지속가능한 적층 제조를 위한 설계 단계에서 탄소 배출량 예측

지속가능한 제조 방식의 채택은 제조 업체에게 전략적으로 중요해지고 있습니다. 국내외 환경 규제와 기준이 강화됨에 따라, 지속가능한 제조 방식을 채택함으로써 법적 요구사항을 충족시키고 잠재적인 법적 리스크를 줄일 수 있습니다. 이렇게 지속가능한 제조 방식은 단순한 윤리적 선택을 넘어서 실질적인 이점을 제공하므로, 제조 업체에게 지속가능한 제조로의 전환은 미래 핵심 목표로 고려되고 있습니다.

적층 제조 기술은 높은 설계 자유도를 보장하며 최적화된 재료 사용을 가능하게 하여 지속가능한 제조 방식으로 주목받고 있습니다. 다만 적층 제조는 기존 제조 방식 대비 재료 낭비는 줄일 수 있어도 제조 시간이 길어 에너지 효율성 측면에서는 한계가 있습니다. 적층 제조 기술의 지속가능성 향상을 위해서는 이러한 면을 다각도로 고려해야 합니다. 우리는 이러한 측면에서 지속가능한 적층 제조에 기여하기 위한 연구가 필요하다고 판단했습니다.

엔지니어가 지속가능한 설계를 수행하려면 설계 단계 이후의 환경 영향을 예측할 수 있어야 합니다. 환경 영향 예측을 위한 전통적인 방법론인 전과정평가(life cycle assessment) 방법은 보통의 엔지니어가 활용하기 어렵고 요구 정보가 많아 설계 단계에서의 활용이 어렵습니다. SolidWorks Sustainability와 같은 상용 시스템의 유사 사례가 있으나, 설계자가 알기 어려운 정보를 입력해야 하므로 사용성이 아쉽습니다. 본 연구에서는 탄소 배출량을 초기 설계 단계에 신속하게 예측하기위해 심층신경망(인공신경망, 합성곱 신경망)을 활용하는 방식을 제안합니다. 심층신경망은 고차원 데이터에서 유의미한 패턴을 학습하고 추론할 수 있는 이점이 있는 것으로 알려져 있습니다. 그림 1은 기존의 환경 영향 예측 방법 및 제안하는 방법을 비교한 것입니다.

그림 1 기존의 환경 영향 예측 방법 및 제안하는 방법(AS-IS, TO-BE)

예측 모델 훈련은 데이터 준비, 모델 구성, 모델 훈련 및 평가, 테스트의 네 단계로 구성됩니다. 데이터는 입력/출력 데이터의 쌍으로 구성되며 모델의 예측 성능에 직접적인 영향을 미칩니다. 적층 제조 과정의 탄소 배출량 예측을 위해서는 3차원 모델의 기하학적 특징을 입력 데이터로써 활용하는 것이 좋습니다. 본 연구에서는 인공신경망의 입력 데이터로 3차원 모델의 경계 박스의 x, y, z 길이, 모델 부피, 서포트 부피를 활용했으며, 합성곱 신경망의 입력 데이터로 3차원 모델의 복셀을 활용했습니다. 출력 데이터로는 3차원 모델에 대하여 openLCA 소프트웨어로 계산된 탄소 배출량을 활용하였습니다. 모델 구성 단계에서 레이어 구조와 뉴런의 수, 활성화 함수, 손실 함수 등을 최적화하고, 모델 훈련 및 평가 단계에서 손실 함수를 최소화하는 방향으로 가중치를 업데이트하고, 테스트 단계에서 새로운 데이터를 활용하여 모델이 출력 값을 얼마나 잘 예측하는지 확인합니다. 

그림 2는 실험 결과를 나타냅니다. 실험 결과 훈련한 심층신경망 기반의 예측 모델은 openLCA 소프트웨어로 계산된 탄소 배출량을 높은 정확도로 예측한 것을 확인할 수 있었습니다. 테스트 결과의 분포도에서 예측값이 대각선에 근접하다면 예측 성능을 높은 것을 의미합니다. 인공신경망 및 합성곱 신경망 기반의 예측 모델 모두 높은 예측 정확도를 보였습니다. 또, 회귀 모델의 적절성을 평가하기위해서 흔히 사용되는 R^2결정계수의 평균을 비교했을 때, 합성곱 신경망 기반 예측모델이 약간 더 좋은 성능을 보였습니다. 

그림 2 두 심층신경망 기반 예측 모델의 성능 비교

본 연구는 적층 제조에서 발생하는 탄소 배출량을 예측하기 위해 심층 신경망을 활용하는 방안을 제안했습니다. 이를 통해 설계 초기 단계에서 환경 영향을 평가하고 이를 바탕으로 지속가능한 방향으로 설계를 최적화할 수 있도록 하고자 합니다. 이를 통해 설계자들이 더 지속 가능한 제품을 개발할 수 있도록 돕고, 제조 과정의 친환경적 전환을 가속화하는 데 기여할 것입니다. 추후에는 예측된 환경 영향 결과를 3차원 모델 위에 가시화하여 설계자의 직관적인 이해를 돕고, 이를 활용해 설계 변경을 제안하는 연구를 수행할 예정입니다.