[기고] 운용 데이터가 다시 설계로 돌아올 때, 디지털 트윈은 완성된다

아이티데일리에 실린 유성재 매스웍스코리아 이사의 기고 '운용 데이터가 다시 설계로 돌아올 때, 디지털 트윈은 완성된다'는 디지털 트윈의 의미가 개발 단계 가상 모델에 한정되지 않는다고 설명한다. 실제 장비의 상태는 임무, 환경, 사용 시간, 정비 이력에 따라 변하며, 디지털 트윈은 이런 상태 변화의 데이터 확인과 모델 연계가 이뤄질 때 판단 기준을 충족한다고 본다. 이에 따라 디지털 트윈은 운용·정비 판단 기준으로 활용된다고 짚는다.

이 같은 체계에는 PHM이 필요하다고 설명한다. PHM은 Prognostics and Health Management를 뜻하며, 센서 데이터 기반 이상 탐지와 원인 파악, 향후 상태 변화 예측의 기능을 수행한다. 그 목적은 정비 판단 지원에 있다. 아울러 디지털 스레드는 이 PHM 과정에 필요한 정보를 연결하는 역할을 하며, 요구사항, 모델, 시험 결과, 운용 데이터, 정비 기록을 연결 대상으로 제시한다.

또한 개발 단계의 가상 시험과 실물 시험은 모두 장비의 요구사항 만족 여부 확인을 목적으로 한다고 설명한다. 그러나 실제 운용 환경은 개발 단계보다 복잡하며, 동일 형상 장비라도 부하, 온도, 진동, 습도, 사용 시간, 정비 이력에 따라 상태 차이가 발생한다고 본다. 이에 따라 운용 단계의 디지털 트윈은 센서와 정비 기록을 기반으로 하며, 장비별 상태 차이를 반영해야 한다고 설명한다.

결국 개발 단계의 핵심 질문은 요구사항 만족 여부이지만, 운용 단계의 핵심 질문은 현재 상태 파악, 발생 중인 문제 파악, 점검 시점 판단으로 달라진다고 정리한다. 이 글은 디지털 트윈이 개발 단계의 모델에 머무르지 않고, 운용 중 변하는 실제 장비 상태와 연결돼야 하는 체계라고 설명한다.

PHM은 통념상 고장 시점·남은 수명 예측 기술로 여겨지지만, 실제 구성은 이상 탐지·고장 진단·상태 평가·정비 판단의 연속 과정이다. PHM은 단일 예측 AI가 아니라 이상을 찾고 원인을 가려 상태를 판단한 뒤 정비 결정으로 이어지는 체계다.

이 때문에 PHM의 출발점에서는 AI 종류 선택보다 선행 과제가 우선된다. 선행 과제는 장비 특정, 중요한 문제 특정, 탐지 가능 신호 결정, 결과 활용 정비 판단 결정이다.

또한 예측 정확도가 높음만으로는 운용 가치가 충분하지 않다. 실제 조치에 연계되지 않으면 운용 가치는 제한된다.

국방·항공우주 분야는 고장이 드물고, 실제 고장 데이터의 충분한 수집이 어렵다. 그 제약 요인으로는 재현 비용이 크고 재현 위험이 큰 점이 있다. 또한 장비별로 임무가 상이하고 환경이 상이해, 한 장비의 데이터를 다른 장비에 직접 적용하기도 어렵다.

이런 환경에서 데이터 기반 방법의 역할은 센서 신호의 비정상 패턴을 탐지하는 데 있고, 물리 기반 모델의 역할은 온도·부하에 따른 신호 변화의 원인을 설명하는 데 있다. 고장 데이터가 부족할 때는 시뮬레이션이 필요한 조건을 보완하는 수단이 되며, 중요한 원칙은 목적과 확보 가능한 정보에 맞춰 두 방법을 병행 사용하는 데 있다.

JAXA는 달·화성·심우주 임무의 안전성과 신뢰성 향상을 목적으로 우주선 추진 시스템 PHM 기술을 개발하고 있다. 목표는 공급 시스템 필터 막힘·밸브 결함으로 발생하는 추력 이상을 신속·정확하게 식별하는 데 있다.

이를 위해 JAXA는 추진 시스템 정보 확대를 목적으로 광섬유 브래그 격자(FBG) 센서 방식을 개발했다. FBG 센서 방식은 장비를 손상하지 않은 상태에서 압력을 측정할 수 있다. 수집 데이터는 시계열 형태다.

전처리 도구로는 매트랩(MATLAB)과 시그널 프로세싱 툴박스(Signal Processing Toolbox)를 사용했다. 처리 절차는 고속 푸리에 변환(FFT) 계산 후 고역 통과 필터를 적용하는 방식이다. 이어 피크 검출 기능을 활용해 서지 데이터를 동기화했다. 또 예측 유지 관리 툴박스(Predictive Maintenance Toolbox)를 활용해 머신러닝 모델 훈련·비교용 특징을 탐색하고 순위화했다.

예시 주제는 유량 변화에 따른 센서 신호·고장 진단 특징 중요도 분석이다. 이 사례에서 JAXA는 매트랩을 활용해 결함 진단·예측정비 애플리케이션의 처음부터 끝까지 개발했다. 이를 통해 현장 측정 데이터의 즉시 평가가 가능했고, 특성도 확인할 수 있었으며, 독립 실행형 앱도 구현했다.

이 사례의 중심 요소는 AI 모델 자체보다 전체 흐름이었다. 전체 흐름은 대상 고장 정의에서 시작해 센서 선택, 신호 처리, 특징 비교, 모델 평가, 현장 활용으로 구성됐다. JAXA 사례는 매트랩으로 진단·예측정비 앱을 만들되, 단일 AI 모델보다 고장 정의부터 현장 활용까지 이어지는 절차 전체를 중시한 흐름을 보여준다.

또한 PHM 모델의 경보만으로는 불충분하다는 점도 함께 제시됐다. 경보의 신뢰성을 확보하려면 어느 장비 데이터인지, 어떤 형상 데이터인지, 사용 센서가 무엇인지, 사용 처리 방법이 무엇인지, 판단한 모델 버전이 무엇인지, 실제 점검 결과와의 일치 여부를 함께 확인할 필요가 있다. 이때 디지털 스레드의 역할은 판단 근거를 보존하는 데 있다.

이러한 연결의 중요성은 국내 무기체계 디지털 트윈 적용과도 맞물린다. 방위사업청에는 '무기체계 디지털 트윈 활용 지침'이 있으며, 이 지침은 센서 네트워크 기반 데이터 수집과 실시간 시뮬레이션 기반 가상 실험을 제시한다. 또 활용 계획의 기능 영역별 작성을 제시하며, 기능 영역의 예시로 요구사항 정의, 설계 및 공학, 시험평가를 든다.

아울러 이 지침은 모델과 가상 실험의 적정성 평가, 활용 결과와 기술자료 관리를 담고 있다. 이는 디지털 트윈을 실제 판단에 활용하려면 데이터·모델·시험 결과의 연결이 필요하고, 근거 확인이 가능해야 한다는 조건과 맞닿아 있다. 결국 실제 판단에 쓰이기 위해서는 데이터와 모델, 시험 결과가 연계되고 검증 가능해야 한다.

구성 예시로는 센서 데이터 수집·실시간 시험과 디지털 트윈 환경의 연결이 있다. 이와 함께 디지털 스레드는 요구사항, 설계 모델, 시험 결과, 운용 데이터, 정비 기록, PHM 판단을 연결 대상으로 삼아 하나의 흐름으로 잇는다.

이 같은 연결이 이뤄지면 이상 발견 시에는 설계 가정을 재확인하고 과거 시험 결과를 재검토할 수 있다. 또한 정비 전후 변화도 동일 맥락에서 비교할 수 있다.

운용 중 반복 문제는 새로운 시험 조건으로 이어지는 역할을 한다. 예상과 다른 열화는 모델 수정의 근거가 되며, 필요한 상태가 관찰되지 않은 경우에는 다음 장비의 센서 요구사항이 변경될 수 있다.

아울러 운용 데이터는 다음 설계 개선 자료의 역할을 한다. 이처럼 운용 과정에서 얻은 정보는 이후의 시험, 모델, 센서 요구사항, 설계 개선으로 이어진다.

다만 모든 장비에 가장 복잡한 디지털 트윈이 필요한 것은 아니다. 디지털 트윈의 수준은 기술적 최대치가 아니라 실제 판단을 기준으로 정해야 한다. 모든 부품을 실시간으로 연결하면 비용과 복잡도가 증가하며, 남은 수명까지 예측하려 할 때도 비용과 복잡도가 증가한다.

일부 장비는 상태 감시만으로 충분하지만, 다른 장비는 고장 진단 또는 수명 예측이 필요할 가능성이 있다. 이때 핵심 기준은 모델 복잡도가 아니며, 결과가 실제 운용·정비 판단에 기여하는지 여부이다.

운용 중인 PHM 모델은 지속적 확인이 필요하며, 1회 적용으로 종료되지 않는다. 운용 조건이 변경되거나 센서가 변경되거나 소프트웨어가 변경되면 입력 데이터가 변화할 수 있으므로, 초기 확인 조건과 실제 현장 조건이 지속적으로 부합하는지 점검해야 한다. 또한 모델 경보와 실제 점검 결과를 지속적으로 비교해야 하며, 잘못된 경보가 반복되거나 문제를 미탐하면 데이터를 재검토하고 특징을 재검토하고 판단 기준을 재검토해야 한다.

이런 관리와 함께 모델 버전과 검증 결과를 함께 관리해야 하며, 그 목적은 판단 근거를 설명하는 데 있다. AI는 확인 대상 범위를 축소할 수 있지만, 최종 정비 판단을 대체할 수 없고 최종 임무 판단을 대체할 수 없다.

PHM을 시작할 때는 먼저 사전에 알고 싶은 내용을 설정해야 한다. 이때 우선 결정할 대상은 대상 장비와 고장, 필요한 예고 시간, 그리고 결과 활용 점검·정비 판단이다.

다음으로는 PHM 시작 시 보유 데이터·모델을 점검해야 한다. 확인 대상 데이터는 센서 데이터와 정비 기록이며, 확인 대상 모델은 기존 모델이다. 고장 데이터가 부족할 때의 보완 수단으로는 시뮬레이션이 있다.

적용 방식으로는 처음부터 모든 장비로 확대하기보다 중요한 장비 1대상부터 시작하는 방안이 권고된다. PHM을 시작할 때는 적용 범위를 이처럼 정해 나가야 한다.

이후에는 PHM 시작 시 실제 결과와 지속 비교하는 과정이 필요하다. 비교 대상은 예측·점검 결과이며, 비교 목적은 모델 개선이다. 반복 문제는 새로운 시험 조건에 반영하고 다음 설계에도 반영해야 한다.

이처럼 운용에서 얻은 배움은 설계로 복귀하는 환류가 필요하다. 디지털 스레드의 시작점은 요구사항·설계·코드·시험 결과를 연결하는 데 있다.

여기에 운용 데이터와 정비 기록, PHM 판단이 디지털 스레드의 추가 요소로 더해진다. 운용 데이터·정비 기록·PHM 판단이 시험·설계로 다시 연결될 때 개발·운용 일체 흐름이 형성된다.

디지털 트윈의 가치 판단 기준은 화면 사실감이나 모델 수가 아니며, 현재 상태를 신뢰도 높게 설명하고 문제를 조기에 발견하며 그 결과를 정비에 활용하고 다음 설계에 활용하는 데 있다. 특히 운용에서 얻은 배움이 다음 설계의 입력이 될 때 운용과 설계가 이어지며, 디지털 트윈의 수명주기 전체 개선이 엔지니어링 체계화로 이어진다.

출처: 아이티데일리 (IT DAILY) · 유성재
원문: https://www.itdaily.kr/news/articleView.html?idxno=242048

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=242048