우리 공장의 내비게이션 디지털 트윈(Digital Twin)! – 개념, 요소, 사례

최근 디지털 트윈(Digital Twin)이라는 개념이 제조 업계의 핵심 기술 트렌드로 떠올랐습니다. 갈수록 제품 수명 주기가 짧아지고 제품 수요를 예측하기 어려워지는데다 고객 맞춤형 제품 수요가 증가하는 등 변동성이 커지고 있기 때문에 디지털 트윈 도입 여부가 기업의 생사를 결정할 것이라는 말이 나올 정도입니다. 과연 디지털 트윈이란 개념은 무엇이고, 제조업에서는 어떻게 활용할 수 있는 걸까요?

디지털 트윈이란?

디지털 트윈은 가상 공간에 현실 사물의 쌍둥이(트윈)를 만들고 현실의 데이터를 동기화한 뒤 이를 기반으로 분석·시뮬레이션을 수행해 현실의 문제를 해결하는 융합 기술입니다.[1] 실생활에서 가장 흔히 접할 수 있는 디지털 트윈으로 차량 내비게이션이 있습니다. 가상 도로에 실시간 교통량 등 현실의 데이터를 동기화한 뒤 이를 기반으로 시뮬레이션을 수행해 목적지까지 최적 경로를 찾아줍니다. 제조 분야에서는 기계, 공정, 시스템 등에 대한 디지털 모델을 흔히 디지털 트윈이라고 부르는데요. 이를 ‘공장의 내비게이션’이라고 비유할 수 있습니다.

최근 몇년 사이 사물인터넷, 인공지능, 빅데이터 분석, 가상현실 기술 등이 비약적으로 발전하면서 제조 현장의 예측, 예방, 최적화 등을 위한 목적으로 활용도가 증가하고 있습니다.[2] 2022년 12월 시장조사기관 그랜드 뷰 리서치에 따르면 이 분야의 세계 시장 규모는 연평균 37.5%씩 성장해 2030년에는 약 1,558억 달러에 이를 것으로 예측됩니다.[3]

디지털 트윈은 가상 공간에 현실 사물의 쌍둥이(트윈)를 만들고 현실의 데이터를 동기화한 뒤 이를 기반으로 분석·시뮬레이션을 수행해 현실의 문제를 해결하는 융합 기술이다. 아하랩스 제공

디지털 트윈 기술의 고도화 단계

디지털 트윈은 가상화, 동기화, 모델링 및 시뮬레이션, 연합 디지털 트윈기술로 구성됩니다. 모사(Mirroring) → 관제(Monitoring) → 모의(Modeling & Simulation) → 연합(Federated) → 자율(Autonomous) 단계로 발전이 전망됩니다.

디지털 트윈 기술의 발전 단계. 과학기술정보통신부 “한국판 뉴딜 2.0, 초연결 신산업분야의 핵심,「디지털 트윈 활성화 전략」,” (2021.9) 재구성. 아하랩스 제공

1단계 모사(Mirroring)

물리 대상을 디지털 트윈으로 복제, 시각화하는 단계입니다. 꼭 실제 세계와 완벽히 똑같은 모습으로 화려하게 구현할 필요는 없습니다. 그보다는 디지털 트윈을 이용해 목표에 가장 적합한 트윈을 만드는 것이 핵심이죠.

실생활에서 가장 쉽게 접할 수 있는 디지털 트윈 사례인 차량 내비게이션을 예로 들어보겠습니다. 내비게이션 상 지도(트윈)에서 도로 중앙분리대의 두께나 주변 건물의 높이는 그려져 있지 않습니다. 내비게이션이 가장 빠른 최적 경로를 찾는 데에 필요한 물리량이 아니기 때문이죠. 마찬가지로, 제조 현장에 디지털 트윈을 도입하고자 할 때에는 풀고자 하는 문제를 명확히 정의한 뒤 그에 적합하게 모사해야 합니다.

최근에는 실시간 3D 공간 구현 기술이 등장하는 추세입니다. 게임 엔진 전문 기업이었던 유니티(Unity)는 이제 산업 환경에서 데이터를 시각화하는 것에 집중하고 있습니다. 최근에는 실시간 3D 개발 플랫폼을 선보였는데요. 개발자는 이 플랫폼을 이용해 3D 공간을 스캔하고, 해당 공간의 지형·건물·물체 등의 정보를 추출할 수 있습니다.[4],[5] 이렇게 추출한 정보는 디지털 트윈을 제작하거나 AR, VR 콘텐츠를 만드는 등 여러 용도로 활용할 수 있죠.

유니티의 실시간 설계 검토 기술 – 유니티 제공

2단계 관제(Monitoring)

디지털 트윈을 기반으로 물리적 대상을 모니터링하고 제어할 수 있는 단계입니다. 예를 들어 내비게이션에서는 내가 타고 있는 차량의 GPS 정보뿐만 아니라 실시간 교통량, 사고 현황 등이 바로 반영됩니다.

이 때 현실의 정보 데이터를 실시간으로 받을 수 있는 동기화 기술이 필수입니다. 센서와 IoT 기술의 발달, 그리고 데이터 수집·전처리·분석 기술이 고도화되면서 디지털 트윈 발전의 원동력이 되고 있습니다.

최근 인공지능 기술의 발달로 산업용AI가 관제 용도로 활발히 연구, 도입되고 있습니다. AI를 ‘상황 인식’에 활용하는 경우인데요. 예를 들어, 이상 탐지(Anomaly Detection)[6] 딥러닝 알고리즘이 접목된 CCTV를 활용하면 제조 현장에 불이 나거나 기계설비가 고장났을 경우, 또 생산이 계획대로 안 되어 불량품이 나오는 등 정상이 아닌 비정상 상황을 감지하고 사용자에게 경고를 보낼 수 있습니다.

3단계 모의(Simulation)

디지털 트윈을 구현하고자 하는 최종 목적은 현실의 복잡한 문제를 풀고자 함입니다. 따라서 시뮬레이션(모의) 기능이 반드시 융합되어야 합니다.

사실 과거에도 시뮬레이션은 다양한 분야에서 활용돼 왔는데요. 디지털 트윈과 가장 큰 차이점은 바로 현실의 데이터를 실시간으로 동기화하는지 여부에 있습니다. 예를 들어, 기존 시뮬레이션이 주변 상황과 다양한 물리량을 가정한 뒤 미래 어느 한 시점에서의 성능을 예측하는 과정이었다면, 디지털 트윈은 변화하는 주변 물리량 데이터를 실시간으로 반영하면서 최적해를 찾아간다는 것이 핵심입니다. 보다 높은 정확도를 달성할 수 있죠.

최근 강화학습[7] 딥러닝 알고리즘의 괄목할 만한 성장과 빅데이터 수집 및 분석 기술의 발달, 컴퓨팅 성능의 향상 등으로 더욱 빠르고 광범위한 시뮬레이션이 가능해지고 있는 추세입니다. 예컨대 제조업에서는 공장을 새로 짓기 전에 먼저 디지털 트윈을 이용한 시뮬레이션을 통해 설계도 상의 문제들을 미리 찾아낼 수 있습니다. 또 시뮬레이션은 새로운 제품의 디자인을 최적화하는 데 사용할 수도 있지요.

실제로 일본 요코가와전기와 JSR 코퍼레이션은 2022년 강화학습 기반의 AI를 이용해 화학 공장을 35일간 자율적으로 운영하는 테스트에 성공한 바 있습니다.[8] AI가 증류탑의 액체를 적절한 수위로 유지하면서 폐열을 열원으로 최대한 활용할 수 있는 복잡한 조건을 찾아냈죠. 그 결과 품질 안정화와 높은 수율 달성, 에너지 절약이 가능했다고 합니다.

4단계 연합(Federation)

최적화한 개별 디지털 트윈 두 개 이상을 통합해 상호 연계된 트윈으로 구성하는 단계입니다. 최근 학계에서는 연합 트윈에 대한 연구가 활발하게 이뤄지고 있습니다.

아직까지 디지털 트윈은 현실 세계의 단일 사물, 단일 공정, 또는 단일 시스템(공장 등)에 국한된 최적화가 주를 이루고 있습니다. 향후에는 다양한 산업 도메인에서 디지털 트윈이 등장할 것으로 예상되는데요. 이에 따라 다수의 디지털 트윈이 협업함으로써 여러 인과요인을 고려해 복잡한 문제를 해결하는 방식으로 발전이 예상됩니다.[2] 예를 들어, 공장의 디지털 트윈, 물류 이동 차량의 디지털 트윈, 도시 전체의 디지털 트윈을 연합하여 원자재 수급부터 제품 폐기까지 수명 주기 전체를 모니터링하고, 이 전체 과정을 가장 효율적으로 운영할 수 있는 최적화된 방법을 찾는 거죠.

5단계 자율(Autonomous)

단일, 혹은 연합 디지털 트윈에서 자율적으로 문제점을 파악하고 해결책을 구현하는 완전 자율 동작 단계입니다. 지금까지의 스마트팩토리[9]가 사람이 미리 정한 범위 내에서 자동으로 운영되었다면, 앞으로는 자율 디지털 트윈이 설비의 고장을 앞서 예측하여 공정을 알아서 최적화하거나 예기치 못한 문제가 발생해도 디지털 트윈이 스스로 판단해 제어하는 것이 가능한 형태로 변화해 나갈 것으로 보입니다.

국내 디지털 트윈 키워드

제조 분야 디지털 트윈 전문가인 노상도 성균관대학교 시스템경영공학과 교수에 따르면, 현재 국내 기업들의 기술 성숙도는 2단계와 3단계의 중간 수준으로 평가됩니다. 디지털 트윈의 각 단계를 구현할 수 있는 기반 기술과 도구들을 대부분 외국 기업에 의존하고 있기 때문인데요. 하지만 최근 동향을 살펴보면 한국이 세계 어느 나라보다 맹추격 중임을 알 수 있습니다. 3가지 키워드를 통해 알아보겠습니다.

키워드 1. 국제표준화 선도

기술 표준화만큼은 한국이 선도하고 있습니다. 그동안 제조 현장에서는 목적에 따라 서로 다른 디지털 트윈을 제각각 개발해 왔습니다. 그렇다보니 목적이 변경될 때마다 시간과 비용을 들여 새롭게 개발해야 했죠. 시간과 비용에 대한 부담이 과중된다는 의미입니다. 만약 디지털 트윈을 처음 모델링하는 단계에서부터 재사용성과 확장성을 고려하면 어떨까요? 예를 들어 개별 단위의 디지털 트윈을 표준 기반으로 모델링하고, 이를 블록처럼 조립하는 구조를 가질 수 있다면, 더욱 효과적이겠죠.[10]

이런 의도를 달성하기 위해 한국전자통신연구원(ETRI)은 2018년 국제표준화기구(ISO)에 세계 최초로 디지털 트윈 관련 국제표준안을 제안했습니다. 그리고 미국·프랑스·영국·독일·일본 등 여러 국가와 함께 협업해 지난해 10월 ISO 23247 표준 개발을 완료하고 배포했습니다.

ISO 23247은 제조 분야에 디지털 트윈을 적용하기 위한 표준 프레임워크 기술을 담고 있습니다. 이를 바탕으로 가전제품 제조 공정을 대상으로 대규모 확장성 분산 시뮬레이션을 지원하는 제조 디지털 트윈 프레임워크 개발을 진행하고 있고요. 또, 반도체 잉곳 성장 설비에 대한 운영 최적화 표준화도 진행하고 있습니다.[11] 미국의 보잉·록히드마틴과 스웨덴의 샌드빅 같은 기업도 ISO 23247을 적용한 제조 시나리오를 공개하는 등 그 활용성을 인정받고 있습니다.

ETRI는 *디지털 스레드[12] 표준 개발도 추진하고 있습니다. 디지털 스레드를 활용하면 제품 생애주기 동안 디지털 트윈과 물리적 객체를 데이터로 연결하고 관리해서, 디지털 트윈이 생성된 이후 어느 시점의 데이터든 추적하고 활용할 수 있게 됩니다. 또 개별 디지털 트윈들을 블록과 같이 조립해 하나의 시스템처럼 동작시키는 디지털 트윈 컴포지션 표준 개발도 함께 준비 중이죠. 2025년 표준 제정을 목표로 하고 있습니다.

• 디지털 스레드 : 제품의 수명주기 전반에 걸쳐 물리적 자산과 연결된 데이터 흐름을 볼 수 있는 통신 프레임워크. 디지털 스레드는 디지털 트윈을 만드는 데 필요한 요소라고 볼 수 있다. 예를 들어, 물리적 사물의 디지털 스레드에서 데이터를 가져와 해당 데이터의 디지털 표현을 만든다. 그런 다음 디지털 트윈을 사용해서 디지털 스레드 데이터에 접근할 수 있다.[13]

디지털 스레드를 활용하면 디지털 트윈이 구축된 이후 어느 시점의 데이터라도 추적할 수 있다. – 아하랩스 제공

키워드 2. 특허 출원 증가율 1위

특허청이 2016~2020년 디지털 트윈 관련 출원 특허를 분석한 결과, 한국은 연평균 특허 출원 증가율 42.8%로 1위를 기록했습니다. 전체 평균은 24.5%로, 한국에 뒤이어 중국 30.0%, 미국 23.9%, 일본 14.1% 순으로 기록했죠.

주요 출원인으로는 미국 기업 스트롱 포스가 8.7%인 203건으로 1위를 기록했고, 2위는 독일 기업 지멘스가 6.6% 155건, 3위는 일본 기업 미츠비시가 3.0% 71건을 기록했습니다. 한국 출원인으로는 포스코가 0.9% 22건으로 12위, 삼성은 0.4% 9건으로 36위, 전자기술연구원은 0.3% 6건으로 50위를 차지했습니다.[14]

키워드 3. 한국 중소 제조기업의 잠재력

디지털 트윈은 초기 도입 비용이 높다보니 자본 집약도가 높은 대기업이나 공공SOC를 중심으로 우선 도입되고 있습니다. 그런데 한국은 중소 제조기업에도 디지털 트윈을 도입할 수 있는 기반 시설과 잠재력이 풍부한 것으로 평가됩니다. 스마트팩토리 도입률과 공정 자동화 등이 세계 최고 수준이기 때문입니다.

2018년 12월 한국 정부는 중소 제조업체 절반을 스마트공장으로 만들어 중소기업 ‘제조강국’을 실현하겠다는 비전을 내놨습니다. 그리고 실제로 연차별 목표를 초과 달성해 2022년 스마트공장 3만개 시대를 열었죠.[15]

이와 더불어 2021년부터는 ‘스마트공장 질적 고도화’에 초점을 맞춰왔습니다. K-스마트등대공장, 디지털 클러스터, 스마트제조표준화 등 정책을 추가했고요. 앞으로 이 3만개 스마트공장을 기반으로 본격적인 ‘고도화’ 작업이 진행될 것으로 예상됩니다. 이러한 발전 과정에서 디지털 트윈이 뚜렷한 방향성을 제시하게 될 것으로 보입니다.

디지털 트윈을 활용한 제조 혁신 사례

(1) 설계 최적화

독일의 글로벌 자동차 기업 BMW는 2025년에 문을 열 헝가리 데브레첸 공장의 디지털 트윈에서 이미 자동차를 생산하고 있습니다. 차량과 엔진 공장을 3D 스캐닝해서 7제곱킬로미터 이상의 실내 공간과 150제곱킬로미터의 실외 생산 공간을 디지털 트윈으로 완공했죠.

이 가상 공장에서 NVDIA의 옴니버스 AI 시스템을 활용해 시뮬레이션을 수행하고 있습니다. 예를 들어, 디지털 트윈을 통해 생산 시뮬레이션을 시각적으로 확인하면서 조립 라인의 흐름을 최적화하고 있습니다. 실제 공장이 이미 생산을 시작한 뒤 기존 설비나 흐름을 변경하려면 비용이 많이 들 뿐만 아니라 생산의 다운타임(downtime, 시스템을 이용할 수 없는 시간)을 초래하는데, 이러한 사전 최적화를 진행하면 추후 비용이 발생하지 않습니다.[16]

BMW는 이러한 과정을 통해 생산 인력과 로봇, 조립 부품을 포함한 전체 공장의 모든 요소를 시뮬레이션 함으로써 계획 시간을 단축했고, 최종적으로 생산 효율을 30% 이상 개선할 것으로 보인다고 밝혔습니다.[17] 또한, 새로운 생산지를 계획하는 데 전체 3년이 걸리던 프로세스를 앞으로 디지털 트윈을 이용해 2년으로 줄이려는 목표를 세우고 있습니다.

엔비디아의 옴니버스 플랫폼 통해 구현한 BMW 가상공장 모습. – BMW 제공

거대 항공우주 기업인 보잉(Boeing)은 디지털 트윈을 사용해 항공기를 설계합니다. 새로운 항공기용으로 디지털 트윈을 만든 후 제품 수명 주기 동안 항공기를 구성하는 다양한 요소들의 성능을 예측하는 시뮬레이션을 실행하죠. 결과적으로 보잉 엔지니어들은 새로 설계한 항공기가 언제 고장날지 예측할 수 있습니다. 보잉사에 따르면 디지털 트윈을 통해 최초 부품 품질 개선율이 40%에 달했습니다. 보잉은 향후 모든 개발 시스템을 디지털화하겠다는 목표를 세우고 있습니다.

(2) 운영 최적화

제조에선 설비를 구축하고 난 뒤 정상적으로 작동하는지, 제품이 정확하게 만들어지는지 확인하는 시운전이 상당히 중요한데요. 한국의 포스코는 ‘디지털 트윈 제철소’를 만들어 운영을 효율화하고 있습니다. 이 과정을 디지털트윈에서 수행함으로써 문제 발생 가능성을 사전에 줄이고 관련 비용을 절감하고 있습니다.

예를 들어, 원료 가격 변동과 탄소배출 이슈 등으로 제철소는 항시 연료와 원료의 투입 및 배합을 조정해야 합니다. 기존에는 원료의 수많은 성분을 고려하며 공정에 미치는 영향을 종합적으로 검증하기 위해 많은 인력과 시간을 투입해야 했죠. 이제는 연료나 원료를 실제로 투입하기 전 디지털 트윈 제철소에서 시뮬레이션을 수행해 최소 비용으로 최적의 배합을 찾아내고 있습니다. 품질, 원가, 생산 영향은 물론 ESG관점에서 이산화탄소 배출량 변화까지 2분 이내에 시뮬레이션 할 수 있고요.[18] 또, 디지털 트윈을 이용해 제강 공정 중 12만 5000 경우의 수를 시뮬레이션했고, 이를 통해 온도 적중률을 80%에서 90%로 올렸다고 합니다.

포스코의 디지털 트윈 제철소. – 포스코 제공

네덜란드의 다국적 소비재 기업인 유니레버는 일반 제조기업도 디지털 트윈 도입이 가능함을 보여주는 선도적인 사례입니다. 브라질 인다이아투바에 있는 세탁세제분말 공장에서 디지털 트윈으로 생산 조건을 최적화하고 있습니다. 이를 통해 유니레버는 하루에 조치가 필요한 알람 수를 90%까지 줄여 공정 중단 및 제품 생산 시간을 최소화하고, 직원들이 적시에 개입할 수 있게 하여 업무 효율성을 올렸습니다.

2023년 4월에는 IT 기업 액센츄어, 마이크로소프트와 협력해 기존 온프레미스 기반 시스템들을 클라우드 플랫폼으로 전면 변경했습니다. 디지털 트윈을 좀 더 안정적으로 사용하면서 의사결정을 가속할 수 있는 토대를 마련했죠. 향후 전 세계 300개 공장을 연결한다는 목표로 디지털 트윈을 확장하고 있습니다.[19]

(3) 고장 예측

한국의 현대자동차는 디지털 트윈으로 전기차 배터리 성능을 관리하기 위해 기술 사전 검증을 진행하고 있습니다.[20] 전기차 ‘아이오닉 5’를 이용했는데요. 도로 위를 달리는 전기차에서 수집된 각종 주행 데이터를 가상의 디지털 전기차에 동기화해 차량 별 배터리 수명을 예측하는 것입니다. 머신러닝 알고리즘 등을 이용해 배터리 성능에 영향을 미칠 수 있는 충·방전과 운전 습관, 주차 및 주행 환경 등 차량 별 정보를 종합 분석해 배터리 수명 예측의 정확성을 높여가고 있습니다.

향후 이러한 기술을 활용해 배터리 성능을 최적으로 유지할 수 있도록 고객을 도울 수 있을 것으로 보입니다. 현대자동차는 ‘시간이 있을 때는 완속 충전을 사용해보세요’ ‘과속은 배터리 수명에 영향을 줍니다’ ‘에어컨을 계속 사용하는 것보다 통풍시트가 에너지 효율이 좋습니다’ 같은 차량 별 맞춤형 조언을 제공하는 기술을 구현할 계획이라고 밝혔습니다.

결론 | 데이터 수집부터 시작하는 혁신

이처럼 제조 산업에서 디지털 트윈은 다양한 잠재력을 지니고 있습니다. 하지만 실제 현장에서는 아직 제대로 쓰이는 사례가 많지 않은 것이 현실입니다. 투입하는 비용과 노력 대비 디지털 트윈이 얼마나 효과가 있을지 확신을 줄 만한 성공사례가 부족하기 때문입니다.

실제로 국내 중소기업기술정보진흥원 부설 스마트제조혁신추진단에 따르면 2023년 현재 기준 제조업체 74.7%가 스마트공장 기초단계에 머물러 있습니다.[21] 기초단계란 생산 실적 정보를 자동으로 집계하거나 물류의 흐름을 실시간으로 파악하는 정도를 말합니다. 이를 디지털 트윈 고도화 단계로 환산하면 1단계(모사)와 2단계(관제)가 일부분씩 구현된 단계라고 볼 수 있습니다.

많은 제조 기업이 디지털 트윈을 완전 자율화된 공장(고도화 5단계)으로 인식하고 도입에 부담을 느끼고 있지만, 처음부터 이런 디지털 트윈을 구현하는 것은 현실적으로 불가능합니다.

그보다는 먼저 다양한 제조공정, 품질 관리 시스템, 자재 창고 등 제조 현장 곳곳에서 생산되는 데이터를 수집해서 서로 연결하는 것이 중요합니다. 이렇게 모든 데이터를 통합 모니터링하게되면 전체 공정에 대한 가시성이 높아지고, 효율을 크게 개선할 수 있습니다. 예를 들어, 어떤 조건으로 공정을 운전해서 어떤 수율 결과를 얻었는지 한번에 파악할 수 있습니다. 이런 결과를 차곡차곡 모아 추후에는 실시간으로 의사결정을 하고 공정 시스템을 제어할 수 있습니다. 이 단계가 적용되고 나면 산업용AI로 시뮬레이션을 수행해 불량이 발생한 원인을 알아내거나 높은 수율을 달성할 수 있는 최적 조건을 도출하는 등 현실의 문제를 해결할 수 있고, 이것이 곧 제조 현장의 디지털 트윈이 됩니다.