La trazabilidad de los datos permite comprobar qué entradas y procesos dieron lugar al resultado final. En la gestión de datos de MRV, hay que conectar la conservación de datos originales, las reglas de cálculo y el historial de calibraciones y modificaciones. Los capítulos 7 y 8 de Tecnología y soluciones para demostrar la reducción de carbono abordan conjuntamente la trazabilidad metrológica y la trazabilidad de los cálculos.
Primero, definamos los conceptos y el alcance de aplicación
Hay que registrar la fuente de cada valor, su transformación, las reglas aplicadas, quién las ejecutó y por qué se hicieron cambios. Añadir una fecha al nombre del archivo puede no ser suficiente. Debe ser posible disponer de la misma entrada y de las reglas de procesamiento, y acceder a ellas con los permisos necesarios. El periodo de conservación se define tras comprobar el propósito de uso y los requisitos del sistema, del contrato y de privacidad aplicables. No es adecuado acumular todos los datos indefinidamente. Hace falta un diseño que conserve lo necesario para la revisión y, a la vez, controle los usos ajenos al propósito y el acceso.
Aunque el equipo sea preciso, resulta difícil confiar en la conclusión si los límites del sistema o la línea de base son inadecuados. Y aunque los cálculos sean correctos, la falta de datos originales y de un historial de cambios limita el alcance verificable. La precisión y la trazabilidad no se sustituyen entre sí. Hay que comprobar conjuntamente la calidad de la medición y el proceso por el que ese valor lleva a una conclusión.
Reporte (R): conserva el contexto y los cálculos. Documenta todo el proceso por el cual se trataron los datos originales conforme a determinadas reglas y se llegó a una conclusión. Esto incluye cómo se completaron los datos faltantes, qué criterios se usaron para excluir valores atípicos, qué versión de qué modelo se empleó y cómo se estimó la incertidumbre. La calidad de un informe se evalúa por la posibilidad de reproducir sus resultados, no por lo llamativa que sea su conclusión.
El control de calidad (QC) consiste en comprobar la coherencia, integridad y presencia de errores durante la recopilación y el cálculo de los datos. El aseguramiento de la calidad (QA) incluye revisar si el sistema y los resultados cumplen los objetivos de calidad establecidos. La prevención en la etapa de planificación, las comprobaciones durante la ejecución y la revisión de resultados deben complementarse. Las funciones y procedimientos concretos se ajustan a las directrices aplicables; no se debe reducir el QA a la prevención ni el QC a corregir errores a posteriori.
Reglas para tratar datos faltantes. Hay que decidir de antemano qué hacer cuando falten datos: ¿interpolar linealmente, excluir el intervalo o sustituirlo por un valor conservador? Si se decide después, se puede elegir el método favorable tras ver el resultado.
Las reglas sobre valores atípicos también se fijan por adelantado. Distinga los valores fuera de los límites físicos de los estadísticamente inusuales y conserve los datos originales con el motivo de exclusión indicado. Si se cambia el criterio después de ver los resultados, explique cuándo ocurrió y cómo afectó al análisis.
Anotar el nombre del equipo no basta para que el resultado sea reproducible. La frase “se midió con GreenFeed” representa solo una pequeña parte de la información necesaria para reproducirlo. Sin saber cuántas visitas diarias se consideraron válidas, cuál fue la duración mínima por visita y cómo se corrigió la tasa de recuperación, no se pueden comparar los resultados con otros estudios. Dejar constancia tanto de los detalles del protocolo como de los registros de ejecución es fundamental para QA/QC.
Condiciones y límites de aplicación en terreno
Supongamos que se elaboraron dos informes para el mismo periodo y que las cifras de reducción son diferentes. Puede haber cambiado el factor de calibración o el método de tratar datos faltantes. Hay que poder comprobar qué entrada se cambió, cuándo y a qué periodo afectó. Si solo se conserva el archivo de resultados, será difícil distinguir una mejora, un error y una modificación inadecuada.
Unos buenos datos combinan una calidad adecuada al propósito con trazabilidad. Aunque se pueda reproducir el mismo cálculo, un sesgo común en las entradas puede dar un resultado equivocado. La verificabilidad no sustituye a la exactitud: permite que otra persona evalúe la exactitud y el alcance de aplicación.
La cantidad de reducción requiere tanto trazabilidad metrológica de las mediciones como trazabilidad de los cálculos. Los valores medidos se vinculan a referencias mediante una cadena de calibración documentada y la incertidumbre; los datos de actividad, los factores de emisión y los modelos se siguen hasta el resultado final mediante sus fuentes, versiones y condiciones de aplicación. No todas las cantidades de reducción proceden de una sola medición directa. Además de reproducir el cálculo, el revisor debe comprobar que los datos y métodos utilizados sean adecuados para la afirmación.
También es frecuente un malentendido sobre el momento de la verificación. Si se piensa en la verificación como el sello final de una tabla de resultados, ya es tarde. La verificación debe ser la primera pregunta del diseño. Solo al saber qué se debe verificar se puede decidir qué registrar. Si al terminar el proyecto se dice “ahora vamos a verificarlo”, a menudo ya no se conservan los registros necesarios.
Método de gas trazador. Se estima el intercambio de aire utilizando una tasa de liberación conocida o el patrón de disminución de la concentración. Los resultados dependen de si la mezcla y el transporte del gas trazador son suficientemente similares a los del gas objetivo y de cómo se trata la concentración de fondo. El nombre del método no garantiza su exactitud.
Evidencia necesaria para evaluar una inversión
Los inversores deben distinguir entre decir que los datos están almacenados y decir que el análisis puede revisarse. Es necesario comprobar los permisos de acceso de los revisores elegibles, la versión de las reglas de procesamiento y los procedimientos de recuperación y reproducción. Aunque ciertos datos no se divulguen, el sistema puede diseñarse para que las revisiones necesarias se realicen con medidas de seguridad y bajo las condiciones contractuales.
La genealogía de los datos es el recorrido desde los datos originales hasta la cifra final, pasando por cada transformación. Además del equipo, los canales y la hora de generación, se registran las reglas de conversión de unidades, corrección, filtrado y agregación. También deben quedar documentados quién ejecutó y aprobó el proceso y qué se modificó después y por qué. Que se conserven los datos originales y que un revisor elegible pueda volver a comprobar el procesamiento son condiciones que deben verificarse conjuntamente.
Si la genealogía es insuficiente, al revisor le resulta difícil confirmar cómo se generó una cifra, y la aceptación de los datos puede limitarse según el uso previsto. El periodo de conservación de los datos originales y el historial de cambios debe definirse revisando los requisitos del sistema, del contrato y de privacidad aplicables. No se deben sobrescribir arbitrariamente los datos que hay que conservar, pero tampoco hay que adoptar como principio guardar todos los datos indefinidamente.
Criterios que deben guiar la evaluación
La trazabilidad no sustituye a la exactitud. Permite que otras personas evalúen si las entradas son adecuadas y cómo se llegó al resultado. Para explicar el significado de la cifra final y el motivo de sus cambios, deben estar conectados los datos originales, los registros y los permisos de revisión.
Sobre el autor
Bongjun Lee se graduó de la Escuela de Posgrado de Gestión de Tecnología (MOT) de Sogang University. Trabajó durante 27 años en el campo de la medición de gases, incluidos 7 años en Infitron Co., Ltd. y 20 años en Honeywell, desempeñando funciones de ingeniería de servicio, ventas técnicas y gestión de canales. Actualmente, como fundador de AI Safety Korea Co., Ltd., investiga el monitoreo de metano en la ganadería y los sistemas de medición, presentación de informes y verificación (MRV) mediante sensores, IA y análisis de datos.