국방분야 디지털트윈 적용 및 활용을 위한 방안 연구

디지털트윈 개념 및 필요성

오늘날 AI, 로봇, 드론 등과 같은 첨단기술의 발전으로 인하여 점차 생산공정에서의 복잡성이 증대되고 있는 상황이며, 그에 따라 동반되는 센서 및 네트워크 기술의 발전으로 단순 대상장비 외에 연동되는 타 플랫폼간 인터페이스 검증의 중요성이 늘어나고 있다. 또한 이러한 복잡성 증대 외에도 전통적으로 대형 플랫폼을 구축해오고 있는 함정이나 항공 등의 분야에서는 개발대상 설비의 설계검증을 위해서 모델링을 통한 가상 시뮬레이션 활동을 지속적으로 수행해 오고 있는 상황이다.

민수분야에서는 디지털트윈 플랫폼을 구축하여 신규 공정 또는 기존 공정시스템을 구축하여 공정의 생산성 및 효율성을 판단하는 도구로 활용하고 있으며, 이를 통해서 생산비용 계획을 최대 20~30% 가까이 절감하기 위한 필수 요소로 각광받고 있다. 그 밖에 대형 플랫폼에 대한 정비관리 및 의사결정 수단활용 등 다양한 분야에서 적용되고 있으며, 이런 움직임은 첨단기술 및 대형 플랫폼과 모두 연관된 국방분야에 필연적으로 적용될 수 밖에 없는 상황이라고 볼 수 있다.

디지털트윈은 물리적 물체를 정확하게 반영하도록 설계된 시스템 또는 물체를 가상으로 표현한 것으로, 가상세계에 실제 사물의 물리적 특징을 동일하게 반영한 대상(Twin)을 모델링으로 구현하고, 이를 실제 사물과 실시간으로 동기화한 시뮬레이션을 통해서 의사결정에 활용할 수 있는 기술이다.

이 디지털트윈은 과거 개념적으로만 정의하던 기술이었으나, 최근 다양한 요소기술의 등장으로 인하여 빠르게 민수분야에 적용되고 있다. 디지털트윈의 성숙도는 아래 표 1 과 같이 단계화 할 수 있는데, 실시간 데이터 수집하고, 대상체계의 현 상태를 모델링 할 수 있는 단계(ML1)부터 실 디지털트윈을 통한 분석이 가능할 것으로 판단된다. 디지털트윈의 특징으로는 시공간의 제약 없이 가상의 디지털 트윈과 현실 세계간의 상호 피드백이 가능하며, 실시간성을 바탕으로 시뮬레이션 분석을 통해 최적의 의사결정 지원까지 가능하다고 전망되고 있다. 향후 성숙도가 예측(ML4) 및 최적화(ML5)단계에 도달하게 된다면 향후 개발될 AI가 반영된 체계에 대한 정밀분석 및 이상데이터 정제를 통한 AI 재학습 프로세스까지 제시할 것으로 전망되고 있다.

현재 국방분야에서는 무기체계의 첨단복합화로 인하여 소프트웨어로 구현되는 기능의 비중은 한없이 증가하고 있는 추세이며, 센서 및 네트워크 발전으로 인한 미래전장환경의 복잡성 증가는 단순하게 문서적인 설계활동으로는 기능의 완전성을 담보하기 어려운 현실이다. 이런 시류에 맞춰서 국방분야 품질을 담당하는 국방기술품질원(이하 기품원)은 첨단기술이 적용된 무기체계에 대한 시험/평가는 물론 다양한 기술에 대한 인증기관의 역할까지 대내외적으로 요구받고 있는 상황이다. 따라서 기존 무기체계의 시험/평가 프로세스와는 별개로, 첨단기술이 반영된 무기체계에 대한 다양한 케이스의 시험/평가는 기술 특성에 따른 별도의 프로세스 및 방안이 구축되어야 한다.

이에 대한 대안으로 제시할 수 있는 기술을 디지털트윈으로 볼 수 있으며, 첨단기술이 반영된 무기체계의 안전성 및 신뢰성을 확보하기 본 디지털 트윈을 적용해야 하는 이유를 세부적으로 제시해보면

1. 실시간 성능 모니터링 및 예측
디지털 트윈의 가장 큰 특징으로는 실시간 모니터링을 들 수 있다. 구성을 살펴보면 실제 체계를 모티브로한 물리적 트윈과 가상 모델링을 기반으로 한 디지털 트윈, 그리고 이를 연결하는 데이터 인터페이스로 정의할 수 있다. 이렇게 구축된 두 체계 간 인터페이스를 바탕으로 실시간성을 확보함에 따라 단순 모델링에 따른 가상시뮬레이션이 아닌 개선된 시뮬레이션을 수행할 수 있다.

또한 AI가 반영된 장비의 비정형적인 동작이나 블랙박스적 의사결정 과정에 대한 대비책을 마련할 수 있다. 현재 AI, 특히나 심층 신경망이 반영된 모델의 경우에는 실제 답을 도출하게 되는 내부 프로세스에 대한 해석이 제약됨에 따라 블랙박스적 특징에 대한 답을 도출하기 위해서 설명가능한 AI에 대한 연구가 활발하게 진행되고 있는 상황이다.

하지만 설명가능한 AI의 경우에는 AI에서 결과가 도출된 후 그 결과를 판독하고 추적하며 내부 프로세스를 유추하고, 모델 해석 가능성에 대한 확률을 제시하는 방안임에 따라 임무긴요도가 중요한 무기체계에서 안전성과 신뢰성을 확보하기 위한 근본 대책으로 보기는 어렵다.

따라서 AI가 반영된 무기체계의 예기치 못한 동작에 대한 실시간 모니터링 방안을 마련함으로써 다양한 케이스에 대한 실시간 성능 데이터를 수집하고, 이를 다시 예측모델에 반영 및 개선함으로써 시스템의 잠재적인 위험을 예방하는 차원에서 필요성이 요구된다. 즉 디지털 트윈을 통해서 실시간 데이터 수집은 물론 즉각적인 피드백을 제시/반영할 수 있는 루프를 구성함에 따라 지속적인 성능개선과 위험 감소를 수행하는 체계를 마련할 수 있을것으로 기대한다.

2. 시나리오 기반의 시험
현 개발 프로세스상에서는 개발비용, 시간, 공간의 제약 및 위험성으로 인해서 실제 운용환경에 준하는 시험환경을 구축하고, 다양한 테스트 시나리오를 검증하는 것이 어려운 것이 현실이다. 결국 운용단계에서 가장 빈번하게 발생되는 소프트웨어 기술변경 문제인 실 운용환경에서 운용자 관점의 다양한 테스트 케이스에 대한 검증이 어려운 상황이기 때문에 이를 보완하기 위한 방법으로 디지털트윈을 제안할 수 있다. 디지털트윈을 활용하여 실 환경을 모사할 수 있으며, 모듈별 상호작용을 사전에 구축 및 검증함으로써 다양한 테스트 시나리오에 대한 모델링 검증을 수행할 방안을 제시할 수 있다.

3. 시스템 통합 및 호환성 검증
무기체계의 첨단복합화로 인하여 현 체계의 흐름은 단일체계의 단독동작에서 다중체계간 상호 인터페이스를 바탕으로하는 시스템 통합 방향으로 흘러간다고 볼 수 있다. 기품원 첨단기술팀에서 연구하고 있는 K-MOSA나 K-RMF 역시 이런 체계통합을 기반으로 하는 기술이다. 즉 MOSA 개념을 적용하여 공통 아키텍처 기반으로 체계 구성을 모듈화하고, 모듈화된 구성요소들이 통합됨에 따라 내/외부 인터페이스에서 대한 사이버 위협을 대비하는 개념(RMF)이 반영된 것이다. 이를 위해서는 모듈화된 구성요소간의 시스템 통합 및 사이버 보안 점검을 위한 인터페이스 간의 호환성 검증이 필수적으로 요구된다. 하지만 이런 다종체계간 연동되는 환경을 시험하기 위해서는 실 장비에서의 예측적 검증보다는 가상환경에서 시스템 모듈간의 상호작용에 대한 검증이 예산이나 시간적 측면에서 더 효율적이라고 볼 수 있다. 따라서 디지털트윈을 통해 신규 모듈 및 체계간의 통합전에 그 호환성을 검증하고, 예상되는 문제를 사전에 식별할 수 있다는 점에서 디지털트윈의 효용성을 확인할 수 있다.

앞서 정리한 바와 같이 기품원은 첨단기술이 적용된 무기체계에 대한 시험/평가는 물론 다양한 기술에 대한 인증기관의 역할까지 대내외적으로 요구받고 있는 상황이다. 즉, 기존 무기체계의 시험/평가 프로세스와는 별개로, 첨단기술이 반영된 무기체계에 대한 기술적 특성을 반영한 별도의 프로세스 및 방안을 구축해야 한다.

기존 무기체계의 경우에는 체계개발 단계를 거치면서 요구사항에 대한 기능구현 및 만족여부를 DT/OT를 통해서 확인하는 과정을 거치고, 추후 규격화/운용을 거쳐 형상통제를 통한 추가개선과정을 거치게 된다. 하지만 첨단기술이 반영된 장비 및 체계의 경우에는 단순 요구사항에 따른 기능확인 외에, 실제 기술별 특성이 반영되었는지(MOSA의 5원칙이 반영되었는지, 공통 아키텍쳐가 적용되었는지, RMF 평가항목을 만족하였는지 등)를 추가적으로 검증해야하며, AI가 포함된 체계의 경우에는 실시간 모니터링의 중요성이 강조됨에 따라 기존과 별도로 디지털트윈이라는 기술이 국방분야에서도 범용적으로 적용되어야 할 것으로 판단된다.

따라서 본 고에서는 현재 민수분야에서 디지털트윈을 어떻게 활용하고 있는지 사례위주로 분석하고, 그 결과를 바탕으로 국방분야 디지털트윈 모델 및 산출물에 대한 지속적인 관리와 발전을 위해서 국방분야 디지털트윈 지원 플랫폼을 구축하는 안을 제시하고자 한다.

민수분야 디지털트윈 적용 사례

엔비디아(Nvidia)

엔비디아에서 제공하는 플랫폼인 Omniverse는 OpenUSD(Universal Scene Description) 기반 3D 워크플로우 및 어플리케이션을 개발할 수 있는 기능을 제공한다. 여기서 OpenUSD는 Pixar에서 개발하여 공개된 소프트웨어로, 다양한 효과(모델링, 쉐이딩, 애니메이션, 조명 등)를 3D로 구현할 수 있고, 상황에 따라 변형이 가능함에 따라 개발자 및 고객간의 기술적 구현을 시각화하도록 제공하는 소프트웨어다. OpenUSD를 기반으로 함에 따라 Omniverse에서는 모델링 현상, 장면의 구조, 조명, 애니메이션를 효율적으로 관리 및 설계에 활용할 수 있으며, 추가적으로 엔비디아의 자체기술로 구현된 RTX 렌더링 기술과 피지컬 AI를 활용하여 3D 세상에서 공간적 관계와 물리적 현상까지 구현할 수 있다.

그림 2. OpenUSD(좌) 및 Omniverse(우) 구성(예)

최근 민간업체에서도 Omniverse를 활용하여 자체 공정의 효율성 재고를 위해 디지털트윈 공장을 구축하고 있고, 신규 공장을 건설하거나 새로운 모델을 생산할 때 가상의 공장에서 생산성을 검증하는 사례가 늘어나고 있다. 2025년 최근 BMW에서도 전 세계 30개 이상의 생산시설에서 디지털트윈을 활용해 생산 계획을 가속화 하는 버추얼 팩토리(Virtual Factory)를 선언하였고, 2027년까지 40개 이상의 신규 및 업데이트 차량을 안정적으로 생산할 기반을 마련할 것이라 발표하였다. BMW에서는 엔비디아의 Omniverse를 기반으로 디지털트윈을 구축하고 있으며, 이를 통해 생산 계획 비용을 최대 30% 절감할 것으로 전망할 만큼, 대형 제조업에서 생산성 제고를 위해 필수적으로 소요되는 요소로 디지털트윈이 꼽히고 있다. 그 밖에도 대만의 폭스콘(Foxconn)이나 글로벌 모션 기술의 셰플러(Schaeffler)에서도 최근에 Omniverse를 활용한 디지털트윈 구축을 발표하였다.

그림 3. [BMW] 디지털트윈으로 구축한 버추얼 팩토리(예)

보잉(Boeing)

항공우주분야의 경우에는 대상체계에 대한 디자인 및 제작 비용이 과다하게 발생함에 따라 설계분야부터 엔지니어링/조립, 유지관리 단계에 이르기까지 디지털트윈 기반의 모델링 기술을 접목해오고 있다. 특히 미국의 보잉사는 자사 비행기에 디지털 트윈을 적용하여 AR 기반의 항공기 검사를 수행하고 있으며, 10만개가 넘는 합성 이미지를 생성하여 머신러닝 알고리즘 교육을 통해 실 정비에 활용하고 있다.

그림 4. [Boeing] 디지털트윈을 활용한 AR 항공기 검사 시스템(예)

DNV(Det Norske Veritas)

DNV는 해양, 석유 및 가스, 에너지, 전기화 등 선급/해양 및 에너지 분야를 선도하는 기관으로, 항공우주분야와 마찬가지로 함정분야 역시 디지털트윈을 활용한 플랫폼이 체계 전순기 보편화되어 적용되고 있다. 선급(Classfication)은 선박의 등급을 매겨서 분류하는 기관으로 선박의 구조 및 설비등에 대한 검사를 통해 일정 기준에 합격한 선박에 대해서 선급을 부여함에 따라 선박의 최초설계부터 최종 건조완료단계 까지 전단계에 걸친 승인업무를 의미한다. 따라서 이런 선급을 선도하는 DNV에서는 최초설계부터 정형화된 디지털트윈 플랫폼을 구축하여, 모델링에서부터 실제 구축을 위한 전반적인 물리적 특성까지 검증할 수 있도록 제공하고 있다. 이 플랫폼의 명칭은 OSP(Open Simulation Platform)로 전체 선박에 대한 시스템 및 해양장비에 대한 공동 시뮬레이션을 제공하는 공개 소프트웨어로써 해양 산업에 대한 기술적 엔지니어링 검증을 위한 도구와 프로세스는 물론 시뮬레이션을 통한 시스템 통합 및 테스팅 기능까지 제공하고 있다.

OSP는 FMI(Functional Mock-up Interface) 표준 기반의 중앙집중형 지원 플랫폼으로써 선박 관련 다양한 장비들의 상호연동을 통한 성능평가와 인증 등의 서비스를 제공하고 있다. OSP에서 따르고 있는 FMI 표준은 공동 시뮬레이션을 위한 개방형 표준으로 동적 시스템에 대한 시뮬레이션 모델교환을 위한 목적으로 활용된다.

그림 5. [DNV] 디지털트윈을 활용한 OSP 구조 및 시뮬레이션 기능(예)

한국수자원공사

한국수자원공사에서는 실시간 데이터(공간 및 연계)를 디지털트윈 플랫폼으로 전달받아 시뮬레이션 및 의사결정 체계를 수행할 수 있는 디지털트윈 물관리 플랫폼을 구축하여 운영하고 있다. 지난 2021년부터 세계 최초로 댐-유역-하천을 잇는 원 시스템 물관리 플랫폼을 섬진강 유역에 시범적으로 구축하였고, 5대강 유역은 물론 전 국토 디지털 트윈 구축을 목표로 구축해나가고 있다. 그 밖에 전세계 최초로 디지털트윈 물관리 기술을 해외(사우디) 수출을 달성하는 등 디지털전환 가속화를 추진하고 있다.

그림 6. [수자원공사] 디지털트윈을 활용한 물관리 플랫폼

국내 국방분야 디지털트윈 활용관련 연구사례

이처럼 다양한 분야에서 디지털트윈이 실제 제조나 국가 시스템 관리차원에서 실제 양산이나 운영을 수행하기 전에 가상 시뮬레이션을 통해 경쟁력을 확보하는 방안으로 급부상하고 있는 상황이다. 그에 따라 본고에서 제안하고자 하는 방안 외에 국내 국방분야에 디지털트윈을 적용하고자 하는 연구(제조분야, 교육훈련, 군수보급, 감시정찰, 사이버보안, 의사결정 지원 등)이 이미 제시되고 있다. 아직은 연구 및 제안단계이지만 작전계획 수립 과정에서 디지털트윈 개념을 적용하여 다양한 전장 분석을 가능하게 하는 전장 디지털트윈 모델링 방법을 제안하거나, 실제 해양무인시스템과 동일한 디지털트윈 가상환경을 구축하여 시험장 검증을 위한 프레임워크 설계에 적용하는 방안 등 다양한 요소로 연구되고 있는 상황이다.

국방분야 디지털트윈 적용을 위한 제언

본 장에서는 국방분야 품질을 담당하는 기품원에 한정하여 기 부여된 역할 내에서 국방분야에 디지털트윈을 적용하기 위한 방향성을 제언하고자 한다. 이는 실제 규정화된 사항이 아니며 2025년 기품원 연구그룹 내에서 디지털트윈을 활용하기 위한 자체 연구한 내용을 제시하는 것으로써 추후 관련기관과의 논의를 통해서 재정립될 필요성이 있다.

현재 디지털트윈 관련된 규정은 방위사업청 예규 제893호(2023.12.28.) ‘무기체계 디지털 트윈 활용 지침’에서 규정하고 있으며, 기품원의 역할로 ‘통합사업관리팀장으로부터 이관 받은 디지털 트윈 활용결과 및 산출물에 대한 관리’를 지정하고 있다. 이는 단순하게 체계개발 단계에서 구현된 디지털 트윈 산출물을 DB로 관리를 해야한다는 의미를 넘어서, 향후에는 이전 사업에서 구현된 디지털트윈의 모델이나 메타데이터를 분석/개선 및 타 사업에서 활용할 수 있도록 기술지원 할 수 있도록 발전시켜야 한다는 의미로도 볼 수 있다.

앞선 민수분야 디지털트윈 사례에서 볼 수 있듯이 디지털트윈을 지속 발전시키기 위해서는 기본적으로 디지털트윈 산출물이라고 할 수 있는 모델링 데이터, 메타데이터값, 분석결과 등을 지속관리 하면서 가상환경내에 구현 및 테스팅을 할 수 있는 플랫폼이 필요하다고 판단하였다. 따라서 기 부여된 기품원의 역할 내에서 디지털트윈 결과물을 지속 활용할 수 있도록 중앙집중형의 국방 디지털트윈 지원 플랫폼 구축(안)을 제언한다. 이 플랫폼은 민수분야의 DNV에서 제공하는 OSP를 차용한 것으로써, 기존 체계개발단계에서 발생된 산출물들을 관리하고, 디지털트윈을 위한 가상환경 구축, 모델링, 구현, 통합 등을 수행하는 일련의 플랫폼으로 구상할 수 있으며, 최종적으로는 기 보유한 모델값과 메타데이터들을 조합하여 신규 체계개발 사업에 활용할 수 있는 최적의 라이브러리를 추천해주는 방안까지 탑재된다면 신규 사업의 디지털트윈 구축의 장벽을 최소화 할 수 있을 것으로 기대한다.

국방분야에서 디지털트윈 지원 플랫폼이 필요한 이유는 앞으로 체계별로 별도로 개발된 디지털트윈 산출물이 발생될 것이며, 국제 표준(예, FMI 등)의 준수여부와는 별개로 체계업체별로 개발된 디지털트윈을 연계하고 성능을 확인할 수 있는 기본 플랫폼이 존재해야 디지털트윈의 활용성을 극대화 할 수 있을것이라고 볼 수 있기 때문이다. 또한 일관성 관리, 호환성 증대, 개발품에 대한 정합성 검토를 바탕으로 신규 개발되는 사업에 적용된 디지털트윈 구축 지원을 위해서라도 전체 산출물을 관리하는 플랫폼이 필요할 것으로 판단된다.

본 고에서 제시하는 플랫폼은 국방 디지털트윈 산출물을 관리/연계/개선할 수 있는 지원 플랫폼으로써 1. 관리, 2. 분석. 3. 활용/조합. 4. 추천까지 총 4단계로 구분하였다.

1. 관리

• 모델 관련 라이브러리 저장
• 체계 사업별로 유형에 따른 모델 및 메타데이터 관리기능
• 아티팩트(모델) 관리, 메타데이터 관리, 무기체계 사업관리, 버전/SBOM/라이선스 관리

2. 분석

• 입력된 모델별 분석(정적(인터페이스 단위, 코딩/모델 규칙 준수여부, 일관성 등), 동적(이벤트/시나리오 검증 등), 유효성 검증 등)
• 정적분석, 동적분석, 민감도/파라미터 분석, 운용 시나리오 시뮬레이션, 병행 시뮬레이션, 결과 비교/검증

3. 활용/조합

• 모델별 연결(OSP의 Co-simulation 참조) 및 구성한 모델 세트 시뮬레이션 수행/모니터링 기능
• 통합(Orchestrator)운용, 시뮬레이션 구성/실행, 성능 모니터링

4. 추천

• 신규 체계개발사업의 정보(구성요소(엔진, 센서 등), KPI(속도, 사거리 등), 운용환경 등)에 따른 기 보유 라이브러리 매칭 및 추천
• 신규 사업 정보 입력, 후보 라이브러리 선별, 인터페이스/호환성 검증, 조합 및 평가, 최적 조합 추천

위와 같이 디지털트윈 지원 플랫폼을 구축하여 무기체계 개발단계에서 도출된 산출물(모델, 메타데이터 등)을 입력하고, 분석 및 조합과정을 거쳐서 추후 신규 개발사업 수행 시, 유사 라이브러리를 분석하여 재활용 할 수 있도록 제시하는 프로세스를 마련할 수 있도록 구축된다면 향후 개발사업에 적용되는 디지털트윈의 문턱을 낮출 수 있는 수단이 될 것으로 기대한다.

추가적으로 향후에는 AI가 반영된 체계개발의 경우에도 본 플랫폼을 활용하여 안전성 및 신뢰성을 확보하기 위한 수단으로 활용될 수 있을것으로 기대한다. 디지털트윈의 강점은 실시간 모니터링이 가능하고, 실 데이터를 획득하여 분석한다는 점에 있기 때문에 AI의 환각현상이나 이상데이터로 인한 동작을 식별하고 개선하기 위해서는 운용 중 데이터를 분석할 수 있는 가상환경이 마련되어야 할 것으로 판단한다. 따라서 본 디지털트윈 지원 플랫폼이 구축된다면 실시간 모니터링 네트워크를 구축하여 실제 센서데이터 수집 및 가상데이터를 모사하여 실제와 가상 데이터 동기화를 수행함으로써 실제 AI 실행값과 모델 기댓값과의 비교를 통해 성능편차를 분석하고 이상탐지와 원인 분석을 수행할 수 있을것으로 생각한다. 이와 같은 프로세스가 구축된다면 수집된 이상데이터의 정제를 통해 데이터셋을 보강하고 가상환경에서 AI 재학습 및 모델 검증을 완료한 후에 실제 장비에 탑재하는 방식으로 AI 장비의 안전성을 확보할 수 있을 것으로 기대한다.

결론

이미 민간분야에서는 생산공정의 효율성 및 타당성 검증을 위해 디지털 트윈을 활용하는 전략을 적극적으로 활용함에 따라 국방분야 역시 체계별 다수의 대형 플랫폼을 만족해야 하는 상황에서 디지털트윈의 적용을 필수적인 요소라고 볼 수 있다. 국내 국방분야에서도 디지털트윈을 적용하기 위한 다양한 연구활동이 진행되고 있으며, 본 고에서도 연구그룹을 통해 자체적으로 기품원이 디지털트윈을 활용할 수 있는 방안에 대해서 제시하였다. 향후 관계기관과의 논의를 통해서 방향성이 확보된다면 신규 개발되는 체계에 대한 가상환경 구축을 용이하게 하고, 첨단기술에 대한 안전성을 확보할 수 있는 기반이 될 것으로 기대한다.