근사적 전과정 평가 방법론 개발

본 논문에서는, 제품을 환경적 특징 (characteristic)에 따라 그룹핑하여 제품군을 형성하고, 제품군내의 제품 속성들로 환경영향 드라이버 (Environmental Impact Driver; EID) 인덱스(index)를 표현함으로써, 제품의 초기 설계 단계에서 사 용할 수 있는 한가지 근사적 전과정 평가 방법론을 제안한다. 환경영향 드라이버 (Environmental Impact Driver; EID) 인덱스인 즉 하나의 환경 범주와 제품 속성들 사이의 상관 관계를 조사하여 통계적으로 관계를 검증한다.

개념설계 단계에서 그룹된 제품의 근사적 전과정 평가 결과를 예측하기 위하여 인공신경망 모델이 개발된다. 이 학습 모 델은 각각의 환경영향 범주에 대해 관련 제품 특성들을 관련시킴으로써 일반화가 될 수 있다. 역전파(Backpropagation) 알고리즘을 갖는 인공신경망 모델이 사용되며, 그 결과는 중회귀분석의 결과와 비교된다. 제안된 방법은 완전 전과정평가 방법을 대체할 수는 없으나, 설계 개념 대안들에 대한 근사적 환경영향평가 결과를 제공해 준다.

This paper proposes an approximate life cycle assessment (LCA) for the conceptual design stage by grouping products according to their environmental characteristics and by mapping product attributes into environmental impact driver (EID) index. The relationship is statistically verified by exploring the correlation between total impact indicator and impact category. Then an artificial neural network model is developed to predict results of approximate LCA of grouping products in conceptual design stage. The training is generalized by using identified product attributes for an EID in a group as well as another product attributes for another EIDs in other groups. The neural network model with back propagation algorithm is used and the results are compared with those of multiple regression analysis. The proposed approach does not replace the full LCA but it would give an approximate LCA results for design concepts.