디지털 트윈, 당신 공장엔 이미 있다 — 엑셀과 MES 사이 어딘가에

10억짜리 환상을 걷어내면

"디지털 트윈 도입하려면 얼마나 듭니까?"

제조 디지털 전환 세미나에서 가장 많이 나오는 질문이다. 그리고 이 질문이 나오는 순간, 대화는 이미 잘못된 방향으로 가고 있다.

정해원 센터장은 이 질문을 받을 때마다 되묻는다.

"사장님, 혹시 지금 엑셀로 생산실적 정리하고 계시죠? 그게 디지털 트윈의 씨앗입니다."

디지털 트윈(Digital Twin)이라는 단어가 주는 인상은 거대하다. 3D로 구현된 가상 공장, 실시간으로 깜빡이는 센서 데이터, SF 영화 속 홀로그램 제어실. 전시회 부스에서 본 그 화면이 떠오른다.

하지만 현실의 디지털 트윈은 그렇게 시작하지 않는다. 아니, 그렇게 시작하면 안 된다.

---

트윈의 본질: 물리 세계의 '데이터 거울'

Anders Lindqvist는 Siemens에서 15년간 디지털 트윈 프로젝트를 이끌어왔다. 그가 정의하는 디지털 트윈은 놀라울 정도로 단순하다.

"A digital twin is any data representation that mirrors a physical process closely enough to make a useful prediction. That's it. It doesn't need to be 3D. It doesn't need to be real-time."

(디지털 트윈이란, 유용한 예측을 할 수 있을 만큼 물리적 프로세스를 충분히 반영하는 데이터 표현입니다. 그게 전부예요. 3D일 필요도, 실시간일 필요도 없습니다.)

이 정의에 따르면, 많은 중소 제조기업은 이미 디지털 트윈의 원형을 가지고 있다. 다만 그것을 '디지털 트윈'이라고 부르지 않을 뿐이다.

---

레벨 0에서 레벨 4까지: 당신의 공장은 어디에 있는가

정해원 센터장은 중소기업 현장 컨설팅에서 '디지털 트윈 성숙도'를 다섯 단계로 설명한다.

| 레벨 | 상태 | 예시 | 비율* | |------|------|------|-------| | 0 | 종이 기반 | 수기 일지, 화이트보드 생산 현황판 | ~25% | | 1 | 정적 데이터 거울 | 엑셀 생산실적, 품질 검사 기록 | ~40% | | 2 | 연결된 데이터 거울 | MES/ERP에 실적 입력, 기간별 조회 가능 | ~25% | | 3 | 예측하는 거울 | 데이터 기반 불량 패턴 분석, 설비 이상 조기 감지 | ~8% | | 4 | 자율 실행하는 거울 | AI가 공정 파라미터 자동 조정, 자율제조 | ~2% |

*국내 중소·중견 제조기업 기준 추정치

"대부분의 중소기업은 레벨 1과 2 사이에 있습니다. 그런데 전시회에서는 레벨 4를 보여주니까, '우리와는 다른 세계'라고 생각하는 거죠."

문제는 레벨 1에서 레벨 4로 한 번에 뛰려는 시도다. 정해원 센터장이 지난 5년간 본 '디지털 트윈 실패 사례'의 80%가 이 패턴이었다.

"SI 업체가 와서 3D 모델 예쁘게 만들어줍니다. 납품하고 갑니다. 6개월 뒤에 가보면 아무도 안 쓰고 있어요. 왜? 데이터가 안 들어가니까. 레벨 1도 안 된 상태에서 레벨 4 도구를 사준 겁니다."

---

엑셀이 디지털 트윈이 되는 순간

레벨 1의 엑셀 파일이 어떻게 의미 있는 트윈이 될 수 있을까? 정해원 센터장이 최근 컨설팅한 자동차 부품 기업 사례를 들어 설명한다.

Before: 그냥 엑셀

• 품질팀이 매일 오전 검사 데이터를 엑셀에 입력
• 월말에 모아서 불량률 그래프 작성
• 불량이 터지면 그때 원인 추적 시작

After: 같은 엑셀, 다른 질문

• 같은 데이터에 AI가 주간 패턴 분석을 돌림
• "화요일 오후 2시~4시, B라인 치수 불량이 평균 대비 2.3배" 발견
• 확인해보니, 점심 후 금형 예열 시간 부족이 원인
• 금형 예열 시간 조정 → 해당 시간대 불량 67% 감소

Anders는 이런 접근을 "트윈 제로(Twin Zero)"라고 부른다.

"In Europe, we spent a decade selling the Rolls-Royce version of digital twins. Now the smartest teams start with what I call 'Twin Zero' — your existing data, one good question, and an AI that can find the pattern. No sensors, no 3D, no million-euro budget."

(유럽에서 우리는 10년간 롤스로이스급 디지털 트윈을 팔았습니다. 지금 가장 똑똑한 팀들은 '트윈 제로'부터 시작합니다 — 기존 데이터, 좋은 질문 하나, 패턴을 찾아주는 AI. 센서도, 3D도, 10억 예산도 필요 없습니다.)

---

"공장 데이터가 없다"는 착각

현장에서 가장 많이 듣는 말이 "우리는 데이터가 없어서"다. 정해원 센터장은 이 말을 듣는 순간 공장을 같이 돌아본다.

"생산일지 쓰고 계시죠? 출하 기록은요? 클레임 접수 대장은? 설비 점검 일지는? 다 데이터입니다."

그가 정리한 '숨어 있는 데이터 목록':

• 📋 수기 생산일지 → 라인별·시간대별 생산량, 작업자 정보
• 📦 출하 전표 → 제품별 리드타임, 납기 준수율
• 🔧 설비 점검 일지 → 고장 주기, 교체 부품 이력
• 📞 클레임 접수 대장 → 불량 유형, 발생 빈도, 고객별 패턴
• 💰 원자재 발주서 → 자재별 소모 패턴, 가격 변동

"이 다섯 가지를 디지털로 옮기고 연결하기만 해도, 레벨 2입니다. 거기에 AI를 얹으면 레벨 3으로 가는 거고요."

---

레벨 1에서 3으로: 현실적인 로드맵

Anders가 제안하는 3단계 접근법:

Step 1: 데이터 디지털화 (1~2개월)

"종이에 있는 것을 화면으로 옮기세요. 이 단계에서 완벽을 추구하지 마세요."

• 기존 엑셀을 구조화 (날짜, 라인, 품목, 수량, 불량수 컬럼 통일)
• 하루 5분, 현장에서 바로 입력할 수 있는 환경 구성

Step 2: 데이터 연결 (2~3개월)

"흩어진 엑셀을 하나의 흐름으로 연결하세요."

• 생산실적 + 품질검사 + 설비가동 데이터를 하나의 타임라인에
• 이 시점에서 "어? 이 두 개가 이렇게 연관이 있었어?"가 나오기 시작

Step 3: AI 질문 시작 (1개월~)

"데이터에게 질문하세요. '왜 수요일마다 불량이 높지?' 같은 질문."

• AI가 패턴을 찾고, 사람이 확인하고, 조치하는 사이클
• 이것이 예측하는 디지털 트윈 — 레벨 3

"The biggest mistake is buying the tool before building the habit. Digital twin is not software you install. It's a way of thinking: every physical event should have a data shadow."

(가장 큰 실수는 습관을 만들기 전에 도구를 사는 것입니다. 디지털 트윈은 설치하는 소프트웨어가 아닙니다. 사고방식입니다: 모든 물리적 이벤트에는 데이터 그림자가 있어야 한다는.)

---

자율제조까지의 거리

레벨 4, 즉 자율제조(Autonomous Manufacturing)는 아직 대부분의 공장에게 먼 이야기다. 하지만 정해원 센터장은 "생각보다 빨리 올 수 있다"고 본다.

"핵심은 레벨 3을 충분히 경험하는 겁니다. AI가 '이 조건에서는 불량이 날 겁니다'라고 예측하고, 사람이 확인해서 맞다는 경험이 100번 쌓이면, 그때 '그럼 AI가 직접 조정해봐'가 됩니다. 신뢰는 한 번에 생기지 않아요."

Anders도 동의한다.

"Autonomy is not a switch you flip. It's trust you earn — one correct prediction at a time."

(자율화는 스위치를 켜는 게 아닙니다. 정확한 예측 하나하나로 쌓아가는 신뢰입니다.)

이전 인사이트 「ChatGPT에게 불량 원인을 물었다」에서 살펴본 것처럼, 범용 AI에 공장 질문을 던지면 일반론만 돌아온다. 디지털 트윈이 의미 있는 이유는, AI에게 당신 공장의 맥락을 줄 수 있기 때문이다.

---

체크리스트: 월요일 아침에 할 수 있는 3가지

1. 지금 쓰고 있는 엑셀 파일 목록을 만드세요. 생산, 품질, 설비, 출하 — 몇 개나 되는지 세어보는 것부터.
2. 그 엑셀에 '날짜'와 '라인' 컬럼이 있는지 확인하세요. 이 두 가지만 있으면 시간축 분석이 가능합니다.
3. 한 가지 질문을 정하세요. "왜 금요일 오후에 불량이 많지?" "왜 A라인이 B라인보다 느리지?" — 데이터로 답할 수 있는 질문 하나.

디지털 트윈은 10억짜리 프로젝트가 아니다. 오늘 쓰고 있는 엑셀에, 좋은 질문 하나를 더하는 것이다.

---

정해원 — 한국산업기술시험원 스마트제조혁신센터장. 200개 이상의 중소 제조기업 디지털 전환을 현장에서 지원해왔다. "현장에 답이 있다"를 믿는 연구자.

Anders Lindqvist — Siemens Advanta Principal Engineer. MindSphere 초기 멤버로 유럽·아시아 제조기업의 디지털 트윈 구축을 이끌었다. 스톡홀름과 서울을 오가며 '트윈 제로' 방법론을 전파 중.