UMA ABORDAGEM FUZZY COM ENVELOPAMENTO DOS DADOS DA

ANLISE DOS MODOS E EFEITOS DE FALHA

Pauli Adriano de Almada Garcia

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAO DOS
PROGRAMAS DE PS-GRADUAO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL

DO

RIO

DE

JANEIRO

COMO

PARTE

DOS

REQUISITOS

NECESSRIOS PARA A OBTENO DO GRAU DE DOUTOR EM CINCIAS

EM ENGENHARIA NUCLEAR.

Aprovada por:
Prof. Paulo Fernando Ferreira Frutuoso e Melo, D.Sc.

Prof. Roberto Schirru, D.Sc.

Prof. Antonio Carlos Marques Alvim, Ph.D.

Prof. Cludio Mrcio do Nascimento Abreu Pereira, D.Sc.

Prof. Jlio Csar Silva Neves, D.Sc.

Prof. Celso Marcelo Franklin Lapa, D.Sc.

RIO DE JANEIRO, RJ BRASIL

MARO de 2006

GARCIA, PAULI ADRIANO DE ALMADA

Uma

Abordagem

Fuzzy

com

Envelopamento dos Dados da Anlise dos

Modos e Efeitos de Falha
[Rio de Janeiro] 2006
XIII, 63 p. 29,7 cm (COPPE/UFRJ, D.Sc.,
Engenharia Nuclear, 2006)
Tese Universidade Federal do Rio de
Janeiro, COPPE
1. Anlise dos Modos e Efeitos de Falha
2. Anlise Envoltria de Dados
3. Lgica Fuzzy
I. COPPE/UFRJ II. Ttulo (srie)

ii

A Deus, sobre todas as coisas.

Aos meus pais, meu av e meu irmo, por acreditarem que tudo isto seria possvel e me
apoiarem em todos os momentos.

minha esposa Vanessa, motivao para meu trabalho e minha alegria.

iii

AGRADECIMENTOS
Ao Prof. Paulo Fernando F. Frutuoso e Melo, por sua prestatividade, dedicao e
crticas construtivas, sempre visando o melhor para a minha formao como
pesquisador e, especialmente, por sua aceitao em me orientar.

Ao Prof. Roberto Schirru por sua aceitao em me orientar e, principalmente,

pelos cursos oferecidos que muito contriburam para minha formao.

Aos Profs. Antnio Carlos Marques Alvim, Celso Marcelo Franklin Lapa,
Cludio Mrcio do Nascimento Abreu Pereira e ao CMD-EN Jlio Csar Silva Neves,
por aceitarem participar da minha banca e terem dedicado parte do seu tempo na leitura
de meu trabalho.

Aos funcionrios do Programa de Engenharia Nuclear, Tnia, Reginaldo,

Josevalda (J) e Ana, por toda pacincia e todo apoio ao longo de todo esse tempo.

Ao Conselho Nacional de Pesquisas (CNPq) pelo apoio financeiro, fundamental,

especialmente nos casos de aquisio de material didtico.

A todos os amigos com os quais tive o prazer de conviver ao longo de todo este
tempo, com meno especial a Maurcio SantAna, Las Alencar, Vincius Damaso,
Renato Alves, Joo Cunha e Vivian Borges, pelo apoio, dicas, cesso de material
didtico, e pelo bom humor, sempre presente em todos.

iv

Resumo da Tese apresentada a COPPE/UFRJ como parte dos requisitos necessrios

para a obteno de grau em Doutor em Cincias (D.Sc.)

UMA ABORDAGEM FUZZY COM EVELOPAMENTO DOS DADOS DA

ANLISE DOS MODOS E EFEITOS DE FALHA

Pauli Adriano de Almada Garcia

Maro/2006

Orientador: Paulo Fernando Ferreira Frutuoso e Melo

Roberto Schirru
Programa: Engenharia Nuclear

Nesta tese apresenta-se uma abordagem baseada em lgica fuzzy e anlise

envoltria de dados para priorizar os modos de falha levantados durante a realizao de
anlise dos modos e efeitos de falhas. Com esta abordagem alcana-se uma anlise
comparativa entre os riscos associados a cada modo de falha e estabelece-se uma ordem
de prioridade entre os mesmos de maneira a otimizar os esforos em melhoria. Tendo
em vista que, numa anlise como esta, esto presentes diferentes atributos de risco, e
que de suma importncia que sejam extrados os conhecimentos contidos nas opinies
de especialistas, assim como, as incertezas associadas s mesmas; faz-se necessria a
utilizao de uma modelagem em que se possam considerar matematicamente as
variveis lingsticas. Para tanto, combina-se a teoria de conjuntos fuzzy com um
modelo baseado em anlise envoltria de dados para estabelecer uma ordem de
prioridade entre os modos de falha.
Os resultados obtidos com a abordagem proposta demonstram o potencial de adotar
um modelo hbrido, onde so combinadas as teorias de lgica fuzzy com anlise
envoltria de dados, para analisar sistemas de segurana de uma planta nuclear.

Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the

requirements for the degree of Doctor of Science (D.Sc.)

A FUZZY APPROACH WITH THE ENVELOPMENT OF THE DATA FROM THE

FAILURE MODE AND EFFECT ANALYSIS

Pauli Adriano de Almada Garcia

March/2006

Advisors: Paulo Fernando Ferreira Frutuoso e Melo

Roberto Schirru

Department: Nuclear Engineering

In this thesis, one presents a fuzzy data envelopment approach to sort the failure
modes gathered by a failure mode and effect analysis. In this approach, one obtains a
comparative analysis among the risks associated to each failure mode, in order to
establish a priority ranking, and optimizing improvement efforts. Considering that, in an
analysis like this, different characteristics of risks must be evaluated, and it is important
to elicit the knowledge contained in experts opinions, as well as the uncertainty
associated to them; it turns out necessary to adopt a modeling which considers,
mathematically, linguistic variables. To do this, fuzzy sets theory will be combined with
a data envelopment model to establish the ranking among failure modes.
The results obtained with the proposed approach demonstrate the potentiality of the
use of a hybrid model, where the theories of fuzzy sets and data envelopment analysis
are combined to analyze nuclear safety systems.

vi

SUMRIO
Pg.

1. Introduo..................................................................................................1
1.1. Contextualizao.............................................................................................1
1.2. O Nmero de Priorizao de Riscos e Suas Deficincias...............................3
1.3. Objetivos da Tese............................................................................................7
1.4. Justificativa.....................................................................................................8
1.5. Metodologia e Organizao da Pesquisa........................................................9

2. Fundamentao Terica..........................................................................11
2.1. Fundamentos Bsicos de Lgica Fuzzy........................................................11
2.2. Aplicao de Inferncia Fuzzy para Tratar Modos de Falha........................16
2.3. Anlise Envoltria de Dados........................................................................18
2.3.1. Conceitos Introdutrios.............................................................................18
2.3.2. Modelagem DEA.......................................................................................21
2.3.3. Aplicao de DEA em Anlise de Falhas..................................................23

3. Modelagem Fuzzy-DEA para Avaliar Modos de Falha..........................26

3.1. Modelo Fuzzy-DEA......................................................................................26
3.2. Modelagem Fuzzy-DEA de Possibilidades..................................................29
3.2.1. Teoria de Possibilidades............................................................................29
3.2.2. Modelo de Possibilidades DEA.................................................................31
3.3. Adaptao do Modelo de Possibilidades DEA para a Anlise de Modos de
Falha...........................................................................................................28

4. Estudos de Caso.......................................................................................36
4.1. Definio do Sistema Auxiliar de gua de Alimentao.............................36
4.1.1. Aplicao...................................................................................................37
4.1.2. Avaliao do RPN.....................................................................................39

vii

4.1.3.Avaliao da Inferncia Fuzzy Tradicional................................................39

4.1.4. Avaliao das Tcnicas Baseadas em DEA.............................................41
4.1.5. Avaliao do Modelo PCCR....................................................................44
4.2. Aplicao do Modelo PAPGF nos Dados do Sistema de Controle Qumico e
Volumtrico........................................................................................................47
4.2.1. Avaliao dos Modelos PDEA.................................................................49
4.3. Anlise dos Resultados................................................................................53

5. Concluses e Recomendaes................................................................54
5.1. Concluses...................................................................................................54
5.2. Recomendaes............................................................................................55

Referncias Bibliogrficas.................................................................................57

viii

ACRNIMOS

Conjunto Alto

AFWS

Auxiliary Feed Water System

AFWT

Auxiliary Feed Water Tank

APGF

Agregao Parcial com Gravidade Fixa

APS

Anlise Probabilstica de Segurana

Conjunto Baixo

CCF

Common Cause Failure

CCP

Chance Constrained Model

CCR

Modelo DEA desenvolvido por Charnes, Cooper e Rhodes

DEA

Data Envelopment Analysis Anlise Envoltria de Dados

DMU

Decision Making Units Unidades Tomadoras de Decises

FCCR

Enfoque Fuzzy do Modelo CCR

FDEA

Enfoque Fuzzy dos Modelos DEA

FMEA

FMECA
GRA
IAEA

Failure Modes and Effect Analysis Anlise dos Modos e Efeitos

de Falha
Failure Modes, Effect and Criticality Analysis Anlise dos
Modos, Efeitos e Criticidade de Falha
Grey Relational Analysis Anlise Relacional Grey
International Atomic Energy Agency Agncia Internacional de
Energia Atmica

Isoq

Isoquanta

Conjunto Moderado

MA

Conjunto Muito Alto

Max

Mximo

MDP

Motor Driven Pump

Min

Mnimo

PAPGF

Enfoque Possibilstico do Modelo APGF

PCCR

Enfoque Possibilstico do Modelo CCR

PDEA

Enfoque Possibilsticos dos Modelos DEA

PWR

Pressurized Water Reactor

ix

Conjunto Remoto

RPN

Risk Priority Number Nmero de Priorizao de riscos

s.t

Subject to Sujeito a

SG

Steam Generator

Sup

Supremo

TDP

Turbine Driven Pump

LISTA DE SMBOLOS E VARIVEIS

ndice de Ocorrncia

ndice de Gravidade

ndice de Deteco

Universo de Entrada

Universo de Sada

Vetor linha dos elementos do universo de entrada

Vetor linha dos elementos do universo de sada

Varivel de Entrada

Varivel de Sada

Fj

j-simo conjunto fuzzy de entrada

Gj

j-simo conjunto fuzzy de sada

(x)

Grau de pertinncia da varivel x no conjunto A

Notao da caracterstica fuzzy

Estar contido propriamente

Interseo

Unio

Conjunto dos nmeros Reais

Somatrio

Grau de pertinncia de uma varivel num conjunto fuzzy

Cr

Criticidade

h0

Eficincia da DMU sob anlise

Vetor coluna de pesos associados s variveis de sada

Vetor coluna de peso associados s variveis de entrada

Percentual de melhoria

CrOG

Percentual de Criticidade relativa considerando-se os ndices O e G

CrGD

Percentual de Criticidade relativa considerando-se os ndices G e D

Medida de possibilidade

Conjunto no-vazio de caractersticas

()

Coleo de todos os subconjuntos de

xi

Elemento de

Ri

Priorizao obtida pelo mtodo i

xii

LISTA DE FIGURAS

Figura 2.1 Representao de um sistema fuzzy

12

Figura 2.2 Representao grfica da funo de pertinncia triangular

14

Figura 2.3 Representao grfica da funo de pertinncia trapezoidal

14

Figura 2.4 Representao grfica da funo de pertinncia gaussiana

15

Figura 2.5 Funes de pertinncia para as variveis de entrada

17

Figura 2.6 Fronteira de eficincia tcnica

19

Figura 2.7 Fronteira de eficincia orientada para os insumos

21

Figura 2.8 Medida de eficincia tcnica de Dabreu e Farrel (DF) orientada

23

para output
Figura 3.1 - Limites da funo de pertinncia trapezoidal

34

Figura 4.1 - Diagrama esquemtico do AFWS

37

Figura 4.2 - Perfil da criticidade para ocorrncia e deteco

43

Figura 4.3 - Perfil da criticidade para gravidade e deteco

44

Figura 4.4 - Esquema simplificado do CVCS

48

xiii

LISTA DE TABELAS

Tabela 1.1 - Classificao dos ndices de gravidade

Tabela 1.2 - Classificao dos ndices relacionados probabilidade de ocorrncia

Tabela 1.3 - Classificao dos ndices de deteco

Tabela 1.4 - Combinaes de gravidade, ocorrncia e deteco que geram RPN =

64

Tabela 2.1 - Conjuntos fuzzy associados s variveis lingsticas de entrada

16

Tabela 2.2 - Conjuntos fuzzy associados s variveis lingsticas de sada

17

Tabela 2.3 - Regras de inferncia fuzzy

17

Tabela 4.1 - Anlise dos modos e efeitos de falha (FMEA) para o AFWS

38

Tabela 4.2 - Priorizao dos modos de falha por inferncia fuzzy

40

Tabela 4.3 - Priorizao dos modos de falha pelo modelo DEA-CCR

42

Tabela 4.4 - Priorizao dos modos de falha pelo modelo APGF

43

Tabela 4.5 - Priorizao dos modos de falha pelo modelo PCCR

45

Tabela 4.6 - Priorizao dos modos de falha pelo modelo PAPGF

46

Tabela 4.7 - Comparao entre os diferentes mtodos de priorizao

46

Tabela 4.8 - Variveis lingsticas associadas aos modos de falha do CVCS

50

Tabela 4.9 - Classes com as mesmas caractersticas

51

Tabela 4.10 - Priorizao dos modos de falha pelo modelo PCCR

52

Tabela 4.11 - Priorizao dos modos de falha pelo modelo PAPGF

52

xiv

CAPTULO I
A verdadeira ignorncia no a ausncia de conhecimento,
Mas a recusa em conhecer...(Karl Poper)

INTRODUO
No presente captulo so apresentados: o contexto no qual este trabalho se insere, os
objetivos que se pretende alcanar, as justificativas para o desenvolvimento do estudo, a
metodologia utilizada e a organizao do trabalho, isto , como se desenvolvero e
sero apresentadas as etapas das pesquisas e dos casos.de estudo.
1.1

CONTEXTUALIZAO
O funcionamento seguro das plantas de potncia nuclear, desde o desenvolvimento

desta tecnologia de gerao de energia, vem sendo matria de diferentes pesquisas

acadmicas concomitante aos investimentos industriais. Com isto, diferentes projetos de
pesquisas vm se desenvolvendo e aprimorando diferentes tcnicas baseadas em
computao flexvel (ALVARENGA et al 1997; PEREIRA, 1999; CHAPOT et al,
1999; LAPA et al, 2000, GARCIA et al 2004, GARCIA et al 2005, GARCIA e
FRUTUOSO E MELO, 2006) para serem incorporadas nas analises envolvendo
sistemas de uma planta nuclear. O desenvolvimento destas tcnicas visa principalmente
auxiliar na tomada de decises em contextos combinatrios, sob incertezas e
multicritrio.
Numa anlise probabilstica de segurana (APS) tradicional, modos de falha so
utilizados para descrever as falhas dos componentes. A identificao destes modos de
falha, suas causas e seus efeitos torna-se ento parte fundamental para o bom
desenvolvimento de uma APS. Uma tcnica utilizada para este fim a anlise dos
modos, efeitos e criticidade de falha (FMEA/FMECA). Neste mtodo o que se faz
analisar um sistema de forma indutiva, ou seja, partindo-se das possveis causas at
identificar os efeitos da ocorrncia do respectivo modo de falha.
A utilizao da FMECA para identificao de perigos e pontos crticos em sistemas
nucleares recomendada em diferentes documentos em que o foco a anlise de
segurana. Dentre estes documentos pode-se citar: EPRI-TR-106706 (1996), IAEA-

Safety-series 50-P-4 (1992), IAEA-Tecdoc-1200 (2001), IAEA-Tecdoc-1267 (2002),

entre outros. Em todas as referncias supracitadas, o que se pretende com a aplicao da
FMECA identificar pontos crticos do sistema e recomendar aes mitigadoras para os
efeitos associados aos modos de falha levantados, alm de aprimorar os conhecimentos
sobre o funcionamento do sistema (BLANCHARD, 1998).
Anlise de risco 1 uma atividade que abundantemente realizada por engenheiros
de confiabilidade e analistas de risco de qualquer indstria. Os resultados de uma APS
fornecem informaes para que uma deciso seja tomada com respeito a polticas de
manuteno ou sobre cuidados a serem tomados num determinado ponto crtico do
sistema sob anlise (FULLWOOD, 2000). Uma FMECA, numa APS, tem por
finalidade identificar e prover informaes semiquantitativas com respeito s diferentes
formas e modos de como o sistema sob anlise pode vir a falhar, alm de constituir os
fatores de entrada para a modelagem do sistema, IAEA (1992).
Adicionalmente, a FMECA prov uma documentao histrica para futuras
anlises. Esta documentao de grande valia para modificaes futuras no projeto e
para uma anlise comparativa entre o desempenho predito e o desempenho em
utilizao.
Os dados levantados pela realizao de uma FMECA devem ser todos considerados
para uma tomada de deciso envolvendo risco. Os dados que devem influenciar o
tomador de decises esto relacionados com a probabilidade de ocorrncia de um
determinado modo de falha, com a gravidade dos efeitos da ocorrncia deste modo de
falha e com a capacidade de identificao de uma causa potencial da falha, de modo a
prevenir a ocorrncia do evento (BOWLES, 1998, BOWLES E BONNELL, 1998).
Uma grande dificuldade que os tomadores de decises tm encontrado est
relacionada com a anlise de dados multicritrio, ou seja, diferentes caractersticas
devem ser levadas em considerao para que uma deciso seja tomada. No tocante
identificao e priorizao de modos de falha potenciais, faz-se mister que a tomada de
uma deciso errnea seja minimizada. Segundo ZWINGELSTEIN (1998), uma m
priorizao dos modos de falha pode conduzir a um processo de manuteno ineficiente,
conseqentemente os pontos crticos e/ou potencialmente catastrficos de um sistema

Risco uma expresso comumente utilizada para representar as incertezas referentes a uma determinada
ao, estado de um componente etc, Faber and Stewart (2003).

podem no ser priorizados na poltica de manuteno ou nas recomendaes de

melhorias.
1.2

O NMERO DE PRIORIZAO DE RISCOS E SUAS DEFICINCIAS

At o presente momento, diferentes tcnicas tm sido utilizadas para minimizar as

interpretaes errneas ocasionadas pelo mtodo tradicional de priorizao de risco, que

o denominado Nmero de Priorizao de Riscos (Risk Priority Number - RPN),
BOWLES & BONNEL (1998), BOWLES (2003).
O RPN consiste do produto de trs atributos associados ao modo de falha levantado
durante a realizao de uma FMEA. Estes atributos so representados por ndices que
esto relacionados com a probabilidade de ocorrncia (O), a gravidade (G) dos efeitos
associados ocorrncia e com o potencial de deteco (D) do modo de falha, conforme
previamente mencionado. Estes ndices variam numa escala numrica inteira de 1 a 10,
ou, em alguns casos podendo estar numa escala, de 1 a 5, onde quanto maior o ndice,
pior a situao.
O ndice de gravidade deve refletir a magnitude dos efeitos associados ocorrncia
do modo de falha, considerando o funcionamento do sistema, da planta, a vida dos
funcionrios e da populao circunvizinha, assim como o meio ambiente. As
caractersticas deste ndice podem ser vistas na Tabela 1.1, adaptada de NUNES (1999).
Para auxiliar na identificao dos possveis efeitos, uma rvore de eventos, ou um
diagrama de seqncia de eventos podem ser utilizados, ao mesmo tempo em que
contribuem para uma melhor identificao dos pontos crticos do sistema.
Tabela 1.1: Classificao dos ndices de gravidade
Valores
Lingsticos

Caractersticas

O efeito da falha pode afetar tanto a segurana operacional como a

ambiental, podendo ocasionar danos a bens ou pessoas e/ou infringir alguma
legislao ou regulamentao governamental.
Afeta a eficincia do sistema ao qual est associado e/ou da planta,
Alta
ocasionando uma reduo de potncia ou at mesmo o seu desligamento.
Reduz a eficincia do sistema ao qual est associado, gerando um estresse
Moderada no ambiente de trabalho que leva a planta a operar num nvel de risco mais
elevado do que o normal.
O efeito da falha no interfere na operao da planta, mas reduz de forma
Baixa
mnima o desempenho do sistema ao qual est associado.
Remota
O efeito da falha praticamente no percebido.
Fonte: NUNES (1999)
Muito alta

ndices
9 e 10
7e8
4, 5 e 6
2e3
1

J o ndice relacionado probabilidade de ocorrncia, ou freqncia de

ocorrncia, reflete a probabilidade, ou a freqncia, de uma causa de falha ocorrer e
ocasionar o modo de falha em questo. Este ndice tambm varia numa escala inteira de
1 a 10, conforme a Tabela 1.2, ou da mesma forma que o ndice de gravidade, pode
variar numa escala de 1 a 5. Para a obteno destes ndices, pode-se utilizar uma rvore
de falha ou qualquer outra ferramenta que auxilie na determinao da probabilidade de
falha ou freqncia de ocorrncia de um determinado modo de falha.
Tabela 1.2: Classificao dos ndices relacionados probabilidade de ocorrncia
Valores Lingusticos
Muito alta

Ocorrncia
Praticamente
inevitvel

Alta

Freqente

Moderada

Ocasional

Baixa

Poucas vezes

Remota
Fonte: NUNES (1999)

Excepcionalmente.

ndice
10
9
8
7
6
5
4
3
2
1

Estimativa de ocorrncia
0,5
0,1
0,05
0,01
0,02
0,001
0,002
0,0001
0,0002
<0,0002

O ndice de deteco classifica a eficcia dos controles atuais em detectar uma

causa potencial, isto , este ndice deve refletir o grau com que os testes e as tarefas de
manuteno preditiva e/ou detectiva, conseguem, efetivamente, identificar um desvio ou
qualquer caracterstica que indique que uma falha est para ocorrer. As caractersticas
associadas a este ndice podem ser vistas na Tabela 1.3.

Tabela 1.3: Classificao dos ndices de deteco

Valores Lingusticos

ndice

Estimativa de deteco

Muito alta

1
2
Elevada
3
4
Moderada
5
6
7
Baixa
8
9
Remota
10
Fonte: LAPA e GUIMARES (2004a)

86% a 100%
76 a 85%
66 a 75%
56 a 65%
46 a 55%
36 a 45%
26 a 35%
13 a 25%
6 a 15%
0 a 5%

O problema associado ao RPN foi primeiramente levantado por BOWLES E

PELEZ (1995 e 1996) onde ele o apresenta da seguinte forma:
(...) no calculo do RPN, um modo de falha que possui um ndice de
gravidade muito elevado, uma baixa probabilidade de ocorrncia e
um elevado poder de deteco (G = 9, O = 3 e D = 2 que conduz a
um RPN = 54) pode ser considerado menos crtico que um outro
modo de falha que possua estes mesmos ndices em nveis medianos
(G = 4, O = 5 e D = 6, que conduzem a um RPN = 120)

Contudo, em termos de aes a serem tomadas, o primeiro modo de falha,

considerado por BOWLES (1998), ser, de forma intuitiva, priorizado para que aes
corretivas sejam tomadas no intuito de se reduzir os efeitos de danos potncias
associados sua ocorrncia (ou so inseridas barreiras de segurana mais efetivas,
planos de emergncia para mitigar os efeitos etc.).
Um segundo ponto crtico associado priorizao dos modos de falha baseada no
RPN o fato de ter-se repetidos valores de priorizao, ou seja, RPN, para modos de
falha com caractersticas totalmente diferentes. Segundo BOWLES (2003), dos 1000
RPN que deveriam ser produzidos pelo produto GxOxD, somente 120 deles so nicos.
De acordo com a Tabela 1.4, tem-se, por exemplo, que o RPN = 64 pode ser gerado de
10 maneiras distintas.
Tabela 1.4: Combinaes de gravidade, ocorrncia e deteco que geram RPN = 64
Gravidade Ocorrncia Deteco
1
8
8
2
4
8
2
8
4
4
2
8
4
4
4
4
8
2
8
1
8
8
2
4
8
4
2
8
8
1
Fonte: BOWLES (2003)

RPN
64
64
64
64
64
64
64
64
64
64

Um terceiro ponto crtico associado ao RPN, que nenhum nmero maior do que
10 tendo um primo como fator poder ser formado pelo produto dos trs parmetros.
Assim, os nmeros 11, 22, 33, 990 etc. so valores de RPN que no podem ser gerados
pelo produto dos ndices de ocorrncia, gravidade e deteco. Pelo mesmo motivo, os
mltiplos de 13, 17, 19 etc. sero excludos.
Os problemas at ento mencionados esto relacionados com a escala numrica
associada aos ndices da FMECA, onde algumas solues foram propostas por
BOWLES & BONNEL (1998) e BOWLES (2003).
Um problema um pouco mais complexo associado priorizao dos modos de falha
est relacionado com as consideraes de variveis lingsticas, provindas de
especialistas que devem compor a equipe de APS designada para a execuo da
FMECA.
Neste caso devem ser considerados valores lingsticos para cada um dos ndices
supracitados. Para que esta considerao seja feita, diferentes pesquisadores vm
lanando mo de conceitos fuzzy para incorporar na anlise as orientaes de
especialistas. BOWLES e PELEZ (1995), apresentaram uma abordagem baseada em
regras de inferncia fuzzy. Nesta abordagem as opinies dos especialistas so mapeadas
por meio de funes de pertinncia. Estas funes de pertinncia so associadas a cada
um dos atributos a serem considerados na anlise. No captulo 2 sero apresentadas de
forma mais detalhada as fundamentaes tericas referentes aos conceitos de lgica
fuzzy a serem adotados nesta tese.
PILLAY e WANG (2003), apresentaram uma abordagem hbrida onde so
combinadas as tcnicas baseadas em lgica fuzzy e anlise relacional grey. Nesta
abordagem, a lgica fuzzy utilizada para estabelecer as funes de pertinncia
associadas s opinies dos especialistas; a anlise relacional grey utilizada para
estabelecer um grau de relacionamento entre os modos de falha levantados na anlise e
um modo de falha padro, cujos ndices atribudos a este ltimo representam um estado
meta.
LAPA e GUIMARES (2004a, b), apresentaram uma aplicao em sistemas de
segurana de plantas nucleares do tipo pressurized water reactor (PWR). Nestas
aplicaes, os conceitos apresentados por BOWLES e PELEZ (1995) so empregados
para priorizar os modos de falha dos sistemas de segurana por eles tratados. Estes

mesmos sistemas sero abordados nesta tese como casos de estudo para a validao da
abordagem a ser desenvolvida.
O que se pode destacar em comum em todas as abordagens supracitadas a
utilizao de conjuntos fuzzy, representados por funes de pertinncia, para representar
a opinio de especialistas.
Para os casos em que so necessrias regras de inferncia fuzzy para se alcanar os
ndices de risco de cada modo de falha, a seguinte observao torna-se relevante: ao se
considerar, cinco conjuntos de entrada para cada parmetro considerado na FMEA,
como feito em todos os trabalhos supracitados, ter-se- um total de 125 arranjos
diferentes possveis. Para que haja uma boa discriminao dos modos de falha, far-se-ia
mister que se tivessem 125 conjuntos diferentes no universo de sada. Este fato pode
tornar a anlise exaustiva, ou at mesmo inviabiliz-la por questes de tempo e de
conhecimento suficientes para se estabelecer as regras de inferncia.
Um outro problema que se percebe em relao a este tipo de inferncia que no se
estabelece uma anlise relativa entre os modos de falha. Em outras palavras, isto
significa que os modos de falha podem ser analisados independentemente uns dos
outros sem se considerar o conjunto dos mesmos como um todo.
Outro fator que pode suscitar dificuldades est relacionado com a combinao dos
fatores de entrada para gerar um fator de sada, isto , como devem ser combinados os
conjuntos fuzzy de entrada para se ter um conjunto fuzzy de sada? Em relao a este
tipo de inferncia, deve-se considerar a impreciso nas informaes devido
impossibilidade de se conhecer de forma completa o funcionamento de um sistema,
mesmo que os entrevistados sejam especialistas experientes.
1.3

OBJETIVOS DA TESE
O objetivo desta tese apresentar algumas abordagens inditas baseadas em

computao flexvel que possam auxiliar, de forma mais efetiva, do que as j existentes,
o tomador de decises, no que diz respeito classificao de modos de falha e
identificao de pontos crticos de um determinado sistema considerando-se um
contexto multicritrio, ou seja, onde esto presentes diferentes atributos de risco que
devem ser considerados no processo decisrio. Concomitante a isto, as abordagens

devem considerar variveis lingsticas provindas de especialistas, assim como as

incertezas a elas associadas.
Para fins de modelagem, considerar-se- um bom modelo quele que atenda aos
seguintes requisitos:

i.

Leve em considerao variveis lingsticas provindas da opinio de

especialistas e as incertezas a elas associadas;

ii.

No pontue da mesma forma modos de falha com caractersticas totalmente

diferentes;

iii.

Considere a questo da percepo do risco, isto , modos de falha que

tenham um potencial catastrfico em relao aos demais devero ser
prioritrios, a menos que a combinao dos demais ndices torne o modo de
falha igualmente crtico;

iv.

Estabelea uma priorizao relativa entre os modos de falha.

Para a elaborao do modelo que atenda aos requisitos mencionados, utilizar-se-

uma tcnica desenvolvida na dcada de 70, conhecida como anlise envoltria de dados
(DEA), CHARNES et al (1978 apud CHARNES et al. (1996)), CHARNES et al.
(1982), CHARNES e COOPER (1990), CHARNES et al. (1991), MEZA (1998) e
NEVES (2000). Esta tcnica amplamente difundida em meios onde se analisa a
eficincia de processos de produo, da cadeia de suprimentos etc.
O que se pretende combinar modelos baseados em DEA com os conceitos
fundamentados em lgica fuzzy, para avaliar modos de falha quando da realizao de
uma FMEA (GARCIA et al 2005a).
A aplicao de modelos baseados em analise envoltria de dados para tratar modos
de falha foi introduzida por GARCIA (2001) e GARCIA et al (2001a e b, 2002). Porm,
nestas abordagens, no so consideradas as incertezas das informaes referentes aos
modos de falha, levantadas durante a anlise.
1.4

JUSTIFICATIVA
Conforme previamente mencionado, no trivial tomar qualquer deciso quando se

est inserido num contexto multicritrio.

Em se tratando de modos de falha, importante que se considere a estimativa da

probabilidade de ocorrncia de determinado modo de falha, quais so os efeitos
associados ocorrncia do mesmo, o que as especificaes tcnicas preconizam com
respeito ao equipamento no qual o modo de falha foi identificado, quanto tempo se
levaria para reparar ou substituir o equipamento e qual a estimativa da probabilidade
de se detectar o problema antes que ele ocorra, entre outros fatores.
desejvel que se tenha a menor chance de se tomar uma deciso errnea e,
conseqentemente, que no se priorize erradamente aes preditivas, preventivas e/ou
correterivas. O que se pretende desenvolver uma tcnica que possa fornecer maiores
subsdios para orientar de forma mais sucinta o tomador de decises, reduzindo ao
mximo a possibilidade de se tomar uma deciso que possa comprometer a segurana
operacional e ambiental.
Uma outra caracterstica associada utilizao de um modelo baseado em DEA a
de no ser necessrio que se estabeleam regras de inferncia de modo a associar uma
combinao de conjuntos de entrada com um determinado conjunto de sada. Este fato
visa tornar o processo de avaliao dos modos de falha mais discriminatrio, tendo em
vista que as criticidades sero medidas em funo de um conjunto selecionado para
formar a isoquanta de criticidade, que ser definida no captulo 2.
1.5

METODOLOGIA E ORGANIZAO DA PESQUISA

O trabalho de pesquisa dever mostrar que o argumento, a seguir, validado:

Um modelo ser considerado adequado se conseguir tratar variveis

lingsticas e suas incertezas, no considerando, contudo, modos de
falha com caractersticas diferentes, ou seja, ndices de ocorrncia,
gravidade e deteco diferentes, como sendo igualmente crticos, e
considere as incertezas cognitivas dos especialistas, assim como d a
devida

importncia

aos

efeitos

associados

ocorrncia

de

determinados modos de falha.

Para validar este argumento, faz-se mister que seja realizada uma extensa reviso
bibliogrfica, com respeito aos principais mtodos atualmente utilizados para priorizar

modos de falha que considerem isoladamente cada um dos requisitos mencionados no

argumento a ser validado. Esta pesquisa bibliogrfica apresentada no captulo 2
intitulado fundamentao terica.
Seguindo a fundamentao terica, pesquisas de laboratrio (desenvolvimento do
modelo) e de campo (conversa com especialistas) devero ser realizadas para que as
premissas mencionadas sejam verificadas e se possa validar o modelo. Esta segunda
parte da pesquisa est apresentada no captulo 3.
Depois de estabelecido o modelo, ser necessrio que este seja testado. Para tanto,
casos de estudo sero realizados de modo a analisar os resultados e compar-los com as
principais tcnicas j existentes. Estes casos de estudo esto apresentados no captulo 4.
Por fim, concluses referentes aos trabalhos desenvolvidos e recomendaes para
futuros trabalhos foram feitas e esto apresentadas no captulo 5.

10

CAPTULO II
Todo o nosso saber comea nos sentimentos...
(Leonardo da Vinci)

FUNDAMENTAO TERICA
No presente captulo apresenta-se a fundamentao terica bsica referente s
tcnicas baseadas em sistemas de inferncia fuzzy e anlise envoltria de dados que so
utilizadas para tratar modos de falha.

2.1

FUNDAMENTOS BSICOS DE LGICA FUZZY

Conforme mencionado no Captulo I, diferentes pesquisadores vm buscando

alternativas para incorporar numa modelagem matemtica a experincia de especialistas

em anlises de falhas. Tem-se buscado diferentes abordagens fuzzy para tratar este
problema em diferentes reas, sendo que, na rea nuclear LAPA e GUIMARES
(2004a, b) propuseram um enfoque baseado em inferncias do tipo SE ... ENTO. Este
enfoque baseado nos conceitos de lgica fuzzy pura, onde se mapeiam, por meio de
inferncias, os conjuntos do universo de discurso de entrada U para o universo de
discurso de sada V . Estas regras fuzzy so da seguinte forma:

( i ) : SE x 1 F1i e ... x n Fni ENTO y G i

(2.1)

onde Fi j e Gj so conjuntos fuzzy, x = (x1, ..., xn)T U e y V so as variveis dos

universos de entrada e sada, respectivamente, e j = 1, 2, ..., M so os diferentes
conjuntos de entrada e de sada.
importante ressaltar que em problemas de engenharia, entre outros, os universos
de discursos de entrada e sada a serem considerados esto contidos no conjunto dos
nmeros reais. Tendo em vista este fato, faz-se mister mapear estes universos ntidos
(crisps), contidos nos nmeros reais, no universo nebuloso (fuzzy). O mtodo mais
comum de fazer este mapeamento a utilizao de um fuzzificador para mapear o
universo de entrada nos conjuntos fuzzy, e de um defuzzificador para mapear os

11

conjuntos fuzzy de sada nos nmeros reais. Em outras palavras, preciso associar um
determinado dado real a um nmero (conjunto) fuzzy pr-estabelecido, e associar, por
outro lado, um nmero (conjunto) fuzzy de sada com um dado real que represente de
forma crisp o conjunto de sada. Esta relao entrada x sada pode ser visualizada na
Figura 2.1.

Variveis
Lingsticas

Inferncia

Varivel
Lingstica

Domnio
Lingstico

Defuzzificao

Domnio
Numrico

Fuzzificao
Variveis
Numricas

Variveis
Numricas

Figura 2.1: Representao de um sistema fuzzy

A diferena bsica entre a lgica fuzzy e a lgica formal a noo de conjunto. Se

de uma grande quantidade de dinheiro se tira um centavo, ainda se ter uma grande
quantidade de dinheiro. Tirando-se outro centavo, e mais outro, ainda se estar diante de
uma grande quantidade de dinheiro. Finalmente, restar apenas um centavo. Ainda
uma grande quantidade de dinheiro? Caso contrrio, em que ponto se deixa de ter uma
grande quantidade de dinheiro?
A noo clssica, baseada em lgica formal, resolveria este dilema inserindo um
limite arbitrrio para definir o conceito ou conjunto grande quantidade de dinheiro,
caracterizado como:

x = quantidade de dinheiro
A = conjunto grande quantidade de dinheiro
A = {x R| x R$ 100.000.000,00}

12

Ou ainda, tem-se a funo caracterstica que associa um valor para todo x R, tal
que:
A(x) = 1 se x A
A(x) = 0 caso contrrio

Por esta definio, se o conjunto contiver R$99.000.000,00 ele no ser

considerado uma grande quantidade de dinheiro.
Com a noo de conjunto fuzzy, cada centavo retirado da quantidade de dinheiro
diminui o grau de pertinncia do conjunto em relao ao conjunto grande quantidade de
dinheiro. Assim, a transio de pertinncia para no pertinncia feita de modo gradual.
A funo de pertinncia aquela que define os grau de pertinncia dos elementos, sendo
uma generalizao da funo caracterstica da teoria crisp, uma vez que associa a todo
elemento do universo de discurso um valor no intervalo [0,1] ao invs do conjunto
constitudo por apenas dois elementos {0, 1}.
Esta funo de pertinncia pode assumir vrias formas de representao e, dentre as
mais comuns, tem-se: a triangular, a trapezoidal e a gaussiana. A forma de
representao caracterizada pela funo de pertinncia triangular definida como:
~
A = (x , A~ ( x ) | x ) e A~ : X [0,1] , onde:

A~ ( x ) = 0, se x < a;

~ ( x ) = x a , se x [a , b];
A
ba

~ ( x ) = c x , se x [b, c];
A
cb
~ ( x ) = 0, se x > c
A

(2.2)

onde a, b e c so os limites inferior, central e superior, respectivamente.

A representao grfica de uma funo triangular pode ser vista na Figura 2.2, onde
esto representados os limites supracitados.

13

1
0,8
0,6
0,4
0,2
0
a

Figura 2.2: Representao grfica da funo de pertinncia triangular

~
A funo trapezoidal definida como A = ( x, A~ ( x ) | x ) e A~ : X [0,1] ,
onde:
A~ ( x ) = 0, se x < a;

~ ( x ) = x a , se x [a , b];
A
ba

=
(
x
)
1
, se x [b, c];
A

~ ( x ) = d x , se x [c, d ]
dc
A
~ ( x ) = 0, se x > d
A

(2.3)

onde a o limite inferior da funo de pertinncia, os pontos no intervalo [b,c] fazem

parte dos elementos que certamente pertencem ao conjunto caracterizado pela funo,e
d o limite superior desta funo.

1
0,8
0,6
0,4
0,2
0

Figura 2.3: Representao grfica da funo de pertinncia trapezoidal

14

A funo de pertinncia gaussiana definida por:

A~ ( x ) = e k ( x m ) , para k > 0
2

(2.4)

A representao grfica para a funo gaussiana pode ser vista na figura 2.4.

1
0,8
0,6
0,4
0,2
0

Figura 2.4. Representao grfica da funo de pertinncia gaussiana

As variveis utilizadas na lgica fuzzy so chamadas de lingsticas por no

possurem valores precisos, podendo ser definidas, como na linguagem, representando
uma gama de valores.
Considerando-se os conceitos supracitados sobre lgica fuzzy, as operaes bsicas
de conjuntos crisp para conjuntos fuzzy podem ser compreedidas conforme proposto
por ZADEH (1978):

~ ~
Igualdade: A = B A~ ( x ) = B~ ( x ) , x X

~ ~
Incluso: A B A~ ( x ) B~ ( x ) , x X

~
Complemento: A ~ ( x ) = 1 A~ ( x ) , x X
A

~ ~
Interseo: A B = A~ B~ ( x ) = min( A~ ( x ), B~ ( x )) = A~ ( x ) B~ ( x ) , x X

~ ~
Unio: A B = A~ B~ ( x ) = max( A~ ( x ), B~ ( x )) = A~ ( x ) B~ ( x ) , x X

15

2.2

APLICAO DE INFERNCIA FUZZY PARA TRATAR MODOS DE

FALHA

A partir do conceito de nmeros (conjuntos) fuzzy, apresentado na seo anterior,

ser estabelecido o domnio de cada um dos conjuntos fuzzy do universo de entrada
para as variveis lingsticas a serem consideradas na FMECA. O domnio de cada
nmero ser estabelecido pelos especialistas que devero compor a equipe que realizar
a anlise.
Para se chegar a um conjunto final, ser considerado o tempo de experincia na
rea. A partir desta informao, ser estabelecido um conjunto de pesos que sero
atribudos s opinies de cada especialista, de modo a chegar-se a um domnio final
para cada varivel de entrada e sada a ser considerada (PILLAY e WANG, 2003).
Como exemplo, tem-se um caso simplificado em que os conjuntos fuzzy,
apresentados na Tabela 2.1, para os valores lingsticos Remoto, Baixo, Moderado, Alto
e Muito Alto, so estabelecidos considerando-se a opinio de 5 especialistas. Nesta
tabela, a, b e c so os limites inferior, central e superior dos nmeros triangulares
associados a cada valor; o peso normalizado associado experincia dos
especialistas que compem a equipe da FMECA e, finalmente, o grau de pertinncia
da varivel real x no conjunto fuzzy caracterstico.
Aps a obteno das opinies dos especialistas, os valores finais dos limites dos
nmeros triangulares so obtidos pela ponderao das opinies pelos respectivos valores
de associado a cada uma delas.
Este exemplo ser apresentado no Captulo 4 como caso de estudo desta tese.

Tabela 2. 1: Conjuntos fuzzy associados s variveis lingsticas de entrada

Especialista

a (=0)
R B
M A
1
0,3 0 2
4
7
2
0,2 0 1,5 3,5 6
3
0,2 0 1,8 3,7 6,8
4
0,2 0 1,9 3,8 7,2
5
0,1 0 1,7 3,6 6,9
Total
1
0 1,8 4,1 6,8
Fonte: LAPA e GUIMARES (2004a, b)

MA
9
8,5
8,7
9,4
8,8
8,9

R
1,5
1,7
1,6
1,4
1,5
1,5

16

B
3,5
3,2
3,7
3,6
3,5
3,5

b (=1)
M A
6
8,5
5,5 8,0
5,7 8,8
5,8 8,7
5,8 8,1
5,8 8,4

MA
10
10
10
10
10
10

R
3
2,8
2,5
3,2
2,9
2,9

B
5
4,8
5,3
5,3
5,0
5,0

c (=0)
M A
8
10
7,8 10
8,4 10
8,2 10
8,2 10
8,1 10

MA
10
10
10
10
10
10

A representao grfica destes conjuntos apresentada na figura 2.5.

1
0,8

R
B
M
A
MA

0,6
0,4
0,2
0
0

10

Figura 2.5: Funes de pertinncia para as variveis de entrada

As variveis relacionadas ao risco podem ser vistas na Tabela 2.2.
Tabela 2.2: Conjuntos fuzzy associados varivel lingstica de sada
Especialista

A
R B
M A
1
0,3 0 0,7 2,3 2,9
2
0,2 0 0,2 1,7 3,7
3
0,2 0 1,2 3,7 5,2
4
0,2 0 1,2 3,7 5,2
5
0,1 0 0,7 3,5 4,8
Total
1
0 1,1 2,9 4,3
Fonte: LAPA e GUIMARES (2004a, b)

MA
6,2
5,8
7,2
7,2
7,4
6,8

R
0,1
0,5
1,3
1,8
0,5
0,8

B
1,5
2
3,2
3,5
1,1
2,5

B
M
2,6
3,3
5,7
4,1
3,8
3,7

A
5,3
5,8
6,9
7,5
5,3
6,1

MA
6,9
7,8
8,4
9,1
7,5
7,8

R
1,3
1
2,9
3,1
3,1
1,9

B
2,7
3
4,9
4,9
4,5
3,8

c
M
3,6
4,9
8,4
7,1
6,9
5,8

A
7,8
7
8,8
9,1
8,8
7,3

MA
10
10
10
10
10
10

As regras de inferncia para um determinado sistema podem ser estabelecidas

conforme apresentado na Tabela 2.3.
Tabela 2.3: Regras de inferncia fuzzy
1 Se O B e G M e D R Ento Risco B
2 Se O B e G A e D B Ento Risco M
3 Se O M e G B e D B Ento Risco A
4 Se O B e G MA e D B Ento Risco MA
5 Se O M e G M e D B Ento Risco A
6 Se O B e G R e D A Ento Risco B
Fonte: LAPA e GUIMARES (2004a)

Estabelecido o conjunto de sada adequado para a combinao de fatores de

entrada, aplica-se um procedimento de defuzzificao para obter-se uma soluo no
domnio dos nmeros reais. Como procedimento de defuzzificao ser considerado o

17

mtodo do centro de massa, ou centride, que segundo SHAW e SIMES (1999) o

mais adequado em processos de tomada de deciso. Este procedimento obedece
seguinte frmula:

u* =

i =1
N

k =1
n

x i o,k ( x i )
(2.5)

o,k ( x i )
i = 1 k =1

onde os o , k ( x i ) indicam os pontos de mximo das funes de pertinncia de sada, e xi

um nmero do universo de discurso.
Para eliminar a necessidade de se fazer as inferncias para o risco e posteriormente
utilizar um processo de defuzzificao, o que se pretende utilizar um modelo baseado
em anlise envoltria de dados, a qual apresentada na seo que se segue.

2.3

ANLISE ENVOLTRIA DE DADOS

2.3.1 CONCEITOS INTRODUTRIOS

Um processo de produo pode ser avaliando considerando-se duas caractersticas

de eficincia: tcnica e econmica. A eficincia tcnica a proficincia com que os
insumos utilizados no processo de produo so convertidos em produtos. Na figura 2.6,
T1 e T2 so duas tcnicas distintas utilizadas pelas unidades U1, U2 e U3. U1 e U2 so
unidades ditas tecnicamente eficientes, enquanto U3 tecnicamente ineficiente.

18

Figura 2.6: Fronteira de Eficincia Tcnica

J a eficincia econmica refere-se otimizao de custos e lucros associados

tcnica que transforma insumos em produto. O processo produtivo dito eficiente se
no existir outro alternativo, ou uma combinao de processos, que produza a mesma
quantidade a um custo menor.
A eficincia tcnica diz respeito ao aspecto fsico da produo, enquanto que a
econmica uma extenso da tcnica, ou seja, envolve aspectos fsicos e monetrios.
Com base neste paradigma, o processo para ser economicamente eficiente requer a
mxima eficincia tcnica (DE SOUZA, 2003).
A eficincia tcnica orientada para o produto ou para o insumo, isto :
9 Qual o mximo de produtos que se pode produzir tendo-se fixado uma

dada quantidade de insumos? (pergunta feita quando se olha para os

produtos);
9 Qual o mnimo de insumo que se pode utilizar para gerar uma dada

quantidade de produtos? (pergunta feita quando se olha para os insumos)

19

O timo, para ambos os casos, pode ser estimado em relao a uma situao ideal,
por exemplo, estima-se a funo de produo, e calcula-se a renda lquida mxima, que
a base de comparao. Ou ainda, estima-se a funo custo e deriva-se o custo mnimo,
em relao ao qual o custo observado avaliado.
Esse timo pode ser calculado para cada grupo de produtores e, com isto, um
produtor comparado com os que produzem tanto quanto ou mais do que ele, com
quantidade de insumos igual ou menor. Com este procedimento, alcana-se a eficincia
relativa.
A avaliao por meio de fronteiras a base das estimativas de eficincia. Este tipo
de estudo teve inicio com Farrel em 1957, que props um modelo emprico para a
medida de eficincia relativa, em oposio ao modelo de funo de produo. Segundo
FARREL (1957), melhor determinar a medida da eficincia da firma em relao ao
melhor nvel de eficincia observado do que em relao a algum ideal inatingvel. Neste
caso, a fronteira de eficincia construda pelos valores observados de insumos e de
produtos, e no por valores estimados.
Farrel props um mtodo economtrico para estimar a funo de produo e para
medir a eficincia tcnica (ET), que um mtodo no paramtrico de fronteira
determinista.
Considere-se uma firma produzindo y com os insumos x1 e x2, e ainda que a
fronteira de produo dada por y = f(x1, x2), Sob retorno constante de escala, pode-se
escrever 1 = f(x1, x2), Expressando x2 em funo de x1, obtm-se a isoquanta unitria,
que a fronteira tcnica.
Na Figura 2.7, Isoqx a isoquanta unitria da firma eficiente, ou seja, a melhor
combinao de insumos que podem produzir no mximo y. Na prtica essa isoquanta
desconhecida, sendo necessrio estimar a funo de produo da firma eficiente. Se
outra firma usa a quantidade de insumos, definida pelo ponto P, para produzir a mesma
quantidade de produto, sua eficincia tcnica representada pela distncia QP. Esta
quantidade QP indica quanto os insumos podem ser, proporcionalmente, reduzidos sem
diminuir a produo. A razo QP/OP mede a ineficincia tcnica. A eficincia tcnica
(ET) dada por:

20

ET = 1

QP
OP

(2.6)

x2/y
P

Isoqx
O

x1/y

Figura 2.7: Fronteira de eficincia orientada para os insumos

Neste caso, se ET = 1 significa que a firma tecnicamente eficiente, pois est sobre
a isoquanta eficiente, como o caso do ponto Q.
Foi a partir destes conceitos que se desenvolveram os modelos de anlise envoltria
de dados.

2.3.2 MODELAGEM DEA

Os modelos economtricos paramtricos, tanto estocsticos quanto deterministas,
impem formas funcionais para representar as tecnologias. A abordagem baseada em
envoltria de dados (DEA) no necessita desta pressuposio. A eficincia das unidades
de tomadas de decises (DMU Decision Making Unitis) so medidas em relao
fronteira, que gerada pelos vetores (x,y), onde x o vetor de insumos (doravante
denominados inputs) e y o vetor de produtos (doravante denominados outputs).
importante ressaltar que no presente caso a fronteira gerada e no estimada.
Com base nos conceitos de Farrel (1957), Charnes, Cooper e Rhodes, em 1978,
deram incio abordagem no paramtrica para considerar mltiplos inputs e outputs. O
modelo por eles proposto expande a abordagem apresentada por Farrel, onde um nico

21

input utilizado para gerar um nico output, considerando-se uma combinao de

inputs para gerar diferentes outputs. Estes diferentes inputs e outputs so ponderados de
modo a obter-se um input e um output virtual (CHARNES et al, 1996).

Eficincia Tcnica =

Soma ponderada dos produtos

Soma ponderada dos insumos

(2.7)

Nesta anlise, um conjunto de pesos deve ser definido de modo a maximizar a

eficincia da unidade sob anlise, doravante denominada Unidade Tomadora de
Decises (DMU).
Uma anlise baseada em DEA um mtodo de ponto extremo, onde se avalia cada
DMU com a melhor das DMU, sendo portanto denominado um mtodo de medida de
eficincia relativa.
A principal suposio adotada em uma abordagem como a supracitada que, se
uma DMU i capaz de produzir Y unidades de produto com X insumos, ento outras
DMU deveriam estar tambm aptas para fazer o mesmo se elas estivessem operando
com eficincia.
Uma anlise via DEA baseada em programao matemtica para a aferio do
desempenho de DMU quando da presena de mltiplos fatores de entrada e sada, para
os quais no se pode, a priori, atribuir pesos.
A modelagem matemtica proposta por Charnes, Cooper e Rhodes (1978 apud
CHARNES et al, 1996) apresentada nas equaes 2.8 2.11.
Max h0 = v t y 0

(2,8)

t.q.
u tx

= 1

(2,9)

v t Y u t X 0 , k = 1,.., n

(2,10)

u, v 0

(2,11)

22

onde:
ho: a eficincia da DMUo;
vt: so os pesos associados aos outputs;
ut: so os pesos associados aos inputs;
y0: vetor com os nveis dos outputs da DMU0;
x0: vetor com os nveis dos inputs da DMU0;
X: Matriz com os nveis dos inputs das demais DMU;
Y: Matriz com os nveis dos outputs das demais DMU,

De modo a medir a eficincia de cada uma das unidades de tomada de deciso

levantadas, uma fronteira de eficincia estabelecida com os dados observados de cada
DMU. Todas as DMU envoltas por esta fronteira tero suas eficincias medidas de
forma semelhante apresentada na Figura 2.7, sendo que no presente caso ter-se- uma
combinao entre mltiplos inputs e outputs, conforme simplificado na Figura 2.8, que
uma representao da medida de eficincia de Dabreu e Farrel (1957 apud CHARNES
et al (1996)).

yA
pode
ser
radialmente
expandida mantendo-se constante
o input x

y1
yC
AyA
yA

yC e yB Isoq y

yB

0
y2
Figura 2.8: Medida de eficincia tcnica de Dabreu e Farrel (DF) orientada para output

23

2.3.3 APLICAO DE DEA EM ANLISE DE FALHAS

A utilizao de um modelo baseado em DEA para analisar dados providos por uma
FMEA foi pioneiramente apresentada por GARCIA et al (2001a e b). Para tanto,
algumas consideraes e adaptaes foram feitas:

As DMU so os modos de falha levantados pela FMEA;

Os outputs so os nveis dos ndices de ocorrncia, gravidade e deteco

estabelecidos pela equipe;

Como input adotado um valor igual e constante para todos os modos de falha,

O fato de assumir um valor igual e constante para todos os modos de falha d-se
por considerar o contexto operacional como sendo o input, ou seja, a configurao do
processo propriamente dito e dos sistemas de controle so fatores preponderantes para a
atribuio dos ndices de ocorrncia, gravidade e deteco. Como os componentes esto
sujeitos ao mesmo contexto operacional, isto , integram um mesmo sistema, bastante
razovel que esta considerao seja feita (GARCIA, 2001). Em outras palavras, o que se
est buscando a isoquanta de criticidade, ou seja, dado o contexto operacional quais
so os modos de falha que so mais ineficientes (crticos).
Uma constatao feita no estudo de GARCIA et al (2001a e b) o fraco poder
discriminatrio do modelo CCR tradicional. Esta deficincia j bastante conhecida
junto aos usurios de modelos DEA e, para sanar esta deficincia, diferentes estudos
foram e vm sendo desenvolvidos.
Para que o enfoque baseado em DEA na priorizao dos modos de falha, obtenha
um bom poder discriminatrio, o modelo DEA APGF foi desenvolvido (GARCIA,
2001). Neste modelo destacam-se as seguintes caractersticas:

i.

Modos de falha com elevado ndice de gravidade so considerados

prioritrios na priorizao;

ii.

Modos de falha com uma combinao de elevados ndices de

ocorrncia e deteco podem ser, relativamente, considerados to
crticos quanto um outro que possua somente o ndice de gravidade
elevado;

24

Em outras palavras, este modelo procura atender ao que preconiza as diferentes

normas e padres para aplicao da FMEA para identificar e priorizar perigos (QS9000,
1989; Milstd-1629A, 1984 e IAEA, 1999).
Para alcanar estes objetivos faz-se uma anlise de criticidade parcial, onde
primeiramente consideram-se os ndices de ocorrncia e gravidade e, posteriormente, os
ndices de gravidade e deteco. Para cada criticidade parcial calcula-se, por meio do
modelo CCR adaptado tradicional, a criticidade do modo de falha considerando-se
somente os ndices dois a dois, mantendo-se sempre fixo o ndice de gravidade.
A criticidade final do modo de falha obtida por meio da mdia aritmtica das duas
criticidades parciais, conforme equao (2.12).

Cr =

1
(CrOG + CrGD )
2

(2.12)

CrOG a criticidade obtida pelo modelo DEA CCR convencional, conforme

previamente mencionado, considerando-se como output os ndices de ocorrncia e
gravidade, e CrGD a criticidade obtida pelo modelo DEA CCR tradicional, tambm
conforme previamente mencionado, considerando-se como output os ndices de
gravidade e deteco. A criticidade final consiste da mdia aritmtica das criticidades
parciais.
Na presente tese o que se pretende combinar os conceitos apresentados na seo
sobre lgica fuzzy com os apresentados nesta seo para que se obtenha um modelo de
envelopamento de dados fuzzy para avaliar os modos de falha levantados pela FMEA.
Neste caso, as incertezas associadas s variveis devem ser levadas em considerao na
priorizao dos modos de falha, pois estas incertezas representam o desconhecimento
(grau de ignorncia) com respeito ao sistema.

25

CAPTULO III
Originalidade a arte de ocultar as fontes...
(Benjamin Franklin)

MODELAGEM FUZZY-DEA PARA AVALIAR MODOS

DE FALHA
Neste captulo, os conceitos de lgica fuzzy e anlise envoltria de dados so
combinados de modo a se estabelecer um modelo fuzzy DEA capaz de estabelecer uma
ordem de prioridade entre os modos de falha considerando-se as variveis lingsticas
provenientes de especialistas.

3.1

MODELO FUZZY-DEA
A teoria de conjuntos fuzzy vem sendo utilizada como tcnica para quantificar

dados imprecisos ou vagos nos modelos DEA. Os modelos fuzzy-DEA so baseados

nos modelos de programao linear fuzzy (KAO e LIU, 2000, KAHRAMAN E
TOLGA, 1998, MAEDA et al. (1998)). O modelo CCR com coeficientes fuzzy (FCCR)
apresenta-se da seguinte forma:

FCCR

Max v T ~
y0
t.q.
uT ~
x0 = 1
~
T ~
v Y uT X 0
u, v 0

(3.1)

onde:
~
x o vetor coluna das variveis fuzzy input da DMU

~
X : a matriz das variveis fuzzy input das demais DMU
~y : o vetor coluna das variveis fuzzy output da DMU

~
Y : a matriz das variveis fuzzy output das demais DMU

26

De forma similar ao modelo CCR tradicional, as restries u T ~

x0 =1 e

~
~
v T Y u T X 0 no modelo FCCR so utilizadas para normalizar o valor de v T ~y 0 .
Entretanto, a funo objetivo pode exceder 1, visto que a primeira e a segunda restrio
no modelo (3.1) so satisfeitas de modo possibilstico. Isto , visto que os parmetros
utilizados no modelo so conjuntos (nmeros) fuzzy, as restries so aproximadamente
iguais ou menores, ou iguais a um e zero, respectivamente. Este fato implica na
possibilidade de se ter uma eficincia maior ou igual a um.
Tendo em vista que se est considerando coeficientes fuzzy, o modelo CCR no
pode mais ser resolvido utilizando-se um solver padro, para resoluo de problemas
de programao linear tradicionais. Com variveis fuzzy de entrada e sada, as
condies de otimalidade para o modelo CCR crisp precisam ser esclarecidas e
generalizadas. O modelo CCR fuzzy correspondente geralmente resolvido utilizandose algum mtodo de ordenao para conjuntos fuzzy. Algumas das principais
publicaes referentes resoluo de modelos fuzzy DEA podem ser classificadas em
quatro categorias distintas: 1) as que enfocam o conceito de tolerncia, 2) as que se
baseiam em defuzzificao, 3) as que se fundamentam em graus de pertinncia e 4) as
que se fundamentam em ordenao de nmeros fuzzy.
O enfoque baseado em tolerncia pode ser encontrado em SENGUPTA (1992) e
KAHRAMAN e TOLGA (1998). A idia principal deste tipo de abordagem est
relacionada com a incorporao das incertezas nos modelos DEA definindo-se nveis de
tolerncia para a violao das restries.
Os

enfoques

baseados

em

defuzzificao

podem

ser

vistos

em

LERTWORASIRIKUL (2001), onde os valores dos inputs e outputs so primeiramente

defuzzificados, e transformados em nmeros crisp, antes de serem incorporados no
modelo DEA. Com este procedimento, os modelos fuzzy DEA podem ser resolvidos de
forma tradicional por meio de um solver convencional.
Os enfoques baseados em grau de pertinncia podem ser vistos em MAEDA et al
(1998), KAO e LIU (2000) e LERTWORASIRIKUL (2001). Neste caso, os modelos
fuzzy DEA so resolvidos por meio de programao matemtica tradicional,
considerando-se cortes nos graus de pertinncia . Resolvendo o problema para um
dado grau de pertinncia, tem-se um intervalo de eficincia para a DMU sob anlise.

27

Com uma determinada quantidade destes intervalos, pode-se construir um conjunto de

eficincia fuzzy para a respectiva DMU.
O enfoque baseado em ordenao de conjuntos fuzzy foi desenvolvido por GUO e
TANAKA (2001). Neste caso, tanto as desigualdades quanto as igualdades das
restries do modelo fuzzy CCR so definidas por mtodos de ordenao, de modo que
o modelo resultante um modelo de programao linear de dois nveis. Para o caso de
serem considerados conjuntos triangulares simtricos para os coeficientes, esta
modelagem prov um conjunto de eficincia fuzzy triangular assimtrica. Com esta
modelagem, alcana-se um conjunto no dominado, ou seja, que se encontra sobre a
fronteira de eficincia, para um dado nvel de pertinncia. Neste caso, a DMU dita
-possibilstica no dominada se o seu valor mximo para a eficincia fuzzy para o
nvel de pertinncia for maior ou igual a 1.
Segundo LERTWORASIRIKUL et al (2003), para cada um dos enfoques
supracitados tem-se prs e contras no que se refere ao trato das incertezas associadas
aos dados. Por exemplo, o enfoque baseado em tolerncia: fuzzificam-se as igualdades e
desigualdades, mas no tratam os coeficientes fuzzy diretamente.
O enfoque baseado em defuzzificao bastante simples, mas as incertezas
associadas aos inputs e outputs no so consideradas de forma conjunta, isto ,
consideram-se somente as incertezas independentes.
O enfoque baseado em nveis de possibilidades prov uma eficincia fuzzy para
uma dada DMU sob avaliao, mas requer que se tenha uma ordenao dos conjuntos
fuzzy, associados s eficincias, obtidos.
O enfoque baseado em ordenao de conjuntos fuzzy prov uma eficincia fuzzy
para a DMU sob avaliao para um nvel de pertinncia pr-estabelecido. Nesta
abordagem, GUO e TANAKA (2001), comparam-se as eficincias fuzzy utilizando-se
um nico nmero fuzzy para um dado grau de pertinncia . Este enfoque ignora o
intervalo de variao associado a este grau de pertinncia. Alm do mais, esta
abordagem necessita que se resolvam problemas de programao linear bi-nvel.
Para a presente tese, o que se pretende utilizar um modelo baseado em teoria de
possibilidades para solucionar o problema de programao linear com coeficientes
fuzzy, apresentado por LERTWORASIRIKUL et al (2003). A fundamentao terica
referente ao desenvolvimento deste modelo apresentada na seo que se segue.

28

3.2

MODELAGEM FUZZY-DEA DE POSSIBILIDADES

Para a modelagem via teoria de possibilidades o que se faz considerar os eventos

fuzzy por meio de medidas de possibilidades. Para tanto alguns conceitos referentes
teoria de possibilidades sero introduzidos.

3.2.1 TEORIA DE POSSIBILIDADES

Seja ( i ,( i ), i ) , para cada i = 1,2...,n, um espao de possibilidades com i
sendo um conjunto no-vazio de interesse; (i) a coleo de todos os subconjuntos de
i; e i [0,1] uma medida de possibilidade para cada elemento de (i).
Dado um espao de possibilidades conforme o supracitado e com:
i. () = 0, (i) = 1; e
ii. (iAi) = sup{(Ai)} com cada Ai (i).
~
ZADEH (1978) definiu uma varivel fuzzy, , como uma funo real definida em i

com funo de pertinncia:

({

})

~
~
~ ( s ) = i i | ( i ) = s = sup ({ i }) | ( i ) = s , s
i i

(3.2)

Considerando-se um produto (interseo) no espao de possibilidades supracitado

tal que = 1 2 3 ... n , e da teoria de possibilidades, tem-se
(A)=

min{ (A ) | A = A

i =1,2,...,n

A2 ... An , Ai (i )}

29

(3.3)

Sejam

~
a~ e b

duas

variveis

fuzzy

dos

espaos

de

possibilidades

~
(1 ,(1 ), 1 ) e ( 2 ,( 2 , 2 ) , respectivamente. Com isto, a~ b um evento
fuzzy definido no espao de possibilidades do produto ( = 1 2 ,(), ) , com:

{(

)}

(a~ b ) = sup (1 , 2 ) | a~ (1 ) b ( 2 ) = sup min{ (1 ), ( 2 )} | a~ (1 ) b ( 2 )

~

11
22

11
22

(3.4)

Combinando a equao (3.4) com a definio de varivel fuzzy (3.2) tem-se:

~
(a~ b ) = sup {min ( a~ ( s), b~ (t ) ) | s t }
(3.5)
s ,t

~
~
De modo similar, as possibilidades dos eventos fuzzy do tipo a~ b e a~ = b
definidos no espao de possibilidades (,(), ) so:
~
( a~ < b ) = sup {min( a~ ( s), b~ (t )) | s < t }

(3.6)

~
(a~ = b ) = sup {min( a~ ( s ), b~ (t )) | s = t}

(3.7)

s , t

s , t

respectivamente.

~
Para o caso em que b seja um nmero crisp b, ento as possibilidades dos
correspondentes eventos fuzzy so dadas por:
(a~ b) = sup {min( a~ ( s )) | s b}

(3.8)

(a~ < b) = sup {min( a~ ( s )) | s < b}

(3.9)

(a~ = b) = a~ (b)

(3.10)

s ,t

s ,t

Sejam a~1 , a~2 ,..., a~n variveis fuzzy, e seja fj: Rn R uma funo real, para j = 1, ...,
m. A possibilidade de um evento fuzzy fj( a~1 , a~2 ,..., a~n ) b, j = 1,...,m, dada por:

30

( f j ( a~1 , a~2 ,..., a~n ) b, j = 1,..., m) =

sup {min (
s1 , s 2 ,... s n

1 i n

a~i

( s i ) | f j ( s1 ,..., s n ) b, j = 1,..., m

(3.11)

Com base nestes conceitos de teoria de possibilidades, os modelos fuzzy-DEA

(FDEA) so transformados em modelos de possibilidades DEA (PDEA).

3.2.2 MODELO DE POSSIBILIDADES DEA

O conceito de programao restringida por chances (CCP Chance-Constrained

Programming),

introduzido

por

CHARNES

COOPER

(1959

apud

LERTWORASIRIKUL (2003)) utilizado como mtodo para solucionar os modelos

fuzzy CCR. A resoluo via CCP trata as incertezas especificando-se o nvel de
confiana com o qual podem-se tratar as restries. Utilizando-se o conceito de CCP e
de possibilidade dos eventos fuzzy, o modelo FCCR torna-se o seguinte modelo de
possibilidades CCR (PCCR):
~
f

Max
t.q :

( v T ~y 0 f )

(3.12)

(u T ~x0 = 1) 0
( v T ~y 0 u T ~x0 0)
u, v 0

onde e 0 [0,1] so os nveis de possibilidade aceitveis, pr-estabelecidos, para as

restries

2,

respectivamente,

do

modelo

(3.12).

Enquanto

que

= [ 1 , 2 ,..., n ]T [0,1] n um vetor coluna de nveis de possibilidades aceitveis

para
o
vetor
de
possibilidades
das
restries
3,
e
~
T
( f v ~
y 0 ) = sup min( ~f ( s), vT ~y (t )) | s t , conforme definido por ZADEH (1978).
s , t

31

~
A interpretao do modelo PCCR que o valor do objetivo f deve ser o mximo
T
y 0 , pode alcanar para um nvel de
valor para o qual a funo de retorno, v ~

possibilidade , sujeito aos nveis de possibilidades das restries 2 e 3. Em outras

T
y 0 pelo menos
palavras, a soluo tima obtida quando se alcanam valores para v ~

~
iguais ao valor de f com nvel de possibilidade , enquanto que, ao mesmo tempo,

todas as restries so satisfeitas para um nvel de possibilidade pr-estabelecido.

~
Definio 1. Uma DMU dita -possibilstica eficiente se f for maior ou igual do

que 1 para este dado nvel de possibilidade .

Definio 2. Dada uma varivel fuzzy a~ num espao de possibilidades
(,(), ) , a varivel fuzzy a~ normal se sup a~ ( s ) = 1 .
s

Definio 3. Um conjunto de nvel de uma varivel fuzzy a~ definido por um

conjunto de elementos que pertencem varivel a~ com grau de pertinncia de pelo

menos , isto , a = {s | a~ ( s) } .
Definio 4. Uma varivel fuzzy a~ convexa se:

~a (s1 + (1 )s 2 ) min( ~a (s1 ), ~a (s 2 )) s1, s2 , [0,1].

De forma alternativa, uma varivel fuzzy a~ convexa se ela for convexa para
todos os nveis de pertinncia.
Lema 1. Sejam a~1 , a~2 ,..., a~n variveis fuzzy com funes de pertinncia normais e

convexas. Seja, tambm, () i e () i os limites inferior e superior do conjunto de

L

a i , i = 1, ..., n. Diante disto, para quaisquer nveis de possibilidades

possibilidade de ~
1, 2 e 3, com 0 1, 2, 3 1, as seguintes afirmaes so verdadeiras:

32

i.

ii.

iii.

n ~

a i b 1 se, e somente se,

i =1

(~a )
i =1

a i b 2 se, e somente se,

~
i =1

a i = b 3 se, e somente se,

~

L
i 1

(~a )
i =1

U
i 2

L
(~a i )
i =1

b;
b;

b e

(~a )
i =1

U
i 3

b.

As demonstraes destas proposies encontram-se em LERTWORASIRIKUL et

al (2003).
Dado que os conjuntos fuzzy de entrada e sada para o modelo PCCR so normais e
convexos, segue do lema 1 que o modelo PCCR pode ser resolvido considerando-o
como sendo da seguinte forma:
~
Max
f
t.q :
~
T
(v ~
y 0 )U f
T
(u ~
x0 )U 0 1

(3.13)

T
(u ~
x0 ) L0 1
T
T
(v ~
y u ~
x ) L 0

u, v 0

Dependendo da forma da funo de pertinncia, o modelo supracitado pode ser

linear ou no.
Para casos em que as funes de pertinncia sejam trapezoidais, conforme figura
3.1, o modelo pode ser formulado da seguinte forma:

33

Max

u ,v , f

t.q
y 0 )U0 + (v t ~
y 0 )1U f
(1 )(v t ~
x0 )U0 + 0 (u t ~
x0 )1U 1
(1 0 )(u t ~
x )U + (u t ~
x )L 1
(1 )(u t ~
0

0 0

(3.14)

0 1

~
t ~
t ~
t ~
(1 )((u X ) 0L + (v Y ) 0L ) + ((u X )1L + (v Y )1L ) 0
t

u, v 0
importante notar que as funes triangulares so casos particulares das
trapezoidais, onde os limites inferiores e superiores, para = 1, so iguais.
~r (s)

~r

(~r ) 0L

(~r ) 1L

(~r ) 1U

(~r ) 0U

Figura 3.1: Limites da funo de pertinncia trapezoidal

3.3

ADAPTAO DO MODELO DE POSSIBILIDADES DEA PARA A

ANLISE DE MODOS DE FALHA

Conforme mencionado em captulos anteriores, o que se pretende utilizar a

essncia da modelagem apresentada na seo anterior para priorizar modos de falhas
levantados na FMEA. Para esta priorizao, considerar-se-o os ndices de ocorrncia,
gravidade e deteco de modo a estabelecer-se um grau de criticidade relativa entre os
modos de falha.

34

Tomado por base as consideraes feitas em GARCIA et al (2001a e b) e tambm,

por questes de facilidade nos clculos, o fato de se trabalhar com nmeros fuzzy
triangulares, faz com que o modelo 3.14 possa ser escrito da seguinte forma:

Max

v, f

t.q
(1 )(v ~
y 0 )U0 + (v ~
y 0 )1U f
t ~
t ~
(1 )((1) 0L + (v Y ) 0L ) + ((1)1L + (v Y )1L ) 0
t

(3.15)

v0

Observe-se que nesta modelagem as restries 2 e 3 do modelo 3.14 desaparecem,

tendo em vista que se est assumindo um valor igual e constante para todos os modos de
falha.
Outras duas consideraes sero assumidas nos estudos de caso que sero
desenvolvidos para validar a metodologia (GARCIA et al, 2005):

= para todos os casos;

A criticidade final do modo de falha ser calculada a partir da mdia

aritmtica das fuzzy eficincias encontradas, considerando-se nveis de
possibilidades iguais a 0, 0,1, 0,2, ...1.

No captulo que se segue apresentar-se-o dois casos, em que so analisados os

modos de falha de um sistema auxiliar de gua de alimentao, e de um sistema de
controle qumico e volumtrico, ambos de uma tpica planta PWR.

35

CAPTULO IV
A curiosidade de conhecer as coisas foi dada aos
homems como castigo divino...(Montaigne)

ESTUDOS DE CASO
No presente captulo so apresentados dois casos em que a modelagem apresentada
no captulo III aplicada, e comparam-se os resultados obtidos com as tcnicas de
priorizao baseada no RPN tradicional, na lgica fuzzy pura, nos modelos PDEA e
PDEA APGF (GARCIA et al, 2005). Os casos a serem estudados referem-se a uma
simplificao do sistema auxiliar de gua de alimentao (AFWS) e de controle qumico
e volumtrico, ambos de uma usina nuclear PWR tpica de dois circuitos. A este ltimo
caso s ser aplicado o modelo de Possibilidades na Agregao Parcial das Eficincias
(PAPGF). Os dados para a realizao destes estudos foram obtidos em LAPA e
GUIMARES (2004a, b).

4.1.

DEFINIO DO SISTEMA AUXILIAR DE GUA DE ALIMENTAO

O sistema auxiliar de gua de alimentao (AFWS) composto de dois

subsistemas: um deles composto por uma turbo bomba (TDP), que tem a capacidade
de fornecer cem por cento das necessidades dos geradores de vapor (SG); o outro,
composto por duas bombas motorizadas (MDP), onde cada uma atende a cinqenta por
cento das necessidades dos SG. Em outras palavras, o funcionamento da turbo bomba
suficiente para o bom funcionamento do AFWS ou o funcionamento das duas MDP.
Numa usina nuclear tpica, o sistema auxiliar de gua de alimentao deve
desempenhar as seguintes funes bsicas:

i.

Suprir os geradores de vapor em caso de perda do sistema de gua de

alimentao principal;

36

ii.

Manter o nvel de gua nos geradores de vapor de modo a remover o calor

residual gerado pelo reator enquanto este se encontra a uma potncia inferior a
dez por cento da potncia nominal.

Uma representao esquemtica do sistema apresentada na Figura 2.

AFWT

50%
MDP

100%
SG

TDP

50%
MDP

Figura 4.1: Diagrama esquemtico do AFWS

De modo a simplificar a anlise, algumas consideraes sero feitas a respeito do

sistema:
i.

A gua de alimentao provm somente do tanque auxiliar de gua de

alimentao;

ii.

Grupos de vlvulas redundantes sero representados por uma nica vlvula;

iii.

Componentes de grupos redundantes sero considerados como sendo um nico

componente.

Este caso de estudo simplificado tem por objetivo apresentar uma primeira anlise
comparativa do modelo desenvolvido nesta tese com as abordagens j existentes na
literatura. Diante disto, fez-se necessria a adoo destas simplificaes para se
comparar os modelos baseados em PDEA com o mtodo baseado em inferncia fuzzy
tradicional (LAPA e GUIMARES, 2004a), e com o RPN (BOWLES, 1998).

37

4.1.1. APLICAO

De acordo com LAPA e GUIMARES (2004a), um grupo composto por cinco

especialistas, com vasta experincia junto ao sistema sob anlise, foi entrevistado de
modo a identificar os modos de falha relacionados com o AFWS.
Na tabela 4.1, esto presentes os dados necessrios para que se possa aplicar os
modelos (a) baseados no RPN tradicional, (b) baseados em lgica fuzzy pura, LAPA e
GUIMARES (2004a), (c) baseados em DEA tradicional, discutidos em GARCIA et al
(2001a, b) e GRACIA (2001), e finalmente baseados no modelo de possibilidades DEA
apresentado no captulo 3 e em GARCIA et al (2005).
Os resultados sero comparados de modo a observar as diferenas entre os modelos
supracitados, e se os modelos baseados em lgica fuzzy e DEA atendem aos requisitos
estabelecidos no Captulo I.
Os conjuntos fuzzy para cada modo de falha levantado na Tabela 4.1 e as
inferncias utilizadas para prioriz-los via inferncia fuzzy pura esto apresentado nas
Tabelas 2.1, 2.2 e 2.3 (no captulo 2 desta tese).

38

Tabela 4.1: Anlise dos modos e efeitos de falha (FMEA) para o AFWS
Componente

Modo de
Falha

Grupo de
vlvulas

Aberto

Grupo de
vlvulas

Fechado

Bomba
motorizada

Em
operao

1. Falha mecnica
2. Falha eltrica

Bomba
motorizada

Demanda

1. Falha no sistema de
iguinio
2. Cavitao

Bomba
motorizada

FCCa
Em
operao

Turbo-bomba
Demanda

Trens
a

FCC

Causa da Falha

Efeitos

Probabilidade

RPN

Queda no
desempenho
do sistema

1.5E-03/demanda

3 (Baixo)

2 (Baixo)

8 (Alta)

48

3.95E-4/demanda

3 (Baixo)

10 (Muito alta)

4 (Moderada)

120

3.95E-4/demanda

3 (Baixo)

10 (Muito alta)

4 (Moderada)

120

1.42E-4/h

3 (Baixo)

6 (Moderada)

2 (Baixo)

36

1.42E-4/h
5.23E-4/demanda

3 (Baixo)
4 (Moderada)

6 (Moderada)
8 (Alta)

2 (Baixo)
2 (Baixo)

36
64

5.23E-4/demanda

4 (Moderada)

8 (Alta)

2 (Baixo)

64

----------------------

8.0E-5

2 (Baixo)

8 (Alta)

2 (Baixo)

32

1. Falha mecnica

8.1E-3/h

7 (Alta)

4 (Moderada)

4 (Moderada)

112

8.1E-3/h

7 (Alta)

4 (Moderada)

4 (Moderada)

112

7.1E-3/demanda

6 (Moderada)

6 (Moderada)

4 (Moderada)

144

7.1E-3/demanda

6 (Moderada)

6 (Moderada)

4 (Moderada)

144

5.04E-05

2 (Baixo)

10 (Muito alta)

2 (Baixo)

40

1. Falha no sistema
automtico de
fechamento
1. Emperrado
2. Falha do sistema
automtico de abertura

Falha do
sistema

Reduo do
nvel de
potncia da
planta

2. Falha estrutural da
turbina
1. Falha no sistema de
ignio
2. Admisso de vapor
----------------------

Falha do
sistema

Falha de Causa Comum

38

4.1.2. AVALIAO DO RPN

Neste caso, podem-se observar os pontos crticos associado ao RPN. Os resultados,

considerando-se as informaes levantas, esto apresentados na Tabela 4.1.
Uma observao importante que se deve fazer que, com a vasta experincia
operacional junto ao sistema AFWS, os dados sob anlise so muito representativos.
Os RPN obtidos, claramente mostram os problemas levantados por BOWLES e
BONNELL (1998). Os modos de falha com respeito turbo-bomba possuem ndices
intermedirios, enquanto que as falhas de causas comum (CCF) referentes aos trens do
sistema, que possuem um efeito potencial catastrfico, possuem um ndice de gravidade
muito alto, mas em contrapartida possuem um RPN relativamente baixo. Em outras
palavras, os modos de falha com potencial catastrfico no so necessariamente
priorizados se for considerado o RPN.
Uma caracterstica comum dos modos de falha que apresentam uma gravidade
elevada que estes, devido a cuidados de projeto, possuem baixos ndices de ocorrncia
e de deteco. Tal fato no implica que se deve desprez-los em detrimento de outros
que apresentem valores intermedirios destes ndices de risco.

4.1.3. AVALIAO DA INFERNCIA FUZZY TRADICIONAL

Conforme previamente mencionado, a experincia operacional adquirida junto ao

AFWS tambm contribuiu para a aquisio de informaes junto aos especialistas, isto
, para a obteno das variveis lingsticas a serem consideradas. Devido experincia
adquirida pelos especialistas no que concerne anlise de segurana de sistemas
nucleares, as inferncias apresentadas na Tabela 2.3 puderam ser levantadas de forma
mais concisa. Tendo-se os dados das Tabelas 2.1, 2.2 e 2.3, que se referem aos
conjuntos fuzzy a serem considerados e com as inferncias sobre o risco,
respectivamente, pode-se alcanar os resultados apresentados na Tabela 4.2.

39

Tabela 4.2: Priorizao dos modos de falha por inferncia fuzzy

Componente ou subsistema
1 Grupo de vlvulas
2 Grupo de vlvulas
3 Grupo de vlvulas
4 Bomba motorizada
5 Bomba motorizada
6 Bomba motorizada
7 Bomba motorizada
8 Bomba motorizada
9 Turbo-bomba
10 Turbo-bomba
11 Turbo-bomba
12 Turbo-bomba
13 Trens
a
b

Modo de falha
Aberto
Fechado
Fechado
Operao
Operao
Demanda
Demanda
CCF
Operao
Operao
Demanda
Demanda
FCC

O
3
3
3
3
3
4
4
2
7
7
6
6
2

G
2
10
10
6
6
8
8
8
4
4
6
6
10

D
8
4
4
2
2
2
2
2
4
4
4
4
2

RPN FUZZY Rra

48
2,46
5
120
5
2
120
5
2
36
2,46
7
36
2,46
7
64
4,05
4
64
4,05
4
32
3,87
8
96
8,27
3
96
8,27
3
144
8,23
1
144
8,23
1
40
5
6

Rfb
6
3
3
6
6
4
4
5
1
1
2
2
3

Rr a ordenao do modo de falha segundo o RPN

Rf a ordenao do modo de falha segundo a inferncia fuzzy tradicional

Na tabela 4.2, a coluna indexada por fuzzy apresenta o resultado da defuzzificao

do conjunto de sada referente inferncia realizada para este modo de falha. Quanto
maior o resultado da defuzzificao, mais crtico o modo de falha e,
conseqentemente, maior a prioridade a ele associada. A este resultado da
defuzzificao dar-se- o nome de ndice de criticidade fuzzy (ICF)
importante observar que os modos de falha 9 e 10, referentes falha em operao
da turbo-bomba, e 11 e 12 referentes falha na demanda da turbo-bomba, foram os que
apresentaram maiores ICF. Note-se tambm que, aps estes modos de falha, os
priorizados foram os que apresentaram maior ndice de gravidade. Este fato mostra que
as regras de inferncia determinadas pelos especialistas apresentam uma tendncia a
considerar a percepo do risco, ou seja, modos de falha que, apesar de suas chances de
ocorrncia serem baixas, os efeitos associados aos mesmos predominam sobre a opinio
dos especialistas.
A caracterstica supracitada uma das que se est buscando alcanar com a
metodologia desenvolvida nesta tese.
Comparando a priorizao entre as estabelecidas pelo RPN tradicional e pela
inferncia fuzzy, pode-se observar a inteno de se considerar como sendo mais crticos
os modos de falha que possuem potencial catastrfico. Mas ainda assim, modos de falha
com ndices de gravidade 10 so considerados menos crticos do que os que possuem
uma combinao intermediria dos trs ndices em considerao.

40

Um ponto crtico associado a esta abordagem o fato de ser necessrio, apesar de j

se ter estabelecido os conjuntos fuzzy, estabelecer os ndices numricos para que a
inferncia possa ser feita. Em casos em que se est em desenvolvimento de projeto, ou
seja, em projeto conceitual ou mesmo em projeto piloto, no se tem dados disponveis
para se determinar um range de variao para os ndices de um determinado modo de
falha.
importante relembrar que o que se est buscando no somente uma priorizao
baseada unicamente no ndice de gravidade, mas sim nas incertezas associadas s
opinies, assim como nas combinaes crticas entre os ndices de ocorrncia de
deteco, independentemente do ndice de gravidade.
Considerando-se a possibilidade de se estabelecer os valores para os ndices de cada
modo de falha, pretende-se aplicar o enfoque baseado em Anlise Envoltria de Dados
(DEA), utilizando-se o modelo desenvolvido em GARCIA et al (2001a, b) e GARCIA
(2001), e comparar os resultados com os obtidos via inferncia fuzzy.

4.1.4. AVALIAO DAS TCNICAS BASEADAS EM DEA

Com a utilizao do modelo DEA-APGF, GARCIA et al (2001a, b) e GARCIA

(2001) consideraram como pertencentes mesma classe de criticidade os modos de
falha que apresentam um alto ndice de gravidade isoladamente e os que apresentam
ndices elevados quando se combinam os ndices de ocorrncia e deteco. Nesta
modelagem, as variveis lingsticas provindas de especialistas no so ainda
consideradas.
Uma comparao dos resultados obtidos por esta abordagem com os obtidos pelas
demais mostra a potencialidade de se utilizar modelos baseados em DEA para priorizar
modos de falha junto classe de problemas mencionados nesta tese, assim como motiva
a utilizao de uma abordagem DEA que considere as variveis lingsticas e as
incertezas a elas associadas.
Conforme discutido em GARCIA (2001), diferentes modelos baseados em DEA
foram testados no intuito de se considerar os pr-requisitos mencionados no Captulo I
desta proposta, e sanar as deficincias apresentadas nas demais abordagens citadas. O
modelo DEA-APGF uma adaptao do modelo das eficincias dos perfis dos inputs
(input efficiency proffile), apresentado por TOFALLIS (1997). A idia de se utilizar um
modelo que faz uma anlise dos perfis est relacionada principalmente com o fraco
41

poder discriminatrio apresentado pelo modelo DEA-CCR tradicional. Os resultados de

uma aplicao do modelo CCR so apresentados na Tabela 4.3.

Tabela 4.3: Priorizao dos modos de falha pelo modelo DEA-CCR

Componente ou subsistema Modo de falha
1 Grupo de vlvulas
Aberto
2 Grupo de vlvulas
Fechado
3 Grupo de vlvulas
Fechado
4 Bomba motorizada
Operao
5 Bomba motorizada
Operao
6 Bomba motorizada
Demanda
7 Bomba motorizada
Demanda
8 Bomba motorizada
CCF
9 Turbo-bomba
Operao
10 Turbo-bomba
Operao
11 Turbo-bomba
Demanda
12 Turbo-bomba
Demanda
13 Trens
CCF

O
3
3
3
3
3
4
4
2
7
7
6
6
2

G
2
10
10
6
6
8
8
8
4
4
6
6
10

D
8
4
4
2
2
2
2
2
4
4
4
4
2

FUZZY
2,46
5
5
2,46
2,46
4,05
4,05
3,87
8,27
8,27
8,23
8,23
5

DEA
1
1
1
0.71
0.71
0.95
0.95
0.8
1
1
1
1
1

RF
6
3
3
6
6
4
4
5
1
1
2
2
3

RCCR
1
1
1
4
4
2
2
3
1
1
1
1
1

Os resultados apresentados na Tabela 4.3 confirmam que o modelo DEA-CCR

atribui um elevado ndice de criticidade ao modo de falha que apresente um valor
elevado em qualquer um dos ndices considerados, isto , um modo de falha que
apresente baixos ndices de ocorrncia e gravidade e um elevado ndice de deteco ser
considerado 100% crtico. O mesmo ocorrer com qualquer outra combinao deste
tipo.
Um outro contratempo associado ao modelo DEA-CCR, quando comparado com as
demais abordagens apresentadas, est associado ao seu baixo poder discriminatrio, isto
, o modelo DEA-CCR tende a considerar quase todos os modos de falha como sendo
100% crticos, no auxiliando de forma efetiva para uma tomada de deciso.
Para o modelo DEA-APGF, o que se faz uma anlise do perfil da gravidade, isto
, o perfil da criticidade fixando-se a gravidade do modo de falha. Neste modelo, a
criticidade do modo de falha obtida a partir da mdia das criticidades parciais
considerando-se os ndices de ocorrncia e gravidade e, posteriormente, de gravidade e
deteco, conforme apresentado no Captulo III.
A aplicao do modelo DEA-APGF para priorizar os modos de falha levantados
para o AFWS apresentada na Tabela 4.4. Nesta aplicao, pode-se perceber que os
modos de falha com potencial catastrfico foram considerados como sendo 100%
crticos, ou seja, foi-lhes atribudo um ndice de criticidade igual a 1.

42

Tabela 4.4: Priorizao dos modos de falha pelo modelo APGF

Componente ou
subsistema
1 Grupo de vlvulas
2 Grupo de vlvulas
3 Grupo de vlvulas
4 Bomba motorizada
5 Bomba motorizada
6 Bomba motorizada
7 Bomba motorizada
8 Bomba motorizada
9 Turbo-bomba
10 Turbo-bomba
11 Turbo-bomba
12 Turbo-bomba
13 Trens

Modo de
falha
Aberto
Fechado
Fechado
Operao
Operao
Demanda
Demanda
CCF
Operao
Operao
Demanda
Demanda
CCF

3
3
3
3
3
4
4
2
7
7
6
6
2

2
10
10
6
6
8
8
8
4
4
6
6
10

8
4
4
2
2
2
2
2
4
4
4
4
2

FUZZY DEA APGF RF RAPGF

2,46
5
5
2,46
2,46
4,05
4,05
3,87
8,27
8,27
8,23
8,23
5

0.72
1
1
0.66
0.66
0.88
0.88
0.80
0.83
0.83
0.89
0.89
1

6
3
3
6
6
4
4
5
1
1
2
2
3

6
1
1
7
7
3
3
5
4
4
2
2
1

Observando os resultados, os modos de falha cujos ndices so 4, 8 e 2, e 6, 6 e 4,

para ocorrncia, gravidade e deteco, respectivamente, auxiliaro a compreender a
filosofia que se encontra por trs do modelo APGF.
O modo de falha cujos ndices de ocorrncia, gravidade e deteco so 4, 8 e 2,
respectivamente, no foi considerado to crtico quanto o que apresenta estes mesmos
ndices iguais a 6, 6 e 4. O motivo para isto pode ser mais facilmente compreendido se
os resultados forem analisados de forma grfica, GARCIA et al (2005). As figuras 4.2 e
4.3 apresentam as criticidades parciais dos modos de falha considerados para o AFWS.

12
10
8
6
4

OxG
OxG

2
0
0

Figura 4.2: Perfil da criticidade para ocorrncia e deteco

43

Neste perfil pode-se perceber que 4 modos de falha esto sobre a fronteira de
criticidade 100%. Estes modos de falha apresentam ndices de ocorrncia e gravidade
iguais a 3 e 10, 2 e 10, 6 e 6, e 7 e 4.

SxD
10
8
6
4
2
0

GxD
SxD

10

15

Figura 4.3: Perfil da criticidade para gravidade e deteco

Neste segundo perfil, somente trs diferentes modos de falha foram considerados
como sendo 100% crticos, isto , os modos de falha que apresentam os ndices de
gravidade e deteco iguais a 2 e 8, 10 e 4, e 10 e 2, respectivamente.
De acordo com o conceito de distncia utilizado para medir a criticidade, os modos
de falha que se encontram no interior da fronteira de criticidade, principalmente os que
esto sendo considerados para esta anlise particular, apresentam diferentes valores para
suas criticidades parciais, afetando assim a sua criticidade final. Note-se que o modo de
falha que apresenta os seus ndices iguais a 6, 6 e 4, no perfil ocorrncia e gravidade, se
encontra sobre a fronteira de criticidade 100%. Este fato contribui para que a criticidade
mdia final seja maior do que a do outro, que apresenta os mesmos ndices iguais a 4, 8
e 2.

4.1.5. AVALIAO DO MODELO PCCR

Considerando-se os conjuntos fuzzy para cada um dos ndices utilizados na FMEA

e aplicando diretamente o modelo de possibilidades CCR para priorizar os modos de
falha, obtm-se os resultados apresentados na Tabela 4.5. Estes resultados foram obtidos
levando-se em conta as consideraes apresentadas no captulo 3.

44

Tabela 4.5: Priorizao dos modos de falha pelo modelo PCCR

Componente ou subsistema Modo de falha
1 Grupo de vlvulas
Aberto
2 Grupo de vlvulas
Fechado
3 Grupo de vlvulas
Fechado
4 Bomba motorizada
Operao
5 Bomba motorizada
Operao
6 Bomba motorizada
Demanda
7 Bomba motorizada
Demanda
8 Bomba motorizada
CCF
9 Turbo-bomba
Operao
10 Turbo-bomba
Operao
11 Turbo-bomba
Demanda
12 Turbo-bomba
Demanda
13 Trens
CCF

O
3
3
3
3
3
4
4
2
7
7
6
6
2

G
2
10
10
6
6
8
8
8
4
4
6
6
10

D
8
4
4
2
2
2
2
2
4
4
4
4
2

FUZZY PCCR
2,46
0,45
5
0,45
5
0,45
2,46
0,45
2,46
0,45
4,05
0,57
4,05
0,57
3,87
0,45
8,27
0,91
8,27
0,91
8,23
0,74
8,23
0,74
5
0,45

RF
6
3
3
6
6
4
4
5
1
1
2
2
3

RPCCR
4
4
4
4
4
3
3
4
1
1
2
2
4

Como j era de se esperar, assim como o modelo CCR tradicional, o modelo PCCR
tambm fornece uma pobre discriminao entre os modos de falha, ou seja, considera
modos de falha com caractersticas totalmente diferentes como sendo igualmente
crticos. Este fato j foi mencionado quando foram avaliados os modelos DEA
tradicionais, GARCIA (2001).
Por este motivo, resolveu-se adaptar o modelo DEA-APGF para tratar variveis
fuzzy, ou seja, utilizar-se- o modelo de possibilidades de agregao parcial com
gravidade fixa (PAPGF).

~
~
1 ~
Cri = CrOSi + CrSDi
2

(4.1)

onde as parcelas do lado direito so as criticidades parciais fuzzy combinando

ocorrncia de gravidade, e gravidade e deteco, conforme o modelo APGF crisp.
Os resultados da aplicao do modelo PAPGF esto apresentados na Tabela 4.6.
interessante notar que o modelo proposto prioriza os modos de falha de forma
semelhante ao mtodo baseado em inferncia fuzzy tradicional. O modelo PAPGF
considerou os modos de falha cujos ndices so moderados. Este fato pode ser
explicado pelas incertezas associadas a esta varivel lingstica. O intervalo de variao
da varivel moderado o maior dentre as demais variveis. Em outras palavras, este
fato mostra para o tomador de decises que estudos mais aprofundados devem ser

45

realizados junto a estes modos de falha, para se adquirir informaes mais detalhadas a
respeito.

Tabela 4.6: Priorizao dos modos de falha pelo modelo PAPGF

Componente ou subsistema Modo de falha
1 Grupo de vlvulas
Aberto
2 Grupo de vlvulas
Fechado
3 Grupo de vlvulas
Fechado
4 Bomba motorizada
Operao
5 Bomba motorizada
Operao
6 Bomba motorizada
Demanda
7 Bomba motorizada
Demanda
8 Bomba motorizada
CCF
9 Turbo-bomba
Operao
10 Turbo-bomba
Operao
11 Turbo-bomba
Demanda
12 Turbo-bomba
Demanda
13 Trens
CCF

O
3
3
3
3
3
4
4
2
7
7
6
6
2

G
2
10
10
6
6
8
8
8
4
4
6
6
10

D
8
4
4
2
2
2
2
2
4
4
4
4
2

FUZZY PAPGF RF RPAPGF

2,46
6
0,45
6
5
3
0,68
3
5
3
0,68
3
2,46
6
0,51
5
2,46
6
0,51
5
4,05
4
0,66
4
4,05
4
0,66
4
3,87
5
0,51
5
8,27
1
0,86
1
8,27
1
0,86
1
8,23
2
0,74
2
8,23
2
0,74
2
5
3
0,51
5

Comparando os resultados obtidos pelos diferentes mtodos apresentados nesta

proposta, percebe-se que os resultados obtidos pelo modelo de inferncia fuzzy
tradicional e o modelo PAPGF so muito parecidos, exceo dos eventos 4, 5 e 13.

Tabela 4.7: Comparao entre os diferentes mtodos de priorizao

Event RRPN RFUZZY
1
5
6
2
2
3
3
2
3
4
7
6
5
7
6
6
4
4
7
4
4
8
9
10
11
12
13

8
3
3
1
1
6

5
1
1
2
2
3

RCCR
1
1
1
4
4
2
2

RAPGF
6
1
1
7
7
3
3

RPCCR
4
4
4
4
4
3
3

RPAPGF
6
3
3
5
5
4
4

3
1
1
1
1
1

5
4
4
2
2
1

4
1
1
2
2
4

5
1
1
2
2
5

Vale ressaltar que a modelagem PAPGF para priorizar os modos de falha dispensa
a necessidade de se estabelecer inferncias do tipo SE ... ENTO. Comparando as
tcnicas baseadas em lgica fuzzy e fuzzy DEA com a abordagem baseada unicamente

46

em DEA, pode-se ver que os resultados obtidos pelos modelos baseados em DEA no
consideram as incertezas associadas s informaes provindas dos especialistas, que
uma caracterstica importante.
As incertezas refletem o grau de desconhecimento, por parte dos especialistas,
sobre um determinado modo de falha. Em termos de recomendaes para os modos de
falha cujos ndices, para o presente caso, so todos moderados, estas devem salientar a
necessidade de se investir em pesquisas de reconhecimento, por meio de identificao
de banchmarks, de modo a adquirir informaes a priori sobre os respectivos modos de
falha.
O valor lingstico moderado o que apresenta a maior incerteza dentre as demais.
De acordo com os especialistas, o valor moderado tem um intervalo de variao de
[4,1; 8,1].
Por meio deste estudo de caso simplificado, pode-se afirmar que a utilizao de
modelos hbridos, combinando variveis fuzzy com anlise envoltria de dados,
representa uma alternativa potencial no auxilio tomada de deciso envolvendo risco e,
conseqentemente, incertezas. Sua maior caracterstica est associada ao fato de no ser
necessria a utilizao de fatores empricos. Esta caracterstica uma grande vantagem,
principalmente quando se est comparando os modos de falha levantados numa FMEA
de um sistema em fase conceitual.
No intuito de avaliar de forma mais completa o mtodo proposto, na prxima seo
aplicar-se- o modelo PAPGF num caso onde considerado um maior nmero de
modos de falha.

4.2.

APLICAO DO MODELO PAPGF NOS DADOS DO SISTEMA DE

CONTROLE QUMICO E VOLUMTRICO

Conforme previamente mencionado, os dados referentes aos estudos de caso so

provenientes de LAPA e GUIMARES (2004a, b).
Um diagrama simplificado do sistema de controle qumico e volumtrico (CVCS)
apresentado na figura 1.

47

Figura 4.4: Esquema simplificado do CVCS (LAPA e GUIMARES, 2004b)

O subsistema primrio, que ser tratado nesta tese, composto pelas seguintes
parties principais:

Sistema de carga e descarga de refrigerante;

Purificao e controle qumico do refrigerante;

Sistema de regenerao trmica do boro;

Tanque de armazenagem de controle de volume;

Fornecimento de acido brico;

Suprimento das bombas;

Injeo de gua marinha para as bombas de refrigerao do reator.

Muitos dos componentes esto localizados fora do prdio da conteno, podendo,

devido degradao destes componentes, contribuir para a liberao de refrigerante.
O CVCS de um PWR tem funes caractersticas tanto para operaes normais
quanto para situaes de emergncia. Em operao normal, as trs funes bsicas so

48

de purificao do refrigerante, controle do inventrio de refrigerante do reator e

suprimento da bomba de refrigerao do reator.
Em situaes de emergncia, as funes primrias da maioria das usinas do tipo
PWR provem alta presso para o sistema de injeo de segurana, ao sistema de
refrigerao do reator e aumentar a concentrao de boro. Maiores detalhes sobre o
CVCS podem ser encontrados em GROVE & TRAVIS (1995).

4.2.1. APLICAO DO MODELO PAPGF

Considerando-se as caractersticas mencionadas na seo anterior, a respeito do

CVCS, LAPA e GUIMARES (2004b) realizaram uma FMEA para este sistema e
levantaram um total de 82 modos de falha. importante ressaltar que, novamente,
algumas simplificaes esto sendo feitas na anlise do sistema. Estas simplificaes
so extremamente adequadas quando se est testando uma nova abordagem
metodolgica, como o caso desta tese.
As planilhas de FMEA para o CVCS podem ser vistas em LAPA & GUIMARES
(2004b). As variveis lingsticas utilizadas neste caso so as mesmas que foram
utilizadas no caso do AFWS, e que foram apresentadas no Captulo II. Na tabela 4.8, R,
B, M, A, MA esto associadas s variveis: remoto, baixo, moderado, alto e muito alto,
respectivamente.

49

Tabela 4.8: Variveis lingsticas associadas aos modos de falha do CVCS

Modo de falha
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

O
B
M
M
M
B
B
B
M
B
M
B
M
M
M
B
B
B
M
B
B
B
R
R
B
B
B
B
B
M
B
M
B
M
B
M
M
B
R
B
B
B

G
M
A
M
M
M
M
A
MA
M
M
M
M
MA
MA
A
A
M
A
M
M
M
M
A
MA
B
B
MA
A
B
M
A
M
M
M
A
MA
A
M
M
M
A

Modo de falha
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82

D
M
A
B
B
M
M
A
MA
B
B
M
M
B
B
M
M
M
A
B
B
B
M
M
M
M
M
M
A
M
M
M
M
M
M
M
M
A
B
M
B
A

O
M
B
M
B
M
B
M
M
M
B
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
B
B
M
M
M
M
M
M
B
B

G
A
A
A
M
M
M
A
M
M
M
M
M
M
M
A
A
A
M
M
M
A
R
M
M
M
M
M
M
M
M
M
M
R
M
M
A
A
M
M
M
R

D
A
A
A
B
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M

Como no universo de discurso em questo esto presentes cinco conjuntos de

variveis, o nmero mximo de permutaes para os trs ndices a serem considerados
125 (5 referente ocorrncia x 5 referente gravidade x 5 referente
deteco). Diante desta limitao, que caracterstica quando se est considerando
variveis lingsticas e suas incertezas, haver modos de falha com combinaes iguais
50

de seus ndices. Nestas situaes pode-se separ-los em classes de modos de falha

(GARCIA et al. 2006).
No caso dos modos de falha levantados para o caso simplificado do CVCS, foram
levantadas 19 classes distintas de modos de falha (Tabela 4.9).

Tabela 4.9: Classes com as mesmas caractersticas

Grupos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

O
B
B
B
B
B
B
B
M
M
M
M
M
M
M
M
M
R
R
R

G
A
A
B
M
M
MA
R
A
A
B
M
M
MA
MA
MA
R
A
M
M

D
A
M
M
B
M
M
M
A
M
M
B
M
B
M
MA
M
M
B
M

Aplicando primeiramente o modelo PCCR simples tm-se os resultados

apresentados na Tabela 4.10, considerando-se 10 nveis de pertinncia.

51

Tabela 4.10: Priorizao dos modos de falha pelo modelo PCCR

Grupos
a
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Mdia

RPCCR

1,22
1,22
1,22
1,22
1,22
1,22
1,22
1,98
1,98
1,98
1,98
1,98
1,98
1,98
1,98
1,98
1,12
0,91
0,91

1,14
1,14
1,14
1,14
1,14
1,14
1,14
1,84
1,84
1,84
1,84
1,84
1,84
1,84
1,84
1,84
1,09
0,87
0,87

1,06
1,06
1,06
1,06
1,06
1,09
1,06
1,72
1,72
1,72
1,72
1,72
1,72
1,72
1,72
1,72
1,06
0,84
0,84

1,03
1,03
0,99
0,99
0,99
1,08
0,99
1,61
1,61
1,61
1,61
1,61
1,61
1,61
1,61
1,61
1,03
0,8
0,8

1
1
0,92
0,92
0,92
1,07
0,92
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1,5
1
0,77
0,77

0,97
0,97
0,86
0,86
0,86
1,06
0,86
1,4
1,4
1,4
1,4
1,4
1,4
1,4
1,4
1,4
0,97
0,73
0,73

0,95
0,95
0,8
0,8
0,8
1,05
0,8
1,31
1,31
1,31
1,31
1,31
1,31
1,31
1,31
1,31
0,95
0,7
0,7

0,92
0,92
0,75
0,75
0,75
1,03
0,75
1,23
1,23
1,23
1,23
1,23
1,23
1,23
1,23
1,23
0,92
0,67
0,67

0,89
0,89
0,7
0,7
0,7
1,02
0,7
1,15
1,15
1,15
1,15
1,15
1,15
1,15
1,15
1,15
0,89
0,64
0,64

0,86
0,86
0,65
0,65
0,65
1,01
0,65
1,07
1,07
1,07
1,07
1,07
1,07
1,07
1,07
1,07
0,86
0,61
0,61

0,84
0,84
0,6
0,6
0,6
1
0,6
1
1
1
1
1
1
1
1
1
0,84
0,58
0,58

0,989091
0,989091
0,880909
0,880909
0,880909
1,07
0,880909
1,437273
1,437273
1,437273
1,437273
1,437273
1,437273
1,437273
1,437273
1,437273
0,975455
0,738182
0,738182

3
3
5
5
5
2
5
1
1
1
1
1
1
1
1
1
4
6
6

a - Nvel de pertinncia

Note-se que, no presente caso, a discriminao dos modos de falha foi um pouco
melhor, mas ainda assim, precria, sem dar a devida importncia ao ndice de
gravidade. Conforme mencionado na aplicao do AFWS, qualquer um dos modos de
falha que apresente um nico ndice relativamente mais elevado do que os demais, o
modelo PCCR atribuir ao mesmo um ndice de criticidade relativamente elevado.
Aplicando o modelo PAPGF, no intuito de salientar a importncia do ndice de
gravidade, tem-se a priorizao apresentada na Tabela 4.11.

Tabela 4.11: Priorizao dos modos de falha pelo modelo PAPGF

Grupos
1
2
3
4
5
6
7
8
9
10

PAPGF
0,982773
0,982773
0,810773
0,811682
0,811682
1,065091
0,809864
0,983227
0,983227
0,809864

Grupos
11
12
13
14
15
16
17
18
19
-

RPAPGF
3
3
6
5
5
1
7
2
2
7

52

PAPGF
0,809864
0,809864
1,065091
1,065091
1,065091
0,809864
0,975955
0,7385
0,7385
-

RPAPGF
7
7
1
1
1
7
4
8
8
-

 importante notar nesta priorizao que como est sendo considerada a incerteza
da opinio do especialista, em muitos casos as variveis consideradas tm interseo
entre si. Devido a isto, pode-se observar a presena de modos de falha com ndices de
criticidade iguais.

4.3.

ANLISE DOS RESULTADOS

Conforme mencionado no captulo anterior, com a aplicao do modelo

desenvolvido nesta tese, no necessrio nem a utilizao de regras de inferncia, nem
a atribuio de um valor numrico especfico para cada ndice para que se alcance uma
priorizao dos modos de falha considerando-se a opinio de especialistas e suas
incertezas.
Um fato incontestvel em ambas as abordagens, inferncia fuzzy e PAPGF, o
fraco poder discriminatrio. No caso do sistema de controle qumico e volumtrico
(CVCS), onde foram identificados 82 modos de falha, somente 8 classificaes de risco
foram determinadas, como na inferncia fuzzy tradicional, LAPA e GUIMARES
(2004b).
Esta caracterstica de ambas as abordagens justificada pela considerao das
incertezas associadas s variveis lingsticas e pelo nmero de conjuntos presentes no
universo de discurso. Vale ressaltar a dificuldade em se estabelecer vrios conjuntos
para classificar os ndices dos modos de falha. Se esta possibilidade fosse vivel,
certamente no se estaria considerando variveis lingsticas, pois ter-se-ia uma
preciso que no caractersticas quando se trata um problema por meio de opinio de
especialistas.
Em outras palavras, no se deve esperar um forte poder discriminatrio entre os
modos de falha quando se est diante de muitas incertezas. A priorizao dos modos de
falha, em casos como este, tem por principal objetivo levantar os pontos crticos e,
conseqentemente, focar as atenes nos mesmos quando do desenvolvimento do
projeto.
Uma expectativa diferenciada associada quando se tem uma maior abundncia de
informaes sobre o sistema, onde dados mais concretos esto disponveis. Em casos
como estes, o que se deseja estabelecer um critrio para focar esforos em manuteno
(ZWIGELSTEING, 1998).

53

CAPTULO V
O saber faz o homem ponderado e insinuante...
(Montesquieu)

CONCLUSES E RECOMENDAES
No presente captulo, so apresentadas as concluses que puderam ser obtidas nesta
tese, e em seguida so feitas recomendaes para trabalhos futuros de pesquisa.

5.1. CONCLUSES

Quando se realiza uma FMEA para propsitos de segurana, no se deve ater a

grandes precises dos dados, principalmente quando se est analisando um sistema em
sua fase de projeto, ou seja, em fase conceitual, PILLAY e WANG (2003). Para anlises
como estas, recomenda-se que se levantem informaes de especialistas.
O uso de variveis lingsticas, provindas de especialistas, fornece informaes
significativas com respeito ao sistema e aos ndices utilizados para classificar os modos
de falha. Para tais variveis, a considerao das incertezas associadas fator importante,
pois reflete o grau de conhecimento do sistema sob analise.
As vantagens observadas pela utilizao de um modelo hbrido, combinando os
conceitos de lgica fuzzy e anlise envoltria de dados, podem ser resumidas da
seguinte forma:

Pode ser aplicado em fase inicial de projeto, onde a massa de dados

escassa e imprecisa;

uma tcnica que combina, de forma organizada, o conhecimento dos

especialistas, assim como as incertezas associadas aos mesmos;

A flexibilidade em se definir os pesos associados com cada fator prov uma

maneira de se verificar, por meio do modelo DEA, quais ndices esto
contribuindo de forma mais efetiva para a sua criticidade;

Com a

utilizao

do

modelo

PAPGF

torna-se

desnecessrio

estabelecimento de regras de inferncias que levem uma combinao de

inputs ao universo dos conjuntos de sada;

54

No necessrio que se tenha um ndice especfico para que se possa inferir

sobre o grau de criticidade dos modos de falha, como o caso da inferncia
fuzzy tradicional;

Os resultados obtidos pela abordagem proposta so relativos, isto , uma

abordagem onde os resultados so dependentes do conjunto de modos de
falha sob anlise.

Um fator importante associado com a abordagem proposta que os modos de falha

com caractersticas diferentes no so priorizados da mesma forma. Somente modos de
falha em que o ndice de gravidade relativamente elevado e modos de falha que
possuem uma combinao de ndices de ocorrncia e deteco, relativamente elevados,
so considerados 100% crticos.

5.2. RECOMENDAES

Tendo em vista a potencialidade observada em se utilizar modelos baseados em

DEA para comparar os riscos entre diferentes entidades (modos de falha, tecnologias
etc.) o que se prope que seja estudada a possibilidade de se utilizar esta abordagem
para identificar fatores de melhoria em processos. Tendo em vista que os modelos DEA
estabelecem um conjunto de pesos que maximizam a eficincia ou, dependendo da
tica, a ineficincia, como foi o caso aplicado nesta tese, o que se propes que seja
estabelecida uma abordagem onde se possam identificar os pontos eficientes e, a partir
destes, estabelecer pontos de melhoria no sistema sob anlise.
Observe-se que, provavelmente, nesta abordagem a utilizao de variveis
lingsticas pode ser dispensada, tendo em vista que o sistema est operacional e
informaes sobre o mesmo esto disponveis. Num segundo passo, no intuito de
avaliar as modificaes, ainda em fase conceitual, possa ser interessante a abordagem de
variveis lingsticas.
Como a pesquisa est em constante evoluo, o que se prope verificar a
viabilidade de se combinarem as tcnicas baseadas em DEA com as baseada em anlise
relacional grey (GRA) (DENG, 1989 e GARCIA et al, 2005b, c).
Prope-se tambm o desenvolvimento de um sistema computacional onde possam
ser armazenadas as opinies de diversos especialistas sobre os conjuntos fuzzy a serem
considerados. Com base neste agregado de informaes, ter-se-ia a facilidade de
55

escolher entre os nveis de pertinncia a serem considerados, assim com o tipo de

modelo a ser utilizado, podendo-se, com isto, comparar os resultados das diferentes
abordagens apresentadas nesta tese.
Prope-se tambm que se verifique a possibilidade de se trabalhar com otimizao
estocstica, ou seja, ao invs de se tratar via lgica fuzzy, considerar a opinio de
especialistas que, conforme proposto por Mosleh e Apostolakis (1984), tende a se
comportar como uma distribuio lognormal. Diante disto, poderia se considerar as
opinies como sendo variveis aleatrias e estabelecer um modelo DEA estocstico.

56

REFERNCIAS BIBLIOGRFICAS

ALVARENGA, M. A. B., MARTINEZ, A. S., SCHIRRU, R. (1997). Adaptative

vector quantization optimized by genetic algorithms for real time diagnosis
through fuzzy sets Nuclear Technology, v.120, n. 3, pp. 188-197.

BLANCHARD, B. S., 1998. System engineering management, 2 ed., NY, Wiley.

BOWLES, J. B. e PELEZ, C. E. 1995. Fuzzy logic prioritization in a system failure

mode, effect and criticality analysis, Reliability Engineering and System Safety,
v. 50, n. 2, pp 203-213.

BOWLES, J. B. e PELEZ, C. E. 1996. Using fuzzy cognitive maps as a system

model for failure modes and effects analysis, Information Science, v. 88, n. 1-4,
pp. 177-199.

BOWLES, J.B. and BONNELL, R. D. 1998. Failure Mode Effects and Criticality
Analysis: What it is and How to use it, in Topics in Reliability & Maintainability
& Statistics, Annual Reliability and Maintainability Symposium, Anaheim, CA,
January, 32 p.

BOWLES, J. B. 1998, The new SAE FMECA standard, In: IEEE Proceedings Annual
Reliability and Maintainability Symposium, pp 48-53

BOWLES, J. B. 2003. An assessment of RPN prioritization in a failure modes effects

and criticality analysis, In: IEEE Proceedings annual Reliability and
Maintainability Symposium, pp. 380-386.

CHAPOT, J. L. C., SILVA, F. C. e SCHIRRU, R. (1999), A new approach to the use

of genetic algorithms to solve pressurized water reactors fuel management
optimization problem, Annals of Nuclear Energy, v. 26, n. 7, pp. 641-655.

57

CHARNES, A., COOPER, W. W., RHODES, E., 1978. Measuring The Efficiency of
Decision Making Units, European Journal of Operational Research, n. 2, p.429444.

CHARNES, A., COOPER, W. W., SEIFORD, L., STUTZ, J., 1982, A Multiplicative
Model for Efficiency Analysis, Socio-Economic Planning Science, v.2, p.223224.

CHARNES, A. & COOPER, W. W., 1990, Data Envelopment Analysis, Operacional

Research, v.90, p.641-645.

CHARNES, A., COOPER, W. W., RHODES, E., 1991, Evaluating Program and
Managerial Efficiency: An Application of Data Envelopment Analysis to Program
Follow Thrugh, Management Science, v.27, n.6, p.668-697.

DE SOUZA, D. P. H., 2003, Avaliao de mtodos paramtricos e no paramtricos na

anlise de eficincia da produo de leite, Tese de D.Sc., Escola Superior de
Agricultura, Universidade de So Paulo, Piracicaba SP.

DENG, J. (1989), Introduction to grey system theory, Journal of Grey System, Vol. 1,
No. 1, pp. 1 24.

EPRI (1996). Risk informed inservice inspection evaluation procedure, Electric Power
Research Institur. TR-106706.

FARRELL, M. J., 1957, The Measurement of Productive Efficiency, Journal of the

Royal Statistical Society, Series A, part III, p.253-290.

FABER, M. H. e STEWART, M. G., (2003), Risk assessment for civil engineering

facilities: critical overview and discussion, Reliability Engineering and System
Safety v. 80, n. 2, pp. 173-184.

FULLWOOD, R. R., 2000. Probabilistic risk assessment in chemical and nuclear

industries, MA, Butterworth-Heinemann.
58

GARCIA, P. A. A., 2001, Aplicao de anlise envoltria de dados no processo de

manuteno centrada em confiabilidade. Dissertao de M.Sc., Departamento de
sistemas e computao, Instituto Militar de Engenharia, Rio de Janeiro.

GARCIA, P. A. A., LUZ, V. e NEVES, J. C. S., 2001a, Aplicao de um modela DEA

para priorizar modos de falha, In: XXI Encontro Nacional de Engenharia de
Produo, Salvador, Bahia, Brasil.

GARCIA, P. A. A., NEVES, J. C. C. e NEVES, G. C. 2001b, DEA: uma nova

abordagem para a anlise dos modos e efeitos de falha no RCM, In: Simpsio de
Pesquisa Operacional e Logstica da Marinha, Centro de Anlise de Sistemas
Navais, Rio de Janeiro.

GARCIA, P. A. A., NEVES, J. C. C. e NEVES, G. C. 2002. Avaliao dos modos e

efeitos de falha no RCM utilizando DEA, In: XI Congresso LatinoIberoamericano de Investigacin de Operaciones, Conceio, Chile.

GARCIA, P. A. A., SCHIRRU, R., FRUTUOSO e MELO. 2004, A multiobjective

genetic algorithm for the optimization of nuclear safety system test and cost
policies, In: VII Encontro de Modelagem Computacional, Instituto Politcnico
do Rio de Janeiro, Nova Friburgo RJ.

GARCIA, P. A. A., SCHIRRU, R., FRUTUOSO e MELO, P. F. F. (2005), A fuzzy

data envelopment analysis approach for FMEA, Progress in Nuclear Energy
Edio Especial (Lessons Learned from Computational Intelligence in Nuclear
Applications)

GARCIA, P. A. A., VARANDA, G, FRUTUOSO e MELO, P. F. F. (2005a), Uma

abordagem baseada em FMEA com um modelo de envelopamento de dados para
propor melhorias em segurana, In: International Nuclear Atlantic Conference ENFIR, Santos - SP

59

GARCIA, P. A. A. e FRUTUOSO e MELO, P. F. F. (2005b), Aplicao de um modelo

grey DEA anlise comparativa de riscos entre tecnologias de gerao de
energia, In: International Nuclear Atlantic Conference- ENFIR, Santos SP

GARCIA, P. A. A.; NEVES, Jlio C. S.; JACINTO, Carlos M. C. e DROGUETT,

Enrique, L. (2005c), Aplicao de anlise relacional grey no gerenciamento da
cadeia logstica, In: XXXVII Simpsio Brasileiro de Pesquisa Operacional,
Gramado-RS.

GARCIA, P. A. A., FRUTUOSO e MELO, P. F. F. e SCHIRRU, R. (2006). A fuzzy

DEA model based approach to criticality establishment: an application to
chemical and volumetric control system, Annals in Nuclear Energy (a ser
submetido).

GARCIA, P. A. A. e FRUTUOSO e MELO, P. F. F. (2006). A hybrid Pareto-DEA

approach in a multi-objective GA for optimizing nuclear safety system periodic
test scheduling considering availability and cost, Annals in Nuclear Energy (a ser
submetido).

GROVE E. J. and TRAVIS, R. J. (1995), Effect of aging on the PWR chemical and
volumetric control system, NUREG/CR-5954, BNL-NUREG-52410.

GUO, P. e TANAKA, H. (2001), Fuzzy DEA: a perceptual evaluation method, Fuzzy

Sets and Systems, v. 119, pp. 149-160.

IAEA (1992). Procedure for conducting probabilistic safety assessments of nuclear

power plants (level 1), a safety practice. Safety series No. 50-P-4, International
Atomic Energy Agency, Vienna.

IAEA (1999). Living probabilistic safety assessment (LPSA). Technical Document

1106, International Atomic Energy Agency, Vienna

IAEA (2001). Applications of probabilistic safety assessment (PSA) for nuclear power
plant. Technical Document 1200, International Atomic Energy Agency, Vienna.
60

IAEA (2002). Procedure for conducting probabilistic safety assessment for non-reactor
nuclear facilities. Technical Document 1267, International Atomic Energy
Agency, Vienna.

KAHRAMAN, C. and TOLGA, E. (1998). Data envelopment analysis using fuzzy

concept, 28 International Symposium on Multiple-Valued Logic, pp. 338-343.

KAO, C. e LIU, S., T. (2000). Fuzzy efficiency measures in data envelopment

analysis, Fuzzy Sets and Systems, v.113, pp. 427-437.

LAPA, C. M. F. e GUIMARES, A. C. F., 2004a. Effect analysis fuzzy inference

system in nuclear problems using approximate reasoning, Annals of Nuclear
Energy, 31, pp. 107-115.

LAPA, C. M. F. e GUIMARES, A. C. F., 2004b, Fuzzy FMEA applied to PWR

chemical and volumetric control system, Progress in Nuclear Energy, v. 44, 31,
pp. 191-213.

LAPA, C. M. F., PEREIRA, C. M. N. A. e MOL, A. C. A. (2000), Maximization of a

nuclear system availability through maintenance scheduling optimization using a
genetic algorithm, Nuclear Energy and Design 196, pp. 219-231.

LERTWORASIRIKUL, S. (2001), Fuzzy data envelopment analysis for supply chain

modeling and analysis, Dissertation Proposal in Industrial Engineering, North
Carolina State University.

LERTWORASIRIKUL, S., et al. (2003), Fuzzy data envelopment analysis: a

possibility approach, Fuzzy Sets and System, v. 139, pp. 379-394.

LINS, M. P. E. e MEZA, L. A., 2000. Anlise Envoltria de Dados e Perspectivas de

Integrao no Ambiente de Apoio Deciso. Rio de Janeiro, COPPE/UFRJ.

61

MAEDA, Y., ETANI, T. e TANAKA, H. (1998). Fuzzy DEA with interval efficiency,
6th European Congress on Intelligent Techniques and Soft Computing, Vol. 2, pp.
1067-1071.

MARCONI, M. e LAKATOS, E. M., 2003. Fundamentos de metodologia cientfica, 5

Ed. Atlas S. A. So Paulo.

MEZA, L. A., 1998. Data Evelopment Analysis (DEA) na determinao da eficincia

de programas de Ps-graduao da COPPE/UFRJ, Tese de D.Sc., Programa de
Engenharia de Produo, Universidade Federal do Rio de Janeiro, Rio de Janeiro.

Military Standard 1629A, 1984. Procedure for performing a failure modes effects and
criticality analysis, US Department of Defense.

MOITA, M. H. V., 1995. Medindo a eficincia relativa de escolas municipais da cidade

do Rio Grande-RS usando a abordagem DEA (Data Envelopment Analysis),
Dissertao de M.Sc., Programa de ps-graduao em engenharia de produo e
sistemas, Universidade Federal de Santa Catarina RS.

MOSLEH, A. and APOSTOLOAKIS, G., 1984. In: Low-Probability/High-consequence

Risk Analysis, edited by R. A. Waller and V. T. Civello (Plenum Press, New
York).

NEVES, J. C. S., 2000. Aplicao de anlise envoltria de dados para avaliao de

fornecedores, Dissertao de M.Sc., Instituto Militar de Engenharia, Rio de
Janeiro.

NEVES, J. C. S., SANTOS, J. A. N., QASSIM, R. Y., 1999, Aplicao do modelo

multicritiro DEA para avaliao da cadeia logstica (Supply Chain), In: XXXI
Simpsio Brasileiro de Pesquisa Operacional, SOBRAPO, Juiz de For a MG.

NUNES, M. S., 1999. Anlise dos modos e efeitos de falha de produto com utilizao
do desdobramento da funo qualidade, Dissertao de M.Sc., departamento de
sistemas e computao, Instituto Militar de Engenharia, Rio de Janeiro.
62

PEREIRA, C. M. N. A., SCHIRRU, R. e MARTINEZ, A. S. (1999). Basic

investigations related to genetic algorithms in core designs, Annals of Nuclear
Energy v. 26, n. 3, pp. 173-193.

PILLAY, A. e WANG, J., 2003. Modified failure mode and effect analysis using
approximate reasoning, Reliability Engineering and System Safety, v. 79, pp. 6985

QS-9000 Instituto de Qualidade Automotiva, 1997. Anlise dos modos e efeitos de

falha em processo e Anlise dos modos e efeitos de falha em produtos, Manual de
Referncia.

SHAW, I. S. e M. G. SIMES (1999). Controle e Modelagem Fuzzy. FAPESP, Editora

Edgard Blcher LTDA

SENGUPTA, J. K. (1992). A fuzzy system approach in data envelopment analysis,

Comput. Math. Appl., v. 24, pp. 259-266.

TOFALLIS, Chris, 1997. Input efficiency profiling: an application to airlines,

Computers Operational Research, v. 24, n. 3, pp. 253-258.

XU, K., TANG, L. C., XIE, M., HO, S. L., ZHU, M. L., 2002. Fuzzy assessment of
FMEA for engine system, Reliability Engineering and System Safety, 75, pp. 1729.

ZADEH, L. A. (1978). Fuzzy sets as a basis for a theory of possibility, Fuzzy Sets
and Systems, v. 1, n. 1, pp. 3-28.

ZWINGELSTEIN, G. 1998. Reliability centered maintenance, IEEE Tutorial Annual

Reliability and Maintainability Symposium.

63