한국과 일본의 자원과 물질흐름분석 비교 연구

지승민 ( Seungmin Ji ),장용철 ( Yong-chul Jang ),김홍경 ( Hongkyoung Kim ),이가인 ( Gain Lee ) 한국폐기물자원순환학회(구 한국폐기물학회) 2021 한국폐기물자원순환학회 춘계학술발표논문집 Vol.2021 No.-

최근에 전 세계적으로 지속가능한 발전을 위해 순환 경제(circular economy) 사회 구축이 주요 의제로 부각되고 있다. 본 연구의 목적은 국내 자원의 생산/소비/폐기, 수·출입 등 관련 통계 자료를 바탕으로 물질흐름 기반 국내 자원 생산성과 자원 순환성을 산정하고 일본과 비교하여 국내 자원 효율성 수준을 평가하는 데에 있다. 국내 총 자원소비량은 국내 총 수입·수출량 및 제품 형태 수출입량의 차이를 이용하여 산정하였다. 또한, 인구수, 폐기물 발생량 및 매립량을 통해 자원소비량을 바탕으로 총 자원투입량(TMI), 인구 당 자원 소비량, 인구 당 폐기물 발생량, 자원 순환성, 폐기물 발생량 대비 매립율 등을 산정하여 제시하였다. 본 연구 결과, 2016년 기준 일본의 총 자원투입량(약 1,609 백만톤)은 국내의 자원소비량(985 백만톤)의 약 1.6배에 이르며, 자원 소비량 또한 일본(1,165 백만톤)이 한국(663 백만톤)의 약 1.8배에 이른다. 하지만 이는 일본의 인구가 한국의 약 2.5배, 국토는 3.7배 높기 때문이며, 일인당 자원소비량은 일본(9.1톤/인)이 한국(12.8톤/일)보다 적은 수치이다. 2018년 기준 약 680 백만톤으로 약 23% 증가하였다. 그러나 인구당 폐기물 발생량은 한국(2.9톤/인)이 일본(4.4톤/인)보다 낮은 것으로 나타났다. 본 연구를 통해 일본에 비해 국내 자원 효율성은 다소 낮은 수준이며, 순환 경제 구조로의 전환 노력이 필요하다. 본 연구의 결과는 향후 지속가능한 물질흐름분석 기반 정책 결정에 있어 우선순위를 설정하는 데에 도움을 주는 기초자료로써 활용될 수 있다.

머신 러닝을 이용한 PIC 로봇 암 강성 향상에 대한 연구

지승민 ( Seungmin Ji ),함석우 ( Seokwoo Ham ),전성식 ( Seong S. Cheon ) 한국복합재료학회 2022 Composites research Vol.35 No.5

PIC(Piecewise Integrated Composite)는 적층 복합재의 기계적 특성을 향상시키기 위해 다양한 적층 순서를 모자이크 방식으로 할당하여 복합 구조를 설계하는 새로운 개념이다. 또한 머신 러닝은 인공 지능의 하위 범주로, 컴퓨터가 데이터에서 지속적으로 학습하고 데이터를 기반으로 예측하는 능력을 개발한 다음 추가 프로그래밍 없이 조정하는 과정을 의미한다. 본 연구에서는 구조적 강성을 높이기 위해 기계학습을 기반으로 넓고 얇은 LCD 디스플레이를 운반 및 이송하기 위한 테이퍼 박스형 빔형 PIC 로봇 암이 설계되었다. 필수 학습 데이터는 예비 FE 해석 과정에서 유한 요소 모델 중 의도적으로 배치된 참조 요소에서 수집되었다. 또한 인장, 압축 또는 전단과 같은 지배적인 외부 하중 유형을 판단하기 위해 각 유한 요소에 대한 3축 특성 값을 얻었다. 학습 데이터를 이용하여 머신 러닝 모델을 훈련하고 평가되었으며, 정확도 레벨을 만족한 머신 러닝 모델을 이용해 요소의 로딩 유형을 예측하였다. 특정 하중 유형에 대해 우세한 것으로 알려진 세 가지 유형의 적층 각도 순서가 PIC 로봇 암에 모자이크 방식으로 할당되었습니다. 이후 굽힘형 FE 해석을 수행한 결과 PIC 로봇 암이 기존의 단일 적층 각도 순서로 제작된 복합재 로봇 암에 비해 강성이 증가된 것으로 나타났다. PIC (Piecewise Integrated Composite) is a new concept for designing a composite structure with mosaically assigning various types of stacking sequences in order to improve mechanical properties of laminated composites. Also, machine learning is a sub-category of artificial intelligence, that refers to the process by which computers develop the ability to continuously learn from and make predictions based on data, then make adjustments without further programming. In the present study, the tapered box beam type PIC robot arm for carrying and transferring wide and thin LCD display was designed based on the machine learning in order to increase structural stiffness. Essential training data were collected from the reference elements, which were intentionally designated elements among finite element models, during preliminary FE analysis. Additionally, triaxiality values for each finite element were obtained for judging the dominant external loading type, such as tensile, compressive or shear. Training and evaluating machine learning model were conducted using the training data and loading types of elements were predicted in case the level accuracy was fulfilled. Three types of stacking sequences, which were to be known as robust toward specific loading types, were mosaically assigned to the PIC robot arm. Henceforth, the bending type FE analysis was carried out and its result claimed that the PIC robot arm showed increased stiffness compared to conventional uni-stacking sequence type composite robot arm.

하이브리드 섬유 강화 복합재를 이용한 로봇 암 잔류진동 저감 연구

지승민(Seungmin JI),함석우(Seokwoo Ham),조성욱(Sungwook Jo),최진경(Jinkyung Choi),전성식(Seongsik Cheon) 한국자동차공학회 2022 한국자동차공학회 학술대회 및 전시회 Vol.2022 No.11

물질흐름분석 기반 자원생산성과 자원순환성 평가 연구

지승민 ( Seungmin Ji ),장용철 ( Yong-chul Jang ),김홍경 ( Hongkyoung Kim ),이가인 ( Gain Lee ),이소라 ( Sora Yi ) 한국폐기물자원순환학회(구 한국폐기물학회) 2021 한국폐기물자원순환학회지 Vol.38 No.2

This study examined resource efficiency based on resource productivity and resource circularity between 2000 and 2018 in Korea. Various indicators were used to determine whether economic growth and material consumption were decoupled in the period. Korea is a country with limited land area and a high population density. Therefore, the decoupling of economic growth from raw material use in Korea is vital for relieving pressure on the environment and achieving sustainable development. This study found that the resource productivity between 2000 and 2018 increased 60%, indicating relative decoupling between economic growth and material use was observed. However, the resource productivity (2.54 million USD/1000 ton) in 2017 was relatively low compared with those from the OECD G7 countries (average of 3.6 million USD/1000 ton). Resource circularity increased 2.5 times between 2000 and 2018, while landfilling decreased to 38%. Resource recycling, one of the critical components for resource efficiency, enabled significant savings of raw materials for manufacturing and production in industries. Waste minimization and prevention is still a challenging task due to the ever-increasing waste generation over time. Several indicators for resource productivity and circularity can be used for national targets of resource efficiency towards a circular economy in Korea. More detailed methodology and calculations for the indicators with official and reliable data are still needed to eliminate the uncertainty of material flows in temporal and spatial boundaries.

국내외 PET 재활용 방법 및 기술 분석 연구

지승민 ( Seungmin Ji ),장용철 ( Yong-chul Jang ),김병환 ( Byeonghwan Kim ),권영선 ( Youngsun Kwon ),이송현 ( Songhyun Lee ),김동현 ( Donghyeon Kim ) 한국폐기물자원순환학회 2021 한국폐기물자원순환학회 추계학술발표논문집 Vol.2021 No.-

밀웜(Larvae of Tenebrio molitor)의 플라스틱 생분해 평가 연구

지승민(Seungmin Ji),명재욱(Jaewook Myung) 대한환경공학회 2021 대한환경공학회 학술발표논문집 Vol.2021 No.11

탄소포집활용(CCU) 실증지원센터 구축

지승민(Seungmin Ji),이화성(Hwa-Sung Lee),유영우(Young-Woo You),장태선(Tae Sun Chang) 한국에너지기후변화학회 2023 한국에너지기후변화학회 학술대회 Vol.2023 No.5

3차원 학습 데이터를 이용한 PIC 보의 강성 향상에 대한 연구

지승민 ( Seungmin Ji ),함석우 ( Seok Woo Ham ),최진경 ( Jin Kyung Choi ),전성식 ( Seong S. Cheon ) 한국복합재료학회 2021 Composites research Vol.34 No.6

Piecewise Integrated Composite(PIC) 보는 구간 조합 복합재 보로 구간 마다 적층 각도 및 순서를 다르게 적용하여 보의 강성과 강도를 향상시킬 수 있는 복합재료 보의 새로운 개념이다. 본 연구에서는 보의 거동을 고려하기 어려운 2차원 학습 데이터를 대신하여 3차원 학습 데이터가 적용된 머신 러닝 모델을 이용한 PIC 보가 제안되었다. 학습 데이터 및 훈련 데이터 셋(Training Data Set)은 지정된 참조 요소에서 3축 특성 값(Stress Triaxiality Factor)을 추출하여 세 가지 하중 유형(인장, 압축 그리고 전단)으로 분류되어 구성되었고, 이에 따른 하이퍼파라미터(Hyperparameter)가 제안되었다. 이를 통하여 예측된 PIC 보로 유한 요소 해석이 진행되었고 3차원 학습 데이터로 예측된 모델이 처짐 변형량이 감소된 것이 확인되었다. 이를 통해 3차원 학습 데이터를 이용하는 것이 경쟁력있는 것으로 판단되었고 처짐 변형량의 감소로 타당성이 검증되었다. Piecewise Integrated Composite (PIC) is a new concept to design composite structures of multiple stacking angles both for in-plane direction and through the thickness direction in order to improve stiffness and strength. In the present study, PIC beam was suggested based on 3D training data instead of 2D data, which did offer a limited behavior of beam characteristics, with enhancing the stiffness accompanied by reduced tip deformation. Generally training data were observed from the designated reference finite elements, and preliminary FE analysis was conducted with respect to regularly distributed reference elements. Also triaxiality values for each element were obtained in order to categorize the loading state, i.e. tensile, compressive or shear. The main FE analysis was conducted to predict the mechanical characteristics of the PIC beam.

머신 러닝 기법을 이용한 PIC 범퍼 빔 설계 방법

함석우,지승민,전성식,Ham, Seokwoo,Ji, Seungmin,Cheon, Seong S. 한국복합재료학회 2022 Composites research Vol.35 No.5

In this study, the PIC design method with machine learning that automatically assigning different stacking sequences according to loading types was applied bumper beam. The input value and labels of the training data for applying machine learning were defined as coordinates and loading types of reference elements that are part of the total elements, respectively. In order to compare the 2D and 3D implementation method, which are methods of representing coordinate value, training data were generated, and machine learning models were trained with each method. The 2D implementation method is divided FE model into each face and generating learning data and training machine learning models accordingly. The 3D implementation method is training one machine learning model by generating training data from the entire finite element model. The hyperparameter were tuned to optimal values through the Bayesian algorithm, and the k-NN classification method showed the highest prediction rate and AUC-ROC among the tuned models. The 3D implementation method revealed higher performance than the 2D implementation method. The loading type data predicted through the machine learning model were mapped to the finite element model and comparatively verified through FE analysis. It was found that 3D implementation PIC bumper beam was superior to 2D implementation and uni-stacking sequence composite bumper.

국내 도로 노면 퇴적입자 내 PAHs의 인체 위해성 평가

이가인,김홍경,지승민,장용철,Lee, Gain,Kim, Hongkyoung,Ji, Seungmin,Jang, Yong-Chul 한국환경영향평가학회 2020 환경영향평가 Vol.29 No.4

본 연구에서는 국내 4개 도시(6개 지점)로부터 도로 노면 퇴적입자 내 PAHs의 농도 및 분포특성을 비교, 분석하고 오염 수준에 대한 초과 발암 위해도를 산정하여 인체 위해성 평가를 수행하였다. 지역별 오염농도를 바탕으로 흡입, 섭취, 피부 노출에 대한 노출경로를 설정하여 결정론적 위해성평가를 수행한 결과, 울산 지역의 경우 위해도 발암 기준 1×10^-6을 상회하는 결과가 나타났다. 또한 발암위해도가 있다고 판단되는 해당 지역에 대한 확률론적 위해성평가 결과, 확률적 평균값이 단일값을 활용한 결정론적 위해도 산정에서 도출되었던 발암위해도와 중앙값에 근접한 수준을 나타내었다. 민감도 분석 결과, 노출시간에 따른 기여도가 가장 크게 나타났다. 향후 기준치를 초과하는 발암 위해도를 나타내는 지역에 대한 위해도 관리는 물론 상세한 모니터링을 통한 추가 위해성 평가가 이루어져야 할 것으로 판단되며, 지역적 특성을 반영한 노출계수의 산정을 통해 인체 위해도 평가 결과 신뢰도를 높여야 할 것으로 사료된다. This research studied human health risk assessment of PAHs (Polycyclic Aromatic Hydrocarbons) in road dust sediments collected from 6 sites in four different cities in Korea. PAHs are well known to be human carcinogens and toxic compounds that are commonly generated from incomplete combustion of fuels and energy products. Such compounds which is absorbed by atmospheric suspended dust can be emitted into air in gaseous form and often deposited on road dust sediments. The PAHs which is deposited on sediment particles can also be re-dispersed by vehicles or winds on the road surface. It can be harmful for humans when exposed via breathing, ingestion and dermal contact. This study examined human health risk assessment of PAHs in deposited road dust sediments. Results showed that the excess cancer risk estimates were above 1.0×10-6 at main traffic roads and resident area in Ulsan city. According to the result of deterministic risk assessment, dermal-contact was the major pathway, while the contribution of the risk from inhalation was less than 1%. The probabilistic risk assessment showed similar levels of cancer risk derived from the deterministic risk assessment. The result of sensitivity analysis reveal that exposure time is the most contributing factor (69%). Since the values of carcinogenic risk assessment were higher than 1.0 × 10^-6, further detailed monitoring and refined risk assessment for PAHs may be required to identify more reliable and potential cancer risks for those who live in the study locations in Ulsan city.