Resumen: El interés en la información de sostenibilidad ha aumentado en los últimos años. Sin embargo, los datos requeridos para una evaluación del ciclo de vida (LCA) que mapea los materiales y procesos desde la fabricación del producto hasta la eliminación de los impactos ambientales (EI) a menudo no están disponibles. Aquí reinventamos la LCA convencional al introducir agentes de IA multimodales que emulan interacciones entre expertos en LCA y partes interesadas, como gerentes de productos e ingenieros, para calcular las emisiones de carbono de los dispositivos electrónicos. Los agentes de IA generan de forma iterada un inventario detallado del ciclo de vida que aprovecha una abstracción de datos personalizada y herramientas de software que extraen información de texto e imágenes en línea de comunidades de reparación y certificaciones gubernamentales. Este enfoque reduce semanas o meses de tiempo experto a menos de un minuto y cierra las brechas de disponibilidad de datos, al tiempo que produce estimaciones de huella de carbono dentro del 19% de los LCA expertos con datos de propiedad cero. Además, desarrollamos un método para estimar directamente la EI comparando una entrada con un grupo de productos con descripciones similares y huellas de carbono conocidas. Esto se ejecuta en 3 ms en una computadora portátil con un MAPE de 12.28% en productos electrónicos. Además, desarrollamos un método basado en datos para generar factores de emisión. Utilizamos las propiedades de un material desconocido para representarlo como una suma ponderada de factores de emisión para materiales similares. En comparación con los expertos humanos que eligen la entrada más cercana de la base de datos LCA, esto mejora MAPE en un 120,26%. Analizamos los datos y calculamos la escala de este enfoque y discutimos sus implicaciones para los futuros flujos de trabajo de LCA.
Publicado Originalme en export.arxiv.org El 23 de julio de 2025.
Ver Fuente Original
