산업 제조에서 에너지 관리는 탈탄소화 요구사항과 비용 최적화에 의해 점점 더 이루어지고 있습니다. 본 연구는 터키 아다나에 위치한 수직 통합 섬유 제조업체인 ATLAS Denim Co.를 위해 태양광(PV) 에너지 예측, 탄소 발자국 회계 및 AI 기반 동적 가격 책정을 통합하는 디지털 트윈 프레임워크를 제안합니다. 역사적인 기상 데이터와 현장 PV 생성 기록을 사용하여 세 가지 기계 학습 알고리즘-랜덤 포레스트(RF), 극단적 그래디언트 부스팅(XGBoost), 장기 단기 메모리(LSTM)-이 태양광 에너지 출력을 예측하도록 훈련됩니다. RF 모델은 결정 계수(R²)가 0.993으로 가장 높은 정확도를 달성하며, 2025년 1월부터 5월 사이의 PV 생성을 추정하는 데 사용됩니다. 예측 결과는 생산 데이터와 결합되어 에너지 사용, 탄소 배출 및 섬유 생산 방식당 에너지 비용을 계산합니다. 그런 다음 탄소 인식 가격 모델이 제품 가격을 에너지 믹스 및 배출 강도와 연결하여 지속 가능성을 고려한 가격 제안의 수립을 가능하게 합니다. 5개월 동안의 수명 주기로 이 프레임워크는 그리드 전기만 사용하는 것에 비해 약 55.18 MWh의 PV 생성 및 23.9 tCO₂의 탄소 절약을 추정합니다. 결과는 기계 학습(ML) 기반 예측 및 디지털 트윈 개념 통합이 섬유 제조에서 기후 인식적이고 경제적으로 효율적인 의사 결정을 지원할 수 있음을 보여줍니다.
Manolya Güldürek (Thu,)는 이 질문을 연구했습니다.