다임러 트럭 Twin4Trucks 생산 디지털화 프로젝트 사례를 통한 주요 통찰력
2025-08-13
다임러 트럭 Twin4Trucks 생산 디지털화 프로젝트 사례를 통한 주요 통찰력
Ekkehard Brümmer는 Daimler Truck의 제조 엔지니어링 수석 관리자이다. Brümmer가 Daimler Truck의 Twin4Trucks 프로젝트를 통해 얻은
주요 통찰력을 AMS와의 인터뷰를 통해 알아본다.
Daimler Truck의 Twin4Trucks 프로젝트는 트럭 생산에서 AI 기반 데이터의 일관성에 대한 중요한 통찰력을 제공한다. AI, 5G 및 로컬 솔루션 분야의
성공과 과제가 제조 발전을 위한 회사의 미래 로드맵 구축에 어떻게 기여하는지 알아본다.
Q: Brümmer 씨, Daimler Truck의 Twin4Trucks 연구 프로젝트는 금년 말에 종료됩니다. 3년간의 연구와 실제 적용을 되돌아보며 가장 중요한 발견은
무엇이었습니까?
A: 많은 파트너와 함께 추진하는 이렇게 큰 규모의 프로젝트는 결코 쉬운 일이 아닙니다. 컨소시엄이 기반을 다지고 생산적인 작업 모드에 들어가는 데는
시간이 걸립니다. 동시에 우리의 사용 사례는 매우 역동적으로 발전했습니다. 이를 통해 프로젝트에 필요한 시간을 잘 관리할 수 있었습니다. 프로젝트의
내용이나 예산보다는 시간 지연이 아주 예민한 것이었습니다. 나는 이러한 것의 설정과 협력이 매우 중요하다는 분명히 확신한다.
Q: 그리고 기대했던 결과 중 어떤 것들이 충족되지 않았습니까?
A: 내용적으로는 개발의 깊이에 확실한 차이가 있었습니다. 시각적 데이터 처리에 AI를 사용하는 등 일부 주제는 매우 빠르게 진행되었습니다.
그러나 제조 환경 속에서의 5G나 위치 시스템 같은 것은 매우 늦게 진행되었습니다. 적합한 파트너를 찾는 데 시간이 걸렸고, 이러한 기술이 구현되어도
원래 기대치보다 성숙도가 낮고 속도가 느렸습니다.
기대와 현실이 여전히 다른 또 다른 주제는 Gaia-X입니다. 컨소시엄 내에서 우리는 높은 기대를 하고 있었으나, 아직 실질적인 구현에 이르지 못하고 있음에
빠르게 동의했습니다. 시스템의 표준화와 성숙화 과정은 우리가 처음에 예상했던 것보다 훨씬 많은 양의 기초 작업이 필요했다는 것을 시사합니다.
Q: 1년 반 전 AMS의 자매 간행물인 Automobil Prodution과의 이전 인터뷰에서 당신은 수집한 데이터를 정말로 사용하고 싶다고 강조했습니다.
디지털 파운데이션 레이어는 Wörth(다임러 트럭 조립공장)의 프로세스 개선에 구체적으로 어떻게 기여했으며 이러한 효과를 어떻게 측정할 수 있습니까?
A: 효과는 특정 사용 사례에서 가장 명확하게 언제나 측정할 수 있습니다. 우리는 (이전에 이러한 형태로 존재했던 적이 없는) 카메라를 통한
데이터 모니터링과 같은 실제 적용 분야에서 여러 측정 시연 사례를 보유하고 있습니다. 수집된 데이터는 프로세스 최적화에 직접 사용할 수 있습니다.
덜 가시적이지만 중요한 것은, 여러 사용 사례에 데이터를 연결하여 어떻게 활용할 수 있는가 그 방법이 문제입니다. 효율적인 작업을 위한 핵심 요소이지만
정량적으로 평가하기는 매우 어렵습니다.
생산에 대한 구체적인 효과가 무엇인지 고려할 때 다음 3가지 이점은 아주 분명해집니다.
•사람의 수동작업 개입 감소
•생산 시간 개선
•작업 부하 또는 업무량 감소.
예를 들어, "Q-Tor" 사용 사례에서 자동 모니터링으로 이전에 했던 수동 스크류 테스트 작업을 없애었습니다. 이를 통해 공수를 절약하고 프로세스 신뢰성을
높일 수 있었습니다. 이에 대한 토대는 마련되었습니다. 아직 부족한 부분은 강력하고 교차적인 데이터 연결입니다. 우리가 두드려 깨워야 할 잠재적 능력이
아직 많이 있습니다.
Q: Twin4Trucks 프로젝트에 대하여 좀 더 구체적으로 말씀해 주세요?
https://www.twin4trucks.de/ueber-uns/
A: 아래 사항을 자료로 드립니다.
•프로젝트 기간: 2022년 9월부터 2025년 말까지
•프로젝트 목표: Twin4Trucks 프로젝트는 독일 Wörth의 다임러 트럭 본 공장의 트럭 생산 디지털 트윈 개발이 목표입니다. 조립 및 자재 공급에서
품질 보증에 이르기까지 생산의 모든 공정에서 데이터의 일관성에 중점을 두고 있습니다.
•프로젝트 파트너: 다임러 트럭(DTAG)이 프로젝트 컨소시엄을 이끌고 있습니다. 파트너는 다음과 같습니다.
-DFKI / SmartFactoryKL(테스트베드 포함)
-Eviden(데이터 교환 Gaia-X 포함)
-Infosys(네트워크/5G)
-Pfalzkom(지역 에지 클라우드)
•기술적 접근 방식: 이 프로젝트는 모든 생산 데이터를 연결하는 디지털 기반 구조인 소위 디지털 기반 계층 구축입니다. 목표는 이전에 격리된
데이터 사일로를 다음과 같은 통합적인 AI 지원 시스템으로 전환하는 것입니다.
-생산 프로세스를 실시간으로 매핑하고,
-자동화된 품질 관리(예: 이미지 처리를 통해),
-수동 바코드 스캐너 없이 콤포넌트 현지화 가능
•다임러 트럭의 중요성: Wörth공장은 다임러 트럭의 생산 네트워크에서 가장 큰 조립 공장입니다. Arocs, Atego 및 Actros 등 약 500대의 트럭을
이곳에서 매일 생산합니다. 디지털 트윈은 효율을 더 높이고 혁신 기술 구현을 가속하기 위함입니다.
Q: 프로젝트 진행의 이정표인 Q-Tor를 이미 언급했습니다. 지금 이 시스템은 얼마나 성숙했습니까?
A: Q-Tor는 필름 기반 데이터를 고해상도로 분석하는 복잡한 시스템입니다. 약 3년의 개발 끝에 이제 높은 수준의 성숙도에 도달했습니다.
선택한 감도에 따라 오경보가 여전히 발생하고 있지만 실제 오류를 감지하는 정확도는 매우 높아졌습니다. 따라서 기술에 대한 사용자의 신뢰도도
높아졌습니다. 지금 시연하는 기간이므로 아직 널리 사용되지는 않지만 기술적 역량은 있습니다.
또한 특히 프런트 엔드를 강조하고 싶습니다. 사용자 인터페이스는 매우 사용자 친화적이고 실용적이어서 일상적인 작업에 쉽게 통합할 수 있습니다.
우리의 인상은 이 시스템이 이제 자동 스크류 검사와 관련된 문제를 안정적이고 효율적으로 해결하는 데 절대적으로 적합하다는 것입니다.
Q: 직원들은 "알고리즘 품질 관리"에 어떻게 반응하고 있습니까?
A: 직원들이 시각화된 조립 프로세스 같은 디지털 정보를 사용하는 일이 점점 더 많아져, Q-Tor 같은 새로운 시스템에 어느 정도의 친숙함을 느끼게 됩니다.
이것은 결코 고립된 솔루션이 아니라 기존 프로세스에 원활하게 통합됩니다. 따라서 수용률이 매우 높습니다. 그 이유 중 하나는 사용 편의성입니다.
정보가 화면에 표시되며 직원은 오류를 즉시 이해하고, 인정하고, 필요한 경우 재작업할 수 있습니다. 오로지 관련 데이터만 표시되어 정확성이 향상되었습니다.
높은 적중률 또한 직원들의 수용에 도움이 됩니다. 작업자들로 부터 부정적인 피드백이 아직 없습니다. 아무도 시스템을 외계 요소로 인식하지 않습니다.
오히려 기존의 부가가치가 없고 육안으로 피곤한 수동 검사 업무를 훨씬 더 안전하고 자동화된 솔루션으로 대체했습니다.
Q: 오류율이 낮아 AI 모델에 합성 이미지를 입력해야 합니까? 이러한 모델은 실제로 얼마나 견고합니까?
A: 실제 데이터의 다양성으로 합성 데이터 없이 AI 모델을 훈련하기에 충분합니다. 그럼에도 불구하고 합성 데이터는 매우 흥미진진한 주제입니다.
DFKI와 함께 대안적인 접근 방식을 조사하고 이에 대한 논문을 발표했습니다. 시뮬레이션 시연에서는 실제 이미지와 CAD 모델에서 생성한 이미지를
결합했습니다. 결과적으로 합성 데이터와 실제 데이터를 결합하면 학습 속도와 정확도가 모두 향상된다는 것을 분명히 보여주고 있습니다.
Q: 그렇다면 향후 다임러 트럭에서도 합성 데이터를 사용할 수 있을까요?
A: 시스템을 안정화하는 데 시간이 조금 더 걸렸을 수도 있으나 우리에게는 실제 이미지를 사용하는 고전적인 접근 방식이 성공적이었습니다. 그러함에도
불구하고 한 가지 분명한 것은 향후 사용 사례, 특히 오류 패턴이 드물기는 하나 합성 데이터의 사용과 매우 관련성이 높다는 것입니다. 그리고 이것은
우리에게만 중요한 것이 아닙니다. 이 결과는 이전에는 비현실적으로 보였던 것을 구현할 수 있기 때문에 중소기업에도 흥미로울 것이다. 이것은 특히
시각 감지 분야 프로젝트에서 우리가 발견한 놀라운 것 중 하나입니다.
Q: 다음은 확장에 대한 질문인데요. 어떤 사용 사례가 양산에 적합하다고 생각하십니까? 그리고 이에 대한 시간적 전망은 어떻게 보십니까?
A: 확장은 두 방향으로 진행되고 있습니다.
첫째, 우리는 기존 사용 사례를 기반으로 새롭고 유사한 사용 사례를 발견하고 있는데, 이는 프로젝트의 좋은 효과입니다. 예를 들어, 이제 카메라를 사용하여
콤포넌트의 완전성도 확인합니다. 특히 흥미로운 사례는 타이어 롤링 방향 자동 관리입니다. 타이어를 잘못 장착하면 승용차 부문에서도 문제가 될 수 있지만
트럭의 경우 상황은 훨씬 더 복잡해집니다.
타이어 유형에 따라 특성이 상당히 다르기 때문에 수동 검사가 어렵습니다. 여기에도 이제 카메라 모니터링 기능이 작동하는 자동 검사를 시연하고 있습니다.
둘째, Q-Tor와 같은 기존 시스템은 기술적으로 매우 높은 수준의 성숙도에 도달했습니다. 이제 출시를 실현하기 위해 기본적인 자원의 문제만 남아 있습니다.
프로젝트가 완료된 후 가능한 한 빨리 Wörth 공장의 3개 조립 라인 모두에 Q-Tor를 적용하고자 합니다.
Q: 현재 특히 높은 비용과 효율성을 생각할 때 이러한 혁신 기술을 신속히 양산에 도입해야 한다는 경영상의 압력을 느끼십니까?
A; 나는 그것을 엄청난 관심으로 더 표현하고 싶습니다. 신속한 기술 구현의 원동력은 주로 기술의 성숙도에서 비롯됩니다. Q-Tor와 같은 시스템이
기술적으로 성숙되고, 효율성 향상이 측정 가능하다면 당연히 이를 실행에 옮겨야 할 비즈니스 의무도 있습니다.
이 프로젝트의 주요 통찰력은 모든 데이터를 수집하여 항상 클라우드에 대규모로 저장하는 것만이 의미 있는 것은 아니라는 사실입니다. 현장의 일부 문제는
원래 발생지점인 로컬에서 효율적으로 해결할 수 있습니다.
Q: Twin4Trucks의 주요 목표는 상호 운용성과 보편적인 데이터 가용성입니다. 이 프로젝트에는 다양한 혁신 속도를 가진 다양한 산업 분야의 많은 파트너가
참여하였습니다. 이번 협업을 통해 어떤 교훈을 얻었나요?
A: 핵심 과제는 균형을 맞추는 데 있습니다. 한편으로는 파트너가 독립적으로 행동하고 각각의 영역에서 책임져야 하고, 다른 한편으로는 개별 장점과
이익 간의 가교를 신중하게 구축해야 합니다. 이것은 처음에는 사소한 일이 아니었습니다. 특히 새로운 플레이어와 익숙하지 않은 업무영역에서 말이죠.
공통된 접근 방식이 먼저 개발되어야 합니다.
한번 이러한 접근 방식을 찾으면 이점이 분명해집니다. 파트너는 데이터 아키텍처 또는 Gaia-X 주제와 같은 특정 주제에 대해 Eviden과 함께 심층적으로
착수할 수 있으며 동시에 구체적인 사용 사례의 실제 구현에 전문 지식을 제공할 수 있습니다. 각 컨소시엄 파트너는 프로젝트 범위에 대한 책임이 있고
독립적인 자금을 받으며 증빙 자료를 제출해야 합니다. 이 구조는 책임을 명확하게 하고 인터페이스에서 필요한 네트워킹 및 협업을 허용합니다.
나는 이것이 매우 기능적이고 유용한 논리라고 생각합니다.
Q: 산업용 엣지 클라우드에 대한 질문입니다. 이 프로젝트의 또 다른 중요한 측면은 Pfalzkom 같은 파트너의 도움을 받아 주로 로컬에서 데이터를
처리할 수 있는 능력입니다. 예를 들어 독일 전체 산업의 모델로 이러한 접근 방식을 취하는 것은 미국의 하이퍼스케일러에 대한 의존에서
벗어나기 위한 것으로 보십니까?
A: 일반적인 용어로 대답하기는 어렵습니다. 이 프로젝트에서 얻은 주요 발견 중 하나는 모든 데이터를 수집하여 클라우드에 대규모로 저장하는 것이
항상 의미가 있는 것은 아니라는 것입니다. 올바른 타이어 롤링 방향과 같은 일부 문제는 현지 공장에서 대응할 수 있습니다. 이러한 사용 사례가 이미
로컬에서 구체적인 부가가치를 창출하는 경우 반드시 중앙 데이터 스토리지가 필요한 것은 아닙니다. 물론 이 데이터는 중앙에 저장할 수도 있습니다.
그러나 즉각적인 유익성이 명확하지 않다면 그 필요성조차 생기지 않을 수 있습니다.
데이터를 사내의 현장에 보관할지, 더 큰 클라우드 시스템으로 이전할지는 회사의 전략에 따라 다릅니다.
이 프로젝트에서 확실히 배운 것은 이미 적절한 인프라를 구축하고 대규모 고객에게 서비스를 제공하는 Pfalzkom 같은 매우 유능한
현지 파트너가 있습니다. 예를 들어, 우리는 파트너의 로컬 데이터 센터 중 하나를 방문하여 그 성능에 깊은 인상을 받았습니다. 이는 신뢰를 구축하고
글로벌 하이퍼스케일러 사용에 대한 실질적인 대안을 제시할 수 있습니다.
반면에 대규모 엣지 클라우드 솔루션은 일반적으로 특히 데이터 집약적이거나 회사 간 어플리케이션에 필요합니다. 예를 들어 다른 플레이어와
데이터를 교환하려는 경우 Gaia-X가 다시 작동하는 곳입니다. 따라서 외부 데이터 스토리지가 실제로 필요한 곳과 어떤 파트너가 업무에 적합한지
신중하게 고려하는 것이 중요합니다.
Q: Twin4Trucks는 Catena-X 생태계에 훌륭한 사용 사례가 될 것입니다.
A: 우리는 Catena-X 생태계의 발전을 매우 면밀히 모니터링하고 있습니다. 이 프로젝트에서 우리는 데이터 교환, 데이터 공간 및 유럽 표준인 특히
Gaia-X에 대해 집중적으로 파고들었습니다. Pfalzkom, Eviden 같은 파트너는 특히 이 분야에서 활발히 활동했으며 심층적인 전문 지식을 제공했습니다.
우리는 이미 당사와 공급업체 간에 데이터가 교환되는 초기 사용 사례를 테스트했습니다. SmartFactory KL을 가상 파트너로 하여 시범적으로 실행해
보았습니다. 관리 셸을 만들어 간단한 데이터를 양방향으로 교환했습니다.
제 생각에는 이것은 매우 관련성이 높은 미래 주제로 훨씬 더 중요성이 높아질 것입니다. 그러나 실용적인 표준이 확립되고 데이터 공간이 OEM과
공급업체에 의해 실제로 대규모로 사용되기까지는 해야 할 일이 아직 많다는 것도 분명합니다. 따라서 우리는 이번 프로젝트 이후 단계에서 Catena-X 주제를
더 자세히 찾기로 하였습니다. 현재로서는 기존 사용 사례를 추가로 테스트하고 기술적 성숙도를 높이는 데 중점을 두고 있습니다.
Q: Twin4Trucks 프로젝트는 종료되지만 데이터 일관성에 대한 주제는 여전히 남아 있습니다. 이 프로젝트의 결과를 바탕으로 현재
Daimler Truck에서 어떤 후속 이니셔티브, 이후 프로젝트 또는 내부 로드맵을 개발하고 있습니까?
A: 프로젝트가 끝난 후에도 계속해서 우리가 해야 할 몇 가지 주제가 있습니다. 관리 범위 내의 리소스 사용으로 AI 기반 솔루션을 얼마나 빠르고 실용적으로
구현할 수 있는지에 대한 문제가 남아 있습니다. 프로젝트에서 다룬 5G 관련 테마도 특히 위치 품질과 관련하여 더 해결해야 할 과제가 남아 있습니다.
잠정적인 결과는 지금까지 중간 정도에 도달했다고 봅니다.
우리는 공급자 환경이 어떻게 발전하는지, 그리고 다음 단계의 잠재적 파트너가 누구인지 면밀히 모니터링할 것입니다. 향후 한 가지 핵심은 혁신기술 구현을
가속화하고 구체적인 사용 사례를 일상적인 생산으로 전환하는 것입니다.
지난 몇 년 동안, 이 프로젝트를 통하여 새로운 가능성의 문을 열었습니다. 예를 들어 AI, 데이터 가용성, 상호 작용 등 많은 영역에서 말입니다.
로그인
회원가입