《Resources, Conservation and Recycling》：Unlocking the LCA recycling modelling dilemma in steelmaking industry through the inclusion of temporal, spatial, and steel grades variability
编辑推荐：
摘要：本研究就钢铁行业生命周期评价（LCA）中最适废钢回收建模方法的选择提供建议。为此，论文评估不同利益相关者（如管理者、工艺工程师、传播专家及政策制定者）如何基于其对结果不确定性的理解来对待此问题。利用含475炉次（heat）、8个钢族（steel fami
摘要：本研究就钢铁行业生命周期评价（LCA）中最适废钢回收建模方法的选择提供建议。为此，论文评估不同利益相关者（如管理者、工艺工程师、传播专家及政策制定者）如何基于其对结果不确定性的理解来对待此问题。利用含475炉次（heat）、8个钢族（steel family）及2个生产基地的大数据集，研究人员应用循环足迹公式（Circular Footprint Formula, CFF）交叉评估两种广泛使用的回收建模方法——替代法（substitution method，A=0）与截断法/含回收内容法（cut-off method，A=1）。结果表明，替代法因对废钢组分敏感而引入更高变异性，截断法则产生变异性较小的计算结果。这些差异具实际意义：截断法更适用于要求稳健比较的应用（如对外传播、政策制定），而以提取变异性信息为目的的用途（如工艺优化、内部学习）则宜选用替代法。尽管基于有限工厂数，本研究为LCA从业者提供宝贵见解，并强调钢铁回收建模中考虑不确定性的重要性。
发表于《Resources, Conservation and Recycling》的这篇论文由Federico Rossi、Fabio Iraldo与Monia Niero完成，以下为其主体内容的解读与浓缩总结。
【研究背景与开展缘由】
钢铁行业是全球能源密集型与高碳排放行业（约占全球能耗8%、温室气体排放7%），LCA是量化其环境影响及资源循环性的核心工具。然而钢铁LCA中最大的认识（epistemic）不确定性来源为废钢回收建模方法的选择——主要有替代法（system expansion / avoided burden）与截断法（recycled content / cut-off），二者分配逻辑不同且无公认最优解。同时，LCA结果还受偶然（aleatory）不确定性影响，包括时间变异性（各炉次heat成分与能耗不同）、空间变异性（不同厂区电力与物料组合差异）及钢种变异性（不同钢族合金元素添加量不同）。以往研究常忽略时间变异性或只采用代表性均值，且鲜有文献从不确定性分布特征角度指导回收建模方法的选择。研究人员认为不同LCA结果使用者对"不确定性"的态度不同——有时视其为干扰（需最小化以便比较），有时视其为信息源（需放大以便洞察工艺差异），因此有必要基于不确定性表现来推荐适用回收建模方法。本研究依托欧洲ALCHIMIA项目，利用西班牙CELSA Group两座电炉钢厂475炉次详实生产数据、8个钢族与双厂对比，借助循环足迹公式（CFF，参数A）切换替代法（A=0）与截断法（A=1），系统比较两种方法在时间、空间、钢种变异性下的LCIA结果不确定性表现，据此给出针对不同应用情境的建模方法选择建议。
【主要关键技术方法】
研究人员以生产1 kg二次（废钢基）钢为功能单位，系统边界涵盖电炉（EAF）、钢包（Ladle）、钢包精炼炉（LF）、连铸及废钢运输预处理、上游原料与电力、末端除尘灰/渣/耐材处置、钢产品寿命终止（85%回收→闭环回EAF，15%填埋），依ISO 14040/14044开展LCA。采用ecoInvent 3.11 cut-off版为背景数据库，SimaPro v10.2建模，依据欧盟产品环境足迹（PEF）推荐之环境足迹（EF）3.1方法进行生命周期影响评价（LCIA），选取气候变化（Climate Change）、酸化（Acidification）、淡水富营养化（Eutrophication, freshwater）、光化学臭氧生成（Photochemical ozone formation）及臭氧消耗（Ozone depletion）五类指标。废钢使用与废物回收阶段均按循环足迹公式（CFF）建模，通过对分配因子A分别取0（替代法）与1（截断法）实现两方法对比。时间变异性基于Factory 1与Factory 2共950炉次（各475炉次）实际数据做统计评估；空间变异性以两厂为情景对比；钢种变异性以Factory 1中8个钢族（A/B/C/D/H/M/S/U）为情景分析。不做Monte Carlo模拟以避免未考虑流间相关性导致失真。贡献分析（contribution analysis）计算各单元过程（废钢、EAF、Ladle、LF、连铸、回收等）对LCIA结果的均值贡献及标准差。最终共进行1900次LCIA计算（950炉次×A=0/1），以箱线图展示变异性，依不同LCA应用场景（产品开发与工艺优化、内外部传播、组织战略发展、组织内部学习、法规制定）解读不确定性含义并给建议。
【研究结果】
3.1 Factory 1的LCIA结果
研究人员对Factory 1共475炉次、8个钢族分别计算A=0与A=1下五类影响类别LCIA值并绘制箱线图。结果显示：①所有影响类别与钢族下，A=1（截断法）所得平均环境影响均低于A=0（替代法）；②A=0条件下箱线与须更长，即替代法因对废钢中残余元素（铜、锌、镍等tramp elements）敏感而产生更大结果变异性，截断法显著压缩变异性。③按平均影响可聚类为低影响钢族（B、D）、中影响钢族（C、M、S）与高影响钢族（A、U），该趋势在Climate Change指标最明显。④在A=0时钢族间箱图重叠大，较难断言某钢族恒优于另一钢族；A=1时变异性缩小，钢族排序更清晰。⑤变异性受A因子影响程度在不同影响类别有异——Acidification、Eutrophication freshwater、Photochemical ozone formation在A=1时均值与离散度均明显下降；Climate Change与Ozone depletion两类别在A=0与A=1间变异性差别较小，因其受废钢流贡献占比相对低。
贡献分析表明：A=0时废钢流（含其tramp elements之环境负担）是最大贡献源，且废钢贡献的标准差显著高于其他单元过程，故总体变异性主要由废钢组分偶然波动驱动；A=1时废钢仅计入分选/打包/运输/预处理之微小影响，主热点转为EAF（耗电+碳质热源）与Ladle（铁合金与调质添加），此二者标准差与A=0时相近但不再被废钢高变异掩盖，故整体结果变异性降低。研究人员指出替代法若配详细废钢组分表征可更好捕捉tramp elements之环境负担，适合评估降低废钢残余元素策略之效益。
3.2 Factory 1与Factory 2的LCIA结果
研究人员以同样475炉次对Factory 2做情景对比。无论A取何值，Factory 2平均影响高于Factory 1（因电力组合及铁合金/碳源用量不同）。两厂各自在A=0时变异性大于A=1，且两厂箱图大幅重叠，说明加入第二厂未明显扩大整体产钢之环境影响变异性范围。贡献分析显示Factory 2废钢贡献变异性（标准差）小于Factory 1，表明Factory 2所用废钢成分波动较Factory 1小；而截断法下两厂EAF与Ladle贡献百分比及变异性相近，故A=1时两厂整体结果变异性相仿。
【讨论部分总结】
研究人员按Subal等(2024)归纳的五类LCA应用情境逐一讨论不确定性解读与回收建模偏好：
- •
产品开发和工艺优化：工艺工程师借heat-by-heat分析识别低影响废钢特征（如低Cu、低Zn），倾向替代法以放大变异性获取信息；产品开发人员作钢种间可持续性比较时倾向截断法之低不确定性。
- •
传播（内部/对外）：市场传播偏好低变异性之截断法以便传达均值并减少绿色洗绿质疑，但须声明所采分配方法以确保可比性；对内专家沟通可视目的选任一种。
- •
组织战略发展：受政策、废钢市价、未来氢冶金技术等多重情境不确定影响，难给单一推荐；短期供应商比选可倾向截断法低变异性助稳定比较，长期动态风险评估可倾向替代法揭示时间变异性。
- •
组织内部学习：跨厂区交流重在互学差异成因（如废钢变异性来源），替代法能凸显此类信息，辅以精细废钢组分数据收集可提升内部学习与追溯管理。
- •
法规/标准制定：政策基准与认证（如EPD须用cut-off、PEF对某些成品用A=0.2）要求稳健均值比较，截断法或低变异性结果更利公平激励分配；若仅关注Climate Change则两方法差异缩小。
【结论部分翻译（浓缩自原文Conclusions）】
本文基于LCA结果不确定性之解读，为钢铁行业废钢回收建模方法选择提供建议，属方法论新贡献。借助CFF对A参数调节，比较替代法（A=0）与截断法（A=1），基于475炉次、8钢族、2生产基地数据显示：替代法因对废钢化学成分（高变异tramp elements）敏感致LCA结果变异性较大；截断法不将废钢 embodied影响计入使用端，故结果变异性较小。若LCA结果用于方案间比较（传播、政策制定、产品开发），宜选截断法以压低不确定性；若用于从变异性中提取工艺信息（工艺优化、部分战略管理与内部学习），宜选替代法。部分应用（组织战略发展、内部学习）过宽且情境依赖强，无法给通用定论；对偶然不确定性之解读本身具主观性与情境性。虽仅两厂受限，但因所有电弧炉钢厂均以废钢为主原料且必含tramp elements波动，研究推荐可合理推广至同类电炉短流程钢厂。本研究彰显在复杂工业系统（如炼钢）LCA回收建模中明确考量时空与钢种变异性及不确定性之重要性，也为无大数据条件之从业者提供方法选择参考方向。
