ANÁLISE MULTIDIMENSIONAL DO MODELO DE INTEGRAÇÃO DE...
Transcript of ANÁLISE MULTIDIMENSIONAL DO MODELO DE INTEGRAÇÃO DE...
FLAVIO MARQUES AZEVEDO
ANÁLISE MULTIDIMENSIONAL DO MODELO DE INTEGRAÇÃO DE RECURSOS ENERGÉTICOS:
APLICAÇÃO DA TECNOLOGIA OLAP Dissertação apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do Título de Mestre em Engenharia.
São Paulo
2005
FLAVIO MARQUES AZEVEDO
ANÁLISE MULTIDIMENSIONAL DO MODELO DE INTEGRAÇÃO DE RECURSOS ENERGÉTICOS:
APLICAÇÃO DA TECNOLOGIA OLAP
Dissertação apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do Título de Mestre em Engenharia.
Área de Concentração: Sistemas de Potência
Orientador: Prof. Dr. José Aquiles Baesso Grimoni
São Paulo
2005
FICHA CATALOGRÁFICA
Azevedo, Flavio Marques Análise Multidimensional do Modelo de Integração de Recursos
Energéticos: aplicação da tecnologia OLAP, São Paulo, 2005. 97p. Dissertação (Mestrado) – Escola Politécnica da Universidade de São
Paulo. Departamento de Engenharia de Energia e Automação Elétricas. 1.Planejamento Energético 2.Planejamento Integrado de Recursos
3.OLAP 4.Data Warehouse – Universidade de São Paulo. Escola Politécnica. Departamento de Engenharia de Energia e Automação Elétricas.
AGRADECIMENTOS
Aos Prof. Dr. Miguel Edgar Morales Udaeta e Prof. Dr. André Luiz
Veiga Gimenes, responsáveis pelo delineamento e escopo do presente
trabalho, fruto de muitas conversas e questionamentos.
Ao Prof. Dr. José Aquiles Baesso Grimoni, orientador e responsável
direto pelo desenvolvimento e estrutura desta dissertação.
Aos Prof. Dr. José Roberto Cardoso e Prof. Dr. Nelson Kagan, pelo
apoio dado diante das dificuldades apresentadas durante o desenvolvimento
final da dissertação.
5
RESUMO
O presente trabalho tem por objetivo central a sistematização de dados,
tendo-se como ponto de partida a metodologia de Integração dos Recursos,
considerada uma das etapas do Planejamento Integrado de Recursos – PIR. Bem
fundamentada tecnicamente através da aplicação de conceitos de depósito de dados
(data warehouse), tal sistematização viabiliza a análise multidimensional das
informações, característica essencial da tecnologia OLAP (On Line Analytical
Processing).
A aderência da tecnologia OLAP ao PIR é nitidamente consolidada através do
Estudo de Caso apresentado no decorrer dos capítulos, principalmente no
estabelecimento de alguns parâmetros e padrões que podem ser utilizados por
diversos pesquisadores ou com ferramentas já existentes, dentro de outras
metodologias que já incorporam as características regionais intrínsecas do
planejamento.
Sem perder o foco, é dado igual teor e grau de importância tanto à tecnologia
quanto ao tema central de Integração dos Recursos, por tratar-se de uma
consolidação de metodologia baseada na implementação de uma ferramenta
(software).
Deve-se deixar explícito que a ferramenta não realiza as etapas do modelo de
integração, e sim possibilita uma análise da evolução dos processos, criando-se uma
base de conhecimento histórica muito rica e de vital importância para a validação
desse modelo. A ferramenta em questão irá proporcionar a análise de informações
previamente consolidadas, isto é, obtidas através de outras fontes tais como planilhas
de cálculo, sendo devidamente inseridas e tratadas visando atender o modelo
multidimensional do banco de dados, proporcionando condições de análise após a
integração de recursos ser efetuada.
6
ABSTRACT
The main purpose of this work is the data systematization, and its Resources
Integration Model, being one of the steps to the Integrated Resource Planning – IRP.
With a good technical basis, by application of Data Warehouse concepts, this
systematization provides a multidimensional information analysis, an essential
characteristic of the OLAP (On line Analytical Processing) technology.
The OLAP technology adherence to IRP is plainly consolidated through
Case Study presented during the chapters, mainly in the some parameters and
standards establishment witch can be useful for many researches or with tools that
already exist, inside other methodologies which are part of the planning inherent
regional characteristics.
Keeping the focus on this, is conferred as the technology as the mainly
Resources Integration subject the same percentage and relevance, because the
methodology consolidation based on a tool improvement (software).
It must be clear that this tool does not accomplish the integration model
stages, but enables the process analysis evolution, by creating a very rich and
important historical knowlegment basis to validate this model. This tool will provide
an information analysis previously consolidated, this is, acquired through another
resources like spread sheets, properly inserted to attend the databases
multidimensional model, offering ways to analysis after the resources integration.
7
SUMÁRIO 1. INTRODUÇÃO .................................................................................................. 1
1.1. O Planejamento Integrado de Recursos Energéticos ................................... 2
1.2. Modelo de Integração dos Recursos ............................................................ 3
1.3. Abordagem Tecnológica .............................................................................. 7
1.4. Roteiro do Trabalho ..................................................................................... 8
2. CONCEITUAÇÃO DE OLAP.......................................................................... 9
2.1. Necessidade de um Data Warehouse ......................................................... 10
2.2. Arquitetura do Data Warehouse................................................................. 11
2.3. Dimensionalidade e Processamento Analítico ........................................... 11
2.3.1. A questão das Dimensões .................................................................. 11
2.3.2. Dimensões e Bancos de Dados Relacionais....................................... 14
2.3.3. Esquemas do tipo ESTRELA e FLOCO DE NEVE.......................... 14
2.3.4. Desenvolvendo um Data Warehouse ................................................. 16
2.4. Extraindo Informações de um DW ............................................................. 19
3. FASES DO PROJETO DE IMPLEMENTAÇÃO ........................................ 20
3.1. Requisitos do Usuário ................................................................................ 20
3.2. Projeto da Solução ..................................................................................... 20
3.3. Agregações e análise mais complexa......................................................... 23
3.4. Indicadores de Sustentabilidade................................................................. 24
4. METODOLOGIA DE DESENVOLVIMENTO ........................................... 25
4.1. O que podemos chamar de Esquema ?....................................................... 25
4.2. Modelo Lógico........................................................................................... 26
4.2.1. Cubo ................................................................................................... 27
4.2.2. Medidas .............................................................................................. 28
4.2.3. Dimensões .......................................................................................... 28
4.2.4. Dimensões Compartilhadas................................................................ 31
4.2.5. Elementos XML utilizados no Esquema............................................ 31
4.3. Descrição dos Elementos ........................................................................... 32
4.3.1. Etapa 1: Mapeamento Regional ......................................................... 35
4.3.2. Etapa 2: Determinação de Recursos e Demandas Regionais ............. 45
4.3.3. Etapa 3: Participação dos Envolvidos-Interessados........................... 48
8
4.3.4. Etapa 4: Determinação de Critérios e Elementos de Análise............. 49
4.3.5. Etapa 5: Avaliação dos Custos Completos - ACC............................. 50
4.3.6. Etapa 6: Alocação Temporal de Recursos para o Plano Preferencial 51
4.3.7. Etapa 7: Composição de Cenários...................................................... 53
4.3.8. Etapa 8: Análise Socioeconômica do Plano....................................... 53
4.3.9. Etapa 9: Análise das Iterações............................................................ 53
4.4. Considerações acerca do Modelo............................................................... 54
5. ESTUDO DE CASO......................................................................................... 55
5.1. Introdução .................................................................................................. 55
5.2. A Integração de Recursos........................................................................... 57
5.2.1. Detalhes da ferramenta utilizada........................................................ 57
5.2.2. Etapa 1: Mapeamento Regional ......................................................... 59
5.2.3. Etapa 2: Determinação de Recursos e Demandas Regionais ............. 65
5.2.4. Etapa 3: Participação dos Envolvidos-Interessados........................... 67
5.2.5. Etapa 4: Determinação de Critérios e Elementos de Análise............. 67
5.2.6. Etapa 5: Avaliação dos Custos Completos - ACC............................. 69
5.2.7. Etapa 6: Alocação Temporal de Recursos para o Plano Preferencial 71
5.2.8. Etapa 7: Composição de Cenários...................................................... 73
5.2.9. Etapa 8: Análise Socioeconômica do Plano....................................... 73
5.2.10. Etapa 9: Análise das Iterações............................................................ 73
6. RESULTADOS..................................................................................................... 79
7. CONCLUSÕES .................................................................................................... 80
7.1. Desenvolvimentos Futuros......................................................................... 81
ANEXO A – Método da Avaliação dos Custos Completos................................... 83
ANEXO B – Determinação de Critérios e Elementos de Análise ....................... 90
ANEXO C – Estrutura Física do Data Warehouse............................................... 94
REFERÊNCIAS BIBLIOGRÁFICAS ................................................................... 95
9
LISTA DE FIGURAS Figura 1.1: Diagrama do Processo de Integração (GIMENES, 2004) ........................ 6
Figura 1.2: Processos do KDD..................................................................................... 7
Figura 2.1: Dimensões e seus Níveis hierárquicos .................................................... 13
Figura 2.2: Modelo Estrela / Esquema Estrela........................................................... 15
Figura 2.3: A Dimensão Região Normalizada ........................................................... 15
Figura 3.1: Representação da Estrutura do Servidor OLAP ...................................... 22
Figura 4.1: Representação do Cubo MR_SOCIAL.................................................. 35
Figura 4.2: Modelo lógico do cubo MR_SOCIAL .................................................... 36
Figura 4.3: Representação do Cubo MR_ECON_ATV............................................. 37
Figura 4.4: Modelo lógico do cubo MR_ECON_ATV.............................................. 38
Figura 4.5: Representação do Cubo MR_ECON_DESPESA.................................... 38
Figura 4.6: Modelo lógico do cubo MR_ECON_ATV.............................................. 39
Figura 4.7: Representação do Cubo MR_INFRA_ESTRUTURA ............................ 39
Figura 4.8: Modelo Lógico do Cubo MR_INFRA_ESTRUTURA........................... 40
Figura 4.9: Representação do Cubo MR_AMBIENTAL .......................................... 41
Figura 4.10: Modelo Lógico do Cubo MR_AMBIENTAL....................................... 42
Figura 4.11: Representação do Cubo BEN_CFINAL................................................ 42
Figura 4.12: Modelo Lógico do Cubo BEN_CFINAL .............................................. 43
Figura 4.13: Representação do Cubo BEN_OFERTA............................................... 44
Figura 4.14: Modelo Lógico do Cubo BEN_OFERTA ............................................. 45
Figura 4.15: Representação do Cubo MR_DEMANDA ........................................... 46
Figura 4.16: Modelo Lógico do Cubo MR_DEMANDA .......................................... 47
Figura 4.17: Representação do Cubo MR_OFERTA ................................................ 47
Figura 4.18: Modelo Lógico do Cubo MR_OFERTA............................................... 48
Figura 4.19: Representação do Cubo PART_EN_IN ................................................ 49
Figura 4.21: Representação do Cubo ACC................................................................ 50
Figura 4.22: Modelo Lógico do Cubo ACC .............................................................. 51
Figura 4.23: Representação do Cubo ALOC_TEMPORAL...................................... 52
Figura 4.24: Modelo Lógico do Cubo ALOC_TEMPORAL .................................... 53
Figura 5.1: Estrutura física na RDSM (MAMIRAUA, 2004) ................................. 56
Figura 5.2: Menu de Navegação ................................................................................ 58
10
Figura 5.3: Visualização dos Dados Sociais por ano - região.................................... 60
Figura 5.4: Gráfico comparativo entre as regiões ...................................................... 61
Figura 5.5: Visualização Gráfica das Despesas ......................................................... 63
Figura 5.6: Gráfico com os Dados Ambientais.......................................................... 64
Figura 5.7: Gráfico da Demanda Atual ...................................................................... 65
Figura 5.8: Custo do Combustível / Custo Atual da Energia..................................... 66
Figura 5.9: Evolução das Demandas Atual e Incremental ........................................ 68
Figura 5.10: Classificação dos Recursos – Momento Inicial..................................... 71
Figura 5.11a: Evolução da Energia Elétrica ao longo do Período ............................. 77
Figura 5.11b: Evolução da Energia Elétrica ao longo do Período ............................. 77
Figura 5.12a: Evolução da Capacidade Instalada ao longo do Período ..................... 78
Figura 5.12b: Evolução da Capacidade Instalada ao longo do Período..................... 78
11
LISTA DE TABELAS Tabela 4.1: Apresentação dos Dados de um Cubo hipotético.................................... 27
Tabela 4.2: Elementos XML utilizados no Esquema................................................. 32
Tabela 5.1: Dados Sociais – Medidas ........................................................................ 59
Tabela 5.2: Comparativo percentual por região......................................................... 60
Tabela 5.3: Dados Econômicos – Despesas da População ....................................... 62
Tabela 5.4: Dados Ambientais ................................................................................... 64
Tabela 5.5: Caracterização da Demanda Atual .......................................................... 65
Tabela 5.6: Peso do Preço do Combustível no Valor Final da Energia ..................... 66
Tabela 5.7: Participação do Envolvidos-Interessados................................................ 67
Tabela 5.8: Caracterização das Demandas Atual e Incremental ................................ 68
Tabela 5.9: Elementos de Análise em Termos Percentuais ....................................... 69
Tabela 5.10: ACC – Avaliação para o Momento Inicial........................................... 69
Tabela 5.11: ACC – Classificação dos Recursos para o Momento Inicial ................ 70
Tabela 5.12: Alocação Temporal dos Recursos......................................................... 72
Tabela 5.13: Evolução dos Pesos - Dimensão Técnico-Econômica .......................... 75
Tabela 5.14: Evolução dos Pesos - Dimensão Ambiental.......................................... 76
12
LISTA DE ABREVIATURAS E SIGLAS
ACC - Avaliação dos Custos Completos
DW - Data Warehouse (Depósito de Dados)
FMO - Funções Multiobjetivo
GEPEA - Grupo de Energia do Departamento de Energia e Automação
Elétricas da Escola Politécnica da Universidade de São Paulo
GLD - Gerenciamento pelo Lado da Demanda
GLP - Gás Liquefeito de Petróleo
GN - Gás Natural
GNL - Gás Natural Liquefeito
IBGE - Instituto Brasileiro de Geografia e Estatística
IDSM - Instituto de Desenvolvimento Sustentável Mamirauá
KDD - Knowledge Discovery in Database
LEAP - Low Range Energy Alternatives Planning System
OLAP - On line Analytical Processing (Processamento Analítico On Line)
PIR - Planejamento Integrado de Recursos
RDSM - Reserva de Desenvolvimento Sustentável Mamirauá
SQL - Structured Query Language
TED - Technological and Environment Database (LEAP)
TEP - Tonelada Equivalente de Petróleo
XML - Extensible Markup Language
XSLT - Extensible Stylesheet Language Transformation`
1
1. INTRODUÇÃO
O aplicativo a ser implementado, uma das vertentes principais do trabalho,
fornecerá elementos para a aplicação das metodologias existentes, além de contribuir
para que novas sejam desenvolvidas.
A fundamentação do Planejamento Integrado de Recursos - PIR, embora
tratada de forma abrangente e superficial, é extremamente importante, pois a
implementação é baseada na Metodologia de Integração dos Recursos, elaborada por
(GIMENES, 2004). Recorrer-se-á a bibliografia existente para apresentar os
conceitos abordados , mas que porventura necessitem de maiores esclarecimentos.
Devido à complexidade do problema, será necessário a criação de um
procedimento para implementação, iniciando-se através de um modelo, no qual a
estrutura de dados deve ser consistente a ponto de proporcionar informações
precisas, não importando o tipo de consulta ou o tamanho do banco de dados
utilizado. O modelo será construído segundo os conceitos de modelagem
multidimensional, através da tecnologia OLAP - On-Line Analytical Processing
(Processamento Analítico On-Line), tendo um capítulo dedicado à mesma devido a
importância.
De um ponto de vista prático, OLAP sempre “envolve consultas interativas
aos dados”, seguindo um caminho de análise através de múltiplos passos, como, por
exemplo, aprofundar-se sucessivamente por níveis mais baixos de detalhe de um
quesito de informação específico. OLAP envolve capacidades analíticas, incluindo a
derivação de taxas, variâncias, etc., e envolvendo medidas ou dados numéricos
através de muitas dimensões, devendo suportar modelos para previsões, análises
estatísticas e de tendências.
2
1.1. O Planejamento Integrado de Recursos Energéticos
Em poucos parágrafos, (UDAETA, 1997) consegue abstrair as principais
características do Planejamento Integrado de Recursos - PIR:
“O PIR, mais do que uma metodologia ou simples busca de solução, é um
processo que permite encontrar a realização continuada e monitorada do ótimo ao
longo do tempo no curto e longo prazo. Como conseqüência traz, no contexto do seu
desenvolvimento, a facilidade de se adaptar e complementar à realidade energética
local e global. Daí a dinâmica da sua implementação deverá necessariamente seguir
uma abordagem progressiva, não como algo inédito ou novo, mas a partir de uma
base de sustentação formada pela instrumentação e concatenação dos modelos,
métodos e sistemas hoje existentes.
As estratégias de produção, transmissão, distribuição e uso da energia tem
um papel preponderante na busca do desenvolvimento sustentado. As necessidades
de uma visão completa do problema e de métodos de avaliação que ponderem
completa e complementarmente os diversos aspectos técnicos, ambientais, sócio-
econômicos e sócio-políticos envolvidos requerem modificações na forma
tradicional de estudar e planejar tais estratégias. Pelo que as abordagens,
metodologias e técnicas de planejamento do Setor Elétrico devem incorporar
aspectos globais e particulares (convencionais e não), enfatizar alternativas não
tradicionais, e permitir participação dos Envolvidos-Interessados de uma forma ou
outra no processo. O PIR diferencia-se do planejamento tradicional na classe e na
abrangência dos recursos considerados, na participação real dos proprietários e
não proprietários dos recursos, dos organismos envolvidos no plano de recursos, e
nos critérios da seleção das alternativas.”
O estabelecimento da melhor alocação ótima dos recursos ao longo do tempo,
objetivo do PIR, implica em: procurar o uso racional dos serviços de energia,
considerar a conservação de energia como recurso energético, utilizar o enfoque
“usos finais” para determinar o potencial de conservação e os custos e benefícios
envolvidos na sua implementação, promover o planejamento com maior eficiência
3
energética e adequação ambiental e realizar a análise das incertezas associadas com
os diferentes fatores externos e as opções de recursos.
Através desse processo, trata-se de atender os requerimentos de energia por
“serviços energéticos”, ou seja, força motriz, iluminação, cocção, condicionamento
ambiental, entre outros, mantendo-se o mesmo nível de conforto e bem estar e o
mesmo nível de atividades produtivas da sociedade, em seus segmentos domiciliar,
comercial e industrial, com redução no consumo de energia e nos custos.
O distanciamento do PIR diante do Planejamento Tradicional, alavancou o
desenvolvimento do modelo de Integração dos Recursos, o qual, segundo
(GIMENES, 2004), permite a efetiva inserção das dimensões sociais, político e
ambientais, além da técnico-econômica, no processo de planejamento, de forma
balanceada e com o mesmo grau de importância.
A Integração dos Recursos, uma etapa já prevista dentro do PIR, torna-se
então o objeto de estudo deste trabalho. Não a metodologia propriamente dita, e sim
a sistematização da mesma, segundo princípios tecnológicos bem fundamentados.
1.2. Modelo de Integração dos Recursos
Segundo (GIMENES,2004), o processo de Integração de Recursos pode ser
descrito por 9 (nove) etapas principais:
“Etapa 1: Mapeamento Regional, onde são levantados os dados (históricos
e atuais) sociais, econômicos, ambientais e de infra-estrutura da região de estudo.
Também são identificados e alistados aspectos dos usos múltiplos dos recursos
naturais.
O objetivo principal desta etapa é possibilitar a identificação de
potencialidades e limitações relativas ao planejamento energético de determinada
localidade.
4
Etapa 2: Determinação de Recursos e Demandas Regionais, no qual são
levantados e sistematizados dados referentes a todo tipo de demanda regional que
possa influenciar o processo de planejamento energético e de desenvolvimento
regional. Para tanto, são utilizadas técnicas já consolidadas de previsão da
demanda.
É também na Etapa 2 que os recursos energéticos, tanto de oferta como de
demanda, serão caracterizados segundo seus aspectos técnicos e de impactos
sociais, ambientais e políticos.
Dessa forma, ter-se-á, ao final da Etapa 2 uma quantificação das demandas
usual e reprimida e também uma caracterização detalhada dos recursos energéticos
possíveis para a região.
Etapa 3: Participação dos Envolvidos-Interessados - En_In, que envolve a
aplicação de metodologias para levantamento e participação dos Envolvidos-
Interessados no processo de planejamento.
Como resultado desta etapa, ter-se-á a identificação de metas e objetivos dos
En_In, bem como parâmetros balizadores da ACC - Avaliação dos Custos
Completos.
Etapa 4: Determinação de Critérios e Elementos de Análise, que envolverá
a identificação das Funções Multiobjetivo - FMO mais importantes e seu tratamento
para inserção como elemento de análise do processo de planejamento. Além de
identificar as FMO iniciais, esta etapa envolve a identificação da evolução destas
FMO ao longo do tempo, através da repetição da Etapa 3, quando necessário.
Dessa maneira, como resultado da Etapa 4 ter-se-á a caracterização das
Funções Multiobjetivo em cada intervalo considerado e a determinação de
parâmetros para realização da ACC e balizamento da Integração de Recursos em si.
Etapa 5: Avaliação dos Custos Completos - ACC, que envolve a aplicação
da metodologia de ACC. Como resultado desta etapa, ter-se-á uma classificação dos
5
recursos energéticos disponíveis na região segundo os critérios econômico, social e
ambiental, compostos de diversos elementos de análise, conforme o grau de
refinamento que se queira, mas sempre refletindo as prioridades dos Envolvidos-
Interessados do processo.
Etapa 6: Alocação Temporal de Recursos para o Plano Preferencial, que
envolve a busca, dentre os recursos classificados na ACC e segundo condicionantes
identificados na Etapa 4, do melhor mix de recursos em cada intervalo de
discretização do período de planejamento.
Como resultado desta etapa ter-se-á o Plano Preferencial do momento
considerado (i).
Etapa 7: Composição de Cenários, se compõe da realização de estudos de
cenários para o Plano Preferencial do momento (i) realizado na Etapa 6.
Como resultado da Etapa 7 ter-se-ão as condições energéticas e ambientais
para o momento i+1. Estes dados serão utilizados para atualizar uma nova iteração
do processo.
Etapa 8: Análise Socioeconômica do Plano, que se refere a análises
suplementares às realizadas na Etapa 7, de forma a abranger a consideração da
dinâmica socioeconômica do plano.
Etapa 9: Iterações, nesta etapa serão analisados os aspectos mais relevantes
a serem considerados no processo iterativo de composição do Plano Preferencial.
Nela também serão explicitadas as premissas adotadas para este processo.
O processo de Integração de Recursos estará completo ao se concluir as n
iterações segundo o número n com o qual se discretizou o período de planejamento
desejado.”
6
A Figura 1.1 representa o Modelo de Integração através de um fluxograma,
especificando os processos de entrada e saída, além dos produtos resultantes de cada
Etapa.
Figura 1.1: Diagrama do Processo de Integração (GIMENES, 2004)
7
1.3. Abordagem Tecnológica
Antes de serem apresentados detalhamentos da tecnologia utilizada, devem-se
caracterizar as possibilidades que a utilização da mesma irá proporcionar ao objeto
de estudo: a Integração de Recursos.
A estrutura tecnológica utilizada está situada dentro do processo conhecido
como KDD (Knowledge Discovery in Database), considerada por
(BRACHMAN,1996) como “uma tarefa cujo uso de conhecimento é intensivo,
consistindo de complexas interações, prolongadas no tempo , entre uma pessoa e
um banco de dados, possivelmente suportada por um conjunto heterogêneo de
ferramentas.”
No presente trabalho, será utilizado como técnica de manipulação de dados o
Processamento Analítico On-Line - OLAP, deixando-se a aplicação de técnicas de
Mineração de Dados como parte de Desenvolvimentos Futuros, principalmente
quando aspectos subjetivos forem analisados conjuntamente com suas respectivas
complexidades. A Figura 1.2 ilustra bem o posicionamento da tecnologia utilizada
diante do processo de aquisição de conhecimento.
Figura 1.2: Processos do KDD
8
1.4. Roteiro do Trabalho
Este trabalho será constituído por 7 capítulos, contando com este de
introdução, os quais serão desenvolvidos seguindo-se os critérios:
Capítulo 2, tratando conceitualmente da tecnologia OLAP, inserindo-a no
contexto do planejamento de recursos no setor elétrico. Serão apresentados neste
capítulo todos os termos utilizados na etapa de implementação do modelo de
integração, para que o leitor fique habituado com as denominações de caráter
tecnológico, que servirão para fundamentar a aplicação proposta.
Capítulo 3, onde se tem início a concretização da metodologia, apresentando
todos os passos e procedimentos para o desenvolvimento de uma ferramenta OLAP e
reunindo todos os princípios básicos inerentes à mesma, desde os requisitos do
usuário até a determinação da estrutura que fará parte da análise.
Capítulo 4, destinado à implementação da Metodologia de Integração dos
Recursos, tomando-se como ponto de partida o trabalho desenvolvido por
(GIMENES, 2004), essencial para a sistematização.
Capítulo 5, especial e de suma importância para a consolidação das
informações geradas pela ferramenta, as quais deverão contar com a validação e
apreciação dos Envolvidos-Interessados – En-In na área. Será utilizado o Estudo de
Caso de Mamirauá , conforme exemplificado por (GIMENES,2004).
Capítulo 6, sumariza a obtenção dos resultados após a aplicação da tecnologia
no Modelo de integração de Recursos.
Capítulo 7, dedicado única e exclusivamente às considerações finais do
trabalho, comparando-se tudo o que foi proposto diante do que realmente foi obtido,
indicativo do nível de contribuição do presente trabalho.
9
2. CONCEITUAÇÃO DE OLAP
As organizações, após investirem tempo e recursos financeiros no
desenvolvimento de sistemas de informação e seus respectivos bancos de dados,
buscam suporte para analisar os dados provenientes de tais sistemas, e obter
informações úteis para auxiliar nos processos de planejamento e tomada de decisão.
A partir desse momento, torna-se claro que o processamento das informações
é a peça fundamental para toda e qualquer atividade realizada. Isso inclui coleta de
dados, armazenamento, transporte, manipulação e recuperação, utilizando-se ou não
a ajuda de computadores.
A informação produzida através de processos de alto nível como o PIR, é
baseada em análise, visto que , em algum momento, como o cálculo de indicadores
de sustentabilidade e até mesmo a classificação dos recursos energéticos, deve
ocorrer uma análise de dados como parte do mesmo. A informação também é
orientada à decisão, pois apresenta-se de uma forma que a torna imediatamente útil
para a tomada de decisão.
Neste contexto passamos a introduzir alguns conceitos do que chamamos de
OLAP – On-Line Analytical Processing, na Integração dos Recursos Energéticos,
pelo fato de ambos terem como pilar de sustentação o processamento de informações
orientado a decisão e por meio de análise.
Segundo o “OLAP Council” (OLAP, 1997), OLAP é uma categoria de
software que possibilita, aos especialistas, gerentes e executivos, o acesso a
diferentes visões da informação, devendo essa interação ser rápida, consistente e
amigável.
Será visto mais adiante que existem requisitos essenciais que devem ser
observados e respeitados quando se propõe a utilização da tecnologia OLAP:
estrutura dimensional rica com referência hierárquica, especificação eficiente de
dimensões e cálculos, flexibilidade, separação de estrutura e representação,
10
velocidade suficiente para oferecer suporte à analise ocasional e suporte para multi-
usuários (vários usuários podem ter acesso simultaneamente).
Em ambientes de suporte à tomada de decisão, o processamento analítico é,
geralmente, realizado em ferramentas OLAP, onde os dados são organizados em
cubos (ou hipercubos) formados por várias dimensões, sendo cada dimensão uma
perspectiva diferente de análise dos dados, possibilitando ao usuário ter uma visão
multidimensional dos dados. Cada dimensão compreende um conjunto de níveis de
agregação de dados (THOMSEN, 1997). Operações típicas de OLAP incluem a
agregação (roll-up) ou a desagregação (drill-down) de informações em uma
dimensão, a seleção de partes específicas de um cubo (slicing) e a reorientação de
visões multidimensionais dos dados na tela (pivoting) . A organização dos dados em
cubos colabora para que o acesso às informações seja rápido (pois os dados estão
agregados) e ao mesmo tempo favorece a visualização dos dados, sendo esta bastante
intuitiva (de acordo com as dimensões que definem o cubo).
O aspecto “informações consistentes”, no entanto, está muito mais
relacionado ao processo de extração e tratamento dos dados oriundos das fontes
operativas, do que com as características das ferramentas OLAP. Por essa razão,
geralmente, as aplicações OLAP são desenvolvidas em ambientes de Data
Warehousing (Depósito de Dados), onde o principal objetivo é disponibilizar dados
confiáveis e consistentes de maneira integrada.
2.1. Necessidade de um Data Warehouse
Nos últimos anos, o conceito de “Data Warehouse” - DW evoluiu
rapidamente de um considerável conjunto de idéias relacionadas para uma
arquitetura voltada para a extração de informação especializada e derivada a partir
dos dados operacionais da empresa. O estudo de uma arquitetura descrevendo o
ambiente de DW permite compreender melhor a estrutura geral de armazenamento,
integração, comunicação, processamento e apresentação dos dados que servirão para
subsidiar o processo de tomada de decisão nas empresas.
11
Inmon é responsável pela definição clássica de data warehouse (INMON,
1992):
“Data warehouse é uma coleção de dados orientada por assunto, integrada,
variante no tempo e não volátil que tem por objetivo dar suporte aos processos de
tomada de decisão”.
2.2. Arquitetura do Data Warehouse
Para ser útil, o DW deve ser capaz de responder a consultas avançadas de
maneira rápida, sem deixar de mostrar detalhes relevantes à resposta. Portanto, deve
possuir uma arquitetura que lhe permita coletar, manipular e apresentar os dados de
forma eficiente e rápida. Todavia, construir um DW eficiente, que servirá de suporte
a decisões para a empresa, exige mais do que simplesmente descarregar ou copiar os
dados dos sistemas atuais para um banco de dados maior. Deve-se considerar que os
dados provenientes de vários sistemas podem conter redundâncias e diferenças, então
antes de passá-los para o DW é necessário aplicar filtros sobre eles.
O estudo de uma arquitetura permite compreender como o DW faz para
armazenar, integrar, comunicar, processar e apresentar os dados que os usuários
utilizarão em suas decisões. Um DW pode variar sua arquitetura conforme o tipo de
assunto abordado, pois as necessidades também variam de empresa para empresa. É
possível definir uma arquitetura genérica onde praticamente todas as camadas
necessárias são apresentadas, ou arquiteturas que utilizam somente algumas das
camadas definidas, como as arquiteturas em duas e três camadas.
2.3. Dimensionalidade e Processamento Analítico
2.3.1. A questão das Dimensões
Obter respostas a questões típicas de análise dos negócios de uma empresa
geralmente requer a visualização dos dados segundo diferentes perspectivas.
12
Como exemplo, dentro do contexto do Balanço Energético, tem-se que uma
parcela de energia primária é consumida diretamente nos diversos setores da
economia, sendo este consumo designado por consumo final. Caso queira-se efetuar
uma análise do consumo final ao longo dos anos, é necessário inicialmente examinar
os dados sobre o Balanço Energético disponíveis. Uma avaliação deste tipo requer
uma visão histórica do consumo energético sob múltiplas perspectivas, como: a
evolução do consumo final por fonte energética ou por setor econômico e a
composição setorial do consumo final de eletricidade. Uma análise superficial do
volume de dados, utilizando uma ou mais destas perspectivas, permitiria responder
questões do tipo:
Qual a fonte energética de maior consumo final considerando-se o período
de 1973 à 2000, dentro do setor de transportes e residencial para a Região Sudeste
do Brasil ?
A capacidade de responder a este tipo de questão é o que permite aos gerentes
e altos executivos das empresas formular estratégias efetivas, identificar tendências e
melhorar sua habilidade de tomar decisões de negócio. O ambiente tradicional de
bancos de dados relacional certamente pode atender a este tipo de consulta. No
entanto, usuários finais que necessitam de consultas deste tipo via acesso interativo
aos bancos de dados, mostram-se seguidamente frustrados por tempos de resposta
ruins e pela falta de flexibilidade oferecida por ferramentas de consulta baseadas em
Linguagem de Consulta Estruturada (Structured Query Language - SQL). Daí a
necessidade de utilizar abordagens específicas para atender a estas consultas.
Para compreender melhor os conceitos envolvidos, o exemplo acima será
analisado em maior detalhe. Chama-se de dimensões as diferentes perspectivas
envolvidas; no caso, recurso, região, setor da economia e tempo. Estas dimensões
usualmente correspondem a campos não numéricos em um banco de dados.
Consideremos também um conjunto de medidas, tal como consumo final de energia.
Estas medidas correspondem geralmente a campos numéricos em um banco de
dados. Dentro deste contexto, podem ser avaliadas agregações das medidas segundo
as diversas dimensões. Por exemplo, calcula-se a média de consumo de todos os
recursos por todos os meses por região. A forma como estas agregações são
13
armazenadas pode ser caracterizada em termos de dimensões e coordenadas, dando
origem ao termo multidimensional.
Ao contrário de aplicações convencionais como folha de pagamento ou
inventário, a classificação de instâncias em problemas multidimensionais é uma
questão de perspectiva, sendo dependente do objetivo da análise do usuário, ao invés
de considerar propriedades inerentes das entidades ou eventos envolvidos. Os tipos
de classificação usados fazem surgir as dimensões descritivas, segundo as quais
observações dos objetos ou eventos são vistos e mensurados.
Intuitivamente, cada eixo no espaço multidimensional é um campo/coluna de
uma tabela relacional e cada ponto um valor correspondente à interseção das colunas.
A Figura 2.1 mostra como os dados podem ser apresentados e visualizados
dentro de uma estrutura multidimensional.
Figura 2.1: Dimensões e seus Níveis hierárquicos
Teoricamente, quaisquer dados podem ser considerados multidimensionais.
Entretanto, o termo normalmente se refere a dados representando objetos ou eventos
que podem ser descritos, e portanto, classificados, por dois ou mais de seus atributos.
14
2.3.2. Dimensões e Bancos de Dados Relacionais
Estruturas relacionais podem ser usadas para a representação e o
armazenamento de dados multidimensionais. Neste caso, as abordagens encontradas
incluem desde a adoção de formas específicas de modelagem (os chamados
esquemas estrela e floco de neve) até mecanismos sofisticados de indexação.
2.3.3. Esquemas do tipo ESTRELA e FLOCO DE NEVE
Em um esquema do tipo estrela ou "star" as instâncias são armazenadas em
uma tabela contendo o identificador de instância, valores das dimensões descritivas
para cada instância, e valores dos fatos, ou medidas, para aquela instância (tabela de
fatos). Além disso, pelo menos uma tabela é usada, para cada dimensão, para
armazenar dados sobre a dimensão (tabela de dimensão). No caso mais simples, a
tabela de dimensão tem uma linha para cada valor válido da dimensão. Esses valores
correspondem a valores encontrados na coluna referente àquela dimensão na tabela
de fatos.
Este esquema é chamado de estrela, por apresentar a tabela de fatos
"dominante" no centro do esquema e as tabelas de dimensões nas extremidades. A
tabela de fatos é ligada às demais tabelas por múltiplas junções, enquanto as tabelas
de dimensões se ligam apenas à tabela central por uma única junção. A Figura 2.2
mostra um exemplo de um modelo tipo estrela.
A tabela de fatos é onde as medidas numéricas do fato representado estão
armazenadas. Cada uma destas medidas é tomada segundo a interseção de todas as
dimensões. No caso do exemplo, uma consulta típica selecionaria fatos da tabela
consumo a partir de valores fornecidos relativos a cada dimensão.
A Figura 2.2 ilustra o Esquema Estrela, baseando-se no exemplo mencionado
anteriormente.
15
Figura 2.2: Modelo Estrela / Esquema Estrela
Outro tipo de estrutura bastante comum é o esquema do tipo floco de neve ou
"snowflake", que consiste em uma extensão do esquema estrela onde cada uma das
"pontas" da estrela passa a ser o centro de outros estrelas. Isto porque cada tabela de
dimensão seria normalizada*, "quebrando-se" a tabela original ao longo de
hierarquias existentes em seus atributos. No caso do exemplo, a dimensão região
possui uma hierarquia definida onde País se divide em Estado e Estado se divide em
Município (Figura 2.3). Da mesma forma, a dimensão tempo inclui ano que contem
mês e mês que contem dia-do-mês. Cada um destes relacionamentos muitos-para-1
geraria uma nova tabela em um esquema floco de neve.
Figura 2.3: A Dimensão Região Normalizada
Kimball (KIMBALL, 1996) aconselha os projetistas "bem-intencionados" a
resistirem à tentação de transformar esquemas estrela em esquemas floco de neve,
devido ao impacto da complexidade deste tipo de estrutura sobre o usuário final,
enquanto que o ganho em termos de espaço de armazenamento seria pouco relevante.
----------------------------------- *A normalização de tabelas tem por objetivo principal resolver problemas de atualização de bases de dados, minimizando redundâncias.
16
2.3.4. Desenvolvendo um Data Warehouse
A extração, limpeza, transformação e migração de dados dos sistemas
existentes na empresa para o DW constituem tarefas críticas para o seu
funcionamento efetivo e eficiente. Diversas técnicas e abordagens têm sido
propostas, algumas bastante genéricas e outras especialmente voltadas para a
manutenção de integridade dos dados num ambiente caracterizado pela derivação e
replicação de informações.
Os produtos oferecidos no mercado procuram automatizar processos que
teriam de ser feitos manualmente ou utilizando ambientes de programação de mais
baixo nível. De fato, não existe uma ferramenta única capaz de oferecer suporte aos
processos de extração, limpeza, transformação e migração dos dados: diferentes
ferramentas especializam-se em questões específicas.
O grande desafio por trás da alimentação de dados das fontes para o DW não
é técnico, mas gerencial. Muitos dos processos envolvidos - como mapeamento,
integração e avaliação de qualidade - ocorrem de fato durante a fase de análise e
projeto do DW. Especialistas afirmam que identificar fontes, definir regras de
transformação e detectar e resolver questões de qualidade e integração consomem
cerca de 80% do tempo de projeto. Infelizmente, não é fácil automatizar estas tarefas.
Embora algumas ferramentas possam ajudar a detectar problemas na
qualidade dos dados e gerar programas de extração, a maioria das informações
necessárias para desenvolver regras de mapeamento e transformação existem apenas
na cabeça dos analistas e usuários. Fatores que certamente influem na estimativa de
tempo para estas tarefas são o número de fontes e a qualidade dos metadados*
mantidos sobre estas fontes.
------------------------------------------ * Metadados são normalmente definidos como "dados sobre os dados". Talvez uma definição mais exata seja a de que metadado é uma abstração dos dados, ou ainda, dados de mais alto nível que descrevem dados de um nível inferior. Sem metadados, os dados não têm significado.
17
As regras de negócio associadas a cada fonte - tais como validação de
domínios, regras de derivação e dependências entre elementos de dados, são outra
fonte de preocupações. Se estas regras tiverem de ser extraídas do código fonte das
aplicações, o tempo para mapeamento e integração pode dobrar. Os processos
associados com a migração de dados das fontes para o DW incluem extração de
dados, limpeza, transformação e carga.
Segundo (KIMBALL, 1996), desenvolver um DW é uma questão de casar as
necessidades dos seus usuários com a realidade dos dados disponíveis. Aponta um
conjunto de nove pontos fundamentais no projeto da estrutura de um data warehouse.
São os seguintes os chamados pontos de decisão, que constituem definições a serem
feitas e correspondem, de fato, a etapas do projeto:
• os processos, e por conseqüência,
• a identidade das tabelas de fatos;
• a granular idade de cada tabela de fatos;
• as dimensões de cada tabela de fatos; aos fatos, incluindo fatos pré-
calculados;
• os atributos das dimensões;
• como acompanhar mudanças graduais em dimensões;
• as agregações, dimensões heterogêneas, mini-dimensões e outras decisões
de projeto físico;
• duração histórica do banco de dados;
• a urgência com que se dá a extração e carga para o data warehouse.
2.3.4.1. Extração
As várias alternativas para extração permitem balancear desempenho,
restrições de tempo e de armazenamento. Por exemplo, se a fonte for um banco de
dados on-line, pode-se submeter uma consulta diretamente ao banco para criar os
arquivos de extração. O desempenho das aplicações ligadas às fontes pode cair
consideravelmente se transações on-line e as consultas para extração competirem
18
entre si. Uma solução alternativa é criar uma cópia corrente dos dados das fontes a
partir da qual se fará então a extração. Como desvantagem desta solução, podemos
citar o espaço adicional de disco necessário para armazenar a cópia.
Outra alternativa é examinar o ciclo de processamento de algumas transações
off-line que atuem nas fontes. Os programas que criam os arquivos de extração para a
carga do DW podem ser incorporados a um ponto apropriado deste esquema de
processamento.
2.3.4.2. Transformação e Filtros
Os processos de transformação invocam as regras que convertem valores de
dados das fontes para valores do ambiente global e integrado do DW. Algumas
ferramentas permitem ao usuário controlar a maioria das atividades de exportação e
transformação através de parâmetros e "scripts"*, constituindo uma filtragem
avançada. Outras ferramentas atuam como "shells"** onde programas específicos de
extração e filtragem escritos, por exemplo, em linguagem de programação C, são
inseridos.
A maioria das ferramentas comerciais oferecem alguma maneira de filtrar
dados para garantia de qualidade, durante os processos de extração e transformação.
Entretanto, ferramentas específicas para limpeza de dados oferecem mecanismos
bem mais sofisticados.
------------------------------------
* Scripts: considerada uma linguagem de programação em tempo real
** Shells: linguagens de script embutidas
19
2.4. Extraindo Informações de um DW
Mesmo sabendo que a informação sobre o perfil do cliente típico ou do
produto de sucesso de uma empresa encontra-se de alguma forma entre os muitos
gigabytes de dados de consumo e de recursos energéticos armazenados nos bancos
de dados, ainda pode existir um longo caminho a ser percorrido até que esta
informação esteja de fato disponível. A sua "extração" eficaz, de modo a poder
subsidiar decisões, depende da existência de ferramentas especializadas que
permitam a captura de dados relevantes mais rapidamente e a sua visualização
através de várias dimensões. O termo "extração" neste contexto não deve ser
confundido com a extração dos dados das fontes para posterior alimentação do DW.
As ferramentas não devem apenas permitir o acesso aos dados, mas também
permitir análises de dados significativas, de tal maneira a transformar dados brutos
em informação útil para os processos estratégicos da empresa. O sucesso de um DW
pode depender da disponibilidade da ferramenta certa para as necessidades de seus
usuários.
No presente trabalho, a ferramenta a ser desenvolvida atua diretamente na
fase de extração de informações de uma DW, não havendo a preocupação com a
limpeza e aplicação de filtros durante a etapa de migração dos dados, fato que irá
compor um dos itens dentro de Desenvolvimentos Futuros.
20
3. FASES DO PROJETO DE IMPLEMENTAÇÃO
3.1. Requisitos do Usuário
Todos os projetos de aplicação devem ter alguma forma de documentação dos
requisitos do usuário. Os requisitos do usuário, ou simplesmente requisitos,
representam uma descrição daquilo que qualquer modelo precisa fazer, em termos de
capacidades lógicas ou físicas, a fim de solucionar os problemas identificados com
sucesso.
Os requisitos do usuário são ferramentas indispensáveis para a comunicação
entre os usuários, desenvolvedores e especialistas, não importa se essa comunicação
ocorre antes, durante ou depois do desenvolvimento.
3.2. Projeto da Solução
Com o conhecimento da situação atual, dos problemas relacionados, dos
requisitos do usuário e das restrições para uma solução, a primeiro passo é projetar o
cubo lógico e a estrutura de dimensão para o modelo. O benefício de se ver a
estrutura lógica é que ela revela mais sobre a representação, transformação e
visualização dos dados que qualquer estrutura física.
Os conteúdos de um banco de dados OLAP são tipicamente coletados de
outros repositórios, como os bancos de dados operacionais. Para uma melhor
definição do sistema, onde as informações precisam ser bem conhecidas, ele precisa
ser objetivo a coletar os dados corretos, na hora correta. Entretanto, há mais e mais
dados geralmente avaliados, e também informações que precisam ser desenvolvidas.
Conseqüentemente, cria-se maiores dificuldades para antecipar as necessidades dos
usuários de OLAP, conduzindo a uma situação que está progressivamente
dificultando o conhecimento avançado, quais dados são requisitados e quando usar
os dados desejados nas tarefas. Às vezes isto pode acontecer quando uma parte dos
dados são necessários ocasionalmente.
21
Em virtude do enorme volume de dados, é muito difícil e caro preparar
avanços potenciais no campo de seleções OLAP. Isto mostra que coletando os dados
corretos na demanda poderia ser a melhor alternativa para algumas aplicações. Deste
modo, os dados seriam atualizados e coletados quando necessários.
Um problema que pode surgir num futuro bem próximo está relacionado com
o volume de dados e heterogeneidade na coleta de dados, ainda que suas informações
devam ser integradas em um banco de dados OLAP. O formato XML (Extensible
Markup Language) de arquivo aparece para ser a solução adequada deste problema.
Por exemplo, dados relativos ao Estudo de Caso que será apresentado no Capítulo 5
podem ser facilmente transformados em formato XML e uma sub-linguagem XML
pode ser traduzida a outras sub-linguagens usando o conceito de XSLT (Extensible
Stylesheet Language Transformation), uma linguagem que é usada para transformar
documentos XML em algum outro formato, como por exemplo HTML. Da mesma
forma, os dados OLAP podem ser facilmente transformados de uma forma adequada
para um servidor OLAP, capacitando a utilização de diferentes servidores para
análise de dados, desde que eles sejam capazes de ler os dados num formato XML.
Os cubos, dentro do modelo a ser criado, são representados em formato XML
(através do qual outras formas de coleta de dados podem também ser utilizadas). Isto
significa que um banco de dados OLAP pode ser “costurado” para satisfazer as
necessidades dos usuários. A construção de um novo cubo não é tão imediata quanto
as respostas das consultas OLAP. Entretanto, acredita-se que a construção de um
novo cubo capacita o sistema a responder muito mais rápido às atuais consultas dos
usuários.
Às vezes, os usuários são capazes de expressar diretamente a estrutura
desejada do banco de dados OLAP, mas não é geralmente uma situação a qual estão
preparados. Todavia, o sistema tem a facilidade de acordo com a forma que o
usuário pode propor a consulta em linguagem MDX (MultiDimensional Expressions)
contra o virtual e “universal” esquema de cubo OLAP, e o sistema irá analisar tais
consultas e encontrar a estrutura obrigatória do banco de dados OLAP e o que ele
precisa coletar. Desta forma, está apto a realizar a coleta de dados para construir o
banco de dados OLAP desejado.
22
A linguagem multidimensional MDX torna-se ponto crucial para a
modelagem, pois a sua utilização permite a análise dos cubos multidimensionais de
uma forma abstrata e abrangente, fornecendo visões configuráveis dos dados em
diferentes ângulos e níveis de agregação
A Figura 3.1 apresenta a estrutura física do modelo a ser implementado, numa
visão macro, desde a requisição do usuário até o momento em que o mesmo
consegue obter a informação desejada através do Servidor OLAP.
Figura 3.1: Representação da Estrutura do Servidor OLAP
No presente trabalho, o uso do XML está confinado a descrever a estrutura
dos cubos, além do fornecimento do mecanismo para a transmissão da consulta e os
resultados para o usuário final.
De acordo com o modelo formal, um cubo OLAP é estruturalmente uma
relação convencional, onde a série de atributos dimensionais formam uma chave para
a relação. E ainda que o modelo formal seja baseado em um modelo relacional, uma
linguagem XML é usada para representar dados atuais.
A relação do cubo OLAP pode ser apresentada como um documento XML
em que cada conjunto de variáveis da relação corresponderia a uma ordem em um
documento XML. Entretanto, este tipo de documento poderia conter grandes
23
redundâncias, visto que as informações em hierarquias dimensionais são repetidas
em todos os conjuntos. Portanto, parcialmente a relação OLAP é normalizada e
passa a ser utilizado o que chamamos de esquema estrela XML, formalizado para
representar o esquema cubo OLAP e para armazenar os dados do cubo.
Um esquema estrela XML contém uma tabela fato com valores mencionados,
os “IDs” (colunas de uma tabela que representam um registro único e exclusivo
dentro dimensão), as chaves dimensionais, e as muitas tabelas dimensionais contendo
dimensões hierárquicas. Este modelo não só assegura usos mais econômicos de
espaço para armazenamento, mas também nos capacita a trabalhar a dimensão da
informação separadamente. Por exemplo, em nossa aplicação de dados, a dimensão é
classificada de acordo com os fatos geográficos. Entretanto, o sistema capacita
alcançar a hierarquia das dimensões de alguma pesquisa externa de dados. Por
exemplo, seria possível classificá-los de acordo com o padrão de estatísticas que são
avaliadas em diferentes bancos de dados, demonstrando-se a estrutura genérica da
aplicação, a qual pode se amoldar de acordo com a padronização existente.
3.3. Agregações e análise mais complexa
Ao criar um modelo lógico, é necessário identificar todas as dimensões que
são utilizadas, principalmente para agregação. Com pouquíssimas exceções, a
maioria das dimensões, como recursos, tempo e região, é hierárquica e responsável
por gerar agregações simples.
Quando houver a certeza de que as funções de agregação básicas estão
funcionando, é hora de incluir quaisquer outras fórmulas que façam parte do modelo
básico. O modelo básico, neste sentido, significa quaisquer dados que :
• a maioria dos usuários queira examinar;
• sejam consultados com mais freqüência;
• sejam uma parte de sua primeira entrega;
• possam alimentar mais análise.
24
3.4. Indicadores de Sustentabilidade
Os indicadores serão obtidos a partir da derivação dos dados básicos
existentes nos cubos, de forma trivial ou até mesmo complexa, de acordo com as
fórmulas e cálculos utilizados para obtê-los. Terão papel fundamental para a decisão
final do analista (Envolvidos-Interessados -En-In) diante da visualização analítica
proporcionada pela ferramenta OLAP.
Pode-se ter como exemplos de indicadores, a taxa de emissão de poluentes, o
índice de analfabetismo, a taxa de mortalidade, a renda per capita e uma infinidade
de características inerentes ao processo de Integração de Recursos e tidas como
essenciais pelos En-In.
25
4. METODOLOGIA DE DESENVOLVIMENTO
A partir do conhecimento do problema, que é a sistematização dos dados que
compõem as etapas da Integração dos Recursos, passa-se a partir deste momento à
construção do modelo que representará a estrutura da ferramenta de forma genérica e
completa.
Para realização do presente trabalho, foi utilizado o aplicativo Mondrian
(MONDRIAN), um servidor OLAP gratuito e de código aberto, sob licença
GNU/GPL, o qual pode ser utilizado e modificado livremente. Além disso foi
utilizado para estruturação do DW o Banco de Dados MySQL (MYSQL) e como
Servidor Web o software Tomcat (TOMCAT).
Inicialmente serão apresentadas as Dimensões que fazem parte do modelo
como um todo, e na seqüência os Cubos, delineados conjuntamente com suas
respectivas Medidas. Devido à complexidade tecnológica a qual o leitor está
submetido, a implementação será dirigida na condição de um tutorial, consolidado-se
o modelo a partir do Estudo de Caso do capítulo a seguir.
Alguns termos ainda precisam ser melhor elucidados antes que se principie de
maneira densa a apresentação da estrutura a ser implementada, ficando o leitor mais
familiarizado com os termos, e principalmente, com os conceitos do que são
fisicamente Esquemas e Cubos, e como estes são representados.
4.1. O que podemos chamar de Esquema ?
Um esquema define um banco de dados multidimensional. Contem um
modelo lógico, consistindo de cubos, hierarquias e membros, além de mapear este
modelo para o modelo físico.
O modelo lógico consiste das construções usadas para escrever consultas em
linguagem MDX: cubos, dimensões, hierarquias, níveis e membros.
26
O modelo físico é a fonte dos dados, os quais são apresentados através do
modelo lógico. Tipicamente utiliza-se um esquema do tipo “Estrela”, que é um
conjunto de tabelas em um banco de dados relacional.
Os esquemas são representados em arquivos no formato XML. Podem ser
criados diretamente utilizando-se um editor de textos ou através de uma interface
gráfica, sendo que neste trabalho utiliza-se a ferramenta Eclipse (ECLIPSE).
4.2. Modelo Lógico
Os itens mais importantes dentro de um esquema são os cubos, medidas e
dimensões:
● Cubo é uma coleção de dimensões e medidas dentro de um determinado
assunto;
● Medida é uma quantidade na qual há interesse em se mensurar, como por
exemplo, consumo de energia por região;
● Dimensão é um atributo, ou um conjunto de atributos, pelos quais pode
se dividir as medidas em subcategorias. Por exemplo, seria possível dividir os
Recursos Energéticos em categorias, saber quais são fontes primárias ou secundárias.
Observe as definições em formato XML de um simples esquema:
<Schema>
<Cube name="BEN_CFINAL">
<Table name="ben_cfinal"/>
<DimensionUsage name="TEMPO" source="TEMPO" foreignKey="id_tempo"/>
<DimensionUsage name="REGIAO" source="REGIAO" foreignKey="id_regiao"/>
<DimensionUsage name="SETOR" source="SETOR" foreignKey="id_setor"/>
<Measure name="CONSUMO" column="consumo" aggregator="sum"/>
</Cube>
</Schema>
27
Este esquema contem um único cubo, chamado “BEN_CFINAL" (Balanço
Energético – Consumo Final), o qual apresenta três dimensões, “TEMPO”,
“REGIÃO” e “SETOR”, e uma medida, “CONSUMO”
Como exemplo, poder-se-ia escrever a seguinte consulta em MDX neste
esquema:
SELECT
{[MEASURES].[CONSUMO] } on columns, {([REGIAO].[>>], [SETOR].[>>])} ON rows
FROM BEN_CFINAL
WHERE [TEMPO].[1998]
Esta consulta se refere ao cubo BEN_CFINAL , a cada uma das dimensões
[Measures], [TEMPO], [REGIÃO] e [SETOR], e vários membros dessas dimensões.
Um resultado típico é apresentado na Tabela 4.1 a seguir, apresentando-se
claramente dados hipotéticos:
[REGIAO] [SETOR]. [Measures].[CONSUMO] (tep)
[BRASIL].[>>] [RESIDENCIAL] 1200
[BRASIL].[AM] [RESIDENCIAL] 100
[BRASIL].[SP] [RESIDENCIAL] 600
[BRASIL].[RJ] [RESIDENCIAL] 500
Tabela 4.1: Apresentação dos Dados de um Cubo hipotético
4.2.1. Cubo
Um cubo (<Cube>) é um pouco mais do que uma coleção de medidas e
dimensões. A única coisa que as medidas e dimensões têm em comum é a tabela fato,
aqui denominada "ben_cfinal". Como podemos ver, a tabela fato possui as colunas a
partir das quais as medidas são calculadas, e contem referências às tabelas que
armazenam as dimensões.
28
<Cube name="BEN_CFINAL"> <Table name="ben_cfinal"/> .... </Cube>
A tabela fato é definida usando-se o elemento <Table>. Se a tabela fato não
se encontra no esquema padrão, pode ser fornecido um esquema explícito através do
atributo “schema” , como por exemplo:
<Table schema="ben" name="ben_cfinal"/>
4.2.2. Medidas
O cubo “BEN_CFINAL” define a medida “CONSUMO” :
<Measure name="CONSUMO" column="consumo" aggregator="sum"/>
Cada medida (<Measure>) tem um nome, uma coluna em uma tabela fato, e
uma função de agregação (usualmente “sum”, oriundo de somatório). Um elemento
opcional “formatString” especifica como o valor é exibido para o usuário. Pode-se
por exemplo ser escolhida uma saída com formato decimal e com o número de casas
pré-determinados.
4.2.3. Dimensões
A dimensão REGIÃO consiste de uma hierarquia com os seguintes níveis:
PAÍS, ESTADO e MUNICÍPIO.
<Dimension name="REGIAO" foreignKey="id_regiao">
<Hierarchy hasAll="true" allMemberName=">>" primaryKey="id_regiao">
<Table name="regiao"/>
<Level name="PAIS" column="pais" uniqueMembers="true">
<Property name="REGIAO" column="regiao"/>
</Level>
<Level name="ESTADO" column="estado" uniqueMembers="true"/>
<Level name="MUNICIPIO" column="municipio" uniqueMembers="false"/>
</Hierarchy>
</Dimension>
29
Dentro de todo e qualquer cubo no qual a dimensão REGIÃO for utilizada, a
mesma apresenta o nome do região que participa do conjunto de dados obtidos pela
consulta em MDX. Isto é expressado através da junção da tabela fato
“ben_cfinal.id_regiao" com a tabela de dimensão "regiao.id_regiao", evidenciado
pelos elementos chave das tabelas de dimensões com as tabelas fato (onde se
encontram as medidas).
A coluna "pais" pode conter valores variados, mas para efeito de análise será
considerado apenas [BRASIL], portanto a dimensão REGIAO possui os membros
[REGIAO].[BRASIL].
Uma dimensão pode conter mais de uma hierarquia, como pode ser visto a
seguir:
<Dimension name="Tempo" foreignKey="time_id">
<Hierarchy hasAll="false" primaryKey="tempo_id">
<Table name="tempo_por_dia"/>
<Level name="Ano" column="ano" type="Numeric" uniqueMembers="true"/>
<Level name="Quadrimestre" column="quarter" uniqueMembers="false"/>
<Level name="Mes" column="mes_do_ano" type="Numeric" uniqueMembers="false"/>
</Hierarchy>
Hierarchy name="Tempo por Semana" hasAll="false" primaryKey="tempo_id">
<Table name="tempo_por_semana"/>
<Level name="Ano" column="ano" type="Numeric" uniqueMembers="true"/>
<Level name="Semana" column="semana" uniqueMembers="false"/>
<Level name="Dia" column="dia_da_semana" type="String" uniqueMembers="false"/>
</Hierarchy>
</Dimension>
Observe que a primeira hierarquia não possui um nome. Devido à uma
padronização a hierarquia tem o mesmo nome de sua respectiva dimensão, portanto a
primeira hierarquia é denominada “Tempo”.
Estas hierarquias não têm muito em comum, e podem às vezes pertencer à
tabelas diferentes, exceto aquelas que são unidas pela mesma coluna na tabela fato,
"id_tempo". O principal motivo em se colocar duas hierarquias na mesma dimensão
30
é porque faz mais sentido ao usuário final: usuários finais sabem que não há sentido
algum em termos em um dos eixos a hierarquia “Tempo” e no outro a hierarquia
"Tempo Semanal". Se duas hierarquias estão na mesma dimensão, a linguagem
MDX conduz a um senso comum, e não permite que ambos sejam utilizados na
mesma consulta.
A seguir são apresentadas algumas novas, também de considerável
importância para entendimento do modelo:
Membro: é um ponto no interior de uma determinada dimensão por um
conjunto particular de valores de atributos. A hierarquia sexo tem dois membros 'M'
e 'F'. 'Hidrelétrica', 'Termelétrica' e 'Biomassa' são membros da hierarquia da
Dimensão de Recursos Energéticos.
Hierarquia: é um conjunto de atributos próximos (ou níveis) que
coletivamente constituem uma dimensão. Por exemplo, podemos ter uma hierarquia
loja consistindo de nome da loja, Cidade, Estado e País. A hierarquia permite que
hajam subtotais intermediários: o subtotal para um Estado é a soma dos subtotais de
todas as Cidades naquele Estado, cada uma das quais possuindo o subtotal por lojas
pertencentes às respectivas Cidades.
Por razões de uniformidade, as medidas são tratadas como membros de uma
dimensão especial, chamada Measures.
A maioria das dimensões têm apenas uma hierarquia, porém ocasionalmente
uma dimensão pode possui mais do que uma. Por exemplo, é possível agregar os
dias, a partir da dimensão Tempo, em meses, quadrimestres e anos; ou em semanas e
anos. Ambas as hierarquias começam com dias e terminam em anos, mas agregadas
usando-se diferentes caminhos.
A maior parte das hierarquias têm um membro denominado “todos os
membros”, que é considerado o “pai” de todos os demais membros da hierarquia, e
portanto representa o grande total. É comumente definido como “Todos os
Membros”, como por exemplo “Todas as Regiões”.
31
4.2.4. Dimensões Compartilhadas
Pelo motivo de que as dimensões compartilhadas não pertencem ao cubo,
torna-se necessário dar ao mesmo um tabela explícita (ou outra fonte de dados). O
exemplo a seguir demonstra uma junção da dimensão “REGIAO” ao cubo
“BEN_CFINAL” usando como chave estrangeira (foreign key) a coluna
ben_cfinal.id_regiao:
<Cube name="BEN_CFINAL">
<Table name="ben_cfinal"/>
<DimensionUsage name="TEMPO" source="TEMPO" foreignKey="id_tempo"/>
.........
</Cube>
4.2.5. Elementos XML utilizados no Esquema
A Tabela 4.2 sumariza todos os termos usados dentro de um Esquema que
representa os hipercubos do modelo, localizados fisicamente em arquivos no formato
XML .
Elemento Descrição
<Schema> Coleção de Cubos, Cubos Virtuais, Dimensões
Compartilhadas e Regras.
Elementos Lógicos
<Cube> Coleção de dimensões e medidas, todos centrados
na tabela fato
<VirtualCube> Um cubo definido pela combinação das dimensões
e medidas de um ou mais cubos
<Dimension> Definição e descrição das características da
dimensão
<DimensionUsage> Utilização de uma dimensão compartilhada por
um cubo.
<Hierarchy> Representa os níveis hierárquicos da Dimensão
32
Elemento Descrição
<Level> Representa cada nível hierárquico de uma
Dimensão
<Property>
Um nível hierárquico pode ser agrupado segundo
algumas propriedades, para a facilidade e
flexibilidade das agregações
Elementos Físicos
<Table> Fato – ou tabela dimensão.
<View>
Define uma tabela usando uma consulta SQL, a
qual pode ter diferentes variantes para diferentes
formatos de banco de dados
Tabela 4.2: Elementos XML utilizados no Esquema Após o detalhamento de todos os conceitos e recursos utilizados, dá-se início
à implementação do modelo propriamente dito.
4.3. Descrição dos Elementos
Foi visto que um Cubo é composto por Dimensões (tabelas dimensão) e
Medidas (tabelas fato). Devido à constatação de que as dimensões são
compartilhadas por diversos cubos, torna-se mais produtivo uma breve descrição de
cada uma delas, facilitando o entendimento do modelo.
Dimensão Atividade Econômica: caracterização das atividades econômicas
existentes, como por exemplo a produção extrativa de madeira, a pesca e agricultura.
Apresenta na modelagem apenas um nível hierárquico, a própria descrição da
atividade, mas poderia contemplar o nível hierárquico superior de Setores, agrupando
as atividades em: agropecuária, extrativismo vegetal, serviços, comércio, etc. .
Dimensão Atividade Econômica-Despesa: responsável pela descrição de
todos os itens considerados como despesas pela população, desde alimentação e
vestuário até gastos com o consumo de energia elétrica.
33
Dimensão Demanda: os recursos de demanda estão estruturados
hierarquicamente em três níveis: classe ( pesca, domicílio eletrificado, escola, etc..),
pela demanda propriamente dita (iluminação, refrigeração, bombeamento, etc..) e o
nível mais baixo caracterizando o uso final (ventilador, forno a lenha, TV, som,
etc..).
Dimensão Infra-Estrutura: armazena informações relacionadas com a infra-
estrutura da localidade, organizada hierarquicamente por setores, seguida de suas
respectivas unidades de medida.
Dimensão Elemento: os elementos de análise, utilizados essencialmente na
Análise dos Custos Completos – ACC , possuem uma hierarquia simples, contando
apenas com a descrição dos mesmos.
Dimensão En-In: esta dimensão apenas contempla a descrição dos possíveis
Envolvidos-Interessados responsáveis por algumas das etapas do processo de
integração.
Dimensão Fator: todos os fatores, ou mesmo dimensões de análise utilizadas
dentro da ACC, são aqui definidas e caracterizadas por um único e simples nível
hierárquico, a própria descrição do fator, como por exemplo os fatores Ambiental e
Político.
Dimensão Poluente: os poluentes merecem destaque dentro do modelo,
sendo requisitados diante da necessidade de análise das emissões ocasionadas pela
utilização de recurso energéticos, sendo que as emissões podem ser aéreas, terrestres
ou aquáticas, influenciando na estrutura hierárquica apresentada.
Dimensão Recurso: a caracterização dos recursos energéticos mostra-se de
vital importância para a realização de algumas etapas do modelo. Segundo sua
estrutura, apresenta dois níveis na hierarquia, a categoria e a própria identificação do
recurso.
34
Dimensão Região: responsável pela caracterização da posição geográfica do
local no qual a Integração será efetuada. Possui os seguintes níveis hierárquicos:
País, Estado, Município.
Dimensão Setor: os setores da economia são muito importantes para a
análise do balanço energético, apresentado dois níveis de agregação: o tipo
(energético e não energético), o setor e por fim o seu respectivo subsetor , caso
exista.
Dimensão Tecnologia: representa todas as tecnologias de oferta, tendo uma
utilização muito importante na caracterização da ACC. Possui um único nível
hierárquico, o da própria descrição da tecnologia.
Dimensão Tempo: como o próprio nome diz, efetua uma discretização
temporal da análise, propiciando a criação de uma base temporal. Neste trabalho, a
dimensão temporal possui apenas o nível de hierárquico de Ano, o qual pode ser
estendido facilmente para meses e dias, dependendo do nível de detalhamento
desejado.
As dimensões utilizadas no modelo, agora caracterizadas convenientemente,
fornecem subsídios para que a representação das Etapas sejam concretizadas. Cada
uma delas será caracterizada por um ou mais cubos, estes sendo apresentados através
da utilização de uma outra ferramenta denominada Eclipse (ECLIPSE),
proporcionando a apresentação dos cubos de uma maneira gráfica (visualização em
forma de gráficos e tabelas) e não textual (o próprio arquivo XML).
A descrição das Medidas, termos essenciais para o instrumento de análise,
passam a ser descritas, tornando claro aquilo que está sendo mensurado.
O Modelo Lógico (indicativo de como os dados se inter-relacionam e são
armazenados no banco de dados) de cada Cubo, é também apresentado
graficamente, finalizando o processo de implementação proposto para o Modelo de
Integração de Recursos.
35
Destina-se o restante do capítulo à representação de cada Etapa do processo
de Integração, seguindo-se a estrutura proposta.
4.3.1. Etapa 1: Mapeamento Regional
A-) Dados Sociais
Cubo MR_SOCIAL: segundo (GIMENES, 2004), “os dados sociais têm um papel
fundamental na análise de um planejamento integrado de recursos, pois caracterizam
a região quanto à suas necessidades, carências, potencialidades, dificuldades, etc. ”.
A Figura 4.1.representa como o os dados sociais serão caracterizados na visão
multidimensional.
Figura 4.1: Representação do Cubo MR_SOCIAL
Dimensões Utilizadas: REGIÃO, TEMPO, INFRA-ESTRUTURA
Descrição das Medidas: as informações são oriundas de pesquisas e levantamentos
correntes do IBGE (Instituto Brasileiro de Geografia e Estatística) e dados de outras
instituições, como Instituto Nacional de Estudos e Pesquisas, Ministério da Educação
e do Desporto - INEP/MEC; Departamento de Informática do Sistema Único de
36
Saúde, Ministério da Saúde - DATASUS/MS; Tribunal Superior Eleitoral - TSE;
Banco Central do Brasil - BACEN/MF, Secretaria do Tesouro Nacional, Ministério
da Fazenda - STN/MF e Departamento Nacional de Trânsito - DENATRAN/MJ.
• POPULACAO: Pessoas Residentes - Total
• INSTRUCAO: Pessoas Residentes - 10 anos ou mais de idade - Sem
instrução ou menos de 1 ano de estudo
• OBITO H: Óbitos hospitalares - Homens
• OBITO M: Óbitos hospitalares - Mulheres
• MATR EF: Matrículas - Ensino Fundamental
• MATR EM: Matrículas - Ensino Médio
• DOCENTE EF: Docentes - Ensino Fundamental
• DOCENTE EM: Docentes - Ensino Médio
• NASC.: Nascimentos registrados no ano
• CASAMENTO: Casamentos registrados no ano
• SEPARACAO: Separações judiciais registradas no ano
Modelo Lógico: apresentado na Figura 4.2.
Figura 4.2: Modelo lógico do cubo MR_SOCIAL
37
B-) Dados da Atividade Econômica
Cubo MR_ECON_ATV: o levantamento de dados e índices econômicos facilita a
identificação de potenciais de desenvolvimento regional, demandas reprimidas de
energia e infra-estrutura. O cubo é apresentado visualmente através da Figura 4.3.
Figura 4.3: Representação do Cubo MR_ECON_ATV
Dimensões Utilizadas: REGIÃO, TEMPO, ATIVIDADE ECONOMICA
Descrição das Medidas: a estrutura dos dados foi obtida a partir de inquéritos
questionários e de monitoramento socioeconômico domiciliar – IDSM.
• PROD ANUAL MEDIA: produção anual média por domicílio (kg)
• PRECO MEDIO: preço médio unitário (US$)
• VOL TOTAL: volume total anual da produção dos moradores (kg)
• VOL TOTAL GERAL: volume total da produção de moradores e usuários
38
Modelo Lógico: apresentado na Figura 4.4.
Figura 4.4: Modelo lógico do cubo MR_ECON_ATV
Cubo MR_ECON_DESPESA: numa iniciativa de mostrar quais são os itens são
mais consumidos pela população, foi originado o cubo em questão, representado na
Figura 4.5.
Figura 4.5: Representação do Cubo MR_ECON_DESPESA
Dimensões Utilizadas: ECON_DESPESA,REGIÃO, TEMPO
Descrição das Medidas: remete-se à (MAMIRAUA, 2004) para a obtenção das
medidas consideradas.
• CONSUMO %: dado percentual relacionando aos bens de consumo da
população.
39
Modelo Lógico: apresentado na Figura 4.6.
Figura 4.6: Modelo lógico do cubo MR_ECON_ATV
C-) Dados da Infra-Estrutura
Cubo MR_INFRA_ESTRUTURA: os dados de infra-estrutura são importantes
para balizar o desenvolvimento energético. Na Figura 4.7 tem-se a representação do
cubo.
Figura 4.7: Representação do Cubo MR_INFRA_ESTRUTURA
40
Dimensões Utilizadas: REGIÃO, TEMPO, INFRA-ESTRUTURA
Descrição das Medidas: remete-se à (IBGE, 2004).para descrição e obtenção da
estrutura dos dados.
• AREA URB.: Pessoas Residentes - Área Urbana
• ESGOTO: Domicílios particulares permanentes com banheiro ligado à rede
geral
• ABST. AGUA: Domicílios particulares permanentes com abastecimento
ligado à rede geral
• LIXO: Domicílios particulares permanentes com lixo coletado
• ELEITOR: Eleição Municipal - Número de eleitores
• EST. SAUDE / EST. SAUDE SUS: Estabelecimentos de saúde – Total /
Estabelecimentos de saúde - Prestadores de serviços ao SUS
• LEITO / LEITO SUS: Leitos hospitalares / Leitos hospitalares disponíveis ao
SUS
• ITR: Valor do Imposto Territorial Rural
• AREA: Área da unidade territorial
Modelo Lógico: apresentado na Figura 4.8.
Figura 4.8: Modelo Lógico do Cubo MR_INFRA_ESTRUTURA
41
D-) Dados do Meio-Ambiente
Cubo MR_AMBIENTAL: os dados sobre o meio-ambiente referem-se,
inicialmente, à caracterização da região estudada quanto às concentrações de
poluentes em cada um de seus meio: aéreo, terrestre e aquático. Observe a estrutura
do cubo apresentado na Figura 4.9.
Figura 4.9: Representação do Cubo MR_AMBIENTAL
Dimensões Utilizadas: POLUENTE, REGIÃO, TECNOLOGIA e TEMPO
Descrição das Medidas: como no Caso de Estudo somente será caracterizado o tipo
de poluente aéreo, será mensurada apenas o nível de emissão dos poluentes aéreos.
• EMISSAO: refere-se ao nível de concentração dos poluentes na região
42
Modelo Lógico: apresentado na Figura 4.10.
Figura 4.10: Modelo Lógico do Cubo MR_AMBIENTAL
E-) Dados de Recursos Naturais: Balanço Energético
Cubo BEN_CFINAL: na Figura 4.11 temos representada através do cubo, a energia
que movimenta a indústria, o transporte, o comércio e demais setores econômicos do
País, a qual recebe a denominação de Consumo Final no Balanço Energético
Nacional.
Figura 4.11: Representação do Cubo BEN_CFINAL
43
Esta energia para chegar ao local de consumo é transportada por gasodutos,
linhas de transmissão, rodovias, ferrovias, etc, processos que demandam perdas de
energia.
Dimensões Utilizadas: REGIÃO, SETOR e TEMPO,
Descrição das Medidas: seguindo-se a estrutura proposta por (BEN, 2003), será
caracterizada a seguinte medida:
• CONSUMO: contabilização de energia em tep* – tonelada equivalente de
petróleo
Modelo Lógico: apresentado na Figura 4.12.
Figura 4.12: Modelo Lógico do Cubo BEN_CFINAL
Cubo BEN_OFERTA: contabilização, por fonte de energia primária e secundária,
da produção, importação, exportação, variação de estoques, perdas, ajustes e
consumo total desagregado por setores da economia. Está representado pela
Figura 4.13. ----------------------------------- * Quando se quer a contabilização de energia em tep – tonelada equivalente de petróleo, calculam-se os fatores de conversão pela relação entre o poder calorífico de cada fonte e o poder calorífico do petróleo adotado como referência. Os quantitativos em unidades comerciais são convertidos a tep quando multiplicados por estes fatores.
44
Figura 4.13: Representação do Cubo BEN_OFERTA
Dimensões Utilizadas: RECURSO, REGIÃO e TEMPO
Descrição das Medidas: utilizando-se da estrutura de dados do Balanço Energético
Nacional (BEN, 2003), tem-se as seguintes medidas:
• PRODUCAO: energia primária que se obtém de recursos minerais, vegetais e
animais (biogás), hídricos, reservatórios geotérmicos, sol, vento, marés. Tem
sinal positivo.
• IMPORTACAO: quantidade de energia primária e secundária proveniente do
exterior, que entra no País e constitui parte da oferta no balanço. Tem sinal
positivo.
• VAR_ESTOQUE: diferença entre o estoque inicial e final de cada ano. Um
aumento de estoques num determinado ano significa uma redução na oferta
total no balanço. Tem sinal negativo as entradas e positivo as saídas.
• EXPORTACAO: quantidade de energia primária ou secundária que se envia
do País ao exterior. É identificada com sinal negativo.
45
• N_APROVEITADA: quantidade de energia que, por condições técnicas ou
econômicas, atualmente não está sendo utilizada. É caracterizada com sinal
negativo.
• REINJECAO: quantidade de gás natural que é reinjetado nos poços de
petróleo para melhor recuperação deste hidrocarboneto. Tem sinal negativo.
Modelo Lógico: apresentado na Figura 4.14.
Figura 4.14: Modelo Lógico do Cubo BEN_OFERTA
4.3.2. Etapa 2: Determinação de Recursos e Demandas Regionais
A-) Caracterização das Demandas
Cubo MR_DEMANDA: neste cubo, procura-se quantificar potenciais e sua
disponibilidade, bem como seu acesso pólos Envolvidos-Interessados – En-In,
segundo (GIMENES, 2004). O cubo está devidamente representado pela Figura 4.15.
46
Figura 4.15: Representação do Cubo MR_DEMANDA
Dimensões Utilizadas: REGIÃO, TEMPO, DEMANDA
Descrição das Medidas: remete-se ao trabalho de (GIMENES, 2004) para a
caracterização das medidas apresentadas:
• DEMANDA ATUAL: caracterização da necessidade atual de suprimento de
energia elétrica
• DEMANDA INCR: caracterização da necessidade de suprimento da demanda
incremental de energia elétrica na região
• COBERTURA: percentual no qual o recurso/tecnologia abrange dentro da
região
47
Modelo Lógico: apresentado na Figura 4.16.
Figura 4.16: Modelo Lógico do Cubo MR_DEMANDA
B-) Caracterização dos Recursos de Oferta
Cubo MR_OFERTA: apresentado na Figura 4.17, este cubo tem a função de
estruturar a caracterização técnica dos recursos de oferta
Figura 4.17: Representação do Cubo MR_OFERTA
Dimensões Utilizadas: REGIÃO, TECNOLOGIA, TEMPO e OFERTA
48
Descrição das Medidas: os valores a serem mensurados referem-se aos custos das
tecnologias adotadas dentro do planejamento.
• EFICIENCIA: eficiência energética do recurso/tecnologia (%)
• TURNKEY: custo relacionado à implantação da tecnologia (US$/kW)
• CUSTO ATUAL: custo atual da energia elétrica produzida (c/kWh)
• CUSTO COMB: participação de cada combustível no custo da energia final
consumida (c/kWh)
Modelo Lógico: apresentado na Figura 4.18.
Figura 4.18: Modelo Lógico do Cubo MR_OFERTA
4.3.3. Etapa 3: Participação dos Envolvidos-Interessados
Esta etapa será modelada de forma abrangente, apenas com o intuito de
estruturar e listar os possíveis entes que podem influenciar ou serem influenciados
pelo processo de planejamento.
Cubo PART_EN_IN: caracteriza a participação dos Envolvidos-Interessados no
contexto do PIR. É representado pela Figura 4.19 .
Dimensões Utilizadas: REGIÃO, TEMPO, EN_IN
49
Figura 4.19: Representação do Cubo PART_EN_IN
Descrição das Medidas: apenas é apresentada uma medida - QUANTIDADE com o
intuito de se contabilizar o número de En_In participantes do processo de
planejamento.
Modelo Lógico: devido ao fato deste cubo não fazer parte da análise, o modelo
lógico pode ser desconsiderado
4.3.4. Etapa 4: Determinação de Critérios e Elementos de Análise
Os elementos de análise serão referenciados como Indicadores de
Sustentabilidade, fundamentais ao suporte para a tomada de decisão do
“especialista”. Utilizando-se das propriedades intrínsecas ao OLAP, estes valores
serão obtidos através de fórmulas, complexas ou não, envolvendo dimensões e
medidas provenientes essencialmente do Mapeamento Regional.
Esta é uma etapa que será evidenciada no Estudo de Caso, visto que alguns
componentes já foram mencionados anteriormente, sendo que os restantes têm uma
aderência maior quando relacionados juntamente com a etapa de Avaliação dos
Custos Completos, não havendo a necessidade de serem duplamente detalhados.
50
4.3.5. Etapa 5: Avaliação dos Custos Completos - ACC
Aproveitando-se da facilidade que uma ferramenta OLAP tem em efetuar
cálculos complexos com dados multidimensionais, esta etapa apresenta-se bem
estruturada, chegando-se ao nível de discretizar a análise utilizando-se a variável
temporal, com a distribuição dos recursos ao longo do tempo, podendo ser analisado
a evolução temporal pesos dos elementos de analise, a classificação dos recursos.
No Anexo A encontra-se a conceituação da ACC, com detalhes de como foi
obtido o cálculo das medidas derivadas necessárias dentro da etapa.
Cubo ACC: apresentado na Figura 4.21.
Figura 4.21: Representação do Cubo ACC
Dimensões Utilizadas: REGIÃO, TEMPO, ELEMENTO, FATOR e
TECNOLOGIA
51
Descrição das Medidas: dentro desta etapa, as medidas fundamental a classificação
dos recursos a cada iteração do processo de planejamento, segundo a discretização
temporal adotada.
• PESO_SUM / PESO_CNT: contabilizam os valores dos pesos atribuídos à
cada Elemento de análise, assumindo valores diferentes de acordo com a
Dimensão- Fator e Tecnologia empregada.
• ALT_SUM / ALT_CNT: representam os valores percentuais das alternativas
atribuídas aos Elementos de análise
• K: constante da Dimensão - Fator
Modelo Lógico: apresentado na Figura 4.22.
Figura 4.22: Modelo Lógico do Cubo ACC
4.3.6. Etapa 6: Alocação Temporal de Recursos para o Plano Preferencial
De acordo com a classificação dos recursos obtida na etapa 5, passe-se à
análise da alocação dos recursos ao longo do tempo.
52
Cubo ALOC_TEMPORAL: o cubo permitirá a caracterização do Plano
Preferencial de Recursos do PIR ao longo do tempo. Está representado através da
Figura 4.23.
Figura 4.23: Representação do Cubo ALOC_TEMPORAL
Dimensões Utilizadas: REGIÃO, TEMPO e TECNOLOGIA
Descrição das Medidas: os valores a serem mensurados referem-se aos custos das
tecnologias adotadas dentro do planejamento. Observa-se uma aderência e
interdependência muito grande deste cubo com o cubo MR_OFERTA, o que deveria
ocorrer pelo fato de utilizarem as mesmas Dimensões e praticamente as mesmas
Medidas:
• kWh: energia elétrica disponibilizada
• kW: representa a capacidade instalada ao longo do período
• IMPLANTACAO: custo relacionado à implantação da tecnologia
(USD/ano)
• CUSTO COMB: participação de cada combustível no custo da energia
final consumida (USD/ano)
53
Modelo Lógico: apresentado na Figura 4.24.
Figura 4.24: Modelo Lógico do Cubo ALOC_TEMPORAL
4.3.7. Etapa 7: Composição de Cenários
Esta etapa depende de outras ferramentas, como o LEAP (LEAP) e
POLESTAR (POLESTAR), para que os mesmos forneçam subsídios para o
estabelecimento do que chamamos de Plano Preferencial, também discretizado no
tempo. Portanto esta Etapa será desconsiderada dentro do processo de
implementação, ficando como parte integrante de Desenvolvimentos Futuros.
4.3.8. Etapa 8: Análise Socioeconômica do Plano
Por se tratar de uma etapa subjetiva do processo, não há uma forma concreta
de modelagem, apenas o fornecimento de elementos que proporcionam a análise
socioeconômica para os En-In.
4.3.9. Etapa 9: Análise das Iterações
Como o modelo foi projetado para possibilitar uma análise da projeção
efetiva do processo de Integração, é uma etapa que torna-se conseqüência das
demais, principalmente por ser discretizada ao longo da dimensão temporal.
No Estudo de Caso ter-se-á uma visão muito esclarecedora e prática de como
a etapa ficou bem estruturada.
54
4.4. Considerações acerca do Modelo
Apresentando-se as Etapas de Integração dos Recursos, percebe-se que
algumas delas têm uma aderência muito ampla dentro da modelagem proposta, e
quanto menos independente de fatores ou condições subjetivas, a aproximação torna-
se mais nítida.
Conforme mencionado inicialmente, não é escopo do presente trabalho a
identificação do Plano Preferencial, muito menos na realização da Integração dos
Recursos ou até mesmo o PIR em sua plenitude, e sim apresentar subsídios para que
isso seja factível .
No ANEXO C é mostrada a Estrutura Física do Banco de Dados por
completo, caso o leitor deseje ter uma visualização de todos as Etapas sistematizadas.
55
5. ESTUDO DE CASO
5.1. Introdução
Para que haja a visualização analítica da informação relacionada com o
processo de integração, de uma maneira que reflita a realidade, será necessário dispor
de uma “massa de dados”, escolhendo-se inicialmente para tal a Reserva de
Desenvolvimento Sustentável Mamirauá - RDSM, localizada no Estado do
Amazonas, um Estudo de Caso apresentado por (GIMENES, 2004).
As informações apresentadas a seguir, caracterizando a região da reserva
sustentável, foram obtidas a partir de (MAMIRAUA, 2004).
A Reserva de Desenvolvimento Sustentável Mamirauá – RDSM está situada
na confluência dos rios Solimões e Japurá. Sua porção mais a leste fica nas
proximidades da cidade de Tefé, no Estado do Amazonas. Esta é a maior reserva
existente dedicada exclusivamente a proteger a várzea amazônica. Como é
considerada uma área alagada de importância internacional, ela é inscrita como um
sítio da Convenção Ramsar, das Nações Unidas, que protege áreas deste tipo em todo
o mundo. Observe a partir da Figura 5.1 a distribuição da estrutura física na reserva.
O alagamento sazonal do Rio Solimões causa uma elevação do nível d'água
de 10 a 12 metros da estação seca para a cheia, todos os anos. Esta incrível dinâmica
da água é causada pelas chuvas nas cabeceiras dos rios da região, associadas ao
degelo anual do verão andino. Quando a alagação do ano é excepcionalmente alta,
virtualmente toda a reserva, ou mais de um milhão de hectares, fica submersa.
A enchente traz consigo uma gigantesca quantidade de sedimentos dos sopés
dos Andes, um enorme concentração de nutrientes associadas às argilas em
suspensão. Este é o principal causador da enorme produtividade das várzeas
amazônicas, tanto nos sistemas aquáticos quanto terrestres. Estas alagações, e a
conseqüente deposição anual dos sedimentos define a geomorfologia da várzea, a sua
fauna e flora, a sua biogeografia e mesmo os seus padrões de ocupação humana.
56
A parte aquática da flora de Mamirauá se sobrepõem consideravelmente com
a flora terrestre, como em outras partes da Amazônia. Ao menos em tese, todas as
plantas lenhosas da Reserva poderiam ser consideradas macrófitas aquáticas, já que
toda a área é alagada por longos períodos. Entretanto, se nos mantivermos nos limites
das definições mais clássicas, mesmo assim a diversidade do grupo das macrófitas
aquáticas é relativamente alta em Mamirauá.
Figura 5.1: Estrutura física na RDSM (MAMIRAUA, 2004)
A fauna encontrada em Mamirauá apresenta um alto grau de endemismo. As
difíceis condições criadas pelas enchentes prolongadas a cada ano por um lado limita
o número de espécies que consegue sobreviver a tão dramática dinâmica, mas por
outro lado propicia o surgimento de adaptações únicas que podem definir
especiações e endemismos neste ambiente. Há, também, grupos taxonômicos
particularmente distintos, como os peixes, com uma fauna mais diversa que nas áreas
57
circundantes. A presença de importantes espécies de vertebrados ameaçados de
extinção também é um fator relevante na fauna de Mamirauá.
Boa parte destas espécies são exploradas pelas populações amazônicas em
muitos locais, mas, em Mamirauá, elas continuam existindo em níveis satisfatórios
(com algumas poucas exceções). Neste sentido, a Reserva cumpre um papel de
berçário para vários recursos naturais que lá nascem e amadurecem antes de partir
para aqueles pontos externos onde serão captados. As várzeas de Mamirauá
funcionam também como um grande depósito de nutrientes, que são paulatinamente
exportados às regiões vizinhas por meio das mais distintas formas de carreamento.
A ocupação humana atual da área da Reserva data do início do século XX.
Antes desta ocupação, a região era habitada principalmente por vários grupos
nativos, com predominância Omágua, e poucos assentamentos brancos. A população
ameríndia foi dizimada pelas guerras e doenças introduzidas pela colonização, e os
povos indígenas remanescentes foram incorporados à sociedade colonial numa
miscigenação patrocinada pelo Governo Português desde o século XVII. Atualmente,
mesmo as poucas comunidades indígenas que vivem na região de Mamirauá
apresentam alto grau de miscigenação tanto cultural quanto biológica.
5.2. A Integração de Recursos
5.2.1. Detalhes da ferramenta utilizada
A seguir serão apresentadas etapas do processo de Integração de Recursos,
mas para tal é preciso tecer algumas considerações acerca da ferramenta utilizada.
Tratando-se de uma interface que pode ser considerada “amigável”, por
apresentar ao usuário final todas as opções de forma clara, o mais importante é
descrever o menu de navegação, o que será feito a seguir, como pode ser visto na
Figura 5.2. É a partir do Menu de Navegação que o usuário pode acessar toda e
qualquer informação gerada pela ferramenta.
58
Figura 5.2: Menu de Navegação Descrição do Menu de Navegação:
1- Detalhamento do cubo, onde é possível selecionar exatamente as
dimensões e medidas desejadas, própria para a melhoria da visualização;
2- Linguagem MDX, para usuários mais avançados e que desejam analisar ou
modificar a linguagem de acesso ao cubo;
3- Configuração do modo de ordenação das consultas
4- Mostra ou não os membros superiores, considerados “pais” dentro da
estrutura hierárquica;
5- Oculta registros vazios;
6- Mostra as propriedades das dimensões do cubo, caso existam;
7- Suprime colunas ou linhas vazias;
8- Inversão de eixos, comumente chamado de pivoteamento;
9- Drill Member: Abre todas as ocorrências daquele item na arvore;
10- Drill Position: Abre apenas a ocorrência selecionada daquele item na
árvore;
11- Drill Replace: Substitui a raiz da dimensão atual pelo item selecionado;
12- Drill Through: explica de onde foi que aquele dado foi calculado;
59
13- Mostrar Gráfico:exibe ou não o gráfico dos dados que estão sendo
exibidos para o usuário;
14- Configuração do Gráfico: tipo (linhas, barra vertical , barra horizontal
3D, etc.), altura e largura, título e demais opções.
5.2.2. Etapa 1: Mapeamento Regional
A) Dados Sociais
Situação1: visualização de todas as medidas que representam as
características sociais da região analisada. Observa-se que o cubo está “fatiado” para
o período de 2003 e para a região do Estado do Amazonas, especificamente para as
cidades que envolvem a RSDM. Observe a Tabela 5.1, resultado extraído da
ferramenta.
Tabela 5.1: Dados Sociais – Medidas
Análise: pelo gráfico da Figura 5.3, é nítido que a cidade de Tefé, tem uma
concentração populacional bem maior que as demais cidades, fato relacionado com o
percentual de área urbana na região. Além disso deixa-se claro que o maior número
de pessoas sem Instrução também é maior nessa cidade.
60
Figura 5.3: Visualização dos Dados Sociais por ano - região
Situação 2: comparativo percentual de algumas medidas com relação às suas
respectivas totalidades . Os dados são apresentados na Tabela 5.2.
Tabela 5.2: Comparativo percentual por região
Análise: utilizando-se do recurso de inversão dos eixos, pode-se obter o
gráfico da Figura 5.4 . Através do mesmo pode ser observado que a cidade de Tefé,
tendo o percentual populacional maior comparando-se com as demais cidades, possui
os maiores valores em todas as medidas, características de centros urbanos. A cidade
61
de Maraã apresenta medidas um tanto discrepantes, quando comparados o percentual
de pessoas sem instrução com o percentual populacional.
Figura 5.4: Gráfico comparativo entre as regiões
B) Dados Econômicos
Situação: apresentação de todas as medidas referentes às despesas em termos
percentuais, ao longo de três anos não consecutivos. Os dados são apresentados na
Tabela 5.3 a seguir. Embora a região analisada seja a de Mamirauá, a análise
concentra-se no Município de Uarini, o qual representa a RDSM como um todo para
efeito de análise.
62
Tabela 5.3: Dados Econômicos – Despesas da População
Análise: segundo (MAMIRAUA, 2004), a "cesta básica" dos moradores tem
um custo médio mensal de U$50.00, e é composta por artigos essenciais como
açúcar, café, sabão em barra, óleo de cozinha, leite em pó e sal. O consumo de
mercado é fundamentalmente direcionado à alimentação, que constitui 53% do total
gasto. Os gastos com energia e instrumentos de produção representam apenas 14%
do consumo. A Figura 5.5 apresenta os dados agrupados por ano e por região. Nota-
se que o gráfico sofreu uma mudança de eixo, proporcionada pela ferramenta OLAP,
utilizando-se a propriedade de pivoteamento, utilizando o Menu de Navegação
descrito anteriormente.
63
Figura 5.5: Visualização Gráfica das Despesas
C) Dados de Infra-Estrutura
Situação: para este caso, será apresentado não o cubo propriamente dito e sim
a linguagem MDX que efetua a consulta ao mesmo, determinando qual a “fatia” a ser
exibida para o usuário final.
SELECT
{ [MEASURES].[ABST. AGUA], [MEASURES].[ESGOTO], [MEASURES].[LIXO],
[MEASURES].[LEITO] } ON COLUMNS,
{( [TEMPO].[2003], [REGIAO].[BRASIL].[AMAZONAS].[MAMIRAUA])} ON ROWS
FROM MR_INFRA_ESTRUTURA
Análise: a partir da utilização dessa consulta torna-se possível a obter as
medidas distribuídas horizontalmente, para o ano de 2003 e dentro da região de
Mamirauá.
64
D-) Dados Ambientais
Situação: as concentrações dos poluentes são apresentadas na Tabela 5.4
dentro do período de 2003 para a região de Mamirauá, sendo os poluentes apenas
aéreos, conforme definido anteriormente. A unidade de medida para concentração
dos poluentes é a CO2/c.
Tabela 5.4: Dados Ambientais
Análise: observa-se na Figura 5.6 que os recursos Solar fotovoltaico, Eólico e
Célula Combustível para Gás Natural não apresentam emissões. Comprovadamente
os recursos derivados do petróleo são os grandes responsáveis pela emissão de
poluentes, como era de se esperar.
Figura 5.6: Gráfico com os Dados Ambientais -
65
5.2.3. Etapa 2: Determinação de Recursos e Demandas Regionais
A-) Caracterização das Demandas
Situação: composição da demanda atual de energia, utilizando-se uma
subdivisão por setores da economia. Os dados são apresentados através da
Tabela 5.5. A unidade da Medida de Demanda Atual é de kWh/ano.
Tabela 5.5: Caracterização da Demanda Atual
Análise: observa-se pela Figura 5.7 que a demanda de energia em domicílios
eletrificados é praticamente três vezes maior do que em não eletrificado. Para as
escolas, a demanda é baixa devido ao fato da utilização não se estender durante o
período noturno, além do fato de haver utilização de energia solar.
Figura 5.7: Gráfico da Demanda Atual
66
B-) Caracterização dos Recursos de Oferta
Situação: são considerados para efeito de análise alguns dos recursos
possíveis de utilização, tanto do ponto de vista energético como tecnológico,
caracterizando os recursos de oferta atuais para a região. Os dados obtidos pela
ferramenta são apresentados na Tabela 5.6.
Tabela 5.6: Peso do Preço do Combustível no Valor Final da Energia
Análise: observa-se pelo gráfico da Figura 5.8 que os combustíveis
derivados do petróleo têm um peso considerável na formação do preço da energia ao
consumidor.
Figura 5.8: Custo do Combustível / Custo Atual da Energia
67
As tecnologias alternativas, eólica e solar, embora com o custo tendendo a
zero com relação ao combustível, possuem um custo de investimento muito grande
na tecnologia, fazendo com que o Biodiesel apareça como boa opção para a geração
de energia, pensando-se em subsídios ou trabalho cooperativo caso esta solução seja
adotada.
5.2.4. Etapa 3: Participação dos Envolvidos-Interessados
Situação: com o objetivo de sistematizar também esta etapa, os possíveis En-
In são armazenados de forma simples e objetiva. A Tabela 5.7 apresenta os dados
obtidos pela ferramenta.
Análise: os Envolvidos-Interessados foram devidamente cadastrados,
observando-se um total de 12 para a região da RDSM.
Tabela 5.7: Participação do Envolvidos-Interessados
5.2.5. Etapa 4: Determinação de Critérios e Elementos de Análise
Situação: apresentam-se discretizadas no tempo as demandas atual e
incremental, resultado das Iterações ocorridas no Modelo de Integração de Recursos.
A unidade de medida utilizada para a obtenção da Tabela 5.8 é kWh/ano.
68
Tabela 5.8: Caracterização das Demandas Atual e Incremental
Análise: nota-se pelo gráfico da Figura 5.9 que a demanda incremental tem
um crescimento que acompanha a evolução da demanda da região, sendo mais
acentuada partir de 2014, com uma projeção que leva em consideração o alcance de
tecnologias de oferta para a quase totalidade da população. A caracterização desta
Etapa fica melhor explicitada no ANEXO B , que apresenta um detalhamento para
cada elemento de análise no seu respectivo período de projeção. Este detalhamento
foi obtido a partir de (GIMENES,2004).
Figura 5.9: Evolução das Demandas Atual e Incremental
69
5.2.6. Etapa 5: Avaliação dos Custos Completos - ACC
Situação1: disposição dos pesos dos elementos de análise em termos
percentuais para o ano de 2005, considerando-se apenas o fator Técnico-Econômico,
devidamente representados através da Tabela 5.9.
Tabela 5.9: Elementos de Análise em Termos Percentuais
Análise: observa-se o Fator Técnico-Econômico em evidência, mas com
possibilidade concreta de visualização dos demais fatores, os quais foram suprimidos
com o intuito de facilitar a leitura. Um detalhe que aparece constantemente nas
tabelas originadas pela ferramenta é o fato de apresentar os valores agregados,
sumarizados em colunas e linhas, representando o elemento “pai”, mencionado na
fase de desenvolvimento da metodologia.
Para ilustrar esta etapa, apresenta-se a Tabela 5.10, a qual contém as médias
calculadas segundo a metodologia da ACC para o momento inicial de 2005,
considerada a primeira Iteração do Modelo. Esta metodologia está descrita com
riqueza de detalhes no ANEXO A.
Tabela 5.10: ACC – Avaliação para o Momento Inicial
70
Situação2: apresentação da Classificação dos Recursos para Momento
Inicial. O cálculo percentual apresentado na Tabela 5.11 é obtido de forma
transparente pela ferramenta OLAP e considera todos os fatores com pesos iguais.
Trata-se da visualização da Tabela anterior de modo que a Medida PESO apresenta-
se no formato de porcentagem, além do fato de que os fatores foram suprimidos,
para caracterizar o somatório dos pesos de todas as tecnologias dentro de todos os
fatores para o Momento Inicial - 2005. Mais uma vez a região de Uarini representa a
região da RDSM na sua totalidade para efeito de análise.
Análise: através da Tabela 5.11 pode ser observado que as tecnologias Solar
e GLD Iluminação são as mais apropriadas segundo a classificação obtida pela
ferramenta. Deixa-se claro foram atribuídos pesos iguais a todos os fatores. Observe
como a ferramenta é capaz de efetuar medidas derivadas, pois apenas tendo-se o
peso- PESO_SUM, a alternativa – ALT_SUM e a constante do fator – K, foi possível
a obtenção do PESO % , o qual se refere à importância de cada Tecnologia já
incorporando os Elementos de Análise e agregados segundo os seus respectivos
Fatores – Dimensões de Análise.
Tabela 5.11: ACC – Classificação dos Recursos para o Momento Inicial
O gráfico da Figura 5.10 consolida a Classificação dos Recursos para o
Momento Inicial. Esta análise poderia ser estendida para as demais Iterações do
modelo, porém neste trabalho será realizado apenas para o Momento Inicial – 2005.
71
Figura 5.10: Classificação dos Recursos – Momento Inicial
5.2.7. Etapa 6: Alocação Temporal de Recursos para o Plano Preferencial
Situação: após a classificação dos Recursos segundo a ACC, torna-se
necessário caracterizar o Plano Preferencial de Recursos do PIR, o que é feito através
desta etapa. Considera-se uma etapa muito complexa, envolvendo características
subjetivas e a presença das Funções Multiobjetivo – FMO, consideradas como metas
de planejamento.
Análise: os dados relacionados com a Alocação Temporal de Recursos foram
obtidos a partir do trabalho de (GIMENES, 2004), e estão resumidas na Tabela 5.12.
Observa-se a grande importância dada às tecnologias Solar e Eólica, principalmente
a partir de 2014, pois a escolha de geração Diesel estaria contra as premissas do PIR
(FMO’s ) para o período, direcionando para a utilização de alternativas renováveis
e/ou menos poluentes. O biodiesel, que num primeiro momento tem grande
participação, mostra-se insustentável, dadas as características do local, pois o cultivo
destinado à produção do mesmo requer o desmatamento, inviável a longo prazo.
72
A participação do GLD mostrou-se significativa para o período o período de
2009, fruto principalmente de um plano relacionado com a iluminação residencial,
trocando-se as lâmpadas incandescentes por fluorescentes.
Remete-se ao trabalho de (GIMENES, 2004) para um maior aprofundamento
da análise, haja visto que esta breve descrição serve apenas para caracterizar a
sistematização da Etapa, fornecendo subsídios para que a análise seja efetuada.
Tabela 5.12: Alocação Temporal dos Recursos
73
5.2.8. Etapa 7: Composição de Cenários
Conforme explicitado pelo trabalho de (GIMENES, 2004) , “o Plano
Preferencial gerado na Etapa 6 deverá ser analisado segundo sua consistência
temporal e geográfica no atendimento da demanda, das restrições ambientais e dos
recursos naturais. Para este fim, já se dispõem de diversas ferramentas para análise
de cenários energéticos, como exemplo, pode-se citar o LEAP – Long Range Energy
Analysis System (LEAP) ”
Devido aos fatos apresentados, esta Etapa será desconsiderada dentro do
Estudo de Caso
5.2.9. Etapa 8: Análise Socioeconômica do Plano
Esta etapa conforme explicitado por (GIMENES, 2004) “envolve análises
multidisciplinares que vão além do espectro do especialista do setor elétrico, uma
vez que se pretende estimar a evolução de indicadores de caráter socioeconômico a
partir da disponibilização de energia elétrica para satisfação das necessidades da
atividade socioeconômica”.
Por referir-se à características que estão fora do escopo do presente trabalho,
esta etapa do Estudo de Caso será desconsidera diante do processo de
sistematização.dos dados.
5.2.10. Etapa 9: Análise das Iterações
Situação: as iterações conferem maior grau de refinamento da metodologia e
devem ser estabelecidas de acordo com a abrangência e precisão necessárias ao
processo de planejamento. Nas tabelas a seguir são apresentados de forma ilustrativa
a Evolução dos pesos relativos aos Elementos de Análise, de forma a demonstrar
como a ferramenta pode ser utilizada para caracterizar esta etapa.
74
Análise: a Tabela 5.13 proporciona a seguinte tipo análise, extraída de
(GIMENES, 2004):
“1- O custo unitário de geração tem importância máxima, devido ao grande
impacto que exerce sobre a disponibilização de energia, em qualquer momento do
período em estudo
.
2- O tempo de construção tem impacto um pouco maior em um primeiro
momento, devido ao grande lapso no atendimento das comunidades locai.s
Posteriormente, por se tratar de uma região pequena e a ser atendida de forma
descentralizada, os tempos de construção exercerão pouco impacto econômico na
disponibilização de energia
.
3- O suprimento da energia primária é determinante da disponibilidade de
energia nos 2 primeiros períodos de planejamento, mas deve exercer menor impacto
em um momento de maior renda per capita, o que é esperado para o período de
2014 a 2019.
4- O financiamento foi colocado como sendo de menor importância pois,
dadas as características descritas da região, esta pode contar com financiamento de
fundo perdido e doações, minimizando o impacto econômico deste fator, que, no
entanto, deve ganhar importância no futuro.
5- A poluição atmosférica é pensada em termos de bônus de carbono, que
serão mais importantes no terceiro período, de consolidação do plano.
6- Obras adicionais referem-se à possibilidade de aumento de custos
inesperados devido a obras não previstas. Além disso, para biomassa pode-se referir
a implantação de novas áreas de cultivo ou uma unidade de esterificação de óleos
vegetais. Para o gás natural, pode-se referir a uma unidade para recebimento de gás
natural comprimido. Este fator deverá ter mais impacto em um primeiro momento de
poucos recursos e deverá ter sua importância diminuída ao longo do tempo
conforme a infra-estrutura de energia se consolide na região.
75
Tabela 5.13: Evolução dos Pesos - Dimensão Técnico-Econômica
Análise: os pesos relativos dos elementos de analise, agora relacionados com
a Dimensão Ambiental, proporcionam a seguinte análise, também extraída a partir de
(GIMENES, 2004). Observe os dados obtidos na Tabela 5.14.
“1- A alteração da qualidade da água tem importância relativa pequena,
dado o grande volume dos rios regionais e o pouco impacto das tecnologias de
pequena escala.
2- A natureza do combustível, renovável ou não, começa baixa, dada a pouca
importância em um primeiro momento, de necessidade preemente de
disponibilização energética, e deve adquirir a importância devida ao longo do
horizonte de planejamento, até atingir o máximo, no terceiro período.
3- Analogamente ao anterior, o desmatamento deve adquirir importância ao
longo do período, uma vez que, atualmente, a área desmatada não é significativa.
4- Os poluentes atmosféricos têm menos importância inicial em função de
não haver concentração destes no atual momento e devem ganhar importância
futura em função da necessidade de se manter o modelo de desenvolvimento
desejado para a região.
76
5- A emissão de CO2 deve ganhar influência na análise ao longo do período,
conforme se consolidem os mecanismos de desenvolvimento limpo.
6- A poluição sonora tem pouco efeito no meio ambiente da região, dadas as
grandes áreas e o fato das comunidades serem rodeadas pela vegetação, que atua
como barreira natural
.
7- A fauna local é protegida por lei e deve ser preservada em qualquer
situação”
Tabela 5.14: Evolução dos Pesos - Dimensão Ambiental
Para finalizar o Estudo de Caso, serão apresentados alguns gráficos que
caracterizam o Plano Preferencial 2005 – 2019.
O plano preferencial para o período é a composição entre os montantes de
capacidade a ser instalada em cada momento e a energia gerada segundo cada tipo
escolhido.
77
Figura 5.11a: Evolução da Energia Elétrica ao longo do Período
Figura 5.11b: Evolução da Energia Elétrica ao longo do Período
78
Figura 5.12a: Evolução da Capacidade Instalada ao longo do Período
Figura 5.12b: Evolução da Capacidade Instalada ao longo do Período
79
6. RESULTADOS
Um passo inicial foi dado rumo à consolidação do Modelo de Integração de
Recursos, o qual teve na quase totalidade das etapas sendo abordadas, e aquelas que
dependiam de outros aplicativos ou com características muito subjetivas não foram
consideradas.
A partir do Estudo de Caso, pôde-se demonstrar como o modelo proposto
torna-se aderente à Integração de Recursos, proporcionando ao usuário final, uma
visualização clara e nítida de como cada processo está sendo conduzido. Além disso,
o modelo pode ser generalizado para uma análise em qualquer região e para todo e
qualquer período, possibilitando também uma análise comparativa das etapas entre
diversas regiões dentro do mesmo período, mostrando-se uma ferramenta que
realmente proporciona a criação de uma base de conhecimento histórica dos
processos ao longo dos tempos, aumentando-se quantitativa e qualitativamente o
desenvolvimento do PIR.
80
7. CONCLUSÕES
O detalhamento e análise consistente de uma das principais etapas do PIR, a
Integração de Recursos, proporcionou o avanço na consolidação da metodologia de
Integração de Recursos proposta por (GIMENES, 2004).
Devido à aplicação ampla de modelos multidimensionais sob a ótica do
planejamento integrado de recursos, notou-se a grande aderência da utilização de tal
tecnologia para a resolução dos problemas, de uma forma diferenciada e substancial.
Através da visualização analítica propiciada pela ferramenta, poderão ser
analisados e comparados diversos Estudos de Caso, de uma forma generalizada.
Expandindo-se o que foi realizado durante o trabalho com a massa de dados da
Reserva de Desenvolvimento Sustentável Mamirauá.é possível visualizar e comparar
com a Integração dos Recursos realizada em outras regiões.
A comparação entre diferentes regiões é importante, mas não é a única
possibilidade da aplicação da tecnologia OLAP. Podem ser efetuadas análises que
relacionam o uso final de determinadas tecnologias com a tendência e projeção de
utilização das mesmas ao longo do tempo, proporcionando a tomada de decisão
adequada, tanto para o lado da demanda, através de planos de Gerenciamento do
Lado da Demanda – GLD, como para o lado da oferta, procurando-se alternativas
energéticas para atender as necessidades da própria região.
Um fator importante que deve ser mencionado, é a facilidade da utilização da
ferramenta de análise feita pelos usuários finais (En_In), pois os mesmos não
precisam ter conhecimentos técnicos sobre o modelo de dados ou linguagem de
consulta, ou de um profissional de tecnologia que entenda seus requerimentos e
produza a informação desejada. O acesso aos dados passa a ser transparente através
do “Menu de Navegação”. Os usuários têm apenas que lidar com termos de negócio
aos quais já estão habituados, organizados sob a forma de dimensões e medidas.
81
A utilização de ferramentas OLAP aliadas à filosofia de data warehouse
mostrou-se muito produtiva na aplicação dentro do planejamento energético,
proporcionando agilidade e flexibilidade nas investigações e análise de dados para os
usuários finais, isto é, aqueles que realmente fazem parte do processo de tomada de
decisões.
7.1. Desenvolvimentos Futuros
Resolução de aspectos subjetivos da análise: o desenvolvimento de um Data
Warehouse juntamente com a aplicação da tecnologia OLAP não foram notadamente
suficientes para a solução de problemas subjetivos. Na tentativa de solucioná-los,
podem ser utilizadas técnicas de Mineração de Dados - Data Mining, principalmente
quando se tratam das Funções Multiobjetivos – FMO’s.
Integração com outras Ferramentas, como por exemplo o LEAP ou planilhas de
cálculo, ficando transparente para o usuário final o uso de qualquer ferramental
proposto.
Extensão do Repositório de Dados: alguns elementos de um modelo dimensional
não são representados no repositório de dados. Tabelas de fatos e suas classificações,
e atributos de tabelas de dimensão que não compõem hierarquias são exemplos
desses elementos. Um trabalho possível seria o estudo e a implementação de novos
elementos, estendendo a capacidade do repositório de dados de representar o modelo
dimensional. É importante destacar que algumas dessas limitações se devem ao fato
de o repositório ser atualizado pelo próprio usuário, o que dificulta a incorporação de
aspectos técnicos na ferramenta. Uma alternativa seria a divisão da ferramenta em
dois módulos: o primeiro, a ser utilizado pelo usuário para modelar a estrutura dos
dados e suas necessidades de análise, e o segundo para que um profissional de
tecnologia da informação acrescente os detalhes técnicos ao repositório de dados.
Utilização de um Sistemas de Informação Georeferenciada – SIG, o que traria
uma contribuição inigualável somado à presença da tecnologia OLAP, visto que os
82
aspectos “georeferenciais” possibilitam a integração, numa única base de dados, de
informações geográficas provenientes de fontes diversas tais como dados
cartográficos, dados de censo e cadastro urbano e rural, imagens de satélite e modelo
numéricos de terreno. No âmbito do PIR, pode ser utilizado o SAGe, o qual vem
sendo desenvolvido pelo Grupo de Energia do Departamento de Energia e
Automação Elétricas da Escola Politécnica da Universidade de São Paulo – GEPEA.
83
ANEXO A – Método da Avaliação dos Custos Completos
A Avaliação dos Custos Completos permite que se avalie diferentes
alternativas considerando-se com pesos iguais os critérios Econômico, Social e
Ambiental.
Este método será descrito de maneira resumida a seguir e, para um maior
aprofundamento, remete-se às (BOARATI,2003).
A- Definição de Avaliação dos Custos Completos
É um meio pelo qual considerações ambientais e sociais podem ser integradas
nas decisões de um determinado negócio. Ela é uma ferramenta que incorpora custos
ambientais e sociais e custos internos com dados de impactos externos e
custos/benefícios de atividades sobre o meio-ambiente e na saúde humana. Nos casos
onde os impactos não podem ser monetarizados, são usadas avaliações qualitativas.
Trata-se então de uma ferramenta para auxiliar a tomada de decisão. A abordagem da
ACC consiste em internalizar ou incorporar os custos externos buscando também
definir e alocar melhor os custos internos.
A1- Custos Internos
Os custos internos podem ser calculados segundo as metodologias usuais de
avaliação técnico-econômica de recursos energéticos.
A1.1- Custos Externos - Metodologia
A seguir, é descrita a metodologia utilizada para se considerar esses custos na
avaliação, bem como os resultados obtidos.
Para a avaliação dos custos externos é adotada uma abordagem quantitativa
ou qualitativa. Dessa forma, o que se busca nesta fase é evidenciar as externalidades
associadas a cada recurso.
84
As etapas de avaliação são as seguintes:
1. Estudo dos possíveis impactos de cada recurso;
2. Montagem de uma Matriz de Avaliação de Impactos através de tabelas de
análise;
3. Definição de Pesos e Significâncias para cada impacto;
4. Aplicação das tabelas de análise;
5. Discussão dos resultados.
A) Análise das Alternativas
A metodologia a seguir está referenciada a um exemplo de aplicação baseado
na comparação de usinas hidro e termelétricas.
Segundo (BOARATI,2003), a partir da identificação dos vários elementos
que caracterizam as alternativas energéticas pode-se estabelecer a base de valoração
para aplicação da metodologia dos Custos Completos. Novos elementos podem ser
inseridos na análise, melhorando a precisão da avaliação. São apresentados diversos
elementos listados nas Tabelas de Análise que serão valorados a partir de dois tipos
de ponderação: Alternativas de cada Elemento de Análise e Peso de cada Elemento
de Análise. Estes dois critérios permitem que cada elemento de análise seja avaliado
de acordo com as 4 opções disponíveis (que podem ser ampliadas), sendo que cada
opção varia da melhor à pior alternativa em cada elemento presente nos Fatores
descritos. A seguir, tem-se a descrição dos tipos de ponderação a serem utilizados.
B-) Alternativas de cada Elemento de Análise
Cada elemento de análise considerado dentro dos Fatores Técnico-
Econômico, Ambiental, Social e Político apresenta neste trabalho quatro (ou menos)
opções que chamaremos de Alternativas, pois as mesmas caracterizam as diferentes
possibilidades que cada elemento de análise pode apresentar. Estas alternativas serão
caracterizadas por valores percentuais exemplificados na Tabela A1 que variam da
melhor (100%) à pior (25%) alternativa.
85
Alternativa
Insatisfatória
Alternativa
Regular
Alternativa
Satisfatória
Alternativa
Excelente
Valoração
Percentual 25% 50% 75% 100%
Tabela A1 - Alternativas de cada Elemento de Análise
O Valor percentual acima define quatro estágios para cada elemento contido
nos Fatores considerados, sendo que a escolha da melhor alternativa resulta em uma
maior valoração do Elemento de Análise e por conseqüência a maior pontuação da
usina hidrelétrica ou termelétrica com gás natural que está sendo avaliada segundo os
Custos Completos.
C-) Peso de cada Elemento de Análise
Os diferentes Elementos de Análise considerados em cada Fator são
utilizados para caracterizar os aspectos mais importantes de cada tipo de geração
tratado neste trabalho, para que seja possível efetuar uma valoração numérica e
conseqüente análise das alternativas através dos Custos Completos. Os Elementos de
Análise são apresentados em cada Fator e devido às inúmeras diferenças entre os
mesmos, não recebem o mesmo grau de valoração dentro da análise quantitativa. A
diferenciação é necessária para serem evitadas distorções que afetem a valoração dos
elementos utilizados e como exemplo podemos citar que o peso do Elemento de
Análise “Características da área alagada” (A) é maior que o do Elemento “Alteração
da Qualidade da Água” (B), pois ao analisarmos o Fator Ambiental, notamos que o
efeito do primeiro Elemento de Análise citado é maior no meio ambiente. Devido ao
exposto acima serão definidos na Tabela A.2 abaixo, diferentes pesos para
caracterização dos Elementos de Análise.
Peso A (padrão) Peso B Peso C
Valoração do
Elemento A B 2
3A C 1
3A
Tabela A2 – Pesos dos Elementos de Análise
86
A avaliação dos Fatores Técnico-Econômico, Ambiental, Social e Político
são considerados neste trabalho através da perspectiva da metodologia dos Custos
Completos que considera que os diferentes Fatores considerados possuem a mesma
importância no processo de análise. Isto significa que os Fatores citados exercem o
mesmo grau de influência no processo de análise das alternativas de geração. Para
que sejam possíveis as valorações dos Fatores com a mesma importância de um
perante o outro, consideramos que cada Fator obterá a valoração máxima de 100
pontos e a partir da soma dos quatro Fatores haverá teoricamente uma valoração
máxima de 400 pontos para a Usina avaliada. Os 100 pontos serão rateados entre os
vários Elementos de Análise contidos em cada Fator com o devido tratamento dos
níveis de ponderação. A partir dessa consideração cria-se uma dificuldade oriunda da
diferença entre o número de elementos de análise em cada fator. Como exemplo
numérico podemos afirmar que o Fator Ambiental pode conter 12 Elementos de
Análise enquanto o Fator Social pode conter 10 Elementos de Análise o que indica
que os parâmetros “A”, “B” e “C” receberão diferentes valorações dentro de cada
Fator considerado, pois quando compararmos o Fator Ambiental com Social, os
mesmos devem possuir a mesma importância. A formulação a seguir permitirá o
esclarecimento desta metodologia de valoração.
D-) Determinação Numérica dos Parâmetros A, B e C
Como citado acima, os Fatores analisados receberão pontuação máxima igual
a 100 e a forma de rateio desta pontuação é obtido a partir da eq. (1) abaixo:
X A Y B Z C 100 (1)
X Y Z Fn (2)
Onde:
100 : Valoração máxima atribuída a cada Fator Considerado
A, B e C : Valoração de cada Elemento de Análise – Depende da importância
atribuída ao Elemento de Análise dentro do Fator considerado
X, Y e Z : Número de ocorrência dos Elementos de Análise com a valoração A, B
ou C respectivamente
87
Fn: Número total de Elementos de Análise contidos em cada Fator
A partir da Tabela A.2 temos que:
B 23A
C 13A
A eq. (1) fica:
X A Y B Z C 100
X A Y 23A Z 1
3A 100
X A Y 23A Z 1
3A 3 100 3
3 X A 2 Y A Z A 300
3 X 2 Y Z A 300
A 3003 X 2 Y Z (3)
O que resulta em:
B 2003 X 2 Y Z (4)
C 1003 X 2 Y Z (5)
88
Fazendo:
3 X 2 Y Z KFCi (6)
Onde KFCi = Constante do Fator Considerado – A partir da definição dos
Elementos de Análise e de seus respectivos pesos (A, B ou C) obtemos quatro
constantes deste tipo para que seja efetuada a análise dos custos completos:
KFCte = Constante do Fator Técnico-Econômico (7)
KFCam = Constante do Fator Ambiental (8)
KFCso = Constante do Fator Social (9)
KFCpo = Constante do Fator Político (10)
B- Valoração Final de cada Elemento da Análise
A partir da apresentação da formulação acima, iremos obter a valoração final
de cada elemento de análise a partir da expressão abaixo:
(11)
C- Valoração do Fator considerado: Técnico-Econômico, Ambiental,
Social ou Político
A partir da valoração de cada Elemento de Análise, obteremos a valoração de
cada Fator considerado:
(12)
D- Valoração da Usina considerada: Hidrelétrica ou Termelétrica com
gás natural
Finalmente obtemos a valoração total da usina que considera os Custos
Completos do empreendimento e permite avaliar diferentes configurações.
89
(13)
A partir da valoração dos empreendimentos hidrelétricos e termelétricos com
gás natural com capacidade de geração semelhantes, podemos avaliar de forma
ampla os dois tipos de empreendimentos, sendo buscadas soluções para a redução
dos custos (completos) de cada tipo de usina.
Valoração_Usina => Ações de redução dos Custos Completos => Ganhos
para a sociedade
90
ANEXO B – Determinação de Critérios e Elementos de Análise
A Etapa 4, além dos dados fornecidos na Etapa 3, deve atender às
determinações do PIR propriamente dito. É dele que virão elementos estratégicos
concretos para determinação das variáveis quantitativas do planejamento, que serão
trabalhadas no processo de Integração de Recursos.
Os demais elementos serão obtidos da análise dos dados da região e da
participação dos Envolvidos-Interessados.
As diretrizes assumidas para o PIR da região orientam para as seguintes
metas:
• 5 anos: fornecimento de energia elétrica 24 h/dia a todas as comunidades para
100% dos domicílios;
• 10 anos: incremento do consumo pela utilização de usos finais que agreguem
valor às atividades produtivas dos comunitários;
• 15 anos: manutenção sustentável da satisfação às necessidades energéticas.
A estes elementos-chave somam-se os identificados como objetivos da Etapa
3:
• Aumento da renda;
• Melhoria do acesso a bens de consumo, com destaque ao freezer;
• Melhoria da saúde;
• Fornecimento de água potável na seca;
• Educação.
A partir destes objetivos serão levantados os elementos de análise para os
períodos previstos.
91
A) Elementos para Análise do Período de 2005 a 2009
O crescimento populacional vigente neste período será de 5% aa. Neste
período, a meta principal deverá ser o fornecimento de energia de forma ininterrupta
às comunidades para 100% dos domicílios.
Este fator é preponderante pelo fato de que, antes que isso aconteça, a
atividade de armazenamento de peixes torna-se impossível. Essa atividade poderia
ser pensada em termos de frízeres individuais de 220 l e 450 l, onde poderiam ser
armazenados, respectivamente, 200 e 400 kg de peixe pescado na safra para revenda
na entressafra.
Essa possibilidade agregaria uma renda adicional de 1600 a 3200 R$/ano por
família que se dedica à pesca.
Além disso, a disponibilidade de energia elétrica durante o dia permite que a
mandioca seja trabalhada através de motores elétricos (de baixo custo) e deixe de ser
trabalhada manualmente. Atualmente, esta etapa de produção só é mecanizada nas
famílias que podem pagar por um motor a gasolina. Essa diferença representa ganhos
essencialmente sociais, pois as famílias, além de aumentarem sua renda pela maior
produtividade, ganham em qualidade de vida e saúde. O ganho de produtividade com
uso de motores elétricos em relação aos manuais foi estimado em 30%, por ser a
“ceva” (processo de ralar a mandioca) uma das etapas mais desgastantes do processo
de fabrico da farinha.
O plano prevê que as 24 h de atendimento em todas as comunidades sejam
atingidas ao fim de 5 anos. Neste período, espera-se que 50% das famílias que se
dedicam ao fabrico de mandioca adquiram motores para tal e 25% das que se
dedicam à pesca adquiram frízeres, por ser este último de preço elevado para os
padrões locais. Nas famílias que vivem da farinha, esse percentual seria de 10% para
os frízeres, pela menor renda que a farinha proporciona, dificultando a compra destes
equipamentos.
92
Também nestes 5 anos, deverão ser previstos os suprimentos necessários à
satisfação das demandas dos sistemas de bombeamento de água para consumo
humano. Neste caso, utilizou-se a média de 0,3 Wh/l de água bombeada, para uma
necessidade média de 20 l/pessoa/dia.
Para as escolas, projeta-se a instalação de sistemas solares para atendimento
de todas no período noturno e uso de tecnologia de informação, que vem sendo
inserida nas comunidades através de usos de computadores e acesso à internet. Para
atendimento das demandas de eletricidade escolar será dada prioridade aos sistemas
solares fotovoltaicos, pelas razões anteriormente descritas.
Para os demais usos finais será utilizada uma taxa de crescimento de 10% aa.
B) Elementos para Análise do Período de 2010 a 2014
Neste período, considera-se que o papel da disponibilidade de energia como
elemento agregador de valor à atividade produtiva já esteja consolidado entre os
ribeirinhos.
O crescimento populacional vigente neste período será assumido como 3%
aa.
Espera-se que, com o aumento das áreas com permissão para pesca, o
percentual de famílias que se dedicam a esta atividade passe de 20 para 30% e que
50% delas possuam frízeres para armazenamento. Nas famílias que vivem da farinha,
o percentual seria de 25% passaria a possuir estes equipamentos.
O percentual de domicílios que trabalham com a farinha passaria de 90 para
80%. Neste período, estima-se que o percentual de famílias com motores elétricos
para o fabrico de mandioca saltará de 50 para 75%. Os demais usos finais mantêm a
taxa de 10% aa, até atingirem 100%.
Com o aumento da renda, o percentual de famílias que tem acesso a outros
usos finais deverá aumentar, por esta razão, foi considerada uma taxa de 10% aa.
93
C) Elementos para Análise do Período de 2015 a 2019
Neste período, considera-se que haverá uma consolidação do plano de
energização local, com 80% das casas possuindo frízeres, no caso da pesca, e 50%
nas dedicadas à farinha.
O crescimento populacional vigente neste período seria de 2% aa.
O percentual de domicílios que trabalham com a farinha passaria de 80 para
70% e haveria, concomitantemente, um aumento no percentual de famílias dedicadas
à pesca, passando de 30 para 50%.
No caso do fabrico da farinha de mandioca, 100% das famílias passariam a
possuir motores elétricos para esta finalidade.
Neste momento, opções mais poluentes e baratas deverão ir cedendo lugar
para as sustentáveis, já que se trata de uma obrigação legal da reserva a busca do
desenvolvimento sustentável.
Além da demanda, a evolução dos parâmetros das alternativas energéticas,
aliadas à evolução das condições de vida dos habitantes, deverão afetar a Avaliação
dos Custos Completos - ACC. Os pesos relativos dos elementos de análise da ACC
serão alterados conforme as condições locais se alterem como resultado do plano.
94
ANEXO C – Estrutura Física do Data Warehouse
95
REFERÊNCIAS BIBLIOGRÁFICAS
BOARATI, J.H.; “Um modelo para Avaliação Ponderada da Hidreletricidade e
Termeletricidade com Gás Natural Através dos Custos Completos”. Dissertação
apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do
título de Mestre em Engenharia. São Paulo,2003.
BRACHMAN, R. J. The Process of Knowledge Discovery in Databases. Advances
in Knowledge Discovery and Data Mining 1996: 37-57.
CARVALHO, C. E. A Análise do Ciclo de Vida e os Custos Completos no
Planejamento Energético dissertação de mestrado apresentada à Escola Politécnica
da Universidade de São Paulo, São Paulo, 2000.
DAL’ALBA, Adriano. Um estudo sobre Data warehouse. Disponível em:
<http://www.geocities.com/siliconvalley/port/5072/> . Acessado em 10 de jun. 2004.
ECLIPSE. Eclipse Foundation. Site Oficial do Software. Disponível em:
<http://www.eclipse.org/ >. Acessado em 15 de abr. 2004.
GIMENES, A. L. V. Integração de Recursos Energéticos como Instrumento para
o Planejamento Energético Sustentável, tese de doutorado, São Paulo – SP,
EPUSP – Departamento de Engenharia de Energia e Automação Elétricas, 2004.
IBGE INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Site
Cidades@ . Disponível em: <http://www.ibge.com.br/cidadesat>. Acessado em 20 de
dez. 2004.
INMON, William H.. Como construir o Data Warehouse. 2ª ed. New York: Editora
Campus, 1997, 388p
96
JANUZZI G. M. E SWISHER, J. N. P. Planejamento Integrado de Recursos
Energéticos – meio-ambiente, conservação de energia e fontes renováveis,
Editora Autores Associados, Campinas, 1997.
KIMBALL, R. The Data Warehouse Toolkit, John Wiley & Sons Inc., New York,
1996.
LEAP Long-range Energy Alternatives Planning System.User Guide for version
2000, Boston Center, Tellus Institute, Boston EUA, 2000.
MAMIRAUA. INSTITUTO DE DESENVOLVIMENTO SUSTENTÁVEL
MAMIRAUA. Amazonas. Site Oficial. Disponível em:
<http://www.mamiraua.org.br> . Acessado em 03 de jan. 2005.
MME MINISTÉRIO DE MINAS E ENERGIA. Secretaria de Energia. Balanço
Energético Nacional . Disponível em: <http://www.mme.gov.br/ben/Ben.asp>.
Acessado em 20 de dez. 2004.
MONDRIAN. Servidor OLAP. Site Oficial do Software. Disponível em:
<http://perforce.eigenbase.org:8080/open/mondrian/doc/index.html>. Acesso em 20
de nov. 2004.
MYSQL. MySQL AB. Site Oficial do Software. Disponível em
<http://www.mysql.com>. Acessado em 20 de nov. 2004.
OLAP Council. The APB-1 Benchmark. Disponível em
<http://www.olapcouncil.org> . Acessado em 05 de maio 2004.
SPOFFORD, G. MDX Solutions: with Microsoft® SQL Server Analysis Services.
USA: 2001. 431p.
THOMSEN, E. OLAP: Construindo sistemas de informações multidimensionais.
Tradução da Segunda Edição. Rio de Janeiro: Editora Campus, 2002. 708p
97
TOMCAT. The Apache Jakarta Project. Site Oficial do Software. Disponível em
<http://jakarta.apache.org/tomcat/> . Acessado em 10 de jun. 2004.
UDAETA, M. E. M. Planejamento Integrado de Recursos (PIR) para o Setor
Elétrico (pensando o desenvolvimento sustentável), tese de doutorado, São Paulo
– SP, EPUSP – Departamento de Engenharia de Energia e Automação Elétricas,
1997.
WELDON, J.L. Warehouse Cornerstones, Revista Byte, v.22, nº 1, Janeiro 1997.
WHITEHORN, M; ZARE, R; PASUMANSKY, M. Fast Track to MDX. Londres:
Springer, 2002. 266p.