Machine Translated by Google

Computadores e Engenharia Química 180 (2024) 108504

Listas de conteúdos disponíveis em ScienceDirect

Computadores e Engenharia Química

página inicial da revista: www.elsevier.com/locate/compchemeng

Uma visão de engenharia de sistemas de processo da avaliação de impacto

ambiental na produção de energia renovável e sustentável: Status e perspectivas

Carina L. Gargalo a, Haoshui Yu b , Nikolaus Vollmer a, Ahmad Arabkoohsar c , Krist V. Gernaey a,

Gürkan Sin a,*
a
Centro de Engenharia de Processos e Sistemas (PROSYS), Departamento de Engenharia Química e Bioquímica, Universidade Técnica da Dinamarca, Edifício 228A, Kgs.
Lyngby 2800, Dinamarca b

Departamento de Química e Biociências, Universidade de Aalborg, Niels Bohrs Vej 8A, Esbjerg 6700, Dinamarca
c
Departamento de Engenharia Civil e Mecânica, Universidade Técnica da Dinamarca, Lyngby, Dinamarca

INFORMAÇÕES DO ARTIGO ABSTRATO

Palavras-chave: Com a crescente preocupação com as alterações climáticas, a produção de energia renovável e sustentável tem atraído uma atenção
Sistemas de energia renováveis e sustentáveis considerável da comunidade científica, dos profissionais industriais e dos decisores políticos.
Avaliação de impacto ambiental
Existem muitas alternativas tecnológicas para cada subcategoria de sistemas energéticos sustentáveis complexos. A avaliação do ciclo de
Engenharia de sistemas de processo
vida (ACV) pode ser uma ferramenta eficaz para comparar os impactos ambientais de cada via e identificar as alternativas mais promissoras
Avaliação do ciclo de vida
do ponto de vista do impacto ambiental. Esta contribuição analisa primeiro os métodos e ferramentas de avaliação ambiental desenvolvidos
Sustentabilidade
ao longo dos anos. Em segundo lugar, é realizada uma revisão abrangente da contribuição da comunidade PSE para a análise do impacto
ambiental dos sistemas de energias renováveis. Observa-se que embora a ACV seja o método preferido, estes estudos diferiram amplamente
no que diz respeito à escolha do método de avaliação de impacto utilizado, ao nível de detalhes partilhados relativamente aos cálculos
subjacentes da ACV e à realização ou não de análises de sensibilidade e incerteza, entre outras. muitos outros. Isto torna a comparação
dos resultados de diferentes estudos difícil e muitas vezes impossível. É claro que a comunidade PSE, com a sua ênfase no pensamento
sistémico e nas abordagens holísticas, desempenha um papel crítico na concepção, integração e operação de sistemas energéticos
sustentáveis complexos. No entanto, os cálculos completos necessários para garantir uma análise de ACV robusta e transparente exigem
uma metodologia partilhada e uma descrição detalhada das regras. Esses métodos explícitos, sistemáticos e transparentes estabelecerão
o padrão para um requisito mínimo para cálculos completos de ACV, garantindo comparações justas e discussões de diferentes soluções
técnicas desenvolvidas na comunidade mais ampla de PSE para energias renováveis sustentáveis.

1. Introdução
A dependência direta e indireta das atividades industriais de produtos químicos,
serviços e energia a granel e especiais tem impacto no meio ambiente.
Portanto, existe uma visão partilhada da necessidade de uma produção e consumo
sustentáveis em todas as escalas. Entre os desafios sociais, a resolução das alterações
climáticas é um dos desafios mais críticos do século XXI.
O fornecimento de energia é o principal setor responsável pelas emissões de gases de
efeito estufa (Azhar Khan et al., 2014). O apoio político e público para enfrentar as
alterações climáticas continuará a impulsionar o fornecimento de energia numa direção
mais sustentável.
Os avanços nas tecnologias de energias renováveis nas últimas décadas aumentaram
o ímpeto para a adopção destas novas tecnologias.
conceitos. O ponto comum das fontes de energia renováveis é que elas podem renovar-
se naturalmente a um ritmo que nos permite satisfazer as nossas próprias necessidades
energéticas (Pinto et al., 2019).
As energias renováveis incluem hidro, biomassa, geotérmica, eólica, solar, das
marés, etc. (Qazi et al., 2019). Por outro lado, energia sustentável é um conceito mais
amplo que está relacionado à sustentabilidade. A definição mais conhecida e aceita de
sustentabilidade é “o desenvolvimento que atende às necessidades do presente sem
comprometer a capacidade das gerações futuras de atender às suas próprias
necessidades” (Mahdi, 1987). A energia sustentável provém de fontes que podem
satisfazer as nossas necessidades energéticas atuais sem comprometer as necessidades
energéticas das gerações futuras ou o clima (Mahdi, 1987). Este conceito envolve também
a recolha e distribuição durante o processo de produção de energia, onde a energia deve
ser

* Autor correspondente.
Endereço de e-mail: gsi@kt.dtu.dk (G. Pecado).

https://doi.org/10.1016/j.compchemeng.2023.108504 Recebido em
30 de janeiro de 2022; Recebido de forma revisada em 30 de outubro de 2023; Aceito em 10 de novembro de 2023. Disponível
online em 11 de novembro de 2023.
0098-1354/© 2023 Os Autores. Publicado pela Elsevier Ltd. Este é um artigo de acesso aberto sob a licença CC BY (http://creativecommons.org/licenses/by/4.0/).
Machine Translated by Google
CL Gargalo et al.
obtidos e distribuídos de forma competente para serem sustentáveis.
Os conceitos “energia renovável” e “energia sustentável” são geralmente usados de
forma intercambiável entre profissionais e especialistas do setor (Wigley, 2021). No
entanto, é necessário distinguir entre energia renovável e sustentável em algumas
circunstâncias. Existem características sobrepostas entre ambos os conceitos, onde
muitas fontes de energia renováveis também são sustentáveis. No entanto, esses dois
termos não representam exatamente a mesma coisa. Melhorar a sustentabilidade dos
combustíveis fósseis e das energias renováveis tem o potencial de trazer benefícios
ambientais significativos (Wigley, 2021).
Neste trabalho, o termo sistemas sustentáveis de energia renovável é usado para
enfatizar a energia renovável que também é considerada sustentável. Os tipos mais
promissores e populares de energia renovável, como solar, eólica e hidrelétrica, são
geralmente considerados sustentáveis. Existem muitas tecnologias e caminhos para a
utilização de recursos renováveis. Aumentar a contribuição das energias renováveis
para a rede eléctrica é muitas vezes visto como uma forma eficiente de reduzir os
encargos ambientais do fornecimento de energia. No entanto, as fontes de energia
renováveis diferem nos seus impactos ambientais globais numa perspectiva de ciclo de
vida.
Embora as fontes de energia renováveis sejam o futuro do fornecimento de energia,
ainda há necessidade de investigar os impactos ambientais de cada fonte de energia
renovável e tomar a decisão ideal do portfólio no mix energético, considerando os
impactos ambientais.
É importante destacar que embora estas tecnologias sejam consideradas sustentáveis
pelos seus proponentes, só fornecendo uma avaliação rigorosa e benchmarking dos
seus impactos ambientais é que a sustentabilidade das tecnologias pode ser avaliada.
Entre outros desafios, a carga ambiental muda frequentemente entre escalas, disciplinas
e processos na cadeia de valor (Bakshi, 2019).
A concepção e otimização de tais sistemas energéticos sustentáveis são tarefas
complexas, pois são, na verdade, o resultado de um processo de tomada de decisão
multicritério e multiobjetivo. É vital considerar diferentes critérios de forma clara e
transparente antes de reivindicar a sustentabilidade global, respeitando o conceito Triple
Bottom Line (TBL). TBL é uma estrutura de negócios que incentiva as empresas a
priorizar as pessoas, o planeta e o lucro, reconhecendo a interdependência destes três
elementos para o sucesso sustentável a longo prazo.
A pegada ambiental está sendo cada vez mais integrada no processo de tomada de
decisão para novos processos e desenvolvimento de tecnologia. Muitas metodologias
foram desenvolvidas e implementadas ao longo dos anos para quantificar o impacto
ambiental e, consequentemente, a sustentabilidade ambiental, e a Avaliação do Ciclo
de Vida é a metodologia que é de longe a mais frequentemente aplicada e acordada
(Bakshi, 2019; Cuÿ ÿcek et al., 2015).
As ferramentas PSE são adequadas para fornecer uma forma sistemática de avaliar
toda a cadeia de valor e conceber soluções que, entre outras coisas, se esforcem por
minimizar o impacto ambiental e a transferência de encargos. Vários métodos e técnicas
de PSE foram desenvolvidos para apoiar a tomada de decisões e, assim, alcançar
projetos de engenharia tecnicamente viáveis e sustentáveis, bem como soluções ideais
para a cadeia de abastecimento a partir de um número potencialmente grande de
alternativas (Yang et al., 2017). No entanto, a integração sistemática e transparente da
ACV no PSE para a concepção e otimização de tais sistemas ainda não é ideal.
Portanto, o objetivo deste trabalho é quádruplo: (i) fornecer um resumo dos atuais
sistemas sustentáveis de energia renovável; (ii) dar uma visão geral das metodologias
de avaliação de impacto ambiental desenvolvidas ao longo dos anos; (iii) oferecer uma
revisão abrangente da integração da avaliação de impacto ambiental em estudos de PSE
para o projeto e otimização de sistemas energéticos complexos; e, finalmente, (iv) discutir
e apresentar a nossa opinião e perspectivas, com base em pesquisas sólidas, sobre as
abordagens e desafios atuais na integração da avaliação de impacto ambiental
enfrentados pela comunidade PSE hoje.
O restante deste manuscrito está estruturado da seguinte forma. Na Seção 2, os
princípios e metodologias para avaliações ambientais são brevemente introduzidos. O
papel do PSE neste campo é destacado, e os estudos influentes da comunidade PSE
são comparados e discutidos
2
Computadores e Engenharia Química 180 (2024) 108504
na Seção 3. A Seção 4 discute práticas, desafios e perspectivas atuais na avaliação de
impacto ambiental e PSE. Finalmente, as conclusões e algumas mensagens para levar
para casa são apresentadas na Secção 5.
2. Princípios e metodologias de avaliação ambiental
Tal como mencionado acima, as atividades industriais levaram ao aumento das
alterações climáticas, entre outros impactos ambientais significativos. A consequente
consciência ambiental desencadeou o desenvolvimento de metodologias de avaliação
ambiental para avaliar e agir proativamente para reduzir a carga ambiental da produção
(Jacquemin et al., 2012). Vários métodos, ferramentas e estruturas foram desenvolvidos
e desenvolvidos ao longo dos anos para quantificar o impacto ambiental (Cuÿ ÿcek et al.,
2015; Jeswani et al., 2010). É digno de nota que o pensamento sistêmico de
sustentabilidade começou não apenas a ser um exercício acadêmico, mas também
alcançou indústrias e serviços (McAloone e Hauschild, 2020).
Um dos primeiros exemplos de procedimentos de avaliação ambiental mencionados
na literatura é o desenvolvimento de princípios e diretrizes, como os 12 princípios da
Química Verde (Anastas e Warner, 2000), para orientar projetos mais ecológicos.
Isto foi rapidamente seguido por (Anastas e Zimmerman, 2003) , que propôs os 12
princípios da engenharia verde. Ambas as estratégias fazem parte dos primeiros esforços
para a transição do controlo do impacto ambiental reativo para o preventivo na fonte.
Mais tarde, Telenko et al. (2008) forneceram uma metodologia composta por 6 princípios
e 67 diretrizes após revisar minuciosamente as listas de verificação, princípios e diretrizes
publicados. Recentemente, Zimmerman et al. (2020) atualizaram os princípios da
química verde para incluir a utilização de recursos e a rentabilidade, entre outros. Além
disso, estas adições também destacam o grande potencial de impulsionar a produção
com desperdício zero, maximizando a função e minimizando o uso de materiais. Na
verdade, o fator E (fator E inferior = menos desperdício) é uma das métricas verdes mais
conhecidas e aceitas, usadas para comparar diferentes designs para a produção do
mesmo produto (Chang et al., 2021; Sheldon, 2017).
O Eco-indicador 99, desenvolvido primeiro pelo (Ministério da Habitação,
Ordenamento do Território e Ambiente, 2000), foi uma das primeiras tentativas de incluir
a sustentabilidade como uma análise post-hoc. No entanto, tal como indicado na
publicação original, este indicador tem vários inconvenientes, tais como o facto de não
existir um “objectivo claro para definir níveis-alvo sustentáveis” (Ministério da Habitação,
Ordenamento do Território e Ambiente, 2000).
A Avaliação de Risco Ambiental (ARA) é uma ferramenta de design para modernizar/
melhorar os processos atuais. Avalia o risco ambiental devido a uma atividade e/ou
exposição específica e depois gera um plano para minimizar os efeitos nocivos (Burgess
e Brennan, 2001; Olsen et al., 2001). Além disso, a Avaliação de Impacto Ambiental
(AIA) visa prever e analisar os resultados ambientais das atividades humanas antes
mesmo de começarem (Morgan, 1999); fornece informação qualitativa e quantitativa
baseada em listas de verificação relativas a preocupações ambientais e socioeconómicas
(Burgess e Brennan, 2001). Embora permita reduzir o impacto ambiental e identificar
benefícios potenciais, é altamente específico do projeto.
Outro método que ganhou destaque para avaliar a eficiência energética de processos
químicos e incorpora uma análise mais aprofundada é o método de análise de exergia
cumulativa (Bosch ¨ et al., 2007). A exergia permite quantificar o impacto potencial de um
material ou fluxo de energia no meio ambiente. Rosen e Dincer (1999) mostraram que à
medida que a eficiência exergética do processo aumenta, o impacto ambiental diminui e,
potencialmente, a sustentabilidade aumenta. Isto motivou o desenvolvimento adicional
de métodos baseados em exergia, como o método de análise de demanda cumulativa
de exergia/pegada de energia exergética (CExD) (Rosen e Dincer, 1999) e o método de
pegada de exergia hídrica (Caudill et al., 2010; Cuÿ ÿcek et al., 2015).
A ecoeficiência é outra abordagem que ganhou alguma força. É uma estratégia de
gestão que implica fazer mais com menos recursos e focar na criação de menos resíduos
e poluição (Bengtsson, 2004).
Machine Translated by Google
CL Gargalo et al.
Embora ainda não tenha sido alcançada uma definição comum, uma descrição padrão é
que a ecoeficiência é um indicador de sustentabilidade que integra desempenhos
económicos e ambientais.
O Algoritmo de Redução de Resíduos (WAR), formalmente introduzido em 1999 por
Young e Cabezas (1999) e Cabezas et al. (1999), é uma das metodologias gate-to-gate
baseadas em modelos mais geralmente reconhecidas que revela o desempenho ambiental
de um processo de produção na fase inicial do projeto. O impacto ambiental potencial
(PEI) é aplicado para estimar o impacto ambiental médio de oito categorias de impacto
(Young et al., 2000). A WAR tem sido a base quantitativa de muitos outros métodos de
avaliação ambiental desenvolvidos ao longo dos anos, como o recentemente apresentado
no estudo de Heidrich et al. (2019).
Existem também outras metodologias gate-to-gate baseadas em modelos, como o
método Green Degree (GD) e GREENSCOPE, proposto por Zhang et al. (2008) e Ruiz-
Mercado et al. (2014), respectivamente. A GD leva à estimativa de um indicador agregado
para quantificar o desempenho ambiental de um sistema, seja ele um produto, mistura ou
unidade.
Este indicador é calculado com base em 9 categorias de impacto estabelecidas e na
utilização de ferramentas de simulação. O GREENSCOPE foi proposto para avaliar a
sustentabilidade de uma reação ou processo, avaliando métricas relevantes entre os 140
indicadores incorporados e seguindo uma estratégia hierárquica para apoiar a tomada de
decisão (Smith et al., 2015).
Tem havido interesse e discussão significativos sobre as vantagens e desvantagens
da utilização de índices compostos (indicadores agregados) que combinam vários
métodos de avaliação. Os benefícios podem estar relacionados com o
simplificação potencial da interpretação dos resultados. No entanto, é bastante difícil tirar
conclusões detalhadas devido a objectivos contraditórios no progresso da tomada de
decisões (Kalbar et al., 2017; Kumar et al., 2017). Eles combinam e/ou fundem diferentes
métodos para diminuir a complexidade da interpretação, levando a uma interpretação
mais desafiadora dos resultados (Laso et al., 2022).
Embora a escolha dos gases com efeito de estufa como métrica única seja uma
abordagem generalizada (ver discussão na Secção 4), isto leva à perda e/ou informação
enganosa e à potencial transferência de encargos para outros recursos ou fluxos de
emissões (Bakshi, 2019; Cuÿ ÿcek et al., 2015; Finnveden et al., 2009). Assim, quando
são envidados esforços na transição para sistemas mais sustentáveis, é fundamental
considerar todo o ciclo de vida dos sistemas em estudo, incluindo todas as partes móveis
do sistema, como processos, atividades e cadeias de abastecimento, a fim de minimizar
o problema. mencionado acima (Cuÿ ÿcek et al., 2015). A ACV é o próximo passo natural
(Cuÿ ÿcek et al., 2015; Pozo et al., 2012). Introduzida pela primeira vez no final da década
de 1960 e início da década de 1970, a ACV tornou-se uma metodologia sistemática
geralmente aceite que visa quantificar minuciosamente os encargos ambientais
relacionados com os sistemas ao longo do seu ciclo de vida em termos de emissões,
impactos na saúde e consumo de recursos (Cuÿ ÿcek et al. , 2015; Guill´en-Gosalbez et
'
al., 2019). Guin´ee et al. (2011) apresentam um histórico abrangente da introdução da
ACV e sua evolução. Sua estrutura e elementos metodológicos estão descritos
detalhadamente nas normas ISO 14.040 [37] e ISO 14.044 (ISO 14044, 2006).
Na ACV, diferentes abordagens podem ser utilizadas para estimar o potencial impacto
ambiental de um produto ou sistema durante o seu ciclo de vida; as três estratégias
comuns são do berço ao portão, do berço ao túmulo e do berço ao berço. É digno de
nota que a ISO 14.040 e a ISO 14.044 são normas-chave, diretrizes que fornecem suporte
quanto ao arsenal de escolha de metodologias apropriadas e recomendam abrangência e
consistência.
Idealmente, a aplicação da ACV procura abranger todas as atividades numa
perspetiva “do berço ao berço”, também conhecida como análise de circuito fechado (Cuÿ
ÿcek et al., 2015; Glaviÿc e Lukman, 2007). A segunda opção preferida é “do berço ao
túmulo”, a abordagem de ciclo aberto (Cuÿ ÿcek et al., 2015; Design Industrial Sustentável
e Gestão de Resíduos, 2007). Isso envolve o projeto e desenvolvimento, aquisição de
matéria-prima, produção, distribuição, uso, manutenção e atividades de fim de vida. Pode
servir a vários objetivos e ser aplicado em diferentes estágios do ciclo de vida do produto.
Por exemplo, a ACV pode ser usada para (i) avaliar o impacto ambiental de um
3
Computadores e Engenharia Química 180 (2024) 108504
único produto, (ii) comparar alternativas de processamento para a fabricação de produtos/
processos intercambiáveis, (iii) comparar opções possíveis para entregar a mesma
função, e (iv) identificar pontos críticos ambientais no ciclo de vida e fornecer sugestões
de melhoria (Guill'en -Gosal´ bez et al., 2019; Hellweg e Mila i Canals, 2014).
`
Resumindo, as principais diferenças entre estas três abordagens estão no âmbito da
avaliação: (i) do berço ao portão, centra-se exclusivamente no processo de fabrico; (ii)
berço ao túmulo, considera todo o ciclo de vida incluindo o descarte, e (iii) berço ao berço,
é a estratégia aplicada para projetar produtos com abordagem circular.
É digno de nota que o âmbito mais amplo da ACV, como o berço ao berço, ajuda a evitar
a transferência de encargos e problemas acima mencionados, por exemplo, de uma região
para outra, de um fluxo para outro e entre fases do ciclo de vida ( Cuÿÿcek et al., 2015;
Finnveden et al., 2009).
Conforme detalhado na Figura 1, a metodologia LCA é dividida em quatro etapas:
definição de objetivo e escopo, análise de inventário de ciclo de vida (ICV), avaliação de
impacto de ciclo de vida (ACV) e interpretação. A definição do objetivo e do escopo
retrata todos os aspectos críticos do estudo de ACV; descreve a aplicação e as razões do
estudo, o público-alvo, a unidade funcional, o fluxo de referência e os limites do sistema
(Avaliação do Ciclo de Vida - Teoria e Prática, 2018). A escolha da unidade funcional
impacta significativamente os resultados e conclusões do estudo, pois é a base para
comparações frutíferas. O LCI é a etapa de coleta de dados onde todas as entradas e
saídas do sistema são identificadas e quantificadas (inventário de insumos de energia e
matérias-primas, produtos, coprodutos, resíduos, emissões para o ar, descargas para a
água, etc.) (normas ISO ). Se os dados das medições ou da literatura não estiverem
disponíveis, geralmente são utilizados dados genéricos de ICM provenientes de bases de
dados (Avaliação do Ciclo de Vida - Teoria e Prática, 2018). Exemplos dessas bases de
dados são Ecoinvent (Frischknecht et al., 2003), GaBi Professional (Schuller et al., 2013)
e GREET (Woertz et al., 2014). É digno de nota que a representatividade/precisão dos
dados pode variar potencialmente entre as diferentes bases de dados (Bueno et al., 2016;
Koj et al., 2019). Concluída a tarefa de inventário, é realizada a etapa de AICV, onde o
inventário (fluxo elementar de entrada e saída) é categorizado e atribuído a diferentes
categorias de impacto. Isto é imediatamente seguido pela fase de caracterização, onde
os impactos potenciais são modelados através do emprego de fatores de conversão para
chegar a um indicador quantificado para a categoria de impacto. Os fatores de conversão
mencionados dependem do método de AICV escolhido; CML, ReCiPe e TRACI são,
entre outros, três dos métodos de AICV mais utilizados (Koj et al., 2019). Entre outras
distinções, os métodos AICV diferem em termos de estimativa no nível médio ou final,
localização/região, horizonte temporal/temporal e modelo de caracterização. Portanto, a
seleção de AICV é altamente impactante e deve ser claramente indicada no estudo
(Rosenbaum, 2017). A interpretação é a última etapa da ACV, onde as preocupações e
os pontos críticos são identificados, juntamente com a consistência, análise de
sensibilidade, conclusões e recomendações extraídas com base nos resultados da AICV.
Contudo, ainda existem alguns desafios e limitações a serem superados; um resumo
deles é o seguinte.
(i) Embora existam padrões e diretrizes designados para conduzir ACVs (por exemplo,
ISO 14.040 e ISO 14.044), a falta de uma abordagem sistemática pode resultar
na aplicação não confiável desses padrões. Em particular, a aplicação da ACV
implica fazer suposições e escolhas em diferentes fases, tais como modelos de
avaliação de impacto, limites do sistema e métodos de alocação. Esta falta de
padronização leva a dificuldades na comparação e interpretação dos resultados
da ACV entre diferentes estudos devido à subjetividade e variabilidade nas
escolhas feitas durante o estudo da ACV. (ii) A ACV depende frequentemente de
simplificações e suposições para lidar com a complexidade e/ou
lacunas de dados. Estas simplificações podem negligenciar elementos importantes e
introduzir incertezas. Além disso, é essencial notar que a escolha dos métodos e
modelos de avaliação de impacto afecta os resultados, e nenhum método de
impacto por si só pode compreender toda a complexidade das interacções
ambientais.
Machine Translated by Google
CL Gargalo et al.
Figura 1. As quatro etapas da ACV. Inspirado em (Cuÿ ÿcek et al., 2015; Rebitzer et al., 2004).
(iii) A especificação dos limites do sistema determina o escopo da avaliação, que é
outra variável/limitação nos estudos de ACV. A decisão sobre quais fases do
ciclo de vida incluir e excluir e os limites da cadeia de abastecimento pode
impactar significativamente os resultados. Diferentes alternativas de limites
podem levar a resultados inconsistentes e dificultar a comparação e análise de
diferentes estudos. (iv) Além do ponto anterior, a ACV frequentemente emprega
modelos
simplificados para descrever processos e sistemas complexos, pois não é viável
incluir todas as complexidades dos processos do mundo real. Independentemente
disso, a falta de uma abordagem sistemática para o fazer pode levar à
simplificação excessiva ou à rejeição de elementos essenciais, o que pode então
ter impacto e influenciar a precisão e fiabilidade do estudo. Garantir a sua
qualidade e fiabilidade pode ser difícil, mesmo quando há dados disponíveis.
Os dados podem vir de diversas fontes com diferentes metodologias, níveis de
precisão e representatividade. (v) A ACV depende fortemente de uma série de
dados de entrada (inventário, impactos ambientais, etc.) ao longo de todo o ciclo
de vida de um sistema,
produto ou processo. No entanto, a disponibilidade de dados é, na maioria das
vezes, limitada e/ou incompleta, o que requer modelização/simulação apropriada
para estimar os dados necessários (geração dos chamados dados secundários),
especialmente para tecnologias emergentes ou produtos de nicho. A coleta de
dados relevantes para todos os estágios do ciclo de vida do produto pode ser um
desafio. Os dados podem ser proprietários ou não estar disponíveis,
nomeadamente para tecnologias emergentes ou regiões geográficas. Esses
desafios levam a incertezas, imprecisões e suposições na avaliação, o que
consequentemente impacta a qualidade dos resultados da ACV. Lacunas e
inconsistências de dados aumentam incertezas e preconceitos na ACV.
(vi) A realização de uma ACV abrangente exige muitos recursos, exigindo
recursos consideráveis, como tempo e conhecimento especializado.
Com uma abordagem sistemática, a atribuição eficaz de recursos
pode ser mais acessível, dando prioridade à recolha de dados ou
garantindo a consistência entre diferentes avaliações. Isto pode levar
a análises incompletas ou apressadas que captam apenas alguns
dos impactos do ciclo de vida.
4
Computadores e Engenharia Química 180 (2024) 108504
É digno de nota que a comunidade de ACV trabalha continuamente para enfrentar
esses desafios, melhorando a coleta de dados, aumentando a transparência e avançando/
melhorando metodologias. No entanto, apesar destas limitações, a ACV continua a ser
a metodologia preferida para avaliar os impactos ambientais de produtos e sistemas e
apoiar a tomada de decisões informadas em direção à sustentabilidade. Portanto, a
adoção de uma abordagem sistemática e padronizada à ACV é importante para
superar essas limitações, o que deve levar em conta dados confiáveis, metodologias
transparentes e avaliações abrangentes, considerando os impactos do ciclo de vida
completo e dimensões de sustentabilidade adequadas.
Outra linha de pesquisa recente interessante é a integração da ACV com a
Análise Envoltória de Dados (DEA). Neste quadro, a LCA estima os impactos
ambientais dos sistemas e a DEA avalia a sua eficiência, fornecendo parâmetros
de referência e metas adequados para os menos eficientes. O principal objetivo
da ACV+DEA é incluir fatores ambientais e econômicos na estimativa da
ecoeficiência (V´asquez-Ibarra et al., 2020). Aplicações desta metodologia podem
ser encontradas em Hong e Mwakalonge (2020), Martín-Gamboa et al. (2017),
Rebolledo-Leiva et al. (2017), Vázquez-Rowe et al. (2010), (2011).
'
Finalmente, embora a metodologia LCA não tenha sido desenvolvida
dentro da disciplina PSE, elas sem dúvida têm em comum a abordagem
'
sistêmica (Guill´en-Gosalbez et al., 2019). A ACV tem sido cada vez mais
integrada aos estudos e à comunidade de PSE, acoplando a ACV à
otimização de processos sob a estrutura de otimização do ciclo de vida
(LCO), introduzida pela primeira vez por Azapagic e Clift (1999).
Conseqüentemente, a LCA encontrou muitas aplicações em vários domínios.
A abordagem típica é avaliar um número limitado de cenários, considerando
o impacto do seu ciclo de vida para identificar pontos críticos e desenvolver
'
soluções/recomendações para melhorias (Guill´en-Gosalbez et al., 2019;
Hellweg e Mil`ai Canals, 2014). . Exemplos de tais esforços são apresentados
na Tabela 1, Secção 3. A relação clara entre a ACV e o campo da PSE,
juntamente com, entre outros, os desafios mencionados acima, os benefícios
e as desvantagens, são discutidos e elaborados mais detalhadamente na Secção 4.
3. Visão geral do papel da engenharia de sistemas de
processo em sistemas de energia renovável e sustentável
O projeto do sistema energético sustentável é construído com base em critérios múltiplos e multicritérios.
Machine Translated by Google

CL
Gargalo
et
al.

Tabela 1

Lista de publicações PSE revisadas limitadas a: (i) 2009 – 2020 (para obter uma amostra representativa), (ii) realização de avaliação de impacto ambiental e (iii) sistemas complexos de energia renovável destacados na Figura 2.

AG= Algoritmo Genético; EA= avaliação ambiental; NA = Não aplicável. MINFP= problema de programação fracionária não linear de número inteiro misto. GNL= gás natural liquefeito; CED= demanda acumulada de energia; Fobj =

função objetiva.

Ref. Sistema Abordagem 3 Pilares de Ambiental Métricas usadas/ Como é a EA Limites ACV

de produção de modelagem sustentabilidade abordagem de avaliação relatadas incluído no estudo do sistema Avaliação de Relata ACV SA, UA,
de energia avaliação impacto decisões em Software análise de
abordada? do ciclo de vida todas as usado? cenários?
método (LCIA) etapas da ACV 4?

(Zamboni et al., 2009) à base de milho MILP, não ACV GEE incluído em/como o bem-para- Não mencionado não não não
bioetanol modelagem roda

(Alvarado-Morales et al., bioetanol e simulação não SustentarPro energia e água Simulação pós-Fobj portão a portão - (N / D) - (N / D) - (N / D) - (N / D)
2009) multiobjetivo com custo

proii +
cenários

(Élia et al., 2011) carvão MILP não Modelo GREET GEE etapa de pós-otimização poço à Não mencionado não não não

híbrido, biomassa roda (portão a

e gás natural para portão
líquido (CBGTL) mencionado
indiretamente)
~
(Santibanez-Aguilar et al., produção de LP não eco-indicador-99 eco-indicador de incluído em/como o berço ao Ecoindicador - 99 não não não

2011) etanol, multiobjetivo, restrição pontuação única-99 e Fobj cova

hidrogênio e eletrônica PAG
biodiesel

(Mele et al., 2011) produção de MILP não ACV GWP e Eco- incluído em/como o do berço ao LMC e eco- sim, em detalhes não não

açúcar e multiobjetivo, restrição indicador 99 Fobj portão indicador99

bioetanol eletrônica

(Você e Wang, 2011) biomassa para MILP não ACV GEE etapa de pós-otimização do berço ao IPCC3 sim, não econômico,
5

cadeias de multiobjetivo, restrição cova minimalista empírico

eletrônica

abastecimento de líquidos (Gerber et al., 2011) MILP, não ACV relatar diversas incluído em/como o do berço ao ecoindicador sim, em detalhes não não

produção combinada multiobjetivo métricas estimadas Fobj portão 99 e

de combustível e usando o impacto ecoescassez06

eletricidade a partir avaliação

de biomassa lignocelulósica métodos

(Modahl et al., 2012) eletricidade de uma cenários (os dados não ACV GWP, AP, EP, análise dos do berço ao Receita, sim SimaPro sim, cenários
usina a gás fóssil com vêm de outras POCP, CED diferentes portão EPS2000, de
captura, transporte e fontes) - não um cenários + IMPACTO 2002+ design de processos

armazenamento de CO2 comparação de

estudo de métodos
Computadores
e
Engenharia
Química
180
(2024)
108504
otimização
(Gerber e cogeração de eletricidade MILP, não ACV GWP ou Eco- incluído em/como o do berço ao IPCC3 e Eco- sim não não

Maréchal, 2012) e cadeia de multiobjetivo indicador 99 Fobj cova indicador 99

abastecimento de
(Você e outros, 2012) biocombustíveis para MILP não ACV GEE incluído em/como o do berço ao IPCC sim não não
aquecimento urbano multiobjetivo, Fobj cova
eletricidade com

(Pérez-Fortes et al., 2012) restrição eletrônica MILP, objeto multigeração sim ACV IMPACTO2002+ incluído em/como o do berço ao IMPACT2002+ não não não

ÿ
(Cu Fobj portão
ÿcek et al., 2012) biomassa para energia MINLP, multiobjetivo, otimização não ACV GEE incluído em/como o berço-para- não não não não

multicritério MILP (Carbono Fobj (e- cova

Pegada1) restrição)
multiobjetivo,
(Kostin et al., 2012) cadeia de fornecimento de não ACV GWP100, EI99, cinco não Eco-indicador não não não

bioetanol/açúcares restrição eletrônica DHH, DEQ e DR. ambiental mencionado 99

objetivos são
simultaneamente

(Continua na próxima página)

Machine Translated by Google

CL
Gargalo
et
al.

Tabela 1 (continuação )

Ref. Sistema Abordagem 3 Pilares da Abordagem de Métricas usadas/ Como a EA é Limites ACV

de produção de modelagem sustentabilidade avaliação ambiental relatadas incluída no estudo do sistema Avaliação de Relata ACV SA, UA,
de energia avaliação impacto decisões em Programas análise de
abordado? do ciclo de vida todos LCA 4 usado? cenários?
método (LCIA) passos?

otimizado juntamente
com o valor

presente líquido
(Bamufleh et al., 2013) sistemas de combinação de sim Não mencionado GEE incluído no/como o não não não não não

cogeração GA e LP, Fobj mencionado

multiobjetivo
(Baliban et al., 2013) gás natural para MINLP não Não mencionado GEE pós-cálculo não Não mencionado não não não

líquidos mencionado do

(Yue et al., 2013) hidrocarbonetos MILP e não ACV GWP ou Eco- incluído em/como o berço ao Não mencionado sim, mas como não não
biocombustíveis MILFP, indicador 99 Fobj portão etapas de sua
multiobjetivo, estrutura. Então
restrição eletrônica nenhum detalhe é

dado
em relação ao
A própria ACV

(Wang e outros, 2013) biocombustíveis MINLP não ACV GWP ou Eco- incluído em/como o portão a portão IPCC3 e Eco-indicador não não não
de hidrocarbonetos multiobjetivo, restrição indicador 99 Fobj 99

via gaseificação eletrônica

(Gebreslassie et al., 2013) produção de PNL, bicritério, não ACV PAG incluído em/como o do berço ao IPCC3 sim, não não

biocombustíveis restrição eletrônica Fobj portão minimalista

de

hidrocarbonetos à
6

base de

algas e sequestro
de carbono de usinas de
energia
(Gebreslassie et al., 2013) biorrefinaria de MINLP, não ACV GWP e Eco- incluído em/como o portão a portão IPCC3 e Eco-indicador sim não não

hidrocarbonetos de bicritério, indicador 99 Fobj 99

gases de restrição

combustão por meio eletrônica,

solução
de pirólise rápida, hidrotratamento e heurisítica

hidrocraqueamento
~
(Santibanez-Aguilar et al., de bioetanol e MILP sim eco-indicador-99 eco-indicador de incluído em/como o não eco-indicador- 99 não não não

2014) outros bioprodutos iCCS com restrições pontuação única-99 Fobj mencionado

eletrônicas Computadores
e
Engenharia
Química
180
(2024)
108504
multiobjetivo e

(Jakobsen et al., 2014) (i) ciclo combinado multiperíodo: não ACV híbrida (uso de GEE análise de Não Não mencionado não não sim, cenários
de gaseificação simulação modular de Ecoinvent e IO cenários (não um estudo mencionado de design
integrada, (ii) central Configurações bancos de dados de otimização) de cadeia/
eléctrica a carvão, da cadeia CCS Carnegie Mellon) processo

(iii) utilização de CO2 (Aspen Plus e

para produção de petróleo Aspen Hysis)
recuperação
(Hanes e Bakshi, 2015) de bioetanol de milho PNL, não ACV Emissões de CO2 incluído em/como o do berço ao Modelo GREET não não não

multiobjetivo Fobj sepultura1

(Yue et al., 2016) cadeia de fornecimento de MILP, restrição não ACV híbrida PAG incluído em/como o do berço ao https://ghgprot ocol.or não não sim
bioetanol eletrônica Fobj sepultura1 g/

multiobjetivo e calculation-t ools

multiperíodo

(Continua na próxima página)

Machine Translated by Google

CL
Gargalo
et
al.

Tabela 1 (continuação )

Ref. Sistema Abordagem 3 Pilares da Abordagem de Métricas usadas/ Como a EA é Limites ACV

de produção de modelagem sustentabilidade avaliação ambiental relatadas incluída no estudo do sistema Avaliação de Relata ACV SA, UA,
de energia avaliação impacto decisões em Programas análise de
abordado? do ciclo de vida todos LCA 4 usado? cenários?
método (LCIA) passos?

(Ele e você, 2016) processamento projeto, modelagem não ACV nexo energia-água- pós-análise do berço ao Não mencionado não não não

de gás de xisto e integração de carbono portão

processos (HJH, pegada

hídrica, consumo de
energia)
(Ghosh e Bakshi, 2017) etanol de milho e PNL, otimização não ACV híbrida Emissões de CO2 incluído em/como o Do berço ao Não mencionado não não não

DDGS como multiobjetivo e Fobj túmulo1

subprodutos multiobjetivo

(Boyaghchi e combinados de com restrição não análise exergoambiental impacto ambiental incluído em/como o do berço ao eco-indicador- não não não

Chavoshi, 2017) resfriamento, eletrônica (combinação de total do produto Fobj sepultura 99

aquecimento e energia MILP e análise baseada em exergia (indiretamente)

NSGA-II
movidos por energia solar-geotérmica e ACV)

(CCHP) ciclo método

integrado com
coletores de placas
(Gong e você, 2017) planas produção MINLP, multiobjetivo não ACV 11 métricas incluído em/como o do berço ao IPCC sim não não

de diesel de algas normalizadas em uma Fobj cova

métrica

(Gong e você, 2018) processamento simulação não ACV PAG incluído em/como o do berço ao IPCC não não SA

de gás de xisto de processo + pegada hídrica Fobj portão (economia)

multiobjetivo
MINLP
7

(Yang e você, 2018) modelagem e não ACV Métricas ReCiPe análise de portão a portão Ponto não não cenários

processamento de cenários final e ponto médio SA (impacto

gás de xisto simulação hysys do ReCiPe das distâncias)

e fabricação de de ambos os
(Wheeler et al., 2018) metanol, processos tomada não LCA2 11 métricas incluído em/como o não Ecoindicador 99 nº2 não não

açúcar em bioetanol de decisão multiatributo normalizadas em uma Fobj com mencionado2

função objetivo pesos de

(Wu et al., 2018) microalgas para otimização de objetivo não ACV GEE normalização incluídos/como poço para tanque Não mencionado não não não

único Fobj
'
(Alvarez del biocombustíveis MINLP, sim ecoeficiência Sócio-eco- incluído em/como o porta a porta NA N/D N/D não
Castillo-Romo et biomassa multiobjetivo, eficiência Fobj
lignocelulósica restrição eletrônica + Computadores
e
Engenharia
Química
180
al., 2018) (2024)
108504
para biocombustíveis e bioprodutos
Simulação
Aspen Plus

(P´erez-Lopez´ et al., 2018) óleo de não é um não ACV GEE, N/D do berço ao TRACI sim, não sim
microalgas estudo de Eutrofização e portão1 minimalista

otimização emissões

(Liu e Bakshi, 2019) etanol de milho não é um não ACV adaptada líquidas de CO2 do CED NA do berço ao TRACI sim não não

estudo de cova
otimização – pós-
cálculo

(Tian e você, 2019) sistema de energia MINFP, multiperíodo não ACV PAG etapa de pós-otimização não IPCC 2013 não não sim
híbrido para mencionado (impacto do
aquecimento e resfriamento

parâmetro de entrada)
(Blanco et al., 2020) energia para metano não é um não ACV 18 categorias N/D do berço ao Receita sim não não

estudo de cova ponto médio

otimização – pós-
cálculo
Machine Translated by Google

CL Gargalo et al. Computadores e Engenharia Química 180 (2024) 108504

procedimentos objetivos de tomada de decisão. Durante esses procedimentos, o PSE

tradicionalmente contribui para o desenvolvimento de soluções de projeto de engenharia,
síntese, controle e cadeia de suprimentos tecnicamente viáveis. Como tal, a disciplina PSE é
adequada para integrar a metodologia LCA e contribuir para melhorar a sustentabilidade destes
processos. Por exemplo, no futuro, esperamos que uma variedade de tecnologias de produção
de energia constituam as grandes redes de fornecimento de energia. Nessa situação, os
impactos ambientais de sistemas energéticos sustentáveis complexos dependem fortemente da
extensão da integração e optimização dos sistemas. Aqui, existe um papel natural para o PSE,
com a sua mentalidade e conjunto de ferramentas de abordagem de sistemas, trabalhar em
conjunto com a LCA para contribuir para a sustentabilidade desde a concepção.

Na verdade, para a concepção de sistemas energéticos sustentáveis complexos, a questão

fundamental a abordar é quais as tecnologias a adoptar, que produto fabricar e a sequência de
operações necessárias para obter o máximo lucro e os menores impactos ambientais e sociais.
Métodos e ferramentas de síntese, integração, intensificação e otimização de processos da
disciplina PSE podem ser aplicados para responder a esta questão. Uma metodologia sistemática
para conceber, analisar e melhorar o processo é um primeiro passo útil na avaliação dos
impactos ambientais do sistema de produção de energia. A comunidade PSE conduziu muitos
estudos explorando esta contribuição para a literatura, que analisamos abaixo.

Para obter uma visão holística dos estudos, realizamos uma pesquisa bibliográfica
abrangente com a palavra-chave PSE combinada com outros termos usados em relação a
sistemas de energia renovável. Os resultados da pesquisa estão ilustrados na Figura 2.

A avaliação ambiental, conforme destacado na Figura 1, principalmente através da aplicação

da ACV, tornou-se gradualmente mais importante na comunidade PSE. Como também
demonstrado na Figura 2, o interesse de pesquisa em energias renováveis e sistemas de
energia para X aumentou tremendamente, especialmente na última década. Embora existam
muitos trabalhos na área, o objetivo deste trabalho não é apresentar uma revisão de literatura
abrangente. Assim, uma amostra representativa do conjunto de trabalhos realizados nas últimas
duas décadas relativamente aos sistemas energéticos mencionados, que inclui a avaliação
ambiental no estudo PSE, é recolhida e comparada na Tabela 1.

Conforme mencionado na Secção 2, vários métodos têm sido utilizados na comunidade

PSE ao longo dos anos para analisar o impacto ambiental dos' sistemas energéticos. Por
exemplo, a ecoeficiência (Alvarez del Castillo-Romo et al., 2018) considera uma quantidade
normalizada que representa o impacto ambiental do sistema. Da mesma forma, conforme
observado na Tabela 1, o Ecoindicador 99 é um método bastante comum, especialmente em
estudos mais antigos. Na verdade, isso pode representar dois aspectos diferentes, onde pode
ser usado como (i) um indicador único (não ACV) (Gebreslassie et al., 2013); e (ii) como método
de ACV na etapa de Avaliação de Impacto do Ciclo de Vida (Wheeler et al., 2018).

No entanto, pode-se observar na Tabela 1 que a ACV tornou-se gradualmente a abordagem

de escolha na comunidade PSE. Este é um desenvolvimento bem-vindo, uma vez que a ACV é
a metodologia mais aceite para quantificar a dimensão ambiental da sustentabilidade. Contudo,
existem algumas limitações importantes a serem mencionadas, como será destacado a seguir.

Embora a maioria destes estudos se concentre apenas na utilização de uma única categoria
de impacto, a distribuição é a seguinte: (i) 41,7% (15 de 36 estudos) concentram-se
principalmente no ponto médio de CO2 eq. categoria de impacto; (ii) 30,6% (11 de 36 estudos)
utilizam um indicador agregado (normalmente o ponto final e o Ecoindicador 99) no contexto da
otimização de processos e da cadeia de abastecimento, como em Santibanez-Aguilar et al.
~
(2014) e Wheeler et al. (2018); e, (iii) 27,7% (10 de 36 estudos) utilizam vários indicadores, mas,
como em Wheeler et al. (2018), os indicadores são incluídos na forma de testes de cenários.
Além disso, apenas 22,2% (8 de 38 estudos) realizaram análises de sensibilidade e incerteza. É
digno de nota que Modahl et al. (2012) é, de fato, o único estudo entre 36 estudos analisados
que utiliza software profissional de ACV (em vez de, por exemplo, incluir os cálculos no problema
aquecimento
diretamente.
mencionado

de otimização). Não há nenhuma explicação explícita nos estudos revisados sobre por que esse
suposições

Potenciais
cálculos.
artigo(s)
outro(s)
refere-

global
IPCC.

software especializado não é

anos
para

100
não

em
do
de
se
e
a

8
Machine Translated by Google
CL Gargalo et al.
Figura 2. Publicações que se enquadram nas combinações de palavras-chave apresentadas. Dados da Web of Science, acessados em 22 de novembro de 2022.
empregado. As razões subjacentes podem ser, entre outras: (i) o SimaPro é um
software baseado em licença e a sua aplicação requer recursos e formação, que
podem não ser acessíveis a todos os grupos de investigação; (ii) uma questão de
prioridade e âmbito da investigação: pode ser que existam recursos, mas uma
avaliação abrangente do impacto ambiental e a análise das categorias de impacto
não foram consideradas o foco principal e, portanto, a utilização de um software
especializado de ACV não foi priorizada; e, (iii) pode ser que a integração da análise
abrangente de ACV com problemas de otimização (como programação matemática
aplicada à análise da cadeia de suprimentos, síntese e projeto de processos, etc.)
seja considerada computacionalmente complexa demais para ser resolvida.
Independentemente das razões subjacentes, a avaliação de impacto ambiental
atual e futura necessita de realizar uma análise de ACV adequada e sistemática, de
preferência através de uma colaboração interdisciplinar com a comunidade de ACV.
Importante notar é que aprox. 64% não relatam todas as decisões tomadas
durante a realização do estudo de ACV. Isto é fundamental para a reprodutibilidade
e comparação justa entre estudos de sistemas semelhantes ou equivalentes.
Como mencionado anteriormente, existem diversas categorias de impacto
calculadas no LCIA para fornecer uma avaliação abrangente do impacto ambiental:
não apenas as alterações climáticas, mas também a destruição da camada de
ozono, a ecotoxicidade da água doce, a toxicidade humana e o esgotamento da
água, para citar apenas algumas categorias de impacto médio. categorias de pontos
do banco de dados ReCiPe. Acreditamos que a abordagem comum de reduzir as
categorias de impacto obtidas na AICV a algumas categorias “representativas” é
muito redutora, como mencionado anteriormente, e geralmente leva a decisões
menos informadas e à transferência oculta de encargos (Bakshi, 2019; Czyrnek -Deletre et(2020)
al., 2017).
A transferência de encargos aplica-se não apenas à transferência entre categorias
de impacto, mas também às métricas sociais e económicas. A próxima seção
discute essas questões, desafios e perspectivas com mais detalhes.
Uma parcela significativa dos estudos de otimização, principalmente baseados
nos métodos MINLP e MILP, dentro de sistemas de energia e além, defende que
eles realizam a otimização do ciclo de vida incluindo a métrica LCA escolhida na
função objetivo através da otimização multiobjetivo (Yue et al., 2016). No entanto,
como mencionado acima, isso não é representativo. Ao utilizar uma métrica
agregada, a estrutura de dominância do problema de otimização pode ser alterada
e, assim, soluções potencialmente viáveis poderiam ser deixadas de fora da
análise (Kostin et al., 2012). A estrutura dominante de um problema de otimização
refere-se a como uma solução é preferida com base nos objetivos do problema. Na
Avaliação do Ciclo de Vida (ACV), considerando múltiplas categorias de impacto
ambiental ou
9
Computadores e Engenharia Química 180 (2024) 108504
objetivos é crucial, mas confiar em métricas agregadas pode simplificar
excessivamente a estrutura de dominância (Capitanescu et al., 2018). Ao usar a
ACV, confiar apenas em métricas agregadas pode simplificar demais a estrutura de
dominância. Estas métricas combinam várias categorias de impacto numa única
pontuação, o que pode ocultar as compensações entre diferentes objetivos
ambientais. Isto pode resultar em resultados abaixo do ideal ou mesmo enganosos
quando se utiliza a ACV para apoiar a tomada de decisões (Lesage et al., 2018).
Além disso, as métricas agregadas assumem que todas as categorias de impacto
são igualmente importantes, o que nem sempre é verdade. Diferentes partes
interessadas podem priorizar os impactos ambientais de forma diferente, e essas
diferenças podem ser ignoradas quando se baseiam em métricas agregadas (Lesage et al., 2018
Preservar a estrutura de dominância em problemas de otimização de ACV pode
levar a uma compreensão melhor e mais precisa dos impactos ambientais de
diferentes soluções, apoiando a tomada de decisões informadas e sustentáveis
(Capitanescu et al., 2018; Rehnstrom, 2003).
Em suma, isto pode levar a uma comparação injusta e a conclusões imprecisas
na avaliação comparativa destes estudos. Isto é agravado pelo facto de haver uma
falta geral de descrições padronizadas e sistemáticas de pressupostos
metodológicos, bem como de decisões declaradas em todas as quatro etapas da
ACV (Cherubini et al., 2018; Heijungs e Dekker, 2022).
.
Em contraste, Gerber et al. (2011) e Gong e You (2018) são estudos que
descrevem de forma mais explícita as decisões metodológicas tomadas na aplicação
da ACV. Mais detalhes sobre a metodologia utilizada para as avaliações de impacto
ambiental podem ser encontrados em alguns artigos de revisão, como Thonemann
e Koj et al. (2019).
Por último, é particularmente digno de nota que, de todos os estudos analisados
na Tabela 1, quatro estudos (11% - 4 de 36) realizam uma abordagem mais
holística, tendo em conta os três aspectos da sustentabilidade (económico, social e
ambiental).
4. Práticas atuais, desafios e perspectivas futuras sobre avaliação de
impacto ambiental na comunidade PSE
Na busca pela produção e consumo sustentáveis, a engenharia química se
esforça para identificar soluções sustentáveis para sistemas energéticos e todas as
aplicações onde o paradigma do tripé resultado final seja simultaneamente
respeitado. Este compromisso de procurar alternativas que sejam (mais) sustentáveis
requer estratégias e ferramentas avançadas de apoio à decisão, a fim de manter a
viabilidade económica, o interesse e a
Machine Translated by Google

CL Gargalo et al. Computadores e Engenharia Química 180 (2024) 108504

competitividade das soluções propostas (Guill´en-Gos´ albez et al., 2019). (2013) e Sala e Goralczyk (2013).
Como um subcampo da engenharia química, a disciplina PSE, com seu Os limites ou limiares dos diversos processos do sistema terrestre e parâmetros
amplo escopo e pensamento sistêmico, desenvolveu novos métodos e ambientais que definem um espaço operacional seguro para a humanidade são
ferramentas auxiliados por computador para contribuir para problemas e chamados de limites planetários. Estas fronteiras representam os limites globais
desafios de design de processos sustentáveis (Bakshi, 2019; Bakshi, 2003; dentro dos quais as atividades humanas podem operar sem causar transformações
'
Grossmann e Har -junkoski, 2019; Guill´en-Gosalbez et al., 2019; Klatt e irreversíveis ou catastróficas nos sistemas da Terra (Bjørn et al., 2020). Dentro
Marquardt, 2009). Ao longo dos anos, foram desenvolvidas muitas métricas deste quadro global, a ACV pode ser utilizada para avaliar o desempenho dos
e indicadores de sustentabilidade que abrangem uma, duas ou três sistemas/produtos mencionados em relação às fronteiras planetárias, considerando
dimensões da sustentabilidade (Bakshi, 2019; Martins et al., 2007; Thonemann, 2020).
o impacto das categorias ligadas às fronteiras. É digno de nota que, embora as
Conforme demonstrado na Secção 3, uma abordagem tradicional para integrar a fronteiras específicas do planeta e do sistema estejam preocupadas com os
sustentabilidade nos estudos de PSE tem sido minimizar o consumo de água e energia, impactos ambientais, elas diferem no nível de escala e na especificidade. As
retratado principalmente pelos gases com efeito de estufa e pelos indicadores de fronteiras planetárias abordam uma estrutura global para avaliar a sustentabilidade
utilização da água. Embora isto possa presumivelmente reduzir o impacto ambiental, das ações/atividades humanas no planeta. Em contraste, os limites específicos do
conduz potencialmente à perda de informação ao: (i) negligenciar uma série de outros sistema concentram-se nos impactos dentro de um determinado estudo de avaliação
impactos ambientais (por exemplo, saúde humana, ecossistemas, recursos); (ii) omitir do ciclo de vida. Esta nova iniciativa ajuda a fornecer um contexto para a
encargos além da fase de produção; e, (iii) transferência de encargos para outros fluxos interpretação dos resultados da ACV dentro de limites planetários seguros (Ryberg,
e recursos de emissões (Bakshi, 2019; Guill´en-Gosalbez et al., 2019). A ACV surgiu 2021). No entanto, é necessário muito trabalho na comunidade mais ampla de
'
como um método eficaz para superar esses desafios (Bakshi, 2019; Guill´en-Gosalbez avaliação da sustentabilidade e com as partes interessadas relevantes, acordando
'
et al., 2019), uma vez que compartilha o pensamento sistêmico com o PSE e idealmente princípios e métodos para definir limites seguros para o planeta em diferentes
inclui todas as fases da cadeia de valor do processo ou produto (Bakshi , 2019; Guill´en- categorias de impacto para vários setores.
Gosalbez et al., 2019). Como mencionado anteriormente, Azapagic e Clift (Azapagic e Os problemas de avaliação da sustentabilidade são sobrecarregados por diversas
'
Clift, 1999) introduziram pela primeira vez a estrutura de Otimização do Ciclo de Vida fontes de incerteza, que estão relacionadas aos próprios cálculos da ACV (Guill´en-
'
(LCO), onde a otimização foi acoplada à LCA por meio da otimização multiobjetivo Gosalbez e Grossmann, 2009). A ACV é acompanhada de fontes de incerteza quanto aos
(MOO) para minimizar os impactos do ciclo de vida e a economia. custos. Tal como dados do inventário e aos fatores de dano que precisam ser analisados e reparados se
detalhado na Secção 4, este quadro tem sido amplamente aplicado desde que foi possível (Gargalo et al., 2016; Huijbregts, 1998; Santos et al., 2022). Um fator crucial/
introduzido pela primeira vez e tem evoluído e melhorado ao longo dos anos. Contudo, notável que contribui para a propagação da incerteza e dificuldade na comparação de
vale ressaltar que raramente é possível comparar de forma justa estudos diferentes, diferentes estudos de ACV é que diferentes métodos de AICV podem ser selecionados
mesmo que se refiram ao mesmo produto ou processo. Há uma falta geral de (Chen et al., 2021; Heijungs e Dekker, 2022; Landis e Theis, 2008; Owsianiak et al., 2021;
transparência e clareza em relação às decisões tomadas na Etapa 1 da ACV, tais como Heijungs e Dekker, 2022; Landis e Theis, 2008; Owsianiak et al. al., 2014). Muitas vezes,
unidade funcional, horizonte temporal, geolocalização, limites de análise e suposições eles não levam exatamente ao mesmo valor (por exemplo, ReCiPe, ILCD, CML,
a priori. IMPACT2000+), uma vez que diferentes modelos matemáticos são empregados para
estimar os indicadores (métodos de ponto médio e ponto final) (Bueno et al., 2016; Müller
et al., 2020). É digno de nota que alguns destes métodos de avaliação de impacto também
A grande maioria dos estudos PSE publicados ao longo dos anos estão desatualizados (Verones et al., 2020). Uma revisão detalhada da propagação da
(Secção 3), embora apliquem o quadro LCO, incluem apenas um ou dois incerteza devido ao uso de diferentes métodos de AICV é fornecida em Chen et al. (2021)
indicadores de impacto ambiental como métricas representativas de todo o e Heijungs e Dekker (2022). Portanto, por uma questão de robustez, recomendamos
sistema. Esta não é uma solução única e é bastante importante na análise justificar a abordagem/métodos utilizados para o método AICV fazendo um benchmarking
de sistemas energéticos: inferir que um determinado projeto é uma solução (a interpretação e o quadro de sustentabilidade diferem quando se utilizam diferentes
sustentável com base numa lista muito limitada de indicadores não fornece métodos de AICV?).
uma avaliação robusta. Utilizar estas conclusões numa tomada de decisão
de nível superior (por exemplo, avançar com a decisão de investir numa Como exemplo, ilustraremos nosso ponto de vista usando um exemplo de
tecnologia) pode ser potencialmente enganoso. estudo de avaliação de impacto ambiental de um composto farmacêutico A
Como perspectiva futura para a integração da avaliação de impacto (análise em escala de produção) (Wernet et al., 2010). Este estudo avaliou a
ambiental na AEP, precisamos de um alinhamento claro e de uma avaliação do impacto do composto farmacêutico A utilizando diferentes métodos
padronização da metodologia de ACV utilizada para ter em conta a e bases de dados (CED, GWP, Eco-indicador99, TRACI, LCA com ReCiPe e
dimensão ambiental da sustentabilidade. Como requisito mínimo, um Impact2002+). Aqui, o estudo teve como objetivo comparar o impacto ambiental
estudo de ACV deve ser aplicado com cuidado, pensamento crítico e do produto farmacêutico A com o impacto na sustentabilidade de produtos
compreensão. O âmbito deve ser alargado muito além das fronteiras da químicos a granel usando diferentes métodos. Em conclusão, o estudo concluiu
produção (porta a porta), a fim de compreender as complexas relações e que as métricas de sustentabilidade são duas ordens de grandeza superiores
trocas entre subsistemas e, portanto, as implicações de diferentes para a produção de compostos farmacêuticos versus produtos químicos a
decisões sobre o ambiente e a economia. Isto deverá fornecer informações granel, o que é consistente entre diferentes métodos (indicador Eco, ES2006,
completas necessárias para gerar conhecimento que deve ser integrado receita LCA, Impact2002+, etc.). No entanto, como os resultados mostram
nas fases iniciais do desenvolvimento de processos e produtos e na claramente, não é possível comparar diretamente os resultados entre diferentes
'
tomada de decisões para reduzir o impacto em todas as escalas (Guill'en-Gosalbez et al.,uma
métodos, 2019).
vez que cada método utiliza diferentes classificações de peritos
No que diz respeito às categorias de impacto selecionadas e utilizadas para para agregar os resultados (especialmente para indicadores de pontos finais).
avaliação, os estudos precisam de ir além da comunicação apenas do CO2 e Por exemplo, IMPACT2002+ e ReCiPe, como diferentes métodos de AICV,
reconhecer outras categorias de impacto relevantes, como o esgotamento dos utilizam diferentes unidades e nomenclatura, bem como agregação. Como
recursos minerais, a ecotoxicidade humana/marinha/de água doce e o esgotamento resultado, enquanto o ReCiPe dá uma pontuação de 7 pontos/kg de A como a pontuação ge
da água. Este último está se tornando altamente relevante para alguns sistemas dá uma pontuação de 6,7E-3 pontos/kg A. Claramente, essas duas bases de
de produção de energia renovável, como energia eólica, solar e tecnologia de dados não podem ser comparadas entre si, e apenas uma comparação relativa
eletrólise em conceitos Power-to-X (PtX). Da mesma forma, é digno de nota que pode ser feita para comparar produtos diferentes usando o mesmo método (por
os impactos ambientais de compostos persistentes (por exemplo, mercúrio) não exemplo, comparação do Produto A versus Produto B usar ReCiPe é possível).
se limitam às escalas regionais. Eles podem ser detectados em ecossistemas Um segundo exemplo vem do trabalho de Vollmer (2022). Este
distantes das atividades humanas percebidas (Bjørn, 2015). Outro ponto a último estudo visa realizar a avaliação do impacto ambiental da
considerar ao avançar com uma abordagem padronizada é definir os limites produção de xilitol a partir de matéria-prima renovável (como cavacos
planetários. Isto foi proposto pela primeira vez por Rockstrom ¨ et al. (2009), e também é de madeira
discutido lignocelulósica),
em Persson et al. processo frequentemente estudado (Vollmer, 2022).
10
Machine Translated by Google

CL Gargalo et al. Computadores e Engenharia Química 180 (2024) 108504

Ao utilizar energia renovável (como a energia eólica), o potencial de aquecimento estabelecer uma forte relação entre a PSE e as estratégias de avaliação ambiental (em particular
global em equivalentes de CO2 é relativamente baixo, uma vez que a biorrefinaria a ACV, devido às semelhanças mencionadas). Esta relação deve ser transmitida sob a forma
de xilitol apenas liberta CO2 biogénico. No entanto, os impactos da ecotoxicidade de um quadro sistemático, padronizado e transparente para que os estudos sejam comparáveis
em água doce e marinha são bastante elevados, bem como o potencial carcinogénico e utilizáveis para fins práticos. Isto levará a avanços significativos na contabilização dos
humano. Os dois primeiros podem estar associados à demanda energética da ecossistemas e no apoio às atividades industriais, minimizando ao mesmo tempo a carga
biorrefinaria, uma vez que se presume que a energia seja aproveitada a partir da energia eólica.
ambiental.
Os moinhos eólicos precisam de cobre para os geradores, normalmente obtido com
produtos químicos tóxicos que podem danificar a água doce e a vida marinha se
não forem descartados de maneira cuidadosa e correta. Na verdade, este é um 5. Conclusões
exemplo claro da importância de identificar adequadamente as categorias de
impacto relevantes e reportá-las. Tal como ilustra a análise apresentada na Tabela Existem muitos sistemas complexos de energia renovável e sustentável.
1 , a maioria dos estudos centra-se apenas numa categoria de impacto e perde a Um esforço significativo de pesquisa tem sido dedicado à avaliação ambiental, principalmente
oportunidade de identificar outras categorias relevantes. com base na ACV. A literatura aberta apresenta deficiências em termos de transparência,
A obtenção de dados sobre as complexas atividades do ciclo de vida dos sistemas reprodutibilidade, etc. O papel crítico do PSE é destacado e estudos influentes da comunidade
em estudo (do “berço ao túmulo”) e a incerteza que isso acarreta é um desafio são revistos. A aplicação de ferramentas PSE para síntese, projeto e otimização pode aumentar
significativo. Software e bancos de dados foram desenvolvidos nas últimas duas décadas ainda mais os benefícios dos sistemas de energia renováveis e sustentáveis.
para simplificar esta tarefa; no entanto, a maioria das bases de dados disponíveis baseia-
se em dados regionais a nível de instalações que resultam da combinação de múltiplos
processos de fabrico (Bakshi, 2019). Devem ser aplicados esforços para evitar a Os desafios, perspectivas e possíveis diretrizes coletados e apresentados neste artigo
utilização destes dados secundários e recolher dados primários para tecnologias baseiam-se na experiência e em uma revisão abrangente da literatura. Para integrar com
emergentes e processos individuais através, por exemplo, de modelos de processos sucesso a ACV nos estudos de PSE, são feitas as seguintes recomendações para superar os
(Bakshi, 2019; Geisler et al., 2004; Jim´enez-Gonzalez ´ et al., 2000; Li et al., 2018; Yao desafios discutidos acima. Estas sugestões pretendem tornar-se a melhor prática e requerem
e Masanet, 2018), reconciliação de dados (Ilagan e Tan, 2011; Yi e Bakshi, 2007) e consideração e implementação cuidadosas. Eles são os seguintes.
modelos alargados de input-output (Yang et al., 2017). No entanto, ao utilizar estas
técnicas, os limites do sistema ainda são vistos como incompletos, especialmente
quando novos produtos são incluídos (Guill´en-Gosalbez et al., 2019; Majeau-Bettez et (i) Definir os objetivos e limites do estudo de ACV tão claramente quanto possível no início. Isto implica
'
al., 2011) mostram que os processos não contabilizados podem estar até 80% dos especificar o seguinte: unidade funcional, limites do sistema e fases pertinentes do ciclo de vida que
fluxos totais. Para superar isso, a ACV híbrida integrada foi investigada; um exemplo é devem ser incluídas. É importante ressaltar que é fundamental definir claramente o escopo para
dado por Gao e You (2018). A ACV híbrida integrada combina dados baseados em evitar lacunas e inconsistências nos dados.
processos e dados de entrada-saída para avaliar os impactos ambientais, evitando
truncamento e contagem dupla.
(ii) Definir limites de sistema adequados de acordo com o âmbito da
Outra tendência recente é o uso potencial de algoritmos de IA e ML para análise e garantir que estes sejam exaustivos; incluem processos a
construir modelos substitutos para diferentes operações unitárias para montante (por exemplo, aquisição de matéria-prima) e processos a
problemas de otimização, como exemplificado em Gonzalez-Garay e Guillen- jusante (por exemplo, gestão e eliminação de resíduos). Isto é crucial
Gosalbez (2018). Além disso, a incerteza no inventário também poderia e para evitar o problema da transferência de encargos, considerando
deveria ser incluída em estudos de otimização na forma de programação todo o ciclo de vida do produto/processo/sistema.
estocástica ou otimização robusta. A programação estocástica é (iii) Dados precisos e confiáveis são cruciais para um estudo de ACV.
particularmente útil para a tomada de decisões sob incerteza, uma vez que Certifique-se de que os dados usados para a análise de inventário (por
pode acomodar vários pontos no tempo, otimizando o valor esperado da exemplo, insumos de massa e energia, emissões) sejam de alta
'
função objetivo sobre todas as realizações de incerteza (Birge, 1997; Guill qualidade, atualizados e representativos. Bancos de dados bem
´en-Gosalbez et al., 2019). Um bom exemplo é dado por Gao e You (2017). conhecidos, como o coinvent, são boas fontes de dados, e o uso de
A otimização robusta é de implementação mais simples, pois não requer dados secundários (como modelagem e simulação) precisa ser claramente mencion
informações prévias e precisas de distribuições de probabilidade de (iv) É essencial considerar variações temporais e geográficas nos dados e na avaliação de impacto, uma
parâmetros incertos. Um exemplo é dado por Calvo-Serrano et al. (2019) vez que o impacto ambiental de um produto/processo pode mudar com o tempo e em diferentes

para o desenho de uma rede de processamento de biomassa para a
produção de combustíveis, eletricidade e produtos químicos. No entanto,
essas abordagens são computacionalmente caras e isso requer uma
'
necessidade natural de algoritmos mais eficientes para resolver problemas complexos de estratégias
Visando resolver isso, combinando aprendizado de máquina e big data está
ganhando terreno (Ning and You, 2019). Por exemplo, Gao et al. (2019) utilizam
esta nova estratégia para o LCO da cadeia de abastecimento de energia sob incerteza.
A ACV demonstrou a sua utilidade para a avaliação de um melhor desempenho
ambiental de determinadas tecnologias/produtos alternativos ao longo dos anos. Como
tal, a ACV é considerada valiosa para reduzir a carga/impacto por função de um sistema/
produto em estudo. Por outro lado, uma vez que a população e os perfis de consumo
continuam a crescer a um ritmo crescente, há uma necessidade e um apelo crescente à
verificação desta premissa. Por outras palavras, há realmente uma necessidade de
desenvolver estratégias para avaliar se as tecnologias atuais são de facto “suficientemente
boas para contribuir para um estilo de vida sustentável” e não apenas “relativamente
melhores que as alternativas” (Hauschild, 2015; Ryberg, 2021). ).
Em resumo, muitas novas tecnologias estão a ser desenvolvidas, visando
a produção e o consumo sustentáveis, aqui ilustrados na área das energias
renováveis. Contudo, para evitar impactos ambientais inesperados e não
observados, como os observados no passado, os esforços futuros deverão centrar-se em
locais. Assim, o uso de dados e fatores de caracterização específicos do local e do tempo é
uma forma de reduzir a incerteza associada. (v) Ao realizar estudos de Avaliação do Ciclo de
Vida (ACV), é comum encontrar incertezas nos dados. Para resolver esta questão, algumas
grande escala
podem (Guill´en-Gosalbez et al., 2019).
ser implementadas, tais como abordagens de estimativa de dados, proxies e pareceres de especialistas
baseados em experiências passadas. Além disso, a realização de análises de sensibilidade e
incerteza é benéfica, pois permite a identificação de importantes lacunas de dados e a avaliação
da robustez dos resultados.
Esta análise também avalia a sensibilidade dos resultados a parâmetros de entrada,
suposições e hipóteses críticas. Globalmente, este processo ajuda a identificar os
factores mais significativos e impactantes, tais como a tecnologia e as escolhas do
mix energético, garantindo a fiabilidade das conclusões.
(vi) Quando um processo/produto/sistema tem múltiplos coprodutos, ou é
necessária a expansão do sistema, é necessário aplicar a alocação. É crucial
selecionar adequadamente os métodos de alocação que melhor se
alinhem com os objetivos do estudo e evitar métodos de alocação que
possam levar à má interpretação dos resultados.

11
Machine Translated by Google
CL Gargalo et al.
(vii) Deve haver relatórios transparentes e completos do estudo de ACV, incluindo metodologia,
fontes de dados, suposições e limitações. Isto facilita que outros compreendam e avaliem a
validade do estudo e permite uma comparação confiável com outros estudos. Por uma questão
de transparência, estes precisam ser divulgados em publicações científicas como material
suplementar. (viii) É necessária a adopção de uma abordagem holística que considere múltiplos
indicadores ambientais. Isso garante uma compreensão abrangente do
desempenho ambiental e dos impactos de um sistema, processo ou produto.
Ao aplicar estas sugestões e recomendações, a fiabilidade e a qualidade dos estudos
de ACV no PSE são melhoradas, juntamente com a compreensão dos impactos
ambientais dos processos e produtos.
Em resumo, pedimos uma metodologia compartilhada, sistemática e transparente,
onde cálculos detalhados de ACV sejam realizados e relatados em uma estrutura
consistente e robusta, que resulte de diferentes
estudos podem ser comparados e discutidos de forma justa.
Declaração de contribuição de autoria CRediT
Carina L. Gargalo: Conceituação, Visualização, Curadoria de dados, Análise formal,
Redação – revisão e edição, Redação – rascunho original.
Haoshui Yu: Curadoria de dados, Análise formal, Redação – revisão e edição, Redação
– rascunho original. Nikolaus Vollmer: Curadoria de dados, Análise formal, Redação –
revisão e edição, Redação – rascunho original. Ahmad Arabkoohsar: curadoria de
dados, análise formal, redação – revisão e edição. Krist V. Gernaey: Análise formal,
Redação – revisão e edição.
Gürkan Sin: Conceitualização, Visualização, Análise formal, Redação – revisão e edição.
Declaração de interesse concorrente
Os autores declaram que não têm interesses financeiros concorrentes ou relações
pessoais conhecidas que possam ter influenciado o trabalho relatado neste artigo.
Disponibilidade de dados
Nenhum dado foi utilizado para a pesquisa descrita no artigo.
Agradecimentos
Os Autores gostariam de agradecer: (i) Novo Nordisk
Fundação no âmbito da 'Inovação Acelerada em
Projeto Manufacturing Biologics (AIMBio) (número de concessão NNF19SA0035474); (ii)
União Europeia no âmbito do Projeto Calimero (Projeto número de concessão 101060546);
e (iii) Fundação Novo Nordisk no âmbito do projeto 'Análise de sustentabilidade em tempo
real para a Indústria 4.0' (Sustain4.0) (número de concessão NNF22OC0080136).
Referências
Alvarado-Morales, M., Terra, J., Gernaey, KV, Woodley, JM, Gani, R., 2009.
Biorrefinação: ferramentas auxiliadas por computador para projeto e análise sustentáveis da produção
de bioetanol. Química. Eng. Res. Des. 87 (9), 1171–1183. https://doi.org/10.1016/j. cherd.2009.07.006.
' '
Alvarez del Castillo-Romo, A., Morales-Rodriguez, R., Roman-Martínez, A., 2018.
Otimização multiobjetivo para conversão socioecoeficiente de biomassa lignocelulósica em biocombustíveis
e bioprodutos. Tecnologia Limpa. Meio Ambiente. Política 20 (3), 603–620. https://doi.org/
10.1007/s10098-018-1490-x.
Anastas, PT, Warner, JC, 2000. Química Verde: Teoria e Prática. Imprensa da
Universidade de Oxford .
Anastas, PT, Zimmerman, JB, 2003. Revisado por pares: projeto através dos 12 princípios da engenharia
verde. Meio Ambiente. Ciência. Tecnologia. 37 (5), 94A–101A. https://doi.org/10.1021/es032373g .
Azapagic, A. e Clift, R. (1999). A aplicação da avaliação do ciclo de vida ao processo
otimização. 23, 1509–1526.
12
Computadores e Engenharia Química 180 (2024) 108504
Azhar Khan, M., Zahir Khan, M., Zaman, K., Naz, L., 2014. Estimativas globais de consumo de energia e
emissões de gases de efeito estufa. Renovar. Sustentar. Energia Rev. 29, 336–344. https://doi.org/
10.1016/j.rser.2013.08.091.
Bakshi, BR, 2003. A busca pela sustentabilidade: desafios para sistemas de processos
Engenharia. AIChE J. 49 (6), 1350–1358. https://doi.org/10.1002/aic.690490602.
Bakshi, BR, 2019. Rumo à engenharia química sustentável: o papel da engenharia de sistemas de processo.
Anu. Rev. Biomol. Eng. 10 (1), 265–288. https://doi.org/10.1146/annurev-chembioeng-060718-030332 .
Baliban, RC, Elia, JA, Floudas, CA, 2013. Novos processos de gás natural para líquidos: síntese de
processos e estratégias de otimização global. AlChE J. 59 (2), 505–531. https://doi.org/10.1002/
aic.13996.
Bamufleh, HS, Ponce-Ortega, JM, El-Halwagi, MM, 2013. Multiobjetivo
otimização de sistemas de cogeração de processos com compensações econômicas, ambientais e
sociais. Tecnologia Limpa. Meio Ambiente. Política 15 (1), 185–197. https://doi.org/10.1007/
s10098-012-0497-y .
Bengtsson, S. (2004). Método de Análise de Ecoeficiência da BASF – Aplicado em dados de
impacto ambiental de um estudo de ACV de dois corantes. Junho.
Birge, JR, 1997. Introdução à Programação Estocástica. Springer.
Bjorn, A. (2015). Melhor, mas bom o suficiente? Indicadores para sustentabilidade ambiental absoluta
numa perspectiva de ciclo de vida – DTU Findit [Tese de Doutoramento, Universidade Técnica
da Dinamarca]. https://findit.dtu.dk/en/catalog/5672ea221fb7ae3 b76000091? % 2bin %
2Ba%2BLife%2BCycle%2BPerspective%26show_single% 3Doff%26utf8%3D%25E2%259C%2593.
Bjørn, A., Sim, S., King, H., Patouillard, L., Margni, M., Hauschild, MZ, Ryberg, M., 2020. Avaliação do ciclo
de vida aplicando limites planetários e regionais ao nível do processo: a modelo de estudo de caso.
Internacional J. Avaliação do Ciclo de Vida. 25 (11), 2241–2254. https://doi.org/10.1007/
s11367-020-01823-8.
Blanco, H., Codina, V., Laurent, A., Nijs, W., Mar´echal, F., Faaij, A., 2020. Integração da avaliação do ciclo
de vida em modelos de sistemas de energia: uma aplicação para Power-to- Metano na UE. Apl.
Energia 259, 114160. https://doi.org/10.1016/j. apenergy.2019.114160.
Bosch, ¨ ME, Hellweg, S., Huijbregts, MAJ, Frischknecht, R., 2007. Aplicação de
indicadores de demanda cumulativa de exergia (CExD) ao banco de dados ecoinvent.
Internacional J. Avaliação do Ciclo de Vida. 12 (3), 181–190. https://doi.org/10.1065/lca2006.11.282.
Boyaghchi, FA, Chavoshi, M., 2017. Otimização multicritério de um micro sistema CCHP solar-
geotérmico aplicando nanofluido de água/CuO com base em conceitos de exergia,
exergoeconômico e exergoambiental. Apl. Termo. Eng. 112, 660–675. https://doi.org/10.1016/
j.applthermaleng.2016.10.139.
Bueno, C., Hauschild, MZ, Rossignolo, JA, Ometto, AR, Mendes, NC, 2016.
Análise de sensibilidade da utilização de métodos de avaliação de impacto do ciclo de vida: um
estudo de caso em materiais de construção. J. Limpo. Prod. 112, 2208–2220. https://doi.org/
10.1016/j. jclepro.2015.10.006.
Burgess, AA, Brennan, DJ, 2001. Aplicação da avaliação do ciclo de vida a produtos químicos
processos. Química. Eng. Ciência. 56 (8), 2589–2604. https://doi.org/10.1016/S0009-2509 (00)00511-X.
Cabezas, H., Bare, JC, Mallick, SK, 1999. Prevenção da poluição com simuladores de processos
químicos: o algoritmo de redução generalizada de resíduos (WAR) - versão completa. Computação.
Química. Eng. 23 (4–5), 623–634. '
' '
Calvo-Serrano, R., Guo, M., Pozo, C., Galan-Martín, Guill´en-Gosalbez, A., G., 2019.
Conversão de biomassa em combustíveis, produtos químicos ou eletricidade? Uma abordagem
de otimização do ciclo de vida baseada em rede aplicada à União Europeia. Sustentação ACS.
Química. Eng. 7 (12), 10570–10582. https://doi.org/10.1021/acssuschemeng.9b01115.
Capitanescu, F., Marvuglia, A., Benetto, E., 2018. Uma síntese de abordagens de otimização para modelagem
de processos industriais integrados em ACV: aplicação a plantas de produção de água potável.
In: Benetto, E., Gericke, K., Guiton, M. (Eds.), Projetando Tecnologias, Produtos e Políticas
Sustentáveis. Springer International Publishing, pp. https://doi.org/10.1007/978-3-319-66981-6_3.
Caudill, RJ, Olapiriyakul, S., Seale, B., 2010. Uma métrica de pegada de exergia normalizada para o consumo
de exergia per capita dos EUA. In: Anais do Simpósio Internacional IEEE sobre Sistemas e
Tecnologia Sustentáveis, pp. https://doi.org/10.1109/ISSST.2010.5507746 .
Chang, F., Zhang, X., Zhan, G., Duan, Y., Zhang, S., 2021. Revisão de métodos para
avaliação de sustentabilidade de processos de engenharia química. Ind. Eng. Química. Res. 60 (1), 52–
66. https://doi.org/10.1021/acs.iecr.0c04720.
Chen, X., Matthews, HS, Griffin, WM, 2021. Incerteza causada por métodos de avaliação de impacto do
ciclo de vida: estudos de caso em bases de dados de ICV baseadas em processos. Recurso. Conservar.
Reciclar. 172, 105678 https://doi.org/10.1016/j.resconrec.2021.105678.
Cherubini, E., Franco, D., Zanghelini, GM, Soares, SR, 2018. Incerteza no estudo de caso de ACV
devido a abordagens de alocação e métodos de avaliação de impacto do ciclo de vida. Internacional J.
Avaliação do ciclo de vida. 23 (10), 2055–2070. https://doi.org/10.1007/s11367-017-1432- 6.
Cuÿ ÿcek, L., Klemeÿs, JJ, Kravanja, Z., 2015. Visão geral das pegadas ambientais.
Avaliando e Medindo o Impacto Ambiental e a Sustentabilidade. Elsevier, pp. https://doi.org/
10.1016/B978-0-12-799968-5.00005-1.
Cuÿ ÿcek, L., Varbanov, PS, Klemeÿs, JJ, Kravanja, Z., 2012. Otimização multicritério baseada em pegadas
totais de cadeias regionais de fornecimento de energia de biomassa. Energia 44 (1), 135–145.
https://doi.org/10.1016/j.energy.2012.01.040.
Czyrnek-Delˆetre, MM, Smyth, BM, Murphy, JD, 2017. Além do carbono e da energia: o desafio no
estabelecimento de diretrizes para avaliação do ciclo de vida de sistemas de biocombustíveis. Renovar.
Energia 105, 436–448. https://doi.org/10.1016/j.renene.2016.11.043.
Elia, JA, Baliban, RC, Xiao, X., Floudas, CA, 2011. Determinação da rede de fornecimento de
energia ideal e análise do ciclo de vida para plantas híbridas de carvão, biomassa e gás
natural para líquido (CBGTL) usando produção de hidrogênio à base de carbono. Computação. Química.
Eng. 35 (8), 1399–1430. https://doi.org/10.1016/j.compchemeng.2011.01.019.
Machine Translated by Google
CL Gargalo et al.
Finnveden, G., Hauschild, MZ, Ekvall, T., Guin´ee, J., Heijungs, R., Hellweg, S.,
Koehler, A., Pennington, D., Suh, S., 2009. Desenvolvimentos recentes na avaliação do ciclo de
vida. J. Meio Ambiente. Gerenciar. 91 (1), 1–21. https://doi.org/10.1016/j.
jenvman.2009.06.018.
Frischknecht et al. (2003). Banco de dados Ecoinvent. https://www.ecoinvent.org/.
Gao, J., Ning, C., You, F., 2019. Otimização distributivamente robusta baseada em dados das cadeias de
abastecimento de gás de xisto sob incerteza. AlChE J. 65 (3), 947–963. https://doi.org/10.1002/
aic.16488 .
Gao, J., You, F., 2017. Estrutura de modelagem e algoritmo computacional para proteção contra incertezas
no projeto sustentável da cadeia de suprimentos usando otimização do ciclo de vida baseada em
unidades funcionais. Computação. Química. Eng. 107, 221–236. https://doi.org/10.1016/
j.compchemeng.2017.05.021 .
Gao, J., You, F., 2018. Avaliação integrada do ciclo de vida híbrido e otimização do gás de xisto. Sustentação
ACS. Química. Eng. 6 (2), 1803–1824. https://doi.org/10.1021/ acssuschemeng.7b03198.
Gargalo, CL, Cheali, P., Posada, JA, Carvalho, A., Gernaey, KV, Sin, G., 2016.
Avaliando a sustentabilidade ambiental do projeto em estágio inicial para bioprocessos sob incertezas:
uma análise da bioconversão do glicerol. J. Limpo. Prod. 139, 1245–1260. https://doi.org/10.1016/
j.jclepro.2016.08.156.
Gebreslassie, BH, Slivinsky, M., Wang, B., Você, F., 2013a. Otimização do ciclo de vida para projeto e
operações sustentáveis de biorrefinaria de hidrocarbonetos por meio de pirólise rápida,
hidrotratamento e hidrocraqueamento. Computação. Química. Eng. 50, 71–91. https://doi.org/10.1016/
j.compchemeng.2012.10.013 .
Gebreslassie, BH, Waymire, R., Você, F., 2013b. Projeto sustentável e síntese de biorrefinaria baseada em
algas para produção simultânea de biocombustíveis de hidrocarbonetos e sequestro de carbono.
AlChE J. 59 (5), 1599–1621. https://doi.org/10.1002/aic.14075 .
Geisler, G., Hofstetter, TB, Hungerbühler, K., 2004. Produção de produtos químicos finos e especiais:
procedimento para a estimativa de ICMs. Internacional J. Avaliação do Ciclo de Vida. 9 (2), 101–
113. https://doi.org/10.1007/BF02978569.
Gerber, L., Gassner, M., Mar´echal, F., 2011. Integração sistemática de ACV no projeto de sistemas de
processo: aplicação à produção combinada de combustível e eletricidade a partir de biomassa
lignocelulósica. Computação. Química. Eng. 35 (7), 1265–1280. https://doi.org/10.1016/
j.compchemeng.2010.11.012 .
Gerber, L., Mar´echal, F., 2012. Configurações ambientais ótimas de sistemas de conversão de energia
geotérmica: aplicação à futura construção de Sistemas Geotérmicos Aprimorados na Suíça. Energia 45
(1), 908–923. https://doi.org/10.1016/j. energia.2012.06.068.
Ghosh, T., Bakshi, BR, 2017. Abordagem processo-planeta para design de processos sustentáveis: múltiplos
objetivos e subprodutos. Teoria. Encontrado. Química. Eng. 51 (6), 936–948. https://doi.org/10.1134/
S0040579517060045.
Glaviÿc, P., Lukman, R., 2007. Revisão dos termos de sustentabilidade e suas definições.
J. Limpo. Prod. 15 (18), 1875–1885. https://doi.org/10.1016/j.jclepro.2006.12.006.
Gong, J., You, F., 2017. Otimização consequencial do ciclo de vida: conceitual geral
enquadramento e aplicação à produção de diesel renovável de algas. Sustentação ACS. Química.
Eng. 5 (7), 5887–5911. https://doi.org/10.1021/acssuschemeng.7b00631.
Gong, J., You, F., 2018. Um novo paradigma de otimização de superestrutura para processos
síntese com otimização da distribuição de produtos: aplicação a um processo integrado de processamento
de gás de xisto e fabricação de produtos químicos. AlChE J. 64 (1), 123–143. https://doi.org/10.1002/
aic.15882.
Gonzalez-Garay, A., Guillen-Gosalbez, G., 2018. SUSCAPE: uma estrutura para o design ideal de processos
químicos sustentáveis incorporando análise envoltória de dados.
Química. Eng. Res. Des. 137, 246–264. https://doi.org/10.1016/j.cherd.2018.07.009.
Grossmann, IE, Harjunkoski, I., 2019. Engenharia de sistemas de processos: perspectivas acadêmicas
e industriais. Computação. Química. Eng. 126, 474-484. https://doi.org/10.1016/
j.compchemeng.2019.04.028 .
'
Guill´en-Gosalbez, G., Grossmann, IE, 2009. Projeto e planejamento ideais de cadeias de abastecimento de
produtos químicos sustentáveis sob incerteza. AlChE J. 55 (1), 99–121. https://doi.org/10.1002/aic.11662 .
' Mahdi, MS, 1987. Nosso Futuro Comum (livro). Internacional J. Meio Ambiente. Viga. 30 (2–3), 233.
'
Guill´en-Gosalbez, G., You, F., Gal´ an-Martín, A., Pozo, C., Grossmann, IE, 2019. Pensamento e ferramentas
de engenharia de sistemas de processo aplicadas a problemas de sustentabilidade: cenário atual e
oportunidades futuras . Curr. Opinião. Química. Eng. 26, 170–179. https://doi.org/10.1016/
j.coche.2019.11.002 .
Guin´ee, JB, Heijungs, R., Huppes, G., Zamagni, A., Masoni, P., Buonamici, R., Ekvall, T., Rydberg, T., 2011.
Avaliação do ciclo de vida: passado, presente e futuro. Meio Ambiente. Ciência.
Tecnologia. 45 (1), 90–96. https://doi.org/10.1021/es101316v.
Hanes, RJ, Bakshi, BR, 2015. Desenho de processos sustentáveis pela estrutura do processo para o
planeta. AlChE J. 61 (10), 3320–3331. https://doi.org/10.1002/aic.14918.
Hauschild, MZ, 2015. Melhor – mas é bom o suficiente? Sobre a necessidade de considerar tanto a
ecoeficiência como a ecoeficácia para avaliar a sustentabilidade industrial. Procedia CIRP 29, 1–7. https://
doi.org/10.1016/j.procir.2015.02.126.
He, C., You, F., 2016. Investigando o nexo energia-água-carbono em megaescala
produção de produtos químicos a partir do gás de xisto dos Apalaches. In: Engenharia Química Auxiliada por
Computador, 38. Elsevier, pp. https://doi.org/10.1016/B978-0-444-63428-3.50149-1 .
Heidrich, A., Farenzena, M., Trierweiler, JO, 2019. Projeto ambientalmente consciente de processos químicos
com base na previsão de danos ambientais. Ind. Eng. Química.
Res. 58 (4), 1650-1657. https://doi.org/10.1021/acs.iecr.8b04074.
Heijungs, R., Dekker, E., 2022. Metacomparações: como comparar métodos para ACV? Internacional
J. Avaliação do Ciclo de Vida. 27 (7), 993–1015. https://doi.org/10.1007/s11367-022-02075-
4.
Hellweg, S., Mil` ai Canals, L., 2014. Abordagens emergentes, desafios e oportunidades na avaliação do ciclo
de vida. Ciência 344 (6188), 1109–1113. https://doi.org/10.1126/
ciência.1248361.
13
Computadores e Engenharia Química 180 (2024) 108504
Hong, JD, Mwakalonge, JL, 2020. Projeto de esquema de rede logística de biocombustíveis com
abordagem combinada de análise envoltória de dados. Energia 209, 118342. https://doi. org/10.1016/
j.energy.2020.118342.
Huijbregts, MAJ, 1998. Aplicação de incerteza e variabilidade em ACV. Internacional J. Avaliação do Ciclo de
Vida. 3 (5), 273.
Ilagan, ER, Tan, RR, 2011. Procedimento simultâneo de alocação e reconciliação de dados na análise de
inventário do ciclo de vida usando programação matemática difusa. Ásia-Pac. J.
Química. Eng. 6 (5), 794–800. https://doi.org/10.1002/apj.465.
ISO 14044. (2006). Gestão Ambiental e Avaliação do Ciclo de Vida e Princípios e
Estrutura.
Jacquemin, L., Pontalier, PY, Sablayrolles, C., 2012. Avaliação do ciclo de vida (ACV) aplicada à indústria de
processos: uma revisão. Internacional J. Avaliação do Ciclo de Vida. 17(8), 1028–1041. https://
doi.org/10.1007/s11367-012-0432-9.
Jakobsen, JP, Roussanaly, S., Brunsvold, A., Anantharaman, R., 2014. Uma ferramenta para
avaliação multicritério integrada da cadeia de valor da CCS. Energia Procedia 63, 7290–7297. https://
doi.org/10.1016/j.egypro.2014.11.765.
Jeswani, HK, Azapagic, A., Schepelmann, P., Ritthoff, M., 2010. Opções para ampliar e aprofundar as
abordagens de ACV. J. Limpo. Prod. 18 (2), 120–127. https://doi.org/10.1016/j.jclepro.2009.09.023 .
Jim´enez-Gonzalez, ´ C., Kim, S., Overcash, MR, 2000. Metodologia para desenvolver informações de
inventário de ciclo de vida porta a porta. Internacional J. Avaliação do Ciclo de Vida. 5 (3), 153-159.
https://doi.org/10.1007/BF02978615.
Kalbar, PP, Birkved, M., Nygaard, SE, Hauschild, M., 2017. Ponderação e agregação na avaliação do ciclo de
vida: as pontuações únicas agregadas atuais fornecem suporte correto à decisão?: As pontuações únicas
fornecem suporte correto à decisão? J. Ind. 21 (6), 1591–1600. https://doi.org/10.1111/jiec.12520.
Klatt, KU, Marquardt, W., 2009. Perspectivas para engenharia de sistemas de processos – visões pessoais da
academia e da indústria. Computação. Química. Eng. 33 (3), 536–550. https://doi.org/10.1016/
j.compchemeng.2008.09.002 .
Koj, JC, Wulf, C., Zapp, P., 2019. Impactos ambientais de sistemas de energia para X – a
revisão das escolhas tecnológicas e metodológicas nas avaliações do ciclo de vida. Renovar.
Sustentar. Energia Rev. https://doi.org/10.1016/j.rser.2019.06.029.
Kostin, A., Guill´en-Gos´ albez, G., Mele, FD, Jim´enez, L., 2012. Identificação das principais métricas de
avaliação do ciclo de vida no projeto multiobjetivo de cadeias de abastecimento de bioetanol usando um
rigoroso método linear inteiro misto abordagem de programação. Ind. Eng. Química. Res. 51 (14), 5282–
5291. https://doi.org/10.1021/ie2027074.
Kumar, A., Sah, B., Singh, AR, Deng, Y., He, X., Kumar, P., Bansal, RC, 2017. Uma revisão da tomada de decisão
multicritério (MCDM) para o desenvolvimento sustentável de energia renovável . Renovar. Sustentar. Energia
Rev. https://doi.org/10.1016/j. rser.2016.11.191.
Landis, AE, Theis, TL, 2008. Comparação de ferramentas de avaliação de impacto do ciclo de vida no caso
dos biocombustíveis. In: Anais do Simpósio Internacional IEEE sobre Eletrônica e Meio Ambiente, pp.
https://doi.org/10.1109/ISEE.2008.4562869.
' '
Laso, J., Cristobal, J., Margallo, M., Aldaco, R., Vazquez-Rowe, I., 2022. Capítulo 8 – O uso combinado de
avaliação do ciclo de vida e análise envoltória de dados para analisar a eficiência ambiental de multi
-sistemas de unidades. In: Teodosiu, C., Fiore, S., Hospido, A. (Eds.), Avaliando o progresso
em direção à sustentabilidade. Elsevier, pp. https://doi.org/10.1016/B978-0-323-85851-9.00008-0.
Lesage, P., Mutel, C., Schenker, U., Margni, M., 2018. Análise de incerteza em LCA usando conjuntos de
dados agregados pré-calculados. Internacional J. Avaliação do Ciclo de Vida. 23 (11), 2248–2265.
https://doi.org/10.1007/s11367-018-1444-x.
Li, S., Feliachi, Y., Agbleze, S., Ruiz-Mercado, GJ, Smith, RL, Meyer, DE, Gonzalez, M.
A., Lima, FV, 2018. Uma estrutura de sistemas de processos para geração rápida de inventários
de ciclo de vida para controle de poluição e avaliação de sustentabilidade. Tecnologia Limpa.
Meio Ambiente. Política 20 (7), 1543–1561. https://doi.org/10.1007/s10098-018-1530-6.
Liu, X., Bakshi, BR, 2019. Serviços ecossistêmicos na avaliação do ciclo de vida, ao mesmo tempo que
incentivam sinergias tecnoecológicas. J. Ind. 23 (2), 347–360. https://doi.org/10.1111/jiec.12755 .
Majeau-Bettez, G., Strømman, AH, Hertwich, EG, 2011. Avaliação de dados de inventário de ciclo de vida
baseados em processos e entradas-saídas no que diz respeito a problemas de truncamento e
agregação. Meio Ambiente. Ciência. Tecnologia. 45 (23), 10170–10177. https://doi.org/10.1021/
es201308x .
Martín-Gamboa, M., Iribarren, D., García-Gusano, D., Dufour, J., 2017. Uma revisão das abordagens de ciclo
de vida juntamente com análise envoltória de dados dentro da análise de decisão multicritério para
avaliação de sustentabilidade de sistemas energéticos . J. Limpo. Prod. 150, 164-174. https://doi.org/
10.1016/j.jclepro.2017.03.017.
Martins, AA, Mata, TM, Costa, CAV, Sikdar, SK, 2007. Estrutura para métricas de sustentabilidade. Ind. Eng.
Química. Res. 46 (10), 2962–2973. https://doi.org/10.1021/ie060692l .
McAloone, TC, Hauschild, MZ, 2020. Futuros Sustentáveis da perspectiva de sistemas de engenharia. In:
Maier, A., Oehmen, J., Vermaas, PE (Eds.), Manual de Projeto de Sistemas de Engenharia.
Springer International Publishing, pp. https://doi.org/10.1007/978-3-030-46054-9_4-1 .
'
Mele, FD, Kostin, AM, Guill´en-Gosalbez, G., Jim´enez, L., 2011. Modelo multiobjetivo para cadeias de
abastecimento de combustíveis mais sustentáveis. um estudo de caso da indústria canavieira na
Argentina. Ind. Eng. Química. Res. 50 (9), 4939–4958. https://doi.org/10.1021/ie101400g .
Ministério da Habitação, Ordenamento do Território e Ambiente. (2000). Ecoindicador 99 Manual para
Designers (pág. 49). https://pre-sustainability.com/legacy/downl oad/EI99_Manual.pdf.
Modahl, IS, Askham, C., Lyng, KA, Brekke, A., 2012. Ponderação ambiental
compensações em CCS – um estudo de caso de LCA de eletricidade de uma usina de gás fóssil com
captura, transporte e armazenamento de CO2 pós-combustão. Internacional J. Avaliação do Ciclo de
Vida. 17 (7), 932–943. https://doi.org/10.1007/s11367-012-0421-z.
Machine Translated by Google
CL Gargalo et al.
Morgan, RK, 1999. Avaliação de Impacto Ambiental: Uma Abordagem Metodológica,
1998ª edição. Springer.
Müller, LJ, K¨ atelhon, ¨ A., Bachmann, M., Zimmermann, A., Sternberg, A., Bardow, A.,
2020. Uma diretriz para avaliação do ciclo de vida de captura e utilização de carbono. Frente.
Energia Res. 8, 15. https://doi.org/10.3389/fenrg.2020.00015.
Ning, C., You, F., 2019. Compromisso de unidade robusta adaptativo baseado em dados sob incerteza
de energia eólica: uma abordagem não paramétrica bayesiana. IEEE Trans. Sistema de
energia 34 (3), 2409–2418. https://doi.org/10.1109/TPWRS.2019.2891057.
Olsen, SI, Christensen, FM, Hauschild, M., Pedersen, F., Larsen, HF, Tørsløv, J., 2001.
Avaliação do impacto do ciclo de vida e avaliação dos riscos dos produtos químicos – uma
comparação metodológica. Meio Ambiente. Avaliação de impacto. Apocalipse 21 (4), 385–
404. https://doi.org/10.1016/S0195-9255(01)00075-0 .
Owsianiak, M., Laurent, A., Bjørn, A., Hauschild, MZ, 2014. IMPACT 2002+, ReCiPe 2008 e prática
recomendada do ILCD para modelagem de caracterização na avaliação de impacto do ciclo de
vida: uma comparação baseada em estudo de caso. Internacional J. Avaliação do Ciclo de
Vida. 19 (5), 1007–1021. https://doi.org/10.1007/s11367-014-0708-3.
P´erez-Fortes, M., Laínez-Aguirre, JM, Arranz-Piera, P., Velo, E., Puigjaner, L., 2012.
Projeto de redes regionais e sustentáveis de base biológica para geração de eletricidade usando uma
abordagem MILP multiobjetivo. Energia 44 (1), 79–95. https://doi.org/10.1016/j.energy.2012.01.033 .
'
P´erez-Lopez, P., Montazeri, M., Feijoo, G., Moreira, MT, Eckelman, MJ, 2018.
Integrando incertezas na avaliação ambiental e económica combinada de biorrefinarias de algas: uma
abordagem de Monte Carlo. Ciência. Meio Ambiente Total. 626, 762–775. https://doi.org/10.1016/
j.scitotenv.2017.12.339.
Persson, LM, Breitholtz, M., Cousins, IT, de Wit, CA, MacLeod, M., McLachlan, MS, 2013.
Confrontando ameaças desconhecidas nas fronteiras planetárias causadas pela poluição química.
Meio Ambiente. Ciência. Tecnologia. 47 (22), 12619–12622. https://doi.org/10.1021/es402501c.
Pinto, J., Morales, M., Fedoruk, M., Kovaleva, M., Diemer, A., 2019. Servitização em apoio a cidades
sustentáveis: quais são as contribuições e desafios do aço?
Sustentabilidade 11 (3), 855. https://doi.org/10.3390/su11030855.
' '
Pozo, C., Ruíz-Femenia, R., Caballero, J., Guill´en-Gosalbez, G., Jim´enez, L., 2012. Sobre o uso da análise de
componentes principais para reduzir o número de objetivos ambientais em otimização multiobjetivo:
aplicação ao projeto de cadeias de abastecimento de produtos químicos. Química. Eng. Ciência. 69 (1), 146–
158. https://doi.org/10.1016/j. ces.2011.10.018.
Qazi, A., Hussain, F., Rahim, NA, Hardaker, G., Alghazzawi, D., Shaban, K., Haruna, K., 2019. Rumo à energia
sustentável: uma revisão sistemática de fontes de energia renováveis, tecnologias, e opiniões públicas.
Acesso IEEE 7, 63837–63851. https://doi.org/10.1109/ACCESS.2019.2906402 .
Rebitzer, G., Ekvall, T., Frischknecht, R., Hunkeler, D., Norris, G., Rydberg, T., Schmidt, WP, Suh, S.,
Weidema, BP, Pennington, DW, 2004. Vida avaliação do ciclo parte 1: estrutura, definição de
objetivo e escopo, análise de inventário e aplicações. Meio Ambiente. Internacional 30 (5), 701–720. https://
doi.org/10.1016/j. envint.2003.11.005.
'
Rebolledo-Leiva, R., Angulo-Meza, L., Iriarte, A., Gonzalez-Araya, MC, 2017. Avaliação
conjunta da pegada de carbono e análise envoltória de dados para a redução das
emissões de gases de efeito estufa na produção agrícola. Ciência. Meio Ambiente Total.
593–594, 36–46. https://doi.org/10.1016/j.scitotenv.2017.03.147.
Rehnstrom, 2003. ACV de dois processos de recuperação química na indústria de celulose – um
estudo de caso. Norte. Polpa Pap. Res. J. 18, 344–354. https://doi.org/10.3183/
NPPRJ-2003-18-03-p344-354 .
Rockstrom, ¨ J., Steffen, W., Noone, K., Persson, Å., Chapin, FSI, Lambin, E., Lenton, T.
M., Scheffer, M., Folke, C., Schellnhuber, HJ, Nykvist, B., de Wit, CA, Hughes, T., van der Leeuw, S., Rodhe,
H., Sorlin, ¨ S., Snyder, PK, Costanza, R., Svedin, U., Foley, J., 2009. Limites planetários: explorando o
espaço operacional seguro para a humanidade. Eco. Soc. 14 (2) https://doi.org/10.5751/
ES-03180-140232 arte32.
Rosen, MA, Dincer, I., 1999. Análise exergética de emissões de resíduos. Internacional J. Energia
Res. 23 (13), 1153–1163. https://doi.org/10.1002/(SICI)1099-114X(19991025)23:
13<1153::AIDÿ ER545>3,0.CO;2-Y.
Rosenbaum, RK, 2017. Seleção de categorias de impacto, indicadores de categoria e
modelos de caracterização na definição de objetivos e escopo. In: Curran, MA (Ed.), Definição de Objetivos
e Escopo na Avaliação do Ciclo de Vida. Springer, Holanda, pp. https://doi.org/10.1007/978-94-024-0855-3_2.
Ruiz-Mercado, GJ, Gonzalez, MA, Smith, RL, 2014. Expandindo o GREENSCOPE além do
portão: uma química verde e uma perspectiva do ciclo de vida. Tecnologia Limpa. Meio
Ambiente. Política 16 (4), 703–717. https://doi.org/10.1007/s10098-012-0533-y.
Ryberg, M., 2021. Avaliação absoluta da sustentabilidade ambiental de uma empresa de
serviços públicos dinamarquesa em relação aos limites planetários. J. Ind. 25 (3), 765–
777. https://doi.org/10.1111/jiec.13075 .
Sala, S., Goralczyk, M., 2013. Pegada química: uma estrutura metodológica para estabelecer
uma ponte entre a avaliação do ciclo de vida e os limites planetários para a poluição química:
metodologia da pegada química para ecossistemas aquáticos. Integr. Meio Ambiente. Avaliar.
Gerenciar. 9 (4), 623-632. https://doi.org/10.1002/ieam.1471.
~ '
Santibanez-Aguilar, JE, Gonzalez-Campos, JB, Ponce-Ortega, JM, Serna-Gonzalez, M., El-Halwagi,
'
MM, 2011. Planejamento ideal de um sistema de conversão de biomassa considerando aspectos econômicos
e ambientais. Ind. Eng. Química. Res. 50 (14), 8558–8570. https://doi.org/10.1021/ie102195g.
~ '
JE, Gonzalez-Campos,
Santibanez-Aguilar, JB, Ponce-Ortega, M., El-
JM, Serna-Gonzalez, distribuíram biorrefinarias multiprodutos
'
envolvendo Halwagi, MM, 2014. Planejamento ideal e seleção do local para
objetivos econômicos, ambientais e sociais. J. Limpo. Prod. 65, 270–294. https://doi.org/10.1016/j.
jclepro.2013.08.004.
'
Santos, A., Carvalho, A., Barbosa-Povoa, A., 2022. Uma metodologia para integração da
incerteza dos fatores de caracterização nas avaliações do ciclo de vida. Sustentar. Prod.
Consumir. 33, 1018–1030. https://doi.org/10.1016/j.spc.2022.08.018.
14
Computadores e Engenharia Química 180 (2024) 108504
Schuller, O., Hassel, F., Kokborg, M., Thylmann, D., Stoffregen, A., Scholl, ¨ S., & Rudolf, M.
(2013). Banco de dados GaBi e princípios de modelagem. Em PE INTERNATIONAL
(edição de novembro).
Sheldon, RA, 2017. O fator E 25 anos depois: a ascensão da química verde e
sustentabilidade. Química Verde. 19 (1), 18–43. https://doi.org/10.1039/C6GC02157C.
Smith, RL, Ruiz-Mercado, GJ, Gonzalez, MA, 2015. Uso de indicadores GREENSCOPE para
avaliação e design de processos sustentáveis auxiliados por computador. Computação.
Química. Eng. 81, 272–277. https://doi.org/10.1016/j.compchemeng.2015.04.020.
Desenho Industrial Sustentável e Gestão de Resíduos. (2007). Elsevier. 10.1016/B978-0-1
2-373623-9.X5000-X.
Telenko, C., Seepersad, CC, Webber, ME, 2008. Uma compilação de design para
princípios e diretrizes ambientais. In: Anais do 13º Design para Manufaturabilidade e Conferência do
Ciclo de Vida; 5º Simpósio Internacional de Design e Educação em Design; 10ª Conferência Internacional
sobre Tecnologias Avançadas de Veículos e Pneus, 5, pp. https://doi.org/10.1115/DETC2008-49651.
Thonemann, N., 2020. Impactos ambientais da produção química baseada em CO2: uma
revisão sistemática da literatura e meta-análise. Apl. Energia 263, 114599. https://doi.org/10.1016/
j.apenergy.2020.114599 .
Tian, X., You, F., 2019. Sistemas de energia híbrida neutra em carbono com resfriamento de
fontes de águas profundas, aquecimento de biomassa e calor e energia geotérmica.
Apl. Energia 250, 413–432. https://doi.org/10.1016/j.apenergy.2019.04.172.
'
Vasquez-Ibarra, L., Rebolledo-Leiva, R., Angulo-Meza, L., Gonz´ alez-Araya, MC, Iriarte, A., 2020. O uso
conjunto de metodologias de avaliação do ciclo de vida e análise envoltória de dados para eco -avaliação de
eficiência: uma revisão crítica, taxonomia e pesquisas futuras. Ciência. Meio Ambiente Total. 738, 139538
https://doi.org/10.1016/j. scitotenv.2020.139538.
'
Vazquez-Rowe, I., Iribarren, D., Hospido, A., Moreira, MT, Feijoo, G., 2011.
Cálculo de benchmarks operacionais e ambientais dentro de frotas pesqueiras galegas selecionadas. J. Ind. 15
(5), 776–795. https://doi.org/10.1111/j.1530-9290.2011.00360.x .
Vazquez-Rowe, I., Iribarren, D., Moreira, MT, Feijoo, G., 2010. Aplicação combinada de avaliação
do ciclo de vida e análise envoltória de dados como abordagem metodológica para a
avaliação das pescarias. Internacional J. Avaliação do Ciclo de Vida. 15 (3), 272–283.
https://doi. org/10.1007/s11367-010-0154-9.
'
Verones, F., Hellweg, S., Anton, A., Azevedo, LB, Chaudhary, A., Cosme, N., Cucurachi, S., de Baan,
L., Dong, Y., Fantke, P., Golsteijn, L., Hauschild, M., Heijungs, R., Jolliet, O., Juraske, R., Larsen,
H., Laurent, A., Mutel, CL, Margni, M., Huijbregts, MAJ, 2020. LC-IMPACT: um método regionalizado de
avaliação de danos ao longo do ciclo de vida. J. Ind. 24 (6), 1201–1219. https://doi.org/10.1111/jiec.13018.
Vollmer, N., 2022. Projeto conceitual de processo baseado em fermentação
Biofabricação – DTU Findit. Universidade Técnica da Dinamarca. https://findit.dtu. dk/en/catálogo/
6316717a1a0f2c313d23036d.
Wang, B., Gebreslassie, BH, You, F., 2013. Design sustentável e síntese de
biorrefinaria de hidrocarbonetos via gaseificação: avaliação integrada do ciclo de vida e análise
tecnoeconômica com otimização multiobjetivo da superestrutura.
Computação. Química. Eng. 52, 55–76. https://doi.org/10.1016/
j. compchemeng.2012.12.008.
Wernet, G., Conradt, S., Isenring, HP, Jim´enez-Gonzalez, ´ C., Hungerbühler,K., 2010.
Avaliação do ciclo de vida da produção de química fina: um estudo de caso de síntese
farmacêutica. Internacional J. Avaliação do Ciclo de Vida. 15 (3), 294–303. https://doi.org/10.1007/
s11367-010-0151-z.
'
Wheeler, J., Paez, MA, Guill´en-Gos´ albez, G., Mele, FD, 2018. Combinação de métodos
de tomada de decisão multiatributos com otimização multiobjetivo no projeto de cadeias de
abastecimento de biomassa. Computação. Química. Eng. 113, 11–31. https://doi.org/
10.1016/j.compchemeng.2018.02.010 .
Wigley, R. (2021, 2 de julho). Energia renovável vs energia sustentável: qual é a
diferença? Mestrado em Energia Sustentável. https://energy.sais.jhu.edu/articles/renewabl
e-energy-vs-sustainable-energy/.
Woertz, IC, Benemann, JR, Du, N., Unnasch, S., Mendola, D., Mitchell, BG,
Lundquist, TJ, 2014. Emissões de GEE do ciclo de vida do biodiesel de microalgas – Um
modelo CA-GREET. Meio Ambiente. Ciência. Tecnologia. 48 (11), 6060–6068. https://doi.org/
10.1021/es403768q .
Wu, W., Lin, KH, Chang, JS, 2018. Gases de efeito estufa econômicos e de ciclo de vida
otimização das cadeias de microalgas em biocombustíveis. Biorrecurso. Tecnologia. 267,
550–559. https://doi.org/10.1016/j.biortech.2018.07.083.
Yang, M., You, F., 2018. Fabricação modular de metanol a partir de gás de xisto: tecnologia
análises econômicas e ambientais da produção convencional em grande escala versus
processamento modular distribuído em pequena escala. AlChE J. 64 (2), 495–510. https://
doi. org/10.1002/aic.15958.
Yang, Y., Ingwersen, WW, Hawkins, TR, Srocka, M., Meyer, DE, 2017. USEEIO: um novo e
transparente modelo de insumo-produto ambientalmente estendido dos Estados Unidos.
J. Limpo. Prod. 158, 308–318. https://doi.org/10.1016/j.jclepro.2017.04.150.
Yao, Y., Masanet, E., 2018. Estrutura de modelagem do ciclo de vida para geração de
energia e inventário de emissões de gases de efeito estufa de tecnologias
emergentes na indústria química. J. Limpo. Prod. 172, 768-777. https://
doi.org/10.1016/j. jclepro.2017.10.125.
Yi, HS, Bakshi, BR, 2007. Retificação de dados multiescala com aplicação em inventários de ciclo de vida. AlChE
J. 53 (4), 876–890. https://doi.org/10.1002/aic.11119.
Você, F., Tao, L., Graziano, DJ, Snyder, SW, 2012. Design ideal de sustentável
cadeias de fornecimento de biocombustíveis celulósicos: otimização multiobjetivo aliada à avaliação
do ciclo de vida e análise de insumo-produto. AlChE J. 58 (4), 1157–1180. https://doi.org/10.1002/
aic.12637 .
You, F., Wang, B., 2011. Otimização do ciclo de vida de cadeias de abastecimento de biomassa para
líquido com redes de processamento distribuídas e centralizadas. Ind. Eng. Química.
Res. 50 (17), 10102–10127. https://doi.org/10.1021/ie200850t.
Machine Translated by Google
CL Gargalo et al.
Young, DM, Cabezas, H., 1999. Projetando processos sustentáveis com simulação: o algoritmo de redução
de resíduos (WAR). Computação. Química. Eng. 23 (10), 1477–1491. https://doi.org/10.1016/
S0098-1354(99)00306-3.
Young, D., Scharp, R., Cabezas, H., 2000. O algoritmo de redução de resíduos (WAR):
impactos ambientais, consumo de energia e economia da engenharia. Gestão de Resíduos . 20 (8),
605–615.
Yue, D., Kim, MA, You, F., 2013. Projeto de sistemas de produtos sustentáveis e cadeias de suprimentos
com otimização do ciclo de vida com base em unidade funcional: estrutura geral de modelagem,
algoritmos de programação não linear de número inteiro misto e estudo de caso sobre biocombustíveis
de hidrocarbonetos. Sustentação ACS. Química. Eng. 1(8), 1003–1014. https://doi.org/10.1021/sc400080x .
15
Computadores e Engenharia Química 180 (2024) 108504
Yue, D., Pandya, S., You, F., 2016. Integrando avaliação do ciclo de vida híbrida com
otimização multiobjetivo: uma estrutura de modelagem. Meio Ambiente. Ciência. Tecnologia. 50 (3),
1501–1509. https://doi.org/10.1021/acs.est.5b04279.
Zamboni, A., Bezzo, F., Shah, N., 2009. Modelo estático espacialmente explícito para o desenho estratégico
de futuros sistemas de produção de bioetanol. 2. Otimização ambiental multiobjetivo. Combustíveis
Energéticos 23 (10), 5134–5143. https://doi.org/10.1021/ef9004779 .
Zhang, X., Li, C., Fu, C., Zhang, S., 2008. Avaliação de impacto ambiental de processo químico usando o
método de grau verde. Ind. Eng. Química. Res. 47 (4), 1085–1094. https://doi.org/10.1021/ie0705599.
Zimmerman, JB, Anastas, PT, Erythropel, HC, Leitner, W., 2020. Projetando para um futuro de química
verde. Ciência 367 (6476), 397–400. https://doi.org/10.1126/science.aay3060 .