1. 시뮬레이션 기술의 중요성과 한계

디지털 트윈의 시작은 현실 세계 데이터를 가상 세계에 신뢰성 있게 수집하는 것으로부터 시작한다. 가상 세계에서는 수집된 데이터를 기반으로 다양한 시뮬레이션 및 예측을 수행할 수 있고, 이를 통해 현실 세계에 큰 영향을 끼칠 수 있는 주요 이슈들에 대한 의사결정이 가능해진다. 시뮬레이션을 통해 할 수 있는 의사결정에는 제조 산업에서의 고전적인 문제인 플래닝, 스케쥴링 최적화 문제에서부터, 설비 이상감지, 예지보전, 물류 최적화, 설비 최적 세팅 등 사실상 제조 현장에서 발생하는 거의 대부분의 문제들이 다 포함되지만 여기서 간과되고 있는 사실은 현장에서 시뮬레이션을 위한 신뢰성 있는 데이터를 확보하는 것이 매우 어렵다는 점이다. 

또한, 전통적으로 도메인 지식을 기반으로 개발되는 시뮬레이션 모델은 제품, 공정, 설비 등의 설계 및 시운전을 지원하는 엔지니어링 도구를 통해 로직과 수식을 기반으로 개발되며, 이러한 형태로 개발되는 시뮬레이션 모델들은 정확도를 향상하는 데 한계가 존재하고 실제 현장과 결과 차이가 크거나 현장의 변화가 발생하여 모델 수정이 필요할 경우 제3자가 수정하는 것은 거의 불가능에 가깝다. 

(그림1)시뮬레이션 모델 수정의 어려움

인공지능 기술이 시뮬레이션 기술과 접목되면서 초기 대부분의 연구는 시뮬레이션 정확도에서는 손해를 보더라도 시뮬레이션 시간을 단축하기 위한 연구들에 초점이 맞춰져 있었으나 최근 인공지능 기술의 발전과 함께, 시뮬레이션 시간 단축뿐만이 아닌 시뮬레이션 정확도도 함께 향상할 수 있는 다양한 노력들이 이루어지고 있으며, 그중 하나로 ETRI에서 수행했던 고정밀 시뮬레이션을 위한 인공지능 기술 적용 사례를 다음 장에 기술한다. 

2. 고정밀 시뮬레이션을 위한 디지털 트윈 적용 예시

단조 공정이라는 것은 금속재료를 가압하여 일정한 모양으로 만드는 공정을 의미하며 단조 공정을 통해 만들 수 있는 대표적인 제품 중 하나는 자동차, 전자제품, 공작기기 등에 사용되는 용접 너트가 있다. 용접 너트의 규격은 표준화 되어 있기는 하지만 밖깥 지름, 안 지름의 크기가 다양하고, 6각 너트의 생산을 위해서는 일차적으로 단조 공정을 통해 육각형 모형을 만든 후 탭핑 공정을 통해 안에 구멍을 뚫어야 한다. 이처럼 다양한 모양의 너트 결과물을 만들어내기 위해 대부분의 단조 공장들은 생산할 수 있는 최대/최소 바깥지름 수치가 다른 단조 설비를 여러 대 보유하고 있는데, 문제는 생산 중에도 긴급 주문을 비롯한 다양한 모양의 너트를 요구하는 주문이 추가로 계속 발생하기 때문에 기존 제품 종류 및 주문량에 맞춰 세팅 및 스케쥴링 된 설비들이 효율적으로 운용되고 있지 못한다는 점이다.

ETRI에서는 추가 주문된 제품의 종류 및 수량, 설비 세팅 변경 시 소요 시간, 현재 생산 현황 등을 전체적으로 고려하여 가장 효율적인 설비 세팅을 찾아내고, 제품별 생산량, 전체 생산시간, 설비 가동률 등을 예측할 수 있는 시뮬레이션 모델을 개발하였고, 이 과정에 인공지능 기술을 활용하여 필요 근무 시간 예측 오차율을(MAE) 20% 개선하고 수치적으로는 0.3 정도로 준수한 성능을 달성하였다.

인공지능 기술 적용 방법은 아래 그림과 같이 수식 또는 로직으로 존재하는 시뮬레이션 모델이 존재한다는 것은 수많은 데이터셋, 즉 빅데이터를 만들어낼 수 있다는 이야기가 되고 이를 학습하면 기존 시뮬레이션 모델과 유사한 패턴을 갖는 학습 모델을 만들어 낼 수 있게 된다. 여기에 최신 AI 기법의 하나인 전이 학습 기술 등을 활용하여 기존 학습모델에 현장 데이터를 추가 학습하게 되면 현장과 유사하게 돌아갈 수 있는 시뮬레이션 모델을 확보할 수 있게 되고 이는 시간이 지날수록 점점 더 정교해질 수 있다는 장점을 갖게 된다.

(그림2)기존 시뮬레이션 기술과 인공지능 기술 연계 방안

3. 맺음말

스마트팩토리를 위한 디지털 트윈이라는 연구 분야에 많은 투자와 기술개발이 이루어지고 있으나 아직까지 현장에서는 디지털 트윈 구축에 따른 기대 이득의 모호함, 분석 및 활용 인력 부재 등의 이유로 가시적인 성과 창출은 지연되고 있는 것이 사실이다.

하지만 이는 디지털 트윈이 단순히 현장 데이터를 모니터링 하는 수준으로 활용되고 있기 때문이며, 디지털 트윈을 통한 실질적인 효과는 정밀한 시뮬레이션 기술과 이를 활용한 주요 의사결정이 가능해질 때 그 효력을 나타낼 수 있다. 고정밀 시뮬레이션 기술이 뒷받침되는 디지털 트윈 기술은 가상 생산라인 설계, 구축·재구성, 시운전을 포함한 엔지니어링 비용과 시간을 획기적으로 절감할 수 있을 뿐만 아니라 공장 운영과정에서의 다양한 지능화된 의사결정을 통해 품질 개선 및 생산성 향상에도 기여할 수 있다.