AI와 IoT가 디지털 트윈을 구동해 더 스마트한 공급망 만든다

2021년 8월 21일

출처: AI 트렌드(AI Trends)

IoT와 머신러닝이 동시에 성장하면서 공급망에서 디지털 트윈 사용이 증가하고 있습니다. 다양한 목적으로 사용할 수 있는 디지털 복제본으로서 말이죠. 물리적 모델과 해당 가상 모델 간의 연결은 센서를 사용해 실시간 데이터를 생성함으로써 확립됩니다.

객체 관리 그룹(Object Management Group)의 프로그램으로 8월 출범한 디지털 트윈 컨소시엄(Digital Twin Consortium)은 AI와 시뮬레이션을 포함한 기술 분류법, 표준, 인에이블링 기술 작업을 하고 있습니다. 엔지니어들이 이 작업에 끌리고 있습니다. 창립 멤버에는 앤시스(Ansys), 델(Dell), GE, 렌드리스(Lendlease), 마이크로소프트, 노스롭 그루만(Northrop Grumman)이 포함됩니다.

"IoT와 ML은 원재료이자 도구입니다. 통찰력은 우리가 프로세스를 모델링하고 컨텍스트를 만드는 저장소에 있습니다. 이것이 데이터베이스나 데이터 레이크일 수도 있지만, 제게 가장 흥미로운 예는 디지털 트윈입니다."라고 AI, IoT, 공급망 교차점에 초점을 맞춘 분석가 스콧 런드스트롬(Scott Lundstrom)이 자신의 블로그 서플라이 체인 퓨처스(Supply Chain Futures)에 썼습니다.

공급망에서 디지털 트윈 모델은 센서가 위치한 곳이면 어디든 현재와 과거 성과 데이터를 비교할 수 있게 합니다. 온도조절기 같은 구성요소, 트럭이나 기계 같은 자산, 서비스 기술자 같은 직원, 제조 같은 프로세스일 수 있습니다. "디지털 트윈 역량의 일부는 복잡한 자산, 프로세스, 시스템을 설명하기 위한 모델의 모델을 갖는 이 복잡성에 의해 주도됩니다."라고 런드스트롬은 썼습니다.

공급망에서 디지털 트윈 모델은 컨테이너에 포장된 품목들이 물리적 세계를 통해 유통업체와 고객에게 이동하는 것을 포괄할 수 있습니다. 모델은 체인 한 끝에서 제품을 만든 프로세스에서 데이터를 상속받고, 다른 끝에서 고객 모델에 정보를 제공할 수 있습니다.

"이 기술이 더 잘 이해되고 배포가 쉬워짐에 따라 사용은 점점 더 복잡한 공간으로 성장할 것입니다. 생물학 시스템 모델링에서 심장 같은 복잡한 장기를 지원하기 위해 생명과학 분야에서 디지털 트윈 개발이 이미 진행 중입니다."라고 런드스트롬은 썼습니다. (바이오IT월드(BioITWorld)의 "가상 트윈: 의료, 신약 개발, 팬데믹 대응에서의 역할" 참조.)

이상적으로 공급망은 많은 복잡한 다중 모델 유스케이스로 특징지어지므로, 포괄적 디지털 트윈은 공급업체의 공급업체에서 고객의 고객까지 전체 공급망을 볼 수 있게 합니다. 자산과 프로세스의 상태와 이력을 이해하면 머신러닝 도구를 방정식에 가져와 시뮬레이션, 최적화, 예측 능력을 모델에 실행할 수 있다고 런드스트롬은 제안합니다.

"이 엄청난 기회의 혜택을 실현하려면 표준, 합의된 분류법, 이 시장이 번창하기 위한 상업적 개발 도구와 플랫폼이 필요합니다."라고 그는 말했습니다. "공급업체 커뮤니티가 이 기회에 반응하고 있으며, PLM[제품 수명주기 관리], IoT, 분석/데이터 사이언스 시장의 많은 실무자들이 이러한 기초 표준 해결에 집중하기 시작하고 있습니다."

대형 플랫폼 공급업체들은 도구와 서비스형 플랫폼(PaaS) 제공으로 나아가 점유율을 얻고 '사실상 표준(de facto standards)'을 개발하려 합니다. 아마존 웹 서비스(AWS), 구글 클라우드 플랫폼(GCP), GE의 프레딕스 플랫폼(Predix Platform), IBM, 마이크로소프트 모두 기존 IoT 도구와 플랫폼에 확장을 구축해 디지털 트윈 생성을 지원하고 있습니다.

런드스트롬은 마이크로소프트의 애저 디지털 트윈(Azure Digital Twins)을 더 완전한 초기 제공 중 하나로 지적했습니다. 5월 가상으로 열린 마이크로소프트 빌드 2020 이벤트에서 선보인 프리뷰 릴리스는 JSON-LD(연결된 데이터를 위한 자바스크립트 객체 표기법) 구현을 기반으로 한 새로운 디지털 트윈 정의 언어(DTDL)를 지원합니다.

"JSON-LD를 활용함으로써, 잘 받아들여지고 단순한 객체 프레임워크인 마이크로소프트는 처음부터 개방형 표준을 지원합니다."라고 런드스트롬은 썼습니다. "이는 사용자들이 디지털 트윈이 상속, 복잡한 다중 계층 모델 생성을 위한 다중 인스턴스를 지원하기 위해 개방형 객체 지향 접근을 필요로 한다는 것을 이해하기 시작함에 따라 핵심 요구사항입니다. 이는 널리 사용 가능한 클라우드 플랫폼과 AI 프레임워크를 지원하고 이식 가능하게 합니다."

공급망 디지털 트윈이 단지 또 다른 유행일 뿐인가?

공급망 디지털 트윈이 단지 또 다른 유행인가, 리버 로직(River Logic) 사이트 블로그 게시물에서 물었습니다. 2000년부터 댈러스에서 사업 중인 이 회사는 디지털 트윈을 사용한 공급망 최적화를 위한 처방 분석 기술 공급업체입니다. 비즈니스 계획과 최적화 지식을 가진 사전 구축 애플리케이션을 제공합니다.

시뮬레이션과 모델링 소프트웨어는 조직이 공급망의 현실적이고 검증 가능한 디지털 트윈을 만들 수 있게 합니다. 데이터 마이닝 기법과 IoT 센서 입력이 실시간 데이터를 모델에 공급합니다. 모델은 현실 세계에서 무슨 일이 일어나고 있는지 모니터링하고 결정하며 적절한 시정 조치를 계획할 수 있습니다.

2018년 7월 가트너의 IoT 구현 연구에 따르면 IoT 프로젝트를 진행하는 기업의 13%가 이미 디지털 트윈을 보유했고, 다른 62%는 구현을 향해 노력 중이었습니다. "디지털 계획 트윈이 단순한 유행 이상인 것 같습니다."라고 리버 로직 게시물은 말했습니다.

1970~80년대 엔지니어들은 복잡한 엔지니어링 장비의 3D CAD 모델을 사용해 가상 워크스루를 수행했습니다. CAD 기술이 발전함에 따라 물리적 응력을 표현할 수 있게 되어 가상 응력 테스트가 가능해졌습니다. 오늘날 항공기, 자율주행차, 시추 장비 같은 실제 장비의 '거의 완벽한' 디지털 모델을 구축할 수 있고, 항공기 이착륙 시 경험하는 정적 및 동적 하중 같은 실제 데이터를 입력해 성능을 측정할 수 있습니다.

"이렇게 현실 세계를 시뮬레이션하고 우리 물리적 환경과 디지털 환경 사이의 간극을 메울 수 있습니다."라고 리버 로직은 말합니다. 여러 기업의 디지털 트윈 경험이 리버 로직 웹사이트에 소개되어 있습니다.

DHL 서플라이 체인이 구축한 태평양-아시아 창고 디지털 트윈

DHL 서플라이 체인은 싱가포르에 있는 물리적 창고에서 지속적으로 실시간 데이터를 공급받아 스위스 기반 다국적 식품 포장 및 가공 기업 테트라팩(Tetra Pak)을 위해 태평양-아시아에서 첫 창고 디지털 트윈을 구축했습니다. DHL이 공급망에 통합되도록 개발한 창고입니다. 서플라이 체인 매거진(Supply Chain magazine) 기사에 따르면.

"테트라팩의 창고 및 운송 활동을 개선하기 위한 이런 디지털 솔루션의 공동 구현은 미래 스마트 창고의 훌륭한 예입니다."라고 DHL 서플라이 체인 싱가포르, 말레이시아, 필리핀 CEO 질레르 제롬(Gillet Jerome)이 말했습니다. "이는 민첩하고 비용 효율적이며 확장 가능한 공급망 운영을 가능하게 합니다."

창고에서 DHL 컨트롤 타워는 입고 및 출고 상품을 추적해 모든 상품이 수령 후 30분 이내에 올바르게 보관되도록 합니다. 입고 트럭에는 IoT 기술이 장착됩니다. 테트라팩이 개발한 스마트 저장 솔루션은 물리적 상태와 개별 재고 수준을 실시간으로 추적하고 시뮬레이션해 운영의 논스톱 조정을 가능하게 합니다.

"DHL 서플라이 체인과의 파트너십이 우리 생산성을 더욱 높이고 공급망에서 높은 표준을 유지하길 기대합니다."라고 테트라팩 남아시아, 동아시아, 오세아니아 통합 물류 디렉터 데브라즈 쿠마르(Devraj Kumar)가 논평했습니다.

파리 디지털 트윈, 북해 강풍으로부터 풍력 터빈 보호

파리의 GE 엔지니어들이 엔지니어링 시뮬레이션 소프트웨어 글로벌 공급업체 앤시스(Ansys)와 협력해 북해의 풍력 터빈 디지털 트윈을 구축하고 있습니다. 목표 중 하나는 문제가 계획되지 않은 정전으로 이어지기 전에 발견해 출력을 극대화하고 다운타임을 최소화하는 것입니다. 예측 유지보수는 기계의 물리적 센서뿐만 아니라 물리적 센서를 사용할 수 없는 곳에 배치된 가상 센서에도 의존한다고 GE 뉴스(GE News) 기사에 나와 있습니다.

가상 센서는 다른 센서 데이터와 과거 데이터 또는 모델 기반 스마트 알고리즘을 사용해 온도나 압력 같은 값을 꽤 정밀하게 추측할 수 있습니다.

예를 들어 GE 엔지니어들은 6메가와트 터빈이 회전해 바람을 향해 위치를 잡게 하는 할리아드(Haliade) 150-6 풍력 터빈의 요(yaw) 모터 디지털 트윈을 개발했습니다. 가상 센서를 사용해 이 디지털 트윈은 모터의 다양한 부분 온도를 시뮬레이션합니다.

프레딕스(Predix, GE 산업용 인터넷 소프트웨어 플랫폼) 기반 알고리즘과 앤시스가 개발한 모델링 접근법을 사용해 엔지니어들은 이제 어떤 순간이든 모터 온도를 추정할 수 있습니다. 파운드리(Foundry)에서는 모터가 시간이 지남에 따라 다양한 변형 하에서 어떻게 수행되는지도 모니터링할 수 있습니다. 현장에서 엔지니어들은 대시보드에 연결된 트윈 앱을 사용해 모터 온도를 모니터링할 수 있습니다.

"시뮬레이션을 위해 디지털 트윈 덕분에 전류만 알면 온도를 이해하고 모터 사용을 최적화할 수 있습니다."라고 사보(Sabot)가 말했습니다.

GE는 제트 엔진, 가스 터빈, 기관차의 120만 디지털 트윈이 이미 현장에서 작동 중이라고 보고합니다.

서플라이 체인 퓨처스, 디지털 트윈 컨소시엄, 리버 로직 블로그, 서플라이 체인 매거진, GE 뉴스의 원문 기사와 설명을 읽어보세요.