A shortcoming in current data quality assessment schemes is that the data quality information is not used systematically to identify the critical data in a life cycle inventory (LCI) model. In addition, existing criteria employed to evaluate representativeness lack relevance to the specific context of a study. A novel framework is proposed herein for the evaluation of the representativeness of LCI data, including an analysis of the importance of the data and a modification of quality criteria based on unit process characteristics. Temporal characteristics are analyzed by identifying the technology shift, because data generated before this time are considered outdated. Geographical and technological characteristics are analyzed by defining a “related area” and a “related technology,” which is done by identifying a number of relevant geographical and technical factors, and then comparing the collected data with these factors. The framework was illustrated in a case study on household waste incineration in Denmark. The results demonstrated the applicability of the method in practice, and they provided data quality criteria unique to waste incineration unit processes, for example, different time intervals to evaluate temporal representativeness. However, the proposed method is time demanding, and thus sector‐level characteristic analyses are feasible instead of the user having to do the analyses.

中文翻译：

---

LCA中的数据代表性：一个系统评估相对于技术特征的数据质量的框架

当前数据质量评估方案的一个缺点是数据质量信息没有被系统地用于识别生命周期清单（LCI）模型中的关键数据。此外，用于评估代表性的现有标准与研究的具体背景不相关。本文提出了一种新颖的框架，用于评估LCI数据的代表性，包括对数据重要性的分析以及基于单元过程特征的质量标准修改。通过识别技术变化来分析时间特征，因为在此之前生成的数据被认为已过时。通过定义“相关区域”和“相关技术”来分析地理和技术特征，通过确定许多相关的地理和技术因素，然后将收集到的数据与这些因素进行比较来完成。在丹麦一项关于家庭垃圾焚化的案例研究中说明了该框架。结果证明了该方法在实践中的适用性，并且提供了废物焚烧单元过程独有的数据质量标准，例如，不同的时间间隔来评估时间代表性。但是，所提出的方法需要时间，因此可以进行扇区级特征分析，而不需要用户进行分析。他们提供了废物焚烧单元过程独有的数据质量标准，例如，不同的时间间隔来评估时间代表性。但是，所提出的方法需要时间，因此可以进行扇区级特征分析，而不需要用户进行分析。他们提供了废物焚烧单元过程独有的数据质量标准，例如，不同的时间间隔来评估时间代表性。但是，所提出的方法需要时间，因此可以进行扇区级特征分析，而不需要用户进行分析。