DOI: https://doi.org/10.13161/kibim.2019.9.4.051
디지털 트윈 개념을 적용한 프로토타이핑 기반 디자인 프로세스: 기초연구
Prototyping-based Design Process Integrated with Digital-Twin: A Fundamental Study
김진웅1), 김성아2)
Kim, Jin-Wooung1) · Kim, Sung-Ah2)
Received November 26, 2019; Received December 04, 2019 / Accepted December 04, 2019
ABSTRACT: In the general manufacturing sector, prototyping used to reduce the risks that can arise with new conceptual products.
However, in AEC area, it does not mass-produce a building, so the prototype itself becomes a building. Therefore, it is challenging to have prototyping of the same scale as the real thing, and the prototyping process in architecture is very inefficient. The prototyping process in the design stage typically assumes making a scaled model, partial model, or digital model. However, it is difficult for these models to correspond to the actual building and the environment of time and space such as scale, material, environment, load, physical properties and deformation, corrosion, etc., unlike the actual building. When using the digital twin concept in the prototyping process, it is possible to measure performance from the design stage to the operation stage. The digital twin was found by a method for monitoring based on physical twins and real-time linkage in the operation stage. Therefore, if the digital twin concept is applied at the design stage, it is possible to predict performance using not only current performance but also history information using real-time information. In order to apply the digital twin concept to the prototyping design process, we analyze the theoretical considerations and the prototyping design process of the digital twin, analyze the cases and research results where the prototyping design was applied, Provide an applied prototyping design process. The proposed process is tested through a pilot project and analyzed for potential use.
KEYWORDS: BIM, Digital-Twin, Prototyping, Design Process, Noise Barrier Tunnel, Design Automation 키 워 드: 빌딩정보보델, 디지털트윈, 프로토타이핑, 디자인 프로세스, 방음터널, 설계자동화
1. 서 론
1.1 연구의 배경 및 목적
산업계에 새로운 기술이나 개념의 도입은 일반적으로, 산업 발 전의 원동력이 된다. 산업계가 새로운 개념 혹은 신기술을 받아 들이는 경우, 이러한 새로운 개념의 제품이 기존의 프로세스는 대응하기 어렵다. (Kim 2017) 따라서 일반적인 제조업 분야에서 는 새로운 개념의 제품에서 발생할 수 있는 위험을 낮추기 위해 프로토타이핑 기법을 활용해 제품과 제품을 생산하기 위한 제조 프로세스를 모두 최적화한다. 제품 생산 프로세스가 최적화된 이 후, 제조업 분야에서는 제품을 양산할 수 있다. 양산을 통해 생
산된 제품은 각각의 인스턴스를 프로토타입으로 활용할 수 있다.
따라서 대량 생산을 통해 생산된 프로토타입을 통해 프로토타이 핑할 수 있으며 위험을 낮추고 제품의 완성도를 높일 수 있다.
(Robertson and Ulrich 1998)
그러나 건축물은 일반적인 제조업과는 다른 특성이 있다. 건축 물은 일회성과 단독성의 성질을 갖기 때문에 제조업에서의 대량 생산과 같은 생산 방식이 불가능하다. 따라서 각각의 프로토타 입이 건축물이 되므로 프로토타입의 개념이 존재하지 않는다. 이 러한 이유로, 일반적인 프로토타이핑 기법을 건축 설계 프로세스 에서 활용하는 것은 불가능하다. 일반적으로 건축 설계 과정에는 축소모형, 부분 모형, 혹은 디지털 도구 기반의 모델을 프로토타
1)학생회원, 성균관대학교 미래도시융합공학과 박사과정 ([email protected])
2)정회원, 성균관대학교 건축학과 교수 ([email protected]) (교신저자)
입으로 가정한다. 그러나 이러한 모델은 실제 건축물과 규모, 재 질, 환경, 하중, 물성과 같은 특성들이 다르다. 특히, 건축물에 있 어 성능은 운영단계에 접어들어 실제 거주자가 거주하며 생활하 는 단계에서 발생하므로, 시간의 흐름에 대한 성능의 변화나 계 절, 환경과 같은 공간적인 요인에 의한 성능 변화가 발생한다. 건 축에서 성능 평가는 실제 건축물이 완성된 이후 거주자가 생활할 때, 설계로 인한 성능의 저하를 확인할 수 있다. 거주 후 평가가 (Post Occupancy Evaluation) 이에 해당하는 기법인데, 거주 후 평가의 경우, 설계의 성능분석이 실제 거주의 단계까지 이어진 다. 설계 실패가 발생할 경우, 설계 실패의 사례를 참고해 다음의 설계과정에서 반영하기 때문에 피드백의 과정이 매우 느리며, 거 주자가 불편함을 감수해야 한다.
이러한 맥락에서 새로운 개념의 건축물은 설계 단계에서 기존 의 설계 프로세스나 프로토타이핑 기법으로 대응하기 어렵다. 특 히, 건축물의 완공 이후의 성능을 예측하는 것은 더더욱 어렵다.
따라서, 건축 분야에 새로운 개념의 건축물이 도입되거나 신기술 이 도입될 경우, 일반적인 제조업 기반의 제품에 비해 설계 실패 로 인한 위험 발생 가능성이 크고, 또한 위험의 규모가 커진다. 이 처럼, 건축물의 성능을 예측하거나 고려하지 않고 설계를 진행하 는 것은 매우 위험이 크기 때문에, 이러한 새로운 개념의 건축물 에도 대응할 수 있는 프로토타이핑 기법이 필요하다. (Kim 2017).
생활양식의 변화, 공유경제 활성화, 3D프린팅, IoT 등 관련 기 술의 급속한 발전 등으로 건축물을 설계 단계에서 프로토타이핑 하고 그것의 상업적 성공 가능성을 극대화하면서 사용 단계에서 는 거주자가 더는 실험을 경험하지 않을 수 있는 새로운 주거 유 형이 출현할 가능성이 커졌다. 예컨대, 3D프린터나 IoT와 같은 기 술들이 활용 가능해지면서, 설계 단계에서 신속하게 실제 건물과 같은 환경을 구현할 수 있게 되었으며, 데이터를 측정하고, 학습 한 후 설계를 보완하는 것이 가능해졌다. 특히 디지털 도구의 발 전은 프로토타입과 함께 진화하는 디지털 모델을 프로토타이핑 과정에서 발생하는 데이터와 결합하여 시뮬레이션과 분석을 고도 화할 수 있다. 이때 결합하는 데이터는 실제 건축물에서 발생하는 데이터와는 그 성격이나 규모에서 다르다. 따라서, 모사 데이터를 만들거나 데이터를 가공하는 신체조건 컴퓨팅, 기계학습의 기법 을 통해 모사와 현실의 차이를 극복하는 기법이 필요하다.
프로토타이핑 과정에 디지털 트윈 개념을 도입하면, 설계 단계 에서부터 운영단계의 성능을 고려한 설계가 가능하다. 또한, 물 리적 프로토타입인 축소모형이나 부분 모형을 통해 현실을 모사 할 수 있다. 디지털 트윈은 디지털 모델을 기반으로 물리 모델 을 생성하며 둘 사이의 연동으로 발생하는 데이터를 활용해 운영 단계의 예측모델을 구현할 수 있다. 건축물의 디지털 트윈을 프 로토타이핑 프로세스를 통해 발전시켜 주기가 반복될수록, 설계 자가 구상한 이상적인 건축물과 비교해 디지털 모델의 충실도
(Fidelity)가 증가한다. 궁극적으로, 실체 건축물보다 더 많은 정보 를 포함한 As-Is 수준의 건축물을 디지털 버전으로 구현할 수 있 다. (Kim 2017) 따라서, 본 연구는 프로토타이핑 과정에 디지털 트윈 개념을 도입해 설계 단계부터 운영단계의 성능을 예측할 수 있는 프로토타이핑 프로세스를 제안한다.
1.2 연구의 범위 및 방법
제품 개발 프로세스에서 신기술 혹은 신개념의 제품이 개발되 는 과정을 분석하고, 이를 통해 프로토타이핑 과정을 분석한다.
건축 분야에서도 새로운 개념의 건축 부재나 건축물에 대응할 수 있는 프로토타이핑 기법을 선행연구와 사례 통해 분석한다. 디지 털 트윈 개념을 적용하기 위해서 디지털 트윈의 개념을 정의하 고, 디지털 트윈의 개념 중 프로토타이핑에 활용할 수 있는 개념 을 도출한다. 분석한 프로토타이핑 디자인 프로세스와 설계 대안 의 발전 과정을 분석해 디지털 트윈의 개념을 설계 적용한다. 이 러한 과정을 통해 도출된 디지털 트윈 기반 프로토타이핑 디자인 프로세스를 파일럿 프로젝트를 통해 테스트한다. 테스트 과정에 서 프로토타이핑 디자인 프로세스를 보완하고 추후 연구과제를 도출한다.
건축 분야에서 프로토타이핑에 관한 연구는 Jung and Kim(2018)에 Lean Startup 프로토타이핑 기법을 활용한 연구와 Kim(2019)이 물리 모델과 디지털 모델을 활용한 프로토타이핑 프로세스를 분석했다. (Jung and Kim 2018, Kim 2018)이 둘의 연구 이외에도 프로토타이핑에 관한 연구가 진행되었으나, 디지 털 트윈 개념에 적용하기 위해 물리적 모델과 디지털 모델의 연 동을 기반으로 하는 연구 모델에 한정하였다. 또한, 프로토타이 핑 프로세스의 생성, 평가, 보완의 개념이 명확한 사례로 한정하 였다.
2. 이론적 배경
2.1 건축 설계와 가상 건물(Virtual Building)
설계의 결과물은 설계자의 심상에 존재하는 이상적인 설계 대 상물을 다양한 매체로 표현한 것이다. 설계를 진행하는 과정은 초기 추상적 관념 상태의 건축물을 구체적인 건축물의 모습으 로 진화하는 것이다. 설계자는 설계과정을 통해 심상의 건축물 을 진화시키며, 이에 따라 표현물 또한 공진화한다. 예컨대, 디지 털 도구가 활용되기 이전, 전통적인 설계 단계에서 설계자는 설 계 매체로 스케치 또는 도면을 활용하거나, Mock-up을 통해 표 현할 수 있었다. 최근에는 이러한 설계과정에 정보의 저장, 재사 용, 표현이 쉬운 디지털 방식을 접목하고 있다. 설계자는 초기의 디지털 모델을 설계자의 심상을 실체화하거나 구체화한 이미지
로 표현하기 위해 활용했다. 이후 파라메트릭 설계 기법, 시뮬레 이션 도구 및 건물 정보 모델과 같은 기법과 도구들이 발달하면 서, 설계자가 구현할 수 있는 설계 구현 범위를 확장했다. (Kim 2017) 이론적으로, 디지털 모델은 자동차 산업이나 항공기 산업 과 같이 모든 건축물 구성요소를 표현할 수 있어서 실제 건축 물 (As-Built) 수준으로 구체화할 수 있다. 디지털 모델이 진화 (Versioning)하여 LOD (Level of Detail)이 높아지고 디지털 모 델인 설계 대안들이 하나로 수렴되어 실제 건축물을 표현한 상 태가 될 때 그러한 모델을 가상 건물(Virtual Building)이라고 하 며 As-Is BIM으로 통칭한다. 가상 건물은(Virtual Building) 실제 건축물을 구현하기 위한 목표이자 절차를 담은 명세이다. Virtual Building은 건축물이 완공되면 그 건축물의 디지털 버전으로 존 재하며, 통시적으로 건축물에서 발생한 이력과 정보를 무한히 포 함할 수 있다. 예컨대, 건축물이 완공된 후 운영단계에서 Virtual Building은 건축물에서 발생하는 정보를 각종 센서를 통해 관측 할 수 있어서, 이 과정에서 얻을 수 있는 사용자의 행태, 건물의 거동 변화, 건축물의 상태와 같은 정보들은 건축물 빅데이터로 활용할 수 있다. 실시간 건물 빅데이터와 Virtual Building의 결합 체를 디지털 세계에서 동시에 재구성한 것을 디지털 트윈이라고 한다.
2.2 디지털 트윈의 정의와 건축에서의 활용 방안
Grieves는 2002년에 최초 디지털 트윈 개념을 PLM (Product Life cycle Management)의 이상적 개념 모델로 제안했다. 이때 의 개념 모델은 ‘물리적 시스템’과 ‘물리적 시스템에 대한 모든 정보를 포함하는 가상 시스템’의 두 가지 시스템으로 구성된 모 델을 의미했다. (Grieves 2018) 이후 2010년 Vickers는 NASA에 서 ‘물리적 산물(Product)’, ‘디지털 혹은 가상의 산물(Product)’, 그리고 ‘두 산물(Product)의 연결’의 세 가지 구성요소로 구성된 것을 디지털 트윈의 개념으로 정의하였다.(Piascik, Vickers et al. 2010) Lee(2015)는 실제 기계(Machine)과 상태를 시뮬레이션 한 실제 시스템의 결합 모델이라고 정의했다. (Lee, Bagheri et al. 2015) 그러나 Bacchiega는 물리적 시스템의 디지털 복제본 이라고 정의했으며, (Bacchiega 2017) Tao(2018)는 물리적 데이
터, 가상 데이터 및 상호작용 데이터를 사용하여 제품 수명주기 의 모든 구성요소를 실제로 대응한 모델로 정의했다. (Tao, Sui et al. 2019)
2016년 이전의 초기에는 디지털 트윈을 물리적 요소와 가상의 요소까지 혹은 둘 사이의 연결까지를 디지털 트윈으로 정의했다.
그러나 2017년 이후로 디지털 트윈의 개념은 디지털에 존재하 는 통합 데이터의 개념으로 수렴했고, 세분되었다. 이는 Grieves 와 Vickers(2016)가 2002년과 2010년에 디지털 트윈을 정의한 이후 2016년에 ‘실제 물리적 제조 제품을 완벽하게 설명하는 일 련의 가상 정보 구성체’로 재정의한 이후였다. 이러한 이유로 본 논문에서의 디지털 트윈은 Grieves와 Vickers의 정의를 사용한 다.(Kahlen, Flumerfelt et al. 2017)
디지털 트윈이 건축 분야에 활용될 경우, 운영단계에서 실체적 대상물을 가상의 환경을 통해 유지, 관리하기 위한 모델로 활용될 수 있다. (Negri, Fumagalli et al. 2017)따라서, 디지털 환경을 통 해 실체화된 대상을 관측하고 상태를 분석할 수 있으며, 유지관리 와 이를 통한 조작이 가능하다. (Negri, Fumagalli et al. 2017)나 아가 건물의 미세한 움직임 및 사용자 행태의 학습과 같은 데이터 의 확보를 통해 최적화된 운영이 가능하다. 이러한 학습의 과정과 예측을 통한 최적화 운영은 나아가 건축물 설계의 최적 모델을 도 출하고 리모델링, 재건축과 같이 성능을 높일 수 있다. 최근에는 건축물 이외에도 플랜트나, 발전소와 같은 프로세스 중심의 산업 에서 디지털 트윈을 운영 모델로 활용하고 있다.
2.3 기술 수요에 대응 가능한 프로토타이핑 기법
신기술이나 신소재, 새로운 운영 모델이나 조달 모델이 적용 되는 경우, 또는 설계 실패로 인한 위험이 치명적일 경우, 위험을 낮추는 방법으로 프로토타이핑 기법을 활용한다. 제조업 분야의 설계자는 제품 개발 과정에서 프로토타이핑을 통해 제품 프로토 타입을 평가하고, 개선하는 과정을 통해 위험을 낮출 수 있다. 그 러나 일반적인 프로토타이핑 기법을 건축물에 활용하기 어렵다.
건축물은 일회성과 단독성의 성질을 갖기 때문에 각각의 건축물 이 프로토타입이기 때문이다. (Kim 2019) 그러나 생활양식의 변 화, 공유경제 활성화, 3D프린팅, IoT 등 관련 기술의 급속한 발 전 등으로 건축물을 설계 단계에서 프로토타이핑하고 그것의 상 업적 성공 가능성을 극대화하면서 사용 단계에서는 거주자가 더 는 실험을 경험하지 않을 수 있는 새로운 주거 유형이 출현할 가 능성이 커졌다. (Kim 2017) 즉, 3D프린터나 IoT와 같은 기술들이 활용 가능해지면서, 설계 단계에서 신속하게 실제 건물과 같은 환경을 구현할 수 있게 되었으며, 데이터를 측정하고, 학습한 후 설계를 보완하는 것이 가능해졌다. 이러한 기술적 환경에 대응할 수 있는 프로토타이핑 기법이 필요하다.
프로토타입과 함께 진화하는 디지털 모델을 프로토타이핑 과 Figure 1. Initial Digital Twin Concept by Grieves 2002
정에서 발생하는 데이터와 결합하여 시뮬레이션과 분석을 고도 화할 수 있다. 이때 결합하는 데이터는 실제 건축물에서 발생하 는 데이터와는 그 성격이나 규모 면에서 다르다. 따라서, 모사 데 이터를 만들거나 데이터를 가공하는 피지컬 컴퓨팅, 기계학습의 기법을 통해 모사와 현실의 차이를 극복하는 기법이 필요하다.
3. 디지털 트윈 개념을 적용한 프로토타이핑 디자인 프로세스
3.1 프로토타이핑 프로세스 사례
Jung and Kim(2018)은 Lean Startup 모델을 적용한 Lean Startup 프로토타이핑 (LSP) 프로세스를 제안했다. Lean Startup 은 기업 조직이 사용자 중심의 접근 방식을 기반으로 한 솔루션 을 개발하고 솔루션이 고객의 요구를 충족하도록 조정하는 과정 을 반복하는 개념이며 이것을 프로토타이핑 기법으로 발전시켰 다. 이는 최소 요건 제품을 통한 만들기-측정-학습의 과정을 통 해 이뤄진다. 기업은 고객의 문제 중 핵심이라고 판단하는 요소 를 담은 최소 요건의 제품(Product)을 만들고(Build), 고객의 반 응을 측정한다. (Measure) 측정단계에서 나온 데이터를(Data) 통해 학습하고 (Learn)이 과정에 문제가 생겼다고 판단하면 (Idea) 즉시 방향전환을 통해 프로젝트의 진행 방향을 설정한다.
(Figure 2)
고객 요구를 충족하기 위한 프로세스는 만들고, 측정하고, 학 습하는 과정을 거치며 프로젝트의 진행 방향을 결정한다. Jung and Kim은 같은 개념을 적용하며 최소 요건 제품 대신 초기 디 자인으로 대체하였으며, 초기 디자인은 디자인 전략(Idea)을 통 해 발전한다. 이때 파라메트릭 디자인 기법과 래피드 프로토타이 핑을 통해 발전된 대안을 생성(Generate)한다. 생성된 결과물은 파라메트릭 기반 디지털 모델과 현실에 존재하는 피지컬 모델이
다. 래피드 프로토타이핑은 일반적으로 3D프린터를 통해 생성한 다. 생성된 물리 모델과 가상 모델의 프로토타입은 평가를(Test) 거치며 데이터 (Data)를 생성한다. 이 데이터는 데이터 분석을 (Analysis) 통해 디자인 전략을(Idea) 도출한다. (Figure 3)
Jung and Kim의 LSP는 Lean Startup의 개념에서 Build가 Generate와 Me sure는 Test와 Learn은 Analysis와 대응된다.
Jung and Kim의 LSP모델은 ’Prototype’ 과정에서 디지털 모델 과 물리 모델을 각각 생성하고 각각 ‘Test’를 수행한다. 이 과정 에서 결괏값은 ‘Simulation Data’로 통칭한 ‘Sensor Data’이다.
그러나 LSP의 생성단계 이후의 디지털 모델과 물리 모델이 어떻 게 시뮬레이션 데이터를 생성하고 테스트가 이루어지며 두 모델 의 관계와 상호작용 데이터의 구체적 명세가 언급되지 않았다.
Lean Startup 개념을 도입한 프로토타이핑의 가능성을 제안한다.
Kim(2019)은 프로토타이핑 과정에서, 물리 모델과 디지털 모 델이 상호 보완적 역할을 한다고 설명한다. 디지털 모델만으로 물성과 재료의 내구성과 같은 질료의 성질을 파악하기 어려우 며, 물리 모델만으로는 실제 프로토타이핑 과정에서 경제적 비효 율이 크기 때문에, 두 모델은 상호 보완적 역할을 한다고 설명한 다. 일반적으로 건축 설계 프로세스에서는 디지털 도구 위주의 프로토타이핑이 활용되지만, 디지털 도구는 프로토타이핑 과정에 Figure 2. Build-Measure-Learn feedback loop of lean
startup(Ries, 2011)
Figure 3. An Architectural design process model integrating lean startup concept(Jung and Kim, 2018)
Figure 4. Prototyping Model based on roles of digital models and physical models (Kim, 2019)
서 실제 물성, 재료의 내구도, 규모에 따른 외부 영향과 같은 잠 재적 성질을 구현하기 어렵다. 따라서, 실제 환경에서의 구축 가 능성과 구조적 완성을 기대하기 어렵다는 한계가 있어서, 디지털 및 물리 모델의 상호작용에 의한 프로토타이핑을 제안했다.(Kim 2019) (Figure 4)
Kim은 물리 모델을 Full-Scaled 모델로 제작하는 것이 구조적 완성도와 구축 가능성을 분석하는 방법임에도 경제적인 이유로 실제 건축 실무에서 잘 활용되지 않는다고 설명한다. 따라서, 새 로운 시도와 개념의 건축이 도입되는 경우를 제외하고는 기존의 사례와 관습적 지식을 통한 설계가 이루어지며 프로토타이핑 프 로세스는 이루어지지 않는다고 설명한다.
선행연구를 분석한 결과 프로토타이핑 과정은 일반적으로 새로 운 아이디어 혹은 기존에 존재하던 아이디어를 기반으로 대안을 생성하고, 대안을 평가하며, 평가된 대안을 통해 새로운 아이디 어를 도출하는 순환적 구조를 나타낸다. 즉, 생성, 평가, 아이디어 도출의 세 단계가 주요 구성성분이며, 각 구성성분 사이의 정보, 데이터, 프로토타입의 흐름과 관계 정의에 따라 각각의 프로토타 이핑 기법의 차별점이 존재한다. Lean Startup의 개념도 마찬가 지로 프로토타이핑 과정이며, 아이디어의 빠른 시도와 빠른 실패 를 통해 위험을 감소하는 방향으로 프로젝트를 이끌 수 있다.
3.2 프로토타이핑 프로세스 적용한 건축물 현황
Kieran Timberlake는 신재료와 시공방법을 고안하기 위해 프 로토타이핑 방법을 자체 개발하여 매뉴얼로 만들어온 연구기반 의 건축 설계회사이다. Kieran Timberlake는 Smart Wrap이라 불리는 태양광 발전과 배터리, LED를 포함하는 통합 외피 패널을 개발하였다. 이 외피를 설계하는 과정에서 구조와 기초의 연결을 먼저 고려하고 외피와 구조의 연결, 외피와 하부 구조의 연결 순 서로 섬세함 설계를 진행하였다. 외피와 구조의 연결을 고려하기 위해 여름철과 겨울철에 발생하는 부재의 열팽창, 응력의 약화와 같은 문제를 해결해야 했다. 열팽창 및 응력의 약화와 같은 물성 을 테스트하기 위해 실제 부재로 프로토타입을 만들어 분석했다.
또한, 외피와 하부 구조의 연결을 위해 디지털 모델을 활용해 이 중 외피 사이에 태양광 패널의 배선 배치를 시뮬레이션했다. 즉 Kieran Timberlake는 건물을 구성하는 각 부재를 프로토타이핑 을 통해 발전시키며 성능적으로 완전한 부재로 만드는 것을 목표 로 한다.
이외에도 Katerra, Kasita, Coodo와 같은 회사는 제조업 분야 의 최신 기술을 도입하여 계획, 설계, 자재 공급, 제작 등 건설의 모든 측면을 최적화하는 비즈니스 모델로 변혁을 시도 중이다. 예 를 들어 Katerra의 경우, 설계 단계에서 부재의 소요를 판단하고 설계가 완료되는 즉시, 제조 업체를 통해 부재를 생산한다. 주문 과 동시에 제품을 제작하고 실시간 운송 관리 및 현장 조립을 통
한 공사 기간의 단축, 기계화를 통한 노동력 부족 현상 해소는 기 존의 공업화 건축의 장점을 유지하고 있다. 이 과정에서 공업화된 부재와 현장 조립을 위해 설계 단계와 연구 단계에서 프로토타이 핑 기법을 적극적으로 활용한다. 건축 자재의 모듈화와 공업화를 통해 건축의 프로토타이핑이 가능하게 하였고, 이를 통해 설계자 의 디자인 의도와 사용자의 요구사항을 수렴할 수 있다. 또한, 프 로젝트 전 과정의 효율성을 높이고 자원의 낭비를 줄인다.
사례들을 분석해본 결과 건설산업에 프로토타이핑 기법을 활 용하기 위한 핵심으로 다음의 두 가지 요건이 필요하다. 첫째, 대 안의 생성, 평가, 분석에 드는 시간을 줄인다. Kieran Timberlake 의 경우에는, 대안의 생성 과정을 줄이기 위해 디지털 패브리케 이션 기법을 활용했다. Katerra의 경우, 대안 생성 과정을 줄이기 위해 모듈화 및 공업화 기법을 활용했다. 둘째, 사용자 요구 성능 에 맞춤형 설계를 진행한다. 사용자 요구 성능에 맞추기 위해 사 용자를 대상으로 평가하고 보완하며 다시 대안을 생성해 사용자 에게 평가를 받는 방식으로 프로토타이핑 기법을 활용했다. 따라 서, 최종 결과는 사용자에 최적화된 건축물을 제공할 수 있다. 두 사례의 차이는, Kieran Timberlake의 경우 필요한 부재를 직접 설계하고 기획하며, 생산해서 사용하는 데 반해 Katerra는 공업 화 및 모듈화된 부재의 조합을 통해 사용자 최적화된 설계 대안 을 생성한다.
Figure 5. Smart wrap Project by Kieran Timberlake
Figure 6. Prototyping New concept of bbuildign component by Katerra
3.3 디지털 트윈 개념의 설계 프로세스에 적용
현실적으로, 일반적인 프로토타이핑 과정의 단계별로 물리 모 델을 생성해 분석하는 것은 어려우며 특히, Full-Scale Model을 적용하는 것은 어렵다. 또한, 물리 모델의 상태와 물리 모델의 측 정 정보를 디지털 모델의 상태와 동기화시키는 것은 매우 어렵 다. 따라서, 프로토타이핑 과정에 Full-Scale 모델을 대체하는 방 법과 물리 모델과 디지털 모델을 실시간 연동하는 방법이 필요하 다. 디지털 트윈은 물리 모델에서 발생하는 정보를 실시간 연동 하여 물리 모델의 상태를 추론할 수 있다. 또한, 데이터베이스와 연동된 디지털 트윈은 물리 모델에서 발생한 센서 데이터를 축적 할 수 있으며, 데이터 분석 기법을 통해 새로운 데이터를 생성할 수 있다.
일반적으로 건축 설계에 활용되는 프로토타이핑 프로세스에서 는 디지털 모델과 물리 모델 둘 다 활용된다. 이 과정의 디지털 모델에 디지털 트윈의 개념을 적용할 수 있다. 그러나, 디지털 트 윈과 다르게 프로토타이핑에서는 실제 규모를 갖는 물리적 건축 물의 존재 이전 시점이어서 활용되는 데이터는 실제 건축물에서 발생하는 데이터와는 그 성격이나 규모에서 다르다. 디자인 단 계에서 디지털 트윈을 활용하면 Scaled 모델을 적용하고 규모의 차이에서 발생하는 재료 및 강성의 차이를 반영한 시뮬레이션 기 법을 통해 설계 대안을 발전시킬 수 있다.
또한, 물리 모델과 연동된 디지털 트윈은 실시간 정보를 축적 하고 기록하므로, 이 정보 이력을 통해 현시점의 상태뿐 아니라 미래 시점의 상태를 예측할 수 있다. 예컨대, 설계 단계의 의사결 정에 따라 운영단계에 존재할 예정인 물리적 실체와 그 성능을 예측할 수 있다. 나아가 건물의 거동 및 사용자 행태의 학습과 같 은 데이터의 확보를 통해 최적화된 운영이 가능하다. 이러한 학 습의 과정과 예측을 통한 최적화 운영은 건축물 설계의 최적 모 델을 도출하고 리모델링, 리트로핏, 재건축과 같이 성능을 높일 수 있다.
3.4 디지털 트윈 개념을 적용한 프로토타이핑 기법
Prototyping based Design Process integrated with Digital Twin (이하, DT 프로토타이핑 프로세스 프로세스)는 설계 단계 에서 기존 프로토타이핑 기법들과 디지털 트윈 개념을 적용한 기 법이다. DT 프로토타이핑 프로세스는 프로토타이핑 기법의 순환 적 구조에 대안을 생성하고 평가하는 과정에서 디지털 트윈 개 념을 적용해 성능 향상이 가능하다. 특히, 디지털 트윈은 물리 적 실체와 센서를 기반으로 연동하기 때문에, 실시간 정보의 확 보가 가능하다. 본 논문에서는 기존의 ①디지털 모델과 ②디지털 트윈, 그리고 ③디지털 트윈의 개념을 프로토타이핑에서 적용한 개념을 구분하기 위해 ③을 설계 단계의 디지털 쌍둥이(Design Phase Digital Twin, DDT)라고 명명했다. 대응하는 개념으로 프 로토타이핑 과정에서 DDT를 통해 생성된 물리 모델은 설계 단 계의 물리적 쌍둥이 (Design Phase Physical Twin, DPT)이라고 명명한다. DDT는 Generative Design, 혹은 Parametric Design 기법과 같이 대안 생성이 가능한 형태이며, 시뮬레이션 도구에 활용할 수 있는 형태로 변환할 수 있다. 따라서, DDT는 DPT에서 발생하는 정보에 의해 형상정보뿐 아니라 속성정보가 변화할 수 있는 데이터, 관계가 정의된 데이터의 집합이다.
1) Generate 단계
Figure 8은 Figure 7의 순환 구조를 선형으로 표현한 것이다.
DT 프로토타이핑 프로세스에서 디자인 초기 디자인 아이디어를 기반으로 Generate 단계에서 DDT와 DPT를 생성하고 연동한다.
DDT의 속성정보를 기반으로 DPT를 생성하며, 이때, DPT에 설 치하는 센서는 DDT와 연동된다. DDT는 가상의 스토리지에 존재 하며, 연동을 통해 발생하는 데이터 또한 함께 DDT를 구성한다.
물리-디지털의 측정 과정에서 발생하는 데이터는 일차적인 센 서 데이터뿐 아니라 시간의 흐름에서 축적되는 이력 정보, 이력 정보를 기반으로 추론하는 미래 성능정보, 미래 성능 예측 정보 를 기반으로 도출되는 성능 개선 정보 등을 생성한다. 이 정보는 Evaluate 단계를 거치며 DDT의 충실도를 올리거나 피드백 루프 활성화에 활용한다.
Figure 7. Prototyping-based Design Process Integrated with Digital Twin
Data Description Purpose Source
Level 0 Raw Data Validation Sensor Data
Level 1 Simulated data Visualization Simulation Data Level 2 History data Prediction Level 0 + Level 1
Level 3 Prediction data Augment Level 1 + Level 2 Table 1. Generated Data Level in Generate Stage
Generate 단계에서 DDT와 DPT의 연동을 통해 생성되는 데이 터는 Table 1.과 같다. 0단계 데이터는 일반적으로 평가 단계에서 수치 확인의 수준이므로 치명적인 구조적 결함과 두 모델의 연동 에서 발생할 수 있는 오류를 검증할 수 있다. 0단계 데이터가 일 차적으로 가공되면 성능분석이 가능한 데이터로 발전한다. 일반 적으로 이 단계에서의 가공은 성능의 분석을 위한 가공을 의미하 며, 유의미한 데이터를 필터링한 데이터이다. 1단계 데이터는 일 반적으로 평가 단계에서 현시점의 성능 가시화에 활용되며, 프로 토타이핑 과정에서 설계자는 가시화된 정보를 통해 개선점을 도 출하고 확인할 수 있다. 2단계 데이터는 1단계 데이터의 정보 이 력을 포함한다. 정보 이력은 변화량 분석을 통해 예측 데이터로 활용할 수 있으며, 또한 이력 정보에 포함된 시간 정보의 조합을 통해 새로운 데이터의 생성이 가능하다. 예컨대, 발생하는 데이 터가 가속도 데이터일 경우, 이력 정보와 시간 정보의 조합을 통 해 시간별 평균 속도 데이터를 도출할 수 있다.
1단계 정보에서 2단계 정보로 발전하는 것은 일반적인 미분 된 시간의 데이터를 분석하는 것이 아닌 특정 기간을 포함하는 시간 데이터의 획득을 의미한다. 건축물의 시간 흐름에 따른 거 동 양상과 같은 시간에 대한 분석이 가능하다. 일반적으로 기계 학습 기법과 같은 통계적 분석 기법을 통해 시간 변화에 따른 데 이터의 양상을 분석하며, 이 단계에서 데이터는 빅데이터로 활용 할 수 있다. 3단계 데이터는 2단계의 이력 정보에 근거하여 최적 화를 통한 성능 향상을 예측하기 위한 데이터이다. 2단계에서 발 생한 이력 정보는 과거 시점에서 발생해 현재 시점까지의 성능을 기록한 데이터이며, 2단계 데이터를 통해 미래 시점의 특정 지점 까지의 성능을 분석할 수 있다. 그러나 3단계는 2단계의 데이터 와 1단계의 성능데이터를 통해 개선점을 도출할 수 있는 데이터
이다. 즉, 프로토타이핑 과정과 별개로 최초의 DDT와 DPT는 0단 계의 데이터를 생성하고, 0단계의 데이터는 가공되어 1단계의 데 이터를 생성한다. 이 데이터들은 지속해서 누적되며 2단계의 데 이터로 가공될 수 있으며, 2단계 데이터와 1단계 데이터의 조합 을 통해 3단계 데이터를 생성할 수 있다.
2) Evaluate 단계
Evaluate 단계는 크게 두 가지를 분석한다. 첫째는, DPT와 DDT 연동의 유효성이며, 둘째는, DDT의 충실도(Fidelity)이다. 첫 째, 연동의 유효성 분석은 두 모델의 연동을 통해 생성되는 데이 터의 단계를 분석해 피드백 루프를 활성화한다. 연동의 유효성 이 증명될 경우 피드백 루프는 비활성화되며, 반대의 경우 피드 백 루프가 활성화된다. 즉, 0단계의 센서 원시데이터부터, 데이터 의 시뮬레이션 결과를 통한 1단계, 데이터의 축적을 통한 히스토 리 데이터인 2단계, 1단계와 2단계 데이터를 통한 3단계 데이터 가 차례로 생성되는지 확인한다. 일부 데이터가 빠지거나 목표한 단계의 데이터가 생성되지 않는다면, 모델의 연동이 유효하지 않 음을 의미한다. 연동이 유효하지 않으면, DDT와 DPT의 연동을 보완해야 하므로 다시 Generate 단계에서 생성과 연동의 과정을 진행한다.
둘째, DDT의 충실도(Fidelity) 분석은 순환 과정을 통해 DDT가 설계자가 의도한 성능을 발휘하는지 확인한다. 즉, Evaluate 단 계에서는 연동 유효성 검사가 진행된 후, 충실도 검사를 통해 다 음 단계로 진행한다. 충실도는 설계자가 의도한 수준의 성능이나 설계작 의도한 방향성과 일치하는 정도를 나타낸다. Evaluate 결 과 고 충실도(High Fidelity) DDT는 DT 프로토타이핑 프로세스 순환 프로세스의 결과물인 Virtual Building이 된다. 그러나 저 충 Figure 8. Linear Representation of Prototyping-based Design Process Integrated with Digital Twin
실도(Low Fidelity) DDT는 데이터로서 Learn의 과정에 활용된다.
따라서, Evaluate는 연동 성능분석 이후, Evaluate에서 발생한 Data는 DDT와 결합해 DDT의 충실도가 높아진다. 결국, 마지막 순환 고리에서는 Virtual Building임을 증명하기 위해 Generate 단계에서 0단계 데이터부터 n 단계의 데이터까지 생성하며, 생 성된 데이터를 Evaluate 단계에서 검증하여 DDT는 Virtual Building이 된다.
비록 초기 단계의 순환주기로 DDT와 DPT의 발전이 낮은 충실 도(Low Fidelity)를 갖더라도, 데이터는 0단계부터 단계적으로 데 이터를 생성한다. 이는 Evaluate 단계에서 분석을 통해 Learn 단 계를 위한 결과 데이터로 도출된다. 즉, Generate 단계는 DDT 와 DPT를 생성하고, 생성된 데이터를 기반으로 Evaluate 단계 에 활용한다. 그러나 Evaluate 단계에서 Learn 단계로 보내는 데이터는 목표한 Virtual Building에 부합하는 충실도(Fidelity)이 자 Evaluate의 결괏값이다. Generate 단계에서 발생하는 0단계 데이터부터 이후 데이터는 Generate 단계와 Evaluate 단계 사 이에서만 활용된다. 그러나 상호 연동 유효성 검사를 통과하면, Generate 단계에서 생성된 데이터는 Evaluate 단계에서 DDT 자체의 성능 향상 과정에 활용된다. 즉, 연동 유효성 분석 이후, Evaluate에서 발생한 Data는 DDT와 결합해 DDT의 충실도가 높 인다. 결국, 마지막 순환 고리에서는 Virtual Building임을 증명 하기 위해 Generate 단계에서 0단계 데이터부터 n 단계의 데이 터까지 생성하며, 생성된 데이터를 Evaluate 단계에서 검증하여 DDT는 Virtual Building이 된다.
3) Learn
이 단계에 이전인 Evaluate 단계에서 순환을 통해 설계자의 심 상 건축물과 가장 근접한 DDT는 Virtual Building이 된다. 그렇지 않은 DDT는 Evaluate 단계에서 Fidelity 부족을 분석한 데이터를 포함한다. Learn의 과정에서 해당 데이터를 분석하며, 보완점을 도출하는 과정을 통해 Idea를 도출한다. Idea는 다시 Generate 단계에서 반영되어 DDT를 재생성 혹은 수정한다.
즉, Learn 단계는 분석된 DDT의 Fidelity를 높이는 전략을 도출 하며 Generate 단계에서 실질적으로 Fidelity를 높이게 된다. DT 프로토타이핑 프로세스의 순환 과정을 반복할 때마다 Figure 9과
같이 DDT는 고도화되며, 충실도가 향상한다. Idea는 외부의 지 식 또는 참여자에 의해 보완될 수 있다. 이러한 과정은 Digital Twin Storage에서 발생하며 클라우드 혹은 분산된 저장 매체이 다. 즉 DDT는 가상의 공간에서 DPT에서 발생하는 데이터와 2차, 3차 데이터를 생산, 분석, 평가, 저장하는 데이터 형태로 디지털 상에 존재한다. 따라서, DDT는 순환주기가 반복될수록 데이터가 증가하며, 데이터 누적에 따른 최종 버전은 Virtual Building이 될 수 있다.
이러한 DT 프로토타이핑 프로세스과정을 통해 설계자는 초기 아이디어를 이상적 건축물의 형태로 구체화할 수 있다. 또한, 설 계자는 설계과정에서 실측 물리 모형을 구현하지 않고, 축소모형 만으로도 Full-Scale 수준의 성능분석과 예측을 할 수 있다. 궁극 적으로 DT 프로토타이핑 프로세스는 최종적으로 도출된 Virtual Building이 실제 건축물의 디지털 트윈이 될 때, 실제 건축물(물 리적 쌍둥이)과 연동을 위한 프로토타입 과정이 될 수 있다.
4. 제안된 DT 프로토타이핑 프로세스에 사례 적용
4.1 방음터널 사례에 DT 프로토타이핑 프로세스 적용
제안된 DT 프로토타이핑 프로세스를 테스트하기 위해 파일롯 프로젝트를 진행했다. DT 프로토타이핑 프로세스는 4차 산업혁 명과 같은 기술의 도입과 변화에 따라 새로운 개념의 건축물 또 는 시설물에 대응하기 위한 설계 기법이다. 따라서, 파일롯 프로 젝트를 위한 대상물을 선정하기 위해 현재 존재하지 않는 개념의 대상물을 가정했다. 대상물은 현존하지 않는 개념의 방음터널이 며, 다음과 같은 특징을 갖는다. 첫째, 방음터널의 부재는 각 부 재의 거동 분석이 가능한 자이로 센서를 포함한다. 둘째, 거동 분 석을 통해 방음터널의 상태와 수명을 예측할 수 있다고 가정한 다. 셋째, 방음터널 부재의 수명에 문제가 발생하면 운영 주체에 게 알릴 수 있는 기능이 있으며, 운영 주체는 실시간으로 방음터 널의 수명을 확인할 수 있다. 이와 같은 방음터널은 본 논문에서 는 차세대 방음터널로 통칭한다. 이와 같은 차세대 방음터널의 경우 일반적인 설계 프로세스나 프로토타이핑 기법은 새로운 개 념의 시설물 또는 건축물을 설계하기 어려우므로 DT 프로토타이 핑 프로세스를 적용한다.
Figure 9. DDT Development Concept
Figure 10. Feature of Noise Barrier Tunnel
초기 아이디어의 도입과정은 차세대 방음터널의 가정으로 시 작한다. 설계자는 차세대 방음터널의 조건을 고려하며 최초의 프 로토타이핑을 진행한다. 최초의 프로토타이핑은 디지털 도구일 수도 있고, 스케치를 통한 심상의 발현일 수도 있다. 그러나 본 파일롯 프로젝트에서는 최초의 생성단계를 디지털 도구가 적용 되는 시점부터로 가정한다. 따라서 최초의 Generate 단계는 디 지털 도구를 활용한 DDT의 구현으로 시작한다. 방음터널 DDT는 자이로 센서에 의해 거동 변화가 입력되고, DDT는 입력된 데이 터에 의해 형상이 변화해야 한다. 따라서, 형상 변화에 대응할 수 있으며, 형상 생성이 간단한 파라메트릭 디자인 기반의 DDT를 생성해야한다. 초기 DDT를 구현하기 위해 설계자는 파라미터를 도출해야한다. Figure 11은 방음터널의 형상정보를 생성하기 위 해 방음터널 형상과 부재를 구성정보를 통해 파라미터를 도출하 는 과정이다. Figure 12는 초기 DDT를 통해 방음터널과 방음터 널의 부재를 생성하고 가시화한 것이다.
DDT의 생성을 통해 DPT의 생성이 가능하다. 차세대 방음터널 은 내장된 자이로 센서를 통해 거동 분석이 가능하므로 거동 분석 을 위한 프로토타이핑을 진행하고 거동 분석을 통한 파생 데이터 의 활용이 가능함을 확인한다. 파일롯 프로젝트에서는 DDT 정보 를 통해 3D프린터를 DPT의 물질화 과정에 활용했다. (Figure 13) 이를 통해 거동 분석을 위한 초기 DPT가 생성된다. 실제 방음터
널보다 1:100의 규모로 축소한 모형을 생성하였으며, 부재와 접합 강도 또한 축적 모델이 맞도록 축소하였다. 그러나 실제 DPT에서 는 접착제의 접착 강도를 조절하기 어렵고, 질료 자체의 강성 조 절이 어려워 DDT 내부의 시뮬레이션 도구에서 보완하였다.
두 모델의 연동은 Figure 14과 같이 구성된다. Generate를 통 해 생성된 DDT와 DPT는 상호 연동을 통해 데이터를 생산한다.
궁극적으로 방음터널 수명을 분석하기 위해 수명을 분석할 수 있 는 상태가 된 DDT와 DPT의 조합을 최종 형태로 가정한다. 따라 서 Evaluate 단계에서는 수명 분석의 상태가 된 DDT를 도출하 고, 해당 단계에 도달하지 못했다면 다시 Figure 4의 DT 프로토 타이핑 프로세스를 통해 프로토타이핑 과정을 거친다.
Evaluate의 첫 번째 단계에서는 연동 유효성 검사를 시행한다.
파일롯 프로젝트의 경우 거동 분석을 위해 0단계부터 3단계까 지의 데이터가 생성되었는지 확인한다. 예를 들어, 초기 DDT가 Evaluate 단계에서 2단계 데이터를 생성하지 못했다면, DDT와 DTP의 연동에 문제가 있음을 알 수 있으며 이러한 정보를 피드 백 루프가 활성화된다. 만약 다음 순환 과정에서 재생산(수정, 보 완)한 DDT가 1단계의 데이터가 조차 생성되지 않는다면, 이 전에 수행한 재생산의 과정에서의 오류가 발생했음을 확인할 수 있다.
따라서 피드백 루프가 재 활성화되고 다시 생성단계를 거쳐 DDT 를 수정한다. 3단계의 데이터 생성이 가능하면 연동 유효성 검사 를 통과한 것이므로, 충실도 검사를 진행한다.
Figure 15는 파일럿 프로젝트의 최종 프로토타입의 생성단계 에서 발생하는 2단계 데이터를 분석한 것이다. X, Y, Z축 각 방 향의 변위를 측정할 수 있으며, 변위 정보를 수치해석 모델에 입 력할 경우 수명정보로 환산할 수 있다. 따라서, 수명 측정을 위 한 DDT는 변위의 도출을 통해 연동 유효성 검사가 가능하다. 2 단계 데이터인 변위 데이터와 1단계의 속도 데이터를 결합하면 3 Figure 11. Connection Relationship Diagram for Derivation of
Parameters of Shape and Components of Noise Barrier Tunnel
Figure 12. Noise Barrier Tunnel and Its Components Visualized through Design Phase Digital Twin
Figure 13. Sync Validation Test Diagram in Pilot Project
단계인 응력 그래프를 얻을 수 있다. 즉, 변위와 속도를 통해 응 력을 도출한다. Figure 16은 부재별로 수명 분석이 가능한 형태 로 DDT가 구현된 것을 나타낸다. 이처럼 최종 3단계의 데이터를 Generate에서 구현할 수 있다면 충실도 검사를 진행하고 충실도 검사에 따라 Virtual Building이 될 수 있다.
충실도는 기능상의 문제가 아닌 설계자의 디자인 의도를 반영 한다. 따라서, 연동 유효성 테스트에서 발생한 기능상의 문제가 아닌 디자인 측면의 문제는 기능상의 문제가 극복된 이후에 고 려한다. 따라서 차세대 방음터널과 같은 새로운 개념의 대상물과 그 기능을 고려한 디자인이 가능하다.
5. 결론
4차 산업혁명이 등장한 2016년 이후의 프로토타이핑 프로세 스와 사례를 분석하고, 새로운 개념의 건축물이나 시설물에 적용 할 수 있는 프로토타이핑 기법을 제안하였다. 특히, 설계 단계에 서 미래 시점의 성능을 예측하기 위해서 디지털 시뮬레이션 기법 뿐 아니라 미래 상태를 예측하기 위해 운영계에서 활용하는 디지 털 쌍둥이 기법을 설계 단계에 적용했다.
디지털 트윈 기법을 적용한 프로토타이핑 프로세스 DT 프로토 타이핑 프로세스는 기존 연구와 비교해 다음과 같은 차이점을 갖 는다. Lean Startup 모델을 기반으로 한 Jung and Kim의 LSP는 디지털 모델과 물리 모델의 활용을 제안했으나, 물리 모델과 디지 털 모델의 상호 연동은 고려하지 않았다. 따라서 디지털 모델을 통해 디지털 도구에 기반한 시뮬레이션을 진행하였으며, 이는 물 리 모델보다 디지털 모델의 비중이 더 높아지게 되었다. 따라서, 구조 안정성이나 구축 가능성과 같은 물리적 성질을 분석하는 것 에 한계가 있었다. Kim의 연구는 물리 모델과 디지털 모델을 상호 보완재로 활용하였다. 그러나 디지털 모델과 물리 모델에서 발생 하는 데이터에 대한 정의가 없었으며, 프로토타입 프로세스마다 물리 모델을 생성해야 하므로 경제적으로 적용하기 어렵다.
DT 프로토타이핑 프로세스는 디지털 모델(DDT)을 기반으로 물리 모델(DTP)이 생성되며 물리 모델에서 발생하는 데이터를 기반으로 0단계 데이터로부터 N 단계 데이터로 확장할 수 있다.
물리 모델(DTP)은 프로토타이핑 주기에서 새로운 프로토타입이 등장할 때만 3D프린터를 통해 재생산되므로 경제적으로 유리하 다. 또한, DDT를 통해 얻은 2단계 혹은 3단계 정보는 Full-Scale 모델보다 규모가 작은 Scaled 모델에서도 실측 규모를 반영하므 로 실제 규모의 프로토타이핑을 하지 않아도 유사한 결과를 얻을 수 있다.
DT 프로토타이핑 프로세스의 파일롯 프로젝트를 통해 제안된 프로세스를 검토했다. DT 프로토타이핑 프로세스 파일롯 프로젝 트에서 가정된 차세대 시설물의 설계가 가능했으며, 차세대 시 설물이 기동하기 위한 기본 조건인 거동 분석이 가능한 형태로 DDT를 생성할 수 있었다. 현재는 파일롯 프로젝트에서 유효성 검사를 하는 Evaluate 단계에서 원하는 수준의 데이터가 도출도 면 유효성 검사를 통과한 것으로 가정했다. 또한, Fidelity의 측정 기준이 모호하고 DDT가 Virtual Building이 될 수 있는 기준이 모 호하기 때문에, 파일롯 프로젝트에서는 3주기를 기준으로 Virtual Building으로 가정했다. 따라서, 프로토타이핑 프로세스를 고도 화할 필요가 있으며 위와 같은 규정되지 않은 Evaluate의 기준에 대해서 보완할 필요가 있다.
차후 연구에서는 Generate, Evaluate, Learn 각 단계의 기준 을 정량적, 정성적으로 규정하는 방법이 필요하다. 또한, 건축 설 Figure 14. Generate DPT for Estimate Movement and Lifespan
Figure 15. 2nd Level data: Movement data of NBS component
Figure 16. 3rd Level data: Visualization of Life-Span data
계자의 역량이 모든 프로토타이핑 프로세스에 활용되기 어려우 므로, 협업을 고려한 프로토타이핑 프로세스가 필요할 것으로 생 각된다.
감사의 글
본 연 구 는 국 토 교 통 부 국 토 교 통 기 술 촉 진 연 구 사 업 (19CTAP-C151928-01)의 연구비 지원에 의해 수행되었습니다.
References
Grieves, M. W. (2018). Virtually Intelligent Product Systems:
Digital and Physical Twins, Complex Systems Engineering:
Theory and Practice 7, pp. 175.
Grieves, M., Vickers, J. Digital Twin:Mitigating Unpredictable, Undesirable Emergent Beahavior in Complex Systems, in Kahlen, F., Flumerfelt, S., Alves. A. (2017). Transdisciplinary Perspectives on Complex Systems, Springer, pp. 85-113.
Jung, J., Kim, S. (2018). Digital Fabrication Integrated Architectural Design Process based on Lean startup, KIBIM Magazine 8, pp. 23-33.
Katerra hompage, https://www.katerra.com/about/, (Nov. 25.
2019.)
Kieran Timberlake hompage, https://kierantimberlake.com/
(Nov. 25. 2019)
Kim, D. (2018). Prototyping-based architectural design process using digital and physical models, Doctors Thesis, Sungkyunkwan University, pp. 10-68.
Kim, D. (2019). “Synergies between Digital Models and
Physical Models in Convergence Design - Case Studies using Projects of Architectural Firms and Educational Environments-.” KIBIM Magazine 9(2). 29-44.
Kim, S. (2017). “BIM in the Age of Big Data” 建築士 578, pp.
150-157.
Kim, S. (2017). “On the Role of Digital Model - How the Parametric Design leads to the virtual Building.” 建築士 580, pp. 150-159.
Kim, S. (2017). “Prototyping for the Education of Architectural Design in the Era of the 4th Industrial Revolution.” 建築士 582. pp. 150-159.
Lee, J., Bagheri, B., Kao, H-A. (2015). A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufacturing letters 3, pp. 18-23.
Negri, E., Fumagalli, L., Macchi M. (2017). A review of the roles of digital twin in cps-based production systems, Procedia Manufacturing 11, pp. 939-948.
Piascik, R., Vickers, J., Lowry, D., Scotti, S., Stewart, J., Calomino, A. (2010). Technology area 12: Materials, structures, mechanical systems, and manufacturing road map. NASA Office of Chief Technologist. pp. 15-88.
Robertson, D., K. Ulrich (1998), Platform product development.
Sloan management review 39(4), pp. 19-31.
Tao, F., Cheng, J., Qi, Q., Zhang, M.., Zhang, H., Sui, F. (2019).
Digital twin-driven product design framework, International Journal of Production Research 57(12), pp. 3935-3953.
Tao, F., Zhang, H., Liu, A., Nee, A. (2018). Digital twin in industry: state-of-the-art. IEEE Transactions on Industrial Informatics 15(4), pp. 2405-2415.
