[논문 Review] A Survey on Digital Twin: Definitions, Characteristics, Applications, and Design Implications
논문 리뷰
A Survey on Digital Twin: Definitions, Characteristics, Applications, and Design Implications
읽은 날짜: 2025년 10월 13일 ~ 10월 19일
- 논문 PDF
- IEEE 2019
- Key words : AI, digital twins, human-computer interaction, Internet of Things, machine learning, sensor systems
Abstract
AI의 발전으로 인해 고차원 데이터를 수집하는 센서, 빅데이터 처리 기술 및 클라우드 컴퓨팅의 개선이 되었다. 이와 동시에 디지털 트윈 기술도 발전해왔다. 디지털 트윈 기술은 현재 여러 제조 및 항공 프로세스를 최적화하기 위해 개발 및 사용화되고 있으며 의료분야에서는 이 기술이 아직 초기 단계에 있다. 이 논무은 디지털 트윈의 정의, 디지털 트윈의 특징, 응용 분야가 현재 개발되고 있는 영역 탐색을 조사해 나열한다.
1. Introduction
AI 모델과 IoT 데이터 처리를 위한 빅데이터 분석의 통합은 기술 분야에서 디지털 트윈의 발전을 촉진 시켰다.
2. Research Background
Grieves의 DT 모델은 공식화 되었으며 세 가지 주요 요소로 구성되어 있다.
- 물리적 객체를 포함하는 실제 공간
- 가상 객체를 포함하는 가상 공간
- 실제 공간에서 가상 공간으로의 데이터 흐름과 가상 공간에서 실제 공간으로의 정보 흐름을 위한 링크
FIGURE 1. Model of a digital twin. This picture is the result of an adaptation of Grieves’ model.
제품 정보는 일반적으로 제품 수명 주기 동안 변경이 되므로 제품의 다양한 단계를 설명하는 것은 효과적인 방법이 아니다.
3. Methodology
위 논문에서는 세가지 연구 질문을 확인했다.
RQ1 : Digital Twin의 정의는 무엇인가?
RQ2 : Digital Twin에 존재해야 하는 주요 특징은 무엇인가?
RQ3 : Digital Twin을 활용한 응용 분야는 무엇이 있는가?
4. Digital Twin Definitions
RQ1의 대한 응답이다.
요약하자면 DT는 물리적 시스템의 인공지능 기반 가상 복제본이다. 단순한 모델이나 시뮬레이션과는 다르게 DT는 살아 있고, 지능적이며, 진화하는 모델이다. 이 기술은 통해 사람들은 비효율성과 문제를 더 빨리 파악하여 시간, 비용 및 생명을 절약할 수 있다.
그러나 DT는 완전한 자동화가 아니라 사람의 개입이 필요함에도 불구하고 생산성이 매우 높기 때문에 대기업과 미국 공군에서 대표적으로 사용되고 있다.
FIGURE 2. Timeline of the papers analyzed for this study. The labels are the reference numbers. Each point in the chart has a color that refers to the application domain in which the study is framed.
FIG 2를 보면 점차 Publication이 증가하는 모습을 볼 수 있다.
5. Digital Twin Characteristics
디지털 트윈이 제 역할을 하려면 무엇보다 물리적 대상과 '항상 연결'되어 있어야 한다. 센서와 네트워킹 장치를 통해 물리적 트윈의 현재 상태 데이터를 실시간으로 끊임없이 수신하고 이 데이터를 바탕으로 분석된 정보나 최적화된 명령을 다시 물리적 트윈으로 전송한다.
이렇듯 디지털 트윈은 단순히 물리적 대상과만 상호작용을 하는 것이 아니다
- 물리적-가상 트윈 간 통신 : 실제와 가상 간의 정보 흐름
- DT와 주변 DT 간 통신 : 공장 전체의 DT가 개별 기계의 DT와 정보를 주고받는 것처럼 주변의 다른 DT과도 상호작용해야 한다
- DT와 전문가 간 통신 : 사용자 친화적인 인터페이스를 통해 도메인 전문가들이 DT와 상호작용하며 시스템을 개선하고 의사 결정을 내릴 수 있도록 돕늗다.
상호작용을 하면서 DT는 수많은 데이터를 처리한다.
- 동적 데이터 : 물리적 트윈의 시간에 따른 변화하는 상태 정보다.
- 이력 정적 데이터 : 과거의 행동, 인간 전문가의 지식 등 축적된 정보다.
- 기술 정적 데이터 : 물리적 트윈의 변하지 않는 본질적인 특성을 설명한다.
방대한 데이터를 DT이 제대로 이해하고 활용하려면 온톨로지를 사용해야 한다. 온톨로지란 정보 교환을 위한 공유된, 기계가 이해할 수 있는 어휘를 제공함으로써, 복잡하고 이질적인 데이터의 의미를 명확히 하고 형식화하는 데 중요한 역할을 한다.
또한 여러 데이터 소스에서 오는 정보를 통합하여 유용한 정보를 생산하는 데이터 융합(Data Fusion) 알고리즘을 활용한다.
디지털 트윈의 핵심 중 하나는 바로 AI다. 지도 및 비지도 학습 알고리즘을 포함하는 AI는 물리적 트윈과 주변 환경에서 수신되는 데이터를 지속적으로 처리하며 예측 능력을 향상시킨다. 이 가상 두뇌는 데이터를 서술하고, 예측하며, 처방한다.
방대한 빅 데이터 속에서 핵심 정보를 효율적으로 처리하기 위해 DT는 데이터의 차원을 줄이면서도 가장 중요한 정보를 보존하는 특징 선택(Feature Selection) 및 특징 추출(Feature Extraction) 기술을 활용한다. 이는 저장 비용과 계산 비용을 절감하는 동시에 '정확한 데이터'만을 추출하는 데 기여한다.
사이버 세계와 물리적 세계 간의 지속적인 데이터 교환을 통해 물리적 시스템의 성능을 끊임없이 최적화하는 과정을 폐쇄 루프 최적화(Closed-Loop Optimization)라고 한다. DT는 물리적 대상의 상태 변화를 감지하고 이를 분석, 예측, 최적화하여 물리적 대상이 최적화된 계획에 따라 반응하도록 유도한다.
DT는 물리적 트윈 및 IoT환경에서 수집된 데이터를 패턴 인식(Pattern Recognition), 군집화(Clustering), 분류(Classification) 기술을 통해 특성화하하고 이해한다. 이를 통해 데이터 속 숨겨진 패턴과 추세를 발견하고 중요한 변화를 식별할 수 있다.
DT는 물리적 트윈의 전체 수명 주기 동안 그 모습을 닮아가며 스스로 적응하고 매개변수를 조정하는 능력을 갖추고 있다. 고도로 모듈화되고 매개변수화된 아키텍처 덕분에 물리적 환경의 변화에 맞춰 쉽고 빠르게 자체적인 구성을 변경하고 최적화할 수 잇다. 이에 따라 예측 분석과 처방 분석을 제공한다.
디지털 트윈은 물리적 트윈의 현재 상태는 물론 다양한 "가상(What-If)" 시나이로를 현실적이고 자연스러운 방식으로 표현하기 위한 모델링 및 시뮬레이션 애플리케이션을 제공한다.
6. Digital Twin Application Cases
DT 분야는 크게 세 가지 도메인으로 분류된다.
- 제조업(Manufacturing)
- 항공(Aviation)
- 헬스케어(Healthcare)
Manufacturing
-
생산 공정 최적화 : 제품 제조 공정 및 수명 주기의 모든 측면을 최적화하는 데 활용된다.
-
스마트 제조 : 자율 모듈이 인간의 개입 없이 고수준 작업을 수행하고 실패에 대응한다.
-
데이터 기반 스마트 제조 : IoT 센서로 수집된 빅데이터를 AI와 빅데이터 분석으로 처리하여 공정을 모니터링하고 실패를 식별하며 최적의 솔루션을 찾는다.
-
예측 유지보수 : 실시간 및 양방향 매핑을 통해 지능적이고 예측적인 접근 방식을 제공한다.
-
모듈형 및 매개변수화된 아키텍처 : 공정 설계 및 생산 라인의 신속한 재구성, 스마트 제품의 사용 단계 중 재구성을 가능하게 한다.
-
지능형 애플리케이션 및 융합 데이터 : 물리적 공간과 가상 공간 간의 연결 외에 서비스 시스템과 디지털 트윈 데이터를 통합하여 관리, 제어, 최적화 기능을 제공한다.
Aviation
-
예측 유지보수 : 항공기 구조의 위험한 변화를 감지하고 자가 치유 메커니즘을 작동시키는 수단으로 사용된다.
-
의사결정 지원 및 최적화 : 예측 신뢰도를 평가하기 위한 품질 측정 정의, 항공기 구조의 수명 예측, 개별 항공기에 대한 맞춤형 구조 관리 계획 제공 등에 활용된다.
-
진단 : 손상된 항공기 구조를 감지하고 예측하는 데 고성능 피로 역학 및 필터링 기법이 사용된다.
-
구성 요소 DT : 전체 제품의 DT가 타이어와 같은 구성 요소의 DT를 포함하거나 이와 상호작용할 수 있다.
Healthcare
-
의료 기기 최적화 및 유지보수 : 의료 기기의 예측 유지보수 및 성능 최적화에 활용된다.
-
병원 운영 최적화 : 병원 운영 및 환자 흐름을 시뮬레이션한다.
-
Human Digtal Twin 개발 : 개인의 특성에 기반한 맞춤형 치료를 가능하게 하고 환자 맞춤형 치료 프로토콜을 테스트하는 플랫폼을 사용될 수 있다.
-
장기 DT 개발 : 심장, 기도 시스템, 동맥류
-
인간 DT의 한계 : 의료 데이터는 주로 의료 검사를 통해서만 추출될 수 있다.
7. Design Implications
DT 설계 시 고려해야 할 중요한 합의를 다룬다. 특히 두 가지 주요 내용을 제시한다.
- 사회-기술적 및 협업적 설계 접근 방식의 필요성 : DT를 성공적으로 개발하기 위해서는 기술적인 측면뿐만 아니라 사람과 조직의 역할, 상호작용을 고려한 접근 방식이 중요하다.
- 디지털 트윈의 두 가지 생명 주기(Lifecycle)모델 : DT가 물리적 객체와 함께 설계되는 경우와 이미 존재하는 물리적 객체에 DT가 도입되는 경우를 구분하여 설명한다.
먼저 사회-기술적 및 협업적 설계이다.
- 협업의 중요성
- 커뮤니케이션 격차 해소
- 접근 방식
- 최종 사용자 개발(End-User Development, EUD)
다음으로는 디지털 트윈의 생명 주기다. 두 생명 주기 모두 물리적 트윈과 DT 간의 시너지를 강조하고 지속적인 상호 작용을 통해 모니터링, 예측, 기능 최적화가 이루어져야 한다고 한다.
첫 번째 생명 주기(물리적 객체가 아직 존재하지 않는 경우)
FIGURE 3. The lifecycle of a computer tomography scanner and its DT, from their design to their dismissal.
-
설계 단계 : 물리적 객체보다 먼저 프로토타입 DT가 설계된다. 이 DT는 실제 프로토타입처럼 시뮬레이션, 테스트, 변경 및 설계 선택 사항을 검증하는 데 사용된다. 이 과정에서 유사 장치의 기존 DT로부터 얻은 기록 데이터, 요구사항, 고객 선호도 같은 정적 데이터, 시뮬레이션 및 예측 결과가 활용된다.
-
개발 단계 : 생산 기계와 상호 작용하여 물리적 객체의 조립/건설을 추적하고 최적화한다.
-
운영 단계 : 물리적 객체가 완성되면 Development DTObjectsms Product DTObject가 되어 객체와 완전히 일치하게 된다. 이전 단계에서 습득한 AI 기능을 통해 의료 기기의 사용을 추적하고 반영하며 스스로 학습하고 적응한다.
-
폐기 단계 : 물리적 객체가 수명을 다해 폐기되면 DTObject도 폐기 된다.
두 번째 생명 주기(물리적 객체가 이미 존재하지만 DT가 없는 경우)
FIGURE 4. This figure describes the lifecycle of an already existing computer tomography scanner that is however not yet connected to a DT.
-
설계 단계 : 새로운 Prototype DTObject가 개발되고 테스트 및 검증된다.
-
개발 단계 : 기존 물리적 객체와 Development DTObject 간의 연결이 개발된다.
-
운영 단계 : 연결된 객체와 Product DTObject 함께 운영되며 지속적으로 상호 작용한다.
-
폐기 단계 : 물리적 객체가 수명을 다해 폐기되면 DTObject도 폐기 된다.
8. Open Issues and Challenges
윤리적 문제
DT 개발자와 사용자는 제조 회사, 파트너, 고객, 병원 등 다양한 출처에서 발생하는 데이터 교환에 대한 윤리적 문제를 해결해야 한다. 특히 개인 의료 기록과 관련된 데이터는 프라이버시 보호 및 법적 한계를 준수하여 처리해야 한다.
보안 및 프라이버시
IoT와 클라우드 컴퓨팅을 활요하는 DT 환경은 해킹 및 바이러스에 대한 강력한 보안을 갖춰야 한다
개발 비용
DT 환경 구축에는 소프트웨어 플랫폼 재구성, 생산 기계 하드웨어 및 클라우드/물리적 상호 연결 재설정 등 막대한 비용이 수반된다. 이는 대기업에서만 DT 기술이 확산될 수 있다는 한계를 만든다.
부의 불균등 분배
부유층과 빈곤층 간의 기술 격차를 심화시켜 빈곤층 나라에서는 DT 기술 확산이 어렵다.
의료 DT에 대한 정부 규제
예측 생리적 및 생물학적 계산 모델의 신뢰도를 평가하고 승인하기 위한 정부 규제와 규칙이 마련되어야 한다.
인간-작업 상호작용 디자인 및 최종 사용자 개발
DT는 비전문가도 자연스럽고 효과적이며 효율적으로 DT와 상호작용할 수 있도록 잘 설계되고 접근 가능한 인터페이스를 갖춰야 한다.
기술적 한계
객체 DT와 인간 DT 간의 통신 차이
객체 DT는 물리적 대상과 실시간으로 지속적인 연결을 활용할 수 있지만 인간 DT는 일반적으로 모바일 앱이나 센서와 같은 제3의 장치를 통해 연결되므로 끊김 없는 고성능 연결을 보장하기 어렵다
인터넷 연결
전 세계적으로 빠른 인터넷 연결을 제공하는 것은 어려운 과제다
데이터 시각화
대량의 데이터를 효과적으로 시각화하고 사용자의 상호 작용을 가능하게 하는 효율적인 인터페이스를 설계하는 것이 어렵다.
9. Conclusion
지난 20년간 AI, 빅데이터, 클라우드 컴퓨팅, IoT 기술의 발전에 힘입어 디지털 트윈(DT) 기술이 크게 성장하여 제조, 항공, 헬스케어 등 다양한 분야에서 활용되고 있다. 본 연구는 DT의 정의, 주요 특징, 그리고 현재 응용 분야를 분석하고 물리적 객체의 설계 단계부터 함께하거나 기존 객체에 연결되어 끊임없는 상호작용을 통해 발전하는 두 가지 DT 수명 주기를 제시했다. 그러나 DT의 성공적인 확산을 위해서는 윤리적 문제, 보안 및 개인 정보 보호, 높은 개발 비용, 기술 및 자원 접근성 불균형, 정부 규제 그리고 효과적인 인간-컴퓨터 상호작용 설계와 같은 다양한 미해결 과제와 기술적 한계들을 극복해야 한다.
