1. 왜 모델링이 필요할까?
PCF를 계산하는 과정은 사실상 데이터 파이프라인이에요.
- 원자재, 공정, 물류 등 여러 데이터 소스에서 값이 들어오고
- 배출계수와 GWP로 환산하고
- 최종적으로 CO₂e 값을 뽑아내야 하죠.
👉 이걸 제대로 하려면 데이터 구조(모델링)를 설계하는 게 필수입니다.
엉성하게 만들면 “데이터 출처가 뭐지?”, “어떤 GWP를 썼더라?” 같은 문제가 생깁니다.
2. BOM (Bill of Materials) 모델링
BOM = 제품의 구성표라고 생각하면 됩니다.
PCF 계산에서는 BOM이 활동데이터의 뼈대가 됩니다.
예시: 전자제품 1대
- 알루미늄 하우징 200g
- 리튬 배터리 셀 1개
- 플라스틱 커버 100g
- 조립 공정 (전력 50kWh)
- 포장재 50g
- 물류 운송 200km
👉 BOM이 곧 “무엇을 계산해야 하는지 목록”이 됩니다.
💡 용어 풀이
- BOM (Bill of Materials): 제품을 구성하는 원자재·부품·공정의 목록.
- 활동데이터(Activity Data): BOM에서 실제 사용량으로 연결되는 값.
3. 배출계수 테이블 설계
배출계수는 지역, 연도, 출처에 따라 달라집니다.
그래서 테이블 설계 시 반드시 키(key)를 잘 잡아야 합니다.
예시 테이블 구조:
| 항목 | 지역 | 연도 | 출처 | 단위 | 배출계수 (kg CO₂e/단위) |
|---|---|---|---|---|---|
| 전력 | 한국 | 2023 | KEPCO | kWh | 0.5 |
| 전력 | 독일 | 2023 | UBA | kWh | 0.3 |
| 알루미늄 | 글로벌 평균 | 2019 | ecoinvent | kg | 8.6 |
👉 이렇게 하면, “한국 공장에서 전력 100kWh 사용” 같은 활동데이터를 정확히 매핑할 수 있습니다.
💡 용어 풀이
- 출처(Source): 배출계수의 근거 (정부 통계, 국제 DB 등).
- 지역성(Geography): 배출계수가 어느 나라·지역에 해당하는지.
- 빈티지(Vintage): 배출계수가 기준으로 삼은 연도.
4. GWP 관리
앞서 배웠듯이, GWP 값은 IPCC 보고서(AR4, AR5, AR6)마다 달라집니다.
따라서 시스템에서는 “어떤 GWP 세트가 적용되었는지”를 명확히 관리해야 합니다.
예시 테이블 구조:
| 기체 | GWP100 (AR4) | GWP100 (AR6) |
|---|---|---|
| CO₂ | 1 | 1 |
| CH₄ | 25 | 28 |
| N₂O | 298 | 273 |
👉 개발자는 “이번 계산은 AR6 기준 GWP100을 사용했다”는 메타데이터를 항상 기록해야 합니다.
💡 용어 풀이
- AR (Assessment Report): IPCC가 몇 년마다 발간하는 기후변화 평가 보고서.
- 세트(Set): 한 번 선택하면 보고서 전체에 일관되게 적용해야 하는 값 모음.
5. 관계형 구조 (예시 ERD)
PCF 모델링은 보통 이런 구조로 설계됩니다:
[제품(Product)]
└─ [BOM(구성항목)]
├─ [활동데이터(Activity Data)]
│ └─ 연결: [배출계수(Emission Factor)]
└─ [공정(Process)]
└─ 연결: [에너지/물류 데이터][배출계수(Emission Factor)]
└─ 키: 항목 + 지역 + 연도 + 출처[GWP 테이블]
└─ 키: 기체 종류 + AR 버전
이렇게 설계하면, 한 제품의 PCF를 다시 계산하거나 비교할 때 훨씬 관리가 쉬워집니다.
6. 정리
- BOM: 제품을 구성하는 모든 자재·공정·운송의 목록 → 활동데이터 뼈대
- 배출계수 테이블: 지역·연도·출처 키로 관리해야 정확한 매핑 가능
- GWP 관리: IPCC AR 버전별로 값 테이블을 갖고, 어떤 세트를 썼는지 기록해야 함
- 개발자 입장에서는 관계형 데이터 모델(ERD)을 잡는 게 필수
