AI 및 IoT를 공급망에 적용하여 디지털 트윈을 주도하고 있습니다.

2021년 8월 21일  

출처:AI 동향

IoT와 머신 러닝의 결합이 동시에 성장하면서 다양한 용도로 사용할 수 있는 디지털 복제본으로 공급망에서 디지털 트윈의 사용이 증가하고 있습니다. 센서를 이용하여 실시간 데이터를 생성하여 물리적 모델 및 해당 가상 모델과의 연결을 설정합니다.

Object Management Group의 프로그램으로 8월에 시작된 Digital Twin Consortium은 분류 및 표준을 정의하고 AI 및 시뮬레이션을 포함한 기술을 활성화하기 위해 노력하고 있습니다. 엔지니어들은 그 일에 매력을 느끼고 있습니다. 창립 멤버로는 Ansys, Dell, GE, Lendlease, Microsoft 및 Northrop Grumman이 있습니다.

“IoT와 ML은 원자재이자 도구입니다. 인사이트는 프로세스를 모델링하고 컨텍스트를 생성하는 저장소에 있습니다. 이것이 데이터베이스나 데이터 레이크일 수 있지만 저에게 가장 흥미로운 예는 디지털 트윈입니다. .

공급망의 디지털 트윈을 사용하면 센서가 있는 위치에 관계없이 성능에 대한 현재 데이터와 과거 데이터를 비교할 수 있습니다. 온도 조절 장치와 같은 구성 요소, 트럭이나 기계와 같은 자산, 서비스 기술자와 같은 직원 또는 제조와 같은 프로세스가 될 수 있습니다. Lundstrom은 "디지털 트윈의 기능 중 일부는 복잡한 자산, 프로세스 및 시스템을 설명하는 모델 모델을 갖는 복잡성에 의해 좌우됩니다."라고 썼습니다.

공급망에서 디지털 트윈 모델은 컨테이너에 포장된 품목을 포함하여 물리적 세계를 통해 유통업체와 고객에게 이동할 수 있습니다. 모델은 체인의 한쪽 끝에서 제품을 생성한 프로세스에서 데이터를 상속하고 다른 쪽 끝에서 고객 모델에 알릴 수 있습니다.

“공급망과 제조 자산은 시작에 불과합니다. 이 기술이 더 잘 이해되고 배치가 더 쉬워짐에 따라 사용은 점점 더 복잡한 공간으로 성장할 것입니다. 인간의 심장과 같은 복잡한 기관을 모델링하는 시스템 생물학을 지원하기 위해 생명 과학 분야에서 이미 디지털 트윈이 개발되고 있습니다.”라고 Lundstrom은 썼습니다. (BioITWorld의 '가상 쌍둥이:의료, 약물 발견 및 전염병 대응에서의 역할' 참조)

많은 복잡한 다중 모델 사용 사례를 특징으로 하는 공급망에 이상적으로 포함된 디지털 트윈은 공급업체의 공급업체에서 고객의 고객까지 전체 공급망을 볼 수 있습니다. 자산과 프로세스의 상태와 이력을 이해하면 머신 러닝 도구를 모델에 대한 시뮬레이션, 최적화 및 예측 기능을 실행하는 방정식으로 가져올 수 있다고 Lundstrom은 제안합니다.

"이 엄청난 기회의 이점을 실현하려면 이 시장이 번성할 수 있도록 표준, 합의된 분류, 상용 개발 도구 및 플랫폼이 필요합니다."라고 그는 말했습니다. "공급업체 커뮤니티는 이 기회에 반응하고 있으며 PLM(제품 수명 주기 관리), IoT 및 분석/데이터 과학 시장의 많은 실무자들이 이러한 기본 표준 중 일부를 해결하는 데 집중하기 시작했습니다."

대형 플랫폼 공급업체는 점유율을 확보하고 "사실상" 표준을 개발하기 위해 도구 및 PaaS(Platform as a Service) 제품으로 나아가고 있습니다. Amazon Web Services(AWS), Google Cloud Platform(GCP), GE의 Predix Platform, IBM 및 Microsoft는 모두 기존 IoT 도구 및 플랫폼에 확장 기능을 구축하여 디지털 트윈 생성 지원을 추가하고 있습니다.

Lundstrom은 Microsoft의 Azure Digital Twins를 보다 완전한 초기 제품 중 하나로 지목했습니다. 5월에 가상으로 개최된 Microsoft Build 2020 이벤트에서 선보인 프리뷰 릴리스는 JSON-LD(연결된 데이터를 위한 JavaScript 개체 표기법) 구현을 기반으로 하는 새로운 DTDL(디지털 트윈 정의 언어)을 지원합니다.

Lundstrom은 "잘 받아들여지고 간단한 개체 프레임워크인 JSON-LD를 활용하여 Microsoft는 처음부터 개방형 표준을 지원하고 있습니다."라고 씁니다. "사용자가 디지털 트윈이 상속 요구 사항을 지원하기 위해 개방형 객체 지향 접근 방식과 이식 가능하고 널리 사용 가능한 클라우드 플랫폼 및 AI의 사용을 지원하는 복잡한 다중 계층 모델을 생성하는 데 여러 인스턴스가 필요하다는 것을 이해하기 시작함에 따라 이것이 핵심 요구 사항입니다. 프레임워크."

공급망 디지털 트윈은 또 다른 유행인가?

디지털 트윈을 사용한 공급망 최적화를 위한 처방적 분석 기술 공급업체인 리버 로직(River Logic) 사이트의 블로그 게시물에 따르면 공급망 디지털 트윈은 또 다른 유행에 불과합니까? 2000년부터 Dallas에서 사업을 시작한 이 회사는 사업 계획 및 최적화에 대한 지식을 갖춘 사전 구축된 애플리케이션을 제공합니다.

시뮬레이션 및 모델링 소프트웨어를 통해 조직은 공급망의 현실적이고 검증 가능한 공급망 디지털 트윈을 생성할 수 있습니다. 사물 인터넷(IoT) 센서의 입력과 함께 데이터 마이닝 기술을 사용하면 실시간 데이터를 모델에 입력할 수 있습니다. 모델은 현실 세계에서 일어나는 일을 모니터링 및 판단하고 적절한 시정 조치를 계획할 수 있습니다.

2018년 7월의 IoT 구현에 대한 Gartner 연구에 따르면 IoT 프로젝트를 진행하는 기업의 13%는 이미 디지털 트윈을 보유하고 있으며 다른 62%는 구현을 위해 노력하고 있습니다. River Logic 포스트는 "디지털 계획 쌍둥이는 단순한 유행이 아닌 것 같습니다."라고 말했습니다.

1970년대와 80년대의 엔지니어들은 가상 워크스루를 수행하기 위해 복잡한 엔지니어링 장비의 3차원 CAD 모델을 사용했습니다. CAD 기술이 발전함에 따라 물리적 스트레스를 표현하는 것이 가능해지면서 가상 스트레스 테스트를 수행할 수 있게 되었습니다. 오늘날 항공기, 자율주행차, 드릴링 장비와 같은 실제 장비의 "거의 완벽한" 디지털 모델을 구성하고 항공기 이륙 중 경험하는 정적 및 동적 하중과 같은 실제 데이터를 입력하여 성능을 측정하는 것이 가능합니다.

River Logic은 "이런 방식으로 실제 세계를 시뮬레이션하고 물리적 환경과 디지털 환경 간의 격차를 해소할 수 있습니다."라고 말합니다. 디지털 트윈에 대한 여러 회사 경험은 River Logic 웹 사이트에서 강조 표시됩니다.

DHL Supply Chain이 구축한 태평양-아시아 창고의 디지털 트윈

DHL Supply Chain은 스위스에 본사를 둔 다국적 식품 포장 및 가공 회사인 Tetra Pak을 위해 태평양-아시아에 창고의 첫 번째 디지털 트윈을 구축했습니다. Supply Chain Magazine의 계정에 따르면 디지털 트윈은 DHL이 공급망에 통합하기 위해 개발한 싱가포르의 물리적 창고에서 일관되게 실시간 데이터를 제공합니다.

DHL Supply Chain Singapore, Malaysia, Philippines의 질레 제롬(Gillet Jerome) CEO는 “Tetra Pak의 창고 보관 및 운송 활동을 개선하기 위한 디지털 솔루션의 공동 구현은 미래의 스마트 창고의 훌륭한 예입니다. "이는 민첩하고 비용 효율적이며 확장 가능한 공급망 운영을 가능하게 합니다."

창고에서 DHL Control Tower는 입고 및 나가는 물품을 추적하여 모든 물품이 수령 후 30분 이내에 올바른 방식으로 보관되도록 합니다. 들어오는 트럭에는 IoT 기술이 장착되어 있습니다. Tetra Pak이 개발한 스마트 보관 솔루션은 물리적 상태와 개별 재고 수준을 실시간으로 추적하고 시뮬레이션하여 운영을 논스톱으로 조정할 수 있습니다. .

Tetra Pak의 남아시아, 동아시아 및 오세아니아 통합 물류 이사인 Devraj Kumar는 "DHL Supply Chain과의 파트너십을 통해 우리의 생산성이 더욱 향상되고 공급망의 높은 표준이 유지될 것으로 기대합니다."라고 말했습니다.

파리의 디지털 트윈은 북해 강풍으로부터 풍력 터빈을 보호할 것입니다.

파리의 GE 엔지니어들은 엔지니어링 시뮬레이션 소프트웨어의 글로벌 공급업체인 Ansys와 협력하여 북해에 풍력 터빈의 디지털 트윈을 구축하고 있습니다. 한 가지 목표는 계획되지 않은 중단으로 이어지기 전에 문제를 찾아내어 출력을 최대화하고 가동 중지 시간을 최소화하는 것입니다. GE News의 계정에 따르면 예측 유지보수는 기계의 물리적 센서뿐만 아니라 물리적 센서를 사용할 수 없는 장소에 배치된 가상 센서에 의존합니다.

가상 센서는 과거 데이터 또는 모델을 기반으로 하는 스마트 알고리즘 및 센서의 다른 데이터를 사용하여 압력 온도와 같은 값을 상당히 정확하게 추측할 수 있는 기능이 있습니다.

예를 들어 GE 엔지니어는 Haliade 150-6 풍력 터빈의 요 모터의 디지털 트윈을 개발하여 6메가와트 터빈이 바람에 맞춰 회전하고 위치를 잡을 수 있도록 합니다. 이 디지털 트윈은 가상 센서를 사용하여 모터의 다양한 부분에서 온도를 시뮬레이션합니다.

산업용 인터넷용 GE 소프트웨어 플랫폼인 Predix에 구축된 알고리즘과 Ansys에서 개발한 모델링 접근 방식을 사용하여 엔지니어는 이제 주어진 순간의 모터 온도를 추정할 수 있습니다. Foundry에서는 시간이 지남에 따라 다양한 변형에서 모터가 어떻게 작동하는지 모니터링할 수도 있습니다. 현장에서 엔지니어는 대시보드가 ​​트윈에 연결된 앱을 사용하여 모터의 온도를 모니터링할 수 있습니다.

Sabot은 "시뮬레이션의 경우 디지털 트윈 덕분에 온도를 이해하고 모터 사용을 최적화하기 위해 전류만 알면 됩니다."라고 말했습니다.

GE는 제트 엔진, 가스터빈, 기관차로 구성된 120만 개의 디지털 트윈이 이미 현장에서 작동하고 있다고 보고했다.

Supply Chain Futures, Digital Twin Consortium, River Logic 블로그, Supply Chain 잡지, GE News에서 출처 기사와 설명을 읽어보세요.