Índice
- Acessando a Detecção de Anomalias de Dados
- Que tipos de verificações automatizadas de qualidade de dados estão disponíveis?
- O que posso esperar com a Detecção de Anomalias de Dados?
- O que é considerado uma Anomalia de Dados?
- FDM para FEM Detecção de Anomalias de Dados
- FAQ
Dados de alta qualidade são o componente mais valioso do Higg Index e da plataforma Worldly. Para manter dados de alta qualidade, é importante identificar e corrigir quaisquer anomalias.
Uma Anomalia de Dados é um ponto de dados ou cálculo que difere significativamente de nossas observações e expectativas históricas.
Antes de publicar sua Avaliação, você pode ver uma mensagem que solicita a revisão de valores discrepantes. Clique em Revisar Valores Discrepantes para ver quais itens você precisa verificar.
Acessando a Detecção de Anomalias de Dados
O painel de Detecção de Anomalias de Dados aparecerá no lado direito da tela, que o guiará na revisão de quaisquer anomalias detectadas em sua avaliação.
Abaixo do texto, você verá hiperlink(s) solicitando que você revise suas entradas. Por exemplo, na captura de tela abaixo, você é solicitado a Revisar Montagem do produto final e Revisar Volume de Produção. Clicar no link o levará à parte da avaliação onde a suposta anomalia de dados está.
Detecção de Anomalias de Dados identifica qualquer anomalia, ou ponto de dados/cálculo significativamente diferente, que você pode descartar. Estes são destacados em amarelo.
Por exemplo, nesta captura de tela abaixo, o uso de energia normalizado parece alto para este tipo de instalação. Antes de prosseguir, você deve revisar todas as fontes de energia para verificar erros, incluindo o volume de produção reportado. Se você revisou os dados e pode confirmar que estão precisos, marque a caixa ao lado de "Eu revisei e parece correto". Você também pode selecionar Revisar Depois para descartar a anomalia.
- Selecionar Eu revisei e parece correto abrirá uma caixa de texto onde você pode adicionar um comentário sobre a dispensa da sinalização.
Clicar em Salvar moverá a anomalia para a lista Revisados. Será exibido quem marcou a anomalia como correta, bem como a data em que foi marcada como correta. Selecione as setas ao lado da anomalia para ir para a pergunta específica dentro da avaliação. - Selecionar Review Later manterá a sinalização na lista To Review . Clique na aba amarela para acessar a lista de anomalias.
Enquanto você estiver finalizando sua avaliação, você pode clicar na aba amarela para verificar qualquer coisa que ainda precise ser revisada.
A aba amarela fica verde quando não há mais anomalias de dados para serem revisadas.
Validações, destacadas em vermelho, identificam quaisquer erros que você deve corrigir e não pode ignorar.
Por exemplo, nesta captura de tela abaixo, a composição energética do Vapor Comprado para o ano de relatório precisa somar 100%. Você não poderá publicar a avaliação até que o valor seja revisado e alterado.
Assim que você vir esta mensagem, você pode publicar sua avaliação.
NOTA: FDM e FEM exigem verificações de valores atípicos antes da publicação.
Clique aqui para ver mais exemplos de deteção de valores atípicos e validação nas perguntas frequentes.
[#$tu336]
A plataforma Worldly executa automaticamente as seguintes verificações de dados durante o processo de autoavaliação da instalação.
| Verificar | Tipo |
Descrição | FEM2023 | FEM2024 | Chegando em fevereiro de 2025 |
Quantidade de Montagem do produto final |
Validação |
Quantidade anual para Montagem do produto final deve ser um número inteiro | Sim |
Sim |
Sim |
Mistura de Fontes de Biomassa |
Validação |
A porcentagem de toda biomassa proveniente de fontes sustentáveis com certificação = 100 | Sim |
Sim |
Sim |
Mix de Fontes de Vapor |
Validação |
A percentagem de todas as fontes de vapor = 100 | Sim |
Sim |
Sim |
Verificação de Vapor |
Validação |
Os valores inseridos para temperatura e pressão não criariam vapor. | Sim |
Sim |
Sim |
Verificação de Temperatura do Aquecimento Urbano |
Validação |
Temperatura de saída da água de aquecimento urbano maior ou igual à temperatura de entrada. | Sim |
Sim |
Sim |
Fontes de Energia de Veículos |
Validação |
Fontes de energia para veículos selecionadas, mas não há veículos de propriedade ou controlados pela empresa. | Sim |
Sim |
Sim |
Baixa Energia Total |
Validação |
A produção total ou o uso combinado de energia relatado deve ser maior que o uso anual médio de eletricidade de uma residência americana. Total de energia < 38574 MJ SE a instalação relatar o monitoramento de todas as suas fontes de energia. | Não |
Novo em 2024 |
Sim |
Alta Energia Total |
Validação |
O total de energia reportado para a instalação é superior a 10.000.000.000 MJ. | Não |
Novo em 2024 |
Sim |
Alto Total de GNL |
Validação |
O total de GNL reportado para a instalação é maior que 1.000.000.000 MJ | Não |
Novo em 2024 |
Sim |
Respostas reportadas sobre o uso e captação de águas pluviais não coincidem |
Validação |
A quantidade total reportada de águas pluviais utilizadas não corresponde aos valores reportados para a capacidade máxima de captação de água da chuva, e a instalação respondeu que utilizou a área máxima de telhado/solo que é viável para captação de água da chuva na instalação. | Sim |
Sim |
Sim |
Uso Total Baixo de Água |
Validação |
A utilização de água total reportada para uma instalação deve ser superior a 0 litros. O FEM não aceitará zero ou um valor negativo. | Não |
Não |
Novo em 2025 |
Uso Total Elevado de Água |
Validação |
A utilização total de água reportada para uma instalação não deve exceder 1e+11 (bilhão) litros. | Não |
Não |
Novo em 2025 |
Alta Percentagem de Diesel |
Detecção de Anomalias de Dados |
A quantidade de energia proveniente do Diesel é mais de 90% do total de energia relatada. | Sim |
Sim |
Sim |
Alta Percentagem de GNL |
Detecção de Anomalias de Dados |
A quantidade de energia proveniente de GNL é mais de 90% do total de energia reportada. | Sim |
Sim |
Sim |
Baixa Porcentagem de Eletricidade Adquirida |
Detecção de Anomalias de Dados |
A quantidade de energia da Eletricidade adquirida é inferior a 50% do total de energia reportada. | Sim |
Removido |
Removido |
Baixa Energia Por Número de Empregados |
Detecção de Anomalias de Dados |
O total de energia reportado por colaborador por dia de trabalho é baixo. | Sim |
Removido |
Removido |
Baixa utilização de Água Por colaborador |
Detecção de Anomalias de Dados |
A utilização total de água reportada por colaborador por dia de trabalho é baixa. | Sim |
Removido |
Removido |
Efluentes Elevados |
Detecção de Anomalias de Dados |
O total de efluentes reportado é elevado. | Sim |
Sim |
Sim |
Ignorar fatores de emissão personalizados elevados inseridos pelo usuário |
Cálculo |
Os utilizadores podem inserir quaisquer valores numéricos para fatores de emissão personalizados. No FEM 2023, os valores que excedem o intervalo de fatores de emissão normais esperados (entre 0 e 1,6) para a fonte de combustível serão ignorados quando as emissões de GEE forem calculadas. No FEM 2023, estes valores inseridos pelo utilizador não são utilizados em nenhum cálculo. | Sim |
Sim |
Sim |
Alto Consumo de Energia |
Detecção de Anomalias de Dados |
Fontes Individuais: A utilização da fonte de energia individual (ex. carvão) é alta no contexto dos totais de energia. Totais: A soma de todas as fontes de energia reportadas em um tipo de instalação é alta. |
Não |
Sim |
Sim |
Alta Utilização de Água |
Detecção de Anomalias de Dados |
Fontes Individuais: A utilização da fonte de água individual (ex. águas pluviais) é alta no contexto dos totais de energia. Totais: A soma de todas as fontes de água reportadas num tipo de instalação é elevada. |
Não |
Sim |
Sim |
Alta Utilização de Energia Normalizada |
Detecção de Anomalias de Dados |
Totais: A soma normalizada de todas as fontes de energia reportadas em um tipo de instalação é alta. | Não |
Sim |
Sim |
Alta Utilização de Água Normalizada |
Detecção de Anomalias de Dados |
Totais: A soma de todas as fontes de água reportadas num tipo de instalação é elevada. | Não |
Sim |
Sim |
Mudança Significativa no Uso de Energia Ano a Ano |
Detecção de Anomalias de Dados |
O uso de fontes de energia individuais e o uso total de energia aumentaram ou diminuíram significativamente em comparação com FEM2023. | Não |
Sim |
Sim |
Mudança Significativa na Utilização de Água em Relação ao Ano Anterior |
Detecção de Anomalias de Dados |
A utilização de fontes de água individuais e a utilização total de água aumentaram ou diminuíram significativamente em comparação com FEM2023. | Não |
Sim |
Sim |
Metodologia de Detecção de Anomalias de Dados do Higg FEM
Para saber mais sobre a detecção de anomalias de dados, leia a Metodologia de Detecção de Anomalias de Dados Higg FEM da Worldly.
Resumo: Uma visão geral de alto nível sobre quando a Detecção de Anomalias de Dados é acionada e o que isso significa.
Definição de valores atípicos de dados: Qual é a diferença entre um valor atípico errôneo e um valor atípico verdadeiro?
Conjunto de dados inicial: Cascale e Worldly utilizaram o conjunto completo de avaliações FEM23 para estabelecer limites de valores atípicos para uso com avaliações FEM24.
Abordagem para Identificar Valores Atípicos: Aprenda como um método estatístico padrão, o Intervalo Interquartil, é usado para identificar valores atípicos.
Mudança Única Ano a Ano (YoY): Leia sobre como a comparação YoY sinaliza valores anormalmente grandes e o que foi incluído no desenvolvimento deste recurso.
Limites de Valores Atípicos de Energia/Água Total: Visualize estas duas tabelas para entender os valores limite para valores atípicos de Energia e Água.
O que posso esperar com a Detecção de Anomalias de Dados?
A Detecção de Anomalias de Dados foi lançada em 19 de fevereiro de 2025. Se a avaliação Higg FEM de uma instalação foi publicada antes dessa data, a instalação precisará esperar até depois desta data para poder aproveitar a verificação de dados.
Além disso, desde que não tenham começado a verificar dados com um Verificador e seja antes de 30 de abril de 2025, as instalações podem cancelar a publicação da sua avaliação para usar a verificação de dados para procurar Detecção de Anomalias de Dados nas suas respostas antes de republicar a sua avaliação.
Por exemplo, se uma instalação publicou a sua avaliação em 31 de janeiro de 2025, terá de fazer o seguinte entre 19 de fevereiro e 30 de abril de 2025:
- Cancelar a publicação da avaliação
- Use a Detecção de Anomalias de Dados para verificar os dados da avaliação
- Repostar a avaliação deles
A detecção de Anomalias de Dados ano após ano também estará disponível em meados de março.
O que é considerado uma Anomalia de Dados?
- Anomalias de dados errôneas são pontos de dados que surgem de erros durante a coleta, registro, cálculo ou entrada de dados. Elas representam imprecisões e não refletem os verdadeiros padrões subjacentes nos dados. Por exemplo, um erro tipográfico que registra a idade de uma pessoa como 250 anos em vez de 25 seria uma anomalia errônea, pois não corresponde a um valor realista. Da mesma forma, registrar um valor de Energia nas unidades erradas sem conversão (por exemplo, um valor em megajoules, MJ, atribuído a unidades de quilowatt-hora, kWh) também leva a anomalias errôneas. Esses "dados ruins" devem ser identificados e tratados – normalmente por remoção ou correção (por exemplo, por meio de verificação ou substituição por valores imputados) – para manter a integridade da análise.
- Verdadeiras anomalias são pontos de dados legítimos que são estatisticamente raros, mas não errôneos. Elas ocorrem naturalmente nos dados e refletem fenômenos ou ocorrências reais. Verdadeiras anomalias frequentemente fornecem informações valiosas sobre comportamentos ou eventos incomuns, mas válidos. Por exemplo, um aumento anômalo no uso de Energia da Instalação pode corresponder ao aumento de refrigeração implementada durante uma onda de calor. Verdadeiras anomalias podem revelar tendências críticas, riscos ou oportunidades e não devem ser descartadas sem análise.
FDM para FEM Detecção de Anomalias de Dados
Tanto o FEM quanto o FEM exigem Detecção de Anomalias de Dados antes da publicação.
Observe que, embora os dados do FDM importados para o FEM não sejam verificados durante a transferência, o FEM executa a Detecção de Anomalias de Dados nos dados importados antes de a avaliação ser publicada.
FAQ
Um usuário do Higg FEM identificou dados que parecem incorretos. O que deve fazer?
Se um usuário ou a equipe da Worldly encontrar dados imprecisos que chegaram até os resultados finais do Higg FEM 2023, o usuário deve relatar esses problemas diretamente ao seu gerente de membros da Cascale e ao Suporte da Worldly.O processo para corrigir respostas do FEM após a verificação ter sido concluída está descrito com mais detalhes no Protocolo de Verificação FEM, seção 4.10. É fundamental que a Instalação esteja envolvida e disposta a participar neste processo, e este deve ser iniciado pela Instalação.
Aqui está como iniciar o processo, a partir do Protocolo:
- 4.10.3 Atualmente, alterações VRF são permitidas apenas para imprecisões confirmadas em Dados Quantitativos (por exemplo, dados de uso de energia ou água, dados quantitativos relacionados a cálculos de emissões de GEE, volume de efluentes ou quantidades de resíduos, etc.)
- 4.10.4 Para iniciar o Processo de Solicitação de Alteração VRF, a instalação deve entrar em contato com o VPM através de FEM@Sumerra.com com sua solicitação e fornecer detalhes da imprecisão, valor corrigido, bem como o motivo pelo qual a instalação não identificou a imprecisão e não utilizou o processo VRE antes de finalizar seu módulo.
Para garantir que os dados inseridos no Higg FEM 2024 sejam de alta qualidade, os clientes devem focar em:
1. Orientando seus parceiros de instalação a aproveitar todos os recursos e orientações disponíveis para eles, incluindo e-learning, orientação por pergunta e seleção de tradução/idioma.
2. Usando o FDM para capturar dados quantitativos ao longo do ano, tanto para detectar problemas de qualidade de dados mais cedo quanto para simplificar o preenchimento do Higg FEM no final do ano.
3. Verificação dupla dos dados quantitativos antes do envio para o ASC, especialmente se for após 30 de abril de 2025, quando as instalações não poderão mais cancelar a publicação após o envio.
4. Revisando os dados quantitativos novamente após a verificação estar completa, antes de finalizar e publicar no VRF.
Como os controles de detecção de anomalias aparecem dentro da avaliação?
Essas verificações que detectam anomalias pedem aos usuários que atualizem seus valores. Eles podem publicar com esses valores se os revisarem e comentarem por que o valor está correto. As validações que impedem completamente a publicação aparecerão em vermelho abaixo do valor sinalizado.