LiveTwinAX 공식 소개 | 스마트 팩토리를 위한 AI 통합 제어 플랫폼 (EPICS 기반)
길이 14:30 · 공개 2026년 11월 9일 · 언어 한국어
LiveTwinAX는 기존 PLC와 설비를 그대로 두고, EPICS 위에서 수집 · 판단 · 제어 · 3D 트윈을 한 플랫폼으로 묶습니다. AI는 숫자를 내고 판단은 EPICS DB가 합니다. 출력을 줄이는 판단은 자동으로, 공정을 바꾸는 판단은 운전원 승인 뒤 시퀀서가 반영합니다.
영상의 다섯 공정(EV 배터리 화성, 기어 가스 질화, 산화갈륨 단결정, 해상풍력, 한전 배전)은 모두 LiveTwinAX 실제 화면에서 트윈 시뮬레이션 데이터로 시연했습니다.
챕터
- 0:00인트로
- 0:11왜 실시간 운영 기반인가
- 0:58플랫폼 구성
- 2:03피지컬 AI 원칙
- 2:44CASE 1 EV 배터리 모듈 화성
- 4:33CASE 2 기어 가스 질화
- 5:52CASE 3 산화갈륨 단결정
- 7:04CASE 4 해상풍력 60 MW
- 8:36CASE 5 한전 22.9 kV 배전
- 10:06다섯 공정 정리
- 10:20숙련자 기준 · 표준화 · 보안 · 재학습
- 11:48MAPS 적용 방향
- 13:01같은 플랫폼, 다른 규모
- 13:16코트랩
- 13:35도입 로드맵
- 13:56결론
관련 페이지
영상 대본
영상 나레이션 전문입니다. 챕터 제목을 누르면 해당 장면부터 재생합니다.
0:00인트로
LiveTwinAX는 스마트 팩토리를 위한 AI 통합 제어 플랫폼입니다. 검증된 제어 표준 EPICS 위에서, MAPS 현장의 실시간 운영 기반이 됩니다.
0:11왜 실시간 운영 기반인가
모빌리티, AI 데이터센터, 피지컬 AI, 스마트 팩토리. 코트랩은 이 네 산업을 MAPS라고 부릅니다. 네 산업의 공통점은, AI가 화면을 넘어 배터리와 부품, 냉각과 전력, 로봇과 공장의 실제 설비를 움직인다는 것입니다. 그래서 현장에는 상태를 읽고, 판단하고, 권한대로 제어하는 실시간 운영 기반이 필요합니다. 데이터 수집과 설비 운전은 다른 기술입니다. 운전은 시간과 순서, 장애 복구와 명령 권한을 함께 지켜야 합니다. EPICS는 가속기와 핵융합처럼 멈출 수 없는 대형 시설을 30년 넘게 운전해 온 오픈소스 분산 제어 표준입니다. ITER는 약 100만 신호를 EPICS로 통합합니다. 공장과 데이터센터가 커져도, 벤더 종속과 태그 과금 없이 확장됩니다.
0:58플랫폼 구성
스마트 팩토리를 위한 AI 통합 제어 플랫폼, LiveTwinAX는 기존 PLC와 설비를 그대로 둡니다. 미쓰비시와 지멘스, OPC UA와 Modbus 신호를 하나의 EPICS 공정변수로 묶습니다. 판단과 인터록은 현장 제어기 안의 EPICS DB가, 물리 모델과 AI 추론은 Process Logic이 맡습니다. 화면과 3D 트윈, 레시피 시퀀서가 같은 공정변수를 쓰기 때문에, 보는 것과 제어하는 것이 하나로 이어집니다. 만드는 일은 코딩 없이, 현장이 직접 합니다. 운전 화면과 심볼, 3D 트윈은 끌어다 놓고, PLC 입출력과 EPICS DB, 물리·AI 블록, 상태머신, 전기 도면까지 한 프로젝트에서 그립니다. 검증된 프로젝트는 템플릿이 되어, 다음 공정에서 그대로 다시 씁니다. 운전과 분석도 같은 작업 공간에서 이어집니다. 운전 화면과 3D 트윈, 트렌드와 알람, 계통도와 GIS 지도가 모두 같은 공정변수를 봅니다. 운전 기록은 그때 화면 그대로 리플레이하고 리포트로 남깁니다. 현장 안의 AI 어시스턴트가 작업을 돕습니다.
2:03피지컬 AI 원칙
AI가 설비를 움직일 때의 원칙은 분명합니다. AI는 숫자만 내고, 판단은 EPICS DB가 합니다. 전류나 출력을 줄이는 안전 쪽 판단은 자동으로 걸리고, 온도나 시간처럼 공정을 바꾸는 판단은 운전원 승인을 거쳐 레시피 시퀀서가 반영합니다. AI가 멈추거나 신뢰도가 낮으면 보수 쪽 기본값으로 돌아가고, 안전 인터록은 그대로 남습니다. 이제 MAPS 현장과 맞닿은 다섯 공정을, LiveTwinAX에서 그대로 실행합니다. 모빌리티의 배터리와 기어, 차세대 전력반도체 소재, 그리고 데이터센터 전력 운영과 같은 구조의 발전과 배전입니다. 모든 조작은 운전원이 쓰는 같은 화면과 버튼으로 진행됩니다.
2:44CASE 1 EV 배터리 모듈 화성
첫 번째, 모빌리티의 핵심인 EV 배터리 모듈 화성입니다. 셀 하나가 뜨거울 때, 용접 불량이면 전류를 늦추면 되고, 내부 단락이면 즉시 멈춰야 합니다. 기존 인터록은 둘을 가르지 못하지만, LiveTwinAX는 같은 계측만으로 원인을 구분합니다. 프로젝트를 열고 IOC를 띄운 뒤, 물리 블록과 AI 블록을 실행합니다. 정상 화성. 정전류 99 A, 셀간 편차는 0.24 K입니다. 15번 셀에 버스바 용접 불량을 넣습니다. 접촉저항 4배. AI가 과잉 발열을 ‘전류에 비례하는 몫’과 ‘무관한 몫’으로 나눕니다. 접촉저항 쪽입니다. 그래서 늦춥니다. DB가 전류 한도를 52 A로 내리고, 편차는 인터록 한계 아래에 머뭅니다. 비교를 위해 AI 진단 권한을 거두면, 기존 인터록 방식이 됩니다. 10초 만에 인터록이 트립되고 충전이 멈춥니다. 식으면 다시 허가되고, 또 트립됩니다. 권한을 돌려주면, 다시 늦춰서 화성을 이어갑니다. 같은 공정변수를 3D 트윈이 구독합니다. 15번 셀이 이웃보다 뜨거운 자리가 그대로 보입니다. 이번엔 9번 셀에 내부 미세단락을 넣습니다. 전류와 무관한 발열이 허용치를 넘자, DB가 단락을 래치하고 충전을 세웁니다. 같은 ‘한 셀이 뜨겁다’여도 답은 반대입니다. 접촉저항이면 늦추고, 내부 단락이면 멈춥니다. AI 진단과 함께, 인터록 트립은 여섯 번에서 0번이 되었고 단락 셀은 즉시 멈췄습니다. AI에게 준 권한은 한 방향입니다. 전류를 낮추고 멈출 수만 있고, 올리는 권한은 레시피에만 있습니다. EV 배터리와 ESS 셀 공정에서, 불필요한 정지는 줄이고 위험한 셀만 정확히 멈추는 판단입니다.
4:33CASE 2 기어 가스 질화
두 번째, 구동 부품의 수명을 좌우하는 기어 가스 질화입니다. 품질인 질화층 깊이는 부품을 잘라 봐야 알고, 결과는 며칠 뒤에 나옵니다. 레시피는 시간으로 끝나기 때문에, 조건이 바뀌어도 경보 없이 불량이 만들어집니다. 3D 트윈은 레토르트 안의 기어 장입물과 히터를 같은 공정변수로 보여줍니다. 2단 질화. AI가 지금 조건대로 끝났을 때의 깊이를 미리 계산합니다. 목표를 넘으니 권고는 없습니다. 그런데 암모니아 해리 특성이 바뀝니다. PID가 끝까지 열어도 질화 포텐셜이 경계 아래로 떨어집니다. 그래도 경보는 울리지 않습니다. AI 예측이 목표선 아래로 내려가자, DB가 부족분을 시간으로 바꿔 2단 +1.5시간을 권고합니다. 공정을 바꾸는 일이므로 운전원이 승인하고, 레시피 시퀀서가 상한 안에서 2단 종료를 미룹니다. 연장된 2단이 끝나고, 질화층 깊이는 목표를 넘겼습니다. 시간 기준이었다면 목표에 못 미친 채 끝났을 배치가, 목표 깊이를 채우고 끝났습니다. AI는 끝을 미리 보고, DB는 권고하고, 사람이 승인하고, 시퀀서가 반영합니다. 전장과 구동 부품 열처리에서, 파괴검사를 기다리지 않고 공정 중에 품질을 맞추는 방법입니다.
5:52CASE 3 산화갈륨 단결정
세 번째는 차세대 전력반도체 소재, 산화갈륨 단결정 성장입니다. 불투명한 이리듐 도가니 안에서 고액 계면이 오목해지면 다결정이 생깁니다. LiveTwinAX는 도가니 밖 신호로 계면 모양을 추정하고, 운전원 승인을 거쳐 설정값을 바꿉니다. AI는 도가니 밖 여섯 개 신호만으로 계면 형상을 추정합니다. 3D 트윈의 가운데 원판이 고액 계면입니다. 색이 볼록 여유를 나타냅니다. 받침대 제열이 서서히 줄어드는 결함을 넣습니다. 제어 열전대와 RF 출력은 그대로입니다. 기존 화면으로는 아무것도 보이지 않습니다. AI가 오목 위험을 보고, DB가 온도 설정값 −25 K를 권고합니다. 운전원이 승인하자 시퀀서가 설정값을 내립니다. 계면이 다시 볼록으로 돌아왔습니다. 같은 결함에서, 계면이 오목했던 시간이 6.1시간에서 2.5시간으로 줄었습니다. 설정값을 바꾸는 일은 끝까지 운전원 승인과 시퀀서의 몫입니다. AI는 내부 상태를 추정하고, 설비는 승인된 경로로만 움직입니다. 피지컬 AI에 필요한 실행 구조입니다.
7:04CASE 4 해상풍력 60 MW
네 번째, 60 MW 해상풍력 단지입니다. 데이터센터의 냉각·전력 설비처럼, 여러 대가 부하를 나눠 듭니다. 베어링 열화는 직접 잴 수 없고, 절대 온도 경보는 울릴 때 이미 늦습니다. 결국 터빈을 세우고, 단지는 급전 지령을 지키지 못합니다. 한전 지령 45 MW. 열두 기가 가용 출력의 75%씩 나눠 듭니다. 정상거동모델이 ‘정상이라면 이 온도’를 내고, 실측과의 차이인 잔차를 봅니다. 6호기 베어링 손실이 2.5배로 늘어납니다. 절대 경보까지는 한참이지만, 잔차는 이미 오르기 시작합니다. 잔차가 지속되자 DB가 디레이팅을 래치하고, 허용 출력을 2 MW로 묶습니다. 줄어든 몫은 건강한 터빈이 나눠 들어, 단지 출력은 지령 그대로입니다. 3D 트윈에도 같은 값이 그대로 보입니다. 6호기만 2 MW로 묶여 돌고, 나머지는 3.9 MW씩 나눠 듭니다. 베어링 온도는 경보 아래, 약 70 ℃로 수렴합니다. 결선을 끊으면 종래 방식으로 돌아가, 정격으로 돌던 베어링이 80 ℃ 경보에 닿습니다. 종래 방식은 여기서 처음 알아챕니다. 세우지 않고 덜 돌립니다. 판단은 DB, 추론은 숫자만 냅니다. 경보보다 23 K 먼저 대응해 터빈을 세우지 않았고, 단지 출력 45 MW를 지켰습니다. 데이터센터의 냉각 펌프와 칠러처럼, 여러 대가 부하를 나눠 드는 설비에 그대로 적용됩니다.
8:36CASE 5 한전 22.9 kV 배전
다섯 번째, 공장과 데이터센터가 전력을 받는 한전 22.9 kV 배전 계통입니다. 지붕형 태양광은 계량기 뒤에 있어 변전소가 잴 수 없습니다. 그래서 회선 부하가 실제보다 가벼워 보입니다. 고장 복구로 부하를 넘겨받은 회선 위로 구름이 지나면, 숨은 부하가 드러나 다시 정전될 수 있습니다. 한낮. F4 회선의 계측 부하는 4.97, AI가 복원한 총부하는 7.36 MVA입니다. F3 회선에 영구 고장이 납니다. 리클로저가 재폐로를 시도한 뒤 잠깁니다. AI 총부하 기준 여유 2.63으로는 하류 전체 3.38을 받을 수 없어, 연계 구간만 부분 복구합니다. 정전 구간은 넷에서 둘로 줄었습니다. 실제 지형 위 3D 조감입니다. 붉은 띠는 정전, 푸른 띠는 가압 구간입니다. 구름이 지나 숨은 발전이 빠져도, F4는 8.83으로 상시 용량 10 아래입니다. 재정전은 없습니다. 같은 고장을 기존처럼 계측 부하 기준으로 보면, 여유가 넉넉해 보여 전 구간을 복구합니다. 그리고 구름이 지나면, F4는 10.72로 상시 용량을 넘습니다. 복구를 줄이는 판단이라 승인 없이 자동으로 걸리고, AI가 멈추거나 학습 범위를 벗어나면, 설치 용량 상한으로 보수적으로 판단합니다. 큰 부하가 몰리는 데이터센터와 공장 계통에서, 숨은 부하까지 보고 전력을 운용하는 기준이 됩니다.
10:06다섯 공정 정리
다섯 공정 모두, AI 추론이 EPICS의 판단 고리에 들어가 실제 설비를 움직였습니다. 줄이는 것은 자동, 바꾸는 것은 승인. 판단의 근거는 모두 EPICS 공정변수로 남습니다.
10:20숙련자 기준 · 표준화 · 보안 · 재학습
숙련자는 압력이 0.8 bar가 돼도 2분을 더 기다립니다. 앞 공정의 잔류 가스가 다 빠졌는지 보기 때문입니다. LiveTwinAX는 그 이유를 상태머신 조건으로 남깁니다. 배출을 확인하고, 압력이 0.8 bar 이하일 때만 다음 단계로 갑니다. 같은 사건은 리플레이로 다시 보고, 교대조가 바뀌어도 같은 기준으로 운전합니다. 숙련자가 떠나도 기준은 남습니다. 공정 정의는 한 번 만듭니다. 화면과 3D, 로직, AI 모델 입력과 알람 기준까지 하나의 템플릿입니다. 다음 라인이 미쓰비시든 지멘스든, PLC 주소와 배율만 다시 매핑하고 검증합니다. 국내외 생산 거점이 같은 기준으로 운전하고, 스마트 팩토리 솔루션의 표준 제어 모듈로 패키지화할 수 있습니다. 보안은 연결이 늘수록 경로와 권한을 좁히는 일입니다. 수집과 학습, 추론은 모두 외부 클라우드 없이 현장 안에서 이뤄집니다. 권한은 읽기, 편집, 승인, 실행으로 나뉘고, 한 공정변수에는 승인된 쓰기 경로 하나만 열립니다. 모든 접속과 조작은 감사 기록으로 남고, 오픈소스 기반 보안 체계로 취약점에 신속하게 대응합니다. 오늘 시연의 결함은 모두 트윈에서 먼저 주입해, 판단 로직을 검증한 것입니다. 현장에 적용하면 실측과 판단, 조작 이력이 그대로 기록되고, 그 데이터로 AI를 다시 학습합니다. 현장 데이터가 쌓일수록 AI 판단이 정확해지고, EPICS가 이 과정을 실시간으로 잇습니다.
11:48MAPS 적용 방향
모빌리티에서는 배터리 셀과 구동 부품의 품질을 공정 중에 보증합니다. AI가 셀과 부품의 숨은 상태를 추정하고, EPICS DB가 감속과 정지, 연장을 판정하며, 모든 판단이 품질 이력으로 남습니다. 검증된 템플릿 하나로, 국내외 배터리와 부품 라인에 같은 기준을 펼칩니다. AI 데이터센터는 냉각과 전력이 한순간도 멈추지 않아야 합니다. 열화된 펌프와 칠러는 세우지 않고 덜 돌리고, 숨은 부하까지 보고 전력 복구 범위를 정합니다. 냉각·전력 장비에 EPICS 운영 계층을 더하면, 장비를 넘어 데이터센터 운영 솔루션이 됩니다. 피지컬 AI의 관건은, AI의 판단을 실제 설비에 안전하게 잇는 것입니다. AI는 숫자를 내고, EPICS DB가 한계 안에서 판단하며, 공정을 바꾸는 일은 사람이 승인합니다. AI 모델과 로봇이 산업 현장에 들어갈 때, 그 실행과 안전을 맡는 계층이 됩니다. 스마트 팩토리에서는 제조 노하우를, 벤더와 라인을 넘어 재사용하는 제어 표준으로 만듭니다. 설계와 시뮬레이션의 디지털 트윈과 현장 PLC 사이, 실시간 판단과 제어의 자리를 LiveTwinAX와 EPICS가 채웁니다. MES와 연계하면, 스마트 팩토리 솔루션의 실시간 운영 모듈이 됩니다.
13:01같은 플랫폼, 다른 규모
같은 플랫폼으로 전국 송전망을 GIS 위에 올리고, 사람이 들어갈 수 없는 가속기 저장링의 신호까지 실시간으로 시각화합니다. 공장 한 곳에서 글로벌 생산 거점과 데이터센터 단지까지, 같은 구조로 넓어집니다.
13:16코트랩
코트랩은 핵융합과 가속기, 원자력 연구시설의 제어 현장에서 이 기술을 검증해 왔습니다. EPICS 핵심 설계자가 창업한 미국 Osprey DCS와 2023년부터 협력하고 있습니다. EPICS 개발자와 제조·AI 엔지니어가 설계부터 현장 구축까지 직접 수행합니다.
13:35도입 로드맵
시작은 공정 한 곳, 반복 문제 하나입니다. 기존 PLC는 그대로 두고, 효과를 현장 데이터로 함께 확인합니다. 검증된 템플릿은 다른 라인과 사업장으로 넓히고, MES와 연계한 표준 모듈로 만듭니다. 그리고 스마트 팩토리와 데이터센터, 피지컬 AI까지, MAPS 전 영역의 운영 표준으로 넓혀 갑니다.
13:56결론
정리하면, 모빌리티는 공정 중에 품질을 보증하고, AI 데이터센터는 세우지 않고 운전합니다. 피지컬 AI는 판단을 안전하게 설비에 잇고, 스마트 팩토리는 숙련자의 기준을 표준으로 재사용합니다. 스마트 팩토리를 위한 AI 통합 제어 플랫폼 LiveTwinAX와 EPICS가, MAPS 현장의 실시간 운영 기반이 됩니다. 대표 공정 하나와 반복 문제 하나를 알려주시면, 적용 구성안을 제시하겠습니다. 코트랩. 실시간 제어에서 자율 운영으로.
사진·지도 출처
- Marta Veverica, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Linia_zrobotyzowana_w_AIUT.png
- Yo-Co-Man, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Lithium_Iron_Phosphate_LiFePO4_Cells_700_Ah_Amp_Hours_3.25_Volts_-_2.jpg
- S zillayali, CC BY 3.0: https://commons.wikimedia.org/wiki/File:Computerised_Heat_Treatment_Furnance.jpg
- Simon Fraser University Public Affairs and Media Relations, CC BY 2.0: https://commons.wikimedia.org/wiki/File:Avogadro_Crystal_(in_the_furnace)_-_SFU_PAMR.jpg
- Ionna22, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Block_Island_offshore_wind_farm_P6290638m.jpg
- Benlisquare, CC BY-SA 4.0: https://commons.wikimedia.org/wiki/File:Suburban_rooftop_solar_power_generation_in_Canberra,_Australia.jpg
- © OpenStreetMap contributors · Esri World Imagery · AWS Terrain Tiles
