산업기술/제조/경영

Nikkei Monozukuri_2017.8. 특집 (p32~51)

제조업 혁신을 가속하는 디지털 트윈
현실세계로 미래를 치밀하게 예측

현실 세계의 사건을 디지털 세계에서 충실하게 재현하는「디지털 트윈」에 대한 주목도가 높아지고 있다. 현실 세계의 정보를 수집하여, 디지털 트윈으로서 재현∙분석하는 기술의 향상으로 인해, 디지털 트윈의 활용 범위가 크게 확대되고 있기 때문이다. 그 영향은 제조업의 경쟁력을 비약적으로 높일 뿐만 아니라, 비즈니스 모델의 변혁에까지 미친다. 제조업 혁신을 가속하는 디지털 트윈의 현상을 찾아가 본다.

▶Digital Twin : 물리적인 사물과 컴퓨터에 동일하게 표현되는 가상 모델
GE (General Electric)에서 만든 개념으로, 실제 물리적인 자산대신 소프트웨어로 가상화한 자산의 디지털 트윈을 만들어 시뮬레이션 함으로써 실제 자산의 특성(현재 상태, 생산성, 동작 시나리오 등)에 대한 정확한 정보를 얻을 수 있다. 에너지, 항공, 헬스케어, 자동차, 국방 등 여러 산업 분야에서 디지털 트윈을 이용하여 자산 최적화, 돌발 사고 최소화, 생산성 증가 등 설계부터 제조, 서비스에 이르는 모든 과정의 효율성을 향상시킬 수 있다.

Part 1. 총론
궁극은 현실세계의 “지금”을 재현, 제품과 생산설비로 활용 확대

「장기간에 걸친 제품의 열화를 예측할 수 있으면, 오류 발생 전에 보전 제안이 가능하므로 신뢰성 향상에 도움이 된다. 제품 수명을 전제로 한 취급 주의를 고객에게 가시화하여 설명하기 쉽다」「기존에는 개발이나 설계의 지원 수단이었던 시뮬레이션 기술이, 사업 모델의 일부나 제품∙서비스의 일부가 되어, 보다 직접적인 수익 수단이 될 수 있다」. 이 내용들은 본 특집을 위해 본지가 실시한 디지털 트윈에 관한 앙케트로 수집된 내용의 일부다. 이처럼 디지털 트윈에 대한 기대가 있는 한편,「현실 세계에는 취득할 수 있는 정보와 없는 정보가 있다」「현물이 있기 때문에 비로서 알 수 있는 것, 이른바 사람의 감성으로 판단하는 과제가 보이지 않게 된다」. 이와 같은 문제점을 지적하는 목소리도 적지 않았다.

「현실 세계의 사물을 디지털 세계에서 재현한다」. 이렇게만 인식하면 디지털 트윈은 그렇게 새로운 개념은 아니다. 3D모델에 의한 Digital Mock-Up(DMU)이나 수치 시뮬레이션의 활용은 이미 당연한 것이 되고 있기 때문이다. 그러나 IoT나 AI, 빅데이터 해석과 같은 기술 혁신이 발전하면서, 실현할 수 있는 디지털 트윈도 진화하고 활약의 장도 넓어지고 있다. 때문에 제조업을 크게 혁신하는 수단의 하나로서 디지털 트윈에 대한 주목도가 높아지고 있는 것이다.

-- 디지털 트윈의 이상은 높다 --
여기에서는 이상적으로 생각하는 디지털 트윈의 모습과 그것을 지원하는 기술의 진화에 대해 정리하고자 한다. 디지털 트윈의 궁극의 모습을 생각하면, 그 조건은 크게 3개다.

하나는 현실 세계를 충실하게 재현할 수 있어야 한다는 것이다. 이것은 설계 단계에서 설정한 모양이나 물성에 근거한 재현이 아니라, 현실 세계에 있는 현 시점에서의 제품이나 설비를 재현하는 것이다. 생산 단계에서 발생하는 다양한 불규칙, 사용 단계에서의 동작 상황이나 장기간에 걸친 열화, 보수∙수리나 개량에 따른 변화 등도 포함하여 디지털 트윈에 반영시켜야 한다. 그리하여 비로서 실태에 맞는 분석과 예측이 가능해지는 것이다.

두 번째는 항상 최신 정보여야 한다는 것이다. 설계 데이터와 현실 세계의 사물에 차이가 있다는 것은 앞에서도 언급했지만, 현실 세계의 사물은 항상 변화를 계속한다. 어느 타이밍에서 정보를 수집하여 디지털 트윈을 작성해도, 시간이 지나면 정확하지 않게 된다. 항상 정보를 경신하고 디지털 트윈을 최신 상태로 유지할 필요가 있다.

세 번째는「1대1 대응」인 것도 디지털 트윈에서는 중요하다. 반복적으로 이야기하지만, 현실 세계의 사물은 계속 변하기 때문에 2개가 같은 것은 있을 수 없다. 즉, 대량 생산품이더라도 실제로 시장에서 사용되고 있는 제품은 각기 다르다. 공장을 보게 되면, 같은 회사의 같은 형식의 공작 기계라도 1대 1대의 상태는 다르다. 이와 같은 개별의 차이를 표현할 수 있는 것이 디지털 트윈에는 요구된다.

현실에서는 위 조건을 완전하게 충족하는 일은 어렵다. 예를 들면, 최신 정보라고 해도 데이터를 취득하는 간격, 데이터를 수집하여 디지털 트윈에 반영시키기까지의 시간적 지체(Time Lag)를 제로로 하기는 어렵다. 단, 다양한 기술의 혁신을 통해 이상적인 디지털 트윈에 점점 가까워지고 있다고 말할 수 있을 것이다.

-- NASA가 최초로 고안한 디지털 트윈 --
디지털 트윈이라는 말은 2011년 무렵에 미 항공우주국(NASA)의 논문에 등장하기 시작하였다. NASA에 의한 디지털 트윈의 목적은, 우주탐사기나 미 공군의 항공기 미션 성공률을 높이기 위해 가동 기간을 최대화하는 것이다. 비행 중에 기록한 데이터를 바탕으로 기체의 열화 상태를 파악하여, 앞으로 어느 정도 가동시킬 수 있는지, 수명을 연장하기 위해서는 어떻게 보수하는 것이 합리적인가와 같은 시뮬레이션에 사용한다.

1960년대부터 미 공군은 기체 개개의 상태를 관리하는 기체 구조 보전 관리 프로그램(Aircraft Structural Integrity Program(ASIP))을 도입하고 있었다. ASIP에서는 “진짜와 완전히 같은” 데이터를 사용하는 것은 아니지만, 컴퓨터를 사용하여 기체의 부위별로 열화 상태를 기록하고 수명을 관리한다. 그때까지는 비행시간이 규정된 시간에 달하면 수명이 다했다고 일률적으로 판단하였다. 그러나 ASIP의 경우는 기체에 따라 다른 판단을 내린다. 즉, 동일 기종인 n호기와 m호기가 같은 시간 비행했어도, 비행 내용이 다르면 남은 수명도 다르다는 것이다. 이 ASIP의 정밀도를 높이는 것이, 디지털 트윈을 고안한 동기 중 하나다.

NASA의 논문은, 디지털 트윈에 의해 설계의 사고방식을 바꿀 수 있다고도 지적하고 있다. 안전율이나 수명 기준에 부여하는 여유를 더 낮춰야 한다고 한다. 안전율을 지켜도 상정 외의 사태에 대한 대비로서는 한계가 있고, 정말 기체의 안전성을 확보할 수 있다고는 할 수 없다. 그럼에도 불구하고, 그 안전율을 지키기 위해 구조재가 무거워져서 미션에 필요한 기능이나 페이로드가 희생을 하게 된다는 문제의식이다. 기체의 안전성은 설계 단계의 여유성(Redundancy)으로 확보하는 것이 아니라, 운용 중의 적절한 관리로 달성할 수 있다고 생각한다. 디지털 트윈은 이러한 사고 방식의 전환과 함께 만들어진 것이기도 하다.

당시, IoT나 AI는 현재와 같은 형태로는 화제가 되지 않았다. 때문에 디지털 트윈 실현을 위해 NASA가 주로 기대했던 것은, 시뮬레이션 기술의 충실성을 상당히 높은 레벨로 발전시키는 것이었다. 그 후, IoT를 조합함으로써 디지털 트윈은 다양한 분야에 적용 가능한 기술이 되었다고 생각된다.

-- GE사가 실용화로 기선을 잡다 --
-- 사외에 있는 제품과 사내의 생산설비가 대상 --
-- 3개의 국면에서 각각 혁신 --

Part 2. 수집편
센싱은 첫 한걸음, 정보를 얻기 위해 노력한다

디지털 트윈을 실현하기 위해서는, 단적으로 말해서 현실 세계의 정보 입수가 필요하다. 센서의 장착만으로는 아무 일도 일어나지 않지만, 센서 없이는 디지털 트윈을 활용할 수 없다.

목적하는 효과를 얻기 위한 디지털 트윈을 상정하면, 얻어야 하는 정보가 정해진다. 역으로 말하면, 얻어진 정보에 따라 디지털 트윈으로 분석∙예측할 수 있는 결과가 좌우된다. 그 점에서 디지털 트윈의 사용자는 현실 세계의 정보를 얻는 기술의 진화를 잘 알아 둘 필요가 있다. 한편, 요소 기술을 개발하는 업체에게는 디지털 트윈이 사업 기회가 된다.

-- 정보를 얻는 수단은 제각각 --
디지털 트윈에서 필요로 하는 정보를 현실 세계로부터 얻기 위해서는 제품이나 생산 설비에 센서 등을 내장해야 한다. 처음부터 필요한 센서가 많이 내장되어 있으면 좋지만, 정보가 부족하면 어떤 형태로든 수단을 취할 필요가 있다.

정보가 부족한 경우는 다양하다. 정보의 종류나 절대치로서의 정밀도를 비롯하여, 한 곳이면 되는지 표면 전체나 부품 내부도 필요한지와 같은 공간적인 입도(粒度), 정보를 계속적으로 얻는 샘플링 간격과 같은 시간적인 입도 등에 관해서도 목적하는 정보를 얻을 수 있는지 어떤지를 고려하면서 센싱 방법을 정해야 한다.

예를 들면, 온도 센서는 장착되어 있지만 진동 정보를 얻기 위해 가속도 센서를 장착하는 것처럼, 새로운 물리량을 취득하는 경우는 센서의 추가가 필요하다. 또한 마모 상태를 조사하기 위해 마모 부분 전체의 정보가 필요하다면 같은 센서를 여러 군데 장착해야 한다.

최근에 IoT화를 위해 센서를 미리 내장한 제품은 증가하고 있지만, 부족한 경우에는 부품과 부품 사이에 센서를 추가하게 된다. 센서의 크기 때문에 물리적으로 장착할 수 없는 경우도 적지 않다. 필요한 위치에 필요한 수의 센서를 장착하기 위해서는 센서의 소형화, 슬림화는 물론, 가동부에 장착할 때에는 경량화와 전원, 통신의 확보 등도 요구된다.

디지털 트윈을 사용하여 분석∙예측하기 위해서는, 제품이나 설비 그 자체의 정보뿐 아니라 그것들이 어떠한 환경에서 사용되고 있는가와 같은 정보도 필요한 경우가 있다. 주변 환경의 온도나 습도는 제품이나 설비에 센서를 장착하여 계측하는 것도 가능하다. 최근의 자동차가 안전 장비로서 카메라나 레이저 레이더 등을 탑재하는 것도, 물체의 모양이나 사람의 움직임을 감지하기 때문이다.

-- 모든 부품이 센서화 --
-- 주위 상황을 예측한다 --
-- 수집한 데이터의 통합관리 --

Part 3. 분석∙예측편
디지털 세계이기 때문에 모든 사태의 상정이 가능하다

플랜트 장치의 펌프로부터 이상을 알리는 신호가 올라온다. 흡입압력, 토출압력, 유량이 크게 저하되고, 게다가 가속도계가 진동 발생을 감지한다. 이 상태에서는 펌프의 베어링이 며칠밖에 버티지 못한다는 것은 알 수 있지만, 왜 진동이 발생하는지는 알 수 없다. 그래서 얻은 정보를 디지털 트윈에 적용시켜 유체 해석을 실시한다. 펌프 안에서 캐비테이션이 발생하여, 작은 거품이 파열하면서 진동이 발생했다는 사실이 밝혀졌다.  펌프제조업체인 미국 Flowserve사의, 펌프의 디지털 트윈을 설명하기 위한 시나리오의 일부다.

-- 파악해야 할 현상은 복잡 --
IoT를 이용하여 가동 중인 기기로부터 데이터를 수집해도 알 수 없는 것, 작업자가 실제로 봐도 좀처럼 알 수 없는 것을, 충실성(Fidelity)이 강화된 최신 시뮬레이션 기술이나 빅데이터 분석을 통해 알 수 있다. 원래 NASA가 디지털 트윈을 고안했을 때도, 시뮬레이션 기술의 충실성 향상을 기대하고 있었다.「현실에서 발생하는 현상은 비선형」(NASA의 논문)이라고 보고, 일반적으로는 보다 복잡한 현상을 커버할 수 있는 비선형 해석이 필요해진다고 지적하였다.

또한, 2개 이상의 물리현상의 영역에 걸쳐 있는 연성해석도 필요해진다. 예를 들면, 공기나 액체에 의해 부품에 힘이 가해지고, 그것으로 인해 부품이 변형되고, 또한 공기 등의 흐름이 변하는 등의 시뮬레이션이다. 구조해석과 유체해석의 연성해석이 필요해진다. 더 폭넓게 시스템 전체에 생기는 물리현상을 취급하는 경우는 1D 시뮬레이션 이용도 생각할 수 있다.

이들 계산에는 컴퓨터의 계산력이 많이 필요하다. NASA가 디지털 트윈을 제창하기 시작한 2011년 무렵과 비교해도, 컴퓨터의 고성능화와 클라우드 컴퓨팅의 보급으로 강력한 계산력을 이용할 수 있게 되었다. 또한, 디지털 트윈의 운용에 있어서는 시뮬레이션에서의 부품 취급도 포인트가 된다. 설계 개발 단계부터 제조, 서비스에 이르기까지 시뮬레이션이 담당해야 할 역할은 크다.

-- 실시간으로 현상을 계측 --
-- 부품 취급이 필수 --
-- 제조 공정의 영향을 반영 --
-- 데이터 분석은 노하우가 중요 --
-- IE의 입도(粒度)로 생산 라인 분석 --

Part 4. 융합편
2개의 세계를 구별 없이 표시, 실시간 연대도 실현

태블릿 단말로 장치를 촬영하면, 그 영상에 계기나 숫자가 표시된다. 이는 현재의 장치 상황을 표시하는 것이다. 장치를 열지 않아도, 장치에 계기나 디스플레이가 장착되어 있지 않아도 실시간으로 상황을 정확하게 파악할 수 있다. 증강현실(AR) 기술을 사용하여 장치 내부의 모습을 보여주고, 보수 작업 담당자 등을 지원하는 시스템 개발이 다양한 기업에서 진행되고 있다.

-- 작업 지원 시스템 개발이 한창 --
디지털 트윈으로 얻은 지식을 현실 세계에서 활용하기 위해서 현실을 비춘 영상과 일체화하여 표시한다. 디지털과 현실의 융합을 도모하는 상징적인 기술이라고 할 수 있다. 2017년 8월 말에는 프랑스 Schneider Electric 산하의 디지털(본사 오사카)이 AR 기술을 응용한 작업 지원 시스템「EcoStruxure Augmented Operator Advisor」를 발매한다. 미국 PTC는 3D모델에 의한 AR을 이용한「ThingWorx Studio」를 IoT 활용의 중요한 툴로 인정한다. 일본에서는 도시바, 히타치솔루션즈, 미쓰비시전기, 요코가와솔루션서비스, 리코 등이 AR을 응용한 작업 지원 시스템을 개발하고 있다.

이들 시스템은, IoT로 수집한 장치 정보를 클라우드 상에서 디지털 트윈에 반영시키는 방식이 많다. 현장 작업자가 태블릿 단말의 카메라로 작업 대상 장치를 촬영하면, 거기에 클라우드에서 불러온 데이터를 표시한다. 장치 모습을 보는 것만으로는 알 수 없는 소비전력량, 배터리 잔량, 액체의 유량, 그 외에도 다양한 상황을 정량적으로 파악할 수 있다.

화면에 계기나 숫자로 표시하는 정보는 화면 한쪽에 나와 있으면 되는 경우도 있다. 그러나 태블릿 단말로 촬영 중인 기기 내의 부품 위치에 맞춰서 표시하는 편이 좋은 경우도 있다. 또한, 부품의 교환 순서 등의 3D애니메이션이나 데이터만으로는 알 수 없는 현상을 알기 위해 실행한 3D시뮬레이션 결과를 표시할 때는, 알기 쉽도록 하기 위해 촬영 중인 화상과 위치를 맞출 필요가 있다.

-- 현실과 버추얼의 위치를 맞춘다 --
-- 원격지 간 3D모델 공유 --
-- 작업 내용을 즉시 반영 --
-- 실적을 디지털 데이터화하여 비교 --
-- 디지털과 현실이 실시간으로 연동 --

-- 끝 --