디지털 트윈 개발에 착수하기 전 반드시 거쳐야 할 7단계

디지털 트윈(Digital Twin)이라고 하면 영화 ‘매트릭스(The Matrix)’나 비디오 게임 시리즈 ‘심즈(Sims)’를 떠올리는 사람도 있을 것이다. 그러나 클라우드 인프라, 엣지 컴퓨팅, IoT, 분산 데이터 관리 플랫폼, 머신러닝(ML) 기능이 발전하면서 디지털 트윈은 공상과학 소재가 아니라 주류 비즈니스 기능으로 부상했다.
 

디지털 트윈 기술을 기업 환경에 구현하기 위해 기술자는 큰 간극을 뛰어넘어 비즈니스의 운영과 OT(Operational Technology)를 더 잘 이해해야 한다. 신택스(Syntax)의 데이터 관리 및 혁신 부문 파트너인 젠스 벡은 “CIO와 IT 리더는 OT가 IT와는 다른 세계이며, 완벽한 디지털 트윈은 이 둘의 결합이라는 것을 이해해야 한다”라고 말했다.

오랫동안 기업에서는 OT와 IT를 분리해도 별다른 문제가 없었다. 그러나 제조, 건설, 소매업체처럼 물리적 세계와 디지털 세계를 연결해야 하는 기업은 더 이상 둘을 따로 분리해 둘 수 없다. 디지털 트윈은 이런 연결을 실현하기 위한 하나의 통로로, 생산 최적화와 품질 개선을 위한 운영상 이점을 제공한다. 실제 세계 데이터를 기반으로 하는 ML을 사용하면 제품과 서비스, 비즈니스 프로세스를 개선하여 전략적 이점을 이끌 수도 있다.

필자는 다양한 분야의 전문가들과 이야기하면서 기술자가 디지털 트윈 개발을 구상할 때 가장 먼저 수행해야 할 7가지 단계를 정리했다.

1. 성공 사례 연구

필자는 기회를 살펴보고 새로운 기술 영역으로 뛰어들기 전에 항상 기업과 사용례, 얼리 어답터가 전하는 이점을 살펴보라고 조언한다. 디지털 트윈의 사례는 인간의 두뇌까지 포함해서 제조, 건설, 의료 및 기타 영역 등 다양하다. 

새로운 기술 분야의 리더는 도입을 촉진하기 위해 이런 사례를 찾는다. 영감을 주고 가능성을 보여줘야 하는 사례도 필요하며, 실용적이고 비즈니스 성과를 입증해 지지자를 끌어들이는 사례도 필요하다. 비즈니스 경쟁 상대가 디지털 트윈을 성공적으로 구축했다면 이들의 사용례를 통해 긴박감을 조성할 수도 있다.

2. 시장의 판도를 바꿀 기회 파악

디지털 트윈 구축에는 많은 비용이 든다. 한 기관은 상업용 오피스 빌딩의 디지털 트윈 개발 비용을 120만~170만 달러(약 16억~23억 원)로 추정했다. 따라서 디지털 트윈을 개발하기 전에 제품 비전을 문서화하고 비즈니스 근거를 고려하고 재무적 이득을 잘 따져야 한다.

때로는 시장의 판도를 바꾸고자 하는 목표가 투자를 이끈다. IT 컨설팅 기업 TCS(Tata Consultancy Services) CIO 아비짓 마줌더는 “2020년 TCS는 코로나19의 급속한 확산 문제에 대처하기 위해 현지 비정부 기구와 협력했다. 엔터프라이즈 디지털 트윈으로 프로세스와 상황을 시뮬레이션해서 바이러스 특성, 인구통계학적 이질성, 이동성 패턴 등 확산에 영향을 미치는 요인을 모델링했다. 도시의 디지털 트윈은 공중 보건과 안전에 해를 끼치지 않으면서 효과적인 개입 방안을 찾기 위한 일종의 ‘계산기내(in-silico)’ 실험 역할을 했다”라고 말했다.

3. 수명 주기 관리를 고려

디지털 트윈을 개발하는 데는 많은 시간과 비용이 들지만, 그게 전부가 아니다. 모델이 정확한 결과를 제공하도록 보장하기 위한 지속적인 지원 비용도 고려해야 한다. 존 스노우 랩스(John Snow Labs)의 CTO 데이비드 톨비는 디지털 트윈으로 실험하기 전에 다음 3가지 원칙을 채택해야 한다고 조언했다.
 

• 명확한 비즈니스 사용례. 기술 자체를 위한 실험이 되면 안 된다.
• 모델이나 서비스, 시뮬레이션을 만들기 위해 사용하는 디지털 트윈의 인구 구조는 실제 인구 구조를 반영해야 한다.
• 디지털 트윈 개발에서 배포로 신속하고 안정적으로 전환할 수 있도록 ML옵스 툴셋을 갖춰야 한다.

톨비의 핵심 권장 사항은 전체 수명 주기 요소, 특히 ML 모델을 지원하고 자동화된 배포를 계측하기 위한 기능을 사전에 고려하라는 것이다.

4. 시스템 설계 툴 활용

비즈니스 사례와 수명 주기 설계를 마친 다음, 계획과 실험을 시작하기 위해서는 어떤 툴을 고려해야 할까? 인더스트리얼ML(IndustrialML) CEO 아준 찬다르는 “설계 엔지니어링 측면에서 디지털 트윈을 실험하고 물리적 환경이 새로 설계된 제품에 미치는 영향을 추정하기 위한 방법”으로 CAD 소프트웨어 또는 시뮬레이션 툴을 사용할 것을 제안했다.

전문 분야에서 사용되는 시스템 설계 툴의 예를 들면 다음과 같다.
 

• 오토데스크(Autodesk) 디지털 트윈 : 건설, 엔지니어링 및 건축
• 벤틀리(Bentley) 인프라 디지털 트윈 : 무선 기지국, 수도 시스템 등
• 제너럴 일렉트릭(General Electric) 디지털 트윈 : 장비, 네트워크 및 제조 공정
• 지멘스(Siemens) 디지털 트윈 : 소비재 설계, 개발 및 제조
• 보쉬(Bosch) 디지털 트윈 : 공간 관리 및 예측 정비를 비롯한 스마트 빌딩

소수의 예에 불과하지만, 디지털 트윈을 다루는 기술자에게 중요한 교훈은 운영팀이 사용하는 산업용 플랫폼에 익숙해져야 한다는 것이다.

5. 사용 페르소나와 기회 정의

기술자가 기술 프로그램을 시작할 때는 최종 사용자 및 사용 페르소나를 파악하는 것이 무엇보다 중요하다. IT 리더는 디지털 트윈의 최대 수혜자가 누구인지 정의해야 하는데, 대부분은 운영 부서 직원이 가장 큰 혜택을 얻는다.

벡은 “디지털 트윈의 주 기능은 OT/IT 데이터를 병합해서 필요한 경우 데이터 분석 또는 AI/ML을 통해 이 데이터 집합을 컨텍스트에 집어넣는 것이다. 그러나 진정한 힘은 엔지니어, 유지보수 담당자 및 기타 기술자가 데이터 포인트를 가져와 완전히 이해할 수 있게 해주는 것”이라고 말했다.

사용자 페르소나 이해가 첫 단계라면 다음 단계는 이들의 워크플로우와 운영 중에서 어느 부분이 디지털 트윈의 데이터 수집, ML 예측 및 시나리오 계획 기능이 주는 혜택을 받을 수 있는지 파악하는 것이다.

찬다르는 “제조 및 운영 측면에서 IT 리더는 물리적 생산 영역을 모델링해 제품 흐름을 시뮬레이션하거나 새 제품을 만들기 위한 조립 또는 물류 단계를 모델링할 수 있다. 이런 모든 사용례는 확장할 수 있으며, 생성형 AI는 기존의 유한 요소 분석을 보완해서 새로운 제품을 가상으로 테스트할 수 있다. 모든 신제품에 대해 공장 라인을 물리적으로 구축하기 전에 생산 설비를 디지털화해서 시뮬레이션할 수 있으며, 공장의 모든 제품에 대한 작업 공정의 디지털 표현을 개발할 수 있다”라고 설명했다.

6. 확장 가능한 데이터 플랫폼 설계

디지털 트윈은 페타바이트 이상의 데이터를 생성한다. ML 모델을 유지하기 위해서는 이런 데이터를 보호/분석/사용해야 한다. 아키텍처와 관련해 한 가지 중요한 고려 사항은 IoT 실시간 데이터 스트림을 수집하기 위한 데이터 모델과 흐름, 그리고 디지털 트윈을 위한 데이터 관리 아키텍처를 설계하는 것이다.

타이거그래프(TigerGraph)의 산업 솔루션 책임자 해리 파월은 “일반적인 규모의 조직에서 디지털 트윈을 만드는 경우 수백만 개의 데이터 포인트와 관계가 필요하다. 이런 데이터를 쿼리하기 위해서는 수십 개의 링크를 가로지르거나 뛰어넘어 수천 개의 개체 간 관계를 이해해야 한다”라고 말했다.

많은 데이터 관리 플랫폼이 실시간 분석과 대규모 ML 모델을 지원하지만, 제조 구성요소 또는 스마트 빌딩과 같이 수천 개가 넘는 개체의 동작을 시뮬레이션하는 디지털 트윈에는 개체 및 개체의 관계를 쿼리할 수 있는 데이터 모델이 필요하다.

이어 파월은 “현재 기업은 다양한 운영 분석을 지원하고 실행할 수 있는 시기적절한 비즈니스 인텔리전스를 얻기 위해 그래프 데이터베이스를 사용해 디지털 트윈을 만들고 있다. 세부적인 디지털 모델의 구조는 공장, 창고, 공급망 전체 등 가장 큰 비즈니스 구성요소만 포함하는 고수준 구조일 수도 있고, 공장의 개별 기계와 창고 선반, 배송 트럭 등을 모델링하는 더 세분화된 구조일 수도 있다”라고 언급했다. 

7. 클라우드 및 새로운 기술 역량 구축

디지털 트윈 플랫폼을 설치하고 수많은 IoT 센서의 데이터를 통합하고 확장할 수 있는 데이터 플랫폼을 구축하려면 IT 부서는 대규모 기술 인프라 구축을 위한 핵심 역량을 보유해야 한다. IT팀이 사용례를 연구하고 디지털 트윈 플랫폼 기능을 실험하는 동안 IT 리더는 프로덕션급 디지털 트윈을 지원하는 데 필요한 클라우드, 인프라, 통합 및 디바이스를 고민해야 한다. 

벡은 인프라에 대해 “디지털 트윈을 확장하기 위해 IT 책임자는 클라우드에 기대면서도 하이퍼스케일러, IoT 디바이스 관리 및 데이터 과학과 같은 일부 엣지 기술도 여전히 보유해야 한다”라고 권했다.

마줌더는 인프라 외에 새로운 디바이스를 지원하기 위한 역량을 개발하고 애널리틱스를 활용해야 한다면서 “디지털 트윈의 성공은 AI/ML, AR/VR과 같은 클라우드 네이티브 애플리케이션을 통해 실현되는 강력한 디지털 코어, 그리고 조직이 인프라에 관계없이 데이터와 애플리케이션을 처리하도록 돕는 데서 시작된다”라고 강조했다.

결론

디지털 트윈이 가진 잠재력은 막대하지만 워낙 규모가 크고 복잡해 고급 기술 역량을 갖추지 못한 많은 기업에는 최근까지도 그림의 떡이었다. 더 이상은 아니다. 이제 운영에 대해 배우고 운영과 협력하는 IT 리더에게는 조직에 디지털 트윈 역량을 부여할 수 있는 기회가 열렸다.
editor@itworld.co.kr