AI 기반 배터리 재활용 이력 추적 및 탄소 배출 모니터링 시스템 개발 = Development of AI-based Battery Recycling History Tracking and Carbon Emission Monitoring System

국문 초록 (Abstract)

본 연구는 AI 기술을 활용한 배터리 재활용 이력 추적 및 탄소 배출 모니터링 시스템 개발을 목표로 한다. 주요 과제는 재활용 공정의 탄소 배출량을 효율적으로 측정하고 관리하기 위한 데이터 분석 체계의 확립이다. 연구 결과, 제안된 LSTM-XGBoost 하이브리드 모델은 기존 정적 LCA 방식 대비 RMSE를 68.9% 감소시키고 결정계수() 0.94를 달성하여 산정 정밀도를 획기적으로 향상시켰다. 또한, 하이퍼레저 패브릭 기반 블록체인은 초당 150건 이상의 트랜잭션(TPS) 처리 속도와 2초 이내 지연 시간을 기록해 실시간 모니터링의 기술적 타당성을 입증하였다. 이는 배터리 재활용 분야 내 AI 적용 가능성을 높이고 환경 문제 해결의 새로운 접근법을 제시한다. 본 연구는 재활용 산업의 지속 가능성을 촉진하고 향후 탄소 감축 전략 수립의 기반 자료로 활용되어, 투명하고 친환경적인 리사이클링 시스템 구축에 기여할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study aims to develop an AI-based system for tracking battery recycling history and monitoring carbon emissions. The primary challenge is establishing efficient data analysis methods to manage emissions throughout the recycling process. Experimental results show that the proposed LSTM-XGBoost hybrid model significantly improved estimation precision, achieving an $R^2$ of 0.94 and reducing the Root Mean Square Error (RMSE) by 68.9% compared to static LCA methods. Furthermore, the Hyperledger Fabric-based blockchain verified its feasibility for real-time monitoring, recording a throughput of over 150 transactions per second (TPS) with a latency under 2 seconds. These findings demonstrate the applicability of AI in the battery recycling sector, offering a novel approach to environmental challenges. This study is expected to promote sustainable development in the recycling industry and serve as foundational data for future carbon reduction strategies, marking a significant milestone for transparent and eco-friendly recycling systems.