SluiceboxとTrustedParts.comは、コンポーネントレベルのカーボン排出データにおけるノーベルソリューションを発表: 生成LCA

掲載日: July 7, 2025

最近発表された査読済みホワイトペーパーは、カーボン排出の算出する新たなアプローチに関して説明し、スピードベース、プロセスベースおよびハイブリッドアプローチを含む既存の方法論と比較しています。

「多くのアプローチは、トップエネルギー配分に焦点を当てることが容易にできるためにこれを採用しており、顧客にとってこれは価値のあるものではありません。これらの配分は、スタート地点としては良いものの、数値の差異によって影響されるため、多くの場合CO₂における間違った印象を与えます。真の課題は、根底から排出を見据えることであります-広い視点また先入観によるデータよりも、施設内の生産と薬品使用データの最適化が必要です」

- Martin Hachenburg氏、サスティナビリティのディレクター、Infineon Technologies社

AIが、かなりの将来性を見せた事例として、乱雑で欠落したデータを合致または解析することで、カーボン排出に関する確率を算出し、サステナブルな電子機器精算を可能としたことです。手動で行うデータコレクションの代わりに、今では「グリーン」な部品リストを生成するオートメーション化およびより正確なツールを使用するは、サスティナビリティゴールを達成するためApple、Google、CiscoやMicrosoft社などの会社が要求するものです。残念ながら、従来ののライフサイクルアセスメントプロセスにAIを入れて、製品デザインのカーボンフットプリントを算出する事には問題がないわけではありません。TrustedParts.comはSluiceboxとパートナーシップを組み、AIからスケールエキスパート論理を使ったノーベルアプローチを採用し、ISO 14040/442厳しく準拠しながら、問題の根底に対処したソフトウェアを開発しました。彼らは、ノーベルアプローチの背後にある論理と調査を説明した詳細にわたるホワイトペーパーをリリースしました。

この翌調査された査読済みホワイトペーパーは、電子産業界のプロとUniversity of Texas at Austin大学のSandeep Chinchali博士AI; Western Digitai社のSridhar Nagarajan氏とMrinalini Iyar氏; Vishay Intertechnology社のSusan Monroe氏; TTI社(Berkshire Hathaway社の一つ)のJohn Archer氏; そしてSuluicebox AI社の、Elmar Kert氏、 Emi Ayada氏、Piriya Sugumaar氏とSarah Tang氏; を含めた電子機器およびサスティナビリティ分野における調査チームによって執筆されました。

同ホワイトペーパーは、まず初めに消費ベース、プロセスベースまたはハイブリッドアプローチを含めたカーボン排出の算出既存の方法論を比較しています。

カーボン排出に受ける5つの誤解

同ホワイトペーパーは、式産業における算出に関する5つの誤解を解いています。これらの誤解を解く事は、ステークホルダーや重役にとって大切なことであるとも強調しています。

• 誤解 #1: 消費ベース算出は「十分である。」
• 誤解 #2: プロセスベースのLCAは、コストと時間がかかりすぎる。
• 誤解 #3: サプライヤーはいつでも包括的なデータを提供できる。
• 誤解 #4: プライマリーデータはいつも正確である。
• 誤解 #5: カーボンデータは規制準拠のためだけである。

このホワイトペーパーの大部分は、ECIAの主題の専門知識を利用し、従来のモデルを上回ることで、電子機器産業に最適化するSuicebox社の独自AIモデルの概説をしています。

ダイナミックリアルタイムLCAの正確性を確認するために、Sluiceboxは人による専門知識に対するベンチマークを行いました。彼らは、テクノロジー、地理またはデータの再申請をベースとした広く順応したLCA品質査定システムを使用しました。

さらに調査チームは、SluiceboxのリアルタイムLCAをカーボンインテリジェンスとして使用した3つのケーススタディーをWestern Digital、TTIとVishay社に提示しました。それぞれ個々のケーススタディーは、Sluiceboxアプローチの実施前と実施後の比較も行われました。

結論

「プライマリーデータは、理想的な指針です。しかし、すべての会社が個々の生産されたウィジェットに対するリソース集約を割り当てるメカニズムとプロセス保持しているわけではありません。数十年前にアクティビティーをベースとしたコスト計算が開拓されました。今はアクティビティをベースとしたカーボンの時代です。生成LCAこのスケールで提供できます。」

– Sridhar Nagarajan氏 サスティナビリティのシニアディレクター、 Western Digital社

生成LCAは、従来の方法でコンポーネントの正確な排出データを算出することにおいて直面した課題の多くを少なくし、「数百万とある電子機器製品に対し、効率的にスケールさせることができる」とこのホワイトペーパーは結論しています。しかし、課題を全てなくなったわけではありません。この課題を乗り越えるためには、他の産業の協力も必要であり、成功確実なものとするためには、LCAプラットフォームと複雑な電子機器メーカーサプライチェーンにおける関係者、すべてにおけるコラボレーションが必要となります。多種多様な産業、標準規格とデータリソースが連動的エコーシステムに統合されなければなりません。

定期的に不正確、またはサポートされていない「幻覚」を生成する通常の生成AIモデルとは対照的に、生成LCAは既存のデータとの間のギャップを埋めるためだけにAIが使用されるため、完全な透明性と確認性を維持します。これらの結果は、査読された文献、プライマリーデータ、FABまたは有効化されたサプライヤー開示をもとにしたものです。

著者は、顧客の要件を満たすこととカーボン排水に関する透明性を得るために必要な鍵は、早い段階における環境製品宣言(EPD)としています。生成LCAはEN50693に準拠しつつ、数分でEPDを生産するオートメーションを行うことができます。企業は正確で信頼性の高いEPDを使って、カーボンに関する情報の透明性を最小ベースラインレベルからほぼ完全なカバレッジを適用することができ、サスティナビリティの発明を可能としています。生成LCAは、企業が規制に準拠するだけでなく、積極的に顧客へ開示するサポートをします。

このホワイトペーパーの著者は、「生成LCAは新たな環境インテリジェンスの幕開け: これはより速く、行動性またはスケーラビリティのために設計されたものである。断片的なサプライチェーンや顧客監査と設計に関する増大するプレッシャーに直面する電子機器企業にとって、このアプローチは複雑性に透明性を与えます」と結論しています。

このホワイトペーパーの完全版にアクセスする: 「電子機器カーボンデータにおける正確性とスケール: グリーンBOMのための生成LCA」