Sebuah tim dari Universitas Teknologi dan Desain Singapura telah mengembangkan metode yang lebih cepat dan digerakkan oleh AI untuk melakukan penilaian siklus hidup (LCA), yang secara signifikan mengurangi waktu dan kompleksitas yang terlibat dalam mengukur dampak lingkungan suatu produk.
Para peneliti dari Universitas Teknologi dan Desain Singapura (SUTD) telah mengembangkan model baru berbasis AI untuk mempersingkat waktu yang dibutuhkan untuk mengukur dampak suatu produk terhadap lingkungan.
Temuan, diterbitkan dalam jurnal Proceedings of the Design Society, menandai langkah signifikan menuju menjadikan penilaian dampak lingkungan sebagai bagian integral dari desain produk, yang berpotensi mengubah cara industri mendekati keberlanjutan.
Latar Belakang
Pilihan yang dibuat selama desain produk dapat sangat memengaruhi dampak lingkungan dari produk akhir. Dari pemilihan material hingga metode manufaktur, keputusan awal meninggalkan kesan abadi pada ekosistem dan rantai pasokan.
Namun, penilaian siklus hidup (LCA), alat utama untuk mengukur dampak ini, sering kali tidak dapat diakses karena kompleksitas, biaya, dan persyaratan waktu.
LCA memberikan gambaran luas tentang jejak lingkungan suatu produk — dari ekstraksi bahan mentah, melalui penggunaannya, hingga pembuangan akhirnya.
Terlepas dari manfaatnya, LCA tradisional merupakan proses yang membutuhkan banyak sumber daya dan menuntut pengumpulan data serta analisis selama berbulan-bulan oleh para ahli, sehingga tidak realistis bagi banyak perusahaan kecil dan menengah atau bahkan perusahaan besar yang beroperasi dengan siklus pengembangan produk yang cepat.
"Perancang produk menghadapi banyak tantangan: kesulitan dalam menilai dampak berbagai material karena kurangnya data yang andal, keterbatasan akses terhadap rantai pasokan untuk mendapatkan informasi, dan pemahaman yang tidak lengkap tentang konsumsi energi. Tanpa pedoman yang jelas, mereka sering kali membuat keputusan tanpa pertimbangan matang," ujar Arlindo Silva, seorang profesor madya SUTD, dalam siaran pers.
Metode Tim
Dalam upaya mengatasi rintangan ini, Silva dan timnya telah memperkenalkan metode Streamlined Life Cycle Assessment (SLCA).
Pendekatan terobosan ini memanfaatkan kecerdasan buatan, pemodelan 3D, dan basis data yang ada untuk menyederhanakan proses LCA sekaligus memastikan hasil yang kredibel.
Alih-alih memulai dari awal, SLCA menggunakan AI dan basis data sekunder untuk menentukan komponen paling berpengaruh dalam siklus hidup suatu produk. Elemen-elemen kunci ini kemudian dimodelkan dalam 3D untuk mengekstrak data penting seperti berat dan volume. Sistem AI memberikan dukungan lebih lanjut dengan mengkorelasikan karakteristik ini dengan prosedur manufaktur umum dan memilih data yang sesuai dari repositori seperti Ecoinvent.
Hasilnya adalah LCA yang tidak hanya lebih cepat tetapi juga memerlukan masukan data yang jauh lebih sedikit.
"SLCA dibangun berdasarkan pengetahuan sebelumnya untuk memahami hal terpenting, alih-alih menuntut setiap detail. SLCA menggunakan pemodelan 3D untuk mendapatkan karakteristik komponen dasar dan AI untuk mencocokkannya dengan proses dan material yang paling memungkinkan," tambah Silva.
Setelah memvalidasi metode mereka melalui studi kasus alat bantu dengar elektronik berukuran kecil, tim mengamati efisiensi yang luar biasa. Proses LCA konvensional untuk perangkat tersebut memakan waktu tiga bulan dan membutuhkan 86 masukan data yang berbeda. Sebaliknya, SLCA menyelesaikan tugas hanya dalam satu minggu dengan hanya 26 masukan data, mengurangi kebutuhan masukan hampir 70% dan waktu lebih dari 90%. Hasil SLCA menunjukkan akurasi rata-rata 90% dibandingkan dengan penilaian penuh.
"Kami memastikan bahwa LCA lengkap berfungsi sebagai 'kebenaran dasar' kami. Yang kami temukan adalah penghematan waktu yang sangat besar hanya menghasilkan deviasi hasil yang minimal — melampaui titik tertentu, upaya yang lebih besar tidak menghasilkan akurasi yang jauh lebih tinggi," tambah Silva.
Dengan hadirnya SLCA, para desainer kini dapat dengan cepat menguji berbagai konsep, mengidentifikasi material atau proses yang berdampak buruk terhadap lingkungan sejak awal tahap desain. Kemampuan ini sangat bermanfaat bagi industri dengan produk yang berkembang pesat, seperti elektronik konsumen dan perangkat wearable.
"Pendekatan kami sangat cocok untuk desain tahap awal, di mana ketidakpastiannya tinggi. Pendekatan ini memungkinkan tim untuk menemukan titik kritis tanpa menunggu setiap spesifikasi difinalisasi, sehingga menghindari kejutan di kemudian hari ketika LCA lengkap menunjukkan dampaknya lebih tinggi dari yang diharapkan," tambah Silva.
Langkah Selanjutnya
Tim peneliti berupaya menyempurnakan metodologi mereka dengan mengujinya di berbagai jenis produk dan menyempurnakan kemudahan penggunaannya. Mereka membayangkan masa depan di mana AI terus berkembang di bidang ini, memadukan otomatisasi dengan transparansi, dan menanamkan keberlanjutan ke dalam proses desain sejak awal.
“Saat ini, LCA sangat sulit diintegrasikan pada tahap desain — biasanya dilakukan ketika sudah terlambat untuk melakukan sesuatu,” tambah Silva. “Kami berharap karya ini berkontribusi untuk menanamkan keberlanjutan ke dalam desain sejak awal, yang dapat memberikan dampak terbesar.”