Digital Twin
디지털 트윈은 물리적 자산, 프로세스 또는 시스템의 가상 모델로, 실시간 데이터를 통해 대상과 동기화되고 의사결정에 피드백을 제공합니다.
디지털 트윈은 물리적 자산, 프로세스 또는 시스템의 가상 모델로, 지속적인 데이터 흐름을 통해 실제 대상과 동기화되고 그 대상에 의사결정을 전달합니다. 물리적 대상은 펌프 한 대, 생산 라인, 풍력 발전 단지 또는 도시 구역일 수 있습니다. 가상 대상은 기하 구조, 센서에서 가져온 현재 상태, 동작 모델을 결합하므로 운영자는 이를 모니터링하고 시뮬레이션에서 "가정 상황"을 테스트하며 고장이 발생하기 전에 예측할 수 있습니다. Michael Grieves는 2002년 University of Michigan에서 제품 수명 주기 관리 모델로 이 개념을 처음 소개했고, NASA의 John Vickers는 2010년경 이를 디지털 트윈이라고 명명했습니다. 2021년에 발행된 ISO 23247 시리즈는 제조 분야의 디지털 트윈 프레임워크를 정의합니다.
디지털 모델, 디지털 섀도, 디지털 트윈#
이 용어는 3D 모델이나 대시보드라면 무엇이든 가리키는 데 자주 사용되므로, 연구자들은 물리 객체와 가상 객체 사이의 데이터 흐름에 따라 세 가지 수준으로 구분합니다. Kritzinger와 동료들의 2018년 리뷰에 따르면, 수동으로 업데이트되는 가상 모델은 디지털 모델이고, 실시간 데이터를 자동으로 받지만 사람을 통해서만 물리적 자산을 변경하는 모델은 디지털 섀도이며, 양방향으로 데이터가 자동 흐르는 모델은 디지털 트윈입니다.
시뮬레이션은 특정 자산과 실시간으로 연결되지 않은 상태에서 가정 시나리오를 탐색합니다. 반면 디지털 트윈은 자산의 현재 상태를 바탕으로 이러한 시뮬레이션을 실행합니다. 사진측량, 신경 방사장, 가우시안 스플래팅과 같은 3D 재구성 기법은 트윈의 기하 구조와 외관을 제공합니다.
디지털 트윈의 작동 방식#
디지털 트윈을 구현하려면 여러 계층을 연결해야 합니다. 산업용 IoT 센서, 프로그래머블 로직 컨트롤러, 카메라가 물리적 상태를 측정하고, OPC UA와 MQTT 같은 프로토콜이 측정값을 데이터 플랫폼으로 스트리밍합니다. 동작 모델은 유한 요소 및 유체 역학 모델과 같은 물리 기반 시뮬레이션부터 시뮬레이션 실행이나 과거 데이터를 바탕으로 학습하여 밀리초 단위로 응답하는 머신러닝 대리 모델까지 다양합니다. 동기화된 상태를 기반으로 실행되는 분석에는 이상 탐지, 잔여 사용 수명에 대한 예측 모델링, 처리량에 대한 시계열 분석이 포함됩니다. 분석 결과는 조정된 설정값, 유지보수 작업 지시서 또는 새로운 생산 일정으로 전달됩니다.
컴퓨터 비전은 일반 카메라를 트윈 센서로 활용합니다. 객체 탐지는 부품, 팔레트, 차량을 세고, 다중 객체 추적은 현장 내 객체의 이동을 추적하며, 포즈 추정은 인체공학 연구를 위해 작업자의 움직임을 기록하고, 세그멘테이션은 적재량이나 자재 더미의 크기를 측정합니다. Ultralytics YOLO26의 추적 모드는 비디오 프레임 전반에서 탐지된 각 객체에 지속적인 ID를 부여하므로, 트윈은 프레임마다 새 객체를 만들지 않고 지게차나 팔레트마다 레코드 하나를 유지하면서 최신 위치를 업데이트할 수 있습니다. 데이터는 반대 방향으로도 흐릅니다. 트윈이 렌더링한 장면은 비전 모델을 학습하기 위한 라벨이 지정된 합성 데이터를 생성하며, 텍스처와 조명의 도메인 랜덤화는 실제 카메라 환경으로의 전이를 돕습니다.
실제 적용 사례#
- 제조: 공장 트윈을 사용하면 엔지니어가 실제 생산 라인을 변경하기 전에 가상 환경에서 생산 라인을 재배치하고, 로봇 경로를 재프로그래밍하고, 작업량을 조정할 수 있습니다. 기계 트윈은 진동, 온도, 전류 데이터를 바탕으로 유지보수 일정을 정합니다.
- 물류 및 창고 관리: 창고 트윈은 카메라 기반 상품 및 차량 추적 데이터와 주문 데이터를 결합하여 창고 배치, 적치 전략, 로봇 차량을 테스트합니다.
- 에너지 및 항공우주: 제트 엔진 및 풍력 터빈 트윈은 물리 모델과 각 장치의 센서 스트림을 결합해 개별 구성 요소의 마모 상태를 추정하고 이에 따라 점검 시기를 결정합니다.
- 스마트 시티: 도시 트윈은 건물, 교통, 공공 서비스를 모델링하며 교통 카메라의 차량 수를 활용해 교통 시뮬레이션을 보정합니다. 2014년에 시작된 7,300만 싱가포르 달러 규모의 국가 프로그램인 Virtual Singapore는 도시 계획 연구를 위해 도시 국가 전체를 3D로 모델링합니다.










