2020.09.22

블로그 | 디지털 트윈이 ‘쌍둥이 악마’가 된다면?

David Linthicum | InfoWorld
디지털 트윈(Digital Twin)은 어떤 물리적 개체의 디지털 복제본이다. 물리적 실체는 사람일 수도, 디바이스일 수도, 제조 장비일 수도, 심지어 비행기나 자동차일 수도 있다. 이 개념은 물리 자산이나 사람의 실시간 시뮬레이션을 제공해 언제 문제가 발생할 수 있는지 판단해, 실제 문제가 발생하기 전에 선제적으로 이를 바로잡는 것이다.
 
ⓒ Getty Images Bank

디지털 트윈의 역할은 저마다 다르지만, 기본적으로 센서에서 나오는 실시간 데이터를 사용한다. 이 센서를 통해 우리가 실제로 만지는 물리 개체와 가상 세계의 디지털 트윈을 동기화할 수 있다. 이 새로운 동기화 시뮬레이션은 IoT와 AI, 머신러닝, 분석, 공간 그래픽 등을 이용해 작동하는 시뮬레이션 모델을 생성하고 물리 개체의 변화를 가상 개체에 업데이트한다.

디지털 트윈의 사용례는 무궁무진하다. 가장 보편적인 것은 공장 장비나 로봇과 같은 기계를 대신하는 것이다. 디지털 트윈은 선제적인 유지보수가 언제 이루어져야 하는지 시뮬레이션하고, 제대로 구현된다면 기계의 생산성과 가동시간을 높일 수 있다.

문제는 디지털 트윈 대부분이 퍼블릭 클라우드에 있다는 것이다. 훨씬 저렴하고 클라우드의 스토리지와 컴퓨팅은 물론 디지털 트윈을 지원하는 AI나 분석과 같은 전문 서비스도 이용할 수 있기 때문이다. 게다가 퍼블릭 클라우드 서비스 업체는 디지털 트윈을 생성하고 운영할 수 있는 전용 서비스도 제공한다.

이렇게 디지털 트윈을 쉽게 구축하고 프로비저닝하고 배치할 수 있기 때문에 디지털 트윈이 ‘쌍둥이 악마’가 될 수 있는 문제가 적지 않으며, 이렇게 되면 득보다 실이 훨씬 많다. 필자가 목격한 몇 가지 사례는 다음과 같다.
 
  • 제조 산업에서는 실제 문제가 발생하기 전에 잘못된 부분을 바로잡는 선제성을 과소평가하거나 과대평가한다. 이 때문에 실제로는 수리할 필요가 없는 문제를 디지털 트윈 시뮬레이션에서 발견해 수리한다. 예를 들어, 공장 로봇의 유압 오일을 실제로 필요한 것보다 세 번 더 교체한다. 최악의 경우, 디지털 트윈이 구성 변경을 제안해 과열과 화재가 생기기도 한다. 실제로 일어난 일이다.
  • 운송 산업에서는 디지털 트윈 시뮬레이션에서 화재가 발생한다는 결과가 나와 항공기 운항을 중단할 수 있다. 하지만 나중에 센서 오류로 밝혀진다.
  • 의료 기관에서는 어떤 환자가 뇌졸중으로 이어질 수 있는 인자를 가지고 있다고 나타났지만, 예측 분석 모델의 문제로 판명되기도 한다.

필자가 강조하고 싶은 것은 실제 디바이스와 기계, 심지어 사람과 연결된 시뮬레이션은 오류가 생길 여지가 너무나 많다는 사실이다. 이들 오류의 대부분은 처음 디지털 트윈을 만들고 배치한 다음에 금방은 실수를 발견하지 못한 사람들 때문이다. 문제는 이 때문에 비행기가 부서지고 환자가 겁에 질리고 공장 로봇이 폭주할 수 있다는 것이다.

클라우드 덕분에 디지털 트윈을 더 부담 없이 빠르게 구축할 수 있게 되면서 이런 문제는 날로 증가하고 있다. 문제 자체가 사악한 것은 아니다. 분명 피할 수 있는 것들이기 때문이다. editor@itworld.co.kr



2020.09.22

블로그 | 디지털 트윈이 ‘쌍둥이 악마’가 된다면?

David Linthicum | InfoWorld
디지털 트윈(Digital Twin)은 어떤 물리적 개체의 디지털 복제본이다. 물리적 실체는 사람일 수도, 디바이스일 수도, 제조 장비일 수도, 심지어 비행기나 자동차일 수도 있다. 이 개념은 물리 자산이나 사람의 실시간 시뮬레이션을 제공해 언제 문제가 발생할 수 있는지 판단해, 실제 문제가 발생하기 전에 선제적으로 이를 바로잡는 것이다.
 
ⓒ Getty Images Bank

디지털 트윈의 역할은 저마다 다르지만, 기본적으로 센서에서 나오는 실시간 데이터를 사용한다. 이 센서를 통해 우리가 실제로 만지는 물리 개체와 가상 세계의 디지털 트윈을 동기화할 수 있다. 이 새로운 동기화 시뮬레이션은 IoT와 AI, 머신러닝, 분석, 공간 그래픽 등을 이용해 작동하는 시뮬레이션 모델을 생성하고 물리 개체의 변화를 가상 개체에 업데이트한다.

디지털 트윈의 사용례는 무궁무진하다. 가장 보편적인 것은 공장 장비나 로봇과 같은 기계를 대신하는 것이다. 디지털 트윈은 선제적인 유지보수가 언제 이루어져야 하는지 시뮬레이션하고, 제대로 구현된다면 기계의 생산성과 가동시간을 높일 수 있다.

문제는 디지털 트윈 대부분이 퍼블릭 클라우드에 있다는 것이다. 훨씬 저렴하고 클라우드의 스토리지와 컴퓨팅은 물론 디지털 트윈을 지원하는 AI나 분석과 같은 전문 서비스도 이용할 수 있기 때문이다. 게다가 퍼블릭 클라우드 서비스 업체는 디지털 트윈을 생성하고 운영할 수 있는 전용 서비스도 제공한다.

이렇게 디지털 트윈을 쉽게 구축하고 프로비저닝하고 배치할 수 있기 때문에 디지털 트윈이 ‘쌍둥이 악마’가 될 수 있는 문제가 적지 않으며, 이렇게 되면 득보다 실이 훨씬 많다. 필자가 목격한 몇 가지 사례는 다음과 같다.
 
  • 제조 산업에서는 실제 문제가 발생하기 전에 잘못된 부분을 바로잡는 선제성을 과소평가하거나 과대평가한다. 이 때문에 실제로는 수리할 필요가 없는 문제를 디지털 트윈 시뮬레이션에서 발견해 수리한다. 예를 들어, 공장 로봇의 유압 오일을 실제로 필요한 것보다 세 번 더 교체한다. 최악의 경우, 디지털 트윈이 구성 변경을 제안해 과열과 화재가 생기기도 한다. 실제로 일어난 일이다.
  • 운송 산업에서는 디지털 트윈 시뮬레이션에서 화재가 발생한다는 결과가 나와 항공기 운항을 중단할 수 있다. 하지만 나중에 센서 오류로 밝혀진다.
  • 의료 기관에서는 어떤 환자가 뇌졸중으로 이어질 수 있는 인자를 가지고 있다고 나타났지만, 예측 분석 모델의 문제로 판명되기도 한다.

필자가 강조하고 싶은 것은 실제 디바이스와 기계, 심지어 사람과 연결된 시뮬레이션은 오류가 생길 여지가 너무나 많다는 사실이다. 이들 오류의 대부분은 처음 디지털 트윈을 만들고 배치한 다음에 금방은 실수를 발견하지 못한 사람들 때문이다. 문제는 이 때문에 비행기가 부서지고 환자가 겁에 질리고 공장 로봇이 폭주할 수 있다는 것이다.

클라우드 덕분에 디지털 트윈을 더 부담 없이 빠르게 구축할 수 있게 되면서 이런 문제는 날로 증가하고 있다. 문제 자체가 사악한 것은 아니다. 분명 피할 수 있는 것들이기 때문이다. editor@itworld.co.kr

X