엔지니어링 데이터 관리 자동화로 구현하는 R&D 생산성의 전면적 변화

오늘날 엔지니어와 과학자들은 관리가 어려울 만큼 방대한 양의 시뮬레이션 데이터를 생성하고 있습니다. 그러나 메타데이터 강화 솔루션을 사용하면 시뮬레이션 작업의 확장성을 높여 리소스를 비례적으로 늘리지 않고도 30% 늘어난 시뮬레이션 작업량을 처리할 수 있습니다(참고: Digital Engineering247). 자동화된 메타데이터 기반 솔루션은 시뮬레이션 작업의 확장성을 더욱 가속화해 시뮬레이션 데이터의 운용을 혁신할 수 있는 '힘의 승수' 역할을 합니다.

엔지니어링 데이터 관리, 영역 간 사일로 현상을 무너뜨리다

복잡한 다분야 시뮬레이션은 신제품의 설계와 검증에 중요한 역할을 합니다. 이러한 시뮬레이션이 생성하는 데이터는 방대하고 다면적이기 때문에, 메타데이터의 수동식 관리는 점점 더 비실용적으로 변하고 있습니다. 일례로 항공우주 산업만 보더라도 항공기 설계 시뮬레이션을 실행하면 구조 분석, 유체 역학, 열 시뮬레이션 등이 포함된 TB 단위의 데이터가 생성됩니다. 분석가들은 최적화된 성능을 위해 설계 공간을 탐색해 입력 및 출력 데이터와 복잡한 계산 파이프라인으로 구성된 방대한 데이터 세트를 생성합니다. 또한 각 해석에는 특수 파일 형식을 필요로 하는 고유의 수치해석 방법이 있습니다. 수동 프로세스는 많은 시간을 소모할 뿐만 아니라 오류와 불일치가 발생하기도 쉽기 때문에 잠재적 데이터 손실과 비용 증가 확률도 그만큼 높습니다.

수동식 데이터 캡처에 따른 엔지니어링 효율성의 제약

시뮬레이션 메타데이터는 분명 중요하지만, 수동식으로 관리하기에는 상당한 어려움이 있습니다. 데이터의 방대한 양과 복잡성으로 인해 오류, 불일치, 비효율성에 매우 취약합니다. 그리고 기존의 메타데이터 관리 방식은 종종 다음과 같은 결과를 초래합니다.

• 비효율성과 오류: 수동 프로세스는 시간이 오래 걸리고 작업자에 의한 오류가 발생하기 쉬우며, 이는 부정확한 데이터와 프로젝트 일정 지연으로 이어집니다. 관리자와 엔지니어 간의 핸드오프는 보통 이메일을 통해 이루어지며, 정적 차트와 그림은 문서로 공유됩니다. 다른 차트 요청을 받으면 엔지니어가 시뮬레이션을 다시 실행한 다음, 관리자에게 다른 정적 차트 이미지를 다시 보냅니다. 차트 완성까지 며칠이 걸리기도 하고, 몇 주가 걸리기도 합니다. 때로는 보고서 업데이트를 위한 이메일 요청이 아예 누락되는 경우도 있습니다. 

• 협업 문제: 서로 다른 데이터 관리 시스템은 다분야 부서 간의 원활한 협업을 방해하여 프로젝트 결과에 부정적 영향을 미칩니다. 시뮬레이션 사용자는 여러 시스템에서 데이터를 검색해 자신의 로컬 컴퓨터로 내보낸 다음 작업해야 합니다. 또한 최종 결과가 생성되면 다른 시스템을 업데이트해야 할 수도 있습니다. 대규모 엔지니어링 부서가 있는 기업은 흔히 자체 데이터 관리 시스템을 구현하는 경우가 많고, 인수 합병을 통해 회사가 성장한 경우 데이터가 다양한 PLM(제품 수명주기 관리) 시스템에 존재하기 때문에, 이를 조율하는 데만 수년이 걸리기도 합니다. 기업들은 배포의 복잡성, 대규모 데이터 손실 또는 운영 중단의 위험 때문에 여러 개의 서로 다른 시스템을 계속 사용하기로 정하곤 합니다. 자연히 시뮬레이션 엔지니어들은 전체 시스템 동작을 파악하는 데 필요한 다학제적 데이터에 접근할 수 없는 상태로 고립되어 일하고 있습니다.

• 규정 준수 및 추적성 문제자동화된 시스템 없이는 규정 준수와 데이터 변경에 대한 추적성 보장이 어렵기 때문에 규정 미준수 및 관련 처벌의 위험이 높아집니다. 예를 들어, 여러 산업에서 안전에 대한 표준은 국가마다 다르며 시간이 지남에 따라 변경될 수 있습니다. 또한 지속 가능한 포장 요건도 끊임없이 변화하고 있습니다. 잘못된 제형의 식품이나 의약품을 잘못된 포장에 담아 잘못된 국가로 배송하면 심각한 처벌을 받을 수도 있습니다.

데이터 관리 자동화를 통한 엔지니어링 결과 창출

메타데이터 관리 자동화는 일반적인 엔지니어링 문제들을 해결함과 동시에 다양한 이점을 제공합니다.

• 컨텍스트: 자동화된 메타데이터 관리는 데이터에 대한 풍부한 컨텍스트 정보를 보장합니다. 일례로 메타데이터 관리를 자동화할 경우 해당 데이터의 출처, 사용 및 다른 데이터와의 관계를 일관되게 캡처할 수 있습니다. 이러한 컨텍스트는 다양한 시나리오에서 데이터의 관련성과 적용 가능성을 이해하고 제품 결정에 필수적인 통찰력 제공에 중요한 역할을 합니다.
• 관리: 데이터에 태그를 자동 지정 및 분류하여 데이터세트의 발견 가능성을 높일 수 있습니다. 데이터에 태그를 지정한 후에는 사용자들이 자주 쓰는 검색 기준을 저장해 보다 쉽게 데이터를 찾을 수 있습니다.
• R&D 생산성: 자동화된 시스템은 메타데이터 캡처와 관리를 간소화해 생산성을 높이고 데이터 관리에 드는 시간을 줄여줍니다. 예컨대 시뮬레이션 결과에서 결과 KPI를 프로그래밍 방식으로 추출 및 합성하면 시뮬레이션 파일에서 데이터를 수동 검색하거나 사용자 지정 필드에 데이터를 입력하는 번거로움을 피할 수 있습니다.
• 정확성: 프로그래밍 방식의 태그 지정은 데이터가 항상 올바르게 분류되도록 하여 정보 태그를 잊어버리거나 잘못 태그하는 등의 인적 오류의 위험을 최소화합니다. 시뮬레이션 결과에서 도출한 KPI의 데이터 입력 시점의 인적 오류는 제품 결정에 심각한 영향을 미치곤 합니다.
• 시각화: 직관적인 대시보드와 시각 도구는 데이터 접근성을 높여주며, 이해관계자들이 정보를 효과적으로 해석하고 활용할 수 있도록 도와줍니다. 의사 결정자는 특정 의사 결정에 필요한 특화형 대시보드를 활용할 수 있습니다. 시뮬레이션 엔지니어는 원시 데이터를 생성하는 것으로 충분하고, 적절한 인사이트를 얻기 위한 데이터 준비 작업은 자동화할 수 있습니다.
• 거버넌스: 데이터 부풀리기나 비용 초과를 방지하기 위한 자동화된 데이터 보존 정책, 조직 내 팀원의 역할에 따른 액세스 제어 자동화, 데이터 캡처 템플릿 제공을 통한 규정 준수는 데이터의 무결성과 보안성을 보장합니다. 일례로 환자별 데이터 처리와 관련된 특정 규정들이 존재하는 보건 분야의 경우, 이를 자동화된 거버넌스 정책으로 배포할 수 있습니다.

Rescale 기반의 시뮬레이션 데이터 관리 자동화 방법

Rescale은 시뮬레이션 유형이나 형식과 무관하게 메타데이터 관리 자동화가 가능합니다. 과학자와 엔지니어는 다분야 모델 기반 협업, 시뮬레이션 데이터 검색, 결과 추출을 위한 메타데이터를 추출하여 정보에 기반한 시기적절한 제품 결정을 내릴 수 있습니다. Rescale Metadata는 각 작업의 비용 및 성과과 같은 작업 텔레메트리 세부 정보 외에도 주요 엔지니어링 변수의 캡처에도 유용합니다.

1. 작업 실행 및 데이터 추출:

Rescale은 엔지니어와 과학자가 시뮬레이션을 수행할 때 수동 개입 없이도 시뮬레이션 메타데이터를 자동으로 추출하여 열 효율, 구조 진동 방식, 유압 및 속도, 작업당 비용 등 중요 파라미터를 확실히 캡처할 수 있도록 합니다.

2. 표준화 및 분류:

시뮬레이션 엔지니어가 사용자 지정 필드를 사용해 제품 설계를 업데이트하면 메타데이터가 사전 정의된 기준에 따라 캡처되고 분류됩니다. 이 프로세스로 데이터를 효율적으로 정리하고 손쉽게 검색할 수 있게 되므로, 결과적으로 데이터를 불러오는 시간도 단축됩니다. 일례로 시뮬레이션 엔지니어는 사용자 지정 필드를 사용해 제품의 어떤 시스템과 하위 시스템이 업데이트되는지 캡처한 후 영향을 받는 시스템에 대한 다운스트림 업데이트를 수행할 수 있습니다.

3. 데이터 시각화 및 결과 검토:

시각화 도구는 데이터의 중요성을 쉽게 이해할 수 있는 직관적인 대시보드를 제공합니다. 이러한 대시보드는 추세를 강조하고, 이상 징후를 식별하며, 시뮬레이션 데이터에서 도출된 기타 중요한 인사이트를 제시하여 정보에 입각한 의사 결정을 내릴 수 있도록 도와줍니다. 

일례로 엔지니어링 책임자가 자동차 열교환기에 쓰일 소재 관련 결정을 내리려면 압력 강하 대 최고 온도 추세를 이해하고, 구조 테스트와 관련된 최대 응력 값을 확인해야 하며, 설계 제약 조건, 최대 허용 온도 및 압력 강하를 이해해야 합니다. 여러 분야의 시뮬레이션 데이터와 요구사항 데이터로부터 이러한 정보들을 자동으로 도출하고, 정보에 입각한 의사 결정에 필요한 인사이트를 생성할 수 있습니다.

엔지니어링 데이터 관리를 위한 향후 애플리케이션 및 권장 사항 

엔지니어링 데이터 관리의 미래는 시뮬레이션 결과와 메타데이터를 AI 및 머신러닝과 전략적으로 통합하는 데 있습니다. 이러한 기술은 예측 분석 기능을 향상시켜 더 깊이 있는 인사이트와 정확한 예측을 제공할 수 있습니다. 예컨대 AI와 머신러닝은 과거 데이터를 기반으로 미래의 시뮬레이션 결과를 예측함으로써 보다 정확하고 효율적인 의사결정에 도움을 줄 수 있습니다. 데이터 중심 환경에서 앞서 나가려는 조직이라면 메타데이터 관리에 자동화를 도입하는 것이 중요합니다.

메타데이터 관리 자동화는 단순히 효율성 개선 차원의 문제가 아닙니다. 설계 프로세스 초기에 더 많은 인사이트를 확보하고 후기 설계 변경을 방지해 출시 기간을 획기적으로 단축함으로써, 조직의 데이터를 활용한 혁신 추진 방식을 변화시키는 것입니다. 자동화를 도입함으로써 기업은 데이터 처리 프로세스를 개선하고, 비용을 절감하며, 수작업으로는 달성하기 어려운 가치 있는 인사이트를 얻을 수 있습니다.