디지털트윈 기술은 최근 관련 기술성숙도가 올라가면서 국내외 산업현장에서 다시 부상하고 있는 기술 트렌드 중 하나다.
물리적인 제품이나 공정 등의 디지털 복제를 만들고, 이를 활용해 다양한 시나리오나 예측을 수행할 수 있게 함으로써 데이터 중심의 의사결정 지원과 업무 프로세스 자동화를 통한 생산성·효율성 향상을 비롯해 새로운 비즈니스 모델을 창출에도 기대를 모으고 있다.
이러한 디지털트윈 기술은 인공지능(AI) 기술과 결합해 더욱 효과적인 아이디어가 도출되고 있으며 특히, 산업현장에서 기업용 솔루션의 기능과 가치를 높이고 있다.
‘디지털 데이터의 분석 및 예측’에 AI 알고리즘을 응용해 디지털트윈 각각의 개체(Object)별로 수집된 데이터를 분석하고, 미래 동작이나 문제를 예측하고 평가하는데 활용될 수 있다.
또한 ‘자동화 및 최적화’를 통해 디지털트윈을 기반으로 한 물리적 시스템이나 프로세스를 AI의 학습된 데이터를 기반으로 자동으로 조절하고 최적화하는 데 사용될 수 있으며, ‘실시간 의사결정’은 AI가 디지털트윈에서 얻은 정보를 실시간으로 분석해 C-Level 및 현업 담당자의 주요 의사결정에 활용할 수 있다는 측면에서 장점으로 손꼽히고 있다.
이와 함께 ‘자율 제어 시스템’을 바탕으로 더욱 높은 수준의 자율 프로세스·시스템을 구축할 수 있어, 스마트 시티, 제조업, 건설 등 다양한 분야에서 자율 차량, AGV 제어, 스마트 건물 제어 등에 활용되고 있다.
● 디지털 트윈과 AI 요구 기술
가트너에 따르면 최근 부상하는 기술로 DTOC(Digital Twin Of Customer) 기술이 출현하고 있다.
기존 디지털트윈에서 다양한 고객 경험(CX, Customer eXeperience)의 유연한 대응을 통해 새로운 디지털 혁신 및 제품, 서비스 기회를 지원할 수 있는 고객 경험 주도형 디지털트윈 기술이 촉발되고 있으며, 5~10년 후 주류로 채택될 전망이다.
현재 디지털트윈에 대한 고객의 눈높이는 대단히 높은 상태로, 고차원의 고객 경험과 다양한 내부 위험, 문제를 디지털트윈과 AI의 결합을 통해 해결하려는 의도와 아이디어도 개발되고 있다.
이처럼 높은 수준의 고객 눈높이를 과거 고객사로부터 접수된 요구들을 분석해 보면 아래와 같이 몇 가지로 요약할 수 있다.
속도(Performance) 디지털트윈 데이터(3D 모델, 속성정보, 인터페이스 정보)의 용량은 특정 산업군과 관계없이 방대하며, 특히 가시화, 조작, 인터페이스에 따른 사용자의 체감 속도가 중요해 초기 단계에 디지털트윈 시스템 도입을 결정하는 핵심 요소가 되고 있다.
확장성(Scalability) AR, VR, MR 등의 확장 현실(eXtended Reality) 구현과 각종 모니터링을 위한 손쉬운 BI(Business Intelligence) 인터페이스, 이력 관리, 해석결과 결합, 나아가 AI, 빅데이터, 예지·보전 기술 등의 최신 기술 결합을 고려한 유연한 확장성이 요구되고 있다.
정확성(Preciseness) 데이터 관리 단위가 점점 실제와 유사한 레벨의 상세화/미세화가 요구됨에 따라 하나의 장비에도 몇 단계의 하위 부품, 설치품, 설비류 단위별로도 데이터 구조 체계 및 개별 가시화 및 데이터 연계 관리 방법이 필수적이다.
연결성(Connectivity) 설계, 생산, 구매, 품질 시스템에 관련 레거시 데이터와의 인터페이스는 물론, 센서류, QR/RFID, 산업 디바이스와의 연결에 대해 유연하게 대응할 수 있도록 구현 경험과 사전 인터페이스 준비가 필요하다.
기계학습 및 의사결정 모델 발전 디지털트윈의 계층별 모델에 기록된 유지보수 정보, 이상 감지·개선, 피드백 정보를 기계학습 모델을 교육하고, 패턴·상관관계·동작을 학습 예측해 운영자와 의사결정자가 AI 분석 모델에 기반한 결정·피드백을 할 수 있는 순환 모델 구축이 요구되고 있다.
(중략)
출처: 공학저널