Hierarquização de Riscos em Empreendimentos de Geração Eólica: uma análise por meio de Fuzzy AHP

Hierarquização de Riscos em Empreendimentos de

Geração Eólica: uma análise por meio de Fuzzy AHP

Sohler3

1 _{Av. das Nações Unidas, 11.541 – 16º andar}

04578-907, São Paulo, SP, Brasil {juliana.ribas@deltaenergia.com.br}

2 _{Av. Athos de Silveira Ramos, 149 Sala F101 – Cidade Universitária}

21945-970, Rio de Janeiro, RJ, Brasil { E-mail: ribas@poli.ufrj.br}

3 _{Rodovia BR-153, km 510, Zona Rural}

74923-650, Aparecida de Goiânia, GO, Brasil E-mail: fsohler@furnas.com.br }

Abstract. A diversificação da matriz energética brasileira, por meio de

investimentos em geração eólica, traz muitas oportunidades e, por tratar com projetos complexos sujeitos a uma especialização ainda incipiente, sujeita os empreendedores à riscos nem sempre razoavelmente compreendidos. Tal situação enseja a identificação de tais riscos e uma análise dos seus níveis de prioridade. Esta pesquisa explora a possibilidade de utilizar a lógica Fuzzy associada a um modelo multicritério do tipo Processo Hierárquico Analítico (FAHP), com o objetivo de hierarquizar os riscos potenciais em usinas eólicas. Foram identificados quatro tópicos de vulnerabilidade e foram categorizados cinco tipos específicos de risco. Por meio da elicitação com três especialistas, todos vinculados à uma usina eólica avaliada no estudo de caso, obteve-se uma ordem hierárquica para as cinco categorias mencionadas, confirmando a viabilidade da adoção de modelos FAHP para este tipo de análise.

Palavras chave: Geração Eólica, Riscos, Fuzzy AHP.

1 Introdução

A geração eólica foi inicialmente operacionalizada na Europa, onde havia a tecnologia disponível e o interesse político e social em investir em energias limpas. Mais recentemente, com a difusão das causas ambientais e com o disseminação e desenvolvimento da tecnologia eólica, a expansão tem se dado de forma menos concentrada, com o crescimento mais acelerado tendo se deslocado para a Ásia, especialmente na China, a primeira colocada em 2011 no ranking de geradores eólicos. A capacidade instalada mundial atingiu 239.000 MW neste ano, com um crescimento acelerado a uma taxa geométrica de aproximadamente 25% ao ano, nos últimos dez anos [1].

No Brasil e restante da América do Sul, o processo de geração eólica ocorreu de forma mais gradual, o que pode ser atribuído a um fator particular verificado no continente, a predominância de hidrelétricas na matriz energética de cada país. Essa peculiaridade impacta de duas formas: a principal fonte de energia do país já é considerada limpa, o que reduz a pressão pela implantação de novas tecnologias

renováveis; e o expertise da engenharia local está orientado principalmente na construção e operação das centrais hidrelétricas, o que torna esta fonte ainda mais competitiva quando comparada às demais alternativas, inclusive a eólica. O Brasil possuía 1.509 MW de capacidade instalada em 2011, sendo que deste montante, apenas no ano de 2011 foram adicionados 583 MW ao parque eólico [2], parte pelo Programa de Incentivo às Fontes Alternativas de Energia Elétrica (Proinfa), mas principalmente pelos leilões promovidos para energia de reserva pelo Ministério de Minas e Energia [3].

A melhor competitivade dos preços por MWh estimulou grupos privados a construir as usinas eólicas para opera-las exclusivamente no ambiente de contratação livre (ACL), também denominado por mercado não regulado [2].

Quanto aos custos, por um lado o investimento é mais elevado que as fontes hidráulica e térmica, com tendência de queda no curto e médio prazos, por outro, o custo de operação e manutenção é muito inferior quando comparado às demais fontes.

Cabe destacar a importância dos empreendimentos eólicos ao proporcionar impactos ambientais e sociais bem reduzidos, se comparados aqueles causados pelas hidrelétricas e termoelétricas.

Nesse contexto, é de extrema relevância o mapeamento dos riscos potenciais dos projetos eólicos nas diversas categorias. O processo de levantamento de riscos é particularmente crítico, visto que somente é possível desenvolver planos de mitigação para os riscos identificados. Por serem projetos ainda incipientes no país e a tecnologia eólica ter sido pouco explorada, os dados sobre os impactos ainda são escassos, o que torna necessário uma certa cautela ao se estabelecer analogias, bem como estimular o envolvimento de especialistas pertencentes a áreas multidisciplinares no trabalho de mapeamento.

Diante desse cenário, o presente trabalho tem o objetivo de propor um modelo de análise de riscos por meio da metodologia FAHP (Fuzzy Analytic Hierarchy Process) para a hierarquização dos riscos potenciais para a geração de energia eólica, visando embasar direcionamento de atenção e recursos do projeto para os riscos mais relevantes, de modo que estes sejam mitigados. O modelo será aplicado na Central Eólica São Vicente, dentro do projeto de P&D financiado por Furnas Centrais Elétricas S/A, no âmbito do programa nacional coordenado pela Agência Nacional de Energia Elétrica (ANEEL).

2 Desenvolvimento

2.1 A Geração Eólica

A geração eólica ocorre pelo contato do vento com as pás do catavento, sendo seu aproveitamento realizado por meio da energia mecânica transferida ao aerogerador, que produz a eletricidade. O potencial de energia elétrica a ser produzido está diretamente associado à densidade do ar, à área coberta pelo movimento de rotação das pás e à intensidade, direção e velocidade do vento. Adicionalmente, aspectos

geográficos, tais como o relevo, a vegetação e as interações térmicas entre a superfície e a atmosfera, também são fatores que influenciam o desempenho da usina [4].

Dessa forma, fica evidente que a geração de energia eólica pressupõe localização favorável, caso contrário se mostra um investimento alto com baixa potencialidade de oferecer os retornos desejados. Por esse motivo, o estudo da localização do parque é a parte fundamental na definição do projeto e inclui trabalhos sistemáticos de coleta e avaliação das condições do relevo, clima e características do vento. No final de 2011, o MME determinou à Empresa de Pesquisa Energética que somente os parques com pelo menos dois anos de medição de ventos sejam aprovados para leilão [3]. Essa determinação é válida até o final de 2012, pois a partir de 2013 a ANEEL será ainda mais restritiva, quando passará a exigir ao menos três anos de dados [5].

Os mapas eólicos indicam que os ventos no país são fortes, relativamente constantes e sem rajadas, uma grande vantagem para o desenvolvimento do setor. Essas características permitem a maximização da porção dos ventos que é efetivamente transformada em energia. Os dados apontam que é possível aproveitar de 42% a 45%, podendo chegar a 50%, em determinados locais.

O Brasil é favorecido em termos de ventos, que se caracterizam por uma presença duas vezes superior à média mundial e pela volatilidade de 5% (oscilação da velocidade), o que dá maior previsibilidade ao volume a ser produzido [6].

Cabe ressaltar uma particularidade dos parques eólicos; a dependência das condições de vento na região caracteriza uma produção intermitente, o que impõe que esta seja usada como fonte complementar de energia. Tendo em vista que em muitos lugares a velocidade do vento tende a ser maior em períodos de estiagem, onde a operação das hidrelétricas fica comprometida, é possível operar as duas de forma complementar, possibilitando a preservação da água nos reservatórios em períodos de baixo índice pluviométrico, sem deixar de cumprir com o abastecimento de energia. Outra particularidade notável é que a presença das turbinas não impossibilita a agricultura no local, isto é, sua presença pode representar renda extra para o proprietário da terra sem prejudicar a atividade principal.

Para o adequado aproveitamento do potencial eólico, é usual a construção de parques, também conhecidos como wind farms, com uma ou mais dezenas de aerogeradores, com potência individual tipicamente variando de 300 a 750 kW. A distância entre um aerogerador e outro é de 5 a 10 vezes a altura da torre, para evitar interferências entre os equipamentos [7].

A difusão das usinas eólicas no país e no mundo e o fortalecimento dos fornecedores chineses trouxeram redução no preço dos equipamentos. Segundo pesquisa conduzida pela Bloomberg New Energy Finance, houve queda de 4% no segundo semestre de 2011, o que aponta para valores médios de 0,91 milhões de euros por MW [8].

O governo também vem fomentando a produção de energia renovável sob a forma de incentivos fiscais. Os equipamentos e componentes usados para o aproveitamento da energia eólica têm isenção de ICMS (Imposto sobre Circulação de Mercadorias e Serviços) até o final de 2012, de acordo com Convênio nº101/97; alíquota zero no IPI (Imposto sobre Produtos Industrializados), pelo Decreto 5.269/04; não incidência do CIDE (Contribuição de Intervenção no Domínio Econômico), segundo a lei 10.336/01; e o Regime Especial de Incentivos para o Desenvolvimento da Infraestrutura (Reidi), segundo a lei 11.488/07.

Outra dimensão que cabe ser analisada é a ambiental. Para a geração eólica, os impactos variam de acordo com o porte do parque. Equipamentos de pequeno porte,

em geral, têm impacto ambiental desprezível. Parques de maior porte podem acarretar impactos ambientais, a saber:

•Sonoro: Ruído audível significativo causado pelo fluxo de ar no aparelho, pelo gerador e caixa de redução. Esse impacto é verificado principalmente em equipamentos mais antigos, pois nas tecnologias mais modernas o nível de ruído é reduzido;

•Vibração: No mesmo sentido da poluição sonora, sente-se a vibração, principalmente nos arredores das turbinas de tecnologia mais antiga;

•Visual: Sombras e reflexos que interferem na visibilidade e nas paisagens naturais e turísticas. Esse impacto varia de acordo com o tamanho da turbina, seu formato e cor e a quantidade de pás;

•Mortalidade de aves e morcegos: Pelo impacto dos animais com as pás (nem sempre perfeitamente visíveis quando em operação) da turbina. Estimativas de 2001apontam que cada turbina causa a morte de um a três animais por ano nos EUA [9];

•Interferência Eletromagnética: Dependendo do local da instalação e suas especificações técnicas (particularmente o material das pás), pode haver pertubações nos sistemas de comunicação e transmissão de dados.

Em suma, pode-se perceber que há danos ambientais, mas estes são muito menos prejudiciais do que os causados pelas obras de centrais hidrelétricas, operações nucleares ou a queima de combustíveis fósseis, como gás ou carvão.

2.2 Gestão de Riscos

Um evento é arriscado quando se tem que tomar decisões entre diferentes alternativas com conseqüências futuras incertas [10]. Ademais, as diferenças entre os resultados esperados e os obtidos em um projeto são atribuídas aos eventos de risco e à forma como eles são administrados ao longo do projeto [11], donde se entende que, em termos de projetos, há risco quando existe a possibilidade de que ocorram variações no retorno associado a determinada alternativa [12], assim, os efeitos resultantes dos impactos e interações dinâmicas entre eventos costumam contrariar situações esperadas, o que traduz o risco [13]. Se por um lado a incerteza pode ser traduzida em termos estatísticos, esta também se aplica às situações as quais os fatores não são perfeitamente compreendidos e, nos dois casos, são nada mais que riscos. Por terem natureza multidimensional, devem ser desagregados para que melhor se compreenda sua fonte, evento e consequência.

Os riscos se classificam como sendo relativos aos aspectos-chave das conseqüências, subdivididos em econômico, ambiental, técnico, político, social e outros. Do ponto de vista do negócio, subdivide-se em riscos estratégicos; financeiros; operacionais; comerciais; de TI (segurança e funcionalidade); técnicos (como destruição da infraestrutura física de uma empresa); ambientais; de capital humano; e políticos [10].

Segundo o contexto em que ocorrem, os riscos podem ser classificados como sendo de mercado, técnicos e sócio-institucionais. O primeiro tem a ver com a habilidade em se prever a demanda, os requisitos financeiros e a segurança do fornecimento, o qual envolve preço e acesso aos insumos. Os riscos técnicos são

vinculados à possibilidade da conclusão do projeto não vir a ocorrer como havia sido prevista, tanto na etapa de construção quanto na operacional. Por último, os sócio-institucionais estão ligados às questões regulatórias, à obediência aos contratos, às forças sociais e ao risco soberano. Em economias emergentes como o Brasil os riscos institucionais são particularmente importantes [13].

A gestão do risco é uma cultura, processo e estrutura direcionada na gestão efetiva de oportunidades em potencial e dos efeitos adversos. Em particular, a gestão de riscos é uma forma do gestor de projetos estabelecer prioridades, alocar recursos e implementar ações e processos que reduzam o risco do projeto não atingir objetivos pretendidos. A identificação e o gerenciamento dos riscos significativos são obtidos por um processo contínuo de acompanhamento e revisão durante todas as fases do projeto, principalmente no atual ambiente de negócios que passa por rápidas transformações.

No que se refere ao escopo, a gestão do risco pode ser classificada como [14]: •Risco do negócio: situações que impactam a viabilidade do empreendimento como mercado, indústria, tecnologia, fatores econômicos e financeiros, influências políticas e governamentais;

•Risco do projeto: situações que impactam o orçamento, cronograma, qualidade e a performance do projeto;

•Risco operacional e de processo: situações que impactam no projeto,

procurement, construção, grandes eventos de acidentes e catástrofes naturais [15].

O processo de gerenciamento de gestão de riscos inclui seis etapas [16], a saber: I. Estabelecimento do Contexto – ―O que estamos tentando alcançar?‖ – quando se estabelece o ambiente organizacional e do projeto; especificar os principais objetivos e resultados pretendidos; identificar indicadores de sucesso, que possibilitem mensurar as consequências do risco; e definir um conjunto de elementos fundamentais para a estruturação da identificação de riscos e processo de avaliação;

II.Identificaçao dos Riscos – ―O que pode acontecer que afetará os objetivos do projeto?‖ – trata-se de um processo que deve ser o mais abrangente possível, dado que os riscos que não foram identificados não podem ser avaliados e sua identificação em um momento posterior pode comprometer negativamente o projeto. É difundido o uso do método brainstorming para o levantamento de ideias durante essa etapa. Adicionalmente, pode-se usar dados históricos, análises teóricas, dados empíricos,

checklists de projetos anteriores, pareceres da equipe do projeto, especialistas e stakeholders;

III.Análise e Avaliação dos Riscos – ―O que isto deverá significar para os critérios chave do projeto e quais são os elementos mais importantes?‖ – neste momento, as prioridades definidas para os riscos identificados serão desenvolvidas, com o uso sistemático das informações disponíveis para determinar a frequência de ocorrência dos eventos e seus impactos. A avaliação de riscos é o processo de comparar suas estimativas com um conjunto de critérios predefinidos, e assim determinar as significâncias. O processo visa a determinação das consequências de cada fator; a avaliação da probabilidade de ocorrência; e o desenvolvimento das prioridades combinadas de risco com os níveis inerentes. O resultado é uma lista priorizada de riscos e um detalhamento dos seus impactos sobre o sucesso do projeto;

IV.Tratamento dos Riscos – ―O que vamos fazer com eles?‖ – envolverá a identificação das opções para reduzir a probabilidade ou as consequências de cada risco classificado como ―extremo‖, ―alto‖ ou ―médio‖; a determinação dos benefícios potenciais e dos custos das opções; a seleção das melhores opções para o projeto e o

desenvolvimento e a implementação de um detalhado Plano de Ação de Risco, de modo a reduzir a exposição global;

V.Acompanhamento e Análise – ―Como podemos manter esses riscos sob controle?‖ – trata-se da revisão e análise para se garantir que os novos riscos que surjam no decorrer do projeto sejam detectados e gerenciados, e que os planos de ação sejam implementados de forma efetiva. Usa-se a lista de vigilância de fatores de risco como insumo e produz-se os documentos de revisões e lista de novos itens de atenção para o projeto;

VI.Comunicação e Consulta – ―Quem deve estar envolvido no processo?‖ – inclui os sócios, clientes, usuários finais e demais stakeholders com o objetivo de compreender os riscos em todas as suas dimensões. Com a simetria de informações, as ações corretivas podem ser mais agilmente tomadas e os problemas são mais facilmente contornados ou eliminados.

Quanto ao escopo, esta pesquisa estará avaliando a fase de projeto da usina eólica. Quanto às etapas de gestão de risco, será estabelecido o contexto no qual os riscos serão identificados, analisados e avaliados, portanto, o procedimento se limitará às etapas I, II e III.

2.3 Fuzzy AHP

O primeiro trabalho conhecido envolvendo Fuzzy Analytic Hierarchy Process (FAHP) foi desenvolvido por Laarhoven e Pedrycz [17], os quais utilizaram a técnica para escolher alternativas em um problema de decisão multicriterial. Neste caso, os valores representando a significância relativa para cada par de fatores foram dispostos em uma matriz, a partir da qual foram extraídos os pesos. Estes expressavam as opiniões dos especialistas sobre a importância de um par de fatores, por meio de números fuzzy referidos a uma função triangular de pertinência. O método foi aplicado em dois níveis distintos, um para determinar os pesos fuzzy para os critérios de decisão, outro para estimar os pesos das alternativas referidas a cada um dos critérios. A partir de uma combinação de resultados, foram calculados os escores fuzzy para as alternativas, assim como suas sensibilidades, por meio de mínimos quadrados logarítmicos.

Utilizando o escore de maior valor, o decisor foi capaz de fazer sua escolha para uma das alternativas. O elemento motivador da introdução da lógica fuzzy nos modelos de tomada de decisão decorre do entendimento de que existe grande imprecisão no julgamento dos especialistas [18]. Este problema é ocasionado por vários fatores, dentre os quais estão o conhecimento ( ou desconhecimento) apenas parcial, por parte do especialista, sobre a natureza ou característica do fenômeno objeto da pesquisa, problemas de comunicação entre pesquisador e especialista e dificuldades para representar o objeto em análise com clareza, provocando falhas de especificação. O método incorpora uma medida de imprecisão (δ), denominada por “grau de fuzzificação”, na tentativa de compensar o desvio presente nas estimativas fornecidas pelo especialista.

Um avanço importante na técnica ocorreu a partir do trabalho desenvolvido por Chang [19]. Neste caso, uma vez que a motivação residia na parcimônia da aplicação do método, foi proposto que os números fuzzy fossem representados a partir de uma

função triangular de pertinência, possibilitando ainda a comparação com o método inicialmente proposto por Laarhoven e Pedrycz [17] e Buckley [20], e aplicado por outros autores [21] [22].

Seja: M  F(R) um número fuzzy onde: Existe um valor xo  R tal que M(xo) = 1. Para cada  [0,1]:

A = [ x, A(x) = a ]. (1)

É um intervalo fechado, onde F(R) são conjuntos fuzzy e R são conjuntos de números reais.

Um número M pertencente aos números reais será um número fuzzy triangular se sua função de pertinência M(x) : R → [0,1] for igual a:

( )

, x ϵ [l,m]. (2)

( ) , x ϵ [m,u]. (3)

Sendo igual a zero para qualquer outra possibilidade para x.

Neste caso, l ≤ m ≤ u, sendo que para o número fuzzy M, onde “l” é o valor mínimo; “u” o valor máximo e “m” o valor modal.

Sendo assim, o número fuzzy triangular pode ser representado na forma (l,m,u). O suporte para M é o conjunto de elementos { xo R | l < x < u }. Quando l = m = u, teremos um número crisp, por convenção.

Considerando dois números fuzzy triangulares M1 e M2, tais que:

M1 = ( l1 , m1 , u1 ). (4) M2 = ( l2 , m2 , u2 ). (5) As regras de operação serão as seguintes:

( l1 , m1 , u1 ) ⊗ ( l2 , m2 , u2 ) = ( l1 + l2 , m1 + m2 , u1 + u2 ). (6) ( l1 , m1 , u1 ) ⊙ ( l2 , m2 , u2 ) = ( l1 l2 , m1 m2 , u1 u2). (7) ( λ , λ , λ ) ⊙ ( l1 , m1 , u1 ) = ( λ l1 , λ m1 , λ u1 ) , λ > 0 , λ  R. (8) ( l1 , m1 , u1 ) -1 = ( 1 / u1 , 1 / m1 , 1 / l1 ). (9) Sejam: X = ( x1 , x2 , x3 , ... , xn ) um conjunto objeto U = ( u1 , u2 , u3 , ... , um ) um conjunto objetivo

O método da análise estendida desenvolvido por Chang [19] estabelece que cada objeto é operado para cada objetivo, até que sejam obtidos m resultados por objeto do seguinte modo:

i = 1, 2, 3, ... , m;

Onde são números fuzzy triangulares.

Os valores obtidos por análise estendida do i-ésimo objeto para m objetivos. Neste caso, o valor fuzzy da extensão sintética para este i-ésimo objeto é:

∑ [∑ ∑ ] (10)

Utilizando números fuzzy triangulares, é construída uma matriz que contém a importância relativa de cada par de alternativas, relativas a uma mesma hierarquia:

A = ( aij )nxm.. (11)

Seja um elemento i julgado como possuindo uma importância G sobre outro elemento j, de tal modo que:

aij = ( l , G , u ).. (12)

Os valores l e u representam graus fuzzy de julgamento, sendo um valor crisp quando l – u = 0. Sendo o valor G uma avaliação relativa do valor i com relação ao valor j, quanto maior for este valor maior será a importância do primeiro sobre o segundo, e quanto maior for a diferença l – u, maior será u grau fuzzy deste julgamento. Sendo assim, são válidas também as regras de operação, de tal modo que:

( ). (13)

Seja A = ( aij )nxmuma matriz de comparação pareada onde:

aij = ( lij , mij , uij ). (14) Que satisfazem os valores de comparação pareada onde:

(15)

Para que sejam obtidas as estimativas dos pesos para cada critério, por comparação, dois pontos devem ser resolvidos.

O primeiro está em determinar o valor fuzzy para o valor mínimo (ou máximo) de uma família de números fuzzy, situação esta resolvida por meio do uso de operadores max e min.

O segundo está em determinar qual é o maior (ou o menor) valor dentre vários números fuzzy, situação esta resolvida a partir da avaliação do grau de possibilidade para um fuzzy x  R condicionado que x pertença a M, como sendo maior que y  R condicionado que y também pertença a M.

O grau de possibilidade de que M1 ≥ M2 é:

V( M1 ≥ M2 ) = supx≥y[ min ( M1(x) , M2(y) ) ]. (16) Quando em uma comparação pareada envolvendo ( x,y ) ocorre que x ≥ y, e sendo:

M1(x) = M2(y) = 1. (17)

Então:

V( M1 ≥ M2 ) = max ( M1∩M2 ) = M1(d). (19) Onde d representa a ordenada da intersecção mais elevada D entre M1 e M2 conforme a figura 1:

Fig. 1. Intersecção entre dois valores fuzzy M1 ≥ M2.

Quando M1 = ( l1 , m1 , u1 ) e M2 = ( l2 , m2 , u2 ), a ordenada para D é dada pela

equação:

( ) ( ). (20)

( )

( ) ( )

(21)

Para comparar M1 com M2 precisamos de dois resultados:

V( M1 ≥ M2 ) e V( M2 ≥ M1 ). (22) O grau de possibilidade para que um número fuzzy convexo seja maior que k números fuzzy convexos Mi ( i = 1, 2, 3, ... , k ):

V( M ≥ M1 , M2 , M3 , ... , Mk) = V[ ( M1 ≥ M1 ). (23) e ( M ≥ M2 ), ( M ≥ M3 ) , ... , ( M ≥ Mk ) ]. (24) Assim:

V( M ≥ M1 , M2 , M3 , ... , Mk) = min V[ ( M ≥ Mi ) , ( i = 1 , 2 , 3 , ... , k ). (25) Assumindo para n alternativas que:

d’ ( Ai ) = min V( Si ≥ Sk ) , ( k = 1 , 2 , 3 , ... , n ) e k ≠ i. (26) Então, o vetor de pesos será dado por:

W’ = [ d’ ( A1) , d’ ( A2) , d’ ( A3) , ... , d’ ( An) ]T. (27) Para Ai ( i = 1 , 2 , 3 , ... , n ) alternativas.

2.4 Estudo de Caso: Central Eólica São Vicente

O objeto do presente estudo é a Central Eólica São Vicente, um projeto pré-operacional localizado em Pau Branco, no município de Tibau, no estado do Rio Grande do Norte.

O parque é composto de nove aerogeradores, com 141 metros de altura e potência nominal individual da turbina de 2,5 MW. Assim, a potência total instalada é de 22,5 MW, com estimativa de perdas e consumo interno de 2.068 MWh/ ano. A usina conta com uma linha de transmissão exclusiva, com conexão na subestação de Mossoró.

Em junho de 2009 o projeto recebeu a autorização da ANEEL. Dois anos depois, em julho de 2011, o IBAMA concedeu licença de instalação, permitindo o início das obras e respectivos programas ambientais associados. O empreendedor do projeto é a Ventos Tecnologia Elétrica Ltda., uma empresa de Fortaleza, Ceará. No período de elaboração da pesquisa referente a este artigo, a usina ainda se encontrava em projeto, ou seja, ainda não havia entrado em fase de construção. Foram entrevistados três engenheiros, vinculados ao projeto, durante o mês de março de 2012.

2.5 Determinação dos Tópicos de Vulnerabilidade

Conforme foi observado no capítulo 2.2, a análise de risco é realizada considerando riscos predefinidos, então, a identificação destes pode ser aceita como a etapa mais crítica do gerenciamento de riscos [23]. Não é uma tarefa elementar, pois os projetos de construção estão inseridos em um contexto de alta incerteza, complexidade e vulnerabilidade às condições internas e externas à organização.

O aprendizado de projetos anteriores e experiência de especialistas poderiam ajudar a entender as relações de causa e efeito em eventos de risco e a mapear as consequências das ações corretivas tomadas. Assim, poderiam ser criados cenários realistas, modelos de risco confiáveis e com isso, alcançar melhores estimativas para os projetos seguintes. Nesse contexto, os autores [11] buscam o desenvolvimento de uma ontologia, definida como uma explicitação formal de um conceito [24].

O modelo foi construído com a participação de especialistas em projetos e administradores de empresas internacionais de construção. Por meio de reuniões, são desenhados os mapas cognitivos dos estudos de caso, o que possibilitou o levantamento de conceitos-chave para a ontologia. Após revisão literária e novas entrevistas com experts, desenvolveu-se um modelo inicial, que foi submetido às críticas e validação de especialistas [11].

Para estruturar os dados coletados, os conceitos foram organizados em classes e subclasses hierarquizadas, isto é, em forma de taxonomia, visando representar o modo como as pessoas categorizam as coisas. O último passo foi a validação da complitude, generalidade e efetividade por meio de workshops interativos e entrevistas finais com especialistas no assunto.

A determinação foi baseada na taxonomia apresentada com o título de ―tópicos de vulnerabilidade‖. Esses tópicos representam influências internas à organização que geram riscos ao projeto, categorizados em fontes de robustez, resiliência e sensibilidade.

1. Fontes de Robustez: fatores que indicam as fraquezas de um projeto que afetam a probabilidade de ocorrência de riscos;

2. Fontes de Resiliência: fatores que afetam o gerenciamento do risco;

3. Fontes de Sensibilidade: fatores que afetam a magnitude das consequências do risco.

Dentre os 82 pontos de vulnerabilidade identificados por este estudo, aqueles que os três participantes da presente pesquisa julgaram como pertinentes foram:

 Indisponibilidade de mão de obra;  Complexidade do projeto;

 Inexperiência em projetos similares;

 Gerenciamento deficiente do escopo do projeto.

2.6 Determinação dos Eventos de Risco

Spits [25] divide o desenvolvimento de Project Finance em três fases, com perfis de risco distintos ao longo do ciclo de vida do projeto: construção, acabamento ou comissionamento e operacional. O autor lista os principais riscos identificados em projetos de geração de energia eólica. No presente estudo de caso, os seguintes riscos foram identificados pelos especialistas como mais relevantes os riscos de:

 Problemas na conexão do grid e base das turbinas;  Avaria dos componentes da turbina;

 Atraso no cronograma;  Exceder o orçamento;

 Problemas com a questão regulatória.

2.6 Aplicação do ModeloFuzzy AHP

Por comparação pareada, os especialistas consultados produziram a matriz média de tópicos de vulnerabilidade da tabela 1, cujos escores foram atribuídos segundo a tabela de nove pontos de Saaty [26] [27].

Tab. 2. Matriz de escores para os tópicos de vulnerabilidade.

INDMO COMPL INEXP GEREN

INDMO 1 4 8 2

COMPL 1/4 1 5 1/3

INEXP 1/8 1/5 1 1/7

GEREN 1/2 3 7 1

Sendo:

INDMO - Indisponibilidade de Mão de Obra COMPL- Complexidade do Projeto

INEXP- Inexperiência em Projetos Eólicos GEREN- Gerenciamento Deficiente

A matriz fuzzy resultante, aplicado um grau de fuzzificação igual a 0,5 está indicada na tabela 2.

Tab. 2. Matriz de escores para os tópicos de vulnerabilidade.

INDMO COMPL INEXP GEREN

LOW MED UP LOW MED UP LOW MED UP LOW MED UP

1 1 1 3 1/2 4 4 1/2 7 1/2 8 8 1/2 1 1/2 2 2 1/2

2/9 1/4 2/7 1 1 1 4 1/2 5 5 1/2 2/7 1/3 2/5

2/17 1/8 2/15 2/11 1/5 2/9 1 1 1 2/15 1/7 2/13

2/5 1/2 2/3 2 1/2 3 3 1/2 6 1/2 7 7 1/2 1 1 1

As matrizes de desempenho para os riscos associados aos critérios são determinadas, sendo a terminologia para os riscos definida como riscos de:

CONEX- Conexão com o Grid e Base dos Aerogeradores AVARI- Avaria dos Aerogeradores

ATRAS- Atraso no Cronograma

REGUL- Problemas Regulatórios

ORCAM- Exceder o Orçamento

Como exemplo dos desempenhos das categorias de risco para cada tópico de vulnerabilidade, as tabelas 3, 4a e 4b contém os desempenhos associados à Indisponibilidade de Mão-de-Obra (INDMO) e sua matriz fuzzy associada. As tabelas para os três demais tópicos de vulneratibilidade – COMPL, INEXP e GEREN – foram elaboradas de modo similar, podendo ser solicitadas aos autores desta pesquisa.

Tab. 3. Matriz de escores para os tópicos de vulnerabilidade em INDMO.

CONEX AVARI ATRAS REGUL ORCAM

CONEX 1 1/5 1/4 1/2 1/9

AVARI 5 1 2 4 1

ATRAS 4 1/2 1 3 1/3

REGUL 2 ¼ 1/3 1 1/7

ORCAM 9 1 3 7 1

Tab. 4a. Matriz fuzzificada dos tópicos de vulnerabilidade em INDMO.

CONEX AVARI ATRAS

1 1 1 2/11 1/5 2/9 2/9 1/4 2/7

4 1/2 5 5 1/2 1 1 1 1 1/2 2 2 1/2

3 1/2 4 4 1/2 2/5 1/2 2/3 1 1 1

1 1/2 2 2 1/2 2/9 1/4 2/7 2/7 1/3 2/5

8 1/2 9 9 1/2 1 1 1 1/2 2 1/2 3 3 1/2

Tab. 4b. Matriz fuzzificada dos tópicos de vulnerabilidade em INDMO.

REGUL ORCAM

LOW MED UP LOW MED UP

2/5 1/2 2/3 2/19 1/9 2/17

3 1/2 4 4 1/2 1 1 1 1/2

2 1/2 3 3 1/2 2/7 1/3 2/5

1 1 1 2/15 1/7 2/13

6 1/2 7 7 1/2 1 1 1

Os pesos dos tópicos de vulnerabilidade são calculados a partir do processo de soma de linhas e colunas, conforme especificado na tabela 5.

Tab. 5. Soma das linhas e colunas da matriz de tópicos de vulnerabilidade.

Soma das linhas Soma das colunas

INDMO 1,7399 1,8750 2,0857 13,500 15,000 16,500 COMPL 7,1818 8,2000 9,2222 6,008 6,583 7,186

INEXP 19,500 21,000 22,500 1,433 1,468 1,509 GEREN 2,9190 3,4762 4,0538 10,400 11,500 12,667

Soma das somas das colunas 31,341 34,551 37,862

Os valores das somas associadas Si, conforme a equação 10, são as seguintes: S1 = ( 0,35656 0,43414 0,52647 );

S2 = ( 0,15868 0,19054 0,22928 ); S3 = ( 0,03784 0,04248 0,04816 ); S4 = ( 0,27468 0,33284 0,40416 ).

Pode-se calcular, assim, as probabilidades de superioridade entre números fuzzy, conforme as regras estabelecidas das equações 18 à 24:

V (S1 > S2) = 1; V (S2 > S1) = 0; V (S3 > S1) = 0; V (S4 > S1) = 0,31968; V (S1 > S3) = 1; V (S2 > S3) = 1; V (S3 > S2) = 0; V (S3 > S4) = 1; V (S1 > S4) = 1; V (S2 > S4) = 0; V (S3 > S4) = 0; V (S4 > S3) = 1.

Chega-se, assim, no vetor W’ que é composto pelo mínimo das probabilidades V de cada tópico de vulnerabilidade com os demais, conforme as equações 25 à 27. A

partir do vetor W’, pode-se chegar no vetor normalizado W. Ambos estão abaixo representados:

W’ = (1; 0; 0; 0,31968) W = (0,75776; 0; 0; 0,24224)

Como exemplo dos desempenhos das categorias de risco para cada tópico de vulnerabilidade, a tabela 6 contém as somas das linhas e colunas da matriz de desempenho para a Indisponibilidade de Mão-de-Obra (INDMO), os valores das somas associadas , as probabilidades de superioridade de um número fuzzy em relação a outro e o vetor W de pesos normalizados. Os cálculos para os três demais tópicos de vulneratibilidade – COMPL, INEXP e GEREN – foram elaborados de modo similar, podendo ser solicitados aos autores desta pesquisa.

Tab. 6. Soma das linhas e colunas da matriz de desempenhos para INDMO.

I Riscos Soma das linhas Soma das colunas

1 CONEX 19,000 21,000 23,000 1,909 2,061 2,292 2 AVARI 2,8040 2,9500 3,6746 11,500 13,000 15,000 3 ATRAS 5,5079 6,5833 7,6857 7,686 8,833 10,067 4 REGUL 13,900 15,500 17,166 3,141 3,726 4,340 5 ORCAM 2,5243 2,5873 3,1715 19,500 21,000 23,000

Soma das somas das colunas 43,736 48,621 54,698

Os valores das somas associadas Si, são as seguintes: S1 = (0,03491 0,04239 0,05241);

S2 = (0,21024 0,26738 0,34296); S3 = (0,14051 0,18168 0,23017); S4 = (0,05743 0,07664 0,09922); S5 = (0,35650 0,43192 0,52588).

Probabilidades de superioridade de um número fuzzy em relação a outro: V(S1>S2) = 0; V(S2>S1) = 1; V(S3>S1) = 1; V(S4>S1) = 1; V(S5>S1) = 1; V(S1>S3) = 0; V(S2>S3) = 1; V(S3>S2) = 0,1886; V(S3>S4) = 0; V(S3>S5) = 1; V(S1>S4) = 0; V(S2>S4) = 1; V(S3>S4) = 1; V(S4>S3) = 0; V(S5>S3) = 1; V(S1>S5) = 0; V(S2>S5) = 0; V(S3>S5) = 0; V(S4>S5) = 0; V(S5>S4) = 1; Vetor W’ e W’ normalizado: W’ = (0; 0; 0; 0; 1) W = (0; 0; 0; 0; 1)

Com os pesos calculados para os critérios e para riscos segundo cada critério, chega-se a hierarquização final dos riscos associados à construção de empreendimentos eólicos de geração elétrica relativos ao caso em estudo, demonstrado na tabela 7.

Tab. 7. Valores de ponderação e pesos associados às cinco categorias de risco.

INDMO 0 0 0 0 1 0,75776 COMPL 0,30781 0,30781 0,038292 0,30781 0,03830 0

INEXP 0 0 0 0 1 0

GEREN 0 0,20021 0,20021 0 0,59958 0,24224

0 0,048498 0,048498 0 0,90300

Neste caso, o risco determinante deste projeto é de exceder o orçamento, localizando-se proporcionalmente em nível muito acima dos demais. Em um segundo plano estão dois riscos adicionais, de ocorrer avaria dos componentes das turbinas e de o projeto sofrer um atraso no cronograma. Os demais riscos, de conexão com o grid e base das turbinas e de problemas com a questão regulatória são irrelevantes.

3 Conclusão

Esta pesquisa propõe um procedimento para analisar riscos em empreendimentos eólicos por meio da ferramenta Fuzzy AHP. Por se tratar de uma forma de geração de energia incipiente principalmente no país, a experiência ainda é pequena e corre-se o risco de incorrer em situações desfavoráveis no decorrer do projeto que podem vir a atrasá-lo, inviabilizá-lo ou forçar a alteração dos parâmetros inicialmente estabelecidos no escopo do projeto.

Diante desse contexto, cabe ressaltar a importância de estabelecer um procedimento metodológico para identificar e hierarquizar os riscos, pois somente com o seu mapeamento é possível mitigar os impactos, empreender ações corretivas e desenvolver um plano de contingência para agilizar a reação no caso de sua ocorrência. Ainda, hierarquizando os riscos, estabelece-se uma forma de guiar a equipe na atenção, esforços e recursos dispendidos na mitigação dos mesmos.

A técnica escolhida é especialmente recomendável para situações complexas em que a imprecisão e a ambiguidade tendem a ser consideráveis – principalmente quando há envolvimento de muitos participantes. Por meio da agregação das avaliações dos especialistas e suas imprecisões intrínsecas, construiu-se um modelo semi-quantitativo, no qual a lógica fuzzy foi usada nos julgamentos qualitativos necessários. O modelo usado permitiu ponderar os efeitos que cada critério exerce sobre os riscos de um projeto e assim chegou-se a uma hierarquização apontando os riscos mais significativos.

O resultado do modelo mostrou-se coerente com a contextualização apresentada. O risco regulatório se mostrou insignificante, o que é facilmente explicável pelo fato de o governo federal estar incentivando a geração da energia eólica, com subsídios, isenções fiscais e outras facilidades de forma a diversificar a matriz energética. Também foi insignificante o risco de problemas na conexão do grid e base das turbinas e pode-se justificar que se as conexões fossem inadequadas ou fontes potenciais de problemas, não haveria programas de apoio nem tantas iniciativas privadas nesse tipo de empreendimento, isto é, a geração de energia eólica não teria sido inicialmente fomentada ou a tecnologia seria redesenhada visando uma melhor adaptação dos geradores de energia eólica com o sistema nacional de transmissão de energia elétrica.

Os riscos consideráveis apontados pelo modelo foram o de exceder o orçamento, atrasar o cronograma e avariar os componentes da turbina. A autora acredita que com o desenvolvimento de expertise em projetos de energia eólica, a tendência é que esses sejam mitigados, uma vez que a experiência dinâmica tende a trazer estimativas mais precisas dos parâmetros do projeto e a instalação adequada dos equipamentos, sem deixar de considerar os avanços tecnológicos que naturalmente vão trazer ao mercado turbinas mais adequadas e resistentes para a geração eólica.

Como pontos fracos do modelo utilizado pode-se citar a dificuldade de mapear e tratar todos os riscos possíveis; a não inclusão das probabilidades e impactos por risco; e a subjetividade da estimativa dos participantes na manifestação da preferência entre dois pares de critérios e riscos associados, que muito é condicionada pelas experiências anteriores.

Uma possível extensão para esse estudo seria a realização de novas análises de risco em projetos eólicos fazendo uso da mesma metodologia utilizada no presente trabalho. Por meio de novos resultados, poder-se-ia verificar a consistência do modelo encontrado, caso os resultados se mostrassem semelhantes ou, caso os resultados variassem projeto a projeto, mapear possíveis causas das distorções de forma a buscar o refinamento do modelo.

Também seria de notável importância uma extensão da pesquisa que buscasse a identificação mais profunda do grau de expertise de cada especialista. Dessa forma, poder-se-ia usar essa informação para tornar o modelo mais robusto e ampliar seu uso inclusive em outros projetos de energia elétrica ou mesmo em outros empreendimentos.

Referências

1. WWEA. World Wind Energy Association Quarterly Bulletin. n.1, WWEA, Bonn, (2012). 2.GWEC. Global Wind Energy Council Report: annual market updade 2011. GWEC, Brussels

(2012).

3. MME. Ministério de Minas e Energia, www.mme.gov.br.

4. Abeolica. Associação Brasileira de Energia Eólica. www.abeeolica.org.br. 5. ANEEL. Agência Nacional de Energia Elétrica. www.aneel.gov.br.

6. Atlas. Atlas da Energia Elétrica do Brasil – Fontes Renováveis. www.aneel.gov.br/ arquivos/PDF/atlas_par2_cap5.pdf, (2008).

7. Oliveira, L.S. Regras e Boas Práticas para Instalação de Torres Anemométricas voltadas para o estudo do potencial eólico. Dissertação de Mestrado (Planejamento Energético), Rio de Janeiro: COPPE, (2011).

8. Bloomberg. New Energy Finance. www.newenergyfinance.com.

9. Barclay, R.M.R.; Baerwald, E.F.; Gruver, J.C. Variation in bat and bird fatalities at wind energy facilities: assessing the effects of rotor size and tower height. Canadian Journal of Zoology, 85, pp.381—387 (2007).

10. Schubert, R. Analyzing and Managing Risks – on the importance of gender differences in risk attitudes. Managerial Finance, vol.32, pp.706--715, (2006).

11. Fidan, G. et al. Ontology for Relating Risk and Vulnerability to Cost Overrun in International Projects, Journal of Computing in Civil Engineering, vol.25, pp.302--315, (2011). 12. Woiler, S.; Mathias, W. Projetos – Planejamento, Elaboração e Análise. Atlas, São Paulo, (2008).

13. Miller, R.; Lessard, D. Understanding and managing risks in large engineering projects. Sloan Working Paper 4214-01, MIT, Cambridge, (2001).

14. AIRMIC. A structured approach to Enterprise Risk Management (ERM) and the requirements of ISO 31000, AIRMIC, Londres, (2010).

15. Cooper, D.F. et al. Project Risk Management Guidelines: managing risks in large projects and complex procurements. John Wiley, Chichester, (2005).

16. PMI. Um Guia do Conhecimento em Gerenciamento de Projetos (Guia PMBOK), 4th edition, PMI, Pennsylvania, (2008).

17. Larhoven, P.J.M.; Pedrycz, W. A Fuzzy Extension of Saaty's Priority Theory. Fuzzy Sets and Systems, vol.11, pp.199--227, (1983).

18. Meixner, O. Fuzzy AHP Group Decision Analysis and its Application for the Evaluation of Energy Sources, Institute of Marketing and Innovation, Hamburg, (2011).

19. Chang, D.Y. Applications of the extent analysis method on fuzzy AHP.European Journal of Operational Research, vol.95, pp.649—655, (1996).

20. Buckley, J.J. Fuzzy Hierarchical Analysis. Fuzzy Sets and Systems, vol.17, pp.233—247, (1985).

21. Tang, Y.; Beynon, M. Application and Development of a Fuzzy Analytic Hierarchy Process within a Capital Investment Study, Journal of Economics and Management, vol.1, pp.207— 230, (2005).

22. Saxena, V., et al. Fuzzy Delphi Hierarchy Process and its Application to Improve Indian Telemedical Services. http://www.knu.edu.tw/lecture/%E8%AA%B2%E7%A8%8B%E8% B3%87%E6%96%99/ANP/Proceedings/Final_Papers/77_Saxena_FuzzyDelphiHierarchyProce ssIndianTelemedicine_REV_FIN.pdf, (2010).

23. Al-Bahar, J.F.; Crandall, K.C. Systematic Risk Management Approach for Construction Projects. Journal of Construction Engineering Management, vol.116, pp.533--547, (1990). 24. Gruber, T.R. A translation approach to portable ontology specifications. Knowledge Acquisition, vol.5, pp.199--220, (1993).

25. Spits, T.A. Making Wind Bankable: what factors explain the recent non-recourse project financings in offshore wind power projects? Oil, Gas and Energy Law Intelligence, vol.7, pp.1--15, (2009).

26. Saaty, T.L. Optimization in Integers and Related Extremal Problems. McGraw-Hill, New York, (1970).

27. __________. Decider Face à la Complexité : une approche analytique multicritère d’aide à la dècision, ESF, Belmont, (1984).