18. AWS-제조-SK에코플랜트-IOT,AI/ML사례
디지털,데이터를 통한 환경 문제 해결 (IOT,AI/ML사례)
<1> SK건설의 새 이름 SK에코 플랜트
<2> 웨이블 서비스 - 디지털 기반 폐기물 전 과정 관리 서비스
<3> Zero4 WTE 서비스 - 폐기물을 에너지로
<4> with AWS
<5> 실습
<1> SK건설의 새 이름 SK에코 플랜트
1
사업?
폐기물 자원화 및 에너지화 설루션 공급
물처리 설루션 공급
분산 에너지 설루션 공급
2
방향성?
생산/배출 과정-------수집/운반 과정----처리/재활용 과정----순환자원 공급 과정----생산/배출 과정
각 과정에서 디지털/데이터화해서 개선
<2> 웨이블 서비스 - 디지털 기반 폐기물 전 과정 관리 서비스
1
과정?
폐기물 배출
수집, 운반
처리
2
폐기물 성상 분석
Vision AI폐기물 설상분석 알고리즘 통합 재활용가능 폐기물 선별.
CCTV통한 배출 폐기물 이미지 수집
이미지 기반 폐기물 선별
<3> Zero4 WTE 서비스 - 폐기물을 에너지로
1
WTE(Waste to Energy)
2
소각로 출구 온도?
적정 운전 - 오염물질 및 열화 최소화. 900~1000도 적정.
3
변경 전
폐기물----사람 시각-------경험-----------투입시점
변경 후
폐기물-----센서/데이터-----AI 가이던스--경험-----투입시점
4
4월에서 시작 10월까지 MVP를 만듦.
결과?
5개 소각장
질소산화물 -12%
일산화탄소 -49%
내화물 -33%
<4> with AWS
1
AWS와 같이 하면서 좋았던점은
처음부터 끝까지를 함께 고민해 주었던 점이 제일 좋았다.
실질적인 프로서브팀등 실질적으로 경험이 없는 AI알고리즘을 만드는데 도움을 주거나, 클라우드 환경을 만드는데 도움을 주었고, 담당 매니저, 경영진이 있었다.
어떻게 새로운 사업으로 발전 시키겠다는것을 같이 했다는게 가장 좋았다.
어떠한 비전을 그려 나가고, 5년후엔 어떤 세상을 만들고 싶은지, 어떤 전이를 해나가야 하는지 같이 준비했던점이 가장 좋았다.
2
아키텍처 ?
CCTV등 데이터 수집은 Kinesis Video Stream 사용
실질적으로 AI추론에 필요한 30초정도 데이터만 추출했다.
Amazon SageMaker 사용 - 자유도가 높다. 베스트 프렉티스 생겼던 지식을 빠르게 습득
확산을 빠르게 할수 있었다.
<5> 실습
https://brunch.co.kr/@topasvga/1773
https://brunch.co.kr/@topasvga/1765
https://brunch.co.kr/@topasvga/1766
https://brunch.co.kr/@topasvga/2882
감사합니다.
