brave.

MEDIA

‘인공지능’이 답이다.

1950년 이후 인공지능(Artificial Intelligence)는 우리 생활에 쌓인 문제를 해결하는데 실로 엄청난 기여를 했다. 글로벌 기업들은 지난 2016년, AI의 경제효과가 260억~390억달러에 달한다고 밝혔다. 그리고 다가올 2030년이 되면 그 효과는 무려 13조 달러에 이를 것이라고 보고 있다. 우리가 인공지능에 매달릴 수밖에 없는 이유는 무엇일까?

2019년 3월 13일

contents
구성요소와 소재 그리고 상품을 연결 지어
디자인 순환에 도움

순환경제는 곧 디자인 이노베이션이라고도 할 수 있다.이는 제품과 구성요소, 그리고 소재를 연결해 언제나 최적의 조합을 찾아 차별화하고 가치를 찾아야 가능한 일이다. 이렇게 함으로써 디자인은 기술적인 소재와 생물학적인 영양분을 고려해 재사용, 재활용, 쇄신으로 이어지는 순환고리를 만들 수 있다. 이를 위해 컨텐츠의 해체,개선가능성과 재사용할것들의 분류 등을 모두 고려해야 한다. 또 여기에 3D 프린터와 기타 제조기술까지 추가되면 디자인 옵션은 말그대로 무한대다.이런 상황에서 AI는 디자이너의 의사결정을 획기적으로 돕는다. 디자이너에게 지속적인 피드백을 줘 더 짧은 시간안에 최선의 결과를 낼 수 있도록 한다. 신소재를 디자인하는 것도 유해한 화학물질이나 물질을 대체하는 데 도움이 된다. 3D 프린팅 기술은 재료의 복잡한 수급 없이 생산을 가능케해 제품의 판매가치를 올려준다. 신소재를 디자인하기 위해 기술자들은 방대한 양의 데이터를 쌓아가며 연구해야 한다. 이때 AI는 신속한 분석을 통해 소재 개발 시간을 줄여준다. 뿐만 아니라 AI는 화학 데이터 분석 알고리즘 연구를 통해 잠재적으로 발생할 수 있는 독성물질을 차단할 수도 있다.하지만 데이터의 양이 워낙 방대하고 접근 자체가 어렵기 때문에 재료 설계 분야에서 AI의 활용은 현재로선 제약이 많다.

contents
비즈니스 순환 모델 운영

여기에는 자산 공유 및 제품 별 서비스 (product-as-a-service)와 같은 새로운 사업 제안을 도입하는 것과 기존 원형 제품을 선형 제품과 성공적으로 경쟁시키는 것이 포함된다. 가변적 가격 책정 및 매칭 알고리즘은 자동차 및 자전거를 공유하고 액세스 할 수있는 가능성을 열었다. 역 물류 및 재생산 작업을 수행하려면 사용된 제품 및 구성 요소의 수요 및 공급 변동, 반환되는 구성 요소의 다양한 조건 등 여러 가지 문제를 해결해야한다. 재사용, 재생산을위한 부품 수거 또는 재활용을 통해 부품을 회수하는 것과 같이 반환된 각 제품에 대해 다음 사용주기를 선택하려면 제품의 상태 및 현재 상태에 대한 여러 요소의 조합 고려도 필수적이다 시장 상황을 연구하는 것은 말할 것도 없다. 많은 양의 제품 및 고객 데이터를 수집할 수있는 능력과이를 구현하는 강력한 AI 기반 분석 모델은 신속한 의사 결정을 가능케 한다

contents
인프라를 최적화해 자원 흐름과 제품순환에 도움

순환경제의 핵심요소는 소재와 제품이 한번 소모되고 끝나는 게 아니라 재사용을 거듭한다는 것이다.이를 위해 생물학적 폐기물로부터 효율적이고 광범위하게 재활용할 수 있는 자원을 채취할 수 있는 인프라가 필요하다. 폐기물을 수집해서분류한 뒤 분리하고 처리 및 재분배하는 기술이 핵심이다. 주방에서 나온 쓰레기부터 시작해 고물 컴퓨터에 이르기까지 한번 사용된 재료를 재활용할 때 일반적으로 부딪히는 문제는 이런 재활용이 생산품과 부산물이 서로 섞이고 혼합되는 과정에서 발생하는 이질적인 현상이라는 것. 가치 있는 자원을 효율적으로 재활용하려면 고른 품질을 가진 재료의 안정적인 수급이 필수적이다.일반적으로 자원의 흐름이 좋으면 사전 분류와 분리에도 도움이 돼 더 높은 수준의 재사용률 및 재제조를 할 수 있게 한다. 뿐만 아니라 재활용 중에 추출 되는 재료의 품질도 올라간다.

이 글은 미국맥킨지앤드컴퍼니에서 발표한
‘Artificial intelligence and the circular economy’을 요약 발췌했습니다.

‘Artificial intelligence’ is the answer.
Since 1950, artificial intelligence has made a tremendous contribution to solving the problems accumulated in our lives.Global companies announced that the economic effects of AI reached 26 billion dollars to 39 billion dollars in 2016. And by 2030, the effect is expected to be as much as $13 trillion.Why do we have to cling to artificial intelligence?

1. Design circular products, components, and materials
Circular economy calls for design innovation to keep products, components, and materials at their highest utility and value at all times, distinguishing between technical and biological cycles. Design can empower cycles of reuse, repair, refurbishment, and recycling of technical materials and the cascading and looping of biological nutrients. Circularity requires more features to be taken into consideration for the design of products, components, and materials, such as disassembly, upgradability, or recycled content. Add to this list of features the wide choice of materials and the possibilities of manipulation of structures with 3D printing and other manufacturing techniques, and the design options become countless. AI technology can be a helpful tool to enable designers to manage this complexity when making decisions. A continuous feedback process where designers test and refine AI generated design suggestions could lead to a better design outcome in a shorter time period.
Design of new materials can help to substitute harmful chemicals and materials. It can enable distributed manufacturing with technologies such as 3D printing, using locally available materials and by-products, and it ensures materials retain more value as they are cycled. To design a new material, material scientists need to evaluate a significant amount of data about the structure and properties of materials, which AI could analyze quickly to suggest new materials. In addition, by training an algorithm to analyze known chemical data, AI could potentially be used to predict the toxicity of chemicals or materials where it is not known in a more economic and efficient way. However, while large quantities of data exist around the properties of different materials, much of the data is propriety and inaccessible which currently limits the possibilities for AI applications in material design.

2. Operate circular business models
Developing successful and profitable circular business models requires the organization of business functions such as marketing, pricing, and sales, after sales services, customer support, logistics, and reverse logistics, underpinned by circular economy principles. It involves introducing new business propositions such as asset sharing and product-as-a-service, but also making existing circular products compete successfully with linear ones. Dynamic pricing and matching algorithms have unlocked the potential for sharing and access models for things like cars and bicycles – other industries are ripe for innovative circular business models, too.
Making reverse logistics and remanufacturing work requires solving several problems, including the fluctuating demand and supply of used products and components, and the widely varying condition of the returned components. For a company to choose the next use cycle for each returned product – such as reuse, recovering components through parts harvesting for remanufacture, or recycling – it would have to take into consideration a combination of factors regarding the product’s condition, as well as the current market situation. Only with the ability to collect large quantities of product and customer data, and a powerful AI-based analytical model to make sense of it, does such a decision-making model become feasible.

3. Optimize infrastructure to ensure circular product and material flows
A key feature of a circular economy is that materials and products are not consumed and disposed of, but used over and over again. This requires reusing, repairing, remanufacturing, and recycling of technical products and winning back nutrients from biological waste streams for which an efficient and extensive infrastructure for collecting, sorting, separating, treatment, and redistribution is needed. A common challenge to generate value from used material streams, from kitchen waste to used computers, is that these streams are mixed and heterogenous in materials, products and by-products, both biological and technical. Effective recovery of valuable materials requires homogeneous, pure flows of material and products. In general, the better material streams are pre-sorted and separated, the higher the recovery level, the more components can be identified for reuse and remanufacture, and the higher the quality of materials extracted during recycling.