07

이번 포스팅에서는 제품 개발에서의 IoT, 그리고 디지털트윈에 대해 알아보도록 하겠습니다.

IoT, 디지털트윈과 같은 용어는 디지털 세계에서는 더 이상 새로운 용어가 아닙니다. IoT 분야에서 수집된 데이터는 효율적인 절차를 이끌고, 제품의 수명 혹은 구조적인 안정성 등을 예측합니다.
그렇다면, IoT와 디지털트윈에 대해 좀 더 자세하게 알아보겠습니다.

IoT (Internet of Things)

“Internet of Things”라는 용어는 1980년대에 생겨났습니다. 하지만, 최근 10년 전부터 그 중요성이 부각되었습니다. IoT는 물리적인 사물들(자동차, 냉장고, 휴대폰, 스마트 워치 등)이 서로 연결되어 데이터를 수집하고 교환하는 것을 의미합니다. 센서와 내장된 엑츄에이터는 기기가 서로 소통하고 데이터를 수집할 수 있도록 돕습니다. IoT는 연결된 기기와 지속적으로 데이터를 수집하고 보내는 게이트웨이의 네트워크망이라고 볼 수 있습니다.

Digital Twin

디지털트윈은 지속적으로 발전해오고 있는 하나의 “트렌드”로 자리잡았습니다. 디지털트윈은 제품 개발과 제품 전체 라이프사이클 개념에서 그 중요성이 커지고 있습니다. 이제 관건은 디지털 설계 모델을 “진정한 디지털 트윈”의 형태로 구현하는 것입니다. 알테어는 ‘알테어 웨비나 시리즈’에서 IoT와 디지털트윈의 비전을 다음과 같이 설명했습니다.

“디지털 개발 모델을 디지털 트윈으로 구현하기 위해서는, 작동시스템의 데이터가 수집되고, 가상 모델로 전달되어야 합니다. 또한, 정확한 예측과 그로 인해 향후 더 좋은 제품이 만들어 질 수 있도록 해야 합니다. 디지털 트윈과 IoT 기술은 개발과 생산을 가속화시키는 기능을 가지고 있다고 할 수 있습니다.”

08

가상 모델

가상의 제품 설계와 시뮬레이션에 대해 알테어는 시장에 맞게 준비된 제품을 개발하는 데 활용될 수 있는 몇 가지의 툴을 제공합니다. 알테어는 Hannover Messe에서 가상의 모델, IoT cobot (collaborative robot)을 소개했습니다.

cobot 혹은 이와 유사한 복잡한 제품 개발 과정에서는 “기계전자공학 시스템을 고려하는 것”이 매우 중요합니다. 이것은 구조, 센서, 역동적인 컨트롤과 기계전자공학의 역량을 가진 엑츄에이터들을 포함합니다. 산업용 cobot을 사용할 때에는 ‘작업 안정성’이 최우선입니다. 안전성은 보다 가벼운 구조물 내에서 실현될 수 있습니다.

보다 가벼운 구조물과 구성 요소들은 관성을 덜 받고 로봇의 팔 기능 수행을 강화 시키며 시스템의 내구성을 증가시키는 데 기여합니다.

제품 개발에 있어서 이러한 요구 조건들을 충족시키고 cobot의 종합적인 시스템을 설계하기 위해, 알테어는 광범위한 CAE 툴들의 포트폴리오를 활용했습니다. 이러한 도구들에는 전기 엑츄에이터의 설계와 전자기장과 열 현상에서 발생하는 현상들을 평가하는 데 사용되는 Flux, 열 조건들을 분석하는 데 활용되는 AcuSolve, 구조 최적화에 활용되는 OptiStruct 등이 있습니다.

cobot 기술 개발 과정에서 알테어는 복잡한 cobot 모터를 설계하기 위해 Flux와 Activate를 결합시켰습니다. 이것은 모터, 엑츄에이터, 센서와 같은 전자기 시스템들 사이의 상호작용을 연구하기 위함이었습니다. 다른 기기 혹은 인터넷과 커뮤니케이션하기 위해 cobot에 필요한 안테나들은 알테어의 EM 솔버인 FEKO로 개발되었습니다. Winprop 역시 라디오 네트워크를 설계하고 효율적인 무선 커뮤니케이션을 위해 사용되었습니다.

09

가상의 모델을 디지털로 구현하다!

오늘날에는 가상의 모델과 물리적으로 커플링을 함으로써 현실과 매우 유사한 제품 모델을 만드는 것이 가능합니다.

제품을 디지털로 구현하는 단계는 유효한 시뮬레이션 모델로 “수행 데이터”를 보내는 것입니다. 여기에서 얻어지는 인사이트들은 효과적인 설계 모델을 만들기 위한 툴 그 이상으로 활용됩니다. 유효한 시뮬레이션 모델 내에서 수행 데이터를 고려함으로써 실제 제품의 현재 상태를 명확히 진단할 수 있습니다. 그것은 잠재적 문제 혹은 실패와 관련 예측을 가능하게 합니다. 본래의 모델과 함께, Predictive Modeling이라 알려진 과정은 온전한 성과를 얻는 데 있어서 몇 가지 단계를 요구합니다.

1. 목표 설정
2. 타깃에 맞는 데이터 분석
3. Predictive Modeling / 단순한 모델로 시작해 순차적으로 복잡한 모델로 거쳐가기
4. 남아있는 수명주기에 대한 예측

제품의 수행 행동에 대한 명확한 정보를 받기 위해 관련된 파라미터들의 데이터를 제한하는 것은 중요합니다. 관련된 파라미터를 셋팅함으로써 엄청난 데이터가 이 모델 내에서 지속적으로 수집되는데, 이 때 제한된 데이터는 각각 분리되어 적절한 정보만을 보여주게 됩니다. 위 단계들을 수행하기 위해 알테어는 데이터 분석을 위한 분석 솔루션을 제공합니다. 그리고 Predictive Modeling과 파라미터평가로 부터 새롭게 얻어진 인사이트를 평가하기 위한 HyperStudy를 제공합니다.

이러한 파라미터들과 함께 디지털트윈은 제품 수행에 있어서 가치 있는 인사이트들을 제공합니다. 게다가 실패 리스크, 구조적 안정성, 특정 제품의 내구성에 대한 예측을 가능하게 합니다. 가상의 포로토타입은 제품의 “이상적인 상태”를 알고 있으며 제품의 라이프사이클 전반에 대한 예측 툴이 됩니다.

디지털 전환(Digital Transformation)

디지털 전환의 전략을 수행할 때의 두 가지 기본 요소는 정보의 “통합”과 “투명성”입니다. 이를 기반으로 했을 때만이 디지털 모델들을 확장시키고, 현실 세계에서의 가상 이미지를 형성하기 위한 데이터를 감지할 수 있습니다. 게다가 기술적인 보조 시스템이 문제를 보다 빠르게 해결할 수 있는 새로운 정보를 평가하고 시각화하도록 돕습니다.

가상 프로토타입의 확장은 최초의 개발 모델의 사용 이후로 상당히 진행되었습니다. 현재 디지털 데이터는 실제 작동상황에서 센서로부터 수집되며 예측 모델들을 구성합니다. 디지털트윈은 실제의 시뮬레이션 모델로 구현될 수 있는 다음 단계로 가는 기회를 제공할 뿐만 아니라, 더 나은 제품들을 만들고 예측 모델도 제공합니다. 부가적으로 제품의 전체 라이프사이클에 거쳐 기기와 설비의 수행을 강화하도록 돕습니다. 디지털트윈은 유지보수, 운영상의 위험, 제품의 수명과 관련한 조기의 비용 효율측면의 의사결정에 명확한 기여를 함으로써, 산업 내 경쟁 우위를 위한 “효율적인 대안”이 될 것입니다.