蒙特卡洛模拟的幕后

假设您的生命周期评估显示产品A比b好,如果您考虑到大多数数据可能落在一个可能值的范围内,那么这个结论还成立吗?也就是说,如果考虑到库存数据的不确定性呢?

整个LCA的数据不确定性

你所有的库存数据都有一定的不确定性。这种数据的不确定性可以用一个以标准偏差为特征的分布来描述,或者用一个范围来表示。使用不确定的数据进行LCA可能会有风险,特别是如果您打算使用该LCA来比较两个产品的性能。各种数据输入中的不确定性加起来会严重影响您的LCA结果。如果您使用的样本值始终处于产品A的LCA的各个数据范围的较低一侧,而使用的样本值始终处于产品B的LCA的较高一侧,那么您可能会认为产品A的性能更好。但是,当您使用不同的数据样本再次运行这些lca时,您可能会得到相反的结果,这只是偶然的。

为了看到所有输入不确定性的综合影响,人们使用蒙特卡罗分析来计算LCA结果的不确定性——基于可变输入,实际结果中有多少范围或分布。但是当你点击“计算”时会发生什么呢?我不打算给你详细的说明-为此,我参考SimaPro手册。相反,我想给你一个机会来看看蒙特卡罗分析的幕后。

采取赌博的方法

蒙特卡洛模拟方法以摩纳哥的蒙特卡洛赌场命名,因为它有赌博的元素。当你在SimaPro的不确定性菜单中点击“计算”时,模拟就开始了。它从每个不确定数据输入的不确定性分布中选取一个随机值,并计算并存储这组采样值的LCA结果。这个过程要重复很多次。每次,SimaPro从每个数据输入的不确定性分布中选择随机值,计算LCA结果,并存储它们。例如,存储的LCA结果为10000次迭代形成了最终结果的不确定性分布。

洗衣:一个平凡的例子

想象一下,您正在模拟洗衣机中洗涤一公斤衣服对环境的影响。首先考虑洗衣机可能如何使用,如图1所示。每个洗涤周期放入洗衣机的洗衣量可能不完全相同。让我们假设每个周期的洗衣量是由平均7公斤左右的正态分布描述的。你用多少洗涤剂取决于你对你有多少衣服和它有多脏的判断。你可能想要尽量少用,但你偶尔会使用大剂量。假设这是对数正态分布。还有很多变量在某种程度上是不确定的(例如,水、电或织物柔软剂的使用),您可以为每个变量分配一个分布。如果您在这个模型上运行蒙特卡罗模拟,SimaPro将从每个分配的不确定性分布中为每个迭代选择一个随机值。计算出的每公斤洗衣对环境的影响在不同的迭代中会有所不同,并共同形成一个不确定性分布(见图1,右下)。

库存数据的不确定性分布-以洗衣店为例
图1。库存数据的不确定性分布决定了LCA结果的不确定性分布。洗衣的例子。洗衣机图片改编自wikiHow知识共享

工业过程中的不确定性一般可以用对数正态分布来描述。这意味着分布最右边的值也将被采样。用均值来表示最典型的值或“最佳猜测”值,就像我们用正态分布做的那样,会歪曲现实。对于对数正态分布,“最佳猜测”最好由中位数表示。

洗衣机的比较

现在,假设你想比较洗衣机A和洗衣机B对淡水富营养化的环境影响。为此,您将比较两台洗衣机的环境指标的不确定性分布(来自蒙特卡罗模拟)。LCA结果的不确定性分布有可能重叠,如图2中的粉红色区域所示。

在两台洗衣机的比较中,LCA结果的不确定度分布可能重叠。
图2。在两台洗衣机的比较中,LCA结果的不确定度分布可能重叠。粉红色区域表示淡水富营养化的两个对数正态不确定性分布之间的重叠。

在SimaPro中,您可以指定想要进行蒙特卡罗分析来比较两个产品。两个产品的lca将并排运行,对于每次迭代,SimaPro将计算“洗衣机A的影响减去洗衣机B的影响”的值。这些值一起形成了另一个概率分布,然后可以用它来决定哪个产品更好,以及你有多确定。我们假设在图2的例子中,洗衣机B在70%的运行中对淡水富营养化的影响高于洗衣机a——这意味着你有70%的把握a在这一指标上实际上优于B。你认为这是充分的证据吗?就我个人而言,我更倾向于将90%的确定性作为最小值来考虑差异显著性。此外,您可能不仅对淡水富营养化感兴趣,而且对其他影响类别也感兴趣。对于这些类别,洗衣机A的影响可能比洗衣机b的影响更大,因此,在决定哪个产品更好之前,您需要确定与您的LCA相关的所有影响类别的确定性。

更多你想要使用蒙特卡洛的理由

如上所述,如果您正在比较两台洗衣机的影响,考虑到每个周期的洗衣量、洗涤剂、水、电或织物柔软剂的使用等不确定性,蒙特卡罗分析可以帮助您确定它们之间的差异是否显著。

但如果差异不大,那是因为两种产品的表现大致相同,还是因为数据中存在太多不确定性?这引出了使用蒙特卡洛分析的另一个重要原因:它允许您量化不同数据输入中的不确定性对LCA结果的影响,显示您收集的数据是否具有足够的质量,以及LCA结果中的不确定性是否可以接受。如果您发现的差异是显著的,则不需要收集更高质量的数据,这意味着您节省了时间。如果差异不显著且不确定性很高,则可以寻找方法来降低LCA结果中的总体不确定性——例如,使用特定于产品的数据而不是平均数据。

无论您的情况如何,蒙特卡罗模拟的结果都可以极大地帮助您解释结果和结论的稳定性。

劳拉Golsteijn

高级顾问

我渴望提高我们社会的环保意识,我相信每个人每天都可以为一个更可持续的世界做出贡献。雷竞技电子在PRé,我们为公司提供知识和工具,以改善他们的产品和服务。我很高兴能为一家致力于发展可持续发展倡议的机构工作。雷竞技电子

请随时关注我们的时事通讯

通讯登记

部分

部分

时事通讯
条件

Baidu
map