Professional Documents
Culture Documents
DO
RIO
DE
JANEIRO
COMO
PARTE
DOS
REQUISITOS
Aprovada por:
Prof. Paulo Fernando Ferreira Frutuoso e Melo, D.Sc.
Abordagem
Fuzzy
com
ii
Aos meus pais, meu av e meu irmo, por acreditarem que tudo isto seria possvel e me
apoiarem em todos os momentos.
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.
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.
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
Maro/2006
March/2006
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
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
5. Concluses e Recomendaes................................................................54
5.1. Concluses...................................................................................................54
5.2. Recomendaes............................................................................................55
Referncias Bibliogrficas.................................................................................57
viii
ACRNIMOS
Conjunto Alto
AFWS
AFWT
APGF
APS
Conjunto Baixo
CCF
CCP
CCR
DEA
DMU
FCCR
FDEA
FMEA
FMECA
GRA
IAEA
Isoq
Isoquanta
Conjunto Moderado
MA
Max
Mximo
MDP
Min
Mnimo
PAPGF
PCCR
PDEA
PWR
ix
Conjunto Remoto
RPN
s.t
Subject to Sujeito a
SG
Steam Generator
Sup
Supremo
TDP
ndice de Ocorrncia
ndice de Gravidade
ndice de Deteco
Universo de Entrada
Universo de Sada
Varivel de Entrada
Varivel de Sada
Fj
Gj
(x)
Interseo
Unio
Somatrio
Cr
Criticidade
h0
Percentual de melhoria
CrOG
CrGD
Medida de possibilidade
()
xi
Elemento de
Ri
xii
LISTA DE FIGURAS
12
14
14
15
17
19
21
23
para output
Figura 3.1 - Limites da funo de pertinncia trapezoidal
34
37
43
44
48
xiii
LISTA DE TABELAS
16
17
17
Tabela 4.1 - Anlise dos modos e efeitos de falha (FMEA) para o AFWS
38
40
42
43
45
46
46
50
51
52
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
Risco uma expresso comumente utilizada para representar as incertezas referentes a uma determinada
ao, estado de um componente etc, Faber and Stewart (2003).
Caractersticas
ndices
9 e 10
7e8
4, 5 e 6
2e3
1
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
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%
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
i.
ii.
iii.
iv.
JUSTIFICATIVA
Conforme previamente mencionado, no trivial tomar qualquer deciso quando se
importncia
aos
efeitos
associados
ocorrncia
de
Para validar este argumento, faz-se mister que seja realizada uma extensa reviso
bibliogrfica, com respeito aos principais mtodos atualmente utilizados para priorizar
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
(2.1)
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
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
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)
13
1
0,8
0,6
0,4
0,2
0
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)
1
0,8
0,6
0,4
0,2
0
14
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
~ ~
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
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
1
0,8
R
B
M
A
MA
0,6
0,4
0,2
0
0
10
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
17
u* =
i =1
N
k =1
n
x i o,k ( x i )
(2.5)
o,k ( x i )
i = 1 k =1
2.3
18
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
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.
21
Eficincia Tcnica =
(2.7)
(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,
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
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:
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.
ii.
24
Cr =
1
(CrOG + CrGD )
2
(2.12)
25
CAPTULO III
Originalidade a arte de ocultar as fontes...
(Benjamin Franklin)
3.1
MODELO FUZZY-DEA
A teoria de conjuntos fuzzy vem sendo utilizada como tcnica para quantificar
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
~
~
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
27
28
3.2
({
})
~
~
~ ( s ) = i i | ( i ) = s = sup ({ i }) | ( i ) = s , s
i i
(3.2)
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:
{(
)}
11
22
11
22
(3.4)
~
~
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)
(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
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)
introduzido
por
CHARNES
COOPER
(1959
apud
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
2,
respectivamente,
do
modelo
(3.12).
Enquanto
que
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 ~
~
iguais ao valor de f com nvel de possibilidade , enquanto que, ao mesmo tempo,
menos , isto , a = {s | a~ ( s) } .
Definio 4. Uma varivel fuzzy a~ convexa se:
32
i.
ii.
iii.
n ~
(~a )
i =1
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.
(3.13)
T
(u ~
x0 ) L0 1
T
T
(v ~
y u ~
x ) L 0
u, v 0
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
3.3
34
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
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.
i.
36
ii.
AFWT
50%
MDP
100%
SG
TDP
50%
MDP
ii.
iii.
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
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
38
39
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
Rfb
6
3
3
6
6
4
4
5
1
1
2
2
3
40
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
42
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
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
12
10
8
6
4
OxG
OxG
2
0
0
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
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.
44
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)
45
realizados junto a estes modos de falha, para se adquirir informaes mais detalhadas a
respeito.
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
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.
47
O subsistema primrio, que ser tratado nesta tese, composto pelas seguintes
parties principais:
48
49
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
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
51
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.
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.
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
Com a
utilizao
do
modelo
PAPGF
torna-se
desnecessrio
54
5.2. RECOMENDAES
56
REFERNCIAS BIBLIOGRFICAS
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
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., 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.
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.
59
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.
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.
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.
Military Standard 1629A, 1984. Procedure for performing a failure modes effects and
criticality analysis, US Department of Defense.
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
PILLAY, A. e WANG, J., 2003. Modified failure mode and effect analysis using
approximate reasoning, Reliability Engineering and System Safety, v. 79, pp. 6985
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.
63