계장기술(PROCON)

기획특집 이산사건 시뮬레이션과 디지털 트윈

페이지 정보

작성자 최고관리자 댓글 0건 조회 1,946회 작성일 21-04-14 15:55

본문

컴퓨터의 발전과 함께 많은 발전을 거듭해왔으며, 스마트공장 구축 등 다양한 분야에 사용되어왔던 기술이다. 특히 4차 산업혁명 기술로 조망을 받고 있는 디지털 트윈과 관련하여 재조명되는 기술이기도 하다.

본고에서는 이산사건 시뮬레이션의 기술과 그 변화를 간략하게 조망해보고, 스마트공장의 디지털 트윈(Produc tion twin에서)의 활용과 이를 위한 과제를 다루고자 한다. 


1. 서 론

시뮬레이션은 실제의 상황을 재현한 모형을 통해서 실험을 행하고, 이에 대한 분석 평가를 통해서 의사결정을 하는 기법을 통칭한다. 시뮬레이션은 용어 자체만으로 매우 광범위한 용도를 포함할 뿐더러, 용도 만큼이나 관련 기술적 요소 또한 달라서 말하는 사람과 듣는 사람의 기술적 배경에 따라 같은 시뮬레이션이라도 확연히 달리 해석되는 경우도 많다.

모형이 컴퓨터에 의해 구현될 때 컴퓨터 시뮬레이션이라 하며, 엑셀에서 재계산(Recalculation) 기능을 활용하여 다양한 입력값에 따른 변화를 의사결정에 활용하는 것도 시뮬레이션(What-If Simulation)의 예이며, 동전, 주사위, 생성된 난수(Random Number)를 활용하여 확률적 상황을 묘사하는 것도 시뮬레이션(Monte Carlo Simulation)의 예다.

또 컴퓨터에 의한 이산사건 시뮬레이션(DES : Discrete Event Simulation)이라 함은 연속적(Continuous)이지 않은 이산적(Discrete) 사건에 따른 분석 대상의 상태 변화를 컴퓨터에 의해 추적할 수 있도록 모델링하고, 결과를 분석하는 일련의 과정(Modeling and Analysis)을 말한다. 여기서 이산사건이라는 것은 특정 공정으로의 가공품 도착이라는 사건(Event)에 따른 공정 대기열의 수(Queue)라는 상태 변화, 마찬가지로 공정 투입 후의 대기열의 변화나 가공 설비의 비가동(Idle)에서 가동 상태(Busy)로의 변화 등, 대상 상황이나 시스템에서 일어나는 일련의 이산적 사건에 따른 시스템 변화를 컴퓨터로 추적하게 된다. 이때 실제와 유사하게 다양한 사건을 가상적으로 발생시키고, 이에 따른 시스템 제반 상태 변화를  추적하고, 추적 결과를 수집하는 역할을 하는 것이 시뮬레이션 엔진이며, 사건 처리기(Event processing engine)가 그 핵심이다.

컴퓨팅 파워의 비약적인 발전에 힘입어 보다 복잡한 시스템도 컴퓨터에 의한 시뮬레이션이 일반화되고, 시뮬레이션을 구현하는 과정에 있어서도 발전을 거듭해왔다. 컴퓨터에 의한 DES의 활용에서 가장 눈에 띄는 변화는 모델링의 사용자 인터페이스(UI : User Interface)일 것이다. 코딩 가능한 프로그래머 수준이 아니면 모델링은 엄두도 못 내었던 것이, 대상 시스템을 구성하는 다양한 객체 또는 엔티티들이 정의되어 있거나, 2D, 혹은 3D로 묘사된 객체 라이브러리가 있고, 라이브러리로부터 끌어오기(Drag and drop)만으로도 시스템을 묘사할 수 있는 등, 각 객체들의 필요 속성들도 다양한 UI를 통해서 선택 또는 입력할 수 있도록 하였고, 전문가의 영역에 머무르던 시뮬레이션 모델링을 일반적 사용자도 가능하도록 하였다.

또한 시뮬레이션의 수행 과정에서 시스템의 동적 상황을 애니메이션을 통해 실제 상황을 묘사하는 것은 시각적 통찰을 제공하는 것은 물론이거니와 이러한 시뮬레이션이 특정 시스템과 그 시스템의 다이나믹스를 가상공간에서 동일하게 구현하는 디지털 트윈으로서의 가능성을 보여주었다. 또한 결과의 해석이나 분석을 위한 다양한 그래프, 차트의 활용은 수치 데이터로부터 통계적 분석만을 수반하던 과거 시뮬레이션 결과를 눈으로 보는 관리(Visual Manage ment) 도구로 활용될 수 있음을 보여준다.

한편, 대안들의 평가에 따른 의사결정 도구로서 시뮬레이션 본연의 역할은 다양한 실험계획(Design of Experi ment) 및 통계적 도구들을 결합함으로써 시뮬레이션을 통한 의사결정 대안 평가들의 시뮬레이션 설계, 구현, 분석까지 하나의 시스템에서 구현될 수 있도록 진화하고 있다. 나아가 시뮬레이션을 통한 최적화는 유전자(Genetics) 이론, 신경망(neural networks) 이론을 포함한 최적화 알고리즘과 결합하여 시뮬레이션을 통한 최적 대안 또는 의사결정을 지원해왔으며,[1] 최근에는 딥러닝 등 인공지능의 활용과 결합되어 발전하고 있다.


2. 이산사건 시뮬레이션과 스마트공장
 
4차 산업혁명과 함께 스마트공장을 위한 핵심 기술인 디지털 트윈은 주목받는 기술 중의 하나다. 물리적 세계가 컴퓨터에 구현된 디지털 세계로 묘사되고, 그 세계의 동적 상황이 그대로 재현됨으로써 가상의 컴퓨터 공간에서 다양한 실험적 시도와 분석, 예측이 가능하다는 점에서 개념적으로 시뮬레이션과 매우 유사하다.

디지털 트윈과 시뮬레이션을 혼용해서 쓰이기 쉽고, 공학적 시각에서 본다면 이산사건 시뮬레이션은 일부 영역에서 디지털 트윈을 구현하는 중요한 수단의 하나이기는 하나 디지털 트윈 그 자체는 아니다. 많은 상업적 시스템이 디지털 트윈을 언급하고 있으나, 디지털 트윈이 용도와 목적이 무엇인지에 따라 기술의 원천이 다른 것이다.
 
제조 현장에서의 제품이나 설비 또는 공정, 다양한 일련의 공정들로 구성되어 있는 공장, 나아가 공장과 공장 간의 물류 흐름 등을 가상으로 묘사하는 모든 것을 통칭하여 시뮬레이션이라 할 수 있다. 상세도(LOD : Level of Detail)에 따라 차이는 있겠지만, 현장을 묘사하여 시각화되면 그것 자체를 디지털 트윈이라고 하는 경향도 없지 않다. 디지털 트윈과 사이버 물리 시스템(CPS)의 혼용을 피하기 위해 구분적 사용과 상호관계를 기술하기도 한다.[3] 상용 이산사건 시뮬레이션 엔진이나 서비스 업체들도 거의 예외없이 디지털 트윈의 중요 도구로서 자사 시뮬레이션을 소개하고 있다.[5]

6d3ee8c2d3a7fd2bd298d6107cf15172_1618383220_1381.png 

또 그림 1은 디지털 트윈을 제품(Product Twin)과 생산(Production Twin) 트윈으로 구분한다는 점에서 시사하는 바가 크다. 그 배경에는 둘 간의 기술적 접근과 사용하는 도구가 같을 수만은 없기 때문이다. 또한 CPS 관점에서 볼 때 설계 CPS와 운영 CPS로 구분한 것도 같은 맥락에서 이해될 수 있다.[2] 물론 Production Twin의 핵심 기능을 개발된 제품의 양산 이관 이후 제품의 양산성을 중심으로 보는 다소 협의의 기능으로 해석도 있을 수 있다. 

Product Twin은 제품에 대한 속성 정보가 근간을 이루며, CAD/CAM, PDM, PLM 차원에서 다루어지는 중요한 이슈 중 하나인 해석 공학(CAE : Computer Aided Engineer ing)에 기반한다. 실제에 근접한 Product의 내외관 3D 형상뿐 아니라 이러한 해석 공학 기반의 다양한 역학구조를 담은 물리 엔진(Physical Engine)을 탑재하여, 물리적 충격이나 조립 등 작업 시의 제품 상태의 변화를 애니메이션으로 묘사하여 시각적 이해를 드높이게 된다. 이는 주로 제품의 설계가 주어진 성능 요건을 만족하는 지 뿐만 아니라 공정에서의 작업 성능을 평가하는 데도 매우 유효한 수단이다. Production Twin은 제품이나 설비 자체보다 설비들로 구성된 공정이나 공정들로 구성된 라인이나 공장 또는 공장과 공장 간의 운영 최적화를 위한 도구로서 가상 라인이나 가상 공장을 모델링하고, 여기에 제품 생산을 위한 물류 흐름이나 관련된 공장의 가동 현상에 관한 데이터를 기반으로 분석한다. 마찬가지로 3D 기반의 설비, 공정, 라인 등이 묘사되고, 여기에 제조 물류의 흐름이 애니메이션 되기는 하지만, 이때의 가동 현상 데이터라고 하는 것이 현장에서의 이산적 사건에 따른 상태의 변화이다. 주로 설비별 Capa(UPEH 등), 공정별 처리 시간(Ccycle/tact time 등), 물류 흐름(Routing 등) 같은 제조 운영의 기준 정보를 기반으로 물류의 흐름을 실제와 유사하게 나타낸다. 따라서 이러한 Production Twin을 구현하기 위해서는 ERP, MES    (때로는 PDM/PLM) 데이터와의 연계가 보다 중요시된다.

이산사건 시뮬레이션을 Production Twin 구현의 도구로 쓰기에 좋은 이유는 첫 번째, 이산사건 시뮬레이션 엔진이나 상용 구축 도구들의 발전으로 말미암아 설비, 공정, 라인, 공장을 구성하는 다양한 구성요소들에 대한 3D 객체를 보유하고 있고, 객체들의 속성뿐 아니라 객체들 간의 동적 흐름을 쉽게 묘사할 수 있도록 되어 있어 전문가가 아니면 어려웠던 제조 모델링과 시뮬레이션(M&S : Modeling and Simulation)이 현장 사용자도 가능한 수준에 이르렀다는 것이다.
  두 번째는 Product Twin이 외관치수로부터 재질의 선택에 이르기까지 설계 적정성이나 물리적 역학까지도 가상의 공간에서 분석할 수 있는 것은 내재된 물리 엔진에 기인하는 것처럼, Production Twin을 통해서 단순한 3D 시각화와 애니메이션이 주는 제조 라인의 물류 흐름이나 제조 라인 생산성의 통찰력보다도 훨씬 방대한 데이터의 분석과 다양한 What if의 분석이나 이를 통한 최적 의사결정을 지원하는 도구로 사용 가능하게 하는 것은 이러한 이산사건 시뮬레이션 엔진의 구동과 그에 따른 다양한 데이터의 양산이 가능하기 때문이다.
 
마지막으로는 다양한 통계분석 도구와 시각적 통찰력을 더욱 어필하는 각종 진보된 그래프와 차트 도구들의 통합으로 이들의 활용이 매우 쉬워졌다는 데 있다. 이런 연유들로 인해 상용 이산사건 시뮬레이터들은 스마트공장의 핵심 솔루션으로서 재조명되고, 디지털 트윈 중에서도 Production Twin의 구축 도구로서 활용된 것으로 보인다.     


3. 이산사건 시뮬레이션의 활용 과제

Production Twin을 위한 이산사건 시뮬레이터의 유용함에도 불구하고 현장에서의 활용에는 몇 가지 과제가 있다. 기본적으로 모델링을 하는 데 있어 전문적인 지식이 따라야 하며, 매우 쉬워졌다고는 하나 여전히 모델의 구축과 엔진의 활용에 전문가의 영역이 존재한다는 것이다.

우선 모델링 단계에서 이미 제공되거나 내재된 제조 현장의 객체들을 그대로 활용할 수 있으면 다행이지만, 그러지 아니한 경우에는 객체를 정의하는 작업을 수반하며, 여기에는 일반적이지 않은 이송장치, 특정 설비 등을 묘사하기 위해 외관 치수를 확보하여 3D 객체를 생성하는 일부터 엔진이 요구하는 객체의 필요 속성을 정의하는 일이 포함될 수 있다. 물론 수준급의 상용 엔진들은 3D 객체 생성이나 애니메이션을 지원하기 위해 자체적으로 또는 3rd Party의 도구 들을 제공하고, 이를 활용하여 3D 객체 제작이 가능하도록 지원하기도 한다. 그러나 시뮬레이션 엔진이 요구하는 객체 속성을 정의하는 일은 시뮬레이션 엔진의 가동 메카니즘뿐 아니라 그의 활용까지 염두에 둔 전문 지식을 요구한다. 당연히 정확하지 않은 입력 데이터는 통찰력 있는 결과를 보장하지 않기에 데이터 확보에도 적지 않은 공을 들여야 한다.

또한 이러한 시뮬레이션이 주로 대안의 평가나 최적 운영의 해를 찾기 위한 용도로 활용되는 경우가 많은데, 이 경우 통계적 지식에 입각한 실험 계획이나 결과에 대한 다양한 통계적 분석 방법에 의한 데이터 분석 및 평가가 수행되어야 한다. 엔진이 제공하는 다양한 통계적 도구들이 매우 쉽게 통합되거나 연계될 수 있게 되었다고 하더라도, 이에 대한 활용은 여전히 전문가의 영역인 것이다. 기존의 다양한 최적화 이론과 알고리즘은 이제 AI 등의 기법과 함께 보다 사용이 용이한 분석 도구를 제공할 수 있도록 발전되어야 할 것이다.

Production twin의 구현을 단순히 제조 현장의 운영 현황을 똑같이 묘사한다는 차원에서 바라본다면 3D 애니메이션의 구현으로도 가능하다고 생각할 수 있다. 그러나 이산사건 시뮬레이터가 가지는 모델링이나 이에 따르는 분석 및 평가 기능을 활용한다면 시각적 효과를 넘는 제조 현장의 제반 이상 상황 감시와 궁극적 최적화를 위한 최고의 수단이 될 수 있다. 여기에는 제조 현장의 실제 운영 데이터를 기반으로 시뮬레이션 엔진의 구동이 이루어져야 하며, 이에 따른 기술적 문제는 시뮬레이션 엔진 내의 이산사건을 처리하는 사건 처리 엔진(Event processing engine)이 실제 운영 데이터를 입력으로 하여 가동될 수 있도록 하는 데이터 정의 및 연계 기술이 필요하다.

본래 이러한 시뮬레이터를 제조에 활용하는 경우는 주로 주어진 데이터, 이 데이터가 가정에 의한 데이터이든, 실제 데이터의 분석을 통하여 실제와 같은 특성을 잘 대변하는 가공된 데이터이든, 또 그것이 확정적이던 확률적이든, 이런 데이터들의 입력에 의해 오프라인으로 구동되고, 분석되는 것이 일반적이다. 따라서, 제조 현장의 실제 데이터와 실시간으로 연계하여 시뮬레이터를 구동시킨다는 것은 사실상 시뮬레이션 엔진을 활용한다기보다는 단순히 시뮬레이션 기반으로 모델링된 제조 현장의 애니메이션 기능을 통해 실제와 가까운 추상화된 제조 현장 모습을 거의 실시간(Near real time)으로 보여주는 것 정도일 수 있다. 여기에 제조 현장에서의 이상 상황, 즉 공정 불량 발생, 설비 고장이나 이상, 생산 목표 대비 실적의 현저한 저하 등을 실시간으로 보여준다거나 사전 탐지할 수 있는 기능이 부가된다면 시뮬레이션 엔진 자체가 가지는 다양한 대안의 평가나 최적화를 지향하는 최적 운영 원칙을 찾는 등 오프라인 활용에서의 이점과 함께 Production twin에서의 핵심 도구로 훨씬 유용할 것으로 기대된다.


4. 결 언

스마트공장과 관련된 기술과 그 기술들의 국내외 응용 사례들이 급증하고 있다. 디지털 트윈도 그런 기술 중의 하나지만, 현장에서의 모든 문제를 디지털 트윈이 모두 해소할 수 있는 것은 아니라는 점에서, 사용하고자 하는 목적이 무엇이냐에 따라 도구와 전문 인력을 적절히 활용하여야 한다. 자칫 현란한 3D Visualization 기술에 의한 애니매이션에 현혹될 것이 아니라, 그외에 어떤 실체적 가치를 추가로 부여하고 있는지 살펴보아야 한다. 분석, 예지, 대안의 평가, 실시간 제어, 원격 제어 등 많은 가치 후보들이 있다.
 
이산사건 시뮬레이션은 과거부터 있어 왔던 의사결정 도구 중의 하나로서 특히 제조 운영의 정책, 즉 재고 정책, 생산 계획 및 스케줄링, 고장에 따른 설비 유지보수 정책 등과 공장과 공장 간 물류, 기업과 기업 간의 공급망 정책이나 물류 최적화 등에 있어 광범위하게 사용되었다. 디지털 트윈이 중요한 도구로 부각되면서 Production twin에서 이러한 이산사건 시뮬레이터의 활용이 재조망 되고 있다.

본고에서는 Product twin에 대별하여 Production twin에서의 이산사건 시뮬레이터의 활용 관련 간략히 몇 가지 짚어보았다.

기업에서의 3P 요체는 Product, Process, People이라고 한다. CAD/CAM을 기반으로 PDM/PLM에서 기인하는 Product twin과 ERP/MES와 밀접한 최적 제조 운영을 위한 Production twin에서 이산사건 시뮬레이터의 활용이 주목된다. People twin으로서 인공지능(AI)이 화두이듯 말이다.
 
<참고문헌>
[1] CITEK System, “Plant Simulation 적용과 효과”,  Siemens AG 발표 자료, 2015.
[2] 노상도, “공장 운영을 위한 디지털 트읜 적용 사례”, 디지털 트읜 활용 및 표준화 워크샵 배포 자료, 2018.9
[3] 이정한, 조광희, 김인규, “제철산업에서의 디지털 트윈 개념 설계 및 플랫폼 표준화 방안” 전자공학회지 제50권 제1호, 2014. 1
[4] 한순흥, “스마트 제조를 위한 디지털 트윈의 역할”  제조 혁신 디지털 트윈 활용 전략 세미나, 2019.3
[5] Simio, “Simio Digital Twin Software”, www.simio.com, 2020.2


jwkim@idrgroup.co.kr 

카테고리

카테고리
현재(2019~)

잡지리스트

잡지리스트

이달의 광고업체

이달의 광고업체