CIO는 디지털 트윈을 준비했지만 구현에는 두 가지 문제가 있습니다.

디지털 트윈의 완전한 가능성을 실현하려면 전체 조직 생태계에 걸쳐 시스템과 데이터를 통합해야 할 수 있습니다.

조직에 변경 사항을 적용하기 전에 가상으로 프로덕션 문제와 워크플로 변경 사항을 해결할 수 있다고 상상해 보십시오. 최근 Gartner 설문조사에 응답한 CIO 10명 중 6명은 조직에서 잠재적 및 실제 물리적 자산, 프로세스, 사람, 장소, 시스템 및 장치를 복제하는 디지털 트윈을 지원하도록 준비하고 있거나 준비하고 있습니다. 최소 21%는 이미 어떤 형태의 디지털 트윈을 배포했으며 다른 38%는 디지털 트윈 배포를 위한 1~3년 계획 단계에 참여하고 있습니다.

참조: 디지털 트윈 시장, 향후 5년 동안 10배 성장 예상

그러나 디지털 트윈의 완전한 가능성을 실현하려면 전체 조직 생태계에 걸쳐 시스템과 데이터를 통합해야 할 수 있습니다. 이것이 딜로이트 보고서의 결론입니다. 딜로이트의 아담 무소멜리(Adam Mussomeli)가 이끄는 보고서 작성자는 잘못된 데이터, 측정 문제, 단순한 과용으로 인해 물리적 자산을 정확하게 복제하기 어려울 수 있다고 경고합니다.

Deloitte 팀은 산업 전반에 걸쳐 디지털 트윈이 구현되는 몇 가지 잠재적인 방법을 식별했습니다.

• 자동차 및 항공기 제조업체: "전체 제조 가치 사슬을 최적화하고 신제품을 혁신하기 위한 필수 도구입니다." 항공기 엔진의 경우 "수천 또는 수만 개의 센서가 있어 초당 테라바이트의 데이터를 생성합니다. 제조업체는 디지털 트윈, 기계 학습 및 예측 모델과 결합하여 조종사가 연료 소비를 최적화하고 유지 보수가 사전 예방적이며 차량이 비용을 관리할 수 있도록 돕기 위한 권장 사항을 제공하고 있습니다.”
• 에너지 :"현장 서비스 운영자는 실시간으로 시추 작업을 안내하는 디지털 모델을 구축하는 데 사용하는 방대한 양의 구멍 내 데이터를 캡처 및 분석하고 있습니다."
• 건강 관리: "심혈관 연구원들은 임상 진단, 교육 및 훈련을 위해 매우 정확한 인간 심장의 디지털 트윈을 만들고 있습니다."
• 스마트 시티: "싱가포르는 도시 계획, 유지 관리 및 재난 대비 프로젝트에서 상세한 가상 모델을 사용합니다."

정확한 디지털 트윈을 구축하는 것은 하룻밤 사이에 이루어지는 과정이 아닙니다. Deloitte 팀은 디지털 트윈을 구현하는 데 있어 세 가지 과제 영역을 지적합니다.

• 잘못된 데이터: Mussomeli와 그의 공동 저자는 "디지털 트윈을 구동하는 AI 및 기계 학습 알고리즘에는 많은 양의 데이터가 필요합니다."라고 경고했습니다. "많은 경우 생산 현장에 있는 센서의 데이터가 손상되었거나 손실되었거나 처음부터 일관되게 수집되지 않았을 수 있습니다." Deloitte 보고서는 "지금 필요한 인프라 및 데이터 관리 접근 방식을 개발하기 위한 조치를 취하면 혜택을 받는 시간을 단축하는 데 도움이 될 수 있습니다"라고 조언합니다.
• 측정 프로세스: 딜로이트 팀은 "새로운 프로세스, 시스템 및 장치에 대한 디지털 트윈 시뮬레이션이 생성되는 경우에도 프로세스를 완벽하게 계측하는 것이 항상 가능한 것은 아닙니다."라고 경고합니다. "조직은 예를 들어 타이어에 센서를 장착하는 대신 차량의 계측 및 센서에 의존하거나 감지할 수 있는 것을 프록시에 의존해야 합니다."
• 센서의 올바른 균형 결정: “센서 가격이 떨어지면서 센서는 몇 개면 충분할까요?” 연구자들은 묻습니다. “비용/편익 분석의 균형을 맞추는 것이 중요합니다. 대부분의 사용 사례에서는 프로세스 내의 주요 입력, 출력 및 단계를 감지하기 위해 전략적으로 배치된 적당한 수의 센서만 필요합니다."

장애물이 있기는 하지만 딜로이트 연구원들은 디지털 트윈이 기업에 가져오는 전례 없는 잠재적 이점을 지지합니다. "실제 세계의 완벽한 디지털 사본을 사용하면 가상으로 협업하고, 센서 데이터를 입수하고, 조건을 빠르게 시뮬레이션하고, 가상 시나리오를 명확하게 이해하고, 결과를 보다 정확하게 예측하고, 실제 세계를 조작하기 위한 지침을 출력할 수 있습니다." 탐구할 가치가 있는 가치 제안입니다.