As noted in Chapter 2, ideally you

As noted in Chapter 2, ideally you would identify multiple data sources (i.e., multiple LCI data modules) for a given task. This is especially useful when using secondary data because you are not collecting data from your own controlled processes. Since the data is secondary, it is likely that there are slight differences in assumptions or boundaries than what you would have used if collecting primary data. By using multiple sources, and finding averages and/or standard deviations, you could build a more robust quantitative model of the LCI results. We will discuss such uncertainty analysis for inventories in Chapter 10.



Additional Considerations about Secondary Data and Metadata
Given the types and classes of data we are likely to find in life cycle studies, we introduce in this subsection a few more considerations to ensure you are finding and using appropriate types of data to match the needs of your study. These considerations are in support of the data quality requirements.





Temporal Issues

In creating temporal data quality requirements, you will set a target year (or years) for data used in your study. For example, you might have a DQR of "2005 data" or "data from 2005- 2007" or "data within 5 years of today". After setting target year(s) you then must do your best to find and use data that most closely matches the target. It is likely that you will not be able to match all data with the target year(s). When setting and evaluating temporal DQRs, the following issues need to be understood.

You may need to do some additional work to guarantee you know the basis year of the data you find, but this is time well spent to ensure compatibility of the models you will build. You will need to distinguish between the year of data collection and year of publication. In our CBECS example in Chapter 2, the data were collected in the year 2003 but the study was not published by DOE until December 2006 (or, almost 2007). It is easy to accidentally consider the data as being for 2006 because the publication year is shown throughout the reports. But the data were representative of the year 2003. If your temporal DQR was set at "2005", you might still be able to justify using the 2003 CBECS data, but would need to assess whether the electricity intensity of buildings likely changed significantly between 2003 and 2005. The same types of issues arise when using sources such as US EPA's AP-42 data, which are compilations of (generally old) previously estimated emissions factors. Other aspects of your DQRs may further help decide the appropriateness of data newer or older than your target year.

The same is true of dates given in the metadata of LCI data modules. You don't care about when you accessed the database, or when it was published in the database. You care about the primary source's years of analysis. Figure 5-12 showed metadata on the coal-fired electricity generation process where the underlying data was from 1998-2003, and which was put in the US LCI database in 2011. An appropriate "timestamp" for this process would be 1998-2003.

While on the topic of temporal issues, we revisit the point about age of data in databases. The US LCI database project started in the mid-2000s. Looking at the search function in that database, you can find a distribution of the "basis year" of all of the posted data modules. This is a date that is not visible within the metadata, but is available for downloaded data modules and summarized in the web server. Figure 5-14 shows a graph of the distribution of the years. In short, there is a substantial amount of relatively old data, and a substantial amount of data where this basis year is not recorded (value given as '9999'). Half of the 200 data modules updated in 2010 are from an update to the freight transportation datasets. These could be key considerations when considering the suitability of data in a particular database.







Figure 5-14: Frequency Distribution of Data Years in US NREL LCI Database (as of August 15, 2013)



Geospatial Issues

You must try to ensure that you are using data with the right geographical and spatial scope to fit your needs. If you are doing a study where you want to consider the emissions associated with producing an amount of electricity, then you will find many potential data sources to use. The EIA has data that can give you the average emissions factors for electricity generation across the US. E-GRID (a DOE-EPA partnership) can give you emissions factors at fairly local levels, reflecting the types of power generation used within a given region. The question is the context of your study. Are you doing a study that inevitably deals with national average electricity? Then the EIA data is likely suitable. Or are you doing a study that needs to know the impact of electricity from a particular factory's production? In that case you likely want a fairly local data source, e.g., from E-GRID. An alternative is to leverage the idea of ranges, presented in Chapter 2, to represent the whole realm of possible values for electricity generation, including various local or regional averages all the way up to the national average.





Uncertainty and Variability

Sadly, in the field of LCA there are many practitioners who actively or passively ignore the effects of uncertainty or variability in their studies. They treat all model inputs as single values and generate only a single result. The prospect of uncertainty or variability is lost in their model, and typically then that means those effects are lost on the reader of the study. How can we support a big decision (e.g., paper vs. plastic?) if there is much uncertainty in the data but we have completely ignored it? We are likely to end up supporting poor decisions if we do so. We devote Chapter 11 to methods of overcoming and structuring uncertainty in LCA models.



Chapter Summary
Typically, the most time consuming aspect of an LCA (or LCI) study relates to the data collection and management phase. While the LCA Standard encourages practitioners to collect primary data for the product systems being studied, typically secondary data is used from prior published studies and databases. Using secondary data requires being knowledgeable and cognizant of issues relating to the sources of data presented and also requires accurate referencing. Data quality requirements help to manage expectations of the study team as well as external audiences pertaining to the goals of your data management efforts. Utilization of effective LCI data management methods leads to excellent and well- received studies.



References for this Chapter
BEES LCA Tool, website, http://ws680.nist.gov/Bees/Default.aspx, last accessed August 12, 2013.

ecoinvent website, www.ecoinvent.ch, last accessed August 12, 2013.

ELCD LCA Database, website, http://lca.jrc.ec.europa.eu/lcainfohub/, last accessed August 12, 2013.

Environmental Protection Agency. 1993. Life Cycle Assessment: Inventory Guidelines and Principles. EPA/600/R-92/245. Office of Research and Development. Cincinnati, Ohio, USA.

Gabi Software, website, http://www.gabi-software.com/, last accessed August 12, 2013.





LCA-DATA, UNEP, website, http://lca-data.org:8080/lcasearch, last accessed August 12, 2013.

Quantis, "Environmental Life Cycle Assessment of Drinking Water Alternatives and Consumer Beverage Consumption in North America", LCA Study completed for Nestle Waters North America, 2010, http://www.beveragelcafootprint.com/wp- content/uploads/2010/PDF/Report_NWNA_Final_2010Feb04.pdf, last accessed September 9, 2013.

The Agribusiness Group, "Life Cycle Assessment: New Zealand Merino Industry Merino Wool Total Energy Use and Carbon Dioxide Emissions", 2006, http://www.agrilink.co.nz/Portals/Agrilink/Files/LCA_NZ_Merino_Wool.pdf, last accessed September 1, 2013.

US NREL LCI Database, website, http://www.nrel.gov/lci/, last accessed August 12, 2013.

U.S. Life Cycle Inventory Database. Electricity, bituminous coal, at power plant, bituminous coal, at mine, and transport, train, diesel powered unit processes (2012). National Renewable Energy Laboratory, 2012. Accessed August 15, 2013: https://www.lcacommons.gov/nrel/search

USDA LCA Digital Commons, website, http://www.lcacommons.gov, last accessed August 12, 2013.

Whitaker, Michael, Heath, Garvin A., O'Donoughue, Patrick, and Vorum, Martin, "Life Cycle Greenhouse Gas Emissions of Coal-Fired Electricity Generation: Systematic Review and Harmonization", Journal of Industrial Ecology, 2012. DOI: 10.1111/j.1530- 9290.2012.00465.x



End of Chapter Questions

Objective 1. Recognize how challenges in data collection may lead to changes in study design parameters (SDPs), and vice versa

1. Using the US NREL LCI Database (from the USDA Digital Commons) or another LCI database, search or browse amongst the available categories. For each of the following broadly defined processes in the list below, discuss how many different LCI data modules are available and qualitatively discuss what different assumptions have been used to generate the data modules.

a. Refining of petroleum

b. Generating electricity from fossil fuel





c. Truck transportation

Objective 2. Map information from LCI data modules into a unit process framework AND

Objective 7. Generate an inventory result from LCI data sources

2. Redo the Figure 5-5 example shown in Equation 5-1, but include the diesel, combusted in industrial boiler process (referenced as an input in the bituminous coal mining process) within the system boundary. What is your revised estimate of CO2 emissions per kWh? How different is your updated estimate?

3. Redo the Figure 5-5 example but include within the system boundary refining of the diesel used in the coal mining and rail transportation processes. Assume you have LCI data that there are 2.5 E-04 kg fossil CO2 emissions per liter of diesel fuel refined. How is your revised estimate of fossil CO2 emission

Kết quả (Việt) 1:

Như đã nêu trong chương 2, lý tưởng nhất bạn sẽ xác định nhiều nguồn dữ liệu (tức là, nhiều LCI dữ liệu mô-đun) cho một nhiệm vụ nhất định. Đây là đặc biệt hữu ích khi sử dụng thứ cấp dữ liệu vì bạn không thu thập dữ liệu từ quy trình kiểm soát riêng của bạn. Kể từ khi dữ liệu là thứ hai, nó có khả năng rằng có những khác biệt nhỏ trong giả định hoặc ranh giới hơn những gì bạn sẽ có sử dụng nếu thu thập dữ liệu chính. Bằng cách sử dụng nhiều nguồn, và tìm kiếm trung bình và/hoặc độ lệch chuẩn, bạn có thể xây dựng một mô hình định lượng mạnh mẽ của các kết quả LCI. Chúng tôi sẽ thảo luận về phân tích không chắc chắn cho hàng tồn kho trong chương 10.Các cân nhắc bổ sung về thứ cấp dữ liệu và siêu dữ liệuĐưa ra các loại và các lớp học của dữ liệu chúng tôi có khả năng tìm thấy trong các nghiên cứu chu kỳ cuộc sống, chúng tôi giới thiệu trong tiểu mục này một vài cân nhắc thêm để đảm bảo bạn đang tìm kiếm và sử dụng thích hợp các loại dữ liệu để phù hợp với nhu cầu của nghiên cứu của bạn. Những cân nhắc hỗ trợ cho các yêu cầu chất lượng dữ liệu. Vấn đề thời gianTrong việc tạo ra thời gian dữ liệu yêu cầu chất lượng, bạn sẽ thiết lập một mục tiêu năm (hoặc năm) cho dữ liệu được sử dụng trong nghiên cứu của bạn. Ví dụ, bạn có thể có một DQR của "2005 dữ liệu" hoặc "dữ liệu từ 2005-2007" hoặc "dữ liệu trong vòng 5 năm của ngày hôm nay". Sau khi thiết lập mục tiêu năm bạn sau đó phải làm tốt nhất của bạn để tìm và sử dụng dữ liệu hợp nhất phù hợp với mục tiêu. Nó có khả năng rằng bạn sẽ không thể phù hợp với tất cả dữ liệu với mục tiêu năm. Khi thiết lập và đánh giá thời gian DQRs, các vấn đề sau đây cần phải được hiểu.Bạn có thể cần phải làm một số công việc bổ sung để đảm bảo bạn biết năm cơ sở dữ liệu mà bạn tìm thấy, nhưng đây là thời gian cũng chi tiêu để đảm bảo tính tương thích của các mô hình bạn sẽ xây dựng. Bạn sẽ cần phải phân biệt giữa năm thu thập dữ liệu và năm xuất bản. Trong ví dụ CBECS trong chương 2, dữ liệu được thu thập trong năm 2003 nhưng nghiên cứu không được công bố bởi bộ năng lượng cho đến tháng 12 năm 2006 (hoặc, gần như 2007). Nó rất dễ dàng để vô tình xem xét dữ liệu như là năm 2006 vì năm xuất bản được thể hiện trong các báo cáo. Nhưng các dữ liệu đã là các đại diện của năm 2003. Nếu DQR thời gian của bạn đã được đặt ở "năm 2005", bạn có thể vẫn có thể biện minh cho việc sử dụng dữ liệu CBECS năm 2003, nhưng sẽ phải thẩm định xem cường độ điện của tòa nhà có khả năng thay đổi đáng kể giữa năm 2003 và 2005. Cùng loại của các vấn đề phát sinh khi sử dụng nguồn chẳng hạn như dữ liệu chúng tôi EPA của AP-42, được biên dịch (nói chung cũ) trước đây ước tính lượng phát thải các yếu tố. Các khía cạnh khác của DQRs của bạn có thể tiếp tục giúp quyết định thích hợp của dữ liệu mới hoặc cũ hơn năm mục tiêu của bạn.Như vậy là đúng ngày tháng được đưa ra trong các siêu dữ liệu của LCI dữ liệu mô-đun. Bạn không quan tâm về khi bạn truy cập cơ sở dữ liệu, hoặc khi nó đã được xuất bản trong cơ sở dữ liệu. Bạn quan tâm đến nguồn chính năm của phân tích. Hình 5-12 cho thấy siêu dữ liệu về quá trình thế hệ điện-than bắn nơi dữ liệu nằm bên dưới là từ 1998-2003, và đó đã được đặt trong cơ sở dữ liệu chúng tôi LCI vào năm 2011. Một dấu thời gian"thích hợp" cho quá trình này sẽ là năm 1998-2003.Trong khi trên các chủ đề về các vấn đề thời gian, chúng tôi xem xét lại điểm về tuổi của dữ liệu trong cơ sở dữ liệu. Dự án cơ sở dữ liệu chúng tôi LCI bắt đầu vào giữa những năm 2000. Nhìn vào chức năng tìm kiếm trong cơ sở dữ liệu đó, bạn có thể tìm thấy một phân phối của năm cơ sở"" của tất cả các mô-đun đăng dữ liệu. Đây là một ngày mà không phải là có thể nhìn thấy trong các siêu dữ liệu, nhưng là có sẵn để tải về dữ liệu mô-đun và tóm tắt trong máy chủ web. Hình 5-14 cho thấy một đồ thị của sự phân bố của những năm qua. Trong ngắn hạn, có một số lượng đáng kể của dữ liệu tương đối cũ, và một số lượng đáng kể của dữ liệu năm nay cơ sở ở đâu không ghi lại (giá trị được đưa ra như là '9999'). Một nửa của 200 dữ liệu mô-đun Cập Nhật vào năm 2010 là từ một bản Cập Nhật để vận chuyển hàng hóa vận chuyển datasets. Đây có thể là cân nhắc quan trọng khi xem xét sự phù hợp của dữ liệu trong cơ sở dữ liệu cụ thể. Hình 5-14: tần số phân phối dữ liệu năm ở Hoa Kỳ NREL LCI cơ sở dữ liệu (tính đến ngày 15 tháng 8 năm 2013)Vấn đề không gian địa lýBạn phải cố gắng để đảm bảo rằng bạn đang sử dụng dữ liệu với phạm vi quyền địa lý và không gian để phù hợp với nhu cầu của bạn. Nếu bạn đang làm một nghiên cứu mà bạn muốn xem xét các phát thải liên quan đến sản xuất một lượng điện, sau đó bạn sẽ tìm thấy nhiều tiềm năng nguồn dữ liệu để sử dụng. Dự án có dữ liệu có thể cung cấp cho bạn những yếu tố trung bình phát thải cho phát điện khắp nước Mỹ. E-lưới (một quan hệ đối tác DOE-EPA) có thể cho bạn yếu tố phát thải ở cấp địa phương khá, phản ánh các loại máy phát điện được sử dụng trong một khu vực nhất định. Câu hỏi là bối cảnh của nghiên cứu của bạn. Bạn đang làm một nghiên cứu liên quan chắc chắn điện trung bình quốc gia? Sau đó dữ liệu dự án là có khả năng phù hợp. Hoặc bạn đang làm một nghiên cứu cần phải biết tác động của điện từ một nhà máy sản xuất cụ thể của sản xuất? Trong trường hợp đó bạn có khả năng muốn một nguồn dữ liệu địa phương công bằng, ví dụ, từ E-lưới. Một thay thế là để thúc đẩy ý tưởng về phạm vi, trình bày trong chương 2, đại diện cho toàn bộ lĩnh vực giá trị có thể cho điện thế hệ, bao gồm các địa phương hoặc khu vực trung bình đến mức trung bình quốc gia. Không chắc chắn và biến đổiĐáng buồn thay, trong lĩnh vực LCA có rất nhiều học viên đã tích cực hoặc thụ động bỏ qua những ảnh hưởng của sự không chắc chắn hoặc các biến đổi trong các nghiên cứu của họ. Họ coi tất cả mô hình đầu vào là giá trị duy nhất và tạo ra chỉ là một kết quả duy nhất. Viễn cảnh của sự không chắc chắn hoặc biến đổi bị mất trong mô hình của họ, và thường thì đó có nghĩa là những tác dụng đang bị mất trên độc giả của nghiên cứu. Làm thế nào chúng tôi có thể hỗ trợ một quyết định lớn (ví dụ như, giấy vs nhựa?) nếu không có nhiều sự không chắc chắn trong các dữ liệu nhưng chúng tôi đã hoàn toàn bỏ qua nó? Chúng tôi có khả năng để kết thúc hỗ trợ người nghèo quyết định nếu chúng tôi làm như vậy. Chúng tôi cống hiến chương 11 đến biện pháp khắc phục và cơ cấu không chắc chắn trong các mô hình LCA.Tóm tắt chươngThông thường, việc nghiên cứu các khía cạnh của một LCA (hoặc LCI) đặt thời gian liên quan đến giai đoạn bộ sưu tập và quản lý dữ liệu. Trong khi tiêu chuẩn LCA khuyến khích học viên để thu thập các dữ liệu chính cho các hệ thống sản phẩm đang được nghiên cứu, thường thứ cấp dữ liệu được sử dụng từ các nghiên cứu được công bố trước và cơ sở dữ liệu. Sử dụng thứ cấp dữ liệu cần được hiểu biết và nhận thức của vấn đề liên quan đến các nguồn dữ liệu trình bày và cũng đòi hỏi tham khảo chính xác. Yêu cầu chất lượng dữ liệu giúp đỡ để quản lý các kỳ vọng của nhóm nghiên cứu cũng như bên ngoài đối tượng liên quan đến các mục tiêu của những nỗ lực quản lý dữ liệu của bạn. Sử dụng các phương pháp quản lý dữ liệu LCI hiệu quả dẫn đến tuyệt vời và cũng - nhận được nghiên cứu.Tài liệu tham khảo cho chương nàyONG LCA công cụ, trang web, http://ws680.nist.gov/Bees/Default.aspx, truy cập ngày 12 tháng 8 năm 2013.ecoinvent trang web, www.ecoinvent.ch, truy cập ngày 12 tháng 8 năm 2013.ELCD LCA cơ sở dữ liệu, trang web, http://lca.jrc.ec.europa.eu/lcainfohub/, truy cập ngày 12 tháng 8 năm 2013.Cơ quan bảo vệ môi trường. 1993. vòng đời đánh giá: Hàng tồn kho nguyên tắc và nguyên tắc. EPA/600/R-92/245. Văn phòng nghiên cứu và phát triển. Cincinnati, Ohio, Hoa Kỳ.Gabi phần mềm, trang web, http://www.gabi-software.com/, truy cập ngày 12 tháng 8 năm 2013. Dữ liệu LCA, UNEP, trang web, http://lca-data.org:8080/lcasearch, truy cập ngày 12 tháng 8 năm 2013.Quantis, "môi trường đời đánh giá nước uống lựa chọn thay thế và người tiêu dùng đồ uống tiêu thụ ở Bắc Mỹ", LCA nghiên cứu hoàn thành cho co rút mình lại vùng biển Bắc Mỹ, 2010, http://www.beveragelcafootprint.com/wp-content/uploads/2010/PDF/Report_NWNA_Final_2010Feb04.pdf, truy cập 9 tháng 9 năm 2013.Agribusiness nhóm, "Cuộc sống chu kỳ đánh giá: Úc Merino ngành công nghiệp Merino len tất cả năng lượng sử dụng và khí thải Carbon Dioxide", năm 2006, http://www.agrilink.co.nz/Portals/Agrilink/Files/LCA_NZ_Merino_Wool.pdf, truy cập 1 tháng 9 năm 2013.Hoa Kỳ NREL LCI cơ sở dữ liệu, trang web, http://www.nrel.gov/lci/, truy cập ngày 12 tháng 8 năm 2013.Mỹ cuộc sống chu kỳ hàng tồn kho cơ sở dữ liệu. Điện, than nhựa đường, tại nhà máy điện, than nhựa đường, lúc tôi, và vận chuyển, đào tạo, động cơ diesel cung cấp quy trình đơn vị (2012). Năng lượng tái tạo quốc gia phòng thí nghiệm, năm 2012. Truy cập ngày 15 tháng 8 năm 2013: https://www.lcacommons.gov/nrel/searchUSDA LCA kỹ thuật số Commons, trang web, http://www.lcacommons.gov, truy cập ngày 12 tháng 8 năm 2013.Whitaker, Michael, Heath, Garvin A., O'Donoughue, Patrick, và Vorum, Martin, "phát thải khí nhà kính vòng đời của phát điện-than bắn: xem xét có hệ thống và hài hòa", tạp chí công nghiệp sinh thái học, năm 2012. DOI: 10.1111/j.1530-9290.2012.00465.xKết thúc của câu hỏi chươngMục tiêu 1. Nhận ra như thế nào những thách thức trong thu thập dữ liệu có thể dẫn đến những thay đổi trong nghiên cứu thiết kế tham số (SDPs), và ngược lại1. sử dụng các chúng tôi NREL LCI cơ sở dữ liệu (từ USDA kỹ thuật số Commons) hoặc một cơ sở dữ liệu LCI, tìm kiếm hoặc duyệt giữa các danh mục có sẵn. Đối với mỗi của các quá trình định nghĩa rộng sau trong danh sách dưới đây, thảo luận về bao nhiêu khác nhau LCI dữ liệu mô-đun có sẵn và chất lượng thảo luận về những gì giả định khác nhau đã được sử dụng để tạo ra các mô-đun dữ liệu.a. Refining dầu khísinh tạo ra điện từ nhiên liệu hóa thạch c. xe tải giao thông vận tảiMục tiêu 2. Bản đồ thông tin từ LCI dữ liệu mô-đun vào một khuôn khổ quá trình đơn vị vàMục tiêu 7. Tạo ra một kết quả hàng tồn kho từ nguồn dữ liệu LCI2. làm lại ví dụ hình 5-5 Hiển thị trong phương trình 5-1, nhưng bao gồm các động cơ diesel, cháy trong quá trình công nghiệp lò hơi (tham chiếu như một đầu vào trong quá trình khai thác mỏ than nhựa đường) trong ranh giới của hệ thống. Ước tính của bạn sửa đổi của lượng khí thải CO2 cho mỗi kWh là gì? Làm thế nào khác nhau là ước tính Cập Nhật của bạn?3. làm lại ví dụ hình 5-5 nhưng bao gồm trong hệ thống ranh giới lọc dầu diesel được sử dụng trong khai thác mỏ than đá và các quá trình giao thông vận tải đường sắt. Giả sử bạn có dữ liệu LCI là 2,5 E-04 kg hóa thạch lượng khí thải CO2 / lít nhiên liệu diesel tinh chế. Làm thế nào là ước tính đã sửa đổi của bạn of phát thải CO2 hóa thạch

Kết quả (Việt) 2:

Như đã nêu trong Chương 2, lý tưởng bạn sẽ xác định nhiều nguồn dữ liệu (ví dụ, nhiều module dữ liệu LCI) cho một nhiệm vụ nhất định. Điều này đặc biệt hữu ích khi sử dụng dữ liệu thứ cấp vì bạn không phải thu thập dữ liệu từ các quá trình kiểm soát của riêng bạn. Kể từ khi dữ liệu là thứ yếu, có khả năng là có sự khác biệt nhỏ trong các giả định hay ranh giới so với những gì bạn đã có thể sử dụng nếu thu thập dữ liệu sơ cấp. Bằng cách sử dụng nhiều nguồn, và việc tìm kiếm trung bình và / hoặc độ lệch chuẩn, bạn có thể xây dựng một mô hình định lượng mạnh mẽ hơn của các kết quả LCI. Chúng tôi sẽ thảo luận về phân tích sự không chắc chắn như hàng tồn kho trong Chương 10. Xem xét bổ sung về phụ liệu và siêu dữ liệu Với các loại và các lớp dữ liệu chúng tôi có khả năng tìm thấy trong các nghiên cứu chu kỳ cuộc sống, chúng tôi giới thiệu trong phần này một vài cân nhắc để đảm bảo bạn đang tìm kiếm và sử dụng các loại dữ liệu thích hợp để phù hợp với nhu cầu của học tập của bạn. Những suy tư này trong việc hỗ trợ các yêu cầu chất lượng dữ liệu. Các vấn đề Temporal Trong việc tạo ra các yêu cầu chất lượng dữ liệu tạm thời, bạn sẽ thiết lập một mục tiêu năm (hoặc năm) cho dữ liệu sử dụng trong nghiên cứu của bạn. Ví dụ, bạn có thể có một DQR của "số liệu năm 2005" hay "dữ liệu từ 2005- 2007" hay "dữ liệu trong vòng 5 năm của ngày hôm nay". Sau khi thiết lập mục tiêu năm (s) sau đó bạn phải làm tốt nhất của bạn để tìm và sử dụng dữ liệu phù hợp nhất với mục tiêu. Có khả năng là bạn sẽ không thể để phù hợp với tất cả các dữ liệu với năm mục tiêu (s). Khi thiết lập và đánh giá DQRs thời, các vấn đề sau đây cần phải được hiểu. Bạn có thể cần phải làm một số công việc bổ sung để đảm bảo bạn biết năm cơ sở dữ liệu bạn tìm thấy, nhưng đây là lần cũng chi tiêu để đảm bảo khả năng tương thích của các mô hình bạn sẽ xây dựng. Bạn sẽ cần phải phân biệt giữa các năm của thu thập dữ liệu và năm xuất bản. Trong ví dụ của chúng tôi CBECS trong Chương 2, các dữ liệu được thu thập trong năm 2003, nhưng nghiên cứu này không được công bố bởi Bộ Năng lượng cho đến tháng 12 năm 2006 (hay, hầu như năm 2007). Nó rất dễ dàng để vô tình xem xét các dữ liệu như là cho năm 2006 vì năm xuất bản được thể hiện trong suốt các báo cáo. Nhưng các dữ liệu đã được đại diện của năm 2003. Nếu DQR thời gian của bạn đã được thiết lập tại "2005", bạn vẫn có thể có thể để biện minh cho việc sử dụng dữ liệu CBECS 2003, nhưng sẽ cần phải đánh giá xem liệu cường độ điện của các tòa nhà có khả năng thay đổi đáng kể từ năm 2003 và 2005. Cùng loại của các vấn đề phát sinh khi sử dụng các nguồn như AP-42 dữ liệu của Mỹ EPA, đó là sưu tập (thường cũ) trước đây ước tính hệ số phát thải. Các khía cạnh khác của DQRs của bạn có thể tiếp tục giúp đỡ quyết định sự phù hợp của dữ liệu mới hơn hoặc cũ hơn so với năm mục tiêu của bạn. Điều này cũng đúng trong ngày được đưa ra trong các siêu dữ liệu của LCI module dữ liệu. Bạn không quan tâm khi bạn truy cập các cơ sở dữ liệu, hoặc khi nó được xuất bản trong cơ sở dữ liệu. Bạn quan tâm đến năm nguồn chủ yếu của phân tích. Hình 5-12 cho thấy siêu dữ liệu về quá trình sản xuất điện than mà các dữ liệu cơ bản là từ 1998-2003, và đã được đưa vào cơ sở dữ liệu của Mỹ LCI trong năm 2011. Một "dấu thời gian" thích hợp cho quá trình này sẽ là 1998-2003. Trong khi chủ đề về các vấn đề thời gian, chúng ta xét lại quan điểm về tuổi tác của dữ liệu trong cơ sở dữ liệu. Các dự án cơ sở dữ liệu của Mỹ LCI bắt đầu vào giữa những năm 2000. Nhìn vào các chức năng tìm kiếm trong cơ sở dữ liệu, bạn có thể tìm thấy một bản phân phối của năm "cơ sở" của tất cả các module dữ liệu đăng. Đây là một ngày mà không được nhìn thấy trong các siêu dữ liệu, nhưng có sẵn cho module dữ liệu tải về và tóm tắt trong các máy chủ web. Hình 5-14 cho thấy một biểu đồ về sự phân bố của các năm. Trong ngắn hạn, có một số lượng đáng kể các dữ liệu tương đối cũ, và một số lượng đáng kể các dữ liệu mà các năm cơ sở này không được ghi lại (giá trị được đưa ra là '9999'). Một nửa trong số 200 module dữ liệu được cập nhật trong năm 2010 là từ bản cập nhật với bộ dữ liệu vận chuyển hàng hóa. Đây có thể là những cân nhắc quan trọng khi xem xét sự phù hợp của dữ liệu trong cơ sở dữ liệu cụ thể. Hình 5-14: Tần suất phân phối dữ liệu trong cơ sở dữ liệu Years Mỹ NREL LCI (tính đến 15 tháng 8 năm 2013) không gian địa lý vấn đề Bạn phải cố gắng để đảm bảo rằng bạn đang sử dụng dữ liệu với phạm vi địa lý và không gian bên phải để phù hợp với nhu cầu của bạn. Nếu bạn đang làm một nghiên cứu mà bạn muốn xem xét các khí thải kết hợp với sản xuất một lượng điện, sau đó bạn sẽ tìm thấy nhiều nguồn dữ liệu tiềm năng để sử dụng. EIA có dữ liệu có thể cung cấp cho bạn các yếu tố phát thải trung bình cho thế hệ điện trên khắp nước Mỹ. E-GRID (một quan hệ đối tác DOE-EPA) có thể cung cấp cho bạn các yếu tố phát thải ở mức độ tương đối của địa phương, phản ánh các loại điện sử dụng trong một khu vực nhất định. Câu hỏi đặt ra là bối cảnh của nghiên cứu của bạn. Bạn đang làm một nghiên cứu không tránh khỏi những giao dịch với điện bình quân quốc gia? Sau đó, số liệu của EIA là có khả năng phù hợp. Hoặc là bạn đang làm một nghiên cứu mà cần phải biết tác động của điện từ sản xuất một nhà máy đặc biệt không? Trong trường hợp đó bạn có thể muốn có một nguồn dữ liệu tương đối địa phương, ví dụ, từ E-GRID. Một cách khác là để tận dụng các ý tưởng của các phạm vi, trình bày trong Chương 2, đại diện cho toàn bộ lĩnh vực của giá trị có thể cho phát điện, bao gồm cả khác nhau trung bình tại địa phương hoặc khu vực tất cả các con đường lên đến mức trung bình của quốc gia. Sự không chắc chắn và thay đổi đa dạng Đáng buồn thay, trong lĩnh vực này LCA có rất nhiều học viên chủ động hay thụ động bỏ qua những ảnh hưởng của sự không chắc chắn hoặc thay đổi trong các nghiên cứu của họ. Họ đối xử với tất cả các yếu tố đầu vào mô hình như là giá trị duy nhất và tạo ra chỉ có một kết quả duy nhất. Các khách hàng tiềm năng của sự không chắc chắn hoặc biến mất trong mô hình của họ, và thường thì đó có nghĩa là những tác dụng bị mất trên các độc giả của nghiên cứu. Làm thế nào chúng ta có thể hỗ trợ một quyết định lớn (ví dụ, giấy vs nhựa?) Nếu có nhiều sự không chắc chắn trong các dữ liệu mà chúng tôi đã hoàn toàn bỏ qua nó? Chúng tôi có thể sẽ kết thúc hỗ trợ quyết định sai lầm nếu chúng ta làm như vậy. Chúng tôi cống hiến Chương 11 đến phương pháp khắc phục và cơ cấu không chắc chắn trong các mô hình LCA. Chương Tóm tắt Thông thường, các khía cạnh tiêu tốn thời gian nhất của một LCA (hoặc LCI) nghiên cứu liên quan đến việc thu thập dữ liệu và giai đoạn quản lý. Trong khi chỉ số Standard LCA khuyến khích các học viên để thu thập dữ liệu sơ cấp cho các hệ thống sản phẩm được nghiên cứu, điển hình là dữ liệu thứ cấp được sử dụng từ các nghiên cứu được xuất bản trước và cơ sở dữ liệu. Sử dụng dữ liệu thứ cấp cần được hiểu biết và nhận thức về các vấn đề liên quan đến các nguồn dữ liệu trình bày và cũng đòi hỏi phải tham khảo chính xác. Yêu cầu chất lượng dữ liệu giúp quản lý kỳ vọng của nhóm nghiên cứu cũng như các đối tượng bên ngoài liên quan đến các mục tiêu của nỗ lực quản lý dữ liệu của bạn. Sử dụng các phương pháp quản lý dữ liệu hiệu quả LCI dẫn đến xuất sắc và nổi được nghiên cứu. Tài liệu tham khảo cho Chương này BEES LCA Tool, website, http://ws680.nist.gov/Bees/Default.aspx, truy cập lần cuối ngày 12 tháng 8, 2013. ecoinvent website, www.ecoinvent.ch, truy cập lần cuối ngày 12 tháng 8, 2013. Cơ sở dữ liệu ELCD LCA, website, http://lca.jrc.ec.europa.eu/lcainfohub/, truy cập lần cuối ngày 12 tháng 8, 2013. Cơ quan Bảo vệ Môi trường. 1993. Đánh giá Chu kỳ cuộc sống: Hướng dẫn kiểm kê và nguyên tắc. EPA / 600 / R-92/245. Văn phòng Nghiên cứu và Phát triển. Cincinnati, Ohio, USA. Gabi Phần mềm, website, http://www.gabi-software.com/, truy cập lần cuối ngày 12 tháng 8, 2013. LCA-DATA, UNEP, website, http://lca-data.org:8080 / lcasearch, truy cập lần cuối ngày 12 tháng 8, 2013. Quantis, "Cuộc sống Môi trường Cycle Assessment nước uống thay thế và tiêu dùng đồ uống tiêu thụ tại Bắc Mỹ", LCA học hoàn cho Nestle Waters Bắc Mỹ, năm 2010, http://www.beveragelcafootprint.com / wp- content / uploads / 2010 / PDF / Report_NWNA_Final_2010Feb04.pdf, truy cập lần cuối ngày 09 Tháng Chín, 2013. Các Agribusiness Group, "Life Cycle Assessment: New Zealand Merino Merino Wool Tổng Công nghiệp sử dụng năng lượng và phát thải Carbon Dioxide", 2006, http: //www.agrilink.co.nz/Portals/Agrilink/Files/LCA_NZ_Merino_Wool.pdf, truy cập lần cuối ngày 01 tháng 9, 2013. Cơ sở dữ liệu của Mỹ NREL LCI, website, http://www.nrel.gov/lci/, cuối cùng truy cập Tháng Tám 12, 2013. Mỹ Life Cycle Cơ sở dữ liệu hàng tồn kho. Điện, than bitum, ở nhà máy điện, than bitum, ở mỏ, và giao thông vận tải, đào tạo, quy trình đơn vị bị động cơ diesel (2012). Phòng thí nghiệm Năng lượng tái tạo quốc gia, 2012. Accessed 15 Tháng 8 năm 2013: https://www.lcacommons.gov/nrel/search USDA LCA Digital Commons, website, http://www.lcacommons.gov, truy cập lần cuối ngày 12 tháng 8 năm 2013. Whitaker, Michael, Heath, Garvin A., O'Donoughue, Patrick, và Vorum, Martin, "phát thải khí nhà kính Vòng đời của thế hệ điện than: Đánh giá hệ thống và hài hòa", Tạp chí Sinh thái công nghiệp, 2012. DOI: 10,1111 /j.1530- 9290.2012.00465.x End của câu hỏi Chương Mục tiêu 1. Nhận biết những thách thức trong việc thu thập dữ liệu có thể dẫn đến những thay đổi trong các thông số thiết kế nghiên cứu (SDPs), và ngược lại 1. Sử dụng cơ sở dữ liệu của Mỹ NREL LCI (từ USDA Digital Commons) hoặc cơ sở dữ liệu LCI khác, tìm kiếm hoặc duyệt giữa các categories. Đối với từng công đoạn sau đây được định nghĩa một cách rộng rãi trong danh sách dưới đây, thảo luận có bao nhiêu khác nhau module dữ liệu LCI có sẵn và chất lượng thảo luận về những gì giả định khác nhau đã được sử dụng để tạo ra các module dữ liệu. A. Chế biến dầu khí b. Tạo ra điện năng từ nhiên liệu hóa thạch c. Xe tải vận chuyển Mục tiêu thông tin 2. Bản đồ LCI module dữ liệu vào một khuôn khổ quá trình đơn vị và Mục tiêu 7. Tạo ra một kết quả kiểm kê từ LCI nguồn dữ liệu 2. Làm lại các ví dụ Hình 5-5 thể hiện trong phương trình 5-1, nhưng bao gồm các động cơ diesel, đốt trong quá trình lò hơi công nghiệp (tham chiếu như là một đầu vào trong quá trình khai thác than bitum) trong ranh giới của hệ thống. Dự toán sửa đổi của bạn phát thải CO2 mỗi kWh là gì? Làm thế nào khác nhau là ước tính cập nhật của bạn? 3. Làm lại các ví dụ hình 5-5 nhưng bao gồm trong tinh ranh giới hệ thống của động cơ diesel được sử dụng trong các quá trình khai thác than và giao thông vận tải đường sắt. Giả sử bạn có dữ liệu LCI biết có khoảng 2,5 E-04 kg khí thải CO2 hóa thạch mỗi lít nhiên liệu diesel tinh chế. Làm thế nào là ước sửa đổi của bạn phát thải CO2 hóa thạch