[논문 리뷰] Digital Twins: State of the Art Theory and Practice, Challenges, and Open Research Questions

Angira Sharma, Edward Elson Kosasih외 3명|arXiv (Cornell University)|2020. 11. 02.

Digital Transformation in Industry인용 수 15

한 줄 요약

이 논문은 표준화 부족, 도메인 의존성, 성능 메트릭 부족으로 인해 디지털 트윈(DT) 도입이 저해되고 있는 문제를 해결하기 위해 종합적인 디지털 트윈(DT) 기반 프레임워크를 제안한다. 실시간 모니터링, 시뮬레이션, 자가진단 분석을 위해 IoT, 빅데이터, 기계학습을 통합함으로써, 연구는 핵심 과제를 규명하고 보편적으로 적용 가능하고, 안전하며 평가 가능한 DT 시스템으로 향하는 길을 제시한다. 이는 공식 정의, 오차 정량화, 다중 산업 간 협업을 포함한다.

ABSTRACT

Digital Twin was introduced over a decade ago, as an innovative all-encompassing tool, with perceived benefits including real-time monitoring, simulation and forecasting. However, the theoretical framework and practical implementations of digital twins (DT) are still far from this vision. Although successful implementations exist, sufficient implementation details are not publicly available, therefore it is difficult to assess their effectiveness, draw comparisons and jointly advance the DT methodology. This work explores the various DT features and current approaches, the shortcomings and reasons behind the delay in the implementation and adoption of digital twin. Advancements in machine learning, internet of things and big data have contributed hugely to the improvements in DT with regards to its real-time monitoring and forecasting properties. Despite this progress and individual company-based efforts, certain research gaps exist in the field, which have caused delay in the widespread adoption of this concept. We reviewed relevant works and identified that the major reasons for this delay are the lack of a universal reference framework, domain dependence, security concerns of shared data, reliance of digital twin on other technologies, and lack of quantitative metrics. We define the necessary components of a digital twin required for a universal reference framework, which also validate its uniqueness as a concept compared to similar concepts like simulation, autonomous systems, etc. This work further assesses the digital twin applications in different domains and the current state of machine learning and big data in it. It thus answers and identifies novel research questions, both of which will help to better understand and advance the theory and practice of digital twins.

연구 동기 및 목표

• 디지털 트윈의 광범위한 도입을 지연시키는 핵심 장애 요인을 규명하고 분석하는 것 — 표준화 부족, 도메인 의존성, 성능 메트릭 부족.
• IoT, 빅데이터, 기계학습과 같은 지원 기술이 DT 기능과 구현 과제에 미치는 영향을 검토하는 것.
• 이중사상 맵핑, 실시간 동기화, 시스템 무결성을 보장하는 공식적이고 보편적인 디지털 트윈 기반 프레임워크를 제안하는 것.
• 오차 정량화, 추적 가능성, 신뢰 수준 측정을 통해 DT 성능 평가 기반을 마련하는 것.
• 규제 프레임워크, IoT 표준, 도메인 전문가 통합 필요성을 규명함으로써 산업 간 협업을 촉진하는 것.

제안 방법

• 기존 문헌과 산업 구현 사례를 체계적으로 검토하여 현재의 DT 기능, 아키텍처, 한계를 매핑하는 것.
• 이중사상 맵핑, 실시간 데이터 동기화, 시뮬레이션, 분석, 자가진단 능력 등 핵심 구성 요소를 기반으로 디지털 트윈 기반 모델을 제안하는 것.
• 이상 탐지 및 피어드 학습과 같은 기계학습 기법을 통합하여 데이터 무결성과 모델 내성 향상.
• 모델 출력의 추적성 메커니즘과 로깅을 정의하여 감사 가능성과 성능 평가를 가능하게 하는 것.
• 예측 신뢰도 평가 및 검증되지 않은 DT 권고에 대한 의존도 감소를 위해 오차 정량화 메트릭을 개발하는 것.
• 공식 정의, IoT 통신 표준, 다중 관할권 규제를 홍보하여 보안적이고 확장 가능한 DT 구현을 가능하게 하는 것.

실험 결과

연구 질문

• RQ1 산업 전반에서 디지털 트윈의 광범위한 도입을 저지르는 주요 기술적 및 조직적 장애 요인은 무엇인가?
• RQ2 IoT, 빅데이터, 기계학습 기술에 대한 의존성이 디지털 트윈 시스템 개발 및 신뢰성에 어떻게 제약을 가하는가?
• RQ3 유일성과 상호운용성을 보장하는 보편적인 디지털 트윈 기반 프레임워크를 정의하기 위해 필수적인 구성 요소는 무엇인가?
• RQ4 디지털 트와인이 정량적 성능 평가 및 오차 탐지 기반으로 자가진단 행동을 어떻게 달성할 수 있는가?
• RQ5 도메인 특화 요구사항과 표준 부족은 디지털 트윈 구현의 확장성과 재사용성에 어떤 영향을 미치는가?

주요 결과

• 표준화 부족과 높은 도메인 의존성으로 인해 현재의 구현은 다양하며, 보편적인 디지털 트윈 기반 프레임워크가 정의, 구성 요소, 평가 기준을 통합하기 위해 필수적이다.
• 기계학습의 통합은 데이터 및 모델 입력의 이상 탐지와 추적 가능성을 향상시켜 시스템의 내성과 감사 가능성을 높인다.
• 오차 정량화와 신뢰 수준 메트릭은 의사결정에 매우 중요하며, 검증되지 않은 디지털 트윈 예측은 심각한 운영 리스크를 초래할 수 있다.
• 공식 정의와 IoT 표준 부족은 엔터프라이즈 간 및 글로벌 운영에서의 상호운용성과 안전한 데이터 공유를 저해한다.
• 복잡하고 안전이 중요한 산업에서의 디지털 트윈 도입을 보장하기 위해 규제 프레임워크 및 도메인 전문가와의 협업이 필요하다.
• IoT와 기계학습의 발전에도 불구하고, 분산된 구현, 부족한 성능 메트릭, 공유 데이터에 대한 보안 우려로 인해 디지털 트윈 도입은 여전히 제한되어 있다.