디지털 트윈과 산업용 메타버스 트렌드   영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다 이 글에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   장영재 교수 / 카이스트  “헬기를 몰 줄 알아요?” 남자 요원이 동행한 여자 요원에게 물었다. “아니요. 아직은요. 잠시만 기다리세요.” 그리고 즉시 여자 요원은 무전로 본부에 연락해, 헬기 시뮬레이션 교육프로그램을 업로드 해달라 본부에 요청했다. 본부에서는 즉시 시뮬레이션 교육프로그램을 가속으로 돌려 헬기 조정 능력을 여자 요원의 머리에 업로드하였다. 여자요원은 불과 몇 초 사이에 수백시간 걸릴 헬기훈련을 마친 베터랑 헬기 조정사 능력을 가지게 되었다. 그리고 여자 요원은 외쳤다. “빨리 헬기를 몰고 도망칩시다!” 그리고 여자 요원은 능숙한 솜씨로 헬기를 몰고 남자요원과 함께 탈출한다. 1999년 개봉된 영화 매트릭스의 한 장면이다. 가상의 세상과 실제 세상을 오가며 과연 무엇이 진실이며 실제 (real)이란 무엇일까란 질문을 던지는 매우 철학적인 영화다 .  영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다. 본 특집에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   1. 시뮬레이션과 디지털 트윈의 차이 우리나라 과학기술정보 통신부에서는 디지털 트윈을 다음과 같이 정의하고 있다.  “가상세계에서 실제 사물의 물리적 특징을 동일하게 반영한 쌍둥이 (Twin)을 3D 모델로 구현하고 제 사물과 실시간으로 동기화 및 시뮬레이션을 통해 관제, 분석, 예측 등 현실의 의사결정에 활용하는 기술” 그러나 이러한 정의만으로는 구체적으로 디지털 트윈을 파악하기에 모호하다. 시뮬레이션과 디지털 트윈의 차이가 무엇인지, 실시간 동기화가 왜 필요한지, 관제, 분석, 예측은 이미 다양한 방식으로도 가능한데 디지털 트윈이 제공하는 또 다른 가치가 있는지 설명이 부족하다. 최근 디지털 트윈 관련 이슈가 많다 보니 기업들도 앞 다투어 디지털 트윈을 기술을 확보했다는 등의 보도자료를 통해 기술 홍보를 하기도 한다. 이런 대부분은 공장의 가공 로봇이 움직임을 실시간 3D 애니메이션으로 구현해서 실제 로봇의 움직임을 컴퓨터에 시연하는 정도다. 그러나 이러한 시연을 보면 대부분 사람들의 반응은 “이것으로 무엇을 하지요?” “굳이 거액을 들여 실물의 움직임을 컴퓨터 그래픽으로 그대로 보여줄 필요 있나요? 그저 CCTV 하나 설치하면 컴퓨터에서 영상으로 볼 수 있는 것을 굳이 컴퓨터 그래픽 3D영상으로 구현할 필요가 있나요?” 등의 반응이다. 그렇다면 우선 시뮬레이션과 디지털 트윈의 차이가 무엇일까? 2. 디지털 트윈이 과연 무엇인가?   시뮬레이션은 가상의 시나리오를 기반으로 그 결과를 재현해 보는 것을 의미한다. 내가 A란 결정을 했을 때 그 결과가 어떻게 나올지를 유추해 보는 것이 시뮬레이션이다. 우리가 일반적으로 잘 알고 있는 시뮬레이션이 컴퓨터 시뮬레이션이다. 즉 컴퓨터가 구현한 상황에서 특정 의사결정에 대해 그 결과를 컴퓨터를 통해 산출하는 것이다. 컴퓨터 시뮬레이션 활용의 대표적인 예가 워 게임 (War Game)이다. 군에서는 전략전술 교본이나 전술, 그리고 무기 체계 설계를 할 때 컴퓨터를 통한 시뮬레이션을 활용한다. 평가나 실험을 위해 실제 전투나 전쟁을 치를 수 없기에 컴퓨터를 통해 가상의 적군과 전투를 하며 훈련을 하거나 전술 평가에 활용한다. 실제 컴퓨터 시뮬레이션 활용에 대한 연구가 가장 활발히 이뤄지는 분야가 국방 시뮬레이션 분야인 이유다.  우리 일상 생활에서도 이러한 시뮬레이션이 실제 많이 활용된다. 대표적인 예가 바로 자동차 네비게이션이다. 10년전 네비게이션을 떠올리면 전형적인 시뮬레이션 장비라 할 수 있다. 목적지를 입력하면 내 위치에서 목적지까지 수많은 대안 경로 중 최적 경로를 제안해 준다 . 그러나 당시 네비게이션은 실시간 교통정보를 경로 탐색에 담지 않았다. 그러다 보니 출퇴근 교통혼잡이나 사고로 인한 교통 체증과 같은 상황에서도 일반 상황과 동일한 이동경로 시간 산출과 경로를 제시하는 한계가 있었다. 최근 자동차 네비게이션이나 스마트폰 차량 맵은 실시간 교통정보를 포함해 다양한 대안 경로를 제시한다. 즉 실시간 GPS 정보를 통해 내 차량의 위치는 클라우드의 컴퓨터로 전송이 되고 또한 다양한 교통정보를 기반으로 실시간으로 대안경로를 찾고 도착시간을 지속해서 업데이트 한다. 그리고 내차의 이동 경로와 교통 상황은 사용자가 직관적으로 파악할 수 있도록 컴퓨터 그래픽으로 전달된다. 즉 실시간 교통정보를 기반으로 지속적인 업데이트된 경로를 제공하는 스마트폰 네비 앱이 디지털 트윈의 가장 대표적인 사례다. 학문에서는 디지털 트윈의 조건을 아래로 정의한다. 1. 실물과 가상의 시스템이 거의 실시간 (near real-time)으로 연동되어야 한다. 2. 다양한 상황의 시나리오를 검토하고 대안을 제시할 수 있어야 한다. 3. 사용자의 의사결정을 지원하며 사용자가 쉽게 의사결정 상황을 직관적으로 파악할 수 있는 인터페이스를 제공해야 한다.   스마트폰 네비는 위 조건을 모두 만족한다. 실시간으로 차량의 위치가 GPS로 전송되고 교통정보도 활용한다는 점에서 1번 조건을 만족하며, 다양한 대안경로를 검토함으로 2번 조건을 만족하며, 사용자의 최적경로를 제안하며 이러한 경로를 그래픽으로 전달하는 방식으로 3번 조건을 만족한다. 즉 스마트폰 네비가 우리 생활의 디지털 트윈이라 할 수 있다. 이런 의미를 보면 굳이 디지털 트윈이 현실과 매우 흡사한 고퀄리티 네비를 제공해 줄 의무는 없고 3D그래픽을 제공하는 것도 조건은 아니다. 사람의 의사결정을 직관적으로 지원해 줄 수 있는 정도면 기능이 충분하다 할 수 있다. 3. 로봇 기반 제조 운영에서의 디지털 트윈   이러한 디지털 트윈 활용의 가장 대표적인 예가 제조 물류 자동화 시스템 설계 및 운영이다. 최근 제조 시스템의 가장 큰 변화 중의 하나는 컨베이어 벨트가 없는 자동화(Beltless Automation)로 표현되는 군집 로봇 기반 물류 자동화다. 1916년 포드 T모델이 컨베이어 방식으로 생산되며 제조 자동화 혁명을 가져왔다. 이후 컨베이어 벨트 기반 물류 자동화는 공장 자동화의 표준 생산이 되었다. 그러나 이러한 컨베이어 방식은 단일 품종 대량 생산에는 적합하지만 다품종 소량 생산과 같은 현대 소비 시장의 욕구를 충족하는 데는 한계가 있다. 차량 모델이 바뀔 때 마다 공장을 세우고 컨베이어 벨트와 설비 위치를 재 조정해야 하는 등 상당한 재투자가 필요하다. 카이스트 산업 및 시스템 공학과 졸업생들이 2020년에 창업하여 카이스트 및 네이버가 투자한 다임리서치는 디지털 트윈 기술을 기반으로 AGV나 ARM의 이동을 관제하고 제어하는 솔루션을 개발하여 LG전자뿐만 아닌 국내 반도체 및 2차전지 기업에 공급하고 있다.      상세 내용은 PDF로 제공됩니다.    

오토폼엔지니어링이 올리비에 르퇴르트르(Olivier Leteurtre) CEO의 방한과 함께 한국 시장을 위한 기술 협력과 인재 양성 전략을 발표했다. 이번 전략은 국내 고객과의 디지털 협업을 확대하고, 지역 기반 산학협력을 통해 디지털 금형 생태계를 구축하는 데 중점을 두고 있다. 르퇴르트르 CEO는 “제조업의 미래는 디지털 협업 생태계 위에서 결정된다. 오토폼은 금형 산업의 복잡한 공정과 데이터를 정밀하게 연결해, 더 이상 ‘경험’이 아닌 ‘데이터’로 예측하고 판단하는 환경을 만들어가고 있다”면서, “특히 한국은 자동차 산업의 글로벌 중심지이자, 디지털 제조 혁신이 가장 빠르게 진화하는 시장으로, 이 전환의 최전선에 서 있다. 오토폼은 이곳에서 디지털 트윈과 시뮬레이션을 통해 제조 방식의 새로운 기준을 제시하고, 산업의 미래를 주도해 나가겠다”고 밝혔다.     오토폼은 국내 주요 자동차 및 전자 산업의 OEM 기업과 협력하며 금형 설계, 시뮬레이션, 공정 최적화 등 다양한 디지털 전환 프로젝트를 전개하고 있다고 소개했다. 특히 ‘디지털 프로세스 트윈’을 구현함으로써 설계 초기부터 품질을 예측하고 리스크 줄이는 시스템을 현실화해 불량률을 줄이며, 실제 제조 현장에서의 리드타임 단축과 생산성 향상에 기여하고 있다. 이 같은 기술은 ESG 경영 요구에 대응하는 스마트 제조 구현에도 핵심 역할을 하고 있다는 것이 오토폼의 설명이다. 또한 오토폼은 국내 제조업 밸류체인 전반의 디지털 역량 강화를 위해, 중소 협력업체 지원에도 적극 나서고 있다고 밝혔다. 경일대학교 내에 설립 예정인 ‘디지털 트라이아웃 랩(Digital Tryout Lab)’은 고가의 소프트웨어나 전문 인력 없이도 시뮬레이션 기반 공정 해석을 적용할 수 있도록 돕는 기술 거점으로, 기존에 디지털 전환에서 소외됐던 2차·3차 벤더의 실질적 변화와 기술 내재화를 지원한다. 이 센터는 아진산업 등과 연계해 실무 중심의 시범 프로젝트를 수행하고 있으며, 향후 다양한 협력사들이 활용할 수 있는 공동 인프라로 확대될 예정이다. 오토폼은 기술 지원과 더불어 인재 양성 측면에서도 산학 협력을 강화하고 있다. 오토폼은 경북기계공업고등학교와 디지털 금형 분야 인재 양성을 위한 업무협약(MOU)을 체결하고, 지역 기반의 실무형 교육 생태계 조성에 나선다고 전했다. 이번 협약은 교내 실습과 인턴십, 산업 현장과의 채용 연계를 포함한 통합형 프로그램으로 구성되며, 디지털 제조 환경에 특화된 현장 맞춤형 기술 인재를 체계적으로 육성하는 데 초점을 맞추고 있다. 이외에도 오토폼은 국립창원대학교에 600억 원 규모의 소프트웨어를 3년간 기증해 ‘글로컬 산업기술거점센터’를 설립하고, 지역 기업과 연계한 실무 교육 및 취업 연계 프로그램을 운영하고 있으며, 성균관대학교와는 복합재료 기반의 공동 연구와 실무형 교육을 통해 차세대 제조 인재를 양성하고 있다. 오토폼엔지니어링코리아의 조영빈 대표는 “디지털 전환은 더 이상 대기업만의 과제가 아니며, 금형 산업의 디지털화는 선택이 아닌 생존의 문제다. 오토폼은 중소 협력사를 포함한 밸류체인 전반을 디지털 협업 구조로 연결해, 제조 생태계 전체의 경쟁력을 함께 끌어올리고자 한다”면서, “기술은 나눌 때 그 가치가 배가되고, 사람은 연결될 때 성장한다고 믿는다. 특히 기술과 인재를 지역 현장에서 직접 연결하는 산학협력 모델을 통해, 지속 가능한 산업 성장의 토대를 함께 만들어가겠다”라고 전했다.

<디지털 트윈 전문가 기본 교육>은 매년 실시되고 있으며, 올해는 3회를 맞아 더 업그레이드 된 내용으로 진행될 예정입니다. 한국산업지능화협회 PLM 기술위원회는 제조 엔지니어링 분야의 발전을 위하여 관련 교육을 진행하고 있습니다. 디지털 트윈에 대한 개념 정리부터 방향, 실제 구축을 위해 고민하는 분들에게 많은 도움이 되기를 바랍니다.  #디지털트윈 #교육 #한국산업지능화협회 #PLM기술위원회 #digital twin   디지털 트윈 전문가 기본 교육 내용이 보이지 않으면 여기를 클릭하십시오.

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

주요 디지털 트윈 소프트웨어 디지털 트윈 모델 생성 및 배포 솔루션, Ansys Twin Builder 개발 : Ansys, www.ansys.com 자료 제공 : Ansys Korea, 02-6009-0500, www.ansys.com   Ansys Twin Builder는 디지털 트윈(Digital Twin) 기술을 활용하여 실제 물리 시스템을 가상 환경에서 시뮬레이션하고 최적화할 수 있는 솔루션이다. 멀티피직스 시뮬레이션 기술을 기반으로 물리 모델과 실시간 센서 데이터를 결합하여 예측 유지보수 및 성능 최적화를 지원한다. 제조, 자동차, 항공우주, 전자, 에너지, 의료 등 다양한 산업에서 활용된다.   1. 주요 특징 (1) Physics 기반의 디지털 트윈 구축 IoT 데이터 및 시뮬레이션 모델을 결합하여 정밀한 디지털 트윈 모델 생성 (2) 실시간 시뮬레이션 및 예측 유지보수 지원  센서 데이터를 활용하여 장비의 고장 가능성 예측 및 유지보수 최적화 (3) 멀티피직스 통합 분석  전자기, 유체, 구조, 열 해석을 통합하여 복잡한 시스템 성능 분석 가능 (4) AI 및 머신러닝 연계 가능  OptiSLang을 활용한 AI 기반 최적화 및 데이터 분석 지원 (5) IoT 및 클라우드 플랫폼과 연계  AWS, Microsoft Azure, PTC ThingWorx 등 다양한 IoT 플랫폼과의 호환성 제공 2. 주요 기능 (1) 디지털 트윈 생성 및 실행  시뮬레이션 모델을 물리 데이터와 연결하여 실시간 가상 시뮬레이션 수행 (2) Model-Based Systems Engineering(MBSE) 지원  시스템 레벨 설계를 위한 MBSE 기반 시뮬레이션 제공 (3) 고급 시뮬레이션 및 자동화  MATLAB, Simulink, FMI 모델과 통합 가능하여 복잡한 시스템 해석 (4) PLM 및 데이터 관리 통합  Siemens Teamcenter, PTC Windchill 등 주요 PLM 시스템과 연계하여 제품 수명주기 관리 지원 (5) Predictive Maintenance 기능 내장  실시간 데이터 분석을 통해 유지보수 전략 개선 3. 도입 효과 ■ 설비 가동률 향상: 디지털 트윈을 활용한 사전 예측 유지보수로 시스템 다운타임 감소 ■ 제품 개발 기간 단축: 프로토타입 제작 없이 가상 환경에서 제품 설계 검증 가능 ■ 운영 비용 절감: 최적화된 유지보수 전략을 통해 운영 및 유지보수 비용 절감 ■ 설계 품질 향상: 실제 운영 데이터를 기반으로 제품 설계 개선 및 성능 최적화 4. 주요 고객 사이트 ■ 제조업: 두산 그룹, POSCO  ■ 자동차: 현대자동차그룹, LS Automotive Technologies, HL Mando ■ 항공우주: Korea Aerospace Industries (KAI), Hanwha Aerospace ■ 반도체/전자: Samsung Electronics, SK Hynix, LG Electronics, Samsung Electro-Mechanics, Samsung Display, LG Display, LG Innotek, LX Semicon ■ 에너지: LG Energy Solution, SK On, Samsung SDI, Hyundai Electric & Energy Systems, Doosan Enerbility, Hanwha Solutions   상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

산업 디지털 전환을 가속화하는 버추얼 트윈 (2)   이번 호에서는 VMU(가상 목업)의 개념과 기술적 특성, 주요 산업 사례, 그리고 VMU의 혁신적 가치와 향후 확장 가능성에 대해 살펴본다.    ■ 최윤정 다쏘시스템의 기술 컨설턴트로 디자인&엔지니어링 팀에서 3DEXPERIENCE CATIA 제품을 담당하고 있다. 자동차 산업을 위한 고급 서피스 모델링 및 가상 검증 영역을 전문으로 하고 있으며, 제조업의 VMU 도입 효과성 관련 학술연구 또한 수행 중에 있다. 홈페이지 | www.3ds.com/ko   가상 시뮬레이션 기술이 점차 고도화됨에 따라, 제품 개발 전 과정에서 디지털 모델을 활용하여 제품 품질과 개발 효율성을 높이려는 시도가 활발하게 이루어지고 있다. VMU(Virtual Mock-Up, 가상 목업) 기술은 3D익스피리언스 카티아(3DEXPERIENCE CATIA)에 기반한 가상 검증 프로세스로, 설계 오류와 품질 상의 문제점을 조기에 식별·개선하고 개발 비용과 시간을 절감하는 혁신적 방식으로 주목받고 있다. 제품의 실물을 제작하지 않고도 고품질 렌더링을 통해 시각적·감성적 요소를 평가할 수 있기 때문에, 다양한 산업 분야에서 VMU의 필요성이 커지고 있다.   그림 1. 카티아 설계 데이터 화면   그림 2. 카티아에서 재질을 적용한 설계 데이터 화면   VMU의 개념과 기술적 특징 VMU는 고품질 렌더링 기술을 활용해 설계 데이터를 가상 환경에서 실물과 유사하게 재현하여, 설계 오류와 품질 상의 문제점을 조기에 식별·개선하는 기술이다. 이 프로세스는 실물 목업을 제작하지 않고도 제품 외관을 정확히 시뮬레이션함으로써 제품 개발 시간과 비용을 단축한다. 기존의 DMU(Digital Mock-up, 디지털 목업)는 주로 설계 과정에서 형상과 구조 검증에 초점을 둔다. 즉, 3D 설계 데이터 상에서 간섭 검사, 조립 순서·공정 시뮬레이션, 각 부품의 형상 적합성 등을 확인하는 용도로 사용된다. 한편, VMU는 DMU에서 한발 더 나아가, 광학 특성(반사·굴절), 질감, 점등 이미지 등 외관 품질을 실사 수준으로 구현하며, 인체공학 기반의 휴먼 모델(human model)을 연계해 실제 사용 환경에서의 조작성, 시야 확보성 등을 종합적으로 검토할 수 있다. XR(확장현실) 기술과의 융합을 통해 몰입형 품평 환경도 제공된다. 자동차 외장 램프처럼 미세한 빛의 반사·굴절을 예측 및 검증해야 하는 제품은 VMU를 활용할 경우 실물 목업 없이 외관 이미지를 높은 정확도로 검토함으로써 개발 리스크를 크게 줄일 수 있다. 기존에 카티아를 기반으로 제품 설계를 하고 있는 다양한 산업군에서 VMU는 이미 필수 프로세스로 자리매김하고 있다. 설계, 렌더링, 검증 및 품평을 하나의 일관된 프로세스로 결합함으로써 제품 개발 방식에 혁신적인 변화를 가져올 수 있다. 데이터 변환이나 별도 인터페이스가 필요 없이 동일 플랫폼에서 모든 단계가 이뤄지므로, 데이터 손실이나 형상 왜곡을 최소화하고 기존에 없던 빠르고 유연한 협업 환경을 구축할 수 있다. 이를 통해 제품의 완성도와 품질을 높이는 긍정적 효과가 입증되었다.    표 1. 실물 목업 및 기존 렌더링 툴과의 비교   3D익스피리언스 카티아 기반의 VMU 프로세스 적용 사례 자동차 외장 램프 품질 검증 사례 자동차 외장 램프는 외관과 점등 이미지가 모두 중요하여, 시각적 품질 검증이 설계 단계에서 핵심 과제로 부각된다. 기존에는 정확도를 높이기 위해 실물 금형과 목업을 제작했으나, 이 방식은 과도한 시간과 비용 투자를 요구했다. 대체 방법으로 3D 프린팅 등의 기술을 이용하기도 했지만, 정밀도가 부족하다는 한계가 있었다. 이 문제를 해결하기 위해 최근 카티아 기반 VMU 프로세스를 적용한 디지털 선행 검증이 주목을 받고 있다. 미세 광학 요소와 복잡한 반사·굴절 특성을 지닌 램프를 고정밀 시뮬레이션할 수 있어, 점등·비점등 시의 실제 이미지를 실물 목업 수준으로 재현한다. 특히 스캔을 통해 확보한 시편 데이터의 정확한 물성을 설계 데이터에 적용함으로써 곡률에 따른 왜곡이나 광원으로 인한 반사를 사실적으로 재현하고, 실차에 장착했을 때 예상되는 품질 이슈까지 가상 환경에서 검토할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 3월 27일 CNG TV는 ‘Digital Supply Chain 새로운 패러다임 : 산업 건설 프로젝트의 비효율을 넘어 스마트한 미래로’를 주제로 웨비나를 개최했다. 이번 웨비나는 디지털 공급망 관리의 새로운 패러다임을 제시하고, 산업 건설 프로젝트의 비효율성을 극복하여 스마트한 미래로 나아가는 방안을 모색하는 자리로 마련되었다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자    ▲ 캐드앤그래픽스 박경수 부장, 헥사곤 ALI 남궁진 영업이사   산업 건설 프로젝트와 공급망의 특징 산업 건설 프로젝트는 다른 산업과 달리 수요와 공급의 균형을 맞추기 어려우며, 데이터 사일로(silo) 현상과 구매·조달 중심의 공급망 관리로 인해 많은 어려움을 겪고 있다. 이러한 문제를 해결하기 위해 기업들은 엔드 투 엔드 공급망 관리, 데이터 연결, 자동화, AI 기반 예측, 디지털 트윈 등 다양한 전략과 기술을 도입해야 할 과제를 안고 있다. 따라서 성공적인 디지털 공급망 체계를 구축하려면 현업 중심의 애자일(agile) 방법론 적용, 비즈니스 가치 평가를 통한 우선순위 결정, 검증된 시스템과 최신 기술의 활용이 중요하며, 정량적인 효과 측정을 통해 투자 대비 가치를 입증할 수 있어야 한다. 헥사곤 ALI의 남궁진 영업이사는 산업 건설 프로젝트와 다른 산업 간 공급망의 차이에 대해 “다른 산업은 수요 예측과 공급 계획이 유기적으로 연결되어 있는 반면, 산업 프로젝트는 디자인, 구매, 물류, 시공 단계가 독립적으로 운영되며, 패스트트랙 스케줄링 기법이 사용된다”고 설명하며, 이로 인해 수요와 공급의 균형을 맞추기 어려운 상황이 발생한다고 덧붙였다. 산업 프로젝트에서 자재 관리는 전통적인 에너지·화학 플랜트와 인프라스트럭처 프로젝트로 나뉘며, 내부적으로는 수작업 기반의 프로세스와 사일로 조직 구조가 문제로 지적된다. 외부 요인으로는 서브컨트랙터와 영세 기업의 참여가 어려운 점이 있다. 남궁진 영업이사는 디지털 공급망 구축 전략과 관련하여 “엔드 투 엔드 공급망 관리가 중요하며, 디자인 단계부터 시공 단계까지 모든 과정을 포괄하는 계획이 필요하다”고 강조하며, “데이터 연결과 관리가 여전히 큰 도전 과제로 남아 있다”고 말했다.   디지털 전환을 위한 자동화 과제 자동화는 프로세스 및 현장에서 이루어질 수 있으며, IoT 센서를 통해 자재의 위치와 상태를 자동으로 추적하는 기술이 발전하고 있다. 또한 AI 기반의 예측 기법이 자재 관리와 공급망 최적화에 활용되고 있으며, 디지털 공급망 설루션의 효과는 자재 관리 효율성 증대와 비용 절감 측면에서 정량적으로 평가할 수 있다. 즉, ROI 평가를 통해 투자 대비 효과를 측정할 수 있다. 이번 웨비나에서는 디지털 전환의 글로벌 사례로 유럽의 한 EPC(설계·조달·시공) 기업이 엔드 투 엔드 공급망 관리를 통해 디지털 혁신을 이룬 사례가 소개되었다. 이 기업은 메가 프로젝트에서 자재 통합 관리 플랫폼을 구축하여 리스크를 줄이고 효율성을 향상시킨 것으로 알려졌다. 남궁진 영업이사는 디지털 공급망 관리의 미래에 대해 “공급망 관리는 디자인 단계부터 시공 단계까지 통합적으로 관리되어야 하며, 디지털 하이테크와 인적 역량을 결합하여 성공적인 공급망 관리가 이루어져야 한다”고 강조했다.     ■ 기사 내용은 PDF로도 제공됩니다.

고객맞춤 제조 IT시스템 솔루션 코디네이션 전문기업 지능형 공장 서비스·DX Accelerator, 디엑셀   디지털 기술의 발전으로 글로벌 제조업계는 더 높은 효율성, 맞춤 생산, 그리고 지속 가능성 확대를 위한 혁신기술 개발에 대한 니즈를 키우고 있다. 이러한 트렌드에 맞춘 디지털 기술과 로보틱스를 활용한 제조 시스템이 구현되고 있으며, 개인화·맞춤화를 위한 기능과 프로세스의 진화 속도도 빨라지고 있다. 본지에서는 지능형 공장 서비스와 고객이 필요한 솔루션을 활용하여 기업의 시스템을 코디네이션 하는 ‘디엑셀(DXel, www.dxel.co.kr)을 만났다.   ▲ 디엑셀 김남웅 대표       고객이 필요로 하는 솔루션을 찾아주는 기업 2022년 4월 설립된 디엑셀은 회사명에서도 알 수 있듯 산업계의 디지털 전환을 돕는 ’Digital Transformation Accelerator‘ 기업이다. “당사는 고객이 필요한 솔루션을 코디네이션 하는 제조 시스템 전문기업”이라고 소개하는 김남웅 대표는 “당사 가장 큰 경쟁력은 20여 년간 다양한 산업별 제조 현장을 경험한 전문적인 노하우를 가지고 기업 맞춤 제조 서비스를 제공하고 있는 임직원”이라고 소개하며, 검증된 솔루션을 통해 고객의 업무 효율성을 높이고, 제조산업 시스템의 혁신을 이루고 있다고 부연했다. 2~3년 전의 제조 IT시스템은 생산량, 업무감시, 원가절감 등 관리직 위주로 구축되었다. 그러나 생산성 향상과 품질력 제고에 직접적으로 성과를 내기 위해서는 좀 더 직관적이고, 직원 참여가 가능한 시스템을 구축해야 한다. 이러한 환경 변화에 맞춰 디엑셀은 직원의 감시보다 직원의 참여를 확대할 수 있는 시스템, 제조 현장에 맞춘 MES와 UWB 기반의 실시간 제품 위치 추적시스템을 사업의 모토로 창업하게 되었다. “과거 제조 IT시스템이 ‘관리적 관점’에서 구축되었다면, 이제는 사람을 중심으로 사회적 가치까지 창출할 수 있는 역할로 확대되고 있다”라고 말하는 디엑셀 김남웅 대표는 “우리는 전 직원이 참여할 수 있는 ‘지속 가능한 실천적 제조 IT시스템’을 구축하고 있다”라고 소개한다. 제조산업에 특화된 스마트 플랫폼 서비스 제공 디엑셀은 제조산업에 특화된 스마트 플랫폼을 통해 제조 현장 시스템 개발, UI/UX 프로비저닝 및 대시보드를 구현하기 위한 다양한 레어어를 제공하고 있다. 이 회사 솔루션의 핵심적인 기능인 기준정보 구축과 환경정보 및 시스템을 컨트롤하는 파운데이션 레이어, 제조현장시스템인 공정 정보와 Lot 정보, BOM 정보 등 프로세스 전반을 관할하는 시스템인 프로세스 레이어가 있다. 이와 더불어 사용자 데이터 수집 및 편의성을 제공하는 UI/UX 오퍼레이션 레이어와 수집된 데이터를 각종 디바이스를 통해 사용자에게 제공하는 디스플레이 레이어를 통해 최적의 제조시스템을 제공하고 있다.  디엑셀 김남웅 대표는 “이러한 기술력을 토대로 스마트한 공장 운용을 위한 ‘디지털팩토리 서비스’, 협력사/딜러사 등의 파트너사들과의 ‘디지털 협업공장 공급망 벨류체인 서비스’, 그리고 초광대역통신(Ultra-Wideband, UWB) 기술을 활용한 ‘실시간 고정밀 측위 관리 서비스’ 등 3가지 영역에서 솔루션 코디네이션 서비스를 제공하고 있다”라고 부연했다.   (1) 디지털 팩토리 서비스 이중 디지털 팩토리는 다양한 설비 및 공장 내 장치와의 인터페이스를 통한 실시간 데이터 수집 및 모니터링을 적용하여 디지털 생산 공정 정보를 제공하고 있다. 휴먼 에러를 원천 차단하고, 품질 결과를 학습하여 피드백함으로써 선제 예방 품질 역량을 강화하고 있다. 또한 핵심 생산 및 유관 정보를 표준화하고 디지털화하여, 모든 제조 현장의 데이터 연계로 통합적인 디지털 관리를 실현하고 있다. 특히 생산 현장 정보의 디지털화와 실시간 가시성 확보로 경영 목표 관점의 새로운 영감을 제시하고 있으며, 데이터 분석 기반의 생산 및 품질을 위한 최적화된 제조 운영과 QCD 즉 품질, 원가, 납기의 가치를 극대화하여 최고의 생산 능력을 창출할 기회를 제공하고 있다. (2) 디지털 협업공장 공급망 벨류체인 서비스 디엑셀의 또 다른 서비스는 협력사와 제조 현장, 판매딜러 간의 공급망 디지털 협업공장을 구축하여 클라우드를 기반으로 고객사와 협력사, 그리고 판매딜러의 실시간 재고 데이터를 SaaS(서비스형 소프트웨어) 형태의 애플리케이션으로 제공하는 서비스이다. 이를 통해 고객의 주문을 받은 판매딜러는 제조 공장의 재고 수량 및 위치 데이터를, 제조 공장은 협력사의 재고 수량 및 위치 데이터를 실시간으로 확인할 수 있다. 이는 결과적으로, 불필요한 발주와 재고를 현저히 줄여 원가절감 및 협력사와의 상생을 도모할 수 있다. 이를 기반으로 디엑셀의 시스템은 고객사의 생산계획과 입고 검사, 공정관리를 지원하여 생산실적을 더욱 극대화해하고 있으며, 협력사에는 생산관리, 출하관리, 품질관리의 혁신을 이루어 나가고 있다.  (3) 실시간 고정밀 측위 관리 서비스 차세대 무선 통신 기술인 UWB의 정확한 위치감지 기술은 디지털 공장을 구축하는 데 많은 도움이 된다. 디엑셀의 스마트팩토리 고정밀 측위 관리 솔루션은 국제적인 첨단 UWB 기술을 바탕으로 제조현장의 제품, 부품 및 차량 등의 움직임을 센티미터 수준의 고정밀 측위 서비스로 제공한다. 0차원 존재 감지, 1차원 선형 궤적 측위 및 2차원 지역 평면 측위를 통합한 다차원 측위 모드를 채택하여 사람, 차량, 사물의 실시간 위치를 정확하게 파악할 수 있다. 이러한 기술은 궤적 추적, 작업 시간 통계, 면적 수, 전자 울타리 및 기타 서비스 기능과 결합하여 제조 운영의 효율성을 높이고 공장의 자재 관리 개선, 원가절감 및 공정 흐름 최적화를 제공한다. 김남웅 대표는 “위치 관리시스템과 결합된 저희 솔루션은 스마트팩토리의 관리 수준을 한 단계 높였다고 자부할 수 있다”라고 덧붙였다.  AI 제조 분야 앵커기업으로 부상 최근 디엑셀은 AI 자율제조 선도프로젝트의 일환으로 농기계 다품종 유연생산을 위한 AI 자율제조 국책과제의 공동연구기관으로 선정되어 참여하고 있다. 디엑셀의 실시간 고정밀 측위 관리 기술이 성공적인 AI 자율제조 실현에 필수적인 핵심기술임을 인정받았기 때문이다. “당사는 전라북도 농기계 산업 및 동종업계의 AI 자율제조 선도 표준모델을 구축하는데 무거운 책임감과 사명감을 느끼고 있다”라고 말하는 이 회사 김남웅 대표는 “디엑셀이 보유한 기술을 더욱 강화하고 발전시켜 AI 자율제조 분야의 앵커기업으로 성장하고자 한다”라고 프로젝트 참여에 대한 포부를 밝혔다. 사람이 기업 성장의 답 “아무리 기술이 뛰어나도 그 기술을 용도와 상황, 목적과 요구에 맞게 구현해 낼 사람이 없다면 그 기술은 가지고 있는 능력을 발휘할 수 없다”라고 말하는 디엑셀 김남웅 대표는 “앞서 소개한 바와 같이 우리의 가장 큰 장점은 고객이 요구하는 디지털 전환의 미션을 제대로 수행하기 위해 20년 넘게 많은 산업별 제조환경을 경험한 전문가들이 각자의 노하우를 기반으로 기업 맞춤 제조 서비스를 제공하며, 검증된 솔루션을 통해 업무 효율과 고객 서비스의 혁신을 높인다는 것”이라며, “특히 고객의 니즈를 먼저 파악하고, 선제적으로 솔루션을 제안할 수 있도록 임직원의 역량을 지속적으로 강화하고 있다”라고 부연했다. 이는 디엑셀이 인재 양성에 집중하고 우수한 경험을 가진 전문가를 끊임없이 발굴해 오는 이유기도 하다.  디지털과 인간이 상생하는 시스템을 만들다! 디엑셀은 제조물류산업의 다양한 고객을 만족시키기 위해 유연한 비즈니스 플랫폼을 선보이고 있다. 현재는 제조분야에서 전문역량을 발휘하고 있지만, 디지털 전환이 전 산업에서 일어나듯이 이 회사가 가진 지능형공장 서비스와 위치관리 기술 기반의 혁신 솔루션은 전 산업에 적용될 수 있다.  오늘보다 나은 내일을 꿈꾼다는 김남웅 대표는 “제조 현장에 특화된 디지털팩토리와 더불어 UWB 측위 기술을 기반으로 개발된 실내외 무선 위치 추적 장치, 이 두 개의 솔루션을 융합한 위치관리 기반 디지털팩토리 솔루션을 제공하여 시스템 인프라가 약한 중소기업, 관리의 단계를 높여야 하는 대기업들의 애로를 해결해 주는 것이 우리의 역할”이라며, “우리는 앞으로도 우리나라 산업의 디지털 역량 강화를 넘어 국가 기술 경쟁력 제고에 기여하고, 디지털과 인간이 상생하는 시스템, 새로운 기술이 인정받는 변화된 세상에서 저의 기술이 고객의 성공적인 비즈니스가 되도록 최선을 다하겠다”라고 덧붙였다.

AI의 비약적인 발전은 제조업을 비롯한 산업 전반의 디지털 전환을 가속화하고 있다. 지난 4월 8일, 한국공작기계산업협회와 한국산업지능화협회가 공동 주관한 ‘공작기계 산업의 AI 자율제조 세미나’에서도 AI 기술이 이끄는 제조업 패러다임의 전환을 확인할 수 있었다. 이번 세미나는 공작기계 산업의 디지털 전환 전략을 공유하기 위해 마련되었으며, ▲생성AI가 촉발시킨 AX 혁명 ▲AI기술 동향:공작기계 적용과 SDM 기반 기술 동향 ▲AI 자율제조 핵심기술과 구축 사례 ▲AI 자율제조 추진정책 및 정부지원 프로그램을 주제로, 업계 전문가들의 발표와 사례 중심 강연으로 진행되었다.   1.  생성AI가 촉발한 AX 혁명 첫 번째 세션에서는 한국생성AI파운데이션 송세경 회장이 ‘생성AI가 촉발한 AX(Autonomous Transformation) 혁명’을 주제로 강연을 펼쳤다. 송 회장은 “딥시크(DeepSeek)와 같은 초거대 AI의 등장이 미국 중심의 AI 기술 패권을 흔들고 있으며, 이는 글로벌 공급망(GVC)과 제조 생태계 전반에 큰 변화를 예고하고 있다”며, “제조업은 이제 생성AI를 통해 새로운 성장과 확장의 전환점을 맞이하고 있다”고 강조했다. 2.  AI 기술 동향 : 공작기계 적용과 SDM 기반 기술 동향 이어진 발표에서 DN솔루션즈 엄재홍 상무는 ‘AI 기술 동향 : 공작기계 적용과 SDM(Software Defined Manufacturing) 기반 기술 동향’을 주제로 제조업의 디지털 혁신 흐름을 소개했다. 엄 상무는 공작기계 산업 내 AI 활용 흐름을 스마트 디지털 제조(SDM: Smart Digital Manufacturing)로 설명하며, 이를 스마트팩토리(Smart Factory), 라이트하우스팩토리(Lighthouse Factory), 다크팩토리(Dark Factory)로 구분했다. 이 중 다크팩토리는 사람 없이 인공지능과 로봇만으로 운영되는 완전 무인화 공장이라고 부연했다. 또한 그는 “AI가 인간의 지능을 초월하는 단계까지 발전하고 있으며, 이를 제조업에 적용할 경우 암흑공장(Dark Factory) 실현도 가능하다”며, “오픈소스 생태계의 확산을 통해 산업 전반에 공유와 협업의 기반이 강화되어야 한다”고 강조했다. 3.  AI 자율제조 핵심기술과 구축 사례: 공작기계 중심으로 인터엑스 박정윤 대표는 'AI 자율제조 핵심기술과 구축 사례: 공작기계 중심으로'를 주제로 발표를 이어갔다. 박 대표는 프레스, 사출, 정밀가공 등 생산제조 현장에 AI를 적용하는 트렌드를 소개하며, 기존 하드웨어 중심 운영 방식에서 소프트웨어 기반 맞춤형 디지털 서비스 제공으로 진화하는 자율제조 시스템을 설명했다. 특히 그는 자율제조 시스템의 진화가 모든 요소를 소프트웨어로 정의하고 제어하는 SDX(Software Defined Anything) 개념으로 확장되고 있다고 강조했다. 이와 함께 박 대표는 “지능 자율화 기반 제조 경쟁력을 확보하기 위해서는 고성능 AI 인프라, 즉 SDX 개념이 필수적”이라며, 실제 사출공정, 프레스머신, CNC 가공라인 등에 적용된 다양한 사례를 소개했다. 이와 함께 제조 데이터 표준화, 스마트센서 활용 등 구체적인 도입 전략을 통해 자율제조의 실현 가능성을 제시했다. 4. AI 자율제조 추진정책과 지원 프로그램 마지막 세션에서는 한국산업지능화협회 노성록 센터장이 정부의 AI 자율제조 추진정책과 지원 프로그램에 대해 발표했다. 노 센터장은 산업통상자원부가 추진하는 10대 과제를 중심으로 한 AI 자율제조 선도 프로젝트 진행 현황을 공유하고, 관련 기업들이 정책 지원을 적극 활용할 것을 당부했다. 이를 통해 단순한 자동화를 넘어, 산업 전반의 혁신을 견인하는 전략적 도구로 부상한 AI 기반 자율제조의 효과적인 도입 방안을 제시했다. 이번 세미나는 AI 기술이 실제 제조현장에 본격적으로 확산되고 있음을 확인하는 의미 있는 자리였다. 특히 AI 기반 가공 최적화, 예지보전(Predictive Maintenance), 디지털 트윈(Digital Twin) 등 디지털 혁신 기술의 현장 적용 사례가 참석자들의 높은 관심을 끌었다.  

클라우드와 AI가 이끄는 제조 혁신의 현장, AWS 파트너 클라우드 솔루션 컨퍼런스 개최   ‘2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스’가 3월 25일, 서울 잠실 롯데호텔월드에서 성황리에 개최됐다. 이번 행사는 통합 IT 솔루션 기업 에티버스(ETEVERS)와 AWS(아마존웹서비스)가 공동 주최한 행사로, 제조 산업의 디지털 전환과 클라우드 기반 혁신 전략을 공유하는 뜻깊은 자리였다. 올해로 두 번째를 맞은 이번 컨퍼런스에는 SK C&C, 메가존클라우드, LG CNS 등 디지털 트랜스포메이션을 이끄는 주요 기업들이 대거 참여해 클라우드와 AI 기반 제조 혁신의 현재와 미래를 조망했다.   ■ 최경화 캐드앤그래픽스 국장 kwchoi@cadgraphics.co.kr 제조 산업, 클라우드로 날개를 달다 이번 컨퍼런스는 ‘AI 기반 스마트팩토리 혁신’, ‘데이터 기반 제조업 혁신’, ‘생성형 AI가 이끄는 제조 혁신’ 등 세 가지 주요 트랙으로 구성되어 참가자들이 각자의 관심사에 맞춰 깊이 있는 세션을 선택할 수 있도록 기획됐다. 오프닝을 맡은 AWS 김윤식 한국 엔터프라이즈 총괄은 디지털 전환이 더 이상 선택이 아닌, 생존을 위한 전략이라고 강조했다.  첫 번째 키노트를 진행한 AWS 정승희 제조 부문 총괄은 클라우드 기반 제조 기술이 어떻게 제품 설계, 수요 예측, 공급망 최적화 등 제조 전반의 효율성과 유연성을 높이고 있는지를 소개했다. 실제 사례를 통해 빅데이터, AI, IoT, 생성형 AI의 적용 효과가 증명되고 있음을 제시했다. 제조 현장에 스며든 생성형 AI와 실용적 혁신 전략 LG CNS 박재원 화학사업담당은 생성형 AI를 중심으로 한 AX(AI Transformation)를 통해 제조기업이 경쟁력을 확보해 나가는 전략을 설명했다. 그는 데이터 기반 의사결정, 품질 예측, 설비 진단 등에서 이미 다양한 실증 사례가 존재하며, 향후 이러한 AI 도입이 더욱 가속화될 것이라고 내다봤다. 에티버스 김준성 전무는 "클라우드와 AI, 그리고 파트너의 역할"이라는 주제로 강연을 펼치며, 제조 기업들이 클라우드로 진입할 수 있도록 파트너가 제공할 수 있는 지원 방안과 생태계 확장의 중요성을 역설했다. 에티버스는 2021년 AWS와 국내 최초 총판 계약을 체결한 이후 300개 이상의 파트너를 보유하며 국내 AWS 클라우드 확산에 핵심 역할을 하고 있다. SK C&C 허민회 본부장은 AI Cloud Infra Provider로서 SK C&C의 전략과 서비스를 소개했다. GPUaaS, AI 관리 플랫폼 등 실제 적용 가능한 인프라 기반 서비스를 통해 제조업의 AI 도입을 현실화하고 있다는 점에서 많은 관심을 끌었다.  이어 메가존클라우드 공혁 그룹장은 ‘2025 제조업 혁신 전략’을 발표하며 생성형 AI 기반의 비용 절감 및 생산성 향상 사례를 공개했다. 이날 행사장에는 기술 전시 부스도 함께 마련되어 각 파트너사들이 자사의 첨단 솔루션을 직접 소개하고, 방문자들과 1:1 컨설팅을 진행하는 시간도 있었다. 플래티넘 스폰서로 참가한 에티버스는 고객 맞춤형 파트너 매칭 및 솔루션 추천 이벤트를 통해 현장 분위기를 한층 뜨겁게 만들었다. 디지털 전환, 제조업의 새로운 기회 이번 컨퍼런스는 디지털 전환이 단순한 IT 이슈가 아닌 제조업 경쟁력의 핵심 전략임을 다시 한번 확인시켜주는 자리였다. 클라우드와 AI, 그리고 이를 연결하는 파트너들의 생태계가 더욱 조밀해질수록, 제조업의 혁신 속도도 함께 가속화될 것으로 기대된다. 에티버스 김준성 전무는 “제조 기업들이 지속적으로 성장할 수 있도록 혁신적인 솔루션을 제안하고, 다양한 지원 프로그램을 통해 성공적인 디지털 전환을 돕겠다”고 밝혔다.     2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 - 에티버스)  / 사진 제공 : 에티버스 2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 : 씨이랩)   / 사진제공 : 씨이랩   2025 제조 고객을 위한 AWS 파트너 클라우드 솔루션 컨퍼런스(파트너 부스 : 지멘스)