Sisling.docx

diberikan area dan waktu yang tepat. Dengan demikian, kontribusi relatif terhadap kategori dampak yang berbeda dapat dihitung, karena sistem produk yang diberikan. Kekhawatiran lain membebani, menjadi prosedur kuantitatif formal untuk agregasi di seluruh kategori dampak, menghasilkan satu indeks lingkungan. Indeks lingkungan seperti itu sangat praktis untuk digunakan, terutama dalam ecodesign produk; mereka memungkinkan perbandingan cepat antara materi yang semuanya memiliki karakteristik lingkungan mereka dinyatakan dalam satu nomor tunggal A. Kategori terkait masukan ('penipisan sumber daya') 1. ekstraksi simpanan sumber daya abiotik seperti bahan bakar fosil dan dana bijih mineral seperti air tanah, pasir dan tanah liat 2. ekstraksi sumber daya biotik (dana) global 3. penggunaan lahan peningkatan degradasi persaingan lahan dari pendukung kehidupan berfungsi degradasi keanekaragaman hayati karena penggunaan lahan B. Kategori terkait output ('polusi') 4. perubahan iklim glob 5. stratosfer ozon penipisan glob 6. toksisitas manusia (termasuk radiasi dan debu halus) glob / cont / reg / loc 7. ecotoxicity glob / cont / reg / loc 8. foto-oksidan pembentukan cont / reg / loc 9. acidi fi cation cont / reg / loc 10. Nutrisi (termasuk BOD dan panas) cont / reg / loc Arus tidak ditindaklanjuti ke sistem yang berhubungan dengan masukan batas (energi, material, kayu perkebunan, dll.) Yang berhubungan dengan output (limbah padat, dll.) Fase terakhir LCA, menurut ISO, adalah interpretasi siklus hidup. Selama fase ini, hasilnya terkait dengan tujuan penelitian seperti yang didefinisikan di awal. Ini termasuk kinerja analisis sensitivitas dan penilaian umum. Analisis sensitivitas sangat penting untuk memeriksa keandalan hasil studi LCA berkaitan dengan ketidakpastian data dan pilihan metodologis. Hal ini juga dapat mengarah pada pengumpulan data baru jika tujuan penelitian ini tampaknya tidak tercapai secara memuaskan. Dua bagian berikutnya akan membahas dua aspek yang relevan untuk kegunaan alat analitis seperti LCA. Ini adalah pilihan parameter model, dan cara-cara berbeda untuk menghadapi ketidakpastian

PILIHAN PARAMETER MODEL Pilihan parameter model bukan masalah teknis saja. Pertama, ada pilihan yang mendominasi antara pemodelan dalam hal fisik dan parameter moneter. Ini telah menjadi perdebatan sejak tahun 1970-an. Pemodelan dalam parameter fisik seperti pada LCA atau ERA tetap lebih dekat dengan kenyataan itu tidak membuat asumsi bahwa semua benda berharga dapat diekspresikan dalam istilah pasar. Mengungkapkan kehidupan manusia dalam istilah moneter sering dianggap sebagai penurunan nilai itu. Di sisi lain, penggunaan unit moneter dapat dilihat sebagai langkah akhir dalam agregasi. Jika semua masalah lingkungan dapat dinyatakan dalam satu indeks tunggal, seperti setelah pembobotan dalam LCA, hanya satu langkah lebih jauh untuk menempatkannya dalam istilah moneter, lebih menyederhanakan pengambilan keputusan. Namun tentu saja tidak sesederhana itu. Masalah utamanya adalah bahwa beberapa masalah lingkungan dapat lebih mudah ditaruh dalam istilah pasar daripada yang lain. Kerusakan pada sumber daya buatan manusia dapat dimonetisasi dengan mudah, tetapi kerusakan pada kesehatan manusia melibatkan banyak asumsi, dan kerusakan pada ekosistem hampir tidak dapat tercakup dalam hal ini. cara.

Jika memilih parameter fisik, ada bias yang sebanding terkait dengan jenis-jenis dampak yang umumnya diperhitungkan. Pada prinsipnya, LCA bertujuan untuk mencakup semua jenis dampak yang akan dianalisis. Namun dalam praktiknya, ada fokus pada ekstraksi sumber daya dan emisi. Tampaknya sulit untuk menghubungkan perubahan dalam penggunaan lahan menjadi unit fungsional. Sebagai konsekuensinya, perubahan penggunaan lahan sering diabaikan dalam LCA, meskipun penggunaan lahan mungkin sejauh ini merupakan faktor paling penting yang mempengaruhi keanekaragaman hayati. Pembatasan semacam itu, baik itu berdasarkan metodologi atau tidak, lebih sering ditemui. Maka, banyak studi analitis kebijakan hanya mengambil CO2 sebagai indikator utama beban lingkungan, menghilangkan semua jenis dampak lainnya. Hal ini hanya dapat diterima selama kesimpulannya juga dilihat dalam konteks terbatas ini. Poin ketiga yang terkait dengan pemilihan parameter model menyangkut tingkat jaringan sebab-akibat di mana mereka harus didefinisikan. Ini adalah masalah inti dalam LCA, tetapi mungkin juga memainkan peran dalam alat seperti ERA. Perubahan pada tingkat awal dalam jaringan sebab-akibat lingkungan, seperti perubahan dalam memaksa iklim yang disebabkan oleh gas rumah kaca, atau perubahan dalam pelepasan proton yang disebabkan oleh zat pengoksidasi, dapat dinilai dengan kepastian relatif tinggi. Selain itu, perubahan ini akan relevan untuk kelompok dampak luas, bercabang di sepanjang jalur lingkungan selanjutnya. Di sisi lain, seseorang dapat bertujuan untuk mendefinisikan keluaran pemodelan pada apa yang disebut 'tingkat kerusakan'; yaitu, kerusakan pada kesehatan manusia, ekosistem, tanaman, material buatan manusia atau karya seni (misalnya, Goedkoop et al. 1998; Spadaro dan Rabl 1999). Pengkajian dampak pada tingkat ini umumnya akan mengalami ketidakpastian yang tinggi, dan umumnya hanya akan layak untuk sejumlah kecil dari semua kemungkinan dampak yang terlibat; tetapi hasilnya akan jauh lebih baik dipahami, karena mereka berurusan dengan entitas yang menjadi perhatian langsung kami (Udo de Haes et al. 1999).

BAGAIMANA MENGHADAPI KETIDAKPASTIAN? Penggunaan alat analitis umumnya akan melibatkan banyak ketidakpastian. Ini bisa menjadi ketidakpastian teknis mengenai data, mereka dapat menjadi asumsi metodologis, dan mereka dapat menjadi pilihan nilai atau bahkan perbedaan paradigmatik. Ada sejumlah pilihan untuk menghadapi ketidakpastian tersebut. Di bawah ini kita akan membahas secara singkat yang paling penting. Pengukuran Baru Jawaban yang paling mudah untuk ketidakpastian terdiri dari pengukuran baru. Ini dapat berhubungan dengan percobaan respon dosis baru di laboratorium, ke validasi ekstrapolasi dari laboratorium ke lapangan, atau ke validasi model lapangan seperti model penyebaran multimedia. Ini adalah jalan tinggi pengurangan ketidakpastian. Tetapi ini adalah waktu dan pengeluaran uang dan tidak akan ada pilihan untuk studi kasus praktis yang diberikan.

Pilihan Indikator yang Kuat Kemungkinan berikutnya adalah memilih indikator yang agak kuat. Namun, pilihan yang lebih kuat (lebih pasti) indikator akan datang dengan biaya akurasi. Misalnya, dampak kebijakan klorin dapat dinilai dalam hal indikator kategori dampak, seperti yang digunakan dalam LCA. Ini memiliki kekuatan resolusi yang agak tinggi, tetapi banyak dari mereka yang tidak pasti.

Sebaliknya, kebijakan ini dapat dinilai dalam hal total kilogram klorin yang dipancarkan, seperti yang umumnya dilakukan dalam studi SFA. Metrik tersebut sangat kuat dan karenanya dapat membangkitkan resistensi yang kurang signifikan dalam debat kebijakan (Tukker 1998). Tetapi perbedaan yang sangat penting antara zat yang dipancarkan akan dikaburkan. Bahkan selangkah lebih maju, seseorang dapat meninggalkan kuantifikasi sama sekali dan memilih indikator kualitatif seperti 'terbuat dari bahan daur ulang' atau 'mudah terurai'. Ini dapat semakin mengurangi resistensi publik terhadap hasil, tetapi sekali lagi akan kurang informatif.

Analisis Ketidakpastian, Analisis Sensitivitas dan Analisis Skenario Dengan seperangkat indikator, ketidakpastiannya dapat dinilai dalam bentuk kesalahan standar. Kesalahan ini akan bergantung pada banyak tautan dalam rantai proses yang mendasari indikator di tangan. Selanjutnya, kesalahan akan berkaitan dengan ketidakpastian dalam data, asumsi metodologis atau untuk menilai pilihan terkait tautan yang berbeda ini. Akibatnya, hasil analisis ketidakpastian akan segera menjadi sangat kompleks dan mungkin menumpuk ketidakpastian pada ketidakpastian. Pendekatan yang lebih canggih menyangkut simulasi Monte Carlo. Untuk setiap elemen dalam ketidakpastian indikator, probabilitas dari berbagai kemungkinan nilai dinilai. Kemudian operasi komputasi berikutnya dibuat, di mana elemen ketidakpastian yang berbeda dipastikan secara independen, masing-masing sesuai dengan distribusi probabilitasnya sendiri. Hasil akhir akan menunjukkan rentang hasil yang lebih realistis, yang akan menghindari akumulasi ketidakpastian buatan. Jika tidak ada nilai ketidakpastian yang dapat diberikan, analisis sensitivitas dapat dilakukan mulai dari perubahan yang disengaja dalam kondisi pemodelan. Maka perubahan yang dianggap wajar dapat dilakukan dalam data input, dalam asumsi metodologis atau dalam pilihan nilai yang mendasari langkah-langkah yang berbeda dalam metodologi. Konsekuensi dari perubahan tersebut untuk hasil akhir kemudian dapat dihitung. Prosedur ini digunakan cukup sering, karena menempatkan persyaratan yang agak rendah pada sumber belajar dan masih memberikan wawasan penting dalam kekokohan hasil akhir. Analisis sensitivitas umumnya dilakukan untuk parameter terpisah, mengenai data, metode atau pilihan nilai. Dalam analisis, serangkaian pilihan disatukan menjadi paket-paket yang konsisten. Jadi kita dapat menghitung kasus terburuk, kemungkinan besar atau skenario kasus terbaik. Skenario menganalisa sehingga membantu menyusun hasil analisis sensitivitas untuk membuatnya lebih mudah dipahami untuk tujuan pengambilan keputusan

Pemeriksaan prosedural Opsi di atas untuk menangani ketidakpastian semua hal menyangkut karakteristik teknis. Cukup pendekatan lain dimulai dari sisi lain, yaitu dari prosedur keputusan di mana hasil dari alat analitis akan digunakan. Misalnya, hasilnya dapat ditinjau oleh panel ahli independen, atau bahkan oleh panel pemangku kepentingan. Jika hasilnya melewati prosedur peninjauan seperti itu, ini mungkin berkontribusi lebih besar terhadap kredibilitas hasil daripada prosedur teknis di atas. Karena alasan ini, banyak perhatian saat ini dibayarkan kepada kemungkinan menggabungkan alat analisis seperti LCA dalam prosedur keputusan eksplisit di mana baik ahli

independen dan pemangku kepentingan yang relevan memiliki input yang didefinisikan dengan jelas. Sebuah contoh menyangkut arahan Eropa yang memberikan panduan tentang penerimaan jenis kemasan yang akan digunakan (ketika sebuah perusahaan diizinkan untuk menggunakan bahan yang tidak dapat digunakan kembali); atau petunjuk yang memandu pilihan antara opsi pengelolaan limbah

Perbedaan Paradigma Masalah yang paling mendasar adalah bahwa alat analisis melibatkan asumsi paradigmatik yang tidak dimiliki oleh pemangku kepentingan yang berbeda dalam proses keputusan. Jadi ada kesenjangan besar antara pendekatan risiko, seperti yang digunakan dalam alat seperti LCA dan ERA, berfokus pada emisi yang benar-benar terjadi, dan pendekatan kehati-hatian, dengan fokus pada risiko yang melekat pada suatu proses. Kesenjangan seperti itu tidak dapat dijembatani dengan meningkatkan model atau data yang digunakan, atau dengan partisipasi publik yang lebih baik dalam proses keputusan. Perbedaan-perbedaan ini dapat menyebabkan frustrasi yang parah terkait dengan penerapan alat analisis kuantitatif seperti LCA atau ERA. Contohnya adalah debat publik bersejarah tentang penerimaan instalasi tenaga nuklir, perdebatan tentang risiko lingkungan dari industri klorin dan bahan-bahan seperti PVC (Tukker 1998), dan baru-baru ini pada penggunaan organisme hasil rekayasa genetika (GMO). Secara umum, orang harus kembali ke pertanyaan tepat yang ditanyakan dan bagaimana risiko didekati. Penggunaan alat analisis kuantitatif mengandaikan persetujuan tentang hal-hal ini.

KESIMPULAN Life cycle assessment (LCA) menyangkut salah satu pendekatan utama di bidang ekologi industri. Ini melibatkan analisis sistem produk, yaitu, dari total proses yang terlibat dalam penyediaan fungsi tertentu. Ini melengkapi alat-alat lain, seperti penilaian risiko lingkungan, dengan fokus pada dampak lingkungan dari aktivitas tunggal atau substansi tunggal, atau analisis aliran substansi, yang berfokus pada metabolisme zat dalam ekonomi maupun di lingkungan. dan UNEP, mengambil posisi terdepan dalam peningkatan penggunaan globalnya. LCA tampaknya semakin banyak digunakan LCA adalah alat, formal kuantitatif di bidang LCA. Organisasi yang berkontribusi adalah SETAC, bertanggung jawab untuk pengembangan ilmiahnya, ISO, bertanggung jawab untuk standardisasi internasional, oleh industri, dari keputusan operasional, seperti pembelian bahan, hingga keputusan strategis. Seperti alat analitis formal lainnya, LCA memiliki sejumlah batasan yang jelas. Beberapa di antaranya dapat diatasi dengan langkah-langkah teknis, sebagian dengan langkah prosedural. Tetapi beberapa keterbatasan berhubungan dengan perbedaan paradigmatik mengenai cara seseorang ingin mengatasi risiko. Prosedur keputusan yang melibatkan pemangku kepentingan dengan pendekatan risiko versus pemangku kepentingan dengan pendekata n kehati-hatian tidak dapat dengan mudah didukung oleh LCA atau alat penilaian lingkungan formal dan kuantitatif lainnya.