디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

캐드앤그래픽스 디지털 트윈 설문조사 분석   디지털 트윈 기술에 대한 관심이 국내 제조 및 엔지니어링 업계를 중심으로 높아지고 있지만, 실제 산업 현장에서는 여전히 다양한 현실적 제약에 직면해 있는 것으로 나타났다. 캐드앤그래픽스는 국내 디지털 트윈 현황을 집대성한 ‘디지털 트윈 가이드’를 발간하고, 국내 제조 및 엔지니어링 업계 관계자를 대상으로 3월 13일부터 4월 14일까지 ‘국내 디지털 트윈 현황 설문조사’를 실시했다. 총 1212명이 참여한 이번 설문조사에서는 디지털 트윈의 이해도, 적용 분야, 도입 단계, 구축 시 어려움 등 다양한 관점에서 기술의 현주소를 조망했다. 특히 디지털 트윈을 실제로 사용 중인 기업과 종사자를 대상으로 진행한 심층 조사에서는 기술 도입 과정에서의 구체적인 어려움과 향후 투자 계획 등 실질적인 인사이트가 도출됐다. ■ 최경화 국장   설문조사 개요 및 참가자 현황 이번 설문조사는 국내 제조 엔지니어링 업계 관계자 1212명을 대상으로 진행되었다. 설문 참가자들의 배경은 다양한 산업 분야에 걸쳐 있었으며, 이는 디지털 트윈 기술이 단일 산업에 국한되지 않고 여러 분야에서 관심을 받고 있음을 시사한다. 참가자들의 직무 또한 연구개발, 설계, 생산, 관리 등 다양한 영역에 분포하고 있어, 디지털 트윈 기술이 기업 내 여러 부서와 직무에 걸쳐 중요성을 인정받고 있음을 알 수 있었다. 디지털 트윈 관련 업무 분야에서도 다양한 응답이 나타나, 이 기술의 응용 범위가 넓어지고 있음을 확인할 수 있다.   주력 산업 분야 설문 응답자들의 주력 산업 분야는 ‘건축/건설/토목’(22.7%)과 ‘전기전자/하이테크/반도체’(17.9%), ‘시각화/그래픽/디자인’(14.2%) 등이 높은 비중을 차지했으며, 자동차, 플랜트 등 다양한 산업 분야가 분포되어 있음을 알 수 있다.   그림 1. 설문 응답자 현황 - 주력 산업 분야   직무 분야 설문 응답자들의 직무 분포는 ‘엔지니어’(41.2%)가 압도적으로 높은 비율을 보였고, ‘경영진/임원’(15.9%), ‘SW 개발’(14.3%) 순으로 나타나, 기술 및 관리 직무 종사자들의 높은 관심을 반영했다.   그림 2. 설문 응답자 현황 – 직무   디지털 트윈 관련 업무 분야 설문 응답자들의 디지털 트윈 관련 업무 분야에 대해서는 CAD/3D 모델링이 가장 높게 나타났고, AI/머신러닝, CAE/시뮬레이션 순으로 나타났다.    그림 3. 설문 참가자 현황 - 디지털 트윈 관련 업무 분야   국내 디지털 트윈 도입 현황 - 뜨거운 기대감과 더딘 현실 디지털 트윈 이해 수준 기술에 대한 이해 수준은 아직 부족한 것으로 나타났다. 디지털 트윈 이해 수준에 대해서는 ‘대체로 알고 있다’(36.8%)와 ‘조금 알고 있다’(37.2%)가 비슷한 비율을 보였으며, ‘매우 잘 알고 있다’ (10.4%)는 소수에 불과했다. ‘잘 모른다’(15.6%)는 응답도 상당수를 차지했다. 이는 기술에 대한 인지도는 높지만, 깊이 있는 이해와 활용 능력은 아직 부족하다는 점을 시사한다.   그림 4. 디지털 트윈에 대한 이해 수준   디지털 트윈 발전 전망 반면, 디지털 트윈의 미래에 대한 업계의 기대는 매우 컸다. 향후 디지털 트윈 발전 전망에 대한 응답에 따르면 ‘매우 중요하게 성장할 것’(66%)과 ‘다소 성장할 것’(30.5%)이라는 답변이 전체의 압도적인 대다수를 차지했다. 또한 전체 응답자의 96.5%가 기술의 중요성과 잠재력에 대해 폭넓은 공감대를 형성하고 있음을 확인시켜 주었다.   그림 5. 디지털 트윈 향후 발전 전망   디지털 트윈 사용 기업 및 도입 현황 디지털 트윈을 실제로 사용하고 있는 기업 및 유저를 대상으로 한 심층 조사에는 총 385명이 참여했다. 이들 기업의 규모는 매출액과 직원 수를 기준으로 다양하게 분포하고 있어, 디지털 트윈 기술이 대기업뿐 아니라 중소기업에서도 점차 도입되고 있음을 알 수 있다.   디지털 트윈 사용 기업 규모 디지털 트윈 사용 기업의 매출액은 5000억원 이상이 48.8%를 차지해 가장 높은 분포를 보였으며, 1000억원 이상~500억원 미만이 13.2%로 큰 기업들이 주로 관심을 가지고 있었음을 알 수 있었다. 직원 수도 5000명 이상이 32.2%로 가장 높은 수치를 차지했으며, 1000명~5000명 미만이 17.9%, 100명~500명 미만이 11.7% 순으로 나타났다.    그림 6. 디지털 트윈 사용 기업 매출액   디지털 트윈 사용 기업 적용 분야 디지털 트윈 적용 분야는 ‘제품 설계 및 시뮬레이션’(66.8%), ‘생산/제조 운영’(43.9%), 설비 모니터링 및 유지보수(39.2%) 순으로, 제품 개발과 생산 영역에 활용이 집중되는 경향을 보였다. 제조 분야에 비해서는 사용이 적지만 도시, 에너지, 교통, 물류, 의료 등 다양한 영역에서 활용되고 있음을 확인할 수 있다. 특히 제조업 분야에서는 생산 공정 최적화, 품질 관리, 설비 예지 보전 등의 목적으로 활용되고 있을 것으로 추정된다.   그림 7. 디지털 트윈 적용 분야   디지털 트윈 적용 목적 디지털 트윈을 적용하는 주요 목적은 ‘설계 최적화’(61.0%), ‘생산성 향상’(54.5%), ‘운영 효율화’(46.2%) 등 효율성 증대 관련 항목들이 우위를 점했다.   그림 8. 디지털 트윈 적용 목적   디지털 트윈 도입 단계 아직까지 디지털 트윈에 대한 관심은 높지만 실제 사용 보다는 검토 중인 기업이 많은 것으로 나타났다. 디지털 트윈 사용 기업의 도입 단계 관련 답변을 보면, ‘도입 검토 중’(43.6%)이 가장 큰 비중을 차지했다. 이어 ‘일부 시스템 도입 완료’(18.4%), ‘PoC(파일럿) 진행 중’(12.2%), ‘전사 확산 및 활용 중’은 4.2% 순으로, 본격적인 활용 단계에 진입한 기업은 소수임을 알 수 있었다. ‘도입 계획 없음’(17.9%)이라는 응답도 적지 않았다.    그림 9. 디지털 트윈 도입 단계   다양한 상용 디지털 트윈 툴 사용… 자체 개발·검토도 다수 디지털 트윈 기술의 확산과 함께, 국내 기업들이 활용 중인 디지털 트윈 소프트웨어 및 플랫폼은 매우 다양하며, 기업별로 도입 단계나 활용 수준에서도 큰 차이를 보이는 것으로 나타났다. ‘현재 사용 중인 디지털 트윈 툴’에 대한 주관식 응답 결과를 분석해 보면, 국내 산업계는 BIM 기반 플랫폼, CAE 시뮬레이션 도구, PLM 및 협업 플랫폼, 그리고 게임 엔진 기반 시각화 도구를 중심으로 디지털 트윈 기술을 도입하고 있는 것으로 나타났다. 아래 내용은 답변 내용을 중심으로 정리한 것이다.   BIM 및 설계 중심 소프트웨어의 강세 디지털 트윈 구축의 초기 단계에서 가장 두드러지는 분야는 설계 기반 모델링(BIM) 도구다. 응답자 중 상당수가 오토데스크의 레빗(Revit), 오토캐드, 시빌 3D(Civil 3D), 나비스웍스(Navisworks) 등을 사용하고 있다고 응답했다. 벤틀리 시스템즈의 아이트윈(iTwin), 트림블의 테클라(Tekla) 및 트림블 커넥트(Trimble Connect), 아비바의 아비바 E3D(AVEVA E3D) 등도 건설·플랜트 산업에서 활용하고 있다고 답변했다.   정밀 해석 기반의 시뮬레이션 툴 확산 앤시스(Ansys), 아바쿠스(Abaqus), 하이퍼웍스(HyperWorks), LS-DYNA, 시뮬링크(Simulink), 아담스(Adams), GT-스위트(GT-Suite), 플렉스심(FlexSim) 등 해석 전문 툴의 사용도 두드러졌다. 특히 제품 설계나 공정 시뮬레이션에서 정밀한 모델링이 필요한 제조업, 자동차, 중공업 분야에서는 다물리 해석 툴 기반의 디지털 트윈 구현이 주를 이뤘다.   PLM 기반 통합 디지털 플랫폼도 주목 설계-생산-운영 전 주기를 통합 관리하기 위한 PLM 기반 플랫폼도 활발히 사용되고 있다. 다쏘시스템즈의 3D익스피리언스(3DEXPERIENCE), 카티아(CATIA), 에노비아(ENOVIA), 지멘스의 NX, 팀센터(Teamcenter), 플랜트 시뮬레이션(Plant Simulation), PTC의 크레오(Creo), 윈칠(Windchill), 씽웍스(ThingWorx) 외에도 전문 툴인 비주얼컴포넌트 등은 스마트 공정 및 운영 관리까지 연계된 디지털 트윈 구현에 활용되고 있는 것으로 보인다.   게임엔진 기반 실시간 시각화 기술 부상 유니티(Unity), 언리얼 엔진(Unreal Engine), 트윈모션(Twinmotion), 엔비디아 옴니버스(Omniverse) 등 게임엔진 기반 시각화 도구는 실시간 협업과 현장 시뮬레이션에서 각광받고 있다. 특히 언리얼엔진, 유니티와 옴니버스 등은 다른 플랫폼과의 연동성을 강화해 디자인 협업 및 공정 검증에 널리 활용되고 있다.   자체 설루션 및 커스터마이징 비율도 높아 이밖에도 국산 설루션인 이에이트, 소프트힐스, 버넥트, 한국디지털트윈연구소 설루션을 이용하고 있다는 응답도 있었다. 흥미로운 점은 응답자의 상당수가 ‘인하우스 개발’ 또는 ‘자체 플랫폼’, ‘프로젝트마다 요구사항 수렴 방식’ 등의 형태로 독자적인 디지털 트윈 시스템을 운영하고 있다는 것이다. 이는 특정 상용 설루션만으로는 각기 다른 업무 흐름이나 도메인 지식을 완벽히 반영하기 어렵기 때문으로 분석된다. 또한 ‘아직 도입 예정’ 또는 ‘검토 단계’라는 응답도 적지 않아, 디지털 트윈 도입의 확산은 진행 중인 흐름임을 알 수 있다.   넘어야 할 장벽 : 현장의 목소리로 본 핵심 과제 디지털 트윈의 확산이 더딘 배경에는 공통적으로 지적된 여러 장애물이 존재했다. 특히 높은 비용과 불확실한 ROI는 가장 큰 걸림돌로 지목됐다.   디지털 트윈 시스템 구축의 어려움 디지털 트윈 사용 기업이 꼽은 구축 시 가장 큰 어려움으로 ‘초기 투자 비용’(24.4%)과 ‘전문 인력 부족’(20.5%)이 가장 높은 비율을 차지했다. 그 뒤를 이어 ‘ROI 분석의 어려움’(16.6%), ‘경영진의 이해 부족’(15.1%) 순으로 나타났다. 주관식 답변에서는 고비용의 소프트웨어, 외산 설루션 및 3D 프로그램의 높은 라이선스 비용, 디지털 전환(DX) 도입 및 유지보수 비용 과다 등 경제적 부담에 대한 토로가 많았다. 특히 기대효과가 명확해야 한다, 비용 대비 효율이 확보되지 않으면 불가능하다, 실질적인 경영 효과로 어떻게 연결되는지 의문이라며, 투자를 정당화할 명확한 성과 측정과 검증된 성공 사례 부족을 지적했다. 전문 인력 부족 문제는 교육 시스템의 부재와 연계돼 있으며, 현장에서는 관련 교육 기회가 부족하다는 지적이 많았다. 경영진의 이해 부족도 중요한 문제로 나타났다.   그림 10. 디지털 트윈 구축 시 어려움   디지털 트윈 시스템 구축 관련 투자 계획 이러한 어려움에도 불구하고, 향후 디지털 트윈에 대한 투자 의향은 비교적 긍정적이었다. 사용 기업의 향후 투자 계획을 보여주는 그래프를 보면, ‘2년 이내’(31.4%), ‘1년 이내’(19.0%), ‘6개월 이내’(11.4%) 등 2년 내 투자 계획이 있다는 응답이 전체의 61.8%를 차지했다. 반면에 ‘도입 계획 없음’(26.2%)도 상당수 있었다.   그림 11. 향후 투자 계획   미래 투자 방향과 나아갈 길 전체 응답자가 디지털 트윈 확산을 위해 가장 필요하다고 꼽은 요소를 가중치 순으로 나타낸 그래프를 보면, ‘경영진의 의지와 디지털 트윈에 대한 이해’가 다른 항목을 큰 차이로 앞서며 압도적인 1위를 차지하고 있음을 확인할 수 있다. 또한 실제 사용 기업이 겪는 어려움에서도 ‘경영진의 이해 부족’이 중요한 요인으로 드러났다. 주관식 답변에서는 ROI 증명의 어려움과 맞물려 경영진 설득의 어려움을 토로하거나, 심지어 “실제 시험을 안 해도 된다고 생각하는 경영진이 많다”는 언급까지 나와, 리더십의 인식 개선이 시급함을 알 수 있었다. 표준화의 부재 역시 반복적으로 지적되었다. 응답자들은 데이터 표준화, 3D CAD 포맷 변환, 시스템 간 호환성 부족 등을 구체적인 문제로 언급했다.   그림 12. 디지털 트윈 시스템 구축과 확대를 위해 가장 필요한 것   구체적 정보와 성공 사례의 부족 또한 큰 장벽이다. 응답자들은 산업별 사례, 성공 및 실패 경험 등을 통한 실질적 정보 공유를 절실히 요구하고 있다. 이 밖에도 데이터 확보의 어려움, 외산 소프트웨어 의존도, 기술 복잡성, 국산 소프트웨어 개발의 필요성 등이 복합적으로 언급되며, 생태계 전반에 대한 개선이 필요함을 시사했다. 따라서 성공적인 디지털 트윈 도입과 확산을 위해서는 산적한 과제를 해결하기 위한 다각적인 노력이 필요하다. 현장의 목소리와 설문 데이터는 다음과 같은 방향을 제시하고 있다. 정부의 적극적인 역할 : 중소기업 지원 확대 , R&D 지원 및 국산 소프트웨어 육성, 산업 표준화 주도, 선도적인 인프라 투자 및 정책 지원 등 정부의 체계적이고 일관성 있는 지원 정책이 요구된다. 실질적 가치 증명 및 정보 공유 : 명확한 ROI 산정 모델 개발, 산업별 성공/실패 사례 발굴 및 투명한 공유, 기술 효용성에 대한 적극적인 홍보와 교육 강화가 필요하다. 표준화 및 기술 개발 : 데이터 형식 통일, 호환성 확보 등 산업 표준을 조속히 마련하고, 사용자 편의성을 높인 기술 및 플랫폼 개발 노력이 필요하다. 인력 양성 및 생태계 조성 : 실무 중심의 교육 프로그램 개발발 및 전문가 양성 시스템 구축, 산학연관 협력 시스템 강화가 필요하다.   맺음말 : 잠재력 현실화 위한 협력과 실질적 노력 시급 이번 설문조사는 디지털 트윈에 대한 국내 산업계의 높은 관심과 함께, 도입을 가로막는 다양한 현실적 장애 요인을 통계와 목소리로 생생하게 보여준 것이라고 할 수 있다. 이 같은 결과는 국내 산업계에서 디지털 트윈 도입이 활발히 이루어지고 있으나, 여전히 도입 도구의 표준화, 조직 내 전사적 활용, 실제 업무 흐름과의 통합 등에서 과제가 많다는 점을 보여준다. 향후에는 상용 툴과 자체 개발 플랫폼 간의 융합 전략, 그리고 데이터 연동성과 유지관리 측면에서의 체계적인 접근이 더욱 중요해질 것으로 보인다. 또한 디지털 트윈이 제조업 혁신의 핵심 동력으로 자리매김하기 위해서는 산업계, 정부, 학계가 함께 협력해 실질적인 해결책을 모색하고, 지속 가능한 생태계를 조성하려는 노력이 절실하다고 할 것이다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

유니티가 지난 4월 15일 글로벌 개발자 콘퍼런스인 ‘유나이트 서울 2025’를 진행했다. 2900여 명의 국내외 개발자 및 게임 업계 종사자들이 참석한 이번 행사에서 유니티는 자사의 최신 기술과 실제 적용 사례 등을 소개했다. 또한, 콘텐츠 개발을 위한 AI(인공지능) 비전과 비 게임 분야의 산업 시장을 겨냥한 전략도 밝혔다. ■ 정수진 편집장     개발 효율 향상과 커뮤니티 지원에 중점 두고 기능 개발 유니티 코리아 송민석 대표이사는 “지난 몇 년간 개발자 커뮤니티는 기술의 변화, 시장의 변화, 창작 과정의 어려움 등 많은 도전을 겪었지만, 그 과정에서 늘 새로운 가능성을 발견했다. 유니티 역시 그동안 많은 변화가 있었고, 개발자들의 격려와 조언이 큰 힘이 됐다”면서, “이번 유나이트에서는 개발자를 위한 생존 전략, 크리에이터 세션, 국내외 유니티 전문가의 기술 세션 및 다양한 산업에서 적용 가능한 기술과 사례를 제공하면서, 사용자의 프로젝트에 도움이 되고 영감을 주는 기회를 마련하고자 했다”고 전했다. 유나이트 서울 행사를 위해 처음으로 한국을 찾은 유니티의 맷 브롬버그(Matt Bromberg) CEO는 “한국은 유니티의 역사에서 매우 특별한 위치를 차지한다. 한국 개발자들이 만든 혁신적인 게임은 유니티의 가능성을 잘 보여줬다. 모바일뿐 아니라 최근 PC와 콘솔로까지 확대되는 한국 게임 개발자들의 새로운 도전은 전 세계적으로 주목받고 있다”면서 성능, 안정성, 크로스 플랫폼 지원을 더욱 강화하면서 개발자와 커뮤니티의 좋은 파트너가 되고자 한다고 밝혔다. 최신 버전인 유니티 6.1에서는 VRS(가변 레이트 셰이딩), GPU 처리 시간을 단축해 CPU 성능과의 균형을 유지하는 디퍼드+(Deffered+), 벌칸 디바이스 필터링 등의 기능을 통해 퍼포먼스 향상이 이뤄졌다. 한편, 유니티는 올해 다양한 새 기술과 고성능 기능을 제공하는 동시에 엔진의 근본적인 기술도 현대화할 예정이다. 그리고 엔진의 핵심 소스 코드에 닷넷(.NET) 프레임워크와 ECS(Entity Component System)를 적용하여 성능을 극대화하며, 콘텐츠 파이프라인도 현대화하여 개발자들이 더 빠르게 개발하고 반복 작업을 최소화할 수 있도록 지원할 계획이다. 브롬버그 CEO는 향후 개발 방향과 관련해서 새 업데이트를 출시 전 실제 환경에서 테스트한 후 제공할 것이며, 유니티 에디터 내에서 AI를 활용한 게임 개발을 지원하는 등 개발 효율을 높일 계획이라고 소개했다.   ▲ 유니티 맷 브롬버그 CEO   게임 개발 프로젝트에서 기술 검증 후 출시 전략 이와 관련해서 유니티의 애덤 스미스(Adam Smith) 엔진 부문 프로덕트 수석 부사장이 조금 더 자세히 설명했다. 그는 “유니티가 게임 개발자들로부터 가장 많이 받은 피드백은 플레이어의 경험이 더 안정적이고 뛰어나야 한다는 것이었다. 또한 개발 과정이 보다 빠르고 효율적이길 원했고, 복잡한 라이브 게임 개발에서 겪는 여러 문제들을 해결해 달라는 요청이 많았다”고 전했다. 이에 대응하기 위해 유니티는 ‘프로덕션 검증(production verification)’이라는 테스트 방식을 도입했다. 이는 실제 게임 개발 프로젝트에 최신 기술을 적용하여 검증하는 방식인데, 유니티는 몇몇 게임사와 협력해 기술 성능과 빌드 성공률을 높였다. 한편, 유니티는 코나미와 협력해 닌텐도 스위치 2용 게임인 ‘서바이벌 키즈(Survival Kids)’의 개발 과정 전반에 유니티 6 엔진을 적용했으며, 궁극적으로 게임의 기획부터 개발, 광고를 통한 수익화까지 전체 수명주기를 포괄하는 기술을 제공한다는 포부를 밝히기도 했다. 스미스 수석 부사장은 “이러한 협업과 게임 개발 경험은 유니티가 자체 기술과 서비스, 툴을 실제 개발 환경에서 테스트하고, 모든 기능이 철저히 검증되고 안정화된 상태에서 전달될 수 있도록 하는 데 목적이 있었다. 특히 애니메이션 시스템, 물리 엔진, DOTS(Data-Oriented Technology Stack) 기능의 성능과 안정성을 크게 높여 커뮤니티에 제공할 수 있게 되었다”고 전했다.   ▲ 유니티의 임원진이 참가한 기자간담회   개별 설루션 대신 AI 데이터가 모이는 플랫폼 추구 스미스 수석 부사장은 게임 및 시각 콘텐츠 개발에서 빠르게 확산되고 있는 AI와 관련한 로드맵도 소개했다. 2025년 하반기에 출시될 유니티 6.2 버전에서는 에디터 내에 직접 프롬프트 기반의 워크플로(prompt-based workflows)를 통합할 계획이다. 스미스 수석 부사장은 “반복 업무가 자동화되어 개발자들의 작업 시간을 크게 줄일 수 있고, 코드 디버깅과 C# 코드 자동 생성 기능도 추가되어 더욱 효율적인 작업 환경을 제공할 것”이라고 밝혔다. 유니티의 AI 지향점은 개발자가 워크플로의 흐름에서 벗어나지 않고, 유니티 에디터 내에서 곧바로 AI 어시스턴트의 도움을 받을 수 있도록 한다는 것이다. 유니티의 플랫폼이 생성형 AI 데이터를 수집하는 중심이 될 수 있도록 하고, 코드, 텍스처, 애니메이션 등 AI로 생성된 다양한 애셋을 손쉽게 유니티 프로젝트에 통합하고 활용할 수 있는 프레임워크를 구축하고 있다는 것이 유니티의 설명이다. 스미스 수석 부사장은 “유니티의 기존 AI 설루션인 ‘뮤즈’나 ‘센티스’의 이름은 점차 쓰이지 않게 되고, 유니티 에디터 안에 AI를 자연스럽게 통합하는 방향으로 가게 될 것”이라고 전망했다.   산업 분야를 위한 실시간 시각화 및 데이터 활용 비전 소개 유니티는 게임, 비주얼 콘텐츠뿐 아니라 다양한 산업 영역으로 실시간 3D 시각화 기술을 확장하려는 노력을 기울이고 있다. 유니티 코리아의 민경준 인더스트리 사업 본부장은 “그 동안 산업 분야의 많은 기업이 제품 설계, 디자인, 제조부터 마케팅과 운영까지 정적인 3D 모델과 전통적인 워크플로에 의존해왔지만, 기술의 융합과 비즈니스의 디지털화가 빠르게 진행되면서 기업들이 일하는 방식, 클라우드 협업, 고객과의 상호작용 방식이 근본적으로 바뀌고 있다”고 전했다. 민경준 본부장은 이런 변화의 핵심 키워드로 ‘상호작용(interactive)’과 ‘몰입(immersive)’의 두 가지를 꼽았다. 두 가지 핵심 경험을 제공하는 기업만이 디지털 전환을 성공시킬 수 있다는 것이다. 그리고 이런 혁신이 가져올 수 있는 성과로 ▲고품질의 현실감 있는 3D 모델을 활용한 디자인과 프로토타이핑 과정의 간소화 ▲복잡한 3D 애셋과 설계 파일의 효율적인 최적화 및 생산 일정과 비용의 절감 ▲현실감 있는 시뮬레이션을 통해 위험도가 높은 산업군의 직원 교육의 빠르고 안전하며 효과적인 진행 ▲마케팅부터 판매까지 전 과정에서 인터랙티브 제품 구성 도구와 가상 경험으로 고객 전환율 향상 ▲모든 고객 접점에서 인터랙티브한 3D 경험을 적용해 참여도 향상 및 브랜드 차별화 실현 등을 소개했다.   ▲ 산업 분야에서 유니티의 혁신 성과   “몰입형 혁신은 리얼타임 3D를 기반으로 실현할 수 있다”고 짚은 민경준 본부장은 “연결(Connect), 개발(Create), 배포(Deploy) 등 세 가지 핵심 기능을 중심으로 하는 유니티의 산업용 설루션은 뛰어난 시각적 인터페이스를 제공하며, 많은 기업이 유니티를 활용하여 VR, AR, XR 애플리케이션, 제조 환경의 디지털 트윈, 고품질 프로덕트 컨피규레이터 등 다양한 핵심 애플리케이션을 개발하고 있다”고 전했다. 유니티는 차량용 인포테인먼트 시스템, 디지털 클러스터, 몰입형 UX(사용자 경험) 기반의 계기판, 디지털 미디어 시스템 등이 유니티로 제작되고 있다고 소개했다. 또한 현대자동차는 유니티 기반의 디지털 트윈 기술을 물류 및 스마트 공장 프로젝트에 적용하고 있으며, LG전자는 차량용 HMI 시스템을 유니티 기반으로 개발 중이다. 산업 분야의 데이터 활용에 대해 스미스 수석 부사장은 ‘애셋 매니저(Asset Manager)’라는 클라우드 기반 툴을 통해 다양한 산업용 데이터를 워크플로에 통합할 수 있도록 지원한다. 애셋 매니저는 데이터를 시각적으로 프리뷰하는 한편, 성능을 떨어뜨리지 않고 유니티 엔진에 적합한 형태로 변환할 수 있다. 이외에도 산업 시장을 위해 꾸준한 기술 개선 및 실무에 바로 적용 가능한 설루션을 선보일 것”이라고 밝혔다.       ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 3월 27일 CNG TV는 ‘Digital Supply Chain 새로운 패러다임 : 산업 건설 프로젝트의 비효율을 넘어 스마트한 미래로’를 주제로 웨비나를 개최했다. 이번 웨비나는 디지털 공급망 관리의 새로운 패러다임을 제시하고, 산업 건설 프로젝트의 비효율성을 극복하여 스마트한 미래로 나아가는 방안을 모색하는 자리로 마련되었다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자    ▲ 캐드앤그래픽스 박경수 부장, 헥사곤 ALI 남궁진 영업이사   산업 건설 프로젝트와 공급망의 특징 산업 건설 프로젝트는 다른 산업과 달리 수요와 공급의 균형을 맞추기 어려우며, 데이터 사일로(silo) 현상과 구매·조달 중심의 공급망 관리로 인해 많은 어려움을 겪고 있다. 이러한 문제를 해결하기 위해 기업들은 엔드 투 엔드 공급망 관리, 데이터 연결, 자동화, AI 기반 예측, 디지털 트윈 등 다양한 전략과 기술을 도입해야 할 과제를 안고 있다. 따라서 성공적인 디지털 공급망 체계를 구축하려면 현업 중심의 애자일(agile) 방법론 적용, 비즈니스 가치 평가를 통한 우선순위 결정, 검증된 시스템과 최신 기술의 활용이 중요하며, 정량적인 효과 측정을 통해 투자 대비 가치를 입증할 수 있어야 한다. 헥사곤 ALI의 남궁진 영업이사는 산업 건설 프로젝트와 다른 산업 간 공급망의 차이에 대해 “다른 산업은 수요 예측과 공급 계획이 유기적으로 연결되어 있는 반면, 산업 프로젝트는 디자인, 구매, 물류, 시공 단계가 독립적으로 운영되며, 패스트트랙 스케줄링 기법이 사용된다”고 설명하며, 이로 인해 수요와 공급의 균형을 맞추기 어려운 상황이 발생한다고 덧붙였다. 산업 프로젝트에서 자재 관리는 전통적인 에너지·화학 플랜트와 인프라스트럭처 프로젝트로 나뉘며, 내부적으로는 수작업 기반의 프로세스와 사일로 조직 구조가 문제로 지적된다. 외부 요인으로는 서브컨트랙터와 영세 기업의 참여가 어려운 점이 있다. 남궁진 영업이사는 디지털 공급망 구축 전략과 관련하여 “엔드 투 엔드 공급망 관리가 중요하며, 디자인 단계부터 시공 단계까지 모든 과정을 포괄하는 계획이 필요하다”고 강조하며, “데이터 연결과 관리가 여전히 큰 도전 과제로 남아 있다”고 말했다.   디지털 전환을 위한 자동화 과제 자동화는 프로세스 및 현장에서 이루어질 수 있으며, IoT 센서를 통해 자재의 위치와 상태를 자동으로 추적하는 기술이 발전하고 있다. 또한 AI 기반의 예측 기법이 자재 관리와 공급망 최적화에 활용되고 있으며, 디지털 공급망 설루션의 효과는 자재 관리 효율성 증대와 비용 절감 측면에서 정량적으로 평가할 수 있다. 즉, ROI 평가를 통해 투자 대비 효과를 측정할 수 있다. 이번 웨비나에서는 디지털 전환의 글로벌 사례로 유럽의 한 EPC(설계·조달·시공) 기업이 엔드 투 엔드 공급망 관리를 통해 디지털 혁신을 이룬 사례가 소개되었다. 이 기업은 메가 프로젝트에서 자재 통합 관리 플랫폼을 구축하여 리스크를 줄이고 효율성을 향상시킨 것으로 알려졌다. 남궁진 영업이사는 디지털 공급망 관리의 미래에 대해 “공급망 관리는 디자인 단계부터 시공 단계까지 통합적으로 관리되어야 하며, 디지털 하이테크와 인적 역량을 결합하여 성공적인 공급망 관리가 이루어져야 한다”고 강조했다.     ■ 기사 내용은 PDF로도 제공됩니다.

고객맞춤 제조 IT시스템 솔루션 코디네이션 전문기업 지능형 공장 서비스·DX Accelerator, 디엑셀   디지털 기술의 발전으로 글로벌 제조업계는 더 높은 효율성, 맞춤 생산, 그리고 지속 가능성 확대를 위한 혁신기술 개발에 대한 니즈를 키우고 있다. 이러한 트렌드에 맞춘 디지털 기술과 로보틱스를 활용한 제조 시스템이 구현되고 있으며, 개인화·맞춤화를 위한 기능과 프로세스의 진화 속도도 빨라지고 있다. 본지에서는 지능형 공장 서비스와 고객이 필요한 솔루션을 활용하여 기업의 시스템을 코디네이션 하는 ‘디엑셀(DXel, www.dxel.co.kr)을 만났다.   ▲ 디엑셀 김남웅 대표       고객이 필요로 하는 솔루션을 찾아주는 기업 2022년 4월 설립된 디엑셀은 회사명에서도 알 수 있듯 산업계의 디지털 전환을 돕는 ’Digital Transformation Accelerator‘ 기업이다. “당사는 고객이 필요한 솔루션을 코디네이션 하는 제조 시스템 전문기업”이라고 소개하는 김남웅 대표는 “당사 가장 큰 경쟁력은 20여 년간 다양한 산업별 제조 현장을 경험한 전문적인 노하우를 가지고 기업 맞춤 제조 서비스를 제공하고 있는 임직원”이라고 소개하며, 검증된 솔루션을 통해 고객의 업무 효율성을 높이고, 제조산업 시스템의 혁신을 이루고 있다고 부연했다. 2~3년 전의 제조 IT시스템은 생산량, 업무감시, 원가절감 등 관리직 위주로 구축되었다. 그러나 생산성 향상과 품질력 제고에 직접적으로 성과를 내기 위해서는 좀 더 직관적이고, 직원 참여가 가능한 시스템을 구축해야 한다. 이러한 환경 변화에 맞춰 디엑셀은 직원의 감시보다 직원의 참여를 확대할 수 있는 시스템, 제조 현장에 맞춘 MES와 UWB 기반의 실시간 제품 위치 추적시스템을 사업의 모토로 창업하게 되었다. “과거 제조 IT시스템이 ‘관리적 관점’에서 구축되었다면, 이제는 사람을 중심으로 사회적 가치까지 창출할 수 있는 역할로 확대되고 있다”라고 말하는 디엑셀 김남웅 대표는 “우리는 전 직원이 참여할 수 있는 ‘지속 가능한 실천적 제조 IT시스템’을 구축하고 있다”라고 소개한다. 제조산업에 특화된 스마트 플랫폼 서비스 제공 디엑셀은 제조산업에 특화된 스마트 플랫폼을 통해 제조 현장 시스템 개발, UI/UX 프로비저닝 및 대시보드를 구현하기 위한 다양한 레어어를 제공하고 있다. 이 회사 솔루션의 핵심적인 기능인 기준정보 구축과 환경정보 및 시스템을 컨트롤하는 파운데이션 레이어, 제조현장시스템인 공정 정보와 Lot 정보, BOM 정보 등 프로세스 전반을 관할하는 시스템인 프로세스 레이어가 있다. 이와 더불어 사용자 데이터 수집 및 편의성을 제공하는 UI/UX 오퍼레이션 레이어와 수집된 데이터를 각종 디바이스를 통해 사용자에게 제공하는 디스플레이 레이어를 통해 최적의 제조시스템을 제공하고 있다.  디엑셀 김남웅 대표는 “이러한 기술력을 토대로 스마트한 공장 운용을 위한 ‘디지털팩토리 서비스’, 협력사/딜러사 등의 파트너사들과의 ‘디지털 협업공장 공급망 벨류체인 서비스’, 그리고 초광대역통신(Ultra-Wideband, UWB) 기술을 활용한 ‘실시간 고정밀 측위 관리 서비스’ 등 3가지 영역에서 솔루션 코디네이션 서비스를 제공하고 있다”라고 부연했다.   (1) 디지털 팩토리 서비스 이중 디지털 팩토리는 다양한 설비 및 공장 내 장치와의 인터페이스를 통한 실시간 데이터 수집 및 모니터링을 적용하여 디지털 생산 공정 정보를 제공하고 있다. 휴먼 에러를 원천 차단하고, 품질 결과를 학습하여 피드백함으로써 선제 예방 품질 역량을 강화하고 있다. 또한 핵심 생산 및 유관 정보를 표준화하고 디지털화하여, 모든 제조 현장의 데이터 연계로 통합적인 디지털 관리를 실현하고 있다. 특히 생산 현장 정보의 디지털화와 실시간 가시성 확보로 경영 목표 관점의 새로운 영감을 제시하고 있으며, 데이터 분석 기반의 생산 및 품질을 위한 최적화된 제조 운영과 QCD 즉 품질, 원가, 납기의 가치를 극대화하여 최고의 생산 능력을 창출할 기회를 제공하고 있다. (2) 디지털 협업공장 공급망 벨류체인 서비스 디엑셀의 또 다른 서비스는 협력사와 제조 현장, 판매딜러 간의 공급망 디지털 협업공장을 구축하여 클라우드를 기반으로 고객사와 협력사, 그리고 판매딜러의 실시간 재고 데이터를 SaaS(서비스형 소프트웨어) 형태의 애플리케이션으로 제공하는 서비스이다. 이를 통해 고객의 주문을 받은 판매딜러는 제조 공장의 재고 수량 및 위치 데이터를, 제조 공장은 협력사의 재고 수량 및 위치 데이터를 실시간으로 확인할 수 있다. 이는 결과적으로, 불필요한 발주와 재고를 현저히 줄여 원가절감 및 협력사와의 상생을 도모할 수 있다. 이를 기반으로 디엑셀의 시스템은 고객사의 생산계획과 입고 검사, 공정관리를 지원하여 생산실적을 더욱 극대화해하고 있으며, 협력사에는 생산관리, 출하관리, 품질관리의 혁신을 이루어 나가고 있다.  (3) 실시간 고정밀 측위 관리 서비스 차세대 무선 통신 기술인 UWB의 정확한 위치감지 기술은 디지털 공장을 구축하는 데 많은 도움이 된다. 디엑셀의 스마트팩토리 고정밀 측위 관리 솔루션은 국제적인 첨단 UWB 기술을 바탕으로 제조현장의 제품, 부품 및 차량 등의 움직임을 센티미터 수준의 고정밀 측위 서비스로 제공한다. 0차원 존재 감지, 1차원 선형 궤적 측위 및 2차원 지역 평면 측위를 통합한 다차원 측위 모드를 채택하여 사람, 차량, 사물의 실시간 위치를 정확하게 파악할 수 있다. 이러한 기술은 궤적 추적, 작업 시간 통계, 면적 수, 전자 울타리 및 기타 서비스 기능과 결합하여 제조 운영의 효율성을 높이고 공장의 자재 관리 개선, 원가절감 및 공정 흐름 최적화를 제공한다. 김남웅 대표는 “위치 관리시스템과 결합된 저희 솔루션은 스마트팩토리의 관리 수준을 한 단계 높였다고 자부할 수 있다”라고 덧붙였다.  AI 제조 분야 앵커기업으로 부상 최근 디엑셀은 AI 자율제조 선도프로젝트의 일환으로 농기계 다품종 유연생산을 위한 AI 자율제조 국책과제의 공동연구기관으로 선정되어 참여하고 있다. 디엑셀의 실시간 고정밀 측위 관리 기술이 성공적인 AI 자율제조 실현에 필수적인 핵심기술임을 인정받았기 때문이다. “당사는 전라북도 농기계 산업 및 동종업계의 AI 자율제조 선도 표준모델을 구축하는데 무거운 책임감과 사명감을 느끼고 있다”라고 말하는 이 회사 김남웅 대표는 “디엑셀이 보유한 기술을 더욱 강화하고 발전시켜 AI 자율제조 분야의 앵커기업으로 성장하고자 한다”라고 프로젝트 참여에 대한 포부를 밝혔다. 사람이 기업 성장의 답 “아무리 기술이 뛰어나도 그 기술을 용도와 상황, 목적과 요구에 맞게 구현해 낼 사람이 없다면 그 기술은 가지고 있는 능력을 발휘할 수 없다”라고 말하는 디엑셀 김남웅 대표는 “앞서 소개한 바와 같이 우리의 가장 큰 장점은 고객이 요구하는 디지털 전환의 미션을 제대로 수행하기 위해 20년 넘게 많은 산업별 제조환경을 경험한 전문가들이 각자의 노하우를 기반으로 기업 맞춤 제조 서비스를 제공하며, 검증된 솔루션을 통해 업무 효율과 고객 서비스의 혁신을 높인다는 것”이라며, “특히 고객의 니즈를 먼저 파악하고, 선제적으로 솔루션을 제안할 수 있도록 임직원의 역량을 지속적으로 강화하고 있다”라고 부연했다. 이는 디엑셀이 인재 양성에 집중하고 우수한 경험을 가진 전문가를 끊임없이 발굴해 오는 이유기도 하다.  디지털과 인간이 상생하는 시스템을 만들다! 디엑셀은 제조물류산업의 다양한 고객을 만족시키기 위해 유연한 비즈니스 플랫폼을 선보이고 있다. 현재는 제조분야에서 전문역량을 발휘하고 있지만, 디지털 전환이 전 산업에서 일어나듯이 이 회사가 가진 지능형공장 서비스와 위치관리 기술 기반의 혁신 솔루션은 전 산업에 적용될 수 있다.  오늘보다 나은 내일을 꿈꾼다는 김남웅 대표는 “제조 현장에 특화된 디지털팩토리와 더불어 UWB 측위 기술을 기반으로 개발된 실내외 무선 위치 추적 장치, 이 두 개의 솔루션을 융합한 위치관리 기반 디지털팩토리 솔루션을 제공하여 시스템 인프라가 약한 중소기업, 관리의 단계를 높여야 하는 대기업들의 애로를 해결해 주는 것이 우리의 역할”이라며, “우리는 앞으로도 우리나라 산업의 디지털 역량 강화를 넘어 국가 기술 경쟁력 제고에 기여하고, 디지털과 인간이 상생하는 시스템, 새로운 기술이 인정받는 변화된 세상에서 저의 기술이 고객의 성공적인 비즈니스가 되도록 최선을 다하겠다”라고 덧붙였다.

이 글에서는 최신 자료와 연구를 바탕으로 2025년 AI 산업 경제와 주요 기술 트렌드를 전망하고자 하며, 이를 통해 AI가 제공할 기회와 해결해야 할 도전 과제를 균형 있게 분석하고자 한다.   2025년은 인공지능(AI)이 경제와 기술 전반에 걸쳐 혁신을 주도하며, 산업 구조와 일상생활에 깊은 영향을 미칠 것이며, 전 세계 산업 경제와 기술 혁신의 중심축으로 자리 잡는 해가 될 것이다. 코로나19 팬데믹 이후 가속화된 디지털 전환과 AI 기술의 융합은 사회 전반에 큰 변화를 가져왔다. 특히, 제조, 금융, 헬스케어, 물류, 교육 등 다양한 산업 분야에서 AI는 단순히 비용 절감 도구를 넘어 새로운 가치를 창출하고, 기존 비즈니스 모델을 재정의하고 있다. 최근 예측 자료에 의하며, AI 에이전트, 엣지 AI, AI 사이버 보안, AI 기반 로봇 등이 성장세에 위치하고 있다.    1. AI 산업 경제 전망 2025년은 경제 성장의 주도 동력으로서의 AI, 글로벌 AI 기술 ,그리고 AI가 가져올 고용과 직업의 변화 등에서 다양한 AI 산업 경제 변화를 예상해 볼 수 있다.  IDC의 보고서에 따르면, 2025년 전 세계 기업들의 AI 솔루션 지출은 약 3,070억 달러에 달할 것으로 예상되며, 이는 2028년까지 연평균 29.0%의 성장률로 6,320억 달러에 이를 것으로 전망하였다. 이러한 투자는 AI 기술이 다양한 산업 분야에서 핵심적인 역할을 할 것임을 시사한다.  글로벌 컨설팅 기업 PwC의 보고서에 따르면, AI는 2030년까지 세계 GDP를 약 15.7조 달러를 증가시킬 것이며, 이는 연평균 14% 이상의 성장률에 해당된다고 예측했다. 이는 AI 기술이 단순히 비용 절감 도구를 넘어 새로운 부가가치를 창출하는 데 중요한 역할을 하고 있음을 보여주는 예측이다.  PwC는 보고서에서 AI에 대해 몇 가지 강조한 점이 있는데, 첫째, AI는 글로벌 경제의 생산성과 GDP 잠재력을 변화시킬 수 있으며. 이를 실현하기 위해서는 다양한 유형의 AI 기술에 대한 전략적 투자가 필요하다고 하였다. 둘째, 노동 생산성 향상이 초기 GDP 증가를 주도할 것이며, 기업들은 AI 기술을 활용해 노동력의 생산성을 ‘증강(augment)’시키고 일부 작업과 역할을 자동화하려 할 것이라고 하였다. 셋째, 2030년까지 전체 경제적 이익의 45%는 제품 개선에서 비롯될 것이며, 이는 소비자 수요를 자극하게 되어 AI가 더 다양한 제품을 제공하고, 시간이 지남에 따라 개인화, 매력도, 경제성을 높이기 때문이라고 하였다. 넷째, AI로 인한 가장 큰 경제적 이익은 중국(2030년 GDP 26% 증가)과 북미(14.5% 증가)에서 발생할 것이며, 이는 총 10.7조 달러에 달해 전 세계 경제적 영향의 약 70%를 차지할 것으로 전망하였다. 특히, 스마트 팩토리, 자동화 물류 시스템, 지능형 고객 서비스 등이 AI 기술 적용의 대표적인 사례로 들 수 있다. 예를 들어, 독일의 Siemens는 자사의 스마트 팩토리에서 AI를 활용해 제조 공정을 최적화하여 생산성을 20% 이상 향상시켰으며, 물류 업계에서는 Amazon이 자율주행 로봇과 AI 기반 물류 분석을 통해 배송 시간을 단축시킨 바 있다.   ***상세 내용은 PDF로 제공됩니다.   조영임 교수 / 가천대 컴퓨터공학과

로크웰 오토메이션은 3월 12~14일 진행된 ‘2025 스마트공장·자동화산업전’에 참가해 제조기업의 자율 운영 공장을 구현하기 위한 AI(인공지능) 전략과 기술을 소개했다. 자동화에 그치지 않고 자율화로 나아가는 과정에서 AI가 핵심 요소라고 보는 로크웰 오토메이션은 하드웨어부터 소프트웨어까지 자사의 주요 포트폴리오에 AI를 내장해 차별화를 추구하고 있다. 또한 고객사 맞춤형 AI 설루션을 제공해 다양한 고객 비즈니스를 지원한다는 계획이다. ■ 정수진 편집장    ▲ 공장의 가상 시뮬레이션과 에뮬레이션을 위한 디지털 트윈 설루션   자율 운영 공장에 대한 관심 및 수요 증가 많은 제조기업이 ‘자율 운영 공장’을 추구하고 있다. 이는 생산 최적화, 품질 향상, 생산성 제고, 회복 탄력성 확보, 인사이트를 통한 의사결정 지원 그리고 지속 가능성 개선 등 다양한 비즈니스 목표를 달성하기 위한 것이다. 로크웰 오토메이션의 앤드류 엘리스(Andrew Ellis) 글로벌 포트폴리오 엔지니어링 부문 부사장은 “자율 운영 공장을 구성하는 OT(운영기술)와 IT(정보기술) 시스템은 여러 공급업체가 제공하게 된다. 이들 시스템을 운영/제어하면서 스마트 공장을 구현하기 위해서는 생산 변화에 따라 시스템 확장이 가능한 유연성, 기존 인력으로 유지보수가 가능한 유지보수성, 복잡한 시스템을 보다 단순하게 설계하고 운영하며 유지보수할 수 있는 단순성, 사람과 장비의 안전성, 물리적·사이버 보안, 시스템 간 데이터 공유가 가능한 상호운영성이 필요하며, 이에 대한 수요가 늘고 있다”고 짚었다. 로크웰 오토메이션은 전 세계 20여 곳에 제조 공장을 운영하고 있으며, 자체적으로 스마트 제조를 도입하여 자율 운영 공장을 구현하고 있다. 엘리스 부사장은 “이러한 경험을 통해 고객의 요구와 어려움에 깊이 공감할 수 있다”면서, 고객의 스마트 제조 목표 달성을 돕기 위한 핵심 차별화 요소로 ▲고객의 디지털 성숙도와 무관하게 지원하는 접근 방식 ▲포괄적인 제품과 설루션, 서비스 포트폴리오 ▲산업과 기술에 대한 도메인 전문성 ▲ 파트너와의 협력을 통해 포괄적인 설루션을 제공하는 생태계 등 네 가지를 꼽았다.    ▲ 자율 운영 공장 및 AI 비전을 소개한 앤드류 엘리스 부사장   AI, 자율 운영 공장의 핵심 요소가 되다 엘리스 부사장은 스마트 공장의 OT 및 IT 시스템에 AI가 기본적으로 통합되는 추세가 이어지면서, AI는 자율 운영 공장의 핵심 요소로 자리 잡고 있다고 덧붙였다. 로크웰 오토메이션은 매년 ‘스마트 제조 현황 보고서’를 통해 고객과 파트너의 스마트 제조 기술 도입 현황을 조사하고, 이를 통해 핵심 산업 트렌드를 파악하고 있다. 로크웰 오토메이션이 고객사를 대상으로 진행한 설문에서는 85%가 AI 및 머신러닝 도입 계획을 밝혔으며, 특히 생성형 AI와 범용 AI 투자를 최우선으로 꼽았다. 로크웰 오토메이션의 보고서는 제조기업들이 성능과 생산성뿐 아니라 지속 가능성, 사이버 보안, 인력 양성 및 유지를 위해 AI를 도입하고 있다고 분석했다. 로크웰 오토메이션은 자율 운영 공장을 향한 비전을 네 가지의 주요 요소로 설명하고 있다. 이는 ▲적응형 학습이 가능한 PLC ▲엔지니어 및 데이터 사이언티스트의 협력 ▲기존의 공학 원칙과 과거 데이터의 결합 ▲고도의 복잡성을 처리할 수 있는 시스템 구축이다. 엘리스 부사장은 “로크웰 오토메이션은 자율 운영과 제조 라이프사이클 관리 설루션을 통해 산업 운영의 미래를 선도하고 있으며, 설계, 자동화, 물류, 운영, 유지보수 등 다섯 가지 주요 영역에서 AI가 기본으로 내장된 설루션을 제공하고 있다”고 설명했다.   ▲ 로크웰 오토메이션은 공장의 설계, 운영, 유지보수에 걸쳐 AI를 지원한다.   디자인·운영·유지보수까지 폭 넓은 AI 활용 지원 로크웰 오토메이션은 디지털 트윈, 생성형 AI를 통한 PLC 코드 생성, 이상 탐지, 품질 검사, 자율 로봇 운용, MES 및 품질 관리 시스템 최적화, 데이터 기반 운영 알고리즘 구축, 자산 고장 예측 등 다양한 분야에 걸쳐 AI가 통합된 다양한 설루션을 소개했다. 이를 통해 자율 운영 공장의 설계, 운영, 유지보수까지 포괄하는 통합 AI 포트폴리오를 제공한다는 것이 로크웰 오토메이션의 비전이다. 로크웰 오토메이션 코리아의 권오혁 소프트웨어 및 제어 사업 본부장은 “제조 산업은 돌발 변수에 대응하기 어려운 자동화에서 나아가, 변화에 맞춰 유연한 생산 시스템을 구현하는 자율 제조로 나아가고 있다”면서, “로크웰의 AI 설루션은 디자인 – 운영 – 유지보수를 아우르는 수평 축과 에지부터 클라우드까지의 수직 축으로 구성되어 있다”고 소개했다. 예를 들어, 디자인 영역에서 로크웰 오토메이션은 소프트웨어 센서를 통해 생산 프로세스의 제어 변수를 식별하고 실시간 예측 모델을 개발할 수 있고, 생성형 AI 기반 챗봇으로 클라우드 기반의 산업 자동화 설계가 가능한 설루션을 제공한다. 운영 단계에서는 품질 제어 및 보증 플랫폼 AI를 통해 제조 공정의 문제를 정밀하게 식별하고, 자동화와 연계해 빠르게 문제를 해결하도록 돕는다. 유지보수 영역에서는 현장의 예지보전 관리를 하기 위한 머신러닝 설루션을 제공해 시스템의 이상을 사전에 식별할 수 있으며, 현장의 데이터를 모아서 다양하게 활용할 수 있도록 제공하는 플랫폼을 지원한다. 한편, 로크웰 오토메이션은 가상 세계의 피드백을 현실 세계에 구현하는 디지털 트윈과 연계 가능한 로봇 비즈니스도 국내에서 강화할 계획이다. 로크웰 오토메이션 코리아의 신동진 인텔리전스 디바이스 사업본부 이사는 ‘오토(OTTO)’ 브랜드의 산업용 AMR(자율 이동 로봇)을 소개하면서, “로크웰 오토메이션의 오토 AMR은 생산 공정 내 물류뿐 아니라 완제품 및 창고 물류까지 커버할 수 있는 자동화 설루션을 지향한다”고 설명했다. 로크웰 오토메이션은 로봇 하드웨어와 함께 운영/분석 소프트웨어인 ‘플릿 매니저(Fleet Manager)’, 구축 지원 및 사후 서비스까지 포함하는 AMR 포트폴리오를 내세우면서, 올해 국내 파트너를 선정하고 본격적인 비즈니스를 시작할 계획이라고 밝혔다.    ▲ 연내 국내 비즈니스를 시작하는 오토 AMR     ■ 기사 내용은 PDF로도 제공됩니다.