第2章：サステナビリティと環境規制

"""
コード例: LCAによるカーボンフットプリント計算

目的: 材料のライフサイクル全体でのCO2排出量を計算
対象レベル: 初級-中級
実行時間: ~5秒
依存: numpy, pandas, matplotlib
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 材料のLCAデータ(単位: kg CO2-eq / kg material)
lca_data = {
    '材料': ['アルミニウム(一次)', 'アルミニウム(二次)', '鋼鉄(一次)', '鋼鉄(二次)',
             'ポリプロピレン', 'バイオPLA', 'カーボンファイバー', 'ガラス繊維'],
    '原料採掘': [8.5, 0.5, 1.2, 0.2, 1.5, 0.8, 15.0, 0.5],
    '製造': [3.2, 0.3, 0.8, 0.3, 1.2, 1.5, 10.0, 1.0],
    '輸送': [0.3, 0.2, 0.2, 0.1, 0.3, 0.2, 0.5, 0.2],
    '使用': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
    '廃棄/リサイクル': [0.5, -0.3, 0.3, -0.2, 1.0, -0.5, 2.0, 0.3]
}

df_lca = pd.DataFrame(lca_data)
df_lca['合計 (kg CO2-eq)'] = df_lca[['原料採掘', '製造', '輸送', '使用', '廃棄/リサイクル']].sum(axis=1)

print("=== ライフサイクルアセスメント(LCA)結果 ===\\n")
print(df_lca.to_string(index=False))
print(f"\\n一次アルミ vs 二次アルミのCO2削減率: {(1 - df_lca.loc[1, '合計 (kg CO2-eq)'] / df_lca.loc[0, '合計 (kg CO2-eq)']) * 100:.1f}%")
print(f"一次鋼鉄 vs 二次鋼鉄のCO2削減率: {(1 - df_lca.loc[3, '合計 (kg CO2-eq)'] / df_lca.loc[2, '合計 (kg CO2-eq)']) * 100:.1f}%")

# ステージ別CO2排出量の可視化
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 左図: ステージ別CO2排出量(積み上げ棒グラフ)
stages = ['原料採掘', '製造', '輸送', '使用', '廃棄/リサイクル']
materials = df_lca['材料'].tolist()

bottom = np.zeros(len(materials))
colors = ['#ff6b6b', '#4ecdc4', '#45b7d1', '#f7b731', '#5f27cd']

for i, stage in enumerate(stages):
    values = df_lca[stage].values
    axes[0].barh(materials, values, left=bottom, label=stage, color=colors[i])
    bottom += values

axes[0].set_xlabel('CO2排出量 (kg CO2-eq / kg material)', fontsize=11)
axes[0].set_title('ライフサイクルステージ別CO2排出量', fontsize=12, fontweight='bold')
axes[0].legend(loc='lower right', fontsize=9)
axes[0].axvline(x=0, color='black', linewidth=0.8)
axes[0].grid(axis='x', alpha=0.3)

# 右図: 一次材料 vs 二次材料の比較
primary = df_lca.loc[[0, 2, 4, 6], '合計 (kg CO2-eq)'].values
secondary = df_lca.loc[[1, 3, 5, 7], '合計 (kg CO2-eq)'].values
material_pairs = ['アルミニウム', '鋼鉄', 'ポリマー\\n(PP vs PLA)', 'ファイバー\\n(CF vs Glass)']

x = np.arange(len(material_pairs))
width = 0.35

axes[1].bar(x - width/2, primary, width, label='一次材料', color='#ee5a6f')
axes[1].bar(x + width/2, secondary, width, label='二次材料/代替材料', color='#4ecdc4')

axes[1].set_ylabel('CO2排出量 (kg CO2-eq / kg)', fontsize=11)
axes[1].set_title('一次材料 vs 二次材料/代替材料のCO2排出量比較', fontsize=12, fontweight='bold')
axes[1].set_xticks(x)
axes[1].set_xticklabels(material_pairs, fontsize=9)
axes[1].legend(fontsize=9)
axes[1].grid(axis='y', alpha=0.3)

plt.tight_layout()
plt.savefig('lca_carbon_footprint.png', dpi=150, bbox_inches='tight')
plt.show()

print("\\n図を 'lca_carbon_footprint.png' として保存しました。")

"""
コード例: REACH SVHC コンプライアンスチェッカー

目的: 材料化学物質がREACH SVHCリストに該当するかを確認
対象レベル: 初級-中級
実行時間: ~3秒
依存: pandas
"""

import pandas as pd

# SVHC候補リスト(簡略版)
# 出典: ECHA - 2024年更新版から抜粋
svhc_data = {
    'CAS番号': ['7439-92-1', '7439-97-6', '10108-64-2', '117-81-7', '85-68-7'],
    '物質名': ['鉛', '水銀', 'カドミウム塩化物', 'フタル酸DEHP', 'フタル酸BBP'],
    '懸念理由': ['生殖毒性', '発がん性', '発がん性', '生殖毒性', '生殖毒性'],
    '濃度閾値': [0.1, 0.1, 0.1, 0.1, 0.1]  # %
}

df_svhc = pd.DataFrame(svhc_data)

print("=== REACH SVHC候補リスト(簡略版) ===\\n")
print(df_svhc.to_string(index=False))
print(f"\\n総SVHC物質数: {len(df_svhc)}件 (実際は240件以上)\\n")

# 材料組成のコンプライアンスチェック
materials = {
    'はんだ合金A': {'CAS': ['7439-92-1'], '濃度': [2.5]},  # 鉛含有
    'プラスチックB': {'CAS': ['117-81-7'], '濃度': [1.2]},  # DEHP含有
    'コーティングC': {'CAS': [], '濃度': []}  # SVHC非含有
}

print("=== 材料コンプライアンスチェック ===\\n")

for mat_name, composition in materials.items():
    print(f"【{mat_name}】")

    if not composition['CAS']:
        print("  ✅ SVHC非検出 - コンプライアンス適合\\n")
        continue

    violations = []
    for cas, conc in zip(composition['CAS'], composition['濃度']):
        match = df_svhc[df_svhc['CAS番号'] == cas]

        if not match.empty:
            substance = match.iloc[0]['物質名']
            threshold = match.iloc[0]['濃度閾値']

            if conc >= threshold:
                violations.append(f"{substance} ({cas}): {conc}% (閾値{threshold}%超過)")

    if violations:
        print("  ❌ SVHC検出 - 規制対象")
        for v in violations:
            print(f"     - {v}")
        print()

print("\\n⚠️  実務での注意点:")
print("  1. 最新SVHCリストはECHA公式サイトで確認 (年2回更新)")
print("  2. サプライチェーン全体での情報伝達が義務 (0.1%超過時)")
print("  3. 代替材料の事前研究が推奨される")

"""
コード例: 循環経済の材料フロー分析

目的: 材料資源フローを定量化し循環経済実現度を評価
対象レベル: 中級
実行時間: ~3秒
依存: なし (標準ライブラリのみ)
"""

class MaterialFlowAnalysis:
    def __init__(self, scenario_name):
        self.scenario_name = scenario_name

    def calculate(self, virgin_input, recycled_input, collection_rate, recycling_eff):
        """材料フローを計算"""
        total_input = virgin_input + recycled_input
        production = total_input * 0.95  # 製造ロス5%
        consumption = production
        waste_generation = consumption

        collected = waste_generation * collection_rate
        not_collected = waste_generation - collected

        recycled = collected * recycling_eff
        recycling_loss = collected * (1 - recycling_eff)

        # 循環率の計算
        circularity_rate = recycled / total_input if total_input > 0 else 0
        material_efficiency = production / virgin_input if virgin_input > 0 else 0

        return {
            'virgin_input': virgin_input,
            'recycled_input': recycled_input,
            'total_input': total_input,
            'production': production,
            'collected': collected,
            'not_collected': not_collected,
            'recycled': recycled,
            'circularity_rate': circularity_rate,
            'material_efficiency': material_efficiency
        }

# シナリオ1: 現状 (Linear Economy)
mfa_current = MaterialFlowAnalysis('現状 Linear Economy')
flows_current = mfa_current.calculate(
    virgin_input=100,  # 万トン
    recycled_input=10,
    collection_rate=0.30,
    recycling_eff=0.60
)

# シナリオ2: 循環経済目標 (Circular Economy 2030)
mfa_target = MaterialFlowAnalysis('循環経済目標 2030')
flows_target = mfa_target.calculate(
    virgin_input=60,
    recycled_input=50,
    collection_rate=0.80,
    recycling_eff=0.85
)

# 結果表示
print("=== 材料フロー分析結果 ===\\n")
print(f"【{mfa_current.scenario_name}】")
print(f"  一次材料投入: {flows_current['virgin_input']:.1f} 万トン")
print(f"  再生材料投入: {flows_current['recycled_input']:.1f} 万トン")
print(f"  製造量: {flows_current['production']:.1f} 万トン")
print(f"  回収量: {flows_current['collected']:.1f} 万トン (回収率{flows_current['collected']/flows_current['production']*100:.1f}%)")
print(f"  リサイクル量: {flows_current['recycled']:.1f} 万トン")
print(f"  ✅ 循環率: {flows_current['circularity_rate']*100:.1f}%\\n")

print(f"【{mfa_target.scenario_name}】")
print(f"  一次材料投入: {flows_target['virgin_input']:.1f} 万トン")
print(f"  再生材料投入: {flows_target['recycled_input']:.1f} 万トン")
print(f"  製造量: {flows_target['production']:.1f} 万トン")
print(f"  回収量: {flows_target['collected']:.1f} 万トン (回収率{flows_target['collected']/flows_target['production']*100:.1f}%)")
print(f"  リサイクル量: {flows_target['recycled']:.1f} 万トン")
print(f"  ✅ 循環率: {flows_target['circularity_rate']*100:.1f}%\\n")

print(f"📊 循環経済化による改善:")
print(f"  - 循環率: {flows_current['circularity_rate']*100:.1f}% → {flows_target['circularity_rate']*100:.1f}% ({flows_target['circularity_rate']/flows_current['circularity_rate']:.1f}倍)")
print(f"  - 一次材料削減: {flows_current['virgin_input']:.0f} → {flows_target['virgin_input']:.0f} 万トン ({(1-flows_target['virgin_input']/flows_current['virgin_input'])*100:.0f}%削減)")
print(f"  - 未回収廃棄物削減: {flows_current['not_collected']:.0f} → {flows_target['not_collected']:.0f} 万トン ({(1-flows_target['not_collected']/flows_current['not_collected'])*100:.0f}%削減)")

"""
コード例: EUグリーンディール目標の進捗分析

目的: 主要目標の進捗状況を評価
対象レベル: 初級-中級
実行時間: ~3秒
依存: pandas
"""

import pandas as pd

# EUグリーンディール目標データ
green_deal_targets = {
    '目標項目': ['GHG排出削減(1990年比)', '再エネ比率', 'EV新車比率', 'プラリサイクル率'],
    '単位': ['%', '%', '%', '%'],
    '2020年実績': [-24, 22, 11, 35],
    '2030年目標': [-55, 40, 100, 55],
    '2050年目標': [-100, 100, 100, 65]
}

df_targets = pd.DataFrame(green_deal_targets)

# 2030年目標の達成率計算 (2020年実績基準)
df_targets['2030達成率'] = (df_targets['2020年実績'] / df_targets['2030年目標'] * 100).round(1)

print("=== EUグリーンディール目標と進捗状況 ===\\n")
print(df_targets.to_string(index=False))

# 材料科学への影響を分析
print("\\n\\n=== 材料科学への影響分析 ===\\n")

impacts = {
    'GHG排出削減': [
        '低炭素材料(バイオベース材料、再生材料)の需要拡大',
        'LCA必須化によるエコデザイン設計の標準化'
    ],
    '再エネ比率': [
        '太陽電池材料(ペロブスカイト、タンデム型)の技術革新',
        '風力発電用複合材料(長寿命ブレード)の開発'
    ],
    'EV新車比率': [
        'LiB高エネルギー密度化(400 Wh/kg目標)',
        '全固体電池の実用化(安全性・寿命向上)'
    ],
    'プラリサイクル率': [
        'ケミカルリサイクル技術の確立(熱分解、解重合)',
        'マテリアルリサイクル可能な材料設計'
    ]
}

for target, impact_list in impacts.items():
    print(f"📌 {target}")
    for impact in impact_list:
        print(f"   • {impact}")
    print()

print("⚠️  重要な示唆:")
print("  1. 2030年目標達成には現在ペースの2-3倍の削減加速が必要")
print("  2. 材料科学研究への投資は2030年までに3-5倍増が見込まれる")
print("  3. 規制強化は材料イノベーションの強力なドライバーとなる")