| Indhold |

Miljøprojekt nr. 801, 2003

LCA og kemikalier - forprojekt

Indholdsfortegnelse

Forord

Forprojektet "LCA og kemikalier", der er gennemført af dk-TEKNIK ENERGI & MILJØ i perioden 2000-2002 afrapporteres i den nærværende rapport. Forprojektet er støttet af Miljøstyrelsen, Rådet vedrørende Renere Produkter.

Vurdering af kemikaliers belastning af menneskers sundhed og det lokale naturmiljø i livscyklusperspektiv er ofte forbundet med en stor usikkerhed, sammenlignet med vurdering af andre effektkategorier. Årsagen til dette er, at der generelt er tale om mangelfulde opgørelser og/eller manglende data til en god effektvurdering.

Miljøstyrelsen har derfor iværksat dette forprojekt, der undersøger en række muligheder for at forbedre begge disse elementer i en samlet vurdering.

Forprojektet er blevet forsinket undervejs, hvilket har betydet at nogle af projektets anbefalinger allerede er iværksat, eller at de ikke er så realistiske at gennemføre på nuværende tidspunkt. Konklusioner og anbefalinger kan imidlertid stadig anvendes som et overordnet idekatalog til fremtidigt LCA-arbejde.

Der har ikke været tilknyttet en følge- eller styregruppe til projektet. I stedet for blev projektets resultater præsenteret på afsluttende workshop med ca. 25 deltagere. På workshoppen blev der også præsenteret en række andre initiativer på LCA og kemikalieområdet, således at deltagerne fik et godt overblik over status.

Christian Poll, Miljøstyrelsen (nu IPU, DTU), takkes for værdifuld sparring i hele projektperioden, ligesom de talrige andre kolleger, der har videregivet viden og ideer til projektgruppen.

Sammenfattende artikel

Formål med forprojektet

Overordnet set konkluderes det, at UMIP’s metode(r) til kemikalievurdering er i god overensstemmelse med god videnskabelig praksis omkring risikovurdering og fastsættelse af grænseværdier. Der kan ikke på baggrund af forprojektet peges på enkeltelementer i metoden, der kan erstattes af andre elementer og derigennem give en større præcision og/eller en hurtigere vurdering.

En simplificeret LCA af fire kemikalier med vidt forskellige livsforløb viser, at der både på inventory- og effektsiden er adskillige potentielle kilder til usikkerhed, og at der ikke umiddelbart kan peges på en genvej til at reducere usikkerheden. For kemikalier, der håndteres i lukkede processer, er bidrag til lokale miljø- og sundhedsbelastninger ofte dog meget beskedne i forhold til andre effekttyper, hvorfor usikre effektfaktorer og/eller emissionsdata ofte vil være af mindre betydning. Casene understreger således også, at det er nødvendigt med et solidt kendskab til LCA-metodens elementer og datagrundlag, hvis der skal kunne drages rimeligt sikre konlusioner af en LCA.

IUCLID-databasen indeholder store mængder af information, der er relevante ved udarbejdelse af effektfaktorer for kemiske stoffer. Informationerne er imidlertid svære at anvende, primært fordi der ikke i den kommercielt tilgængelige version kan skabes et overblik over sammenhængen mellem de fundne værdier, f.eks. for økotoksicitet, og undersøgelsernes kvalitet. Myndighedsversionen giver mulighed for at lave udtræk fra databasen, hvilket er blevet udnyttet i forbindelse med EU’s risk ranking af High Production Volume Chemicals i EU ved hjælp af EURAM-metoden. Et tilsvarende udtræk vil kunne anvendes til at øge mængden af stoffer, for hvilke der er effektfaktorer i UMIP. Det skal dog understreges, at kvaliteten af disse effektfaktorer langt hen ad vejen vil være ukendt.

Muligheden for at afhjælpe datamanglen i UMIP ved at konsultere andre holistiske værktøjer vurderes at være meget begrænset. De fleste værktøjer anvender de samme grundlæggende datakilder som LCA, og der er derfor mulighed for direkte udveksling/brug af udvalgte data. Mængden af tilgængelige data fra andre værktøjer er dog begrænset, idet de ofte fokuserer på enkeltstoffer eller materialer, som analyseres meget detaljeret. CHAINET-arbejdet, der har ligget til grund for gennemgangen i dette forprojekt, munder da også ud i en anbefaling af en sekventiel eller parallel brug af værktøjerne med henblik på at få en bredere vurdering af en given problemstilling.

Værktøjer til procesoptimering kan anvendes til at fremskaffe informationer om ressource- og energiforbrug ved produktion af kemiske stoffer. En umiddelbar fordel er, at brug af allokering i multi-output processer som regel kan undgås, men værktøjerne er ressourcekrævende at anvende, hvis formålet alene er at fremskaffe LCA-data. Industriens motivation for at bruge simulerings- og synteseværktøjer er primært, at der kan være store økonomiske gevinster at hente på energi- og ressourceoptimering. Der findes dog også eksempler på, at en bred vifte af miljøparametre, som de kendes fra LCA, anvendes direkte i optimeringen. Dette kræver en vægtningsmekanisme, hvis nærmere indhold ikke er kendt på nuværende tidspunkt.

Workshop

De ovenstående fund og konklusioner blev præsenteret på en workshop sammen andre indlæg, således at der kunne skabes et overblik over de igangværende initiativer på LCA og kemikalieområdet.

Blandt de mest interessante indlæg var et om anvendelse af EU’s Technical Guidance Document (TGD) til at kvantificere procesrelaterede emissioner i den kemiske industri. TGD indeholder blandt andet et værktøj, der på baggrund af viden om de tekniske specifikationer om processerne og de anvendte stoffers fysisk-kemiske egenskaber kan beregne emissioner i forskellige processer opstrøms i kemikalieproduktionen. Selvom værktøjet er forholdsvis tidskrævende at anvende, vil det kunne anvendes til at udfylde huller i livscyklusopgørelser, f.eks. i form af dårlig eller manglende speciering af udledninger. Sammen med et værktøj til procesoptimering er det således i princippet muligt at udarbejde forholdsvis detaljerede opgørelser alene på baggrund af et kendskab til procesparametre, således som de foreligger i den tekniske litteratur.

Et andet indlæg om det EU-finansierede OMNIITOX-projekt viste, at der i øjeblikket er et projekt i gang, der i løbet af cirka to år vil kunne medføre væsentlige ændringer i kemikalievurderinger i LCA. I bedste fald vil resultatet blive en fælles europæisk metode med et højt detaljeringsniveau; alternativt vil der blive tale om flere metoder med et lavere detaljeringsniveau, men med en gennemført vurdering af flere tusinde stoffer. Med et så væsentligt projekt – budgettet er 3,3 millioner EURO – er det vanskeligt at pege på danske initiativer i forbindelse med effektvurderinger i LCA, som det vil værd at investere de store ressourcer i. Med i dette billede hører også, at projektets tidshorisont er forholdsvis kort, og at der derfor i løbet af et års tid vil tegne sig et bedre billede af anbefalelsesværdige initiativer. Det skal dog bemærkes, at der på workshoppen var et udbredt ønske om at blive holdt orienteret om udviklingen i projektet, blandt andet omkring datakrav og dataformat, således at danske institutioner kan være forberedt på at anvende metoden, når den er færdig. Et dansk støtteprojekt, hvor metoden bliver afprøvet, blev også nævnt som en mulighed.

Anbefalinger

De følgende anbefalinger er blevet udarbejdet, inden OMNIITOX-projektet blev præsenteret på den afsluttende workshop i forprojektet. Som nævnt ovenfor giver OMNIITOX-projektet nogle helt nye muligheder i relation til kemikalievurdering i LCA. De nedenstående anbefalinger er således kun relevante, hvis der fra centralt hold ønskes at arbejde videre med UMIP-metoden i sin nuværende form.

UMIP’s database over effektfaktorer kan forbedres væsentligt gennem en centralt styret indsats, f.eks. i form af et hovedprojekt. Det anbefales, at forbedringen sigter både på at øge antallet af stoffer, for hvilke der er effektfaktorer, og kvaliteten af de enkelte faktorer.

En alternativ mulighed er derfor at gennemføre en kvalitetssikret opdatering af effektfaktorerne i UMIP og eventuelt en udvidelse af antallet. De grundlæggende elementer er de samme som ved et computerbaseret udtræk, nemlig fastlæggelse af standardformat for lagring og rapportering samt udarbejdelse af beregningsværktøj til PC-brug. Rækkefølgen af stoffer, for hvilke effektfaktorer skal opdateres eller nye skal udarbejdes, kan baseres på UMIP-brugernes erfaringer med hensyn til vigtighed (hvilke stoffer slår traditionelt igennem i tox/økotox-vurderinger). Det er dog også af stor vigtighed at sikre, at stoffer og stofgrupper, der er væsentlige i UMIP-vurderinger af nye problemstillinger, vurderes med den højest mulige kvalitet. En sådan vurdering kan gennemføres af et ekspertpanel, der for eksempel kan have tilknytning til et kommende LCA-videncenter.

På procesoptimeringsområdet foreslås det, at mulighederne for at integrere miljøhensyn, f.eks. i form af UMIP-vurderinger, i simulerings- og synteseværktøjer undersøges nærmere. Brugen af værktøjerne er forholdsvis begrænset i dag, men det fremtidige potentiale vokser, efterhånden som præcision og anvendelighed forbedres, samtidig med at ressourcekravet mindskes. Et specielt problem ved en sådan integration er, at den sandsynligvis vil kræve en anden type vægtning end den eksisterende. Et første skridt kan derfor være at undersøge, hvordan de overordnede rammer for og krav til en integration af miljø og økonomi i procesoptimering kan formuleres.

1 Summary

Aim of the pilot project

It is initially concluded that the EDIP assessment methods for chemical impacts are in accordance with good scientific practice regarding risk assessment and establishing of (scientific) threshold limit values. It is not possible to point to single elements in the method that can be replaced by other elements and thereby increase the precision in the assessment and/or an easier procedure.

Simplified LCA’s of four chemicals with significantly different life cycles show that there both in inventory and impact assessment are several potential sources of uncertainties and that it is not possible to point to short-cuts or general rules of thumb that can reduce this uncertainty. For chemicals that are handled in closed systems it can however be assumed that the contributions to impacts on human health and the local environment are modest compared to the contribution to other impact categories. Therefore, uncertain effect factors and/or emission data often are often of minor importance in such cases. Together, the four cases demonstrate that it is necessary with a thorough knowledge of the elements and the database in the LCA methodology if consistent conclusions are to be drawn from a LCA.

The IUCLID-database contains large amounts of information that are relevant in the establishing of effect factors for chemical compounds in LCA. The information is however difficult to use, primarily because it is not possible in the commercial version of the database to create an overview of data regarding e.g. ecotoxicity and the quality of the underlying study. The version used by governmental institutions allows for extraction of specified data sets, and this possibility has been utilised in the EU risk ranking of High Production Volume Chemicals (HPVC). A similar extraction of data can be used to increase the amount of substances for which effect factors are available in the EDIP database, but it is emphasised that the quality of such effect factors will be largely unknown.

The possibility of decreasing the lack of data in EDIP by using information from other holistic tools is seen as very limited. Most tools use the same basic information sources as LCA and there is thus always a possibility for direct exchange and use of selected data. The amount of available data from other tools is however limited as the tools often focus on single substances or materials that are being analysed in great detail. The CHAINET concerted action programme which has been the main information source regarding holistic tools thus also recommends that the different tools are used in a sequential or parallel manner in order to obtain a broader assessment of a given problem area.

Tools for process optimisation can be used to produce information on resource and energy consumption in production of chemical substances. An advantage of these tools is that allocation in multi-output processes can be avoided, but it must also be recognised that the use of the tools is rather resource demanding if the sole purpose is to produce LCA-data. The motivation for industries to use process optimisation is primarily that the economic benefits may be very large and environmental concerns only play a secondary role. There are however also examples that a broad range on environmental parameters (as known in LCA) are used directly in the optimisation. A basic requirement for this is that some kind of weighting procedure is applied, but the exact conditions are not known at present.

Workshop

In order to create an overview of current Danish and international initiatives in the area of LCA and chemicals, the findings and conclusions from the pilot project were presented at a workshop, together with presentations of initiatives of other research groups.

Among the most interesting presentations was one regarding the use of the EU Technical Guidance Document (TGD) to quantify process related emissions in the chemical industry. TGD contain among other things a tool than cal be used to calculate upstream emissions, based on knowledge about processes and physical-chemical properties of the chemicals used. The tool is rather demanding in terms of time, but will be able to fill gaps in inventories, e.g. regarding speciation of chemicals emitted. Together with a process optimisation tools, focusing on energy consumption, it is thus possible to establish relatively detailed inventories, based solely on the knowledge about process parameters that can be found in the technical literature.

A presentation of the EU-funded OMNIITOX-project indicated that significant changes in the way chemicals are handled in LCA can be expected within two years. At best, the result will be a common European methodology with a high level of detail in the assessments. Alternatively, several methods may be available at the end of the project. These will have a lower level of detail, but an assessment of potentially several thousands of chemicals will have been performed. With this essential project – the budget is 3.3 million EURO – is it difficult to point to short-term Danish initiatives regarding impact assessment that will be worth the effort. The participants at the workshop however had a great wish to be kept informed about the developments in the project, e.g. regarding data format and requirements, so they could be prepared to use the method when it is finished. The possibility of a Danish support project was also mentioned.

Recommendations

The EDIP database on effect factors can be improved significantly by a centrally coordinated effort, e.g. in the form of a main project. It is recommended that such a project aims at both increasing the number of substances for which effect factors are available and at increasing the quality of the single factors.

An alternative possibility is therefore to conduct a quality-controlled updating of the effect factors in EDIP and optionally supply similar information for additional substances. The basic elements are the same as when using an automated extraction procedure, i.e. development of a standard format for storing and reporting of data, and development of a calculation tool for pc’s. The order in which effect factors are to be updated or developed can be based on the experiences of EDIP-users with respect to their importance (e.g. chemicals that traditionally are of importance in assessment of local health and environmental impacts, frequently used chemicals, etc.). It is also of great importance to ensure that effect factors for chemical substances and groups of substances that are important in EDIP-assessments are derived with the best possible quality. This can be done by using an expert panel, possibly associated to a coming LCA knowledge centre.

In the area of process optimisation it is suggested to further investigate the possibilities for integrating environmental considerations, e.g. in the form of EDIP-assessments, in tools for process optimisation and simulation. The use of this type of tools is rather limited at present, but the future potential is increasing following improvements in precision and usability. A special problem in such an integration is that it will probably require another weighting procedure than in EDIP. The first step can therefore be to investigate how the framework and demands for an integration of economy and environment in process optimisation can be formulated.

2 Forprojektets formål

Forprojektets overordnede formål er at belyse mål og muligheder for at udvikle UMIP-metodens kemikaliehåndtering. Resultatet af forprojektet skal danne grundlag for en eventuel senere indkaldelse af projektforslag til et hovedprojekt. Projektets formål er således tæt knyttet til resultatmålene i afsnit 3.1 i prioriteringsplanen for programmet for renere produkter.

2.1 Projektets målgruppe

Den primære målgruppe for projektet er Miljøstyrelsen, der med den afsluttende rapportering fra forprojektet får et væsentligt input til at konkretisere et eventuelt efterfølgende hovedprojekt. Den sekundære målgruppe for forprojektet er danske LCA-interesserede, der gennem forprojektet kan få mulighed for at overveje, hvordan de bedst muligt kan bidrage til en forbedret kemikalievurdering i LCA på både kort og langt sigt.

3 Afhjælpning af datamangel ved effektvurderinger

Vurdering af kemikaliers potentielle human- og økotoksikologiske effekter i LCA foretages ved hjælp af modelberegninger, der generelt tager udgangspunkt i stoffernes toksikologiske og fysisk/kemiske egenskaber. Der anvendes i høj grad de samme data og principper i LCA som i fare- og risikovurdering (hazard og risk assessment), og det skulle derfor i princippet være forholdsvis simpelt at overføre data mellem forskellige modeller.

I dette kapitel beskrives to relativt nye værktøjer, IUCLID og EURAM, der er udviklet til at henholdsvis at lagre og håndtere kemikaliedata til brug i de første skridt i EU’s risikovurdering af eksisterende og nye stoffer. Endvidere beskrives den hollandske LCA-model til vurdering af toksikologiske og økotoksikologiske effekter, USES-LCA.

I kapitlet drages der paralleller mellem UMIP og de tre værktøjer med henblik på at identificere potentielle genveje til at reducere usikkerheden i UMIPs effektvurderinger og til at supplere effektdatabasen med både bedre data og data for andre/flere stoffer end de, der i dag findes i effektdatabasen.

3.1 IUCLID-databasen

3.1.1 Introduktion

IUCLID-databasen (International Uniform ChemicaL Information Database) er det grundlæggende europæiske værktøj til dataindsamling og vurdering indenfor EU’s Risikovurderingsprogram. Datastrukturen er designet, så den beskriver effekten af kemiske stoffer på menneskers sundhed og miljøet.

En database vedrørende eksisterende stoffer er under udarbejdelse af European Chemicals Bureau (ECB). Denne database inkluderer alle de datasæt, som industrien videregiver ifølge Council Regulation 793/93 (CEC, 1993) vedrørende "Evaluation and Control of the Risks of Existing Substances". Forordningen forpligter industrien til at indsamle og videregive let-tilgængelig information om HPVC-stoffer til myndigheder, incl. EU-Kommisionen, industri, interesseorganisationer og den almindelige offentlighed. I praksis omfatter HPVC alle de stoffer, der bliver produceret i eller importeret til EU i mængder, der er større end 1000 tons om året.

I øjeblikket indeholder databasen 30.000 datasæt for omkring 10.000 stoffer. Alle data er ved at blive distribueret til de kompetente myndigheder i medlemslandene. Derudover findes der en database på CD-ROM, der indeholder ikke-fortrolige data og som er kommercielt tilgængelig for en pris på 100 EURO. Denne database indeholder oplysninger om 2.607 stoffer, alle HPVC, og det er denne database, der ligger til grund for den følgende gennemgang. det skal dog bemærkes, at antallet af stoffer og procentdele af tilgængelige oplysninger er beskrevet ud fra indholdet i IUCLID i december, 1998, hvor databasen indeholdt 2465 stoffer (Allanou et al., 1999).

De 2465 stoffer er fordelt på følgende klasser af kemiske stoffer:

Tabel 1.
Oversigt over indholdet i IUCLID, fordelt på klasser af kemiske stoffer

Forskellen mellem den "store" database og den kommercielle version er først og fremmest antallet af stoffer, for hvilke der er data (10.000 henholdsvis 2.605) samt at den "store" database også indeholder de fortrolige oplysninger om alle stoffer, som en producent eller importør har videregivet til ECB. Den store forskel i antallet af stoffer skylde formentlig, at den "store" database også indeholder en del oplysninger om Low Production Volume Chemicals (LPVC), d.v.s. stoffer der produceres eller importeres i mængder mellem 10 og 1000 tons om året. Det skal bemærkes, at kravene til oplysninger om LPVC er væsentligt mindre end for HPVC, nemlig stofnavn, produceret/importeret mængde, oplysninger om klassificering og mærkning i henhold til Direktiv 67/548 samt et rimeligt skøn over brugsmønstre.

3.1.2 Dataindsamling for HPVC

Indsamlingen af data til IUCLID er blevet operationaliseret gennem udvikling af en speciel HEDSET-software pakke (Harmonised Electronic Data-set), der kan bruges på almindelige PC’ere. HEDSET-softwaren er menu-dreven, hvor brugeren får mulighed for at vælge mellem en række foruddefinerede muligheder, f.eks. testarter eller testmetoder, når der indtastes data for et stof.

Efterfølgende kan oplysningerne eksporteres til en diskette, der sendes til Sikkerhedskontoret i EU’s Joint Research Centre i Ispra, hvorfra data sendes videre til ECB for databehandling, lagring i IUCLID og eventuel videre distribution.

3.1.3 Datastruktur i IUCLID

I de to nedenstående tabeller er det opgjort, hvor stor en del af de enkelte informationer, der samlet set var tilstede i databasen i december, 1998:

Tabel 2.
Oversigt over IUCLID kapitler og underkapitler. Producentrelateret del (Kapitel 1)

Del af informationen i ‘*’ markerede underkapitler er for nuværende fortrolige, men kan eventuelt offentliggøres i fremtiden.
  

Tabel 3.
IUCLID kapitler og underkapitler:Stofrelateret del (Kapitel 2 - 5)

De ovenstående tabeller giver et indtryk af, hvor store mængder data, der ligger i den kommercielle version af IUCLID. Tabellerne giver imidlertid ikke et indtryk af datakvaliteten, for eksempel kvaliteten af testmetoderne (målte værdier eller beregnet efter QSAR), eller om antallet af tests (underkapitler) på de enkelte stoffer.

Output fra databasen er en PDF-fil, der uden problemer kan læses på skærmen eller printes ud. PDF-filer for samtlige 2.605 stoffer er lagret på CD-ROM’en og udgør sammen med den overordnede data indholdet i den kommercielle IUCLID-version. I PDF-filen gengives samtlige de ikke-fortrolige oplysninger, der er rapporteret til IUCLID, hvilket indebærer at der for mange stoffer/tests er en del redundans. Det medfører imidlertid også, at det gennem PDF-filen er muligt at får et relativt hurtigt overblik over samtlige tests.

Hvert kapitel og underkapitel er forsynet med en række underoverskrifter, der giver mulighed for en første vurdering af datakvalitet og resultat af de enkelt tests. Det er uden for forprojektets rammer at give en detaljeret beskrivelse af alle overskrifter, men til illustration gives et par eksempler, der alle vedrører formaldehyd.

Box 1.
Eksempel på information i kapitel 1.6.1 i IUCLID, "Labelling"

Box 2.
Eksempel på information i kapitel 2.5 i IUCLID, "Partition coefficient".

Box 3.
Eksempel på information i kapitel 4.1 i IUCLID, "Acute/prolonged toxicity to fish".

De tre eksempler indikerer, at en stor del af de oplysninger, der er nødvendige for at vurdere datakvaliteten er til stede i IUCLID, om end i summarisk form. I tvivlstilfælde er det som regel muligt at finde frem til den originale reference og på denne måde få underbygget sin vurdering.

3.1.4 Udtræk og eksport af data fra IUCLID

Den databasestruktur, der anvendes i den kommercielle udgave af IUCLID, giver ikke mulighed for at udtrække data på tværs af enkeltstoffer, ej heller at lave statistik på indholdet af data. Den eneste eksportmulighed er i form af PDF- eller RTF-filer, hvor mulighederne for viderebehandling i andet end tekstbehandlingsprogrammer stort set ikke er til stede.

Anvendelse af den store datamængde i IUCLID kræver derfor, at en specialist i toksikologiske og økotoksikologiske vurderinger kan viderebearbejde informationerne, hvis de skal anvendes til andet formål, f.eks. integreres i UMIP.

3.1.5 QSAR i IUCLID

Med de søgemuligheder, der er skitseret i de ovenstående afsnit, er det ikke muligt at vurdere, hvor stor en del af data i IUCLID, der er etableret ved hjælp af QSAR.

IUCLID er i princippet åben for enhver relevant information om fysisk-kemiske egenskaber såvel som toksikologiske og økotoksikologiske tests. Det er endvidere en grundlæggende antagelse ved risikovurdering efter EUSES-modellen (European Union System for Evaluation of Substances (TSA Group Delft (1997)), at estimerede data (f.eks. ved hjælp af QSAR) er bedre end default-værdier. QSAR kan derfor medvirke til en mere sikker risikovurdering i mangel af andre data, men det er oplagt, at hvis der findes målte værdier efter anerkendte målemetoder, vil disse have første prioritet.

3.2 EURAM-metoden

3.2.1 Introduktion

Ved at gennemføre EURAM-rankingen opnås en fælles reference og fokus for den diskussion, der skal munde ud i generelle prioriteringslister. Det skal understreges, at EURAM-rankingen ikke er en risikovurdering, men er et værktøj, der med udgangspunkt i de store datamængder i IUCLID-databasen kan anvendes til at identificere og prioritere de stoffer, der udgør den største potentielle risiko for mennesker og miljø, og som derfor bør underkastes en detaljeret risikovurdering.

EURAM ranker kemikalierne på baggrund af deres potentielle risiko for mennesker og miljø gennem brug af to simple modeller for eksponering/effekt.

Til beregning af miljøscoren bruges værdier for PEC (Predicted Environmental Concentration) og PNEC (Predicted No-Effect Concentration. Begge værdier beregnes efter simple metoder, der er i overensstemmelse med EU’s metode til risikovurdering, der er beskrevet i det såkaldte Technical Guidance Document, TGD (EU, 1996).

TGD-dokumentet identificerer fem områder, der skal beskyttes gennem en risikovurdering, nemlig akvatiske økosystemer, terrestriske økosystemer, topkonsumenter, mikroorganismer i renseanlæg og atmosfæren. På grund af det lave antal effektdata for ikke-akvatiske økosystemer (og dermed også et større behov for ekspertvurdering af de få eksisterende data), er rankingen som udgangspunkt baseret på den potentielle risiko for akvatiske økosystemer. For de andre beskyttelsesområder producerer EURAM ganske vist en score, men denne kan kun bruges til at ændre rankingen efter en ekspertvurdering af scoren og de bagvedliggende data.

Til beregning af humanscoren benyttes et endnu mere simpelt system, der er baseret på de vigtigste parametre til beregning af både eksponering og potentiel effekt. På grund af de mange end-points i human toksikologi har ekspertgruppen bag EURAM-metoden vurderet, at det ikke er muligt at etablere en NOAEL (No Observable Adverse Effect Level) på samme måde, som det gøres for miljøeffekterne. I stedet anvendes IUCLID-databasens oplysninger om hvilke risikosætninger (R-sætninger), der er relevante for et givet kemikalie samt oplysninger om, hvilke mutagen- og reproduktionstests, der er gennemført – og med hvilket resultat.

Humanscoren tager således hensyn til de effekttyper, som EU’s forordning kræver inddraget i en risikovurdering: akut toksicitet, irritation, ætsning, sensibilisering, toksicitet ved gentagne doser, mutagenicitet, carcinogenicitet og reproduktionstoksicitet. Metoden tager hensyn til de befolkningsgrupper, der er direkte udsat for stofferne, d.v.s. arbejdstagere og forbrugere, mens udsættelse af den almindelige befolkning vurderes at være for kompleks til en ranking metode og er derfor ikke inkluderet i EURAM.

3.2.2 Miljøscore og ranking

3.2.2.1 Eksponering

Distributionen i miljøet beregnes for seks delmiljøer (compartments), i.e. luft, vand, jord, sediment, supenderede faste stoffer og fisk (biota). I beregningen anvendes default-værdier for volumen, dybde, areal, andel af organisk kulstof og vægtfylde for hver af de seks delmiljøer. Disse oplysninger suppleres med værdier for kemikaliernes vandopløselighed, damptryk, fordelingsforhold mellem octanol og vand og lipid-indhold i fisk, hvorefter en automatisk beregning kan gennemføres, eventuelt efter enkelte mellemregninger.

Bionedbrydelighed i miljøet indgår i beregningerne gennem oplysninger fra OECD-tests om stofferne er potentielt ("inherent") eller let ("ready") nedbrydelige. Hvis disse oplysninger mangler, antages det som defaultværdi, at stofferne er ikke-nedbrydelige ("persistent"). Der anvendes således kun fire værdier i beregningerne, alt efter testresultaterne:

Tabel 4.
Fraktion og procent af et udledt stof, der nedbrydes i vandmiljøet.

Værdierne for de tilbageblevne fraktioner er i en vis grad arbitrære. Årsagen til dette er ønsket om at indsnævre spændvidden for mulig nedbrydning (intervalskalering) og samtidigt bevare tilstrækkelig afstand mellem de mulige scoreværdier.

3.2.2.2 Samlet score for eksponering af miljøet

Den samlede eksponering i de enkelte delmiljøer beregnes ved hjælp af en formel, hvori indgår værdier for emission, distribution og nedbrydelighed. For de fire delmiljøer vand, luft, jord og sediment anvendes de rå data for eksponering af vandige miljøer, der efterfølgende skaleres til værdier mellem 0 og 10 gennem at anvende logaritmiske udtryk i beregningen:

Eksponeringsscore = 1.37[log(emission*distribution*bionedbrydning) + 1.301]

For delmiljøet fisk anvendes den følgende formel::

Eksponeringsscore = 0.971[log(emission*distribution*bionedbrydning)_jord + AP + 1.301]

Der kan ikke opstilles et generelt billede af, hvad der bidrager mest i den samlede eksponeringsvurdering i EURAM. Der kan dog tegnes et groft billede af nogle enkeltfaktorer, der ofte er af betydning.

I beregningen af emissionen indgår to hovedelementer, nemlig den producerede/importerede mængde og den fraktion, der udledes ved hovedanvendelsen af stoffet. Den producerede/importerede mængde er mindst 1.000 tons (der er alene tale om HPVC) og højst 1.000.000 tons (max. default værdi). De fraktioner, der udledes til miljøet, ligger i ranking-metoden mellem 0.01 (lukkede systemer) og 1 (wide dispersive use). Emissionsfaktoren bliver således et sted mellem 10 og 1.000.000, en faktor 100.000 til forskel. Et eksempel på den højeste emissionsscore kan tænkes at være vaskeaktive stoffer, der produceres i stor mængde og som i overvejende grad udledes til miljøet.

Distributionsfaktoren er mere vanskelig at sætte størrelse på. For det primære delmiljø i ranking-metoden, vand, er fugacitetskapaciteten, Z, bestemt ved formlen Z = C/VP, hvor C er vandopløsligheden og VP er damptrykket. Stoffer med en høj opløselighed og et lavt damptryk vil således have tendens til at blive fundet i vandmiljøet og dermed opnå en høj værdi for distribution til dette miljø. Minimumsværdien for Z er som default sat til 0,01, d.v.s. at der under alle omstændigheder vil blive regnet med, at en del af stoffet kan genfindes i vandfasen. Maksimumsværdien må antages at være tæt på 100, hvilket giver en potentiel forskel på en faktor 10.000. I den ekspertvurdering, der følger efter EURAM-screeningen er det dog muligt at inddrage andre delmiljøer end vand i den endelige prioritering. Herved kan der tages hensyn til, at ikke alle stoffer har deres primære effekt i vandmiljøet.

3.2.2.5 Bionedbrydelighed

Bionedbrydelighed er den tredje faktor ved beregning af eksponeringen. Let nedbrydelige stoffer tildeles en faktor 0,1, mens persistente stoffer – og stoffer hvor man ikke kender nedbrydeligheden – tildeles en faktor 1. For dette element i emissionsberegningen er den størst mulige forskel således en faktor 10.

3.2.3 Scoring af miljøeffekter

Beregning af effektscoren i de enkelte delmiljøer kræver flere trin. Som det første identificeres de data, der findes for akutte og kroniske tests for forskellige arter. Hvis værdier for kronisk NOEC er tilgængelige, bruges den laveste af disse, og der ses bort fra akut-data. Hvis kroniske NOEC-data ikke er tilgængelige, anvendes den laveste værdi fra akut-data (enten NOEC eller L(E)C50), hvorfor der suppleres med en vurderingsfaktor mellem 10 og 1000 efter de følgende retningslinier:

Tabel 5.
Vurderingsfaktorer ved beregning af akvatiske og terrestriske effektscorer.

Tabel 6.
Vurderingsfaktorer til beregning af effektscorer for mikroorganismer i renseanlæg.

Effektfaktoren beregnes som den laveste rapporterede forsøgsværdi, divideret med vurderingsfaktoren. For at begrænse spændvidden i de mulige resultater afgrænses værdier under 10 ng/L for vand og mikroorganismer eller 10 ng/kg tør jord for terrestriske organismer, og over 1 mg/L eller 1 mg/kg tør jord. Endelig normaliseres effektscoren til at være mellem 0 og 10 gennem at tage titalslogaritmen til værdien. for vand, jord og rensningsanlæg. For topkonsumenter beregnes effektfaktoren ud fra kemikaliets risikosætninger vedrørende toksicitet overfor gentagne doser, mutagenicitet og reproduktionstoksicitet (R46, R40, R47, R60, R61, R63, R64, R48 (giftig) og R48 (skadelig). Hvis ingen af disse risikosætninger er tildelt det pågældende stof, er effektfaktoren lig med nul for topkonsumenter.

3.2.4 Kombineret eksponerings- og effektscoring

Afslutningsvis multipliceres eksponerings- og effektscoren med hinanden for at give den samlede score med hensyn til potentielle miljøeffekter. Eftersom både eksponerings- og effektscoren hver for sig ligger mellem 0 og 10, er den samlede score for hvert stof et tal mellem 0 og 100.

Scoren for delmiljø "vand" kan bruges direkte i en ranking, mens den for andre delmiljøer (rensningsanlæg, jord og fisk) ikke er egnet til en automatisk ranking. Scoren i disse delmiljøer kan dog bruges senere til at justere eller erstatte scoren i delmiljø vand.

Bioakkumulering (BCF) indgår ikke i beregningen af effektscoren for vand, men da der ofte er tilgængelige værdier, foreslås det at forbedre scoren gennem at reducere den oprindelige score med 30% og derefter tillægge potentialet for akkumulering efter den følgende skala:

Tabel 7.
EURAM-beregningsværdier for akkumuleringspotentiale som funktion af biokoncentreringsfaktoren.

Ligningen for den forbedrede score ser ud som følger:

Akvatisk effektscore = 0.7 * effektscore_vand + AP

Vægtningen af de to faktorer i udtrykket er ikke videnskabeligt baseret, men afspejler den politiske relevans af de to faktorer toksicitet og persistens ved fastsættelsen af behovet for nedsættelse af risici.

3.2.5 Opsummering – miljøeffektscore

Scoren for potentielle miljøeffekter er et produkt af en score for eksponering og en score for potentiel effekt. Der kan beregnes en score for seks delmiljøer, hvor scoren for vandmiljø må betegnes som den vigtigste, idet det er her, hovedparten af alle tilgængelige data findes, specielt på effektsiden.

3.2.6 Automatiseret dataudvælgelse til brug i EURAM

Samspillet mellem IUCLID og EURAM kommer bedst til udtryk i den automatiske udvælgelse af data til brug ved rankingen.

IUCLID er bygget op, så den består af en række descriptorer, kvalitative udsagn, og en række værdier. For at kunne udnytte disse i EURAM er der lavet en automatiseret udtræksprocedure, der udvælger de bedste data til brug ved rankingen.

I udvælgelsen er der to faktorer, som der er speciel opmærksomhed om, nemlig udvælgelsen af data som beskrevet i Technical Guidance Document (TGD) og håndtering af inhomogene data for forskellige stoffer med hensyn til kvalitet og kvantitet.

3.2.7 Inddeling i preferenceklasser efter TGD

Overordnet set skal EURAM i henhold til til Technical Guidance Document (TGD) først afvise de data, der ikke er valide på grund af invalide testbetingelser eller dårligt rapporterede testresultater. Derefter skal der gives større vægt til de data, der er fremkommet ved undersøgelser, der følger accepterede testmetoder, f.eks. EU, OECD eller andre standardiserede organer, og er Good Laboratory Practice. Endelig skal der gives preference til konsoliderede data, d.v.s HEDSET- data (Harmonised Electronic Data set), der er genereret af to eller flere samarbejdende virksomheder.

Med dette udgangspunkt sorterer EURAM data efter følgende kriterier:

1. Den anvendte testmetode
2. Testresultater fremkommet ved GLP
3. Konsoliderede data

Data for et specifikt stof og endpoint kan på denne måde deles ind i tre kategorier med i alt 8 preferenceklasser:

Tabel 8.
Skematisk overblik over inddelingen i otte preferenceklasser efter TGD-kriterier.

I rankingproceduren udvælges den højeste preferenceklasse (I er højest) for hvert endpoint til videre behandling.

Det skal bemærkes, at der ikke i IUCLID eller HEDSET er allokeret descriptorer ("glossary codes") til alle accepterede metoder, og forsøg efter disse vil derfor ikke blive inkluderet under de foretrukne testresultater. I den samlede EURAM-ranking metode tages der højde for dette i en efterfølgende ekspertvurdering. Estimerede data for logK_ow og damptryk kan lægges direkte ind i HEDSET/IUCLID, og QSAR-baserede estimater kan anvendes hvis der ikke er målte værdier i IUCLID. Brug af QSAR-estimater markeres i ranking-resultaterne med et flag, der indikerer at datakvaliteten ikke er den bedste.

3.2.7.1 Håndtering af inhomogene datasæt

Kvaliteten og kvantiteten af data i IUCLID varierer betragteligt fra stof til stof. For at håndtere dette er det overordnede princip, at de mest konservative værdier fra den højeste præferenceklasse udvælges og anvendes i rankingen.

Den automatiserede dataudvælgelsesprocedure i EURAM er blevet sammenlignet med resultatet at en ekspert-baseret udvælgelse, der er blevet foretaget i forbindelse med EU og OECD risikovurderinger af en række stoffer. Sammenligningen omfatter data for kogepunkt, damptryk, log K_ow, vandopløselighed, bioakkumulering samt akut og kronisk toksicitet overfor fisk, Daphnia og alger. Sammenligningen omfatter også den resulterende PNEC-værdi.

En regressionsanalyse af de to udvalgte datasæt viser en god overensstemmelse mellem de to datasæt, som det fremgår af den nedenstående tabel.

Tabel 9.
Resultater af en regressionsanalyse på data udvalgt af eksperter og data udvalgt at den automatiserede EURAM-procedure.

r²= sqaure correlation coefficient; ser = standard error of regression; n = number of chemicals.

Data, der er fremkommet ved brug af QSAR eller ved anvendelse af default-værdier, er ikke omfattet af regressionsanalysen. Heller ikke for NOEC af fisk, hvor der kun var fire datasæt til rådighed.

Den dårligste korrelation ses for biokoncentreringsfaktoren, BCF. En af årsagerne til dette kan være, at databasen indeholder store mængder data for denne parameter. Disse data kan tilhøre forskellige preferenceklasser, og derved øges antallet af muligheder for valg i den automatiserede procedure.

To ud af tre datasæt for akut akvatisk toksicitet, nemlig L(E)C50 for Daphnia og alger viser en god korrelation, mens korrelationen for de kroniske toksicitetsdata kun karakteriseres som moderat. Årsagen til den moderate korrelation er, at det kun er en begrænset mængde af datasæt, der er blevet korreleret.

3.2.8 Brug af QSAR i EURAM

Resultatet af ranking-proceduren i EURAM er dokumenteret i to regnearks-filer, der ikke er offentligt tilgængelige, og derfor heller ikke har kunnet anvendes i dette forprojekt.

I regnearkene ordnes stofferne efter datatilgængelighed. Formålet med dette er at sikre en sammenlignelig ranking med udgangspunkt i at de underliggende databaser på stofniveau er sammenlignelige med hensyn til datakvalitet og –mængde.

For at klassificere stofferne som "datarige" eller "datafattige" (med eller uden brug af QSAR) er følgende regler/retningslinier blevet opstillet (ECB 4/01/99):

Tabel 10.
Kriterier for miljøklassificering

Det fremgår ikke af referencen, hvordan denne klassificering af stofferne udnyttes i den praktiske ranking. Det fremgår implicit af andre dokumenter om EURAM, at informationer om brugen af blandt andet QSAR indgår i den ekspertvurdering, der efterfølger den automatiserede ranking. Tabellen kan være et vigtigt input til denne vurdering.

3.2.9 Relation til UMIP

Stoffernes fordeling og skæbne i miljøet beregnes på to forskellige måder, ligesom der ikke er sammenfald mellem de datakrav, der stilles til eksponeringsvurdering i UMIP og EURAM. Alligevel er der en del sammenfald i de samlede metoder, således som det fremgår af nedenstående.

3.2.9.1 Metodiske forskelle

En væsentlig forskel mellem de to metoder er, at bionedbrydelighed indgår i eksponeringsvurderingen i EURAM, mens det er en del af effektvurderingen i UMIP. Endvidere er vurderingsfaktoren forskellig i de to metoder. Mere præcist vil et let-nedbrydeligt stof ifølge EURAM-metoden ikke være tilstede i miljøet i samme grad (en faktor 10 mindre) som et persistent stof, der er udledt i samme mængde, mens det let-nedbrydelige stof i UMIP vil have en mindre effekt på miljøet (en faktor 5 mindre) end et persistent stof. Det er dog under alle omstændigheder et åbent spørgsmål, om en faktor 5 eller en faktor 10 er tilstrækkeligt til at afspejle forskellen mellem let-nedbrydelige og persistente stoffer med hensyn til deres potentiale for miljøeffekter. Da den tilbageværende fraktion ikke kan blive større end 1, der er default-værdien i både EURAM og UMIP, må gradueringen nødvendigvis ændres gennem at sætte restfraktionen af let-nedbrydelige stoffer lavere (f.eks. 0,01 eller 0,001), eller at søge en udvej til at graduere nedbrydeligheden af de let-nedbrydelige stoffer i et interval mellem f.eks. 0,1 og 0,001.

Overordnet vurderes det, at UMIP’s beregningsmodel for eksponering af delmiljøerne er operationel i forhold til datatilgængelighed, idet der i UMIP kun stilles krav til oplysninger om Henry’s lov konstant og stoffernes levetid i atmosfæren. Begge oplysninger er tilgængelige for mange stoffer og denne del af vurderingen er således ikke en flaskehals.

Med hensyn til beregning af en økotoksicitetsfaktor er der et stort sammenfald mellem både datakrav og vurderingsmetode. I begge metoder er det bærende element at vurderingen foretages på baggrund af PEC/PNEC-forholdet, og at toksicitet overfor akvatiske organismer er den vigtigste faktor.

En væsentlig forskel mellem de to metoder ligger i anvendelsen af en vurderingsfaktor, der kompenserer for manglende viden, f.eks. i form af manglende kroniske tests eller tests på flere arter. I UMIP slår denne vurderingsfaktor, der ligger mellem 10 og 1000, fuldt igennem ved fastsættelse af den endelige faktor for økotoksicitet, mens der i EURAM benyttes logaritmen til vurderingsfaktoren, d.v.s. en værdi mellem 1 og 3. Denne værdi multipliceres efterfølgende med eksponeringsscoren, og kan derved maksimalt give 30 point på en skala fra 0 til 100.

Når det tages i betragtning, at de to metoder er udarbejdet til vidt forskellige formål, kan der ikke umiddelbart peges på metodeelementer, der udnyttes mere hensigtsmæssigt i den ene metode end i den anden. Forsigtighedsprincippet, som blandt kommer til udtryk i den nævnte vurderingsfaktor, har sin naturlige plads i begge metoder. Det er imidlertid klart, at faktorer i denne størrelsesorden kommer til at spille en væsentlig rolle i UMIP-metoden, specielt fordi den multipliceres med en værdi for emissionen af det pågældende stof. Denne værdi kan i visse tilfælde også være behæftet med en stor usikkerhed, og bidraget til akvatisk toksicitet fra et enkelt stof kan derfor være fejlvurderet med en faktor 10.000 eller mere.

Hvis denne usikkerhed skal reduceres, ligger den væsentligste mulighed i en revurdering af vurderingsfaktoren. Hovedspørgsmålet er, om det er nødvendigt eller hensigtsmæssigt med så store faktorer i en LCA-vurdering. Det er klart, at forsigtighedsprincippet er væsentligt, men i en LCA-vurdering af økotoksicitet er der i realiteten tale om måske flere hundrede "mini-risikovurderinger" eller rankinger. Når resultaterne fra en LCA analyseres mere grundigt viser det sig med jævne mellemrum, at væsentlige bidrag kommer fra stoffer, der ud fra kvalitative overvejelser og eksperters erfaringer ikke udgør en stor belastning. Det er imidlertid nødvendigt at foretage denne vurdering i hvert enkelt tilfælde. Dette er tidskrævende og medfører, at fokus fjernes fra de bidrag, som både er reelle og som der er mulighed for at reducere.

En måde at undgå dette på, er ved at udvælge en række prioriterede stoffer, der indgår i et specielt index. De prioriterede stoffer kan for eksempel være alle de stoffer og stofgrupper, der bidrager signifikant til normaliseringsreferencen for de enkelte effektkategorier. Mange af disse stoffer vil ikke være at finde i IUCLID fordi de ikke er HPVC, men deres effektpotentiale er velkendt og kan beregnes med forholdsvis lille usikkerhed. En anden mulighed er at udarbejde et index, hvori der indgår specielt udvalgte stoffer, f.eks. POP’er og/eller stoffer, der er optaget på en eller flere lister.

Som supplement til det "specielle" index kan beregnes et index, der omfatter alle andre bidrag. Dette index vil kunne opfange og vise signifikante bidrag fra en given aktivitet i livsforløbet, simpelthen fordi stofferne kun forekommer i et enkelt index. Dette gør det lidt nemmere at undersøge, om det signifikante bidrag skyldes manglende viden om stoffets effektpotentiale (og dermed en høj vurderingsfaktor), eller om der er tale om procesrelaterede udledninger af stoffer med et velkendt effektpotentiale. I det første tilfælde kan der arbejdes på at "formindske" effektpotentialet gennem en bedre dokumentation. I det andet tilfælde bør et stort effektpotentiale give anledning til overvejelser om, hvordan udledningerne kan reduceres, eller om der kan substitueres til et stof med et mindre effektpotentiale.

Ved at dele de eksisterende effektkategorier op i to index’er opnås det således, at det er muligt at få en mere sikker vurdering af et produkts bidrag til human toksicitet og økotoksicitet via de stoffer, der har både politisk og miljøfaglig fokus. Endvidere opnås det, at procesrelaterede emissioner ikke "drukner" i bidragene fra energirelaterede emissioner. Derved får virksomhederne bedre mulighed for at vurdere hvilke aktiviteter, der er mest belastende og dermed også bedre mulighed for at iværksætte foranstaltninger, der nedsætter denne belastning.

3.2.9.2 Brug af data fra IUCLID

En anden mulighed, der kan udnyttes, er de mange data i IUCLID-databasen, specielt indholdet af toksicitetstests. Omfang af data er nærmere beskrevet under gennemgangen af IUCLID. Det skal nævnes her, at der I IUCLID findes kroniske toksicitetsdata for henholdsvis 13,7% (fisk) og 17,8% (krebsdyr) af stofferne i databasen. I relation til UMIP betyder dette, at vurderingsfaktoren maksimalt er 20. I IUCLID findes der endvidere akutte toksicitetsdata for henholdsvis 68% (fisk), 55% (krebsdyr) og 45% (alger) af stofferne. Dette giver i UMIP en maksimal vurderingsfaktor på 100.

3.3 UMIP, IUCLID og EURAM

I dette afsnit sammenlignes metoder og datakrav og –indhold i UMIP, IUCLID og EURAM. Der er således en naturlig gentagelse af nogle af de oplysninger, der allerede er givet undere gennemgangen af IUCLID og EURAM.

3.3.1 Introduktion til UMIP

Hovedprincippet i UMIPs LCA-metode til vurdering af økotoksicitet er, at alle bidrag gennem hele livscyklus beregnes og summeres for fire delmiljøer/effekttyper: vand (akut og kronisk økotoksicitet), jord (kronisk) og renseanlæg:

Sagt med mere almindelige ord sker vurderingen for hvert delmiljø/effekttype gennem at gange den mængde af et givet stof, der udledes i en given aktivitet med stoffets effektfaktor, EF(øtc)_i eller EF(htc)_i for forskellige delmiljøer. Slutresultatet fås ved at summere alle bidrag for enkeltstoffer indenfor hver effekttype.

Den samlede UMIP-metode er beskrevet både på dansk og engelsk (Hauschild (ed), 1996, Hauschild & Wenzel, 1998).

3.3.2 Introduktion til IUCLID

IUCLID er en omfattende database med kemikalieoplysninger. Oplysningerne er blevet indsamlet på en struktureret måde gennem en forpligtelse for producenter og importører af High Production Volume Chemicals (HPVC), d.v.s. kemikalier, der importeres eller produceres i mængder over 1000 tons om året. Endvidere indeholder databasen et mindre datasæt for kemikalier, der produceres/importeres i mængder mellem 10 og 1000 tons om året, de såkaldte Low Production Volume Chemicals (LPVC).

Databasen er et centralt europæisk værktøj til at indsamle og videregive information om eksisterende kemikalier til myndigheder, incl. EU-Kommisionen, industri, interesseorganisationer og den almindelige offentlighed.

3.3.3 Introduktion til EURAM

Ved at gennemføre EURAM-rankingen opnås en fælles reference og fokus for den diskussion, der skal munde ud i generelle prioriteringslister. Det skal understreges, at EURAM-rankingen ikke er en risikovurdering, men er et værktøj, der med udgangspunkt i de store datamængder i IUCLID-databasen kan anvendes til at identificere og prioritere de stoffer, der udgør den største potentielle risiko for mennesker og miljø, og som derfor bør underkastes en detaljeret risikovurdering.

EURAM ranker kemikalierne på baggrund af deres potentielle risiko for mennesker og miljø gennem brug af to simple modeller for eksponering/effekt.

Til beregning af miljøscoren bruges værdier for PEC (Predicted Environmental Concentration) og PNEC (Predicted No-Effect Concentration. Begge værdier beregnes efter simple metoder, der er i overensstemmelse med EU’s metode til risikovurdering (ref: Technical Guidance Document).

Indholdet i EURAM er beskrevet mere detaljeret i afsnit 3.2.

3.3.4 Økotoksicitet i UMIP

3.3.4.1 Effektfaktoren i UMIP - EF(øtc)_i

For hvert stof, der udledes til miljøet, skal der i UMIP beregnes en effektfaktor for hvert af delmiljøerne vand (både akut og kronisk toksicitet), jord og renseanlæg, idet det antages at udledninger til luft ikke har økotoksiske effekter, før de når et af de andre delmiljøer.

Effektfaktoren for hvert delmiljø indeholder følgende elementer:

3.3.4.2 Slutfordeling mellem delmiljøer – "f"

Slutfordelingen mellem delmiljøer beregnes ud fra et stofs troposfæriske levetid og dets flygtighed, udtrykt ved Henry’s konstant.

Der regnes ikke med økotoksiske effekter i delmiljøet luft, selvom stoffet udledes som en luftformig emission. I stedet fordeles den udledte mængde mellem delmiljøerne vand og jord efter bestemte retningslinier.

IUCLID indeholder ikke kapiteloverskrifter, der direkte henviser til stoffers troposfæriske levetid eller Henry’s konstant. Der er derimod data om stoffers fotokemiske nedbrydelighed og transport mellem forskellige delmiljøer, og indenfor disse overskrifter er det muligt at finde de ønskede oplysninger.

Data om fotokemisk nedbrydelighed findes for 1173 stoffer og data om transport mellem forskellige delmiljøer findes for 628 stoffer. Kvaliteten af oplysningerne i relation til UMIP er ukendt, jævnfør ovenstående.

3.3.4.4 UMIP-datakrav og vurdering i forhold til EURAM

UMIPs metode til eksponeringsvurdering afviger fra EURAMs på centrale punkter, idet bionedbrydelighed i UMIP er en del af effektvurderingen, mens det i EURAM er en del af eksponeringsvurderingen. Endvidere anvendes i EURAM en "ren" Mackay-model ved fordelingen i forskellige delmiljøer, mens UMIP bruger Henry’s Lov Konstant og halveringstid i troposfæren.

De to metoder har dog det til fælles, at formålet med eksponeringsvurderingen er at få fordelt en udledning på forskellige delmiljøer, hvorefter deres effekt kan beregnes. Det kan ikke vurderes, om anvendelse af EURAM-princippet kan reducere usikkerheden i effektvurderingen af kemikalier. Også EURAM-metoden er en forsimpling af virkeligheden med de usikkerheder, dette medfører.

Det er klart, at en forkert vurdering af et stofs levetid eller flygtighed kan medføre, at toksicitetsbidraget i et givet delmiljø vil blive over- eller undervurderet, men til gengæld vil det omvendte være tilfældet for de andre delmiljøer. Det vurderes, at fremgangsmåden i UMIP er simpel, og at krav til informationer er af en sådan karakter, at fejlvurderinger af denne parameter kun sjældent vil forekomme; og i givet fald ikke have de store konsekvenser.

Hvis UMIP-metoden skal tilnærmes EURAM i forbindelse med eksponering, vil dette kræve en radikal ændring i beskrivelse og anvendelse af det samlede metodeapparat – og dermed også en meget stor arbejdsindsats. Den største fordel ved at gennemføre en sådan ændring er, at UMIP på denne måde bliver tilnærmet andre LCA-metoder, først og fremmest de hollandske, idet disse også anvender Mackay-modeller ved eksponeringsvurderingen. Usikkerheden i de to fremgangsmåder er formodentlig i samme størrelsesorden, og kemikalievurderingen vil derfor ikke nødvendigvis blive mere præcis.

3.3.5 Økotoksicitetsfaktorer – ØF

Økotoksicitetsfaktoren i UMIP er for delmiljøerne jord og vand defineret ud fra den koncentration af stoffet, der vurderes ikke at give nogen effekter i delmiljøet. Denne værdi benævnes PNEC (Predicted No Effect Concentration) og økotoksicitetsfaktoren defineres som den reciprokke værdi af PNEC for delmiljøet. For renseanlæg defineres økotoksicitetsfaktoren ud fra den laveste koncentration af stoffet, LOEC (Lowest Observed Effect Concentration), der findes at give effekter på en bestemt gruppe af mikroorganismer i renseanlægget.

For økotoksicitet i vand udregnes der både en akut og en kronisk økotoksicitetsfaktor, og vurderingen af lokale miljøbelastninger omfatter således i alt fire forskellige effekttyper.

3.3.6 Kronisk økotoksicitet i vand

Effektfaktoren for kronisk økotoksicitet i vand, ØF_vk, defineres som

For kroniske effekter i akvatiske systemer fastlægges PNEC ud fra tilgængelige økotoksicitetsdata, idet den laveste fundne værdi divideres med en vurderingsfaktor. Vurderingsfaktoren afhænger af datakvaliteten, og fastsættes efter følgende retningslinier (Tabel 11)

Tabel 11.
Vurderingsfaktorer i UMIP for fastlæggelse af PNEC for kronisk økotoksicitet af stoffer i akvatiske systemer.

I UMIP tages der til en vis grad højde for, at der kan være datamangel, der fører til anvendelse af en højere vurderingsfaktor, end det reelt er nødvendigt. Hvis der mangler kroniske økotoksicitetsdata for en af de tre klasser, kan man undersøge, om den manglende klasse er den mest følsomme art overfor akut økotoksicitet. Hvis dette ikke er tilfældet, anvendes den mindste vurderingsfaktor (10) i stedet for faktor 100, der er den formelt rigtige faktor.

I vurderingen af PNEC indgår endvidere stoffets evne til at biokoncentrere, d.v.s. blive ophobet gennem fødekæden. Denne evne vurderes ud af fordelingsforholdet mellem n-octanol og vand – P_ow. Hvis logaritmen til P_ow er mindre end 3, betragtes stoffet ikke som biokoncentrerende. Hvis log P_ow er større end 3, er stoffet potentielt biokoncentrerende, hvilket skal afspejles i de tests, der lægges til grund for beregningen af PNEC. Hvis resultater af sådanne tests ikke er til rådighed, inkluderes i toksicitetsfaktoren en faktor til at korrigere for stoffets biokoncentrering. Korrektionsfaktoren er titalslogaritmen til stoffets biokoncentreringsfaktor BCF, og kan i mangel af eksperimentelt bestemte værdier approximeres ved at bruge octanol-vand fordelingsforholdet P_ow for log P_ow mellem 3 og 7:

BCF ~ 0,1*P_ow þ log BCF ~ log P_ow - 1

For biokoncentrerende stoffer er den kroniske økotoksicitetsfaktor, ØF_vk, således udtrykt ved:

IUCLID indeholder økotoksicitetsdata, der er delt op i fem (under)kapitler. I nedenstående tabel er de fem kapitler vist sammen med antallet af stoffer, for hvilke der er data i de fem kapitler.

Tabel 12.
Datatilgængelig i IUCLID for forskellige typer af tests for akvatisk økotoksicitet.

Det bemærkes, at det på baggrund af IUCLID-oplysninger er muligt at beregne en UMIP-effektfaktor for kronisk økotoksicitet i vand, baseret på eksperimentelt bestemte data, for 2/3 af alle HPVC. Det skal også bemærkes, at der for 80% af stofferne vil blive tale om, at PNEC beregnes med en vurderingsfaktor på 100 eller 1000, idet der ikke er kroniske økotoksicitetsdata for mere end ca. 20% af stofferne. Endelig skal det bemærkes, at der for mindst en tredjedel af stofferne hverken er kroniske eller akutte økotoksicitetsdata, og vurderingsfaktoren derfor skal sættes til 1000.

3.3.6.3 Datakrav og vurdering i forhold til EURAM

I EURAM følges de samme overordnede principper med hensyn til beregning af PNEC ved hjælp af en vurderingsfaktor, der bestemmes på baggrund af datatilgængelighed og –kvalitet. Følgende retningslinier anvendes:

Tabel 13.
Vurderingsfaktorer i EURAM for fastlæggelse af PNEC for kronisk økotoksicitet af stoffer i akvatiske systemer.

Det skal bemærkes, at vurderingsfaktoren i de to metoder ikke er sammenlignelige. For eksempel kan EC(50) og LC(0) værdier ikke anvendes i EURAM-rankingen. Dette medfører, at datatilgængeligheden i IUCLID er noget mindre for EURAM-rankingen end det antal, der er angivet i ovenstående Tabel 13. For akvatisk økotoksicitet er det vurderet, at data er tilstede for følgende antal af stoffer og tests:

Tabel 14.
Datatilgængelighed i IUCLID til brug ved EURAM-ranking.

Af Tabel 12 og Tabel 14 fremgår det, datakravene i EURAM medfører, at IUCLID-data for ca. 25% af stofferne ikke er af tilstrækkelig kvalitet til at blive anvendt. Den eneste undtagelse er data for kronisk toksicitet overfor krebsdyr, hvor datatilgængeligheden til brug i EURAM tilsyneladende er 25% større end den totale mængde. Der er ikke fundet en forklaring på dette.

3.3.7 Akut økotoksicitet i vand

Økotoksicitetsfaktoren for akutte effekter i vand, ØF_va, er defineret som

For akvatiske økosystemer fastlægges PNEC_va ud fra tilgængelige økotoksicitetsdata med følgende vurderingsfaktorer, som det laveste af de fundne toksicitetsdata skal divideres med:

Tabel 15.
Vurderingsfaktorer i UMIP ved bestemmelse af PNEC for akut økotoksicitet.

Inddragelse af akut akvatisk økotoksicitet i LCA er lettere kontroversiel, fordi der i udpræget grad vil være tale om lokale og stedsspecifikke effekter. Dette er i modsætning til den normale tankegang i LCA, hvor der primært satses på at beskrive potentielle bidrag, der er uafhængige af de lokale forhold og det tidsmæssige forløb af udledningen. Når effekttypen alligevel er medtaget i UMIP, er det fordi der rent faktisk observeres effekter på økosystemer omkring industrielle udledninger, og effekttypen kan derfor give vigtige signaler om potentielt belastende processer.

IUCLID indeholder data for 1675 stoffer vedrørende akut/forlænget toksicitet overfor fisk, for 1347 stoffer vedrørende akut toksicitet overfor krebsdyr og for 1123 stoffer vedrørende toksicitet overfor vandlevende planter, incl. alger. Det kan ikke på det foreliggende grundlag opgøres, for hvor mange stoffer der er data om alle tre organismetyper.

Akut økotoksicitet i vand indgår ikke som et vurderingselement i EURAM-rankingen.

3.3.8 Kroniske effekter i jord

3.3.8.1 UMIP-metoden

Økotoksicitetsfaktoren for kroniske effekter i jord, ØF_jk, er defineret som

Ved estimering af PNEC for terrestriske systemer vil relevante økotoksicitetsdata for jordlevende organismer ifølge UMIP kun være tilgængelige for ganske få forbindelser. Derfor anvendes i praksis altovervejende akvatiske data, idet det antages, at jordlevende og akvatiske organismer er lige følsomme for et stof. I udtrykket for PNEC_jk-værdien korrigeres der dog for, at stoffernes biotilgængelighed er anderledes i jord end i vand.

I IUCLID findes der data for 747 stoffer vedrørende deres toksicitet overfor jordlevende organismer. Endvidere findes der data for 783 stoffer med hensyn til toksicitet overfor jordlevende planter og for 806 stoffer med hensyn til toksicitet overfor andre jordlevende arter, der ikke er pattedyr.

3.3.8.3 Datakrav og vurdering i forhold til EURAM

I EURAM følges det samme overordnede princip som i UMIP, nemlig at PNEC generelt fastlægges på baggrund af oplysninger om akvatisk toksicitet. Der anvendes de samme vurderingsfaktorer ved vurderingen af toksicitet i jord, som der anvendes ved vurderingen af akvatisk toksicitet.

For at eksponeringsvurderingen i EURAM også skal omfatte topkonsumenter, ganges PEC (Predicted Environmental Concentration) med biokoncentreringsfaktoren, BCF.

BCF bestemmes ud fra følgende tabel:

Tabel 16.
Bestemmelse af akkumuleringspotentiale i EURAM-rankingen som funktion af BCF.

Hvis der ikke findes oplysninger om BCF i IUCLID, anvendes log(K_ow), idet log(BCF) = -1,0 + log(K_ow) for molekylevægt under 700 og log(BCF) = 0, hvis molekylevægten er over 700. Hvis der heller ikke findes data om K_ow, anvendes default-værdien, som er 3.

3.3.9 Effekter i renseanlæg

Økotoksicitetsfaktoren for effekter i renseanlæg, ØF_r, er defineret som

PNEC bestemmes på baggrund af oplysninger om LOEC (Lowest Observed Effect Concentration) overfor bakterieslægten nitrosomonas – eller som oftest en estimeret værdi herfor, idet

I Hauschild (ed), 1996, gives der forslag til litteraturkilder, hvor der kan findes oplysninger om LOEC, der kan anvendes direkte i bestemmelsen af ØF_r.

I IUCLID findes der data for toksicitet overfor mikroorganismer, herunder bakterier, for 1403 ud af 2465 stoffer.

I forhold til krav om datatilgængelighed i EURAM findes der oplysninger om 645 stoffer i IUCLID.

EURAMs vurderingsmetode adskiller sig fra UMIP ved at have to vurderingsfaktorer (10 og 100), der fastsættes efter følgende retningslinier:

Tabel 17.
Vurderingsfaktorer ved fastsættelse af effektfaktorer for toksicitet i renseanlæg.

Den væsentligste forskel er, at der i EURAM skelnes mellem NOEC/EC10-værdier og EC50-værdier, idet vurderingsfaktoren øges med en faktor 10, hvis der kun er EC50-værdier. I UMIP sker gradueringen efter, om der findes data for toksiciteten overfor Nitrosomonas, hvorimod der ikke tages hensyn til testens art.

3.3.10 Bionedbrydelighed – BIO

BIO er en faktor, hvis størrelse bestemmes af forbindelsens bionedbrydelighed, som den kommer til udtryk i standardiserede bionedbrydelighedstest. Alt efter resultatet af testen sættes BIO i UMIP til 0,2 (let nedbrydeligt), 0,5 (potentielt nedbrydeligt eller 1 (ikke nedbrydeligt)..

Hvis der ikke foreligger standardiserede tests, foretages der en vurdering af de bionedbrydelighedsdata, der findes for stoffet i forhold til de kriterier, der gælder for testene. Foreligger der slet ingen tests, regnes stoffet for at være ikke-nedbrydeligt, og BIO sættes til 1.

I IUCLID findes der rådata vedrørende bionedbrydelighed for 1493 ud af 2465 stoffer (HPVC).

I forhold til de definitioner for datatilgængelighed, der anvendes i EURAM, er der data for 827 stoffer. Det skal bemærkes, at en stor del af denne forskel kan forklares ved, at ældre testmetoder ikke er omfattet af EURAM-definitionen på datatilgængelighed. Resultaterne findes i form af bemærkninger i tekstfelter og vil angiveligt kunne oversættes til en af de tre muligheder, der anvendes i EURAM, nemlig let bionedbrydeligt, potentielt bionedbrydeligt og ikke bionedbrydeligt.

I EURAM anvendes en lidt anden scoring end i UMIP. Forskellen er, at for let nedbrydelige stoffer er faktoren kun 0,1 i modsætning til UMIP, hvor den er 0,2. Dette giver en lidt mere konservativ vurdering i UMIP af de let nedbrydelige stoffer, men forskellen afspejler i praksis kun de forskellige formål med de to metoder. Som beskrevet i afsnit 3.2.9.1 er det dog et åbent spørgsmål, om en faktor 5 eller 10 er tilstrækkelig til at give en tilstrækkelig nuanceret vurdering af let-nedbrydelige og persistente stoffer.

3.3.11 Vurdering af human toksicitet i UMIP

Vurderingen af human toksicitet i UMIP adskiller sig på mange punkter fra vurderingen af økotoksicitet. Dels er der tale om en omfattende liste over mulige påvirkninger af mennesker, spændende fra luftvejsirritation til kræft, og dels er der tale om mange forskellige eksponeringsveje (indånding af forurenet luft, indtagelse af forurenet grundvand, overfladevand og jord gennem munden, og indtagelse af forurenet mad, enten direkte via indtagelse af planter eller indirekte via indtagelse af konsumenter (plante- og kødædere) eller produkter fra disse, f.eks. mælk. Eksponering gennem huden, f.eks. via badevand, er ikke medtaget i UMIP.

Den grundlæggende fremgangsmåde ved vurdering af toksicitet og økotoksicitet er dog den samme, idet det humane toksicitetspotentiale for en udledning Q_i af et stof (i) defineres som

MP(htc)_i = EF(htc)_i * Q_i

Effektfaktoren for et givet stof, EF(htc)_i, har følgende generelle form

Bestemmelse af fordelingsfaktoren f_c,i og bionedbrydeligheden BIO_i af et stof er beskrevet tidligere i afsnit 3.3.4.2 og 3.3.10. Det skal bemærkes, at der ved vurdering af det humane toksicitetspotentiale også er mulighed for effekter ved indånding og at delmiljøet luft derfor indgår i beregningen.

Transport- og overføringsfaktoren beregnes i UMIP gennem anvendelse af en række default-værdier parret med oplysninger om stoffets fysisk-kemiske egenskaber, blandt andet P_ow (octanol-vand fordelingsforhold) og pK_a (den negative logaritme til stoffets syrestyrkekonstant).

Indtagelsesfaktoren er i UMIP beregnet for de fire delmiljøer luft, vand, jord og grundvand. Værdierne i UMIP er angiveligt gennemsnitsværdier for en danskers indtagelse af de fire delmiljøer og anvendes som defaultværdier ved beregning af eksponeringseffektiviteten for alle stoffer.

Toksicitetsfaktoren er det element i beregningen af toksicitetspotentialet, der generelt bestemmes med størst usikkerhed. Der anvendes fire forskellige toksicitetsfaktorer i UMIP, en for hver delmiljø.

For delmiljøet luft bestemmes toksicitetsfaktoren som den reciprokke værdi til den luftkoncentration af stoffet, der vurderes ikke at give nogen skadelige effekter ved livslang eksponering. Denne koncentration kaldes Human Reference Concentration, HRC.

For delmiljøerne vand, jord og grundvand bestemmes toksicitetsfaktoren som den reciprokke værdi af den dosis, der vurderes ikke at give nogen skadelige effekter ved livslang indtagelse. Denne dosis kaldes Human Reference Dosis (HRD)

HRD og HRC estimeres ud fra toksikologiske underesøgelser ved metoder, der følger de almindelige principper for fastsættelse af grænseværdier. Et meget væsentligt element i fastsættelse af grænseværdier er anvendelse af vurderingsfaktorer, der tager højde for kvaliteten af de data, der er tilgængelige. I UMIP anvendes følgende vurderingsfaktorer:

Tabel 18.
Vurderingsfaktorer ved fastsættelse af HRC og HRD ved vurdering af human toksicitet.

Tabel 18 viser, at den vurderingsfaktor, der anvendes i beregningen af HRC og HRD ofte spiller en altdominerende rolle for størrelsen af toksicitetsfaktoren. Stoffer, der måske er relativt ugiftige, får tildelt en meget høj "straf" – op til en faktor 10.000 - hvis der ikke er gennemført tilstrækkeligt gode undersøgelser af stoffets toksicitet.

Rent sundhedsfagligt kan der ikke indvendes noget mod dette forsigtighedsprincip, men i LCA-sammenhæng kan det være problematisk, fordi "falsk-positive" stoffer kan være altafgørende i en vurdering, der samlet set omfatter op til flere hundrede stoffer.

For kræftfremkaldende stoffer anvendes den samme fremgangsmåde, selv om det for de fleste af disse stoffer ikke er muligt at fastsætte en tærskelværdi, under hvilken de ikke har en kræftfremkaldende effekt.

For stærkt allergifremkaldende stoffer i delmiljøet overfladevand eller grundvand kan hudkontakt også være en relevant eksponeringsvej. Det anbefales at anvende en default værdi på 0,01 mg/l som udtryk for den såkaldte Environmental Concern Level (ECL) ved beregningen af en toksicitetsfaktor for de stoffer, der er klassificeret med R43 i listen over farlige stoffer.

IUCLID indeholder følgende oplysninger, der kan anvendes i UMIP-metoden til vurdering af human toksicitet:

Tabel 19.
Datatilgængelighed i IUCLID til brug ved beregning af toksicitetsfaktorer for human toksicitet.

Det skal bemærkes, at oplysningerne om datatilgængelighed i Tabel 19 ikke kan detaljeres yderligere på baggrund af den kommercielle version af IUCLID, der er anvendt i dette forprojekt. Det kan derfor heller ikke vurderes, om det er muligt at reducere de vurderingsfaktorer, der anvendes i UMIP, hvis IUCLID-databasens samlede indhold udnyttes bedst muligt.

3.3.11.6 UMIP-datakrav og vurdering i forhold til EURAM

I EURAM-rankingen anvendes alene klassificering af stofferne til vurdering af deres potentielle effekt. Dette gøres ved at benytte Tabel 20.

Tabel 20.
EURAM-ranking af human toksicitet ved hjælp af stoffers klassificering.

Som værdi for den potentielle effekt på mennesker anvendes den højeste værdi, som en R-sætning eller information om gennemførte tests giver i forhold til Tabel 20. Tallet ganges i ranking-proceduren med en værdi for eksponering, der fastsættes på baggrund af oplysninger om stoffets kogepunkt, damptryk og fordelingsforhold mellem octanol og vand.

Ranking-metoden i EURAM har ikke elementer til fælles med metoden til vurdering af toksicitet overfor mennesker i UMIP. Det skal dog påpeges, at EURAM-metoden i sine grundlæggende træk har meget til fælles med UMIP’s screeningsmetode til vurdering af human toksicitet. Da EURAM-metoden er anerkendt af myndigheder i 16 lande samt adskillige industriorganisationer, vil det være oplagt at bruge EURAM-metoden og mærkning/klassificering i IUCLID-databasen (eller officielle lister) som udgangspunkt, hvis der skal ske en forbedring af screeningsdelen i UMIP-metoden. Det bemærkes dog, at heller ikke denne fremgangsmåde vil kunne give en relation mellem screeningen og resultater i form af personækvivalenter.

3.3.12 Diskussion – udnyttelse af data i IUCLID

Den ovenstående gennemgang af en række vigtige elementer i UMIP-metoden til vurdering af økotoksicitet og human toksicitet viser, at IUCLID indeholder store mængder data, der eventuelt vil kunne udnyttes til fastsættelse af mere præcise effektfaktorer for en lang række stoffer.

Den version af IUCLID-databasen, der er blevet anvendt i dette forprojekt, giver ikke mulighed for en mere præcis analyse af, for hvilke stoffer, der findes de ønskede oplysninger. Søgemulighederne i databasen er begrænset til CAS- og EINECS-numre, synonymer og R-sætninger, og ved en udnyttelse af databasens oplysninger er det derfor nødvendigt at anvende en case-til-case fremgangsmåde.

Der er ikke i forprojektet undersøgt, hvordan de effektfaktorer, der findes i UMIP i dag, er blevet beregnet, dokumenteret og lagret. Ideelt set burde alle informationer findes i en separat, standardiseret format for hvert stof, f.eks. i et regnearksprogram, men dette behøver ikke at være tilfældet fordi effektfaktorerne er blevet udviklet i forskellig sammenhæng og eventuelt også af forskellige personer/institutioner.

Erfaringsmæssigt er de mest præcise effektfaktorer udviklet for de toksikologisk mest velkendte stoffer, f.eks. SO₂, NO_x, N₂O, tungmetaller m.v. Årsagen til dette er dels, at der findes relativt mange og gode undersøgelser af disse stoffers toksicitet og økotoksicitet, dels at netop disse stoffer langt hen ad vejen er blevet brugt til at kalibrere den samlede vurderingsmodel. Det sidste er naturligvis et postulat, men det underbygges af, at effektfaktoren for mange stoffer er blevet ændret flere gange, formodentlig fordi der enten i en konkret vurdering eller ved udarbejdelse af normaliseringsreferencerne har vist sig uventede resultater, der har medført en mere detaljeret gennemgang af det tilgængelige datamateriale for udvalgte stoffer.

Den mest præcise vurdering opnås for de stoffer, hvor vurderingsfaktoren er så lav som mulig, d.v.s. at datagrundlaget har været godt. IUCLID har ikke været direkte inde i billedet ved etableringen af effektfaktorer, og med det store antal oplysninger, der potentielt kan anvendes i UMIP, er det realistisk at tro, at vurderingsfaktoren for en del stoffer kan reduceres med en faktor 10 – eller måske faktor 100. Det samme er naturligvis tilfældet, hvis der gennemføres intensive datasøgninger og efterfølgende vurderinger.

Alt andet lige skønnes det, at de største forbedringsmuligheder ligger i en revurdering af de stoffer, der i toksicitets- og økotoksicitetsvurderingen er blevet tillagt en høj vurderingsfaktor, f.eks. faktor 10.000 eller 100.000 for human toksicitet og faktor 1000 for økotoksicitet. Her vil forholdsvis enkle tests vedrørende f.eks. akut toksicitet kunne nedsætte vurderingsfaktoren med en faktor 10.

Det skal dog også bemærkes, at vurderingsfaktoren også nedsættes med en faktor 10, hvis der i stedet for oplysninger om akut toksicitet anvendes data for f. eks. NOAEL fra forsøg, hvis varighed er under et år.

Det er realistisk at tro, at effektfaktoren for mange stoffer bliver mere præcis, hvis data fra IUCLID anvendes i beregningen. Det skal dog bemærkes i denne forbindelse, at IUCLID-data ikke nødvendigvis er blevet valideret, inden de er blevet lagret i databasen.

Det skal også bemærkes, at en del undersøgelser i IUCLID ikke lever op til de formelle krav, der i dag stilles til toksikologiske og økotoksikologiske tests. Dette svækker naturligvis troværdigheden af disse undersøgelser, men en vurdering foretaget af specialister i toksikologi og økotoksikologi vil i de fleste tilfælde give et væsentligt fingerpeg, om det er relevant at bruge det pågældende datasæt. Hvis der ikke er alvorlige mangler, foreslås det at udnytte sådanne datasæt til forbedring af UMIP. Det skal huskes, at formålet med UMIP-vurderingen ikke er at give en præcis (risiko)vurdering af enkeltstoffer, men at give et bredt dækkende billede af de miljøbelastninger, et produkt forårsager i sit livsforløb, herunder at potentielle bidrag til toksicitet og økotoksicitet er repræsenteret i vurderingen.

Afslutningsvis foreslås det derfor, at effektfaktorerne for stofferne i UMIP revurderes efter en fælles skabelon. Det primære mål for revurderingen er de stoffer, der findes i IUCLID, d.v.s. High Production Volume Chemicals (HPVC). Ved at gennemføre denne vurdering sikres det, at der findes effektfaktorer for en lang række af de kemikalier, der anvendes i diverse produkter, enten direkte som råvare eller som mellemprodukt. Industrier, der anvender LCA i deres miljøarbejde, vil dermed kunne genfinde deres eget bidrag i det samlede og ofte komplekse livscyklusbillede.

Alt efter tidshorisonten for denne revurdering foreslås det, at HPVC-stoffer, hvor vurderingsfaktoren i UMIP er relativ høj (1000 for økotoksicitet, 10.000 eller 100.000 for human toksicitet) får højeste prioritet. Den næste revurdering kan omfatte stoffer med vurderingsfaktor 100/5.000 o.s.v. Det skal dog bemærkes, at der ideelt set bør foretages en revurdering af den samlede mængde stoffer i UMIP, således at alle er blevet vurderet på det samme datagrundlag. Det vigtigste formål med revurderingen er at reducere vurderingsfaktoren, hvor det er muligt. Det foreslås dog, at alle parametre, der indgår i vurderingen, gennemgås ved samme lejlighed. Dels er det muligt, at IUCLID indeholder bedre data, end de der oprindeligt er blevet anvendt, og dels kræver dette arbejde kun en lille ekstra indsats i forhold til en revision af de toksikologiske vurderinger.

Det foreslås også at gennemføre revurderinger af udvalgte stoffer, der ikke er inkluderet i IUCLID. Både miljø- og sundhedsfagligt og politisk har der i de senere år været fokus på specifikke stofgrupper som dioxiner, furaner, PAH’er, partikler (PM10) med videre. Ingen af disse stoffer er inkluderet i IUCLID, og vil formodentlig heller aldrig blive det. At stofferne alligevel er interessante i LCA-sammenhæng skyldes, at de udledes som resultat af industrielle processer, blandt andet affaldsforbrænding, og i forbindelse med transport. Dermed er de en betydende faktor i langt de fleste livscyklusvurderinger, ligesom de også bidrager til normaliseringsreferencen for toksicitet og økotoksicitet.

3.3.13 Diskussion – Datakrav i UMIP og EURAM

Der er to vidt forskellige formål med stofvurderingerne i UMIP og EURAM. UMIP skal sikre, at potentielle bidrag til toksicitet og økotoksicitet er repræsenteret i en helhedsvurdering, mens EURAM sigter på at prioritere hvilke kemiske stoffer, der skal gennemgå en risikovurdering og – eventuelt – være genstand for en nedsættelse af risikoen gennem forskellige tiltag.

Ingen af de to metoder er således en risikovurdering, selvom mange af elementerne i de to metoder også er indeholdt i en risikovurdering.

En væsentlig forskel mellem de to metoder – i det mindste i matematisk henseende – er at alle vurderinger i EURAM munder ud i et tal , der ligger i intervallet fra 0 til hundrede, mens UMIPs effektfaktorer går fra 0 til et tal, der formodentlig kan være 10⁹ eller højere.

I miljøfaglig henseende er den største forskel eksponeringsvurderingen. I EURAM tages der udgangspunkt i den producerede mængde, der efterfølgende fordeles i forskellige delmiljøer ved hjælp af Mackay’s niveau 1- model. I UMIP tages der udgangspunkt i de opgørelser ("inventories") på procesniveau, der anvendes overalt i LCA, og hver enkelt emission fordeles derpå i de enkelte delmiljøet ved hjælp af oplysninger om deres troposfæriske halveringstid og deres flygtighed, bestemt ved Henry’s konstant.

Der er ikke i dette forprojekt taget stilling til, om den ene form for eksponeringsvurdering er mere præcis end den anden. Det konstateres, at der ikke er et nævneværdigt overlap i datakravene, der gør det operationelt at kombinere elementer fra de to metoder – eller at substituere elementer.

Ved udarbejdelse af effektfaktorer for enkeltstoffer er der til gengæld et stort sammenfald mellem de to metoder. Det er de samme grundlæggende principper fra risikovurdering og udarbejdelse af grænseværdier, der anvendes. Dette betyder også, at det stort set er den samme spændvidde i vurderingsfaktorer, der anvendes til at ekstrapolere fra en relativ dårlig datakvalitet til en effektfaktor, der er sammenlignelig med den for andre stoffer. Det vurderes, at UMIP-modellen i denne henseende er mindre konservativ end EURAM i sine datakrav. Det betyder, at en ændring af UMIP henimod EURAMs datakrav vil betyde, at en række stoffer vil blive tillagt en vurderingsfaktor, der er mellem 2,5 og 10 gange højere, end den er i øjeblikket i UMIP. De praktiske konsekvenser af dette er ikke vurderet i forprojektet.

Med hensyn til vurderingen af human toksicitet er der et stort sammenfald mellem UMIPs screeningsmetode og EURAMs vurderingsmetode. Det betyder meget firkantet, at det ikke er muligt at anvende EURAM-elementer til at gøre UMIPs kvantitative vurderingsmetode mere præcis. Til gengæld kan det ved given lejlighed overvejes at modificere UMIPs screeningsmetode henimod EURAMs vurderingsmetode, idet EURAM forekommer at være mere operationel i både effekt- og i eksponeringsvurderingen og dermed også et potentielt bedre værktøj til at prioritere mellem valg af forskellige stof/proces-kombinationer. Det skal dog pointeres, at det vil være nødvendigt at estimere de udledte mængder fra en given proces, før det fulde potentiale i EURAM-metoden kan udnyttes.

3.4 USES-LCA

Holland har på linie med Danmark været et foregangsland ved udvikling af metoder til vurdering af økotoksicitet og human toksicitet i LCA. I skrivende stund (ultimo 2000) er et revideret sæt Guidelines under udarbejdelse, til erstatning for det sæt, der blev udviklet af Heijungs et al., 1992. Et væsentligt element i de nye Guidelines er en beskrivelse af en metode til beregning af toksicitetspotentialer (Huijbregts (1999)).

Den væsentligste forskel til UMIP er overordnet, at toksicitetspotentialet beregnes relativt til et referencestof, 1,4-dichlorbenzen. I alt beregnes der 30 toksicitetspotentialer for hvert stof, der i de efterfølgende beregninger aggregeres for de enkelte delmiljøer. På denne måde opnås det i USES-LCA, at vurderingen af toksicitet og økotoksicitet følger de samme principper som ved vurderingen af bidrag til globale og regionale effekter, nemlig at der kan beregnes en ækvivalensværdi.

Betydningen af denne forskel mellem de to metoder diskuteres ikke yderligere i denne rapport. I stedet lægges der vægt på en beskrivelse af fremgangsmåden i den model, der bruges til at beregne stoffers fordeling og skæbne i miljøet, samt i vurderingen af stoffers toksicitet.

3.4.1 Eksponering i miljøet

I praksis er den væsentligste forskel mellem UMIP og USES-LCA, at modelleringen af stoffers spredning og skæbne i miljøet er noget mere detaljeret i USES-LCA. Det øgede detaljeringsniveau i beregningerne har som en fordel, at det er muligt at tage hensyn til flere fysisk-kemiske stofegenskaber, der kan variere alt efter de omstændigheder, hvorunder udledningen finder sted. Denne fordel medfører på samme tid et omfattende arbejde med vurdering af de enkeltstoffer og stofgrupper, der opfører sig forskelligt fra de grundlæggende antagelser i modellen.

Det er uden for dette forprojekts rammer at beskrive de specifikke overvejelser for enkeltstoffer og stofgrupper i detaljer. For en sådan beskrivelse henvises til Huijbregts (1999). I stedet peges der på de stoffer og stofgrupper, der bør behandles med særlig omhu ved udarbejdelsen af effektfaktorer, idet de samme overvejelser med stor sandsynlighed er relevante i andre LCA-metoder, herunder UMIP.

Tabel 21.
Stoffer og stofgrupper, der i USES-LCA kræver særlige overvejelser ved beregning af deres fordeling og skæbne i miljøet.

3.4.2 Effektvurdering i USES-LCA

Effektvurderingen i USES-LCA anvender indirekte EU’s Technical Guidance Document (TGD) til at beregne økotoksikologiske effektfaktorer, idet PNEC-værdier fra andre projekter, der har brugt fremgangsmåden i TGD, også anvendes i USES-LCA. I TGD anvendes statistisk ekstrapolation, vurderings/sikkerhedsfaktorer eller ligevægtsfordelings-metoden.

Den statistiske ekstrapolationsmetode er baseret på den antagelse, at følsomheden af forskellige arter i et økosystem kan beskrives ved en statistisk fordeling. I praksis anvendes den, når der oplysninger om fire eller flere NOEC fra forskellige taxanomiske grupper. Hvis der er oplysninger om mindre end fire NOEC, anvendes der sikkerhedsfaktorer efter de retningslinier, der er beskrevet i 3.3.6.3. Hvis der stort set ikke findes oplysninger om NOEC for jordlevende organismer, anvendes ligevægtsfordelingsmetoden, idet det bl.a. antages, at følsomheden af vand- og jordlevende organismer er sammenlignelig. Alle effektfaktorer for sediment i USES-LCA er beregnet ved hjælp af denne metode.

Der er kun angivet få stofspecifikke kommentarer med hensyn til økotoksicitet i Huijbregts (1999). Generelt er PNEC den samme for ferskvand- og saltvandsarter, idet den eneste undtagelse er organotin-forbindelser. Ved fastsættelsen af PNEC for metaller indgår baggrundskoncentrationen ikke i USES-LCA, idet det i LCA er den potentielle effekt af en ekstra udledning af et stof, der er interessant, og ikke risikoen fra den totale koncentration af det pågældende stof i miljøet. Da den altovervejende del af baggrundskoncentrationen af metaller ikke skyldes økonomiske aktiviteter, er det ikke behørigt at medtage denne i vurderingen.

Med hensyn til human toksicitet anvender USES-LCA grænseværdier for indtagelse gennem munden (oral) og via inhalation. Grænseværdierne tages fra offentliggjorte vurderinger, blandt andet fra WHO, RIVM og USEPA. Hvis der ikke findes grænseværdier for indtagelse på den ene eller anden måde i litteraturen, ekstrapoleres der på basis af biotilgængeligheden ved inhalation og oral indtagelse.

Ved fastsættelse af effektfaktorer for human toksicitet er der taget hensyn til en række specielle forhold for udvalgte stoffer og stofgrupper. Disse gengives meget kortfattet i nedenstående tabel:

Tabel 22.
Stoffer og stofgrupper, for hvilke der er taget specielle hensyn ved udarbejdelse af effektfaktorer for human toksicitet.

De ovenstående undtagelser afspejler sandsynligvis de problemstillinger, der har været i fokus ved udvikling og afprøvning af USES-LCA. Specielt har problemer omkring vurdering af phthalater og dioxiner været i fokus i diskussionen af anvendelse af PVC. For en mere detaljeret beskrivelse af denne diskussion henvises til Tukker, 1998.

Det kan således tænkes, at der ved fremtidige vurderinger af andre stoffer og stofgrupper vil dukke lignende problemer op. Eksemplerne understreger, at der ofte vil være behov for at tage specifikke problemstillinger op til en mere dybtgående vurdering, hvis de er centrale i beslutningsgrundlaget. Dette behov vil opstå uanset metodevalg, og den ideelle løsning, nemlig at fremskaffe høj-kvalitetsoplysninger, er kun sjældent realistisk.

En anden – og mere overordnet – problemstilling er anvendelsen af worst-case antagelser og estimater i beregningen af effektpotentialer. Huijbregts (1999) mener, at effektfaktorerne ideelt set skulle justeres, så de afspejler mere realistiske forhold. På den anden side er det også et praktisk argument, at det i vurderingen af et stof "straffes", hvis datatilgængeligheden er lav. Et andet argument er, at anvendelse af sikkerhedsfaktorer i vurdering af effekpotentialet for human toksicitet ikke behøver at være så konservativ, hvis hovedformålet er at beskytte størstedelen af befolkningen (sic). Konklusionen på den meget kortfattede diskussion i Huijbregts (1999) er, at det ikke i den konkrete situation er en gennemførlig opgave at justere de sikkerhedsfaktorer, der anvendes som default, hen imod mere troværdige estimater.

3.4.3 Relation til UMIP

En række af de mest betydende forskelle og ligheder mellem USES-LCA og UMIP er allerede beskrevet i de foregående afsnit.

På baggrund af gennemgangen kan der ikke peges på delelementer i USES-LCA, som vil kunne nedsætte usikkerheden væsentligt i UMIP’s kemikalievurdering. De grundlæggende elementer og fremgangsmåder i de to metoder er blevet fastlagt i et tidsmæssigt parallelt forløb i den første halvdel af 1990’erne. Metodediskussioner under forløbet - først og fremmest i SETAC-regi – viste, at de to tilgangsvinkler ikke var væsensforskellige i deres målsætning og omfang. Den samme konklusion blev nået på en dansk-hollandsk workshop, der blev afholdt i efteråret 1999 med det formål at diskutere nye tiltag i udviklingen af LCA-metoder.

I effektvurderingen for økotoksicitet er der en mindre forskel mellem de to metoder, idet USES-LCA anvender det geometriske gennemsnit af forskellige værdier for NOEC, når der er fire eller flere forskellige målinger for forskellige arter, mens UMIP anvender den mindste værdi ( = den mest belastende). Hvis der er mindre end fire værdier for NOEC, anvendes der er sikkerhedsfaktor. Det samme princip anvendes i øvrigt også på andre parametre, når der er adskillige måleværdier. I praksis betyder dette, at relativt velundersøgte stoffer får en mindre effektfaktor, mens mindre velundersøgte stoffer stadig vurderes på baggrund af den mest belastende værdi for deres toksicitet, sammen med en sikkerhedsfaktor. Det antages, at fremgangsmåden kun kan anvendes på et fåtal af stoffer, og dermed kun sjældent vil have indflydelse på en samlet vurdering.

I vurderingsmodellen for human toksicitet er der i UMIP taget et overordnet hensyn til de fleste specielle problemer, der er i vurderingen af visse stoffer og stofgrupper. Dette er gjort ved en beskrivelse af beregningsproceduren for en række stofgrupper i relation til de enkelte delmiljøer. Helt specifikke problemer, f.eks. omkring vurdering af phthalater og dioxiner, er dog ikke beskrevet i detaljer.

I human toksicitet spiller indtagelsesfaktoren, d.v.s. hvor meget en gennemsnitsperson indtager af luft, vand og fødemidler, en væsentlig rolle. I UMIP er indtagelsefaktorer for levnedsmidler baseret på danske gennemsnit, mens USES-LCA anvender hollandske, amerikanske og europæiske gennemsnitstal. USES-LCA værdierne for indtagelse er generelt noget lavere end de værdier, der anvendes i både grundmodellen USES 2.0 og i UMIP.

Hvordan forskellene i de to metoder afspejler sig i praktiske LCA-vurderinger kan ikke vurderes. Dels er der tale om forskelle i effektkategorier og dels er der forskel i den overordnede vurderingsmetode (ækvivalensberegninger/ fortynding til uskadelige koncentrationer). Dertil kommer de forskelle, som spredningsmodellerne medfører. Diskussionerne i Huijbregts (1999) beskrivelse af USES-LCA og i Tukker (1998) tyder på, at det er den samme type af problemstillinger, man støder på, når LCA anvendes til mere vidtrækkende politiske beslutninger.

3.5 Brug af QSAR til effektvurderinger

Effektvurderinger ved hjælp af QSAR (Quantitative Structure Activity Relationship) er en fremgangsmåde, der vinder mere og mere indpas, også i relation til myndighedernes arbejde på kemikalieområdet.

En SAR-model eller en QSAR-model er en relation mellem et stofs kemiske struktur og en givet aktivitet eller egenskab, f.eks. fysisk-kemiske egenskaber eller toksikologiske parametre. Ved udviklingen af en model sammenlignes en række kemiske stoffers strukturegenskaber (molekylære deskriptorer) med målte værdier for den aktuelle egenskab gennem et såkaldt træningssæt. Målet er at fastlægge hvilke deskriptorer, der på en afgørende måde er forbundet med den undersøgte egenskab, og derefter sætte en matematisk relation op mellem disse deskriptorer og den pågældende egenskab. Deskriptorerne kan omfatte log K_ow, molekylært index, kvantemekaniske egenskaber, form, størrelse, ladning, elektronfordelinger mm., og sammenligningen udføres ofte ved hjælp af statistiske metoder.

SAR-modeller kan give en kvalitativ forudsigelse af, om et stof besidder en given egenskab eller ikke, mens en QSAR-model giver en kvantitativ forudsigelse af denne egenskab, f.eks. i form af en LD₅₀-værdi.

Fordelen ved QSAR er, at det er muligt at vurdere en stor mængde stoffer på kort tid, når først QSAR-modellerne er udviklet og udvalgt, men QSAR kan naturligvis også benyttes ved vurdering af enkeltstoffer. Det er dermed muligt at få en indikation af farligheden af stoffer, for hvilke der ikke findes dokumentation i form af fysisk-kemiske egenskaber eller toksikologiske undersøgelser.

Der findes i dag en lang række modeller til vurdering af forskellige stofegenskaber, som med 70-85% statistisk sikkerhed kan forudsige, om et stof har de egenskaber, som modellen undersøger. De fleste modeller er computerbaserede, og mange modeller kan downloades uden beregning fra forskellige websites. I Miljøprojekt Nr. 635 (2001) findes en kort gennemgang af nogle af de programmer, der er tilgængelige. Den amerikanske miljøstyrelse (EPA) har lagt en række modeller ud på deres hjemmeside til gratis benyttelse (http://www.epa.gov/oppt/exposure/docs/episuitedl.htm).

3.5.1 Miljøstyrelsens Vejledende liste til selvklassificering af farlige stoffer

Som et eksempel på anvendelse af QSAR har Miljøstyrelsen for nylig udgivet en vejledende liste til selvklassificering af farlige stoffer, der på baggrund af QSAR-vurdering af 47.000 kemiske stoffer indeholder forslag til klassificering af mere end 20.000 af disse for en eller flere af de udvalgte farlige egenskaber.

TOPKAT-modellen blev anvendt til beregning af LD₅₀-værdier. Stoffer med forudsigelser eller testresultater, der viste at LD₅₀ (oral, rotter) var mindre end eller lig med 2000 mg/kg, blev medtaget på listen med den vejledende klassificering Xn;R22. Overordnet set tages der således kun udgangspunkt i, om stoffet skal klassificeres eller ej. I princippet skulle modellen også kunne skelne mellem forskellige klassificeringskriterier (LD₅₀ = 25 mg/kg (Tx;R28), 25 mg/kg < LD₅₀ = 200 mg/kg (T;R25) og 200 mg/kg < LD₅₀ = 2000 mg/kg (Xn;R22)). Denne mulighed for kvantificering er en forudsætning for at anvende denne type af QSAR i LCA, idet der ellers kan blive introduceret en usikkerhed på faktor 80 (forskellen mellem laveste og højeste LD₅₀, der fører til klassificering.

3.5.1.2 QSAR til beregning af farlighed for vandmiljøet

EU’s klassificeringskriterium er sammensat af tre hovedelementer, i.e. bionedbrydning, biokoncentreringspotentiale og giftighed overfor vandlevende organismer. De tre elementer indgår også i UMIP’s beregning af effektfaktorer for økotoksicitet, og det er derfor muligt at øge mængden af stoffer, for hvilke der er fastsat en effektfaktor for økotoksicitet gennem at anvende QSAR.

Bionedbrydning blev bestemt ved hjælp af Syracuse’s BIOWIN program, idet der kun blev anvendt den lineære ligning for hurtig/ikke-hurtig nedbrydning. Resultatet af vurderingen er en forudsigelse af om stoffet nedbrydes hurtigt eller ej, samt et estimat af tidshorisonten for nedbrydningen. I relation til UMIPs vurderingsmetode kan denne QSAR anvendes til at placere et stof i et af ydergrupperne (let nedbrydeligt eller ikke nedbrydeligt), mens der ikke er den samme mulighed for at placere stoffet i den tredje gruppe, potentielt nedbrydeligt. Det vurderes i Miljøprojekt Nr. 635, at modellen ikke fanger alle de ikke-letnedbrydelige stoffer, men at antallet af falsk-positive forudsigelser for mangel på nedbrydelighed er acceptabelt lille.

Biokoncentrering blev bestemt ved hjælp af Syracuse’s BFCWIN program, der er baseret på en kombination af QSAR for log K_ow og strukturelle fragmentkategorier. Denne fremgangsmåde giver angiveligt en signifikant forbedring i forhold til den standardligning (BCF = 0.85 * log K_ow – 0.70), der ofte benyttes til at estimere biokoncentreringsfaktoren udfra log K_ow. Resultatet af QSAR-beregningen er en værdi for både log K_ow og BCF, som kan anvendes direkte i beregningen af effektfaktorer i UMIP.

I klassificeringen for farlighed for vandmiljøet anbefales det at anvende værdier for akut giftighed overfor både fisk, dafnier og alger, selvom der kun sjældent er værdier for alle tre arter. I Miljøprojekt Nr. 635 blev kun giftighed overfor fisk forudsagt på baggrund af QSAR, på grund af deres pålidelighed og tilgængeligheden af testresultater af høj kvalitet til metodeudvikling. Den model, der blev anvendt (M-CASE), blev udviklet af Miljøstyrelsen. Resultat-formatet er ikke beskrevet nærmere i rapporten, men det må antages at modellen på linie med andre modeller forudsiger en LC₅₀-værdi.

3.5.2 Andre faktorer, der indgår i beregning af effektfaktorer

I den ovenstående gennemgang er der kun beskrevet få udvalgte parametre, der kan bestemmes ved hjælp af QSAR. Til brug ved beregning af effektfaktorer i UMIP kan der være behov for andre parametre, såvel fysisk-kemiske som toksikologiske. Det vurderes, at der allerede på nuværende tidspunkt er udarbejdet modeller, der kan foretage de ønskede beregninger for mange stofgrupper. Som et eksempel gengives i det følgende en oversigt, udarbejdet af EPA, over nogle af de parametre i vurderingen af HPVC, som der i 2000 var QSAR-modeller for. Det ligger uden for dette forprojekts rammer at give en nærmere beskrivelse og vurdering af deres gyldighedsområde og nøjagtighed.

3.5.3 Overordnede bemærkninger til anvendelse af QSAR i LCA

QSAR-modeller kan anvendes til at udfylde nogle af de datamangler, der er ved beregning af effektfaktorer til UMIP. Det skønnes således at være muligt for mange stoffer at beregne en eller flere effektfaktorer alene ved hjælp af QSAR, om end usikkerheden på denne type af beregninger er relativ stor – for nogle parametre op til faktor fem i forhold til målte værdier.

Det må umiddelbart anses som en gevinst at kunne beregne en effektfaktor for et givet stof, idet en generel arbejdshypotese er, at "dårlige" data er bedre end ingen data. Det skal dog også tages med i betragtningen, at QSAR-vurderinger - foruden den indbyggede usikkerhed - automatisk tillægges den højest mulige vurderings- eller sikkerhedsfaktor, hvilket betyder at sådanne stoffer kan få en afgørende betydning i en samlet vurdering. Dette er et naturligt element i forskellige former for risikovurderinger, men i LCA kan for meget "støj" besværliggøre tolkningen af en samlet vurdering. Hvis QSAR-vurderinger inddrages i væsentlig grad i UMIP, bør dette derfor følges op af et sæt retningslinier, der beskriver hvordan tolkning og rådgivning, specielt til virksomheder uden toksikologisk eller økotoksikologisk ekspertise, kan gennemføres bedst muligt.

Der kan ikke på baggrund af den meget summariske introduktion til QSAR peges på specifikke modeller, der er specielt anvendelige til formålet. QSAR-området udvikler sig meget hurtigt, hvilket udmønter sig i både forfining af eksisterende modeller og udvikling af nye. Hvis datagrundlaget ønskes suppleret ved hjælp af QSAR må det forventes, at et af projektets første opgaver er at udvælge de modeller eller kombinationer, der på det givne tidspunkt vurderes at give den bedste kvalitet af de parametre, der ønskes bestemt.

Udviklingen på QSAR-området betyder også, at mange af de QSAR-vurderinger, der findes i IUCLID, kan gøres mere præcise med de modeller, der er til rådighed i dag. Ved et eventuelt automatiseret udtræk fra IUCLID vil det derfor være hensigtsmæssigt at erstatte gamle QSAR-vurderinger med nye, idet QSAR vurderinger under alle omstændigheder må anses for at være den sidste udvej ved beregning af effektfaktorer, hvis der ikke findes toksikologsike og økotoksikologiske undersøgelser af acceptabel kvalitet.

4 Beskrivelse og vurdering af alternative metoder til at lave opgørelser (Inventories) for kemikalier

4.1 Indledning

Produktion af kemikalier foregår ofte i komplicerede procesanlæg, hvor kemiske reaktioner, separationsprocesser, varme og køleprocesser finder sted i et optimeret samspil. Derfor er det også naturligt, at der i forbindelse med udvikling af kemiske procesanlæg og ved senere optimeringer anvendes analyseværktøjer (simuleringsværktøjer), som kan håndtere de problemstillinger, der opstår i de komplekse systemer, hvor ressourcer i form af energi og råvarer omsættes og genvindes.

I LCA sammenhæng er der inden for de seneste år udviklet metoder, der er rettet mod "Environmental assessment" af kemiske processer. Et væsentligt element i LCA er udarbejdelse af opgørelser. Disse kan – specielt for stærkt integrerede processer – være svære at udarbejde. Antallet af ind- og udgående processtrømme kan være stort, og sammensætningen kan være vanskelig eller umulig at måle direkte. Metoder for systematiske LCA-opgørelser baseret på masse og energibalancer er foreslået (f.eks. Jimenez-Gonzales, 2000).

En række metoder inkluderer LCA principper i et optimeringssystem (f.eks. Pistikopoulos og Stefanis, 1998). Tilsvarende har de amerikanske miljømyndigheder udviklet den såkaldte WAR algoritme (Cabezas 1999), som karakteriserer flowene og de potentielle miljømæssige konsekvenser ved en kemisk proces. I WAR algoritmen benyttes ni påvirkningskategorier, som går fra globale belastninger som f.eks. bidrag til nedbrydning af ozonlaget til lokale belastninger som f.eks. human toksikologi. Bidraget til påvirkningskategorierne beregnes ud fra de udgående processtrømmes kemiske sammensætning. Da processimulatorer er i stand til at beregne disse sammensætninger under alternative driftsforhold, vil det derfor være muligt at indarbejde påvirkningskategorier umiddelbart. I det omfang, de forskellige påvirkningskategorier kan vægtes, vil det umiddelbart være muligt at anvende optimeringsalgoritmer, der systematisk kan optimere en given kemisk produktion.

I det følgende er nogle af de væsentligste simulerings- og optimerings-metoder, som traditionelt har været anvendt til analyse og optimering af kemiske processer, gennemgået. Ligeledes er der eksempler på, hvorledes værktøjerne i praksis anvendes og illustrationer af, hvorledes de samme værktøjer kan anvendes i LCA-sammenhæng.

For at illustrere mulighederne for anvendelse af processimulering til udarbejdelse af LCA opgørelser vil et eksempel på produktion af salpetersyre indledningsvis blive gennemgået.

4.2 Opgørelse ved forskellige processer til salpetersyreproduktion

Salpetersyre hører til blandt verdens mest producerede kemikalier. De grundlæggende mekanismer (reaktionsforløb) til produktion af salpetersyre har ligget fast de seneste 50 år. Alligevel er der mange muligheder for at tilpasse og optimere processen ud fra forskellige kriterier. Der findes således på verdensplan salpetersyreanlæg med vidt forskellige ydelser med hensyn til konverteringsgrad, energieffektivitet og emissionsforhold. Figur 1 er et eksempel på et moderne salpetersyreanlæg. Det skal bemærkes, at det kun er hovedstrømmene, der er medtaget på diagrammet. Udover de viste komponenter er der et stort antal pumper og ventiler.

Figur 1.
Eksempel på moderne salpetersyreanlæg.

I processen omsættes ammoniak (NH₃) til salpetersyre (HNO₃) i tre trin:

1. Ammoniakforbrænding, hvor ammoniakken reagerer med ilt under dannelse af NO. Reaktionen foregår katalytisk ved hjælp af en platinholdig katalysator.
2. Oxidering af NO med ilt til NO₂.
3. Reaktion og absorption af NO₂ og vand til dannelse af salpetersyre (HNO₃)

Alle tre reaktioner er varmeafgivende (exoterme). Det betyder, at der samlet frigives store energimængder i processerne. For at de enkelte reaktionstrin kan finde sted med tilstrækkelig omsætningsgrad og reaktionshastighed, er der krav til temperaturer og tryk. Således vil ammoniakforbrændingen (reaktion 1) have størst omsætningsgrad ved høj temperatur, NO oxidationen (reaktion 2) foregå hurtigst under afkøling og salpetersyreabsorptionen foregå bedst ved højt tryk og lav temperatur.

De specifikke forhold for reaktionerne er i høj grad afhængig af de ydre omstændigheder som f.eks. råvarepriser, energipriser og miljøkrav. Typisk vil det endelige design være underlagt et trade-off mellem bl.a. energiudgifter og anlægsinvestering.

Det specifikke ammoniakforbrug hænger primært sammen med effektiviteten af forbrændingen. Under forbrændingen omsættes ammoniak fortrinsvis til NO (primær reaktion), mens en lille del omsættes til kvælstof og vand (sekundær reaktion). Derfor givere højere konverteringsgrad (primær reaktion) mindre ammoniakforbrug.

4.2.2 NO_x emission

NO_x emissionen er primært afhængig af tryk og temperatur under absorptionen. Højere tryk og lavere temperatur giver mindre NO_x i restgassen, som emitteres. Det skyldes, at omdannelse af NO₂ og vand til salpetersyre er en ligevægtsreaktion. Sammen med gas-/vandfase ligevægten bestemmer ligevægtsreaktionen den aktuelle mængde NO_x i restgassen (Figur 2).

Figur 2.
Ligevægtsberegning for NO_x koncentration i restgassen i et salpetersyreanlæg (ved 10, 20 og 30 °C).

4.2.3 Vandforbrug

Vandforbruget til salpetersyreproduktion er stort set fastlagt på forhånd, jvf. reaktionsforløbet

NO gassen recirkuleres således, at den samlede reaktion er:

,

hvilket giver en teoretisk salpetersyre koncentration på 78% (vægt). I praksis produceres der salpetersyre med en koncentration på typisk 65% (vægt). Det betyder, at der teoretisk skal tilføres 0.25 tons vand for hver produceret tons salpetersyre (omregnet ren salpetersyre).

4.2.4 Energiforbrug

Mens de øvrige parametre (ammoniak, NO_x og vand) primært er afhængige af enkelte enhedsoperationer, er energiforbruget afhængig af samspillet mellem de enkelte enhedsoperationer.

Da alle reaktionerne i processen er exoterme, er processen grundlæggende energiproducerende. Den samlede energimængde, der frigives ved reaktionerne, er ca. 1800 kWh/ton syre. Hvis man ser på det udnyttede energioverskud fra reelle processer, varierer dette typisk fra under 0 til 300 kWh. Energioverskuddet omsættes typisk til dampproduktion.

4.2.5 Opgørelser for salpetersyreproduktion

I Tabel 23 er opgørelser for en række procesanlæg vist. Procesanlæggene er dels eksisterende anlæg og dels simulerede anlæg. For de eksisterende anlæg er data baseret på konkrete anlægsdata og verificeret ved simulering (energi og stofbalancer) (Nielsen, 1995). Herudover er der medtaget to procesanlæg, som ikke er bygget. Det første af dem er et konventionelt anlæg tilbudt af en udbyder af procesanlæg (Contractor). Det sidste anlæg er et konceptstudie med et anlægskoncept udarbejdet af dk-TEKNIK (Nielsen og Hansen, 1995 og 1997). For Contractor processen er data opgivet direkte fra udbyderen og herefter verificeret ved simuleringer. For dk-TEKNIK’s proces er opgørelsen lavet udelukkende på baggrund af simuleringer af processen.

Det væsentligste at bemærke ved opgørelserne i Tabel 23, er de store forskelle mellem de bedste og de dårligste anlæg. Det er derfor vigtigt ved LCA opgørelser at vide hvor produktet kommer fra. Det bemærkes iøvrigt, at de væsentligste forbedringer ved fremtidige anlæg opnås gennem højere energieffektivitet.

Tabel 23
Opgørelse for forskellige salpetersyreanlæg per produceret tons salpetersyre.

Det skal nævnes, at de to sidste (virtuelle) procesanlæg er baseret på energioptimeret design. Det er således ikke nødvendigvis de anlæg, der bygges i dag. Den endelige proces er baseret på et trade-off mellem de forskellige størrelser.

Med hensyn til fremskaffelse af de aktuelle procesdata til udarbejdelse af opgørelser vil processimulering ofte være et uundværligt værktøj. Det gælder specielt processer med emissioner, der enten ikke kan måles eller er meget bekostelige at måle. Her vil modeller baseret på energi og massebalancer samt ligevægtsforhold kunne give oplysninger om størrelser, som ellers ikke vil være tilgængelige.

Herudover vil det generelt for større procesanlæg være særdeles tidsbesparende at benytte sig af processimulering ved udarbejdelse af opgørelser. Udover en systematik i datahåndteringen er man sikker på, at de data, man anvender, er konsistente hvad angår de primære masse- og energibalancer. Herudover vil man med en simuleringsmodel let kunne udarbejde reviderede opgørelser på baggrund af ændrede procesbetingelser.

Figur 3 viser et uddrag af en simuleringsmodel for salpetersyreprocessen. Ved anlægssimuleringer vil man umiddelbart se konsekvenserne i form af energiforbrug, emissioner og ressourceforbrug ved ændrede driftsbetingelser. Simuleringsmodellen kan således bruges interaktivt til optimering af processen og minimering af emissioner. I Tabel 24 ses de procesmæssige udledninger, som simuleringsmodellen beregner.

Figur 3
Uddrag af simuleringsmodel for salpetersyreanlæg.

For hver processtrøm kan der uddrages alle fysiske og termodynamisk beregnede størrelser.

Tabel 24.
Sammensætning af restgas, som udledes fra skorsten.

I arbejdet med udarbejdelse af de i Tabel 23 udarbejdede opgørelser har det således været forholdsvist enkelt at tilpasse generelle modeller til specifikke formål.

4.3 Anvendelsesområder for processimulering i LCA perspektiv

Generel anvendelse af simulerings- og optimeringsværktøjer bliver i stigende omfang anvendt til udvikling og forbedring af kemiske processer. Fra starten af 60’erne, hvor de første computerbaserede analyseværktøjer blev udviklet, var de væsentligste mål at kunne lave simuleringer af enkelte kemiske enhedsoperationer. I forbindelse med computernes udvikling blev det muligt at foretage simuleringer af flere koblede enhedsoperationer. I løbet af 70’erne udviklede en række større industrivirksomheder specialiserede simulatorer. Disse kunne gennemføre beregninger, der hidtil havde været særdeles tidskrævende, på processerne. Simulatorerne blev udviklet af større industrikoncerner som Union Carbide, Exxon m.fl. Også enkelte danske virksomheder opbyggede simulatorer for kerneprocesserne, f.eks. De Danske Sukkerfabrikker (nu Danisco Sugar). Sideløbende med de virksomhedsspecifikke simulatorer begyndte de første kommercielle generelle processimulatorer at dukke op sidst i 70’erne. Fælles for såvel de virksomhedsspecifikke som for de generelle simulatorer var det, at de stillede store krav til brugerne.

I løbet af 80’erne blev simulatorerne udviklet yderligere, og der begyndte at komme værktøjer målrettet til optimering af kemiske processer.

I 90’erne var udbredelsen af simulatorerne forholdsvis stor, hvilket i høj grad skyldes, at de blev væsentligt lettere tilgængelige. Udbredelsen af optimeringsværktøjer har ikke været lige så stor som udbredelsen af de generelle simuleringsværktøjer. Disse værktøjer stiller stadig store krav til brugerne.

De miljømæssige aspekter er traditionelt behandlet som restriktioner i procesoptimeringen. Det vil sige, at optimeringen er gennemført under hensyntagen til en række af krav, der skal opfyldes (f.eks. lovmæssige restriktioner på udledninger af VOC’er).

Mange af værktøjerne kan dog umiddelbart anvendes til at inddrage miljøaspektet direkte i optimeringerne. Bl.a. har energiforbruget i mange år spillet en central rolle i den kemiske industris konkurrenceevne. Derfor vil der i forbindelse med etablering af nye kemiske procesanlæg næsten altid blive taget specifikt fat på energiforholdene. Med hensyn til de øvrige miljømæssige forhold inddrages disse i højere grad i planlægningen af procesanlægget. Ofte er realiteten, at miljøforholdene er tæt knyttet til energiforholdene, således at en stor omsætning af energi ofte udmønter sig i store emissioner.

I LCA sammenhæng vil analyseværktøjer specielt kunne bidrage ved indsamling af data for processer, der ikke er fuldt dokumenteret. En række af de værktøjer, der typisk anvendes, er således velegnede til opstilling af konsistente energi- og massebalancer, hvori der tages hensyn til de enkelte kemiske forbindelsers fysiske egenskaber.

Værktøjerne vil – når tiden er moden – også kunne bringes i anvendelse til "LCA baseret optimering". Med det forstås en optimering, som producenterne kan foretage i forsøget på at opnå en bedre "LCA-ydelse".

Som et eksempel betragtes en spildevandsrensningsproces, hvor der anvendes energi til regenerering af spildevandets kontaminering. I eksemplet er der simuleret et system med sprit (ethanol) i vand. Spildevandet renses ved en destillation (Figur 4), hvor der anvendes energi i en reboiler.

Figur 4
Model for destillationskolonne til rensning af spildevand.

Jo mere energi, der tilføres, jo mere sprit kan der sendes tilbage til processerne. I simuleringsmodellen kan denne sammenhæng undersøges ved at variere på designparametrene. I dette eksempel opsamles samhørende værdier for spritindhold i spildevandet og energiforbruget (Figur 5).

Figur 5
Brug af simuleringsmodel til systematisk afvejning af procesparametre.

Såfremt det er muligt at vægte de enkelte LCA parametre, vil det således være muligt – ved hjælp af simuleringsværktøjet – at finde det design, der ud fra en livscyklusbetragtning er bedst.

Ved at tillægge de enkelte parametre en "LCA-vægtning" er der i eksemplet foretaget en simpel optimering, der angiver den optimale designkonfiguration af rensningsprocessen (Figur 6).

Figur 6
Optimering af "LCA ydelse". På baggrund af simuleringsresultater kan der findes et optimum baseret på vægtning af energiforbrug og sprit i spildevandet.

Eksemplet viser en simpel simulering og optimering, hvor der optimeres på nogle få driftsparametre. Det er derfor relativt nemt og overskueligt at finde et "LCA optimum". I reelle kemiske processer vil der være betydelig flere driftsparametre, som kan og skal indgå i optimeringen. Det betyder, at det næppe vil være tilstrækkeligt at anvende simuleringsværktøjer. Der er også behov for at anvende egentlige optimeringsmetoder, som er i stand til systematisk at optimere frihedsgraderne i processerne.

4.4 Processimulerings- og optimeringsværktøjer

Til den praktiske gennemførelse af processimulering og optimering findes en række computer baserede værktøjer. Som udgangspunkt kan disse værktøjer deles op i simuleringsværktøjer og synteseværktøjer (værktøjer til optimering af procesdesign).

Simuleringsværktøjer anvendes til at efterligne (beregne) virkelige processer (tilstandsvariable eller tidsforløb i procesvariable) og er ofte knyttet sammen med parameteroptimering.

Til dette kræves, at en række af procesanlæggets specifikationer og karakteristika er kendte/antaget og indført i de modeller (komponenter), som simulatoren indeholder. Simuleringsværktøjer er velegnede til at undersøge og afprøve konsekvenserne af nye driftsstrategier eller operationer på et anlæg på en økonomisk hensigtsmæssig måde, idet det ikke kræves, at der står et virkeligt anlæg til rådighed, og der bruges ikke råstoffer udover arbejdstid. Endvidere elimineres risici for uheld foranlediget af, at anlægget er kommet ud i et driftsområde, hvor garantien ikke gælder for anlægget.

Synteseværktøjer retter sig mod design af anlæg. Der kan her være tale om fastlæggelse af et overordnet systemdesign (konfiguration af systemet), eller designet kan bestå i fastlæggelse af de enkelte komponenters kapacitet og fysiske størrelse.

Syntese af anlæg (i betydningen fastlæggelse af det overordnede systemdesign) inddrager ofte komplekse problemstillinger, som udmynter sig i et væld af mulige designkonfigurationer.

Værktøjerne kan benytte matematisk programmering til at finde frem til en optimal konfiguration. En anden mulighed er anvendelse af heuristiske regler, som bygger på erfaringer og ræsonnementer, der gør det muligt at reducere antallet af teoretiske konfigurationer i en sådan grad, at det er muligt at overskue og undersøge de tilbageværende konfigurationer.

Den ovennævnte opdeling i simulerings- og synteseværktøjer er dog ikke reel i praksis, idet der ofte i simuleringsværktøjer er integreret en række synteseværktøjer, som kan assistere brugeren i fastlæggelsen af enkeltkomponenters specifikke design.

4.5 Samspil mellem kendte og ukendte variable

Forudsætningen for en god LCA opgørelse er bl.a., at alle væsentlige ind- og udgående processtrømme for en produktionsproces er kendt.

For en lang række processer til fremstilling af kemiske produkter er forudsætningen, om at alle ind- og udgående strømme er kendt, langt fra opfyldt. En total kortlægning ved målinger og analyser af de ind og udgående strømme vil i mange tilfælde være særdeles omfangsrig og behæftet med væsentlige fejl. Ved produktion af forskellige produkter på samme procesanlæg, men med små driftsændringer, vil der være behov for at gentage målingerne i fuldt omfang.

Ved at benytte sig af processimulering – kombineret med målinger – vil det dels være muligt at lave opgørelserne væsentligt hurtigere og dels kunne give større datasikkerhed, da processimulatorerne sikrer at alle stof- og energibalancer er i overensstemmelse med de fysiske og termodynamiske love.

Såfremt en pålidelig processimuleringsmodel kan opstilles for en given produktionsproces vil det endvidere være muligt hurtigt og nøjagtigt at lave opgørelser for forskellige produktspecifikationer.

I praksis vil man for en given produktionsproces have opgørelse over en del af de ind- og udgående processtrømme. Simuleringsmodellen kan herefter bruges til at beregne de resterende data. Forudsætningen er at der er et tilstrækkeligt antal kendte størrelser. Da processimulatorer baserer sig på løsning af ligningssystemer skal der være overensstemmelse mellem antallet af ligninger og antallet af ubekendte størrelser. Hvis der er for få oplysninger er det nødvendigt at anvende antagelser, hvilket giver anledning til at usikkerheden på opgørelserne øges. Hvis der er færre ubekendte end ligninger har man en situation hvor systemet siges at være overbestemt. Det betyder at man har overskydende information. Her kan man vælge at anvende de overkydende data til at checke om modellen og målinger stemmer overens. Såfremt målinger og balancer ikke stemmer kan man med statistiske metoder finde frem til, hvilke data der må antages at være mest troværdige. Jo mere systemet er overbestemt jo mere pålideligt bliver resultatet. Da målinger ofte kan være behæftede med væsentlige fejl anbefales det derfor altid at stræbe mod at få så mange målinger med som muligt.

4.6 Værktøjer til processimulering

4.6.1 Simuleringsværktøjer til procesindustri

Der findes en række alternative produkter til processimulering rettet mod kemisk og beslægtet industri. Disse kan fordeles på kommercielle produkter og værktøjer udviklet til forskningsmæssig brug på universiteter.

For de generelle processimulatorer gælder, at de er designet til almene procestekniske beregninger og bygget op af en række standardkomponenter. En standardkomponent kan eksempelvis være en pumpe eller en varmeveksler. De enkelte standardkomponenters karakteristika er hver især beskrevet med et sæt ligninger. Simulatoren består endvidere af en beregningsdel (ligningsløser) og et interface (i dag typisk et grafisk brugerinterface).

Det grafiske brugerinterface og den komponentorienterede opbygning giver mulighed for direkte på en computerskærmen at opbygge et procesanlæg af enkeltkomponenter forbundet og arrangeret som i virkeligheden, hvilket normalt øger forståelsen og overskueligheden. Der kan opbygges ganske præcise modeller (specielt hvis der er mulighed for at programmere/definere egne komponenter) af virkelige anlæg, hvor styrings- og reguleringssystemet også er inddraget.

Det er derfor muligt på ganske kort tid at opbygge en model af et procesanlæg, som kan simulere driften af et virkeligt anlæg, og som samtidig er ret let at overskue og forstå. Detaljer om processen kan specificeres i de enkelte komponenter, eller komponenterne kan evt. skræddersyes til specielle processer. Simulatorerne giver mulighed for at simulere stationære forhold såvel som dynamisk drift.

Når først en model af et procesanlæg er opbygget i en simulator, kan denne model anvendes, hver gang konsekvensen af at ændre noget i anlæggets drift ønskes undersøgt. Man kan vælge at fiksere nogle parametre, mens andre optimeres. Det kunne eksempelvis være ønsket om at minimere det specifikke brændselsforbrug i en proces uden at ændre på sammensætningen (kvaliteten) af produktet.

Ofte er det datagrundlag, som virksomhederne besidder om deres processer (endog egne kærneprocesser), noget mangelfuldt. Her vil en model af processen opbygget i en simulator normalt være til stor hjælp, hvis ukendte størrelser i processen ønskes estimeret eller beregnet. Visse centrale procesdata kendes normalt, idet de måles løbende af forskellige årsager.

Som et eksempel kan nævnes en proces, hvor træ tørres i et tørrekammer. I en sådan proces vil man typisk under tørreprocessen løbende måle vandindholdet i træet, som findes i tørrekammeret, idet dette er en central variabel, der skal ændres (nedbringes) i tørreprocessen. Processen kan kontrolleres ved at måle på og styre en række variable ved at regulere på andre variable. Styrevariable kan være temperatur og fugtindhold af tørreluften, der sendes ind i tørrekammeret, mens en variabel, der reguleres på, kan være damptilførsel.

En række parametre, som også har indflydelse på tørreprocessen, måles derimod ikke – enten fordi de ikke er så afgørende, eller fordi de ikke indgår som en parameter, der styres efter. Eksempelvis kan det tænkes, at varmeforbruget i form af damp ikke måles og dermed ikke registreres, men kun indgår som en variabel, der reguleres på.

Hvis tørreprocessen opbygges i en simuleringsmodel, vil dampforbruget imidlertid kunne beregnes udfra de registrerede måleværdier og er hermed et eksempel på, at datagrundlaget i en proces kan udbygges ved anvendelse af simuleringsmodeller af processen.

Med en god model af processen vil det ofte være muligt med ganske få målte eller kendte størrelser som inddata at fastlægge (beregne) hele processen med en simulator. Hvis den teoretiske model derimod er mere mangelfuld, er der behov for flere målte data til at fiksere modelberegningerne.

Simulatoren kan dermed bruges til at beregne en lang række tilstandsstørrelser i processen, som enten ikke kan måles eller er for dyre at måle.

En processimulator er et værdifuldt og effektivt værktøj til at udbygge et mangelfuldt datagrundlag i procesindustrier, hvilket kan være yderst relevant i forbindelse med udarbejdelse af LCA opgørelser.

En af de førende udbydere af processimulerings- og optimeringssoftware er Aspen Technology, som udbyder et væld af produkter. Der er udover den generelle processimulator ASPENPLUS, en række mere specifikke simulatorer og synteseværktøjer som kan integreres med hinanden.

Udover simulatorer og optimeringsværktøjer i mere traditionel forstand til procesindustrien er der på det seneste fremkommet produkter til optimering på et mere overordnet plan, ved udnyttelse af informationer tilgængelige online. I princippet er der ingen begrænsning i, hvilke informationer der her kan gøres brug af til optimering af en produktion, f.eks. så den kan køre meget tæt på, hvad der er økonomisk optimalt. Information om råvarepriser og kvalitet fra forskellige leverandører er et eksempel herpå, hvor en processimulator vil kunne udregne konsekvenserne af at omstille og optimere procesanlægget til en anden kvalitet af råvare og dermed finde frem til den leverandør og råvare, der er mest fordelagtigt i øjeblikket.

Aspen Technology har sammensat nogle pakkeløsninger (Aspen Manufacturing Suite, Aspen Engineering Suite™ og Aspen eSupply Chain Suite). Disse blokke kan kommunikere med hinanden, så de udgør et totalsystem til styring og optimering af alle faser indenfor en produktionsvirksomhed, fra indkøb af råvarer over produktionsprocessen til salg og distribution af færdigvarer.

Firmaets fokusering på e-business området skal ses i sammenhæng med den voldsomme vækst i internettets udbredelse og dermed mulighed for at få adgang til meget omfattende og opdaterede data, både internt i verdensomspændende koncerner og mellem samhandlende virksomheder.

Aspen Technology har integreret sin procesviden med internettet med det mål at blive førende indefor internetbaserede produktions og supply-chain optimeringsværktøjer til procesindustrien.

En sådan udvikling i retning af løbende at kunne håndtere dugfriske oplysninger om næsten alt af relevans for en produktion og straks om muligt tilpasse produktionen, kan på lang sigt have store perspektiver, idet det kan give mulighed for løbende at anvende LCA i minimeringen af den samlede miljøbelastning i forbindelse med en given produktion. Økonomi kan kobles på ved også at anvende LCA i reguleringen af miljøafgifter.

Ligesom Aspen Technology fokuserer også AEA og Simulation Science på pakkeløsninger med bl.a. supply chain management, optimering, regulering m.m.

En væsentlig grund til, at der er og fortsat bliver udviklet mange simulatorer i universitetsmiljøet, er at man her er interesseret i at have fuld adgang til kildeteksten, så simulatoren kan skræddersyes til specifikke opgaver.

4.6.2 Dataindhold

Dataindholdet til en simulator er i overvejende grad bestemt af formålet og dermed detaljeringsgraden samt arten af analysen, og i mindre grad af hvilken specifik software der anvendes til analysen. Eksempelvis vil de førnævnte tre generelle processimulatorer typisk skulle have de samme informationer om processen og anlægskomponenter for at kunne simulere samme driftssituation af anlægget.

Forskelle i indata kan bero på at de i simulatoren integrerede designværktøjer er forskellige i omfang og detaljeringsniveau, og at der anvendes forskellige metoder til løsning af ligningssystemet.

Eksempel: En varmeveksler kan specificeres udfra temperaturer før og efter varmeveksleren og massestrømme af de to medier der indbyrdes udveksler varme i komponenten. Udfra varmefylderne (Cp-værdier) af de to medier (der typisk er tilgængelig via en stofdatabase med beregningsrutiner), kan størrelsen af varmeveksleren (UA-værdi) bestemmes. A udtrykker arealet af det varmeoverførende areal og U er en størrelse der udtrykker hvor effektiv varmeoverførslen skal være. Dimensioneringen af varmeveksleren er her foretaget på et termodynamisk (energi-og temperaturmæssigt) niveau.

Et mere detaljeret niveau er hvor bl.a. også de strømningstekniske forhold i varmeveksleren indgår i beregningerne af varmoverførsel (U). Til dette kræves adgang til flere stofegenskaber for de to varmevekslende medier så som viskositet, varmeledningsevne, emissionsforhold, densitet m.m. samt kendskab til geometri og materiale af varmevekslerens strømningskanaler.

I relation til LCA vil et af de væsentligste formål med simulering af en proces være at kunne opstille en energi- og massebalance for systemet, for at kunne fastlægge de primære (direkte) behov for energi og råvarer til opretholdelse af en produktion.

I anden række kan en fastlæggelse af anlæggets detaljerede design bruges til fastlæggelse af afledte ressourceforbrug, der medgår til fremstilling af selve anlægget.

Endelig vil simulering kunne bruges i verifikation og dokumentation af nye alternative fremstillingsprocesser.

4.6.3 Datakrav, dataoutput, pålidelighed og præcision

Omfanget og præcisionskravene til datagrundlaget afspejles af formålet med simuleringen af en proces. Således vil syntese, design og økonomisk optimering af et procesanlæg kræve et betydelig mere omfattende datagrundlag end en procesberegning (simulering), der blot har til formål at fastlægge energi- og massebalance.

Pålideligheden af en beregning afhænger dels af pålideligheden af inddata, dels af modellens evne til at beskrive virkeligheden og endelig af præcisionen, hvormed ligningsløseren løser ligningssystemet.

Det er klart, at kvaliteten af inddata er afgørende for hvor god en løsning – selv med en god model - der kan opnås. Dette følger devisen: garbage in – garbage out.

Hvis målinger af centrale inddata ikke er nogenlunde i overensstemmelse med virkeligheden, er der derfor stor risiko for at resultatet af simuleringen heller ikke stemmer blot nogenlunde overens med virkeligheden.

Ligeså afgørende for kvaliteten af en løsning er det, at modellen i simulatoren beskriver de forhold, der ønskes undersøgt, på en måde, der stemmer godt overens med virkeligheden. Ved udarbejdelsen af en model må man tilpasse detaljeringsgraden under hensyn til behov, beregningstid, tilgængelighed af data, og teoretisk indsigt.

Her er en god model en model, der giver de nødvendige svar med tilstrækkelig præcision, med så få og lettilgængelige inddata som mulig og med mindst mulig beregningsarbejde.

Præcisionen på en beregning afhænger af flere typer af fejlkilder. Der er fejlkilder/tilnærmelser i selve den teoretiske model, der er usikkerheder/fejl på måledata og øvrigt datagrundlag, og endelig er der den numeriske præcision, hvormed et problem bliver løst af ligningsløseren.

Den numeriske præcisionen på en beregning, dvs. hvor tæt den numeriske løsning ligger på den sande løsning af det opstillede teoretiske problem, kan i mange simulatorer justeres manuelt. Der gælder ofte, at jo bedre præcision, desto længere tid tager beregningerne. I visse problemer, eksempelvis hvis der recirkuleres processtrømme, kan det være vanskeligt at nå frem til en løsning, der opfylder meget høje præcisionskrav. Normalt vil det dog være sådan, at fejlen på den numeriske løsning er langt mindre end de fejlkilder og usikkerheder, der er mellem den teoretiske model og den virkelige og usikkerheden på de målte inddata.

Ved processer, som er velkendte, og hvor der i lang tid har været anvendt processimulering i optimeringer, er der et godt erfaringsgrundlag for, hvorledes processen skal modelleres (modelopbygning) for at de teoretiske beregninger stemmer godt overens med praksis. I denne type af procesindustri kan man derfor forvente høj præcision og troværdighed af resultaterne, hvor usikkerheden hovedsagelig relaterer sig til usikkerheden på målte inddata. Dvs. her kan man i bedste fald forvente usikkerheder ned til en størrelse omkring 1%.

I andre procestyper, hvor erfaring med modellering er sparsom, kan der imidlertid være betydelig større usikkerhed på resultater.

4.6.4 Priser

For de kommercielle processimulatorer og specialværktøjer til syntese og optimering gælder at priserne afspejles i markedet for denne type af produkter. Det totale produktsalg kan typisk opgøres i nogle få hundrede enheder eller mindre. Priserne på produkterne vil derfor være ganske høje, for at de ret store udviklingsomkostninger kan dækkes.

Det høje prisniveau implicerer en reduktion af det potentielle marked og virker dermed selvforstærkende.

Til de meget omfattende og komplette simuleringspakker er køberne derfor primært internationale kemikoncerner, konsulentvirksomheder med speciale i processimulering eller universiteter, der ofte får programmerne stillet tilrådighed på en ikke-kommerciel, undervisningsbaseret licensaftale til favorable priser.

Som eksempel på priser kan nævnes at HYSYS Proces (processimulator der kan foretage statisk men ikke dynamisk simulering) koster cirka 25 000 $ som et engangsbeløb i erhvervelse. Løbende opdateringer af programmet kan fås ved oprettelse af en licensaftale, hvor der betales et årligt beløb på omkring 15-20% af grundprisen for programmet dvs. i dette tilfælde omkring 4-5000 dollars om året.

Fra samme softwareudbyder kan synteseværktøjet HX-NET (værktøj til syntese og design af varmevekslernetværk) fås for omkring 15 000 $.

Prisen på AspenTechs processimulator er noget højere end HYSYS Process.

Andre simulatorer og synteseværktøjer kan være meget billige eller evt. gratis – men i en del tilfælde er brugen af denne type produkter begrænset med en restriktion om at de ikke må anvendes i professionel eller kommerciel sammenhæng.

4.6.5 Oplæringstid i brug af simuleringsværktøjer og synteseværktøjer.

Mange simuleringsværktøjer er beskrevet, så de kan anvendes med blot ganske få dages træning. For at kunne arbejde effektivt tidsmæssigt med processimulatorer kræves dog normalt betydeligt længere tid. Kun hvis brugeren har almen erfaring i brugen af andre processimuleringsværktøjer vil det sandsynligvis være tilstrækkeligt med få dages træning.

Årsagen til den vanskelige indlæring er primært, at simuleringssystemerne er komplicerede. Det skal nævnes at der ved blot simple processimuleringer, som f.eks. det indledende eksempel på rensning af sprit fra spildevand, let kan være flere hundrede variable og et tilsvarende antal ligninger, der skal løses. Så, selvom udviklerne af de kommercielle simuleringsværktøjer har gjort sig store anstrengelser med at pakke ligningsløserne godt ind, er det i mange tilfælde meget vigtigt for brugeren af simuleringssystemerne at have et godt kendskab til hvordan ligningsløserne fungerer. For de ikke-kommercielle værktøjer er dette problem som regel endnu mere udtalt. Her er systemerne ofte udviklet af et få antal personer til primært egne forskningsmæssige formål.

Udover en forholdsvis lang indlæringstid for brugere uden forudgående erfaring kræves det også at brugeren benytter simuleringsprogrammerne med jævne mellemrum. Det skyldes at programmerne indeholder temmelig mange detaljer.

For at kunne simulere og beskrive en proces realistisk er det endvidere en stor fordel at man har et godt kendskab til både den grundlæggende proces, simulatoren samt almen simuleringserfaring, for at kunne foretage nødvendige genveje uden at miste troværdigheden af simuleringsresultatet.

For anvendelse af egentlige optimeringsprogrammer (synteseværktøjer) er det om muligt endnu mere nødvendigt at have en forholdsvis stor indsigt i programmernes virkemåde. Disse værktøjer er i mange tilfælde udviklet til specifikke formål, hvilket kan give anledning til problemer når de forsøges anvendt til generelle formål. Derfor er anvendelse af synteseværktøjer i industrien forholdsvist begrænset.

Der er i øjeblikket to trends, der kan have stor indflydelse på antallet af brugere. Den første er, at primært simulatorerne - men også synteseværktøjerne - bliver udvidet med endnu flere detaljer. Det gør det muligt at gennemføre endnu mere detaljerede analyser, men betyder samtidig også, at programmerne for ikke-trænede bruger bliver endnu mere uoverskuelige. Den anden trend er, at de indbyggede ligningsløsere bliver mere robuste, hvilket alt andet lige vil gøre det lettere for nye brugere at gøre brug af værktøjerne.

Det skal sluttelig pointeres, at når man har opnået fortrolighed med processimulatorerne, så kan der opnås store tidsmæssige besparelser ved at anvende disse – f.eks. ved opgørelser til LCA. Denne fordel er specielt udtalt hvis man arbejder med snært beslægtede industrielle processer.

5 Vurdering af kemikaliers betydning i forskellige faser af livscyklus