Metodologia:

A metodologia aplicada neste capítulo é desenvolvida em três etapas: 1. Construção de uma base de dados de patentes;

2. Desenho da rede e particionamento k-core;

3. Medidas de centralidade e um estudo de caso específico.

O primeiro passo no desenvolvimento da análise proposta foi selecionar o segmento da indústria a ser estudado. O segmento offshore foi o escolhido, porque nele a fase de exploração é intensiva em conhecimento e vem enfrentando crescentes desafios tecnológicos para redução de custos, acesso a poços ultra profundos e maior segurança ambiental, exigindo soluções tecnológicas específicas para cada reservatório (BRIDGE, 2008; PERRONS, 2014; SOLHEIM E TVETERAS, 2017).

A opção por um segmento específico impôs a necessidade de constituir uma base de dados refinada especificamente para tal segmento. Para isso, foram coletados dados sobre patentes e, em seguida, foi usada a colaboração entre inventores para construir uma rede de conhecimento no nível da cidade. Colocando as cidades em uma perspectiva global, é possível visualizar como diferentes locais estão inseridos na rede de conhecimento de petróleo offshore e como essa rede específica é configurada.

Uma maneira de explorar tanto o sistema global quanto alguns fatores locais é por meio dos dados de patentes. Embora consideradas um indicador imperfeito, pois não abrangem os esforços de geração de conhecimento como um todo, já que nem tudo é patenteável, as patentes são os resultados formais do sistema de geração de conhecimento de um local (LEYDESFORF ET AL, 2014), fornecendo uma pista para rastrear a produção de conhecimento (BERGE ET AL, 2017).

Por um lado, alguns autores afirmam que as patentes representam apenas uma parte da P&D realizada e não representam o valor econômico das tecnologias (ACS et al,

2002). Por outro, estudos empíricos mostram que as patentes são indicadores eficientes para a atividade inovativa e são indicadores adequados para explorar a localização da produção de conhecimento (LEYDESDORF ET AL, 2014). Além disso, o setor de petróleo tem uma alta propensão a patentear (PERRONS, 2014). Considerando esses aspectos, entende-se que as patentes são um indicador adequado para a análise desenvolvida neste capítulo.

A primeira etapa para conduzir a análise proposta foi construir uma base de dados específica. Para tanto, foram empregados procedimentos já utilizados por Eslami et al (2003), Murakami (2015) e Bueno (2016). Primeiramente, foram identificados os IPCs (International Patent Classifications) relacionados ao segmento offshore. Para isso, foi usado o banco de dados WIPO (World International Property Organization), que fornece uma lista de IPCs que se ajustam a um termo de procura específico. Para realizar essa busca inicial de IPCs, optou- se por usar termos de consulta amplos, como “subsea+oil”, “platform+oil”, “underwater+oil”, “offshore+oil” e “drilling+subsea”. Dessa forma, foi possível ter uma longa lista de IPCs, abrangendo diferentes tecnologias de produção e, posteriormente, filtrar os resultados. Em seguida, foi verificado a que tipos de tecnologias esses IPCs se referiam, de acordo com sua definição oficial, o que resultou na seguinte lista final de IPCs, mostrada na tabela 12.

Tabela 12 - Lista de IPCs de tecnologias relacionadas à exploração de petróleo

offshore

E21B 17/01 E02B 17/02 E21B 15/02 E21B 43/013 E21B 43/01 B63B 21/50 E21B 41/48 E21B 41/04 E21B 21/08 B63B 35/44 E21B 7/104 E21B 41/06 E21B 33/035 B63B 35/58 E21B 19/09 E21B 49/00 E21B 43/12 B63B 21/26 E21B 34/04 E63B 22/02 E21B 33/10 B63B22/02 E21B 33/064 E21B 33/00 E02B 17/00 E21B 7/12 E21B 33/043 E21B 34/06 Fonte: Elaboração própria, a partir de dados da WIPO.

Após a identificação dos IPCs adequados, a próxima etapa foi pesquisar as patentes que comporiam a base de dados, usando os IPCs pré-selecionados. Para tanto, foi utilizado o banco de dados do USPTO e adotado o período de 2007 a 2017. Optou-se pelo USPTO porque ele é um banco de dados amplamente utilizado em estudos baseados em patentes, para evitar o viés que poderia ser gerado pela adoção de um escritório de um país específico do Sul global, e porque as empresas depositam patentes nos locais em que pretendem aplicar a tecnologia patenteada (MIRANDA, 2014) e, como o Golfo do México é

uma das principais áreas de petróleo offshore, empresas que pretendem usar uma determinada tecnologia nessa área, provavelmente depositarão essa patente no USPTO, o que torna esse escritório uma opção adequada. Além disso, esse banco de dados já foi usado por Maleki (2013), em uma investigação de inovação na indústria de petróleo e gás, que empregava dados de patentes.

Embora muitos estudos usem a citação de patentes em vez do número absoluto de patentes como um indicador para a produção de conhecimento, entende-se aqui, como em Leydesdorf et al (2014), que esse indicador não é o mais adequado para uma análise espacial, pois o diferente número de citações de cada patente pode se dever a diferentes práticas e regulações e não necessariamente à importância das patentes dentro da rede. Assim, a análise baseada no número de citações pode ser viesada.

A coleta inicial de documentos de patentes no USPTO foi refinada através da análise dos resumos dos documentos, buscando termos que permitissem identificar a patente como específica ao segmento de petróleo offshore. Os termos que orientaram esse refinamento foram mais específicos do que os aplicados na pesquisa por IPCs. Eles foram selecionados com base em trabalhos já escritos sobre o setor e no banco de dados da SPE International (Sociedade de Engenheiros de Petróleo)16, o petrowiki. Após esse refinamento, foram obtidas 1217 patentes. Vale ressaltar que esse número não constitui o universo de patentes na exploração de petróleo offshore no período, mas apenas uma amostra, devido às limitações da metodologia. No entanto, essa amostra abrange vários aspectos da exploração offshore, tais como plataformas, fluídos de injeção, manifolds, sistemas de prevenção de rompimento, embarcações, tubos e cabos.

Após a elaboração da base de dados, foi realizado o desenho da rede. Para projetar a rede não direcionada, foi adotado o nível da cidade e, para estabelecer as ligações, foram usados os dados de localização dos inventores e não a localização da organização solicitante. Essa opção se baseia no fato de que, em muitos casos, as organizações que depositam as patentes têm escritórios específicos com a função de gestão de propriedade intelectual. No entanto, a localização desses escritórios não reflete necessariamente a localização dos laboratórios de P&D e a própria produção de conhecimento. Dessa forma, optou-se por usar a localização dos inventores como uma proxy para a localização da produção de conhecimento, considerando que as pessoas geralmente vivem perto de onde trabalham (ESLAMI et al, 2013). Além disso, considerando que as pessoas geralmente moram perto de onde trabalham,

16 _{A SPE é uma organização internacional, com mais de 110.000 membros em 141 países, com foco no setor de}

mas não necessariamente na mesma cidade, foi adotada uma faixa de 50 km para definir uma cidade. Isso significa que inventores que moram em Katy (EUA) e Duque de Caxias (BR), por exemplo, foram designados para Houston (EUA) e Rio de Janeiro (BR), respectivamente.

Depois de desenhar a rede, foram realizadas algumas análises. Primeiro, para analisar o sistema global e suas características estruturais e espaciais, foi utilizado o método k-core. Formalmente, a definição de k-core é “a subrede máxima H de [uma rede] G com a propriedade de que o número mínimo de arestas de qualquer vértice em H em relação a outros vértices de H é pelo menos k” (ALVAREZ-HAMELIN et al, 2006). Em linhas gerais, a premissa básica desse método é que as redes podem ser particionadas em camadas, que reproduzem uma estrutura centro-periferia, de acordo com as características da rede. Portanto, aplicando esse método, é possível identificar os nós que estão no centro e os que estão na periferia de uma rede específica (CRESCENZI et al, 2016; ALVAREZ-HAMELIN et al, 2005).

Com a análise inicial do particionamento k-core, foi possível identificar as cidades dos países produtores de petróleo que estão no mais alto nível hierárquico da geração de conhecimento. Posteriormente, duas medidas foram calculadas: o grau de centralidade, que mede o número absoluto de conexões que um nó estabelece com outros; e o eigenvector, que é uma medida chave em uma rede de conhecimento porque, como afirmado por Nooy et al (2011: 153), “você é mais central se tiver mais contatos - como no grau de centralidade - e especialmente se seus contatos são mais centrais, isto é, se tiverem muitos contatos centrais ”. Assim, o eigenvector mostra a "qualidade" dos lugares conectados: eles são lugares centrais com uma posição forte na rede ou são lugares marginais? Eles são um hub na rede, produzindo e conectando-se a muitos outros nós?

Na sequência, foi realizada a última etapa da análise proposta que é o estudo do caso específico da inserção do Rio de Janeiro na rede, abordando algumas características de tal inserção e alguns fatores que contribuíram para o destaque da cidade.