Вы находитесь на странице: 1из 9

Estimativa da Produtividade em Soldagem pelo Mtodo de Monte Carlo

(Productivity Estimation in Welding by Monte Carlo Method)


Jos Luiz Ferreira Martins1, Miguel Luiz Ribeiro Ferreira1, Jos Murilo Ferraz Saraiva2
1.Universidade Federal Fluminense, Escola de Engenharia, Departamento de Engenharia Mecnica, Programa de Ps-Graduao em
Engenharia Civil, Niteri, Brasil, jlfmtem@vm.uff.br, temmlrf@vm.uff.br, 2.Universidade Federal Fluminense, Departamento de
Estatstica Aplicada, Programa de Ps-Graduao em Engenharia Civil, Niteri, Brasil, engenheiromurilo@hotmail.com.
Resumo
O objetivo deste artigo o de analisar a viabilidade da utilizao do mtodo de Monte Carlo para estimar a produtividade na soldagem de
tubulaes industriais de ao carbono com base em amostras pequenas. O estudo foi realizado atravs de uma anlise de uma amostra de
referncia contendo dados de produtividade de 160 juntas soldadas pelo processo Eletrodo Revestido na REDUC (refinaria de Duque de
Caxias), utilizando o software ControlTub 5.3. A partir desses dados foram retiradas de forma aleatria, amostras com, respectivamente,
10, 15 e 20 elementos e executadas simulaes pelo mtodo de Monte Carlo. Comparando-se os resultados da amostra com 160
elementos e os dados gerados por simulao se observa que bons resultados podem ser obtidos usando o mtodo de Monte Carlo para
estimativa da produtividade da soldagem. Por outro lado, na indstria da construo brasileira o valor da mdia de produtividade
normalmente usado como um indicador de produtividade e baseado em dados histricos de outros projetos coletados e avaliados
somente aps a concluso do projeto, o que uma limitao. Este artigo apresenta uma ferramenta para avaliao da execuo em tempo
real, permitindo ajustes nas estimativas e monitoramento de produtividade durante o empreendimento. Da mesma forma, em licitaes,
oramentos e estimativas de prazo, a utilizao desta tcnica permite a adoo de outras estimativas diferentes da produtividade mdia,
que comumente usada e como alternativa, se sugerem trs critrios: produtividade otimista, mdia e pessimista.
Palavras-Chave: Produtividade, Simulao, Mtodo de Monte Carlo, Soldagem
Abstract: The aim of this article is to analyze the feasibility of using Monte Carlo method to estimate productivity in industrial pipes
welding of carbon steel based on small samples. The study was carried out through an analysis of a reference sample containing
productivity data of 160 welded joints by SMAW process in REDUC (Duque de Caxias Refinery), using ControlTub 5.3 software. From
these data was taken at random samples with, respectively, 10, 15 and 20 elements and were performed simulations by Monte Carlo
method. Comparing the results of the sample with 160 elements and the data generated by simulation is observed that good results can
be obtained by using Monte Carlo method in estimating productivity of industrial welding. On the other hand in Brazilian construction
industry the value of productivity average is normally used as a productivity indicator and is based on historical data from other
projects collected and measured only after project completion, which is a limitation. This article presents a tool for evaluation of the
implementation in real time, enabling adjustments in estimates and monitoring productivity during the project. Similarly, in biddings,
budgets and schedule estimations, the use of this tool could enable the adoption of other estimative different from of the average
productivity, which is commonly used and as an alternative are suggested three criteria: optimistic, average and pessimistic productivity.
Key-words: Productivity, Simulation, Monte Carlo Method, Welding.
1. Introduo
O objetivo deste trabalho a verificao da aplicabilidade
do Mtodo de Monte Carlo para estimar a produtividade na
soldagem de juntas soldadas atravs de pequenas amostras via
simulao. Para realizao do estudo utilizou-se a base de dados
histricos apropriados e registrados no trabalho desenvolvido por
Gioia e Siva Junior [1] na soldagem de tubulaes industriais de
ao carbono coletada em obras realizadas na REDUC (Refinaria

(Recebido em 31/01/2011; Texto final em 18/08/2011).


204

Duque de Caxias, Rio de Janeiro, Brasil), onde foi utilizado o


software ControlTub 5.3. As pequenas amostras, a partir da qual
se realizaram as simulaes, foram retiradas desta base de dados
de forma aleatria de acordo com procedimento descrito em
Constncio [2,3]. O nmero de cada amostra de 10, 15 e 20
elementos.
O experimento realizado consistiu de comparar o
comportamento estatstico da base de dados composta de 160
elementos com as geradas atravs de simulao via pequenas
amostras utilizando o Mtodo de Monte Carlo. Nesta anlise
foi comparado o comportamento das funes de densidade de
probabilidade (FDP) e funes de densidade de probabilidade
acumulada (FPA), tanto da amostra composta de 160 elementos,
quanto das geradas via simulao. Da mesma forma, no que diz
Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Estimativa da Produtividade em Soldagem pelo Mtodo de Monte Carlo

respeito s curvas geradas por simulao, foram analisadas duas


situaes, uma utilizando a funo beta como geratriz, como
sugere a maioria dos autores da literatura pesquisada, e outra
com a Weibull.
2. Reviso Bibliogrfica
2.1. Indicadores de Produtividade em Soldagem
Nos mtodos e processos utilizados na indstria da
construo so introduzidos recursos humanos, materiais,
monetrios e equipamento, tendo como resultado um produto.
Classicamente, a produtividade definida pela relao ente os
recursos humanos utilizados para obteno do produto. Assim,
segundo Diekmann e Heinz [4], a produtividade a relao
do homem-hora (Hh) utilizado no processo de converso
construtiva com a quantidade de produtos obtidos. O Homemhora definido pelo trabalho do trabalhador em uma hora de
trabalho. Esta relao a normalmente utilizada pela indstria
de construo e montagem.
No caso da soldagem, a produtividade , de forma geral, a
quantidade de metal de solda depositado em relao quantidade
de recursos humanos consumidos na soldagem. Nos processos
de soldagem eltrica com eletrodo revestido, a produtividade
a relao entre o volume, em [cm3] ou a massa depositada [kg],
pelo [Hh] utilizado no processo de soldagem. Assim, a unidade
utilizada [cm3/Hh], ou [kg/Hh].
Na monitorao da produtividade na soldagem so
mencionados na literatura vrios indicadores. Existem
indicadores que consideram somente a deposio com o arco
aberto e os que consideram o tempo de execuo total da
junta, sendo que estes ltimos so os mais usados na indstria,
conforme evidenciado no Programa de Mobilizao da Indstria
do Petrleo e Gs Natural (PROMINP) [5] elaborado com a
participao da indstria de construo e montagem nacional,
onde so estabelecidos, entre outros, padres para indicadores
de produtividade de soldagem. Outros trabalhos importantes
sobre ndices de produtividade em soldagem mencionados na
literatura abordam a importncia deste tipo de medida, entre
eles destacam-se as consideraes de Page and Nation [6],
que realiza uma abordagem abrangente sobre a utilizao do
Homem-hora em diversas conjunturas e situaes de soldagem.
A American Welding Society (AWS) [7] estabelece oito tipos de
medida gerais de produtividade e Brito e Paranhos [8] aborda
a dependncia do processo de soldagem nos diversos mtodos
utilizados na indstria.
No caso dos indicadores que consideram o tempo de
execuo total da junta, em sua grande maioria, os mesmos
relacionam o volume de solda, normalmente expresso em [cm3],
ou massa depositada, geralmente expressa em quilogramas [kg],
considerados em relao quantidade de Homens-hora (Hh)
consumida na operao de soldagem. Quanto mo-de-obra, so
encontradas as seguintes condies: quantidade de Hh somente
dos soldadores; quantidade de Hh dos soldadores mais ajudantes
e; quantidade de Hh dos soldadores, ajudantes e superviso de
soldagem no nvel mais baixo, que normalmente intitulado de
encarregado de solda pela indstria brasileira.
Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Os indicadores utilizados neste artigo tm como base


os dados histricos levantados por Gioia e Silva Junior [1],
em que consta a produtividade de cada sinete de soldador, em
determinado nmero de dias trabalhados a qual expressa em
[cm3/Hh]. As medies de tempo para avaliao da equivalncia
das medidas foram realizadas em obra com a permisso da
empresa e considerando a situao real de obra, em que o
soldador tem necessidade de parar por falta de material, para
ajuste da mquina de solda, para tomar um caf ou ir ao banheiro
ou outra atividade vinculada ao ambiente de trabalho. A mo de
obra considerada na obteno dos indicadores leva em conta as
atividades de soldagem exercidas pelo soldador. Por outro lado,
para a medida da produtividade considerado que o incio da
contagem do tempo deve ser o incio da soldagem da junta e
o trmino deve ocorrer na limpeza final, posterior ao passe de
acabamento.
2.2. Mtodo de Monte Carlo
O Mtodo de Monte Carlo tem como princpio a gerao
de nmeros pseudo-aleatrios a partir de uma amostra real.
Em Morano e Ferreira [9] o procedimento de utilizao deste
mtodo resumido nas seguintes fases: 1 - Agrupar os dados
coletados em uma tabela com intervalos de classe, a partir dos
quais construdo um histograma de freqncia; 2 - Escolha
de uma distribuio cuja FDP uma varivel aleatria contnua
que represente melhor os dados amostrais organizados de
acordo com o passo 1; 3 - Aps a implementao dos passos
1 e 2 executar a simulao com base na distribuio definida
em 2, considerando os intervalos de classe estabelecidos em 1;
4 - Avaliar se a quantidade nmero de nmeros aleatrios na
simulao realizada satisfatrio, sendo que caso contrrio o
passo 3 dever ser repetido at que o nmero considerado ideal
seja alcanado, o que obtido atravs da realizao do teste de
aderncia do conjunto de nmeros pseudo-aleatrios gerados
por simulao com a funo geratriz via teste qui-quadrado; 5 Com base na quantidade de nmeros pseudo-aleatrios gerados
em 4, obter a FPA a partir da qual as anlises sero realizadas.
Neste trabalho, o nmero de classes e os critrios para
definio da quantidade de nmeros pseudo-aleatrios a serem
gerados para a simulao foram estabelecidos de acordo com
as recomendaes fornecidas em Cochran [10], Rodrigues [11]
e Morano [9,12], que so: 1 Definio do nmero de classes
Regra Sturges; 2 Quantidade de nmero pseudo-aleatrios
1000 nmeros; 3 Avaliao da quantidade de nmeros pseudoaleatrios por classe; 4 Teste de aderncia do conjunto de
nmeros pseudo-aleatrios gerados por simulao com a funo
geratriz via teste qui-quadrado; 5 Comparao com a mxima
verossimilhana da simulao em relao amostra.
3. Procedimento Experimental
3.1. Descrio Geral
O experimento realizado consistiu de comparar o
comportamento estatstico da base de dados composta de 160
elementos com as geradas atravs de simulao via pequenas
205

Jos Luiz Ferreira Martins, Miguel Luiz Ribeiro Ferreira, Jos Murilo Ferraz Saraiva

amostras utilizando o Mtodo de Monte Carlo. Esta anlise


conduzida pela comparao entre as FDPs e as FPAs da amostra
de 160 elementos e das geradas por simulao. Cabe ressaltar,
que para melhor facilitar a compreenso dos grficos e trabalhar
com numerao em ordem crescente, optou-se por apresentar
nas abscissas dos mesmos a produtividade em cm3/Hh ao invs
de Hh/cm3, como normalmente denominada. As pequenas
amostras, a partir da qual se realizaram as simulaes, foram
retiradas desta base de dados de forma aleatria de acordo
com procedimento descrito em Constncio [2] e detalhado no
item 3.3. O nmero de elementos destas pequenas amostras
, respectivamente, de 20, 15 e 10 elementos. Para facilitar a
nomenclatura, estas amostras so nomeadas de 160el para a
amostra com 160 elementos; 20el, 15el e 10el, para as pequenas
amostras com 20, 15 e 10 elementos.
As fases de realizao do experimento foram: 1 Definio
geratriz e das classes dos histogramas para simulao; 2
Simulao com as funes geratrizes Beta e Weibull para a
pequena amostra de 20 elementos e comparao da FDP e
FPA com a amostra de 160 elementos; 3 Simulao com as
funes geratrizes Beta e Weibull para a pequena amostra de
15 elementos e comparao da FDP e FPA com a amostra de
160 elementos; 4 - Simulao com as funes geratrizes Beta e
Weibull para a pequena amostra de 10 elementos e comparao
da FDP e FPA com a amostra de 160 elementos.
3.2. Descrio da Base de Dados
Utilizou-se a base de dados do trabalho de Gioia e Silva
Junior [1] coletadas na REDUC (Refinaria de Duque de Caxias)
j mencionada anteriormente, que considerou a apropriao
mnima de 10 dias efetivamente trabalhados. Os elementos
da base de dados foram obtidos de obras realizadas pelas
contratadas de servios de montagem da refinaria, verificadas
pela fiscalizao e validadas com a utilizao do software
ControlTub 5.3. Na Tabela 1 apresentam-se os dados estatsticos
da amostra de 160 elementos.
Tabela 1 - Estatstica da amostra de 160 elementos [cm3/Hh]
Estatstica
Mximo
Mnimo
Mdia
D Padro
Mediana
Moda
Coef Variao

Amostra
130.30
2.40
26.14
18.81
20.71
8.00
0.72

As amostras coletadas so apresentadas na forma de valores


mdios dirios dos indicadores de produtividade para cada
soldador com atividade no campo de duas empresas prestadoras
de servios. Os elementos da amostra foram introduzidos no
software com cada soldador representado por um sinete, em
que atribuda uma numerao para cada individuo. Estes
indicadores so tratados e apresentados com dimensional em

206

volume de solda depositado em junta de topo por homem hora


[cm3/Hh], na montagem de tubulao.
Na Tabela 2 esto apresentados os valores dos parmetros
da funo Beta e da Weibull desta amostra.
Tabela 2: Parmetros de forma e de escala das funes Beta e
Weibull da amostra com 160 elementos
Funo Beta
Alfa
2.46

Funo Weibull
Beta
91.36

a
29.32

b
1.55

3.3 Pequenas Amostras Utilizadas na simulao


As pequenas amostras utilizadas para exemplificar o modelo
proposto nas simulaes foram estabelecidas de acordo com
Constncio [2], que realizou a coleta por meio de sorteio manual
dos valores, com reposio, compondo de forma aleatria as
trs amostras com 20, 15 e 10 elementos, respectivamente. Os
dados estatsticos destas pequenas amostras so apresentados na
Tabela 3.
Tabela 3 - Resumo da estatstica das pequenas amostras [cm3/
Hh]
Estatstica

Amostra
20el
20elementos

Amostra
15el
15elementos

Amostra
10el
10elementos

Mximo
Mnimo
Mdia
D Padro
Mediana
Moda
Coef Variao
Esperana

75.90
7.00
23.80
18.98
15.80
7.00
0.80
24.90 24.06

88.90
8.00
26.79
22.04
16.70
8.00
0.82
29.33 27.11

130.30
8.00
38.99
37.89
34.65
8.00
0.97
39.13 39.21

3.4. Definio da Funo Geratriz e das Classes dos


Histogramas para Simulao
De acordo com Rodrigues [11], Morano [9,12], Zio et al
[13], Tipper [14], Wu [15], Constncio [2,3], a Funo Geratriz
para simulao definida utilizando-se a curva Beta. Por outro
lado, Gupta et al [16], Royall [17], Triola [18], Nascimento et
al [19] e Batista et al [20], consideram o mtodo de mxima
verossimilhana para comparao utilizando as funes Beta e
Weibull. A funo geratriz para as amostras com 20 elementos,
15 elementos e 10 elementos, considerando a funo Beta
e Weibull, apresentam os parmetros de forma e de escala
mostrados na Tabela 4.

Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Estimativa da Produtividade em Soldagem pelo Mtodo de Monte Carlo

Tabela 4: Parmetros de forma e de escala das funes Beta e


Weibull das amostras
Amostra

Funo Beta

20 elementos
15 elementos
10 elementos

Alfa
1.48
1.24
1.37

Beta
4.46
2.99
33.74

Funo Weibull
a
26.50
29.82
30.20

b
1.44
1.42
1.79

Com relao ao critrio da mxima verossimilhana,


realizou-se a avaliao de cada amostra, para a distribuio
Beta e Weibull, com um nvel de significncia de 99%, com
o objetivo de identificar a funo que melhor se enquadra na
forma da distribuio dos dados. A mxima verossimilhana
relativa obtida pelo clculo do menor valor algbrico da
mxima log-verossimilhana das funes em que cada amostra
submetida, dividido pelo nmero de elementos da amostra,
para o caso da funo Beta. Para a funo Weibull, representa o
maior valor algbrico da mxima log-verossimilhana calculada
para cada amostra, dividido pelo nmero de elementos da
amostra considerada; em conformidade com o estabelecido em
MATHWORKS [21]. Os resultados da mxima verossimilhana
relativa de cada amostra so mostrados na Tabela 5.
Tabela 5 - Mxima Verossimilhana Relativa da amostra
histrica e pequenas amostras
Funo\
Amostra
Beta
Weibull

160
elementos
-2.77
4.17

20
elementos
-0.51
4.07

15
elementos
-0.33
4.19

10
elementos
-2.28
4.64

Dentre as funes analisadas, a Weibull a que apresenta


o maior valor em mdulo, representando, desta forma, a
melhor adaptao a fisionomia das amostras. Considerando-se
que o valor da mxima verossimilhana da amostra com 160
elementos conhecido, pode-se afirmar que a amostra que
melhor representa o processo a amostra com 15 elementos,
por apresentar valor mais prximo ao da amostra com 160
elementos. Considerando que apenas os valores das mximas
verossimilhanas das pequenas amostras so conhecidos, podese afirmar que a amostra que melhor representa o processo a
amostra de 10 elementos. Parece estranho que a amostra com
menor nmero de elementos apresente a maior verossimilhana,
porm, observando-se o mximo e o mnimo da referida amostra
verifica-se que estes retratam com melhor abrangncia os da
amostra com 160 elementos.
Na definio das classes, para elaborao dos histogramas,
utilizando o critrio de Sturges e o estabelecimento da quantidade
de nmeros pseudo-aleatrios, utilizam-se as recomendaes de
Cochran [10], Rodrigues [11] e Morano [12]. Desta forma, com
as classes definidas, em cinco para as amostras 15el e 10el e
em 6 para a amostra 20el, e seus respectivos valores mdios
possvel visualizar a funo densidade de probabilidade (FDP) e
a funo de probabilidade acumulada (FPA) de cada amostra e a
partir da pode ser dado incio ao processo de simulao.

Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

3.5. Simulao pelo Mtodo de Monte Carlo (MMC)


Toda estruturao computacional utilizada no clculo
das funes, da estatstica e dos grficos gerados seguem as
orientaes do MATHWORKS [22]. Assim, com a amostra, a
FDP, o nvel de significncia estabelecido, o nmero de classes
a ser utilizado e a quantidade de nmeros pseudo-aleatrios a
serem gerados pelo gerador de nmeros aleatrios, roda-se a
simulao de Monte Carlo com a utilizao da funo Beta e de
Weibull. Os nmeros pseudo-aleatrios gerados so distribudos
nas classes estabelecidas na distribuio das amostras e, assim,
identificada a FDP e a FPA da simulao realizada. Em seguida,
necessrio realizar um teste de aderncia dos dados de cada
simulao com os dados da amostra. Verifica-se a quantidade
mnima de elementos em cada classe e a seguir realizado o
teste de qui-quadrado e o teste da mxima verossimilhana
relativa da simulao e da amostra. Aprovada a aderncia de
cada simulao em relao amostra calculada a estatstica
da simulao. Paralelamente so gerados os grficos das
simulaes, em comparao com a amostra de referncia com
160 elementos.
4. Resultados e Discusso
4.1. Amostra 160el com 160 elementos
Na Figura 1 so mostradas as representaes da FDP
e a FPA da amostra de referncia com 160 elementos. Esta
amostra de referncia retrata a fisionomia do processo em
anlise. As simulaes das amostras menores devem apresentar
comportamento semelhante para haver representatividade delas
com o processo. Na Figura 1b observa-se que a produtividade
na cota de 100% do processo de soldagem de 120 cm3/Hh.
A produtividade nas cotas de 95% e 90% so, respectivamente,
de 50 e 40 cm3/Hh. Assim, tem-se a referncia bsica da
produtividade do processo para um dimensionamento mais
adequado da mo de obra a ser utilizada.
4.2. Amostra 20el com 20 elementos
A amostra 20el retirada de forma aleatria da amostra
de referncia 160el. Para a simulao pelo MMC inicialmente
avaliada a funo densidade de probabilidade que melhor se
adapta a amostra analisada. Conforme observado na Tabela 3,
a funo que apresentou melhor verossimilhana foi funo
de Weibull. De qualquer forma, realizando a simulao com as
funes Beta e Weibull, admitindo-se um nvel de significncia
de 99%, com uma quantidade de 1000 nmeros pseudoaleatrios, obtm-se a estatstica apresentada na Tabela 6. Estas
simulaes foram consideradas vlidas devido a: o teste de
nmero mnimo de elementos em cada classe foi maior que um;
o teste de qui-quadrado ficou abaixo do valor mximo admitido
e o teste de verossimilhana relativa da simulao foi idntico
ao da amostra.

207

Jos Luiz Ferreira Martins, Miguel Luiz Ribeiro Ferreira, Jos Murilo Ferraz Saraiva

Figura 1 - FDP e FPA da Amostra de Referncia com 160 elementos


Tabela 6 - Resumo da estatstica da amostra com20 elementos e
respectivas simulaes [cm3/Hh]
Estatstica
Mximo
Mnimo
Mdia
D Padro
Mediana
Moda
Coef Variao
Esperana

Amostra
75.90
7.00
23.80
18.98
15.80
7.00
0.80
24.90 24.06

MMC Beta
75.90
7.13
27.62
14.00
24.93
7.13
0.51
27.82

MMC Weibull
75.90
7.05
22.22
10.98
19.84
7.04
0.49
22.31

Na Figura 2 so mostradas as curvas representativas da


FDP e FPA da amostra de referncia e das simulaes. Verificase que a funo Weibull apresenta maior semelhana com a
curva da amostra de referncia do que com a funo Beta, como
verificado anteriormente. Assim, pode-se afirmar com um nvel
de significncia de 99% que a simulao da produtividade com a
amostra 20el apresenta forma semelhante curva da amostra de
referncia, principalmente com a utilizao da curva gerada pela
funo de Weibull, mostrando uma diferena relativa menor,
como mostrada na Figura 3, em que condio semelhante
constatada nas outras pequenas amostras utilizadas para
exemplificao.

Figura 2 - FDP e FPA da amostra 20el e simulao MMC Beta e Weibull

208

Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Estimativa da Produtividade em Soldagem pelo Mtodo de Monte Carlo

Figura 3 - Diferena da amostra de referncia e simulao MMC Beta e Weibull da amostra 20el
4.3. Amostra com 15 elementos
A amostra 15el aleatoriamente escolhida dos elementos
da amostra 160el. Realizando a simulao, com nvel de
significncia de 99% e com uma quantidade de 1000 nmeros
pseudo-aleatrios, obtm a estatstica apresentada na Tabela
7. Esta simulao foi considerada vlida devido a: o teste de
nmero mnimo de elementos em cada classe ficou maior que
um; o teste de qui-quadrado ficou abaixo do valor mximo
admitido e o teste de verossimilhana relativa da simulao foi
idntico ao da amostra.
Tabela 7 - Resumo da estatstica da amostra com 15 elementos
e respectivas simulaes [cm3/Hh]
Estatstica
Amostra
MMC Beta MMC Weibull
Mximo
Mnimo
Mdia
D Padro
Mediana
Moda
Coef Variao
Esperana

88.90
8.00
26.79
22.04
16.70
8.00
0.82
29.33 27.11

88.90
8.21
33.20
17.21
29.96
8.21
0.52
33.57

88.90
8.23
28.04
13.60
25.40
8.23
0.49
28.15

Na Figura 4 so mostradas as curvas representativas da


FDP e FPA da amostra de referncia e da simulao. Verificase que a funo Weibull apresenta maior semelhana com a
curva da amostra de referncia do que com a funo Beta,
como verificado anteriormente Observando-se a Figura 4b,
pode-se afirmar com um nvel de significncia de 99% que a
simulao da produtividade com a amostra 15el apresenta forma
semelhante curva da amostra de referncia, principalmente
com a utilizao da curva gerada pela funo de Weibull, por
apresentar diferena relativa menor. Esta constatao realizada
Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

pela avaliao da diferena entre os parmetros das classes da


amostra de referncia e os das classes da simulao da pequena
amostra com 15 elementos.
4.4. Amostra com 10 elementos
Como nas amostras anteriores, a amostra com 10 elementos
foi retirada de forma aleatria da amostra 160el. Da mesma forma
que a utilizada nas amostras anteriores, inicialmente avaliada a
funo densidade de probabilidade, FDP, que melhor se adapta a
amostra analisada. Realizando a simulao utilizando as funes
Weibull e Beta, com uma quantidade de 1000 nmeros pseudoaleatrios e considerando um nvel de significncia de 99%,
obtm a estatstica apresentada na Tabela 8.
Tabela 8 - Resumo da estatstica da amostra com 10 elementos
e respectivas simulaes [cm3/Hh]
Estatstica
Mximo
Mnimo
Mdia
D Padro
Mediana
Moda
Coef Variao
Esperana

Amostra
130.30
8.00
38.99
37.89
34.65
8.00
0.97
39.13 39.21

MMC Beta
130.30
8.12
30.73
18.71
26.36
8.12
0.61
32.46

MMC Weibull
130.3
8.12
32.43
19.75
27.73
8.16
0.61
39.21

Na Figura 5 so mostradas as curvas representativas da FDP


e FPA da amostra de referncia e da simulao. Na simulao
com a funo de Weibull verifica-se maior semelhana com a
curva da amostra de referncia do que com a simulao com a
funo Beta. Esta constatao foi anteriormente verificada pela
avaliao da mxima verossimilhana destas funes aplicadas
nas amostras em que a funo de Weibull apresentou valor maior.
209

Jos Luiz Ferreira Martins, Miguel Luiz Ribeiro Ferreira, Jos Murilo Ferraz Saraiva

Figura 4 - FDP e FPA da amostra 15el e simulao MMC Beta e Weibull

Figura 5 - FDP e FPA da amostra 10el e simulao MMC Beta e Weibull


4.5. Anlise do Resultado das Simulaes
As observaes que so identificadas podem ser resumidas
em: a mdia e o desvio padro do processo so de 26.14 cm3/Hh
e 18.81 cm3/Hh, respectivamente.
A avaliao da mxima verossimilhana das funes
aplicveis para a anlise possibilitou a comparao da funo
que melhor se adapta a distribuio dos elementos das amostras
analisadas. Na anlise de produtividade em soldagem eltrica
com o processo de eletrodo revestido verificou-se que a funo
que melhor identifica a fisionomia do processo a distribuio
de Weibull, como constatado pelos grficos das FDP e FPA das
simulaes em comparao com a amostra de referncia. Com
relao quantidade de nmeros pseudo-aleatrios gerados
210

na simulao de cada amostra foi utilizado o mximo de 1000


nmeros e foi tomado o cuidado de verificar a quantidade mnima
de um elemento por classe. Assim, no houve necessidade de
alterar o nmero de classes calculadas pela regra de Sturges.
Mesmo as amostras que apresentam um intervalo de variao
com mximo menor que o mximo da amostra de referncia
tem capacidade de identificar a produtividade do processo
analisado, como no caso das amostras 20el e 15el. Observouse em outras amostras aleatrias com o mximo prximo a
metade do mximo da amostra de referncia, que grande parte
das simulaes no apresentava aderncia com as amostras. Por
outro lado, a amostra 10el mostra a importncia da informao
da abrangncia dos limites do processo em anlise. Foram
realizados testes com outras amostras aleatrias que mostram
Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Estimativa da Produtividade em Soldagem pelo Mtodo de Monte Carlo

condies de identificao semelhantes s apresentadas com as


amostras utilizadas neste trabalho.
O valor da produtividade mdia ou da esperana um
valor provvel, sendo o mais utilizado para estabelecimento de
valores em concorrncias. A produtividade mxima, ou seja, o
mximo de produtividade do processo, lido na cota de 100%,
o valor mais otimista, pelo fato de necessitar de um valor menor
de Hh para a realizao da tarefa. Assim, quando se avalia a
produtividade de um processo de soldagem em [cm3/Hh] a FPA
obtida representa um valor percentual mnimo, passando pela
mdia, mediana, moda, no necessariamente nesta ordem, at
o valor de percentual 100% que corresponde produtividade
mxima.
Pela avaliao da produtividade na cota de 100% e,
por exemplo, 95% refletem a condio de tangente zero da
variabilidade do comportamento do processo analisado. Assim,
uma boa prtica observar a variao da produtividade nas cotas
100%, 95%, 90% e 50% e avaliar a variao entre estes valores
obtidos, para melhor tomada de deciso de que valor usar como
referncia para dimensionamento da produtividade do processo.
Desta forma, possvel estabelecer uma regra para a estimativa
da produtividade considerando uma estimativa otimista na
cota de 90% da FPA, uma estimativa provvel no valor mdio
e uma estimativa pessimista no valor mnimo identificados na
simulao das pequenas amostras. Por outro lado, a avaliao do
grfico FPA permite obter o grau de incerteza na adoo de cada
um destes critrios, produtividade mdia, pessimista e otimista,

Assim, a probabilidade de ocorrncia de produtividade inferior


referente cota 90%, tanto nas curvas geradas por simulao,
quanto na amostra de referncia, de 90%, razo pela qual se
trata de uma estimativa otimista do processo em questo. Quando
se adota os valores mnimos da curva FPA a probabilidade de
ocorrncia de probabilidade maior do que este valor tende para
100%. Ao analisar as curvas geradas por simulao, utilizando
a curva Weibull como funo geratriz, e as amostras de 15el
e 20el, as que apresentaram melhor aderncia com o universo
considerado, correspondente a amostra de referncia, se
observa que a produtividade mdia se situa em torno da cota
80%. Assim, ao adotar o critrio de produtividade mdia, que
o mais usado pela indstria, a probabilidade de ocorrncia de
valores de produtividade inferiores de 80%, aproximando este
critrio da condio mais otimista em termos de produtividade.
Neste sentido, estes resultados revelam que uma boa prtica
na elaborao de estimativas de produtividade considerar
as possibilidades das probabilidades de ocorrncia para valor
adotado segundo a FPA, avaliando-se em cada situao a opo
escolhida e o grau de incerteza que a mesma representa. Esta
proposio diferente da utilizada pela indstria atualmente,
que baseia suas estimativas de custo, prazo e oramento no
critrio da produtividade mdia.
As estimativas para controle da produtividade ficam mais
bem definidas tendo em vista a identificao da estimativa de
produtividade otimista, da mdia e da pessimista, conforme
mostrado na Tabela 9.

Tabela 9 - Resumo dos Cenrios de Produtividade do Processo de Soldagem [cm3/Hh]


Otimista (90% FPA)

Produtividade Mdia

Pessimista (mnimo)

160 elementos (Referncia)

Amostra

42

26.14

2.40

MMC 20 elementos
MMC 15 elementos
MMC 10 elementos

37
35
41

22.22
28.04
32.43

7.05
8.23
8.12

5 Concluso
Pelos resultados apresentados, verifica-se a aplicabilidade
da simulao pelo mtodo de Monte Carlo na avaliao da
produtividade do processo de soldagem por eletrodo revestido
utilizado na montagem de tubos com base em pequenas amostras,
o que demonstrado pela aderncia das amostras geradas por
simulao com base em pequenas amostras em relao amostra
de referncia com 160 elementos.
Quanto funo geratriz para simulao que apresentou
valores mais prximos a situao real a funo Weibull, o
que contrasta com a afirmao de vrios autores que propem a
utilizao da funo Beta.
Para seleo do tamanho da pequena amostra a ser
considerada para realizao da simulao, neste trabalho podese constatar que as curvas geradas via amostras com 15 e 20
elementos apresentaram resultados satisfatrios.
No que diz respeito, a estimativas de produtividade na
elaborao de oramentos, projees de prazo, ajustes de
prazo e custo, entre outras, o mtodo permite uma anlise mais
abrangente das probabilidades de ocorrncia da produtividade
Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

pela anlise da FPA gerada por simulao e pela possibilidade de


adoo de estratgias mais diversificadas, sendo que se sugerem
neste trabalho os critrios de produtividade mdia, pessimista e
otimista.
Referncias Bibliogrficas
[1] GIOIA, A. L. S.; JUNIOR, I. F. da S. Avaliao de
Metodologia para Medio da Produtividade na Atividade de
Montagem de Tubulao em Obras Industriais. Niteri, 2007.
52 f. Monografia (Ps-Graduao em Montagem Industrial e
Fabricao Mecnica) Escola de Engenharia, Universidade
Federal Fluminense, Niteri, 2007.
[2] CONSTNCIO, D. S. Indicadores de Produtividade
em juntas de topo soldadas de tubulao de ao carbono.
Niteri, 2009. 121 p. Projeto de Graduao (Graduao em
Engenharia Mecnica), Departamento de Engenharia Mecnica,
Universidade Federal Fluminense
[3] CONSTNCIO, D. S.; FERREIRA, M. L .R.; FREIRE I.
J.. Estimativa de Produtividade na Soldagem de Tubulaes
Industriais utilizando o Mtodo de Monte Carlo. XXXV
211

Jos Luiz Ferreira Martins, Miguel Luiz Ribeiro Ferreira, Jos Murilo Ferraz Saraiva

CONSOLDA Congresso Nacional de Soldagem; ABS


Associao Brasileira de Soldagem. Piracicaba, So Paulo,
Brasil. 2009.
[4] DIEKMANN, J.E.; HEINZ, J. Determinants of Jobsite
Productivity. CII, 2001. 144 p.
[5] PROMINP (Programa de Mobilizao da Indstria do
Petrleo e Gs Natural). Projeto E&P 27.5 Mtricas de
Desempenho da Indstria Nacional. Padres de Mtricas da
Indstria EPC Nacional. 2010.
[6] PAGE, J.S.; NATION, J.G. Estimators Piping Man Hour
Manual, first revision, Gulf Pub Comp. Houston. Texas. 1967.
[7] AWS - American Welding Society. Welding Related
Expenditures and Productivity Measurement in U.S.
Manufacturing, Construction, and Mining Industries. 2002. 90
p.
[8] BRITO, J.D.; PARANHOS, R. Como Determinar os Custos
da Soldagem, Ed. R Paranhos. 2005.
[9] MORANO, C.A.R.; FERREIRA, M.L.R. Aplicao do
Mtodo de Monte Carlo em Anlise de Riscos em Projetos de
Construo. Niteri, 2003. 7 p.
[10] COCHRAN, W. G. The Combination of Estimates from
Different Experiments. Biometrics, Vol. 10, No. 1, pp. 101-129.
1954
[11] RODRIGUES, V.V. Modelo de Anlise de Risco Aplicado
a Estudos de Viabilidade para Construo e Incorporao
de Prdios Residenciais. Niteri, 2001. 220 p. Dissertao
(Mestrado em Engenharia Civil) Programa de Ps-Graduao
em Engenharia Civil, Universidade Federal Fluminense, Niteri.
2001.
[12] MORANO, C.A.R. Aplicao das Tcnicas de Anlise
de Risco em Projetos de Construo. Niteri, 2003. 205 p.
Dissertao (Mestrado em Engenharia Civil) Programa de
Ps-Graduao em Engenharia Civil, Universidade Federal
Fluminense, Niteri. 2003.
[13] ZIO, E.; BARALDI, P.; PATELLI, E. Assessment of
the availability of an offshore installation by Monte Carlo
simulation, Dipartimento Ingegneria Nucleare, Politecnico di
Milano, Milan, Italy, International Journal of Pressure Vessels
and Piping 83 (2006), pp 312320. 2006.
[14] TIPPER, J.C. A simple method for representing some
univariate frequency distributions, with particular application
in Monte Carlo-based simulation, Computers & Geosciences 34
(2008), pp 11541166. 2008.
[15] WU, Yun-Fu. Correlated sampling techniques used in
Monte Carlo simulation for risk assessment, Nuclear Safety
Department, Taiwan Power Company, 242, Roosevelt Road,
Section 3, Taipei, Taiwan 100, Republic of China, International
Journal of Pressure Vessels and Piping 85 (2008), pp 662669.
2008.
[16] GUPTA, A.; MUKHERJEE, B.; UPADHYAY, S.K. Weibull
extension model: A Bayes study using Markov chain Monte
Carlo simulation, Department of Statistics, & DST Centre
for Interdisciplinary Mathematical Sciences, Banaras Hindu
University, India, Reliability Engineering and System Safety 93
(2008), pp 14341443. 2008
[17] ROYALL, R.M. Statistical Evidence: a Likelihood
Paradygm . Boca Ranton: Chapman & Hall/CRC, 1997, 191p.
212

[18] TRIOLA, M.F. Introduo Estatstica. 7a. Ed. Rio de


Janeiro: LTC, 1999.
[19] NASCIMENTO, L.S.V., CAMPOS, J.N.B. e STUDART,
T.M.C. Anlise da Eficincia dos Mtodos dos Momentos e
da Mxima Verossimilhana na Estimativa de Parmetros da
Distribuio Gama II: Uma Abordagem Probabilstica. In: XV
Simpsio Brasileiro de Recursos Hdricos, 2003, Curitiba. XV
Simpsio Brasileiro de Recursos Hdricos. Porto Alegre: ABRH,
2003.
[20] BATISTA, J. L. F. ; COUTO, H. T. Z. . A razo de
verossimilhana como alternativa aos testes de aderncia: um
exemplo de distribuio diamtricas de florestas tropicais. .
In: 47a. Reunio Anual da Regio Brasileira da Sociedade
Internacional de Biometria (RBRAS), 2002, Rio Claro. 47a.
Reunio Anual da Regio Brasileira da Sociedade Internacional
de Biometria (RBRAS) - Programa e Resumos, 2002. p. 42-42.
[21] MATHWORKS. MATLAB The language of technical
computing. Using MATLAB. Ver.6. The MathWorks, Inc.
Natick, MA, USA. 2001.
[22] MATHWORKS. Statistics Toolbox 6. Users Guide. The
MathWorks, Inc. 2007.

Soldag. insp. So Paulo, Vol.16, No. 3, p.204-212, Jul/Set 2011

Вам также может понравиться