인더스트리 4.0의 구성 요소인 디지털 트윈

모델 기반 설계(Model-based Design)를 이용하여 제품을 개발할 경우, 디지털 트윈은 불가피하다. 전체 라이프 사이클 동안 제품의 실질적인 디지털 트윈을 사용한다면, 실시간 데이터와 조합하여 의미 있는 어플리케이션을 개발할 수 있다.

공학박사 필립 발너(Philipp Wallner): The Mathworks GmbH 산업 자동화 및 기계류 분과 인더스트리 매니저

핵심 내용

  • 디지털 트윈이 개별 구성 요소의 이미지일 수 있으나, 전체 기계 또는 시스템의 이미지일 수도 있다. 이 디지털 트윈은 용도에 따라 깊이 들어갈 수도 있고 제품의 일부를 포함할 수도 있다.
  • 네트워크로 연결되는 장치와 시스템은 실시간 데이터를 제공한다. 이를 통해 디지털 트윈을 구성할 수 있는 잠재력도 증가한다. 디지털 트윈은 정보를 제공하고 시스템을 최적화할 수 있다.
  • 머신 러닝(기계 학습)을 통해 디지털 트윈이 에너지를 절감하는 데에 기여하거나 시스템의 실제 이상이나 장애를 감지하는 방법을 여러 분야의 사용 사례에서 확인할 수 있다.

디지털 트윈은 일반적으로 작동 중인 물리적 시스템의 역동적인 가상의 이미지를 의미한다. 디지털 트윈은 개별 구성 요소이거나 장치일 수 있고 기계 전체 또는 전력 그리드 전체일 수도 있다. 디지털 트윈은 시뮬레이션을 통해 작동을 구현하고, 기계와 시스템의 현재 또는 과거 상태에 대한 데이터를 수신한다.

디지털 트윈은 용도에 따라 세부 사항에서 상당히 차이가 있다. 간단한 데이터 모델일 수 있고, 실제 시스템의 기계 구성 요소, 전기 구성 요소, 전자 구성 요소, 유압 구성 요소 또는 다른 구성 요소를 포함하는 완전한 멀티 도메인 모델일 수도 있다. 모델링 접근 방식은 순수한 데이터 기반에서 물리적 모델 또는 이 둘의 조합이라 할 수 있다.

모델 기반 설계가 디지털 트윈으로 이어진다

모델 기반 설계(MBD)와 디지털 트윈(Digital Twin)의 상관 관계

모델링 컨셉트는 새로운 것이 아니지만, 제조 현장의 스마트 디바이스에 센서와 임베디드 시스템 그리고 통신 인터페이스가 점점 통합되면서 디지털 트윈으로 산업 시스템 및 산업 시스템에서 제조되는 제품을 전체 라이프 사이클 동안 동행할 수 있는 잠재력이 형성된다. 시스템이 실시간으로 데이터를 생산하면, 디지털 트윈은 이 데이터를 정보로 변환하고 이를 인더스트리 4.0을 위한 동력으로 만든다.

모델을 기반한 설계는 시뮬레이션 모델을 형성하고 디지털 트윈의 형성으로 이어진다. 모델 기반 설계의 가장 큰 장점은 포괄적인 테스트와 밸리데이션 방법을 포함하는 신속한 설계 프로세스이다. 엔지니어들은 가상 프레젠테이션을 다양한 조건에서 시뮬레이션하여 어떻게 거동하는지 확인할 수 있다. 이러한 시뮬레이션은 동시에 진행될 수 있으며, 시간을 절감하고 하드웨어 없이 높은 코드 커버리지(code coverage, 소프트웨어의 테스트에서, 테스트가 얼마나 충분한가를 나타내는 지표 가운데 하나, 위키백과 참조)가 가능하다. 설계 중 사용하는 모델은 디지털 트윈의 기반이 된다.

응용 1: 운전 최적화

건물에서 가장 지출이 많은 부분은 난방 또는 냉방에 사용되는 에너지이다. 지금 사용하고 있는 디지털 트윈 예시는 대형 건물에서 가동되는 HVAC(heating, ventilation, air conditioning) 시스템이다. 디지털 트윈은 건물 관리 시스템에서 실행되며 HVAC에 대한 상위 컨트롤을 형성한다. HVAC과 이의 제어 전략 중 비효율성은 불필요한 비용을 초래한다. 건물 관리 시스템을 클라우드 서비스에 연결하고 기계 학습을 통해 디지털 트윈이 생성하는 최적화 데이터를 통해 이에 대응할 수 있다. 이런 정보 분석을 위해, 가변적인 에너지 비용에 대한 데이터와 날씨 예보를 최적화에 적용하면, HVAC 에너지 소비를 최대 25%까지 낮출 수 있다.

디지털 트윈의 병렬 시뮬레이션을 이용한 전력 그리드 성능 관리

응용 2: 전력 관리

전력 그리드는 하루나 한 주 또는 계절이나 기후 및 재생 에너지 가용성 등 여러 요인으로 인해 공급되는 전류에 큰 변화를 겪는다. 비축 에너지가 충분하지 않으면 정전이 발생할 수 있다. 또한 사용되지 않은 비축 에너지를 보관하는 것 역시 비용이 들고, 전체 전기료를 높일 수 있다. 합리적인 에너지 비축 역시 What-if 시나리오 시뮬레이션을 위해 디지털 트윈을 이용하면 훨씬 적절하게 결정을 내릴 수 있다.

이러한 방식의 최적화 출발점은 전력 그리스에서 주파수를 기록하는 것이다. 미국에서 주파수 60Hz, 유럽에서 주파수 50Hz는 공급과 수요의 균형을 맞을 때에만 유지된다. 주파수 상승은 공급이 수요보다 높다는 의미이고, 주파수가 낮다는 것은 수요를 커버하기 위해 더 많은 전력이 필요하다는 것을 의미한다. 이런 데이터를 시뮬레이션 모델에 공급하고 실제 시스템 반응과 결과를 비교하여 지속적으로 비축량 평가를 조정하고 개선할 수 있다.

이때 모든 경우의 수를 조사하기 위해서는 이런 시뮬레이션을 수백 번 실행해야 한다. 에너지 회사는 병렬 컴퓨팅(Parallel computing)과 전력 그리드의 디지털 트윈을 사용하여 자사 에너지 비축 계산을 최대 30분 사이클로 업데이트할 수 있고 불필요한 비용과 정전을 방지할 수 있다.

응용 3: 예측 유지 보수

예측 유지보수 알고리즘 개발 워크플로우

산업용 기계의 가동 중단은 교체할 부품 비용을 훨씬 뛰어넘는 막대한 많은 비용을 초래한다. 따라서 기업은 계획에 따라 적당한 시기에 정비하거나, 작동 중단을 방지하기 위한 정비를 최소한으로 줄여야 한다. 운전 인력과 제조사들은 센서 데이터를 이용하여 기계를 언제 정비하고 어떤 부품이 교체해야 되는지 예측해야 한다. 이를 통해 최적의 시점에 해당 부분을 정비할 수 있도록 계획을 세워야 한다.

이런 예측에는 장애 또는 고장 조건을 감지할 수 있는 알고리즘이 필요하다. 그런데 정상적으로 작동되고 정기적으로 시스템을 정비하는 경우, 이런 오류 데이터가 충분하지 않다. 이런 경우의 해법은 시스템의 디지털 트윈을 통해 예측 유지 보수 알고리즘의 트레이닝에 필요한 데이터 공급을 위해 다양한 오류 상태에 대한 센서 데이터를 시뮬레이션하는 것이다.

이에 대한 장점은 알고리즘 트레이닝에 물리적 시스템이 필요하지 않고, 더불어 비용과 위험이 낮아진다는 것이다. 시뮬레이션은 동시적으로 실행할 수 있다. 이는 프로세스를 가속화할 뿐만 아니라 보다 많은 수의 오류들의 조합을 고려해 볼 수 있다. 완성된 예측 유지 보수 알고리즘은 에지 디바이스와 함께 시스템에 연결된 컨트롤 유닛에 연결하거나, PLC에서 시스템에 직접 통합할 수 있다.

응용 4: 이상 감지 및 오류 차단

연료 관리 시스템의 센서 측정 값과 관련 오류 상태

항공기나 석유 플랫폼과 같은 특정 시스템의 이상과 오류는 재앙으로 이어질 수 있다. 이상을 감지하고 이상 징후를 초래한 오류 원인을 차단하는 것은 안전한 운전을 위해 반드시 필요하다. 단순한 이상 징후는 규정 값을 통해 감지된다. 측정된 매개변수가 안전한 범위를 초과하면 경고가 울린다. 하지만 시스템이 정상적으로 작동하고 있을 경우 알람이 오작동하거나 오류 상태에서 경고가 울리지 않을 수 있다. 복잡한 시스템의 상태를 단절된 측정값으로 식별하는 것은 고가의 장비이거나 심지어 목숨이 위협을 받는 경우가 발생할 수 있다.

이런 경우 기계 학습이나 통계적 방법을 이용하면 시스템을 지속적으로 모니터링할 수 있다. 이를 통해 알고리즘은 다수 센서로부터 어떤 유형의 신호가 비정상적 거동을 의미하고, 또 무엇을 용인하는지 인식하는 법을 학습한다. 비정상적인 것이 감지되면 시스템이 상태의 원인을 식별하는 일련의 시뮬레이션을 작동시킨다. 또한 엔지니어나 자동화된 시스템이 적절한 조치를 취하고 오류의 후속 결과를 완화하거나 해당 메커니즘을 작동시킬 수 있다.

응용 5: 집합 제어 프로그램

위에서 언급한 디지털 트윈의 응용 사례들은 집합 제어 프로그램의 범위에서 동일하거나 유사한 시스템의 운전, 모니터링, 정비 등을 관리의 범위에서 이용할 수 있다. 항공 우주 산업과 같은 모델의 많은 항공기를 보유한 항공 회사가 이에 속한다. 또한 거의 동일한 많은 시스템 데이터 수집의 비효율성을 인지하고 효율과 신뢰도를 개선하는 데에 도움이 된다. 이는 한두 개의 데이터 소스로는 불가능하다.

미래에는 디지털 트윈이 많은 장치와 기계, 시스템의 고정적인 구성 요소가 될 것이다. 도처에서 다양한 사용자들이 인터페이스를 통해 디지털 트윈에 접근할 수 있고 사례 별 기능을 이용할 수 있을 것이다. 사용자는 디지털 트윈을 통해 문제를 보다 빠르고 효율적으로 조사하고, 이해하여 타당한 결정을 내리고, 속도와 에너지 소비 측면에서 프로세스를 최적화하고, 고객에게 더 나은 서비스를 제공하며, 보다 안전하고 효율적인 솔루션을 개발할 수 있을 것이다.