A taxa de ventilação do galpão é um dado importante para relacionar a concentração de metano à taxa de emissão em massa. Mas inserir uma única taxa de ventilação fixa não significa que a quantidade de emissões de metano sempre poderá ser estimada. O capítulo 8 de Tecnologia e soluções para comprovar a redução de carbono também aborda as premissas dos modelos de medição relativas ao fluxo e à mistura do ar e às variações ao longo do tempo.

Defina primeiro os conceitos e o escopo de aplicação

Sincronizar os horários também faz parte do cálculo da vazão. Se a concentração, o estado dos ventiladores e a temperatura e umidade forem registrados com relógios diferentes, dados de situações distintas poderão ser associados incorretamente. É preciso definir o intervalo de coleta, a referência de horário e as regras para tratar dados cuja transmissão foi atrasada. Nos períodos em que o estado da ventilação mudar, verifique se a relação anterior ainda pode ser aplicada. Distinga as condições que não se enquadram no modelo e limite o escopo de uso dos resultados. Apresentar uma fórmula de cálculo e verificar se as condições do campo permitem usá-la são tarefas diferentes.

Qual tipo de incerteza é dominante depende das condições de medição. Em galpões com ventilação natural, a contribuição da taxa de ventilação e da representatividade espacial pode ser grande; para detectar pequenas diferenças de concentração, podem ser importantes a repetibilidade, o desvio e a correção do fundo do equipamento. Primeiro, elabore um orçamento de incerteza e compare o custo de reduzir cada componente com a melhora que isso traz à decisão final. Sensores mais caros ou um número maior de amostras não são sempre o melhor investimento.

A concentração é a proporção de um gás no ar, enquanto a taxa de emissão é a massa emitida por unidade de tempo. Para medir ou estimar emissões, é preciso relacionar a concentração e a vazão, assim como o modelo de medição, de forma adequada ao objetivo. Mesmo que a concentração diminua, não se pode concluir que a taxa de emissão em massa tenha mudado na mesma direção se o fluxo de ar aumentou. Para converter as taxas de emissão ao longo do tempo em quantidade total de emissões, também é preciso considerar o período de medição e o tratamento dos intervalos ausentes.

Método do gás traçador. A renovação do ar é estimada com base em uma taxa de liberação conhecida ou no padrão de diminuição da concentração. Os resultados variam conforme a semelhança entre a mistura e o transporte do gás traçador e do gás-alvo e conforme o tratamento da concentração de fundo. O nome do método, por si só, não garante precisão.

Os métodos em nível individual têm vantagens e limitações diferentes conforme o objetivo. Uma câmara respirométrica de circuito aberto calcula o balanço de massa usando o ar de entrada e saída e a vazão, mas envolve adaptação dos animais e custos elevados. O GreenFeed usa a concentração e o fluxo de ar durante as visitas ao capuz; por isso, a representatividade dessas visitas ao longo do dia é importante. O método SF6 utiliza um tubo permeável com taxa de liberação conhecida, inserido no rúmen, e um dispositivo externo de coleta para captar gases da respiração e da eructação. Em vez de criar uma classificação única de precisão baseada no nome da tecnologia, compare a taxa de recuperação, a calibração, a amostragem e os registros de execução. A concentração em um ponto do galpão não é a mesma grandeza medida que essas taxas de emissão.

O infravermelho não dispersivo (NDIR) é um método que utiliza a absorção de luz infravermelha pelo metano. Não depende de oxigênio como a combustão catalítica e não sofre envenenamento do catalisador, mas não está livre dos efeitos de contaminação óptica, temperatura, pressão e umidade. Não se deve concluir, com base apenas no princípio de funcionamento, que o método é adequado ao monitoramento de longo prazo em uma propriedade. Para cada produto, verifique se o limite de detecção, a repetibilidade e o desvio são adequados diante da concentração esperada e da diferença entre as concentrações interna e externa.

Condições e limites da aplicação no campo

Imagine um projeto que tenha obtido apenas os registros de funcionamento dos ventiladores de um galpão com ventilação mecânica. É preciso verificar qual é a relação entre o estado de funcionamento e a vazão real e como foi considerado o movimento de ar pelas entradas e por outros caminhos. Na ventilação natural, os caminhos podem mudar conforme o vento e o estado das aberturas. É necessário verificar se as premissas do modelo correspondem às condições do campo.

Ao comparar sensores, examine em conjunto a faixa de medição, a resolução, a sensibilidade cruzada a outros gases, o tempo de resposta e o desvio. Também é preciso avaliar as condições ambientais, como temperatura, umidade e poeira, e os requisitos de calibração. Se o objetivo for distinguir pequenas diferenças de concentração, verifique, para cada produto e modo de operação, se a unidade indicada pelo equipamento e sua incerteza são adequadas a esse objetivo. O nome do princípio de funcionamento do sensor não substitui essa avaliação.

A IA pode ser usada para identificar possíveis anomalias, estimar pequenos períodos com dados ausentes sob condições definidas e explorar relações entre múltiplas variáveis. Também pode ajudar a organizar dados, verificar sua qualidade e preparar rascunhos de relatórios. Os objetivos e custos das falhas de cada função são diferentes, portanto não se deve avaliar todas com a mesma métrica de desempenho. É preciso informar quais dados de entrada e hipóteses geraram cada resultado e distinguir os valores estimados daqueles observados diretamente.

Separe primeiro os dados de avaliação. Se os dados de horários próximos da mesma propriedade forem distribuídos aleatoriamente entre os conjuntos, o desempenho de um modelo que memorizou padrões recorrentes do local poderá ser confundido com seu desempenho em propriedades novas. Se o objetivo for prever operações futuras, separe os dados por ordem temporal; para uso em outras propriedades, faça a separação por propriedade. Diferencie os dados de validação usados na seleção do modelo daqueles reservados para a avaliação final de desempenho; execute também o pré-processamento e o preenchimento de dados ausentes segundo regras definidas com base nos dados de treinamento.

Evidências necessárias para a análise de investimento

Na avaliação técnica, é preciso verificar se as referências de tempo da concentração e da vazão estão sincronizadas. Multiplicar valores referentes a momentos diferentes pode gerar resultados que não correspondem à situação real. Apresente em conjunto uma medição representativa, o tratamento dos intervalos ausentes e as condições em que o modelo não pode ser aplicado.

A linhagem dos dados é o caminho que mostra quais dados originais e transformações geraram o valor final. Registre as conversões de unidade, ajustes, filtragens e regras de agregação, juntamente com o equipamento, o canal e o horário de geração. Registre também quem executou e aprovou o processo e o que foi alterado posteriormente, e por quê. A existência dos dados originais e a possibilidade de um revisor qualificado verificar novamente o processamento são condições que devem ser examinadas em conjunto.

O princípio operacional a aprender aqui é definir primeiro as condições de validade dos dados, em vez de priorizar sua quantidade. Se os períodos excluídos se concentrarem em determinados tipos de clima ou situações de fornecimento da ração, a média dos dados válidos talvez não represente a média anual. Não transfira diretamente para outro edifício os critérios de direção e velocidade do vento de um galpão; examine também a concentração de fundo, a mistura dos gases, o modelo de ventilação e a distribuição dos dados excluídos.

Critérios a manter na avaliação

A simples inclusão da taxa de ventilação não torna a estimativa adequada. É preciso verificar a fonte dos dados de entrada, os limites da medição e as condições de validade do modelo. Se a complexidade do campo tiver sido simplificada, explique quais premissas foram adotadas e até onde os resultados são válidos.

Sobre o autor

Bongjun Lee concluiu a pós-graduação em Gestão de Tecnologia (MOT) da Sogang University. Trabalhou durante 27 anos no setor de medição de gases, incluindo 7 anos na Infitron Co., Ltd. e 20 anos na Honeywell, atuando como engenheiro de serviços, em vendas técnicas e na gestão de canais. Atualmente, como fundador da AI Safety Korea Co., Ltd., pesquisa o monitoramento de metano na pecuária com o uso de sensores, IA e análise de dados, bem como sistemas de medição, relato e verificação (MRV).