[논문 리뷰] OpenTwins: An open-source framework for the design, development and integration of effective 3D-IoT-AI-powered digital twins

Julia Robles, Cristian Martín외 1명|arXiv (Cornell University)|2023. 01. 12.

Digital Transformation in Industry인용 수 5

한 줄 요약

OpenTwins는 Eclipse Ditto 기반의 통합 디지털 트윈 플랫폼을 위한 오픈소스로 확장 가능한 프레임워크로, 3D 시각화, IoT 데이터 스트림, 실시간 AI/ML 예측을 통합한다. 이는 산업용 응용 프로그램을 위한 이러한 구성 요소의 원활한 오케스트레이션을 가능하게 하며, 17명의 클라이언트가 동시에 연결된 상황에서도 1초 이내의 저지연성 성능(저지연)과 빠른 오류 복구(1초 미만 복구 시간)를 입증했으며, 실시간 동결점 예측을 위한 석유화학 산업 응용 사례에서 검증되었다.

ABSTRACT

Although digital twins have recently emerged as a clear alternative for reliable asset representations, most of the solutions and tools available for the development of digital twins are tailored to specific environments. Furthermore, achieving reliable digital twins often requires the orchestration of technologies and paradigms such as machine learning, the Internet of Things, and 3D visualization, which are rarely seamlessly aligned. In this paper, we present a generic framework for the development of effective digital twins combining some of the aforementioned areas. In this open framework, digital twins can be easily developed and orchestrated with 3D connected visualizations, IoT data streams, and real-time machine-learning predictions. To demonstrate the feasibility of the framework, a use case in the Petrochemical Industry 4.0 has been developed.

연구 동기 및 목표

• 디지털 트윈을 위한 3D 시각화, IoT 데이터, 실시간 AI/ML 예측을 원활하게 통합하는 일반적이고 확장 가능한 프레임워크의 부족을 보완하기 위해.
• AI/ML 및 3D 렌더링을 위한 광범위한 커스터마이제이션을 요구하는 도메인 전용 디지털 트윈 플랫폼의 한계를 극복하기 위해.
• 다양한 산업 환경에서 효과적인 디지털 트윈의 지속적인 개발 및 통합을 위한 통합적이고 확장 가능하며 장애 내성 있는 플랫폼을 제공하기 위해.
• 모듈형이고 조합 가능한 트윈 아키텍처를 지원함으로써 복잡한 시스템(예: 기차 시스템)의 디지털 트윈 조합을 가능하게 하기 위해.

제안 방법

• 프레임워크는 물리적 자산과 그 데이터 스트림의 보안적 표준화 추상화 및 실시간 모니터링을 위해 Eclipse Ditto를 기반으로 구축된다.
• Kafka-ML을 통합하여 엔드 투 엔드 머신러닝 파이프라인을 제공함으로써 스트리밍 IoT 데이터 기반의 실시간 추론 및 모델 업데이트를 가능하게 한다.
• Unity 3D는 실시간으로 동적 상태 업데이트가 가능한 상호작용 가능한 3D 렌더링 엔진으로 사용되어 디지털 트윈의 실시간 시각화를 제공한다.
• 고가용성과 장애 내성을 확보하기 위해 Kubernetes에 배포되었으며, 서비스 장애 발생 시 자동 복구 메커니즘이 구현되어 있다.
• 모듈형 마이크로서비스 아키텍처는 IoT 수신, AI/ML 처리, 3D 시각화를 분리하여 독립적인 확장 및 유지보수를 가능하게 한다.
• 장애 내성은 수동으로 파드 삭제 및 메시지 재생을 통한 평가가 이루어졌으며, 시간 시리즈 비교를 위한 InfluxDB를 사용해 데이터 일관성 검증이 수행되었다.

Figure 1: An overview of the 3D-IoT-AI-powered digital twin architecture. In blue the essential functions, in red the 3D representation and, in yellow the data prediction with ML.

실험 결과

연구 질문

• RQ1 일반적이고 오픈소스인 프레임워크는 어떻게 3D 시각화, 실시간 IoT 데이터, 실시간 AI/ML 예측을 하나의 디지털 트윈 플랫폼에서 효과적으로 오케스트레이션할 수 있는가?
• RQ2 실시간 예측 워크로드 상황에서 클라이언트 수가 증가함에 따라 프레임워크는 어떤 성능 특성을 보이는가(지연, 처리량) ?
• RQ3 프레임워크는 서비스 장애에 얼마나 강건한가? 특히 IoT 브로커 및 데이터 처리 파드와 같은 핵심 구성 요소의 복구 시간은 얼마인가?
• RQ4 프레임워크는 FMI와 같은 표준화된 시뮬레이션 모델을 지원함으로써 하이브리드 디지털 트윈을 위한 확장이 어느 정도 가능할 수 있는가?
• RQ5 프로토타입 수준을 넘어서 실제 산업 현장에서 프레임워크가 성공적으로 적용되고 검증될 수 있는가?

주요 결과

• 실시간 워크로드 상황에서도 낮은 지연을 달성했으며, 17명의 동시 클라이언트가 연결된 상황에서도 예측 지연이 1초 이내로 유지되었다.
• 고부하 상황에서도 처리량 감소가 비교적 미약하게 나타나, 산업용 모니터링 및 예측 워크로드에 대한 확장 가능한 성능을 보였다.
• 장애 발생 시 서비스 복구 시간이 항상 짧았으며, 대부분의 구성 요소에서 1초 이내로 복구되어 강력한 장애 내성을 입증했다.
• Kafka-ML 통합을 통해 메시지 재생 기능을 통해 신뢰할 수 있는 실시간 추론이 가능했으며, 복구 중 데이터 손실 최소화를 보장했다.
• 플랫폼은 석유화학 공정의 3D 디지털 트윈을 통해 실시간 동결점 예측을 성공적으로 시각화하여 산업 현장 적용 가능성 검증에 성공했다.
• 복구 중 데이터 손실은 최소였으며, 주로 특정 구성 요소(예: Eclipse Hono MQTT 어댑터)에 국한되었으며, 대부분의 서비스는 데이터 손실 없이 복구되었다.

Figure 2: Relationship between Eclipse Ditto and Eclipse Hono