를 사전에 방지하고 가동 중단 시간을 줄일 수 있습니다. 디지털 트윈은 또한 제조업체가 공장 현장에 적용하기 전에 소규모 시뮬레이션을 통해 작업 흐름 개선 사항을 테스트할 수 있는 유용한 수단을 제공합니다.

Digital Twins

보조 전원 장치(APU) 디지털 트윈. 이미지 출처: University of Twente

여러 개의 움직이는 부품으로 구성된 자산이 조립되고 나면 어떻게 작동하는지 평가하려 한다고 가정해 보겠습니다. 디지털 트윈 시뮬레이션을 사용하면 제품 R&D에서 볼 수 있는 많은 시행착오를 우회하는 방식으로 이 제품의 구성 요소가 어떻게 상호 작용하는지 면밀히 검토하고 잠재적인 설계 개선 사항을 파악할 수 있습니다.

더 큰 규모에서는 도시 계획에 대해서도 동일한 접근 방식을 취할 수 있습니다. 건축가는 이제 건설 데이터를 건설 지속 가능성과 시민의 삶의 질을 개선하도록 설계된 실험적인 도시 경관이 실제로 건설되었을 때 예상대로 기능하는지 분석하는 데 확실한 근거로 사용할 수 있습니다.

요점

디지털 트윈은 단순히 실제 자산, 시스템 또는 프로세스의 3D 모델이 아니라 실시간 데이터 스트림으로 연결됩니다.

오늘날 우리가 알고 있는 개념은 2002년 University of Michigan의 Michael Grieves가 처음 공개했지만, 디지털 트윈은 8년 후 NASA의 John Vickers가 이 용어를 만들어내기 전까지 그렇게 명칭이 붙여지지 않았습니다. 그 이후로 이 기술은 제조 분야의 틈새시장에서 전 세계 최고의 산업 기술 트렌드 중 하나로 자리 잡았습니다. 특히 AI, AR, 3D 프린팅과 같은 다른 기술들과 함께 완벽하게 통합된 일련의 기술, 즉 '사물 인터넷'의 일부로서 그 잠재력은 계속해서 제조업체들의 상상력을 사로잡고 있습니다.

그렇다면 이 모든 것은 현실 세계에서 어떻게 작동할까요? 이 글의 나머지 부분에서는 3D 스캐닝이 이 프로세스를 최적화하는 데 어떻게 도움이 되는지, 그리고 그 생성된 디지털 모델이 산업 전반에 걸쳐 적용될 수 있는 분야가 어디인지 파악하기 전에 디지털 트윈이 어떻게 생성되는지 자세히 살펴보겠습니다.

디지털 트윈의 유형

부품 및 자산 디지털 트윈

제품 트윈은 크게 부품자산의 두 가지 유형으로 나눌 수 있습니다. 부품이란 어셈블리(기계적 하위 어셈블리라고도 함)의 조인트 및 빔과 같이 대규모 구조물에서 가장 작고 가장 기본적인 기능을 하는 구성 요소를 의미합니다. 반면에 자산은 두 개 이상의 구성 요소를 가진 제품으로, 이들 간의 상호 작용을 디지털 트윈과 같은 가상 형태로 분석할 수 있습니다.

Digital Twins

증기 터빈의 수명 주기를 연장하기 위해 설계된 디지털 트윈. 이미지 출처: GE

시스템 디지털 트윈

한 단계 더 들어가면 시스템의 디지털 트윈이 있습니다. 이러한 모델은 완전히 작동하는 장치로 조립된 부품이나 자산으로 구성될 수도 있고, 애초에 이를 생산하는 데 사용되는 기계로 구성될 수도 있습니다. 중요한 것은 이 범주의 디지털 트윈을 통해 사용자는 서로 다른 두 가지 유형의 자산이 상호 작용하는 방식을 분석하고 성능 향상의 기회를 파악할 수 있다는 점입니다.

프로세스 디지털 트윈

디지털 트위닝은 더 넓은 규모로 적용하면 전체 공장의 성능을 모니터링하는 데에도 사용할 수 있습니다. 이러한 디지털 트윈을 통해 제조업체는 생산과 관련된 시스템이나 환기 시스템과 같은 보조 장치 등 시설의 모든 시스템을 동기화하고 지속해서 최고의 효율로 작동하도록 할 수 있습니다. 또한 디지털 트윈은 유용한 계획 도구가 될 수 있습니다. 예를 들어 한 시스템이 고장 나면 다른 시스템에 어떤 영향을 미칠까요?

궁극적으로 프로세스 체인을 거시적으로 살펴볼 수 있으므로 사용자는 자재 부족, 기계 유지보수의 필요성 등을 미리 감지하여 미리 계획하고 시스템 가동 시간을 극대화할 수 있습니다.

3D 스캐닝의 용도는?

한마디로 이것이 디지털 트위닝입니다. 그런데 3D 스캐닝은 정확히 어디에 적합할까요? 이 기술은 흔히 '현실 캡처'라고 하는 디지털화 프로세스의 일부로서 이러한 트윈의 배후 모델을 생성하는 가장 좋은 방법 중 하나입니다.

현실 캡처를 전혀 하지 않고도 디지털 트윈 시뮬레이션을 수행하는 데 필요한 데이터를 수집하는 계산 모델을 개발할 수는 있지만, 이는 몇 달이 걸리는 작업 흐름입니다. 3D 스캐닝은 이러한 통찰력에 훨씬 빠르게 액세스할 수 있는 수단을 제공합니다. 이는 즉각적인 분석을 위해 또는 완전히 통합된 디지털 트윈을 생성하기 위한 기반으로 활용하기 위해 부품부터 프로세스 체인까지 모든 것을 있는 그대로 디지털화함으로써 달성할 수 있습니다.

Digital Twins

운영 및 감각 데이터를 실시간으로 관리하는 데 사용되는 디지털 트윈

물론 다른 현실 캡처 기술도 있습니다. 예를 들어, 사진 측량을 사용하면 일상적으로 사용하는 스마트폰과 같은 장치에서 여러 각도에서 촬영한 물체의 사진을 오버레이하여 디지털 트윈을 생성할 수 있습니다. 하지만 이 기술은 그다지 정확하지 않고, 사용하는 데 많은 시간이 걸릴 수 있으며, 실시간 피드백을 제공하지 않는 경향이 있어 스캔 데이터가 누락될 가능성이 높습니다.

또한 3D 스캐닝은 선형 측정을 제공하지만 사진측량은 왜곡에 더 취약합니다. 이는 이 기술이 카메라 해상도부터 모션 블러에 이르기까지 모든 것의 영향을 받을 수 있는 이미지 품질에 크게 의존하기 때문입니다. 나중에 살펴보겠지만, 정확도는 사용 가능한 디지털 트윈을 생성하기 위한 필수적인 전제 조건이며, 이러한 불일치는 트윈 도구로서 사진 측량의 신뢰성을 떨어뜨리는 요소입니다.

요점

3D 스캐닝은 제조업체가 제품과 시설을 정확하게 디지털화할 수 있는 빠르고 다용도적인 수단을 제공합니다.

이와는 대조적으로 라이다 레이저 스캐닝은 측량 분야에서 대형 구조물을 모델링하는 데 널리 사용되는 매우 정확한 수단으로 계속 입증되고 있습니다. 휴대용 3D 스캐너는 매우 다양한 용도로 사용할 수 있으며, 일부 스캐너에는 이동 중에 캡처한 데이터를 확인할 수 있는 디스플레이가 탑재되어 있습니다. 이러한 장치는 매우 효과적이어서 생성된 스캔을 CAD 또는 BIM 모델의 기초로 사용하여 궁극적으로 디지털 트윈을 생성할 수 있습니다.

전반적으로 3D 스캐닝의 발전은 제조 통찰력을 얻고 디지털 트윈 제작 프로세스를 가속하는 데 있어 더욱 매력적인 수단으로 자리 잡고 있습니다. 하지만 이 기술을 처음 사용하는 경우 첫 번째 장치를 구매할 때 고려해야 할 주요 차별화 요소는 무엇일까요? 이러한 요소 중 몇 가지를 자세히 살펴보겠습니다.

Artec Ray II

공장 내부나 부동산 등 넓은 영역을 디지털 트위닝하여 원격으로 볼 수 있도록 할 계획이라면 범위를 고려해야 합니다. 삼각대 장착형 Artec Ray II를 활용하면 10m 거리에서 1.9mm의 3D 포인트 정확도로 최대 130m 떨어진 표면을 빠르게 캡처할 수 있습니다. 이러한 기능과 내장형 디스플레이를 갖춘 이 스캐너는 스캔과 공장 공간의 실제 크기 사이의 편차를 최소화하고 생성된 디지털 트윈이 목적에 적합한지 확인하는 데 이상적입니다.

시설을 실제로 세밀하게 재현하기 위해서는 휴대용 장치로 복잡한 부품을 스캔하고 이 데이터를 Artec Ray II로 캡처한 데이터와 결합해야 할 수도 있습니다. 이는 Artec Studio 내에서 가능합니다. 이 플랫폼은 새로 캡처했든 사전 처리했든 포인트 클라우드 데이터를 정렬하고 공동 전역 정합을 실행하는 프로세스를 간소화하여 매우 높은 수준의 해상도와 정확도로 3D 모델을 만듭니다.

Digital Twins

Artec 3D의 초고속 장거리 Ray II 3D 스캐너

산업에 구애받지 않는 이 프로세스는 작업장에서 기계로 가득 찬 창고에 이르기까지 모든 것을 디지털화하는 것을 의미할 수 있지만, 그 이점은 같습니다. 생산 성능을 실시간으로 추적하면 병목 현상이 설계 결함으로 인해 발생하든, 나중에 제조 결함으로 인해 발생하든 잠재적인 병목 현상을 최대한 빨리 파악하고 해결할 수 있습니다.

역동적인 듀오: Ray II + Leo

프로세스보다는 자산을 트위닝하려는 경우에는 속도와 기동성이 더 중요한 차별화 요소가 될 수 있습니다. 무선 AI 기반 Artec Leo는 이 두 가지를 모두 충족시켜 사용자는 HD 모드에서 초당 최대 3,500만 포인트의 속도로 데이터를 캡처하는 동시에 5.5인치 디스플레이를 통해 이동 중에도 진행 상황을 모니터링할 수 있습니다.

Leo는 속도로 인해 해상도가 저하되지 않으며, HD 모드를 사용하면 중소형 물체의 깨끗한 고해상도 스캔을 그 어느 때보다 쉽게 캡처할 수 있습니다. 이러한 모든 기능을 통해 이 장치는 제품 복잡성을 복제하는 디지털 트윈을 완벽하게 생성할 수 있습니다.

Digital Twins

파이프 네트워크의 세밀한 디지털 트윈을 생성하기 위해 결합된 Artec Leo와 Ray II

자산이 특히 작은 경우 Artec Micro를 사용하여 자산을 디지털화하는 것도 고려해 볼 만합니다. 이 장치는 최대 10미크론의 정확도로 물체를 캡처할 수 있기 때문에 편차가 적은 나사나 하위 어셈블리 부품과 같은 구성 요소 모델을 개발하는 데 사용할 수 있으며, 이는 다음에 설명하겠지만 이러한 모델이 디지털 트윈의 신뢰할 수 있는 기반이 되는 데 필수적인 요소입니다.

치수 공차

디지털 트윈이 생산 성능을 측정하는 효과적인 도구가 되려면 먼저 정확한 데이터를 기반으로 해야 합니다. 이는 측정이 잘못되면 작업 흐름 분석 결과가 왜곡되기 때문입니다. 다행히도 현재 사용 가능한 디지털 트윈 모델을 생성하는 데 필요한 정확도 임계값에 도달할 수 있는 3D 스캐너가 여러 개 있습니다.

중소 규모의 디지털 트윈을 개발하려는 경우 구조광 3D 스캐닝이 작업에 완벽할 수 있습니다. 산업용 패스너나 밸브와 같은 복잡한 부품을 캡처할 때 치수 공차 수준, 즉 설계된 대로 작동하면서 허용할 수 있는 편차의 정도에 따라 그 유효성이 달라질 수 있습니다.

이러한 기술은 작고 복잡한 물체의 정확한 모델뿐만 아니라 실제 크기에서 0.05mm만 벗어나는 큰 물체의 단면도 생성할 수 있는 Artec Space Spider와 같은 휴대용 계측 등급 3D 스캐너를 통해 확실히 달성할 수 있습니다.

데이터 처리

간과하기 쉬운 디지털 트위닝의 또 다른 중요한 측면은 데이터 처리입니다. 스캔을 마친 후에는 생성된 데이터를 이해하고 다른 플랫폼으로 내보낼 수 있는 속도와 용이성이 작업 흐름의 효율성에 매우 중요합니다. 실제로 이는 중요한 이미지 데이터를 유지하면서 산업 분석 과정에서 일반적으로 사용되는 프로그램과 호환되는 형식으로 파일을 전송할 수 있다는 것을 의미합니다.

요점

올바른 3D 스캐닝 소프트웨어를 사용하면 제품, 시스템 또는 영역을 빠르게 캡처하고 생성된 3D 메시를 디지털 트윈 플랫폼으로 바로 내보낼 수 있습니다.

디지털 트윈을 생성하기 위해 3D 스캐닝을 채택할 때 해당 플랫폼의 사용 편의성도 고려해야 합니다. 이러한 영역에서 Artec Studio가 진정으로 진가를 발휘합니다. 이 소프트웨어는 캡처한 데이터를 완전히 재현된 가상 영역 또는 제품 복제본으로 처리하고 이를 STEP 및 IGES와 같은 형식으로 내보낼 수 있을 뿐만 아니라 그렇게 하는 프로세스를 간소화합니다.

Digital Twins

클릭 한 번으로 유기적 형상을 CAD 모델로 변환하는 Artec Studio의 Autosurface 기능

몇 가지 간단한 질문만으로 Artec Studio의 Autopilot은 주어진 데이터 세트를 처리하는 데 적합한 알고리즘을 선택할 수 있습니다. 이를 통해 새로운 스캐닝 사용자가 빠르게 기술을 익히고 Scan-to-mesh 작업 흐름을 자동화할 수 있습니다. 반대로, 이는 최대 5억 개의 다각형 데이터 세트를 처리할 수 있어 거의 모든 물체나 영역의 스캔을 처리할 수 있으므로 플랫폼의 설정을 변경하려는 사용자는 그렇게 할 수 있습니다.

디지털 트윈 개발 방법

따라서 디지털 트윈은 방대한 데이터 세트를 사용하거나 물리적 영역 또는 물체의 3D 스캔을 기반으로 구축할 수 있습니다. 하지만 실제로 이러한 프로세스는 어떻게 이루어질까요? 데이터 기반 접근 방식은 해당 자산에서 생성된 데이터, 전사적 자원 관리(ERP) 시스템, CAD 설계 스케치와 같은 기타 문서 및 파일을 사용하여 교육된 알고리즘에 의존하는 경향이 있습니다. 이러한 디지털 트윈은 이러한 데이터를 통해 입력과 출력 간의 관계를 파악하고 이러한 결과를 사용하여 향후 생산이 어떻게 진행될지 예측할 수 있습니다.

이에 비해 현실 캡처를 통해 디지털 트윈을 생성하는 것은 더 간단합니다. Ray II와 같은 삼각대 장착형 스캐너를 설치하여 공장 현장을 자동으로 스캔하거나 Leo와 같은 휴대용 스캐너를 사용하여 모든 각도에서 중소형 제품을 빠르게 캡처할 수 있습니다. 그렇게 하면 모든 물체나 구조물을 디지털 모델로 쉽게 변환할 수 있습니다. 이는 모든 기능적 디지털 트윈의 필수 전제 조건이지만, 실제 물체가 업데이트될 경우 다시 스캔해야 할 수 있습니다.

Digital Twins

대형 실외 컨테이너의 디지털 트윈을 생성하기 위해 Artec Ray II를 설치하는 엔지니어

경우에 따라서는 하이브리드 트윈을 개발하여 이 두 가지 접근 방식을 결합하고 이 둘의 장점을 모두 얻을 수도 있습니다. 어떤 물체 디지털화 방법을 선택할지는 앞서 살펴본 응용 분야별 요소, 즉 정확도, 속도, 캡처해야 하는 규모에 따라 크게 달라집니다. 하지만 3D 모델을 만들었다고 해서 프로세스가 끝나는 것은 아니며, 실제 대응물에 센서를 부착하고 데이터 링크를 설정해야 합니다.

다시 말하지만, 수명 예측, 이상 탐지, 열 및 과도 모델과 마찬가지로 각 모델은 작동하려면 서로 다른 데이터 입력이 필요하므로 이러한 센서가 부착되는 위치는 응용 분야에 따라 달라집니다. 마찬가지로 이러한 디지털 트윈을 최대한 활용하려면 분석 및 시뮬레이션 프로그램에 투자하거나 데이터로 디지털 트윈을 구축하려는 경우 데이터 과학자 영입을 고려하는 것이 좋습니다.

디지털 트윈의 작동 방식은?

디지털 트윈은 단순히 실제 자산, 시스템 또는 프로세스처럼 보이기만 하는 것이 아니라 실제처럼 작동해야 합니다. 이를 위해서는 트윈은 진품의 성능을 실시간으로 모니터링하고 분석할 수 있도록 진품에 연결되어야 합니다.

제품의 성능이 중요한 영역에 센서 또는 액추에이터를 부착하여 구축된 이러한 연결을 통해 제품, 트윈, 제조 실행 시스템(MES) 간에 데이터를 주고받을 수 있습니다. 이러한 지속적인 정보 흐름을 통해 제조업체는 프로세스 개선 사항을 파악하고 시스템 작동 방식을 모니터링할 수 있으므로 매우 유용합니다.

제품이 일괄 제조에 들어가기 전에 사용자는 이 데이터 스트림을 효율적으로 사용하여 제품이 생산 중에 어떻게 행동하고 최종 사용 시나리오에서 어떻게 수행할지 평가할 수도 있습니다. 이렇게 하면 디지털 트윈 사용자는 프로토타입을 물리적으로 만들지 않고도 설계를 반복해서 할 수 있으므로 재료 절약과 제품 출시 기간 단축 측면에서 이점이 있습니다.

디지털 트윈과 '사물 인터넷'

디지털 트윈의 작동 방법에서 나아가 디지털 트윈을 효율적으로 사용하면 어떤 이점을 얻을 수 있는지 살펴보겠습니다. 가장 주목받는 사용 사례 중 하나는 상호 연결된 모든 전자 장치 세트를 설명하는 데 사용되는 광범위한 용어인 사물 인터넷(IoT)을 중심으로 합니다. 제조 업계에서는 오랫동안 사물 인터넷 설정에 대한 추세가 예측되어 왔지만, 사물 인터넷 설정이 유리한 이유는 무엇일까요?

우선, 작업 흐름을 통합하면 특히 AI를 도입할 때 더 큰 자동화를 구현할 수 있습니다. 이를 통해 조작에 필요한 인력 투입의 횟수를 줄여 생산성을 향상하는 동시에 생산 품질에 막대한 비용을 초래할 수 있는 오류 위험을 최소화할 수 있습니다. 또한 과거 데이터를 바탕으로 사물 인터넷 설정을 통해 자원을 더 잘 활용하는 방식으로 고객 수요를 충족하기 위해 처리량을 줄이거나 늘릴 수 있습니다.

Digital Twins

디지털 트윈 설정의 일부로 농업을 자동화하는 AI 기반 기계의 개념 이미지

한편, 장기적으로는 특정 시설의 모든 기계를 사물 인터넷 네트워크에 연결하면 잠재적인 비즈니스 기회를 창출할 수 있을 것으로 예상됩니다. 인간 작업자에 대한 의존도가 낮아짐에 따라 완전 자동화된 '소등' 시설의 가능성이 커지고 있습니다. 또한 소비자 선호도에 대한 정보가 그 어느 때보다 많아지면서 사물 인터넷 작업 흐름을 채택한 기업은 새로운 트렌드를 빠르게 활용할 수 있습니다. 이 모든 것은 디지털 트윈 시장이 거대하다는 것을 의미합니다.

요점

디지털 트윈, 3D 스캐닝, VR, AI 및 기타 첨단 기술의 등장으로 완전히 상호 연결된 사물 인터넷 작업 흐름을 만들 수 있게 되었습니다.

디지털 트윈 소프트웨어

디지털 트윈은 이론적으로는 이렇게 작동하지만 실제로는 어떻게 개발되고 효율적으로 사용될까요? 제조업체가 3D 모델을 디지털 트윈으로 전환하고 각 작업 흐름을 최적화하는 데 계속해서 도움을 주는 주요 플랫폼 몇 가지를 살펴보겠습니다.

Oracle IoT 자산 모니터링 클라우드 서비스

유명한 소프트웨어 개발업체인 Oracle의 디지털 트윈 전용 자산 모니터링 클라우드 서비스를 통해 사용자는 자산의 활용도, 위치 및 전반적인 상태를 면밀히 모니터링할 수 있습니다. 플랫폼 사용을 시작하려면 디지털 트윈을 구축할 수 있는 데이터 세트 또는 3D 모델만 있으면 됩니다. 이는 JSON 메타데이터의 형태일 수도 있고, OBJ와 같이 널리 사용되는 모델링 파일일 수도 있으며, Autocad나 Sketchup과 같이 널리 사용되는 프로그램을 통해 생성된 파일일 수도 있습니다.

Oracle 사용자는 모델을 업로드한 후 소프트웨어를 활용하여 검사, 방향 조정, 원하는 경우 Explode(분해) 기능을 사용하여 자산을 더 작은 부분으로 분할할 수 있습니다. 그런 다음 버튼 클릭 한 번으로 노드를 이러한 하위 에셋에 연결할 수 있지만, 성능에 대한 실시간 데이터를 수집하려면 실제 물체의 관련 영역에 센서를 배치해야 합니다.

Oracle은 이 프로그램을 통해 사용자가 Virtual Twins(가상 트윈) 및 Predictive Twins(예측 트윈)를 포함한 다양한 종류의 모델을 만들거나 Twin Projection(트윈 프로젝션)에 참여할 수 있다고 말합니다. Virtual Twins는 기본적으로 시맨틱 주도 데이터 모델을 사용하여 관찰된 속성 값과 원하는 속성 값이 서로 어떻게 일치하는지 비교합니다. 이는 지게차와 같은 공장 차량에서 사용하면 브레이크 마모, 타이어 마모 또는 암(arm) 길이를 모니터링하여 이러한 부품이 목적에 맞는 상태를 유지하도록 하는 데 유용하게 사용할 수 있습니다.

반면, Oracle Predictive Twins는 공장 현장의 변화하는 조건에 지속적으로 적응하는 머신러닝으로 개발된 분석 및 통계 모델에 의존합니다. 이는 예측 트윈이 실시간 데이터를 사용하여 자산, 시스템 또는 프로세스의 성능을 예의주시하고 궁극적으로 추세, 문제, 솔루션은 물론 향후 유지보수 요구 사항을 파악하는 데 도움을 줄 수 있음을 의미합니다. Twin Projection을 통해 기업은 이러한 결과를 바탕으로 개선 작업 흐름을 구축하거나 도입하거나 추가 분석이 필요한 경우 다른 Oracle 프로그램으로 내보낼 수 있습니다.

Amazon AWS IoT TwinMaker

처음에는 Amazon을 산업 제조와 연관시키지 않을 수도 있지만, 이 회사의 AWS 자회사는 클라우드 서비스 분야에서 확고한 입지를 다지고 있는 기업입니다. AWS는 IoT TwinMaker 플랫폼을 통해 사용자가 기존 3D 모델을 실제 데이터와 결합하여 산업 장비에서 전체 생산 라인에 이르는 모든 것의 디지털 트윈을 생성할 수 있다고 주장합니다.

AWS의 3D 모델 가져오기 가이드에 따르면, 이제 3D 스캐닝 플랫폼에서 일반적으로 내보내는 OBJ와 같은 파일을 TwinMaker와 호환되는 GLTF로 쉽게 변환할 수 있습니다. 이렇게 하면 프로그램의 로딩 시간을 개선하고 화면의 트윈 표현 또는 장면에서 모델이 업데이트되는 방식을 간소화하는 등 다른 방식으로도 이점이 있다고 합니다.

Digital Twins

AWS IoT TwinMaker에서 프로세스 디지털 트윈의 예시. 이미지 출처: Amazon, AWS

사용자는 디지털 트윈을 준비하고 실제 대응물에 연결한 후 AWS의 탑재된 분석 도구를 효율적으로 사용하여 프로덕션 작업 흐름을 전체적으로 파악하거나 파트너의 분석 도구를 사용할 수 있습니다. 여기에는 Siemens 및 Ansys와 같은 유명 산업용 소프트웨어 개발업체가 포함됩니다. 자체 디지털 트윈 빌더를 판매하는 Ansys는 사용자가 자산, 시스템 및 프로세스 업그레이드의 전체 가상 프로토타입을 위험하게 바로 실행하지 않고도 테스트할 수 있는 각별히 유용한 소프트웨어 도구 모음을 제공합니다.

Autodesk Digital Twin

3D 소프트웨어 분야의 또 다른 주요 업체인 Autodesk도 디지털 트윈 소프트웨어를 제공하지만, 주로 건설 부문에 주력하고 있습니다. 빌딩 정보 모델링(BIM) 호환 프로그램 개발업체로서 쌓아온 노하우를 바탕으로 구축된 Autodesk 디지털 트윈을 통해 사용자는 설계, 운영 및 건설 데이터를 풀링할 수 있습니다. 이를 통해 새로운 인프라를 구축하는 방법과 더 넓은 범위에서 인프라를 지역에 가장 잘 통합할 수 있는 방법에 대해 더 나은 정보에 입각한 의사 결정을 내릴 수 있습니다.

이는 위험을 측정하고 완화하거나 투자 지출을 최적화하여 투자수익률(ROI)을 개선하고 시설 유지보수가 최대한 효율적으로 수행되도록 하는 등의 형태로 이루어질 수 있습니다. 또한 이 플랫폼과 Autodesk의 다른 프로그램이 통합되면 파일 상호 호환성이 향상되고 디지털 트위닝을 가속화할 수 있는 기회가 열립니다.

Digital Twins

Autodesk Tandem의 자기 유량계 디지털 트윈. 이미지 출처: Autodesk

마지막으로, 건설 데이터를 지속적으로 축적하고 분석하면 데이터가 많을수록 더 나은 정보를 얻을 수 있기 때문에 사용자가 투자 결정을 개선하고 계획 요구 사항을 예측하며 실패를 예측하는 데 도움이 될 수 있습니다. 틀림없이 시중에 나와 있는 다른 프로그램을 사용하는 사람들도 마찬가지겠지만, 특히 과다 지출이 발생하기 쉬운 건축 프로젝트의 특성상 이러한 이점이 훨씬 더 분명해집니다.

요점

많은 플랫폼이 널리 사용되는 3D 스캐닝 파일 형식과 호환되며, 이러한 파일을 내보내고 디지털 트윈으로 구축하는 것이 점점 더 쉬워지고 있습니다.

디지털 트윈 응용 분야

제조

디지털 트위닝은 모든 적용 분야 중에서도 실시간 데이터를 사용하여 작업 현장의 성능을 향상하고, 시뮬레이션을 통해 제품 품질을 보장하며, 예측 유지보수를 예약하여 가동 중단 시간을 줄이는 데 사용할 수 있는 제조 분야에서 가장 큰 주목을 받고 있습니다. 이 프로세스를 통해 제조업체가 효율적으로 자원을 관리하는 또 다른 방법은 가상 창고를 활용하는 것이며, 3D 스캐닝은 제품 및 예비 부품을 디지털화하는 완벽한 수단이 되고 있습니다.

디지털 트윈은 데이터 수집의 기초로 사용될 뿐만 아니라 예비 부품 및 제품의 디지털 데이터베이스를 생성하는 데에도 활용할 수 있습니다. 이러한 데이터베이스를 통해 사내 유지보수 요구 사항이나 고객 수요 급증에 상관없이 주문형 제조가 가능합니다. 디지털화가 확대되면 제조업체는 재고를 더 적게 보유해야 하므로 창고 비용도 절감할 수 있습니다. 이 점을 감안할 때 이 기술은 잠재적인 장단기 재정적 이득을 제공하기 때문에 제조업체들 사이에서 인기를 얻고 있다고 할 수 있습니다.

자동차

산업 제조 분야에서 볼 수 있는 많은 이점이 자동차 분야에서도 나타납니다. 예를 들어, 새로운 전기 및 자율 주행 차량 프로토타입이 본격적인 생산에 들어가기 전에 비용이 많이 드는 시행착오를 줄이는 방식으로 시뮬레이션을 통해 가상으로 설계를 검증할 수 있습니다. 하지만 그렇다고 해서 이 기술이 산업별 이점은 없다는 것은 아닙니다.

Digital Twins

자동차 생산 라인 디지털 트윈. 이미지 출처: Siemens

대부분의 자동차는 여러 로봇 팔이 함께 작동하여 부품 조립, 용접, 코팅, 도장 등의 작업을 수행하는 매우 복잡한 작업 흐름을 통해 제조됩니다. 디지털 트윈을 사용하면 프로세스를 시운전하기 전에 이러한 움직이는 부품이 어떻게 결합되는지 시뮬레이션하여 사이클 타임과 생산성을 최적화할 수 있습니다. 이러한 쌍둥이는 또한 제조를 모듈화하는 데 도움이 되므로 자동차 회사는 요청에 따라 시스템 작동 방식을 변경하여 제한된 수의 맞춤형 자동차를 제작할 수 있습니다.

또한 최종 성능 측면에서도 제조업체는 디지털 트윈을 통해 실제 조건에서 차량이 어떻게 작동하는지 테스트할 수 있습니다. 실제로 거대 자동차 회사인 Renault에서는 이제 도로용 자동차는 생산에 들어가기 전에 풍동 테스트부터 충돌 테스트까지 모든 테스트를 거칩니다. 이를 통해 이 회사는 아무것도 운에 맡기지 않고 엔진 출력, 공기 역학, 기어 관리 등의 측면에서 어떤 작업을 수행해야 할지 확신할 수 있습니다.

항공우주

당연히 디지털 트윈은 NASA에서 처음 이름을 붙였다는 점을 감안할 때, 이 기술은 특히 연구개발 분야에서 중요한 항공우주 응용 분야를 계속 모색하고 있습니다. 비행 준비 부품은 공차가 매우 미세하기 때문에 정확한 시뮬레이션을 수행하는 것은 중대한 고장을 방지하고 항공기 수명을 연장하는 데 필수적입니다. 제조업체는 디지털 트윈을 통해 과거 데이터를 기반으로 부품의 고장 시기를 예측할 수 있으므로 이 프로세스가 용이해집니다.

NASA가 오랫동안 국제우주정거장에 탑재된 실제 구성 요소의 가상 표현을 사용하여 궤도에서 발생하는 고장을 진단하고 수정해 온 우주 산업에서도 마찬가지입니다. 최근 몇 년 동안 이 기술의 위성 강화 잠재력은 집중 연구의 대상이 되었습니다. 더 많은 연구개발을 통해 언젠가는 디지털 트위닝을 통해 여러 별자리를 하나의 단위로 운영할 수 있을 것으로 생각됩니다. 이를 통해 TV 및 셀룰러 신호 통신은 물론 군사적 차원의 방위 조정에 응용되는 진정한 통합 위성 네트워크를 구축할 수 있습니다.

요점

디지털 트윈은 위성 통합에 대한 가능성을 계속해서 보여주는 산업인 항공 우주에 뿌리를 두고 있습니다.

항공 우주 분야의 다른 곳에서는 이미 NASA의 하이브리드 현실 훈련 프로그램을 통해 3D 스캐닝이 우주비행사가 다른 행성에서 작업할 준비를 하는 데 어떻게 도움이 되는지 보여주었습니다. 이 기관은 Artec Eva와 Space Spider를 모두 사용하여 향후 지구 밖 임무에 배치할 몇 가지 고급 도구의 디지털 트윈을 만들 수 있었습니다. 이러한 장치는 훈련생이 VR에서 실제로 사용하는 방법을 배울 수 있을 정도로 현실감 있게 복제되었습니다.

Digital Twins

우주에서 사용하도록 설계된 도구(왼쪽)와 시뮬레이션에서의 디지털 트윈(오른쪽). 이미지 출처: NASA

의료

의료 분야는 디지털 트윈을 떠올릴 때 가장 먼저 떠오르는 산업은 아닐 수 있지만, 이 기술은 의료 부문에서 주목을 받기 시작했습니다. 이 분야에서는 디지털 트윈을 제품 성능을 최적화하기보다는 프로세스 차원에서 더 많이 사용하는 경향이 있습니다. 병원은 수용 능력, 자원, 치료 모델 및 환자 안전의 균형을 유지하도록 압박을 받는 경우가 많으므로 디지털 트윈은 일정, 병상 및 수술실 사용량을 실시간으로 모니터링할 수 있는 이점이 있습니다. 이를 통해 경영진은 정보에 입각한 의사 결정을 더 쉽게 내릴 수 있습니다.

향후에는 디지털 트위닝을 인체 모델링에도 적용하여 의사가 환자의 개별 해부학적 구조를 더 깊이 이해할 수 있기를 기대합니다. 이러한 통찰력을 통해 궁극적으로 개별 환자에 맞는 치료법을 개발할 수 있을지도 모르지만, 이를 추구하기 위해서는 아직 해결해야 할 장애물이 남아 있습니다. 이러한 모델을 만드는 데 필요한 데이터를 얻으려면 지속적인 생리학적 테스트가 필요하며, 이와 같은 테스트는 여전히 침습적이며 (현재로서는) 실현 불가능합니다.

하지만 이미 3D 스캐닝이 임상의가 인체를 더 잘 이해하는 데 도움이 될 수 있다는 희망적인 징후가 있습니다. 예를 들어 Montpellier Medical University에서 학생들은 Artec Space Spider를 사용하여 만든 디지털 트윈으로 채워진 VR 시뮬레이션을 통해 교육을 받고 있습니다. 이러한 사실적인 모델을 사용하면 비싸고 구하기 어려운 사체에 없이도 수술을 연습할 수 있습니다. 틀림없이 이러한 프로젝트에서 얻은 교훈을 통해 완전한 환자 디지털 트윈을 구현하는 데 한 걸음 더 가까이 갈 수 있게 되었습니다.

Digital Twins

의료 교육용으로 설계된 디지털 트윈과 상호 작용하는 Guillaume Captier 교수

건설

제조 시설에서 디지털 트윈을 만드는 것과 함께 Artec Ray II와 같은 레이저 스캐너는 건설 분야에서 모델링하는 데 널리 사용되는 수단이 되었습니다. 이러한 장거리 장치를 사용하면 대형 건물 현장의 실제 모델을 캡처하고 생성할 수 있으며, 이를 통해 프로젝트 기획자는 가상으로 구조물과 상호 작용할 수 있습니다. 이를 통해 리소스 관리와 이해관계자 커뮤니케이션을 간소화하는 동시에 정보에 입각한 의사결정을 용이하게 할 수 있습니다.

요점

Ray II와 같은 레이저 스캐너를 사용하면 고유한 건설 계획 통찰력을 얻을 수 있는 디지털 트윈을 생성할 수 있습니다.

건설 작업 흐름에 쉽게 통합할 수 있는 기술의 또 다른 측면은 디지털 트윈 플랫폼과 CAD 및 BIM 모델의 강력한 호환성이며, BIM 모델은 분야에서 특히 많이 사용하는 도구입니다. 제품 제조에서와 마찬가지로 이러한 구조 모델의 여러 영역에 센서를 부착하여 난방, 환기 및 공조(HVAC)를 통합하는 방법을 계획하고 빌드의 진행 상태를 모니터링할 수 있습니다.

디지털 트윈이 직면한 과제는?

위의 절에서 디지털 트윈이 직면한 응용 분야별 과제를 몇 가지 다루었지만, 전반적으로 관련된 과제도 고려해 보는 것이 좋습니다. 디지털 트윈을 적용하는 데 있어 가장 큰 걸림돌은 부정확도로, 모델과 물체 간의 편차가 크면 생성된 데이터와 분석이 왜곡되기 때문입니다.

Space Spider와 같은 정밀도 지향 스캐너를 사용하는 것이 계측 등급의 정확도로 물체를 캡처하여 트윈의 성공 가능성을 높일 수 있는 최선의 방법입니다. 구조광 및 레이저 3D 스캐닝은 디지털 트윈을 채택하는 데 있어 또 다른 주요 장벽인 비용을 극복하는 데도 도움이 됩니다. 다른 디지털 트위닝 인프라와 함께 기존 이미징 기술에 투자하는 데는 100만 달러 이상의 비용이 들 수 있습니다.

Digital Twins

복잡한 금속 부품의 디지털 트윈을 생성하는 Artec Space Spider

반면에 가볍고 접근성이 뛰어난 Artec Eva와 획기적인 Artec Leo와 같은 휴대용 스캐너는 그 가격대보다 훨씬 저렴하며 사용자가 필요에 맞게 기능을 업그레이드할 수 있는 기회를 제공합니다.

다음으로 데이터 표준화가 부족합니다. 물론 디지털 트윈을 구축하려면 상당한 양의 데이터가 필요하지만, 이 모든 데이터에 쉽게 접근할 수 있는 것은 아니며 데이터는 다양한 형식으로 제공될 수 있습니다. 마찬가지로 트윈은 적용되는 위치와 데이터 수집 지점 사이에 있는 단계 수와 같은 요인에 따라 그 효율성의 수준이 달라집니다.

이러한 요소로 인해 디지털 트윈의 이점을 정확하게 평가하는 것이 까다로울 수 있습니다. 그러나 Artec Studio와 같은 플랫폼을 사용하면 최소한 모델 데이터 처리를 자동화하여 데이터 캡처를 간소화하고 가속화한 후 널리 사용되는 형식으로 모델을 내보낼 수 있습니다.

요점

3D 스캐닝의 발전으로 디지털 트위닝 프로세스를 가속화되고 새로운 산업 분야에서 디지털 트위닝의 채택이 증가하고 있습니다.

디지털 트윈의 미래

디지털 트윈 기술이 주류 제조(mainstream manufacturing) 및 시설 또는 도시 계획 작업 흐름을 진정으로 방해하기 전에 극복해야 할 몇 가지 장벽이 여전히 있다는 것은 분명합니다. 그러나 이미 광범위한 계획 응용 분야에서 생산 처리량과 반복성 향상은 물론 프로세스 효율성을 높일 수 있다는 것이 입증되었으며, 지속적인 연구 개발이 진행 중입니다.

트윈은 생성하기가 점점 더 쉬워지고 기능이 향상되고 있으며, 조만간 사물 인터넷 설정의 일부로 데이터를 능동적으로 소싱할 수 있게 될 것입니다. 이러한 발전은 산업 전반에 걸쳐 채택 범위를 넓히는 데 도움이 되는 더욱 강력하고 다용도적이며 접근성이 뛰어난 3D 스캐너의 등장과 함께 이루어지고 있습니다. 이러한 기술적 도약으로 점점 더 많은 다국적 기업이 디지털 트윈 실험을 진행하고 있으며, Nokia와 같은 거대 통신업체는 서비스 범위를 확대하고 풍부한 데이터를 마음대로 활용할 수 있는 새로운 방법을 모색하고 있습니다.

산업 응용 분야 외에서도 디지털 트윈이라는 용어는 새로운 의미를 갖기 시작했으며, 제품의 가상 복제본뿐만 아니라 다른 사물을 설명하는 데에도 사용되고 있습니다. 사람과 기업이 공존할 수 있는 새로운 가상 현실인 메타버스(Metaverse)가 계속 펼쳐지면서 그것이 어떤 방향으로 나아갈지는 아직 불분명합니다. 그러나 그것이 성장함에 따라 실제 사람, 장소 및 물건의 디지털화된 버전에 대한 수요도 증가하고 있으며, 이는 성장하는 디지털 트윈 시장의 새로운 영역이 될 수 있음을 의미합니다.

목차
글:
Paul Hanaphy

Paul Hanaphy

기술 기자
Baidu
map