제조 분야에서 디지털 트윈의 힘과 함정

지금부터 10년 후에는 디지털 트윈이 있을 가능성이 높습니다. 소비자 기기, 산업 기계, 전력망, 석유 및 가스 인프라, 심지어 전체 공장을 위한 것입니다. 그러나 디지털 트윈이 현재 인기를 얻고 있지만 이 용어가 의미하는 바가 항상 정확한 것은 아닙니다. 물리적 개체의 데이터 기반 표현이라는 것은 분명하지만 현재 디지털 트윈 프로젝트의 해상도는 상당히 다양합니다. LNS Research의 연구원인 Dan Miklovic은 "디지털 트윈, 디지털 거의 쌍둥이, 디지털 '닮음' 및 디지털 '우리가 연관되기를 바라는' 유형의 쌍둥이가 있습니다. "현재 많은 회사에서 디지털 트윈의 매우 작은 'DNA 가닥'을 사용하고 있으며 향후 몇 년 동안 기술이 훨씬 더 중요해질 것입니다."

2018년 초에 디지털 트윈은 여전히 ​​떠오르는 기술이지만 그 뿌리는 Michael Grieves 박사가 2003년으로 거슬러 올라갑니다. University of Michigan의 제품 라이프사이클 관리에 대한 경영자 과정에서 이 개념을 소개했습니다. 작년에 Gartner는 과대 광고 주기의 "Innovation Trigger" 단계의 초기 상승 중간에 이 기술을 고정시켰습니다. 이 기술은 "기대치의 정점

이라고 불리는 롤러코스터 리프트 언덕처럼 보입니다.

디지털 트윈은 초기 기술이기 때문에 많은 약속이 모호하고 IIoT, 분석, 기계 학습, 인공 지능 및 인지 컴퓨팅과 같은 기술에 대한 마케팅 피치와 얽혀 있습니다. 기본 아이디어는 디지털 트윈이 생산성을 강화하고 물리적 자산, 프로세스 또는 시스템을 최적화할 수 있다는 것입니다. “디지털 트윈은 오늘날 산업 기업이 생산 시스템을 건드리지 않고 시뮬레이션하고 실험할 수 있는 가장 좋은 방법입니다. 정확한 실시간 데이터를 사용하여 모델을 생성할 수 있습니다. 이것은 매우 새로운 것입니다.”라고 Poniewierski가 말했습니다.

또한 디지털 트윈은 디지털 트윈을 사용하여 문제를 찾은 후 이를 해결하기 위해 리소스를 풀링할 수 있는 작업자 간의 협업을 동시에 촉진할 수 있습니다. 산업 공간에서 제안된 디지털 트윈의 이점은 다음과 같습니다. 제조업체가 완제품의 품질을 개선할 수 있도록 지원하고, 제조 장비에 예측 유지 관리 기능을 제공하고, 제조업체가 개별 제품이 아닌 산업적 결과물을 판매하는 방식에서 전환할 수 있도록 지원하는 동시에 산업 조직이 기계를 최적화하도록 지원합니다. , 제품, 생산 라인 또는 전체 시설. 이러한 모든 이점이 IIoT 자체와 직접적으로 연결되어 있습니다.

디지털 트윈 기술의 주요 이점 중 하나는 실험을 주도할 수 있는 잠재력입니다. “제조업체는 예측 유지보수 애플리케이션을 위한 디지털 트윈을 구축할 수 있습니다. 그런 다음 작업자, 기계 및 공급업체를 위해 기계의 실제 동작을 교육할 수 있으며 본질적으로 생산 품질을 개선하기 위한 실시간 테스트 베드를 구축할 수 있습니다.”라고 Poniewierski가 말했습니다. "예를 들어, 라이브 디지털 트윈에 대한 실험은 1달러의 비용이 들지만 개발 환경에서 동일한 실험을 실행하는 데는 100달러가 든다는 것을 알 수 있습니다."

Gartner에 따르면 디지털 트윈에는 4가지 필수 기능이 있으며 모두 사물 인터넷 프로젝트의 "사물"과 밀접하게 관련되어 있습니다. 첫째, 그것이 나타내는 "사물"의 모델이 있습니다. 둘째, 해당 항목의 ID, 상태 및 컨텍스트와 같은 해당 항목에 대한 데이터가 있습니다. 셋째, 쌍둥이의 독특함이 있다. 즉, 각 디지털 트윈은 고유한 개체에 해당합니다. 마지막으로 디지털 트윈은 IoT "사물"의 상태를 모니터링합니다. 2017년 11월 바르셀로나에서 열린 Gartner Symposium에서 Gartner의 저명한 분석가이자 부사장인 Nick Jones는 "쌍둥이에게 정보를 요청할 수 있습니다."라고 설명했습니다. 디지털 트윈에는 예측 유지 관리와 같은 애플리케이션을 위한 분석 기능이 선택적으로 장착될 수도 있습니다. 디지털 트윈이 물리적 개체를 제어하는 ​​옵션도 있습니다. 마지막으로 일부 디지털 트윈은 복제하려는 "사물"을 시뮬레이션할 수 있습니다.

분명히 말해서, 물리적 제품의 정교한 모델을 사용하는 아이디어는 새로운 것이 아닙니다. NASA와 같은 조직에서는 수년 동안 우주선에 고급 시뮬레이션을 사용해 왔습니다. 디지털 트윈을 차별화하는 것은 IoT 지원 개체에서 스트리밍되는 연결된 센서 데이터에 대한 연결로, 센서 및 스마트 기계를 기반으로 통찰력을 발견하고 조치를 트리거할 수 있으며, 공장에서는 제조 실행 시스템이 물리적 환경과 물리적 환경 사이의 장벽을 허물고 있습니다. 디지털 세계. 이러한 물리적 모델과 가상 모델을 하나로 묶는 개념이 새로운 것은 아니지만 Grieves가 관찰한 것처럼 불완전했습니다.

제조업체는 또한 네트워크 에지에 AI/머신 러닝 기능을 배치하여 작업 현장의 민감한 장비 옆에 있는 데이터 패턴을 탐지하고 이상 징후를 감지하는 디지털 트윈을 배포할 수 있습니다.

디지털 트윈 기술의 특정 사용 사례도 제안되었으며 일부 경우에는 실현되었습니다. 예를 들어, 디지털 트윈은 산업 기업이 제품 개발 및 원격 유지 관리 작업 비용을 줄이는 데 도움이 될 가능성이 있습니다. 또한 제품 개발 중 파괴 테스트에 크게 의존하는 회사는 가상 테스트의 상당 부분을 수행할 수 있습니다. 예를 들어, 자동차 회사는 충돌 테스트 프로토타입 차량의 필요성을 줄이기 위해 디지털 트윈 기술을 사용할 수 있습니다. 마찬가지로 정교한 모델과 프로토타입 제작에 크게 의존하는 회사는 제품 개발 중에 디지털 트윈을 사용하여 비용을 절약할 수 있습니다. 또한 원격 위치에서 귀중한 자산을 운영하는 조직은 장비의 디지털 트윈을 사용하여 서비스 수명을 시뮬레이션할 수 있으므로 상태를 확인하기 위해 해당 사이트에 기술자를 보낼 필요가 없습니다. 디지털 트윈 기술은 또한 제조업체가 시장 출시 시간을 단축하는 동시에 미래 프로젝트 세대의 정교성과 유용성 수준을 개선하는 데 도움이 될 수 있습니다.

<울>

1페이지

2페이지