[칼럼] 디지털 스레드, 디지털 트윈, MBSE, PLM 연결에 필요한 디지털 연속성과 디지털 신임성
디지털 지식전문가 조형식의 지식마당
지난 20년 동안 디지털 기술과 디지털 환경의 발전은 PLM과 제품 개발에 관련된 새로운 디지털 개념과 용어를 출현시켰다. 대표적인 것이 디지털 스레드(digital thread), 모델 기반 시스템 엔지니어링(MBSE : Model Based Systems Engineering), 디지털 트윈(digital twin) 등이다. 그러나 대부분의 제품 개발 엔지니어는 이 같은 복잡한 개념과 용어를 충분하게 알 수 없다. 그래서 이런 개념과 용어를 정리하고 서로의 관계를 정리해 봤다.
그 동안 컴퓨터 성능과 디지털 기술의 비약적인 발전으로 인간의 시각적인 분야에서 괄목한 발전을 했다. 아직도 일부 중소기업에서는 제품 개발에 왜 3D 환경이 필요하냐고 의문을 제기하지만, 새로운 게임 세대에게 3D 환경은 느끼는 직관적 정보의 영향은 많다고 할 수 있다.
제품 개발에 필요한 엄청난 3D 데이터와 다양한 물성치를 실시간으로 구현하기 위해서는 체계적인 디지털 연속성(digital continuity)과 디지털 신임성(digital trustworthy)이 필요하다.
그림 1. 디지털 연속성과 디지털 신임성의 문제
이것의 핵심이 디지털 스레드이다. 우선 디지털 스레드라는 개념은 PLM과 관련이 많고, 디지털 스레드는 디지털 트윈과 연관이 있다. 또한 디지털 스레드는 MBSE와 관련이 많다.
디지털 스레드는 제품 또는 프로세스의 수명주기에 따라 통합된 데이터 기반 의사 결정을 허용하는 통신 프레임워크를 나타낸다. 디지털 스레드는 설계, 제조, 사용, 최종 폐기 또는 재활용에 이르기까지 제품 수명 주기의 맨 처음부터 시작한다. 제품 또는 프로세스와 관련된 모든 데이터 및 활동을 캡처하여 다양한 목적으로 추적, 분석 및 활용할 수 있는 연결된 데이터 흐름을 생성한다.
디지털 스레드를 구현하려면 다양한 소스와 다양한 형식의 데이터를 수집, 정리 및 구조화해야 하므로 데이터 통합에 상당한 노력이 필요하다. 그러나 일단 구현되면 향상된 의사 결정, 효율성, 혁신 및 위험 완화의 형태로 상당한 이점을 제공할 수 있다.
MBSE는 문서 기반 정보 교환이 아닌, 엔지니어 간 정보 교환의 기본 수단으로 도메인 모델(domain model)을 만들고 활용하는 데 중점을 둔 시스템 엔지니어링 방법론이다.
전통적으로 시스템 엔지니어링 프로세스는 수동적이고 텍스트 기반이며 정적 문서에 크게 의존했다. 이러한 접근 방식은 정보 불일치, 최신 문서 유지 관리의 어려움, 커뮤니케이션 및 공동 작업의 장애물과 같은 문제로 이어질 수 있다.
그림 2. 문서 기반 시스템 엔지니어링 대 모델 기반 시스템 엔지니어링
제품 수명주기 관리(PLM)는 요구사항과 설계 및 개발에서 폐기까지 제품이 겪는 일련의 변경 사항을 관리하는 체계적인 접근 방식이다. PLM은 사람, 데이터, 프로세스 및 비즈니스 시스템을 통합하여 회사 및 확장된 엔터프라이즈에 제품 정보 백본(backbone)을 제공하지만, 지난 수 십년 간의 발전은 또 다른 벽을 만드는 딜레마를 가져왔다. 그것은 데이터 사일로화(data siloization)이다.
반면 디지털 스레드는 제조 프로세스에서 전통적으로 사일로화된 요소를 연결하고, 전체 수명주기 동안 자산에 대한 통합 보기를 제공하는 커뮤니케이션 프레임워크이다. 본질적으로 시스템, 장비 및 인력을 교차하는 정보의 백본이다.
PLM 시스템은 디지털 스레드를 가능하게 하는 기본 기술이다. 디지털 스레드는 전체 제품 라이프사이클을 통해 직조되며, PLM 시스템은 해당 라이프사이클과 관련된 모든 데이터가 저장되고 관리되는 곳이다.
제대로 구현되면 디지털 스레드 개념은 기존 PLM 시스템을 크게 향상시킬 수 있다. 여러 소스의 정보를 통합하고 제품 라이프사이클 전체에서 액세스할 수 있도록 함으로써 이를 수행할 수 있다. 이러한 통합을 통해 의사 결정 개선, 시장 출시 시간 단축, 생산 비용 절감, 제품 품질 향상 및 기타 이점을 얻을 수 있다.
또한 최근 다양한 분야에서 관심을 받고 있는 디지털 트윈은 시뮬레이션을 실행하여 다양한 조건에서 성능을 예측하고, 물리적 상대에서 문제가 발생하기 전에 문제를 감지하고, 운영을 최적화하는 등 다양한 목적으로 사용할 수 있는 물리적 제품, 시스템 또는 프로세스의 가상 복제본이다.
디지털 트윈은 물리적 개체에 설치된 센서의 실시간 데이터를 사용하여 상태, 작업 조건 및 변경 사항을 모방한다. 여기에는 온도 및 압력과 같은 단순한 데이터에서 다양한 시나리오에서 제품이 어떻게 반응하는지에 대한 복잡한 시뮬레이션에 이르기까지 모든 것이 포함될 수 있다. 디지털 트윈 분야에서 PLM의 제품 데이터와 디지털 스레드의 연결은 필수이다.
그림 3. PLM과 디지털(출처 : Prostep)
이 모든 현재와 미래의 변화에 대한 결론은 이제는 데이터의 연결과 데이터의 연속성 그리고 데이터의 신뢰성이 중요하다고 할 수 있다. 이런 종합적인 측면을 디지털 신임성이라고 말하고 싶다. 굳이 ‘디지털 신임성’이라고 표현 이유는 디지털 데이터의 신뢰성(reliability)과 차별할 필요가 있다고 생각하기 때문이다.
디지털 연속성 및 데이터 관리의 맥락에서 디지털 신임성은 사용 중인 데이터의 신빙성(credibility), 신뢰성 및 무결성(integrity), 보안성(security)을 의미한다. 데이터가 정확하고 완전하며 시의적절하고 일관되고 안전하며 규정을 준수하는지 확인하는 것이다.
반면에 신뢰성은 특히 시간이 지남에 따라 데이터의 일관성을 나타내는 신뢰성의 구성 요소이다. 둘 다 효과적 데이터 관리 및 의사결정에 중요하다.
그리고 이런 결과물에 대해서 확인(validation)과 검증(verification)의 절차가 필요하다. 간단히 말해서 검증은 제품이 올바르게 설계되고 제작되었는지 확인하는 반면, 유효성 확인은 처음부터 올바른 제품이 제작되었는지 확인한다. 둘 다 고품질의 효과적이고 사용자 친화적인 제품을 개발하는 데 중요하다.
검증은 개발자의 관점에서 검사 대상의 명세 요구사항을 충족하는지 결정하는 절차이고, 확인은 사용자의 관점에서 검사 대상이 충분한 무결성 수준을 달성했는지 확인하는 절차라고 할 수 있다.
생성된 디지털 데이터의 물리적 세계의 적용과 스마트 공장에서 센서의 데이터와 디지털 트윈의 디지털 세계와 연결되기 때문에 더욱 이러한 디지털 신임성이 필요하다. 현재 챗GPT(ChatGPT)에서 발생하는 디지털 환각 또는 디지털 할루시네이션(digital hallucination) 증세가 이러한 문제를 보여주는 단면이라고 할 수 있다. 디지털 세계에서 생성된 디지털 데이터를 물리적 세계에서 적용할 때의 디지털 연결성과 디지털 신임성 그리고 확인과 검증의 절차가 필요한 이유이다.
“올바른 질문을 하는 것은 이미 문제 해결의 절반이다.“
(To ask the right question is already half the solution of problem.)
- 칼 융
■ 조형식
항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다.
보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.
■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2023-08-02
