디지털 트윈 플랫폼 솔루션 PINOKIO의 특징 및 활용
생산 계획·운영 단계에서 스마트 제조 혁신 지원
이번 호에서는 제조 생산·운영의 최적화를 달성하기 위해 통합된 환경에서 디지털 트윈을 쉽게 구축할 수 있는 PINOKIO(피노키오) 솔루션에 대해 살펴보고자 한다.
■ 조강훈
카를로의 책임연구원으로, 9년째 시뮬레이션 및 디지털 트윈 분야의 엔지니어로 일하고 있다.
이메일 | yeonjae70@carlo.co.kr
홈페이지 주소 | www.carlo.co.kr
디지털 트윈(digital twin)의 사전적 의미는 스마트 산업 전반에 걸쳐 통상적으로 사용되고 있지만, 제조 산업에 적용한 사례는 조금 다른 접근 방법이 필요하다. 제조 산업에서 디지털 트윈의 역할은 크게 두 가지로 분류해 볼 수 있다. 첫 번째는 현장과의 실시간 데이터 연동을 통한 모니터링의 역할, 두 번째는 미래 예측 및 조기 대처를 통해 제조 생산·운영을 최적화하는 역할이다. 두 번째 역할은 다시 목적에 따라 ①주기적인 시뮬레이션을 이용하여 미래 예측 및 조기 대처를 통한 제조 생산·운영의 최적화 ②이상 상황에 대한 빅데이터를 수집하여 다양한 AI 로직을 적용한 생산·운영의 최적화로 분류할 수 있다.
생산·운영의 최적화를 달성하기 위해 많은 기업들은 하나의 통합된 환경이 아닌 각각 다른 솔루션을 활용하는 경우가 대부분이며, 실제 현장과의 정합성이 다른 결과를 초래하기 때문에 진정한 의미의 최적화를 달성하기 어려운 실정이다. 카를로(CARLO)는 제조 생산·운영의 최적화를 달성하기 위해 통합된 환경에서 디지털 트윈을 쉽게 구축할 수 있는 PINOKIO 솔루션을 소개하고 있다.
대용량 데이터 처리 및 실시간 모니터링 시스템 : PINOKIO
실시간 모니터링의 목적은 현장 상황을 보다 신속·정확하게 파악하고 선제적으로 대응하기 위한 것이다. 디지털 트윈 전문 기업들은 실시간 모니터링이 가능한 솔루션들을 시장에 선보였다. 대부분은 로봇의 기하학적인 분석, 엔진의 역학 분석 등 단일 부품 및 설비에 초점이 맞춰져 있지만, 대규모의 제조 생산 라인에 적용된 사례는 드문 것이 사실이다. 몇 가지 사례는 실제로 제조 현장에 있는 듯한 현실감 있는 3D 애니메이션을 제공한다. 하지만 생산·운영의 최적화를 위해서는 현장에서 발생하는 대용량의 데이터를 수집하여 실시간 연동 모니터링이 구현되어야 한다.
PINOKIO는 MES와 센서에서 발생하는 대용량 데이터를 실시간으로 처리하여 현장의 모습을 가시화한다. 또한, 처리된 데이터는 제조 현황과 운영 단계에서의 예측 시뮬레이션에 사용되며 그 결과가 대시보드 형태로 제공된다.
시뮬레이션 성능 가속
시뮬레이션에서는 이벤트의 개수가 속도의 큰 영향을 미치는 요소이다. PINOKIO는 이벤트의 개수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 기존의 상용 솔루션보다 성능을 개선하였다. 기존 상용 솔루션과 다른 독자 개발 알고리즘과 가속 엔진으로 물류 경로 최적화를 구현하여, 기존 솔루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증했다. 시뮬레이션의 해상도 또한 가속 성능에 영향을 주는 중요한 요소이다. 고해상도 시뮬레이션은 속도, 가감속, 크기, 거리 등의 제약 조건들을 전부 실제와 유사하게 움직이도록 모사한 것으로, 저해상도일 수록 연산 속도 등의 이점으로 시뮬레이션의 가속 성능은 우수해지나 실제 공장과의 정합성은 낮아진다.
그림 1. PINOKIO의 엔진
PINOKIO의 작업 프로세스
PINOKIO는 모니터링 엔진을 통해 현장의 MES와 센서 데이터를 집계하고 현장과 동일한 물류의 흐름을 실시간 모니터링할 수 있다. MES와 연동하여 수집한 데이터로 디지털 트윈 모델을 생성하여 물류 흐름을 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 실시간 라인의 상황을 반영한 시뮬레이션은 제품의 공정 택트 타임(tact time)보다 짧은 시간 안에 결과를 확인할 수 있다. PINOKIO는 제조 현장과 동일한 상황을 디지털 트윈화하고 계획 시점이 아닌 운영 시점에 시뮬레이션을 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.
그림 2. 센서 데이터를 활용한 디지털 트윈 구축 예시
작성일 : 2022-09-01