{{ post.title }} 글 편집 작성자 {{ post.author.name }} 작성일

하지만, 이 단어로 인터넷 검색을 해보면, 상당히 널리 사용되고 있다는 느낌을 받으실 수 있습니다.

'디지털 트윈'이란 대체 무엇일까요?

'디지털 트윈'이라는 용어는 마이클 그리브스(Michael Grieves)가 처음으로 사용한 것으로 알려져 있습니다.

널리 사용된 지는 불과 몇년 되지 않았죠.

때문에, 아직 '디지털 트윈'이라는 용어에 대해서는 명확한 정의가 있다기보다는 개념적인 정의가 대부분입니다.

여러 자료를 살펴보면, 관련된 분야가 다양하다보니, 각 분야의 관점에서 조금씩 디지털 트윈을 바라보는 관점이 다릅니다.

따라서 여기서는 'CAE의 관점'에서 디지털 트윈을 정의해보도록 하겠습니다.

디지털 트윈은 실제 제품(Physical product)을 그대로 모사할 수 있는 가상의 모델 (virtual product)이라고 할 수 있습니다.

실제 제품을 이용해서 테스트를 해볼 필요 없이, 디지털화 된 가상의 모델로 분석을 해도 동일한 결과를 얻을 수 있기때문에, 마치 '쌍둥이' 같다고 해서 붙여진 이름인 셈이죠.

정말 이름을 잘 지은 것 같습니다.

이렇게 들어보면, 디지털 트윈은, CAE분야의 엔지니어들에게는 친숙한 개념입니다.

이미 오래전부터 실제 현상을 재현해낼 수 있는 가상의 모델을 만들고, 이를 시뮬레이션한 결과를 활용해왔으니까요.

CAD수준에서는 가상 목업(virtual mock-up), CAE에서는 가상 프로토타입(Virtual prototype)과 같은 용어로 불려왔지요.

하지만, 디지털 트윈이 단순히 오래전부터 있던 동일한 내용을 용어만 달리했는데, 가트너에서 10가지 전략기술의 하나로 꼽진 않았겠죠?

'디지털 트윈'은 좁은 의미로는 앞서 이야기한 CAE의 가상 모델을 의미하지만, 넓은 의미에서는 훨씬 큰 의미를 갖습니다.

21세기 들어 가장 중요한 '연결'이라는 개념이 '디지털 트윈'에서도 아주 중요합니다.

여전히 대부분의 CAE는 실제 현장과 직접적으로 연결이 되어 있지는 않습니다.

실제 제품을 토대로, 측정된 데이터를 '오프라인 상태'로 전달받아, 이를 토대로 모델을 만들거나 수정하고, 시뮬레이션을 하게 됩니다. 그리고 그 결과는 다시 문서나, 다른 형태로 정리되어, 실제 제품의 개발이나 유지보수 등에 활용이 되죠.

'디지털 트윈'의 개념에서는 이러한 과정이 '연결'이 됩니다.

실제 제품에 달린 다양한 센서 등을 통해 측정된 데이터가 디지털 트윈으로 전달이 됩니다. 그리고 이 디지털 트윈을 이용한 시뮬레이션을 통해 측정되지 않은 부분의 상황에 대해서도 확인이 가능하죠.

이러한 시뮬레이션을 통해, 실제 제품의 현재 상태를 토대로 한 제품의 예측 수명이 조정된다거나, 조속한 교체가 필요한 부품 등을 판단할 수 있게 됩니다.

디지털 트윈을 이용하여 업데이트된 데이터는 다시금 실제 제품에 적용이 되거나, 시뮬레이션 결과를 의사결정권자의 판단을 돕기 위한 형태로 가공이 되어 전달됩니다.

경우에 따라서는 디지털 트윈 모델이 1개가 아니라, 수십, 수백, 수천개가 되거나, 시뮬레이션 횟수가 수천만번(2)을 넘어 일종의 빅데이터가 되기때문에, 이러한 빅데이터를 분석하고 가시화하는 기술도 필수적입니다.

빅데이터를 분석할 때는 시뮬레이션 결과만 사용하는 것이 아니라, 과거 제품의 수리 이력이나, 운용 이력을 비롯 다양한 데이터를 함께 활용할 수 있고요.

이러한 일련의 과정을 모두 통틀어서 '디지털 트윈'이라는 표현으로 활용되기도 합니다.

지금까지 좁은 의미의 디지털 트윈과, 넓은 의미의 '디지털 트윈'을 모두 살펴보았습니다.

'디지털 트윈' 의 관점에서는 CAE의 미래를 어떻게 바라볼 수 있을까요?

'디지털 트윈'에 있어서 더이상 실제 제품과 가상 모델은 별개가 아니라, 쌍둥이와 같은 존재입니다.

실제 제품의 변화를 감지하고, 이를 통해 실제 제품의 상황을 분석하거나, 실제 제품의 상태를 개선할 수 있는 결과를 즉각적으로 제공해줄 수 있어야 합니다.

그 밖에도 실제 제품은 대부분의 경우 단순한 부품 한두개가 아닌, 전체의 통합 시스템이기에, 이를 표현할 수 있어야 합니다.

그리고, 동역학, 고체역학은 물론 경우에 따라 유체역학이나, 제어공학과 같은 다양한 분야를 통합해서 고려한 시뮬레이션이 필요할 수도 있습니다.

정리하자면, '디지털 트윈'을 위한 CAE는 시스템 레벨의 해석 (System-level analysis)과 빠른 해석 속도 그리고 다분야 통합해석 (multi-disciplinary analysis)이라는 요소를 갖추어야 합니다.

RecurDyn은 MBD (Multi-Body Dynamics)를 기반으로 하고 있어, 다른 CAE제품에 비해 시스템 레벨 해석에 적합합니다.

뿐만 아니라, 실시간(Real-time)에 가까운 해석 속도를 구현하기 위해서, 디지털 트윈 모델을 단순화할 수 있는 기능이 요구되는데, RecurDyn은 강체만으로 모델을 표현한다거나, 속도를 중시한 조인트나 접촉 요소 등이 풍부하게 제공되고 있어, 목적에 맞는 디지털 트윈 모델을 만드는 데 적합합니다.

경우에 따라서는 단순히 MBD만이 아닌, 유연체를 고려해야하거나, 유체나 제어까지도 고려할 수 있는 디지털 트윈이 필요합니다만, RecurDyn은 FEM이 통합된 MFBD기술, 유체해석(CFD)과의 연성 기능, 그리고 다양한 최적화나 제어 솔루션과의 연계 기능을 통해 다양한 분야를 동시에 고려한 디지털 트윈을 만드는 것 역시 가능합니다.

물론 '디지털 트윈'에 있어서 CAE가 전부는 아닙니다.

연결을 위한 IOT기술, 다양한 데이터를 수집, 분석하고 처리하기 위한 빅데이터 기술도 필요합니다.

하지만, 디지털 트윈을 이용한 시뮬레이션이 필요한 경우에는 역시 CAE가 대단히 중요한 역할을 하게 되지요.

실제로 이러한 RecurDyn의 강점을 살려 자사의 '디지털 트윈' 환경 구축에 활용 중인 업체들도 이미 존재합니다.

이미 우리 곁에 다가온 '디지털 트윈' 시대.

변화한 환경 속에서 CAE는 어떻게 발전하고 함께 성장해갈 것인지, 또한 RecurDyn은 어떻게 이에 발맞추어 나갈 지 지켜봐 주시기 바랍니다.

1) http://www.gartner.com/smarterwithgartner/gartners-top-10-technology-trends-2017/

2)  https://www.youtube.com/watch?v=fgR9M4kcx_8 : 데모 도중, AI가 5800만번의 시뮬레이션 결과를 이용했다는 언급이 나옴.