ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
IDENTIFICAÇÃO E PRIORIZAÇÃO DAS CAUSAS DE PERDAS DE DADOS ACÚSTICOS SUBMARINOS UTILIZANDO DIAGRAMA DE ISHIKAWA E FMEA COM TEORIA GREY
AUTOR: GABRIEL MARTINS SOARES ORIENTADOR: MARCOS COSTA ROBOREDO
NITERÓI JUL / 2018
Ficha catalográfica automática - SDC/BEE
Bibliotecária responsável: Fabiana Menezes Santos da Silva - CRB7/5274 S676i Soares, Gabriel Martins
Identificação e priorização das causas de perdas de dados acústicos submarinos utilizando diagrama de Ishikawa e FMEA com teoria Grey / Gabriel Martins Soares ; Marcos Costa Roboredo, orientador. Niterói, 2018.
63 f. : il.
Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção)-Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2018.
1. FMEA. 2. Teoria Grey. 3. Diagrama de Ishikawa. 4. Dados Acústicos Submarinos. 5. Produção intelectual. I. Título II. Roboredo,Marcos Costa, orientador. III. Universidade Federal Fluminense. Escola de Engenharia. Departamento de Engenharia de Produção.
GABRIEL MARTINS SOARES
IDENTIFICAÇÃO E PRIORIZAÇÃO DAS CAUSAS DE PERDAS DE DADOS ACÚSTICOS SUBMARINOS UTILIZANDO DIAGRAMA DE
ISHIKAWA E FMEA COM TEORIA GREY
Projeto final apresentado ao curso de Graduação em Engenharia de Produção da Universidade Federal Fluminense, como requisito parcial para a aquisição de Grau de Engenheiro de Produção.
Orientador:
Prof. Dr. MARCOS COSTA ROBOREDO
Niterói, RJ 2018
GABRIEL MARTINS SOARES
IDENTIFICAÇÃO E PRIORIZAÇÃO DAS CAUSAS DE PERDAS DE DADOS ACÚSTICOS SUBMARINOS UTILIZANDO DIAGRAMA DE
ISHIKAWA E FMEA COM TEORIA GREY
Monografia apresentada à Universidade Federal Fluminense como requisito parcial à obtenção do título de Engenheiro de Produção.
BANCA EXAMINADORA
___________________________________________________________________ Prof. Dr. MARCOS COSTA ROBOREDO
Universidade Federal Fluminense
___________________________________________________________________ Prof. Dr. HELDER GOMES COSTA
Universidade Federal Fluminense
___________________________________________________________________ Prof. Dr. VALDECY PEREIRA
Universidade Federal Fluminense
Niterói, RJ 2018
AGRADECIMENTOS
Primeiramente à Damantha, pelo carinho e amor de sempre e por sempre me motivar e incentivar a seguir em frente. Agradeço por sempre estar ao meu lado, dando apoio e uns “empurrãozinhos” e “puxões de orelha” quando necessário. Lembre-se sempre que eu te amo muito!
À minha mãe e meu pai, que sempre serviram de inspiração para saber que é possível ir mais longe e sempre me instigaram a “pensar fora da caixinha” e ver as coisas por um outro ângulo.
À minha família, que, mesmo estando longe, sempre me apoiou muito e torceu por mim durante todos os momentos.
Aos meus amigos, que cresceram e amadureceram junto comigo e ajudaram a me fortificar e que, reclamando ou não, compreenderam os períodos de “sumiço” acarretados por um semestre mais turbulento.
Aos meus professores, que me auxiliaram na busca pelo conhecimento durante toda minha formação acadêmica.
Ao meu orientador, que me auxiliou e me orientou, não só durante o desenvolvimento deste trabalho, mas também durante outros momentos da minha formação. Obrigado por toda ajuda e compreensão.
Aos meus colegas de trabalho, que acreditaram no meu potencial e me ajudaram a crescer, tanto pessoalmente quanto profissionalmente.
Muito obrigado, Gabriel Martins Soares
RESUMO
A exploração de petróleo vem sempre acompanhada de diversas discussões sobre os possíveis impactos socioambientais que ela pode vir a acarretar. Com o avanço desta exploração para águas profundas, a discussão acerca dos impactos sobre a biota marinha começou a criar forças. Diversos estudos surgiram com o intuito de entender a influência que a inserção de energias antropológicas advinda desta atividade provoca no local. Dentre as energias que mais preocupam os pesquisadores está o ruído acústico submarino, por ser o mais penetrante e difundido. Para avaliar os efeitos que estes ruídos causam, diversos países, inclusive o Brasil, passaram a realizar diversas pesquisas e monitorar o incremento dos mesmos. Para este monitoramento, em uma região específica do Brasil, foi elaborado um projeto que tem como escopo a aquisição do ruído de diversas fontes, antropogênicas e naturais, em pontos de interesse, para que possa ser processado, estudado e armazenado para uso futuro da comunidade científica. Com o vasto volume de dados que esta aquisição proporciona, além da necessidade de manuseá-lo e armazená-lo, existe a preocupação com a possibilidade de perda de dados ao longo do processo, o que pode provocar em complicações no projeto. Tendo em vista esta preocupação, o presente estudo tem como principal objetivo identificar as possíveis causas que podem ocasionar esta perda de dados, analisa-las, apontar as causas prioritárias e sugerir ações de melhorias para mitigá-las ou eliminá-las. Para realizar este estudo é utilizado o Diagrama de Ishikawa, a fim de identificar e compreender as possíveis causas do problema. Em seguida, é empregado o método FMEA para priorizar as causas. Para auxiliar o método FMEA foi aplicada a teoria Grey a fim de trazer uma maior confiança ao resultado obtido. Após a determinação do ranking de prioridades, foram sugeridas ações de melhorias e estipulados os novos valores de risco após estas melhorias. Os primeiros lugares no ranking são ocupados pelas causas operacionais, que possuem, em sua grande maioria, uma nota média ou alta nos três fatores, incluindo ocorrência, fator esse que recebeu um peso maior neste estudo.
Palavras-chave: FMEA, Teoria Grey, Diagrama de Ishikawa, Dados Acústicos Submarinos, Indústria de Óleo e Gás
ABSTRACT
Oil exploration is always accompanied by several discussions about the possible socio-environmental impacts that it may entail. With the advancement of this exploration for deep waters, the discussion about the impacts on the marine biota began to create forces. Several studies have emerged with the intention of understanding the influence that the insertion of anthropological energies resulting from this activity provoke on the spot. Among the energies that most concern the researchers are the acoustic underwater noises, being the most penetrating and widespread. In order to evaluate the effects of these noises, several countries, including Brazil, began to carry out several surveys and monitor their increase. For this monitoring, in a specific region of Brazil, a project was elaborated that has as scope the acquisition of the noise of diverse sources, anthropogenic and natural, in points of interest, so that it can be processed, studied and stored for future use of the scientific community. With the vast amount of data that this acquisition provides, in addition to the need to handle and store it, there is concern about the possibility of data loss throughout the process, which can lead to complications in the project. Considering this concern, the main objective of this study is to identify the possible causes that can cause this loss of data, to analyze them, to identify the priority causes and to suggest improvement actions to mitigate or eliminate them. To perform this study, the Ishikawa Diagram is used in order to identify and understand the possible causes of the problem. Then the FMEA method is used to prioritize the causes. To support the FMEA method the Grey theory was applied to bring greater confidence to the obtained result. After determining the priority ranking, improvement actions were suggested, and new risk values were established after these improvements. The first places in the ranking are occupied by operational causes, which, for the most part, have a medium or high score in all three factors, including occurrence, factor that was given a greater weight in this study.
Keywords: FMEA, Grey Theory, Ishikawa, Underwater Acoustic data, Oil and Gas Industry.
Lista de Figuras
Figura 1 - Exemplo de Diagrama de Causa e Efeito (NETO et al., 2008) ... 18
Figura 2 - Processo FMEA (PILLAY; WANG, 2003) - Tradução própria ... 22
Figura 3 - Teoria Grey no processo FMEA ... 26
Figura 4 - Análise de Sensibilidade do Coeficiente de Distinção - Exemplo... 34
Figura 5 - Fluxograma do Estudo ... 35
Figura 6 – Fluxograma Generalizado do Projeto ... 42
Figura 7 – Fluxograma indicando as atividades da EPA ... 43
Figura 8 - Diagrama de Ishikawa ... 45
Lista de Tabelas
Tabela 1 - Exemplo Ilustrativo da aplicação de FMEA ... 24
Tabela 2 - Exemplo Ilustrativo – Série Comparativa ... 32
Tabela 3 - Graus de Relação por Coeficiente de Distinção - Exemplo ... 33
Tabela 4 - Prioridade por Coeficiente de Distinção - Exemplo ... 33
Tabela 5 - Critérios de Severidade ... 37
Tabela 6 - Critérios de Ocorrência ... 37
Tabela 7 - Critérios de Detecção ... 38
Tabela 8 - Pesos dos Fatores ... 39
Tabela 9 - FMEA Tradicional ... 47
Tabela 10 - Série Comparativa ... 48
Tabela 11 - Série Padrão ... 49
Tabela 12 - Diferenças ... 50
Tabela 13 - Coeficiente de Relação Grey ... 51
Tabela 14 - Pesos dos Fatores... 51
Tabela 15 - FMEA com a aplicação da Teoria Grey ... 53
Tabela 16 - Grau de Relação por Coeficiente de Distinção ... 56
Tabela 17 - Ranking de Prioridade por Coeficiente de Distinção ... 56
Lista de Equações
Equação 1 – Matriz da Série Comparativa Genérica ... 27
Equação 2 - Matriz da Série Comparativa de FMEA ... 28
Equação 3 – Série Padrão de FMEA ... 28
Equação 4 – Matriz de Diferenças Genérica ... 28
Equação 5 – Matriz de Diferenças em FMEA ... 29
Equação 6 – Fórmula Genérica do Coeficiente de Relação Grey ... 29
Equação 7 – Fórmula do Coeficiente de relação Grey para Severidade ... 30
Equação 8 - Fórmula do Coeficiente de relação Grey para Ocorrência ... 30
Equação 9 - Fórmula do Coeficiente de relação Grey para Detecção ... 30
Equação 10 – Fórmula Genérica do Grau de Relação Grey com pesos distintos ... 30
Equação 11 - Fórmula Genérica do Grau de Relação Grey com pesos iguais ... 30
Equação 12 – Restrição da soma dos pesos em FMEA ... 31
Equação 13 - Fórmula do Grau de Relação Grey em FMEA ... 31
Equação 14 – Série Comparativo – Estudo de Caso ... 49
Equação 15 – Série Padrão – Estudo de Caso ... 49
Equação 16 – Matriz de Diferenças – Estudo de caso ... 50
Sumário
1. CAPÍTULO I – INTRODUÇÃO ... 13 1.1. CONTEXTUALIZAÇÃO ... 13 1.2. SITUAÇÃO DO PROBLEMA ... 14 1.3. OBJETIVO ... 15 1.4. QUESTÕES E HIPÓTESES ... 16 1.5. ORGANIZAÇÃO DO ESTUDO ... 162. CAPÍTULO II – REFERENCIAL TEÓRICO ... 17
2.1. DIAGRAMA DE ISHIKAWA ... 17
2.2. FMEA ... 19
2.2.1. EXEMPLO ILUSTRATIVO - FMEA ... 23
2.2.2. CRÍTICAS AO FMEA ... 24
2.3. TEORIA GREY APLICADA AO FMEA ... 26
2.3.1. SÉRIE COMPARATIVA ... 27
2.3.2. SÉRIE PADRÃO ... 28
2.3.3. DIFERENÇA ENTRE SÉRIE COMPARATIVA E SÉRIE PADRÃO ... 28
2.3.4. COEFICIENTE DE RELAÇÃO GREY ... 29
2.3.5. GRAU DE RELAÇÃO ... 30
2.3.6. COEFICIENTE DE DISTINÇÃO 𝜻 ... 31
2.3.6.1. EXEMPLO ILUSTRATIVO – TEORIA GREY ... 32
3. CAPÍTULO III – METODOLOGIA ... 35
3.1. ESTUDO REALIZADO ... 35
4. CAPÍTULO IV – ESTUDO DE CASO ... 40
4.1. DESCRIÇÃO DO PROJETO ... 40
4.2. DIAGRAMA DE ISHIKAWA ... 43
4.3. APLICAÇÃO DE FMEA UTILIZANDO TEORIA GREY ... 46
4.3.1. ANÁLISE DE SENSIBILIDADE DO COEFICIENTE DE DISTINÇÃO . 55 4.4. AÇÕES SUGERIDAS PARA O FMEA ... 59
5. CAPÍTULO V – CONSIDERAÇÕES FINAIS E SUGESTÕES DE ESTUDOS FUTUROS ... 60
5.1. CONSIDERAÇÕES FINAIS ... 60
5.2. SUGESTÕES DE ESTUDOS FUTUROS ... 61
1. CAPÍTULO I – INTRODUÇÃO
1.1. CONTEXTUALIZAÇÃO
O petróleo é um dos recursos mais importantes e estratégicos da atualidade, sendo uma matéria-prima utilizada em diversas áreas da sociedade. Segundo Sobral e da Silva (2015), apesar de ser a fonte energética do modelo de desenvolvimento dos dias de hoje, seu processo de extração pode causar impactos ambientais negativos nos ecossistemas naturais. Com os esgotamento das fontes de petróleo e gás de mais fácil acesso e o avanço da tecnologia, a indústria petrolífera vem explorando cada vez mais as reservas de petróleo em águas profundas, e as legislações ambientais nem sempre acompanham essa expansão (CORDES et al., 2016).
Como reforçado por Almada e Bernardino (2017), as margens continentais abrigam muitos ecossistemas frágeis que possuem sua própria biodiversidade e importância à ecologia. Esses ecossistemas são vulneráveis às atividades antropogênicas e vem sendo cada vez mais atingidos por elas.
Nos últimos anos, a discussão sobre os impactos ambientais no meio marinho correlacionado à existência de ruídos acústicos vem obtendo atenção dos órgãos governamentais de diversos países. Visando mitigar os problemas relacionados aos ruídos, foi criado a OSPAR Agreement 2014‐08ef (Dekeling, R.P.A., et. Al., 2014), um documento de estratégia marítima, que tem como finalidade ser um guia de monitoramento de ruídos subaquáticos na região costeira da Europa. Segundo este manual, as atividades humanas introduzem diversos tipos de energia antropogênica na biota marina, dentre elas, as mais penetrantes e difundidas são os sons subaquáticos. Neste contexto, diversos programas são desenvolvidos para o estudo dos ruídos subaquáticos, geralmente baseados na análise da descrição estatística dos sinais e sons processados (KICINSKI, 1997).
Seguindo as recomendações de Dekeling, et. Al., (2014), muitos países passaram a implementar programas de monitoramento de ruídos acústicos. Para estes programas são necessários a aquisição, processamento e o armazenamento de uma quantidade significativa de dados. Com a crescente demanda de dados e informações, e a necessidade que este enorme volume de informações traz de processamento e armazenamento, é
preciso uma atenção na escolha de uma técnica de armazenamento de dados adequada, tendo o cuidado, ainda, de disponibilizá-los para estudos futuros (OLIVEIRA et al., 2015).
Oliveira, et al., (2015) ainda alerta que é necessário se atentar ao provável aumento no volume de dados que pode ser causado pelas crescentes demandas dos usuários e órgãos regulamentadores. Para atender a esta demanda e manter o controle dos dados coletados e armazenados, é essencial a utilização de um sistema de gerenciamento de banco de dados. Um sistema de gerenciamento de banco de dado é desenvolvido para providenciar um meio seguro e confiável de armazenar, direto e prático para acessar e seguro para modificar o dado armazenado. Além disso, o banco de dados deve ser o resultado de um processo detalhado de análise e design. (RYAN, 2004)
1.2. SITUAÇÃO DO PROBLEMA
Com essa crescente preocupação com os impactos gerados pela exploração de recursos nos litorais, no Brasil, o Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA, http://www.ibama.gov.br), seguindo as tendências internacionais, vem analisando alguns fatores que poderiam causar impactos no meio marinho. Dentre esses fatores está o possível aumento dos ruídos acústicos causado pela produção e escoamento de petróleo e gás natural em águas profundas. Sendo assim, foi iniciado um projeto, pela empresa responsável pela exploração, em parceria com outras empresas e órgãos, buscando a caracterização do cenário atual da ocorrência de ruídos em diferentes frequências, que servirão de base comparativa para avaliação do provável incremento no nível de ruídos associado ao desenvolvimento da cadeia produtiva do petróleo e seus impactos.
O projeto desenvolvido possui como objetivo fim adquirir, processar e armazenar dados acústicos submarinos para estudar e compreender os possíveis impactos gerados devido ao ruído antropogênico. Para isso o projeto utiliza diversos sistemas de aquisição para coletar os dados. Dentre estes sistemas encontram-se gravadores fixos, que captam a assinatura acústica em alguns pontos da rota de exploração do petróleo.
Dentre as empresas integrantes do projeto, uma empresa em específico é responsável pela etapa recebimento, processamento e armazenamento dos dados coletados por todos os sistemas de aquisição, além da instalação, manutenção e aquisição dos dados de um dos sistemas de aquisição utilizados, os gravadores fixos.
O presente estudo foi realizado nesta empresa em questão, por este motivo o escopo do estudo está limitado apenas as atividades realizadas pela mesma.
Tendo em vista o enorme volume de dados recebido por esta empresa, e a importância desses dados, é necessário ter conhecimento das possíveis causas de perda desses dados, bem como propor maneiras de mitigá-las ou eliminá-las, aumentando, assim, a confiabilidade do sistema.
1.3. OBJETIVO
O principal objetivo do presente trabalho é identificar e priorizar as possíveis causas de perda e má armazenamento de dados acústicos submarinos dentro do projeto, bem como seus efeitos, e propor melhorias para diminuir os riscos de que essas causas ocorram.
Como objetivo secundário tem-se a avaliação a utilidade da ferramenta de qualidade desenvolvida por Kaoru Ishikawa em 1943, o Diagrama de Ishikawa, como ferramenta complementar, auxiliando na identificação das causas do problema deste estudo. Para esta análise é utilizado o Diagrama de Ishikawa junto de um brainstorming com especialistas da área para determinar as causas-raízes e suas subcausas.
Outro dos objetivos secundários é observar como o Diagrama de Ishikawa se relaciona com a Análise de Modo de Falha e seus Efeitos (FMEA, do inglês “Failure mode and effects analysis”) e quais as influências que a aplicação da teoria Grey causa nesta análise. Para isso, após a elaboração do Diagrama de Ishikawa, é feito uma adaptação para a integração com FMEA e utilizada a teoria Grey para contornar algumas das adversidades que o método FMEA possui e, então, determinado o ranking de prioridade das causas encontradas.
O estudo objetiva ainda, após a análise pelo FMEA, sugerir ações para tentar mitigar ou eliminar os riscos apresentados pelos modos de falha, e estimar o impacto que essas ações terão em cada modo de falha.
Este estudo impactará no projeto, de modo a facilitar o andamento futuro do mesmo, precavendo possíveis falhas e auxiliando a evitar ao máximo a perda de dados.
1.4. QUESTÕES E HIPÓTESES
As seguintes questões serão trabalhadas ao longo deste trabalho: • Quais as causas que acarretam a perda de dados no projeto? • Quais destas causas são tidas como prioritárias?
• Como a utilização da teoria Grey afeta o FMEA no caso estudado? • Como melhorar para diminuir a ocorrência destas causas?
1.5. ORGANIZAÇÃO DO ESTUDO
O presente estudo é estruturado em cinco capítulos, conforme descritos abaixo: O capitulo 1 apresenta a introdução do trabalho, contextualizando o problema e estruturando a base na qual o estudo se apoiará, mostrando os objetivos e justificativas do projeto.
O capitulo 2 expõem o referencial teórico com conceitos e teorias acerca de Diagrama de Ishikawa, FMEA e Teoria Grey.
O capitulo 3 traz a metodologia que orientará o estudo realizado, explicando os passos a serem seguidos neste estudo, o que será feito e as limitações.
No capítulo 4 é apresentado o estudo de caso aplicado, falando brevemente do projeto e da empresa onde o estudo foi realizado e revelando os resultados obtidos.
O capitulo 5 trará as considerações finais sobre o estudo realizado e sugestões de estudos futuros.
2. CAPÍTULO II – REFERENCIAL TEÓRICO
2.1. DIAGRAMA DE ISHIKAWA
O Diagrama de Ishikawa, também conhecido como Diagrama de Causa e Efeito, é uma ferramenta de controle de qualidade, desenvolvida por Kaoru Ishikawa, muito utilizada para auxiliar nas análises e identificações das possíveis causas de um determinado efeito (JUNIOR; PICCHIAI; SARAIVA, 2015). Segundo Sakurada (2001), essa ferramenta é bastante utilizada na indústria para a análise de falhas, devido a sua simplicidade. Ela mostra a relação entre um efeito e suas causas. Coletti, Bonduelle e Iwakiri (2010) definem o Diagrama de Ishikawa como uma “Técnica utilizada para auxiliar na identificação de possíveis causas de um problema, mas também, pode ser utilizada para a melhoria de alguma atividade ou recurso”
Para Neto, et al., (2008), O Diagrama de Causa e Efeito tem por finalidade desenvolver uma representação gráfica das causas de um determinado efeito dentro do processo, podendo ser utilizada em qualquer elemento do sistema. Já Maekawa, Carvalho, e Oliveira, (2013) descrevem o mesmo como:
É uma representação gráfica que permite a organização de informações por semelhança a partir de seis eixos principais (método, material, máquinas, meio ambiente, mão de obra e medição), possibilitando a identificação das possíveis causas de um determinado problema ou efeito, de forma específica e direcionada. (Maekawa, Carvalho, e Oliveira, 2013)
Sakurada (2001) ressalta que o diagrama não precisa obrigatóriamente utilizar os eixos conforme sugeridos na estruturação tradicional, com método, material, máquinas, meio ambiente, mão de obra e medição, podendo ser utilizadas outras estruturas, conforme melhor se adequar ao problema estudado. O autor orienta ainda quanto ao uso do Brainstorming, como ferramenta auxiliar para, através de discussões francas e abertas, determinar da melhor as possíveis causas.
Para melhor ilustrar a ferramente, pode-se observar, na Figura 1, o Diagrama de Causa e Efeito, elaborado por Neto, et al., (2008), para analisar os fatores que são determinantes para a ineficiência na gestão da propriedade rural.
Figura 1 - Exemplo de Diagrama de Causa e Efeito (NETO et al., 2008)
Para a estruturação do diagrama, Sakurada (2001) sugere que se siga os seguintes passos:
1. Estabelecer o efeito (característica) da qualidade
2. Encontrar o maior número possível de causas que podem afetar o efeito da qualidade
3. Definir as relações entre as causas e construir um Diagrama de Causa e Efeito, ligando os elementos com o efeito da qualidade por relações de causa e efeito;
4. Estipular uma importância para cada causa e assinalar as causas particularmente importantes, que pareçam ter um efeito significativo na característica da qualidade
5. Registrar quaisquer informações necessárias.
Neste estudo, a aplicação do Diagrama de Ishikawa é efetuada apenas até o passo 3, pois, a importância e a prioridade da cada causa será determinada durante a aplicação da análise FMEA, que será explicada na seção 2.2.
2.2. FMEA
A análise de modos de falhas e efeitos, ou FMEA, é um método de análise utilizado para quantificar e ordenar as possíveis falhas de um sistema ou produto, utilizando técnicas de brainstorm para localizá-las. Ele foi visto pela primeira vez em estudos feitos pela NASA, em 1963, e posteriormente expandiu para as indústrias de automóveis (Puente, et al., 2002). Este método tem como objetivo identificar, definir e eliminar erros conhecidos e possíveis além de avaliar o efeito de cada um deles sobre o desempenho do sistema (STAMATIS, 2003).
Sakurada (2001) explica FMEA como sendo uma técnica analítica que pode ser utilizada por um engenheiro ou por uma equipe e visa garantir que, dentro do possível, os modos de falhas e seus efeitos sejam identificados e considerados, onde modo de falha é uma propriedade inerente do sistema e seus efeitos são os resultados quando vêm a ocorrer. Com os resultados da análise, os analistas que atuam no processo podem identificar e corrigir as possíveis falhas com efeitos prejudiciais ao sistema e melhorar o desempenho de maneira geral (LIU; LIU; LIU, 2013).
Segundo Chang, Wei e Lee (1999), FMEA é dividido em dois tipos, FMEA de projeto e FMEA de processo, porém, Stamatis (2003) defende que existem quatro tipos de FMEA, sendo eles: FMEA de sistema; FMEA de projeto; FMEA de processo e FMEA de serviço.
• O FMEA de sistema avalia o sistema, ou subsistema, desde a fase concepção e projeto. Ele foca nos modos de falha entre as funções do sistema causados pelas deficiências no sistema. O FMEA de sistema ajuda a selecionar a alternativa ideal para o projeto do sistema, detectar redundâncias, determinar procedimentos de diagnósticos, aumenta a possibilidade de problemas potenciais serem considerados e identifica potenciais falhas do sistema e seus efeitos em outros sistemas e subsistemas.
• O FMEA de projeto é utilizado para analisar os produtos antes do início da sua produção e foca nos modos de falha causados por deficiências no
projeto. Dentre seus benefícios, ele: estabelece as prioridades para as ações de melhoria do projeto, ajuda a identificar as características críticas e significantes, avaliar os requerimentos e as alternativas de projeto, identificar e eliminar problemas de segurança e identificar falhas do produto no início da produção.
• O FMEA de processo analisa o processo de manutenção e montagem. Seu foco é nos modos de falha causados por deficiências na montagem e fabricação. Os principais benefícios são que ele identifica deficiências de processo e apresenta plano de ação corretiva, identifica as características críticas e significantes e ajuda a desenvolver planos de controle, estabelece prioridade de ação corretiva e ajuda na análise do processo de fabricação e montagem.
• O FMEA de serviço é usado para analisar o serviço antes que ele chegue até o cliente e foca nos modos de falha causados por deficiências no sistema ou no processo. Esse tipo ajuda na análise do fluxo de trabalho, do sistema e/ou processo, identifica deficiências das tarefas, identifica tarefas críticas ou significantes e ajuda a desenvolver planos de controle e estabelece prioridades para ações de melhoria.
Stamatis (2003) define a essência do FMEA como sendo identificar e prevenir problemas conhecidos e possíveis de chegarem até o cliente. Para aplicar esta análise, é necessário assumir que cada problema tem uma prioridade diferente. Para determinar a prioridade de cada problema é utilizado o número de prioridade de risco, ou RPN (do inglês, “risk priority number”), associado a cada um deles. O RPN possui três componentes, sendo eles: ocorrência, severidade e detecção e é calculado pela multiplicação de todos eles. Ocorrência é a frequência com que a falha ocorre, severidade é a gravidade dos efeitos da falha e detecção é a habilidade de detectar a falha.
O processo de aplicação do método pode ser dividido em diferentes passos. Os passos, adaptados de Pillay e Wang (2003):
1. Desenvolver um bom entendimento de como o sistema deve operar quando está funcionando normalmente
2. Dividir o sistema em subsistemas e/ou composições a fim de determinar seus componentes
3. Utilizar esquemas e fluxogramas para identificar os componentes e as relações entre eles
4. Elaborar uma lista completa dos componentes de cada parte
5. Identificar adversidades operacionais e ambientais que podem afetar o sistema. Considerar como essas adversidades podem afetar o desempenho de cada componente
6. Determinar os modos de falha de cada componente e os efeitos de cada modo de falha na composição, subsistema ou no sistema inteiro
7. Atribuir um valor de severidade(S) para cada modo de falha 8. Determinar as causas de cada modo de falha
9. Atribuir um valor de ocorrência(O) 10. Listar os processos de controle utilizados 11. Atribuir um valor de detecção(D) de cada um 12. Calcular o RPN = S*O*D
13. Determinar se ações precisarão ser tomadas dependendo do RPN 14. Propor melhorias para o desempenho do sistema
15. Resumir a análise, em forma de tabela, por exemplo. (PILLAY; WANG, 2003)
É apresentado, na Figura 2, o fluxo de processos, para a aplicação do método, sugerido por e adaptado por Pillay e Wang (2003) e adaptado para português.
Figura 2 - Processo FMEA (PILLAY; WANG, 2003) - Tradução própria
Já Fernandes e Rebelato (2006) propõem a execução de FMEA em 5 etapas, sendo elas:
1. Identificar modos de falha conhecidos e potenciais;
2. Identificar os efeitos de cada modo de falha e a sua respectiva severidade; 3. Identificar as causas possíveis para cada modo de falha e a sua probabilidade
de ocorrência;
4. Identificar os meios de detecção do modo de falha e sua probabilidade de detecção; e
5. Avaliar o potencial de risco de cada modo de falha (RPN) e definir medidas para sua eliminação ou redução.
Para a implementação de FMEA neste estudo, são utilizadas as etapas propostas por Fernandes e Rebelato (2006). Na seção 2.2.1, é apresentado um exemplo ilustrativo da implementação da análise FMEA, a fim de aprofundar o entendimento da aplicação e explicar as tabelas que são utilizadas.
2.2.1. EXEMPLO ILUSTRATIVO - FMEA
Para este exemplo, é considerado um sistema fictício que possui como principal função a “Função 1”. Seguindo a etapa 1, ao observar e estudar este sistema e buscar os motivos que fazem ou podem fazer com que o sistema deixe de realizar a “Função 1”, encontram-se o “Modo de Falha 1”, “Modo de Falha 2”, “Modo de Falha 3”, “Modo de Falha 4”, “Modo de Falha 5” e o “Modo de Falha 6”. Na etapa 2, identifica-se os efeitos de cada Modo de Falha, e é obtido o “Efeito 1”, “Efeito 2”, “Efeito 3”, “Efeito 4”, “Efeito 5” e o “Efeito 6”, respectivos a cada Modo de Falha e atribuído o valor de severidade relativo a cada efeito.
Para cada efeito, deve-se identificar pelo menos uma causa, podendo ser atribuídas varias causas para um mesmo efeito, bem como uma mesma causa pode se repetir em diferentes efeitos. Neste exemplo, é identificado as causas “Causa 1”, “Causa 2”, “Causa 3”, “Causa 4”, “Causa 5” e “Causa 6” para cada efeito, respectivamente, e atribuído o valor de ocorrência para cada uma. Depois é identificado os meios de detecção como sendo “Método 1”, “Método 2”, “Método 3”, “Método 4”, “Método 5” e “Método 6” e atribuído o valor de detecção para cada um.
Após coletar todas as informações necessárias, elas são organizadas em uma tabela, conforme a Tabela 1, onde os valores de severidade, ocorrência e detecção são multiplicados de modo a obter o RPN e a ordem de prioridade é definida. A partir da tabela é possível fazer análises mais profundas e determinar medidas para mitigar ou reduzir estes riscos.
Função Modo de Falha Efeito Se ve ri da de (S) Causa ID O corr ênc ia (O) Meios e Métodos de Controle D et ec çã o (D ) RPN tradicional S*O*D Prioridade Tradicional Função 1 Modo de
Falha 1 Efeito 1 4 Causa 1 1 6 Método 1 5 120 4 Modo de
Falha 2 Efeito 2 5 Causa 2 2 6 Método 2 9 270 1 Modo de
Falha 3 Efeito 3 4 Causa 3 3 8 Método 3 4 128 3 Modo de
Falha 4 Efeito 4 10 Causa 4 4 10 Método 4 1 100 6 Modo de
Falha 5 Efeito 5 5 Causa 5 5 8 Método 5 3 120 4 Modo de
Falha 6 Efeito 6 9 Causa 6 6 4 Método 6 5 180 2 Tabela 1 - Exemplo Ilustrativo da aplicação de FMEA
Na primeira coluna da Tabela 1 (Função) são definidas as funções que o sistema estudado deve desempenhar. A segunda coluna apresenta os modos de falhas que foram encontrados para cada função, a terceira coluna apontada os efeitos para cada modo de falha e a quarta coluna exibe os valores de severidade para cada efeito. Na quinta coluna são identificadas as causas de cada modo de falha e a sexta coluna relaciona cada causa a um “ID” de modo a auxiliar o estudo. A sétima coluna exibe os valores de ocorrência, a oitava coluna explica os métodos utilizados para controlar os modos de falha e a nona coluna exibe os valores de detecção de cada um dos métodos. Já a decima e a decima primeira coluna denotam o valor calculado para o RPN e o ranking de prioridade estabelecidos, respectivamente.
2.2.2. CRÍTICAS AO FMEA
O método FMEA, apesar de amplamente divulgado e utilizado, recebe diversas críticas ao longo de sus literatura apontando problemas, em especial, no modo como o número de prioridade de risco (RPN) é obtido (BEN-DAYA; RAOUF, 1996; CHANG, CHING-LIANG; LIU; WEI, 2001; GILCHRIST, 1993; LEAL; DE PINHO; DE
ALMEIDA, 2006; LIU et al., 2011). Alguns dos problemas discutidos sobre a análise tradicional são:
• Diversas combinações de severidade, ocorrência e detecção podem gerar o mesmo RPN;
• O RPN utilizado tradicionalmente não considera a possibilidade dos fatores terem pesos diferentes, dependendo da necessidade;
• O RPN é incapaz de estimar o efeito das ações de melhoria, pois ele não atende aos requisitos usuais de medida
• Os valores dos três fatores que compõem o RPN são difíceis de estimar com precisão
• Não existe um motivo exato para o motivo de se multiplicar os fatores para calcular o RPN
Para contornar alguns desses problemas encontrados ao utilizar o RPN tradicional, este estudo irá utilizar a aplicação da teoria Grey no método FMEA. A aplicação desta teoria substitui o cálculo do RPN no fluxo tradicional de FMEA. Utilizando como comparação o fluxo sugerido por Pillay e Wang (2003) na Figura 2, a Figura 3 ilustra onde a teoria Grey é inserida no processo de aplicação de FMEA.
Figura 3 - Teoria Grey no processo FMEA
2.3. TEORIA GREY APLICADA AO FMEA
A teoria dos sistemas Grey foi introduzida em 1982 e trata de sistemas que possuem insuficiência de informações, como a agricultura, a economia, o corpo humano, dentre outros. O objetivo desta teoria é aproximar as ciências sociais e naturais (JULONG, 1989). A aplicação desta teoria no método FMEA foi proposto em 2001, por Chang, et al., por auxiliar na análise da relação entre séries qualitativas e quantitativas discretas. (LEAL; DE PINHO; DE ALMEIDA, 2006).
Chang, et al., (2001) explica que, para a utilização da teoria, todos os componentes das séries analisadas devem ser existentes, contável, extensível e independente. Como FMEA atende a todos esses requisitos, ele está apto para a aplicação da teoria. As maiores vantagens no uso da teoria Grey em FMEA está na habilidade de aplicar pesos distintos para a severidade, a ocorrência e a detecção e no fato de não necessitar do uso de função utilidade.
Para a construção do modelo a ser utilizado na aplicação da teoria Grey em FMEA, os passos são descritos a seguir, de modo à obter o ranking de processos prioritários a fim de definir as melhorias necessárias ( Julong, 1989; Chang et al., 2001; Leal et al., 2006; Roos, da Rosa, & Paladini, 2009; Liu et al., 2011):
2.3.1. SÉRIE COMPARATIVA
Uma Série Comparativa pode ser estabelecida a partir de diversas séries com K componentes ou fatores de decisão, onde cada série pode ser descrita conforme a expressão 𝑋′𝑛= (𝑋′𝑛(1), 𝑋′𝑛(2), … , 𝑋′𝑛(𝑘)) ∈ 𝑋, onde X representa o conjunto de séries, k=1 ,..., K representa os componentes de 1 até K e 𝑋′
𝑛(𝑘) é o componente k da série n. Considerando que todas as séries são compatíveis e representadas pelos mesmos componentes, o conjunto pode ser descrito pela matriz da Equação 1.
𝑋 = [ 𝑋1(1) 𝑋1(2) … 𝑋1(𝑘) 𝑋2(1) 𝑋2(2) … 𝑋2(𝑘) ⋮ ⋮ ⋱ ⋮ 𝑋𝑛(1) 𝑋𝑛(2) … 𝑋𝑛(𝑘) ]
Equação 1 – Matriz da Série Comparativa Genérica
Para a aplicação no método FMEA, deve-se considerar cada causa dos Modos de Falha como uma série distinta tendo como componentes seus valores de severidade, ocorrência e detecção. A partir destas considerações, monta-se uma série comparativa, na forma de matriz Nx3, onde N é o número de causas de falhas determinadas na análise FMEA. A matriz pode ser expressa pela Equação 2.
𝑋 = [ 𝑋1(𝑆) 𝑋1(𝑂) 𝑋1(𝐷) 𝑋2(𝑆) 𝑋2(𝑂) 𝑋2(𝐷) ⋮ ⋱ ⋮ 𝑋𝑛(𝑆) 𝑋𝑛(𝑂) 𝑋𝑛(𝐷) ]
Equação 2 - Matriz da Série Comparativa de FMEA
Na matriz, 𝑋𝑛(𝑆), 𝑋𝑛(𝑂) e 𝑋𝑛(𝐷) representam, respectivamente os valores de severidade (S), ocorrência (O) e detecção (D) atribuídos à causa n.
2.3.2. SÉRIE PADRÃO
Uma série padrão é uma série que assume os melhores valores possíveis para cada fator. Essa série pode ser descrita de maneira genérica por 𝑋0= (𝑋0(1), 𝑋0(2), … , 𝑋0(𝑘)). Como no caso de FMEA, quanto menor os valores de severidade, ocorrência e detecção, melhor, a série padrão a ser adotada deve ser:
𝑋0= [1 1 1]
Equação 3 – Série Padrão de FMEA
2.3.3. DIFERENÇA ENTRE SÉRIE COMPARATIVA E SÉRIE PADRÃO
Após determinar a Série Comparativa e a Série padrão, a diferença entre estas duas séries deve ser calculada de forma a montar uma matriz, que pode ser generalizada pela Equação 4. 𝐷 = [ ∆𝑋1(1) ∆𝑋1(2) … ∆𝑋1(𝑘) ∆𝑋2(1) ∆𝑋2(2) … ∆𝑋2(𝑘) ⋮ ⋮ ⋱ ⋮ ∆𝑋𝑛(1) ∆𝑋𝑛(2) … ∆𝑋𝑛(𝑘) ]
Onde ∆𝑋𝑛(𝑘) = ||𝑋0(𝑘) − 𝑋𝑛(𝑘)||
Da mesma forma, ao aplicar ao FMEA, a matriz pode ser expressa conforme indicada na Equação 5. 𝐷 = [ ∆𝑋1(𝑆) ∆𝑋1(𝑂) ∆𝑋1(𝐷) ∆𝑋2(𝑆) ∆𝑋2(𝑂) ∆𝑋2(𝐷) ⋮ ⋱ ⋮ ∆𝑋𝑛(𝑆) ∆𝑋𝑛(𝑂) ∆𝑋𝑛(𝐷) ]
Equação 5 – Matriz de Diferenças em FMEA
Onde ∆𝑋𝑛(𝑆) = 𝑋𝑛(𝑆) − 1. Da mesma forma se calcula os demais.
2.3.4. COEFICIENTE DE RELAÇÃO GREY
Após computar as diferenças, a teoria segue com a determinação dos coeficientes de relação Grey, que são os Graus de relação entre duas séries em um determinado ponto (ou em um determinado componente). O coeficiente de relação pode ser expresso pela Equação 6.
𝛾𝑋𝑛(𝑘) = 𝛾(𝑋0(𝑘), 𝑋𝑛(𝑘)) =
∆𝑚𝑖𝑛+ 𝜁∆𝑚𝑎𝑥 ∆X𝑛(𝑘) + 𝜁∆𝑚𝑎𝑥
Equação 6 – Fórmula Genérica do Coeficiente de Relação Grey
Onde ∆X𝑛(𝑘) é retirado da matriz de diferença, ∆𝑚𝑖𝑛 e ∆𝑚𝑎𝑥 são, respectivamente o menor e o maior valor encontrado na matriz. O coeficiente 𝜁 é conhecido como coeficiente de distinção, e será melhor explicado na seção 2.3.6.
Para calcular o coeficiente de relação Grey deve-se comparar os fatores de risco do FMEA à série padrão. Este coeficiente pode ser expresso pela Equação 7, Equação 8 e Equação 9.
𝛾𝑋𝑛(𝑆) =
∆𝑚𝑖𝑛+ 𝜁∆𝑚𝑎𝑥 ∆X𝑛(𝑆) + 𝜁∆𝑚𝑎𝑥
Equação 7 – Fórmula do Coeficiente de relação Grey para Severidade
𝛾𝑋𝑛(𝑂) =
∆𝑚𝑖𝑛+ 𝜁∆𝑚𝑎𝑥 ∆X𝑛(𝑂) + 𝜁∆𝑚𝑎𝑥
Equação 8 - Fórmula do Coeficiente de relação Grey para Ocorrência
𝛾𝑋𝑛(𝐷) =
∆𝑚𝑖𝑛+ 𝜁∆𝑚𝑎𝑥 ∆X𝑛(𝐷) + 𝜁∆𝑚𝑎𝑥
Equação 9 - Fórmula do Coeficiente de relação Grey para Detecção
2.3.5. GRAU DE RELAÇÃO
Antes de calcular o Grau de Relação deve-se primeiro atribuir os pesos 𝛼𝑘 a cada um dos fatores que compõem as séries, sendo que ∑𝑛𝑘=1𝛼𝑘= 1. Após determinar os pesos, o Grau de Relação pode ser calculado seguindo a Equação 10.
Γ𝑛 = ∑ 𝛼𝑘∗ 𝑛
𝑘=1
𝛾𝑋𝑛(𝑘)
Equação 10 – Fórmula Genérica do Grau de Relação Grey com pesos distintos
Caso todos os fatores tenham a mesma relevância e os pesos sejam iguais, a equação pode ser simplificada da seguinte forma:
Γ𝑛 = 1
𝑛∑ 𝛾𝑋𝑛(𝑘) 𝑛
𝑘=1
Para calcular o grau de relação em FMEA deve-se atribuir pesos 𝛼𝑆, 𝛼𝑂 e 𝛼𝐷 para os fatores do FMEA (severidade, ocorrência e detecção) respeitando a restrição:
𝛼𝑆+ 𝛼𝑂+ 𝛼𝐷 = 1
Equação 12 – Restrição da soma dos pesos em FMEA
Tendo sido definido os pesos, pode-se utilizar a Equação 13 para calcular o grau de relação
Γ𝑛 = 𝛼𝑆𝛾𝑋𝑛(𝑆) + 𝛼𝑂𝛾𝑋𝑛(𝑂) + 𝛼𝐷𝛾𝑋𝑛(𝐷)
Equação 13 - Fórmula do Grau de Relação Grey em FMEA
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]
Equação 14 – Série Comparativo – Estudo de Caso
Já a Série Padrão pode ser ilustrada pela tabela abaixo:
Série Padrão
Severidade Ocorrência Detecção
1 1 1
Tabela 11 - Série Padrão
Ou expressa pela matriz:
𝑋0= [1 1 1]
Equação 15 – Série Padrão – Estudo de Caso
Utilizando a Série Comparativa e a Série Padrão, a diferença é calculada de modo a formar a Tabela 12.
Diferença - Δ
Modos de Falhas Causas Severidade Ocorrência Detecção
Gravador parou de gravar
Hidrofone mal conectado 6 2 5
Bateria defeituosa 6 3 5
Cartão mal inserido 6 0 5
Micro SD defeituoso 6 1 5
Má configuração do gravador 6 2 7
Gravador estragou
Avaria devido ao mau tempo 7 0 7
Danos provocados por embarcações 7 0 7
Gravador foi perdido Poita se soltou da boia 7 1 7
Erro no Banco de Dados
HD defeituoso 4 1 0
Erro devido à Padronização dos
processos não finalizada 4 4 4
Ataque de hackers 4 0 3
Apagamento acidental de dados 4 1 0
Deslocamento acidental de dados dentro do Banco de
Dados
Erro devido à Padronização dos
processos não finalizada 2 4 4
Descuido de funcionário 2 1 0
Perda do cartão de
armazenamento Descuido de funcionário 0 1 0
Tabela 12 - Diferenças
Onde a matriz de diferença pode ser expressa por:
𝐷 = [ 7 2 5 7 3 5 7 0 5 7 1 5 7 2 7 8 0 7 8 0 7 8 1 7 5 1 0 5 4 4 5 0 3 5 1 0 3 4 4 3 1 0 1 1 0]
Com base na Matriz de Diferença, calcula-se os coeficientes de relação Grey, de acordo com a Equação 7, Equação 8 e Equação 9 apresentadas na seção 2.3.4. Na Equação 17 é calculado como exemplo de coeficiente de relação Grey para o fator severidade da causa “Hidrofone mal conectado” e na Tabela 13 são apresentados todos os coeficientes.
𝛾𝑋1(𝑆) =
0 + 0,5 ∗ 8
7 + 0,5 ∗ 8 = 0,36364 Equação 17 – Exemplo de Cálculo do Coeficiente de Relação Grey
Coeficiente de relação de grey - γ
Modos de Falhas Causas Severidade Ocorrência Detecção
Gravador parou de gravar
Hidrofone mal conectado 0,36842 0,63636 0,41176 Bateria defeituosa 0,36842 0,53846 0,41176 Cartão mal inserido 0,36842 1,00000 0,41176 Micro SD defeituoso 0,36842 0,77778 0,41176 Má configuração do gravador 0,36842 0,63636 0,33333
Gravador estragou
Avaria devido ao mau tempo 0,33333 1,00000 0,33333 Danos provocados por
embarcações 0,33333 1,00000 0,33333
Gravador foi perdido Poita se soltou da boia 0,33333 0,77778 0,33333
Erro no Banco de Dados
HD defeituoso 0,46667 0,77778 1,00000 Erro devido à Padronização
dos processos não finalizada 0,46667 0,46667 0,46667 Ataque de hackers 0,46667 1,00000 0,53846 Apagamento acidental de
dados 0,46667 0,77778 1,00000
Deslocamento acidental de dados dentro do Banco de Dados
Erro devido à Padronização
dos processos não finalizada 0,63636 0,46667 0,46667 Descuido de funcionário 0,63636 0,77778 1,00000 Perda do cartão de
armazenamento Descuido de funcionário 1,00000 0,77778 1,00000 Tabela 13 - Coeficiente de Relação Grey
Tabela 14 - Pesos dos Fatores
Severidade Ocorrência Detecção
0,3 0,5 0,2
Seguindo o cálculo dos coeficientes, define-se os pesos para cada fator, conforme a Tabela 14. Por fim, faz-se a soma ponderada dos fatores para cada uma das causas dos Modos de Falha para calcular seu Grau de Relação e, através desse grau, estabelecer a nova ordem de priorização para o FMEA, onde, quanto menor o valor, maior a prioridade do Modo de Falha. A Tabela 15 mostra o Grau de Relação de cada causa dos Modos de Falha, bem como sua respectiva prioridade ao utilizar a teoria Grey.
Ao analisar a Tabela 15 e comparar o resultado do FMEA tradicional com o resultado do FMEA com a aplicação da teoria Grey, pode-se constatar alguns pontos importantes:
• O ranking de prioridades foi alterado após a aplicação da teoria;
• O primeiro colocado foi alterado, devido à importância dada à ocorrência; • Alguns dos empates foram resolvidos (nos casos onde com fatores distintos
obteve-se o mesmo RPN). Comentado [UdW2]: Porque na tabela 15 o ID está
Modo de
Falha Efeito Causa ID
Se ver idad e (S) O cor rê n ci a (O ) D ete cç ão (D ) R P N Prioridade Tradicional G rau d e re laç ão (Γ ) Prioridade utilizando Teoria de Grey Gravador parou de gravar Aquisição deficiente de dados
Hidrofone mal conectado 1 8 3 6 144 4 0,5313 5
Bateria defeituosa 2 8 4 6 192 1 0,4837 2
Cartão mal inserido 3 8 1 6 48 10 0,698 10
Micro SD defeituoso 4 8 2 6 96 7 0,598 7 Má configuração do gravador 5 8 3 8 192 1 0,5152 3 Gravador estragou Não aquisição de dados
Avaria devido ao mau
tempo 6 9 1 8 72 8 0,6727 8
Danos provocados por
embarcações 7 9 1 8 72 8 0,6727 8 Gravador foi perdido Não aquisição de dados
Poita se soltou da boia 8 9 2 8 144 4 0,5727 6
Erro no Banco de Dados Perda de dados HD defeituoso 9 6 2 1 12 12 0,7333 11 Erro devido à Padronização dos processos não finalizada
10 6 5 5 150 3 0,4833 1 Ataque de hackers 11 6 1 4 24 11 0,7476 13 Apagamento acidental de dados 12 6 2 1 12 12 0,7333 11 Deslocamento acidental de dados dentro do Banco de Dados Dificuldade ao localizar os dados Erro devido à Padronização dos processos não finalizada
13 4 5 5 100 6 0,5214 4 Descuido de funcionário 14 4 2 1 8 14 0,7714 14 Perda do cartão de armazenamento Perda de
dados Descuido de funcionário 15 2 2 1 4 15 0,84 15 Tabela 15 - FMEA com a aplicação da Teoria Grey