Modele lca

Andraz

Il peut être assez laborieux pour commencer dans l`ACV. La modélisation vous oblige à faire beaucoup de choix sur les données secondaires, l`exhaustivité du modèle, l`allocation, la fin de vie et de nombreux autres sujets. Construire votre premier modèle peut prendre beaucoup de temps. Pour faciliter la courbe d`apprentissage, nous offrons la possibilité d`acheter et d`importer votre premier modèle, pour vous donner un début rapide en LCA. Il y a deux options disponibles à l`achat: vous êtes probablement familier avec un autre modèle variable latente, analyse factorielle. Dans l`analyse factorielle, le chargement d`une variable manifeste sur un facteur représente la relation entre la variable et le facteur. Étant donné que les facteurs de charge sont des coefficients de régression, un facteur de chargement de zéro ne représente aucune relation entre la variable manifeste et le facteur, alors que les chargements de facteurs plus importants reflètent une relation plus forte. En d`autres termes, tous les autres étant égaux, lorsque les chargements de facteurs sont importants, la variable latente est mesurée mieux. Dans les modèles de classe latente et de transition latente, les paramètres Rho jouent le même rôle conceptuel que les chargements de facteurs; Cependant, ils ne sont pas des coefficients de régression, de sorte qu`ils sont mis à l`échelle différemment et leur interprétation est quelque peu différente. Les paramètres Rho sont des probabilités. Plus les paramètres Rho sont proches de zéro et un, plus les réponses à la variable manifeste sont déterminées par la classe latente ou l`état latent.

Plus les paramètres Rho sont proches de 1/(nombre d`alternatives de réponse)-il s`agit de 0,5 pour les variables binaires-plus la relation entre la variable manifeste et la classe/état latente est faible. En d`autres termes, tous les autres étant égaux, lorsque les paramètres Rho sont proches de zéro et un, la variable latente est mesurée mieux. Une autre considération est la configuration globale des paramètres de Rho. Idéalement, le modèle des paramètres Rho identifie clairement les classes/statuts latents avec des interprétations distinctives. Ceci est similaire au concept de structure simple dans l`analyse factorielle. L`analyse de l`inventaire du cycle de vie (LCI) consiste à créer un inventaire des flux de et vers la nature pour un système de produits. Les flux d`inventaire comprennent les apports d`eau, d`énergie et de matières premières, et les rejets dans l`air, la terre et l`eau. Pour développer l`inventaire, un modèle de flux du système technique est construit à l`aide de données sur les entrées et les sorties.

Le modèle de flux est généralement illustré par un organigramme qui inclut les activités qui vont être évaluées dans la chaîne d`approvisionnement pertinente et donne une image claire des limites du système technique. Les données d`entrée et de sortie nécessaires à la construction du modèle sont collectées pour toutes les activités à l`intérieur de la limite du système, y compris de la chaîne d`approvisionnement (appelées intrants de la technosphère). [citation nécessaire] Non, vous n`avez pas à imposer des contraintes d`égalité.