Para a análise FMEA, quanto menor o grau de relação, maior será o impacto da falha. Com a aplicação da teoria Grey no método FMEA, o engenheiro passa a ser capaz de atribuir a importância relativa à cada fator baseado na sua estratégia e pesquisa.
2.3.6. COEFICIENTE DE DISTINÇÃO 𝜻
O coeficiente de distinção 𝜁(0 < 𝜁 ≤ 1), segundo Chang e Lin (1999) e Bonanomi, et al, (2010), é o coeficiente de distinção utilizado para ajustar intervalo do ambiente de comparação e controlar o nível das diferenças do coeficiente de relação.
O ranking de priorização pode variar com a variação do coeficiente de distinção. Quanto menor for o 𝜁, maior será a capacidade de distinção entre duas séries, ou seja, maior a sensibilidade. Entretanto, menor será a estabilidade, pois as variações começam a se tornar muito grandes, mesmo com alterações pouco significativas no valor do 𝜁. Por este motivo existe um equilíbrio entre a estabilidade dos resultados e a capacidade de distinção.
Para Chang e Lin (1999), o intervalo ideal para o coeficiente de distinção é entre 0,3 e 0,5, pois possui uma capacidade de distinção moderada e uma boa estabilidade. Para
que se possa observar como os Graus de Relação Grey se comportam de acordo com a variação do ζ, foi elaborado o modelo abaixo.
2.3.6.1. EXEMPLO ILUSTRATIVO – TEORIA GREY
Para o melhor entendimento do efeito que o coeficiente 𝜁 causa no Grau de Relação, foi elaborado um exemplo, tendo como base o exemplo utilizado para ilustrar a aplicação de FMEA na seção 2.2.1. O exemplo possui 6 séries e 3 fatores, conforme retirados da Tabela 1 e reiterados na Tabela 2. A Série Padrão correspondente é 𝑋0= [1 1 1] e os pesos atribuídos para os fatores 1, 2 e 3 foram 0,3, 0,5 e 0,2 respectivamente.
Tabela 2 - Exemplo Ilustrativo – Série Comparativa
Após o cálculo das diferenças e dos Coeficientes de Relação, a Tabela 3 e a Tabela 4 mostram, respectivamente, o Grau de Relação das séries e a prioridade de cada uma, de acordo com o coeficiente de distinção, variando em 0,1 de 0,1 até 1. A Figura 4 ilustra graficamente esta variação.
ID Fator 1 Fator 2 Fator 3
1 4 6 5 2 5 6 9 3 4 8 4 4 10 10 1 5 5 8 3 6 9 4 5
Tabela 3 - Graus de Relação por Coeficiente de Distinção - Exemplo
Tabela 4 - Prioridade por Coeficiente de Distinção - Exemplo
ID 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1 0,182 0,307 0,398 0,468 0,523 0,567 0,604 0,635 0,662 0,685 2 0,152 0,262 0,347 0,413 0,468 0,513 0,55 0,583 0,611 0,635 3 0,172 0,29 0,376 0,443 0,496 0,539 0,576 0,606 0,633 0,656 4 0,273 0,333 0,385 0,429 0,467 0,5 0,529 0,556 0,579 0,6 5 0,174 0,29 0,375 0,44 0,493 0,536 0,572 0,603 0,629 0,653 6 0,182 0,305 0,393 0,461 0,514 0,557 0,593 0,624 0,65 0,672 Graus de relação/ζ ID 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1 4º 5º 6º 6º 6º 6º 6º 6º 6º 6º 2 1º 1º 1º 1º 2º 2º 2º 2º 2º 2º 3 2º 2º 3º 4º 4º 4º 4º 4º 4º 4º 4 6º 6º 4º 2º 1º 1º 1º 1º 1º 1º 5 3º 3º 2º 3º 3º 3º 3º 3º 3º 3º 6 5º 4º 5º 5º 5º 5º 5º 5º 5º 5º Prioridade/ζ
Figura 4 - Análise de Sensibilidade do Coeficiente de Distinção - Exemplo
Como pode-se perceber, o ranking sofre grandes alterações com valores pequenos de 𝜁, devido a grande instabilidade apresentada. No caso mostrado, o ranking começa a estabilizar a partir do valor 𝜁 = 0,4 e, a partir de 𝜁 = 0,5, se estabiliza de vez, tendo assim uma convergência no ranking. Em consequência desta falta de estabilidade, deve-se evitar utilizar valores muito baixos de 𝜁. Da mesma forma, não se deve utilizar valores muito altos, pois, estes valores não apresentam uma boa capacidade de distinção. Por estes motivos, é adotado, neste trabalho, o valor de 𝜁 = 0,5, para determinar da melhor forma o ranking.
3. CAPÍTULO III – METODOLOGIA
3.1. ESTUDO REALIZADO
A Figura 5 apresenta o fluxograma geral do presente estudo, ilustrando os passos que são seguidos durante todo o mesmo. Durante o decorrer desta seção será explicado mais detalhadamente como é o andamento deste estudo.
Durante este estudo, foi utilizado o apoio da equipe da área de processamento de sinais acústicos do projeto em questão, que é também responsável pelo recebimento e armazenamento dos dados, para, inicialmente, determinar as possíveis causas que podem levar à perda de dados, e, posteriormente, para melhor atribuir os valores de severidade, ocorrência e detecção durante a análise FMEA.
O estudo a ser desenvolvido neste trabalho inicia com a aplicação do diagrama de Ishikawa, também conhecido como diagrama de causa-e-efeito ou “espinha de peixe”, visando identificar e analisar de uma maneira macro as possíveis causas, dentro do projeto, que possam impactar na aquisição dos dados acústicos submarinos ou, ainda, acarretar na sua perda, de forma a priorizá-las. Para essa análise foi debatido, junto do especialista e chefe da área de processamento de sinais acústicos, e realizado um brainstorming para se determinar as causas que levam no efeito citado. Tendo sido definidas as causas, o Diagrama foi estruturado de forma a melhor ilustrar o problema.
Após a elaboração do diagrama de Ishikawa, é realizada uma Análise de Modos de Falha e seus Efeitos, FMEA (Failure Mode and Effect Analysis), para melhor estruturar as possíveis falhas que o sistema possui e conseguir priorizá-las, através dos seus fatores de severidade, ocorrência e detecção, visando definir as causas mais críticas para as perdas de dados. Para auxiliar nesta análise, foi aplicada a teoria Grey, em conjunto ao FMEA, acrescentando uma maior confiabilidade à priorização obtida.
Para fins de demonstração, é calculado o RPN através da abordagem tradicional do FMEA, com o intuito de comparar a priorização obtida a partir dele com a priorização obtida através da aplicação da teoria Grey. Para o cálculo desse RPN são atribuídos os valores de severidade, ocorrência e detecção de acordo com os critérios apresentados na Tabela 5 - Critérios de Severidade, Tabela 6 - Critérios de Ocorrência e Tabela 7 - Critérios de Detecção:
Tabela 5 - Critérios de Severidade
Tabela 6 - Critérios de Ocorrência
Muito baixo Efeito desprezivel 1
Má inserção de uma pequena quantidade de dados
no banco de dados 2
Má inserção de uma quantidade significante de
dados no banco de dados 3
Má inserção de uma grande quantidade de dados
no banco de dados 4
Perda recuperavel de uma pequena quantidade de
dados 5
Perda recuperavel de uma quantidade significante
de dados 6
Perda recuperavel de uma grande quantidade de
dados 7
Perda irrecuperavel de uma pequena quantidade
de dados 8
Perda irrecuperavel de uma quantidade
significante de dados 9
Perda irrecuperavel de uma grande quantidade de
dados 10 Alto Muito alto Moderado Baixo Severidade (S) Remota 0 1 1/20000 2 1/10000 3 1/2000 4 1/1000 5 1/200 6 1/100 7 1/20 8 1/10 9 1/2 10 Muito alta Alta Baixa Moderada Ocorrência (O)
Tabela 7 - Critérios de Detecção
Para determinar o ranking de priorização através da aplicação da teoria Grey, foram utilizados os passos como explicados nas seções 2.2 e 2.3. Inicialmente utilizou-se a tabela com os valores de severidade, ocorrência e detecção, construída na aplicação do FMEA tradicional, para determinar a Série Comparativa. Então definiu-se como Série Padrão os menores valores possíveis para cada fator (1, 1, 1). Em seguida, a matriz de diferenças entre a Série Comparativa e a Série Padrão foi determinada. Através da matriz de diferenças foram calculados os valores dos Coeficientes de Relação Grey, para severidade, ocorrência e detecção, conforme Equação 7, Equação 8 e Equação 9, respectivamente.
Antes de calcular o Grau de Relação da Teoria Grey foram considerados pesos de 0,3, 0,5 e 0,2 para severidade, ocorrência e detecção, respectivamente, de modo a ponderar a análise. Esses pesos foram escolhidos devido à preocupação existente, dentro do projeto, com a frequência com que a perda de dados pode vir a acontecer.
Remota Detecção quase certa do modo de falha antes da
perda de dados 1
Probabilidade muito alta de detecção do modo de falha antes da perda de dados 2 Probabilidade alta de detecção do modo de falha
antes da perda de dados 3
Probabilidade moderadamente alta de detecção do modo de falha antes da perda de dados 4 Probabilidade moderada de detecção do modo de
falha antes da perda de dados 5 Probabilidade baixa de detecção do modo de falha
antes da perda de dados 6
Probabilidade muito baixa de detecção do modo de falha antes da perda de dados 7 Probabilidade remota de detecção do modo de
falha antes da perda de dados 8 Probabilidade muito remota de detecção do modo
de falha antes da perda de dados 9 Não é possível detectar o modo de falha 10
Detecção (D)
Baixa
Moderada
Alta
Tabela 8 - Pesos dos Fatores
Após a escolha dos pesos, o Grau de Relação foi obtido através da soma ponderada dos Coeficientes de Relação com seus respectivos pesos, segundo a Equação 13. O ranking de prioridades depois da aplicação da teoria Grey é determinado, onde quanto menor o Grau de Relação, maior a prioridade. Para avaliar a aplicação da teoria Grey em comparação a aplicação tradicional de FMEA, pode-se avaliar os dois rankings de comparação adquiridos.
Tendo sido definido quais são as causas críticas pelo FMEA, o estudo seguirá buscando sugestões de melhorias para as causas levantadas, e estimando as consequências que estas melhorias trarão para os modos de falha.
3.2. LIMITAÇÕES DO ESTUDO
Como o estudo foi realizado em uma empresa que realiza apenas uma parte do escopo do projeto, não foi possível analisar as possíveis causas que levam à perda de dados nos demais pontos do projeto, como em outros sistemas de aquisição administrados pelas demais empresas.
Severidade Ocorrência Detecção
0,3 0,5 0,2
4. CAPÍTULO IV – ESTUDO DE CASO
4.1. DESCRIÇÃO DO PROJETO
Este estudo de caso é realizado em um projeto oriundo do termo de cooperação de várias empresas e órgãos brasileiros, porém, essas empresas e órgãos serão tratadas de forma anônima, não sendo relevados seus nomes nem informações que possam caracterizá-los.
Esse projeto visa, como objetivo principal, observar o impacto que a inserção de energia antropogênica, em especial o ruído acústico, oriundo da exploração de petróleo em águas profundas causa à biota marinha na costa brasileira. Para isso, o projeto utiliza diversos sistemas de aquisição de sinal acústico submarino espalhados pela região de interesse, a fim de registrar os ruídos, tanto de origem natural quanto de origem antropológica, em diversos pontos e realizar o monitoramento desta paisagem acústico submarina. Dentre estes sistemas, são utilizados tanto sistemas de aquisição fixos, como sistemas de aquisição móveis, que coletam uma grande quantidade de dados por dia.
Os dados adquiridos por todos estes sistemas são encaminhados para uma empresa específica, denominada de forma fictícia como “EPA” – Empresa de Processamento e Armazenamento de dados – que realiza o recebimento deste volume de dados, faz o processamento e tratamento dos sinais acústicos e armazena os dados em um servidor. Um dos objetivos secundários deste projeto é disponibilizar estes dados para a comunidade científica, de forma que possam ser acessados e estudados no futuro. Porém, antes de disponibilizar estes dados, a EPA deve antes realizar um crivo, de forma a reservar os dados tidos como confidenciais, devido sua relevância estratégica ou militar. Além do recebimento, processamento e armazenamento dos dados, a EPA é responsável, ainda, pela instalação, manutenção e aquisição dos dados de um dos sistemas de aquisição implantados no projeto. Este é um dos sistemas fixos de aquisição, que será aqui denominado como gravadores fixos, que foi instalado em alguns pontos estratégicos da região de interesse, de modo a captar a movimentação de navios próximos às rotas de exploração do petróleo.
O gravador fixo utilizado é um sistema submerso fixo de aquisição de dados acústicos submarinos, que possuem vários modelos, alguns desenvolvidos pela própria empresa e outros adquiridos de fora. Todos eles possuem:
1) Um hidrofone, que é um sensor responsável por captar os ruídos acústicos e convertem em sinal que pode ser analisado e estudado; 2) Slot de armazenamento, que é o espaço onde os cartões de memória,
normalmente cartões micros SD, são inseridos para armazenar os dados coletados pelo hidrofone;
3) Uma placa de processamento, responsável por configurar e controlar o funcionamento do hidrofone;
4) Um conjunto de baterias, que alimenta o sistema e o mantem ligado; 5) Uma poita, que é a estrutura de concreto que serve como peso para
prender e manter o gravador no fundo do mar, na posição pré- definida; e
6) Uma boia de sinalização, que auxilia a equipe de recuperação e manutenção a localizar o equipamento.
Com este grande volume de dados que deve ser manuseado e armazenado, além da importância que há na captação de novos sinais acústicos derivados dos sistemas de aquisição, é clara a preocupação que existe, tanto quanto à possibilidade de perda dos dados já coletados, quanto à hipótese de que alguns dos sistemas deixem de coletar uma quantidade significante de dados, pois isto pode acarretar em diversas consequências para o projeto e para as empresas envolvidas. Por esse motivo é fundamental que seja realizado uma pesquisa acerca das possíveis causas que possam levar a esta perda ou falta de aquisição de dados.
Este estudo de caso foi motivado por esta preocupação e será realizado na EPA, de modo a identificar e melhor compreender estas causas que podem ocorrer durante as fases de aquisição dos dados pelos gravadores fixos e de recebimento, processamento, armazenamento e manuseio dos dados oriundos de todos os sistemas. Durante o estudo foi utilizado o apoio da equipe da área de processamento de sinais acústicos da EPA, que é composta por três funcionários, além do encarregado da equipe.
Comentado [UdW1]: Colocar os itens na forma de
Para melhor ilustrar o projeto em que a EPA está inserido, a Figura 6 traz um fluxograma generalizado das atividades realizadas no projeto, de uma perspectiva macro, indicando as relações entre as empresas, os sistemas de aquisição e o fluxo que os dados seguem. A Figura 7 destaca as atividades exercidas pela EPA e é a parte do projeto que o presente estudo aborda. A perda de dados pode ocorrer, principalmente, nos processo de aquisição de dados e de armazenamento.
Figura 7 – Fluxograma indicando as atividades da EPA
4.2. DIAGRAMA DE ISHIKAWA
Para a elaboração do Diagrama de Ishikawa, é preciso, primeiro definir qual será o efeito a ser analisado. Para este problema, foi definido como efeito a ser analisado a “Perda de Dados”, que pode ser entendida tanto como a perda ou má armazenamento de dados já coletados, como a aquisição deficiente ou falta de aquisição de dados conforme o programado.
Após a análise do sistema como um todo e a realização de um brainstorming sobre as principais causas para a perda, falha na aquisição ou má armazenamento de dados, foram levantadas as seguintes causas-raízes e subcausas:
• Gravador parou de gravar o Hidrofone mal conectado o Bateria defeituosa o Cartão mal inserido o Micro SD defeituoso
o Má configuração dos gravadores • Gravador estragou
o Avaria devido ao mau tempo o Danos provocados por embarcações • Gravador foi perdido
o Poita se soltou da boia • Erro no Banco de Dados
o HD defeituoso
o Erro devido à Padronização dos processos não finalizada o Ataque de hackers
o Apagamento acidental de dados
• Deslocamento acidental de dados dentro do Banco de Dados o Erro devido à Padronização dos processos não finalizada o Descuido de funcionário
• Perda do cartão de armazenamento o Descuido de funcionário
Tendo sido levantadas e organizadas as causas foi elaborado o Diagrama de Ishikawa para ilustrar e entender o problema. O diagrama montado pode ser visto na Figura 8.
4.3. APLICAÇÃO DE FMEA UTILIZANDO TEORIA GREY
Para a aplicação do FMEA definiu-se como Função do Sistema adquirir e armazenar dados acústicos. Usando o Diagrama de Ishikawa como base para a estruturação do FMEA, cada causa-raiz foi definida como um Modo de Falha, e cada subcausa como a causa do Modo de Falha correspondente. Em seguida, foi identificado o Efeito que cada Modo de Falha provoca no sistema. Os fatores de severidade, ocorrência e detecção foram atribuídos conforme estabelecidos, na seção 3.1, pela Tabela 5, Tabela 6 e Tabela 7, respectivamente.
Inicialmente foi calculado o RPN de acordo com o FMEA tradicional, onde os fatores são multiplicados e o maior RPN representa a maior prioridade. A Tabela 9 apresenta a análise FMEA seguindo a abordagem tradicional do método.
Função Modo de Falha Efeito Se ver idad e (S) Causa O cor rê n ci a (O ) Meios e Métodos de Controle D ete cç ão (D ) R P N P ri or idad e Adquirir e armazenar dados acústicos Gravador parou de gravar Aquisição deficiente de dados
8 Hidrofone mal conectado 3
Checagem dos dados coletados 6 144 4 8 Bateria defeituosa 4 Checagem dos dados coletados 6 192 1
8 Cartão mal inserido 1
Checagem dos dados coletados 6 48 10 8 Micro SD defeituoso 2 Checagem dos dados coletados 6 96 7 8 Má configuração do gravador 3 Checagem dos dados coletados 8 192 1 Gravador estragou Não aquisição de dados
9 Avaria devido ao mau
tempo 1 Não há 8 72 8
9 Danos provocados por
embarcações 1 Não há 8 72 8 Gravador foi perdido Não aquisição de dados
9 Poita se soltou da boia 2 Não há 8 144 4
Erro no Banco de Dados Perda de dados 6 HD defeituoso 2 Checagem do HD 1 12 12 6 Erro devido à Padronização dos processos não finalizada
5 Não há 5 150 3
6 Ataque de hackers 1 Firewall 4 24 11
6 Apagamento acidental de dados 2 Checagem do HD 1 12 12 Deslocamento acidental de dados dentro do Banco de Dados Dificuldade ao localizar os dados 4 Erro devido à Padronização dos processos não finalizada
5 Não há 5 100 6
4 Descuido de funcionário 2 Checagem do
HD 1 8 14
Perda do cartão de armazenamento
Perda de
dados 2 Descuido de funcionário 2 Visual 1 4 15 Tabela 9 - FMEA Tradicional
A partir da Tabela 9, onde os valores de severidade, ocorrência e detecção são apresentados, é possível obter a Série Comparativa para iniciar a aplicação da Teoria Grey.
Série comparativa
Modos de Falhas Causas Severidade Ocorrência Detecção
Gravador parou de gravar
Hidrofone mal conectado 8 3 6
Bateria defeituosa 8 4 6
Cartão mal inserido 8 1 6
Micro SD defeituoso 8 2 6
Má configuração do
gravador 8 3 8
Gravador estragou
Avaria devido ao mau
tempo 9 1 8
Danos provocados por
embarcações 9 1 8
Gravador foi perdido Poita se soltou da boia 9 2 8
Erro no Banco de Dados
HD defeituoso 6 2 1
Erro devido à Padronização dos processos não finalizada
6 5 5
Ataque de hackers 6 1 4
Apagamento acidental de
dados 6 2 1
Deslocamento acidental de dados dentro do Banco de
Dados
Erro devido à Padronização dos processos não finalizada
4 5 5
Descuido de funcionário 4 2 1
Perda do cartão de
armazenamento Descuido de funcionário 2 2 1
A matriz da série Comparativa pode ser expressa pela Equação 14. 𝑋 = [ 8 3 6 8 4 6 8 1 6 8 2 6 8 3 8 9 1 8 9 1 8 9 2 8 6 2 1 6 5 5 6 1 4 6 2 1 4 5 5 4 2 1 2 2 1]