Appa LCA：一种促进生命周期评价在设计流程中集成的框架

《Cleaner Environmental Systems》：Appa LCA: A framework to ease the integration of Life Cycle Assessment in design flow

　　

生态设计要求系统设计师在整个设计过程中考虑环境因素，旨在减少系统全生命周期内的不利环境影响。目前已经提出了许多基于定量环境影响评估的生态设计工具。这些工具往往要么是通用的，提供了多功能性但需要专业知识且难以与设计软件对接；要么是专用的，为设计师提供了易用性但缺乏灵活性。研究人员提出了Appa LCA（自动化、可移植和参数化生命周期评价，Automatable, Portable and Parametric Life Cycle Assessment），这是一个由两个独立工具组成的框架，通过引入影响模型的概念，结合了上述两类工具的优势。影响模型是独立的参数化和模块化生命周期评价模板。这些影响模型由第一个生命周期评价工具生成，并由第二个轻量级且易于对接的工具集成到设计环境中，从而在生命周期评价专家端和系统工程师端都赋予了灵活性。研究人员将构成Appa LCA框架的两个工具作为开源Python包实现，并附带了详尽的文档。研究人员通过数字系统领域的两个案例研究验证了Appa LCA的工作流程，证明了与使用专用工具或通用生命周期评价软件相比，使用Appa LCA进行生态设计的优势。

人类活动对环境的影响不可否认，已超出九大地球边界中的六个。气候变化是其中之一，需要全球温室气体（GHG）净零排放，其中工业部门贡献显著。因此，在产品设计中考虑环境因素，即生态设计，成为降低负面环境影响的关键。生命周期评价（LCA）是一种标准化的多准则定量评估方法，能避免影响在不同类别间转移。然而，完整的LCA方法冗长、昂贵且需专业知识，尤其在设计早期数据不确定时更为困难。现有的生态设计工具通常分为两类：一是通用LCA软件，功能全面但难以与设计软件对接，且应用程序编程接口（API）不够灵活；二是专用工具，易于设计师使用但缺乏灵活性，难以扩展分析范围，环境模型粗糙且难以更新，导致工具泛滥。

针对上述生态设计工具在通用性与专用性之间的困境，研究人员开展了相关研究，提出了Appa LCA框架。该研究结合了通用LCA软件与专用工具的优点，通过引入独立、参数化和模块化的“影响模型”概念，解耦了LCA专家环境与系统设计师环境。研究得出结论，Appa LCA框架能够有效满足高效生态设计工具的要求，并在数字系统领域的两个案例研究中验证了其优势。该研究为生态设计中LCA的灵活高效集成提供了新方案，具有重要的学术和实践价值，论文发表在《Cleaner Environmental Systems》。

研究人员提出了由影响模型、Appa Build和Appa Run三个组件构成的框架。影响模型形式化为YAML文件，包含LCA背景信息、模型参数及计算环境影响的符号表达式，通过在影响层面进行预计算实现独立运行。Appa Build基于Brightway和lca_algebraic构建，用于生成参数化影响模型，支持直接在影响层面导入数据以解决数据库互操作性问题。Appa Run是一个轻量级工具，使用SciPy和NumPy进行快速计算，支持并行计算和蒙特卡洛模拟等不确定性分析，并通过全面的API与设计工具对接。研究通过智能手机系统级芯片和网络架构优化两个案例验证了该框架。

第一个案例研究：SoC生态设计
研究人员基于Appa LCA工作流程，扩展了包含电池在内的评价范围，并使用产品环境足迹（PEF）生命周期影响评价方法对13款手机系统级芯片进行评估。通过独立的图形用户界面（GUI），设计师可设置制造和使用地点等场景参数，Appa Run通过蒙特卡洛模拟计算环境影响。结果表明，最优SoC取决于所选择的环境指标，确认了不能仅关注全球变暖潜势（GWP）的重要性；同时，所需电池数量的差异也证实了将LCA范围扩展到SoC之外的必要性。与原有的专用ACT工具相比，Appa LCA证明了其在扩展评价范围和多准则评估方面的灵活性，验证了覆盖全生命周期和多准则的R1要求及解决不确定性的R2要求。

第二个案例研究：网络架构优化
研究旨在识别无蜂窝大规模多输入多输出（CF-mMIMO）网络在支持预测流量的前提下环境影响最优的架构。研究人员将影响模型与射频（RF）模拟器通过Python脚本对接，对20,880种网络架构配置进行环境影响评估。结果显示，架构设计对环境影响至关重要，不同配置间影响差异达26倍，共识别出195种最优架构。此外，通过Sobol指数分析，研究人员成功识别出对特定环境影响指标敏感的生命周期盘点（LCI）参数。该案例验证了Appa LCA在设计早期阶段动态集成影响评估的能力，满足基于数据库和模型且适配设计师的R3要求及覆盖整个产品开发早期阶段的R4要求。同时，其计算高效性及环境解耦特性验证了资源消耗少的R5要求。

在讨论部分，研究人员指出Appa LCA框架符合高效生态设计工具的要求，且其将工具分解为通过影响模型连接的两个独立组件的差异化设计，最大化了在环境评估端和产品设计端的建模、工具化和集成灵活性。该框架可扩展至社会LCA（S-LCA）和生命周期成本（LCC）等其他评价方法，并有望用于动态LCA和数字产品护照（DPP）。其开源特性降低了中小企业使用门槛并避免了专有软件的治理风险。然而，该框架也存在局限性，如影响模型在影响层面操作会丢失部分原始流量信息，且初始实施需要LCA和软件开发双重专业知识。

在结论部分，研究人员指出，生态设计的高效实施依赖于将LCA紧密集成到设计环境中。现有的生态设计工具要么是通用的但集成效率低，要么是专用的但受限于单一环境方法和设计环境。研究人员提出的Appa LCA框架利用了LCA的通用和整体特性，同时具备专用工具的便利性和对各种设计环境的适应性。该框架的开源Python实现及两个案例研究验证了其在满足生态设计工具要求方面的优势。Appa LCA有望通过使LCA在设计流程中的集成更加灵活和高效，促进新生态设计策略的实施，其社区采用将提高环境评估模型和设计工具集成的可用性。