Carbon Footprint Prediction at the Manufacturing Stage During Large Language Model-Driven Product Design and Its Application in Vibration Isolation Platform

日本語

本論文は、大規模言語モデル（LLM）を活用した製品設計プロセスにおいて、製造段階の炭素排出量を予測する手法を提案する。防振プラットフォームを事例として、設計初期におけるカーボンフットプリントの定量化が可能であることを示す。設計段階での環境影響評価を効率化し、低炭素設計を促進する。

English

This paper proposes a method to predict carbon footprint at the manufacturing stage during product design driven by large language models (LLMs). Using a vibration isolation platform as a case study, it demonstrates the feasibility of quantifying carbon emissions early in the design process. This approach streamlines environmental impact assessment and promotes low-carbon design.

日本のGX文脈において

日本の製造業では、製品設計段階からのカーボンフットプリント可視化が求められている。本手法はLLMを活用することで設計者にとって実用的であり、特に中小企業での導入が期待される。SSBJやCDP対応にも貢献する可能性がある。

In the global GX context

Globally, integrating AI with carbon footprint prediction during product design aligns with TCFD/ISSB requirements for Scope 3 emissions. This paper offers a novel data-driven approach that can enhance transparency in supply chain emissions and support transition finance decisions.