⚡ 전기공학

Development of a Water Infrastructure Sustainability Index (WISI): An Integrated Framework for Assessing Resilience, Circular Economy, and Long-Term Sustainability

본 논문은 7개 차원과 22개 지표를 통합한 하수처리장용 계산 가능한 프레임워크인 재구성된 물 인프라 지속가능성 지수(WISI v1.1)를 제시하며, 합성 데이터 테스트를 통해 해당 지수가 중간 정도의 가중치 불확실성 하에서도 안정적인 순위를 산출함을 입증하는 동시에 완전한 구현을 위한 현재 운영 데이터 가용성의 상당한 격차를 강조한다.

원저자: Ayman Ramadan

게시일 2026-10-29

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ayman Ramadan

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

매일 수백만 톤의 폐수가 처리장으로 유입되며, 이곳에서 엔지니어들은 물을 환경으로 돌려보내기 전 정화하기 위해 노력합니다. 수십 년 동안 이러한 시설의 성공은 좁은 범위의 규칙들, 즉 물이 법적 안전 기준을 충족하는지, 그리고 처리장이 예산 범위 내에 있는가라는 기준으로 측정되어 왔습니다. 이러한 접근 방식은 기본적인 준수에는 효과적이지만, 점점 늘어나는 중요한 요소들을 놓치고 있습니다. 이 방식은 시설이 전력을 얼마나 소비하는지, 대기에 탄소를 얼마나 배출하는지, 혹은 기계가 노후화되어 고장 위험이 있는지 등을 고려하지 않습니다. 또한 슬러지에서 영양분을 회수하는 잠재력이나 극한의 기상 현상에 견딜 수 있는 시설의 능력도 무시합니다. 기후 변화가 심화되고 기준이 엄격해짐에 따라, 오늘날 저렴하고 법을 준수하는 시설이 내일은 지역 사회를 제대로 부양하지 못할 수도 있습니다. 이러한 복잡한 절충안을 헤쳐 나가기 위해 전문가들에게는 기술적 성능과 에너지 사용, 환경적 영향, 그리고 장기적 회복 탄력성을 동시에 균형 있게 바라볼 수 있는 방법이 필요합니다.

최근 한 연구에서 연구자들은 하수 처리장의 이러한 전체적인 모습을 포착할 수 있는 단일 스코어카드를 구축하고자 했습니다. 그들은 '물 인프라 지속가능성 지수(Water Infrastructure Sustainability Index)', 즉 WISI라고 불리는 새로운 도구를 개발했습니다. 목표는 단순히 수십 개의 서로 다른 측정치를 나열하는 것이 아니라, 운영자나 시 공무원이 실제로 사용할 수 있는 하나의 숫자로 결합하는 것이었습니다. 연구진은 물을 얼마나 잘 정화하는지, 물과 에너지를 얼마나 효율적으로 사용하는지, 자원을 얼마나 잘 회수하는지, 탄소 발자국, 물리적 자산의 상태, 그리고 디지털 관리 준비도를 포함한 일곱 가지의 뚜렷한 성능 영역을 살피는 시스템을 설계했습니다. 이를 구현하기 위해 그들은 인구스(phosphorus) 회수율부터 처리 과정의 안정성에 이르는 22개의 서로 다른 측정치를 어떻게 중복 계산하거나 특정 요인이 다른 요인을 압도하지 않도록 공정하게 순위를 매겨 혼합할 것인가라는 어려운 퍼즐을 풀어야 했습니다.

실제 세계의 데이터셋 중 이 22개의 측정치를 모두 포함하고 있는 대규모 시설 집단이 존재하지 않았기 때문에, 연구진은 기존 시설들에 이 지수를 단순히 테스트할 수 없었습니다. 대신 그들은 가상의 실험실을 만들었습니다. 그들은 규모, 연령, 기술이 각기 다른 40개의 합성 하수 처리장 데이터를 생성하고, 이들이 일곱 가지 차원에서 어떻게 수행될지를 시뮬레이션했습니다. 그런 다음 규칙이 바뀔 때 지수가 제대로 작동하는지 확인하기 위해 수천 번의 컴퓨터 시뮬레이션을 실행했습니다. 그들은 각 요인의 중요성을 변경했을 때, 혹은 다른 수학적 방법을 사용하여 점수를 결합했을 때, 또는 실제 세상의 불확실성을 모방하기 위해 데이터를 섞었을 때 어떤 일이 발생하는지 질문했습니다. 이 과정을 통해 연구진은 실제 건물에 적용하기 전에 이 도구를 스트레스 테스트할 수 있었습니다.

시뮬레이션 결과는 이 점수들이 어떻게 작동하는지에 대한 놀라운 사실을 드러냈습니다. 연구진은 일곱 가지 차원에 각각 특정 가중치를 부여했는데, 기술적 성능이 가장 중요한 요소로서 20%의 가중치를 갖도록 결정했습니다. 그러나 시뮬레이션 결과, 이 높은 가중치가 실제로 최종 점수에서 기술적 성능을 가장 영향력 있는 부분으로 만들지는 않는 것으로 나타났습니다. 대부분의 잘 운영되는 처리장들은 이미 물을 매우 잘 정화하고 있었기 때문에, 이 분야의 점수들은 모두 상위권에 밀집되어 있어 변별력을 제공할 여지가 거의 없었습니다. 반면, 디지털 지능이나 자원 회수와 같은 영역은 시설 간의 차이가 훨씬 컸습니다. 결과적으로, 이러한 변동성이 큰 요인들이 할당된 가중치보다 훨씬 더 큰 영향을 최종 순위에 미치게 되었습니다. 연구는 이 지수가 놀라울 정도로 견고하다는 것을 발견했습니다. 가중치를 크게 흔들더라도 전체적인 순위는 대체로 동일하게 유지되었습니다. 순위가 무너진 경우는 가중치를 완전히 무작위로 설정했을 때뿐이었으며, 이는 이 도구가 무엇이 중요한지에 대한 전문가들의 필연적인 의견 차이를 감당할 수 있을 만큼 안정적임을 시사합니다.

하지만 이 연구는 이 지수를 실무에 적용하는 데 있어 중대한 장애물을 발견했습니다. 연구진이 실제 운영 중인 두 곳의 시설의 일상 기록에 이 시스템을 적용하려 했을 때, 일상적인 실험실 데이터는 요구되는 22개 지표 중 단 3개만을 다루고 있다는 것을 발견했습니다. 해당 시설들은 수질에 대한 데이터는 풍부했지만, 에너지 회수, 자산 위험 또는 디지털 성숙도를 측정하는 데 필요한 구체적인 기록은 부족했습니다. 이는 지수가 수학적으로는 타당하고 테스트할 준비가 되어 있지만, 새로운 유형의 데이터를 수집하지 않고서는 현재 대부분의 기존 시설에 대해 완전히 계산될 수 없음을 의미합니다. 또한, 연구진은 기존의 고정된 알파벳 등급(A부터 E까지) 방식이 새로운 시스템과 잘 맞지 않는다는 것을 발견했습니다. 기존의 컷오프 지점을 사용하면 거의 80%의 시설이 최하위 등급에 배치되어 비교 도구로서의 기능을 상실하게 됩니다. 그들은 데이터에서 직접 도출된 등급이 더 유용하다는 것을 발견했지만, 그 등급조차 약 5점 정도의 불확실성을 가지고 있어, 등급 경계에 있는 시설은 데이터의 작은 변화만으로도 다음 카테데고리로 떨어질 수 있었습니다.

연구는 이 새로운 지수가 하수 인프라의 진정한 지속가능성을 이해하기 위한 강력한 프레임워크를 제공하지만, 아직 즉시 사용할 수 있는 완성된 제품은 아니라고 결론짓습니다. 이 지수는 탄소 배출, 자산 회복 탄력성, 자원 회수와 같은 다양한 요인으로부터 단일 점수를 구축할 수 있음을 성공적으로 입증했으며, 기초가 되는 가정이 조정되더라도 점수가 안정적임을 보여주었습니다. 그러나 앞으로 나아가기 위해서는 더 나은 공식 이상의 것이 필요합니다. 이는 운영자와 규제 기관이 에너지, 슬러지, 자산 상태에 관한 누락된 데이터를 수집하기 시작해야 함을 요구합니다. 또한, 가중치를 미세 조정하고 이론적 모델이 아닌 실제 성능에 기반한 현실적인 벤치마크를 설정하기 위한 새로운 차원의 전문가 협의도 필요합니다. 이러한 단계들이 이루어지기 전까지, 이 지수는 변화하는 세상 속에서 우리의 물 시스템이 생존하고 번영하기 위해 무엇을 측정해야 하는지를 정확히 보여주는 정교한 청사진으로 남을 것입니다.

기술 요약: 수자원 인프라 지속가능성 지수(WISI) 개발

문제 제기
현재의 하수처리장(WWTP) 평가는 주로 방류수 수질 기준 준수 여부와 비용 지표에 의존하고 있다. 이러한 전통적인 측정 방식은 에너지 소비, 온실가스 배출, 자원 회수(물, 에너지, 영양소), 자산 상태, 기후 노출, 디지털 준비도와 같은 현대적 지속가능성의 핵심 차원을 포착하지 못한다. IWA나 ISO 24511과 같은 유틸리티 성능 지표 시스템이나 Envision과 같은 인프라 등급 시스템 등의 기존 프레임워크는 통합된 점수 산출 메커니즘이 부족하거나, 운영 성과보다는 프로젝트 계획에 집중하거나, 단일한 비교 가능한 점수로 축약하기에는 너무 방대하다는 한계가 있다. 따라서 기술적 성능을 회복 탄력성, 순환 경제 및 디지털 역량과 통합하면서도, 가중치 불확실성 및 모델 구조에 대한 명시적인 구조적 견고성 테스트를 동반하는 컴팩트한 플랜트 수준의 지수가 필요하다.

방법론
본 연구는 개념적인 수자원 인프라 지속가능성 지수(WISI)를 지방자치단체 하수처리장에 특화된 계산 가능한 복합 지수인 WISI v1.1로 재구성한다.

지표 체계: 이 지수는 기술적 성능(TP), 물 지속가능성(WS), 에너지 지속가능성(ES), 순환 경제(CE), 탄소 중립(CN), 자산 회복 탄력성(AR), 디지털 지능(DI)의 7개 차원을 집계한다. 이는 22개의 정규화된 지표로 측정된다.
설계 원칙: 이 프레임워크는 물리적 흐름의 직교성(중복 계산을 피하기 위해 각 흐름을 하나의 차원에 할당), 공통된 방향 및 척도(0–100, 높을수록 좋음), 결과 지향성을 강제한다.
정규화: 지표들은 클리핑(clipping)을 포함한 선형 min–max 변환을 사용하여 0–100 척도로 매핑된다. 처리 효율(상한값 존재), 공정 안정성(변동 계수 기반), 용량 활용도(사다리꼴 함수), 디지털 성숙도(루브릭 기반)에 대해 특정 형태가 적용된다.
데이터 생성: 모든 지표를 아우르는 완전한 운영 데이터셋의 부재로 인해, 본 연구에서는 50개의 반복 데이터셋을 가진 40개의 합성 하수처리장을 생성하였다. 합성된 플랜트들은 기술, 용량, 연령, 그리드 배출 계수를 달리하며, 차원 간의 개연성 있는 상관관계를 유도하기 위해 잠재적 관리 품질 요인을 포함하였다.
견고성 테스트: 지수의 구조적 안정성은 다음을 통해 평가되었다:
- 몬테카를로 분석: 가중치 불확실성을 시뮬레이션하기 위해 디리클레 분포(Dirichlet distribution)를 사용하여 차원 가중치를 섭동(perturbation)시켰다 ( $\kappa$ 를 50에서 3까지 변화).
- 전문가 불일치 시뮬레이션: 노이즈가 추가된 쌍별 비교 행렬을 사용하여 일관되지 않은 전문가 판단을 시뮬레이션하였다.
- 구조적 민감도: 기하 평균 결합(geometric aggregation), z-점수 정규화, 특정 차원(예: DI, CN) 제거, 다양한 참조 경계 등을 포함한 대안적 모델 구조와 순위를 비교하였다.
- 실행 가능성 점검: 두 곳의 운영 중인 플랜트로부터 얻은 일상적인 실험실 데이터를 검토하여 데이터 가용성을 평가하였다.

주요 기여

계산 가능한 재구성: 본 논문은 개념적인 WISI 프레임워크를 명시적인 지표 정의, 방향, 정규화 규칙 및 참조 경계를 갖춘 완전히 정의된 계산 가능한 지수로 변환하였으며, 이전 버전에서 발견된 역방향 문제와 중복 계산 문제를 해결하였다.
구조적 견고성 분석: 지수의 안정성을 엄격하게 테스트하여, 가중치가 무작위성에 가까워질 때만 순위가 크게 저하되고 일반적인 가중치 불확실성 하에서는 순위가 견고하게 유지됨을 입증하였다.
명목상 영향력과 실질적 영향력의 구분: 본 연구는 명목 가중치가 최종 점수에 미치는 실질적 영향력과 동일하지 않음을 밝혀냈다. 예를 들어, 가장 높은 명목 가중치를 가진 기술적 성능(TP) 차원은 준수 플랜트 간의 점수 변동성이 낮았기 때문에 지수 분산에 가장 적게 기여하였다.
분류 방법론: 기존 프레임워크의 고정된 클래스 밴드는 새로운 정규화 방식에 부적절함을 지적하고, 데이터 기반의 클래스 경계(백분위수 또는 k-평균)와 부트스트랩을 이용한 불확실성 추정치를 제안하였다.

결과

순위 안정성: 중간 정도의 가중치 불확실성( $\kappa = 50$ ) 하에서, 섭동된 순위와 기준 순위 사이의 중앙 스피어먼 서열 상관계수( $\rho$ )는 0.98이었다. 안정성은 가중치가 거의 무작위적일 때( $\kappa = 3$ )에 이르러서야 $\rho = 0.87$ 로 떨어졌다.
실질적 영향력: 기술적 성능 차원은 명목 가중치가 0.20임에도 불구하고 지수 분산의 약 8%만을 설명하였다. 반면, 디지털 지능(명목 가중치 0.10)은 점수의 변동성이 더 높았기 때문에 분산의 15%를 설명하였다.
구조적 민감도: 결합 규칙의 선택이 순위에 가장 큰 영향을 미쳤다. 보상(compensation)을 제한하는 기하 평균 결합은 가중치 섭동보다 순위에 더 큰 영향을 미쳤으며( $\rho = 0.949$ ), 취약한 차원을 가진 플랜트에 더 엄격하게 패널티를 부여했다. 탄소 중립이나 디지털 지능을 제거하는 등의 다른 구조적 변화는 미미한 영향( $\rho > 0.97$ )을 주었다.
분류: 기존의 고정된 클래스 경계(90, 80, 70, 60)를 사용했을 때 합성 플랜트의 78%가 최하위 클래스에 속하게 되어 분류 기능이 상실되었다. 데이터 유도형 경계(k-means 또는 백분위수)는 더 나은 분포를 제공했으나, 현재 표본 크기에서 약 ±5 점의 불확실성을 보였다.
실행 가능성: 운영 중인 두 곳의 플랜트에 대한 점검 결과, 일상적인 실험실 데이터는 22개 지표 중 3개(모두 기술적 성능 내에 있음)만을 커버하고 있었다. 전체적인 평가를 위해서는 유량, 에너지, 슬러지, 자산, 디지털 시스템에 대한 추가 데이터가 필요하다.

의의 및 주장
본 논문은 분리되어 평가되는 다양한 요소들을 통합하여 하수처리장의 지속가능성을 평가할 수 있는 투명하고 계산 가능한 프레 framework를 제공한다고 주장한다. 주요 의의는 지수의 구조적 검증에 있다. 본 연구는 재구성된 WISI가 중간 정도의 가중치 불확실성이나 모델 구조 변화에 대해 취약하지 않음을 입증하였다.

그러나 저자는 지수의 실제 적용 가능성에 대해서는 겸허한 태도를 명시적으로 밝히고 있다. 결과는 실제 시설의 실제 지속가능성이 아니라 합성 데이터에 대한 지수의 거동을 설명한다. 본 연구는 지수를 실제 운영 결과나 전문가 합의에 따라 검증했다고 주장하지 않는다. 대신, WISI v1.1을 향후 연구를 위한 기초로서 위치시키며, 전문가 가중치 결정(Delphi-AHP), 실제 운영 데이터와의 캘리브레이션, 주성분 분석(PCA)을 통한 구조적 검증을 포함한 검증 로드맵을 제시한다. 결론적으로, 본 지수는 구조적으로는 견고하지만, 실제 적용을 위해서는 현재 정기 보고 체계에서 누락된 포괄적인 데이터(유량, 에너지, 자산 등)의 수집이 필수적이다.

유사한 논문