여러분은 아마 디지털 트윈에 대해 들어보셨을 것입니다: Digital Twin Consortium에 따르면 “디지털 트윈은 특정한 빈도와 정확도로 동기화된 실제 엔터티, 또는 프로세스의 가상 표현”입니다. 그러나 하이브리드 디지털 트윈이란 무엇이며 어떻게 만들 수 있을까요? 기본적으로 하이브리드 디지털 트윈은 데이터와 물리학을 혼합하여 디지털 트윈의 가치를 높입니다. 인공 지능/기계 학습(AI/ML)을 통합하여 Ansys Twin Builder 시뮬레이션 기반 디지털 트윈 플랫폼 및 Ansys TwinAI AI 기반 디지털 트윈 소프트웨어를 사용해 이를 생성할 수 있습니다.
Ansys의 시니어 제품 마케팅 관리자인 Asmaa Lapouge가 Ansys의 인터뷰 시리즈 “The Twin Talks”에서 하이브리드 디지털 트윈에 대해 논의합니다. 최근 Asmaa는 두 명의 Ansys 전문가와 자리를 함께 하여 일반적인 애플리케이션 및 사용 사례를 비롯한 하이브리드 디지털 트윈에 대한 개요를 얻었습니다. 다음은 해당 인터뷰에서 발췌한 내용과 주요 사안입니다.
Q: 하이브리드 디지털 트윈이 무엇이며 기존 디지털 트윈과 어떻게 다른지 간략하게 설명해 주시겠습니까?
Ansys의 수석 제품 관리자 Manzoor Tiwana: 이러한 모델에 대한 기존 디지털 트윈 또는 전통적인 접근 방식은 순수한 시뮬레이션이라는 것입니다. 예를 들어, Ansys의 경우 물리학과 시뮬레이션 부문에서 매우 탁월하므로 시뮬레이션과 물리학을 기반으로 한 이 모델을 사용하고, 다른 많은 사람들은 AI/ML 분석 기법과 같은 ML 기술을 바탕으로 이 모델을 사용했습니다. 하이브리드 디지털 트윈을 사용하면 시뮬레이션과 물리학, AI/ML의 장점을 모두 결합할 수 있습니다.
Q: 하이브리드 디지털 트윈이 운영 최적화, 의사 결정 개선 또는 전반적인 성능 향상 등 상당한 영향을 미친 특정 산업이나 애플리케이션이 있습니까?
Manzoor Tiwana
MT: Ansys는 거의 모든 산업에 걸쳐 고객을 보유하고 있습니다. 항공우주, 자동차, 제조, 의료, 에너지, 석유 및 가스 등 다양한 분야의 고객이 있습니다. 이러한 고객이 하고 있는 일 또는 직면한 과제는 자산이나 프로세스를 매우 정확한 방식으로 표현하는 동시에 매우 빠르고 확장 가능하도록 만드는 방법입니다.
팜, 밸브, 배관으로 구성된 시스템이 있는 유동 네트워크에서 이 하이브리드 디지털 트윈을 사용하는 고객이 있습니다. 이러한 시스템은 용기를 통해 부품의 고장을 예측하고 에너지 효율을 위해 운영을 최적화할 수 있습니다. 따라서 운영을 최적화하고 고장이 발생할 경우 이를 예측하는 것이 목표가 될 수 있습니다. 또한 순수 분석 접근 방식을 통해 약 80%의 정확도를 얻었음을 보여주는 사용 사례와 함께 IEEE에 논문을 발표했습니다. 이는 사례마다 다를 수 있지만, 이 경우 약 80%의 정확도를 보였으며 시뮬레이션을 사용하여 약 90%의 정확도를 얻었습니다. 그러나 두 가지를 결합했을 때는 정확도가 98%였습니다. 그리고 이 기술을 사용해 엔진의 배출량을 예측하는 고객이 있는데, 이 하이브리드 접근 방식을 활용하여 수행해야 하는 시뮬레이션 수를 제한하고 있습니다. 시뮬레이션과 실제 데이터를 결합하여 이러한 결과를 매우 빠르게 얻을 수 있으므로 정확도를 높이기 위해 많은 시뮬레이션을 수행할 필요가 없으면서도 이 두 가지를 결합하여 매우 빠르게 결과를 얻을 수 있습니다.
Q: 그럼 Ansys 관점에서 이 회사가 하이브리드 디지털 트윈을 솔루션에 통합하는 방법과 물리적 자산을 전체적으로 표현하는 분석에서의 시뮬레이션 역할에 대해 말씀해 주시겠습니까?
MT: Twin Builder 소프트웨어는 물리 기반 디지털 트윈을 구축하는 데 도움이 되는 제품이며, 이 AI/ML 통합을 수행하는 TwinAI 플랫폼이 있습니다. TwinAI 플랫폼을 통해 엔지니어는 데이터와 물리학을 혼합하여 고급 디지털 트윈을 만들 수 있습니다. 따라서 사용자는 파라미터 보정 및 융합과 같은 작업을 수행하여 물리학과 센서 데이터를 모델로 결합하는 모델을 생성할 수도 있습니다.
Q: 제품 단계에서 디지털 트윈은 어떤 방식으로 사용됩니까? 사용 사례는 무엇입니까?
Ansys의 시니어 제품 영업 관리자 Vitor Lopes: 다른 좋은 기술과 마찬가지로 디지털 트윈의 흥미로운 측면은 매우 유연하고 다양한 시나리오에 적용 가능하다는 것입니다. 따라서 이미 자산이 있고 트윈에 연결하는 운영이나 환경에 대해 구체적으로 논의하고 있다면, 제가 가장 좋아하는 것 중 하나인 이 가상 센서를 사용하여 자산이 운영될 때 측정하지 못하는 것을 측정할 수 있습니다. 그리고 이를 다른 시나리오로 적용할 수 있습니다. 처음에는 모니터링에 사용할 수 있습니다. 제어를 위해 사용할 수 있고, 최적화를 위해 사용할 수 있습니다. 그리고 나서 "언제 자산이 고장나서 사전에 서비스를 제공하고 예기치 않은 가동 중단과 관련된 비용을 최소화할 수 있을까?"와 같은 동작을 예측할 수도 있습니다. 바로 이것이 운영 환경입니다.
Vitor Lopes
하이브리드 디지털 트윈을 구축할 때는 하향식과 상향식의 두 가지 접근 방식이 있습니다.
한 프로젝트를 설계한 시나리오에 있다고 상상해 보십시오. 현실 세계로 가져오고 싶지만 아직 시운전 단계에 있습니다. 시운전 시간과 위험을 최소화하기 위해 오프라인 트윈으로 더 많이 사용할 수 있습니다. 제품이 제작되기 전에 "이 제품을 어떻게 사용할 수 있을까? 현장에서 발생할 수 있는 조건이나 제조 라인에서 발생할 수 있는 조건은 무엇인가?"라는 질문을 이해할 수 있기 때문입니다. 다양한 사용 사례가 있습니다.
마지막으로 제품 개발 초기에는 디지털 프로토타입이 있을 수 있습니다. 이 단계에서는 자산이 실제로 존재하지 않고 아직 설계하는 중이지만 모델을 사용하여 설계를 검증하고, 설계를 최적화하고, 다양한 성능에서 실행하는 더 나은 방법을 파악할 수 있습니다. 가상 프로토타입 제작, 가상 검증, 센서 배치 위치 결정의 개념입니다.
Q: 다양한 분야에서 디지털 트윈의 영향을 설명하기 위해 몇 가지 구체적인 예를 들어주시겠습니까?
VL: 에너지, 금속, 광업과 같은 산업은 환경이 매우 열악하지만 동시에 운영에 대한 매우 엄격한 제어가 필요합니다. 이러한 트윈을 사용하여 자산이나 시스템의 특정 지점, 즉 가상 센서를 파악할 수 있습니다. 가상 센서는 이전에 더 맹목적인 방식으로 운영을 진행했던 영역입니다. 실제로 무슨 일이 일어나고 있는지 알지 못합니다. 사실상 트윈을 연결하기 전까지는 "여기 온도가 너무 높고 압력이 너무 낮다."와 같은 상태를 확인할 수 있습니다. 그러면 수율을 높이거나 위험, 비용 또는 성능 저하를 최소화하기 위해 운영을 추진할 수 있습니다.
하이브리드 디지털 트윈은 데이터, 물리학 및 인공 지능/기계 학습(AI/ML) 기술을 결합하여 자산을 가장 정확하게 표현합니다.
제조 환경에서 이런 현상이 나타날 수 있지만, 예를 들어 항공우주 및 방위 산업에서도 이러한 일이 많이 일어납니다. 항공우주 및 방위 산업에서는 실제로 이러한 트윈을 항공기에 연결하고 서비스 제공 시기를 훨씬 정교한 방식으로 파악할 수 있습니다. 이제 하이브리드라는 개념이 있기 때문에 데이터를 보유하고 있으면서 물리학도 갖추고 있어서 실제로 무슨 일이 일어나고 있는지, 그리고 사물이 고장날 경우 고장이 나는 이유와 위치에 대한 요소를 알려줍니다.
자세한 내용은 웨비나 “Ansys TwinAI: 물리의 정밀도와 데이터 기반 통찰력의 결합
여러분을 위한 것입니다. 여러분이 확인해 볼 수 있는 몇 가지 추가 리소스가 있습니다.
"하이브리드 디지털 트윈을 사용하면 시뮬레이션과 물리학, 그리고 AI/ML의 장점을 모두 발휘하실 수 있습니다."
— Ansys 수석 제품 관리자 Manzoor Tiwana
