배경
데이터 수집은 가장 중요한 단계 중 하나입니다. 수명주기 평가 프로세스. LCA 시스템 또는 제품의 환경 영향에 대한 철저한 평가입니다. 원자재 추출부터 제조, 사용 및 폐기에 이르기까지 시스템의 전체 수명 주기를 종합적으로 검토해야 합니다. 모든 수명 주기 단계의 데이터를 수집하여 정확한 LCA.
시스템 경계는 초기 단계로 식별되어야 합니다. LCA 데이터 수집. 평가에 포함되어야 할 수명 주기의 단계는 LCA의 목표 및 범위 정의 단계에서 시스템 경계에 의해 결정됩니다. 데이터 수집은 한계가 설정된 후에 시작될 수 있습니다.
비즈니스 기록, 정부 데이터베이스, 산업 보고서, 학술 연구 및 여론 조사를 포함한 많은 다른 정보 출처를 사용하여 데이터를 수집할 수 있습니다. 모든 정보는 정확하고 신뢰할 수 있으며 최신이어야 합니다. 배출량, 폐기물, 물 사용, 재료 및 에너지에 대한 데이터를 수집해야 합니다. 제품이나 시스템을 만드는 데 사용된 재료의 양과 품질에 대한 데이터도 포함되어야 합니다.
데이터를 수집한 후에는 가장 중요한 환경적 영향을 미치는 핵심 요소와 절차를 파악하기 위해 데이터를 검토해야 합니다. 이러한 지식을 바탕으로 시스템이나 제품의 부정적인 환경적 영향을 줄이는 솔루션을 찾을 수 있습니다.
데이터 수집 LCA 철저하고 정확한 평가를 수행하는 데 시간이 많이 걸리고 어려울 수 있습니다. 평가 결과의 타당성을 보장하려면 얻은 데이터의 신뢰성과 정확성을 신중하게 고려해야 합니다.
배경 데이터 대 전경 데이터
수명 주기 인벤토리(LCI) 데이터는 배경 데이터라고 합니다. 이 데이터는 LCI 데이터베이스 제공자, 종종 우리가 구매할 수 있는 상업용 데이터베이스에서 얻은 것입니다. 여기에는 여러 산업의 많은 공정의 배출 계수를 나타내는 데이터베이스가 포함되어 있습니다. 예를 들어, 1kg의 강철을 제조하는 동안 배출되는 이산화탄소는 배출 계수 중 하나일 수 있습니다. 1km의 알루미늄을 제조하는 동안 얼마나 많은 이산화질소가 배출될까요? 4kg을 위생 매립지에 폐기하면 메탄(CH1)이 배출되고, 이런 식으로 계속됩니다.
전경 데이터가 연구 또는 기술적으로 모델링 중인 시스템을 구체화하거나 설명하는 데이터인 경우, 예로는 2차 데이터, 시뮬레이션, 계산, 현장 견학 작업, 문헌, 생산 활동, 운영 또는 화학 실험에서 얻은 데이터가 있습니다. 폐기물 관리의 전경 데이터는 예입니다. 예를 들어, 폐기물 관리 시스템을 연구하거나 모델링하는 경우입니다. 그러면 전경 데이터는 폐기물 구성을 포괄합니다. 예를 들어, 종이, 플라스틱 및 금속 폐기물 등의 비율, 소각 비율의 처리 비율, 종이 및 플라스틱 폐기물 소각 비율입니다. 폐지, 플라스틱 및 목재의 비율은 매립지에 폐기됩니다. 차량이 기관절개 수거 장소에서 최종 폐기 장소까지 주행해야 하는 거리에 대한 데이터. 각 차량이 폐기물 수거 및 폐기 또는 처리에 필요한 가솔린.
요약하자면, 전경 데이터 시스템을 기술적으로 설명합니다, 배경 데이터 시스템을 환경적으로 설명합니다 데이터베이스에서 얻을 수 있는 배출 계수를 사용합니다. 아래 그림은 두 가지 유형의 데이터 간의 차이점을 보여줍니다.
상체를 어떻게 결정하고 찾을까요? 귀하의 프로젝트를 위한 LCI 데이터베이스.
LCA 모델에서 배경 데이터와 전경 데이터의 차이점
예: 황산삼산화황으로부터 디메틸황산염(DMS) 생산
디메틸 설페이트는 화학식 (CH3)2SO4를 갖는 화학 분자입니다. 그것은 매운 냄새가 나는 무색의 휘발성 액체입니다. 그것은 주로 유기 합성에서 메틸화제로 사용되며 독성으로 인해 중간 정도의 위험성이 있는 화학 물질입니다. 그것은 약물, 색상, 폴리머 및 식품 첨가물을 포함한 많은 제품을 만듭니다. 그것은 또한 살충제, 제초제 및 낙엽제로 사용됩니다.
디메틸 설페이트((CH3O)2SO2)는 디메틸 에테르와 삼산화황의 반응에 의해 산업적으로 제조됩니다. 반응은 수냉식 수직 알루미늄 또는 스테인리스 스틸 튜브에서 수행되며 연속 공정입니다. 이 모델은 기술 등급 디메틸 설페이트에서 무수 황산나트륨을 통한 진공 증류에 의한 디메틸 에테르의 제거를 고려했습니다.
전기 및 화력 발전의 배경 시스템: 사용되는 전력(및 부산물인 열 에너지)은 각 국가의 고유한 요구에 맞게 조정됩니다. 국가별 모델링은 여러 수준에서 수행됩니다. 운영 중인 개별 발전소는 현재 국가 시스템을 사용하여 시뮬레이션됩니다. 순손실과 수입 전력이 포함됩니다. 둘째, 발전소의 국가적 배출량과 효율이 모델링됩니다. 셋째, 국가별 연료 공급(수입 및 현지 공급을 통해 소비되는 자원의 비율)이 고려되며 국가별 특징(예: 원소 및 에너지 함량)도 고려됩니다. 넷째, 에너지 운반체 공급망의 수입, 운송, 채굴 및 탐사 절차는 각 전력 생산 국가의 고유한 상황에 맞게 맞춤화됩니다.
증기: 증기 공급은 기술적 효율성과 에너지 운반체 활용 측면에서 국가의 상황에 따라 시뮬레이션됩니다. 증기를 생성하는 데 필요한 석탄, 원유, 천연가스는 고유한 수입 상황을 기반으로 모델링됩니다.
국가별 정유소 매개변수화 모델은 디젤, 가솔린, 가스, 연료유, 에센셜 오일, 비투멘과 같은 잔류물과 같은 정유소 제품을 나타냅니다. 정유소 모델은 정유소 절차(예: 오염 수준, 내부 에너지 소비)의 국가 표준과 국가별로 상당히 다를 수 있는 고유한 국가별 제품 출력 스펙트럼을 반영합니다. 사용된 정유소 제품은 국가별 자원 사용을 보여줍니다. 다시 말하지만, 원유 공급은 국가별 원유 상황과 자원의 특징을 기반으로 모델링됩니다.
언급된 모든 프로세스는 수집해야 하는 전경 데이터를 나타냅니다. 이 예에서 이는 (1) 실험실 화학 실험 작업, (2) 다음을 사용한 프로세스 시뮬레이션에서 수집될 수 있습니다. Aspen Plus와 같은 화학 시뮬레이터 소프트웨어, (2) 또는 이미 확립된 경우(건설되어 운영 중인 경우) 플랜트 데이터 자체에서. 이 예에서 모델링된 디메틸 설페이트((CH3O)2SO2)의 LCA 시스템 데모는 아래 그림을 참조하세요.
디메틸 설페이트((CH3O)2SO2)의 LCA 모델
LCA 분석가는 위에 주어진 황산삼산화물의 LCA 모델에서 디메틸 황산염(DMS) 생산에 대한 두 가지 형태의 데이터가 필요합니다. 전경 및 배경 정보(LCI 데이터). 전경의 데이터는 메탄올, 삼산화황, 황산나트륨 및 탈이온수에서 디메틸 에테르를 생성하는 화학 반응에 사용되는 화학 물질 공급과 같이 모델을 기술적으로 설명하는 데 필요한 데이터입니다. 이는 시간당 몰 단위로 측정하여 시간당 킬로그램으로 변환할 수 있습니다. 또한 필요한 천연 가스 에너지 양은 시간당 MJ로 표현됩니다. 전력망 혼합에 대한 MJ/시간 데이터도 필요합니다. 이러한 전력망 혼합 통계는 해당 기술이 연구되거나 개발되는 국가/국가의 전기망 혼합 구성에 대한 정보를 제공합니다. 3.7MJ 용량의 전력망 구성을 위해서는 석탄 XNUMX%, 천연가스 XNUMX%, 중유 XNUMX%, 핵에너지 XNUMX%, 풍력, 태양광, 수력 등을 포함한 재생에너지원 XNUMX%, 그리고 폐기물 XNUMX%가 포함될 수 있습니다.
폐수 처리량은 산출에 필요합니다. 그러나 디메틸 설페이트(DMS)가 추가로 필요합니다. 전체 생산량은 화학 실험, 화학 시뮬레이션(예: 에서 발견됨)에 의해 결정됩니다. 애스펜 플러스, 또는 식물 생산 데이터도 이 양일 수 있으며, 이는 1kg의 디메틸 설페이트(DMS) 생산의 기능 단위로 간주될 수 있습니다. 이는 전경 데이터가 필요할 수 있는 경우입니다. LCA 분석가는 배경 데이터를 얻기 위해 위 그래프의 각 공정 입력 및 출력에서 수백 개의 배출에 대한 배출 계수가 있는 LCA 데이터베이스를 활용해야 합니다. 예를 들어, 중금속 배출 및 기타 6가지 온실 가스. BOD 배출, BCD 배출 등.
프로젝트에 적합한 수명 주기 인벤토리(LCI) 데이터베이스를 선택하는 방법
첫째, 특히 대규모 LCA 프로젝트의 경우 두 개 이상의 데이터베이스가 필요할 때가 있다는 점을 기억하세요. 여러 데이터베이스의 데이터를 병합해야 할 수도 있습니다. 두 번째로 염두에 두어야 할 점은 때때로 항상 문제가 발생할 수 있다는 것입니다. 특정 절차에 필요한 데이터가 없을 때 데이터 갭이나 데이터 부족 문제가 발생합니다. 예를 들어, 이는 화학 산업에서 일반적입니다. 데이터 추정 방법과 결합된 수학적 모델링은 데이터 갭 문제를 해결하는 한 가지 방법입니다. 또는 현재 사실을 추정할 수 있는 오래된 모델을 사용합니다. 또 다른 전략은 부족한 데이터가 있는 조사 중인 프로세스와 비슷한 물리적 및 화학적 특성을 가진 프로세스를 사용하여 프록시 데이터로 조사 중인 프로세스를 시뮬레이션하는 것입니다.
프로젝트에 필요한 데이터베이스를 식별하는 첫 번째 단계로 사례 연구의 시스템 경계와 프로세스에 대한 모든 현재 입력 및 출력을 보여주는 플로차트를 만듭니다. 이는 시스템의 프로세스와 다음 데이터베이스 요구 사항에 대한 이해를 얻는 데 도움이 됩니다. 두 번째는 다음과 같습니다. 이 기사의 두 번째 권장 사항은 LC 데이터베이스 저장소를 탐색하여 아래에 나열된 두 개의 웹사이트를 포함하여 여러 데이터베이스를 동시에 검색할 수 있도록 하는 것입니다.
- GLAD 플랫폼: https://www.globallcadataaccess.org
- openLCA Nexus 플랫폼: https://nexus.openlca.org
둘째, 유료 또는 무료 사용 여부에 관계없이 시중에 어떤 데이터베이스가 있는지 알아야 합니다. 또한 섬유, 건설, 화학, 섬유 또는 전자 산업 등 비즈니스/산업에서 사용되는 LCI 데이터베이스의 유형을 알고 있어야 합니다.
사례 연구의 시스템 범위는 종종 승인 데이터베이스를 선택할 때 결정적인 요인입니다. 시스템의 한계는 무엇입니까? 어떤 절차가 해당되고 해당되지 않습니까? 이 모든 정보는 어떤 데이터베이스가 필요한지 파악하고 작업이 게이트 투 게이트, 게이트 투 그레이브, 크레이들 투 그레이브 또는 크레이들 투 게이트인지 결정하는 데 중요합니다.
LCA 프로그램을 활용하는 것은 대안적인 전략입니다. 예를 들어, ecoinvent 데이터베이스는 8개 중 하나입니다. 시마프로 프로그램. 데이터베이스는 많은 데이터 세트를 포함하고 다양한 부문을 포괄하기 때문에 가장 잘 알려진 데이터베이스 중 하나입니다. 다음을 사용하는 경우 가비 프로그램약 20개의 데이터베이스에 접근할 수 있으며, 이는 별도로 구매해야 합니다. GaBi 소프트웨어 그러나 자체 데이터베이스가 있습니다. 여러 산업의 프로세스 데이터베이스는 전문가 데이터베이스로 알려져 있습니다. openLCA 소프트웨어를 사용하는 것은 다른 선택입니다. 라이선스는 사용할 필요가 없습니다. 오픈LCA 무료로 제공되는 LCA 프로그램입니다. 그러나 프로젝트의 데이터베이스는 구매해야 합니다. 이미 확립된 프로세스를 검색하는 중 openLCA Nexus 웹사이트 귀중한 기술입니다. 이것은 관련 데이터베이스에 존재하는 프로세스를 표시합니다. 기억해야 할 또 다른 점은 LCI 데이터는 국가별로 다르므로 연구를 수행하는 지역이나 국가를 고려해야 한다는 것입니다..
마지막으로, 특정 사업의 특정 프로젝트에 필요한 LCI 데이터베이스를 파악하는 것은 LCA 전문가가 자신의 산업과 사용 가능한 데이터베이스 모두에 대한 전문 지식을 얻음에 따라 시간이 지남에 따라 발전합니다. 일반적으로 LCA 프로젝트를 많이 완료할수록 현재 데이터베이스에 대해 더 잘 알게 되고, 데이터베이스에서 검색하는 방법과 어디에서 찾아야 하는지 알게 됩니다.
프로젝트에 가장 적합한 데이터베이스를 선택하는 데에는 정해진 가이드라인이 없습니다. 다양한 재능과 전문성을 섞으면 도움이 될 것입니다. 따라서 무료이든 유료이든 현재 데이터베이스를 검색해야 합니다. 그러나 알아야 하고 개발해야 할 능력과 조언은 이 기사에 요약되어 있습니다.
프로젝트에 가장 적합한 데이터베이스를 선택하는 데에는 정해진 가이드라인이 없습니다. 다양한 재능과 전문성을 섞으면 도움이 될 것입니다. 따라서 무료이든 유료이든 현재 데이터베이스를 검색해야 합니다. 그러나 알아야 하고 개발해야 할 능력과 조언은 이 기사에 요약되어 있습니다.
수명주기 인벤토리(LCI) 데이터 컨설팅 서비스
마지막 옵션은 다음과 같습니다. DESIO와 같은 LCA 컨설팅 회사에서 도움을 받으세요. LCI 데이터베이스 컨설팅 서비스에 대한 문의는 여기에서 하실 수 있습니다..
