"Plus-tic"의 두 판 사이의 차이
(→부품도) |
(→완료 작품의 평가) |
||
(같은 사용자의 중간 판 13개는 보이지 않습니다) | |||
277번째 줄: | 277번째 줄: | ||
무게 측정기 상단부에 고정되어 무게 측정기를 보호해줄 강화유리는 190*190*5 size로 제작한다. 또한, 무게 측정부분과 압축부분을 구별해주며, 무게 측정기에 영향을 주지 않으며 압축을 유효하게 도와줄 강화유리는 좌우로 이동할 수 있도록 하였으며 그 크기는 210*190*5 size로 제작한다. | 무게 측정기 상단부에 고정되어 무게 측정기를 보호해줄 강화유리는 190*190*5 size로 제작한다. 또한, 무게 측정부분과 압축부분을 구별해주며, 무게 측정기에 영향을 주지 않으며 압축을 유효하게 도와줄 강화유리는 좌우로 이동할 수 있도록 하였으며 그 크기는 210*190*5 size로 제작한다. | ||
− | :[[파일: | + | :[[파일:ㅇㅇ.jpg]] |
3. 발판 | 3. 발판 | ||
283번째 줄: | 283번째 줄: | ||
압착기에서 직접 발에 눌러 플라스틱을 압축할 수 있는 힘을 가하는 발판 부분을 따로 설계하였다. 기본 틀은 ABS 수지를 이용하여 제작하고, 플라스틱 상단부와 맞닿는 부분은 홈을 만들고 실리콘을 부착하여 플라스틱이 미끄러지지 않게 한다. | 압착기에서 직접 발에 눌러 플라스틱을 압축할 수 있는 힘을 가하는 발판 부분을 따로 설계하였다. 기본 틀은 ABS 수지를 이용하여 제작하고, 플라스틱 상단부와 맞닿는 부분은 홈을 만들고 실리콘을 부착하여 플라스틱이 미끄러지지 않게 한다. | ||
− | :[[파일: | + | :[[파일:플러스틱발판.jpg]] |
===제어부 및 회로설계=== | ===제어부 및 회로설계=== | ||
295번째 줄: | 295번째 줄: | ||
측정부에서는 압착된 플라스틱의 무게를 제어한다. 이 때 압착된 플라스틱의 무게만으로도 저울이 작동할 수 있는 중력식 무동력 저울을 사용할 수 있고, 압착부와 측정부는 간격을 띄워놓아 구동이 동시에 이루어지기보단 순차적으로 이루어질 수 있게 제어한다. 전자저울은 아두이노를 이용해서 제작할 수 있다. 구체적인 설계도는 다음과 같다. | 측정부에서는 압착된 플라스틱의 무게를 제어한다. 이 때 압착된 플라스틱의 무게만으로도 저울이 작동할 수 있는 중력식 무동력 저울을 사용할 수 있고, 압착부와 측정부는 간격을 띄워놓아 구동이 동시에 이루어지기보단 순차적으로 이루어질 수 있게 제어한다. 전자저울은 아두이노를 이용해서 제작할 수 있다. 구체적인 설계도는 다음과 같다. | ||
− | :[[파일: | + | :[[파일:아두이노플러스틱.jpg]] |
===소프트웨어 설계=== | ===소프트웨어 설계=== | ||
304번째 줄: | 304번째 줄: | ||
1. 데이터 셋 설정해보기 | 1. 데이터 셋 설정해보기 | ||
− | :[[파일: | + | :[[파일:데이터셋.jpg]] |
2019년 12월 기준 편의점에서 일반적으로 구매되는 식품에서 나오는 플라스틱을 구매하여 직접 무게를 재보았다. 생수 500mL의 경우 16.17g, 생수 1L의 경우 23.33g 등으로 플라스틱 사용 개수 당 20g으로 예측한 데이터가 유의미함을 알 수 있었다. 현재는 플라스틱 당 무게데이터가 정립되어져있지 않아 시험적으로 데이터 셋을 만들어보았지만, 더 많은 데이터 셋을 만들어 ALFO-GO를 구동한다면 정확도가 더 올라갈 것이라 판단할 수 있고 이후에는 자체적으로 데이터가 쌓여 학습이 가능해진다. | 2019년 12월 기준 편의점에서 일반적으로 구매되는 식품에서 나오는 플라스틱을 구매하여 직접 무게를 재보았다. 생수 500mL의 경우 16.17g, 생수 1L의 경우 23.33g 등으로 플라스틱 사용 개수 당 20g으로 예측한 데이터가 유의미함을 알 수 있었다. 현재는 플라스틱 당 무게데이터가 정립되어져있지 않아 시험적으로 데이터 셋을 만들어보았지만, 더 많은 데이터 셋을 만들어 ALFO-GO를 구동한다면 정확도가 더 올라갈 것이라 판단할 수 있고 이후에는 자체적으로 데이터가 쌓여 학습이 가능해진다. | ||
312번째 줄: | 312번째 줄: | ||
먼저 우리나라의 플라스틱 배출량은 ‘자원순환정보시스템’에서 제공하는 1996년~2017년의 가정 생활 폐기물 중 플라스틱 총 발생량(종량제 배출+재활용 배출)의 데이터를 사용한다. 그래프는 다음과 같다. | 먼저 우리나라의 플라스틱 배출량은 ‘자원순환정보시스템’에서 제공하는 1996년~2017년의 가정 생활 폐기물 중 플라스틱 총 발생량(종량제 배출+재활용 배출)의 데이터를 사용한다. 그래프는 다음과 같다. | ||
− | :[[파일: | + | :[[파일:사용량플러스틱.jpg]] |
플라스틱 사용량의 미래 예측은 선형회귀 모델을 이용했다. 선형회귀란 머시러닝 알고리즘 중 하나로, 2차원 평면에 놓인 점을 표현하는 1차 함수의 기울기와 절편을 찾는 통계 모형이다. 이렇게 찾은 1차 함수는 모델이라고 부르는데, 구한 선형회귀 모델로 새로운 x에 대한 y값을 구할 수 있다. 선형회귀 모델의 기울기와 절편을 최적화하기 위해서는 ①변화율로 업데이트 ②오차역전파로 업데이트를 통한 경사하강법을 사용한다. 이렇게 구한 경사하강법 알고리즘은 Neuron 이라는 이름의 파이썬 클래스로 만들 수 있고 이 클래스로 학습을 한 신경망 모델의 가중치와 절편을 구할 수 있다. 다음은 오차 역전파를 이용해 구한 선형회귀 모델의 산점도와 직선그래프이다. | 플라스틱 사용량의 미래 예측은 선형회귀 모델을 이용했다. 선형회귀란 머시러닝 알고리즘 중 하나로, 2차원 평면에 놓인 점을 표현하는 1차 함수의 기울기와 절편을 찾는 통계 모형이다. 이렇게 찾은 1차 함수는 모델이라고 부르는데, 구한 선형회귀 모델로 새로운 x에 대한 y값을 구할 수 있다. 선형회귀 모델의 기울기와 절편을 최적화하기 위해서는 ①변화율로 업데이트 ②오차역전파로 업데이트를 통한 경사하강법을 사용한다. 이렇게 구한 경사하강법 알고리즘은 Neuron 이라는 이름의 파이썬 클래스로 만들 수 있고 이 클래스로 학습을 한 신경망 모델의 가중치와 절편을 구할 수 있다. 다음은 오차 역전파를 이용해 구한 선형회귀 모델의 산점도와 직선그래프이다. | ||
− | :[[파일: | + | :[[파일:플11.jpg]] |
이렇게 구한 선형회귀의 모델에 새로운 x값, 즉 미래 연도를 대입하면 현재 속도로 플라스틱이 버려질 경우의 x연도 플라스틱 총 배출량을 예측할 수 있다. | 이렇게 구한 선형회귀의 모델에 새로운 x값, 즉 미래 연도를 대입하면 현재 속도로 플라스틱이 버려질 경우의 x연도 플라스틱 총 배출량을 예측할 수 있다. | ||
− | :[[파일: | + | :[[파일:플112.jpg]] |
다음과 같이 선형적으로 증가하는 예측값을 구했다. 미래 우리나라 플라스틱 총 배출량을 웹에 배치함으로서 사람들에게 시각적으로 경각심을 줄 수 있고, 그 양에 대한 감각을 수치적으로 표현할 수 있다. | 다음과 같이 선형적으로 증가하는 예측값을 구했다. 미래 우리나라 플라스틱 총 배출량을 웹에 배치함으로서 사람들에게 시각적으로 경각심을 줄 수 있고, 그 양에 대한 감각을 수치적으로 표현할 수 있다. | ||
334번째 줄: | 334번째 줄: | ||
(4) autocalculate : 압착기에서 측정한 플라스틱 사용량(무게데이터) | (4) autocalculate : 압착기에서 측정한 플라스틱 사용량(무게데이터) | ||
− | :[[파일: | + | :[[파일:변인설정.jpg]] |
이처럼 다변인 선형회귀 모델에 사용자의 사용량을 입력하면 그에 따른 감소/증가에 따른 5년 단위의 미래 플라스틱 사용량을 보여준다. | 이처럼 다변인 선형회귀 모델에 사용자의 사용량을 입력하면 그에 따른 감소/증가에 따른 5년 단위의 미래 플라스틱 사용량을 보여준다. | ||
− | :[[파일: | + | :[[파일:ㅁㄴㅁㄴ.jpg]] |
'''나. WEB''' | '''나. WEB''' | ||
344번째 줄: | 344번째 줄: | ||
WEB페이지는 사용자가 PLUSTIC의 제품사용과 예측프로그램을 유동적으로 연결하는 역할을 한다. WEB페이지를 통해 사용자는 예측 서비스 뿐만 아니라 자신의 플라스틱 사용량, 거주지의 플라스틱 사용량 그리고 PLUSTIC의 상세 설명을 살펴 볼 수 있다. WEB페이지는 총 3개의 페이지로 구성되어 있다. 각 페이지는 각각의 목적에 맞게 디자인 및 설계되었고 이를 html, css, java script를 이용해 코딩함으로써 WEB페이지를 설계할 수 있었다. Fig 22과 Fig 23을 통해 구성페이지와 코드맵을 확인 할 수 있다. 아래 그림과 같은 기획안 단계에서 시작하여 WEB이 구성되었다. | WEB페이지는 사용자가 PLUSTIC의 제품사용과 예측프로그램을 유동적으로 연결하는 역할을 한다. WEB페이지를 통해 사용자는 예측 서비스 뿐만 아니라 자신의 플라스틱 사용량, 거주지의 플라스틱 사용량 그리고 PLUSTIC의 상세 설명을 살펴 볼 수 있다. WEB페이지는 총 3개의 페이지로 구성되어 있다. 각 페이지는 각각의 목적에 맞게 디자인 및 설계되었고 이를 html, css, java script를 이용해 코딩함으로써 WEB페이지를 설계할 수 있었다. Fig 22과 Fig 23을 통해 구성페이지와 코드맵을 확인 할 수 있다. 아래 그림과 같은 기획안 단계에서 시작하여 WEB이 구성되었다. | ||
− | :[[파일: | + | :[[파일:코드웹.png]] |
1. HOME | 1. HOME | ||
350번째 줄: | 350번째 줄: | ||
Home은 PLUSTIC의 초기 화면이다. 홈페이지에서는 예측서비스와 사용자의 랭킹페이지로 이동 할 수 있으며 ALFOGO와 PLUSTIC의 설계 마지막으로 TUTORIAL을 포함하고 있다. 이를 통해 사용자는 WEB 페이지를 통해 현재 자신이 사용하고 있는 제품 PLUSTIC의 기술력과 ALFOGO의 기술력을 확인할 수 있으며, 지속적으로 업데이트 되어지는 정보의 기반으로 데이터 및 기술의 성장속도도 가늠 할 수 있다. 또한 가정 내에서 전 가구원이 사용함을 예측하므로 누구든지 손쉽게 이용 할 수 있도록 TUTORIAL 영상 페이지를 제공하게 된다. 추후 다른 2개의 페이지에서 다시 HOME으로 돌아 올 수 있으며, HOME 내에서는 클라이언트가 별도의 입력값을 제공하지 않으므로 오류가 발생할 수 없어 안정적으로 구성되어진 페이지이다. 도메인은 추후 임대형으로 구매하여 예산을 절감할 계획이다. | Home은 PLUSTIC의 초기 화면이다. 홈페이지에서는 예측서비스와 사용자의 랭킹페이지로 이동 할 수 있으며 ALFOGO와 PLUSTIC의 설계 마지막으로 TUTORIAL을 포함하고 있다. 이를 통해 사용자는 WEB 페이지를 통해 현재 자신이 사용하고 있는 제품 PLUSTIC의 기술력과 ALFOGO의 기술력을 확인할 수 있으며, 지속적으로 업데이트 되어지는 정보의 기반으로 데이터 및 기술의 성장속도도 가늠 할 수 있다. 또한 가정 내에서 전 가구원이 사용함을 예측하므로 누구든지 손쉽게 이용 할 수 있도록 TUTORIAL 영상 페이지를 제공하게 된다. 추후 다른 2개의 페이지에서 다시 HOME으로 돌아 올 수 있으며, HOME 내에서는 클라이언트가 별도의 입력값을 제공하지 않으므로 오류가 발생할 수 없어 안정적으로 구성되어진 페이지이다. 도메인은 추후 임대형으로 구매하여 예산을 절감할 계획이다. | ||
− | :[[파일: | + | :[[파일:웹.jpg]] |
− | :[[파일: | + | :[[파일:홈.jpg]] |
2. RAINKING | 2. RAINKING | ||
358번째 줄: | 358번째 줄: | ||
RAINKING은 사용자의 플러스틱 배출량 감소 순위를 확인 할 수 있는 페이지이다. 본 페이지는 사용자의 플라스틱 배출량 및 저감량 확인을 통해 경각심을 일깨워주며 성취감을 일깨워주는 목적을 갖고 있으며, 이에 부합하게 개인의 순위, 지역의 순위, 지역내에 구단위 등 세분화된 배출저감량 및 순위를 확인 할 수 있다. 본 페이지는 사용자가 증가하여 축적되는 데이터를 정리하여 지속적으로 업데이트 되어질 것이다. | RAINKING은 사용자의 플러스틱 배출량 감소 순위를 확인 할 수 있는 페이지이다. 본 페이지는 사용자의 플라스틱 배출량 및 저감량 확인을 통해 경각심을 일깨워주며 성취감을 일깨워주는 목적을 갖고 있으며, 이에 부합하게 개인의 순위, 지역의 순위, 지역내에 구단위 등 세분화된 배출저감량 및 순위를 확인 할 수 있다. 본 페이지는 사용자가 증가하여 축적되는 데이터를 정리하여 지속적으로 업데이트 되어질 것이다. | ||
− | :[[파일: | + | :[[파일:ㄹㅋ.jpg]] |
3. 예측서비스 | 3. 예측서비스 | ||
364번째 줄: | 364번째 줄: | ||
예측 서비스를 제공하는 예측 페이지는 선형회귀분석을 이용하여 파이썬 기반으로 설계되어진 ALFOGO를 통해 이루어진다. 개발된 ALFOGO와 연결되어지는 페이지이며, 해당 페이지에 플라스틱 예측에 요구되어지는 플라스틱량, 의지도, 가구수 및 기타 값을 입력할 경우 현재 자신의 소비패턴에 의해 예측되어지는 미래의 플라스틱 배출량을 확인 할 수 있다. 또한 상세 결과보기란을 제공하여 입력 값에 의한 본인의 플라스틱량 및 국가의 플라스틱량 지역의 플라스틱량을 그래프로 확인 할 수 있어 정확한 데이터를 제공 할 수 있다. | 예측 서비스를 제공하는 예측 페이지는 선형회귀분석을 이용하여 파이썬 기반으로 설계되어진 ALFOGO를 통해 이루어진다. 개발된 ALFOGO와 연결되어지는 페이지이며, 해당 페이지에 플라스틱 예측에 요구되어지는 플라스틱량, 의지도, 가구수 및 기타 값을 입력할 경우 현재 자신의 소비패턴에 의해 예측되어지는 미래의 플라스틱 배출량을 확인 할 수 있다. 또한 상세 결과보기란을 제공하여 입력 값에 의한 본인의 플라스틱량 및 국가의 플라스틱량 지역의 플라스틱량을 그래프로 확인 할 수 있어 정확한 데이터를 제공 할 수 있다. | ||
− | :[[파일: | + | :[[파일:ㅇㅊ.png]] |
− | :[[파일: | + | :[[파일:ㅋㅋㄷ.jpg]] |
===자재소요서=== | ===자재소요서=== | ||
− | :[[파일: | + | :[[파일:자재.jpg]] |
==결과 및 평가== | ==결과 및 평가== | ||
379번째 줄: | 379번째 줄: | ||
직접 아두이노를 이용하여 저울을 만들고, 실제 무게데이터를 얻을 수 있었다. | 직접 아두이노를 이용하여 저울을 만들고, 실제 무게데이터를 얻을 수 있었다. | ||
− | :[[파일: | + | :[[파일:표.jpg]] |
2. 압축기 | 2. 압축기 | ||
− | :[[파일: | + | :[[파일:압축기하.jpg]] |
− | :[[파일: | + | :[[파일:압축기.jpg]] |
====나. ALFO-GO 알고리즘 학습코드==== | ====나. ALFO-GO 알고리즘 학습코드==== | ||
− | :[[파일: | + | :[[파일:학습1.jpg]] |
− | :[[파일: | + | :[[파일:학습2.jpg]] |
====포스터==== | ====포스터==== | ||
− | :[[파일: | + | :[[파일:플러스틱포스터.jpg]] |
===개발사업비 내역서=== | ===개발사업비 내역서=== | ||
401번째 줄: | 401번째 줄: | ||
1. 설계 산정내역서 | 1. 설계 산정내역서 | ||
− | :[[파일: | + | :[[파일:설계산정.jpg]] |
2. 사업 선정내역서 | 2. 사업 선정내역서 | ||
− | :[[파일: | + | :[[파일:사업산정.jpg]] |
===완료 작품의 평가=== | ===완료 작품의 평가=== | ||
411번째 줄: | 411번째 줄: | ||
1. 평가 기준 | 1. 평가 기준 | ||
− | :[[파일: | + | :[[파일:평가기준플러스틱.jpg]] |
2. 평가 결과 | 2. 평가 결과 | ||
− | :[[파일: | + | :[[파일:평가결과플러스틱.jpg]] |
압축기를 모형으로만 설계하였기 때문에 기계적 작동에서 점수를 매길 수 없었지만, 그럼에도 불구하고 무게측정부, ALFO-GO구동, 웹페이치 구축이 목표대로 잘 이루어져 최종적으로도 목표한 점수에 도달할 수 있었다. 압축기 또한 제대로 검증할 수 없었지만 설계를 진행하며 발판만 좀 더 강력한 소재를 사용할 수 있었다면 압축률 또한 이론적 계산에 부합하는 결과가 나왔을 것을 예상할 수 있었다. | 압축기를 모형으로만 설계하였기 때문에 기계적 작동에서 점수를 매길 수 없었지만, 그럼에도 불구하고 무게측정부, ALFO-GO구동, 웹페이치 구축이 목표대로 잘 이루어져 최종적으로도 목표한 점수에 도달할 수 있었다. 압축기 또한 제대로 검증할 수 없었지만 설계를 진행하며 발판만 좀 더 강력한 소재를 사용할 수 있었다면 압축률 또한 이론적 계산에 부합하는 결과가 나왔을 것을 예상할 수 있었다. |
2019년 12월 18일 (수) 22:10 기준 최신판
프로젝트 개요
기술개발 과제
국문 : 플라스틱 압축기와 사용량에 따른 발생 예측 모델설계 및 WEB PAGE 설계
영문 : Design for Plastic Compressor and prediction Model and WEB PAGE
과제 팀명
PLUSTIC조
지도교수
장서일 교수님
개발기간
2019년 9월 ~ 2019년 12월 (총 4개월)
구성원 소개
서울시립대학교 환경공학부 20158900** 성*진(팀장)
서울시립대학교 환경공학부 20168900** 장*정
서울시립대학교 환경공학부 20168900** 정*경
서울시립대학교 환경공학부 20168900** 최*나
서론
개발 과제의 개요
개발 과제 요약
21세기는 플라스틱의 시대라고 불릴 정도로 많은 플라스틱이 생산되고, 사용되고, 버려지고 있다. 하지만 플라스틱은 재활용이 쉽지 않고 효율도 높지 않아, 단순 소각이나 매립으로 대부분 처리되는데, 그 과정에서 유해물질을 배출하여 새로운 환경오염의 원인이 되고 있다.
이러한 환경문제를 해결하기 위해 국가적, 세계적으로 변화의 움직임이 생기고 있다. 우리나라 환경부는 자원순환사회를 만들기 위해 2018년 1월 1일부터 자원순환기본법을 시행했다. 이는 생산부터 폐기에 이르는 전 과정에서 발생하는 플라스틱 총량을 억제하고, 재활용을 촉진하기 위한 내용들이며, 또한 2030년까지 플라스틱 폐기물 발생량을 절반으로 줄이기 위해 순환단계별 종합개선대책을 마련하였다.
계속해서 플라스틱을 대체할 수 있는 물질과 플라스틱 처리효율, 재활용률을 높일 수 있는 방안들이 개발되고 있지만 우리는 좀 더 확실하게 폐플라스틱 발생량 자체를 줄일 수 있는 시스템 도입을 계획했다. 우선 플라스틱 압착기를 크기와 소음을 줄여 설계함으로써 플라스틱을 쉽게 가정에서 압축하여 보관할 수 있도록 한다. 또한 압착기로 압축되는 플라스틱의 무게를 측정해 모은 데이터를 가공하고, 개인별 플라스틱 발생량을 예측하는 AI ALFO-GO 설계를 목표로 한다.
웹 서버를 통해 개인이 쉽게 자신이 사용한 플라스틱 양을 수치화, 시각화하여 볼 수 있기 때문에 관리가 용이하고, 국가에서도 거시적인 통계자료가 아닌 구체적인 자료들을 사용해 폐플라스틱 발생량을 확실하게 관리 할 수 있을 것이라 기대한다.
개발 과제의 배경 및 효과
1. 환경적 측면
한국해양수산개발원에 따르면 현재까지 전 세계에서 생산된 플라스틱의 총량은 83억 톤에 육박하며 이중 75%인 약 63억 톤이 쓰레기로 배출됐다. 그러나 폐기된 쓰레기 중 9%만 재활용 되었으며, 12%는 소각되고 나머지 79%는 매립되거나 자연에 버려져있다. 소각이나 매립을 하려해도 여의치 않은 것이 현 실태이다. 소각의 경우, 다이옥신배출기준 적용에 따라 소각장의 수가 2016년도 419개소에서 2017년 395개소로 해마다 줄어들고 있다. 또한 매립의 경우, 현재와 같은 상황이 지속되면 국내 매립지 잔존수명이 30년도 채 남지 않은 상황이다.
유럽 플라스틱 및 고무 기계 협회(European Plastics and Rubber Machinery Association)는 2015년 기준으로 우리나라 1인당 플라스틱 소비량이 일본 65.8kg/인, 유럽 67.4kg/인, 미국 93.8kg/인 보다 많은 132.7kg/인이며, 2020년에는 145.9kg/인으로 증가할 것이라 추정하고 있다.
폐플라스틱은 적게는 6개월부터 길게는 500년 이상의 분해기간을 필요로 한다. 이렇게 분해되는 동안 플라스틱은 각종 유해물질을 배출하기도 하고, 생물들이 먹이로 오인해 섭취해 질식사를 일으키고, 폐어망이나 봉지에 걸려 이동이 방해되면서 죽음에도 이르는 생태계 문제를 초래한다.
2. 정책적 측면
우리나라의 경우, 2017년 재활용 쓰레기 최대 수입국인 중국이 수입을 중단하면서 그에 따른 대책을 수립하지 못하여 2018년 4월 재활용 수거 대란이 일어났다. 우리나라의 2018년 1~8월 폐플라스틱 수입량이 전년 동기 대비 211% 증가한 반면, 수출액은 57%가 줄었다. 전 세계적인 환경규제로 폐플라스틱 수출이 어려워지는 것이 확실해진 만큼, 정부 차원의 대책도 마련되어야 한다.
환경부는 자원순환사회를 만들기 위해 2018년 1월 1일부터 자원순환기본법을 시행했다. 이는 생산부터 폐기에 이르는 전 과정에서 발생하는 억제하고, 재활용을 촉진하기 위한 내용들이며, 또한 2030년까지는 플라스틱 폐기물 발생량을 절반으로 줄이기 위해 각 순환단계별 종합 개선대책을 마련하였다.
3. 인식적 측면
일반적으로 국민소득이 증가할수록 재활용품은 질적 변화를 수반한다. 우리나라는 경제성장에 따른 국민 생활수준의 향상으로 대량생산과 대량소비 활동이 이루어짐으로써 각종 재활용품이 급증하고 있는 상황이다. 더구나 공업화, 산업화에 따른 도시의 인구집중 현상을 도시폐기물의 배출량을 급증시키는 주요 원인이다.
2018년 발생한 폐플라스틱 수거 대란 이후 재활용 쓰레기에 대한 사람들의 경각심이 증가한 것을 알 수 있다. 그럼에도 올바른 분리수거를 준수하지 않은 쓰레기는 여전히 많은 편이며, 올바른 분리배출 방법을 모르는 사람들이 많다.
개발 과제의 목표와 내용
1. 플라스틱 압축기 'PLUSTIC'
플라스틱 압축기 'PLUSTIC'을 이용하여 집 안에서 공간을 많이 차지하는 페트병과 캔 등의 부피를 최소화하여 공간 활용을 도모하며, 쾌적하게 보관할 수 있다. 또한 최소화된 부피로 재활용품을 편리하게 분리수거 할 수 있으며, 재활용품 배출횟수 감소도 기대할 수 있다. 궁극적으로는 생활 속 플라스틱의 재활용률을 높여 자원순환에 동참한다.
2. 빅데이터 구축
플라스틱 압축기 'PLUSTIC'은 기존의 압축기에 무게 측정기를 설치함으로서 플라스틱 압축과 함께 무게 데이터를 얻을 수 있다. 이 데이터를 가공하여 빅데이터를 구축함으로서 미래 배출량 예측 AI인 'ALFO-GO'의 기반 데이터로 활용되고 머신러닝의 오차가 줄어들게 한다.
3. 인공지능 알고리즘 'ALFO-GO'
현재의 단순히 배출된 폐플라스틱의 양을 통계 내 공지하는 형식의 데이터 처리방식에서 벗어나 유효한 데이터를 구축하고 이를 사용자들에게 제공하여 데이터를 기반으로 하는 플라스틱 발생량 줄이기 목표를 달성하고자 한다. 본 과제에서 설계하려는 'ALFO-GO'는 주기적으로 현재 플라스틱 발생량을 입력하고 그 값을 기준으로 미래 플라스틱 배출량을 예측하는 것을 목표한다.
4. 웹페이지 구축
웹페이지는 크게 'PLUSTIC' 기기 소개와 'ALFO-GO' 기능 구현이라는 두 가지 항목을 구성된다. PLUSTIC 기기 소개란에서는 PLUSTIC 기기를 사용했을 때 얻을 수 있는 장점과 기기 활용법을 소개함에 따라 이용자를 늘린다. 설계한 AI ALFO-GO를 통해 개개인별 플라스틱 배출량을 예측하고 과거부터 미래까지 플라스틱 사용량 그래프를 이용자에게 전달한다. 개개인은 자신의 플라스틱 배출량을 확인함에 따라 소비량을 얼마나 줄여하는지 스스로 관리할 수 있는 시스템을 만드는 것을 목표로 한다.
관련 기술의 현황
State of art
1. 빅데이터
빅데이터는 기존 데이터베이스로 처리할 수 있는 역량을 넘어서는 초대용량의 정형, 비정형 데이터를 생성, 수집, 저장 관리 및 분석하여 가치를 추출하고 지능화 서비스의 기반을 지원하는 기술이다. 특히 그 범위가 확대되어 도구, 플랫폼, 분석 기법 등도 포함한다. 미래 산업에서 경쟁 우위를 좌우하는 중요한 자원으로 활용될 수 있으며 빅데이터의 분석의 목적을 적절히 설정하여 유연한 의사결정을 하기도 한다. 또한 이를 분석해 의미 있는 정보를 찾아내기 위해 한 방법으로 머신러닝을 이용하기도 한다.
2. 머신러닝
인공지능의 한 분야인 머신러닝은 컴퓨터에게 데이터를 학습시킴으로서 컴퓨터 스스로 판단하고 새로운 분석을 얻어내는 분야이다. IoT가 활성화하면서 발생하는 빅데이터들을 최적화하여 머신러닝의 효율을 극대화시킬 수 있다. 이러한 머신러닝을 이용해 데이터 기반으로 예측하고, 분석모델 빌딩 프로세스를 효과적으로 자동화하고 시스템이 독립적으로 새로운 시나리오에 적응할 수 있도록 하여 인공지능을 구현할 수 있다. 구현한 인공지능으로는 미래예측, 이미지 인식, 음성인식, 번역 등 여러 가지에 활용할 수 있다. 실례로 데이터 불균형 환경에서 머신러닝을 접목해 원인을 도출하고 시각화가 필요한 여러 분야에서 이용하고 있다.
기술 로드맵
- 빅데이터
- 출처 : ICT R&D 기술로드맵 2023_SW·AI·차세대보안
- 인공지능 기술
- 인공지능 기술은 두 번의 AI 암흑기에도 불구하고, 데이터 축적·컴퓨팅 파워 진전과 알고리즘(딥러닝)의 진화 등으로 최근 부흥기에 진입하였다.
- - 1차(‘70년대) : 메모리·처리속도 등의 미구축, 실패로 AI에 대한 지원 중단
- - 2차(‘00년대) : 전문가시스템의 고유지비용·업데이트 한계·오류 등으로 AI회의로 확산
- 출처 : 과학기술정보통신부 I-Korea 4.0 실현을 위한 인공지능(AI) R&D 전략
특허조사
1. PLUSTIC 관련 특허
1) 대한민국특허청-출원번호(10-2015-0133046) 발명의 명칭: 압축기 2) 대한민국특허청-출원번호(10-2017992) 발명의 명칭: 스텝퍼 방식의 운동기구를 이용한 무동력 폐기물 분리 압축기
2. ALFO-GO 관련 특허
1) 대한민국특허청-출원번호(10-2017-0168014) 발명의 명칭: 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템 및 방법 2) 대한민국특허청-출원번호(10-2017-0041440) 발명의 명칭: 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템
특허전략
∎ 플라스틱 압축기 PLUSTIC의 경우 기존 특허들과 달리 무게 측정기를 설치함으로서 개개인 또는 각 가정의 플라스틱 배출량을 알 수 있다는 점을 강조하여 특허진행을 준비한다.
∎ AI ALFO-GO의 경우 기존 특허들을 확인할 결과 머신러닝을 다양하게 사용하는 기술이 있음을 알 수 있다. 하지만 설계를 진행할 1인의 폐플라스틱 미래 발생량 예측 서비스와 같이 미래 발생량을 예측하는 알고리즘에 관한 특허는 존재하지 않아 기존의 특허들과 다른 방향으로 특허진행을 준비해야 할 것이다.
관련 시장에 대한 분석
경쟁제품 조사 비교
마케팅 전략
∎ PLUSTIC의 경우 무게 측정기를 설치한 플라스틱 압축기와 이 무게 데이터를 바탕으로 미래의 플라스틱 발생량을 예측, 관리할 수 있는 AI 프로그램과 이를 쉽게 사용할 수 있는 플랫폼을 구축한다. 가정이나 학교, 사업장에서 편리하게 압축기를 편리하게 이용할 대상은 일반인이므로 이에 맞춰 마케팅 한다.
∎ CODING의 경우 미래의 플라스틱 발생량을 예측, 관리할 수 있는 AI ALFO-GO 프로그램과 이를 쉽게 사용할 수 있는 플랫폼으로 구성된다. 따라서 정보를 이용할 대상은 크게 자신의 플라스틱 사용량을 확인할 일반인과 이러한 정보를 이용해 정책 수립과 저감대책을 세울 정부기관이기 때문에, 이러한 두 사용자의 특성에 맞춰 각각 마케팅 한다.
1. 사용자를 대상으로 하는 마케팅
플라스틱 압축기의 경우 가정에서 분리수거 날까지 부피를 많이 차지하는 플라스틱을 압축하여 보관함에 따라 이전보다 공간을 활용할 수 있다는 점을 강조한다. 또한, 가정이나 학교에서 사용할 경우 환경에 대한 교육적 효과를 얻을 수 있다. ALFO-GO는 플라스틱 압축기 PLUSTIC을 통해 사람들이 가장 효과적으로 접근할 수 있다. 제품을 사용하지 않는 사람들이 ALFO-GO를 사람들이 가장 효과적으로 접근할 수 있는 방법은 웹페이지라 생각해, 플랫폼을 이에 맞춰 설계한다. 특히 ALFO-GO의 주된 기대효과는 사람들에게 자신의 플라스틱 소비량을 쉽게 전체 배출량 또는 다른 사람들과 비교해 자발적인 감소를 촉진하는 것이다. 현대적인 디자인을 적용하고, 정보 입력과 결과를 확실하게 볼 수 있는 인터페이스를 구축해 깔끔한 정보전달을 할 수 있도록 한다.
2. 정부를 대상으로 하는 마케팅
본 설계 결과물은 공공데이터의 성질이 크기 때문에 정부 및 공공기관이 운영대상이 될 것이다. 따라서 일반 사기업이 아닌 가치공유와 지역의 유기적 협업을 대상으로 하는 공기업에 맞춰 사회적 의미를 추구한다는 점을 강조하는 방향으로 마케팅을 해야 한다. 최근에는 공기업도 정보전달이 아닌 소통의 중요성을 받아들여 변화하고 있기 때문에, 과거의 딱딱한 표현이 아닌 누구나 편하게 사용할 수 있도록 페이지를 구성하고, 불필요한 부분은 삭제해 정부 관리가 쉬울 수 있도록 한다. 기존의 정보는 전년도의 배출량을 고시하는 정도에서 끝났다면, 이제는 현재, 미래의 데이터를 예측하여 확실한 대처방안을 세우는 것이 가능해진다는 점을 강조하여 마케팅 한다. 매년 새롭게 수진되는 배출량과 사회적 요소들을 업데이트 하여 ALFO-GO의 배출량 예측 정확도를 높여 점점 심각해지는 쓰레기대란과 같은 환경·사회적 문제를 예방, 빠르게 대처할 수 있다.
SWOT 분석 및 전략
1. SWOT 분석
2. SWOT 전략표
개발과제의 기대효과
기술적 기대효과
∎ 개인별 플라스틱 사용량 계측 가능 ∎ 폐기물 관련 현황 위주였던 기존의 데이터 분석 방식에서 예측 위주의 새로운 데이터 분석 패러다임 제시 ∎ 폐기물 발생량 예측 데이터 구축의 시발점 ∎ 4차 산업혁명 시대에 맞추어 나가는 인공지능 기술과 폐기물 처리기술의 결합 ∎ 딥러닝 기술을 적용하기 때문에 데이터가 구축될수록 점점 높아지는 예측 정확도 ∎ 플라스틱뿐만 아니라 모든 종류의 폐기물에 동일하게 적용하여 활용 가능
경제적 및 사회적 파급효과
∎ '폐플라스틱 대란'과 같은 폐플라스틱 수거에서 오는 사회적 문제의 해결책 ∎ 향후 어플리케이션을 개발하여 지속적인 수입 보장 ∎ 매립지를 보다 효율적으로 사용 가능 ∎ 눈에 보이는 데이터를 제시함으로서 폐기물 발생량에 대한 국민들의 경각심 고취 ∎ 쓰레기 섬 등 쓰레기 처리 문제에 대한 사람들의 불안감 해소 ∎ 대상 지역구를 무궁무진하게 넓힐 수 있어 세계적 폐기물 데이터 수집 및 분석이 가능
구성원 및 추진체계
◇ 성규진 – 아두이노 및 모형제작
◇ 장희정 – 아두이노 및 모형제작
◇ 정재경 – 파이썬 코딩
◇ 최예나 – 웹 개발
설계
설계사양
1. 제품 요구사항
시장조사 결과 다음과 같은 요구사항 목록을 작성할 수 있었다. 각 요구사항을 D(Demand)와 W(Wish)로 구분하고 등급을 나누어 우선적으로 충족시켜야할 요구사항을 선정하여 설계에 적용시키도록 하며, 그 후 나머지 희망사항을 해결할 수 있는 방향으로 설계를 진행하여 한다. 또한 요구사항 목록에 있는 것 이외에 제품 요구사항을 충족시키기 위하여 목적계통도를 아래와 같이 작성하였다.
2. 목적 계통도
이번 설계의 목표인 PLUS-TIC의 제작을 성공시키기 위하여 제품이 지녀야할 특성들을 경제성, 기능성, 안정성, 실용성 4개 부분으로 하여 작성하였다.
핵심 기술은 파이썬을 이용한 미래 플라스틱 발생량 예측 프로그램인 ALFO-GO이다. 위 요구사항 목록에서 Demand로 표시되는 미래 플라스틱 발생량 예측과 웹구현이 가장 중요한 부분이라고 할 수 있다. 따라서 본 과제 진행시 이 두가지의 기능적 부분에 집중하여 설계를 하였다.
세분화해서 항목별로 정리했을 때 다음과 같은 장점을 가진다고 판단하였다. 1) 편리성 : 부피가 작은 음료수 캔부터 큰 대형 페트병까지 쉽게 원터치로 압축할 수 있다. 2) 다양성 : 맥주 캔, 음료수 캔, 생수병, 음료수병, 막걸리병, 대용량 생수병 등 다양한 제품을 간편하게 압축할 수 있다. 3) 재활용품 배출횟수 감소 : 조금만 쌓여도 가득 차버리는 재활용품들의 부피가 줄어들면, 재활용품 배출횟수도 감소한다. 4) 공간 활용 : 부피가 큰 플라스틱을 압축해서 공간 활용이 가능해집니다. 또한, 압축기도 소형 사이즈로 공간 차지가 적다. 5) 비주얼 이펙트(Visual Effects) : 전국 플라스틱 발생량, 내가 사는 지역의 플라스틱 발생량, 나의 플라스틱 발생량을 그래프로 한눈에 비교하여 효율적으로 플라스틱 발생량을 관리한다. 6) 경제성 : 무동력 압축기와 무전원 저울을 사용하는 PLUSTIC은 전원이나 건전지가 불필요하여 유지 관리면에서 경제적이다. 7) 정확성 : 플라스틱 종류별 플라스틱 원가와 다양한 생활 물가 지수 지표들을 반영한 다중 회귀분석 기법을 사용하여 미래 플라스틱 발생량을 예측하기 때문에 높은 정확성을 가진다. 8) 연동성 : 제품 내 압착부와 무게 측정부, ALFO-GO의 미래 데이터 예측부가 연동되어 돌아가 탄탄한 구성을 가진다.
개념설계안
1. 압착기
분리수거하여 재활용하도록 되어 있는 플라스틱을 효율적으로 수거하기 위해 가정 차원에서 플라스틱 병을 1차적으로 압축하여 부피를 최소함으로써 보관과 수거를 편리하게 한다. 또한 압축된 폐플라스틱 무게를 측정하여 이를 플라스틱 발생량 예측 AI인 ALFO-GO 입력 데이터로 사용한다.
상하 원판 사이에 플라스틱을 넣은 후 상 원판 부분을 발로 누르며 압축한다. 하 원판 하부 측에는 압축된 플라스틱의 중력을 이용하여 무동력으로 무게를 측정할 수 있는 측정기와 측정된 무게를 볼 수 있는 계기판으로 구성된다. 이는 가정이나 학교, 사업장 어느 곳에서든 편리하게 사용될 수 있다.
2. ALFO-GO 코딩 및 Web Server
과거와 현재의 플라스틱 발생량을 통해 미래 배출량을 추측하는 AI인 ALFO-GO 설계는 파이썬과 텐서 플로우를 기반으로 이루어진다. 다변인 선형회귀 모델을 개발하여, 과거 저장된 데이터를 통해 현제 데이터를 입력했을 때 변화되는 예측값을 출력하는 것이 주목적이다. 지속적인 데이터 학습을 통해 점차 합리적이고 완벽한 식을 찾아낼 수 있으며 이를 통해 실제와 근사한 예측값에 도달할 수 있다.
ALFO-GO가 사용자에게 유의미하게 이용되기 위해 Web Server에 구현될 수 있도록 한다. 설계한 기계인 PLUSTIC을 통해 받은 데이터 혹은 과거 환경청을 통해 받은 플라스틱 연간 사용량이 ALFO-GO에 전달되어 예측을 진행하게 되고, 결과값은 Web에 구현되어 사용자에게 전달될 수 있다. 또한, 사용자가 웹사이트에 접속하여 현재 플라스틱량을 입력할 경우 입력 값은 다시 ALFO-GO 모델에 전달되어 사용자는 입력값에 대한 미래 플라스틱 예측 값을 알 수 있도록 한다.
Web Server의 경우 사용자가 웹사이트에 접속 시 html 템플릿을 통해 사용자에게 전달되어 진다. 이러한 html 템플릿은 크게 두 가지의 항목을 갖고 있으며 이는 각각 PLUSTIC 소개와 ALFO-GO 기능 구현이다. PLUSTIC 소개에서는 본 장치 및 본 웹사이트의 구축 방법, 그리고 구축 목적과 타당성을 밝히며 웹페이지의 사용자가 자사의 높은 이해도와 더불어 적절한 피드백을 받을 수 있도록 도울 수 있다. ALFO-GO 기능에서는 사용자 개인의 과거 플라스틱 사용량, 미래의 개인의 플라스틱 사용 예측량과 더불어 시도 및 국가의 플라스틱 배출 예측량을 확인할 수 있다. 이러한 html 템플릿은 HTML, CSS, JS의 언어를 기반으로 구현할 것이며, 사용자의 편의와 결과 데이터의 유의미한 접근을 중점으로 설계를 진행할 것이다. 아래 그림은 각각 설계계통도와 구축할 웹사이트이다.
3. 장치 간의 연동
압착기, 무게 측정기, 플라스틱 발생량 예측 AI ALFO-GO, 웹페이지 구동 각각의 시스템을 연동시켜 본 과제의 최종목표를 실현할 수 있다. 플라스틱 발생량 저감 목표를 이루기 위해서는 가정이나 사업장 등 실질적 참여가 요구된다. 압착기를 통해 사용자는 사용한 플라스틱의 부피를 줄여 보관하며, 우리는 압착기에 달린 무게 측정기를 이용하여 측정된 폐플라스틱 무게를 기반으로 AI ALFO-GO의 입력데이터를 일정한 기준으로 가공한다. 웹페이지를 통해 개개인별 폐플라스틱 발생량 및 ALFO-GO를 통해 얻은 예상 배출량을 저감 목표치와 비교하여 가시화하여 사용자에게 전달한다. 각각의 시스템을 통해 사용자는 압착기를 통해 폐플라스틱 보관이 용이해지고, 학교나 교육단체에서 사용 시 교육적 효과를 기대할 수 있으며, 가시화된 데이터를 통해 사용자 스스로가 목표치에 다가갈 수 있는 방향성을 가지고 플라스틱 발생량을 줄일 수 있다.
이론적 계산 및 시뮬레이션
1. EPA 분석 기법 - WARM TOOL
EPA에서 제공하는 분석 기법인 WARM TOOL을 사용하여 우리의 제품 사용 시 플라스틱 발생량이 얼마나 감소할 수 있는지 알아보았다. 플라스틱이 아닌 Material Type은 모두 0ton으로 놓아 영향인자로 설정하지 않고 플라스틱만의 영향을 볼 수 있게 진행하였다. 또한 플라스틱 종류별 데이터는 알 수 없어 우리조는 생활폐기물을 대상으로 하기 때문에 모두 PET라 가정하고 진행할 수 있었다. 사용한 플라스틱 양의 데이터는 2017년 기준 매립 898.6ton/day, 소각 2571.4ton/day, 재활용 2382.3ton/day이다.
WARM TOOL을 실행한 결과 MTCO2E의 결과 값이 제품 사용 전과 후 대비 –488.99 로 감소하였다. 이때 MTCO2E란 Million tonnes of carbon dioxide equivalents을 의미하는 단어이며 총 탄소발자국이 얼만큼 줄었는 지에 대한 내용을 담고 있다.
2. 무게 감지 센서
로드셀의 정격출력이 1mV/V라는 것은 1V의 전압을 인가했을 때 1mV의 출력이 나옴을 표시한다. 추천인가전압이 20V라면 20V의 전압을 로드셀로 인가하면 최대 20mV를 출력할 수 있다. 5000g의 하중을 걸어 대략 20mV가 출력되면, 그 때, 0~5000g까지 0.01g 단위로 표시한다. 무게에 따라 특정 구간에서 출력 전압이 선형적으로 변화하는 것을 확인할 수 있으며, 위 범위에서 선형적인 변화이므로 값을 증폭시킨 출력 전압으로 무게를 측정할 수 있다.
3. 압력과 몸무게
압력은 접촉하는 단위 면적당 가해지는 힘으로 정의된다. 일반적으로 페트병보다 캔을 압축하는데 더 큰 힘이 든다. 이러한 캔의 높이를 20%전후로 압축하는데 40kgf~50kgf의 힘이 필요하다. 캔이 압축기의 발판부분과 맞닿는 넓이는 지름 5cm의 캔을 기준으로 하여 0.001963이고, 따라서 캔에 작용하는 압력은 199644Pa~249555Pa이라 유추해볼 수 있다. 알루미늄 캔의 경우 20kgf의 힘을 가하기 시작했을 때 압축이 시작되므로 어린아이들은 우리가 목표로 하는 플라스틱 높이의 20% 달성이 어려우나 성인은 성별에 관계없이 목표를 달성할 수 있을 것이라 생각한다.
조립도
조립도
조립순서
1. 몸체에 저울용 강화유리를 부착한다. 2. 압착용 강화유리를 몸체의 틈에 끼운다. 3. 몸체에 발판을 끼운다.
부품도
1. 몸체
정면에서 바라본 몸체 부분의 모습인 정면도와 위에서 바라본 모습인 평면도, 우측면에서 바라본 우측면도를 Sketchup 프로그램을 이용하여 나타냈다. 재질은 기본 틀은 ABS 수지를 이용하여 제작하고, 맨 아래 무게 측정기 부분에는 회로도를 설계한다.
2. 강화유리
무게 측정기 상단부에 고정되어 무게 측정기를 보호해줄 강화유리는 190*190*5 size로 제작한다. 또한, 무게 측정부분과 압축부분을 구별해주며, 무게 측정기에 영향을 주지 않으며 압축을 유효하게 도와줄 강화유리는 좌우로 이동할 수 있도록 하였으며 그 크기는 210*190*5 size로 제작한다.
3. 발판
압착기에서 직접 발에 눌러 플라스틱을 압축할 수 있는 힘을 가하는 발판 부분을 따로 설계하였다. 기본 틀은 ABS 수지를 이용하여 제작하고, 플라스틱 상단부와 맞닿는 부분은 홈을 만들고 실리콘을 부착하여 플라스틱이 미끄러지지 않게 한다.
제어부 및 회로설계
크게 우리 제품은 압착부, 측정부와 예측 프로그램인 코딩 부분으로 나뉘는데 예측 프로그램으로 들어가기 전 압착부와 측정부의 제어에 대해서 설명한다.
1. 압착부
압착부에서는 플라스틱 페트병이나 캔의 크기에 맞는 구멍을 가진 뚜껑에 폐기물을 끼워 넣을 수 있다. 폐기물 크기에 따라 뚜껑을 다르게 제어하기 위해서 시중에 페트병, 캔 크기를 일괄적으로 조사한다. 폐기물을 압착부에 부착 후 압착을 진행 시 압착 진행 시 플라스틱을 압착하기 위한 수직 편도 운동 원리의 압착기가 사용된다. 본 압착기는 서보 모터의 구동 없이 배출하는 사람의 무게와 관련한 힘으로 압착할 수 있어 소음을 줄이고 크기를 소형화한다. 원활한 압착 과정을 위한 힘과 압력은 위 3. 이론적 계산 및 시물레이션과 같고 이때 제품의 압착을 수월하게 돕기 위해 제품 부품 간 마찰력이 최대한 적게 제어할 수 있다. 올바르게 압착되었는지의 판별은 압착된 것의 수직 위치로 판별할 수 있다. 우리가 설계한 압착기의 높이의 80%이상으로 수직 위치가 내려갔을 시 올바르게 제어된 압착 과정이라 판단할 수 있다.
2. 측정부
측정부에서는 압착된 플라스틱의 무게를 제어한다. 이 때 압착된 플라스틱의 무게만으로도 저울이 작동할 수 있는 중력식 무동력 저울을 사용할 수 있고, 압착부와 측정부는 간격을 띄워놓아 구동이 동시에 이루어지기보단 순차적으로 이루어질 수 있게 제어한다. 전자저울은 아두이노를 이용해서 제작할 수 있다. 구체적인 설계도는 다음과 같다.
소프트웨어 설계
가. python 모델 개발
파이썬으로 개발할 모델은 두 가지로, ①우리나라의 플라스틱 배출량(2020~2050 5년 단위) 과 ②가구당 배출하는 플라스틱의 배출량(2020~2050 5년 단위)을 예측할 알고리즘이다. 프로젝트 개발에 사용한 인터페이스는 Google Colab 이고, 사용언어는 python3 이다. 또한 Numpy와 Pandas 내장 함수 패키지를 사용했다.
1. 데이터 셋 설정해보기
2019년 12월 기준 편의점에서 일반적으로 구매되는 식품에서 나오는 플라스틱을 구매하여 직접 무게를 재보았다. 생수 500mL의 경우 16.17g, 생수 1L의 경우 23.33g 등으로 플라스틱 사용 개수 당 20g으로 예측한 데이터가 유의미함을 알 수 있었다. 현재는 플라스틱 당 무게데이터가 정립되어져있지 않아 시험적으로 데이터 셋을 만들어보았지만, 더 많은 데이터 셋을 만들어 ALFO-GO를 구동한다면 정확도가 더 올라갈 것이라 판단할 수 있고 이후에는 자체적으로 데이터가 쌓여 학습이 가능해진다.
2. 우리나라의 플라스틱 배출량 예측 모델(수치 예측 뉴런 구현)
먼저 우리나라의 플라스틱 배출량은 ‘자원순환정보시스템’에서 제공하는 1996년~2017년의 가정 생활 폐기물 중 플라스틱 총 발생량(종량제 배출+재활용 배출)의 데이터를 사용한다. 그래프는 다음과 같다.
플라스틱 사용량의 미래 예측은 선형회귀 모델을 이용했다. 선형회귀란 머시러닝 알고리즘 중 하나로, 2차원 평면에 놓인 점을 표현하는 1차 함수의 기울기와 절편을 찾는 통계 모형이다. 이렇게 찾은 1차 함수는 모델이라고 부르는데, 구한 선형회귀 모델로 새로운 x에 대한 y값을 구할 수 있다. 선형회귀 모델의 기울기와 절편을 최적화하기 위해서는 ①변화율로 업데이트 ②오차역전파로 업데이트를 통한 경사하강법을 사용한다. 이렇게 구한 경사하강법 알고리즘은 Neuron 이라는 이름의 파이썬 클래스로 만들 수 있고 이 클래스로 학습을 한 신경망 모델의 가중치와 절편을 구할 수 있다. 다음은 오차 역전파를 이용해 구한 선형회귀 모델의 산점도와 직선그래프이다.
이렇게 구한 선형회귀의 모델에 새로운 x값, 즉 미래 연도를 대입하면 현재 속도로 플라스틱이 버려질 경우의 x연도 플라스틱 총 배출량을 예측할 수 있다.
다음과 같이 선형적으로 증가하는 예측값을 구했다. 미래 우리나라 플라스틱 총 배출량을 웹에 배치함으로서 사람들에게 시각적으로 경각심을 줄 수 있고, 그 양에 대한 감각을 수치적으로 표현할 수 있다.
3. 가구당 플라스틱 배출량 예측 모델 (다변인 선형회귀 구현)
현재 플라스틱 배출량의 1일 단위로 기록과 배출자의 특성에 대한 데이터가 부족하기 때문에 임의대로 데이터셋을 설정했다. 우선 한 가구당 하루에 쇼핑하는 횟수, 배달음식을 시켜먹는 횟수를 0, 1, 2로 나누고 그에 따른 가중치를 고려하였다. 사용자의 플라스틱 사용갯수를 하루기준으로 0~10으로 나누어 고려하였다. 또한 압축기에서 받은 무게 데이터를 변인으로 설정하였다. 같은 조건에서도 12개는 감소하는 패턴, 12개는 증가하는 패턴을 띄는데, 배출량은 2015년 해양수산개발원의 자료를 기준으로 1인당 플라스틱 하루 평균 사용량 인 363g을 사용해 가중치를 고려해 설정했다. 이렇게 설정한 데이터셋을 이용해 다변인 선형회귀 모델을 개발한다. 다변인 선형회귀는 1.1에서 다룬 선형회귀에서 발전되어 H(X)=h1x1+h2x2+h3x3와 같이 변인을 여러개로 두어 소스 코드를 작성한다. 설정한 변인은 다음과 같다.
< 변인 설정 >
(1) shopping : 우리집 쇼핑횟수(하루기준) - 0/1/2 (2) delivery : 우리집 배달음식 횟수(하루기준) - 0/1/2/3 (3) plastic : 우리집 일회용품 사용개수(하루기준) – 0/1~9/10 (4) autocalculate : 압착기에서 측정한 플라스틱 사용량(무게데이터)
이처럼 다변인 선형회귀 모델에 사용자의 사용량을 입력하면 그에 따른 감소/증가에 따른 5년 단위의 미래 플라스틱 사용량을 보여준다.
나. WEB
WEB페이지는 사용자가 PLUSTIC의 제품사용과 예측프로그램을 유동적으로 연결하는 역할을 한다. WEB페이지를 통해 사용자는 예측 서비스 뿐만 아니라 자신의 플라스틱 사용량, 거주지의 플라스틱 사용량 그리고 PLUSTIC의 상세 설명을 살펴 볼 수 있다. WEB페이지는 총 3개의 페이지로 구성되어 있다. 각 페이지는 각각의 목적에 맞게 디자인 및 설계되었고 이를 html, css, java script를 이용해 코딩함으로써 WEB페이지를 설계할 수 있었다. Fig 22과 Fig 23을 통해 구성페이지와 코드맵을 확인 할 수 있다. 아래 그림과 같은 기획안 단계에서 시작하여 WEB이 구성되었다.
1. HOME
Home은 PLUSTIC의 초기 화면이다. 홈페이지에서는 예측서비스와 사용자의 랭킹페이지로 이동 할 수 있으며 ALFOGO와 PLUSTIC의 설계 마지막으로 TUTORIAL을 포함하고 있다. 이를 통해 사용자는 WEB 페이지를 통해 현재 자신이 사용하고 있는 제품 PLUSTIC의 기술력과 ALFOGO의 기술력을 확인할 수 있으며, 지속적으로 업데이트 되어지는 정보의 기반으로 데이터 및 기술의 성장속도도 가늠 할 수 있다. 또한 가정 내에서 전 가구원이 사용함을 예측하므로 누구든지 손쉽게 이용 할 수 있도록 TUTORIAL 영상 페이지를 제공하게 된다. 추후 다른 2개의 페이지에서 다시 HOME으로 돌아 올 수 있으며, HOME 내에서는 클라이언트가 별도의 입력값을 제공하지 않으므로 오류가 발생할 수 없어 안정적으로 구성되어진 페이지이다. 도메인은 추후 임대형으로 구매하여 예산을 절감할 계획이다.
2. RAINKING
RAINKING은 사용자의 플러스틱 배출량 감소 순위를 확인 할 수 있는 페이지이다. 본 페이지는 사용자의 플라스틱 배출량 및 저감량 확인을 통해 경각심을 일깨워주며 성취감을 일깨워주는 목적을 갖고 있으며, 이에 부합하게 개인의 순위, 지역의 순위, 지역내에 구단위 등 세분화된 배출저감량 및 순위를 확인 할 수 있다. 본 페이지는 사용자가 증가하여 축적되는 데이터를 정리하여 지속적으로 업데이트 되어질 것이다.
3. 예측서비스
예측 서비스를 제공하는 예측 페이지는 선형회귀분석을 이용하여 파이썬 기반으로 설계되어진 ALFOGO를 통해 이루어진다. 개발된 ALFOGO와 연결되어지는 페이지이며, 해당 페이지에 플라스틱 예측에 요구되어지는 플라스틱량, 의지도, 가구수 및 기타 값을 입력할 경우 현재 자신의 소비패턴에 의해 예측되어지는 미래의 플라스틱 배출량을 확인 할 수 있다. 또한 상세 결과보기란을 제공하여 입력 값에 의한 본인의 플라스틱량 및 국가의 플라스틱량 지역의 플라스틱량을 그래프로 확인 할 수 있어 정확한 데이터를 제공 할 수 있다.
자재소요서
결과 및 평가
완료작품 소개
가. 프로토타입 사진
1. 아두이노
직접 아두이노를 이용하여 저울을 만들고, 실제 무게데이터를 얻을 수 있었다.
2. 압축기
나. ALFO-GO 알고리즘 학습코드
포스터
개발사업비 내역서
1. 설계 산정내역서
2. 사업 선정내역서
완료 작품의 평가
1. 평가 기준
2. 평가 결과
압축기를 모형으로만 설계하였기 때문에 기계적 작동에서 점수를 매길 수 없었지만, 그럼에도 불구하고 무게측정부, ALFO-GO구동, 웹페이치 구축이 목표대로 잘 이루어져 최종적으로도 목표한 점수에 도달할 수 있었다. 압축기 또한 제대로 검증할 수 없었지만 설계를 진행하며 발판만 좀 더 강력한 소재를 사용할 수 있었다면 압축률 또한 이론적 계산에 부합하는 결과가 나왔을 것을 예상할 수 있었다.
향후평가
∎ 사용자의 데이터가 쌓이고 증가하여 AI로서 딥러닝이 가능해지면 더더욱 정확한 예측이 가능할 것이다.
∎ 웹페이지뿐만 아니라 어플리케이션으로 향후 개발할 수 있는 점을 생각해보았을 때, 본 과제의 발전가능성과 잠재력을 재평가할 수 있다.
∎ 플라스틱 발생량이 증가하는 상황에서 플라스틱 발생량을 줄이는 데 획기적인 기획안이 될 수 있다.
∎ 정부와 함께하는 공익적 사업으로 발전가능성이 있다.
부록
참고문헌 및 참고사이트
- 아두이노 전자저울
https://blog.naver.com/elepartsblog/221651788693
- 파이썬 텐서플로우 & 머신러닝 기초강좌
https://www.youtube.com/watch?v=qxUD7fOseBQ
- EPA WARM TOOL
- 통계청 통계 검색 ‘ 압축기’
http://kosis.kr/search/search.do
- 무전원 전자저울
관련특허
<가정용 캔 압축기>
출원번호 : 2020010011253
소프트웨어 프로그램 소스
내용