전문가를 위한 openLCA 교육 | LCA 소프트웨어 교육 (제공: openLCA) DEISO

커리큘럼 및 특징

• 영어교육 교육은 박사 수준의 전문 LCA 교육자가 영어로 제공합니다.
• 수정 가능한 교육 일정 시간대와 관계없이.
• 광범위한 교육 프로그램 전체에 대한 이해를 위한 집중 교육.
• 가속 학습 접근 방식 능동적 학습 방식은 토론, 상호작용적 요소, 시범, 실제 사례, 과제, 수강생 피드백을 활용하여 개별 학습 스타일에 맞춰 교육을 맞춤화함으로써 이해를 가속화합니다.
• 원격(온라인) 또는 직접 방문 당신의 선택 DEISO 교육 제공: 온라인(원격), 일본에 있는 귀사 위치 또는 국제 위치(해외). 가격은 모델마다 다르며, 온라인 교육을 제외하고는 최소 교육생 수가 필요합니다. 온라인 교육은 1:1 또는 1:그룹일 수 있습니다. 선택한 교육 프로그램을 제공하기 위한 온라인 교육의 경우 교육생 한 명만 있으면 충분합니다.
• 일본 외부의 클라이언트 물리적 위치에서의 교육 당신의 선택 DEISO 교육 제공: 온라인(원격), 일본에 있는 귀사 위치 또는 국제 위치(해외). 가격은 모델마다 다르며, 온라인 교육을 제외하고는 최소 교육생 수가 필요합니다. 온라인 교육은 1:1 또는 1:그룹일 수 있습니다. 선택한 교육 프로그램을 제공하기 위한 온라인 교육의 경우 교육생 한 명만 있으면 충분합니다.
• 일본 내 고객의 실제 위치에서의 직접 교육 최소 수련생 수가 필요합니다. 문의해 주세요.
• 사례 연구: 2
• 기본 사례 연구
• 고급 사례 연구
• 생산 사례 연구 수명 주기 평가(LCA)의 사례 연구는 일반적으로 "생산/제조"와 수명 종료(EoL) 또는 폐기물 관리라는 두 가지 주요 범주로 나뉩니다. 후자는 제품 사용이 EoL에 도달한 후 소비자가 발생시키는 폐기물을 관리하는 데 중점을 둡니다. 이 모듈에서는 "생산"에 초점을 맞춘 사례 연구를 탐구합니다.
• 글로벌 매개변수를 사용한 폐기물 관리 사례 연구 하류 폐기물 "도시 고형 폐기물 관리(MSW)"에 대한 매개변수화되고 완전한 폐기물 관리 사례 연구입니다.
• 여러 모델 구축 및 연결 여러 모델을 개발하고 통합하려면 "하위 모델"을 만들고 이를 엮어 기본 모델을 형성하는 방법을 숙달해야 합니다. 각 "하위 모델"을 생산, 운송, 사용 및 폐기물 관리와 같이 제품 수명 주기의 개별 단계로 상상해 보세요. 이 모듈 전반에 걸쳐 다양한 목적에 맞게 조정된 여러 모델을 만드는 기본 원칙을 이해하게 될 것입니다.
• 모델 로컬 및 글로벌 매개변수 로컬 및 글로벌 매개변수를 사용하여 SimaPro 모델을 매개변수화하여 잠재적인 미래 데이터 변경을 수용하는 방법을 알아보세요. 시나리오 분석 및 개발을 용이하게 하고, 생태 설계 모델링을 지원하고, 다양한 제품과 기술을 비교하세요. 이러한 매개변수를 모델에 통합하고 새로운 데이터가 제공되면 업데이트하여 귀중한 시간을 절약하는 동시에 유연성과 전문성을 향상시키는 방법을 알아보세요.
• 고급 기능에 대한 교육 이 교육 여정을 통해 openLCA 모델링의 고급 기능을 활용하는 전문 지식을 습득하게 됩니다. 이러한 기능을 통해 포괄적인 LCA 모델링 및 분석을 수행하고 시간을 절약하여 생산성을 향상시킬 수 있습니다.
• 기본: 시스템 프로세스 대 단위 프로세스: 고급 이론 및 연습 일부 데이터베이스는 "단위 프로세스" 및 "시스템 프로세스" 옵션을 제공합니다. 일반적으로 ecoinvent와 같은 데이터베이스는 단위 프로세스와 시스템 프로세스라는 두 가지 프로세스 유형을 제공합니다. 이 모듈은 각 유형의 이론적, 기술적, 수학적 측면을 탐구하여 차이점과 사용 시나리오를 설명합니다. 또한 이 모듈은 교육생을 위해 이러한 개념의 복잡성을 단순화하는 것을 목표로 합니다.
• 고급: 시스템 프로세스 대 단위 프로세스: 고급 이론 및 연습 일부 데이터베이스는 "단위 프로세스" 및 "시스템 프로세스" 옵션을 제공합니다. 일반적으로 ecoinvent와 같은 데이터베이스는 단위 프로세스와 시스템 프로세스라는 두 가지 프로세스 유형을 제공합니다. 이 모듈은 각 유형의 이론적, 기술적, 수학적 측면을 탐구하여 차이점과 사용 시나리오를 설명합니다. 또한 이 모듈은 교육생을 위해 이러한 개념의 복잡성을 단순화하는 것을 목표로 합니다.
• openLCA 시작하기 openLCA 사용자 친화적 인터페이스와 기능 메뉴에 대한 자세한 설명이 제공됩니다. 소프트웨어 패널("패널별")에 대한 자세한 설명이 제공됩니다. 이 모듈은 또한 새 프로젝트 만들기, 기존 프로젝트 열기, openLCA의 다양한 기능 탐색과 같은 일반적인 작업을 다룹니다. 여기에는 인터페이스 옵션, 도구, 데이터 구성 및 전반적인 구조에 대한 이해가 포함됩니다. 또한 주요 인터페이스를 사용하기 위한 생산성 팁도 제공됩니다.
• 데이터베이스 생성 빈 데이터베이스에 맞춤형 프로세스를 설정하고 가져오는 과정을 알아보세요.
• 데이터베이스 결합 여러 데이터베이스를 하나의 통합된 데이터베이스로 병합하는 기술을 습득합니다.
• 데이터베이스 가져오기/복원 데이터베이스를 가져오거나 복원하는 것은 openLCA에서 매우 중요한 기술로, 새로운 데이터베이스를 연결하거나 기존 데이터베이스를 백업하는 데 필수적입니다.
• 내보낸 zolca 파일에서 데이터베이스 가져오기 openLCA는 데이터를 가져오고 내보내기 위한 다양한 파일 형식 옵션을 제공합니다. 이 모듈에서는 이러한 형식을 사용하여 데이터를 가져오고 내보내는 방법, 고유한 특성을 이해하는 방법, 프로젝트 요구 사항에 따라 각 특정 형식을 사용할 시기를 식별하는 방법을 알아봅니다.
• 데이터 내보내기: ILCD ZIP 파일 형식
• 데이터 내보내기: Excel 형식
• 데이터 내보내기: EcoSpold 파일 형식
• 데이터 내보내기: CSV-Matrix
• 고급 데이터베이스 가져오기 ecospold, Excel, ILCD, SimaPro CSV, JSON-LD 형식을 지원합니다.
• 데이터베이스 요소 흐름, 프로세스, 문서화, 분류, 기능 단위(참조 단위/금액), 프로세스 입력/출력 등.
• 데이터베이스 문서 이해 특정 프로젝트에 프로세스 문서를 선택하기 전에 프로세스 문서를 읽는 것이 좋습니다. 문서를 참조하지 않고 프로세스 이름에만 의존하는 것은 권장되지 않습니다. 사용자는 분석 중인 특정 사례 연구에 적합한지 확인하기 위해 프로세스 문서를 신중하게 평가해야 합니다. 이 모듈에서는 프로세스 문서를 효과적으로 읽고 항상 검증해야 하는 핵심 정보를 식별하는 방법을 다룹니다.
• 기본: LCA 결과 Excel에서 분석 내보내기 결과에만 의존하여 openLCA의 분석은 고급화되어야 합니다. 포괄적인 학습을 위해 Microsoft Excel로 보완하는 것이 좋습니다. 이 모듈은 심층 분석을 위해 LCA 결과를 Excel로 내보내는 방법을 알려줍니다. Excel 환경 내에서 결과를 효과적으로 포맷, 필터링, 점수 매기기, 시각화하는 방법을 배우게 되어 분석 능력이 향상됩니다.
• 고급: LCA 결과 Excel에서 분석 내보내기 결과에만 의존하여 openLCA의 분석은 고급화되어야 합니다. 포괄적인 학습을 위해 Microsoft Excel로 보완하는 것이 좋습니다. 이 모듈은 심층 분석을 위해 LCA 결과를 Excel로 내보내는 방법을 알려줍니다. Excel 환경 내에서 결과를 효과적으로 포맷, 필터링, 점수 매기기, 시각화하는 방법을 배우게 되어 분석 능력이 향상됩니다.
• HTML 파일 형식으로 대화형 LCA 결과 생성, 준비 및 공유 이 모듈은 openLCA 모델 환경에서 직접 HTML 형식으로 대화형 LCA 결과를 생성, 준비 및 공유하는 방법을 안내합니다. 보고서, 표 및 그림을 사용자 정의하고 결과를 효과적으로 해석하는 방법을 알아봅니다. 이러한 기술을 숙달하면 워드 프로세서에 의존하지 않고도 고객, 감독자 또는 팀원과 자세한 보고서를 공유할 수 있습니다.
• 흐름 속성
• 새로운 프로세스 생성
• 프로세스 입력/출력 프로세스 입력 및 출력을 마스터하는 것은 각 프로세스의 재료 및 에너지 입력과 기타 입력, 그리고 출력의 주요 제품 및 부산물을 이해하는 데 필수적입니다. 이 모듈은 자연, 기술권 및 물, 공기, 토양과 같은 배출 매체로의 배출과 자연으로부터의 배출을 이해하는 데 깊이 파고듭니다. 이 교육 모듈은 이러한 개념을 SimaPro 프로세스에 실제적으로 적용하는 방법을 다룹니다.
• 모델링 측면 및 원칙
• 수명주기 영향 평가 LCIA 방법 이해
• LCIA 방법 가져오기
• 제품 시스템 만들기 openLCA 특정 기술적 특징.
• 모델 그래프 openLCA 특정 기술적 특징.
• 표준화 LCA 특정 기술적 특징.
• 무게 LCA 특정 기술적 특징.
• 그룹화 LCA 특정 기술적 특징.
• 기본: 재고 결과 수명 주기 인벤토리(LCI) 분석. LCA 프레임워크의 두 번째 단계.
• 고급: 재고 결과 수명 주기 인벤토리(LCI) 분석. LCA 프레임워크의 두 번째 단계.
• 민포잉 모델링 LCA 결과는 "기후 변화", "산성화 가능성", "인간 건강 가능성" 등과 같은 환경 영향 범주를 포함하여 중간 수준에서 수행될 수 있습니다. 이러한 범주(LCIA 방법에 따르면 평균 15개 이상)를 "중간 영향"이라고 합니다.
• 엔드포인트 모델링 LCA 결과는 중간 영향 범주(평균 15개 이상)를 "생태계 손상", "건강 손상", "자원 손상"과 같은 단일 3-4개 지표로 집계할 수 있는 "엔드포인트" 수준에서도 수행할 수 있습니다. 이 집계를 "엔드포인트 모델링"이라고 합니다.
• 기본: 영향 분석 수명 주기 영향 평가(LCIA) 분석. LCA 프레임워크의 세 번째 단계.
• 고급: 영향 분석 수명 주기 영향 평가(LCIA) 분석. LCA 프레임워크의 세 번째 단계.
• 기본: 결과 해석 LCA 프레임워크의 네 번째 단계에 대한 LCA 특정 사항입니다.
• 고급: 결과 해석 LCA 프레임워크의 네 번째 단계에 대한 LCA 특정 사항입니다.
• 프로세스 기여 분석 openLCA 특정 기술적 특징.
• 데이터베이스 업데이트, 유지 관리 및 백업
• openLCA 프로젝트 관리 및 백업
• openLCA Nexus 데이터베이스
• 제품(시나리오) 비교
• 시스템 프로세스 모델링
• 수명 종료 모델링(EOL)/자재 흐름 논리
• EoL 모델링: 반대 접근 방식
• 교통 모델링
• 기본: Excel에서 핫스팟 분석/약점 분석 라이프 사이클 평가(LCA)의 기본적인 측면인 핫스팟 분석은 제품 라이프 사이클 내의 약점이나 우려되는 영역을 정확히 파악하는 데 도움이 됩니다. 이러한 핫스팟을 식별함으로써 LCA 실무자는 환경적 영향을 완화하고 지속 가능성을 최적화하기 위한 노력을 우선시할 수 있습니다. 이 분석을 통해 이해 관계자/LCA 분석가는 생태적 부담에 가장 크게 기여하는 프로세스나 재료를 개선하는 데 리소스를 집중하여 보다 정보에 입각한 의사 결정을 내리고 궁극적으로 보다 지속 가능한 제품과 시스템의 개발을 촉진할 수 있습니다.
• 고급: Excel에서 핫스팟 분석/약점 분석 라이프 사이클 평가(LCA)의 기본적인 측면인 핫스팟 분석은 제품 라이프 사이클 내의 약점이나 우려되는 영역을 정확히 파악하는 데 도움이 됩니다. 이러한 핫스팟을 식별함으로써 LCA 실무자는 환경적 영향을 완화하고 지속 가능성을 최적화하기 위한 노력을 우선시할 수 있습니다. 이 분석을 통해 이해 관계자/LCA 분석가는 생태적 부담에 가장 크게 기여하는 프로세스나 재료를 개선하는 데 리소스를 집중하여 보다 정보에 입각한 의사 결정을 내리고 궁극적으로 보다 지속 가능한 제품과 시스템의 개발을 촉진할 수 있습니다.
• 기본: 몬테카를로 시뮬레이션 LCA의 불확실성 분석의 핵심 측면인 몬테카를로 시뮬레이션은 지정된 확률 분포에서 임의의 입력 값을 사용하여 반복적으로 모델을 실행하는 것을 포함합니다. 이 방법은 LCA 입력의 불확실성을 고려하고 출력의 확률 분포를 산출하여 잠재적 결과에 대한 포괄적인 이해를 제공합니다. 몬테카를로 시뮬레이션은 불확실성을 정량화함으로써 LCA 결과의 신뢰성을 높이고 정보에 입각한 의사 결정을 용이하게 하며 환경 평가의 정확성을 개선하여 궁극적으로 보다 견고하고 방어 가능한 결론을 도출합니다.
• 고급: 몬테카를로 시뮬레이션 LCA의 불확실성 분석의 핵심 측면인 몬테카를로 시뮬레이션은 지정된 확률 분포에서 임의의 입력 값을 사용하여 반복적으로 모델을 실행하는 것을 포함합니다. 이 방법은 LCA 입력의 불확실성을 고려하고 출력의 확률 분포를 산출하여 잠재적 결과에 대한 포괄적인 이해를 제공합니다. 몬테카를로 시뮬레이션은 불확실성을 정량화함으로써 LCA 결과의 신뢰성을 높이고 정보에 입각한 의사 결정을 용이하게 하며 환경 평가의 정확성을 개선하여 궁극적으로 보다 견고하고 방어 가능한 결론을 도출합니다.
• openLCA 매개변수 및 MS Excel을 사용한 민감도 분석 LCA의 민감도 분석은 연구 결과에 대한 다양한 매개변수의 영향을 평가하여 영향력 있는 요인과 결과의 신뢰성에 미치는 영향을 파악합니다. 민감도 분석은 데이터 불확실성이나 방법론적 선택과 같은 입력 변수를 체계적으로 테스트하여 LCA 결과의 신뢰성과 견고성을 향상시킵니다. 이를 통해 이해 관계자가 가정과 불확실성의 중요성을 이해하고 지속 가능한 제품 개발 및 정책 수립에 대한 정보에 입각한 의사 결정을 지원합니다.
• 수명주기비용(LCC) 환경 수명 주기 비용(LCC)은 제품이나 서비스의 수명 주기 전반에 걸쳐 환경적 영향과 재무적 비용을 고려하여 관련된 총 비용을 평가합니다. 자원 추출에서 폐기까지의 비용을 평가하여 환경적 피해를 최소화하고 장기적 비용을 줄이는 지속 가능한 선택을 강조합니다. LCC는 환경적 요인을 기존 수명 주기 비용 분석에 통합하여 친환경적 의사 결정을 촉진합니다.