Reference & Project
Case study
객관적 데이터로 풀어낸 노리시스템의 핵심 인사이트
AI 사례
사후 결산 방식의 한계를 보완하기 위해, 연료 사용량 및 외인 요인을 통합 반영한 ARIMAX 모델을 구축하여 배출량 및 소요 비용을 미리 전망하는 시뮬레이션 연구를 소개합니다.
에너지 예측 관리 패러다임 전환
사후 집계 → 사전 전망
월말 결산 후 통제 불가능했던 과거 분석 방식에서 사전 계획 수립 체계로 전환하는 연구
재무 중심 지표 번역
tCO₂e + 소요 비용 통합
단순 환경 지표를 재무팀 및 경영진이 직접 판단할 수 있는 실제 소요 비용으로 환산
기존 배출량 관리는 월말 결산 이후에 확정되어 이미 소비된 에너지를 선제적으로 제어하거나 조정하기 어려웠습니다. 이에 따라 목표 배출량 초과를 사전에 제어하고 대처할 선행 전망 지표 구축 연구가 요구되었습니다.
사업장의 에너지 소비량은 단순 시간 흐름뿐만 아니라 생산량 계획, 공장 기온, 설비 가동시간 등 다양한 독립 변수가 연속적으로 결합해 움직입니다. 각각의 요인이 배출량을 얼마나 상승시켰는지 정량적으로 쪼개어 증명할 필요가 생겼습니다.
실제 의사결정권자에게 'tCO₂e' 단위의 환경 수치는 직관적이지 못합니다. 이를 재무 영향도 분석이 가능한 '소요 비용(연료비+탄소배출 비용)'의 재무 언어로 즉시 환산해 주는 논리 구조가 미흡한 실정이었습니다.
본 연구의 유효성 검증을 위해, Scope 1 고정 연소 대상 설비 10개소 및 가정 시뮬레이션 데이터를 활용한 파이프라인 데이터셋을 구축하여 정밀 검증을 수행했습니다.
에너지 원천 및 환경 변수
연료 사용량 데이터(고정 연소), 외기 온도, 기타 시계열
사업장 내부 운영 드라이버
생산량 및 생산계획, 가동 시간, 설비 기본 정보(속도·용량·가동 정보)
관리 지표 및 규격 적합
배출계수, 배출권 단가, GWP, 결측·이상치 처리
월별 예상 에너지 소비량을 도출한 뒤, 이에 즉시 연동되는 'tCO₂e 탄소배출량' 및 '소요 환산 비용'을 도출합니다.
배출 예측 변화 추이에서 생산 증대에 따른 사용 증가분과 이상 현상에 따른 가스 사용 증가분을 수학적으로 격리하여 기여율을 설명합니다.
생산 가동 계획 변동 및 외기 변화 시나리오를 자유롭게 변경 입력하여 사전에 최적의 배출 대체 방안을 시뮬레이션 조율합니다.
ARIMAX 기반의 검증을 시작으로 비선형 변수를 유연하게 처리하는 머신러닝(RF·GBM) 기술 접목 및 하이브리드 고도화 계획을 체계적으로 수립하였습니다.
선행 변동 외인과 추이를 정렬 검토하는 ARIMAX를 설계하여 고정 연소 설비 10개 영역 대상의 정상 자동 파이프라인을 확립하였습니다. 가정 모사 환경의 가데이터셋을 기반으로 데이터 인터페이스 구조와 UI 연계의 정확성을 검증하였습니다.
실제 생산 라인 운영 데이터를 운용 단계로 이관하고, 시계열 기반 예측 오차(잔차)의 불규칙한 비선형 변동을 Random Forest(RF) 및 Gradient Boosting(GBM) 알고리즘으로 보완하는 하이브리드 시계열 체계를 확장합니다. 아울러 Lag 변환 인자를 정밀 설정하고 Scope 2 간접 배출(전력 사용 부문)로 영역을 확장합니다.
에너지 가격 상승과 탄소 부과 인상의 정량적 움직임을 미리 환산하여, 생산 계획 단계에서부터 예상 대비 발생 예상 지출을 사전에 대비할 수 있습니다.
고효율 환경 설비 투자이나 생산 시간 변경 계획 수립 시, 시나리오 분석 도구로 절감액과 기여율을 정밀 시각화하여 명료한 실증 근거 자료를 마련할 수 있습니다.
무겁고 복잡한 연간 관리 배출 목표를 월별 관리 가이드 라인으로 세부화하고 사전 검침하여 회계 용도 목표에 알맞게 조달할 수 있는 체계 설계가 가능합니다.