This study proposes methods to improve data mining workflows for modeling chemical manufacturing life cycle inventory. Secondary data sources can provide valuable information about environmental releases during chemical manufacturing. However, the often facility‐level nature of the data challenges their utility for modeling specific processes and can impact the quality of the resulting inventory. First, a thorough data source analysis is performed to establish data quality scoring and create filtering rules to resolve data selection issues when source and species overlaps arise. A method is then introduced to develop context‐based filter rules that leverage process metadata within data sources to improve how facility air releases are attributed to specific processes and increase the technological correlation and completeness of the inventory. Finally, a sanitization method is demonstrated to improve data quality by minimizing the exclusion of confidential business information (CBI). The viability of the methods is explored using case studies of cumene and sodium hydroxide production in the United States. The attribution of air releases using process context enables more sophisticated filtering to remove unnecessary flows from the inventory. The ability to sanitize and incorporate CBI is promising because it increases the sample size, and therefore representativeness, when constructing geographically averaged inventories. Future work will focus on expanding the application of context‐based data filtering to other types and sources of environmental data.

中文翻译：

---

提高使用二手数据构建的化学品制造生命周期清单的可靠性

本研究提出了改进数据挖掘工作流程以对化学品制造生命周期库存进行建模的方法。二级数据源可以提供有关化学品制造过程中环境排放的有价值信息。然而，数据通常是设施级的性质，挑战了它们对特定流程建模的效用，并可能影响最终库存的质量。首先，进行彻底的数据源分析以建立数据质量评分并创建过滤规则，以在出现源和物种重叠时解决数据选择问题。然后引入了一种方法来开发基于上下文的过滤规则，该规则利用数据源中的过程元数据来改进设施空气排放如何归因于特定过程，并提高清单的技术相关性和完整性。最后，展示了一种清理方法，通过最大限度地减少机密商业信息 (CBI) 的排除来提高数据质量。使用美国异丙苯和氢氧化钠生产的案例研究探索了这些方法的可行性。使用过程上下文对空气释放进行归因可以实现更复杂的过滤，以从库存中删除不必要的流量。清理和整合 CBI 的能力是有希望的，因为它增加了样本量，因此在构建地理平均清单时增加了代表性。未来的工作将侧重于将基于上下文的数据过滤应用扩展到其他类型和来源的环境数据。证明了一种清理方法可以通过最大限度地减少机密商业信息 (CBI) 的排除来提高数据质量。使用美国异丙苯和氢氧化钠生产的案例研究探索了这些方法的可行性。使用过程上下文对空气释放进行归因可以实现更复杂的过滤，以从库存中删除不必要的流量。清理和整合 CBI 的能力是有希望的，因为它增加了样本量，因此在构建地理平均清单时增加了代表性。未来的工作将侧重于将基于上下文的数据过滤应用扩展到其他类型和来源的环境数据。证明了一种清理方法可以通过最大限度地减少机密商业信息 (CBI) 的排除来提高数据质量。使用美国异丙苯和氢氧化钠生产的案例研究探索了这些方法的可行性。使用过程上下文对空气释放进行归因可以实现更复杂的过滤，以从库存中删除不必要的流量。清理和整合 CBI 的能力是有希望的，因为它增加了样本量，因此在构建地理平均清单时增加了代表性。未来的工作将侧重于将基于上下文的数据过滤应用扩展到其他类型和来源的环境数据。使用过程上下文对空气释放进行归因可以实现更复杂的过滤，以从库存中删除不必要的流量。清理和整合 CBI 的能力是有希望的，因为它增加了样本量，因此在构建地理平均清单时增加了代表性。未来的工作将侧重于将基于上下文的数据过滤应用扩展到其他类型和来源的环境数据。使用过程上下文对空气释放进行归因可以实现更复杂的过滤，以从库存中删除不必要的流量。清理和整合 CBI 的能力是有希望的，因为它增加了样本量，因此在构建地理平均清单时增加了代表性。未来的工作将侧重于将基于上下文的数据过滤应用扩展到其他类型和来源的环境数据。