디지털 트윈이 바꿀 제조 현장의 모습
4차 산업혁명에서의 공장은 어떤 모습으로 변화하게 될까?
스마트 팩토리를 필두로 하는 4차 산업 혁명은 공장의 모습을 송두리째 바꾸고 있다. 공장은 이제 사람의 감시 없이도 실시간 데이터를 기반으로 살아있는 생명체처럼 움직일 수 있고 디지털 피드백을 스스로 진행하며 지능적이고 민첩하게 대처한다. 기존 아날로그식 공장에서는 생각할 수 없었던 모습이다.
하지만 이렇게 설명을 들어도 제조업에 닥친 변화의 모습이 단번에 와닿지는 않는다. 4차 산업혁명은 어떤 모습으로 제조 현장에 뿌리를 내리고 있는 것일까? 스마트 팩토리의 필수 요소 ‘디지털 트윈(Digital Twin)’을 중심으로 그 변화의 모습을 확인해 보겠다.
Figure 1 . 디지털 트윈 (GE Research)디지털 트윈(Digital Twin)이란?
스마트 팩토리를 실현하기 위해서는 현실과 실시간으로 연결하는 가상세계의 사이버 팩토리의 구축이 필수적이다. 이 사이버 팩토리와 실제의 공장을 묶은 거대한 가상-현실 융합 시스템을 디지털 트윈(Digital Twin)이라고 부른다.
디지털 트윈은 집에서도 쉽게 찾아볼 수 있는데 바로 스마트폰 앱을 통해 집의 상태를 실시간으로 확인하고, 전자제품과 가스 밸브 등을 제어하는 것이다. 앱을 통해 구현한 사이버 하우스를 통해 현실 세계의 집을 확인하고 원격 조종 하는 것이 바로 디지털 트윈이 구축된 상태이다.
공장에서도 비슷한 방식으로 디지털 트윈을 활용하고 있다. 디지털 트윈이 제조업에 선물한 변화는 어떤 모습일까? 지금부터 공장의 필수 요소인 작업자(Man), 재료(Material), 적합한 도구(Machine), 효율적인 방법(Method)인 4M을 중심으로 살펴보도록 하겠다.
작업자(Man)와 디지털 트윈
작업자를 디지털화한다는 것이 과연 가능할까?
사람을 원격 조종할 수는 없기에 엄격한 의미의 양방향 제어는 어려울 것이다. 그러나 작업자로부터 실시간 정보를 획득하고 활용하며, 필요한 정보를 주는 가상세계 연결은 가능하다. 이러한 변화는 숙련공 고령화로 인한 문제점과 非-숙련공 문제에 대한 대안이 될 수 있다.
기존의 숙련공들이 은퇴하게 되면 암묵지* 형태의 노하우도 유실되게 된다. 암묵지는 도제관계나 선후배 관계 등을 통해 주로 비언어적인 형태로 전승되기 때문이다. 특히 생산 자동화로 공백이 생겨 신규 채용 이전에 숙련공이 은퇴할 경우 주요한 업무 노하우가 유실된다. 또한 중소기업의 높은 이직률이나 외국인 노동자 채용도 비숙련공의 비율을 증가시키고 있다. 이 경우 업무 숙달에 시간이 오래 걸리고, 업무 지식 전달에도 애로사항이 많아지게 된다.
기존의 지식과 경험의 전수는 주로 출력물(매뉴얼) 혹은 KMS라고 불리는 하드웨어 혹은 웹사이트 형식으로 이루어졌다. 그러나 실질적인 사용성과 경제성이 떨어지고 면대 면보다 지식을 효율적으로 전달할 수 없다는 큰 단점을 가지고 있었다.
디지털 트윈의 도입은 이러한 지식 전달 방식을 바꾸었다. 책자나 웹 형태로만 전해지던 매뉴얼 대신 VR/AR을 통해 눈앞에서 업무 과정을 생생하게 경험할 수 있다. 숙련공의 시범을 실제로 따라 하듯 기계 사용법을 익힐 수 있어 효율적이다. 또한, 작업 과정에서 생기는 변동 사항을 실시간으로 KMS에 업데이트할 수 있음으로 누락이나 착오 등의 데이터 오염 없이 정확한 내용을 공유할 수도 있다.
Figure 2 . VR을 활용한 작업 (Archon VR)설비(Machine)와 디지털 트윈
설비는 완벽한 양방향 제어가 가능하므로 더욱 광범위하고 깊은 수준까지 디지털 트윈을 접목하고 있다. 최근 그 중요성이 많이 강조되고 있는 예지 보전(Predictive Maintenance, PdM)이 좋은 예시이다.
예지 보전이란 고장이 발생하기 전에 미리 고장을 예지하고 선 대응할 수 있게 하는 것이다. 여기서 가장 중요한 것은 정밀한 센서인데 설비에 장착된 센서를 통해 기계의 상태 정보를 실시간으로 분석하고 머신러닝*, 딥러닝* 등을 통하여 고장이 발생하기 전에 수리해야 할 시점을 알려준다.
예지 보전은 Delivery(납품) 측면에서 매우 중요하다. 설비가 고도화·정밀화되면서 설비의 부품의 작은 고장이 생산라인 전체에 큰 영향을 줄 수 있기 때문이다. 따라서 미리 고장이 날 시점을 예지하고 선제 대응해야 납품 기한에 차질이 생기지 않을 수 있다.
Figure 3. Predictive Maintenance (AUDI)공법(Method)과 디지털 트윈
공법의 영역에서는 시뮬레이션 분야에 디지털 트윈이 많이 적용되고 있다. 시뮬레이션은 개발 단계에서는 미처 찾지 못했던 각종 문제점을 미리 발견할 수 있고, 현장 적용에서의 큰 실패 비용 없이 안정적인 공법을 개발하도록 돕는다. 반면 시뮬레이션 없이 공법이 현장에 적용된 이후에 문제점을 발견하게 될 경우, 이를 되돌리기 위해서는 많은 시간과 노력, 재료의 손실이 일어나게 된다.
공법의 디지털 트윈은 작업자의 능률 향상과 안전에도 도움이 된다. 시뮬레이션을 통해 작업자의 실제 작업을 측정하고 분석하여 최적화기 때문이다. 이러한 과정은 실제 공정에서의 사고를 방지하고 신체 부담을 줄일 수 있어 작업자를 보호할 수 있어 인간 친화적이기도 하다.
자재(Material)와 디지털 트윈
공법과 마찬가지로 자재에 대한 다양한 시뮬레이션에도 디지털 트윈이 쓰인다. 시뮬레이션을 활용하면 최적의 재료를 선정하고 모양을 결정할 수 있다. 특히 중요한 자재의 소모, 제공, 물류에 대한 미리 파악할 수 있어 효과적인데 자재가 제때 적합한 곳에 필요한 양만큼 있지 않으면 제품을 만들 수 없기 때문이다.
그렇기 때문에 자재의 소모량과 납기를 반영한 재고를 예측하고, 자재 공급의 이동 경로 최적화하는 정밀한 계산이 필요하다. 시뮬레이션을 통해 자재를 어떻게 공급할지 미리 시험해보고 최적의 자재 공급 계획을 수립한다면 제품을 적시에 생산하여 시장에 공급할 수 있어 일정에 차질이 생기는 것을 방지할 수 있다.
Figure 4 . 시뮬레이션을 이용한 물류 최적화 (LG CNS)오늘은 제조 현장의 중요한 요소인 4M을 중심으로 디지털 트윈이 제조 현장에 적용되는 모습을 살펴보았다.
디지털 트윈은 실시간으로 실물을 모니터링하고 제어할 수 있으며, 미래를 적은 비용으로 예측할 수 있기에 제품의 QCD를 극적으로 향상시키는 성과를 얻고 있다. 이러한 성과는 많은 기업이 디지털 트윈 기술을 도입하게 하는 원동력이 되고 있다.
제조업과 무관한 사람들이 보기에 디지털 트윈은 먼 나라 이야기처럼 들릴지 모른다. 그러나 디지털 트윈은 제조 현장뿐 아니라 우리의 일상생활 속에도 다양한 모습으로 이미 많이 접목되고 있다. 앞서 설명했던 사이버 하우스는 물론, 도시의 교통망을 시뮬레이션해 최적의 교통신호 시스템을 조성하는 것도 디지털 트윈의 일종이다.
디지털 트윈 혁신이 계속될수록 소비자는 더 저렴하고 질 좋은 제품을 원하는 때 소비할 수 있고, 더 편리한 생활을 누리게 된다. 앞으로 공장은 물론, 우리 모두에게 더욱 편리한 삶의 변화를 가져올 디지털 트윈의 미래에 기대를 걸어도 좋을 것이다.
[1] 암묵지 : 지식의 한 종류로 언어 등의 형식을 갖추어 표현될 수 없는 경험과 학습에 의해 몸에 쌓인 지식
[2] 머신러닝(Machine Learning) : 기계(주로 컴퓨터)가 데이터를 통해 학습한 후 정보를 바탕으로 결정을 내리기 위해 학습한 내용을 적용하는 알고리즘
[3] 딥러닝(Deep Learning) : 데이터 분석 알고리즘을 계층으로 구성하여 자체적으로 학습하고 지능적인 결정을 내릴 수 있는 인공 신경망을 만드는 머신러닝의 일종
