“ANÁLISE DE RISCOS E PRIORIZAÇÃO DE MANUTENÇÃO EM...

FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA

DISSERTAÇÃO DE MESTRADO

PROFISSIONALIZANTE EM ADMINISTRAÇÃO

“ANÁLISE DE RISCOS E PRIORIZAÇÃO DE MANUTENÇÃO EM UNIDADES DE

GERAÇÃO DE ENERGIA COM UMA ABORDAGEM DA LÓGICA FUZZY”.

DANILO JUSAN SANTOS

ORIENTADORA: PROFESSORA DRA. MARIA AUGUSTA SOARES MACHADO

Rio de Janeiro, 13 de dezembro de 2013.

ii


GERAÇÃO DE ENERGIA COM UMA ABORDAGEM DA LÓGICA FUZZY”

DANILO JUSAN SANTOS

Dissertação apresentada ao curso de

Mestrado Profissionalizante em

Administração como requisito parcial para

obtenção do Grau de Mestre em

Administração.

Área de Concentração: Análise de Riscos

ORIENTADORA: PROFESSORA DRA. MARIA AUGUSTA SOARES MACHADO


iii


GERAÇÃO DE ENERGIA COM UMA ABORDAGEM DA LÓGICA FUZZY”

DANILO JUSAN SANTOS

Dissertação apresentada ao curso de

Mestrado Profissionalizante em

Administração como requisito parcial para

obtenção do Grau de Mestre em

Administração.

Área de Concentração: Análise de Riscos

Avaliação:

BANCA EXAMINADORA:

_____________________________________________________

Professor DRA. MARIA AUGUSTA SOARES MACHADO

Instituição: IBMEC-RJ

_____________________________________________________

Professor DR. EDSON JOSÉ DALTO

Instituição: IBMEC-RJ

_____________________________________________________

Professor DR. JOSÉ ANDRÉ TEIXEIRA AZEVEDO

Instituição: UFRJ


iv

S237

Santos, Danilo Jusan.

Análise de Riscos e Priorização de Manutenção em

unidades de geração de energia com uma abordagem da

Lógica Fuzzy / Danilo Jusan Santos. - Rio de Janeiro: [s.n.],

2013.

62 f. : il.

Dissertação de Mestrado profissionalizante em

Administração do IBMEC.

Orientador (a): Maria Augusta Soares Machado.

1. Priorização de manutenção. 2. Riscos Operacionais. 3.

Lógica Fuzzy. I. Título.

CDD 658

v

DEDICATÓRIA

Dedico o esforço deste trabalho aos meus pais e minha

irmã, pelo seu amor e apoio incondicional e a minha

mentora e amiga no Ibmec, Professora Dra. Maria Augusta

Soares Machado, por acreditar em meu trabalho e apoiar

minha formação acadêmica.

vi

AGRADECIMENTOS

Agradeço à Professora Dra. Maria Augusta Soares Machado que me incentivou a pesquisar e

procurar novas soluções para problemas existentes;

aos Professores Dr. Edson José Dalto e Dr. José André Teixeira Azevedo pela participação em

minha banca e colaboração no aperfeiçoamento da minha pesquisa;

ao apoio dos demais professores e orientadores do IBMEC, que cooperaram para desenvolver

meu conhecimento e concluir o curso de Mestrado em Administração;

e aos grandes amigos que conheci no IBMEC.

vii

RESUMO

O objetivo deste trabalho é apresentar um modelo de priorização na manutenção de unidades

geradoras de energia, buscando identificar quais sistemas trazem um maior risco operacional

dentro de suas estruturas e onde estas empresas devem despender seus recursos financeiros e

de pessoal em manutenções preventivas e corretivas. Considerando que o sistema utiliza-se do

julgamento de especialistas para estabelecer as prioridades de manutenção, utilizamos a Lógica

Fuzzy para tratar estas opiniões e criar um conceito corporativo único sobre os riscos

operacionais na empresa.

O modelo de tratamento apresentado utiliza-se de programação em VBA (Visual Basic for

Applications) e foi desenvolvido na plataforma Microsoft Excel, podendo ser adaptado para

atender diversos tipos de unidades geradoras de energia tais como: usinas hidrelétricas,

termoelétricas, usinas nucleares, terminais de óleo e gás, refinarias, além de outras estruturas

com mesmo perfil operacional.

Apesar dos testes do modelo terem utilizado uma unidade de geração de energia, a metodologia

poderá ser perfeitamente aplicada em diversos outros segmentos que tenham estruturas com

interdependência vertical entre seus sistemas operacionais.

Palavras Chave: Priorização de Manutenção, Riscos Operacionais, Lógica Fuzzy

viii

ABSTRACT

The aim of this work is to present a model of prioritization in the maintenance of power

generating units, seeking to identify which systems bring a greater operational risk within their

structures and where these companies should spend their financial resources and staff. Whereas

the system uses the judgment of experts to establish maintenance priorities, we use Fuzzy logic

to treat these opinions and create a corporate concept single about operational risks in the

company.

The treatment model presented uses programming in VBA (Visual Basic for Applications), was

developed in Microsoft Excel, and can be adapted to suit various types of power generating

units such as hydropower, thermal power plants, nuclear power plants, oil and gas terminals,

refineries, and other structures with the same operational profile.

Despite the model tests have used a power generation unit, the methodology can be perfectly

applied in several other threads that have structures with vertical interdependence between its

operating systems.

Keywords: Maintenance Prioritization, Operational Risks, Fuzzy Logic

ix

LISTA DE FIGURAS

Figura 1 - Representação gráfica do Conjunto Nebuloso A(X) ................................................ 20

Figura 2 - Modelo de Hierarquia de Sistemas .......................................................................... 26

Figura 3 - Comparação entre Números Triangulares ............................................................... 32

Figura 4 - Função Ajustada do Tipo A ..................................................................................... 34

Figura 5 - Função Ajustada do Tipo B ..................................................................................... 34

Figura 6 - Critérios de Calculo do Coeficiente de Risco .......................................................... 36

Figura 7 - Risk Prioriry - Tela Inicial ....................................................................................... 38

Figura 8 - Risk Prioriry – Cadastro da Arquitetura .................................................................. 39

Figura 9 - Risk Prioriry – Cadastro de Risco ........................................................................... 42

Figura 10 - Risk Prioriry – Lista de Sistemas ........................................................................... 43

Figura 11 - Risk Prioriry – Relatório de Riscos ....................................................................... 44

Figura 12 - Risk Prioriry – Caminho Crítico ............................................................................ 45

x

LISTA DE TABELAS

Tabela 1 - Matriz Energética Brasileira .................................................................................... 15

Tabela 2 - Frequência das Opiniões dos Especialistas ............................................................. 30

Tabela 3 - Frequência das Opiniões dos Especialistas Normalizada........................................ 30

11

SUMÁRIO

1 INTRODUÇÃO .................................................................................................. 13

1.1 PARQUE ENERGÉTICO BRASILEIRO ............................................................................................... 13

1.2 MANUTENIBILIDADE DE SISTEMAS ................................................................................................ 16

1.3 OBJETIVOS DA PESQUISA ................................................................................................................... 16

1.4 JUSTIFICATIVA ...................................................................................................................................... 17

2 REVISÃO DA LITERATURA ............................................................................ 18

2.1 LÓGICA FUZZY ....................................................................................................................................... 18

2.1.1 Conjuntos Nebulosos .......................................................................................................................... 19

2.1.2 Operações Básicas Entre Conjuntos Nebulosos ................................................................................. 20

2.1.3 Números Triangulares Nebulosos ...................................................................................................... 21

2.2 MANUTENIBILIDADE USANDO MODELOS PROBABILÍSTICOS ............................................... 22

3 METODOLOGIA ............................................................................................... 25

3.1 VARIÁVEIS DE ESTUDO ....................................................................................................................... 27

3.1.1 Tipos de Falhas ................................................................................................................................... 27

3.1.2 Consequências .................................................................................................................................... 27

3.1.3 Possibilidade de o Evento Ocorrer em Determinado Período ............................................................ 28

3.1.4 Tempo de Parada ................................................................................................................................ 28

3.1.5 Custo do Reparo ................................................................................................................................. 29

3.2 OPINIÃO DOS ESPECILISTAS ............................................................................................................. 29

3.2.1 Consolidar as opiniões dos especialistas ............................................................................................ 29

3.2.2 Determinar a Frequência das Opiniões dos Especialistas (FOPE) ..................................................... 29

3.2.3 Encontrar a Frequência das Opiniões dos Especialistas Normalizada (FOPEN) ............................... 30

12

3.2.4 Encontrar o número nebuloso (NN) que mais se aproxima à FOPEN ............................................... 31

3.3 RESULTADOS PARA CADA VARIÁVEL ............................................................................................ 33

4 SISTEMA RISK PRIORITY ............................................................................... 37

4.1.1 Ambiente ............................................................................................................................................ 37

4.1.2 Interface .............................................................................................................................................. 38

4.1.3 Arquitetura ......................................................................................................................................... 39

4.1.4 Riscos ................................................................................................................................................. 42

4.1.5 Lista de Sistemas ................................................................................................................................ 43

4.1.6 Relatório de Riscos por Sistema ......................................................................................................... 44

4.1.7 Caminho Crítico ................................................................................................................................. 45

5 CONCLUSÕES .................................................................................................. 46

5.1 PROPOSTA DE TRABALHOS FUTUROS ........................................................................................... 47

REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................ 48

ANEXO A - NÚMEROS TRIANGULARES PARA 3 NÍVEIS DE REPOSTA ............. 50

ANEXO B - NÚMEROS TRIANGULARES PARA PARA 5 NÍVEIS DE REPOSTA .. 52

13

1 INTRODUÇÃO

Apesar da diversidade de unidades geradoras de energia que compõe a matriz energética

brasileira, percebemos padrões entre elas no que concerne sua operacionalidade. Com estruturas

interligadas muito bem definidas, independentemente de sua área de atuação, todas são

composta por sistemas e subsistemas altamente dependentes e que geram riscos associados.

Estes padrões de estruturas verticalizadas, com alta dependência entre seus níveis operacionais,

aparecem também em diversos outros segmentos com uso intensivo de equipamentos em seus

processos.

1.1 PARQUE ENERGÉTICO BRASILEIRO

Dentre as unidades geradoras de energia das principais matrizes podemos destacar o petróleo,

o gás, o carvão, o álcool, reservatório hídrico e fontes limpas e renováveis como a solar e a

eólica. Quando falamos de energia, não tratamos apenas a energia elétrica, transmitida nos fios

dos postes e torres, mas também a energia utilizada para propulsão de veículos, como carros,

caminhões e ônibus.

Segundo O Grupo Neoenergia1 de distribuição de energia elétrica,

1 O Grupo Neoenergia é um dos maiores investidores privados do setor elétrico brasileiro, com investimentos

acumulados de mais de R$ 24 bilhões desde a sua constituição, em 1997. Presente em 13 estados, é composto

14

o Brasil conta com mais de mil usinas hidrelétricas espalhadas pelo território nacional,

que juntas produzem 65% da energia do país. Um contraste em relação ao que acontece

no mundo. As fontes renováveis participam em média com apenas 13% da matriz

energética dos países industrializados. O percentual cai para 6% entre as nações em

desenvolvimento.

A opção brasileira pelo modelo hidrelétrico se deve à existência de grandes rios de

planalto, que são alimentados por chuvas tropicais abundantes e constituem uma das

maiores reservas de água doce do mundo. Além disso, a energia hidrelétrica é, em geral,

mais barata no aspecto operacional e emite menos CO2 que as termelétricas.

Porém, os aproveitamentos hidráulicos para grandes e médias usinas sofrem impactos

significativos nos custos de transmissão por estarem localizados cada vez mais distantes

dos grandes centros. Além disso, devido aos impactos socioambientais, as usinas

hidrelétricas estão sujeitas a restrições para obter o licenciamento.

Em segundo lugar na matriz energética brasileira vêm as usinas termelétricas, que

ganharam importância como complementação da matriz hidráulica, especialmente a

partir do final da década de 90. Há ainda um significativo percentual de energia

importada formada, principalmente pela energia correspondente à parcela paraguaia

gerada em Itaipu.

As termelétricas também têm participação considerável na matriz energética brasileira,

representando 25% da geração. Apesar de tudo isso, 6% da energia elétrica nacional

são importados de países da América Latina, principalmente da parcela paraguaia da

Usina Hidrelétrica de Itaipu (PR).

por um time de 5.100 colaboradores diretos, que atua em toda a cadeia de energia: geração, transmissão,

comercialização e distribuição.

15

Atualmente, o Brasil opera 2.700 empreendimentos de geração de energia, com

capacidade instalada total de 128 mil Kw. Nos próximos anos, devem ser inauguradas

mais de 700 novas geradoras em território nacional, com potência outorgada de 48 mil

Kw.

Segundo a Agência Nacional de Energia Elétrica (ANEEL2), a capacidade instalada do parque

energético brasileiro conta com mais de 3.000 usinas em operação. (Portal ANEEL, 2013).

Tabela 1 - Matriz Energética Brasileira

Além das unidades de geração de energia propriamente ditas, a matriz energética brasileira

ainda dispõe de empresas ligadas diretamente à logística de distribuição energética na planta

nacional. A principal empresa de logística do grupo Petrobras, a Transpetro armazena e

transporta petróleo e derivados, biocombustíveis e gás natural aos pontos mais remotos do

Brasil. Segundo a Transpetro,

São bilhões de litros de combustíveis que passam anualmente por uma rede de 7.517

Km de oleodutos, 7.107 km de gasodutos, 21 terminais terrestres, 27 terminais

aquaviários e uma frota com cerca de 60 navios-petroleiros.

2 A ANEEL - Agência Nacional de Energia Elétrica é uma autarquia sob regime especial (Agência Reguladora),

vinculada ao Ministério das Minas e Energia, com sede e foro no Distrito Federal, com a finalidade de regular e

fiscalizar a produção, transmissão e comercialização de energia elétrica, em conformidade com as Políticas e

Diretrizes do Governo Federal.

16

Dada a importância estratégica do assunto para o desenvolvimento nacional, fica clara a

necessidade de despender esforços para manutenção da continuidade de distribuição energética,

de forma a evitar paradas nas estruturas causadas por falhas na priorização da manutenção em

seus equipamentos.

1.2 MANUTENIBILIDADE DE SISTEMAS

A análise de manutenibilidade usando dados reais é feita utilizando-se a teoria das

probabilidades. A análise de manutenibilidade usando dados de opiniões de especialistas

baseia-se em modelos possibilísticos.

Os dados probabilísticos são operados utilizando-se a álgebra de números reais. Sabe-se, por

exemplo, que vários componentes eletrônicos têm taxa de falha constante que indica um modelo

probabilístico exponencial; componentes mecânicos têm modelo probabilístico de Erlang.

Considerando-se conhecidas as taxas de falhas dos eventos básicos, pode-se assumir o modelo

probabilístico de Weibull que, através da alteração de valores dos parâmetros característicos da

distribuição, permite obter taxa de falhas crescentes, decrescentes ou constantes (SANTOS,

2008).

1.3 OBJETIVOS DA PESQUISA

O objetivo principal deste trabalho é o de desenvolver um modelo que apresente os

equipamentos que trazem maior risco dentro de uma unidade geradora de energia de forma a

priorizar a alocação de recursos materiais, financeiros e de pessoal. Com esta priorização

esperamos uma redução de custos em manutenção, possibilidades de melhor programação da

manutenção, maior previsão na administração de sobressalentes e priorização das atividades

dos técnicos.

17

Como objetivo secundário procuramos apresentar um modelo de normalização das opiniões dos

especialistas acerca dos riscos incorridos em cada sistema da empresa utilizando a Lógica

Fuzzy.




Apesar das facilidades de customização do modelo apresentado, os testes da metodologia foram

realizados em um determinado tipo de unidade geradora de energia, então este trabalho não teve

a proposta de exaurir todos os modelos existentes e deverá avaliar sua aplicabilidade em

empresas de mesmo segmento, mas com características que tornariam sua customização

inviável.

1.4 JUSTIFICATIVA

Considerando atualmente os altos custos na manutenção de parques e unidades geradoras de

energia é de suma importância a utilização de um método que aponte para os principais pontos

a serem trabalhados, minimizando e mitigando os processos de manutenção. Esta solução deve

prever análises customizáveis para a gestão de manutenção de cada empresa, respeitando sua

hierarquia de sistemas.

Atualmente com ampla aplicação em problemas de engenharia, administração e logística,

procuramos aplicar a teoria da Lógica Fuzzy, desenvolvida em 1965 por Lofti A. Zadeh, para

analisar as opiniões de especialistas sobre as variáveis que impactam no risco dos sistemas ,

transformando opiniões subjetivas em dados quantitativos e utilizáveis na tomada de decisão.

18

2 REVISÃO DA LITERATURA

O Presente capítulo apresenta a revisão da literatura. O primeiro item visa esclarecer os

principais aspectos da chamada Lógica Fuzzy e o item seguinte busca delinear importantes

aspectos sobre a manutenibilidade usando modelos probabilísticos.

2.1 LÓGICA FUZZY

Também chamada no Brasil de Matemática Nebulosa, as primeiras noções da Lógica Fuzzy

foram desenvolvidas por Jan Lukasiewicz (1878 – 1956) em 1920. Ao invés de usar regras

rígidas, e uma linha de raciocínio lógico baseado em premissas e conclusões, Lukasiewicz

atribui graus de pertinência { 0, ½, 1 } para classificar conceitos vagos e imprecisos. Pouco

tempo depois, ele expandiu esse conjunto para todos os valores contidos no intervalo [0,1]. No

entanto, a primeira publicação sobre Lógica Fuzzy é datada de 1965 de autoria de Lotfi Asker

Zadeh, professor da Universidade de Berkeley, na Califórnia (CEZAR, MACHADO e

OLIVEIRA JR., 2006).

A Lógica Fuzzy é baseada na teoria dos Conjuntos Fuzzy. Esta é uma generalização da teoria

dos Conjuntos Tradicionais para resolver os paradoxos gerados a partir da classificação

“verdadeiro ou falso” da Lógica Clássica. Tradicionalmente, uma proposição lógica tem dois

extremos: ou “completamente verdadeiro” ou “completamente falso”. Entretanto, na Lógica

19

Fuzzy, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira

ou parcialmente falsa. Com a incorporação do conceito de “grau de verdade”, a teoria dos

Conjuntos Fuzzy estende a teoria dos Conjuntos Tradicionais. Os grupos são rotulados

qualitativamente (usando termos linguísticos, tais como: alto, morno, ativo, pequeno, perto,

etc.) e os elementos deste conjunto são caracterizados variando o grau de pertinência (valor que

indica o grau em que um elemento pertence a um conjunto). Por exemplo, temperaturas entre

30º (trinta graus) e 40º (quarenta graus) pertencem ao conjunto as “temperaturas altas”, embora

a temperatura de 40º tenha um grau de pertinência maior neste conjunto (OLIVEIRA JR. et al,

2007).

O grau de associação não é probabilidade, basicamente é uma medida da compatibilidade do

objeto com o conceito representado pelo conjunto Fuzzy. Por exemplo, o número 0.7 é a

compatibilidade da temperatura de 35º com a definição do conjunto Fuzzy das temperaturas

altas. Esse número (0.7) não é a probabilidade de 35º ser uma temperatura alta, pois a mesma

já está definida como 35º (CEZAR, MACHADO e OLIVEIRA JR., 2006).

2.1.1 Conjuntos Nebulosos

Um conjunto nebuloso é formado pelo par XX A, , onde X representa a variável em estudo

e XA é uma função pertencente ao intervalo [0 , 1], onde “1” representa o conceito de

pertinência total e “0”, o de não pertinência (BRAGA, BARRETO e MACHADO, 1995).

Para um caso de variáveis discretas, um conjunto Fuzzy “B” poderia ser representado da

seguinte forma:

A(X) = 0 | 0 + 0,11| 2 + 0,33 | 4 + 1 | 6 + 0 | 8

20

Podemos ler esta representação da seguinte forma: no conjunto Fuzzy A, a variável “X” mede

zero com grau de pertinência zero, mede 2 com grau de pertinência 0,11, mede 4 com grau de

pertinência 0,33, mede 6 com grau de pertinência 1 e mede 8 com grau de pertinência zero.

Nesta representação do Conjunto Nebuloso A(X), as barras utilizadas só servem para separar

os valores da variável X e seus respectivos graus de pertinência e os sinais “+” não indicam

soma aritmética e sim união (BRAGA, BARRETO e MACHADO, 1995).

Figura 1 - Representação gráfica do Conjunto Nebuloso A(X)

2.1.2 Operações Básicas Entre Conjuntos Nebulosos

Apesar de a literatura ser muito extensa sobre o assunto, para efeito desta pesquisa duas

operações são fundamentais com os conjuntos Fuzzy:

A interseção de conjuntos nebulosos: Sejam A(Xi) e B(Xi) Conjuntos Nebulosos(i=1,...n), a

notação utilizada para interseção é A(Xi) B(Xi), e é dada por:

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

0 2 4 6 8

µ

X

21

iiBA

i

iniiii XXXCXBXA /min ,

,...1

A união de conjuntos nebulosos: Sejam A(Xi) e B(Xi) Conjuntos Nebulosos(i=1,...n), a

notação utilizada para interseção é A(Xi) B(Xi), e é dada por:

iiBA

i

iniiii XXXCXBXA /max ,

,...1

2.1.3 Números Triangulares Nebulosos

Um conjunto de números nebulosos especiais são os triangulares. Os Números Triangulares

Nebulosos (NN) apresentam dois conceitos importantes em sua concepção, a Moda e

Amplitude.

A MODA representa o valor do NN que assume a pertinência 1 (um). A Amplitude é inversa à

confiança das respostas. Menor amplitude representa maior confiança dos resultados, maior

amplitude representa menor confiança nos resultados. (SANTOS, 2007)

Uma definição destes números nebulosos triangulares é dada pela seguinte função: (Braga,

Barreto e Machado, 1995)

22

𝑓(𝑥: 𝑎, 𝑏, 𝑐) =

{

0; 𝑥 < 𝑎

(𝑥 − 𝑎)

(𝑏 − 𝑎); 𝑎 ≤ 𝑥 < 𝑏

(𝑐 − 𝑥)

(𝑐 − 𝑏); 𝑏 ≤ 𝑥 < 𝑐

0; 𝑐 ≤ 𝑥

𝑅𝑒𝑠𝑡𝑟𝑖çã𝑜; 𝑎 < 𝑏 < 𝑐

2.2 MANUTENIBILIDADE USANDO MODELOS PROBABILÍSTICOS

As dificuldades associadas com a estimativa e previsão dos tempos das tarefas ligadas à

manutenção resultam do simples fato que esses tempos não são determinísticos. Há o elemento

humano presente no processo de manutenção nas diversas fases existentes e, consequentemente,

observa-se grande variabilidade estocástica associada aos tempos relacionados às

consequentemente, observa-se grande variabilidade estocástica associada aos tempos

relacionados às atividades de manutenção.

Manutenibilidade é um índice associado a um equipamento sob reparo. É a probabilidade que

um equipamento em falha será reparado dentro de um tempo "t".

Se "t" é uma variável aleatória representando o tempo de reparo, então a Manutenibilidade é

definida como a seguir:

Para o caso em que o tempo de reparo é exponencialmente distribuído, com uma taxa de reparo

(), então a função densidade probabilidade é dada por:

23

t

tt

t

edtetM

etM

0

1..

.

Logo, o valor esperado do tempo de reparo denominado TMPR (Tempo Médio Para Reparo) é

dado por:

0

1.1

dttMTMPR

A utilização da Distribuição Lognormal nos estudos de manutenibilidade está baseada na Lei

de Weber-Fechner, que provou que o tempo de resposta de animais e elementos humanos a

simples estímulos físicos ou percepções são frequentemente lognormal. Estudos experimentais

mais recentes do tempo de reação de elementos humanos para modelos de percepção mais

complicados, envolvendo algum grau de aprendizagem, indicaram que esses tempos de reação,

seguem uma distribuição lognormal. Após a análise da manutenibilidade, pode-se identificar

diversos problemas que podem conduzir a altos tempos de reparo, tornando-se necessário

modificar o sistema de manutenção. Como exemplos, podemos citar:

i. falhas devido ao treinamento inadequado para as equipes de manutenção conduzem a

tempos de reparo excessivamente altos;

ii. procedimentos de diagnose não corretos.

O estudo para determinar a maneira precisa, como os dois parâmetros da distribuição lognormal

estão relacionados com os fatores de manutenção que os determinam, permite obter previsões

apuradas da distribuição dos tempos de paralisação de sistemas ou equipamentos. A análise dos

24

tempos de reparo de sistemas ou equipamentos conduzem ao melhoramento da qualidade dos

serviços, aumento da disponibilidade, diminuição dos custos de mão-de-obra e redução dos

custos de perda de produção (SANTOS, 2008).

25

3 METODOLOGIA

A aplicação da metodologia passará por cinco etapas dinâmicas:

1. Escolher a unidade de geração de energia e preparar o sistema para as suas

características, customizando as variáveis e valores de entrada;

2. Coletar as opiniões dos especialistas sobre cada componente (equipamento) do nível

mais baixo a ser analisado na unidade;

3. Inserir as informações dos sistemas da empresa e opiniões dos especialistas no sistema

RISK PRIORITY;

26

4. Avaliar o caminho crítico encontrado e tomar decisões quanto à manutenção do

equipamento em análise;

5. Refazer o processo.

Os sistemas operacionais das unidades geradoras de energia estão comumente organizados em

níveis hierárquicos, Na figura abaixo exemplificamos uma unidade geradora de energia

composta de três níveis:

Neste caso, a metodologia consiste em avaliar os riscos do 3º nível dos sistemas, que serão

determinados e baseados na opinião dos especialistas, entendendo que as falhas ocorridas neste

nível serão replicadas nos níveis superiores podendo gerar a paralização parcial ou total das

atividades da unidade geradora de energia.

Figura 2 - Modelo de Hierarquia de Sistemas

Unidade

Energética XPTO

Sistema A Sistema B Sistema C

Subsistema A.1 Subsistema A.2 Subsistema A.3

Equipamento

A.1.1

Equipamento

A.1.2

Equipamento

A.1.3

Nível 1

Nível 2

Nível 3

27

3.1 VARIÁVEIS DE ESTUDO

Para determinação dos riscos foram aplicadas cinco variáveis de entrada que serão analisadas e

assim definidas:

3.1.1 Tipos de Falhas

Consiste nos efeitos que a falha poderá gerar para organização como um todo.

1. Baixa - Não afeta pessoas, instalações, nem meio ambiente.

2. Média - Afeta disponibilidade da Usina

3. Alta - Afeta pessoas instalações ou meio ambiente.

3.1.2 Consequências

Consiste nos impactos operacionais que a falha poderá gerar no conjunto em que ela está

inserida.

1. Não gera indisponibilidade

2. Perda de 0 a 1/3 da planta

3. Perda de 1/3 da potência

4. Perda de ½ da potência

28

5. Perda da Planta

3.1.3 Possibilidade de o Evento Ocorrer em Determinado Período

Consiste na possibilidade de ocorrer a falha dentro de um determinado período de tempo a partir

da avaliação.

1. Mais de 5 anos

2. Entre 2 e 5 anos

3. Até 1 ano

3.1.4 Tempo de Parada

Consiste nos impactos temporais que a falha poderá causar no conjunto em que ela está inserida.

1. Retorno imediato

2. 4hs

3. 8hs

4. 24hs

5. Mais de 1 dia

29

3.1.5 Custo do Reparo

Consiste nos impactos financeiros que a falha poderá causar no conjunto em que ela está

inserida.

1. Baixo - até R$ 50.000

2. Médio - de R$ 50.000 a R$ 100.000

3. Alto - acima de R$100.000

3.2 OPINIÃO DOS ESPECILISTAS

Cada sistema do nível três receberá avaliações dos especialista da área para cada variável de

entrada. Utilizaremos o modelo proposto por (SANTOS, 2007) de forma a termos uma

avaliação única da unidade geradora de energia para cada variável.

Este modelo pressupõe a sequência dos seguintes passos:

3.2.1 Consolidar as opiniões dos especialistas

Cada especialista opinará sobre cada um dos equipamentos que compõem o 3º nível de sistemas

da empresa, dando sua opinião sobre cada uma das cinco variáveis estudadas.

3.2.2 Determinar a Frequência das Opiniões dos Especialistas (FOPE)

Consolidar, para cada equipamento (3º nível) os resultados de opiniões dos especialistas,

conforme exemplificação apresentada na tabela a seguir:

30

Tabela 2 - Frequência das Opiniões dos Especialistas

Observando a Tabela 2, na variável “Tempo de Parada”, 1 especialista respondeu que uma falha

neste equipamento do nível 3 terá um retorno imediato, 5 especialistas responderam que uma

falha neste equipamento do nível 3 demandará até 4 hs para seu retorno e 1 especialista

respondeu que uma falha neste equipamento do nível 3 demandará até 8 hs para seu retorno.

3.2.3 Encontrar a Frequência das Opiniões dos Especialistas Normalizada (FOPEN)

Tabela 3 - Frequência das Opiniões dos Especialistas Normalizada

A frequência normalizada foi calculada pela divisão da FOPE de nível da variável pela maior

frequência da variável.

Frequência das Opiniões dos Especialistas (FOPE)

1 2 3

Tipo de Falha 3 2 2

Possibilidade 1 5 2

Custo do Reparo 4 2 1

1 2 3 4 5

Consequência 4 1 2 1 0

Tempo de Parada 1 5 1 0 0

EQUIPAMENTO NÍVEL 3

Frequência das Opiniões dos Especialistas (FOPE)


Questão

Questão

1 2 3 MODA

Tipo de Falha 1,000 0,667 0,667 1

Possibilidade 0,200 1,000 0,400 2

Custo do Reparo 1,000 0,500 0,250 1

1 2 3 4 5 MODA

Tempo de Parada 1,000 0,250 0,500 0,250 0,000 1

Custo do Reparo 0,200 1,000 0,200 0,000 0,000 2

Questão



Frequência das Opiniões dos Especialistas Normalizada (FOPEN)

Frequência das Opiniões dos Especialistas Normalizada (FOPEN)

Questão

31

O Conjunto Fuzzy Normalizado encontrado para variável “Custo do Reparo” foi:

A (X) = (1/5 | 1) + (5/5 | 2) + (1/5 | 3) + (0/5 | 4) + (0/5 |5)

A (X) = (0,2 | 1) + (1 | 2) + (0,2 | 3) + (0 | 4) + (0 |5)

3.2.4 Encontrar o número nebuloso (NN) que mais se aproxima à FOPEN

O Número Nebuloso que mais se aproxima da Frequência de Opiniões dos Especialistas

Normalizada (FOPEN) de cada variável, será o mais semelhante entre os Números Triangulares

Nebulosos (NN) com a mesma moda (Anexo A e B). Para determinar a semelhança foi utilizada

a fórmula proposta por Braga, Barreto e Machado (1995):

)()(

)()()(),(

XBXA

XBXAS XBxA

O gráfico abaixo apresenta a FOPEN para variável “Custo de Reparo” (Tabela 2) de um

determinado equipamento do nível 3 comparada com o NN mais próximo, neste caso um NN

(2 | 1), onde interpretamos que esta variável assume a moda 2 com amplitude 1.

32

Figura 3 - Comparação entre Números Triangulares

No exemplo da Figura 3, como a FOPEN teve Moda 2, ela será comparada com o NN de Moda

2. As tabelas abaixo apresentam as pertinências dos números triangulares utilizados para cada

um dos tipos de variável estudada.

Tabela 4 - Números Triangulares Nebulosos - 3 Níveis de Resposta

Moda NN 1 2 3

1 NN (1|1) 1,000 0,000 0,000

1 NN (1|2) 1,000 0,500 0,000

2 NN (2|1) 0,000 1,000 0,000

2 NN (2|2) 0,500 1,000 0,500

3 NN (3|1) 0,000 0,000 1,000

3 NN (3|2) 0,000 0,500 1,000

Números Triangulares Nebulosos (NTN) - 3 Itens

33

Tabela 5 - Números Triangulares Nebulosos - 5 Níveis de Resposta

3.3 RESULTADOS PARA CADA VARIÁVEL

Encontrados os valores para cada variável, suas respostas elevaram-se a padrões exponenciais.

Para isso inicialmente relacionou-se um número “n” para cada opção de um grupo de número

de repostas “N”. Após isso, aplicou-se o seguinte cálculo para finalizar o exponenciação:

1010

N

n

eI

FUNÇÃO AJUSTADA TIPO A - As funções ajustadas têm as seguintes características a seguir

exemplificadas para as variáveis de risco: TIPOS DE FALHAS, POSSIBILIDADE DE O

EVENTO OCORRER EM DETERMINADO PERÍODO e CUSTO DO REPARO.

Moda NN 1 2 3 4 5

1 NN (1|1) 1,000 0,000 0,000 0,000 0,000

1 NN (1|2) 1,000 0,500 0,000 0,000 0,000

1 NN (1|3) 1,000 0,667 0,333 0,000 0,000

1 NN (1|4) 1,000 0,750 0,500 0,250 0,000

2 NN (2|1) 0,000 1,000 0,000 0,000 0,000

2 NN (2|2) 0,500 1,000 0,500 0,000 0,000

2 NN (2|3) 0,667 1,000 0,667 0,333 0,000

2 NN (2|4) 0,750 1,000 0,750 0,500 0,250

3 NN (3|1) 0,000 0,000 1,000 0,000 0,000

3 NN (3|2) 0,000 0,500 1,000 0,500 0,000

3 NN (3|3) 0,333 0,667 1,000 0,667 0,333

3 NN (3|4) 0,500 0,750 1,000 0,750 0,500

4 NN (4|1) 0,000 0,000 0,000 1,000 0,000

4 NN (4|2) 0,000 0,000 0,500 1,000 0,500

4 NN (4|3) 0,000 0,333 0,667 1,000 0,667

4 NN (4|4) 0,250 0,500 0,750 1,000 0,750

5 NN (5|1) 0,000 0,000 0,000 0,000 1,000

5 NN (5|2) 0,000 0,000 0,000 0,500 1,000

5 NN (5|3) 0,000 0,000 0,333 0,667 1,000

5 NN (5|4) 0,000 0,250 0,500 0,750 1,000

Números Triangulares Nebulosos (NTN) - 5 Itens

34

Figura 4 - Função Ajustada do Tipo A

FUNÇÃO AJUSTADA TIPO B - As funções ajustadas têm as seguintes características a seguir

exemplificadas para as variáveis de risco: CONSEQUÊNCIAS e TEMPO DE PARADA.

Figura 5 - Função Ajustada do Tipo B

Como estamos interessados em calcular a média de dados que crescem exponencialmente (em

progressão geométrica), a avaliação de risco do objeto, nesse caso cada sistema do nível 3,

baseou-se em um coeficiente denominado Coeficiente de Risco(Cr), que é dado pela seguinte

média geométrica:

35

5 **** CuTpPCTfCrn

Onde:

• TIPO DE FALHA (Tf);

• CONSEQÜÊNCIA (C);

• POSSIBILIDADE DE O EVENTO OCORRER EM DETERMINADO PERÍODO (P);

• TEMPO DE PARADA (Tp);

• CUSTO DE REPARO (Cu).

Cada agrupamento de objetos da empresa gerará um coeficiente de risco dado pela média

geométrica dos Cr dos objetos do grupo:

nngrupo CrCrCrCr ...21

O Cr de cada nível superior será dado pela média geométrica dos grupos contidos neste

agrupamento.

36

Figura 6 - Critérios de Calculo do Coeficiente de Risco

37

4 SISTEMA RISK PRIORITY

O sistema inicialmente foi desenvolvido para atender empresas do segmento de geração de

energia e pode ser customizado para diferentes segmentos como hidroelétricas, termoelétricas,

usinas nucleares, terminais de óleo e gás, entre outras empresas com o mesmo padrão

operacional. Apesar dos testes do modelo terem utilizado uma unidade de geração de energia,

a metodologia poderá ser perfeitamente aplicada em diversos outros segmentos que tenham

estruturas com interdependência vertical entre seus sistemas operacionais. É um software

desenvolvido para ser executado em ambiente Windows, utilizando a plataforma do Microsoft

Excel.

Sua finalidade será o de apresentar o caminho crítico na operacionalidade e funcionamento de

uma unidade de geração de energia.

4.1.1 Ambiente

O Gerenciador de Risco – Risk Priority foi desenvolvido em uma plataforma do Microsoft

Excel 2003, utilizando a linguagem VBA e testado com Windows XP© (SP2), com Windows

Vista©, com Windows 7©, com Windows 8©, no Microsoft Excel 2007, 2010 e 2013 de forma

que sua utilização seja facilmente aplicada. Não foram desenvolvidos testes específicos com

outras versões anteriores.

38

4.1.2 Interface

Figura 7 - Risk Prioriry - Tela Inicial

A interface inicial é a tela de acesso a todas as opções do sistema, composta de cinco opções,

conforme detalhamento a seguir. Para acessar uma das opções, basta clicarem com o ponteiro

do mouse sobre uma delas.

39

4.1.3 Arquitetura

Figura 8 - Risk Prioriry – Cadastro da Arquitetura

Esta função somente pode ser utilizada quando houver a intenção de inclusão, edição ou

exclusão de novos sistemas.

EDITAR

Alterar o “Código” e a “Definição” de um sistema:

i. Indique o Nível e o Subnível do sistema

40

ii. Digite o novo Código

iii. Digite a nova Definição

iv. Clique em Executar

Alterar a Paternidade de um sistema:


ii. Na opção “Paternidade” indique o nível e o Subnível do novo “Pai” do sistema

iii. Clique em Executar

CADASTRAR

i. Indique o Nível e o Subnível do novo “Pai” do sistema

ii. Digite o novo Código

iii. Digite a nova Definição

iv. Clique em Executar

APAGAR


41

ii. Clique em Executar

É importante ressaltar que o cadastramento de um novo sistema no nível 1 necessita de receber

o cadastramento dos seus sistemas no nível 2 e 3. Um cadastramento de um novo sistema do

nível 2 necessita do cadastramento dos seus sistemas do nível 3.

Na opção apagar, a regra é a mesma do cadastramento dos sistemas e níveis citada acima. Para

apagar um sistema do nível 1 é necessário que os seus sistemas dos níveis 2 e 3 sejam apagados

anteriormente para que haja a exclusão de maneira correta. Clique primeiramente no subnível

que deseja apagar e em seguida, executar. Logo após, clique em seu nível e repita o

procedimento até chegar em sua paternidade.

A opção editar apenas modifica os sistemas já existentes, sendo, portanto necessário somente

incluir a mudança necessária nos níveis desejados e clicar em executar.

42

4.1.4 Riscos

Figura 9 - Risk Prioriry – Cadastro de Risco

Esta opção cadastra os riscos para os sistemas. Nela podemos alterar riscos já cadastrados ou

implantar riscos para os sistemas novos. Os riscos são atribuídos somente aos sistemas do Nível

3. Os sistemas do Nível 1 e 2 carregam seus riscos do nível 3, conforme metodologia

apresentada.

Para cadastrar ou modificar o risco de um sistema do nível 3 coloque na opção “Subnível” o

número relacionado ao Subnivel que terá seus riscos modificados ou cadastrados. O sistema

identificará automaticamente o nome do sistema que estará sendo alterado ou recebendo novos

coeficientes de risco.

Na tela abaixo, deve-se atribuir uma avaliação para cada uma das cinco métricas, conforme

metodologia apresentada.

43

4.1.5 Lista de Sistemas

Figura 10 - Risk Prioriry – Lista de Sistemas

Esta tela serve como base para consulta dos sistemas da empresa e exibe toda a relação de

sistemas em seus três níveis, correlacionando suas subordinações. Este relatório colabora para

verificar as paternidades e filiações de cada sistema, no caso de quaisquer dúvidas.

44

4.1.6 Relatório de Riscos por Sistema

Figura 11 - Risk Prioriry – Relatório de Riscos

Nesta tela poderão ser analisados os riscos de cada sistema, apresentando todas as suas

características, sua paternidade e filiação e os riscos atribuídos. Esta opção mostra quais os

possíveis causadores do “risco em si”, qual seu peso dentro do todo e de que forma cada nível

e sub-nível - ou seja, cada “filho” - contribui para aquela classificação de risco.

45

4.1.7 Caminho Crítico

Figura 12 - Risk Prioriry – Caminho Crítico

A tela Caminho Crítico mostra exatamente qual o fato gerador do risco e, conforme a

metodologia de riscos apresentada mostra o caminho que a empresa deverá dispensar maior

esforço e estudo a fim de minimizar os efeitos e consequências geradas pelo risco.

À medida que as alterações são feitas e melhorias implementadas, o risco anteriormente

atribuído a determinado nível cai, fazendo com que haja novo caminho crítico. Desta forma,

alterações realizadas nos sistemas críticos levam a uma alteração dos seus coeficientes de risco

e consequente alteração no caminho crítico. Lembramos que a geração de riscos é um processo

infinito, causado por variáveis controláveis e incontroláveis, muitas vezes influenciadas pelo

ambiente em que estão inseridas. Portanto, a possibilidade de chegar-se a um nível zero de risco

é bastante remota. Desta forma, a proposta deste software não é tentar reduzir os níveis de risco

46

a zero, e sim, buscar direcionar os gestores a minimizá-los, através do caminho critico a ser

seguido e prioritariamente trabalhado.

5 CONCLUSÕES

A logística compõe-se de dois subsistemas de atividades: administração de materiais e

distribuição física, cada qual envolvendo o controle da movimentação e a coordenação

demanda-suprimento. A administração de materiais compreende o agrupamento de materiais

de várias origens e a coordenação dessa atividade com a demanda de produtos ou serviços da

empresa. Desse modo, soma esforços de vários setores que, naturalmente, apresentam visões

diferentes.

Esse trabalho apresentou uma metodologia inovadora de análise logística usando o caminho

crítico, com a finalidade de maximizar a disponibilidade das unidades geradoras de energia,

bem como possibilitar as decisões gerenciais no sentido de projetar custos de manutenção e

reposição de sobressalentes.

A definição do caminho crítico dos sistemas de uma unidade de geração de energia leva a um

processo de reformulação de práticas e readaptação de equipamentos de forma a minimizar os

riscos de parada do sistema como um todo.

47




5.1 PROPOSTA DE TRABALHOS FUTUROS

O processo de manutenção de equipamentos em unidades de energia é altamente dependente

de pessoas, máquinas e repositórios. Como proposta para desenvolvimento do trabalho

poderemos agregar no modelo um controle de estoque de sobressalentes paralelo, de forma a

reavaliar o caminho crítico considerando a disponibilidade de peças para manutenção dos

sistemas, bem como seus prazos de reposição, fechando a cadeia logística de manutenção.

48

REFERÊNCIAS BIBLIOGRÁFICAS

[1] BRAGA, MARIO J. F.; BARRETO, JORGE M.; MACHADO, MACHADO, M.A. S.

Conceitos da Matemática Nebulosa na Análise de Risco. Rio de Janeiro: Artes &

Rabiskus, 1995.

[2] DUBOIS, D.; PRADE, H. Fuzzy Sets and Systems: Theory and Applications. San

Francisco: Academic Press, 1980

[3] OLIVEIRA JR.; HIME A. Lógica Difusa: Aspectos Práticos e Aplicações. Rio de

Janeiro: Interciência, 1999.

[4] OLIVEIRA JR., HIME A.; CALDEIRA, A. M.; MACHADO, M.A.S.; SOUZA, R.;

TANSCHEIT, R. Inteligência Computacional Aplicada à Administração, Economia

e Engenharia em Matlab. Rio de Janeiro, Thompson, 2007.

[5] PRESSMAN, R. S. Software Engineering – A Practioner’s Approach, 3 ed., McGraw-

Hill, 1992.

[6] Portal da ANEEL – Agência Nacional de Energia, Disponível em:

<http://www.aneel.gov.br> Acesso em 10 dez. 2013.

[7] Portal do Grupo Neoenergia, Disponível em: <http://www.neoenergia.com> Acesso em

5 dez. 2013.

[8] Portal Transpetro, Disponível em: <http://www.transpetro.com.br> Acesso em 11 dez.

2013.

http://www.neoenergia.com/

49

[9] SANTOS, D.J.; ZANOLA, R.; SPINELLI, B.; LERMONTOV, M.; MOREIRA, T. D. R.;

MACHADO, M. A. S. Sistema Gerenciador de Risco de Falhas para a ENDESA

Fortaleza. 2008. (Relatório de pesquisa).

[10] SANTOS, D.J. Análise da Usabilidade de Sistemas de Operação no Mercado

Financeiro usando a Matemática Nebulosa. Trabalho de Conclusão de Curso.

(Graduação em Administração) - Faculdades Ibmec. Orientadora: Maria Augusta Soares

Machado. Rio de Janeiro: IBMEC, 2009.

[11] SANTOS, R.C. Desenvolvimento de uma Metodologia para Avaliação de

Usabilidade de Sistemas Utilizando a Lógica Fuzzy com Base na ISO. Dissertação de

Mestrado Profissionalizante em Administração. Rio de Janeiro: IBMEC, 2007.

[12] SANTOS, R.C.; MACHADO, M. A. S.; JUSAN, D. J.; CAMPOS, R. T. C. Uma

Aplicação da Matemática Nebulosa na Usabilidade de Pacotes Estatísticos. RESI.

Revista Eletrônica de Sistemas de Informação, v. 10, p. 1-6, 2007.

50

ANEXO A - NÚMEROS TRIANGULARES PARA 3 NÍVEIS DE REPOSTA

52

ANEXO B - NÚMEROS TRIANGULARES PARA PARA 5 NÍVEIS DE REPOSTA

“ANÁLISE DE RISCOS E PRIORIZAÇÃO DE MANUTENÇÃO EM...

Documents

Transcript of “ANÁLISE DE RISCOS E PRIORIZAÇÃO DE MANUTENÇÃO EM...