Vivix는 브라질의 판유리 제조업체로, 건설 및 가구 시장용 유리와 거울을 생산합니다. 플로트 유리 생산에서 용해로는 가장 핵심적인 자산 중 하나이지만, 동시에 내부 상태를 관찰하기 가장 어려운 자산이기도 합니다. 용해로의 운전 온도가 약 1,550 ~1,600°C에 이르는 환경에서는 연소 가스, 용융 유리, 용해로 내화벽 사이에서 발생하는 상호작용을 직접 확인하는 데 한계가 있습니다. 생산을 지속하면서 이러한 상태를 파악하는 것은 에너지 사용, 자산 수명, 유리 품질에 관해 정보에 근거한 의사 결정을 내리는 데 필수적입니다.
이러한 가시성 문제를 해결하기 위해 Vivix는 Siemens, Snowflake, NVIDIA와 협력하여 플로트 유리 용해로의 실행형 디지털 트윈(xDT)을 개발하고 있습니다. 이 이니셔티브는 엔지니어링 시뮬레이션, 관측된 용해로 상태, AI 모델을 결합해 팀이 직접 측정할 수 없는 상태를 추정하고 가능한 운전 변경안을 평가할 수 있도록 지원합니다. Vivix는 우선 서로 연결된 세 가지 영역인 내화물 상태, 연소 효율, 유리 용융 품질에 집중하고 있습니다. Vivix는 생산 현장의 물리적 거동을 클라우드 규모의 AI 분석과 연결함으로써 물리학과 AI를 결합하고, 시스템 동작을 거의 실시간으로 모델링, 예측, 최적화합니다. 이를 통해 에너지 소비를 줄이고 용해로 수명을 연장하며 제품 품질을 향상할 수 있습니다.
기존의 물리 기반 시뮬레이션은 고충실도 예측을 제공하지만 막대한 연산 리소스가 필요합니다. 반면 일반적인 AI 모델은 물리 현상에 대한 이해가 부족한 경우가 많습니다. xDT 아키텍처는 고충실도 Siemens Simcenter 멀티피직스 모델을 Simcenter 축소 차수 모델링을 통해 가볍고 이식 가능한 실행 파일로 변환한 뒤 Snowflake AI 데이터 클라우드에 네이티브로 배포함으로써 이러한 트레이드오프를 극복합니다. 높은 수준의 확장성을 확보하기 위해 Simcenter Executable Digital Twin Manager는 단일 솔루션에서 xDT 라이프사이클을 관리할 수 있도록 지원합니다. Snowflake의 역할은 이렇게 도출된 엔지니어링 인사이트를 Vivix의 운영 데이터와 함께 실질적으로 활용할 수 있게 만드는 것입니다. Vivix는 물리 센서의 측정값을 포함한 IT 및 운영 기술 데이터를 Snowflake의 통합 네임스페이스에 모읍니다. 이를 통해 엔지니어링 및 운영 팀은 시뮬레이션 결과를 별도로 검토하는 데 그치지 않고, 관측된 용해로 상태에 대한 거버넌스 기반 뷰를 디지털 트윈의 예측값과 함께 활용할 수 있습니다. 그 결과 운영 팀은 엔지니어링 수준의 데이터에 거의 실시간으로 액세스할 수 있습니다.
NVIDIA PhysicsNeMo는 Vivix가 물리 기반 인과성과 시뮬레이션 데이터, 관측 데이터를 결합한 AI 대리 모델을 구축해 실시간 예측을 수행할 수 있도록 지원합니다. 엔지니어링 및 운영 팀은 NVIDIA Omniverse 라이브러리로 구축된 기술을 활용해 고충실도 결과를 함께 검토할 수 있습니다. 이 하이브리드 솔루션은 기반 클라우드 서비스 공급자인 Amazon Web Services(AWS)에 배포되어 지속적으로 작동하는 ‘가상 센서’ 역할을 합니다. 팀은 연산 부하가 큰 시뮬레이션 환경에 계속 연결하지 않아도 공간 내 열 분포, 가스 속도장, 내화벽을 통과하는 열유속 등 복잡하고 측정할 수 없는 내부 상태를 거의 실시간으로 재구성할 수 있습니다.
이러한 통합 접근 방식은 용해로 운영 전반에서 다음 세 가지 핵심 영역을 집중적으로 최적화할 수 있도록 합니다.
내화물 보존 및 수명 연장: 디지털 트윈은 실시간 열전대 데이터 스트림과 내화물 열 프로파일링을 결합해 국부 마모율을 계산하고, 발생 조짐을 보이는 국부 과열 지점을 몇 시간 앞서 감지합니다. 이를 통해 핵심 자산을 보호하고 열 응력을 최소화하며, 냉간 보수가 필요해지기 전까지 용해로의 연속 가동 기간을 연장할 수 있습니다.
연소 및 에너지 효율: 공기 흐름 및 열 모델은 버너 출력 수준과 열 분포 패턴을 동적으로 평가합니다. 이를 통해 정밀한 설정값 최적화가 가능해져 연소를 안정화하고 천연가스 소비를 줄이며 전체 배출량을 낮출 수 있습니다.
유리 용융 및 품질 최적화: 용융 유리조 내부의 온도 구배와 유동장을 모델링하면 체류 시간 분포와 용융이 얼마나 완전하게 이루어졌는지 파악할 수 있습니다. 이는 유리의 균질성을 높이고 완제품 판유리의 결함률을 낮추는 데 도움이 됩니다.
파일럿 프로젝트를 바탕으로 Vivix는 용해로 에너지 소비를 3%~5% 절감하고, 용해로 수명을 1년 연장하며, 데이터 수집 및 분석 주기를 80% 단축할 수 있을 것으로 기대하고 있습니다.
자료 1. 유리 용융 및 내화벽 공액 열전달에 대한 AI 기반 물리 예측(NVIDIA PhysicsNeMo로 모델을 학습하고 NVIDIA Omniverse 라이브러리를 사용해 시각화)
솔루션 아키텍처
자료 2. Snowflake와 Siemens DISW가 개발한 플로트 용해로 디지털 트윈의 솔루션 아키텍처. 물리 기반 모델링(Siemens SimCenter)과 AI 기반 분석(Snowflake Cortex AI)을 결합한 이 하이브리드 모델은 새로운 조건에서의 용해로 동작을 예측하고 운전 조건을 바꿔 보는 가상 시뮬레이션(what-if)을 실행할 수 있음
이러한 인사이트를 생산 현장에서 즉시 활용할 수 있도록 Snowflake AI 멀티에이전트 인터페이스는 작업자가 자연어로 디지털 트윈과 상호작용하는 기능을 제공합니다. 엔지니어는 실제 설비를 위험에 노출하지 않고도 최적 공기 유속에 대해 직접 질문하고, 운전 조건을 바꾼 가상 시나리오를 평가하며, 근본 원인 진단을 받을 수 있습니다. Siemens, Snowflake, NVIDIA, AWS 인프라 위에서 AI가 물리학의 기본 원리에 근거하도록 하면 Vivix는 실제 설비를 알 수 없고 잠재적으로 위험한 운전 조건에 노출하는 대신 가상 트윈으로 조건 변화 시뮬레이션을 수행할 수 있습니다. 이를 통해 유리 제조 역량을 높이기 위한 더 안전하고 예측력이 높으며 지속 가능한 기반을 확보합니다.
자세히 알아보기: Snowflake가 제조 기업이 운영 데이터와 엔지니어링 데이터를 통합해 분석과 AI에 활용할 수 있도록 어떻게 지원하는지 살펴보세요.
