The Impacts of Surface Engineering on the Environment and the Material Flows

RÉSUMÉ: Les technologies d'ingénierie de surface (ES) sont largement utilisées dans les secteurs de l'énergie et des transports, protégeant les pièces de l'usure et améliorant leur efficacité énergétique. Cela conduit à une réduction des émissions de gaz à effet de serre (GES) pendant la phase d'utilisation, avec une augmentation des émissions associées à la production de matériaux de revêtement et au processus de revêtement qui doit être prise en compte. Un autre problème important réside dans les pertes dissipatives se produisant tout au long du cycle de vie du composant, qui sont rarement évaluées. Avec l'augmentation prévue de l'utilisation de l'ES et son importance dans diverses applications, il est important d'évaluer les impacts environnementaux (et les avantages) et l'impact sur les pertes de matériaux pour garantir que ceux-ci sont minimisés dans l'industrie. L'analyse du cycle de vie (ACV) et l'analyse des flux de matériaux (AFM) sont les principaux outils d'écologie industrielle utilisés pour ces évaluations. Ces outils peuvent prendre du temps, en particulier dans la phase de collecte de données, et peuvent entraver de telles études dans le développement futur de technologies innovantes. Il est donc nécessaire de disposer d'une approche efficace pour effectuer l'ACV, et éventuellement l'AFM, sans compromettre la confiance dans les résultats. Une revue de la littérature a montré que ces outils sont rarement utilisés pour l'ES et ne sont pas conçus pour des évaluations prospectives à grande échelle. Les compléter par des modèles d'évaluation intégrés qui suivent des scénarios cohérents permettrait cela. De plus, pour simplifier la méthodologie de l'ACV, les approches actuelles (par exemple, l'ACV simplifiée et de sélection) compromettent généralement la simplicité avec la confiance dans les résultats. L'utilisation de l'analyse d'incertitude pour guider la collecte de données permettrait de réduire les efforts tout en se concentrant sur les données conduisant à la plus grande amélioration des résultats. L'objectif général de la thèse est d'anticiper et d'évaluer les impacts de l'ingénierie de surface sur l'environnement et l'utilisation des matériaux à différentes échelles d'adoption. Trois objectifs spécifiques ont été définis en conséquence. Le premier est d'évaluer les impacts environnementaux de l'adoption prospective à grande échelle de nouvelles technologies d'ingénierie de surface. Le deuxième est de quantifier les pertes dissipatives associées aux technologies d'ingénierie de surface et de suggérer des stratégies d'économie circulaire pour les réduire. L'objectif final est de développer une méthodologie pour orienter les efforts de collecte de données dans l'ACV à l'aide de l'analyse d'incertitude. Tout d'abord, l'ACV a été liée au modèle d'évaluation intégré MESSAGE pour évaluer les avantages et les impacts environnementaux prospectifs de la nouvelle application de l'ES. L'application de technologies SE innovantes au secteur de l'énergie a le potentiel de réduire les émissions annuelles de CO2-eq de 1,8 Gt en 2050 et de 3,4 Gt en 2100 dans un scénario de trajectoire socio-économique optimiste. Cela correspond à une réduction annuelle de 7 % et 8,5 % dans le secteur de l'énergie en 2050 et 2100, respectivement. En outre, les émissions de GES liées aux processus de revêtement sont largement compensées par les économies de GES des technologies de conversion d'énergie où les technologies SE innovantes sont appliquées. Par la suite, une AFM paramétrée a été réalisée pour quantifier les pertes dissipatives des SE dans les secteurs de l'énergie et des transports en 2014 en utilisant le modèle ETP de l'AIE. Les résultats montrent que le processus de revêtement contribue le plus aux pertes dissipatives (jusqu'à 39 %). Le combustible à oxygène à haute vitesse (HVOF) a eu la plus grande part de pertes, avec 15,5 ktonnes de NiCrSi perdues pendant l'étape de revêtement. L'amélioration de l'efficacité du dépôt, la récupération de la poudre non adhérente et le décapage du revêtement des composants en fin de vie sont des stratégies clés d'efficacité des matériaux pour réduire les pertes de matériaux (jusqu'à 50 %). Enfin, un cadre a été proposé pour réduire le temps nécessaire à la collecte de données dans l'ACV à l'aide d'une analyse d'incertitude. Le cadre nécessite de modéliser l'incertitude des paramètres d'entrée et de les propager via des simulations de Monte Carlo. Une analyse de sensibilité globale est ensuite utilisée pour classer les paramètres en fonction de leur contribution à la variabilité de sortie, et la collecte de données est priorisée en conséquence. Une étude de cas comparant les technologies de fabrication additive a été réalisée pour opérationnaliser le cadre, confirmant l'hypothèse de réduction du temps de collecte des données, tout en soulignant certaines limites du cadre.Les principales limites de ce projet de recherche sont que les applications d'ingénierie de surface n'étaient pas souvent documentées, et donc les études étaient limitées aux secteurs de l'énergie et des transports. De plus, en raison du manque de données, de nombreuses hypothèses ont dû être formulées pour modéliser les inventaires de revêtements nécessaires aux composants. Au fur et à mesure que davantage de données deviennent disponibles, des modèles plus représentatifs pourraient être générés. Pour le cadre d'ACV efficace en termes de temps proposé, il s'est avéré difficile de définir la distribution d'incertitude pour la collecte des données de dépistage, et de meilleures directives sont nécessaires pour garantir la validité des résultats. Bien que l'ingénierie de surface puisse conduire à une réduction des émissions de GES, en particulier dans le secteur de l'énergie, des efforts supplémentaires doivent être faits pour réduire les pertes dissipatives de matériaux. Les évaluations futures pourraient bénéficier du cadre d’ACV proposé pour réaliser des études plus rapides et stimuler l’innovation dans le domaine. ABSTRACT: Surface engineering (SE) technologies are widely used in the energy and transportation sectors, protecting parts from wear and tear, and improving their energy efficiency. This leads to reduced greenhouse gas (GHG) emissions during the use phase, with increased emissions associated with the production of coating materials and the coating process that needs accounting for. Another significant issue lies in dissipative losses occurring throughout the component's life cycle, which are rarely assessed. With the expected increase in the use of SE and its importance in various applications, assessing the environmental impacts (and benefits) and the impact on the material losses (especially in terms of GHG emissions) is important to ensure those are minimized in the industry. Life cycle assessment (LCA) and material flow analysis (MFA) are the main industrial ecology tools used for such assessments. Those tools could be time consuming, especially in the data collection phase, and might hinder such studies in future development of innovative technologies. Thus, there is a need for an efficient approach to perform LCA, and possibly MFA, without compromising the confidence in the results. A literature review showed that those tools are seldom used for SE and are not designed for prospective large-scale assessments. Complementing them with integrated assessment models that follow consistent scenarios would allow for that. Furthermore, to simplify the LCA methodology, current approaches (e.g., streamlined and screening LCA) usually compromise simplicity with confidence in the results. Using uncertainty analysis to guide data collection would ensure reducing the efforts while focusing on the data leading to the most improvement in the results. The general objective of the thesis is to anticipate and assess the impacts of surface engineering on the environment and the material use at various scales of adoption. Three specific objectives were defined accordingly. The first is to evaluate the climatic environmental impacts of prospective large-scale adoption of novel surface engineering technologies. The second is to quantify the dissipative losses associated with surface engineering technologies and suggest circular economy strategies to reduce them. The final objective is to develop a methodology to steer the efforts of data collection in LCA using uncertainty analysis. First, LCA was linked with the MESSAGE integrated assessment model to assess the prospective environmental benefits (in terms of GHG emissions) and impacts of novel SE application.Applying innovative SE technologies to the energy sector has the potential of reducing annual CO2-eq emissions by 1.8 Gt in 2050 and 3.4 Gt in 2100 in an optimistic socio-economic pathway scenario. This corresponds to 7% and 8.5% annual reduction in the energy sector (compared to the baseline energy generation in MESSAGE SSP1) in 2050 and 2100, respectively. Besides, GHG emissions related to the coating processes are largely offset by the GHG savings of the energy conversion technologies where the innovative SE technologies are applied. Following that, a parametrized MFA was performed to quantify the dissipative losses from SE in the energy and transportation sectors in 2014 using the IEA ETP model. Results show that the coating process contributing most to the dissipative losses (up to 39%). High velocity oxy-fuel (HVOF) had the highest share of losses, with 15.5 ktonne of NiCrSi lost during the coating stage. Improving the deposition efficiency, recovering the unadhered powder and stripping the coating from the components at their end-of-life are key material efficiency strategies to reduce the material losses (up to 50%). Finally, a framework was proposed to reduce the time needed for data collection in LCA using uncertainty analysis. The framework requires modelling the uncertainty of the input parameters and propagating them through Monte Carlo simulations.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.