Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms

이 논문은 기존 물질 흐름 분석 (MFA) 의 한계를 넘어 열역학적 물질 네트워크 (TMN) 를 기반으로 순환 경제를 설계하는 새로운 접근법을 제시하고, 그래프 기반 순환성 지표 개발, 유체 및 고체 물질에 대한 수치 예시와 알고리즘을 통해 그 유효성을 입증합니다.

핵심

이 논문은 **'순환 경제 (Circular Economy)'**를 어떻게 더 똑똑하게 설계하고 측정할 수 있는지에 대한 새로운 방법을 제시합니다.

기존의 방식이 "쓰레기를 줄이자"는 단순한 아이디어라면, 이 논문은 **"물자 흐름을 하나의 살아있는 기계처럼 설계하자"**는 공학적 접근을 제안합니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드리겠습니다.

---

1. 문제: "선형 경제"는 왜 실패할까요?

지금까지 우리는 선형 (Linear) 경제를 살아왔습니다.

• 비유: "재료를 캐서 → 제품을 만들고 → 쓰고 → 쓰레기통에 버리는" 일회용 컵 같은 삶입니다.
• 문제: 자원은 한정되어 있고, 쓰레기장은 넘쳐납니다.

이제 우리는 순환 (Circular) 경제로 넘어가야 합니다.

• 비유: "재료를 캐서 → 만들고 → 쓰고 → 다시 원료로 만들어 → 다시 쓰는" 재사용 가능한 텀블러 같은 삶입니다.

하지만 여기서 큰 질문이 생깁니다. **"우리가 정말로 순환을 잘하고 있는 걸까? 아니면 그냥 겉치레일까?"**를 어떻게 정확히 재느냐가 핵심입니다.

2. 해결책: '열역학적 물질 네트워크 (TMN)'라는 새로운 지도

저자는 기존의 통계 방식 (MFA) 이 가진 한계를 지적합니다. 기존 방식은 마치 **"지난해의 교통 체증 데이터"**를 분석하는 것과 비슷합니다. "어제 10 시에 차가 많았다"는 사실은 알 수 있지만, "지금 이 순간 차가 어떻게 움직이고 있는지"를 실시간으로 예측하기는 어렵습니다.

저자가 제안한 TMN은 다릅니다.

• 비유: 실시간 내비게이션과 같습니다.
• 이 시스템은 물자가 이동하는 경로를 **'열역학 (에너지와 질량의 법칙)'**을 따르는 기계 부품처럼 봅니다.
• 핵심: 물자가 1 분도 안 되는 짧은 시간 동안 어떻게 움직이고, 쌓이고, 변하는지 실시간으로 시뮬레이션할 수 있습니다.

3. 새로운 측정 도구: '순환 지수' (Circularity Indicators)

이 논문은 이 네트워크가 얼마나 '원형 (Circle)'을 잘 그리는지 측정하는 6 가지 새로운 지수를 개발했습니다.

• 비유: 원형 수영장을 설계하는 엔지니어가 되어보세요.
  • 기하학적 평균 (Geometric Mean): 물이 한 바퀴 도는 속도가 얼마나 균일한지 봅니다. (한구석은 너무 빠르고 한구석은 너무 느리면 안 되죠.)
  • 조화 평균 (Harmonic Mean): 가장 느린 구간이 전체 흐름을 얼마나 방해하는지 봅니다. (가장 느린 병목 현상이 중요하죠.)
  • 산술 평균 (Arithmetic Mean): 전체적인 물의 양을 평균냅니다.
  • 연결성 (Connectivity): 파이프가 얼마나 잘 연결되어 있는지 봅니다.
  • 방향성 (Directionality): 물이 제자리에서 맴도는지, 아니면 한 방향으로 흐르는지 봅니다.

이 지수들을 통해 "우리 시스템은 80% 순환적이다"라고 숫자로 명확하게 말할 수 있게 됩니다.

4. 두 가지 실전 예시: 액체 vs 고체

논문은 이 이론을 두 가지 상황에 적용해 보았습니다.

A. 액체 (물, 기름 등) 의 경우

• 상황: 파이프를 통해 물이 끊임없이 흐르는 상황입니다.
• 발견: 액체는 계속 흐르기 때문에, **순환 고리 (Cycle)**가 항상 존재합니다.
• 결과: 이 경우 순환 지수는 매우 높게 나옵니다. 하지만, 만약 물의 양이 들어오고 나가는 게 맞지 않으면 (질량 보존 법칙 위반), 계산 결과가 엉망이 됩니다. 저자는 이 오류를 수정하는 공식을 제시했습니다.

B. 고체 (플라스틱 등) 의 경우

• 상황: 트럭이 플라스틱을 싣고 이동하는 상황입니다.
• 발견: 액체와 달리 고체는 배치 (Batch) 단위로 움직입니다.
  • 비유: 트럭 A 가 쓰레기를 수거하러 가는 동안, 트럭 B 가 새 제품을 배달하러 가는 것이 아니라, 트럭 한 대가 왕복을 해야만 순환이 완성됩니다.
• 결과: 이 예시에서는 순환 지수가 0으로 나왔습니다!
  • 왜일까요? 트럭이 쓰레기를 수거할 때는 새 제품이 오지 않고, 새 제품이 올 때는 쓰레기가 가지 않기 때문입니다. 즉, 동시에 순환 고리가 닫히지 않았기 때문입니다.
  • 교훈: "순환 경제"를 진짜로 만들려면, 쓰레기 수거 트럭과 제품 배달 트럭이 동시에 움직여야 합니다. 이 논문을 통해 우리는 "아, 우리가 생각했던 순환은 실제로는 끊겨 있었구나"를 숫자로 확인할 수 있었습니다.

5. 왜 이 연구가 중요한가요? (결론)

이 연구는 데이터의 효율성에서도 압도적입니다.

• 기존 방식 (MFA): 모든 입출력을 1 분 단위로 기록하려면 2,601 개의 데이터가 필요합니다. (매우 비효율적)
• 이 논문 방식 (TMN): 시스템의 규칙 (방정식) 만 34 개면 모든 상황을 예측할 수 있습니다. (매우 효율적)

한 줄 요약:
이 논문은 **"순환 경제를 단순히 '좋다'고 말하는 것을 넘어, 마치 공학자가 배관 시스템을 설계하듯, 물자의 흐름을 정밀하게 계산하고 최적화할 수 있는 새로운 도구와 측정 기준을 제시했다"**는 것입니다.

이제 우리는 "얼마나 많이 재활용했는가"를 세는 것을 넘어, **"시스템이 얼마나 효율적으로 원형으로 돌아가고 있는가"**를 설계할 수 있게 되었습니다.

기술 요약

논문 요약: 열역학적 물질 네트워크 (TMN) 의 순환성 지표, 예시 및 알고리즘

1. 문제 제기 (Problem)

• 선형 경제의 한계: 전통적인 '취득 - 제조 - 폐기 (Take-Make-Dispose)' 방식의 선형 경제는 자원의 고갈과 환경 오염으로 인해 장기적으로 지속 불가능합니다.
• 순환 경제의 정의 불명확성: 순환 경제 (Circular Economy) 로의 전환이 중요해지고 있지만, '순환성 (Circularity)'에 대한 명확한 정의와 정량적 지표가 부족합니다.
• 기존 지표의 한계:
  • 수학적/물리적 기반 부재: 많은 기존 지표들이 단순한 대수적 방정식이나 경험적 데이터에 의존하여 재현성과 비교 분석이 어렵습니다.
  • 동적 특성 반영 부족: 대부분의 기존 분석 (MFA, 물질 흐름 분석) 은 정적 (Static) 인 재고와 흐름을 가정합니다. 그러나 실제 물질 흐름은 1 분 미만의 시간 규모에서도 급격히 변하는 동적 (Dynamic) 특성을 가지며, 이를 정밀하게 모델링하기 위해서는 방대한 데이터가 필요합니다.
  • 폐쇄성 (Closed-loop) 고려 미흡: 많은 지표가 단일 라이프사이클 단계나 특정 재료에 국한되어, 전체 시스템의 물질 순환 폐쇄 정도를 포괄적으로 평가하지 못합니다.

2. 방법론 (Methodology)

이 논문은 **열역학적 물질 네트워크 (Thermodynamical Material Networks, TMN)**를 기반으로 순환성을 정량화하는 새로운 프레임워크를 제시합니다.

• TMN 개념: 공급망을 열역학적 구획 (Compartments) 의 집합으로 간주합니다. 각 구획은 질량 균형과 열역학 법칙에 기반한 동적 방정식 (미분 방정식, 차분 방정식, 하이브리드 방정식) 으로 모델링됩니다.
• 그래프 이론 적용:
  • TMN 을 방향성 그래프 (Digraph) 로 추상화합니다. 노드는 물질 저장/변환 구획, 아크는 물질 흐름을 나타냅니다.
  • 질량 흐름 행렬 (Mass-flow Matrix, $\Gamma$): 대각선 요소는 재고 (Stock), 비대각선 요소는 흐름률 (Flow rate) 을 포함하는 희소 행렬을 정의합니다.
• 순환성 지표 (Indicators) 개발:
  • 사이클 기반 지표: 그래프 내의 방향성 사이클 (Directed Cycles) 을 식별하여 순환성을 측정합니다.
    • 기하평균, 조화평균, 산술평균을 기반으로 한 확대 (Scaled) 및 총계 (Total) 순환성 지표 ($\lambda_{GS}, \lambda_{GT}, \lambda_{HS}, \lambda_{HT}, \lambda_{AS}, \lambda_{AT}$) 를 정의합니다.
    • 사이클의 수 ($\lambda_Y$), 흐름 공유 정도 ($\lambda_S$), 연결성 ($\lambda_C$), 방향성 ($\lambda_D$) 등을 측정하는 보조 지표를 포함합니다.
  • 보조 지표: 총 재고 ($\theta_S$), 총 흐름 ($\theta_F$), 재고 분포 ($\theta_D$), 축적 - 고갈 벡터 ($\Theta_A$) 등을 정의합니다.
• 동적 모델링 접근:
  • 유체 (Fluids): 연속 시간 미분 방정식을 사용하여 질량 보존 법칙을 적용합니다.
  • 고체 (Solids): 배치 (Batch) 단위로 이동하므로 연속 - 이산 하이브리드 동적 방정식을 사용하여 모델링합니다.

3. 주요 기여 (Key Contributions)

1. 물리 기반 순환성 정량화: 그래프 이론과 열역학적 원리를 결합하여 순환성을 수학적으로 엄밀하게 정의하고 측정하는 지표 체계를 확립했습니다.
2. 동적 모델링 및 시뮬레이션:
   • 유체 물질 (물 등) 과 고체 물질 (플라스틱 등) 에 대한 수치 예시를 통해 지표 계산 방법을 시연했습니다.
   • 특히 고체 물질의 경우, 배차 및 운송 시간을 고려한 하이브리드 동적 방정식을 유도하고 시뮬레이션했습니다.
3. 알고리즘 및 오픈 소스: 모든 지표 계산 알고리즘을 MATLAB/Simulink 로 구현하여 공개했습니다.
4. 데이터 효율성 증대: 기존 MFA 가 필요로 하는 방대한 역사적 데이터 (초단위 샘플링) 와 비교하여, TMN 은 소수의 물리 파라미터 (약 34 개) 만으로도 동일한 수준의 동적 모델링 정확도를 달성함을 보였습니다.

4. 결과 (Results)

• 유체 물질 예시 (Example 1 & 2):
  • 초기 모델에서 질량 보존 법칙을 위반할 경우 (재고가 일정하게 유지되면서 흐름만 변하는 비물리적 상황), 순환성 지표가 왜곡됨을 확인했습니다.
  • 질량 보존 법칙 ($\frac{d\mathbf{m}}{dt} = \text{입력} - \text{출력}$) 을 강제하여 재고 (대각선 요소) 를 동적으로 조정함으로써 물리적으로 타당한 모델과 지표를 도출했습니다.
• 고체 물질 예시 (Example 3 - 플라스틱 순환):
  • PET, HDPE, PP 플라스틱의 제조, 사용, 재활용, 운송 과정을 모델링했습니다.
  • 사이클 부재 문제: 고체 물질은 배차 (Batch) 단위로 이동하므로, 순환 루프 내의 흐름이 동시에 존재하지 않는 경우가 많습니다 (예: 운송 중에는 재활용 시설에 물질이 없음).
  • 이로 인해 사이클 기반 순환성 지표 ($\lambda_{GS}, \lambda_{Y}$ 등) 가 0으로 계산되었습니다. 이는 실제 네트워크가 순환 구조를 가지고 있더라도, '동시성 (Simultaneity)'이 없으면 지표가 0 이 됨을 시사합니다.
  • 데이터 효율성 비교: 동일한 동적 현상을 MFA 로 모델링하려면 2,601 개의 데이터 포인트가 필요하지만, TMN 은 34 개의 파라미터만으로 구현 가능했습니다 (약 76 배 효율성 향상).

5. 의의 및 결론 (Significance & Conclusion)

• 이론적 기반 강화: 순환 경제를 단순한 데이터 분석이 아닌, 공학적 설계 문제 (열역학 사이클, 유체 네트워크 설계 등) 로 접근할 수 있는 이론적 토대를 마련했습니다.
• 고해상도 모델링: 1 분 미만의 빠른 시간 규모에서 발생하는 물질 흐름 (예: 트럭 도착, 재활용 센터 입출고) 을 정확하게 포착할 수 있습니다.
• 설계 도구로서의 가치: 순환성 지표를 통해 네트워크의 결함을 진단하고 (예: 동시 흐름 부재로 인한 순환성 0), 운송 빈도 증가나 병렬 처리 등을 통해 순환성을 개선하는 설계 가이드를 제공합니다.
• 향후 과제: 현재 지표가 '동시 흐름'에 의존하는 한계를 극복하기 위해, 고정된 시간 창 (Time Window) 내에서의 흐름을 고려하는 지표 정립 및 대규모 네트워크 확장 연구가 필요하다고 결론지었습니다.

이 논문은 순환 경제의 설계와 평가를 위해 물리 법칙 기반의 동적 모델링과 그래프 이론을 결합한 혁신적인 접근법을 제시하며, 기존 정적 분석 방법의 한계를 극복하고 데이터 효율성을 극대화할 수 있음을 증명했습니다.