Digital Twin은 AI Agent의 판단을 어떻게 검증하는가?

제조현장에서 Digital Twin이라고 하면 먼저 3D 화면을 떠올리기 쉽다.

설비와 생산라인을 입체적으로 표현하고 센서값과 가동상태를 색상으로 보여준다. 설비를 선택하면 온도와 압력, 생산량과 고장이력이 나타난다.

이러한 시각화는 현장을 이해하는 데 도움이 된다.

그러나 설비의 모습을 화면에 그대로 옮겼다고 해서 Digital Twin이 되는 것은 아니다.

현실의 상태가 가상모델에 지속해서 반영돼야 한다. 가상공간에서 계산한 결과가 현실의 변화와 비교돼야 하며, 목적에 맞는 정확도와 시간으로 동기화돼야 한다.

특히 AI Agent가 생산계획을 변경하거나 공정조건과 정비시점을 결정한다면 Digital Twin의 역할은 더 중요해진다.

AI Agent가 다음과 같은 계획을 제시했다고 하자.

• 설비 A의 생산속도를 8% 높인다.
• 설비 B의 예방정비를 다음 주로 연기한다.
• 제품 P의 생산순서를 변경한다.
• 검사주기를 20개당 1회에서 30개당 1회로 조정한다.
• AGV 두 대의 이동경로를 변경한다.
• 피크전력을 낮추기 위해 일부 공정을 30분 늦춘다.

각각의 판단은 합리적으로 보일 수 있다.

그러나 동시에 실행하면 예상하지 못한 결과가 발생할 수 있다.

생산속도 증가로 설비의 온도가 올라가고 불량률이 높아질 수 있다. 정비연기로 고장위험이 커질 수 있으며 생산순서 변경으로 자재와 금형이 제시간에 준비되지 않을 수도 있다. 물류경로가 겹쳐 대기가 늘어나거나 에너지 최적화가 납기지연으로 이어질 수도 있다.

현실의 공장에서 결과를 확인하려면 이미 생산손실과 품질문제가 발생한 뒤일 수 있다.

따라서 AI Agent가 제안한 계획을 실제 공장에 적용하기 전에 가상공장에서 먼저 시험해야 한다.

Digital Twin은 현실을 보기 좋게 표현하는 화면이 아니라, AI의 판단이 현실에서 어떤 결과를 만들지 실행 전에 검증하는 운영환경이어야 한다.

---

1. 제조 Digital Twin이란 무엇인가

Digital Twin은 현실의 제품과 설비, 공정 또는 공장을 목적에 맞게 디지털로 표현하고 현실과 가상 사이의 데이터를 연결하는 체계다.

제조 Digital Twin은 일반적으로 다음 요소로 구성된다.

① 현실의 제조대상

• 제품
• 설비
• 공정
• 생산라인
• 물류시스템
• 작업자와 작업공간
• 공장과 공급망

② 가상표현

• 구조와 형상
• 상태
• 동작
• 물리법칙
• 공정규칙
• 성능과 열화
• 다른 대상과의 관계

③ 데이터 연결

• 센서와 PLC
• SCADA
• MES와 QMS
• ERP와 WMS
• 정비시스템
• 작업자의 입력
• 외부 환경데이터

④ 모델과 분석

• 물리모델
• 통계모델
• AI 모델
• 시뮬레이션
• 최적화
• 규칙과 제약조건

⑤ 서비스와 실행

• 상태감시
• 고장예측
• 품질예측
• 생산계획 검증
• 공정최적화
• 작업자 교육
• AI Agent의 계획검증

ISO 23247-1:2021은 제조 Digital Twin 프레임워크의 개요와 일반원칙, 요구사항을 제시한다. ISO 23247-2는 제조 Digital Twin의 도메인·엔티티 관점 참조모델과 기능적 참조구조를 제공한다.

Digital Twin의 핵심은 외형의 유사성이 아니다.

설비의 3D 모델이 정교하더라도 실제 운전상태와 연결되지 않고 생산결과를 예측할 수 없다면 시각화 모델에 가깝다.

반대로 화려한 3D 화면이 없어도 현실의 상태를 정확히 반영하고 계획의 결과를 신뢰할 수 있는 수준으로 예측한다면 운영에 활용할 수 있는 Digital Twin이 될 수 있다.

Digital Twin의 가치는 얼마나 실제처럼 보이는가가 아니라, 어떤 의사결정을 얼마나 신뢰할 수 있게 지원하는가에 따라 결정된다.

---

2. Digital Model, Digital Shadow, Digital Twin은 어떻게 다른가

현실과 가상의 연결방식에 따라 디지털 모델을 구분할 필요가 있다.

① Digital Model

현실의 대상을 디지털로 표현하지만 자동으로 데이터를 주고받지 않는다.

• CAD 모델
• 공정 흐름도
• 수동으로 작성한 설비모델
• 고정된 조건의 시뮬레이션

현실이 변해도 모델이 자동으로 변경되지 않는다.

② Digital Shadow

현실에서 가상으로 데이터가 전달된다.

• 센서값 수집
• 설비상태 모니터링
• 생산실적 반영
• 품질결과 업데이트

현실의 변화가 가상모델에 반영되지만 가상모델의 결과가 현실을 직접 변경하지는 않는다.

③ Digital Twin

현실과 가상이 지속해서 연결된다.

현실의 데이터가 Twin에 반영되고 Twin의 분석과 시뮬레이션 결과가 사람 또는 통제된 시스템을 통해 현실의 운영에 사용된다.

현실의 제조대상

→ 상태데이터 수집

Digital Twin

→ 분석·예측·시뮬레이션

사람 또는 AI Agent

→ 검토와 의사결정

실행시스템

→ 승인된 변경

현실의 제조대상

이 구조에서 양방향 연결이 있다고 해서 Twin이 설비를 직접 제어해야 하는 것은 아니다.

• 결과를 사람에게 제공할 수 있다.
• MES 작업계획의 변경안을 만들 수 있다.
• 승인 후 실행할 수 있다.
• 검증된 범위에서 제한적으로 자동실행할 수 있다.

Digital Twin의 자율화 수준은 사용목적과 위험에 따라 달라져야 한다.

중요한 것은 기술의 이름이 아니다.

현실과 가상 사이에 어떤 정보와 명령이 어떤 절차로 이동하는지 명확하게 정의하는 것이다.

---

3. Digital Twin의 대상과 목적을 먼저 정해야 하는 이유

공장 전체를 한 번에 Digital Twin으로 만들겠다는 목표는 구체성이 부족하다.

제품과 설비, 공정과 물류는 필요한 데이터와 모델, 시간단위와 정확도가 서로 다르기 때문이다.

제품 Twin

• 제품사양
• 소재와 부품
• 제조이력
• 검사결과
• 사용과 정비이력
• 품질과 수명

설비 Twin

• 설비구조
• 운전상태
• 제어변수
• 진동과 온도
• 고장과 정비
• 성능과 열화

공정 Twin

• 투입과 산출
• 공정조건
• 사이클타임
• 품질특성
• 공정 간 대기
• 병목과 제약조건

생산라인 Twin

• 설비배치
• 작업순서
• 물류흐름
• 인력배치
• 재공품
• 생산능력

공장 Twin

• 주문과 생산계획
• 전체 자원
• 에너지
• 창고와 물류
• 품질과 정비
• 공장 전체의 운영성과

Digital Twin은 목적에 따라 필요한 정밀도가 달라진다.

설비 배치와 물류동선을 검토하려면 위치와 이동시간이 중요하다.

품질을 예측하려면 온도와 압력, 속도와 원재료 특성이 중요하다.

설비고장을 예측하려면 진동과 전류, 윤활과 부품열화가 중요하다.

생산계획을 검증하려면 설비능력과 작업순서, 자재와 작업자의 가용성이 중요하다.

따라서 구축 전에 다음을 정의해야 한다.

• 어떤 제조대상을 표현할 것인가
• 어떤 의사결정을 지원할 것인가
• 누가 사용할 것인가
• 어떤 질문에 답해야 하는가
• 어느 정도의 정확도가 필요한가
• 어느 시간단위로 동기화해야 하는가
• 예측결과가 현실에 어떤 영향을 주는가
• 잘못된 결과가 발생하면 어떤 피해가 생기는가

모든 데이터를 실시간으로 수집하고 모든 현상을 정밀하게 모델링할 필요는 없다.

필요하지 않은 정밀도는 구축비용과 유지관리 부담만 높일 수 있다.

Digital Twin은 현실의 모든 것을 복제하는 사업이 아니라, 정해진 의사결정에 필요한 현실을 충분한 수준으로 표현하는 사업이다.

---

4. 현실과 가상은 어떻게 연결해야 하는가

Digital Twin의 신뢰성은 현실과 가상의 동기화에서 시작된다.

현실의 상태가 늦게 반영되거나 잘못된 설비와 연결되면 가상공장은 존재하지 않는 상황을 보여주게 된다.

① 대상 식별

각 제품과 설비, 공정과 자재를 고유하게 식별해야 한다.

• 설비 ID
• 센서 ID
• 제품과 LOT
• 작업지시
• 금형과 공구
• 자재와 공급업체
• 작업자와 교대조

② 시간 동기화

서로 다른 시스템의 데이터가 같은 시간기준을 사용해야 한다.

• 센서 측정시각
• 수집시각
• 서버 저장시각
• 이벤트 발생시각
• MES 작업시각
• 검사 완료시각

시간이 맞지 않으면 공정조건과 품질결과를 잘못 연결할 수 있다.

③ 단위와 코드 통일

• ℃와 ℉
• Pa와 bar
• mm와 inch
• 초와 밀리초
• 설비상태 코드
• 불량유형 코드
• 제품과 공정 코드

④ 데이터 품질 확인

• 누락
• 중복
• 이상값
• 통신지연
• 센서 Drift
• 순서 오류
• 잘못된 매핑
• 수동입력 오류

⑤ 상태변환

원시 센서값을 제조상태로 해석해야 한다.

예를 들어 모터전류와 진동, 온도 데이터를 단순히 표시하는 데서 끝나지 않고 다음 상태로 변환해야 한다.

• 정상운전
• 부하 증가
• 공구마모
• 불균형
• 윤활 이상
• 고장위험
• 정비 필요

⑥ 양방향 연결 통제

Twin의 결과가 현실에 전달될 때에는 다음을 확인해야 한다.

• 정보제공인가
• 추천인가
• 작업지시 생성인가
• 사람 승인 후 실행인가
• 제한된 자동실행인가
• 직접 제어인가

ISO 23247-4:2021은 사용자와 Digital Twin, 장치 통신요소와 관찰 가능한 제조요소 사이의 정보교환에 필요한 기술 요구사항을 다룬다.

동기화는 단순히 통신이 연결돼 있다는 뜻이 아니다.

가상모델이 현재 어떤 현실을 어느 정도 정확하게 표현하고 있는지 지속해서 확인할 수 있어야 한다.

---

5. Digital Twin에는 어떤 모델이 들어가는가

하나의 모델로 공장의 모든 현상을 표현할 수는 없다.

Digital Twin은 목적에 따라 여러 종류의 모델을 결합한다.

① 형상모델

• 제품과 설비의 2D·3D 형상
• 공장배치
• 작업공간
• 물류와 이동경로
• 간섭과 충돌

② 물리모델

• 힘과 운동
• 열전달
• 유체
• 진동
• 전기와 전력
• 재료변형

③ 공정모델

• 공정순서
• 사이클타임
• 준비와 전환
• 대기와 병목
• 생산능력
• 수율

④ 이산사건 시뮬레이션

제품과 작업, 설비와 물류의 이벤트를 시간순서로 모사한다.

• 주문투입
• 작업시작과 종료
• 설비고장
• 자재도착
• 검사대기
• 재작업
• 출하

⑤ AI·통계모델

• 품질예측
• 고장예측
• 수요예측
• 이상탐지
• 잔여수명
• 처리시간 예측

⑥ 규칙모델

• 작업표준
• 품질규격
• 설비한계
• 안전조건
• 우선순위
• 승인규칙

⑦ 경제성 모델

• 생산비용
• 에너지 비용
• 정비비용
• 재고비용
• 납기지연 비용
• 품질실패 비용

⑧ 사람과 조직 모델

• 작업자의 가용성
• 자격과 숙련도
• 교대조
• 작업시간
• 의사결정과 승인
• 피로와 작업부하

Digital Twin은 이 모델들을 필요에 따라 연결한다.

예를 들어 생산속도를 높이는 계획을 검증하려면 다음 결과를 함께 확인해야 한다.

공정모델

→ 생산량과 사이클타임

품질모델

→ 불량 가능성

설비모델

→ 부하와 고장위험

에너지 모델

→ 전력과 비용

물류모델

→ 재공품과 이동대기

작업자 모델

→ 작업부하와 안전

하나의 성과만 개선하는 계획은 전체 공장에서는 최적이 아닐 수 있다.

Digital Twin은 여러 모델의 결과를 연결해 국부적인 최적화가 전체 제조성과를 악화시키지 않는지 확인해야 한다.

---

6. AI Agent의 판단은 Digital Twin에서 어떻게 시험하는가

AI Agent의 계획을 검증할 때에는 단순히 시뮬레이션을 한 번 실행하는 것으로 부족하다.

현재 상태와 비교하고 다양한 조건에서 반복해서 시험해야 한다.

① 기준상태 설정

현재 공장의 상태를 Twin에 반영한다.

• 주문과 생산계획
• 설비상태
• 재고와 자재
• 품질상태
• 작업자
• 물류장비
• 에너지
• 정비일정

② Agent 계획 입력

Agent가 제안한 변경을 구조화된 형태로 입력한다.

• 생산순서
• 설비배정
• 공정조건
• 정비시점
• 검사수준
• 물류경로
• 작업자 배치

③ 제약조건 검증

실행 전에 불가능하거나 금지된 계획을 제거한다.

• 안전한계
• 품질규격
• 설비능력
• 자재 가용성
• 작업자 자격
• 선행공정
• 정비와 교정상태

④ 시뮬레이션 실행

시간의 흐름에 따라 생산과 설비, 품질과 물류의 변화를 계산한다.

⑤ 기준계획과 비교

• 생산량
• 납기
• 불량률
• 재공품
• 설비부하
• 정비위험
• 에너지
• 비용

⑥ 불확실성 시험

하나의 고정된 조건만 시험하지 않는다.

• 주문량 변화
• 설비고장
• 자재입고 지연
• 작업자 결원
• 품질변동
• 센서오류
• 물류장비 장애

⑦ 위험조건 탐색

어떤 조건에서 계획이 실패하는지 확인한다.

⑧ 계획 수정

Agent는 실패원인과 제한조건을 반영해 새로운 계획을 작성한다.

⑨ 재시험

수정된 계획을 동일한 기준과 시나리오에서 다시 평가한다.

⑩ 승인 또는 거부

정해진 성능과 위험기준을 만족하면 승인절차로 전달한다.

전체 흐름은 다음과 같다.

Agent의 계획

↓

형식과 권한 확인

↓

Digital Twin에 계획 적용

↓

정상조건 시뮬레이션

↓

이상·변동조건 시뮬레이션

↓

성과와 위험 비교

↓

기준 미달 시 재계획

↓

기준 충족 시 사람 승인 또는 제한적 실행

Digital Twin은 Agent의 계획을 대신 결정하는 시스템이 아니다.

계획이 현실에서 실행 가능한지, 어떤 조건에서 실패하며 어느 정도의 위험을 가지는지 확인하는 시험환경이다.

---

7. Verification, Validation, Uncertainty Quantification은 왜 필요한가

Digital Twin의 결과를 제조 의사결정에 사용하려면 Twin 자체가 신뢰할 수 있어야 한다.

이를 위해 Verification, Validation, Uncertainty Quantification이 필요하다.

① Verification: 모델을 올바르게 만들었는가

설계한 모델과 계산방식이 의도한 대로 구현됐는지 확인한다.

• 수식과 알고리즘
• 논리와 규칙
• 프로그램 코드
• 모델 간 연결
• 데이터 변환
• 단위와 시간
• 경계조건

쉽게 말하면 다음 질문이다.

모델을 제대로 만들었는가.

② Validation: 올바른 모델을 만들었는가

모델이 현실의 제조현상을 사용목적에 맞게 표현하는지 확인한다.

• 실제 생산량
• 실제 사이클타임
• 실제 불량률
• 실제 설비온도와 진동
• 실제 고장과 정비
• 실제 물류대기
• 실제 에너지 사용량

다음 질문에 답해야 한다.

이 모델이 현실을 충분히 잘 설명하는가.

③ Uncertainty Quantification: 결과가 얼마나 불확실한가

모델의 결과는 하나의 숫자로 표시되더라도 정확한 미래를 의미하지 않는다.

불확실성의 원인은 다양하다.

• 센서오차
• 데이터 누락
• 작업자 차이
• 원재료 편차
• 환경변화
• 모델의 단순화
• 알려지지 않은 고장
• 미래 주문의 변동

따라서 다음과 같이 표현해야 한다.

• 예상 생산량: 9,800~10,200개
• 납기준수 가능성: 92%
• 예상 불량률: 1.2%±0.4%
• 7일 이내 고장 가능성: 18~27%
• 피크전력: 940~1,020kW

NIST는 제조 Digital Twin의 신뢰성을 확보하려면 생애주기 전반에 Verification, Validation과 Uncertainty Quantification을 적용해야 한다고 설명한다. Digital Twin의 결과가 실제 제조 의사결정에 사용되려면 사용목적에 적합한 신뢰도를 확인해야 한다.

2026년 10월 승인된 신규 작업항목 ISO/AWI 23247-8도 제조 Digital Twin의 생애주기 전반에 적용할 VVUQ 원칙과 요구사항, 방법과 지표를 표준화하는 작업을 다룬다. 현재는 제정 작업이 진행 중인 단계이므로 확정된 국제표준으로 인용해서는 안 된다.

Digital Twin은 정확하거나 부정확한 두 상태로만 구분되지 않는다.

어떤 목적과 조건에서 어느 정도의 오차로 사용할 수 있는지를 설명할 수 있어야 한다.

---

8. Digital Twin의 정확도는 어떻게 평가해야 하는가

정확도는 하나의 지표로 판단할 수 없다.

Twin의 목적에 따라 평가항목이 달라진다.

① 상태 정확도

• 설비의 운전상태
• 제품과 재공품 위치
• 작업진행률
• 재고
• 품질상태

② 시간 정확도

• 데이터 수집지연
• 상태반영 시간
• 시뮬레이션 시간
• 이벤트 순서
• 현실과 가상의 시차

③ 예측 정확도

• 생산완료 시간
• 불량률
• 고장시점
• 에너지 사용량
• 물류대기
• 재고변화

④ 행위 정확도

입력조건이 바뀌었을 때 Twin이 현실과 같은 방향으로 반응하는지 확인한다.

예를 들어 생산속도를 높이면 다음과 같은 변화가 실제와 유사하게 나타나야 한다.

• 생산량 증가
• 설비부하 증가
• 온도변화
• 품질변동
• 물류대기 증가

⑤ 경계조건 정확도

정상조건뿐 아니라 한계조건과 이상조건을 표현할 수 있는지 확인한다.

• 최대생산 속도
• 설비고장
• 자재부족
• 품질기준 이탈
• 작업자 결원
• 통신단절

⑥ 전체 시스템 정확도

개별 설비모델이 정확해도 모델을 연결한 전체 공장의 결과가 정확하지 않을 수 있다.

• 설비 간 대기
• 작업순서
• 물류이동
• 공유자원
• 생산과 정비의 충돌
• 에너지 피크

평가결과에는 평균오차만 표시하지 않는다.

• 최대오차
• 조건별 오차
• 시간대별 오차
• 제품별 오차
• 설비별 오차
• 오류가 큰 상황
• 평가하지 못한 영역

도 함께 확인해야 한다.

Digital Twin의 정확도는 높을수록 좋지만 모든 상황에서 같은 수준의 정확도가 필요한 것은 아니다.

설비 배치의 사전 검토에는 수초 단위의 동기화가 필요하지 않을 수 있다.

반면 로봇과 작업자의 충돌을 예방하려면 훨씬 짧은 시간과 높은 위치정확도가 필요하다.

정확도 목표는 기술적으로 가능한 최고 수준이 아니라 의사결정의 위험에 맞춰 정해야 한다.

---

9. Digital Twin이 틀릴 수 있다는 것을 어떻게 관리해야 하는가

Digital Twin은 현실을 완전히 복제할 수 없다.

현실에는 측정하지 못한 변수와 우연한 사건, 사람의 행동과 설비의 열화가 존재한다.

따라서 Twin이 틀릴 수 있다는 사실을 전제로 운영해야 한다.

① 유효범위 정의

• 대상제품
• 대상설비
• 공정조건
• 생산속도
• 환경범위
• 운영기간
• 적용 가능한 의사결정

② 사용금지 조건

• 센서장애
• 데이터 지연
• 새로운 제품
• 설비개조
• 모델 미검증 영역
• 비정상적인 생산조건
• 안전과 관련된 미승인 판단

③ 신뢰도 표시

Twin의 결과와 함께 다음을 보여준다.

• 데이터 최신성
• 모델버전
• 검증일
• 예상오차
• 신뢰구간
• 경고와 제한조건

④ 현실과의 지속 비교

예측한 결과와 실제결과를 연결한다.

• 예상 생산량과 실제 생산량
• 예상 불량률과 실제 불량률
• 예상 고장과 실제 고장
• 예상 에너지와 실제 사용량
• 예상 완료시간과 실제 완료시간

⑤ 자동 사용중단

다음 조건에서는 Twin의 결과를 자동실행에 사용하지 않는다.

• 오차기준 초과
• 데이터 누락
• 시간동기화 실패
• 모델 유효기간 초과
• 미검증 설비와 제품
• 예상하지 못한 상태
• 보안과 무결성 이상

⑥ 사람의 판단 전환

신뢰도가 낮거나 영향이 큰 경우 작업자와 전문가가 직접 판단한다.

NIST는 Digital Twin의 확산을 가로막는 주요 문제로 상호운용성과 신뢰성, 그리고 Twin을 검증·검정하는 방법과 절차의 부족을 지적하고 있다.

Digital Twin의 한계를 숨기면 사용자는 시뮬레이션 결과를 확정된 미래로 오인할 수 있다.

신뢰할 수 있는 Twin은 항상 맞는 Twin이 아니라, 언제 자신의 결과를 신뢰해서는 안 되는지 알려주는 Twin이다.

---

10. 여러 Digital Twin은 어떻게 연결해야 하는가

실제 공장에서는 하나의 거대한 Twin보다 여러 Twin이 존재할 가능성이 높다.

• 제품 Twin
• 설비 Twin
• 공정 Twin
• 생산라인 Twin
• 물류 Twin
• 에너지 Twin
• 공장 Twin
• 공급망 Twin

각 Twin은 서로 다른 부서와 공급업체가 개발할 수 있다.

따라서 연결과 상호운용성이 중요하다.

① 데이터 상호운용성

형식과 단위, 시간과 품질정보를 교환할 수 있어야 한다.

② 의미 상호운용성

같은 설비와 제품, 상태와 이벤트를 같은 의미로 이해해야 한다.

③ 모델 상호운용성

여러 시뮬레이션과 AI 모델의 입력과 출력을 연결할 수 있어야 한다.

④ 서비스 상호운용성

상태조회와 예측, 시뮬레이션과 최적화 기능을 표준화된 방식으로 호출할 수 있어야 한다.

⑤ 생애주기 상호운용성

설계와 생산, 운영과 정비, 폐기의 데이터를 연결할 수 있어야 한다.

ISO 23247-6:2026은 제조 Digital Twin의 결합을 통합형·통일형·연합형으로 구분하고, 여러 공급자와 개발주체가 만든 Twin의 통신·집계·상호운용을 위한 원칙과 구현방법을 제시한다.

통합형

여러 Twin을 하나의 체계 안에서 직접 연결한다.

통일형

공통된 모델과 규칙을 중심으로 여러 Twin을 정렬한다.

연합형

각 Twin의 독립성을 유지하면서 필요한 정보와 서비스를 교환한다.

공장 전체를 하나의 공급업체 기술로 교체하는 것은 현실적으로 어렵다.

MES와 ERP, PLM과 설비시스템 등 기존 시스템을 유지하면서 새로운 Twin을 연결해야 한다. NIST도 물리시스템과 가상시스템, 여러 Digital Twin, MES·ERP·PLM과 같은 기존 시스템 사이의 상호운용 표준이 필요하다고 설명한다.

여러 Twin을 연결할 때에는 더 많은 정보를 모으는 것보다 다음을 확인해야 한다.

• 누가 데이터를 소유하는가
• 어떤 Twin이 기준정보인가
• 충돌할 때 무엇을 우선하는가
• 모델버전이 호환되는가
• 오차와 불확실성이 어떻게 전달되는가
• 한 Twin의 오류가 어디까지 확산되는가

Twin의 연결은 화면을 하나로 합치는 작업이 아니라 서로 다른 현실표현의 의미와 신뢰수준을 연결하는 작업이다.

---

11. Digital Twin의 보안과 안전은 어떻게 관리해야 하는가

Digital Twin에는 공장의 구조와 설비성능, 생산계획과 품질정보가 집중된다.

양방향으로 연결된 Twin은 실제 제조시스템의 변경에도 사용될 수 있다.

따라서 보안침해는 정보유출을 넘어 생산과 안전에 영향을 줄 수 있다.

① 자산과 연결관리

• 연결된 설비와 시스템
• 데이터 수집경로
• 외부 인터페이스
• 사용자와 Agent
• 모델과 시뮬레이터
• 공급업체와 원격접속

② 신원과 권한

• 사용자별 권한
• Agent별 권한
• Twin별 접근범위
• 조회와 실행권한 분리
• 관리자 권한 제한

③ 데이터 보호

• 전송과 저장 암호화
• 데이터 무결성
• 출처검증
• 민감정보 분리
• 보존과 삭제

④ 모델 보호

• 모델과 설정파일의 서명
• 승인된 버전만 실행
• 무단변경 탐지
• 공급망과 라이브러리 관리
• 모델 탈취 방지

⑤ 시뮬레이션과 현실의 분리

시험 중 생성된 명령이 실제설비로 잘못 전달되지 않도록 분리한다.

⑥ 양방향 제어 보호

Twin에서 현실로 전달되는 명령을 별도의 정책과 안전계층에서 검증한다.

⑦ 장애와 복구

• 연결 중단
• 데이터 손상
• Twin 서비스 장애
• 모델오류
• 공격과 침해

가 발생해도 공장을 안전하게 정지하거나 수동으로 운영할 수 있어야 한다.

NIST의 Digital Twin 보안·신뢰 연구는 표준 준수가 상호운용성과 호환성뿐 아니라 안전과 사이버보안, 시스템에 대한 신뢰를 높이는 데 중요하다고 설명한다.

Twin은 현실의 복제본이기 때문에 공격자는 Twin을 통해 현실의 취약점과 운전방식을 학습할 수 있다.

반대로 Twin을 조작하면 AI Agent가 잘못된 현실을 기준으로 판단하게 만들 수 있다.

Digital Twin의 보안은 가상모델을 보호하는 문제가 아니라 현실의 제조공정을 보호하는 문제다.

---

12. Digital Twin은 어떻게 구축하고 운영해야 하는가

Digital Twin 구축은 3D 모델링부터 시작하는 것이 아니다.

의사결정과 사용목적에서 시작해야 한다.

① 제조문제 정의

• 무엇을 개선할 것인가
• 현재 어떤 손실이 발생하는가
• 누가 어떤 결정을 내려야 하는가
• Twin이 어떤 질문에 답해야 하는가

② 대상과 범위 선정

• 제품
• 설비
• 공정
• 생산라인
• 공장
• 공급망

③ 성과와 위험기준 설정

• 예측 정확도
• 시간지연
• 생산성과
• 품질
• 안전
• 비용
• 자동실행 허용조건

④ 현실의 데이터 구조 확인

• 데이터 출처
• 수집주기
• 식별체계
• 시간과 단위
• 데이터 품질
• 접근권한

⑤ 모델 설계

• 형상모델
• 물리모델
• 공정모델
• AI 모델
• 규칙과 제약조건
• 경제성 모델

⑥ 인터페이스 구축

• 센서와 PLC
• MES·QMS·ERP
• WMS와 CMMS
• Edge와 Cloud
• AI Agent
• 사용자 화면

⑦ Verification과 Validation

모델 구현과 현실 적합성을 확인한다.

⑧ Shadow 운영

실제 데이터를 사용하되 현실의 실행에는 영향을 주지 않는다.

⑨ 제한적 의사결정 지원

Twin의 결과를 작업자와 관리자가 참고하도록 한다.

⑩ 승인형 실행

사람이 검토하고 승인한 변경만 현장에 적용한다.

⑪ 제한적 자동실행

충분히 검증된 조건에서만 자동으로 실행한다.

⑫ 지속적 보정과 변경관리

현실과 예측의 차이를 이용해 모델을 보정한다.

⑬ 폐기와 전환

사용가치가 없거나 대체된 Twin의 연결과 권한, 데이터와 모델을 정리한다.

2026년에 승인된 ISO/AWI 23247-7은 제조 Digital Twin을 운영에 투입하기 위한 커미셔닝 절차를 다룰 예정이다. 서로 다른 출처의 Twin을 초기화하고 Digital Thread와 연결하며, 주기·지연·충실도 요구사항과 운영준비 상태를 확인하는 내용을 범위로 한다. 아직 개발 중인 표준이라는 점은 구분해야 한다.

Digital Twin도 구축 이후 현실의 변화에 맞춰 계속 관리해야 한다.

• 설비개조
• 센서교체
• 신제품 투입
• 공정조건 변경
• 작업표준 개정
• 검사기준 변경
• 모델업데이트
• 생산라인 재배치

가 발생하면 Twin의 유효성을 다시 확인해야 한다.

현실이 바뀌는데 Twin이 바뀌지 않으면 Twin은 과거의 공장을 정교하게 보여주는 모델이 된다.

---

13. 경영진은 Digital Twin에서 무엇을 확인해야 하는가

Digital Twin 사업을 보고받을 때 경영진은 3D 화면과 실시간 그래프, 전체 공장의 시각화에 관심을 갖기 쉽다.

그러나 실제 활용을 위해서는 다음을 확인해야 한다.

첫째, 이 Twin이 해결하려는 제조문제가 무엇인가.

목적이 명확하지 않으면 시각화 시스템으로 끝날 가능성이 높다.

둘째, 어떤 현실의 대상을 어느 범위까지 표현하는가.

제품과 설비, 공정과 공장 전체를 구분해야 한다.

셋째, 어떤 의사결정에 사용할 것인가.

모니터링과 예측, 계획검증과 자동제어는 필요한 신뢰수준이 다르다.

넷째, 현실의 데이터가 얼마나 정확하고 빠르게 반영되는가.

실시간이라는 표현보다 실제 지연시간과 누락률을 확인해야 한다.

다섯째, 모델의 정확도를 현실의 결과와 비교했는가.

시뮬레이션 화면이 작동한다는 것과 현실을 정확하게 표현한다는 것은 다르다.

여섯째, Twin의 오차와 불확실성을 표시하는가.

하나의 예측값만 제시하면 잘못된 확신을 줄 수 있다.

일곱째, 어떤 조건에서 Twin의 결과를 사용해서는 안 되는가.

유효범위와 사용금지 조건이 필요하다.

여덟째, AI Agent의 계획을 어떤 시나리오에서 시험하는가.

정상조건뿐 아니라 고장과 자재지연, 작업자 결원과 품질변동도 시험해야 한다.

아홉째, Twin의 결과가 실제 설비에 전달되는 경로가 통제돼 있는가.

자연어 계획과 시뮬레이션 결과가 바로 설비명령이 되어서는 안 된다.

열째, 여러 공급업체의 Twin과 기존 시스템을 연결할 수 있는가.

특정 솔루션에 종속되지 않도록 데이터와 모델, 인터페이스의 상호운용성을 확인해야 한다.

열한째, Twin을 누가 보정하고 승인하며 운영하는가.

현장과 공정, 데이터와 IT·OT의 공동책임이 필요하다.

열두째, 현실이 변경됐을 때 Twin도 함께 변경되는가.

Twin의 생애주기와 변경관리 절차가 있어야 한다.

열셋째, 투자비용에 비해 실제 제조성과가 개선됐는가.

• 의사결정시간
• 생산량
• 불량률
• 설비정지
• 재고
• 에너지
• 변경시험 비용
• 사고와 재작업

을 적용 전후로 비교해야 한다.

NIST가 2026년 발표한 제조 Digital Twin 워크숍 종합보고서도 상호운용성, VVUQ, 사이버보안과 인력역량을 신뢰할 수 있고 확장 가능한 Digital Twin의 주요 과제로 제시한다.

경영진이 확인해야 할 것은 가상공장이 얼마나 실제처럼 보이는가가 아니다.

현실의 의사결정을 맡길 수 있을 만큼 검증됐으며, 그 신뢰수준과 한계를 조직이 알고 있는가이다.

---

마치며

Digital Twin은 현실의 공장을 그대로 복사하는 기술이 아니다.

현실의 제조대상을 목적에 맞게 표현하고 데이터를 통해 상태를 동기화하며, 변화의 결과를 실제 실행 전에 시험하는 운영기술이다.

AI Agent가 제조현장에 참여하기 시작하면 Digital Twin의 역할은 더 중요해진다.

Agent는 많은 데이터를 분석하고 짧은 시간 안에 여러 계획을 만들 수 있다.

그러나 계획을 빠르게 만든다는 것과 그 계획이 현실에서 안전하고 효과적이라는 것은 다르다.

Digital Twin은 그 사이에 검증의 공간을 제공한다.

결국 AI Agent와 Digital Twin은 다음의 흐름으로 연결돼야 한다.

현실의 제조상태를 수집한다.

데이터의 시간과 단위, 품질을 확인한다.

현재 상태를 Digital Twin에 반영한다.

AI Agent가 목표와 제한조건을 바탕으로 계획을 작성한다.

Twin이 계획의 실행 가능성을 확인한다.

정상조건과 변동·고장조건을 시뮬레이션한다.

생산·품질·설비·물류·에너지 결과를 함께 비교한다.

오차와 불확실성을 표시한다.

기준을 만족하지 못하면 Agent가 계획을 수정한다.

기준을 만족하면 사람의 승인 또는 제한적 자동실행으로 전달한다.

현실에서 발생한 결과를 다시 수집한다.

예측과 실제의 차이를 이용해 Twin과 Agent를 개선한다.

이 흐름이 반복될 때 Digital Twin은 정적인 가상모델에서 자율제조의 검증환경으로 발전한다.

중요한 것은 가상공장에서 가장 좋은 결과를 찾는 것이 아니다.

가상공장의 결과가 현실에서도 어느 정도 유효한지 확인할 수 있어야 한다.

Digital Twin의 계산결과가 정교해 보여도 데이터가 늦거나 모델의 가정이 틀리면 그 결과를 신뢰할 수 없다.

따라서 Twin은 자신의 현재 상태도 설명해야 한다.

• 어떤 현실과 연결돼 있는가
• 마지막으로 언제 동기화됐는가
• 어떤 모델과 데이터를 사용했는가
• 어느 조건에서 검증됐는가
• 예상오차와 불확실성은 얼마인가
• 어떤 판단에는 사용할 수 없는가

AI Agent가 행동하려면 Digital Twin이 필요하다.

그러나 Digital Twin이 존재한다는 이유만으로 Agent의 판단이 안전해지는 것은 아니다.

검증되지 않은 Digital Twin에서 성공한 계획은 검증되지 않은 가정 위에서 성공한 계획일 뿐이다.

현실과 가상의 차이를 지속해서 측정하고 Twin의 유효성을 관리할 때 비로소 Agent의 판단을 시험하고 설명하며 통제할 수 있다.

바로 이것이 Digital Twin이 단순한 3D 시각화를 넘어 자율제조의 핵심 운영환경이 되어야 하는 이유다.

다음 글에서는 제품과 설비, 공정과 품질의 데이터가 설계부터 생산·운영·정비까지 어떻게 연결돼야 하는지를 살펴보고자 한다.

데이터를 많이 수집하는 것만으로 생애주기가 연결되는 것은 아니다. 서로 다른 시스템에서 생성된 정보를 동일한 제품과 설비의 이력으로 이어주는 구조가 필요하다.

[자율제조 시리즈 ⑭] Digital Thread는 제조데이터의 생애주기를 어떻게 연결하는가?

---

참고자료

• ISO — ISO 23247-1:2021, Digital Twin Framework for Manufacturing: Overview and General Principles
• ISO — ISO 23247-2:2021, Reference Architecture
• ISO — ISO 23247-3:2021, Digital Representation of Manufacturing Elements
• ISO — ISO 23247-4:2021, Information Exchange
• ISO — ISO 23247-6:2026, Digital Twin Composition
• ISO — ISO/AWI 23247-7, Commissioning of Digital Twin
• ISO — ISO/AWI 23247-8, VVUQ for Digital Twins
• ISO — ISO/TR 23247-100:2025, Semiconductor Ingot Growth Use Case
• NIST — Digital Twins for Advanced Manufacturing
• NIST — Credibility Consideration for Digital Twins in Manufacturing
• NIST — Digital Twins Workshops Summary Report
• NIST — Security and Trust Considerations for Digital Twin Technology
• NIST — Manufacturing Digital Twin Standards
• IEC — Internationally Agreed Concepts and Terminology for Digital Twins
• IEC — International Benchmarks for Industrial Digital Twins