디지털 트윈이란?

반드시 알아야 할 3가지

디지털 트윈은 운용 중인 실제 물리적 자산을 표현하는 최신의 방법입니다. 디지털 트윈은 자산의 현재 상태를 반영하며, 자산에 대한 관련 있는 이력 데이터를 포함합니다. 디지털 트윈은 자산의 현재 상태를 평가하는 데 사용할 수 있으며, 보다 중요하게는 미래 동작을 예측하거나 제어를 계량하거나 운용을 최적화하는 데 사용할 수 있습니다.

디지털 트윈은 구성요소, 구성요소로 이루어진 시스템 또는 시스템으로 이루어진 시스템(예: 펌프, 엔진, 발전소, 제조 라인, 일군의 차량 등)의 모델일 수 있습니다. 디지털 트윈 모델은 물리학 기반 접근 방법이나 통계적 접근 방법을 포함할 수 있습니다. 디지털 트윈 모델은 운용 중인 자산의 현재 환경, 현재 수명 및 구성을 반영하며, 일반적으로 이를 위해 자산 데이터가 튜닝 알고리즘으로 직접 스트리밍됩니다.

디지털 트윈이 중요한 이유

디지털 트윈 작동 방식

MATLAB과 Simulink을 사용한 디지털 트윈

디지털 트윈이 중요한 이유

디지털 트윈을 생성하여 사용하면 운용 중인 시스템의 일부로서 인텔리전스가 향상됩니다. 운용 중인 실제 자산의 최신 표현을 확보하면 자산을 비롯한 전체 시스템을 제어하거나 최적화할 수 있습니다. 이러한 표현은 최신 상태뿐 아니라 자산의 운용 이력까지도 캡처합니다. 디지털 트윈을 사용하면 미래 성능을 최적화하고, 효율을 높이고, 자동화하고, 평가할 수 있습니다. 가상 시운전을 위해 또는 다음 세대 설계에 영향을 주기 위한 용도와 같은 다른 목적으로도 모델을 사용할 수 있습니다.

디지털 트윈 모델은 다음과 같은 다양한 분야에서 널리 사용됩니다.

운용 최적화 – 날씨, 규모, 에너지 비용, 성능 인자와 같은 변수를 사용하여, 수백, 수천 가지의 가정(what-if) 시나리오를 실행하여 준비도를 평가하거나 기존 시스템의 설정값에 필요한 조정을 확인하도록 모델이 트리거됩니다. 이를 통해 자동 중에 시스템 운용을 최적화 또는 제어하여 위험을 줄이고, 비용을 절감하고, 각종 시스템 효율을 개선할 수 있습니다.

예측 정비를 위한 디지털 트윈

가능한 동작을 평가하는 Monte Carlo 시뮬레이션.

건전성 예측관리 – Industry 4.0 활용 분야에서는 모델을 사용하여 잔여 수명을 확인함으로써 서비스나 장비 교체를 위한 최적의 시점을 예측할 수 있습니다.

Baker Hughes의 MATLAB에 기반한 건전성 예측관리경보 시스템.

이상 탐지 – 모델은 실제 자산과 병렬로 실행되며, (시뮬레이션된) 예상 동작에서 벗어난 운용 동작에 즉시 플래그를 지정합니다. 예를 들어, 석유 회사에서 연속 운용 중인 해외 석유 굴착기로부터 센서 데이터를 스트리밍하는 경우, 디지털 트윈 모델이 운용 동작에서 이상 동작을 찾아서 재해성 손상을 방지합니다.

Simulink Real-Time을 사용하여 석유 굴착기에 구축한 산업용 IoT 프로토타입. 이미지 제공: National Oilwell Varco.

고장 분리 – 이상이 발생할 경우, 엔지니어나 시스템이 적절한 조치를 취할 수 있도록 일군의 시뮬레이션이 트리거되어 고장을 분리하고 근본 원인을 파악합니다.

연료 제어 시스템의 고장 분리.

디지털 트윈 작동 방식

디지털 트윈의 일부로서 모델링이 필요한 요소는 IoT 활용 분야에 따라 달라집니다. 디지털 트윈 모델은 IoT 자산의 필수 구성요소, 동작 및 역학을 포함합니다.

모델링 방법은 일반적으로 1차 원칙(물리학 기반 방법, 예: 기계적 모델링)과 데이터 기반 방법(예: 딥러닝)의 두 가지 유형으로 그룹화할 수 있습니다. 모델링된 각종 행동과 모델링 방법을 결합하여 디지털 트윈을 생성할 수도 있으며, 더 많은 용도가 파악됨에 따라 점점 더 정밀해질 수 있습니다.

모델 기반 설계에 대해 얼마나 잘 알고 계시나요?

퀴즈 시작하기

디지털 트윈 모델링 방법 – 1차 원칙과 데이터 기반.

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

디지털 트윈을 최신 상태로 사용할 준비가 되면, 다양한 방법을 통해 미래 동작을 예측하거나 제어를 계량하거나 자산 운용을 최적화할 수 있습니다. 그 예로 실제 자산에 존재하지 않는 센서 시뮬레이션하기, 현재와 미래의 운용을 위해 각종 미래 시나리오 시뮬레이션하기, 현재 운용 상태를 현재 실제 입력값으로 전송함으로써 디지털 트윈을 사용하여 현재 운용 상태 추출하기 등을 들 수 있습니다.

MATLAB과 Simulink을 사용한 디지털 트윈

MATLAB을 이용하면 연결된 자산에서 나온 데이터를 이용하여 모델을 정의할 수 있습니다. 멀티 도메인 모델링 툴을 이용하여 Simulink로 물리 기반 모델을 생성할 수도 있습니다. 데이터 기반 모델과 물리 기반 모델 모두 운용 중인 자산에서 나온 데이터로 튜닝하여 디지털 트윈 처럼 작동하도록 할 수 있습니다. 이러한 디지털 트윈을 예측, 가정(what-if) 시뮬레이션, 이상 탐지, 고장 분리 등에 활용할 수 있습니다.

MATLAB에서 사용할 수 있는 데이터 기반 방법에는 머신 러닝, 딥러닝, 신경망, 시스템 식별이 포함됩니다. 일반적으로 데이터 세트를 사용하여 모델을 학습하거나 추출하고, 별도의 검증 데이터 세트를 사용하여 모델을 검증 또는 테스트합니다. MATLAB 앱을 사용하여 각종 모델링 방법을 살펴보고 활용 분야에 가장 적합한 방법을 찾을 수 있습니다.

분류 모델의 대화형 학습, 검증 및 튜닝을 위한 분류 학습기 앱.

Simulink를 사용하여 물리 기반 모델링을 수행할 때는 1차 원칙을 바탕으로 시스템을 설계합니다. 모델은 기계식, 유압식 및 전기 구성요소를 포함할 수 있습니다. Simulink로 Model-Based Design을 사용하는 업스트림 설계 작업으로부터 모델을 생성할 수도 있습니다.

전력 전송망의 Simulink 디지털 트윈 모델. 이 모델은 전송망으로부터 측정된 데이터를 수신하여 파라미터 추정을 수행한 다음 수천 가지 시뮬레이션 시나리오를 실행하여 에너지 비축량이 충분한지 여부와 전송망 컨트롤러에 조정이 필요한지 여부를 판단합니다.

최적화 방법을 사용하여 디지털 트윈 모델을 튜닝하고 MQTT와 같은 표준 프로토콜로 수신 데이터 스트림을 처리하여 최신 상태로 유지할 수 있습니다.

디지털 트윈은 에지 컴퓨팅 노드, 운용 중인 기술 인프라, IT 시스템 등 해당 분야에서 필요한 어느 곳에도 구현할 수 있습니다. Azure IoT Hub, AWS IoT와 같은 상용 시스템에 통합하거나 API를 비롯해 공유 라이브러리, RESTFul 호출과 같이 널리 사용되는 통합 방법을 통해 필요에 따라 사용자 지정 통합을 구현할 수 있습니다.