library(vigiar)
vigiar_conectar()
pm25 <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")
# Auditoria completa de uma tabela
audit <- vigiar_auditar(pm25, tabela = "df_anual")
print(audit)11 Auditoria e Compliance
A auditoria é a camada mais rigorosa de verificação do pacote vigiar. Ela combina todas as validações e diagnósticos em um relatório estruturado, com checksums criptográficos e perfis de compliance.
11.1 Auditoria completa
11.1.1 Estrutura do relatório de auditoria
==================================================
AUDITORIA VIGIAR — df_anual
==================================================
Data: 2026-07-19 10:30:00
Checksum SHA256: a1b2c3d4e5f6...
--------------------------------------------------
1. SCHEMA
--------------------------------------------------
Colunas: 12
Nomes padronizados: sim
Tipos consistentes: sim
--------------------------------------------------
2. CÓDIGOS IBGE
--------------------------------------------------
Total: 5570 | Válidos: 5570 (100%)
Range RJ: 330010–330620 | Conformidade: ok
--------------------------------------------------
3. CONSISTÊNCIA TEMPORAL
--------------------------------------------------
Período: 2010–2022 (13 anos)
Anos faltantes: 0
Quebras de série: 3 municípios
--------------------------------------------------
4. UNIDADES E VALORES
--------------------------------------------------
PM2.5 média: 11.3 µg/m³ (min: 4.2, max: 28.7)
Valores negativos: 0
Valores ausentes: 234 (4.2%)
--------------------------------------------------
5. COBERTURA
--------------------------------------------------
Municípios esperados: 92 | Presentes: 87 (94.6%)
Faltantes: 5 municípios em 2022
--------------------------------------------------
6. INTEGRIDADE (SHA256)
--------------------------------------------------
Checksum: a1b2c3d4e5f67890...
Verificado: ok
==================================================
SEVERIDADE: aviso
RECOMENDAÇÃO: Dados utilizáveis com ressalvas documentadas.
==================================================
11.2 Checksum SHA256
O checksum criptográfico garante a integridade dos dados:
# Calcular checksum
hash <- vigiar_checksum(pm25)
hash
# [1] "a1b2c3d4e5f6789012345678901234567890abcd..."O checksum é determinístico: os mesmos dados sempre geram o mesmo hash. Isso permite:
- Verificar se os dados foram alterados
- Comparar versões de download
- Garantir reprodutibilidade em publicações científicas
11.3 Perfis de Compliance
O pacote oferece múltiplos perfis de verificação:
# Compliance com múltiplos perfis
comp <- vigiar_compliance_check(pm25, tabela = "df_anual",
profiles = c("basico", "rigoroso", "rj", "corrupcao")
)
print(comp)11.3.1 Perfis disponíveis
| Perfil | Descrição | Checks |
|---|---|---|
basico |
Verificações essenciais | Schema + IBGE + ausentes |
rigoroso |
Análise completa | Todos os checks + outliers |
rj |
Foco no Rio de Janeiro | Range IBGE RJ + cobertura 92 municípios |
corrupcao |
Detecção de anomalias | Outliers, duplicatas, quebras, digitação |
11.3.2 Perfil “corrupcao”
Este perfil aplica testes estatísticos para detectar possíveis problemas de qualidade:
comp <- vigiar_compliance_check(pm25,
tabela = "df_anual",
profiles = "corrupcao"
)Verifica: - Lei de Benford: distribuição de dígitos iniciais (detecção de dados fabricados) - Outliers: usando IQR (intervalo interquartil) - Duplicatas exatas: registros idênticos - Quebras de série: variações ano-a-ano anômalas
11.4 Auditoria em lote
# Baixar e processar várias tabelas
tudo <- vigiar_baixar_principais()
# Auditar todas
auditorias <- vigiar_auditar_tudo(tudo)
print(auditorias)11.5 Exportação da auditoria
# Exportar como JSON (para arquivamento)
vigiar_exportar_auditoria(audit, "auditoria_pm25_2026.json")
# O JSON pode ser versionado com git11.6 Comparação de auditorias
# Primeira auditoria
audit_jan <- vigiar_auditar(pm25, tabela = "df_anual")
# ... meses depois, novo download ...
pm25_jul <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")
audit_jul <- vigiar_auditar(pm25_jul, tabela = "df_anual")
# Comparar
# (Use os checksums e snapshots para detectar diferenças)11.7 Exemplo: fluxo de auditoria para publicação
library(vigiar)
# 1. Conectar e baixar
vigiar_conectar()
pm25 <- process_pm25(vigiar_baixar_rj("df_anual"), tipo = "anual")
# 2. Validar e diagnosticar
diag <- vigiar_diagnosticar_serie(pm25)
vigiar_relatorio_diagnostico(diag)
# 3. Auditar (perfil rigoroso)
audit <- vigiar_auditar(pm25, tabela = "df_anual")
comp <- vigiar_compliance_check(pm25,
tabela = "df_anual",
profiles = c("rigoroso", "rj")
)
# 4. Verificar severidade
if (audit$severidade %in% c("problema", "crítico")) {
stop("Dados não passaram na auditoria. Investigue antes de publicar.")
}
# 5. Criar snapshot para submissão
snap <- vigiar_snapshot(dados = pm25, tabela = "df_anual")
vigiar_salvar_snapshot(snap, "pm25_submissao_2026.rds")
# 6. Exportar auditoria como evidência
vigiar_exportar_auditoria(audit, "auditoria_submissao_2026.json")
# 7. Desconectar
vigiar_desconectar()
# Agora você tem:
# - Dados validados e auditados
# - Snapshot com SHA256
# - Relatório de auditoria em JSON
# - Diagnóstico completo
# Tudo pronto para submissão científica!11.8 Boas práticas de auditoria
- Audite sempre antes de qualquer análise publicável
-
Use o perfil
rigorosopara trabalhos acadêmicos - Exporte a auditoria como metadado suplementar
- Inclua o checksum nos métodos do artigo
- Versionar o JSON de auditoria junto com o código