ISO TR (TECHNICAL REPORT) 14049

ITEM 9 EXEMPLOS PARA CONDUZIR UMA AVALIAO DE DADOS COM QUALIDADE:

9.1- CONTEXTO DA ISO 14044 4.2.3.6.2:
Os requisitos para a qualidade dos dados devem seguir:

Se pretendido que o estudo seja utilizado para questes comparativas para expor
publicamente, devem ser atendidos os requisitos de qualidade dos dados conforme acima.

4.3.2.1:

Quando os dados forem coletados de fontes pblicas, elas devem ser referenciadas. Para
aqueles que impactarem significativamente as concluses do estudo, detalhes relevantes sobre
o processo de coleta, o perodo de coleta e outras informaes devero ser referenciadas. Se
esses dados no atenderem aos requisitos de qualidade, dever ser registrado.

4.2.3.6.3:

9.2 VISO GERAL:

Um inventrio do ciclo de vida compreende a coleta e integrao de muitas partes de
informaes referentes a um produto, processo ou atividade em estudo. Dependendo do escopo
do estudo, as informaes podem ser reunidas de diferentes empresas e at continentes.
Portanto essencial a gesto da qualidade dos dados como uma parte integral do processo
como um todo.
O fluxograma mostra a ordem sequencial para conduzir a avaliao de dados de qualidade, em
que existe uma srie de requisitos e indicadores de qualidade que podem ser utilizados em um
inventrio do ciclo de vida.

9.3 Requisitos de dados para estabelecer uma listagem especfica de locais:

O objetivo do estudo estabelece a base para definir questes temporais, geogrficas e
tecnolgicas. A atividade de escopo um primeiro passo importante para estabelecer
requisitos de dados de qualidade.
9.3.1 Questes temporais a serem cobertas:
Diversas decises precisam ser tomadas em relao idade e origem dos dados a
serem usados no estudo. A idade do dado primrio, o qual especifico do local, e o
secundrio (fonte publicada) devem ser usados com distino.
Exemplo: os alvos podem ser estabelecidos utilizando os dois tipos de fontes, coletados
de diferentes fontes. Como: - dados primrios coletados de uma empresa especifica no
ano passado;
- Dados secundrios usando fontes publicadas dos ltimos cinco anos.
Quando a idade dos dados desvia dos objetivos, deve-se prestar ateno.
Os dados medidos podem ser considerados a melhor opo desde que eles ofeream
um entendimento da variabilidade inerente nos processos a serem modelados. No
entanto, dados apropriadamente documentos, calculados e estimados so considerados
relevantes para uso. Quando possvel, dados so coletados em um perodo mnimo de
um ano, pois do clareza em possveis questes sazonais, variaes de processos
naturais e eventos acidentais. Ainda sobre o perodo de estudo, interessante revisar
os ltimos 12 meses para verificar a consistncia e identificar anomalias e potenciais
erros no relatrio.
9.3.2 Cobertura geogrfica:
Os limites espaciais podem incluir instalaes locais especficas, que so parte do
sistema do produto para o estudo, que podem ser direcionados a uma regio ou
mercado especfico. Em uma situao local especfica, as empresas participantes
determinam inicialmente a quantidade de produto que ser includo, que ento ser
rastreado cadeia de fornecimentos e sua recuperao, reciclagem e descarte final. A
cadeia de fornecimentos pode se estender alm de uma especfica regio onde o
produto vendido, especialmente onde fornecedores de matria prima fazem parte do
estudo.
9.3.3 Cobertura tecnolgica:
O registro de locais especficos que fornecem dados utilizada para definir
caractersticas prprias da produo, processo e tecnologias de controle ambiental.
Resumos de associaes comerciais e agncias de governo oferecem uma til inspeo
para uma reviso subsequente de representatividade dos setores da indstria.
O objetivo do estudo dita a combinao de tecnologias e o nmero de posies por tipo
de tecnologia que so includas. Desenvolvimento tecnolgico deve ser levado em
conta quando o todo o ciclo de vida abrange um perodo de tempo onde o
desenvolvimento pode ser esperado, pois a tecnologia no esttica e ela influencia na
produo, nos poluentes etc.

9.4 Requisitos para caracterizar a qualidade dos dados:

9.4.1 Preciso:
Essa uma medida da variabilidade de um dado para cada categoria. Mede a
amplitude ou variabilidade dos valores do conjunto de dados sobre a mdia do conjunto
de dados. Para cada categoria de dados, a mdia e o desvio padro dos valores so
calculados e reportados para cada unidade de processo no sistema do produto. Essas
medidas de preciso podem ser utilizadas para avaliar a incerteza dos valores descritos
e ajudar em uma anlise sensitiva dos resultados do estudo.
9.4.2 Integridade:
A integridade dos dados do processo primrio pode ser indicado pela percentagem de
locais os quais eles esto disponveis em relao ao nmero total existente. A
percentagem alvo geralmente definida para cada tipo de unidade de processo antes
da coleta de dados comear. Em estudos comparativos, o objetivo que cada sistema
de produto tenha um nvel de integridade equivalente. Os alvos devem ser definidos em
um certo nvel, como 70%.
9.4.3 Representatividade:
Este um indicador de avaliao qualitativa do grau em que o conjunto de dados
reflete a verdadeira populao de interesse. Esta avaliao similar integridade, mas
focada nas dimenses geogrfica, temporal e tecnolgica do sistema de produto. Este
indicador mede o grau em que os valores dos dados usados no estudo representam a
verdadeira e precisa medida da populao de interesse. Tambm pode providenciar
informaes sobre a frao da capacidade de produo total representada pelos
participantes. Quaisquer variaes devem ser examinadas e explicadas.
Exemplo tendencioso em relao integridade:
Quer-se a informao de emisso de dixido de carbono por kwh em uma certa regio
ou rede de produo de energia eltrica, pesquisando cada planta de converso para
verificar a mdia, pode ser uma abordagem apropriada. No entanto, se a pesquisa
realizada em uma rede onde 96% de hidreltrica e 4% de usina de carvo, a emisso
dos 4% ser ignorada e introduziria uma importante tendncia.
9.4.4 Consistncia:
Consistncia um entendimento qualitativo sobre o quo uniforme a metodologia de
estudo aplicada aos diferentes componentes na avaliao. Ela uma das medidas de
qualidade mais importantes na gesto processo do inventrio. Existem alguns passos a
serem seguidos para garantir a consistncia:
1- Comunicao: em um estudo que envolve diferentes empresas, que por sua vez
coletaram dados de diferentes locais, existe uma necessidade de esclarecer o
entendimento de como este dado foi extrado, como foi medido, como exposto
e como usado.
Exemplo: quando se estabelece uma emisso mdia e dados de energia para a entrada
de um material para o processo de produo, pede-se que o dado numrico seja
coletado de um nmero de fabricantes. Alguns podem reportar utilizando dados
publicados em padronizaes nacionais, enquanto outros fazem a medio em si. Como
este mtodo de coleta no uniforme nem precisa, difcil evitar diferentes
abordagens e uma avaliao preliminar deve ser realizada para verificar desvios. Por
exemplo, investigando emisses atmosfricas, a comparao pode mostrar que a
emisso de CO2 em uma medio interna diferente do valor publicado em uma norma
padro, enquanto o valor de SO2 idntica.
9.4.5 Reprodutibilidade:
Esta medida descreve a avaliao qualitativa da extenso em que a informao sobre a
metodologia e valores de dados permitem que um terceiro consiga reproduzir os
resultados expostos no estudo. Esta medida qualitativa usada quando h uma
reivindicao pblica sobre os resultados do estudo. A legislao antitruste pode excluir
o alcance do nvel de transparncia necessrio para satisfazer o publico.
9.4.6 Identificao de anomalias/falta de dados:
Anomalias so valores extremos em um conjunto de dados. Estes valores normalmente
so identificados atravs de anlises estatsticas ou pela anlise de um especialista.
Sempre que anomalias ou falta de dados so identificadas ou ainda, removidas do
conjunto de dados e substitudas por valores calculados, devem ser identificados no
relatrio do estudo. Estes valores podem existir como resultado de pedidos mal
interpretados de dados de entrada, valores de dados com mal relatados, anlise
incorreta de exemplos de dados ou ainda dados no disponveis.
As anomalias so identificadas durantes uma reviso de dados de cada categoria para
cada unidade de processo. As anomalias retornam ao seu local no relatrio ou
especialistas da empresa determinam a validade de sua incluso na base de dados.
Onde a anomalia esclarecida em termos de falha no processo ou lanamento
acidental, pode ser mantida no banco de dados. Esta deciso deve ser tomada de
acordo com o objetivo e escopo do estudo. Se uma explicao no pode ser encontrada
ou o erro reportado no pode ser corrigido, a anomalia removida do conjunto de
dados e devidamente documentado.
Uma vez que as anomalias so tratadas, falta de dados so avaliados para determinar
entradas apropriadas para cada categoria de dados. Uma diretriz bsica que cada
categoria de dados para cada ponto de controle deve cumprir com um dos itens a
seguir:
-