《Cleaner Waste Systems》：Digital twin-driven life cycle assessment of an olive oil mill: A data-based approach for sustainable process optimization
编辑推荐：
橄榄油行业面临着越来越多的压力，既要通过采用数字技术提高环境绩效，又要同时提高工业效率。尽管生命周期评估（LCA）被广泛用于量化橄榄油生产中的环境影响，但传统研究通常依赖于静态清单，并且缺乏在实际实施之前评估替代运营策略的能力。本研究提出了一个数字孪生（Dig
橄榄油行业面临着越来越多的压力，既要通过采用数字技术提高环境绩效，又要同时提高工业效率。尽管生命周期评估（LCA）被广泛用于量化橄榄油生产中的环境影响，但传统研究通常依赖于静态清单，并且缺乏在实际实施之前评估替代运营策略的能力。本研究提出了一个数字孪生（Digital Twin）驱动的工业橄榄油厂生命周期评估，将高度参数化的虚拟模型集成在信息物理系统（CPS）中，以支持基于情景的环境评估。研究人员进行了混合门到门（gate-to-gate）生命周期评估，以1千克橄榄油为功能单位。主要清单数据由数字孪生产生，该数字孪生能够在不干扰实际生产过程的情况下模拟多种运营配置。综合评估显示，全球变暖潜势（GWP）为1.30 kg CO?2-eq/kg橄榄油，其中仅0.05 kg CO?2-eq/kg可归因于工业运营，总能源需求为0.055 kWh/L。数字孪生建立了一个经过验证的基线和精细分辨率监测框架，为未来不同运营情景的一致比较奠定了基础。数字孪生技术与生命周期评估的集成将环境评估从静态评估工具转变为预测性和规定性的决策支持框架。该方法通过支持虚拟实验、最小化实施风险并加强环境决策，为农业工业系统内支持可持续性导向的决策提供了框架。
**研究背景与问题**
橄榄油行业面临日益增长的压力，需在采用数字技术提高工业效率的同时提升环境绩效。生命周期评估（LCA）虽广泛用于量化橄榄油生产的环境影响，但传统研究依赖静态清单，无法在实际实施前评估替代运营策略。数字孪生（DT）技术虽在运营优化中取得进展，但将其与可持续性方法（如LCA）集成在农业工业系统中仍鲜有探索。本研究旨在开发并应用DT支持的LCA框架，通过高分辨率数据生成和情景模拟，将LCA从静态评估转变为预测性决策支持工具，支持可持续工艺优化。论文发表在《Cleaner Waste Systems》。
**研究人员开展的研究及其结论**
研究人员基于前期建立并验证的工业橄榄油厂数字孪生（Martinez-Ruedas et al., 2024），将其作为高分辨率数据生成平台，集成到LCA框架中。采用混合门到门（gate-to-gate）系统边界，以1 kg橄榄油为功能单位，结合Agribalyse数据库中的农业背景数据（olive at farm），评估了15个中点环境影响类别（基于EF 3.0方法）。通过1000次蒙特卡洛模拟进行不确定性分析。结果表明：全球变暖潜势（GWP）为1.30 kg CO?
2-eq/kg橄榄油，其中工业阶段仅贡献0.05 kg CO?
2-eq/kg，总能源需求为0.055 kWh/L。农业阶段（olive at farm）对大多数类别贡献超过90%。DT提供了经过验证的基线和精细分辨率监测框架，支持未来情景比较。该集成将环境评估从静态工具转变为预测性和规定性的决策支持框架，通过虚拟实验降低实施风险，强化环境决策。
**关键技术方法**
研究人员采用以下关键技术方法：1）数字孪生（DT）架构：基于信息物理系统（CPS），通过OPC-UA协议实现实时双向通信，集成3D SCADA平台，构建模块化虚拟模型模拟橄榄油厂各工艺阶段（接收、清洗、研磨、离心、去核等）。2）生命周期评估（LCA）方法：遵循ISO 14044和欧盟产品环境足迹（PEF）指南，使用OpenLCA 2.4.0软件，采用EF 3.0影响评估方法，背景数据来自Agribalyse（olive at farm）和ecoinvent v3.0。3）不确定性分析：进行1000次蒙特卡洛模拟，检验模型稳健性，计算置信区间和变异系数（CV）。数据来源包括：公司DT系统实时监控数据、工厂记录以及同行评审文献（如Fernández Rivera, 2020；Tello Castillo, 2022），背景数据来自公开数据库，未涉及特定样本队列。
**研究结果**
**3.1 DT验证与运营性能** 通过前期实验验证的数字孪生（DT）作为核心平台，生成高分辨率前景清单数据。DT的信息物理系统（CPS）持续表征橄榄油厂行为，量化不同运营条件下的电力消耗、用水量、设备运行时间和副产品生成量，实现快速可重复的情景分析，提高了LCA前景数据的时效性和技术代表性。
**3.2 影响类别结果** 基于EF 3.0方法，15个中点类别的结果（表3）显示：全球变暖潜势（GWP）为1.30E+00 kg CO?
2 eq/kg橄榄油。农业阶段（olive at farm）是几乎所有类别的主导贡献者（超过90%），尤其在土地使用（LO）、GWP和非可再生能源（NRE）中。工业阶段中，电力是主要贡献者，尤其在GWP、NRE和电离辐射（IR）中。洗涤剂影响水生生态毒性（EQ）和陆生生态毒性（ET）。热调节（锅炉）在臭氧层消耗（ODP）等类别中显著。去除农业数据后，电力和热调节成为主要贡献者。
**3.3 不确定性分析** 1000次蒙特卡洛模拟显示，多数关键类别变异系数（CV）低于10%（如GWP为7.14%，NRE为6.05%），确认模型高度稳健。水生生态毒性（CV=23.45%）和陆生生态毒性（CV=31.69%）变异较高，但属LCA文献中可接受范围。窄90%置信区间证实数据可靠性。
**3.4 比较分析与外部验证** 确定性平均结果（GWP 1.302 kg CO?
2 eq）与地中海橄榄油厂独立LCA研究（1.1-1.5 kg CO?
2 eq）高度吻合，验证了DT基线的代表性。工业阶段GWP（0.05 kg CO?
2 eq/kg）比文献（EPD BORGES, 2016）低54%，能源消耗（0.055 kWh/L）低于Avraamides和Fatta（2008）的0.10 kWh/L及Salomone和Ioppolo（2012）的0.23 kWh/L。
**3.5 局限性与实际考虑** 框架基于西班牙安达卢西亚的特定案例，但模块化DT架构可适应不同区域数据集。可扩展性体现在方法论和计算层面，且DT集成于工业SCADA平台，维护成本低。当前未包含成本效益分析或生命周期成本（LCC），未来需整合。结果应视为预测性诊断框架，而非物理因果的直接证据，需实际工业验证。
**讨论总结**
与近期橄榄油LCA研究相比，本研究提供了更高时间分辨率和运营明确性的环境表征。门到门系统边界与约60%的近期研究一致。通过验证的DT，捕获了静态清单中缺失的实时过程变异性，支持情景模拟识别低影响配置。DT的集成超越了当前以数据采集为主的数字化努力，转向预测性和规定性优化。GWP结果（1.30 kg CO?
2 eq/kg）优于Saiz Vinet（2014）的2.24 kg CO?
2 eq/kg，工业阶段GWP（0.05 kg CO?
2 eq/kg）低于EPD BORGES（2016）的0.11 kg CO?
2 eq/L。臭氧层消耗值（1.29E-07 kg CFC-11 eq）与文献可比。整体工业基线表现高效，归因于DT与CPS的集成。能源消耗（0.055 kWh/L）低于多项文献值。
**结论部分翻译**
本研究证明，高度参数化的数字孪生（DT）的实施能够对橄榄油研磨过程进行全面、准确且运营明确的环境评估。DT使得研究人员能够客观识别关键点（能源消耗、运行时间、生产损失），并确认其作为可靠诊断工具的价值，支持未来持续改进和工艺优化。生命周期评估（LCA）在DT支持的信息物理系统（CPS）环境中的集成，使得研究人员能够在不妨碍实际生产的情况下完成工业过程的完整环境诊断。DT复制了真实运行条件，允许详细分析过程行为、检测运营失衡，并通过安全、非侵入的模拟设计改进措施。受影响最严重的影响类别是水生生态毒性，主要由洗涤剂使用驱动，以及陆生生态毒性，与农业投入和副产品管理相关。橄榄油生产还对生态毒性类别有显著贡献，源于研磨过程中产生的废水和残渣。能源相关指标（电离辐射和非可再生能源）揭示了研究人员对电力和化石燃料的强烈依赖。电离辐射（IR）影响与研磨操作中消耗电力的来源相关，而非可再生能源（NRE）反映了农业机械、运输和加工中化石燃料的使用。此外，土地使用（LO）影响源于橄榄种植的农业特性，电力和热控制系统仍是全球变暖（GWP）的主要贡献者。结果清晰突出了“olive at farm”投入的主导作用，在大多数影响类别中贡献超过90%（除电离辐射外）。这强调了橄榄到达油厂之前产生的环境负担的重要性，包括农业投入、收获作业、运输和中间过程。LCA还使研究人员能够识别制造过程中能源和水资源利用的低效，支持节能技术和水回用策略的建议。所提出的DT支持的LCA框架的可靠性通过1000次蒙特卡洛模拟进行了统计验证。关键类别（如GWP，CV=7.14%；NRE，CV=6.05%）的变异系数低于10%，展示了紧密的置信区间，并确认运营数据为农业工业优化提供了稳健且具代表性的基线。为促进工厂管理人员对该技术的实际采用，研究人员提出了一个清晰的三阶段实施路线图：（1）数据协调：设置逐段分计量并映射季节性批次接收；（2）信息物理映射：在OpenLCA环境中构建模块化过程基础设施，链接ecoinvent；（3）规定性模拟：执行活动级蒙特卡洛分析，作为风险量化的决策支持系统，用于生态效率调整。总之，对循环性和可持续性的日益关注强化了研究人员对LCA等整体方法论的需求，以支持数据驱动的减少环境影响的决策。数字工具，包括物联网（IoT）监控和数字孪生（DT），进一步增强了实时数据收集、工艺优化和战略决策。本研究提出的DT支持的LCA框架为未来基于情景的优化奠定了坚实基础，并代表了向预测性、规定性和可持续优化的农业工业系统迈出的重要一步。
