디지털 트윈 – 3D 시각화 및 디지털 공급망 관리

디지털 스레드는 "설계, 평가 및 수명 주기 관리를 위한 디지털 도구 및 표현 방식의 활용"으로 정의됩니다.

"디지털 스레드"라는 용어는 미 공군 글로벌 과학 기술 비전 태스크포스 보고서인 "글로벌 호라이즌 2013"에서 처음 사용되었습니다.

디지털 스레드라는 용어는 MIT의 싱(Singh)과 윌콕스(Willcox)가 2018년 발표한 논문 "디지털 스레드를 활용한 엔지니어링(Engineering with a Digital Thread)"에서 더욱 구체화되었습니다. 이 논문에서 디지털 스레드는 "제품 수명주기 전반에 걸친 정보를 연결하는 데이터 기반 아키텍처로, 특정 시점에서 조직 제품에 대한 주요 또는 권위 있는 데이터 및 커뮤니케이션 플랫폼 역할을 하도록 설계된 것"으로 정의됩니다

더 좁은 의미에서 "디지털 스레드"라는 용어는 물리적 객체의 디지털 표현에 대한 가장 낮은 수준의 설계 및 사양을 지칭하는 데에도 사용됩니다. 디지털 스레드는 모델 기반 시스템 엔지니어링(MBSE)에서 매우 중요한 기능이며 디지털 트윈의 기반이 됩니다.

디지털 스레드라는 용어는 디지털 트윈이 물리적 객체를 구성하는 요구 사항, 부품 및 제어 시스템에 대해 추적 가능하다는 것을 설명하는 데에도 사용됩니다.

스마트 팩토리 – 독일에서 비즈니스 관련 개념을 활용하는 사례 – 이미지: Xpert.Digital

이 그래프는 2017년 독일 산업 기업 경영진을 대상으로 실시한 스마트 공장에서 현재와 미래에 사용되는 기술에 대한 설문조사 결과를 보여줍니다. 응답자의 23%는 현재 스마트 공장에서 제품의 디지털 트윈을 사용하고 있다고 답했으며, 43%는 향후 사용할 계획이라고 답했습니다.

이는 자율적인 내부 물류에도 적용됩니다. 17%는 현재(2017년) 자율 물류를 사용하고 있다고 응답했으며, 35%는 2022년까지 도입할 계획이라고 밝혔습니다.

향후 5년간 사용량(2022년 기준)

• 데이터 기반 자원 최적화 – 77%
• 통합 계획 – 61%
• 빅데이터 기반 프로세스 및 품질 최적화 – 65%
• 모듈형 생산 자산 – 36%
• 네트워크화된 공장 / 연결된 공장 – 60%
• 예측 유지보수 – 66%
• 프로세스 시각화/자동화 – 62%
• 제품의 디지털 트윈 – 43%
• 공장의 디지털 트윈 / 공장의 디지털 트윈 – 44%
• 생산 공장의 디지털 트윈 / 생산 자산의 디지털 트윈 – 39%
• 유연 생산 방식 / 유연 생산 방식 – 34%
• 자율적인 공장 내 물류 – 35%
• 생산 매개변수 이전 – 32%
• 완전 자율 디지털 공장 – 11%

현재 사용량(2017년)

• 데이터 기반 자원 최적화 – 52%
• 통합 계획 – 32%
• 빅데이터 기반 프로세스 및 품질 최적화 – 30%
• 모듈형 생산 자산 – 29%
• 네트워크화된 공장 / 연결된 공장 – 29%
• 예측 유지보수 – 28%
• 프로세스 시각화/자동화 – 28%
• 제품의 디지털 트윈 – 23%
• 공장의 디지털 트윈 / 공장의 디지털 트윈 – 19%
• 생산 공장의 디지털 트윈 / 생산 자산의 디지털 트윈 – 18%
• 유연 생산 방식 / 유연 생산 방식 – 18%
• 자율적인 공장 내 물류 – 17%
• 생산 매개변수 이전 – 16%
• 완전 자율 디지털 공장 – 5%

독일 산업 기업의 경영진을 대상으로 설문조사를 실시했습니다. 질문은 "다음 개념들이 귀사에 얼마나 관련성이 있다고 생각하십니까?"였습니다. 해당 자료는 설문조사 방법론이나 100%를 초과하는 점수에 대한 정보를 제공하지 않습니다.

디지털 트윈을 활용하여 기계를 최적화하는 한 가지 예는 터빈, 제트 엔진, 기관차와 같은 에너지 발전 설비의 유지 보수입니다.

디지털 트윈의 또 다른 예로는 3D 모델을 사용하여 물리적 객체의 디지털 복제본을 만드는 것을 들 수 있습니다. 이를 통해 실제 물리적 객체의 상태를 표시하고 물리적 객체를 디지털 세계에 투영할 수 있습니다. 예를 들어, 센서가 연결된 장치에서 데이터를 수집하면 해당 센서 데이터를 사용하여 장치의 상태를 실시간으로 업데이트하는 "디지털 트윈"을 만들 수 있습니다. "장치 그림자"라는 용어도 디지털 트윈의 개념을 나타내는 데 사용됩니다. 디지털 트윈은 형태, 위치, 동작, 상태 및 움직임을 포함하여 물리적 객체의 속성과 상태를 최신 상태로 정확하게 복제하는 것을 목표로 합니다.

디지털 트윈은 자산의 성능과 활용도를 최적화하기 위한 모니터링, 진단 및 예측에도 사용될 수 있습니다. 이 분야에서 센서 데이터는 과거 데이터, 전문가의 지식, 그리고 차량 관리 및 시뮬레이션 학습과 결합되어 예측 결과를 향상시킬 수 있습니다. 따라서 복잡한 예측 및 지능형 유지보수 플랫폼은 디지털 트윈을 활용하여 문제의 근본 원인을 파악하고 생산성을 개선할 수 있습니다.

자율주행 차량과 센서의 디지털 트윈을 교통 및 환경 시뮬레이션에 내장하는 것은 자동차 산업, 특히 관련 알고리즘이 광범위한 훈련 및 검증 데이터 세트를 필요로 하는 인공지능 기반 접근 방식에 기초할 때 발생하는 애플리케이션 개발, 테스트 및 검증의 주요 과제를 극복하는 수단으로 제안되어 왔습니다.

실제로 제작된 객체는 가상화되어 물리적 공간과 사이버 공간 모두에 완벽하고 긴밀하게 통합된 디지털 트윈 모델(아바타)로 표현됩니다. 물리적 객체와 트윈 모델은 상호 유익한 방식으로 상호 작용합니다.

산업 수준의 역동성

디지털 트윈은 제품 설계 및 제조부터 서비스 및 운영에 이르기까지 전체 제품 수명주기 관리(PLM) 프로세스를 혁신하고 있습니다. 현재 PLM은 효율성, 제조, 지능, 서비스 단계 및 제품 설계의 지속가능성 측면에서 매우 시간 소모적입니다. 디지털 트윈은 제품의 물리적 공간과 가상 공간을 통합할 수 있습니다. 이를 통해 기업은 설계 및 개발부터 전체 수명주기에 이르기까지 모든 제품의 디지털 발자취를 생성할 수 있습니다. 일반적으로 제조 산업은 디지털 트윈의 영향을 크게 받고 있습니다. 제조 공정에서 디지털 트윈은 공장 현장의 실시간 운영을 가상으로 복제한 것입니다. 물리적 제조 공정 전반에 걸쳐 수천 개의 센서가 배치되어 환경 조건, 기계 작동 방식, 수행된 작업 등 다양한 측면의 데이터를 수집합니다. 이 모든 데이터는 디지털 트윈으로 지속적으로 전송되고 수집됩니다. 사물 인터넷(IoT) 덕분에 디지털 트윈은 더욱 저렴해졌으며 제조 산업의 미래를 바꿀 잠재력을 지니고 있습니다. 엔지니어에게 있어 디지털 트윈을 사용하여 가상으로 설계된 제품을 실제 환경에서 활용할 수 있다는 점은 큰 장점입니다. 실물의 디지털 트윈을 실시간으로 활용할 수 있게 되면서, 제품 및 공장 유지 관리와 운영에 있어 더욱 발전된 방법들이 점차 보편화되고 있습니다.

디지털 트윈은 제조 공정의 과거를 분석하는 것이 아니라 미래를 예측하기 때문에 상당한 비즈니스 잠재력을 제공합니다 . 디지털 트윈이 만들어내는 현실의 재현은 제조업체가 사전 예측 비즈니스 관행으로 발전할 수 있도록 해줍니다. 제조의 미래는 다음 여섯 가지 측면에 기반합니다.

• 확장성,
• 모듈성,
• 유연성
• 자치,
• 연결성
• 그리고 디지털 트윈.

제조 공정의 개별 단계가 디지털화됨에 따라 생산성 향상을 위한 기회가 생겨나고 있습니다. 이는 모듈화에서 시작하여 생산 시스템의 효율성 증대로 이어집니다. 나아가 자율성은 생산 시스템이 예상치 못한 상황에 효율적이고 지능적으로 대응할 수 있도록 합니다. 마지막으로 사물 인터넷(IoT)과 같은 연결성은 제품 설계 및 마케팅 주기를 최적화하여 더 높은 성능을 구현할 수 있도록 함으로써 디지털화 사이클을 완성합니다. 제품이 실제로 고장 나기 전에 문제를 감지할 수 있다면 고객 만족도와 충성도를 높일 수 있습니다. 저장 및 데이터 처리 비용이 지속적으로 감소함에 따라 디지털 트윈의 잠재적 응용 분야 또한 확대되고 있습니다.

디지털 트윈은 산업계에 특히 중요한 의미를 지닙니다. 산업 가치 창출 과정에서 디지털 트윈의 존재와 활용은 기업에 결정적인 경쟁 우위를 제공할 수 있습니다. 이는 사물 인터넷(IoT)이 모든 종류의 디지털 제어 및 네트워크 연결 제품과 통합 서비스를 가능하게 한 2010년대 초반 이후 더욱 두드러지게 나타났습니다.

산업 현장에서는 제품, 생산 시설, 공정, 서비스 등 다양한 분야에 디지털 트윈이 존재합니다. 미래 제품의 설계 모델처럼 물리적 트윈보다 먼저 존재할 수도 있습니다. 또한, 물리적 트윈의 사용 데이터를 분석하고 평가하는 데 활용될 수 있으며, 매우 다양한 목적과 기능을 수행합니다.

산업 현장에서 이러한 기술이 갖는 특별한 가치는 물리적 프로토타입을 없애고 실제 제품과 동일한 동작, 기능 및 품질을 모든 관련 측면에서 시뮬레이션할 수 있다는 점에 있습니다. 이러한 가치는 제품, 시스템 및 서비스의 전체 수명 주기 동안 가치 사슬의 모든 부분에서 활용될 수 있습니다.

디지털 트윈은 다양한 형태를 띨 수 있습니다. 예를 들어, 시스템 개발의 동작 모델, 3D 모델, 또는 모델 기반 설계 과정에서 실제 트윈의 기계적, 전자적 및 기타 속성과 성능 특성을 현실적이고 포괄적으로 묘사하는 기능 모델을 기반으로 할 수 있습니다.

다양한 디지털 트윈은 서로 연결될 수 있으며, 물리적 트윈과의 광범위한 통신 및 상호 작용을 가능하게 합니다. 이는 제품 수명 주기 전체를 ​​관통하는 디지털 스레드라고도 하며, 제품 관련 추가 정보까지 포함할 수 있습니다. 기업은 이러한 연속적인 디지털 스레드를 통해 다양한 가치 창출 프로세스를 최적화하고, 제공하는 제품 또는 서비스에 대해 폭넓은 디지털 비즈니스 모델을 활용할 수 있으므로 최대의 이점을 얻을 수 있습니다.

생산 공학은 수많은 산업 응용 분야 중 하나일 뿐입니다. 디지털 트윈은 시스템의 전체 수명 주기(설계, 건설, 운영 및 재활용)를 매핑합니다. 엔지니어는 계획 단계에서도 시뮬레이션 모델을 사용하여 프로세스를 최적화할 수 있습니다. 시스템이 가동된 후에도 동일한 시뮬레이션 모델을 사용하여 프로세스를 더욱 최적화하고 생산 방식을 혁신할 수 있습니다.

운송 및 창고 부문에서 DHL, UPS와 같은 국제 물류 기업들은 추적 및 모니터링, 창고 및 항만 시설 전체의 지능형 제어와 같은 디지털 트윈 기반의 새로운 애플리케이션을 지속적으로 개발하고 있습니다. SAP, Oracle과 같은 소프트웨어 제조업체들은 ERP 시스템을 확장하고 공급망 관리를 위한 디지털 공급망과 같은 새로운 IT 솔루션을 제공하고 있습니다.

디지털 트윈 개념은 생산 관리, 물류 및 조달 분야에 점점 더 많이 적용되고 있습니다. 이는 디지털 트윈 개념이 제어 공학 및 자동화 기술의 방법론 및 도구와 밀접하게 연관되어 있음을 보여줍니다.

스마트 시티 운동에서 디지털 기술에 대한 관심이 높아짐에 따라 지리적 디지털 트윈은 도시 계획 실무에서 널리 사용되고 있습니다. 이러한 디지털 트윈은 도시 환경(도시)과 그 안에 담긴 데이터를 모델링하기 위해 3D 및 4D 공간 데이터를 실시간으로 캡처하고 시각화하는 대화형 플랫폼 형태로 제안되는 경우가 많습니다.

증강 현실(AR) 시스템과 같은 시각화 기술은 건축 환경의 설계 및 계획을 위한 협업 도구로 사용될 뿐만 아니라 도시에 내장된 센서와 API 서비스에서 수집된 데이터를 통합하여 디지털 트윈을 생성하는 데에도 활용됩니다. 예를 들어, AR을 사용하면 증강 현실 지도, 건물 및 데이터를 테이블 위에 투영하여 건설 전문가들이 협업하여 볼 수 있습니다.

건설 산업에서 계획, 설계, 시공, 운영 및 유지보수 활동은 BIM(건축 정보 모델링) 프로세스 도입 등을 통해 점차 디지털화되고 있으며, 건물의 디지털 트윈은 개별 건물 수준은 물론 국가 수준에서도 논리적인 확장으로 여겨지고 있습니다. 예를 들어, 영국에서는 디지털 건설 센터(Centre for Digital Built Britain)가 2018년 11월에 "국가 디지털 트윈" 개발 원칙을 제시하는 제미니 원칙(Gemini Principles)을 발표했습니다.

초기 '디지털 트윈' 구현 사례 중 하나는 1996년 히드로 공항 제1터미널의 히드로 익스프레스 시설 건설 당시 이루어졌습니다. 컨설팅 회사인 모트 맥도널드와 BIM 개척자인 조너선 잉그램은 가물막이와 시추공에 설치된 모션 센서를 디지털 객체 모델에 연결하여 모델 내 움직임을 시각화했습니다. 또한, 지반에 그라우트를 주입하여 토양 변동을 안정화하는 효과를 모니터링하기 위해 디지털 주입 객체를 생성했습니다.

의료 산업은 디지털 트윈 기술로 인해 혁신을 겪고 있는 분야로 여겨집니다. 의료 분야에서 디지털 트윈 개념은 원래 제품이나 기기의 예측 분석을 위해 제안되고 처음 구현되었습니다. 디지털 트윈을 통해 의료, 스포츠, 교육 분야에서 데이터 기반 접근 방식을 도입함으로써 삶의 질을 향상시킬 수 있습니다. 기술의 발전으로 수집된 건강 및 생활 습관 데이터를 기반으로 지속적으로 업데이트되는 개인 맞춤형 환자 모델을 구축하는 것이 가능해졌습니다. 궁극적으로 이는 과거 기록에만 의존하는 것이 아니라, 개인의 건강 상태를 상세하게 설명하는 가상 환자를 만들어낼 수 있습니다. 또한, 디지털 트윈은 개인의 기록을 인구 집단의 기록과 비교하여 높은 정확도로 패턴을 파악할 수 있도록 해줍니다. 의료 분야에서 디지털 트윈의 가장 큰 이점은 개별 환자의 반응에 맞춰 의료 서비스를 맞춤화할 수 있다는 점입니다. 디지털 트윈은 개별 환자의 건강 상태를 더욱 정확하게 정의할 뿐만 아니라, 건강한 사람에 대한 인식 자체를 변화시킬 것입니다. 이전에는 "건강"이란 질병의 징후가 없는 상태로 정의되었지만, 이제는 "건강한" 환자를 인구 집단 전체와 비교하여 진정한 건강의 기준을 정의할 수 있게 되었습니다 . 하지만 의료 분야에 디지털 트윈 기술이 도입되면서 몇 가지 단점도 대두되었습니다. 디지털 트윈 기술은 모든 사람이 접근할 수 있는 기술이 아니기 때문에 불평등을 초래하고 빈부 격차를 심화시킬 수 있습니다. 또한, 디지털 트윈은 특정 인구 집단 내의 패턴을 감지하여 차별로 이어질 가능성도 있습니다.

디지털 트윈 개념은 의학 분야에서도 주목받고 있는데, 환자의 가상 모델을 만들어 의료 시술을 시뮬레이션하는 데 활용됩니다. 이를 통해 의사는 치료 전에 환자의 구체적인 상황을 파악할 수 있으며, 수술 시에는 환자 맞춤형 임플란트(예: 인공 관절)를 미리 제작하여 정확하게 삽입할 수 있어 수술 결과 개선과 빠른 회복을 기대할 수 있습니다.

자동차 산업은 디지털 트윈 기술로 크게 발전했습니다. 자동차 산업에서 디지털 트윈은 기존 데이터를 활용하여 프로세스를 간소화하고 한계 비용을 절감하는 데 사용됩니다. 현재 자동차 엔지니어들은 기존의 물리적 형태에 소프트웨어 기반의 디지털 기능을 접목하여 그 가치를 높이고 있습니다. 자동차 산업에서 디지털 트윈 기술의 구체적인 예로는 자동차 엔지니어들이 자사의 분석 도구와 디지털 트윈 기술을 결합하여 특정 차량의 주행 방식을 분석하는 것을 들 수 있습니다. 이를 통해 도로 사고 발생률을 줄일 수 있는 새로운 기능을 제안할 수 있으며, 이는 이전에는 단기간에 달성하기 어려웠던 일입니다.

디지털 기술은 다른 기술과 구별되는 몇 가지 특징을 가지고 있습니다. 이러한 특징은 특정한 결과를 초래합니다. 디지털 트윈은 다음과 같은 특징을 나타냅니다.

연결성

디지털 트윈 기술의 핵심 특징 중 하나는 연결성입니다. 최근 사물 인터넷(IoT)의 발전은 수많은 신기술을 탄생시키고 있으며, 이러한 IoT의 발전은 디지털 트윈 기술의 발전에도 영향을 미치고 있습니다. 디지털 트윈 기술은 연결성이라는 측면에서 IoT의 본질과 많은 공통점을 가지고 있습니다. 이 기술은 물리적 구성 요소와 그 디지털 대응물 간의 연결을 가능하게 합니다. 이러한 연결은 디지털 트윈 기술의 기반이 되며, 이 연결이 없다면 디지털 트윈 기술은 존재할 수 없습니다. 앞서 설명했듯이, 이러한 연결은 물리적 제품에 탑재된 센서가 데이터를 수집하고 다양한 통합 기술을 통해 데이터를 통합 및 전달함으로써 구축됩니다. 디지털 트윈 기술은 기업, 제품, 고객 간의 연결성을 강화합니다. 예를 들어, 공급망 내 파트너 간의 연결성을 향상시키려면 파트너가 제품이나 자산의 디지털 트윈을 확인할 수 있도록 해야 합니다. 파트너는 디지털 트윈에 접근하여 해당 제품의 상태를 간단하게 확인할 수 있습니다.

고객과의 연결성 또한 향상시킬 수 있습니다.

서비스화란 기업이 핵심 사업에 서비스를 통해 부가가치를 더하는 과정을 말합니다. 엔진의 경우, 엔진 제조가 이 기업의 핵심 사업이며, 엔진 검사 및 유지보수 서비스를 제공함으로써 부가가치를 창출합니다.

서비스화

서비스화는 제조업체에 중요한 비즈니스 모델 혁신으로, 기존 제품 포트폴리오가 유형 상품에만 국한되지 않고 상품과 서비스를 결합한 형태로 변화하는 것을 의미합니다. 따라서 서비스화는 기업 차원에서 서비스 기반 사회로 나아가는 전반적인 경제 트렌드를 반영합니다.

서비스화의 사례는 100년 이상 존재해 왔습니다. 그러나 세계화로 인해 독일과 같은 고임금 국가의 기업들이 저임금 국가와의 경쟁에서 자사를 보호하는 수단으로 인식하면서, 서비스화라는 주제는 지난 20년 동안 급격히 중요성이 커졌습니다. 학계에서는 산드라 반더메르베와 후안 라다의 연구 논문을 계기로 서비스화가 ​​독립적인 연구 주제로 자리 잡았습니다.

균질화

디지털 트윈은 데이터 동질화의 결과물이자 동시에 이를 가능하게 하는 디지털 기술로 특징지을 수 있습니다. 이제 모든 유형의 정보나 콘텐츠를 동일한 디지털 형태로 저장하고 전송할 수 있게 됨에 따라, 제품의 가상 표현(디지털 트윈 형태)을 생성하여 정보를 물리적 형태로부터 분리할 수 있게 되었습니다. 데이터의 동질화와 정보의 물리적 형태로부터의 분리는 디지털 트윈의 등장을 가능하게 했습니다. 또한 디지털 트윈을 통해 물리적 제품에 대한 점점 더 많은 정보를 디지털 방식으로 저장하고 제품 자체와 분리하는 것이 가능해집니다.

데이터가 점점 디지털화됨에 따라, 데이터를 빠르고 비용 효율적으로 전송, 저장 및 처리할 수 있게 되었습니다. 무어의 법칙에 따르면, 향후 컴퓨팅 성능은 기하급수적으로 증가하는 반면, 데이터 처리 비용은 크게 감소할 것입니다. 따라서 디지털 트윈 개발에 드는 한계 비용이 낮아지고, 물리적 모델에서 테스트하고 물리적 제품이 고장 날 때까지 기다리는 대신 가상 표현을 사용하여 문제를 테스트, 예측 및 해결하는 것이 훨씬 저렴해질 것입니다.

정보의 동질화 및 분리로 인한 또 다른 결과는 사용자 경험의 수렴입니다. 물리적 객체의 정보가 디지털화됨에 따라 단일 아티팩트가 다양한 새로운 가능성을 제공할 수 있습니다. 디지털 트윈 기술을 통해 물리적 객체에 대한 상세 정보를 위치나 시간에 관계없이 더 많은 에이전트와 공유할 수 있습니다. 마이클 그리브스는 제조 산업 분야의 디지털 트윈 기술에 대한 백서에서 디지털 트윈으로 인해 가능해진 동질화의 결과에 대해 다음과 같이 언급합니다

과거에는 공장 관리자들이 공장을 내려다볼 수 있는 사무실에서 생산 현장의 상황을 파악할 수 있었습니다. 하지만 디지털 트윈을 활용하면 공장 관리자뿐만 아니라 공장 생산에 관련된 모든 사람이 하나의 공장뿐 아니라 전 세계 모든 공장을 한눈에 볼 수 있는 가상 창을 갖게 됩니다.

재프로그래밍 가능하고 지능적입니다

앞서 언급했듯이 디지털 트윈은 물리적 제품을 특정 방식으로 재프로그래밍할 수 있게 해줍니다. 더 나아가, 물리적 제품에 탑재된 센서, 인공지능 기술, 예측 분석 등을 활용하여 디지털 트윈을 자동으로 재프로그래밍할 수도 있습니다. 이러한 재프로그래밍 가능성은 새로운 기능의 등장으로 이어질 수 있습니다. 엔진을 다시 예로 들면, 디지털 트윈을 통해 엔진 성능 데이터를 수집하고 필요에 따라 엔진을 조정하여 새로운 버전의 제품을 만들 수 있습니다. 재프로그래밍 가능성은 서베이션(Servitation)의 결과로도 볼 수 있습니다. 제조업체는 디지털 트윈을 모니터링하고 필요에 따라 조정 또는 재프로그래밍하는 책임을 질 수 있으며, 이를 추가 서비스로 제공할 수 있습니다.

디지털 흔적

또 다른 특징은 디지털 트윈 기술이 디지털 흔적을 남긴다는 점입니다. 엔지니어는 이러한 흔적을 활용하여 예를 들어 기계 오작동 발생 시 디지털 트윈의 이력을 확인하고 문제의 원인을 진단할 수 있습니다. 향후 이러한 진단 결과는 기계 제조업체가 설계를 개선하여 동일한 오작동이 발생하는 빈도를 줄이는 데에도 활용될 수 있습니다.

모듈성

제조 산업의 맥락에서 모듈화는 제품 및 생산 모듈의 설계 및 적용을 의미합니다. 제조 모델에 모듈화를 도입함으로써 제조업체는 모델과 기계를 최적화할 수 있습니다. 디지털 트윈 기술을 통해 제조업체는 사용 중인 기계를 추적하고 개선 가능 영역을 파악할 수 있습니다. 모듈형 기계를 사용하는 제조업체는 디지털 트윈 기술을 활용하여 기계 성능에 영향을 미치는 구성 요소를 식별하고, 더 적합한 구성 요소로 교체하여 제조 공정을 개선할 수 있습니다.