한국IBM “디지털 트윈에 생성형 AI 결합…설비 자산 관리 고도화”

[IT동아 김예지 기자] 한국산업지능화협회(이하 KOIIA) 및 한국IBM이 11월 8일 ‘미래 산업에서의 디지털 트윈과 생성형 AI의 역할’을 주제로 ‘2024 디지털 트윈 기술위원회 베스트 프랙티스 컨퍼런스(Best Practice Conference)’를 개최했다.

이 컨퍼런스는 지난해 발족한 디지털 트윈 기술위원회가 올해 처음 개최한 행사다. 전 산업 분야에서 급부상하는 디지털 트윈 기술의 동향 및 전망을 공유하고, 정책 제안 및 사업 협력의 장을 만들겠다는 취지에서 열렸다.

이번 컨퍼런스에서는 디지털 트윈의 기술, 정책, 연구, 산업 측면에서 전문가들의 발표가 이뤄졌다. 또한 ▲자동차(현대오토에버) ▲해양(GS E&C) ▲뿌리 산업(DN솔루션즈) 분야 국내 기업이 디지털 트윈 적용 사례를 소개했다. 이어 ▲김인 지멘스 본부장 ▲임석용 엔시스 상무 ▲홍석관 헥사곤 부사장이 각각 자사의 글로벌 기술 적용 사례를 공유했다.

김태환 KOIIA 부회장은 인사말에서 “인공지능(AI)은 굉장히 빠르게 발전하고 있지만, 산업 현장에서의 AI는 거품이 낀 상태라고 볼 수 있다. 그 이유는 산업에 적용하기 위한 데이터 활용이 어려운 실정이기 때문이다”라고 주장했다. 또한 “향후 디지털 트윈 기술은 산업에서 변곡점을 맞이할 것이며, 기업들은 이에 대응해야 한다”고 덧붙였다.

이지은 한국IBM CTO는 환영사에서 “최근 기업들은 하이브리드 클라우드 환경에서 발생하는 문제를 해결하고, 자동화를 구현하는 데 관심이 많다. 한국IBM은 기업 대상으로 다양한 산업군의 모든 부분에 생성형 AI(Gen AI)가 적용될 수 있도록 지원한다”고 말했다.

이날 박정선 한국IBM 실장은 ‘생성형 AI, 디지털 트윈을 통한 설비 자산 관리 고도화’를 주제로 발표했다. 박 실장은 “기업이 자사의 데이터 90% 이상을 활용하지 못하는 가운데, 한국IBM은 데이터 및 AI 두 가지를 바탕으로 기업에 엔드 투 엔드(End-to-end) 솔루션을 제공하는 기업”이라고 소개했다.

한국IBM은 ‘설비 자산 관리’ 영역에서의 디지털 트윈 기술 활용에 주목한다. 통신탑부터 공항·항만, 교통관제, 위험 예측, 품질 관리 등 분야에서 디지털 트윈은 광범위하게 활용될 수 있다고 예측했다. 예컨대, 복잡한 도로망을 디지털 트윈으로 구축해 시시각각 변하는 교통량을 확인하고, 공사 구간, 사고 지점 등을 반영해 교통량을 원활하게 제공하는 데도 디지털 트윈이 활용된다.

한국IBM은 고객에게 자사에서 구성한 디지털 트윈 플랫폼을 제공한다. 디지털 트윈 기술은 제품의 ▲설계 ▲설비 및 운영 프로세스 최적화 ▲예측 ▲자동화 각 4단계에 맞는 형태로 적용된다. 이때 한국IBM은 제품의 성능 및 운영을 결정하는 최적화 단계부터 디지털 트윈 기술의 적용을 권장한다.

박 실장은 “디지털 트윈의 첫 번째 목적은 시각화다. 디지털 트윈을 도입해 시각화가 가능해지면, 기업은 설비 재고 파악 시간을 최대 80% 단축하고, 설계 문서 오류 및 누락을 최대 80% 방지할 수 있다. 디지털 트윈 도입 전과 비교했을 때, 전체 단계에서 약 15% 이상 효율성 있게 운영할 수 있다”고 설명했다.

한국IBM은 예측 단계부터 도입되는 디지털 트윈과 AI 기술로 기업의 설비 자산 관리를 고도화할 수 있다고 주장한다. 이는 디지털 트윈 플랫폼 내 AI를 적용해 실질적으로 고장을 예측하고, 시뮬레이션으로 고장에 대한 방안을 마련하는 단계다.

여기에 한국IBM은 생성형 AI 플랫폼 ‘왓슨 X(Watson X)’를 통해 자산 관리 솔루션을 중심으로 파운데이션 모델을 적용하고 있다. 파운데이션 모델은 대규모 데이터를 기반으로 훈련된 딥러닝 모델로, 생성형 AI의 기반이 되는 모델이다. 챗GPT를 위해 만들어진 거대 언어 모델(LLM)도 파운데이션 모델이다.

박 실장은 한국IBM이 상용화한 파운데이션 모델을 소개했다. ‘상황 이해 고장 모드(Failure mode context understanding)’는 생성형 AI 모델을 이용해 고장 발생 지점에 대한 기본 파운데이션 모델을 설비 유형별로 작성, 고장 발생 지점이 명확하지 않은 설비에 적용할 수 있는 솔루션이다. 또한 ‘지능형 작업 관리(Work order intelligence)’는 입력된 지시 정보를 확인하고 자동 승인, 또는 사용자가 잘못 입력한 정보를 판별해 수정할 수 있도록 LLM 기반으로 학습했다.

더불어 생성형 AI뿐만 아니라 머신러닝(ML), 이미지 AI 등 다양한 AI가 접목된 사례도 소개됐다. 예컨대, 디지털 트윈 기술로 공장 내부를 스캔, 로봇 개에 데이터를 주입한 뒤, 로봇 개가 최적의 경로를 다니며 공장 내에 비치된 소화기를 확인하게끔 한다. 로봇 개(엣지) 단에 탑재된 CPU로 소화기 이미지를 확인하고, 관리자는 정상 여부만 값으로 전송해 받아볼 수 있다.

박 실장은 “산업 현장에서는 온도 등 다양한 요인이 영향을 미치기 때문에 예측 모델을 만드는 것이 가장 까다롭다. 한국IBM은 생성형 AI ‘왓슨X’를 활용해 고객이 고장 예측 모델을 만들기 전 단계에서 기초(학습) 데이터를 빨리 찾을 수 있도록 돕는다”고 말했다.

한편, 이어 안창원 정보통신기획평가원 PM은 디지털 트윈 정책과 관련해 발표했다. 그는 “인구 부족 현상이 심화되는 가운데, 디지털 기술로 사회 문제를 극복해 나가야 한다”며, “디지털 트윈 기술에 대한 교육 투자 및 인력 분배를 위한 과제를 만들어 나가야 한다”고 주장했다.

이어 서효원 카이스트 교수는 ‘디지털 트윈과 문서 LLM 정형화와의 결합’ 발표에서 최소 단어 단위로 정형화한 센서 데이터와 유지보수 시스템을 연결하는 연구를 소개했다. 그는 “메타의 라마(Llama) 3.0으로 문서 정형화를 이루고, 설계 요구사항 문서에 검색 증강 생성(RAG)를 도입해 예측 정확도를 90%까지 높였다”고 설명했다.

마지막으로, 양영진 디지털트윈연구소 대표는 산업 측면에서 디지털 트윈 기술을 바라봤다. 그는 “시간의 흐름에 따른 변화를 디지털 트윈 플랫폼이 반영해야 미래를 예측하는 시뮬레이션이 가능하다”며, “디지털 트윈에는 데이터를 수집 및 학습해 모델을 만들어 지식을 발견하는 방법과, 원리를 가지고 추상화해 시뮬레이션 모델을 만들어 더 많은 데이터를 확보 및 분석하는 방법이 있다. 디지털트윈연구소의 모델링 시뮬레이션 플랫폼 ‘WAiSER’는 이 두 가지를 융합한다”고 말했다.

IT동아 김예지 기자 (yj@itdonga.com)