和任何与数据相关的事物一样，生命周期评估 (LCA) 结果在过程中也容易出现错误或疏忽。警惕常见错误并自我评估您的表现可以为您节省专业评审费用，并提高您的实际 LCA 知识！为了获得可靠而准确的 LCA，在本文中，您将了解最常见的错误（例如方法不一致、输入数据错误和被忽视的步骤）以及如何避免它们。

免责声明：自我评估不能取代验证或批判性审查。但是，它们可以使以后的验证过程更加顺利。

此错误的后果：如果您错误地应用标准，您的 LCA 将无法与行业内的其他 LCA 进行比较。审核员会提出这些问题，您可能需要重新做某些方面，从而延长审核过程。

如何预防：阅读所选方法的文档并彻底实施。如有疑问，请咨询您的同事、标准发布者或我们的专家。

请记住将 LCA 软件的默认设置更改为正确的 LCIA 方法和数据库。

选择评估范围是“目标和范围”阶段的一部分。您的 LCA 标准也会影响这一点。这里的错误是错误地从您的范围中排除相关的产品方面，或者包括那些与您选择的“生命周期模型”（从摇篮到大门，从摇篮到坟墓，从摇篮到摇篮）不相关的方面。

此错误的后果：多余的产品元素会扭曲您的结果。缺失的元素会让您的结果不完整。

如何预防：制作范围流程图有助于避免此类错误。流程图会向您展示产品所需的流程和材料，以及它们发生在哪个生命周期阶段。要检查范围，请返回此流程图：您是否在系统模型中包括了每个方面？系统模型中是否有流程图上没有的方面？如果有，请添加它们以查看它们是否在您的范围内。

数据库背后的方法选择不一定与其他数据库或 LCIA 方法一致。使用您选择的数据库以外的其他数据库的数据集……

如果您意外地或以错误的方式执行此操作，则会出现错误。（例如，您可能会试图填写所选数据库中缺少的数据集，或者因为使用不同的数据库时同一数据集的影响较小而进行恶意填充）。当考虑到方法不匹配时，这种方法可以有效处理缺失数据集。这需要高级 LCA 知识或专家支持，以及透明的文档。

此错误的后果：不考虑方法上的不匹配会导致您的 LCA 结果不正确。

如何预防：始终使用您选择的 LCA 标准或 PCR 规定的数据库。不要混合使用不同版本的数据库（例如 Ecoinvent 3.4 和 3.8）——只使用一个版本。如果没有规定，建议使用最新版本的软件，因为它是最大、最透明的数据库。

当查看热点分析时，您可能会发现一些意想不到的或不寻常的事情（甚至是“疯狂的”），例如： 微小的产品细节带来巨大影响 产品的一个大方面，例如主要原材料，影响很小或没有影响 不在这里深入挖掘是一个错误!

此错误的后果：意外结果可能表明系统模型存在错误。通常是由于错误的原始输入数据或错误的数据集使用造成的。

如何预防：意外结果通常是由于输入数字时出现拼写错误或单位转换错误造成的。例如输入与数据集使用的单位不同的数字（数据库可能使用 g，而您使用 kg，甚至其他类型的单位，如面积（m2）与重量）。

忽略 m3 和升或 kWh 和 MWh 之间的因子 1000。令人困惑。

因此，转换您的单位！

不合适的参考数据集可能会导致不寻常或意外的结果（错误 5）。您的数据集可能已过时（例如 Ecoinvent 版本已过时）

• 从不属于你的地理范围

• 并非最适合您的产品系统

此错误的后果：材料和生产方法会随着时间和地理环境的变化而变化。使用次优数据集意味着您的产品影响无法得到尽可能好的体现。

如何预防：扩大地理范围

世界上不同地区有许多数据集可用。仔细检查您所在地区有哪些数据集可用，然后选择最接近您所在市场的数据集，这对于国家电力数据集尤其重要！

改善时间范围：检查文档中数据集的创建日期——从那时起生产技术是否发生了重大变化？

提示：生态链专家可以帮助您改变背景数据集的时间或地理有效性，例如通过为您提供一个数据集，将您原料中的电力结构更改为另一年份或国家。

见账号精选内容：碳排放因子定义、计算与案例分析

使用 LCA 结果或供应商提供的EPD *，而不是依赖平均参考数据集，可以使您的 LCA 更加准确。

供应商数据需要与您的 LCA 在方法上保持一致 – 这就是行业标准所提倡的！

草率的数据记录会导致混乱、失误和不透明。

此错误的后果：您错过了可靠数据文档的优势。

这些优势包括：追溯错误。例如，在健全性检查期间发现错误后，您可以了解错误的原因以及该错误是否会在其他地方重复出现。显示数据的不确定性，从而敏感性分析（参见错误 9）可以增加价值。

帮助您创建透明的 LCA 报告，这对于验证和传达 LCA 结果至关重要。

如何预防：记录 LCA 中使用的每个数字、计算和假设。这些数据来自哪里（参考文献），是否有相互矛盾的参考文献，以及您对它们的准确性有多确定（这个数据点是否会从未来 LCA 迭代的进一步研究中受益）？

虽然 LCA 软件是汇总数据的最佳场所，但 Excel 等工具外部文档为注释、链接和计算提供了更多空间。

身处自己的小岛上会让 LCA 过程变得没那么有趣，而且更容易出错——4 只眼睛比 2 只眼睛看得多！

此错误的后果：不让同事参与可能意味着你做出不合逻辑的假设并忽视同事会注意到的错误。

如何预防：在创建系统模型时，您需要做出一些假设或估计。例如，不确定的输入数据和数据集的适用性。向同事解释您得出这些假设的原因和方式，并邀请他们提出批评。你们一起，可能会发现有缺陷的想法，或找到证实。

让你的同事在自我检查过程中帮助你。公司的员工最了解其产品，并且能够注意到缺失的方面（错误 3）和意外结果（错误 5）。

解释阶段是任何 LCA 的关键组成部分。跳过这一阶段是一个错误。

此错误的后果：如果只看 LCA 结果的表面意义，您就无法了解结果对数据不确定性的敏感性。如果不知道结果的质量和结论，您的受众可能会采取不适当的（不）行动。

如何预防：进行敏感性分析

敏感性分析评估数据点变化（例如不确定的假设、可能的数据范围或替代参考数据集）对您的 LCA 结果的影响程度。

一些 LCA 标准（例如 SBK 敏感度分析方法）规定了具体的敏感度分析。这与错误 2 有关联——正确应用标准。

得出结论并讨论局限性：从数据中提炼信息：你的发现对你的受众有何影响？考虑到系统模型的质量，敏感数据和不确定性如何影响这些信息的可靠性？与同事和利益相关者的讨论可以帮助你得出正确的结论。

您的 LCA 有多具代表性：这是包含大量二手数据的筛选性 LCA，还是您的研究已经过验证并准备改变公司战略？告诉他们是否可以根据您的 LCA 自信地采取行动，或者是否需要进一步研究。

为了做出“公开比较断言” - 即公开宣称您的产品比竞争产品“更环保” - 您的 LCA必须经过“严格审查”，即 ISO14040 中定义的流程。

此错误的后果：如果您的 LCA 未经验证，您就无法 100% 确定其可靠性。如果您的读者（而不是您）发现了未发现的错误，则这些错误可能会导致漂绿指控。此外，您的 LCA 不符合 ISO 标准。

如何预防：如果您想公开发表环保声明：请先进行本文中的自我检查，提前排除错误。然后进行验证！

对于分阶段的方法：在目标和范围阶段之后，检查错误 1、2 和 3。

在创建生命周期清单期间，请注意错误 4、6 和 7。

生命周期清单分析之后，检查错误5和8。

翻译过程中，检查错误 9 和 10。

常见的 LCA 错误发生在选择和应用方法时，以及以有缺陷的原始数据和次要数据的形式出现。本文中的自我检查对提高您对 LCA 结果准确性的信心大有帮助。逐步改进您的 LCA，直到它适合内部使用，然后进行验证/关键审查。在整个 LCA 过程中，可靠的数据文档和与同事的集思广益将大有帮助。