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  

개발 및 공급  : 카를로(CARLO) 주요 특징 : 디지털 트윈 제작 도구, 대규모 시뮬레이션, 상용 시뮬레이션 대비 검증된 가속 성능, AI 플랫폼 제공 사용 환경(OS) : 윈도우 환경 권장 시스템 권장 사양 : 인텔 코어 2 듀오 또는 AMD 애슬론 X2 CPU 이상, OS 디스크의 4GB 여유공간   최근 스마트 공장, 디지털 트윈이라는 용어가 반도체, 자동차, 2차전지, 조선 등 다양한 산업 분야에서 쓰이고 있다. 디지털 트윈이란 현실 세계의 물리적 객체, 프로세스, 행동 등을 가상 세계에 똑같이 구현한 기술로 디지털 전환(DX : Digital Transformation)의 핵심 키워드로 부상하고 있다. 디지털 기술을 활용하여 회사의 경쟁력을 강화하고 비즈니스 변화 속도에 맞춰 기회를 창출하기 위해 기업들은 산업, 업종의 경계를 넘어 DX를 도입, 추진해 나가고 있다. 물류 시뮬레이션 솔루션은 대부분 숙련자 또는 전문가의 의존도가 높은 가정 분석(what-if) 방식을 활용하고, 생산 계획 단계에서 주로 사전 분석 및 검증용으로 사용된다. 하지만 시뮬레이션에 현장 데이터를 반영하는데 있어 대용량 데이터 처리와 시뮬레이션 가속 성능 등의 한계로 다양한 제약 조건이 발생할 수 있다. 실제로 활용 가능한 디지털 트윈 솔루션은 디지털 트윈을 구현하는데 있어 생산 운영 단계까지 연계하는 과정에 중요한 요소로 꼽힌다.   스마트 공장을 위한 디지털 트윈 솔루션 : PINOKIO 제조 현장에서의 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려고 꾸준히 노력해왔다. 기존 물류 솔루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정을 하는 데에 있어 다양한 제약으로 인해 어려움이 있다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. PINOKIO(피노키오)는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도의 이점을 가진 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여, 약 2만평 규모의 공장에서 기존 솔루션 대비 약 70배의 향상된 성능을 검증하였다.   그림 1. PINOKIO의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 PINOKIO는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 솔루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 2. PINOKIO의 모니터링 화면   디지털 트윈 시뮬레이션 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 ‘부품이 5분 뒤에 부족하다’는 알람을 작업자에게 피드백하여 선제적 대응을 함으로써 라인 정지를 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 시뮬레이션 엔진을 보유하고 있다.   그림 3. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 현장에 특화된 AI 플랫폼 : CAP AI를 이용한 솔루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, PINOKIO 디지털 트윈 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. PINOKIO에서는 획득한 데이터를 파이썬, C, JAVA 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다.   그림 4. PINOKIO의 AI 플랫폼인 CAP   사전 레이아웃 및 물류 검토를 위한 솔루션 : Plant Simulation 지멘스의 Plant Simulation(플랜트 시뮬레이션)은 공장 신축 및 수정 등이 필요한 경우 사전에 최적의 물류 계획 수립과 공장 레이아웃을 구성할 수 있는 전문 시뮬레이션 도구이자 가상 공장 구현 솔루션이다. 주로 생산 계획 단계에서 활용되며, 제조 기준 정보(제품, 공정, 레이아웃, 물류, 작업, 스케줄링 등의 공장 정보)를 기반으로 시뮬레이션하여 차트, 그래프 등 다양한 분석 도구로 결과를 도출함으로써 공법 검증, 공장 운용 효율, 적정 재고 등 공정 라인을 최적화할 수 있다.   그림 5. Plant Simulation의 UI 화면   통계 시뮬레이션으로 생산 시스템 분석 시뮬레이션 정확도와 효율성을 높이는 동시에 처리량과 전체 시스템 성능을 향상시킬 수 있다. 그래픽 시각화, 차트 및 보고서 기능, 유전자 알고리즘 및 실험 관리법(experiment manager)을 사용하면 생산 시스템의 동작을 평가하여 빠르고 신뢰할 수 있는 제조 생산 시스템을 분석할 수 있다.   그림 6. Plant Simulation의 생산 시스템 분석   병목 현상 제거 및 처리량 간소화 처리량을 간소화하고 병목 현상을 완화하여 공정 작업을 최소화할 수 있다. 기본 기능으로 병목 현상, 처리량, 설비, 리소스 및 버퍼 적정 수량을 자동으로 감지 및 분석할 수 있다. 생산 시스템 효율을 평가하는데 사용할 수 있는 도구로 생산량, 프로세스, 물류 로직 등 다양한 사항들을 고려하여 생산 변동의 영향을 동적으로 분석할 수 있다.   그림 7. Plant Simulation의 처리량 분석   시동 전 프로덕션 시스템 시운전 Plant Simulation으로 만들어진 가상 모델은 실제 생산 라인을 시뮬레이션할 수 있다. 실제 공장의 PLC 또는 가상 PLC와의 인터페이스를 통해 제어, 자동화, 자재 운송 및 전체 엔지니어링 작업을 테스트 및 최적화할 수 있다. 이는 초기 개념 증명을 통해 위험 요소를 줄이고, 투자 비용을 절감할 수 있다.   그림 8. 가상 커미셔닝(virtual commissioning)   Plant Simulation과 PINOKIO의 인터페이스 두 솔루션 간의 인터페이스는 엑셀, 데이터베이스 등 다양한 형태로 가능하다. 자세한 인터페이스 항목은 <그림 9>를 참조하면 된다. Plant Simulation 모델 정보는 자체 언어(Simtalk)를 이용하여 설비 정보, 작업 순서, 위치 정보, 연결 정보 등을 PINOKIO 항목에 맞게 테이블 형태로 수집하고, 레이아웃과 2D/3D 모델은 JT 포맷의 파일로 추출한다. 이 데이터를 PINOKIO에서는 Import 기능으로 손쉽게 모델 정보를 가져와 Plant Simulation과 동일한 모델을 만들 수 있다. 이는 시뮬레이션 모델링 시간이 줄어들고 정확성이 높아져 신뢰성 있는 디지털 트윈 모델이 구축된다.   그림 9. Plant Simulation과 PINOKIO의 인터페이스 리스트   PINOKIO와 현장 데이터의 인터페이스 디지털 트윈에서 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 솔루션이 현장과의 연결을 위한 인터페이스가 지원되지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. PINOKIO는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 PINOKIO가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 PINOKIO에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. PINOKIO에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   기대 효과 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 유저들과 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점들을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 로스(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   그림 11. 생산 계획 및 운영 최적화   맺음말 생산 계획 단계에서 Plant Simulation을 통해 레이아웃 검증과 물류를 최적화하고, Plant Simulation 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제적 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다.   그림 12. 디지털 트윈을 위한 Plant Simulation과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다.

  17　THEME. 스마트 기술을 통한 건설·건축 산업의 디지털 전환 뉴노멀 시대 건설 디지털 전환과 스마트 건설 트렌드 / 강태욱 OSC 확대를 위한 디지털 모델 기반의 형상오차관리 기술 / 심창수 BIM을 중심으로 한 토목사업에서의 스마트 건설 기술 활용 / DL이앤씨 토목스마트엔지니어링팀 국내외 스마트 건설 기술 활용 사례 / 김태현 언리얼 엔진으로 개발된 XR로 증강휴먼 건설기술 운용 / 에픽게임즈 코리아 유니티 리플렉트를 활용한 RETIMA / 유니티코리아 건설 분야에서의 AR 활용 기술 및 개발 사례 / 박남규 건설 산업의 디지털화를 위한 BIM 설계와 VR 기술의 접목 / 최돈출, 홍승희 지속가능한 미래 건설 전문 인력을 확보하기 위한 전략 / 트림블솔루션즈코리아   INFOWORLD   Focus 66　PLM 베스트 프랙티스 컨퍼런스 2022, 산업 디지털 전환의 다양한 가치와 비전을 짚다 73　헥사곤 MI, 스마트 제조를 위한 비즈니스와 기술 통합 로드맵 제시   New Products 76　생산 계획·운영 단계에서 스마트 제조 혁신 실현　PINOKIO 80　리얼타임 몰입형 3D 시각화 솔루션　트윈모션 2022.2   Case Study 85　게임 개발 넘어 모든 창작 활동에 날개 달아 준 유니티　MWU 코리아 어워드 통해 다양한 인더스트리 창작자 성장 지원   On Air 89　캐드앤그래픽스 CNG TV 지식방송 지상중계    　　인벤터를 효율적으로 사용하기 위한 표준화 가이드 소개 / 뉴노멀 시대, 디지털 전환을 위한 로드맵 및 전략 공개   Column 90　디지털 지식전문가 조형식의 지식마당 / 조형식　탑건, 국산 전투기 개발, PLM 그리고 결칠기삼 92　책에서 얻은 것 No. 13 / 류용효　최초의 질문에 대하여   96　News   CADPIA   AEC 100　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　원격제어 로버 로봇 기반 3차원 데이터 취득 및 지도 매핑 장비 개발 105　레빗에서 알아 두면 아주 유익한 꿀팁 시리즈 (12) / 장동수　알아 두면 유용한 기본 설정 108　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2023 (3) / 천벼리　객체의 표시 순서 변경하기(DisplayOrder) 110　신속한 도면 설계가 가능한 캐디안 마스터 2022 (2) / 최영석　지리정보 기능 Ⅱ   Reverse Engineering 113　우리의 감각과 인공적 감각(센서) (8) / 유우식　종합적 감각 : 비몽사몽, 무감각, 무심   Analysis 122　앤시스 워크벤치를 활용한 해석 성공사례 / 김준형　전기/전자 기기에 사용되는 냉각 장치 모델링   Mechanical 128　스마트 모빌리티 섀시 설계하기 (8) / 김인규　리어 서스펜션 시스템 Ⅰ 132　제품 개발 혁신을 가속화하는 크레오 파라메트릭 9.0 (1) / 김성철　크레오 9.0에서 향상된 주요 기능