Mixed acceleration-velocity statistics

A seleção das prioridades é geralmente estudada em ampla escala, sendo avaliada por setores ou grupos de produtos, conforme citado anteriormente. Estas prioridades atuam como indicadores de quais datasets demandam maior urgência para sua adequação. Por outro lado, a adaptação dos conjuntos de dados é um trabalho realizado individualmente e que abrange o detalhamento do escopo dos inventários, da qualidade dos dados, da representatividade geográfica e tecnológica, entre outros. Esta é uma prática comum na ACV, visto que a adequação de alguns processos ou parâmetros com dados primários reflete melhor a realidade dos estudos em questão (Dong et al., 2015; Lewandowska et al., 2008; Nebel et al., 2011; Chau et al., 2007; Ribeiro e da Silva, 2009; De Eicker et al., 2010b; Gomes et al., 2013).

O estudo de Lewandowska et al. (2008) sobre adaptação de datasets de produção de madeira para condições da Polônia, mostrou que houve diferenças significativas entre os resultados do ecoinvent e das condições polonesas. Nem todos os produtos, entretanto, foram afetados. Alguns deles tiveram seus resultados parecidos de avaliação de impacto porque as diferenças nos fatores de alocação foram compensadas pelos fatores de correção estabelecidos pelos autores. As maiores discrepâncias ocorreram para as categorias de mudanças climáticas e uso da terra, muito devido às considerações acerca da produção florestal e densidade da madeira.

Chau et al. (2007) desenvolveram um estudo para determinar os impactos ambientais dos materiais de construção em Hong Kong e, como a maioria dos dados disponíveis era pertinente para as condições da Europa, os autores ajustaram os dados de inventário. Para isso, eles seguiram as seguintes etapas: (i) substituição

do mix de combustível para a geração de energia de acordo com a realidade do país do dataset em questão; (ii) inclusão dos impactos de transporte dos materiais e componentes de seu país de origem até Hong Kong; (iii) inclusão dos impactos causados pelas atividades de construção locais. Embora os autores não tenham comparado os resultados originais e adaptados, este trabalho aponta importantes fatores que são requeridos para a adaptação de inventários: o conhecimento sobre os países de origem de materiais que são importados, sobre a geração de eletricidade de cada país em questão e sobre o modal de transporte envolvido nas importações.

Um estudo de caso desenvolvido por De Eicker et al. (2010b) para o Brasil, revelou as diferenças de aplicação de dados locais, não locais e adaptados. Os autores avaliaram três cenários para a produção de superfosfato triplo (TSP), considerando o dataset nacional, o do ecoinvent e um com dados modificados. Estas modificações contemplaram o mix de eletricidade, as distâncias de transporte e a produção de óleo. Os autores concluem que o dataset modificado é aplicável para a caracterização da produção local de TSP e que os dados do ecoinvent são melhores que os nacionais, já que são bastante completos. Além disso, comentam que sempre que possível, é relevante utilizar dados locais nas avaliações. Os novos

datasets devem ser, então, integrados a bases de dados existentes para que os

custos de administração e atualização sejam reduzidos e o compartilhamento dos dados e disponibilidade dos mesmos seja melhorado.

Do mesmo modo, Dong et al. (2015) investigaram as consequências na substituição de dados específicos locais nos inventários já existentes e propuseram sugestões a respeito de como ajustar estes dados, baseando-se num estudo sobre concreto em Hong Kong. Neste caso, os autores estabeleceram um método (Figura 3) para auxiliar a adaptação, já que não há evidências de um guia global específico para padronizar a substituição de dados em datasets existentes. A metodologia citada contempla cinco estágios e consiste basicamente em investigar o estágio de ajuste do ICV atual para identificar possíveis problemas de pesquisa, revisar os

datasets disponíveis, identificar os possíveis ajustes e coletar os dados, substituí-los

e comparar os resultados. No estudo de caso em questão, não foi utilizada apenas a base de dados do ecoinvent, mas também a base de dados da United States

Portland Cement Association (US PCA). Os autores comentam que mesmo que

As diferenças principais entre as bases de dados, segundo os autores, são as fronteiras dos sistemas e a estrutura dos modelos. No ecoinvent, o inventário do cimento é composto por inúmeros processos unitários, enquanto a US PCA trata como um sistema agregado e não fornece detalhes sobre os processos unitários. Além disso, no ecoinvent presume-se que a escória é um resíduo e no da US PCA ela é considerada um coproduto da indústria do aço. Isto faz com que as cargas ambientais consideradas para o mesmo componente nas duas bases de dados sejam diferentes. Por isso, os datasets devem ser cuidadosamente estudados e completamente entendidos antes do procedimento de adaptação.

Figura 3 - Metodologia para adaptação de datasets. FONTE: Traduzido de Dong et al., 2015.

Os resultados obtidos por Dong et al. (2015) mostraram que o ajuste nos dados provoca mudanças que variam de acordo com o nível de adaptação. Um ponto que merece destaque é o fato de que se os dados locais são similares aos originais, os resultados não serão afetados significativamente. Por outro lado, quanto maior as diferenças dos dados locais para os datasets originais, maiores

discrepâncias foram observadas. Para o caso do cimento, as mudanças nos resultados de avaliação de impacto foram ocasionadas principalmente pelo teor de cimento e pelo transporte. Se os dados locais forem consideravelmente diferentes dos dados originais para estes contribuintes, grandes discrepâncias serão observadas nos ajustes. Do contrário, diferenças expressivas não serão encontradas. Reafirmando estes resultados, De Smet e Stalmans (1996) apontam que os processos produtivos podem possuir tecnologias distintas de acordo com a região em que ocorrem. É o caso da soda cáustica, por exemplo, que pode utilizar três células diferentes em sua produção (de mercúrio, de diafragma e de membrana), sendo que na Europa a utilização da célula de mercúrio é mais comum que na América do Norte. Exceções ocorrem, no entanto, e alguns dados podem ser utilizados de modo global. Os autores comentam que o consumo de energia de um processo unitário na América do Norte, não precisa ser necessariamente diferente na Europa. Isto leva à conclusão de que nem todos os fluxos necessitam ser adaptados, visto que a contribuição para os impactos pode muitas vezes ser a mesma.

Vale ressaltar que qualquer ajuste realizado aos dados originais acrescenta incertezas que podem levar a erros de análise. Isto ocorre porque a adaptação introduz dados locais específicos e muitas vezes informações sobre as incertezas associadas aos ajustes realizados não estão disponíveis. Portanto, as incertezas dos ajustes devem ser especificadas e avaliadas com cuidado ao adaptar datasets.

Os estudos apresentados mostraram que não há um guia definido para a adaptação de datasets, entretanto, é nítido que os fluxos relacionados à eletricidade e transporte foram pontos que mereceram atenção na maioria dos casos, considerando sua relevância e facilidade de adaptação. É importante ressaltar que a adaptação não precisa ser realizada em todo o dataset, já que para alguns fluxos a diferença de contribuição nos resultados de impacto é pouco significativa. Isto diminui os desafios enfrentados na coleta de dados e torna o processo de adaptação mais ágil. A determinação dos fluxos que merecem destaque é auxiliada por meio do estudo do dataset em questão e de análises estatísticas, conforme proposto por Heijungs e Kleijn (2001) e já comentado anteriormente.