지하물류 디지털트윈 구축 방법론, 요구사항 정의부터 실증 운영까지

앞선 글에서는 지하물류가 철도, 물류, 로봇, 시설, 정보통신, 안전관리 시스템이 결합된 복합 시스템이며, 이를 효과적으로 통합하기 위해 시스템엔지니어링과 디지털트윈의 연결이 필요하다는 점을 살펴보았다. 그렇다면 실제 지하물류 사업에서 디지털트윈은 어떤 방식으로 구축해야 할까.

 

많은 사업에서 디지털트윈은 3차원 공간을 시각적으로 구현하는 기술로 시작된다. 역사 내부, 선로, 물류센터, 이동로봇을 가상공간에 배치하고 현재 위치를 화면에 표시하는 방식이다. 그러나 이러한 시각화만으로는 지하물류 시스템의 운영 위험을 줄이거나 물류 효율을 높이기 어렵다.

 

지하물류 디지털트윈은 단순히 현실을 화면에 복제하는 수준을 넘어야 한다. 실제 시스템의 요구사항과 기능, 운영절차, 장비 상태, 물류 흐름을 하나의 모델 안에서 연결하고, 변화된 조건에 따라 미래 상황을 예측할 수 있어야 한다. 이를 위해서는 시스템엔지니어링의 전 생애주기 접근이 필요하다.

일상의 여객지하철 공간에서 물류의 모습을 엿보다.

첫 단계는 기술 선정이 아닌 운영목표 정의다

지하물류 디지털트윈을 구축할 때 가장 먼저 결정해야 하는 것은 센서 종류나 3차원 모델링 도구가 아니다. 먼저 지하물류를 통해 해결하려는 문제를 명확하게 정의해야 한다.

 

예를 들어 사업의 목표가 도심 택배차량 운행 감소인지, 물류 운송시간 단축인지, 역사 유휴공간 활용인지에 따라 디지털트윈의 구성과 분석 기능이 달라진다. 택배차량 감소가 핵심 목표라면 지상 배송차량의 운행거리, 물류 거점별 물동량, 최종 배송구간을 분석해야 한다. 열차를 활용한 정시 운송이 목표라면 열차 운행 시격, 정차시간, 적재시간, 환적시간이 중요한 데이터가 된다.

 

운영목표는 측정 가능한 지표로 변환해야 한다. 단순히 ‘효율적인 지하물류 운영’이라고 표현하는 것보다 시간당 화물 처리량, 평균 배송시간, 열차 운행 영향도, 설비 가동률, 에너지 사용량, 안전사고 발생 가능성과 같이 정량적으로 평가할 수 있는 기준을 설정해야 한다.

 

이러한 지표는 이후 디지털트윈이 어떤 데이터를 수집하고 어떤 시뮬레이션을 수행해야 하는지를 결정하는 기준이 된다. 운영목표가 불명확하면 많은 데이터를 수집하더라도 실제 의사결정에 활용하기 어렵다.

이해관계자 요구사항을 하나의 시스템 모델로 통합해야 한다

지하물류 사업에는 철도 운영기관, 역사 관리자, 물류기업, 로봇 운영사, 배송사업자, 지방자치단체, 이용객 등 다양한 이해관계자가 참여한다. 각 참여자는 서로 다른 목표와 요구사항을 가진다.

 

철도 운영기관은 안전성과 정시성을 가장 중요하게 생각한다. 물류기업은 운송비와 처리시간을 줄이기를 원한다. 역사 관리자는 승객 동선과 시설 운영에 미치는 영향을 최소화해야 한다. 지방자치단체는 교통 혼잡과 탄소배출 감소라는 공공적 효과를 기대한다.

문제는 이러한 요구사항이 서로 충돌할 수 있다는 점이다. 물류 효율을 높이기 위해 화물 적재량을 늘리면 열차 정차시간이 증가할 수 있다. AGV 이동속도를 높이면 작업시간은 줄어들지만 승객 안전에 영향을 줄 가능성이 있다. 물류공간을 확대하면 역사 이용객을 위한 공간이 줄어들 수 있다.

 

시스템엔지니어링에서는 이러한 요구사항을 목록으로만 관리하지 않는다. 요구사항과 기능, 시스템 구성요소, 시험항목 사이의 관계를 모델로 연결한다. 예를 들어 ‘열차 정시 운행에 영향을 주지 않아야 한다’는 상위 요구사항은 ‘화물 적재시간 제한’, ‘비첨두시간 운영’, ‘열차 지연 시 물류작업 자동 중지’와 같은 세부 요구사항으로 분해할 수 있다.

 

각 요구사항은 이후 센서데이터와 운영결과를 통해 검증된다. 이렇게 요구사항과 실제 운영데이터가 연결되면 디지털트윈은 단순한 모니터링 도구가 아니라 요구사항 충족 여부를 실시간으로 확인하는 검증 플랫폼이 된다.

물류 흐름과 철도 운행 흐름을 동시에 모델링해야 한다

일반적인 물류 시뮬레이션은 화물이 물류센터에서 출발해 목적지까지 이동하는 과정을 중심으로 분석한다. 반면 철도 시뮬레이션은 열차 운행시간, 선로 용량, 정차시간, 신호체계를 중심으로 분석한다.

지하물류에서는 두 흐름을 분리해서 분석할 수 없다. 화물이 제시간에 플랫폼에 도착하지 못하면 열차에 적재할 수 없고, 열차가 지연되면 도착역의 하역과 최종 배송계획도 변경해야 한다. 따라서 지하물류 디지털트윈은 물류 흐름과 열차 운행 흐름을 하나의 시간축에서 통합해야 한다.

 

예를 들어 물류거점에서 화물이 분류된 뒤 AGV에 적재되고, 엘리베이터를 통해 승강장으로 이동한 다음 열차에 실리는 전체 과정을 모델링할 수 있다. 각 단계에는 처리시간과 대기시간이 발생한다. 특정 구간에서 병목이 발생하면 전체 운송시간이 늘어나고, 결국 열차 적재시간을 맞추지 못할 수 있다.

 

디지털트윈은 이러한 병목을 사전에 발견하는 데 활용된다. 화물량이 평소보다 30% 증가했을 때 AGV가 몇 대 더 필요한지, 엘리베이터 운행횟수가 증가하면 승객 이동에 어떤 영향을 주는지, 열차가 5분 지연되었을 때 후속 배송계획을 어떻게 조정해야 하는지를 시뮬레이션할 수 있다.

정상 상황보다 비정상 상황 검증이 중요하다

지하물류 시스템은 정상적인 조건에서는 비교적 원활하게 운영될 수 있다. 그러나 실제 사업의 안정성은 예상하지 못한 상황에서 어떻게 대응하는지에 따라 결정된다.

 

대표적인 비정상 상황으로는 열차 운행 지연, AGV 고장, 엘리베이터 사용 중단, 통신 장애, 화물 오분류, 물류용기 파손, 승객 밀집도 증가, 화재경보 발생 등이 있다. 이러한 상황을 실제 역사에서 반복적으로 시험하기는 어렵다.

 

디지털트윈에서는 실제 운영에 영향을 주지 않고 다양한 장애 상황을 재현할 수 있다. 예를 들어 한 대의 AGV가 이동경로에서 멈추었을 때 다른 AGV가 우회할 수 있는지, 엘리베이터가 고장 났을 때 대체 이동경로가 있는지, 열차가 지연되었을 때 화물을 임시보관할 공간이 충분한지를 확인할 수 있다.

 

비정상 상황 검증에서는 단순히 복구시간만 측정해서는 안 된다. 장애 발생을 감지하는 시간, 운영자에게 전달되는 시간, 대응방안이 결정되는 시간, 실제 조치가 완료되는 시간을 구분해야 한다. 이를 통해 사고 대응절차의 어느 부분에서 지연이 발생하는지 파악할 수 있다.

물리적 디지털트윈과 운영 디지털트윈을 구분해야 한다

지하물류 디지털트윈은 크게 물리적 디지털트윈과 운영 디지털트윈으로 나눌 수 있다.

물리적 디지털트윈은 역사 구조, 선로, 물류공간, AGV, 엘리베이터, 적재장치와 같은 물리적 자산을 표현한다. 설비의 위치와 상태, 사용시간, 온도, 진동, 배터리 잔량 등을 관리하고 유지보수 시점을 예측하는 데 활용된다.

 

운영 디지털트윈은 화물 주문, 운송계획, 열차 운행표, 작업자 배치, 물류 흐름, 사고 대응절차를 모델링한다. 실제 운영에서 어떤 의사결정을 내려야 하는지 지원하는 역할을 한다.

 

두 디지털트윈은 분리되어서는 안 된다. 예를 들어 AGV 배터리 잔량이 부족한 것은 물리적 상태 정보지만, 해당 AGV가 운송해야 할 화물과 다음 열차 출발시간을 고려하면 운영 의사결정 문제가 된다. 디지털트윈은 AGV를 즉시 충전할지, 다른 AGV로 화물을 옮길지, 다음 열차로 운송을 연기할지를 판단할 수 있어야 한다.

데이터 표준과 인터페이스 관리가 성패를 결정한다

지하물류 디지털트윈은 다양한 시스템에서 데이터를 가져온다. 철도 관제시스템은 열차 위치와 운행정보를 제공하고, 물류관리시스템은 화물 주문과 재고정보를 관리한다. AGV 관제시스템은 로봇의 위치와 상태를 제공하며, 역사 시설관리시스템은 엘리베이터와 전력설비 정보를 제공한다.

 

각 시스템이 서로 다른 데이터 형식과 용어를 사용하면 통합 과정에서 오류가 발생한다. 한 시스템에서는 화물 위치를 역사 코드로 표시하고, 다른 시스템에서는 좌표로 표시할 수 있다. 시간정보도 초 단위, 분 단위, 표준시와 현지시가 혼재할 수 있다.

 

따라서 초기 설계단계에서 데이터 표준과 인터페이스를 정의해야 한다. 어떤 시스템이 원본 데이터를 생성하고, 어떤 주기로 갱신하며, 오류가 발생했을 때 어떤 값을 기준으로 판단할지를 정해야 한다.

 

데이터 정확도와 갱신주기도 중요하다. AGV의 위치정보가 10분마다 갱신된다면 실시간 충돌방지에는 활용할 수 없다. 반면 장기간 물동량 분석에는 초 단위 데이터가 필요하지 않을 수 있다. 모든 데이터를 실시간으로 수집하기보다 의사결정 목적에 따라 필요한 수준을 구분해야 한다.

작은 실증에서 시작해 단계적으로 확장해야 한다

지하물류 디지털트윈을 처음부터 도시 전체 규모로 구축하는 것은 비용과 위험이 크다. 초기에는 제한된 역사와 특정 시간대, 특정 화물 유형을 대상으로 실증하는 것이 현실적이다.

 

첫 단계에서는 역사 내부의 물류 동선과 AGV 이동을 중심으로 검증할 수 있다. 두 번째 단계에서는 열차 운송과 도착역 환적을 연결한다. 이후 여러 역과 물류거점을 연계하고 최종 배송수단까지 포함하는 방식으로 범위를 확대할 수 있다.

 

각 단계에서는 기술 성능뿐 아니라 운영성과와 안전성을 함께 평가해야 한다. 시간당 처리량이 증가했더라도 승객 불편이나 운영자의 업무 부담이 커졌다면 성공적인 실증이라고 보기 어렵다.

 

실증 결과는 다시 시스템 모델에 반영해야 한다. 예상보다 AGV 이동시간이 길거나 화물 분류 과정에서 오류가 발생했다면 요구사항과 운영절차를 수정해야 한다. 이처럼 설계, 실증, 분석, 개선이 반복되는 구조가 디지털트윈 기반 시스템엔지니어링의 핵심이다.

디지털 스레드로 전 생애주기를 연결해야 한다

지하물류 시스템은 설계가 완료된 뒤에도 계속 변화한다. 물동량이 증가하고, 새로운 로봇이 도입되며, 역사의 공간구조와 열차 운행계획이 바뀔 수 있다. 따라서 초기 설계문서만으로는 시스템을 지속적으로 관리하기 어렵다.

 

디지털 스레드는 요구사항, 설계모델, 시험결과, 운영데이터, 유지보수 기록을 하나의 흐름으로 연결하는 개념이다. 어떤 설계결정이 어떤 요구사항에서 출발했는지, 시험에서 어떤 결과가 나왔는지, 운영 중 어떤 문제가 발생했는지를 추적할 수 있다.

 

예를 들어 AGV 이동경로가 변경되었을 때 관련 안전요구사항과 시험항목을 자동으로 확인할 수 있다. 열차 정차시간이 변경되면 화물 적재계획과 인력 배치에 미치는 영향도 분석할 수 있다.

 

이러한 추적성이 확보되면 시스템 변경으로 인해 발생할 수 있는 위험을 사전에 발견할 수 있다. 또한 운영기관, 기술기업, 물류기업 사이의 책임범위를 명확하게 관리하는 데도 도움이 된다.

지하물류 디지털트윈의 핵심은 의사결정에 있다

지하물류 디지털트윈의 가치는 정교한 3차원 화면이나 많은 센서에 있지 않다. 실제 운영자가 더 나은 결정을 내릴 수 있도록 지원하는 것이 핵심이다.

 

운영자는 디지털트윈을 통해 현재 화물의 위치를 확인하는 데 그치지 않고, 향후 30분 동안 발생할 수 있는 병목을 예측해야 한다. 설비 고장 가능성이 높아지면 정비 시점을 추천받고, 열차 지연이 발생하면 대체 운송계획을 검토할 수 있어야 한다.

 

궁극적으로 지하물류 디지털트윈은 관제, 시뮬레이션, 예측, 최적화, 검증 기능이 통합된 운영 플랫폼으로 발전해야 한다. 시스템엔지니어링은 이 플랫폼이 무엇을 해야 하는지 정의하고, 디지털트윈은 실제 데이터로 그 기능을 실행한다.

 

지하물류 사업의 성공은 특정 기술 하나의 성능으로 결정되지 않는다. 요구사항이 명확하게 정의되고, 시스템 간 인터페이스가 안정적으로 연결되며, 비정상 상황까지 충분히 검증돼야 한다. 여기에 실제 운영데이터를 지속적으로 반영하는 디지털트윈이 결합될 때 지하물류는 단순한 실험을 넘어 현실적인 도시 인프라로 발전할 수 있다.