Baixe o app para aproveitar ainda mais
Prévia do material em texto
RESUMO DATA QUALITY MANAGEMENT FOR LIFE CYCLE INVENTORIES-AN EXAMPLE OF USING DATA QUALITY INDICATORS Aluna: Silvana Bárbara Gonçalves da Silva Programa de Pós-Graduação em Engenharia Mecânica e dos Materiais – UTFPR Data: 31/03/2016 O tema abordado no artigo é sobre a qualidade nos dados para a realização do inventário de ciclo de vida. Desta forma, é descrito um processo de gestão da qualidade de dados referentes ao inventário, o qual é aplicado na energia para a produção de um quilo de pão de centeio. Os(as) autores(as) do artigo iniciam informando que os dados utilizados em um inventário de ciclo de vida, são dados ambientais sobre os processos pesquisados. Afirmam que estes dados do sistema compreendem o fluxo de matérias-primas, energia e outros produtos, sendo que são relacionados para a definição da unidade funcional, que é utilizada para comparar sistemas de diferentes produtos. Desta forma, colocam que os dados podem ser considerados como uma fonte de informação a qual é utilizada em um inventário de ciclo de vida. Seguindo este parâmetro, o artigo destaca que a qualidade dos dados é a característica específica dos dados expressada através de informações. Como parte integrante da avaliação do ciclo de vida, os(as) autores(as) afirmam que a gestão de qualidade de dados se inicia com a definição de metas de qualidade de dados e um agrupamento destes dados como parte da definição do objetivo e escopo da ACV. Segundo o artigo, a qualidade dos conjuntos de dados individuais pode, futuramente, se relacionar com os objetivos de qualidade de dados através de um número de indicadores destes dados, que especifique esta qualidade de dados com relação à forma como é utilizada no estudo. O artigo também aborda o fato de que os indicadores de qualidade de dados podem ser interpretados como uma incerteza adicional nos dados individuais. Sendo assim, estas incertezas adicionais podem ser incluídas no cálculo da incerteza dentro do resultado total do inventário de ciclo de vida, podendo favorecer a qualidade deste resultado. Salienta-se que, segundo os(as) autores(as), quando este artigo foi escrito, em 1996, a gestão de qualidade de dados anda não havia sido aplicada em trabalhos publicados em ACV. Neste artigo, foi utilizada a Matriz Pedigree, para obter uma indicação semi-quantitativa dos seguintes aspectos: confiabilidade de dados; completude dos dados; e correlações temporais, geográficas e tecnológicas. Segundo os(as) autores(as), estes indicadores de qualidade de dados podem ser utilizados posteriormente para rever a estratégia de coleta de dados com o objetivo de melhorar a qualidade de dados recolhidos e também para se chegar a uma melhor avaliação de confiabilidade do resultado, sendo combinado com estimativas de incertezas. Para o desenvolvimento da pesquisa, foi importante estudar sobre as metas de qualidade de dados, as quais especificam, em termos gerais, as características desejáveis dos dados necessárias para a investigação. Desta forma, para os(as) autores(as), as metas de qualidade de dados expressam: (i) a importância absoluta ou relativa de dados de diferentes aspectos qualitativos; (ii) o nível estratégico tecnológico desejado; (iii) a importância da utilização dos dados de qualidade que podem ser comparadas com as diferentes alternativas; (iv) como trabalhar com as lacunas de dados e a falta de representatividade; (v) e como trabalhar com as informações ausentes na incerteza. O artigo expressa que, a mesma meta de qualidade de dados pode levar a requisitos muito diferentes de qualidade de dados para cada parte do ciclo de vida. Sendo assim, os dados das metas de qualidade não podem determinar nenhum critério definitivo para grupos de dados individuais, mas representam as preferências e os procedimentos par aplicar na coleta de dados e na avaliação da qualidade destes dados. Com relação a coleta de dados, os(as) autores(as) afirmam que a documentação real da qualidade de dados são obtidos como parte desta coleta. Para tanto, devem ser reportadas as seguintes características para cada parte de dados: (i) método de aquisição; (ii) métodos utilizados para a verificação dos dados; (iii) número de locais e período da coleta dos dados e sua representatividade na população total; (iv) o tempo dos dados que têm como base o ano de medição; (v) a área geográfica para a qual os dados representam; e (vi) a tecnologia de processo ou nível tecnológico para os(as) quais os dados representam. Depois destas pesquisas, são apresentados no artigo os estudos sobre indicadores de qualidade de dados. Desta forma, é colocado que a qualidade dos dados individuais pode se relacionar com os objetivos de qualidade de dados através de um número de indicadores de qualidade de dados, para especificar estes dados com relação a forma como são utilizados em um estudo. Segundo exposto no artigo, os indicadores de qualidade de dados são números que exprimem resultados semi-quantitativos anexados a um conjunto de dados, o qual representa a qualidade de dados. Na pesquisa do artigo, foram encontrados os seguintes indicadores de qualidade de dados: (i) confiabilidade (fontes, métodos de aquisição e procedimentos de verificação utilizados para obter os dados); (ii) completeza, que se relaciona com a estatística da propriedade dos dados; (iii) correlação temporal, que representa a correlação de tempo entre os anos de estudo e o anos dos dados obtidos; (iv) correlação geográfica, a qual se trata a relação geográfica entre a área definida e os dados obtidos; (v) correlação tecnológica, que ocupa-se com todos os outros aspectos de correlação, incluindo os resultados das correlações temporais e geográficas. Depois de destacar estes indicadores, se expõe no artigo que para se trabalhar com eles é utilizada a Matriz Pedigree, que tem como objetivo fornecer uma ferramenta de gestão de qualidade de dados para tornar mais fácil o levantamento da qualidade de dados. Esta matriz acusa as possibilidades de melhorias na qualidade dos dados e rastreia as fontes de incerteza. Entretanto, é informado no artigo que as pontuações da Matriz Pedigree são semi- quantitativas, sendo que são úteis como números de identificação, mas que não deve ser considerada como um método para representar uma “quantidade” de qualidade de dados. Assim, deve-se evitar agregar os números. No próximo tópico, o artigo enfatiza sobre a utilização dos indicadores de qualidade de dados para melhorar a estratégia de coleta destes dados. Particularmente para o estudo do pão de centeio, foram extraídos através destes indicadores, problemas relacionados com o consumo de energia para a produção vegetal no ciclo de vida do pão de centeio, sendo que pode-se resumir os resultados desta forma: (i) alguns dados de energia foram baseados em estimativas ou não houve verificação (confiabilidade); (ii) dados de energia para pesticidas e calorias dependem de fontes antigas (correlação temporal); (iii) falta de correlação geográfica de alguns dados sobre quantidades e energia; (iv) os dados não estão disponíveis para o caso dos pesticidas utilizados e para a quantidade de fertilizantes (correlação tecnológica). Estas pesquisas relataram os problemas, mas, segundo os(as) autores(as), uma Matriz Pedigree quando utilizada sozinha, não exprime informações adequadas sobre a qualidade dos resultados. Então é informado no artigo que, para superar esta limitação, esta matriz deve ser utilizada em combinação com informações sobre a incerteza dos dados. Sendo assim, o artigo expõe dois tipos de incerteza de dados, sendo: (i) incerteza básica, que se relaciona com todos os dados da amostra; (ii) incerteza adicional, que está relacionada com os dados que não exprimem a qualidade real. Os exemplos desta aplicação dentro do artigo, estãocolocadas em tabelas. Desta forma, se teve como resultado que um número maior de valores calculados específicos para estas incertezas adicionais, é possível utilizar a Matriz Pedigree para atribuir as incertezas para cada indicador de qualidade de dados. Os(as) autores(as) preveem pesquisas futuras, sendo que consideram necessário gerar diferentes matrizes de incertezas para parâmetros diferentes, como diferentes tipos de dados, interações ambientais e tipos de indústria. Porém, esperam que esta experiência exposta neste artigo, traga uma melhor definição e delimitação para elaborar as pontuações em uma Matriz Pedigree. REFERÊNCIA WEIDEMA, B. Pedersen; WESNAES M. S. (1996). Data quality management for life cycle inventories - an example of using data quality indicators. Journal of Cleaner Production 4(3- 4):167-174.
Compartilhar