Carbon Re가 W&B를 통해 최신 ML 기술을 적용하여 시멘트 산업의 비용과 탄소 배출량을 줄이는 방법을 알아보세요.
"W&B를 사용하면 지식 공유가 쉬워졌습니다. 내가 실행한 실험과 결과를 다른 사람에게 빠르게 보여주고 내 작업을 설명할 수 있습니다."
테오 울프
머신러닝 엔지니어
현대 세계 건설
오늘날 콘크리트는 물 다음으로 세계에서 가장 널리 사용되는 물질입니다. 이 소재는 주로 내구성, 강도 및 다양성 덕분에 현대 인프라의 기초가 됩니다.
시멘트는 콘크리트를 유용한 건축 자재로 만드는 핵심 성분이지만 환경 비용이 많이 듭니다. 에 대한
지구 인간이 배출하는 CO2 배출량의 8%
시멘트 생산에서 비롯됩니다. 관점에서 보면 시멘트 산업이 하나의 국가라면 미국과 중국에 이어 세계 3위의 CO2 배출국이 될 것입니다.
한 스타트업은 이를 바꾸려고 합니다. 케임브리지 대학과 UCL에서 분사한 Carbon Re는 시멘트 생산에서 발생하는 기가톤의 탄소 배출 문제를 해결하는 것을 목표로 하고 있습니다. 회사는 인공 지능의 엄청난 잠재력을 활용하여 탄소 배출과 비용을 동시에 줄이는 것을 목표로 합니다. 즉, 모두가 윈윈할 수 있는 것입니다.
시멘트 생산
시멘트는 대중적이고 잘 알려진 상품이지만, 시멘트 생산은 투입량(연료, 원자재), 조건(장비 상태, 교대 변경) 및 경쟁 우선순위(처리량, 규제)가 끊임없이 변화하는 여러 단계를 포함하는 복잡한 프로세스입니다. 요구 사항)
일반적으로 시멘트 CO2 배출량의 절반 이상이 시멘트의 주요 성분인 클링커 생산에서 발생하는데, 클링커에서 석회석(CaCO3)이 극한의 온도로 가열되어 석회(CaO)로 전환됩니다. CO2 배출량의 추가 40%는 예열기와 가마를 가열하기 위해 화석 연료를 연소한 결과입니다. 배출량의 마지막 10%는 재료를 분쇄하고 원자재를 운송하는 데 사용되는 전기에서 발생합니다.
델타 제로 시멘트
시멘트 공장의 제어실에 들어서면 제어실 운영자를 둘러싼 수많은 모니터에 깜짝 놀라게 될 것입니다. 그들이 내리는 모든 결정은 시설의 안전, 신뢰성 및 지속 가능성에 직접적인 영향을 미칩니다.
.
Carbon Re의 첫 번째 제품인 Delta Zero Cement는 운영자가 가마와 예열기 작동 방식을 최적화하는 데 도움이 됩니다. 결과적으로 효율성이 향상된다는 것은 가마가 연료를 덜 사용하고 결과적으로 대기로 방출되는 CO2의 양이 줄어든다는 것을 의미합니다. Carbon Re의 수석 연구원인 Nantas Nardelli는 “지금 우리가 하고 있는 일은 운영자가 최소한의 탄소 배출량으로 업무를 보다 효율적으로 수행할 수 있도록 지원하는 것입니다.”라고 말했습니다.
.
Delta Zero Cement에 사용된 모델은 공장 전체에서 발견된 센서에서 파생된 풍부한 데이터를 바탕으로 훈련되었습니다. 대규모 데이터 세트를 보유하는 것은 일반적으로 모델 학습에 도움이 되지만, 팀이 시계열 데이터를 처리한다는 사실은 문제를 더욱 복잡하게 만듭니다. 일정한 시간 간격으로 기록된 일련의 관찰로 구성된 데이터는 상황에 따라 노이즈를 포함하거나, 덩어리지거나, 심지어 간헐적일 수도 있습니다.
.
과거에는 운영자가 공장의 현재 상태를 기반으로 대응 결정을 내리는 데 이러한 연속 데이터 스트림이 사용되었습니다. 예측 및 향후 계획을 위해 해당 데이터를 사용하는 것은 마음에 들지 않았습니다. Carbon Re는 시멘트 공장의 맞춤형 디지털 트윈 모델을 구축하여 데이터의 가치와 관련성을 극대화하는 최초의 그룹 중 하나입니다. 이 디지털 트윈은 AI 에이전트가 정교한 시뮬레이션에서 시멘트 생산의 복잡성을 학습할 수 있는 플랫폼을 제공합니다. 결과는 플랜트의 효율성을 극대화하여 상당한 비용 절감과 무엇보다도 배출 감소를 가능하게 하는 방법에 대한 통찰력입니다.
지식과 통찰력의 제도화
기후변화에 대처하려면 집단적 행동이 필요합니다. Carbon Re가 같은 생각을 가진 사람들을 계속해서 모집함에 따라 팀에는 새로운 구성원을 더 빠르게 온보딩하는 데 도움이 되는 안정적이고 체계적이며 액세스 가능한 ML 기록 시스템이 필요합니다. W&B와 같은 플랫폼을 사용하면 추적 가능한 데이터, 실험, 모델 및 배포 내역이 있어 이전 프로젝트를 더 쉽게 참조할 수 있으며 때로는 몇 달 이상이 지난 후에도 참조할 수 있습니다.
.
“W&B 지식 공유가 쉬워졌습니다. 내가 실행한 실험과 결과를 다른 사람에게 빠르게 보여주고 내 작업을 설명할 수 있습니다.”라고 Carbon Re의 기계 학습 엔지니어인 Theo Wolf는 말했습니다.
.
연구를 가속화할 방법을 찾는 것은 Carbon Re의 또 다른 우선순위입니다. W&B Sweeps를 사용하면 팀은 자동으로 수백 개의 하이퍼파라미터 값 조합을 시도하고, 가장 좋은 값을 찾고, 풍부한 시각화 세트를 얻어 훈련 프로세스를 알릴 수 있습니다. 이렇게 하면 수작업이 많이 줄어들어 각 구성원이 더 가치 있는 작업에 집중할 수 있는 시간이 확보됩니다.
.
실험에서 프로덕션으로 이동하면서 팀은 이전에 시간이 많이 걸리고 때로는 사고가 발생하는 수동 배포에 의존했습니다. W&B 모델을 사용한 이후로 그것은 과거의 일이 되었습니다. 이제 팀은 자동으로 모델을 재교육하고 재평가하여 최고의 모델이 생산에 투입되도록 할 수 있습니다. Nantas는 “우리는 모델 레지스트리를 정보 소스로 사용합니다.”라고 설명했습니다. “이것은 우리 백엔드의 핵심 구성 요소입니다.
.”
Chasing Carbon Zero
Industry 4.0과 같은 이니셔티브로 인해 데이터가 증가했지만, 시멘트 산업 전체는 디지털화 측면에서 여전히 뒤처져 있습니다. 기존 시스템과 운영 프로세스에서는 Carbon Re가 필요한 가용 데이터를 활용할 수 없습니다.
.
탈탄소화를 가속화하기 위해 AI의 경계를 넓히는 것은 결코 쉬운 일이 아닙니다. W&B를 활용한다는 것은 Carbon Re가 지식을 중앙 집중화 및 재사용하고, 시간이 많이 걸리는 MLOps 작업을 자동화하고, 반복적인 모델링 프로세스를 간소화할 수 있음을 의미합니다. Carbon Re는 전 세계 탄소 배출에 막대한 영향을 미치기 위해 노력하고 있으며, W&B는 이러한 노력에 작은 역할을 하게 되어 기쁘게 생각합니다.
.