LCA বিশ্লেষণ: ডেটা, পদ্ধতি এবং ফলাফল বোঝা

লাইফ সাইকেল এসেসমেন্ট (এলসিএ) হলো একটি টুল যা পণ্যের পরিবেশগত প্রভাব পরিমাপ করতে ব্যবহৃত হয়। LCA ব্যবহার করে একটি নির্দিষ্ট পণ্যের প্রভাব গণনা করা হয়, যেমন একটি টি-শার্ট বা এক জোড়া স্নিকার্স, এবং এটি একটি ব্র্যান্ডের স্কোপ ৩ গ্রিনহাউস গ্যাস নির্গমন রিপোর্টিং সমর্থন করতে একত্রিতও করা যায়। ক্রমশ, LCA গণনা নিয়ন্ত্রক রিপোর্টিং এবং পণ্য লেবেলিংয়ের ভিত্তি হয়ে উঠছে, যার মধ্যে রয়েছে ইইউ প্রোডাক্ট এনভায়রনমেন্টাল ফুটপ্রিন্ট (পিইএফ) এবং ফ্রান্সের এডিইএমই ইকো-স্কোরের মতো ফ্রেমওয়ার্ক।

ফলস্বরূপ, LCA ফলাফলগুলি কীভাবে এবং কোথায় প্রয়োগ করা হয় তার উপর নির্ভর করে এখন বিভিন্ন নিয়ম ও প্রয়োজনীয়তা পূরণ করতে হবে। একই সাথে, ন্যায্য ও অর্থবহ পণ্য তুলনার প্রত্যাশাও বাড়ছে। পণ্যগুলির মধ্যে ন্যায্য ও অর্থবহ তুলনার উপযোগী পণ্য ফুটপ্রিন্ট তৈরি করতে উচ্চ মাত্রার মানকীকরণ প্রয়োজন। পোশাক ও ফুটওয়্যার শিল্পে এটি বিশেষভাবে চ্যালেঞ্জিং, যেখানে পণ্যগুলি অত্যন্ত জটিল ও বৈচিত্র্যময়, সাপ্লাই চেইন বৈশ্বিক, এবং প্রভাব কারখানার গেটের বাইরেও বিস্তৃত হতে পারে।

প্রতিটি LCA গণনা/আউটপুটের পেছনে রয়েছে কয়েকটি স্বতন্ত্র কিন্তু ঘনিষ্ঠভাবে সংযুক্ত অংশ, যার মধ্যে রয়েছে:

1. লাইফ সাইকেল ইনভেন্টরি (এলসিআই)
2. LCA ডেটাবেস
3. LCA পদ্ধতি
4. লাইফ সাইকেল ইমপ্যাক্ট এসেসমেন্ট (এলসিআইএ)

এই ধারণাগুলি বাস্তবে পরস্পরের সাথে ওভারল্যাপ করতে পারে, তবে প্রতিটি আলাদা ভূমিকা পালন করে এবং একই পণ্যের ডেটা বিশ্লেষণ করার সময়ও প্রতিটি ফলাফলকে অর্থবহভাবে প্রভাবিত করতে পারে। এই অংশগুলি কীভাবে একসাথে কাজ করে তা বোঝা LCA আউটপুট ব্যাখ্যা করতে এবং কেন বিভিন্ন টুল ও ফ্রেমওয়ার্ক একই পণ্যের জন্য ভিন্ন ফলাফল দিতে পারে তা বুঝতে অপরিহার্য।

লাইফ সাইকেল ইনভেন্টরি (এলসিআই) - ভিত্তি

লাইফ সাইকেল ইনভেন্টরি (এলসিআই) হলো যেকোনো LCA-এর পরিমাণগত ভিত্তি। এটি সবচেয়ে মৌলিক প্রশ্নের উত্তর দেয়: একটি পণ্য সিস্টেমে কী প্রবেশ করে এবং কী বের হয়?

একটি এলসিআই হলো একটি পণ্য বা প্রক্রিয়ার সাথে সম্পর্কিত সমস্ত ইনপুট ও আউটপুটের বিস্তারিত হিসাব, যা তার জীবনচক্র জুড়ে বিস্তৃত; কাঁচামাল উত্তোলন থেকে শুরু করে উৎপাদন, পরিবহন, ব্যবহার এবং জীবনচক্রের শেষ পর্যন্ত। পোশাক ও ফুটওয়্যার শিল্পে, একটি এলসিআই-তে অন্তর্ভুক্ত থাকতে পারে:

• বিল অব ম্যাটেরিয়ালস (যেমন, তুলা, পলিয়েস্টার, চামড়া, রাবারের পরিমাণ)
• স্পিনিং, ডাইং এবং কাটিং-ও-সেলাই-এর মতো প্রক্রিয়াগুলিতে শক্তির ব্যবহার
• সাপ্লাই চেইনের বিভিন্ন ধাপের মধ্যে পরিবহন দূরত্ব
• পথে উৎপন্ন নির্গমন, বর্জ্য, এবং বর্জ্যপানি

এলসিআই ডেটা প্রাথমিক হতে পারে (সরবরাহকারী বা কারখানা থেকে সরাসরি পরিমাপ করা হয়েছে), অথবা মাধ্যমিক (ডেটাবেস ও সাহিত্য ব্যবহার করে মডেল করা)। গুরুত্বপূর্ণভাবে, কোন ডেটা "গ্রহণযোগ্য" হিসেবে বিবেচিত হবে (কতটুকু প্রাথমিক ডেটা প্রয়োজন এবং কোন মাত্রার বিস্তারিততায়) তা প্রায়ই LCA পদ্ধতি (নিচের পদ্ধতি বিভাগ দেখুন) দ্বারা নির্ধারিত হয়।

এটি কেন গুরুত্বপূর্ণ: এলসিআই অসম্পূর্ণ বা অসামঞ্জস্যপূর্ণ হলে, এর উপর ভিত্তি করে তৈরি সবকিছু প্রভাবিত হবে। এলসিআইকে LCA-এর উপাদান তালিকা হিসেবে ভাবা সবচেয়ে ভালো। এটি LCA-এর ভিত্তি।

LCA ডেটাবেস - বিল্ডিং ব্লকস

LCA ডেটাবেসে সাধারণ উপকরণ, প্রক্রিয়া এবং কার্যক্রমের পরিবেশগত প্রবাহ মডেল করতে ব্যবহৃত ডেটাসেট রয়েছে। এই ডেটাসেটগুলি প্রতি কিলোগ্রাম ফাইবারে নির্গমন, অঞ্চলভেদে বিদ্যুতের প্রভাব, বা প্রতি কিলোমিটারে পরিবহন নির্গমনের মতো বিষয়গুলি বর্ণনা করে।

পোশাক ও ফুটওয়্যার শিল্পে সাধারণত ব্যবহৃত ডেটাবেসগুলির মধ্যে রয়েছে:

• Higg Materials Sustainability Index (MSI) – শিল্প-নির্দিষ্ট উপকরণ ও প্রক্রিয়া ডেটা যা প্রক্রিয়া-স্তরের ডেটাসেটগুলিকে উপকরণের প্রভাবে একত্রিত করে। LCA for Experts ব্যাকগ্রাউন্ড ডেটাবেসের উপর ভিত্তি করে তৈরি।
• ecoinvent এবং LCA for Experts – বহু-খাত ডেটাবেস যা শক্তি, রাসায়নিক এবং পরিবহনের জন্য ব্যাকগ্রাউন্ড ডেটাসেট সরবরাহ করে এবং অনেক LCA সফটওয়্যার টুলের মেরুদণ্ড হিসেবে কাজ করে (যেমন: SimaPro, OpenLCA, LCA for Experts সফটওয়্যার, ইত্যাদি)।
• Ecobalyse – ফরাসি Ecoscores-এর জন্য Ecobalyse গণনা টুলের সাথে মিলিয়ে ব্যবহৃত ডেটাবেস। ব্যাকগ্রাউন্ড ডেটার জন্য ecoinvent ডেটাবেস ব্যবহার করা হয়।
• PEF ডেটাবেস – নিয়ন্ত্রক সামঞ্জস্য সমর্থন করতে ইউরোপীয় কমিশনের প্রোডাক্ট এনভায়রনমেন্টাল ফুটপ্রিন্ট নিয়মের সাথে সামঞ্জস্য রেখে তৈরি; সংস্করণ ৩.১ ecoinvent ব্যাকগ্রাউন্ড ডেটাবেসের উপর ভিত্তি করে তৈরি।

প্রতিটি ডেটাবেস ভূগোল, প্রযুক্তি এবং শক্তি মিশ্রণসহ নিজস্ব মডেল ও অনুমানের উপর ভিত্তি করে তৈরি। ফলস্বরূপ, শুধুমাত্র ডেটাবেসের পছন্দই LCA ফলাফলকে উল্লেখযোগ্যভাবে পরিবর্তন করতে পারে, এমনকি একই পণ্যের ডেটা ও পদ্ধতি প্রয়োগ করা হলেও।

এটি কেন গুরুত্বপূর্ণ: ডেটাবেসগুলি রেফারেন্স লাইব্রেরির মতো কাজ করে। দুজন বিশ্লেষক একই নিয়ম অনুসরণ করলেও ভিন্ন উৎস থেকে তথ্য নিলে ভিন্ন ফলাফল পেতে পারেন।

LCA পদ্ধতি - সিস্টেমের নিয়মাবলি

এলসিআই ডেটা যেখানে ইনপুট, সেখানে LCA পদ্ধতি নির্ধারণ করে সেই ইনপুটগুলি কীভাবে মডেল ও ব্যাখ্যা করতে হবে। পদ্ধতিটি নির্ধারণ করে কোনটি স্কোপের মধ্যে, কোনটি স্কোপের বাইরে, এবং ফলাফল কীভাবে গণনা করা হবে।

একটি LCA পদ্ধতি নির্দিষ্ট করে:

• সিস্টেম সীমানা (যেমন, ক্রেডল-টু-গেট বনাম ক্রেডল-টু-গ্রেভ)
  • ক্রেডল-টু-গেট: কাঁচামাল উত্তোলন থেকে শুরু করে শুধুমাত্র প্রস্তুতকারকের কারখানার গেট পর্যন্ত পণ্যের ফুটপ্রিন্ট।
  • ক্রেডল-টু-গ্রেভ: পরিবহন, ভোক্তার ব্যবহার এবং চূড়ান্ত নিষ্কাশন পর্যন্ত বিস্তৃত সম্পূর্ণ জীবনচক্র কভার করে ব্যাপক বিশ্লেষণ।
• ফাংশনাল ইউনিট (ঠিক কী পরিমাপ করা হচ্ছে)
• শেয়ার্ড প্রক্রিয়াগুলির জন্য বরাদ্দের নিয়মাবলি
• ডেটার মান এবং প্রাথমিক ডেটার প্রয়োজনীয়তা
• কোন ইমপ্যাক্ট ক্যাটাগরি ও মডেল ব্যবহার করতে হবে

কিছু পদ্ধতি ডেটাবেস-নিরপেক্ষ, আবার কিছু পদ্ধতি নির্দিষ্ট ডেটাসেট ব্যবহার করা আবশ্যক বা দৃঢ়ভাবে পছন্দ করে। উদাহরণগুলির মধ্যে রয়েছে:

• Material Sustainability Index (MSI): Cascale-এর নির্ধারিত পদ্ধতিগত কাঠামোর মধ্যে পরিচালিত হয় এবং শিল্প-নির্দিষ্ট প্রক্রিয়া ডেটা ব্যবহার করে যা উপকরণে একত্রিত করা যায়। ভিত্তি হিসেবে LCA for Experts ডেটাবেস ব্যবহার করে, তবে যারা ডেটা অবদান রাখতে চান তাদের জন্য সঠিক ডকুমেন্টেশনসহ ভিন্ন ডেটাবেস ব্যবহার করা যেতে পারে।
• Product Environmental Footprint (PEF): পণ্যের মডেলগুলি একটি নির্দিষ্ট PEF ডেটাবেস ব্যবহার করে বিস্তারিত প্রযুক্তিগত ডকুমেন্টেশনে সংজ্ঞায়িত অত্যন্ত বিস্তারিত ও নির্দেশমূলক নিয়ম অনুযায়ী তৈরি করা আবশ্যক।
• " ফরাসি ADEME ইকো-স্কোর: একটি কঠোরভাবে নির্দিষ্ট গণনা ইঞ্জিন (Ecobalyse)-এর মাধ্যমে বাস্তবায়িত, পূর্বনির্ধারিত ডেটাবেস, ইমপ্যাক্ট মডেল এবং ওজনযুক্ত ফ্যাক্টরসহ।"

পদ্ধতিগুলি স্কোপ ও নিয়মে ভিন্ন হওয়ায়, ব্যবহৃত ফ্রেমওয়ার্কের উপর নির্ভর করে একই পণ্য অনেক ভিন্নভাবে মডেল করা যেতে পারে।

এটি কেন গুরুত্বপূর্ণ: পদ্ধতি হলো নিয়মের বই। একই ডেটা থাকলেও নিয়ম পরিবর্তন করলে ফলাফল পরিবর্তন হতে পারে।

লাইফ সাইকেল ইমপ্যাক্ট এসেসমেন্ট - ডেটাকে প্রভাবে রূপান্তর

ইনভেন্টরি ডেটা ও মডেলিং নিয়মাবলি নির্ধারণ হয়ে গেলে, লাইফ সাইকেল ইমপ্যাক্ট এসেসমেন্ট (এলসিআইএ) পর্যায় ভৌত প্রবাহগুলিকে পরিবেশগত প্রভাব সূচকে রূপান্তরিত করে। এই সূচকগুলির উদাহরণ হলো জলবায়ু পরিবর্তন (CO₂e), পানির স্বল্পতা, ইউট্রোফিকেশন, অ্যাসিডিফিকেশন এবং ভূমি ব্যবহার। ডজনখানেক এলসিআইএ পদ্ধতি রয়েছে, প্রতিটি ভিন্ন বৈজ্ঞানিক গবেষণা ও মডেলিং অনুমানের উপর ভিত্তি করে। সাধারণ উদাহরণগুলির মধ্যে রয়েছে IPCC জলবায়ু চরিত্রায়ন ফ্যাক্টর, CML, এবং PEF-এ ব্যবহৃত EF-সামঞ্জস্যপূর্ণ ইমপ্যাক্ট মডেল। এলসিআইএ পদ্ধতিগুলি একই নির্গমনকে ভিন্নভাবে চরিত্রায়িত করায়, ইমপ্যাক্ট এসেসমেন্ট মডেলের পছন্দ বিভিন্ন টুল ও ফ্রেমওয়ার্কে আরেকটি বৈচিত্র্যের স্তর যোগ করে।

এটি কেন গুরুত্বপূর্ণ: এলসিআইএ হলো সেই জায়গা যেখানে ডেটা অর্থবহ হয়ে ওঠে।

একটি ইনপুট, একাধিক আউটপুট: মাল্টি-ফ্রেমওয়ার্ক বিশ্বের জন্য ডিজাইন করা

আমরা এমন একটি বিশ্বে প্রবেশ করছি যেখানে প্রেক্ষাপটের উপর নির্ভর করে একই পণ্যকে একাধিক উপায়ে মূল্যায়ন করতে হবে:

• ডিজাইন ও সোর্সিং সিদ্ধান্ত সমর্থন করতে ক্রেডল-টু-গেট ফলাফল
• কর্পোরেট নির্গমন রিপোর্টিংয়ের জন্য স্কোপ ৩-সামঞ্জস্যপূর্ণ গণনা
• EU নিয়ন্ত্রক ব্যবহারের জন্য PEF-সম্মত ফলাফল
• ভোক্তামুখী স্কোর, যেমন ফ্রান্সের ADEME Eco-Score

আউটপুটগুলো ভিন্ন হলেও, অনেক ইনপুট একই থাকে। ন্যূনতমভাবে, বেশিরভাগ ফ্রেমওয়ার্কে পণ্যের ওজন, উপাদানের গঠন, এবং মৌলিক উৎপাদন ও প্রক্রিয়াকরণ সংক্রান্ত তথ্য প্রয়োজন। Worldly এমন একটি সিস্টেম তৈরি করছে যেখানে ব্র্যান্ড ও সরবরাহকারীরা একটি সামঞ্জস্যপূর্ণ জায়গায় তাদের পণ্যের ডেটা প্রবেশ করায় এবং Worldly পর্দার আড়ালে জটিলতাগুলো সামলায়। এর অর্থ হলো:

• উপযুক্ত ডেটাবেস প্রয়োগ করা (যেমন Higg MSI বা PEF-সংযুক্ত ডেটাসেট)
• প্রতিটি ব্যবহারের ক্ষেত্রে সঠিক পদ্ধতি প্রয়োগ করা
• সঠিক গণনা ও LCIA মডেল পরিচালনা করা
• একই অন্তর্নিহিত পণ্য ডেটা থেকে একাধিক আউটপুট তৈরি করা

অন্য কথায়, জটিলতা সিস্টেমের মধ্যে থাকা উচিত, ব্র্যান্ড ও সরবরাহকারীদের কাছে নয়। ডেটা সংগ্রহকে পদ্ধতি ও গণনা থেকে আলাদা করে, পণ্যের ফুটপ্রিন্টিং আরও স্কেলযোগ্য, অভিযোজনযোগ্য, এবং ভবিষ্যৎ-প্রমাণ হয়ে ওঠে — এমনকি একাধিক মান, লেবেল, ও নিয়ন্ত্রক প্রত্যাশার জগতেও।

LCA-এর ভবিষ্যৎ

LCA যখন পণ্য পরিমাপ, রিপোর্টিং, ও নিয়ন্ত্রণের ভিত্তি হয়ে উঠছে, তখন ফলাফলে পার্থক্য অনিবার্য। অনেক ক্ষেত্রে, সেই পার্থক্যগুলো প্রতিফলিত করতে পারে যে প্রভাবগুলো কীভাবে গণনা করা হয়েছে, কোন ডেটা সংগ্রহ করা হয়েছে তা নয়।

LCA-এর ভবিষ্যৎ শুধু আরও উচ্চমানের ডেটা সংগ্রহের মধ্যে সীমাবদ্ধ নয়; এটি একই ডেটাকে বুদ্ধিমত্তার সাথে একাধিক ফ্রেমওয়ার্কে ব্যবহার করার বিষয়ে। যখন পণ্যের একটি ইনপুট সেট একাধিক আউটপুট সমর্থন করতে পারে, তখন LCA আরও স্কেলযোগ্য, আরও তুলনীয়, এবং ভবিষ্যতের জন্য আরও উপযুক্ত হয়ে ওঠে।