Safe Aggregation in Modular Sustainability Assessment: A Method for Interface-Aware Pareto Screening

In de wereld van de industriële ecologie proberen wetenschappers en ingenieurs de volledige milieu-impact van de dingen die we gebruiken te begrijpen, van de elektriciteit die onze huizen van stroom voorziet tot de materialen waarmee onze steden worden gebouwd. Ze doen dit door complexe systemen op te delen in kleinere, beheersbare stukjes die modules worden genoemd. Stel je een uitgestrekt netwerk voor van fabrieken, boerderijen en recyclingcentra, die elk een specifieke taak uitvoeren, zoals het raffineren van olie of het opwekken van energie. Om het hele systeem te bestuderen, bouwen onderzoekers digitale modellen van deze individuele taken en verbinden ze deze vervolgens met elkaar, waarbij ze volgen hoe materialen en energie van de ene stap naar de volgende stromen. Deze aanpak, bekend als levenscyclusanalyse, stelt hen in staat om de totale milieubelasting, zoals koolstofemissies of waterverbruik, te berekenen die verbonden is aan een product. Er ontstaat echter een hardnekkige uitdaging wanneer deze modellen te groot of te complex worden. Om ze beheersbaar te maken, vereenvoudigen modelleerders vaak de details van tussenliggende stappen door verschillende soorten materialen of omstandigheden samen te voegen in één enkele, generieke categorie. Ze behandelen bijvoorbeeld alle elektriciteit als hetzelfde, ongeacht of deze rond het middaguur of rond middernacht werd opgewekt, of ze negeren de specifieke druk van een gasstroom, uitgaande van het feit dat alleen de totale hoeveelheid gas relevant is. De kritische vraag is of deze vereenvoudigingen veilig zijn. Als een modelleur een detail weglaat dat cruciaal blijkt te zijn voor de volgende stap in de keten, kan de uiteindelijke berekening van de totale impact van het systeem volledig onjuist zijn, wat potentieel kan leiden tot de selectie van een technologie die eigenlijk slechter is voor het milieu dan de technologie die zij hebben afgewezen.

Juan J. Segura, een onderzoeker aan de Universidad Andres Bello, heeft een nauwkeurige methode ontwikkeld om deze vraag te beantwoorden: het bepalen van het exacte moment waarop het veilig is om een model te vereenvoudigen en wanneer dat gevaarlijk is. Zijn werk richt zich op de interface tussen verschillende delen van een systeem, het punt waar het ene proces zijn output overdraagt aan het volgende. Hij stelt een regel voor die controleert of het stroomafwaartse proces, het proces dat het materiaal ontvangt, daadwerkelijk geeft om de specifieke details die worden verwijderd. Als het ontvangende proces ongevoelig is voor een bepaald detail, zoals de temperatuur van een gas of de specifieke locatie waar het werd geproduceerd, dan kan dat detail veilig worden samengevoegd of genegeerd zonder de uiteindelijke milieuconclusie te veranderen. Echter, als het ontvangende proces wel gevoelig is voor dat detail, moet de informatie behouden blijven. Segura demonstreert dat het negeren van deze regel kan leiden tot een specifieke en ernstige fout: een model kan een technologie onterecht identificeren als de beste optie en een superieur alternatief verwerpen, simpelweg omdat het model er niet in slaagde een cruciaal verschil tussen hen te zien.

Om zijn punt te bewijzen, construeerde Segura een specifieke testcase met vijf verschillende technologieën die allemaal hetzelfde basismateriaal produceren. In dit scenario produceerden de technologieën materialen met verschillende combinaties van zuiverheid, locatie en temperatuur. Het stroomafwaartse proces was kritisch afhankelijk van de zuiverheid en de locatie van het materiaal, maar was volgens de constructie ongevoelig voor de temperatuur. Wanneer de modelleerders een traditionele aanpak gebruikten, keken ze alleen naar de totale hoeveelheid geproduceerd materiaal en de energie die nodig was om het te maken, waarbij ze de verschillen in zuiverheid en locatie negeerden. Onder dit vereenvoudigde perspectief leek een van de technologieën de meest efficiënt en werd deze als winnaar gekozen, terwijl een superieur alternatief werd verworpen. Echter, toen het volledige systeem werd samengesteld en de specifieke eisen voor zuiverheid en locatie in rekening werden genomen, keerde de situatie om. De technologie die was verworpen, bleek de enige optie die aan de eisen van het systeem kon voldoen zonder enorme extra lasten stroomafwaarts te veroorzaken. De technologie die er in isolatie goed uitzag, vereiste in werkelijkheid zoveel extra inspanning stroomafwaarts om aan de specifieke eisen voor zuiverheid en locatie te voldoen, dat het de slechtste optie overall werd. Dit voorbeeld liet zien dat een voortijdige vereenvoudiging de ware beste oplossing had geëlimineerd.

Segura ging vervolgens een stap verder door een massale computersimulatie uit te voeren om te zien hoe vaak een dergelijke fout in de echte wereld voorkomt. Hij genereerde meer dan 160.000 verschillende modulaire systemen, waarbij hij het aantal technologieën, de complexiteit van de milieu-impact en de gevoeligheid van de stroomafwaartse processen voor specifieke details varieerde. De resultaten waren schokkend. Naarmate de gevoeligheid van het stroomafwaartse proces toenam, groeide het risico op een foute beslissing door het modelleren te vereenvoudigen drastisch. In gevallen waarin het stroomafwaartse proces zeer gevoelig was voor details, faalde de traditionele methode van het vereenvoudigen van het model in bijna 74 procent van de simulaties. Het verwijderde consequent juist de technologieën die de beste keuze voor het volledige systeem zouden zijn geweest. In contrast hiermee maakte de methode die Segura voorstelt, die hij "interface-aware screening" noemt, nooit deze fout. Door te controleren of het stroomafwaartse proces daadwerkelijk tussen de verschillende opties het onderscheid kon maken voordat er een beslissing werd genomen, behield deze methode elke keer de juiste oplossing, zelfs terwijl het nog steeds de mogelijkheid bood om werkelijk irrelevante details te verwijderen.

De kernbevinding van dit onderzoek is dat het vereiste detailniveau in een model geen vaste standaard is die voor elke situatie geldt. In plaats daarvan hangt het volledig af van wat de volgende stap in de keten moet weten. Een model hoeft niet overal gedetailleerd te zijn, maar het moet wel gedetailleerd genoeg zijn waar het ertoe doet. Als een stroomafwaarts proces het verschil niet kan zien tussen twee toestanden, dan kunnen die toestanden als hetzelfde worden behandeld. Maar als het stroomafwaartse proces er anders op reageert, moet het model ze gescheiden houden. Dit inzicht biedt een duidelijke, controleerbare regel voor wetenschappers en ingenieurs die deze complexe duurzaamheidsmodellen bouwen. Het stelt hen in staat om hun werk te vereenvoudigen zonder angst, mits zij kunnen bewijzen dat de vereenvoudiging geen verschil verbergt waar de rest van het systeem belang bij heeft.

Deze aanpak verandert de manier waarop we denken over het bouwen van modellen voor de toekomst. Het suggereert dat we bibliotheken van herbruikbare procesmodellen kunnen creëren die gecertificeerd zijn om veilig te zijn voor specifieke soorten verbindingen. In plaats van te gissen of een model gedetailleerd genoeg is, kunnen modelleerders nu het exacte vereiste detailniveau berekenen op basis van het beoogde gebruik van dat model. Dit is bijzonder belangrijk voor prospectieve assessments, waarbij wetenschappers proberen de milieu-impact te voorspellen van technologieën die nog niet bestaan of die in zeer andere toekomstige contexten zullen opereren. Door ervoor te zorgen dat de juiste details behouden blijven, helpt deze methode om de selectie van technologieën te voorkomen die er op papier goed uitzien, maar in de praktijk falen. Het biedt een manier om met vertrouwen door de complexiteit van industriële systemen te navigeren, door te garanderen dat de weg die we kiezen voor een duurzame toekomst gebaseerd is op accurate informatie in plaats van op gemakkelijke shortcuts. Het werk beweert niet elk probleem in milieumodellering op te lossen, maar het biedt een fundamenteel instrument om te weten wanneer een model klaar is voor gebruik en wanneer het meer detail nodig heeft, waardoor een kwestie van oordeel wordt getransformeerd in een kwestie van berekening.