A escalabilidade da tecnologia climática não pode ser explicada multiplicando pelo número de fazendas um bom resultado obtido em apenas uma. Em demonstrações realizadas em várias fazendas, é preciso verificar se os efeitos e os custos se mantêm diante de diferenças entre espécies, estações, alimentação e equipes operacionais. O capítulo 15 de Tecnologia e soluções para comprovar a redução de carbono propõe uma abordagem que avalia a expansão por condições de verificação, e não pelo calendário.

Defina primeiro os conceitos e o escopo de aplicação

Na fase de expansão, é preciso verificar não só a medição, mas também a possibilidade de replicar o treinamento e a manutenção. Analise como a qualidade e os custos dos dados mudam quando variam a experiência dos responsáveis e o apoio com visitas ao local. Quanto mais amplo o escopo de coleta, mais importantes se tornam os procedimentos de revisão e correção de erros. Uma decisão de adiar ou interromper a expansão deve considerar os contratos restantes e a carga sobre as fazendas. Em vez de encerrar a análise com um simples julgamento de fracasso, registre as condições a aprimorar e outros usos possíveis. É preciso avaliar, com os mesmos critérios, os motivos para avançar à etapa seguinte e para parar.

Quando as perguntas do teste e os critérios de decisão são definidos com antecedência, os participantes também entendem para que estão fazendo os registros. Mesmo que os resultados sejam diferentes do esperado, os dados são preservados e é possível decidir o que ampliar, o que aprimorar e o que interromper.

Para entender os números da fazenda, primeiro é preciso examinar o espaço onde eles são gerados. A estrutura do estábulo, o fluxo de ar, os locais onde os animais permanecem e os percursos para alimentação e limpeza são o ponto de partida para definir os locais de observação e o plano de manutenção. Também é preciso projetar como obter dados confiáveis de forma contínua no cotidiano da fazenda.

Em um desenho com controle simultâneo, busque, sempre que possível, a distribuição aleatória e repetições independentes. Se o tratamento for aplicado a um estábulo inteiro, a unidade experimental pode ser o estábulo, e não cada animal. A diferença entre um estábulo tratado e um estábulo de controle dificulta separar o efeito do tratamento da diferença entre os estábulos. A análise deve levar em conta os níveis da fazenda, do estábulo, do animal e da data, além da correlação entre medições repetidas.

Um desenho cruzado é útil quando os mesmos animais podem ser comparados sob várias condições. Distribua a ordem dos tratamentos, analise o efeito do período e preveja intervalos que considerem a adaptação do rúmen e os efeitos residuais. Se o efeito persistir ou se as condições não puderem ser revertidas por causa do crescimento, um desenho paralelo pode ser mais apropriado. A escolha do desenho deve seguir as características biológicas do tratamento, e não a conveniência.

O bem-estar animal vem primeiro. Equipamentos fixados aos animais, isolamento em câmaras e dispositivos de alimentação que atraem os animais impõem algum grau de carga a eles. Para que essa carga seja justificável, o conhecimento obtido deve ter valor equivalente e o desenho deve primeiro minimizar o ônus. E, quando surgirem sinais anormais, a atividade deve ser interrompida, mesmo que isso implique perda de dados.

Inclua no contrato critérios para interromper a atividade e um sistema de comunicação de incidentes. Um acordo verbal não basta. O documento deve especificar em quais situações e por quem a interrupção pode ser declarada, como os custos serão tratados em caso de interrupção e a quem e em quanto tempo um incidente deve ser comunicado.

Registre também os resultados inferiores às expectativas ou sem efeitos claros. Incluir no relatório observações diferentes do esperado e uma análise de suas causas ajuda a evitar que o mesmo problema se repita em testes posteriores.

Condições e limites da aplicação em campo

Imagine que os resultados de uma fazenda piloto que recebeu apoio intensivo sejam ampliados para fazendas em geral. Se houver menos visitas da equipe, gestão de equipamentos e apoio aos registros, as condições operacionais também mudarão. É preciso avaliar novamente se os mesmos resultados se mantêm e incluir no plano de negócios os custos do apoio adicional. A possibilidade de instalação deve ser considerada separadamente da possibilidade de operação contínua.

Quando o piloto termina, é preciso tomar uma decisão. Mas essa decisão costuma ser adiada. É comum a inércia de passar para uma «segunda demonstração» sem chegar a uma conclusão. Os custos continuam e o aprendizado não aumenta.

Um projeto precisa de orçamento e cronograma de relatórios. No entanto, uma data de apresentação definida, por si só, não significa que já existam evidências suficientes. É preciso verificar separadamente se o período de observação e a qualidade dos dados são adequados à avaliação.

O registro não precisa ser elaborado. Basta finalizar um documento de poucas páginas com a data e compartilhá-lo com as pessoas envolvidas ou deixá-lo sob a guarda de terceiros. Esse registro ajuda a verificar se houve alterações posteriores.

A variação da linha de base não é um critério para negar o efeito; é uma informação para projetar o tamanho necessário da amostra e o período de medição. Uma mudança na média pode ser estimada mesmo que seja menor do que a variação dos valores individuais. No entanto, não se deve contar todos os registros minuto a minuto de um sensor como amostras independentes. Apresente intervalos de confiança que considerem as unidades experimentais independentes e a correlação entre medições repetidas, e diferencie a significância estatística do efeito mínimo prático definido previamente.

Evidências necessárias para a análise de investimentos

Os investidores devem avaliar quais condições de replicação serão verificadas com o financiamento da expansão. Além da meta de número de fazendas, devem existir critérios para interromper, aprimorar ou mudar o uso. Um equipamento insuficiente para quantificar emissões ainda pode ser útil para monitorar a operação, mas essa finalidade de uso deve ser explicada claramente como diferente.

Em demonstrações realizadas em várias fazendas, é preciso verificar se o efeito se mantém com novas espécies, condições de criação, estações e circunstâncias operacionais. A possibilidade de manter, na distribuição geral, a equipe e o orçamento concentrados no piloto é outra questão que deve ser analisada separadamente. Verifique os custos de treinamento, manutenção e revisão dos dados necessários para a ampliação. Os aspectos sem evidências suficientes devem permanecer como critérios para testes adicionais, melhorias, mudança de uso ou interrupção.

As condições do piloto e do negócio principal são diferentes. No piloto, há concentração de interesse, equipe e orçamento; no negócio principal, esses recursos se dispersam. Em vários setores, já se observou que os efeitos confirmados no piloto não se mantêm no negócio principal.

A mudança de finalidade é uma opção frequentemente ignorada. Por exemplo, um sistema de monitoramento de estábulos considerado inadequado para quantificar emissões pode ser suficientemente útil para a gestão da ventilação e a segurança dos trabalhadores. Nesse caso, pode ser razoável mudar a finalidade em vez de encerrar o negócio. Contudo, a força das alegações também deve ser reduzida para se adequar à nova finalidade.

Critérios que devem orientar a decisão

As evidências de escalabilidade mostram a variedade de condições, e não apenas as quantidades. Verifique o desempenho e os custos em novas fazendas e estações, e defina como lidar com situações de falha. Cada etapa deve ter entregáveis e responsáveis para a próxima decisão, a fim de gerenciar os riscos da expansão.

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).