소식

Jul 15, 2023

디지털 트윈 테스트 시나리오에서 물어봐야 할 3가지 질문

디지털 트윈은 자동차, 공장, 건물과 같은 물리적 사물뿐만 아니라 비즈니스 프로세스, 공급망, 심지어 도시와 같은 고정되지 않은 개체를 모델링하고 테스트하는 인기 있는 방법입니다.

디지털 트윈은 자동차, 공장, 건물과 같은 물리적 사물뿐만 아니라 비즈니스 프로세스, 공급망, 심지어 도시 인프라와 같은 고정되지 않은 개체를 모델링하고 테스트하는 인기 있는 방법입니다. Accenture의 클라우드 우선 최고 기술 전문가인 Teresa Tung은 디지털 트윈을 조직이 "소프트웨어 제품 개발이 Waterfall에서 Agile로 발전한 것과 동일한 방식으로 물리적 제품 개발을 전환"하는 방법으로 설명합니다.

테스트에 사용되는 기존 모델링 워크플로와 디지털 트윈 접근 방식의 주요 차이점은 후자가 실제 데이터에서 받은 지속적인 업데이트를 기반으로 실행된다는 것입니다. 디지털 트윈을 지원하도록 설계된 시스템에는 일반적으로 시뮬레이션된 구성 요소와 실제 구성 요소의 서로 다른 보기 사이를 연결하는 데 도움이 되는 일련의 의미 체계가 함께 제공됩니다.

이러한 유형의 스키마는 전기, 기계 및 기타 유형의 엔지니어링 팀이 별도의 도구와 대시보드 간에 데이터를 전송하는 대신 단일 보기를 통해 설계 및 성능 균형을 탐색하는 데 도움이 될 수 있습니다. 그러나 디지털 트윈 접근 방식은 완벽하지 않으며 이를 효과적으로 구현하려는 조직은 데이터 무결성, 비즈니스 컨텍스트 및 기존 테스트 절차의 정확성과 관련된 세 가지 중요한 질문을 스스로에게 물어봐야 합니다.

데이터 관리 제공업체인 DataStax의 전략 담당 부사장인 Bryan Kirschner는 QA 팀이 실제 세계와 디지털 트윈의 상태가 어떻게 다를 수 있는지에 특별한 주의를 기울일 것을 권장했습니다. 테스트 팀은 쌍이 신뢰할 수 있는 진실 소스로 신뢰할 수 있는 조건 범위를 정의하는 시나리오를 테스트해야 합니다.

"테스트의 목적은 '이 시스템이 얼마나 잘 작동하는가?'에서 바뀌었습니다. Kirschner는 쌍둥이의 데이터가 실제 상황을 정확하게 표현하지 못할 수 있는 특정 시나리오를 식별하는 것이 중요하다고 강조했습니다. 이를 달성하기 위해 QA 팀은 디지털 트윈의 기본 설계가 조직의 현재 기존 테스트 워크플로와 일치하는지 확인해야 합니다.

예를 들어, mCloud Technologies의 최고 제품 및 기술 책임자인 Jim Christian은 회사가 디지털 트윈 접근 방식을 사용하여 대용량 데이터 처리 시스템을 모델링하고 시뮬레이션하여 운영 성능을 실시간으로 테스트하고 있다고 말했습니다. 이를 달성하기 위해 디지털 트윈은 모듈식 아키텍처를 사용하여 설계되어 조각을 개별적으로나 집합적으로 테스트할 수 있으므로 데이터 무결성을 더 면밀히 추적할 수 있습니다.

디지털 서비스 제공업체인 Apexon의 엔터프라이즈 QA 수석 이사인 Siva Anna에 따르면 QA 팀이 디지털 트윈과 함께 사용하기 위해 실제 소스에서 수집하는 데이터 포인트를 신중하게 고려하는 것이 중요합니다. 성공적인 디지털 트윈 구현은 결국 성능 보정 및 설계 개선에 도움이 되는 구체적이고 중요한 매개변수를 포착하는 데 달려 있습니다. 테스트 팀은 디지털 트윈 시스템에 데이터를 공급하는 다양한 센서가 단일 보기로 깔끔하게 통합되어야 하는 여러 데이터 형식과 품질 수준에 걸쳐 있을 수 있다는 점을 명심해야 합니다.

Blue Yonder의 공급망 계획 담당 부사장인 Puneet Saxena는 테스트 팀이 개발자와 협력하여 사용 사례를 통해 표현되는 맥락을 이해해야 한다고 말했습니다. 예를 들어, 제조업체를 위한 통합 수요 및 공급 계획은 디지털 트윈을 사용하여 창고 품목, 지리적 위치 또는 자동화된 기계와 같은 물리적인 사물과 청구서와 같은 추상적인 개체를 모두 나타내는 상세한 소프트웨어 모델에서 물리적 공급망을 나타냅니다. 재료, 주기 시간 평균 및 생산 속도 목표.

Saxena는 "소프트웨어 영역에서 물리적 현실을 더 현실적으로 표현할수록 결과는 더 좋아집니다"라고 말했습니다. 예를 들어, 공급망의 디지털 트윈은 조직이 기존 수요, 원자재 가용성, 작업 중 일정 또는 작업 일정을 고려할 때 해당 시설이 무엇을 생산할 수 있어야 하는지에 대한 예측을 기반으로 특정 제조 시설에 대한 현실적인 생산 벤치마크를 결정하는 데 도움이 될 수 있습니다. 생산 능력과 관련된 기타 요소.