디지털 트윈이 금속 제조에 새로운 수준의 지능을 추가하는 방법

hafakot/iStock/Getty 이미지 플러스

공장 관리자가 아침에 도착하여 노트북이나 휴대폰 앱을 열고 "오늘은 무엇에 주의해야 할까요?"라고 묻는다고 상상해 보세요. 그러면 시스템에 잠재적인 문제가 발생할 수 있습니다. 기계가 예기치 않게 다운되었습니다. 이전 교대조의 작업은 예상보다 오래 걸렸습니다. 아마도 한 부서에 몇 사람이 부족할 수도 있습니다. 시스템은 변경 사항을 제안하고 공장 관리자는 필요에 따라 이를 수락하거나 조정합니다.

그러한 시나리오는 공상 과학 소설이 아닙니다. 실제로 이 기술은 이르면 내년에 현실화될 수도 있다. 이 글을 쓰는 시점에서 NC에 본사를 둔 디지털 트윈 전문 회사인 Ultisim은 제조업체와 협력하여 기계, ERP(Enterprise Resource Planning) 플랫폼 및 기타 다양한 소스의 데이터를 통합하여 이러한 시스템을 개발하고 있습니다. ChatGPT로 유명해진 것과 유사한 대규모 언어 모델 인터페이스를 사용하지만 제조업체가 직면한 문제를 해결하는 데 중점을 둡니다.

기계 학습 및 인공 지능(AI)의 알고리즘 구성 요소에 중점을 두고 있는 Ultisim과 자매 회사인 Tanjo의 CEO인 Richard Boyd는 "[이 제조업체]가 받는 모든 주문은 맞춤식입니다."라고 말했습니다. “그 모든 다양성이 이 작품을 어렵고 흥미롭게 만듭니다. 우리가 그들의 문제를 해결하면 다른 문제도 훨씬 쉽게 해결할 수 있습니다.”

이러한 높은 제품 혼합 모델은 맞춤형 금속 제조 영역에 있으며, 이것이 Boyd가 해당 시장에 솔루션을 출시할 계획인 이유 중 하나입니다(그는 9월 시카고 FABTECH에서 연설할 예정입니다). 대부분의 맞춤형 팹샵에서 모든 작업은 특정 가치 흐름을 통해 특정 라우팅을 가질 수 있습니다. 기계; 또는 절단, 굽힘, 하드웨어, 용접, 분체 코팅 및 조립과 같은 프로세스 중심 부서; (작업 라우팅에 따라) 다양한 보조 작업이 사이에 뿌려집니다.

조직의 모든 사람은 Boyd가 특정 사람과 직무에 맞춰진 "렌즈"라고 부르는 것을 통해 디지털 트윈을 볼 수 있습니다. 재무 분야의 누군가는 영업, 일정 관리 또는 생산 계획 분야의 누군가와는 다른 관점을 갖고 있을 것입니다.

또한 쌍을 구성하는 데이터는 원래 위치에서 이동되지 않습니다. Boyd는 "우리는 하나의 빅 데이터 레이크가 필요하지 않습니다."라고 말하면서 시스템이 필요한 것을 가져오고 "데이터를 있는 곳에 남겨둘 수 있다"고 덧붙였습니다. 회사가 가장 원하지 않는 것은 데이터를 중앙 위치로 복사하는 것입니다. 복사 작업으로 인해 동일한 데이터의 여러 버전이 제공되고 모든 종류의 불필요한 복잡성이 발생하기 때문입니다.

이 모든 것을 실현하려면 몇 가지 핵심 요소가 필요하며, 첫 번째는 디지털화된 데이터입니다. 예, 대부분의 제작자는 많은 양의 데이터를 캡처하는 최신 기계를 보유하고 있지만 일부 부서에서는 여전히 오래되고 단순한 기계에 의존할 수도 있습니다. 오래된 철은 단단하고 기계적으로 말하면 여전히 작업을 잘 수행합니다. 그러나 수행하는 작업(이 작업이나 해당 작업에 대해 분당 또는 시간당 스트로크, 피트 또는 조각 수)을 디지털화하려면 추가 센서가 필요하지만 특히 지금은 이것이 실제로 어려운 일이 아닙니다.

Boyd는 "우리는 센서에 혁명을 일으켰습니다."라고 말하면서 현재 일부 유형이 3D 프린터가 아니라 상대적으로 오래된 도트 매트릭스 기술을 통해 인쇄되고 있다고 덧붙였습니다. 심지어 광학 센서도 가격이 저렴하기 때문에 이를 오래된 기계에 추가하는 것은 더 이상 경제적이거나 기술적 장애물이 아닙니다.

Boyd는 장애물이 되는 것은 그가 "다크 데이터"라고 부르는 것이라고 설명했습니다. 여기에는 공유되지 않고 활용도가 낮은 격리된 소프트웨어 내에 있는 데이터가 포함됩니다. Boyd는 완전히 투명한 API(애플리케이션 프로토콜 인터페이스)를 요구하는 국방 계약을 맺은 회사를 포함하여 다양한 산업 분야의 회사와 수년 동안 협력해 왔습니다. 이를 통해 다크 데이터를 유용한 정보로 변환합니다. Boyd는 정보란 AI 및 기계 학습 소비를 위해 디지털 방식으로 메타 태그가 지정된 "저장된 데이터" 또는 "동작 중인 데이터"라고 말했습니다.

많은 조직이 수년에 걸쳐 인수한 다양한 시설에서 다양한 시스템을 뒤죽박죽으로 사용하고 있습니다. 물론 제조업체는 이에 대해 잘 알려져 있지만 다른 산업도 마찬가지입니다. Boyd는 “예를 들어 병원에서 사람들은 통합되지 않은 시스템을 모두 구입하는데, 때로는 시간조차 일치하지 않고 데이터를 공유하지도 않습니다.”라고 Boyd는 말했습니다.