DDD-GenDT는 Dynamic Data-Driven Application Systems (DDDAS) 패러다임을 기반으로 한 동적 데이터 기반 생성적 디지털 트윈 프레임워크입니다. 기존 디지털 트윈의 높은 데이터 요구량, 데이터 제약, 환경 변화에 대한 적응력 부족 문제를 해결하기 위해, 물리적 트윈의 작동 상태를 나타내는 Physical Twin Observation Graph (PTOG), 시간적 순서를 포착하는 Observation Window Extraction, 센서 구조화 및 필터링을 위한 Data Preprocessing Pipeline, 그리고 제로샷 예측 추론을 위한 LLM 앙상블로 구성됩니다. 생성형 AI를 활용하여 데이터 부족 환경에서도 디지털 트윈 구축이 가능하며, 산업 데이터 프라이버시를 유지합니다. DDDAS 피드백 메커니즘을 통해 물리적 트윈의 마모 및 열화에 대한 예측을 자율적으로 적응시켜 디지털 트윈의 노화(DT-aging)를 지원하고, 물리적 트윈의 진화와의 점진적인 동기화를 보장합니다. NASA CNC 밀링 데이터셋을 사용하여 검증되었으며, GPT-4 기반 디지털 트윈은 제로샷 설정에서 평균 RMSE 0.479A (10A 스핀들 전류의 4.79%)를 달성하여 비선형 프로세스 역학 및 물리적 트윈 노화를 정확하게 모델링했습니다.
