ROMs 기술을 활용한 시뮬레이션 기반 디지털 트윈

센서 정보의 수집과 활용을 바탕으로 하는 데이터 기반의 디지털 트윈은 IoT와 AI 등의 발전과 함께 더욱 많은 주목을 받고 있다. 한편 물리 센서의 설치가 불가능하거나 원하는 값을 얻기 위한 센서가 없을 경우, 시뮬레이션 기반 디지털 트윈(simulation based digital twin)의 가상 센서를 이용하면 사용자가 원하는 다양한 정보를 취득할 수 있다.
이번 호에서는 시뮬레이션 기반의 디지털 트윈을 빠르게 구축·활용하기 위한 차수축소모델(ROMs)과 이를 구현할 수 있는 앤시스 트윈 빌더(Ansys Twin Builder)에 대해 소개한다.

■ 안영규 | Ansys Elite Channel Partner인 태성에스엔이 서울 본사 SBU팀에서 시스템 해석 & 디지털 트윈 업무를 담당하고 있다.
이메일 | ykahn@tsne.co.kr
홈페이지 | http://www.tsne.co.kr

디지털 트윈은 제조업뿐 아니라 다양한 산업·사회 문제를 해결할 수 있는 기술로 주목받는다. 그리고 기본적으로는 다양한 물리적 시스템의 구조, 맥락, 작동을 나타내는 데이터와 정보의 조합으로 과거와 현재의 운용 상태를 이해하고 미래를 예측할 수 있는 인터페이스라고 할 수 있다. 물리적 세계를 최적화하기 위해 사용될 수 있는 강력한 디지털 객체로서, 운용 성능과 사업 프로세스를 대폭 개선할 수 있다.
디지털 트윈은 장비 및 시스템 등의 상태 모니터링을 통한 효율적인 유지 보수 관리와 다양한 상황 예측을 통한 안전 검증, 돌발 사고 예방, 동작 분석 및 맞춤 제어를 통한 생산성 향상 및 장비 최적화 및 시제품 제작 비용과 시간 절감 등의 장점을 가지고 있다. 이를 통해 디지털 트윈을 도입한 기업은 제품 설계, 제조 및 생산 계획에 대한 최적화와 유지 보수 예측 및 관리 최적화를 통해 매출 증대와 수익 비용 관리, 경쟁력 확보/유지를 얻을 수 있다. 

시뮬레이션 기반 디지털 트윈
디지털 트윈이 주목 받기 시작한 요인 중 IoT(사물인터넷)와 인공지능(AI)을 빼놓을 수 없다. IoT의 발전으로 인해 손쉽게 센서 정보를 클라우드 등에 수집할 수 있게 되었고, 이렇게 수집된 수많은 정보를 활용하는 빅데이터 처리 기법들의 발전과 함께 머신러닝(ML), 딥러닝(DL) 등의 AI 기술이 등장하며 디지털 트윈의 핵심이라고 할 수 있는 예측을 통한 지능화가 손쉽게 가능해지고, 디지털 트윈이 보다 빠르고 널리 사용되기 시작하였다. 
IoT를 통한 센서 데이터를 수집하고 모니터링하는 기법들은 이미 SCADA 등 기존의 공장 관리 시스템에 구축되어 있었다. 하지만 단순히 모니터링을 할 뿐 수집된 데이터를 이용하여 운전 조건을 예측하거나 고장 예측, 남은 수명을 예측하는 등의 지능화에 대한 부분은 미진하였다. 하지만 AI를 통해 기존에 수집된 데이터 등을 학습하여 추후에 일어날 고장이나 남은 기기의 수명을 예측하는 등의 지능화가 비교적 쉽게 가능해지면서 디지털 트윈도 급격히 성장하였고, 현재 사용되고 개발 중인 디지털 트윈의 대부분은 센서의 데이터를 취득하여 AI를 이용한 지능화를 사용하는 데이터 기반 디지털 트윈이다. 이제 해석 기반 디지털 트윈(simulation based digital twin)은 무엇이고, 상대적으로 어떠한 장점들이 있는지 알아보고자 한다. 

 

그림 1. 해석 기반 디지털 트윈과 가상 센서