CML
CML v4.8 2016 (Leiden)
Hollanda Leiden Üniversitesi tarafından geliştirilen midpoint odaklı, en yaygın kullanılan EN 15804+A2 uyumlu LCIA metodudur.
LCIA Yöntemleri
clca tarafından desteklenen LCIA yöntemleri
clca, EN 15804+A2 ve PEFCR uyumlu LCIA yöntemlerini destekler. Her yöntem için karakterizasyon faktörleri ve kategori dağılımı tek tıkla seçilebilir.
EF
EF v3.1 (Environmental Footprint)
AB Komisyonu tarafından geliştirilmiş, PEFCR (Product Environmental Footprint Category Rules) için zorunlu olan metod.
IMPACT_WORLD
IMPACT World+
Coğrafi olarak rezolüsyonlu (regional) etki faktörleri sunan kapsamlı metot. Endpoint analizinde tercih edilir.
IPCC_2013
IPCC 2013 (GWP100)
Hükümetlerarası İklim Değişikliği Paneli'nin 5. Değerlendirme Raporu'ndaki 100 yıllık küresel ısınma potansiyeli karakterizasyon faktörleri.
EPS_2020
EPS 2020d (Environmental Priority Strategies)
İsveç tarafından geliştirilen, monetary (parasal değer) endpoint metot. Eko-tasarım kararları için kullanılır.
CED
Cumulative Energy Demand (CED)
Yaşam döngüsü boyunca toplam birincil enerji talebi (yenilenebilir + yenilenemez). Tek-skor enerji etkisi göstergesi.
ECOLOGICAL_FOOTPRINT
Ecological Footprint
Global Footprint Network metodolojisi temelli, biyolojik kapasite tüketimini global hektar (gha) cinsinden ölçer.
Blog
Tüm yazılar →İlgili yazılar
- 10 dk okuma
ecoinvent 3.12 ile arka plan verisi seçimi: aktivite, coğrafya ve elektrik karışımı
Arka plan verisi seçimindeki üç karar — doğru aktivite, doğru coğrafya, doğru elektrik karışımı — sonucu envanterin kendisinden daha fazla oynatabilir.
Devamını oku → - 11 dk okuma
Monte Carlo ile LCA belirsizlik analizi: pedigree matrisinden P10/P90'a
Tek sayılık bir GWP sonucu, arkasındaki belirsizliği gizler. Pedigree matrisinden lognormal dağılıma, oradan P10/P90 bandına giden hesap zinciri.
Devamını oku → - 11 dk okuma
LCI veri tabanları: ecoinvent, EF ve sektörel setler nasıl seçilir?
Arka plan veri tabanı seçimi bir teknik detay değil, sonucu değiştiren bir metodolojik karardır. Kapsam, sistem modeli ve karıştırma yasağı.
Devamını oku → - 10 dk okuma
Birincil ve ikincil veri: hangi kalem için hangisini toplamalı?
Her şeyi birincil veriyle modellemek ne mümkün ne gerekli. Ön plan-arka plan ayrımı ve veri toplama bütçesini doğru dağıtma.
Devamını oku → - 10 dk okuma
Duyarlılık analizi: hangi varsayım sonucu gerçekten taşıyor?
Bir LCA sonucu, en zayıf varsayımı kadar sağlamdır. Tek parametre taraması, sıcak nokta analizi ve belirsizlikten farkı.
Devamını oku → - 9 dk okuma
Midpoint vs endpoint LCIA: hangi seviye hangi karar için?
Midpoint analizi 18+ kategori sunar, endpoint ise 3 ana alana indirger. Karakterizasyon, normalizasyon ve ağırlıklandırma adımlarının pratik etkisi.
Devamını oku →
Daha derin
clca platformunda her metodu/kategoriyi seçili etki kategorilerine bağlayıp gerçek ürün portföyünüzde uygulayabilirsiniz.