Documente Academic
Documente Profesional
Documente Cultură
EMERSON RIGONI
Tese submetida
EMERSON RIGONI
EMERSON RIGONI
Prof. Jonny Carlos da Silva, Dr. Eng. Prof. Acires Dias, Dr. Eng.
Universidade Federal da Santa Catarina - UFSC Universidade Federal da Santa Catarina - UFSC
Orientador Co-Orientador
BANCA EXAMINADORA
Prof. Jonny Carlos da Silva, Dr. Eng. Prof. Gilberto Francisco Martha de Souza, Dr. Eng.
Universidade Federal da Santa Catarina - UFSC Universidade de So Paulo - USP
Presidente Relator
Prof. Enrique Andrs Lpez Droguett, Ph.D. Prof. Jorge Coelho, D.Sc.
Universidade Federal de Pernambuco - UFPE Universidade Federal da Santa Catarina - UFSC
Para meus pais, Reinaldo e Lindamir, pela educao, amor, exemplos e contra-exemplos
de vida que me fortalecem e orientam meus passos.
minha av Helena pelo amor e a sabedoria a mim concedidos nos momentos difceis.
Para Silvana pela nossa cumplicidade e amor, pelo incentivo e companhia nos momentos
em que a serenidade me estava distante, pela ajuda e participao importante nesta
caminhada e pela pacincia comigo.
AGRADECIMENTOS
Aos meus Orientadores Professores Jonny Carlos da Silva, Dr. Eng. e Acires Dias, Dr. Eng. pela
orientao, incentivo, pacincia e dedicao a mim concedidos.
Aos Membros da Banca Examinadora pela ateno, gentileza e disponibilidade em ler e acrescentar o
seu conhecimento e suas contribuies ao meu trabalho.
A CAPES e a UFSC por tornarem material e intelectualmente realizvel o desenvolvimento desta tese.
A UTFPR e ao DAELT pela licena capacitao que tornou possvel a consecuo deste trabalho.
Aos meus pais e familiares que me proporcionaram as condies necessrias para alcanar este
objetivo.
A Silvana pela ajuda sincera e carinhosa com o texto, as tradues, formataes e o companheirismo
indispensvel nos momentos difceis.
Ao Luis Alberto Galaz Mamani pelos finais de semana, nos quais se dedicou a contribuir com sua
preciosa e indispensvel ajuda com os softwares.
Ao professor Iony Patriota de Siqueira, especialista em MCC, que contribui com sua experincia
durante processo de aquisio de conhecimento e validao dos softwares desenvolvidos.
Aos colegas do NEDIP, em especial ao Luis Fernando Peres Calil pelo imprescindvel
compartilhamento de conhecimento, ao Heitor Azuma Kagueiama pela ajuda indispensvel em muitos
momentos desta empreitada, ao Eduardo Yuji Sakurada pela acessibilidade e disposio em me ajudar
sempre, ao Leonardo Mecab pelo compartilhamento das dificuldades e desafios no projeto SECOMP,
ao Paulo Francisco do Carmo pela troca de experincias e informaes e a todos os bolsistas e
estagirios que passaram pelo NEDIP e de alguma maneira contriburam com este trabalho.
Aos colegas Luiz Amilton Pepplow, Paulo Rogrio da Silveira e Walter Luis Mikos pelas trocas de
informaes e ajuda nas agruras do caminho.
Aos meus alunos Cristiano Jos Gober, Lus Carlos Santos da Silva e Rogrio Jos dos Santos por
terem aceito o desafio da validao em campo dos softwares.
Aos colegas do DAELT que me substituram durante meu afastamento e assim tornaram possvel esta
empreitada.
RESUMO
The Reliability Centered Maintenance (RCM) implementation does not always happen in
an appopriate, harmonious and consistent way, which results in low commitment from
maintainers and, in some critical cases, abandonment of the RCM program due to lack of sinergy
with the companys goals. Along with technical aspects, some management ones also influence
the success of the RCM program.
This thesis proposes a methodology to assist RCM implementation, considering its pre-
requisites and auditing each implementation stage process in order to reduce critical factors to the
programs success. These factors are, most of the time, related to the low adherence of the
company/system to the pre-requisites demanded by RCM, and/or bad executed steps, during its
implementation. It aims, therefore, to consider the companys/systems characteristics as well as
the RCM needs and, after the implementation of each step, audit them so that the inconsistencies
occured during its execution are not extended to further ones. In addition, some auxiliary tools
are also proposed for the implementation of specific steps to support decision making regarding
uncertantities that may be interposed to the decision-making process.
This methodology is based on a Knowledge Based System-Fuzzy (KBS-Fuzzy) which
incorporates criteria for diagnosis and decision-making, taking into account technical and
management aspects as well as the experience of RCM consolidated programs and institutional
knowledge. In this way, it is possible to minimize the unacomplished risks of traditional RCM
implementation methodologies, considering and treating inaccuracy (lexical) uncertanties of the
process within a holistic view of RCM interactions and needs.
The KBS-Fuzzy developed, as well as the suggested tools for critical steps
implementation, were field validated and tested by specialists in implementation and RCM
program management, verifying the benefits and accuracy of such methodology and tools.
CAPTULO 1 - INTRODUO.............................................................................................................. 19
1.1 TEMA DE PESQUISA ......................................................................................................................... 19
1.1.1 Aspectos Gerais................................................................................................................................... 19
1.1.2 Aspectos Especficos .......................................................................................................................... 19
1.2 PREMISSAS E PROBLEMA DE PESQUISA.................................................................................... 23
1.3 TRABALHOS RELEVANTES ............................................................................................................ 25
1.4 OBJETIVOS .......................................................................................................................................... 28
1.4.1 Objetivo Geral..................................................................................................................................... 28
1.4.2 Objetivos Especficos ......................................................................................................................... 28
1.6 JUSTIFICATIVAS E CONTRIBUIES........................................................................................... 29
1.7 DELIMITAO DO TEMA ................................................................................................................ 30
1.8 METODOLOGIA DA PESQUISA ...................................................................................................... 31
1.9 ESTRUTURA DO TRABALHO.......................................................................................................... 32
INTRODUO
1995 320.650 67.375 21,01 1995 1997 1999 2001 2003 2005 2007 Ano
Quanto ao perfil do pessoal prprio de manuteno, observa-se de acordo com a Figura 1.2,
que: de 2003 para 2005 houve um leve decrscimo da presena de pessoal de nvel superior e da
mo-de-obra qualificada nas atividades de manuteno, indicadores estes que obtiveram um
acrscimo de 2005 para 2007 impulsionados, em parte, pelo vigor experimentado pela economia do
pas, no mesmo perodo; crescente a presena de pessoal tcnico de nvel mdio nas atividades de
manuteno durante os ltimos anos; e a mo de obra no qualificada vm se mantendo abaixo dos
8% desde 1999. Isso ratifica a constatao de que, de um modo geral, as empresas esto mantendo
ou melhorando o nvel de qualificao do pessoal da rea de manuteno.
95
Programao Anual de Treinamento para o
90
Pessoal de Manuteno (% de Empresas)
Tendncia
Ano 1995 1997 1999 2001 2003 2005 2007 85
70
1995 1997 1999 2001 2003 2005 2007 Ano
91 Tendncia 5,8
90 5,6
89 5,4
88 5,2 Tendncia
87 5
86 4,8
85 4,6
1997 1999 2001 2003 2005 2007 Ano 1997 1999 2001 2003 2005 2007 Ano
A preocupao com a gesto da manuteno crescente, uma vez que a idade mdia dos
equipamentos e/ou instalaes alta (65,81 % acima de 11 anos Figura 1.5) e as demandas esto
aumentando, o que exige aumento equivalente da disponibilidade operacional.
Idade Mdia dos Equipamentos e/ou Idade Mdia dos Equipamentos/Instalaes em Operao (%)
Instalaes em Operao (%) Idade 50
Mdia (%) 8,10 22,05 45,06 23,62 1,17 - Mdia 1995 a 2007 Ano de 2007
Desvio Padro 2,93 2,81 7,30 5,26 1,29 -
Os equipamentos e sistemas esto cada vez mais complexos e com modos de falha ocultos
ao operador e/ou mantenedor, o que sugere atividades de manuteno preditivas ou de
inspeo funcional. Moubray (2001) afirma que 40% dos modos de falha dos ativos so
ocultos e destes 80% requerem inspeo funcional. Blanco (2007), aps comparar diversos
programas de MCC, concluiu que ao final da sua implementao 60% das atividades de
manuteno, sugeridas pelos Diagramas de Deciso da MCC, so preditivas ou de
inspeo funcional. Isto ratifica a MCC como apta a tratar os modos de falha inerentes aos
ativos em seu contexto operacional atual;
Por conscientizao ou por imposio legal, alm das questes econmicas, os gestores dos
ativos esto, cada vez mais, sensibilizados com as questes ambientais e de segurana que
permeiam a gesto da manuteno. Moubray (2001), Siqueira (2005), Smith e Hinchcliffe
(2004) alm de outros autores e normas pesquisadas demonstram que o tratamento das
questes ambientais e de segurana um dos atributos dos Diagramas de Deciso da MCC;
A automatizao dos sistemas, aliada ao aumento do monitoramento automtico das
mquinas/equipamentos, conforme apontado pelo Documento Nacional de 2007
(ABRAMAN, 2007) mostrado na Figura 1.6, corrobora a utilizao de dados/conceitos
relacionados confiabilidade. Tais sistemas, cada vez mais desassistidos pelo operador,
privilegiam a MCC frente a outras metodologias de gesto da manuteno, por exemplo, a
Manuteno Produtiva Total (TPM Total Productive Maintenance), a qual por princpio
dependente das decises dos operadores e mantenedores.
24
Principais Tipos de Monitoramento de Mquinas e
Equipamentos Utilizados nas Empresas (%)
Ano Coletores de Monitoramento Automtico (%)
No Utiliza Dados e 22
Manual Automtico
Monitoramento Programas 20
Especficos 18
Tendncia
2007 2,23 36,16 41,97 19,64 16
Os fatores supracitados somados ao contexto atual da manuteno evidenciam, por sua vez, os
seguintes aspectos: a manuteno assumiu importncia estratgica para a gesto dos ativos nas
empresas contemporneas; a poltica de gesto da manuteno deve ser condizente com o contexto
operacional da empresa/sistema; a necessidade de tcnicas de GC premente, principalmente como
aliadas da poltica de gesto da manuteno, para explicitao do conhecimento tcito dos operadores
e mantenedores; ferramentas para tratamento das incertezas do processo decisrio, frente a dados
qualitativos, podem auxiliar a conduo do processo de implantao das polticas de gesto da
manuteno; a MCC possui requisitos desejveis gesto de ativos cuja aderncia da empresa/sistema
deve ser ratificada para maximizar seus resultados. Tais aspectos ensejam as seguintes premissas:
O que caracteriza um bom programa de MCC ao longo de todo o seu ciclo de vida?
Para que tipo de empresa/sistema a MCC mais aderente? Quais os pr-requisitos e
necessidades de um programa de MCC que corroboram com tal aderncia?
Quais so e de que maneira os fatores gerenciais e tcnicos afetam positiva ou negativamente
a implantao e a gesto de um programa de MCC? Como tratar e incluir tais fatores no
processo decisrio de implantao e auditoria da MCC?
Como as metodologias tradicionais de implantao e gesto da MCC podem ser conduzidas
para reforar os fatores de sucesso e minimizar o impacto dos fatores de insucesso?
Quais os indicadores institucionais e tcnicos que aferem a performance de um programa de
MCC? Como estes indicadores podem realimentar o processo de implantao da MCC?
Johnston (2002) prope uma metodologia para medir os benefcios de um programa de MCC,
para a empresa. O autor argumenta que alm das pessoas normalmente resistirem s mudanas, o
perodo de tempo entre a anlise da MCC e a obteno de benefcios mensurveis longo, o que pode
suscitar dvidas quanto eficincia da MCC, principalmente em programas consolidados de
manuteno. Sendo assim, o autor prope mtricas em funo do progresso da MCC, qualidade e
benefcios para a empresa.
Raposo (2004), por sua vez, prope uma metodologia para incorporar a anlise de risco nos
diagramas de deciso da MCC. A anlise proposta pelo autor se aplica na definio das funes
significantes e a classificao de seus modos de falha. Este mesmo tema foi objeto de estudo
apresentado por Hauge e Johnston (2001).
Siqueira (2005a), por outro lado, sugere uma metodologia para avaliar o impacto de um
programa de MCC no desempenho do sistema eltrico. O autor relata sua experincia na implantao
da MCC na Companhia Hidreltrica do So Francisco (CHESF) e prope diversos ndices para avaliar
o desempenho do sistema eltrico aps a implantao da MCC. Estudo semelhante foi apresentado
por Bertling et al (2003).
Waltrich e Tondello (2007) estabelecem uma relao entre a MCC e a GC. Os autores
apresentam a experincia da Eletrosul em MCC, e enfatizam o fato da mesma ser uma prtica potencial
de GC. Aspectos semelhantes da relao entre a MCC e a GC so discutidos por Alkaim (2003).
A partir da pesquisa bibliogrfica sintetizada nos pargrafos anteriores, pode-se inferir que:
Os aspectos motivadores dos trabalhos precedentes, bem como suas relativas concluses
sugerem a necessidade de melhorias nos procedimentos de implantao da MCC como metodologia
de gesto da manuteno. Sendo assim, nos prximos itens, sero apresentados os objetivos deste
trabalho, buscando uma contribuio cientfica original que fundamente a tese proposta e ajude a
consolidar os procedimentos para implantao da MCC e tratar as incertezas do processo decisrio.
1.4 OBJETIVOS
O objetivo geral deste trabalho propor e desenvolver um SBC-Fuzzy que incorpore uma
metodologia para auxiliar a implantao da MCC que pondere seus pr-requisitos e audite, aps
implementao, cada uma de suas etapas para aumentar a probabilidade de sucesso dos programas
de MCC.
28
Assim sendo, prope-se ponderar as caractersticas da empresa/sistema e as necessidades da
MCC e, aps a implementao de cada etapa, audit-la para que as inconsistncias ocorridas durante
sua execuo no se propagem para as demais etapas.
Para concretizar a proposio desenvolve-se uma metodologia, a qual est inserida e
operacionalizada por um SBC-Fuzzy, o qual incorpora critrios para diagnstico e tomada de deciso,
ponderando os aspectos tcnicos, os aspectos gerenciais, a experincia de programas consolidados de
MCC e o conhecimento institucional. Assim, entende-se ser possvel tratar as incertezas por
impreciso, decorrentes de variveis qualitativas do processo decisrio, e aumentar a chance de
sucesso dos programas de MCC com uma viso holstica de suas interaes e necessidades. Desta
forma a equipe de implantao poder antever suas necessidades e interpor adequaes e regras de
conduta que aumentem as chances de sucesso do programa de MCC.
Este trabalho dever tambm atender aos seguintes objetivos especficos, para cumprimento
de seu objetivo geral:
Portanto a consolidao dos objetivos deste trabalho estar delimitada pela utilizao da lgica
Fuzzy devido s suas vantagens inerentes, citadas por Fernandes (2004, p. 28), as quais so detalhadas
no Captulo 4, e pela GC como elemento estruturante para explicitao do conhecimento tcito
valendo-se dos benefcios citados por Alkaim (2003).
Silva e Menezes (2005) classificam uma pesquisa de quatro maneiras: quanto aos
procedimentos adotados, quanto natureza, quanto forma de abordagem e quanto aos objetivos.
Conforme a classificao sugerida por Silva e Menezes (2005) quanto aos procedimentos
metodolgicos utilizados neste trabalho tem-se: pesquisa bibliogrfica, levantamento, pesquisa
participante e pesquisa-ao. O material bibliogrfico abrange os aspectos norteadores deste
trabalho (GC, IA e MCC), os quais so explicitados em captulos especficos. Os levantamentos
ocorreram junto aos especialistas que participaram da elicitao do conhecimento, os quais tambm
de modo participante contriburam para composio do SBC-Fuzzy e das ferramentas
31
complementares, propostas para as etapas mais expressivas do processo de implantao da MCC.
As tcnicas para aquisio e representao do conhecimento so mostradas no Captulo 4. O
problema coletivo e a participao cooperativa que evidencia a pesquisa-ao esto caracterizados
de seguinte forma: o problema coletivo diz respeito implantao e auditoria da MCC como forma
de gesto da manuteno, em seus diversos domnios de aplicao; e os envolvidos de modo
cooperativo foram especialistas em MCC, participantes do processo de elicitao do conhecimento
para consolidao do SBC-Fuzzy desenvolvido.
Quanto sua natureza, esta pesquisa se caracteriza como aplicada o que, segundo Silva e
Menezes (2005), gera conhecimento para aplicaes prticas e dirigidas soluo de problemas
especficos. A aplicao prtica est caracterizada na implantao de programas de MCC. O
problema especfico que se quer resolver a anlise dos pr-requisitos e a auditoria das etapas de
implantao da MCC, com uma viso holstica de seus pr-requisitos e das caractersticas e
necessidades organizacionais, tratando as incertezas do processo decisrio.
Em relao forma de abordagem, proposta por Silva e Menezes (2005), este trabalho se
classifica como qualitativo. Deste modo, as dinmicas da MCC foram analisadas de forma indutiva,
focando no processo e em seus pontos crticos com o objetivo de inferir uma metodologia genrica
que minimize os fatores de insucesso.
Quanto aos objetivos, seguindo a definio de Gil (1996), este trabalho se classifica como
exploratrio, pois visa proporcionar maior familiaridade com as etapas de implantao da MCC com
o objetivo de tornar explcitos seus conceitos e requisitos, corroborando com a construo das
hipteses e concepo da metodologia proposta. Envolve ainda, levantamento bibliogrfico,
entrevista com especialistas e estudo e anlise de casos.
Quanto ao desenvolvimento do SBC-Fuzzy, foi adotado o modelo incremental. Neste
modelo possvel que as etapas do ciclo de desenvolvimento sejam seguidas utilizando apenas
pequenas partes de conhecimento em relao totalidade do domnio do conhecimento. Esse
procedimento permite retornos s etapas anteriores, caso seja constatado algum tipo de erro ou
inadequao em alguma tomada de deciso ao longo do processo, seguindo assim os conceitos de
Engenharia Simultnea propostos por Silva (1998).
A formatao deste trabalho segue as normas e recomendao da Universidade Federal de
Santa Catarina (UFSC) para trabalhos acadmicos. As figuras cuja fonte no esteja citada
subentende-se como sendo do autor.
Os captulos iniciais tratam cada um dos temas envolvidos como um assunto especfico focado
nos objetivos deste trabalho. Nos captulos finais explicitada a inter-relao entre os diversos temas
abordados e o modo como este relacionamento implementado para cumprir os objetivos desta tese.
Sendo assim, excluindo-se o presente Captulo, os demais, possuem o seguinte contedo:
32
O Captulo 2 apresenta os tpicos principais referentes MCC e s metodologias tradicionais
para sua implantao e gesto. Este captulo norteia as inovaes propostas e serve de apoio
para o planejamento da etapa de aquisio do conhecimento;
O Captulo 3 trata dos conceitos e definies relativas gesto do conhecimento e sua
importncia para a criao e a disseminao sistematizada do conhecimento institucional,
particularmente aquele aplicado implantao da MCC e sua auditoria. As necessidades e
aspiraes apontadas neste captulo ratificam a concepo do SBC-Fuzzy proposto;
O Captulo 4 mostra o ciclo de desenvolvimento de um SBC-Fuzzy, evidenciando as etapas
mais relevantes, as definies e os conceitos. Este captulo oferece suporte gesto do
conhecimento tratada no Captulo 3, fundamentando a criao de um repositrio de
conhecimento que serve de apoio tomada de deciso e diagnstico das caractersticas da
empresa e/ou sistema, frente aos requisitos da MCC, auxiliando tambm em sua auditoria;
O Captulo 5 explicita a metodologia proposta para auxiliar a implantao da MCC de modo a
ponderar as caractersticas e objetivos da empresa/sistema e os requisitos de um programa de
MCC, incluindo sua auditoria;
O Captulo 6 apresenta os detalhes do desenvolvimento do SBC-Fuzzy proposto para apoio
deciso e diagnstico dos fatores inerentes a implantao e auditoria da MCC. A aplicao
computacional tratada neste captulo segue os preceitos do Captulo 5 aliado fundamentao
terica dos Captulos 2, 3 e 4;
O Captulo 7 mostra as ferramentas computacionais sugeridas para auxiliar a implementao
das Etapas 3, 4 e 5, do procedimento de referncia adotado neste trabalho, explicitado no
Captulo 5;
O Captulo 8 apresenta a validao da metodologia a partir das opinies e consideraes dos
especialistas, alm de demonstrar os resultados de uma aplicao em campo da metodologia
proposta e das ferramentas computacionais associadas;
O Captulo 9 finaliza o trabalho apresentando a anlise dos resultados alcanados bem como
os desdobramentos que podem culminar com trabalhos futuros em temas correlatos.
33
CAPTULO 2
2.1 INTRODUO
A partir dos estudos iniciais de Nowlan e Heap (1978), vrios autores e instituies
propuseram metodologias ligeiramente diferentes para a implantao da MCC (NOWLAN e
HEAP, 1978; SMITH, 1993; SMITH e HINCHCLIFFE, 2003; MOUBRAY, 2001; NASA, 2000;
IEC 60300-3-11, 1999; SAE JA 1011, 1999; SAE JA 1012, 2002; ABS, 2004), as quais sero
abordadas em um item especfico deste captulo.
35
2.2.2 Consideraes sobre os Mecanismos de Falha
(t)
Regio 1 Regio 2 Regio 3
Curva Global
Taxa de Falhas
Falhas Prematuras
Tempo (t)
1) Alguns componentes mostram uma idade bem definida de desgaste, onde ocorre um
aumento rpido na taxa instantnea de falha, (t);
36
2) Outros componentes podem apresentar uma taxa instantnea de falha (t) constante;
3) Outros componentes podem no apresentar qualquer degradao funcional ao longo da
vida til.
Estes comportamentos deram origem s seis curvas bsicas de taxas instantneas de falhas,
observadas ao longo da vida til dos componentes (MOUBRAY, 2001; SMITH e HINCHCLIFFE,
2003; SEIXAS, 2004; SIQUEIRA, 2005). A Figura 2.2 mostra em quatro estudos (UAL United
Air Lines, Bromberg, United States Navy Navio e Submarino) o percentual de componentes, dos
sistemas avaliados, com suas relativas taxas instantneas de falha (identificadas de A a F).
UAL Bromberg U.S. Navy U.S. Navy
1968 1973 1982 (Navio) 2001 (Submarino)
(t) (t) (t) (t)
D
7% 11% 6% 9%
(t) D (t) D (t) D (t)
1 2 3 1 2 3 1 2 3 1 2 3
Para SMITH e HINCHCLIFFE (2003) estes resultados contradizem a crena de que sempre
h uma conexo entre confiabilidade e idade do sistema em operao. Com relao s falhas, Seixas
(2004) lembra que no se deve descartar o fator humano como causador de tais falhas, citando dois
tipos de erros que podem culminar com uma falha: erros ativos e erros latentes. Os erros ativos so
aqueles em que o efeito prontamente observado, enquanto o erro latente aquele onde a
conseqncia leva um determinado tempo para ser observada. O erro latente , na verdade, uma
combinao de diversos fatores ao longo do tempo que culminam com uma falha.
Existem quatro atributos, segundo Moubray (2001), que definem e caracterizam a MCC,
tendo relao direta com seus objetivos:
Na prtica, e de acordo com Siqueira (2005), costuma-se acrescentar mais uma questo
com o objetivo de definir qual a melhor freqncia para as tarefas de manuteno aplicveis e
efetivas. Tal questo :
Uma falha potencial uma condio identificvel e mensurvel que indica uma falha
funcional pendente ou em processo de ocorrncia. A falha funcional caracterizada pelo
descumprimento da funo e definida como a incapacidade de um item/ativo/sistema
executar uma funo especfica dentro dos padres desejados de desempenho (MOUBRAY,
40
2001; SMITH e HINCHCLIFFE, 2003; SIQUEIRA, 2005). As seguintes consideraes
normatizadas elucidam o conceito de falha funcional:
Desempenho
Margem de
Deteriorao Normal
P (Falha Potencial)
Falha
Ciclo Vida
Intervalo de Inspeo
Intervalo PF
Figura 2.3 Estgios Evolutivos da Falha.
Fonte: adaptado de SIQUEIRA, 2005.
Para a anlise da funo, da falha funcional e do modo de falha, alm das causas do modo de
falha e os efeitos provocados no sistema, a MCC utiliza a FMEA ou a FMECA (Failure Modes,
41
Effects and Criticality Analysis Anlise dos Modos de Falha seus Efeitos e sua Criticidade) caso a
criticidade tambm necessite ser avaliada (SIQUEIRA, 2005). Segundo a norma SAE J1739 (2002)
a FMEA/FMECA pode ser descrita como um conjunto de atividades sistemticas que visa:
reconhecer e avaliar a falha de um produto/processo e os efeitos dessa falha; identificar aes que
possam eliminar ou reduzir a chance de uma falha ocorrer; e documentar o processo.Para os estudos
da MCC comum acrescentar-se uma coluna planilha de FMEA/FMECA proposta pela SAE
J1739, destinada a anlise da falha funcional. Para o preenchimento desta coluna, a MCC utiliza
uma abordagem funcional, caracterizando a falha como a perda da funo (parcial ou total) ou
desvio funcional. J para o preenchimento da coluna modo de falha a MCC utiliza uma abordagem
estrutural, o que enseja a necessidade de informaes/especificaes mais detalhadas de engenharia
para evidenciar o que causou a falha funcional. Segundo Siqueira (2005) cabe manuteno tratar
os modos de falha, assim como, cabe ao projeto/engenharia do item/ativo/sistema tratar as causas do
modo de falha. Mais detalhes do preenchimento da FMEA/FMECA, com base nas diversas normas
e bibliografias pesquisadas, so mostrados no Apndice A deste trabalho.
Este item apresenta as principais metodologias para implantao da MCC, a partir das
quais ser possvel propor um procedimento de referncia, o qual servir de base para os
desenvolvimentos deste trabalho. As metodologias tratadas neste item seguem a estrutura
mostrada na Figura 2.4, a qual enfatiza as entradas/pr-requisitos de cada etapa do processo de
implantao, bem como suas atividades inerentes e sadas esperadas de cada etapa.
Sadas da Etapa.
Informaes sobre custo-benefcio das tarefas, ETAPA 5: IDENTIFICAO E CLASSIFICAO DAS FALHAS
sobre os modos de falha, histrico de falha, etc...;
Conhecimento para identificar e classificar falhas; Identificar as falhas/degradao das funes (falhas funcionais); Classificar
as falhas pela criticidade.
Especialistas para avaliaes qualitativas.
Lista de falhas funcionais, caracterizadas e priorizadas.
Descrio das funes, falhas funcionais e efeitos,
para identificao dos itens significantes; ETAPA 6: ITENS FUNCIONALMENTE SIGNIFICANTES
Conhecimento sobre os requisitos dos sistemas para
identificar os itens; Identificar, listar e detalhar os itens funcionalmente significantes.
Especialistas para avaliar os itens.
Lista de itens funcionalmente significantes para orientar a seleo das
tarefas de manuteno.
Itens funcionalmente significantes, funes, falhas
funcionais, tarefas de manuteno etc...; ETAPA 7: SELEO DAS TAREFAS DE MANUTENO
Conhecimento para seleo de tarefas e uso das Aplicar o diagrama lgico tratando de cada falha funcional; Analisar pelos
ferramentas; efeitos e categorias dos efeitos.
Especialistas para avaliao das informaes.
Tarefas de manuteno selecionadas.
Procedimentos de manuteno documentados e
detalhados, manuais etc...; ETAPA 8: PROGRAMA INICIAL
Conhecimento para execuo das tarefas; Organizar um plano inicial de manuteno baseado na MCC a partir dos
Especialistas para execuo das tarefas e registro de resultados obtidos.
resultados.
Resultados obtidos para realimentao do programa.
Programa de MCC
Figura 2.5 Metodologia para Implantao da MCC proposta pela IEC 60300-3-11.
Fonte: IEC 60300-3-11, 1999.
44
A metodologia proposta pelas normas SAE JA1011 (1999) e SAE JA1012 (2002) foi
criada para atender a demanda internacional por um padro que definisse quais os requisitos que
um programa de gesto da manuteno deve cumprir, para que possa ser chamado de MCC. Os
critrios estabelecidos pelas normas da SAE so baseados em processos e conceitos de MCC
contidos em normas publicadas pela marinha americana MIL-STD-2173(AS) (Reliability
Centered Maintenance Requirements of Naval Aircraft, Weapons Systems and Support
Equipment) e sua sucessora a NAVAIR 00-25-403 (Guidelines for the Naval Aviation Reliability
Centered Maintenance Process Verso de 1996), no documento original de Nowlan e Heap
(1978) e na verso (publicada em 1997) de Moubray (2001).
A metodologia proposta pelas normas SAE JA1011 (1999) e SAE JA1012 (2002) segue a
seqncia mostrada na Figura 2.6.
O guia da ABS (2004) fornece um resumo das vrias tcnicas de manuteno utilizadas na
indstria, para sistemas e mquinas e, tambm, como essas tcnicas podem ser aplicadas dentro da
filosofia da MCC. Segundo este guia, com a aplicao dos princpios da MCC, a manuteno
avaliada e aplicada de maneira mais racional, fornecendo resultados mais positivos para o
proprietrio/operador das embarcaes e instalaes em terra. Alm disso, o guia apresenta a
MCC como uma parte do gerenciamento de risco, permitindo o entendimento das perdas
associadas s falhas dos equipamentos e propiciando um programa de manuteno mais
otimizado.
A metodologia proposta pela ABS (2004), para implantao da MCC segue a seqncia
mostrada na Figura 2.7.
2.4.4 Metodologia Proposta pela NASA (National Aeronautics and Space Administration)
A metodologia proposta pela NASA (2000) est incorporada em um guia criado para
fornecer informaes detalhadas, auxiliar na implementao dos conceitos e dar suporte aos
programas de MCC, dentro das suas instalaes. O objetivo foi ter disposio, em um nico
documento de referncia, a identificao de requisitos da MCC durante o ciclo de vida das
instalaes, os requisitos de desempenho em projetos e contratos e os requisitos de projeto para
mantenabilidade. Essa metodologia segue a seqncia mostrada na Figura 2.8.
45
Programa de MCC
Programa de MCC
Nowlan e Heap (1978) apresentaram a primeira abordagem da MCC como uma disciplina
lgica para o desenvolvimento de um programa de manuteno programada. Tendo como
referncia a manuteno de aeronaves e equipamentos militares, o objetivo da metodologia
proposta era explorar a confiabilidade dos equipamentos e, assim, minimizar seus custos de
manuteno. Cada tarefa de manuteno programada gerada com uma razo explcita e
identificada: garantir que os equipamentos cumpram com suas funes. A metodologia proposta
por Nowlan e Heap (1978) mais rigorosa do que as adotadas na poca por tratar,
detalhadamente, das conseqncias das falhas das funes e avaliar os modos de falhas e suas
causas. Tal metodologia foi baseada na experincia dos autores no desenvolvimento de
abordagens de manuteno dentro da United Airlines, servindo como referncia para os
programas de manuteno de aeronaves comerciais, submetidos FAA, e equipamentos militares.
Segundo a proposta de Nowlan e Heap (1978), um programa de manuteno tem quatro objetivos
bsicos: assegurar que os nveis de segurana e confiabilidade dos equipamentos sejam
alcanados; recuperar os nveis de segurana e confiabilidade quando ocorre a deteriorao dos
equipamentos; obter as informaes necessrias para a melhoria de projeto dos itens com
confiabilidade insatisfatria; e alcanar esses objetivos com o mnimo custo.
47
A metodologia proposta por Nowlan e Heap (1978) segue a seqncia mostrada na
Figura 2.9.
Programa de MCC
A partir do incio dos anos 80, Moubray (2001) e seus colaboradores auxiliaram a
aplicao da MCC em diversas empresas, levando ao desenvolvimento dos conceitos
(denominado RCM2) que nortearam a concepo das Normas SAE JA1011 e SAE JA1012. Trata-
48
se de uma metodologia para aplicao da MCC em empresas/indstrias de setores diversos, alm
da aviao, e que acrescenta em sua anlise o tratamento de questes ambientais.
A metodologia proposta por Moubray (2001) segue a seqncia mostrada na Figura 2.10.
Programa de MCC
Programa de MCC
Critrios de seleo;
Conhecimento sobre os equipamentos e os critrios ETAPA 1: SELEO DOS SISTEMAS
de seleo;
Documentos descritivos dos sistemas, diagramas de Selecionar os Sistemas; Definir a ordem de anlise; Organizar a coleta de
bloco, etc...; informaes.
Especialistas na operao e manuteno. Sistemas definidos e selecionados, com as informaes coletadas,
(Ex.: Diagramas que facilitam a visualizao).
Projetos, normas, diagramas e outros documentos;
Conhecimento sobre o funcionamento dos ETAPA 2: FRONTEIRAS DOS SISTEMAS
equipamentos, e dos sistemas responsveis pelas
funes; Identificar as fronteiras dos sistemas selecionados.
Especialistas na operao e manuteno para
descrio dos equipamentos.
Informaes claras e bem definidas sobre os sistemas e suas fronteiras.
Informaes que contemplem a constituio do
sistema e sua operao; ETAPA 3: SISTEMA E DIAGRAMA DE BLOCO
Conhecimento sobre os a constituio e
funcionamento dos sistemas; Identificar e documentar os detalhes essenciais dos sistemas.
Especialistas para a identificao e descrio dos
sistemas.
Descrio dos sistemas e subsistemas (Ex.: diagramas de bloco
funcional, lista de componentes, entradas, sadas etc...).
Descries dos componentes dos sistemas, seu
funcionamento. etc...; ETAPA 4: FUNES E FALHAS FUNCIONAIS
Conhecimento sobre os sistemas; Identificar e listar as funes dos sistemas; Identificar e listar as falhas
Especialistas para a identificao das funes e funcionais dos sistemas.
falhas funcionais.
Funes dos sistemas, falhas funcionais e parmetros que definem as
falhas funcionais identificados e descritos.
Informaes sobre as funes, falhas funcionais, ETAPA 5: FMEA
modos de falha, etc...;
Conhecimento sobre o projeto e a operao; Identificar quais os componentes de um sistema que contribuem para a
Especialistas da manuteno e operao. ocorrncia de uma falha funcional.
Programa de MCC
O livro de Smith (1993) foi atualizado pelo autor em 2004, em co-autoria com Glenn R.
Hinchecliffe, que liderou a aplicao da MCC na Florida Power & Light, tendo Anthony M.
Smith como consultor. Neste, os autores aprimoram o contedo do livro Reliability Centered
Maintenance, Smith (1993), e propem melhorias na metodologia de implantao da MCC, com
base em questes prticas observadas pelos autores.
51
A metodologia proposta por Smith e Hinchcliffe, (2004) para implantao da MCC segue
a seqncia mostrada na Figura 2.12.
Critrios de seleo;
Conhecimento dos equipamentos e critrios de ETAPA 1: SELEO DOS SISTEMAS
seleo;
Documentos descritivos dos sistemas, diagramas de Selecionar os sistemas; Definir a ordem de anlise; Organizar a coleta de
bloco, etc...; informaes.
Especialistas na operao e manuteno. Sistemas definidos e selecionados com as informaes relevantes
coletadas (Ex.: diagramas para a visualizao).
Projetos, normas, diagramas e outros documentos;
Conhecimento sobre o funcionamento dos ETAPA 2: FRONTEIRAS DOS SISTEMAS
equipamentos, e sistemas responsveis pelas
funes; Identificar as fronteiras dos sistemas selecionados.
Especialistas na operao e manuteno para
descrio dos equipamentos e sistemas.
Informaes claras e definidas sobre os sistemas e suas fronteiras.
Informaes que contemplem a constituio do
sistema e sua operao; ETAPA 3: SISTEMA E DIAGRAMA DE BLOCO
Conhecimento sobre os sistemas e sua constituio e
funcionamento; Identificar e documentar os detalhes essenciais dos sistemas.
Especialistas para a identificao e descrio dos
sistemas.
Sistemas e subsistemas descritos (Ex.: diagramas de bloco funcional,
lista de componentes, entradas, sadas, etc...).
Descries dos componentes dos sistemas, do ETAPA 4: FUNES E FALHAS FUNCIONAIS
funcionamento, etc...;
Conhecimento sobre os sistemas; Identificar e listar as funes dos sistemas; Identificar e listar as falhas
Especialistas para a identificao das funes e funcionais dos sistemas.
falhas funcionais.
Funes dos sistemas, falhas funcionais e parmetros que definem as
falhas funcionais identificados e descritos.
Informaes sobre as funes, falhas funcionais, ETAPA 5: FMEA
modos de falha etc...;
Conhecimento do projeto e da operao; Identificar quais os componentes de um sistema que contribuem para a
Especialistas da manuteno e operao. Ocorrncia de uma falha funcional.
Programa de MCC
GESTO DO CONHECIMENTO
3.1 INTRODUO
Metaconhecimento
SINTESE
ANLISE
COMPREENSO
CONHECIMENTO
INFORMAO
DADO
RUDO
Segundo Santiago (2004), a informao tem por finalidade exercer algum impacto sobre o
julgamento do destinatrio. Ela deve informar e, portanto, pode ser considerada como sendo o
dado que faz a diferena, pois, ao contrrio deste, ela possui relevncia e propsito. Dados s se
tornam informaes a partir dos seguintes mtodos:
Segundo Abel (2005), o conhecimento pode ser categorizado nos seguintes nveis:
1
A palavra heurstica vem da palavra grega heuriskein, e significa descobrir, e tambm a origem da palavra
eureca, derivada da exclamao atribuda a Arquimedes, heurika (descobri), dita na descoberta de um mtodo
para determinar a pureza do ouro.
56
conhecimento tratado pelos SBCs e foi introduzido em IA por George Polya, em 1957, em seu
livro How to Solve It (RICH e KNIGHT, 1993; POLYA, 1957).
O Conhecimento Tcito pessoal e intrnseco ao indivduo. um saber subjetivo,
baseado em experincias pessoais e especfico ao contexto e, por essa razo, difcil de ser
formulado e comunicado (SANTIAGO, 2004). Segundo Nonaka e Takeuchi (1997), o
conhecimento tcito pode ser de dois tipos: o primeiro, incorporado nas habilidades e que
pode ser copiado, passvel de codificao, podendo ser articulado e escrito. O segundo
aquele que no pode ser codificado ou escrito, sendo de difcil transferncia por no poder ser
demonstrado; adquirido pela experincia, tendo a interao pessoal um papel fundamental.
Por isso a transferncia dessa forma de conhecimento se d principalmente atravs das redes
pessoais. O Conhecimento Explcito, por sua vez, objetivo e facilmente captado, codificado
e compartilhado. Este um conhecimento transmissvel em linguagem formal e sistemtica
(SANTIAGO, 2004).
Para Nonaka e Takeuchi (1997), o conhecimento tcito algo pessoal, presente no crebro
das pessoas, resultante de suas experincias e aes, formado atravs das emoes, valores,
desejos ou ideais, mas que, num sentido amplo, o novo fator de produo para as organizaes.
J o conhecimento explcito aquele exposto nos documentos, computadores e sistemas de uma
organizao, ou seja, foi transferido da mente das pessoas para ser acessado por membros da
empresa, de forma sistematizada e controlada.
Ontolgica: o conhecimento s pode ser criado por indivduos. Uma organizao, por
si s, no pode criar conhecimento; seu escopo apoiar os indivduos e lhes
proporcionar condies para a criao deste. A existncia do conhecimento
organizacional possvel a partir de interaes que permitam sua criao de forma
individual e a sua disseminao para a organizao como um todo;
Epistemolgica: segundo o qual, h dois tipos de conhecimento: Tcito e Explcito.
COMPETIO
1. GERAR 2. CODIFICAR
Socializao Externalizao
4. APROPRIAR 3. DISSEMINAR
Internalizao Combinao
COOPERAO
Figura 3.2 Espiral do Conhecimento.
Fonte: adaptado de NONAKA e TAKEUCHI, 1997.
Segundo Abel (2005), o conhecimento de uma empresa, tratado como patrimnio voltil,
pode ter um valor agregado que supera todas as instalaes fsicas ou bens tangveis da mesma
empresa. o que chamamos de capital intelectual, isto , o conhecimento tratado como
commodity.
O desafio da Idade do Conhecimento, pela qual passa atualmente a administrao de
empresas, como transformar esse patrimnio voltil e no-registrvel, em algo que possa ser
capturado, tornado independente das pessoas que o retm e, em algum grau, medido
(LEBOWITZ, 1987 e LIEBOWITZ e WILCOX, 1997).
Segundo Abel (2005), a motivao crescente pelo domnio do conhecimento e a
capacidade de gerenci-lo garantida por diversos fatores, a saber:
Alta Administrao: definio dos campos de conhecimento que devero ter prioridade
nos esforos de aprendizado dos funcionrios da organizao, de acordo com a estratgia
organizacional e com as metas a serem atingidas;
Cultura Organizacional: voltada inovao e aprendizado contnuo, comprometida com os
resultados de longo prazo e com a otimizao das reas da empresa;
Estrutura Organizacional: para superar os limites impostos inovao, ao aprendizado e
gerao de novos conhecimentos, as estruturas tradicionais devem dar lugar a equipes
multidisciplinares com alto grau de autonomia;
Polticas de Recursos Humanos: associadas aquisio de conhecimento externo e interno
empresa, bem como com a gerao, difuso e armazenamento de conhecimentos na
empresa;
Sistemas de Informao: uso de tecnologias que ajudem a captao, difuso e
armazenamento do conhecimento nas organizaes, associado ao importante papel do
contato pessoal e do conhecimento tcito para os processos de aprendizado
organizacional;
Mensurao de Resultados: avaliao dos ganhos obtidos sob diferentes aspectos, desde a
imagem, at financeiros e a comunicao dessas metas atingidas para todos na
organizao;
Aprendizado com o Ambiente: realizao de alianas estratgicas com empresas e
aprendizado com os clientes.
No contexto deste trabalho, todas estas dimenses devem ser consideradas para que a
implantao e a gesto da MCC obtenham xito. Nesse sentido, as seguintes consideraes podem
ser feitas com relao a cada uma das dimenses propostas por Terra (2000), com relao direta a
este trabalho:
Alta Administrao: o conhecimento relativo a MCC, tanto anterior como posterior a sua
implantao, deve ser tratado com prioridade pelos nveis superiores da administrao, caso
61
contrrio, no haver comprometimento dos nveis inferiores com o programa de MCC;
Cultura Organizacional: caso a equipe de manuteno no esteja habituada com prticas
que promovam a GC, dificilmente o far aps a implantao da MCC, fortemente
dependente de dados histricos e documentao dos ativos. Desta forma, dificilmente
ocorrer a inovao e o aprendizado organizacional;
Estrutura Organizacional: a manuteno no deve estar isolada dos demais setores da
empresa. O conhecimento e as necessidades de toda a organizao devem permear as
decises da MCC e vice-versa. Durante a sua implantao, o conhecimento institucional
deve balizar as decises do grupo de MCC para que suas decises sejam aderentes s
caractersticas e necessidades da empresa. Ao longo de sua gesto, o programa de MCC
deve estar vinculado ao conhecimento estratgico que orienta o planejamento da empresa,
para que as aes de manuteno sejam as mais eficazes possveis;
Polticas de Recursos Humanos: as necessidades e o potencial interno da empresa devem
estar claramente mensurados e avaliados, para dar respostas rpidas s carncias da MCC,
com a aquisio de conhecimento externo e/ou interno, bem como, garantir o
armazenamento de novos conhecimentos na empresa;
Sistemas de Informao: a MCC fortemente dependente de um sistema computadorizado
para armazenamento de dados e documentao dos ativos. Este mesmo sistema pode
servir para explicitao, armazenamento e disseminao do conhecimento e, com o auxlio
do SBC-Fuzzy proposto neste trabalho, contribuir com o processo de aprendizado
organizacional;
Mensurao de Resultados: o acompanhamento dos resultados do programa de MCC crucial
para realiment-lo e maximizar os ganhos para a empresa. Todo o conhecimento heurstico ou
explcito deste processo deve ser armazenado para utilizao durante o processo decisrio;
Aprendizado com o Ambiente: o conhecimento de programas bem sucedidos de MCC deve
nortear a implantao e a gesto de programas novos, minimizando assim os riscos de
insucesso.
2
DENDRAL - Projeto desenvolvido em 1965 na Universidade de Standford (EUA). O objetivo era desenvolver
programas capazes de determinar automaticamente o conjunto de estruturas moleculares, constitudas de tomos
conhecidos, capazes de explicar dados provenientes da anlise espectrogrfica de uma molcula desconhecida.
62
sistema, chamado Engenheiro de Conhecimento (EC), e um ou mais especialistas do domnio que
se quer modelar (Figura 3.3).
O EC o profissional responsvel pela estruturao e construo do SBC. Ele aquista
conhecimento de alguma fonte, interpreta e representa em tipos e estruturas convenientes (LIRA
e FANTINATO, 2005). Um estudo mais detalhado pode ser encontrado em Gonzalez e Dankel
(1993) e Rezende (2003) que traam o perfil e citam as caractersticas desejveis do EC.
Perguntas
RESULTADOS
Respostas
Engenheiro de
Especialistas Conhecimento
Gestor do
Conhecimento
Define a estratgia de conhecimento, indica
o projeto de desenvolvimento e facilita a
distribuio do conhecimento
Engenheiro / Analista
do Conhecimento
Especialista Elcita Conhecimento de Administra Gerente de
Provedor de Projeto
Conhecimento
Elcita Necessidades de
Valida Entrega Modelos de Administra
Anlise para
Usurio do Desenvolvedor
Conhecimento SBC do SBC
Utiliza Projeta e Implementa
Caracterizao do Problema
Integrao de Conhecimento
Resultados Esperados
4.1 INTRODUO
50
Manuteno (%)
40
Mesma Especialidade
30 Mesma Especialidade + Tarefas Complementares
20 Mais de uma Especialidade
10
0
1995 1997 1999 2001 2003 2005 2007 Ano
Este captulo tratar, portanto dos aspectos relacionados Inteligncia Artificial (IA) em
geral, e sua aplicao no desenvolvimento de SBCs em particular, para concepo de um sistema
computacional baseado em lgica Fuzzy para implementao e auditoria da MCC.
68
4.2 DEFINIES E CONCEITOS
1
Etimologicamente, a palavra inteligncia vem do latim inter (entre) e legere (escolher). Inteligncia significa
aquilo que nos permite escolher entre uma coisa e outra, objetivando eficincia.
2
As descries destes e de outros sistemas especialistas desenvolvidos nas dcadas de 60 e 70 podem ser
encontradas em WATERMAN, 1986, GIARRATANO e RILEY, 1998, GONZALEZ e DANKEL, 1993.
69
conhecimento que esses sistemas aplicavam, dos quais os representantes mais conhecidos desta
poca so os sistemas MYCIN que fazia diagnstico de doenas infecciosas, e PROSPECTOR,
que auxiliava na prospeco de minrios metlicos. Esses sistemas, onde o conhecimento de um
indivduo (o especialista) era representado em uma base de conhecimento para ser utilizado
exclusivamente por um mecanismo de inferncia, respondendo consultas, sem integrao com
outros sistemas, estabeleceram as bases para a engenharia de SEs que orientou a rea at o final
dos anos 80 e inicio da dcada de 90. Assim foram definidos os sistemas especialistas nesta fase
(ABEL, 2005):
O sistema proposto neste trabalho auxilia a implantao da MCC, avaliando seus pr-
requisitos e auditando suas etapas, com foco na GC. Alm do conhecimento heurstico dos EHs
sero utilizados no processo de inferncia o conhecimento explcito de manuais e normas. Portanto,
a partir deste ponto, o produto deste trabalho ser tratado como um SBC. A base do SBC proposto
um SE implementado com a shell FuzzyClips e com uma interface desenvolvida em Visual Basic.
Os SEs so concebidos para reproduzir o comportamento de EHs na resoluo de
problemas do mundo real, mas o domnio destes problemas restrito, porm dentro de seu
domnio, o conhecimento armazenado deve estar no limite da percia e, tambm, organizado de
forma a facilitar a consulta de solues por um usurio no especialista. Com estas caractersticas
os SEs no somente diferem dos sistemas de informao convencionais, que apenas facilitam a
obteno e o armazenamento da informao, como tambm tornam-se teis para a capacitao e o
ensino (LAUDON, 2002). A Figura 4.3 ilustra a estrutura de um SE.
Tudo que se sabe sobre o problema deve estar explicitamente representado na base de
conhecimento do sistema;
A base de conhecimento deve ser usada por um agente capaz de interpret-la (em outras
palavras, a representao necessita ser interpretada para possuir significado). Na terminologia
de SBCs, esse agente conhecido como o mecanismo ou mquina de inferncia;
Os problemas resolvidos por SBCs so aqueles sobre os quais no conhecido um
procedimento determinstico que garanta uma resoluo efetiva (em termos de limitaes de
tempo e recursos). Tipicamente, esses sistemas usam conhecimento especfico do domnio
para contornar a exponencialidade da formulao genrica do problema e/ou a ausncia de
conhecimento preciso e completo sobre o seu domnio.
Os dois primeiros itens dessa definio procuram tornar clara a distino entre SBCs e
sistemas convencionais, nos quais base de conhecimento e mecanismo de inferncia so
freqentemente misturados. J o ltimo item diferencia SBCs de sistemas nos quais h
codificao explcita do conhecimento e a resoluo de problemas se faz por meio de
procedimentos determinsticos. A Tabela 4.2 resume, as principais diferenas entre sistemas
convencionais e SBC, com base na bibliografia pesquisada.
Essas atividades definem o que chamado de ciclo de vida do software e podem ser
desenvolvidas de diferentes maneiras pelo engenheiro de software ou EC no caso de um SBC.
Segundo Sommerville (2004) e Pressman (2004) existem diversos modelos para desenvolvimento
de software. Os mais conhecidos so:
Este trabalho adotar o modelo evolucionrio incremental, pois nele possvel que as
etapas do ciclo de desenvolvimento do SBC sejam seguidas utilizando apenas pequenas partes de
conhecimento em relao totalidade do domnio do conhecimento, permitindo retornos s etapas
anteriores, caso seja constatado algum tipo de erro ou inadequao em alguma tomada de deciso
sobre o projeto do SBC, seguindo assim os conceitos de Engenharia Simultnea propostos por
Silva (1998). O Apndice B deste trabalho descreve os demais modelos.
Os modelos evolucionrios so modelos interativos cujo objetivo o refinamento
sucessivo do software objetivando verses cada vez mais completas a partir de aplicaes
sucessivas do modelo seqencial linear. Ao final de cada interao uma verso do software
produzida e avaliada, e novos requisitos e definies so levantados para iniciar um novo ciclo. O
processo repetido at que o software esteja completo. Isto permite ciclos de realimentao com
informaes advindas tanto por parte do EH como dos usurios, sendo, conseqentemente mais
flexvel permitindo mudanas de paradigma nas etapas do ciclo de desenvolvimento, conforme
seja exigido (SOMMERVILLE, 2004 e PRESSMAN, 2004).
74
Uma das diferenas entre o desenvolvimento de um programa computacional
convencional e um programa de SBC est na origem e quantidade de conhecimento a ser
pesquisado, que para os SBCs dificilmente totalmente conhecido mesmo para os EHs, o que
dificulta a determinao do esforo total a ser despendido. Estas particularidades dos SBCs
devem ser consideradas na escolha do seu modelo de desenvolvimento, sendo o incremental um
bom exemplo a ser seguido (GONZALEZ e DANKEL, 1993).
Segundo Gonzalez e Dankel (1993), as etapas do ciclo de vida, no desenvolvimento de
programas computacionais, utilizando o modelo incremental, podem ser seguidas conforme a Figura
4.4. O conhecimento , portanto, dividido em pequenas partes, que em conjunto formam a base de
conhecimento. Durante a formao da base de conhecimento, apesar desta no estar ainda concluda,
pode-se obter uma funcionalidade parcial com algumas limitaes, ao contrrio dos programas
convencionais que precisam estar totalmente concludos para poderem ser utilizados e testados.
Etapa 1 Etapa 6
Anlise Ajuste de Projeto
Etapa 2 Etapa 7
Especificao Implementao
Etapa 3
Etapa 8
Projeto Preliminar
Teste
Etapa 4
Prototipagem
Etapa 5 Etapa 9
Projeto Detalhado Manuteno
Anlise: nesta etapa so definidos o domnio do problema, que dever ser plenamente
compreendido, e a adequao da tcnica de SBC para este domnio, a anlise pode ser
auxiliada pela Tabela 4.2. No caso especfico deste trabalho o domnio da aplicao a
MCC que devido natureza e especificidade do conhecimento envolvido satisfaz de modo
pleno todos os critrios de anlise propostos na referida tabela;
Especificao: define as fronteiras do campo de aplicao e identifica as funcionalidades
desejadas no SBC. Quanto s fronteiras este trabalho abrange os fatores crticos da
implantao e auditoria da MCC. Quanto funcionalidade o SBC proposto deve ponderar as
caractersticas do sistema/empresa e a partir de um processo de inferncia Fuzzy avaliar os
fatores crticos que podem interferir na implantao e auditoria da MCC e propor solues
ou regras de conduta para amenizar ou eliminar estes fatores crticos;
75
Tabela 4.2 Critrios para Seleo de SBCs.
Fonte: WATERMAN, 1986.
Possibilidade de Justificativa do
Desenvolvimento do SBC Apropriado
Desenvolvimento Desenvolvimento
Tarefa no requer senso Custo com EH
O desenvolvimento dos SBCs inicia-se realmente aps o trmino das etapas iniciais
compreendidas entre a anlise e o projeto detalhado que definem e justificam a sua aplicao,
especificando os requisitos do programa computacional e projetando o SBC. Conforme as etapas de
desenvolvimento incremental so percorridas, a base de conhecimento atinge a maturidade e a
capacidade de resoluo de problemas cada vez mais complexos e com grande amplitude de
atuao. Devido a sua relevncia, alguns dos componentes das etapas do ciclo de desenvolvimento
do SBC sero abordados com mais detalhes nos tpicos que seguem.
3
A entrevista teachback consiste de uma conversao entre entrevistador e entrevistado at chegarem a um
consenso sobre o pensamento do entrevistado (ALIBERAS et al, 1996).
77
Para tornar mais efetivo o processo de AC, vrias tcnicas tm sido desenvolvidas para a etapa
de elicitao. Elas podem ser classificadas como manuais, semi-automticas e automticas. Nas
tcnicas manuais, o EC responsvel por elicitar o conhecimento do especialista ou de outras fontes e
depois codific-lo em uma base de conhecimento. Contudo, os problemas de comunicao entre o
grande nmero de agentes humanos envolvidos na tarefa (especialistas, EC e programadores) acabam
por introduzir rudos semnticos no processo que podem comprometer a qualidade da base de
conhecimento. Uma alternativa que objetiva minimizar esses problemas a elicitao automtica ou
semi-automtica, na qual se usa uma ferramenta computacional para auxiliar o EC, ou o prprio
especialista, a construir a base de conhecimento. Com o uso dessas ferramentas, alm de reduzir o
nmero de agentes humanos envolvidos e, por conseqncia, os seus problemas de comunicao,
torna-se mais rpido o processo de construo da base de conhecimento. Isto, facilita para o EC ou
especialista obter respostas a respeito do comportamento do sistema e identificar possveis
inadequaes. Basicamente, as ferramentas de elicitao do conhecimento baseiam-se em algum tipo
de conhecimento ou tcnica preexistente para apoiar o processo de aquisio (REZENDE, 2003).
a) Baseadas em Descries
Esta abordagem exige que o EC estude e analise os textos de referncia do domnio e produza
a base de conhecimento a partir deles. Existem vrios problemas com esta abordagem, tais como:
inexistncia de referncias homologadas em um domnio e a necessidade de formao especfica para
entender os textos de referncia.
b) Baseadas em Entrevistas
Estudar o material disponvel a respeito do assunto para fazer questionamentos que sejam
relevantes;
Revisar as tarefas que o SBC ter de realizar;
Escalonar formalmente e planejar a entrevista, usando formulrios;
Elaborar algumas amostras de perguntas antes da entrevista;
Conscientizar o especialista dos objetivos e propsitos das entrevistas e instru-lo a se
preparar com antecedncia.
c) Teachback
Teachback uma tcnica utilizada para validar o conhecimento. Nesta tcnica o EC explica
alguns conceitos da rea ou faz a simulao de tarefas de uma rea particular do conhecimento. A
tcnica permite ao especialista acompanhar o raciocnio do EC sobre um determinado assunto.
Deve ser utilizada logo aps as tcnicas de entrevistas.
79
d) Tcnica Delphi
Delphi o nome dado para um conjunto de procedimentos para elicitar e refinar a opinio
de um grupo de pessoas, tipicamente um painel de especialistas, e foi desenvolvida por Norman
C. Dalkey e colaboradores na Rand Corporation (DALKEY, 1967). De maneira geral, o mtodo
para aplicao da tcnica Delphi consiste em: obter as respostas de cada participante s questes
pr-elaboradas, por meio de questionrios ou outra forma de comunicao formalizada; fazer
iteraes (uma ou mais) desses questionrios, onde as informaes colhidas em cada rodada so
controladas e resumidas pelo mediador e realimentada junto ao prximo questionrio; e adotar
como a resposta do grupo uma estatstica representativa das respostas finais (DALKEY, BROWN
e COCHRAN, 1969). O Apndice B mostra mais detalhes da Tcnica Delphi.
A Representao do Conhecimento (RC) pode ser entendida como uma forma sistemtica de
estruturar e codificar o que se sabe sobre uma determinada aplicao. Do ponto de vista da estrutura
de representao, o conhecimento pode ser considerado um conjunto de fragmentos que so
acessados pelo processo de inferncia. A adequao heurstica da estrutura de RC pode ser analisada
sob dois aspectos: em relao s propriedades dos fragmentos e em relao s propriedades da
estrutura (FERNANDES, 2003). Quanto codificao, ao contrrio de uma codificao qualquer ou
procedural, uma RC deve apresentar as seguintes caractersticas (BITTENCOURT, 2001):
Ser compreensvel ao ser humano, pois caso seja necessrio avaliar o estado de conhecimento
do sistema, a RC deve permitir a sua interpretao;
Abstrair-se dos detalhes de como funciona internamente o processador de conhecimento que a
interpretar;
Ser robusta, isto , permitir sua utilizao mesmo que no aborde todas as situaes possveis;
81
Ser generalizvel, ao contrrio do conhecimento em si que individual. Uma representao
necessita de vrios pontos de vista do mesmo conhecimento, de modo que possa ser atribuda
a diversas situaes e interpretaes.
Existem vrias tcnicas de RC e para avaliar essas tcnicas existem alguns critrios, dos
quais os principais so (RICH, 1993):
A RC um dos problemas cruciais de IA, pois no existe uma teoria geral de RC.
Entretanto, se nenhum bom mapeamento puder ser definido a partir de um problema, ento no
importa a competncia do programa para solucionar problemas, ele no ser capaz de produzir
respostas que correspondam as respostas reais para o problema. (RICH, 1993).
Muitas tcnicas de RC tm sido estudadas pelos pesquisadores de IA. Nos itens seguintes
so apresentadas as tcnicas de RC utilizadas neste trabalho. No Apndice B so mostradas outras
tcnicas de RC que foram estudadas durante a pesquisa bibliogrfica para embasamento terico
deste trabalho.
82
a) Regras de Produo
b) Orientao a Objetos
Segundo Rezende (2003), a orientao a objetos rene caractersticas tanto das redes
semnticas quanto dos frames. Entretanto, neste trabalho, o estudo de frames e redes semnticas,
mostradas no Apndice B, tm carter eminentemente histrico e didtico, visto que os SBCs
contemporneos vm utilizando orientao a objetos em vez destas tcnicas. Na orientao a
objetos a estratgia principal representar o conhecimento como conjuntos completos de objetos
com comportamentos. Os objetos so definidos em classes hierarquicamente estruturadas, de
modo que nveis inferiores na estrutura acessam atributos e relacionamentos de nveis superiores
(REZENDE, 2003). A potencialidade da representao orientada a objeto est relacionada com
propriedades como abstrao, encapsulamento, herana e polimorfismo, caracterizadas a seguir
(GONZALEZ e DANKEL, 1993):
A RC consiste nos caminhos que podem ser trilhados para codificar o conhecimento em
um programa computacional. A bibliografia estudada revela que, a tcnica de RC mais adequada
depende do tipo do problema e da rea na qual o SBC est sendo usado, no havendo uma regra
geral de representao que atenda a todas as situaes.
Entretanto cabe ressaltar que, sistemas baseados em um nico formalismo de RC (em
particular regras de produo) limitam o tipo de informao que pode ser representado e tendem a
ficarem ineficientes medida que cresce a quantidade e os tipos de informaes que precisam ser
armazenadas. Assim, SBCs hbridos podem ser encarados como uma soluo adequada, pois
combinam as vantagens dos formalismos por eles utilizados.
Neste trabalho se utilizou a orientao a objetos associada a regras de produo, com
auxlio da shell FuzzyClips, os Captulos 5 e 6 mostram mais detalhes deste processo.
84
4.7 VERIFICAO E VALIDAO DE SBC
A comunicao com o usurio deve ser a mais apropriada e natural possvel para refletir
os termos e incertezas do processo de implantao da MCC. Isto sugere a utilizao de
variveis lingusticas, as quais, podem ser formalmente tratadas com a lgica Fuzzy;
87
A base de conhecimento de um SBC um repositrio de conhecimento humano e, sendo
este impreciso por natureza, comum a presena de incompletudes tanto nas regras
quanto nos fatos. Os conjuntos Fuzzy representam uma maneira formal e coerente para
tratar estas incompletudes do conhecimento humano;
A incerteza da informao na base de conhecimento requer que a mquina de inferncia
disponha de ferramentas para tratamento desta incerteza. Este tratamento deve transmitir a
incerteza das premissas para as concluses e associar s concluses alguma medida de
incerteza apropriada e compreensvel pelo usurio. A lgica Fuzzy e mais especificamente
a shell FuzzyClips, adotada neste trabalho, permitem este tratamento;
Ao contrrio da lgica clssica, onde uma proposio s pode assumir o valor Verdadeiro
(1) ou Falso (0), na lgica Fuzzy existem tambm valores intermedirios de verdade
dentro de um conjunto finito ou infinito entre 0 e 1. Este conceito est mais prximo do
processo decisrio humano.
A expresso lgica Fuzzy foi mencionada pela primeira vez em 1965 pelo engenheiro
eletrnico Lotfi Asker Zadeh, professor de Teoria dos Sistemas na Universidade de Berkeley que
desenvolveu, na dcada de 60, a Teoria dos Conjuntos Fuzzy e na dcada de 70 props sua
extenso com o conceito de Varivel Lingstica (CAMPOS, 2004).
A lgica Fuzzy representa a incerteza por impreciso, isto trabalha com conjuntos com
limites imprecisos. Sendo uma extenso da lgica clssica, a lgica Fuzzy utilizada para
representar termos lingisticamente imprecisos (Ex.: ruim, bom, timo). Na lgica clssica, com
base na teoria clssica dos conjuntos, um elemento pertence ou no ao conjunto, enquanto, na
lgica Fuzzy um elemento possui um grau de pertinncia ao conjunto, que varia de 0 a 1, este
grau obtido por meio da funo de pertinncia que representa o conjunto (NASSAR, 2004).
1 se x A
(x ) = 4.1
0 se x A
88
A propriedade fundamental da lgica Fuzzy, proposta por Zadeh, tem uma caracterizao
mais ampla, generalizando a funo caracterstica de modo que ela pode assumir um nmero
infinito de valores no intervalo {0,1}. Um conjunto Fuzzy completamente caracterizado por seu
vetor de pertinncia, com os graus de pertinncia individuais multivalentes dentro do intervalo
numrico {0,1}. Esses graus de pertinncias podem ser considerados como medidas que
expressam a possibilidade de um dado elemento ser membro de um conjunto Fuzzy.
Se U o universo que contm os elementos denotados genericamente por x, ento o
conjunto Fuzzy A em U, o conjunto de pares ordenados:
A = { A (x ), x }, x U 4.2
Ncleo: regio do universo de discurso caracterizada por ter uma pertinncia total ao
conjunto Fuzzy, (x ) = 1, x Ncleo .
Suporte: regio do universo de discurso caracterizada por ter uma pertinncia ao conjunto
Fuzzy diferente de zero, (x ) 0, x Suporte .
Limite: regio do universo de discurso caracterizada por ter uma pertinncia ao conjunto
Fuzzy entre 0 e 1, 0 < (x ) < 1, x Limite .
Ncleo
U
Limite Limite
Suporte
A () = {x | A(x ) }
4.3
A (+) = {x | A (x ) > }
Complemento:
Interseo:
Unio:
A(x) A B(x) B
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 U 0,2 U
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
O conceito da varivel lingstica foi considerado por Cox (1994) como sendo a essncia
da tcnica de modelagem Fuzzy. Uma varivel lingstica pode ser considerada como sendo o
nome dado a um conjunto Fuzzy. As variveis lingsticas representam de modo impreciso,
conceitos de variveis de um dado problema, admitindo como valores somente expresses
lingsticas, tambm chamadas de termos primrios. Uma varivel lingstica pode ter seu termo
primrio representado por um conjunto Fuzzy existente no universo de discurso em que esta
varivel est definida. Deste modo, a cada conjunto Fuzzy deste universo de discurso associado
um conceito lingstico que classifica ou define um valor lingstico para a varivel Fuzzy em
91
questo. A estrutura de conhecimento, ou participao Fuzzy de uma varivel lingstica
definida pelos termos primrios desta varivel. O quanto um dado elemento xi , do universo de
discurso U, satisfaz o conceito representado por um conjunto Fuzzy A, definido pelo valor da
funo de pertinncia A (x i ), x i U (Figura 4.7).
Funo de Pertinncia
1 2 3 4 5 6 7 8 9 10
Parties do
Universo de Discurso
Universo de Discurso
Not No 1 A( xi ), xi U 0 ,7
0 ,6 A
0 ,5
1
Somewhat Um Pouco A 3 ( xi ), xi U 0 ,4
0 ,3
Very Muito A ( xi ), xi U
2 0 2 4 6 8 10 12 14 16 18 20
Dada uma base de conhecimento Fuzzy representativa de um sistema (neste caso dos fatores
crticos para implantao da MCC), e um vetor de entradas crisp, pode-se definir Inferncia Fuzzy
como: o processo pelo qual obtemos as concluses ou sadas de tal sistema, pela avaliao dos
nveis de compatibilidade das entradas com as condies impostas pela referida base de
conhecimento (regras). O conjunto Fuzzy resultante (concluso) pode ou no, de acordo com a
necessidade, ser convertido para um escalar chamado de valor condensado ou desfuzzyficado. O
processamento dos antecedentes, os indicadores de disparos das regras e os operadores utilizados
em um sistema de conhecimento Fuzzy so definidos, de acordo com a semntica, pelo mecanismo
de inferncia. Desta forma, ento, executado o processamento de conhecimento.
Mamdani (1975) props um mtodo de inferncia que foi por muitos anos um padro para
a utilizao dos conceitos da lgica Fuzzy em processamento de conhecimento. As regras de
94
produo em um modelo de Mamdani possuem relaes Fuzzy tanto em seus antecedentes como
em seus conseqentes. O modelo de Mamdani possui mdulos de interface que transformam as
variveis de entrada baseadas em grandezas numricas (crisp), em conjuntos Fuzzy equivalentes
e, posteriormente, as variveis Fuzzy geradas em variveis numricas (crisp) proporcionais. A
Figura 4.9 apresenta um diagrama do modelo de inferncia Fuzzy de Mamdani, o qual ser
utilizado neste trabalho. Os dados provenientes da interface com o usurio so fuzzyficados no
mdulo de converso Escalar Fuzzy, a mquina de inferncia recebe estes dados e processa as
regras existentes na base de conhecimento gerando, a partir da composio de todas as regras
disparadas, um conjunto Fuzzy de sada para o mdulo de converso Fuzzy Escalar que
desfuzzyfica os resultados do processo de inferncia, para posterior apresentao ao usurio. Uma
regra disparada quando o processamento dos antecedentes para as entradas atuais gera graus de
pertinncia maiores que zero. O Captulo 6 explicita melhor este processo.
SE {(x1 Ai,1) (x2 Ai,2) ... (xk Ai,k)} ENTO {(y1 Bi,1) ... (ym Bi,m)} 4.5
Onde:
(A E B) = A B = min{ A (x ), B (x )} x U AB 4.6
(A OU B) = A B = max{ A (x ), B (x )} x U AB 4.7
Onde:
respectivamente.
As regras com ( > 0) so ditas regras aplicveis ou que dispararam para as entradas
atuais, ou seja, elas vo contribuir para o clculo da sada correspondente do sistema de
inferncia. Por sua vez, os graus de aplicabilidade limitaro os valores mximos dos conjuntos
Fuzzy de sada gerados por estas regras.
Implicao
O conjunto Fuzzy gerado ao final do processo de agregao pode ento ser utilizado
diretamente em um diagnstico qualitativo de tomada de deciso. Entretanto, em alguns casos, os
conjuntos difusos obtidos pela agregao dos conseqentes no so suficientes como respostas do
sistema, sendo necessria a escolha de valores numricos (crisp) representativos das respostas
difusas. No modelo de inferncia Fuzzy de Mamdani, este valor correspondente ao baricentro
geomtrico ou centride da rea definida pelo conjunto Fuzzy resultante da agregao dos
conseqentes. Este processo comumente chamado de desfuzzyficao.
No mtodo do baricentro geomtrico, para um dado conjunto Fuzzy de sada, proveniente
de uma base de conhecimento processada, a abscissa do baricentro geomtrico da rea
correspondente, utilizada como valor escalar de sada. A equao abaixo sintetiza este processo
para uma sada escalar (S) de um conjunto Fuzzy resultante (C).
x Ci .(ACi )
C i U C
Para um Universo (U) Discreto S =
(ACi )
C i U C
4.8
x C .f (x C )dx C
x c U C
Para um Universo (U) Contnuo S =
f (x C )dx C
x c U C
Onde:
Para ilustrar os conceitos abordados neste item, a Figura 4.10 mostra um exemplo de
processo de inferncia Fuzzy, utilizado nesse trabalho. No caso desse exemplo, o usurio pondera
2 Quesitos (Documentao da Manuteno e Documentao do Sistema), os quais iro compor o
processo da avaliao do Critrio (Disponibilidade da Informao/Recursos) o qual faz parte da
avaliao da Etapa 0 do procedimento de referncia, que ser explicitado no Captulo 5. O
primeiro Quesito foi ponderado com uma Nota 1,8, a qual tem um grau de pertinncia = 0,2 ao
termo primrio Ruim e = 0,8 ao termo primrio Baixa. O segundo Quesito foi ponderado com
uma Nota 7,5, a qual tem um grau de pertinncia = 1,0 ao termo primrio Alta. Os termos
primrio se referem a aderncia da empresa/sistema aos Quesitos ponderados.
Nota = 1,8
Disponibilidade da Informao/Recursos
( 2 + 1,8).0,2 (3 + 1,4).0,8 (3 + 1).1
xC . f ( xC )dxC 1.
1
+ 2,5. + 7,5.
2 2 2 0,8
=
x U
C2 = c C = 4,78
f ( xC )dxC ( 2 + 1,8).0,2 (3 + 1,4).0,8 (3 + 1).1
+ +
0,2
xc U C
2 2 2 1 2 3 4 5 6 7 8 9 10
O FuzzyClips (http://www.iit.nrc.ca/IR_public/fuzzy/fuzzyClips/fuzzyCLIPSIndex.html)
uma extenso da shell Clips e foi desenvolvido pela Integrated Reasoning Group do Institute for
Information Technology da National Research Council of Canada. O FuzzyCLIPS est totalmente
integrado com o mecanismo de inferncia e de fatos do Clips, permitindo assim representar e
manipular fatos e regras Fuzzy, alm de processar raciocnio exato, Fuzzy (no-exato) e
98
combinaes destes, permitindo a mistura de termos Fuzzy e Crisp em regras e fatos do sistema
especialista (FERNANDES, 2001).
Detalhes da estrutura de regras utilizadas no SBC-Fuzzy desenvolvido neste trabalho, com
a utilizao da shell FuzzyClips, podem ser vistos no Captulo 6. O Apndice B mostra as
caractersticas da shell FuzzyClips incluindo trechos do programa computacional desenvolvido.
5.1 INTRODUO
Este item apresenta o procedimento sugerido neste trabalho como referncia para
implantao da MCC. Com base neste procedimento ser possvel elaborar uma metodologia para
auxiliar a implantao da MCC que analise e pondere as caractersticas e objetivos da empresa, as
necessidades do sistema ao qual a MCC ser implantada e os fatores crticos para o sucesso de um
programa de MCC. Ao final dessa anlise ser possvel propor ferramentas e normas de conduta que
minimizem os aspectos que podem afetar negativamente o programa de MCC.
O procedimento de referncia segue as etapas mostradas na Figura 5.1. Cada etapa
pressupe requisitos especficos de entrada e fornecem sadas que sero utilizadas nas etapas
seguintes ou que iro compor o manual de MCC da empresa. Alm disso, cada etapa demanda
determinadas tarefas, mecanismos e controles para sua execuo. O detalhamento de cada uma
destas caractersticas ser explicitado no item referente aos aspectos de cada etapa. O procedimento
de referncia foi desenvolvido para contemplar todas as etapas do ciclo de vida da MCC, desde a
verificao de sua adequao para o sistema pretendido at a realimentao das decises tomadas ao
longo do processo de implantao, em funo de critrios de desempenho do programa de MCC.
Cinco macro-etapas compem o procedimento de referncia proposto, as quais so: Pr-
Implantao; Anlise; Tomada de Deciso; Implementao; e Execuo.
100
Etapa 0
Adequao da MCC Pr- Implantao
Etapa 1
Preparao
Etapa 2
Seleo do Sistema e Coleta de Informaes Anlise
Demandas
Etapa 3
Anlise dos Modos de Falha, seus Efeitos e sua
Objetivos Criticidade (FMECA)
Tarefas
Etapa 4
Entradas
Seleo das Funes Significantes e Classificao de
Sadas seus Modos de Falha
Controles
Etapa 5 Tomada
Mecanismos Seleo das Tarefas de Manuteno Aplicveis e de
Efetivas Deciso
Etapa 6
Definio dos Intervalos Iniciais e Agrupamento das
Tarefas de Manuteno
Etapa 7
Redao do Manual e Implementao Implementao
Etapa 8 Execuo
Acompanhamento e Realimentao
Controles
Objetivos Tarefas
Entradas Etapa Sadas
Mecanismos
Figura 5.2 Aspectos do Procedimento de Referncia para cada Etapa da MCC.
Mecanismos: local e estrutura para conduo das reunies; disponibilidade dos envolvidos no
processo de implantao da MCC; questionrio estruturado para elicitao das caractersticas da
empresa/sistema, relacionadas com a MCC; critrios para comparao das caractersticas da
empresa/sistema com as necessidades da MCC; mtodos de ponderao dos critrios analisados.
1
A partir deste ponto estes componentes sero referenciados como expertise em MCC, no sistema-alvo e na
gerncia da empresa
103
Tarefas: estabelecer os objetivos do programa de MCC; definir a abrangncia ou nvel de aplicao
do programa de MCC; preparar, organizar e estruturar a equipe de implantao da MCC para
atender os requisitos das etapas seguintes; inferir sobre as necessidades relacionadas a treinamento,
organizao e estruturao, requeridas ao longo dos procedimentos de implementao do programa
de MCC; elaborar a metodologia e a estratgia para execuo e conduo das reunies da equipe de
implantao da MCC; documentar de forma auditvel as premissas e concluses desta etapa.
Sadas: documentao referente s decises tomadas nesta etapa; plano para implantao da MCC
contendo no mnimo os seguintes itens: objetivos e metas a serem atingidas durante a implantao;
composio da equipe responsvel pela implantao da MCC; calendrio de reunies; programa de
treinamento para a equipe de implantao, membros dos nveis gerenciais e demais interessados
estratgicos para o programa de MCC; cronograma para execuo das tarefas; designao de um
patrocinador interno com suas respectivas atribuies e responsabilidades; alocao de recursos
humanos e financeiros; previso oramentria.
Objetivos: identificar e documentar o sistema que ser submetido anlise e implantao da MCC.
Tarefas: definir e aplicar critrios quantitativos e qualitativos para seleo do sistema ao qual a
MCC ser aplicada; documentar o sistema selecionado e suas fronteiras.
2
Como sadas das etapas anteriores entenda-se, a partir deste ponto, as sadas materiais (relatrios, documentos,
resultados de anlises, etc...) de todas as etapas anteriores a etapa sob anlise. Isso no exclui a necessidade de
expertise em MCC, no sistema-alvo e na gerncia da empresa para as anlises exigidas na etapa corrente.
104
Sadas: sistema selecionado com as seguintes informaes, quando aplicveis: identificao dos
subsistemas e componentes, descrio textual, diagramas esquemticos, diagramas de blocos,
diagrama organizacional, diagrama funcional, diagrama lgico funcional e descrio das fronteiras;
documentao referente s decises tomadas nesta etapa.
5.3.4 Etapa 3 Anlise dos Modos de Falha, seus Efeitos e sua Criticidade (FMECA)
Objetivos: identificar e documentar todas as funes do sistema selecionado na etapa 2, seus modos
de falha, os efeitos adversos destes modos de falha, as causas do modo de falha e uma avaliao de
sua criticidade.
Tarefas: conduzir e documentar o processo de FMECA; criar ndices de consenso, entre a equipe de
implantao e a empresa, para avaliar a criticidade do modo de falha, a qual envolve: a severidade
dos efeitos, a freqncia de ocorrncia das causas do modo de falha e a probabilidade de deteco
das causas do modo de falha.
Sadas: funes desempenhadas pelo sistema; falhas funcionais associadas a cada funo; modos de
falha associados perda da funo; efeitos provocados no sistema devido a um modo de falha;
ndice de criticidade ponderando a severidade dos efeitos e a ocorrncia e a deteco das causas do
modo de falha; documentao referente s decises tomadas nesta etapa (planilha de FMECA e
ndices de severidade, ocorrncia e deteco adotados).
Resultados das
Aes
Ocorrncia (O)
Deteco (D)
NPR (S.O.D)
Modo do do e
Ocorrncia (O)
Severidade (S)
Deteco (D)
NPR (S.O.D)
Falha Controles Aes
Item
5.3.5 Etapa 4 Seleo das Funes Significantes e Classificao de seus Modos de Falha
Objetivos: analisar cada funo identificada na etapa anterior e determinar se a falha funcional tem
efeito significante, e caso afirmativo, classificar seus modos de falha levando em conta os impactos
nos aspectos pilares da MCC: segurana, meio ambiente, operao e economia do processo.
Sadas: lista das funes significantes com seus respectivos modos de falha classificados (ESA, EEO,
OSA e OEO), os quais sero submetidos s etapas subseqentes; lista de funes no significantes,
cuja anlise termina nesta etapa; documentao referente s decises tomadas nesta etapa.
Observao: Por julgar mais adequada, este trabalho utiliza, para composio do procedimento de
referncia, a lgica de seleo das funes significantes e classificao de seus modos de falha,
proposta pela IEC 60300-3-11 (Dependability Management - Part 3-11: Application Guide -
Reliability Centred Maintenance) a qual pode ser vista nas Figuras 5.4 (a) e (b), respectivamente.
Figura 5.4 Seleo das Funes Significantes e Classificao dos seus Modos de Falha.
Fonte: adaptado de IEC 60300-3-11.
Observao: Por julgar mais adequada este trabalho utiliza, para composio do procedimento de
referncia, a lgica de seleo de atividades de manuteno aplicveis e efetivas proposta pela IEC
107
60300-3-11 (Dependability Management - Part 3-11: Application Guide - Reliability Centred
Maintenance) a qual pode ser vista na Figura 5.5.
Objetivos: determinar quais as tarefas de manuteno aplicveis e efetivas para cada uma das
funes significantes identificadas e caracterizadas na etapa 4.
Sadas: tarefas de manuteno aplicveis e efetivas para cada modo de falha das funes
significantes identificadas na etapa 4, dentre as tarefas de manuteno possveis esto: Servio
108
Operacional, Inspeo Preditiva, Restaurao Preventiva, Substituio Preventiva, Inspeo
Funcional, Manuteno Combinada, Mudana de Projeto e Reparo Funcional; documentao
referente s decises tomadas nesta etapa.
5.3.7 Etapa 6 Definio dos Intervalos Iniciais e Agrupamento das Tarefas de Manuteno
Entradas: sadas das etapas anteriores; expertise em MCC, no sistema-alvo e na gerncia da empresa;
documentao tcnica do sistema ao qual a MCC ser aplicada; dados confiabilsticos, de
mantenabilidade e de produtividade do sistema ao qual a MCC ser aplicada, as seguintes fontes para
estes dados podero ser utilizadas: estatsticas do sistema; experincia/conhecimento a priori da equipe
de manuteno; dados de sistemas tcnica e operacionalmente similares; dados do fabricante.
Sadas: uma lista contendo as atividades de manuteno selecionadas na etapa 5 agrupadas de forma
otimizada e com um perodo e/ou freqncia de execuo; documentao referente s decises
tomadas nesta etapa.
Objetivos: redigir o manual inicial de manuteno e implementar as aes propostas pela MCC com
base nas concluses das etapas anteriores.
Tarefas: redigir o manual de manuteno do sistema ao qual a MCC ser aplicada incluindo:
descrio detalhada do sistema e suas partes componentes, consideraes e concluses das etapas
anteriores, poltica de manuteno para os itens cujas funes foram definidas como no
significantes na etapa 4; planejar, estruturar e implementar as aes propostas pelo programa de
MCC, levando em conta: as necessidades e limitaes da empresa/sistema e o cronograma e a
estratgia de implementao e divulgao do novo programa de manuteno.
Sadas: manual do programa de MCC para o sistema selecionado; planejamento estratgico para
implementao do programa de MCC; execuo do planejamento para implementao;
documentao referente s decises tomadas nesta etapa.
Tarefas: definir os critrios para composio dos indicadores de desempenho, do programa de MCC
e do sistema ao qual a MCC foi implantada; formular os indicadores de desempenho do programa
de MCC e do sistema; definir os ndices de desempenho, a serem alcanados pela MCC, e/ou que
sejam aceitveis, do ponto de vista estratgico da empresa; definir os critrios para realimentao do
programa de MCC (realimentaes peridicas at a consolidao do programa, realimentaes
dependentes dos indicadores de desempenho ou uma estratgia mista); acompanhar o programa de
MCC e o sistema no qual a MCC foi implantada, realimentando o programa inicial/anterior quando
110
necessrio, em funo dos critrios estabelecidos; estruturar e sistematizar as rotinas e estratgias
para coleta das informaes que iro subsidiar os indicadores de desempenho.
Sadas: listagem dos principais ndices de desempenho a serem atingidos pelo programa de MCC;
critrios para realimentao do programa de MCC; rotinas e estratgias para coleta das informaes
e acompanhamento do programa de MCC e do sistema no qual a MCC foi implantada; indicadores
de desempenho do programa de MCC e do sistema no qual a MCC foi implantada; documentao
referente s decises tomadas nesta etapa.
1. Antes de iniciar cada uma das etapas do procedimento de referncia, seus pr-requisitos so
avaliados e seus pontos fracos corrigidos;
2. Cada etapa , ento, implementada conforme as exigncias do procedimento de referncia,
respeitando suas necessidades e contemplando seus resultados/sadas;
3. Cada etapa implementada , ento, auditada para certificao de sua conformidade com o
procedimento de referncia, antes de iniciar a implementao da prxima etapa.
Pr-Requisitos Sim
Etapa sob
da Etapa sob
Anlise
Anlise
Implementao
da Etapa
Etapas do
Procedimento
de Referncia Reviso da No Conformidades
Etapa da Etapa
No
Prxima
Sim Avaliao da Sadas da
Aceitvel Inferncia Fuzzy
Etapa Auditoria da Etapa
(Auditoria)
Etapa
Figura 5.6 Avaliao dos Pr-Requisitos e Auditoria Fuzzy das Etapas da MCC.
Implementao
Figura 5.8 Processo de Avaliao Fuzzy dos Pr-Requisitos das Etapas da MCC.
Este processo tem incio com a comparao das caractersticas da empresa/sistema com os pr-
requisitos exigidos pela MCC, para um desenvolvimento adequado da etapa sob anlise. Esta
comparao feita a partir da anlise, do ponto de vista da empresa/sistema, de critrios pr-
estabelecidos e especficos para cada etapa.
Para a avaliao de cada critrio, a metodologia proposta apresenta diversos quesitos que devem
ser ponderados. Para tanto necessrio, primeiro, a parametrizao dos termos primrios que iro
compor o conjunto Fuzzy, o qual servir de referncia para a anlise. Assim, o usurio poder ponderar
cada quesito com uma Nota, dentro do universo de discurso de 0 a 10, ou um conceito Fuzzy conforme
parametrizado inicialmente. Neste caso, a metodologia prope os seguintes conceitos ou termos
primrios (lingsticos) para a avaliao dos quesitos: Ruim, Baixa, Boa, Alta e tima. Esses conceitos
ou a nota referem-se ao Grau de Aderncia da empresa/sistema aos requisitos da MCC, examinada
implicitamente pelo respectivo quesito. A Figura 5.9 exemplifica uma parametrizao do conjunto Fuzzy
de referncia. Vale ressaltar que o processo de parametrizao deve ser conduzido por um especialista
em MCC e no domnio da aplicao. O conhecimento/experincia deste especialista servir de base para
a definio das funes de pertinncia, as quais definiro os termos primrios que compem o conjunto
Fuzzy de referncia.
1 2 3 4 5 6 7 8 9 10
Figura 5.9 Termos Primrios para Avaliao de Pr-Requisitos e Auditoria.
113
Ponderados os quesitos dos critrios de avaliao, o que se tem o grau de aderncia da
empresa/sistema quela necessidade especfica da MCC analisada no respectivo quesito. Cabe agora
proceder agregao dos termos primrios afetados pela ponderao dos quesitos para composio
do grau de aderncia da empresa/sistema ao critrio. Deste procedimento resultaro tantos conjuntos
Fuzzy quantos forem os critrios a serem avaliados. Neste ponto j se tem uma avaliao parcial dos
critrios que, de alguma forma, impactaro na implementao do programa de MCC.
Agregando os conjuntos Fuzzy resultantes da avaliao dos critrios tem-se o conjunto
Fuzzy que representa a aderncia da empresa/sistema aos pr-requisitos da etapa sob anlise. Este
conjunto significa implicitamente o quo apta a empresa/sistema est para implantar aquela etapa. A
desfuzzificao dos conjuntos Fuzzy, resultantes da avaliao dos critrios e da etapa, resulta em
uma Nota (valor crisp) que representa a aderncia da empresa/sistema quele critrio e/ou etapa.
Com a avaliao da etapa e seus respectivos critrios caractersticos, conclui-se o processo de
inferncia conduzido pelo SBC (Sistema Baseado em Conhecimento) Fuzzy.
Em funo dos resultados apresentados pelo processo de inferncia Fuzzy, a equipe estar
apta ou no para proceder implementao daquela etapa da MCC. A implementao de cada etapa
deve ser conduzida respeitando-se o procedimento de referncia com relao aos objetivos, tarefas,
entradas, sadas, controles e mecanismos.
Os mesmos preceitos da fase de pr-implementao da etapa podem ser adaptados para a
fase de auditoria da etapa, a diferena que, no caso da auditoria, a entrada do processo de
inferncia Fuzzy so as sadas do procedimento de referncia, cuja conformidade deve ser avaliada.
Sendo assim, o encadeamento da metodologia, aps estabelecimento dos quesitos para avaliao e
parametrizao dos conjuntos Fuzzy, segue a seguinte seqncia (Figura 5.10): ponderao Fuzzy
dos quesitos relacionadas agora conformidade de execuo da etapa; agregao Fuzzy destes
quesitos para avaliao dos critrios de conformidade da etapa; agregao dos conjuntos Fuzzy
resultantes da avaliao dos critrios a qual, neste caso, origina o conjunto Fuzzy representativo do
grau de conformidade das sadas da etapa com as exigncias do procedimento de referncia.
Agregao dos Termos Termos primrios referentes ao Ponderao dos Termos Primrios
de Avaliao dos Grau de Aderncia da Etapa Quesitos dos do Universo de
Critrios de Auditoria aos Critrios de Auditoria Critrios Discurso
Sucesso ou Fracasso de
Resultados e Benefcios Tempo
um Programa de MCC
Condies para
Aprimoramento Contnuo Comprometimento
Tempo: os objetivos da MCC so de longo prazo e o tempo necessrio para sua implementao
pode ser longo, dependendo da complexidade do sistema, porm, as expectativas que antecedem o
programa de MCC so em geral imediatistas. Acomodar essas expectativas ao longo do ciclo de
vida do programa de MCC pode minimizar possveis frustraes (BACKLUND, 2003).
A proposta deste trabalho vem preencher a lacuna existente entre a teoria, muitas vezes
simplista, e as situaes prticas que podem inviabilizar um programa de MCC e que no encontram
respaldo nas normas de conduta. No se trata, conforme explanado no Captulo 1, de uma
metodologia para implantao da MCC, mas sim de uma metodologia para certificar a aderncia da
empresa/sistema aos requisitos da MCC e a conformidade na implementao das etapas com as
normas e bibliografias pesquisadas.
Com isso pretende-se minimizar os riscos de insucesso dos programas de MCC, garantindo
sua aderncia s necessidades da empresa/sistema e consonncia com as boas prticas de
implementao e gesto. Nesse sentido, os seguintes mecanismos se complementam buscando
alcanar estes objetivos: o conhecimento heurstico de especialistas em implantao e gesto de
programas de MCC, incorporado no SBC-Fuzzy desenvolvido; ferramentas, baseadas em lgica
Fuzzy, para diagnstico e apoio a deciso tanto na fase anterior quanto posterior a implantao da
MCC; e relatrios de avaliao ponderando as caractersticas da empresa/sistema e as necessidades
da MCC, indicando aes de melhoramento sempre que possvel.
3
A Taxa de Retorno do Investimento (ROI Return on Investment) pode ser calculada pela seguinte equao:
ROI = (Investimento Lucro Lquido), assim, obtm-se o tempo necessrio para se reaver o capital investido.
116
Para substanciar a metodologia proposta, os fatores crticos para o sucesso de um programa
de MCC devem ser investigados adotando-se de uma viso holstica de sua relao com a
empresa/sistema. Assim ser possvel conceber critrios para confrontar as caractersticas da
empresa/sistema com os pr-requisitos necessrios para um programa de MCC e tambm avaliar a
conformidade das tarefas executadas ao longo dos procedimentos de implementao.
Uma reviso criteriosa da literatura pesquisada revela que, apesar de algumas questes
tcnicas corroborarem para o fracasso dos programas de MCC, o grande obstculo para o sucesso
est nas questes gerenciais relacionadas com o entendimento da metodologia e o planejamento
para sua implantao (BACKLUND, 2003; MOUBRAY, 2001; SIQUEIRA, 2005; SMITH e
HINCHCLIFFE, 2004; WORLEDGE, 1993). Sendo assim, alm dos aspectos especficos inerentes
s prticas normatizadas de implementao da MCC, a metodologia proposta analisa os fatores
crticos para o sucesso da MCC, sob os seguintes pontos de vista:
Fatores gerenciais e tcnicos da manuteno, incluindo a MCC como uma metodologia que
utiliza diferentes tcnicas e ferramenta para anlise de falhas e definio das aes de
manuteno;
Fatores relacionados com a gesto de projetos, onde, por projeto entende-se a implantao e
a gesto do programa de MCC, incluindo os aspectos relacionados s mudanas internas.
Com foco nos aspectos tcnicos e gerenciais, abordados neste item, e em exigncias
normatizadas, ser possvel conceber os critrios que iro nortear a avaliao dos pr-requisitos e a
auditoria de cada uma das etapas da MCC.
A Etapa 0 foi assim nomeada por no constar em nenhuma bibliografia ou norma referente
implantao da MCC. Entretanto, a pesquisa bibliogrfica e a elicitao de conhecimento dos
especialistas, que antecederam a concepo da metodologia proposta, revelou que:
Nem todas as empresas/sistemas esto preparadas para adotar a MCC como estratgia de
gesto da sua manuteno, e o fazem, muitas vezes, por questes mercadolgicas ou
decises intuitivas dos tomadores de deciso. As questes mercadolgicas esto relacionadas
principalmente com a aquisio de softwares proprietrios de gesto da manuteno (CMMS
Computer Maintenance Management Systems) os quais nem sempre atendem s
necessidades especficas de uma determinada empresa ou sistema. Decises intuitivas so,
invariavelmente, parciais e no avaliam todo o contexto da aplicao e/ou empresa;
Esta falta de aderncia aos requisitos mnimos exigidos pela MCC resulta em falta de
comprometimento, descrdito e abandono do programa de MCC;
Alm da aderncia da empresa/sistema aos requisitos exigidos pela MCC, deve haver
comprometimento da alta gerncia, dos operadores, da equipe de implementao e recursos
financeiros e humanos para execuo das etapas e implementao do programa de MCC.
Estratgia de manuteno
Condio e
Desempenho da manuteno
Desempenho Atual da
Recursos humanos na operao
Manuteno
Custos da manuteno
Automao de escritrio
Sistema Gesto da informao
Etapa 0 Computacional de Gesto da manuteno
Adequao da Suporte Afinidade/Treinamento com o sistema
MCC Integrao com outros sistemas
Oramento
Gerenciamento Conformidade organizacional
Estratgico da Aporte de recursos
Manuteno Apoio metodolgico
Terceirizao
Figura 5.12 Avaliao dos Pr-Requisitos da Etapa 0.
Este critrio avalia a cultura e as prticas dos mantenedores na conduo de suas atividades
e o envolvimento da empresa na gesto da manuteno.
Como a MCC baseia sua decises em dados estatsticos de falhas, o registro das aes de
manuteno, de forma suficientemente detalhada para suportar uma anlise estatstica de tais aes,
tornar as decises da equipe de implementao mais acertadas. Porm, cabe verificar a consistncia
122
dos registros das aes de manuteno para garantir a confiabilidade das decises da equipe de
implementao.
A implantao da MCC pressupe mudanas de paradigmas dentro da empresa e do prprio
setor de manuteno, o que est fortemente atrelado ao apoio dos nveis gerenciais. Para tanto, a
manuteno deve ter uma funo estratgica dentro da empresa e ocupar um lugar de destaque na
estrutura organizacional. O comprometimento de toda a empresa com o sucesso do programa de
MCC deve ser garantido ao longo de todo o seu ciclo de vida.
As mudanas de paradigmas impostas ao setor de manuteno, pelo programa de MCC,
exigem uma equipe e/ou setor de manuteno motivado e consciente de seu papel estratgico dentro
de empresa, para que tais mudanas sejam efetivas. Esta motivao e conscientizao dos
mantenedores devem ser mantidas ao longo de todo o ciclo de vida do programa de MCC.
A experincia da equipe de manuteno com outras metodologias de gesto e sua evoluo
para a MCC benfica para o sucesso do programa de MCC, facilitando o treinamento e a
assimilao dos conceitos pelos envolvidos no processo de implantao.
A sustentabilidade de um programa de MCC est fortemente atrelada sua atualizao e
realimentao dos dados que nortearam suas decises, com o objetivo de corrigir os desvios de
conduta e/ou o planejamento inicial. Alm disto, h que se considerar o monitoramento e a auditoria
contnua do programa, por pessoal interno ou externo a empresa, para garantir a correta
implementao das etapas, na fase de implantao, e a correta conduo do programa na sua fase de
execuo.
Este critrio avalia a poltica de gerenciamento da manuteno adotada pela empresa. Assim
possvel vislumbrar os obstculos, facilidades e oportunidades que a equipe de implementao
encontrar.
Os custos iniciais para implantao da MCC dependem da estrutura j existente na empresa
e da complexidade do sistema ao qual ser implementada. Deve-se considerar, entretanto, a
necessidade de uma previso oramentria para treinamento de pessoal dentro da filosofia da MCC,
viabilizar recursos humanos e implantar aes preditivas e sistemas computacionais de suporte a
MCC. Uma previso oramentria, anterior a implantao da MCC, recomendada para avaliar o
aporte financeiro adequado.
As decises da MCC podem estabelecer modificaes na poltica de gesto dos ativos da
empresa, que vo desde servios operacionais ou aumento de aes preditivas at mudanas de
projeto. Estas decises devem estar em conformidade e ter suporte de outros setores da empresa.
123
Cabe a equipe de implementao uma avaliao cuidadosa para verificar as limitaes impostas s
suas decises e garantir o envolvimento de todos os setores da empresa afetados pelas decises da
MCC, para anuncia e comprometimento com tais decises.
A MCC demanda investimentos contnuos em aprimoramento de aes preditivas e de
acompanhamento estatstico das aes de manuteno e das falhas funcionais. Os nveis gerenciais
da empresa devem considerar a manuteno como um investimento para viabilizar as necessidades
da MCC. Neste caso, cabe a equipe de implementao e aos executores do programa de MCC, a
proposio de um cronograma de investimentos que considere as limitaes de investimentos na
MCC para adequar seus custos e maximizar os benefcios ao longo do seu ciclo de vida.
A MCC parte de um processo geral/global de gerenciamento da manuteno, com
mtodos e tcnicas. Assim, alm do comprometimento dos mantenedores, com o programa de
MCC, deve haver harmonia entre os diversos mtodos e tcnicas adotadas pelo setor de
manuteno. Os controles e mecanismos externos de suporte devem estar adaptados a estas
diversidades, garantindo sua sinergia e maximizando seus resultados.
A MCC pode no ser a melhor poltica de gesto da manuteno para toda a
empresa/sistema, neste caso outras metodologias de gesto da manuteno podem ser utilizadas em
paralelo ou integradas MCC. Neste caso, um estudo prvio deve ser desenvolvido, para avaliar
qual a melhor poltica da gesto da manuteno que deve ser incorporada ou utilizada em paralelo
com a MCC, dadas as caractersticas da empresa/sistema.
A MCC muito dependente de dados histricos e da experincia da equipe de manuteno.
Se grande parte da manuteno terceirizada, antes da implantao da MCC, cabe uma avaliao
criteriosa dos aspectos relacionados gesto do conhecimento. Caso a equipe terceirizada no esteja
adaptada s novas exigncias do programa de MCC, presume-se uma reviso prvia dos contratos
de terceirizao para garantir que estes requisitos sejam contemplados.
A Etapa 1 trata do planejamento para implantao da MCC e dos critrios e necessidades que
se interpem na formao da equipe de implementao. Os seguintes critrios compem a avaliao
dos pr-requisitos da Etapa 1: Disponibilidade da Informao/Recursos; Formao da Equipe;
Planejamento; Estratgia de Implementao.
Os prximos itens justificam os quesitos que constituem cada um dos critrios, os quais esto
resumidos na Figura 5.13 e detalhados no Apndice F.
124
Patrocinador interno
Facilitador
Formao da Equipe Disponibilidade e disposio da equipe
Etapa 1 Envolvimento e comprometimento das gerencias
Preparao Substituies
Gesto de projetos
Planejamento Status do projeto de implantao
Acmulo de trabalho
Contexto da empresa/sistema
Estratgia de
Projeto piloto
Implementao
Programas similares
Este critrio avalia se a empresa/sistema possui um grau mnimo de requisitos para iniciar
o procedimento de implantao da MCC.
Um software comercial especfico para implantao e gesto de programas de MCC pode
acelerar e padronizar o processo de implantao (SIQUEIRA, 2005). Neste ponto do processo de
implantao a equipe j tem noo do tamanho e complexidade dos sistemas candidatos
implementao da MCC. Portanto, j tem condies de avaliar o custo benefcio do uso de softwares
comerciais especficos para MCC ou de automao de escritrio aliados ao software existente de
gesto da manuteno. H que se considerar, neste caso, que softwares de apoio ao programa de MCC
no so utilizados somente na fase de implantao, mas tambm na sua fase de execuo.
Algumas etapas da MCC exigem uma identificao nica e inequvoca dos seus
itens/componentes para a organizao da documentao e definio das fronteiras dos sistemas.
Assim, importante, na etapa de preparao, certificar-se de que este pr-requisito esteja atendido,
caso contrrio, recomendvel providenci-lo para agilizar o processo de implantao. Siqueira
(2005) recomenda a utilizao de um dos seguintes sistemas: Codificao Operacional; Codificao
Patrimonial; ou Codificao Hierrquica.
125
Critrio 2 (C2) Formao da Equipe
A MCC pode utilizar vrias estratgias de implementao. Entre as mais comuns, citam-se:
mtodo de fora-tarefa treinada, o qual consiste na seleo de um grupo de pessoas com a misso de
conduzir a anlise em toda a empresa; mtodo seletivo de instalaes crticas, no qual se escolhe
apenas as instalaes consideradas crticas para aplicao da metodologia; mtodo abrangente de
instalaes simultneas, que consiste na implementao paralela com vrias equipes de
implementao; e mtodo do projeto piloto, que consiste na escolha de uma pequena instalao
onde ser aplicada a metodologia, a ttulo de teste e treinamento, antes de estender a implantao s
demais instalaes. O projeto piloto sempre recomendado no primeiro contato da empresa com um
programa de MCC. A escolha das demais estratgias depende do nvel de maturidade e
desenvolvimento da engenharia de manuteno da empresa.
Algumas variaes metodolgicas de implementao so possveis, entre as variantes mais
comuns esto (SIQUEIRA, 2005): validao da manuteno existente, onde so analisadas apenas as
tarefas atuais, dispensando-se a anlise formal de todos os modos de falha da instalao e de outras
atividades preventivas possveis; excluso de modos de falha no crticos, onde so eliminados, a
priori, vrios modos de falha considerados de difcil ocorrncia; anlise expedita por analogia, onde
so copiados os resultados da anlise de instalaes similares; e anlise expedita por categorias, que
consiste na avaliao simultnea de uma classe de itens, considerados similares. Seja qual for a
variante metodolgica, ser necessrio garantir o treinamento adequado dos responsveis,
especialmente nas anlises expeditas, para evitar desconhecimento do processo pelos responsveis
pela execuo da manuteno.
Para garantir o engajamento e comprometimento de toda a empresa com o programa de
MCC, a equipe de implementao deve tomar suas decises com uma viso holstica da
empresa/sistema. Assim, devero ser levados em conta, entre outros: o contexto operacional do
sistema; a cultura da empresa em engenharia da manuteno e nos relacionamentos
interdepartamentais; o histrico de gesto do setor de manuteno e da empresa; e a poltica da
empresa com relao ao sistema no qual a MCC ser implantada.
Conforme mencionado, a primeira implantao de MCC em qualquer empresa deve ser em
um projeto piloto de pequenas propores. Isto produzir resultados imediatos garantindo segurana
no processo e avaliao da metodologia, permitindo contornar as adversidades encontradas quando
da expanso para outros sistemas.
128
Programas de MCC similares auxiliam o processo de implantao, sobretudo nas anlises
expeditas, reduzindo o tempo para implementao das etapas e auxiliando no dimensionamento
dos recursos humanos, financeiros, estruturais e logsticos. Entretanto, a equipe de implementao
deve estar preparada para a utilizao de sistemas similares como benchmarking, a fim de evitar
desvios de conduta na implementao das etapas e insucessos na fase de execuo do programa.
Este critrio avalia a disponibilidade das informaes bsicas e relevantes para a tomada de
deciso que fundamentar a estratgia para escolha do sistema ao qual a MCC ser implantada.
Para selecionar, entre os sistemas candidatos, aquele no qual a MCC ser implantada, a
norma IEC 60300-3-11 sugere que se leve em conta sua significncia para a segurana,
disponibilidade e economia do processo. Mtodos qualitativos e quantitativos podem ser utilizados,
baseados nas funes desenvolvidas pelos sistemas e em indicadores de criticidade e de
desempenho pertinentes ao processo. indispensvel, ainda, segundo esta norma, que sejam
documentados os mtodos de seleo, os critrios utilizados e os resultados obtidos, iniciando-se
pela identificao dos sistemas.
Para que a tomada de deciso frente aos sistemas candidatos seja fundamentada
quantitativamente, importante que os dados estatsticos de confiabilidade e mantenabilidade estejam
disponveis e suportem uma anlise estatstica. Do mesmo modo, para maximizar os benefcios
advindos da implantao da MCC, recomendvel uma anlise quantitativa dos custos atuais dos
sistemas candidatos para avaliar qual deles se beneficiaria mais com a implantao da MCC.
A fim de que as decises da equipe de implementao sejam as mais acertadas possveis,
tanto na escolha do sistema quanto na aplicao dos diagramas de deciso, importante que a
mesma tenha um conhecimento profundo das questes tcnicas, de segurana e ambientais
relacionadas aos sistemas candidatos. Em pontos especficos de aplicao da metodologia MCC,
caso este conhecimento se demonstre insuficiente, recomendvel agregar temporariamente
equipe, pessoal com competncia e habilidade para auxiliar a anlise.
Nesta etapa importante uma viso holstica da implantao da MCC, para compatibilizar a
escolha do sistema com o planejamento estratgico da empresa com relao ao programa de MCC.
Deve-se prever, para todo o ciclo de vida do programa de MCC, os custos diretos e indiretos da
escolha de um ou outro sistema.
Este critrio avalia os recursos disponveis para agilizar as reunies de FMECA e auxiliar a
equipe de implementao no levantamento das informaes que compem a planilha de FMECA.
131
Anlises muito profundas (que tratam subsistemas inferiores ao menor item manutenvel)
podem causar problemas gerenciais como: desmotivao da equipe, com reunies tediosas
e custo dos especialistas envolvidos;
Anlises superficiais (que no tratam o menor item manutenvel) podem esquecer modos
de falha ou efeitos importantes e comprometer a eficcia das aes recomendadas,
frustrando as expectativas de retorno do FMECA.
Nesta etapa so selecionadas, com base no FMECA, as funes do sistema que seguiro na
anlise da MCC e que, a partir desta etapa, sero denominadas de funes significantes. A perda de
tais funes caracteriza uma falha funcional, a qual provoca um efeito adverso para o sistema
principal, com conseqncias para: segurana, meio ambiente, operao e economia do processo
produtivo. A distino destas conseqncias servir para classificar as funes significantes.
134
Portanto, para implementao desta etapa a equipe deve ter um conhecimento profundo da relao
entre a funo de cada subsistema, item ou componente com a falha funcional do sistema principal.
A reavaliao das funes atualmente protegidas por tarefas de manuteno garantem a
reviso do programa atual de manuteno e sua adequao a MCC. Assim, novos modos de falha
podero ser descobertos e atividades desnecessrias de manuteno, do ponto de vista da MCC,
podero ser eliminadas.
Os impactos de segurana, ambientais, econmicos e operacionais, admitidos pela equipe de
implementao, refletem a tolerncia da empresa frente s conseqncias que um modo de falha
pode ter. Por exemplo, uma conseqncia mnima ao meio ambiente pode no ser suficiente para
classificar um modo de falha como: ESA (Evidente de Segurana e/ou Ambiental) ou OSA (Oculto
de Segurana e/ou Ambiental). Assim, a equipe pode preferir, em funo da sua conseqncia,
classific-lo como sendo: EEO (Evidente Econmico e/ou Operacional) ou OEO (Oculto
Econmico e/ou Operacional). Portanto, por ter alguma relao com a imagem e valores da
empresa, os critrios para definio dos impactos dos modos de falha devem passar pela apreciao
e aprovao dos nveis hierrquicos superiores e demais envolvidos com o sistema.
Para a MCC, a definio da significncia das funes e a evidncia ou no de um modo de
falha, seus efeitos ou a falha funcional a ele associada, est a cargo do operador/usurio do sistema,
o qual deve, portanto, fazer parte da equipe de implementao. A expresso evidente, referente ao
modo de falha, significa que no ser necessrio qualquer teste ou inspeo especial, diferente da
rotina operacional, para identificar o modo de falha ou suas conseqncias. A sinalizao
automtica pelo sistema de superviso tambm caracteriza o modo de falha como evidente.
O objetivo da Etapa 5 definir qual a tarefa de manuteno mais adequada para cada uma
das funes significantes classificadas na Etapa 4. Para a MCC, a escolha de uma tarefa de
manuteno depende de sua aplicabilidade e efetividade. Ser aplicvel se: prevenir os modos de
falha; reduzir a taxa de deteriorao; detectar a evoluo da falha; descobrir falhas ocultas; suprir
necessidades de consumveis do processo; e reparar o item aps a falha. Para ser efetiva dever: ser
aplicvel tecnicamente; ser vivel com os recursos disponveis; produzir os resultados esperados; e
ser executvel a um intervalo razovel, em funo do mecanismo da falha e com mnima
interferncia na operao. Portanto, para que a equipe de implementao possa aplicar corretamente
os diagramas de deciso na escolha de tarefas aplicveis e efetivas, para os modos de falha das
funes significantes, prope-se os seguintes critrios para avaliao dos pr-requisitos desta etapa:
Disponibilidade da Informao/Recursos e Conhecimento da Falha. Os prximos itens justificam os
quesitos, resumidos na Figura 5.17 e detalhados no Apndice F, os quais constituem a avaliao
destes critrios.
135
Critrio 1 (C1) Disponibilidade da Informao/Recursos
Alm dos recursos humanos, logsticos e estruturais, a implementao desta etapa, impe
que as etapas anteriores tenham sido auditadas garantindo, assim, sua aderncia ao procedimento de
referncia e a disponibilidade das informaes necessrias para compilao do manual da MCC.
Na fase de Redao do Manual e Implementao da MCC (Etapa 7) possvel que a equipe
de implementao j tenha se dispersado, dificultando a efetivao desta etapa. Um planejamento e
gesto adequados do processo de implantao a soluo para este problema. Este planejamento
deve garantir o engajamento de toda a equipe de implementao at a efetiva implantao do
programa de MCC no sistema de gesto da manuteno da empresa/sistema.
Nesta etapa, importante dispor de uma estrutura computacional de apoio para gerao do
manual da MCC, o qual deve contemplar todas as decises e documentaes geradas ao longo da
implementao das etapas (sadas do procedimento de referncia). Caso softwares especializados
em MCC tenham sido utilizados possvel que estes, automaticamente, publiquem o manual, depois
de concluda cada etapa, e integrem as decises tomadas ao sistema de gesto da manuteno. Caso
contrrio deve-se garantir que estas tarefas sejam executadas pela equipe com os recursos
computacionais disponveis.
Este critrio verifica a aderncia da MCC na empresa/sistema, pr-requisito bsico para que
os responsveis pela fase de execuo possam definir uma estratgia fundamentada em indicadores
de desempenho para efetivar o acompanhamento e a realimentao do programa de MCC.
O desempenho do programa de MCC est relacionado sua completude e exatido e
eficcias das aes por ele propostas. Para que este desempenho seja revertido em uma vantagem
competitiva para a empresa, motivando o apoio institucional, h de se garantir a aderncia do
programa de MCC e progressos mensurveis nas aes da manuteno. O acompanhamento deste
desempenho pode ser efetivado atravs da utilizao de indicadores, os quais devem estar alinhados
com os objetivos e interesses do programa de MCC e com a viso holstica da empresa, condio
esta que garantir a confiabilidade e abrangncia dos dados mensurados.
Para que os benefcios do programa de MCC sejam evidenciados necessrio garantir sua
incluso irrestrita rotina dos mantenedores e operadores, o que passa tambm pela sua
141
incorporao ao sistema de gesto da manuteno da empresa/sistema. Contemplado este pr-
requisito, possvel monitorar e realimentar o programa de MCC a partir de seus indicadores de
desempenho e corrigir suas inconsistncias e equvocos.
Para garantir o cumprimento do programa de MCC, o mesmo deve fazer parte da
normatizao da empresa, com previso de aes disciplinadoras ou corretivas, caso haja quebra de
procedimentos. O objetivo suplantar os vcios das culturas tradicionais de manuteno e dos
procedimentos anteriores a implantao da MCC e que no se enquadram na nova proposta de
gesto da manuteno.
Tanto o sistema de gesto da manuteno, quanto os recursos logsticos da empresa, podem
no estar condizentes com as aes propostas pela MCC. A freqncia e o monitoramento requerido
das tarefas, assim como a logstica de apoio manuteno devem ser avaliadas e, caso necessrio,
deve-se proceder ao redimensionamento do sistema de gesto da manuteno e do apoio logstico
para atender as novas necessidades determinadas pelo programa de MCC.
Assim como na avaliao dos pr-requisitos, a auditoria tambm ser processada a partir da
ponderao de quesitos, os quais iro compor a avaliao dos critrios correspondentes que, em
conjunto com os demais critrios da etapa sob anlise, iro compor sua avaliao final. Este
processo de avaliao e composio dos conjuntos Fuzzy correspondentes far parte do relatrio
final de auditoria da etapa.
A necessidade da auditoria, nos moldes propostos neste trabalho, nasceu durante a fase de
aquisio do conhecimento, ao se constatar que muitos dos fatores de insucesso, de alguns
programas de MCC, ocorreram devido a: falhas e/ou inconsistncias na implementao das etapas; e
falta do rigor normativo que a metodologia pressupe. Assim, uma auditoria para certificar a
conformidade da execuo da etapa, com o procedimento de referncia, surgiu como pr-requisito
para evitar os fatores de insucesso relatados na bibliografia e durante a elicitao do conhecimento
junto aos especialistas.
Por se tratar de uma auditoria interna e posterior a implementao de cada etapa, pressupe-
se que a conduo do processo de auditoria, com auxlio do SBC-Fuzzy proposto, fique a cargo da
equipe de implementao e demais envolvidos e/ou afetados pelo programa de MCC.
Na estratgia proposta para auditoria, os quesitos submetidos ponderao do usurio pelo
SBC-Fuzzy refletem: a conduta esperada da equipe de implementao, antes e durante a execuo
das tarefas da etapa; e os atributos desejveis ao final da implementao da etapa analisada, para que
a mesma cumpra as exigncias do procedimento de referncia. A partir da ponderao dos quesitos,
com base nas prticas adotadas e nos resultados obtidos pela equipe de implementao, obtm-se
uma imagem da conformidade e atributos da etapa, com indicadores de pontos de excelncia e
deficincia, os quais serviro para: reformular o planejamento das atividades de implementao da
142
MCC; rever a execuo da etapa; avaliar e comparar, os atributos da etapa implementada, com as
melhores prticas; alertar a equipe de implementao sobre a necessidade de melhorias; apontar
oportunidades para melhorias no processo de implantao da MCC; e acompanhar e aferir o
progresso do planejamento inicial.
Os critrios e seus respectivos quesitos, submetidos ponderao do usurio, foram
concebidos com base nos seguintes princpios, a saber: heursticas explicitadas durante o processo
de elicitao do conhecimento; relatos e conceitos manifestados na literatura, artigos pesquisados e
congressos; e normas IEC 60300-3-11, SAE JA1011 e SAE JA1012, condio necessria para o
respaldo normativo exigido de um processo de auditoria.
O critrio de Confiabilidade da Anlise (C1) e seus 3 primeiros quesitos so comuns a todas
as etapas, os quais so (Apndice F): a comprovao do grau de atendimento aos pr-requisitos da
etapa; a conformidade com as sadas do procedimento de referncia para implantao da MCC; e a
credibilidade da tomada de deciso. O primeiro quesito (Q1) certifica-se de que, os pr-requisitos da
etapa foram respeitados, caso no tenham sido, uma poltica de melhoramento dos fatores negativos
foi planejada e implementada, ambas as situaes aumentam as chances de sucesso durante a
implementao da etapa. O segundo quesito (Q2) garante que a equipe atentou para a documentao
das decises tomadas durante a implementao da etapa, a qual cumpre com as exigncias de sada
do procedimento de referncia, contemplando todos os subsdios necessrios para as prximas
etapas. O terceiro quesito (Q3) trata da abrangncia da tomada de deciso, a qual no deve ficar
restrita equipe de implementao, mas sim contemplar o maior nmero possvel de pessoas e/ou
setores envolvidos e/ou afetados pela implantao da MCC. Os prximos itens elucidam os critrios
e seus respectivos quesitos, que compem a auditoria de cada etapa.
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 1, os quais esto resumidos na Figura 5.22 e detalhados no Apndice F.
Definio de responsabilidades
Recursos e Gesto da informao e divulgao dos resultados
Etapa 1 Responsabilidades Atribuies do patrocinador interno
Experincia de sistemas similares
Preparao
Participao em treinamento
Competncias e
Execuo de projeto piloto
Habilidades da
Conhecimento em gesto de projetos
Equipe
Substituies com equidade de conhecimento
Credibilidade do planejamento
Certificao das Disponibilidade da equipe
Decises Aderncia ao projeto piloto
Documentao e divulgao
Figura 5.22 Auditoria da Etapa 1.
Os quesitos deste critrio avaliam se durante a etapa de preparao, os seguintes itens foram
contemplados: a composio da equipe, quanto ao seu tamanho (quantidade de pessoas), suas
funes e suas atribuies; e os recursos disponveis para gesto e divulgao dos resultados dos
procedimentos de implementao das etapas. Estes elementos tm relao com o comprometimento
e envolvimento da equipe com os procedimentos de implementao das etapas, alm de afetar a
celeridade e a organizao do processo de implantao.
Este critrio avalia se a equipe, formada ao longo da etapa de preparao, tem o conhecimento
e a experincia desejvel para execuo dos procedimentos de implementao da MCC e se houve a
preocupao com a garantia da equidade de conhecimento, em caso de troca de algum membro da
equipe. A aderncia a estes quesitos contribuir para: aumentar a confiabilidade das decises, tomadas
ao longo dos procedimentos para implementao das etapas; e organizao do processo de
implantao da MCC, com base em tcnicas consagradas de gesto de projetos.
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 2, os quais esto resumidos na Figura 5.23 e detalhados no Apndice F.
145
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 3, os quais esto resumidos na Figura 5.24 e detalhados no Apndice F.
146
Nvel de mantenabilidade
Itens, Funes e Contexto operacional
Etapa 3 Falhas Identificao e documentao das funes
Anlise dos Funcionais Padro de desempenho
Modos de Falha Documentao das falhas funcionais
seus Efeitos e sua
Criticidade Documentao
(FMECA) Nvel de causalidade
Modos de Falha Modos de falha conhecidos, protegidos ou factveis
Eventos/Processos que podem resultar em uma falha
Modos de falha externos a empresa/sistema
Este critrio verifica o correto preenchimento das colunas Item, Funo e Falha Funcional
da FMECA e assegura que: o nvel de mantenabilidade dos itens relacionados o menor possvel;
em nenhum caso faltou definir o contexto operacional (item 5.1.1 da SAE JA1011); no h excluso
de funes (item 5.1.2 da SAE JA1011) e o formato de definio das funes est adequado (item
5.1.3 da SAE JA1011); no h funes com padres de desempenho no aprovadas pelo usurio ou
147
proprietrio (item 5.1.4 da SAE JA1011); e os estados de falha da funo no esto incompletos ou
so incompatveis com a definio da funo (item 5.2 da SAE JA1011).
Este critrio verifica, por meio de seus quesitos, a consistncia dos modos de falha includos
na FMECA. Assim, possvel evitar alguns dos fatores crticos na confeco da FMECA, os quais
esto relacionados com: o excesso de modos de falha, podendo resultar em reunies de FMECA
tediosas e com a incluso de modos de falha pouco significativos em termos estatsticos; ou o
esquecimento de modos de falha importantes, causado pela simplificao extremada do problema,
resultando em um FMECA sem aplicao prtica. Com os quesitos avaliados neste critrio, os
seguintes problemas so evitados: excluso de modos de falha provveis ou incluso de modos de
falha improvveis na viso do usurio ou proprietrio (itens 5.3.1 e 5.3.2 da SAE JA1011); incluso
de modos de falha inadequados para identificao da poltica de gesto da falha (item 5.3.3 da SAE
JA1011); excluso de modos de falha j ocorridos, atualmente gerenciados por programas de
manuteno ou que jamais ocorreram, mas que possuem uma probabilidade de ocorrncia razovel
(item 5.3.4 da SAE JA1011); excluso de modos provocados por operadores, mantenedores ou
oriundos de falha de projeto ou deteriorao (item 5.3.5 da SAE JA1011); e excluso de modos de
falha de origem externa a empresa ou sistema sob anlise.
O objetivo deste quesito verificar se as descries dos efeitos e das causas dos modos de
falha esto adequadas para suprir as informaes necessrias s etapas seguintes do processo de
implementao. Alm disto, objeto deste critrio certificar-se de que os seguintes erros de
implementao no foram cometidos: descrio do efeito amenizado por tarefa de manuteno
existente (item 5.4.1 da SAE JA1011); descrio do efeito insuficiente para avaliar as
conseqncias do modo de falha (itens 5.4.2a, 5.4.2b e 5.4.2c da SAE JA1011); descrio dos
efeitos insuficiente para definir os danos fsicos e a conduta para recomposio do sistema (itens
5.4.2d e 5.4.2e da SAE JA1011); e se as causas do modo de falha no contribuem para identificar
porque o mesmo ocorreu.
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 4, os quais esto resumidos na Figura 5.25 e detalhados no Apndice F.
148
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 5, os quais esto resumidos na Figura 5.26 e detalhados no Apndice F.
Os quesitos deste critrio verificam a consistncia das tarefas classificadas como sendo de
Servio Operacional e Inspeo Preditiva, com o objetivo de detectar as seguintes incoerncias de
implementao: falta de aplicabilidade e/ou efetividade das tarefas classificadas como sendo de
servio operacional (IEC 60300-3-11); falta definio da falha potencial (item 5.2.7.1 da SAE
JA1011); falta identificao do perodo (PF) de desenvolvimento da falha (item 5.2.7.2 da SAE
JA1011); intervalo da inspeo maior que o menor intervalo PF previsto (item 5.2.7.3 da SAE
JA1011); impossibilidade de realizar a tarefa em intervalos menores que o PF (item 5.2.7.4 da
SAE JA1011); tempo insuficiente entre a descoberta do defeito e a evoluo da falha (item 5.2.7.5
da SAE JA1011).
Os quesitos deste critrio verificam a consistncia das tarefas classificadas como sendo de
Mudana de Projeto e Reparo Funcional, com o objetivo de detectar as seguintes incoerncias de
implementao: ausncia de anlise de atividades de manuteno aplicveis e efetivas (item 5.8.1.1
da SAE JA1011); permanncia do projeto com riscos no combatidos pela manuteno (itens
5.8.1.2.1 e 5.8.1.2.2 da SAE JA1011); mudanas de projeto mais dispendiosas que a manuteno do
projeto (itens 5.8.1.2.3 e 5.8.1.2.4 da SAE JA1011); reparos programados em itens com risco de
segurana ou com falhas evidentes viveis de preveno (itens 5.8.2.1 e 5.8.2.2 da SAE JA1011).
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 6, os quais esto resumidos na Figura 5.27 e detalhados no Apndice F.
Este critrio verifica, a partir da aplicao de seus quesitos, a abrangncia da anlise e das
decises tomadas pela equipe de implementao, durante a Definio dos Intervalos Iniciais e
Agrupamento das Tarefas de Manuteno. Os seguintes erros de implementao so verificados: as
decises tomadas no levaram em conta o contexto operacional e os riscos devidos a perda da funo;
ausncia de um programa de explorao da idade, para aquelas tarefas definidas sem conhecimento
dos mecanismos da falha; falta de consonncia com o planejamento estratgico da empresa; e
deficincias na estruturao do novo contexto logstico e de apoio as tarefas de manuteno.
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 7, os quais esto resumidos na Figura 5.28 e detalhados no Apndice F.
153
Os prximos itens justificam os quesitos que constituem cada um dos critrios que compem a
auditoria da Etapa 8, os quais esto resumidos na Figura 5.29 e detalhados no Apndice F.
Este critrio avalia a concretizao das mudanas internas demandadas pela MCC, para
consolidar as decises tomadas durante as etapas anteriores (Etapa 0 a 7). Entre os itens de
especial interesse, os quais so examinados pelos quesitos deste critrio, esto: o desempenho, a
aceitabilidade dos resultados e a aderncia do programa de MCC; o comportamento do setor de
manuteno no que diz respeito s aes de manuteno e o registro de dados histricos; e os
subsdios para o melhoramento contnuo do programa de MCC.
Neste captulo foram abordados os principais critrios para avaliao dos pr-requisitos
e auditoria das etapas do processo de implantao da MCC, os quais subsidiam a metodologia
proposta. Tais critrios, com seus respectivos quesitos a serem ponderados, resultaram da
elicitao do conhecimento junto a especialistas, alm de bibliografias e normas diversas sobre
o assunto em pauta. A estruturao e consolidao deste conhecimento no SBC-Fuzzy, assim
como a explicitao do processo de inferncia difuso proposto, ser objeto de explanao do
Captulo 6.
A estruturao dos critrios e quesitos propostos foi possvel a partir da concepo de
um procedimento de referncia para implantao da MCC, o qual buscou condensar os aspectos
mais relevantes das bibliografias, normas e especialistas consultados. Tal procedimento no
156
pretende ser um modelo para implantao da MCC, mas to somente um referencial para
orientar a estruturao deste trabalho.
O prximo captulo abordar a consolidao da metodologia proposta em um SBC-
Fuzzy e os mecanismos utilizados para tratamento das incertezas do processo decisrio inerente.
157
CAPTULO 6
IMPLEMENTAO COMPUTACIONAL
6.1 INTRODUO
Verso Final
Detalhes e exigncias finais do
Testes de campo, aprovao da verso final e entrada no
processo de Verificao e Validao.
ciclo de manuteno do DALF-MCC.
O DALF-MCC avalia os pr-requisitos e faz a auditoria de cada etapa da MCC segundo determinados critrios, os quais possuem
quesitos a serem ponderados. O responsvel pela anlise dever ponderar cada quesito com uma nota (0 a 10) ou um conceito
(Ruim, Baixa, Boa, Alta ou tima), referente aderncia de sua empresa ou sistema quele quesito sob anlise.
Informaes e
A nota ou conceito, atribudo a cada quesito, sero avaliados por um SBC Fuzzy. As variveis lingsticas, referentes partio
do conjunto Fuzzy, as quais sero utilizadas no processo de anlise podem ser parametrizadas abaixo.
instrues para o
O grfico abaixo mostra valores pr-parametrizados default, que representam valores mdios de consenso entre especialistas em
MCC. Caso estes valores estejam adequados, para a empresa ou sistema a ser analisado, siga para a prxima etapa da metodologia
usurio com
(Anlise dos Pr-Requisitos, Auditoria ou Apoio a Implementao).
Caso a parametrizao, mostrada no grfico abaixo, no esteja adequada para a empresa ou sistema especfico a ser analisado,
hiperlinks para
altere sua parametrizao utilizando os campos ao lado do grfico, procedendo da seguinte maneira:
arquivo de ajuda
1) Escolha a varivel lingstica a ser modificada (Ruim, Baixa, Boa, Alta ou tima);
2) Altere seus valores (X0, X1, X2, X3), conforme desejado;
em HTML.
3) Estabelecida a parametrizao desejada, para cada varivel lingstica, clique no boto Atualizar.
Parametrizao
dos Termos
Primrios
Em ambas as situaes a parametrizao deve ser conhecida pelos usurios para que a
ponderao dos quesitos retrate, da maneira mais ntegra possvel, a realidade da empresa/sistema.
Na tela de ponderao dos quesitos (Figura 6.3) o usurio atribui uma Nota ou um
Conceito para cada quesito submetido a anlise, sendo que: a Nota deve estar dentro do universo de
discurso configurado na tela de parametrizao Fuzzy (no DALF-MCC o universo de discurso
poder assumir qualquer intervalo entre 0 e 10); e o Conceito poder ser qualquer um dos termos
primrios Fuzzy disponveis (Ruim, Baixa, Boa, Alta ou tima).
Critrios para
avaliao da etapa
Disponibilidade da Condio e Desempenho Sistema Computacional Cultura da Gerenciamento Estratgico
Informao/Recursos Atual da Manuteno de Suporte Manuteno/Empresa da Manuteno
A conjuno de Nota e Conceito possibilita ao usurio utilizar-se do mecanismo que lhe seja
mais intuitivo para a ponderao dos quesitos. Como resultado desse processo se espera obter uma
ponderao que espelhe a realidade da empresa/sistema, da maneira mais confivel possvel.
Aps a composio dos conjuntos Fuzzy referentes avaliao de cada critrio, os
mesmos devem ser agregados para obteno do conjunto Fuzzy representativo da etapa. Este
conjunto compe o relatrio final de avaliao da aderncia ou no da empresa/sistema aos
requisitos da MCC. O conjunto Fuzzy resultante de cada etapa servir para mostrar o contexto
geral da empresa/sistema frente aos critrios avaliados (avaliao qualitativa). A nota resultante
162
da desfuzzyficao do conjunto Fuzzy resultante de cada etapa, servir para avaliar o atendimento
ou no da empresa/sistema aos requisitos da MCC avaliados a partir dos quesitos de cada critrio
(anlise quantitativa).
Portanto, 5 grupos de regras so utilizados pelo DALF-MCC para a avaliao dos pr-
requisitos, conforme o procedimento de referncia, o mesmo valendo para a auditoria de cada
etapa do processo de implantao da MCC. Estes grupos de regras so:
1. Regras para avaliao dos critrios, a partir da ponderao dos quesitos. Nestas regras o
Antecedente a ponderao dos quesitos feita pelo usurio (Conceito ou Nota) e o
Conseqente a avaliao do critrio com base na ponderao de cada quesito;
2. Regras para avaliao da etapa com base na avaliao dos critrios da referida etapa
(resultante do grupo de regras 1). Neste caso, o Antecedente so conjuntos Fuzzy
resultantes da avaliao de cada critrio com base na ponderao de cada quesito e o
Conseqente um conjunto Fuzzy resultante da agregao de todos os conjuntos Fuzzy
referentes avaliao dos critrios;
3. Regras para composio do relatrio de concluso de cada etapa, com 3 subgrupos de regras:
3.1. O Antecedente um Conceito ou uma Nota Fuzzyficada referente ponderao de
cada quesito, enquanto que o Conseqente uma mensagem/resposta ao usurio com
base na ponderao de cada quesito;
3.2. O Antecedente uma Nota (valor crisp) resultante da desfuzzyficao do conjunto
referente avaliao de cada critrio e o Conseqente uma mensagem/resposta ao
usurio com base na respectiva Nota. O conjunto Fuzzy a ser desfuzzyficado foi
formado a partir da agregao de cada termo primrio, afetado pela ponderao dos
quesitos (Nota ou Conceito), pertencentes ao respectivo critrio;
3.3. O Antecedente uma Nota (valor crisp) resultante da desfuzzyficao do conjunto
referente agregao de todos os conjuntos Fuzzy, originados da avaliao dos
critrios (resultado das regras do grupo 2). O Conseqente uma mensagem/resposta
ao usurio com base no valor da Nota resultante da desfuzzyficao.
Conjuntos Fuzzy
resultantes da
avaliao dos
critrios e da etapa
sob anlise
Com uma Nota Final de avaliao da Etapa 0 - Adequao da MCC nos patamares atuais (5 < Nota < ou = 7) a MCC VIVEL para esta empresa/sistema,
porm uma poltica de treinamento na metodologia de MCC deve ser considerada para maximizar os resultados do programa de MCC. Resultados da
Os pontos crticos apresentados na seo de resultados, tanto na ponderao dos Quesitos quanto na avaliao dos critrios, devem ser trabalhados internamente
na empresa para propiciar um ambiente adequado para uma implementao futura da MCC. As seguintes referncias podem auxiliar a conduo deste processo:
inferncia Fuzzy:
concluses e
BACKLUND, Fredrik, Managing the Introduction of Reability Centred Maintenance.
BLOOM, Neil B., Reliability Centered Maintenance: Implementation Made Simple.
sugestes para o
FUENTES, Fernando Flix Espinosa, Metodologia para Inovao da Gesto da Manuteno Industrial. usurio devidas a
MOUBRAY, J., Reliability Centered Maintenance. avaliao da etapa
SIQUEIRA, Iony Patriota de. Manuteno Centrada na Confiabilidade: Manual de Implementao. sob anlise
SMITH, Anthony M. e HINCHCLIFFE, Glenn R., RCM: Gateway to World Class Maintenance.
1. O usurio atribui apenas Conceitos, ou seja, termos primrios Fuzzy (Ruim, Baixa, Boa,
Alta ou tima) para cada quesito;
2. O usurio atribui apenas Notas, ou seja, um valor crisp (no DALF-MCC, qualquer
intervalo configurvel entre 0 e 10) para cada quesito;
3. O usurio alterna, entre Nota e Conceito, para ponderar os quesitos referentes ao critrio a
ser avaliado.
Caso o usurio atribua apenas conceitos para ponderar os quesitos, respeitando os termos
primrios permitidos (Ruim, Baixa, Boa, Alta ou tima), a seguinte combinao de regras pode
acontecer, a qual vale tanto para a anlise dos pr-requisitos quanto para auditoria:
Ruim Ruim
Conceito
Conceito
Baixa Baixa
Se Et_N_C_N_Q_N : Boa Ento Et_N_C_N : Boa
Alta Alta
tima tima
A partir dos Conceitos atribudos pelo usurio, as regras abaixo so ativadas na base de
conhecimento do DALF-MCC:
Se Et_0_C_1_Q_1 : Boa Ento Et_0_C_1 : Boa
Se Et_0_C_1_Q_2 : Alta Ento Et_0_C_1 : Alta
Se Et_0_C_1_Q_3 : Baixa Ento Et_0_C_1 : Baixa
Se Et_0_C_1_Q_4 : tima Ento Et_0_C_1 : tima
A partir destas regras, a inferncia Fuzzy mostrada na Figura 6.6, desenvolvida pelo
DALF-MCC. Aps o processo de ponderao dos antecedentes (quesitos Q1 a Q4),
implicao e agregao dos conseqentes das regras, o que se tem o conjunto Fuzzy
resultante para o critrio C1 (Disponibilidade da Informao/Recursos).
O baricentro geomtrico ou centride da rea definida pelo conjunto Fuzzy, resultante
da agregao dos conseqentes, a Nota (valor crisp) atribuda ao critrio C1 a partir dos
conceitos atribudos pelo usurio aos quesitos. Este processo comumente chamado de
165
desfuzzyficao ou condensao. Para clculo do valor desfuzzyficado, o FuzzyClips,
mquina de inferncia utilizada pelo DALF-MCC, discretiza o universo de discurso referente
ao critrio analisado (C1), conforme explicitado no Captulo 4.
Q1 - Aderncia ao procedimento de referncia C1 - Disponibilidade da Informao/Recursos
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Conceito = Boa
Q2 - Documentao da manuteno C1 - Disponibilidade da Informao/Recursos
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Conceito = Alta
Q3 - Documentao dos sistemas candidatos C1 - Disponibilidade da Informao/Recursos
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Conceito = Baixa
Q4 - Planejamento estratgico da empresa C1 - Disponibilidade da Informao/Recursos
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Ponderao Conceito = tima
Agregao
x Ci .( ACi )
C i U C C1 - Disponibilidade da Informao/Recursos
C 1= = 1
( ACi )
C i U C
Caso o usurio atribua apenas notas para ponderar os quesitos, respeitando o universo de
discurso permitido (no DALF-MCC, qualquer intervalo configurvel entre 0 e 10), a seguinte
combinao de regras pode acontecer (vlida para a anlise dos pr-requisitos e para a auditoria):
Se Et_0_C_2_Q_1 : 1,8 Ento Et_0_C_2 : Conceitos afetados pela fuzzyficao da Nota 1,8
Se Et_0_C_2_Q_2 : 7,5 Ento Et_0_C_2 : Conceitos afetados pela fuzzyficao da Nota 7,5
Se Et_0_C_2_Q_3 : 3,5 Ento Et_0_C_2 : Conceitos afetados pela fuzzyficao da Nota 3,5
Se Et_0_C_2_Q_4 : 6 Ento Et_0_C_2 : Conceitos afetados pela fuzzyficao da Nota 6
A partir destas regras, a inferncia Fuzzy, mostrada na Figura 6.7, desenvolvida pelo
DALF-MCC. Os antecedentes (quesitos Q1 a Q4) de cada regra so ponderados de acordo com a
Nota atribuda pelo usurio, e considerando-se as funes de pertinncia associadas, resultando no
grau de pertinncia de cada Nota aos termos primrios correspondentes. Ou seja, a Nota (valor
crisp) convertida para um termo primrio Fuzzy (Ruim, Baixa, Boa, Alta ou tima processo
denominado fuzzyficao).
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 1,8
Q2 - Desempenho da manuteno C2 - Condio e Desempenho Atual da Manuteno
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 7,5
Q3 - Recursos humanos na operao C2 - Condio e Desempenho Atual da Manuteno
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 3,5
Q4 - Custos da manuteno C2 - Condio e Desempenho Atual da Manuteno
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Ponderao Nota = 6
Agregao
x Ci .( ACi )
C 1=
C i U C
= C2 - Condio e Desempenho Atual da Manuteno
( ACi ) 1
C i U C
Aps o processo de fuzzyficao dos antecedentes (Q1 a Q4) ocorre a implicao, isto , o
processo em que os conseqentes das regras, cujas condies so satisfeitas em algum grau de
aplicabilidade, so calculados. Este processo encerra a idia de que: se o antecedente da regra
verdadeiro, com algum grau de verdade, ento o conseqente tambm o , com o mesmo grau de
verdade. O processo de implicao consiste, basicamente, na modificao dos conjuntos difusos
associados com os conseqentes da regra. No modelo de inferncia Fuzzy de Mamdani, utilizado
167
neste trabalho (REZENDE, 2003; YEN, 1998), estes conjuntos difusos so truncados em um nvel
correspondente ao grau de aplicabilidade da regra. Aps a implicao, ocorre a agregao dos
conseqentes das regras e a desfuzzyficao ou condensao, conforme j explicitado na Situao 1.
Situao 3: O usurio alterna entre Nota e Conceito para ponderao dos quesitos
Esta situao uma composio das anteriores e, neste caso, o usurio pode atribuir, para
a ponderao dos quesitos de um critrio, tanto uma Nota, respeitando-se o universo de discurso
permitido ou um Conceito, respeitando-se os termos primrios disponveis. As regras ativadas na
base de conhecimento do DALF-MCC so, tambm, uma composio dos casos anteriores.
Tomando como exemplo a anlise dos pr-requisitos da Etapa 0 (Adequao da MCC),
conforme explicitado no Captulo 5 e supondo uma atribuio alternada de Nota e Conceito aos
quesitos pertencentes ao critrio 3, conforme abaixo, o seguinte processo de inferncia se verifica:
A partir das Notas atribudas pelo usurio, as regras abaixo so ativadas na base de
conhecimento do DALF-MCC:
A partir destas regras, a inferncia Fuzzy mostrada na Figura 6.8, desenvolvida pelo
DALF-MCC. A ponderao dos antecedentes pelo usurio (quesitos Q1 a Q5), implicao e
agregao dos conseqentes das regras e a desfuzzyficao ou condensao, se processam de
maneira semelhante s situaes exemplificadas nas Situaes 1 e 2.
Com a avaliao dos critrios, a partir da ponderao dos quesitos, o processo de
inferncia do DALF-MCC avalia a etapa correspondente aos quesitos ponderados e respectivos
critrios avaliados. Neste caso, a seguinte combinao de regras pode acontecer, a qual vale tanto
para a anlise dos pr-requisitos quanto para auditoria:
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Conceito = Boa
Q2 - Gesto da informao C3 - Sistema Computacional de Suporte
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 1,8
Q3 - Gesto da manuteno C3 - Sistema Computacional de Suporte
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Conceito = Baixa
Q4 - Afinidade/Treinamento com o sistema C3 - Sistema Computacional de Suporte
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 3,5
Q5 - Integrao com outros sistemas C3 - Sistema Computacional de Suporte
Ruim Baixa Boa Alta tima Ruim Baixa Boa Alta tima
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Ponderao Conceito = Alta
Agregao
x Ci .( ACi )
C i U C
C 1=
( ACi )
= 4, 253 C3 - Sistema Computacional de Suporte
C i U C 1
( 4 + 2 ). 1 ( 2 + 1,8). 0, 2 (3 + 1, 4). 0,8 (3 + 1). 1 (3 + 2 ). 0,5 ( 4 + 3). 0,5 ( 3 + 1). 1
5. + ( 0,95 . + 2 ,5 . ) + 2 ,5 . + ( 2 ,5 . + 5. ) + 7 ,5 .
2 2 2 2 2 2 2
( 4 + 2 ). 1 ( 2 + 1,8). 0, 2 (3 + 1, 4 ). 0,8 (3 + 1). 1 (3 + 2 ). 0,5 ( 4 + 3). 0,5 (3 + 1). 1 1 2 3 4 5 6 7 8 9 10
+( + )+ + ( + ) +
2 2 2 2 2 2 2
Nota = 4,253 Condensao ou desfuzzyficao
Aps a avaliao de todos os critrios que compem cada etapa, o DALF-MCC processa a
inferncia de modo a agregar todos os conjuntos Fuzzy resultantes de cada critrio avaliado, e
inerentes respectiva etapa. O resultado deste processo um conjunto Fuzzy que retrata o Grau
de Aderncia da Empresa/Sistema aos requisitos avaliados. Os resultados deste processo
conduzem a concluso da aptido ou no da empresa/sistema para avanar com os procedimentos
de implantao da MCC. Esta metodologia de inferncia se aplica tanto para a fase de verificao
dos pr-requisitos, quanto para a fase de auditoria da etapa sob anlise.
Para exemplificar como o DALF-MCC processa a avaliao dos pr-requisitos da Etapa 0
(Adequao da MCC), conforme explicitado no Captulo 5, considerar-se-: os resultados obtidos
nos itens precedentes para os critrios 1 a 3 (Situaes 1 a 3); e uma avaliao simulada dos
critrios 4 e 5 necessrios para compor a avaliao da Etapa 0. Para simular os resultados da
avaliao dos critrios 4 e 5, mostrados na Figura 6.9, foram consideradas as seguintes
ponderaes para os quesitos que os compe:
169
Critrio: (C4) Cultura da Manuteno/Empresa
Quesitos: Nota:
(Q1) Registro das aes de manuteno 7,5
(Q2) Funo estratgica da manuteno Alta
(Q3) Motivao da equipe 6
(Q4) Experincia metodolgica Boa
(Q5) Atualizao e Auditoria tima
Critrio: (C5) Gerenciamento Estratgico da Manuteno
Quesitos: Nota:
(Q1) Oramento 1,8
(Q2) Conformidade organizacional Boa
(Q3) Aporte de recursos Alta
(Q4) Apoio metodolgico 9
(Q5) Terceirizao Baixa
C4 - Cultura da Manuteno/Empresa
x Ci .(ACi ) 1
C i U C
C 1=
(ACi )
C i U C
1 2 3 4 5 6 7 8 9 10
(3 + 1).1 (3 + 1). 1 ( 4 + 2 ).1 ( 4 + 2). 1 ( 2 + 1). 1
7,5. + 7,5. + 5. + 5. + 9, 22 . Condensao ou Desfuzzyficao Nota = 6,420
2 2 2 2 2
= 6.420
(3 + 1). 1 (3 + 1). 1 ( 4 + 2). 1 ( 4 + 2 ). 1 ( 2 + 1). 1
+ + + + C5 - Gerenciamento Estratgico da Manuteno
2 2 2 2 2
1
( 2 + 1,8).0, 2 (3 + 1, 4).0,8 ( 4 + 2 ).1 (3 + 1).1 ( 2 + 1).1 (3 + 1). 1
( 0,95 . + 2 ,5 . ) + 5. + 7 ,5 . + 9, 22 . + 2,5 .
2 2 2 2 2 2
= 5,037
( 2 + 1,8).0, 2 (3 + 1,4 ).0,8 ( 4 + 2). 1 (3 + 1).1 ( 2 + 1). 1 (3 + 1).1
( + )+ + + + 1 2 3 4 5 6 7 8 9 10
2 2 2 2 2 2
1 1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 5,745
C2 - Condio e Desempenho Atual da Manuteno Etapa 0 (Adequao da MCC)
1 1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 4,599
C3 - Sistema Computacional de Suporte Etapa 0 (Adequao da MCC)
1 1
Implicao
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 4,253
C4 - Cultura da Manuteno/Empresa Etapa 0 (Adequao da MCC)
1 1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 6,420
C5 - Gerenciamento Estratgico da Manuteno Etapa 0 (Adequao da MCC)
1 1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Nota = 5,037
Etapa 0 (Adequao da MCC)
1
Agregao
1 2 3 4 5 6 7 8 9 10
Condensao ou Desfuzzyficao Nota = 5,188
7.1 INTRODUO
Durante a fase de elicitao do conhecimento do DALF-MCC, foi evidenciado que muitos dos insucessos dos
programas de MCC se devem a dificuldades na implementao de etapas relevantes, tipicamente as Etapas 3, 4 e 5 do
procedimento de referncia. Assim algumas ferramentas, foram desenvolvidas e incorporadas ao DALF-MCC para
auxiliar a implementao destas Etapas. As funcionalidades propostas podem ser acessadas clicando nos cones
correspondentes abaixo.
Etapa 3 - Anlise dos Modos de Falha seus Efeitos e sua Criticidade (FMECA):
Open-FMECA: Software com cdigo fonte aberto, para auxiliar o uso da tcnica FMECA, desenvolvido para ser
instalado em um servidor e utilizado via navegador de internet (browser).
FMECA-Delphi: Software que utiliza a tcnica Delphi para elicitao do Nmero de Prioridade de Risco (NPR), com
especialistas no presenciais, cooperando em um ambiente virtual.
NPR-Fuzzy: Software para elicitao do NPR que utiliza a Lgica Fuzzy como ferramenta de apoio a tomada de
deciso e tratamento das incertezas inerentes.
DALF-Diagramas: Sistema Baseado em Conhecimento Fuzzy (SBC-Fuzzy) que auxilia a seleo e a caracterizao das
funes significantes listadas na Etapa 3, utilizando um processo de inferncia Fuzzy baseado na ponderao de Quesitos.
DALF-Diagramas: SBC-Fuzzy que auxilia a seleo das tarefas de manuteno aplicveis e efetivas para cada uma das
funes significantes apontadas na Etapa 4, utilizando um processo de inferncia Fuzzy baseado na ponderao de Quesitos.
OpenFMECA: Software para auxiliar o uso da tcnica FMECA desenvolvido para ser
instalado em um servidor e utilizado via navegador de internet (browser);
FMECA-Delphi: Software que utiliza a tcnica Delphi para elicitao do Nmero de
Prioridade de Risco (NPR) com especialistas no presenciais, cooperando em um
ambiente virtual;
NPR-Fuzzy: Software para avaliao do NPR que utiliza a lgica Fuzzy como ferramenta
de apoio a tomada de deciso e tratamento das incertezas inerentes.
Etapa 4:
Etapa 5:
1) Preenchimento do Formulrio
2) Elaborao de Estatsticas
3) Solicitao de Justificativas
Solicita-se, ento, que os entrevistados que responderam o valor do ndice fora da regio
central (faixa de um desvio padro abaixo e acima da mdia), exponham brevemente as
informaes em que se basearam para estimar aquele valor.
176
Uma vez coletadas as informaes do campo da justificativa dos valores atribudos aos
ndices, o moderador pode categoriz-las e levantar a freqncia de ocorrncia de cada categoria.
Estas informaes, juntamente com as estatsticas do valor do ndice, so apresentadas aos
entrevistados na segunda iterao do processo acima.
n
y i .(s i ) 2 .x i
i =1
w= n 7.1
y i .(s i ) 2
i =1
Onde:
w o valor do ndice (Severidade, Ocorrncia ou Deteco) ponderado pela
experincia e confiana na estimativa feita pelo especialista;
yi o nmero de anos de experincia do i-simo especialista;
si a nota que o i-simo especialista atribuiu para o grau de confiana na
estimativa do valor do ndice; e
xi a estimativa do valor do ndice feita pelo i-simo especialista.
Este trabalho prope que os valores para os ndices de Severidade (S), Ocorrncia (O) e
Deteco (D) sigam as orientaes da SAE J1739 (SAE, 2002), enquanto que os valores do Grau
de Confiana (GC), que expressa quo confiante se est na estimativa do valor atribudo ao
respectivo ndice (S, O, ou D), sigam a escala apresentada na Tabela 7.1. Desta forma pode-se dar
mais peso s respostas em que o entrevistado tenha mais experincia e esteja mais confiante, o
que aumenta os indcios para uma resposta verdadeira.
Quanto aos aspectos relevantes do FMECA-Delphi, destacam-se:
SAE-J1739
possvel obter um NPR relativamente baixo (S=10, O=1, D=1, NPR=10) com uma
severidade alta que pode inviabilizar todo um processo produtivo. Ao mesmo tempo,
possvel ter um NPR relativamente alto (S=5, O=5, D=5, NPR=125) com ndices
moderados de Severidade, Ocorrncia e Deteco. Uma anlise descuidada pode concluir
intuitivamente que o primeiro caso menos crtico do que o segundo, culminando com a
proposio de aes corretivas em detrimento de aes preventivas;
possvel obter os mesmos valores de NPR para modos de falha distintos, por exemplo:
S=2, O=4 e D=9 resulta no mesmo NPR de S=9, O=4 e D=2, o que dificulta a
classificao e/ou priorizao dos modos de falha;
Independente da escala adotada, no possvel a obteno de nmeros primos maiores
que 10 na multiplicao dos 3 fatores que compem o NPR, o que limita o conjunto de
valores vlidos e gera lacunas em sua escala;
A escala de valores, dos fatores que compem o NPR, muitas vezes no customizada
pelas empresas para se adequar ao objeto de estudo e/ou aos termos lingsticos
normalmente adotados pelos especialistas do grupo de FMECA. Esta prtica pode
culminar com avaliaes equivocadas dos fatores que compem o NPR.
MIL-STD-1629A
A priorizao dos modos de falha com o uso da matriz de criticidade, proposta pela MIL-
STD-1629A, apresenta os seguintes inconvenientes:
1
Para o desenvolvimento do DALF-Diagramas foram selecionadas somente ferramentas de software livre, conforme segue:
Python 2.5.1 Linguagem de programao (http://www.python.org/); TK 8.4 Mdulo (built-in) Python de Interface Grfica
(http://www.tcl.tk/); LXML 1.3.4 Mdulo Python para manipulao de arquivos XML (http://codespeak.net/lxml/); Numpy
1.0.3.1 Mdulo Python para processamento matemtico (http://numpy.scipy.org/); Matplotlib 0.90.1 Mdulo Python para
plotagem de grficos (http://matplotlib.sourceforge.net/); PIL 1.1.6 Mdulo para processamento de imagens
(http://www.pythonware.com/products/pil/); Py2exe 0.6.6 Mdulo para "construo" de aplicativos Windows
(http://www.py2exe.org/); Txt2tags 2.4 Script Python para gerao de documentos HTML (http://txt2tags.sourceforge.net/);
FuzzyCLIPS 6.10d Mquina de inferncia Fuzzy (http://www.iit.nrc.ca/IR_public/fuzzy/fuzzyClips/fuzzyCLIPSIndex.html).
A codificao e estruturao dos arquivos HTML segue o padro W3C chamado XML - EXtensible Markup Language
(http://www.w3schools.com/xml/default.asp).
181
contemplada no diagrama para identificao de funo significante, onde um dos questionamentos
feitos para a equipe de implementao : A perda da funo tem efeito adverso de segurana ou
ambiental? Neste caso, a conseqncia para a segurana significa a possibilidade de ferir ou matar
algum enquanto a conseqncia ambiental indica quebra de um regulamento ou padro.
Hauge e Johnston (2001) concordam com a observao de Moubray (2001), entretanto,
afirmam que uma tcnica de anlise de risco pode resultar em maior consistncia durante a
aplicao dos diagramas de deciso da MCC, evitando o tratamento simplista de Sim ou No
comumente utilizado para evidenciar ou no o risco.
As evidncias apontadas por Hauge e Johnston (2001) foram ratificadas ao longo do
processo de aquisio do conhecimento do DALF-MCC. Sendo assim, este trabalho prope no
DALF-Diagramas, a incluso de uma sistemtica mais elaborada que, utilizando a lgica Fuzzy,
possa suscitar nos especialistas uma anlise de risco mais aprofundada quando na determinao da
significncia ou no da funo. A metodologia incorporada no DALF-Diagramas est baseada na
proposta de Raposo (2004). Entretanto, o DALF-Diagramas acrescenta mecanismos para
implementao da metodologia e o tratamento por lgica Fuzzy das incertezas do processo
decisrio, com objetivo de auxiliar a tomada de deciso. A metodologia que embasa os
questionamentos do DALF-Diagramas tem o objetivo de sensibilizar os envolvidos com o
processo de implementao da Etapa 4 para a reflexo e ponderao sobre os aspectos
relacionados ao risco, os quais impactam a identificao e caracterizao das funes
significantes. As reflexes e ponderaes suscitadas pelo DALF-Diagramas so:
Quanto ao tipo de conseqncia, da falha funcional ou do modo de falha, esta pode ser
caracterizada por afetar a sade, a vida ou a segurana do operador e/ou da coletividade ou ainda
uma lei ou padro ambiental. Quanto extenso das conseqncias, da falha funcional ou do
modo de falha, esta pode transcender ou estar restrita aos limites do sistema/empresa.
Grau de Risco
Muito Provvel 3 2 1 1
Provvel 4 3 2 1
Possvel 5 4 3 2
Remota 5 5 4 3
Extremamente Remota 5 5 5 4
Baixa Moderada Crtica Muito Crtica
Figura 7.2 Matriz para Avaliao do Grau de Risco.
Fonte: adaptado de Raposo, 2004.
183
Outros modelos de matriz de risco podem ser encontrados em: Lima (1999), Barreiro
(1999), DNV (2003), Hauge e Johnston (2001) e Melo et al (2002). Tais modelos variam em
nmero de linhas, colunas e denominaes dadas ao Grau de Risco, entretanto, todas resultam em
uma graduao de risco que permite adotar as medidas mitigadoras necessrias para sua
eliminao ou reduo.
A Tabela 7.5 mostra as categorias e as consideraes para a equipe de implementao da
Etapa 4 da MCC, relativas matriz de risco. O processo de inferncia do DALF-Diagramas
considera que, se o Grau de Risco for 1, 2 ou 3, a falha funcional ou o modo de falha analisado tem
implicaes no meio ambiente, sade ou segurana e deve ser submetido anlise da MCC.
Durante a implementao da Etapa 5, para qualquer Grau de Risco elicitado na Etapa 4, a
equipe de implementao deve se assegurar de que as estratgias ou tarefas de manuteno
atendam s aes sugeridas na Tabela 7.5.
Este captulo abordou as ferramentas computacionais, propostas por este trabalho, para
auxiliar a implementao das etapas 3, 4 e 5 do procedimento de referncia. As funcionalidades, a
interface, os benefcios dos softwares desenvolvidos, assim como os mtodos para tratamento das
incertezas (lgica Fuzzy) foram concebidos para minimizar alguns dos fatores crticos constatados
durante a fase de aquisio de conhecimento do DALF-MCC.
As solues apresentadas neste captulo podem agilizar a implementao das etapas mais
exaustivas do processo de implantao da MCC (Etapas 3, 4 e 5), seja pelas funcionalidades
apresentadas ou pelo apoio ao processo decisrio inerente a algumas das ferramentas. Desta forma,
ser possvel minimizar o impacto de fatores que so crticos para a implementao das etapas
supracitadas, entre estes: formao de equipes multidisciplinares, com restries de disponibilidade;
dificuldades no relacionamento interpessoal; desconhecimento dos aspectos tericos e prticos das
ferramentas inerentes ao processo de implementao das etapas da MCC, em especial a FMECA e
os diagramas de deciso; e dificuldades diversas relacionadas tomada de deciso frente a dados
qualitativos e com elevado grau de incerteza.
Alm dos aspectos prticos, as ferramentas computacionais apresentadas neste
captulo incorporam contribuies conceituais s metodologias tradicionais de implantao da
MCC, tais como: solues para determinao do NPR quer seja por inferncia Fuzzy de
termos lingsticos qualitativos (NPR-Fuzzy) ou por uma abordagem holstica com
especialistas no presenciais (FMECA-Delphi e Open-FMECA); e incluso, nos diagramas de
deciso da MCC, da anlise de risco e do impacto da falha funcional na imagem da empresa
(DALF-Diagramas).
Todas as ferramentas propostas incorporam requisitos da gesto de conhecimento,
principalmente queles relativos explicitao do conhecimento tcito e ao apoio tomada de
deciso e processamento de dados com incerteza intrnseca. Assim como no DALF-MCC, foi
tambm um requisito de projeto das ferramentas apresentadas, a preocupao com as
seguintes funcionalidades: interface amigvel com o usurio e ajuda sensvel ao contexto em todas
as fases de utilizao; relatrios elucidativos que podem servir de instrumento para capacitao de
pessoal no processo de implantao da MCC; e implementao de funcionalidades que
amenizassem ou eliminassem alguns dos fatores crticos do processo de implantao da MCC,
detectados ao longo da aquisio do conhecimento do DALF-MCC.
185
CAPTULO 8
8.1 INTRODUO
8.2 VERIFICAO
Quanto aos quesitos, todas as possibilidades de conceitos, para cada quesito, foram simuladas,
tanto para o caso da anlise dos pr-requisitos como para o caso da auditoria. Foram tambm
atribudas notas (0,5 | 2,5 | 5 | 7,5 | 9,5), de forma que sua fuzzyficao resultasse nos cinco
conceitos possveis para cada quesito (com base na Figura 4.7). Este procedimento foi adotado
para todos os quesitos. Foi simulada, ainda, a atribuio de notas que afetasse dois termos
primrios simultaneamente. Neste caso, com os termos primrios parametrizados, conforme a
Figura 4.7, foram simuladas quatro notas para todos os quesitos, a saber: 1,5 (termos afetados
Ruim e Baixa); 3,5 (termos afetados Baixa e Boa); 6,5 (termos afetados Boa e Alta) e, 8,5
(termos afetados Alta e tima). Este procedimento totalizou 3136 entradas (Pr-Requisitos =
1288 + Auditoria = 1848). A Tabela 8.2 resume as simulaes de entrada, processadas pelo
DALF-MCC, para o caso dos quesitos.
187
Tabela 8.2 Entradas Simuladas no DALF-MCC.
Pr-Requisitos Auditoria
Total de Total de
Total de Total de
Entradas Simuladas Entradas Entradas Simuladas Entradas
Quesitos Quesitos
Simuladas Simuladas
92 5 Conceitos 460 132 5 Conceitos 660
92 5 Notas (0,5 | 2,5 | 5 | 7,5 | 9,5) 460 132 5 Notas (0,5 | 2,5 | 5 | 7,5 | 9,5) 660
92 4 Notas (1,5 | 3,5 | 6,5 | 8,5 ) 368 132 4 Notas (1,5 | 3,5 | 6,5 | 8,5 ) 528
8.3 VALIDAO
Os resultados desta etapa do processo de validao (Tabela 8.3) apontam para a dificuldade
dos alunos com relao a utilizao da tela de Parametrizao Fuzzy do DALF-MCC (Q3 da
Anlise da Interface). Esta dificuldade foi atribuda a inexperincia para inferir sobre a melhor
parametrizao dos termos primrios e, a tentativa equivocada de configurar um determinado termo
de forma no permitida pelo DALF-MCC. As respostas a Questo 4 dos Aspectos Gerais revelou a
necessidade de treinamento na ferramenta e em MCC como sugesto de consenso.
189
Os comentrios e opinies dos participantes desta fase do processo de validao,
permitiram, alm da correo de diversos bugs, a identificao de melhorias estruturais e estticas
na interface com o usurio. Foi possvel, tambm, identificar faltas e inconsistncias at ento
imperceptveis no arquivo de ajuda que, na sua verso atual est mais consistente e adequado,
inclusive para usurios no especialistas em MCC ou lgica Fuzzy. Vale ressaltar que, para a
utilizao do DALF-MCC no necessrio conhecer os procedimentos para implantao da
MCC, nem to pouco a teoria sobre a lgica Fuzzy. No entanto, o DALF-MCC possui em seu
arquivo de ajuda os subsdios para aprofundamento nestes dois domnios, se o usurio desejar.
Outra oportunidade de validao do DALF-MCC ocorreu durante o 22 Congresso
Brasileiro de Manuteno promovido pela Associao Brasileira de Manuteno (ABRAMAN)
em Florianpolis, entre 17 e 21/09/2007. Nesta oportunidade, alguns especialistas interessados no
tema deste trabalho foram convidados a utilizar e opinar sobre DALF-MCC e suas ferramentas
complementares at ento desenvolvidas. Foram avaliados, nesta ocasio, os seguintes itens:
linguagem utilizada na interface; facilidade de aplicao e utilizao do DALF-MCC e suas
ferramentas complementares; suficincia e consistncia das informaes presentes na interface
com o usurio e no help; habilidade e capacitao dos mantenedores, e demais envolvidos no
processo de implantao da MCC, para responder aos questionamentos apresentados e a
abrangncia dos questionamentos com relao anlise dos pr-requisitos para implantao da
MCC, lembrando que, nesta oportunidade, ainda no havia a inteno de incluir a Auditoria da
MCC no DALF-MCC. Esta necessidade foi vislumbrada justamente neste evento, durante as
entrevistas com os participantes do processo. Para inquirir a opinio dos participantes durante esta
fase foi utilizado, na ntegra, o questionrio apresentado no Apndice C deste trabalho. A Tabela
8.4 sintetiza os resultados deste procedimento.
Aplicao em Campo
1
Iony Patriota de Siqueira (SIQUEIRA, 2005) mestre em Engenharia de Produo pela Universidade Federal
de Pernambuco (UFPE), onde defendeu sua Dissertao sobre Manuteno Centrada na Confiabilidade. ps-
graduado em Informtica pela Universidade Catlica de Pernambuco, com especializao em Sistemas de
Informaes, e bacharelado em Engenharia Eltrica pela UFPE, com curso de extenso em Manuteno
Centrada na Confiabilidade, pelo EPRI (Electric Power Research Institute) Solutions. consultor, pesquisador e
professor da UNIBRA TEC e UFPE / GPSID (Grupo de Pesquisa em Sistemas de Informao e Deciso do
CNPq), onde ministra as cadeiras de Integrao de Dados e Processos, Modelagem de Negcios e Engenharia de
Requisitos, alm de Manuteno Centrada na Confiabilidade, no Curso Superior em Tecnologia de Redes e
Ambientes Operacionais, e no Curso de Ps-Graduao em Engenharia de Software e Gesto da Manuteno.
No ano de 2003, recebeu o prmio mximo (hors concours) do Seminrio Internacional de Mantenimiento Y
Servicios Asociados En Sistemas Elctricos SIMSE 2003, e o primeiro lugar (meno honrosa) do Grupo de
Operaes do Seminrio Nacional de Gerao e Transmisso de Energia, promovido pelo International Council
on Electric Power Systems CIGR. (http://buscatextual.cnpq.br/buscatextual/visualizacv.jsp?id=K4796921U8)
194
Alguns especialistas divergiram quanto a necessidade da Etapa 0 do procedimento de
referncia, alegando que a MCC seria adequada para todas as empresas/sistemas em quaisquer
circunstncias. Neste ponto, o autor concorda que o nvel de abrangncia e profundidade das
anlises promovidas pela MCC pode se adaptar ao contexto da empresa/sistema, discordando,
entretanto, que a equipe de implementao da MCC no deva se preocupar com as restries
tcnicas e gerenciais impostas pelas especificidades da aplicao. Muitos programas de MCC, e
casos de aplicaes isoladas de suas ferramentas, citados na literatura (ANTONIETTI, 2002;
BACKLUND, 2003; BLANCO, 2007; JOHNSTON, 2002; RAJOTTE e JOLICOEUR, 2001;
RIBEIRO e ALVES, 2005; VIZZONI et al, 1999; WALTRICH e TONDELLO, 2007),
fracassaram ou experimentaram dificuldades em sua implementao e execuo por
desconsiderarem a necessidade da aderncia da empresa/sistema aos requisitos da MCC. Em tais
circunstncias, mudanas na estratgia inicial de implantao ou da prpria metodologia MCC
foram necessrias para minimizar os problemas experimentados, ratificando a necessidade de
existncia da Etapa 0, tanto no procedimento de referncia quanto no DALF-MCC.
Algumas consideraes, relativas parametrizao Fuzzy, indicaram que a mesma deve
ser personalizada para o domnio da aplicao. Tal considerao, de certo modo, j tinha sido
contemplada ao longo deste trabalho quando, no Captulo 5, foi ressaltado que o processo de
parametrizao deve ser conduzido por um especialista em MCC e no domnio da aplicao.
este conhecimento/experincia que deve servir de base para a definio das funes de
pertinncia, as quais definiro os termos primrios que compem o conjunto Fuzzy de referncia.
proposta desta tese, para trabalhos futuros, incorporar um mtodo que utilize a tcnica Delphi,
tal qual o FMECA-Delphi, para elicitar os parmetros do conjunto Fuzzy de referncia. Dessa
maneira, seria possvel parametrizar os termos primrios, de forma que os mesmos convergissem
para um valor de consenso entre os especialistas, uma vez que tal parametrizao muito
dependente das especificidades do domnio da aplicao. Outra hiptese seria incorporar ao
DALF-MCC um banco de dados com valores padronizados e de consenso, para os termos
primrio, vlidos para domnios de aplicao especficos.
Foi consenso entre os especialistas, como virtude do DALF-MCC, o embasamento
normativo tanto para a fase de anlise de pr-requisitos como para a auditoria. Esta caracterstica
foi planejada durante a fase de formulao do procedimento de referncia, o qual, alm da
bibliogrfia clssica da MCC, baseou-se tambm nas principais normas e guias (NOWLAN e
HEAP, 1978; SMITH, 1993; SMITH e HINCHCLIFFE, 2004; MOUBRAY, 2001; NASA, 2000;
IEC 60300-3-11, 1999; SAE JA 1011, 1999; SAE JA 1012, 2002; ABS, 2004). Vale ressaltar que
o DALF-MCC no segue uma nica norma, guia ou bibliografia, sendo aderente a todas aquelas
referenciadas como base para concepo do procedimento de referncia (Captulo 5).
Outra caracterstica positiva do DALF-MCC, relatada pelos especialistas, foi a incluso
das questes relativas auditoria da MCC. A falta de auditoria no procedimento de implantao
da MCC um dos fatores que resultam no seu insucesso e, mesmo apesar disso, um aspecto
195
pouco tratado na literatura e nos artigos cientficos. Conforme relatado anteriormente, a idia de
tratar a auditoria da MCC surgiu durante a validao parcial, ocorrida durante o 22 Congresso
Brasileiro de Manuteno promovido pela ABRAMAN. A deciso de incluir a auditoria no
processo de inferncia do DALF-MCC revelou-se um fator importante para sua credibilidade e
completude, ratificado na validao pelos especialistas.
A deciso de se utilizar a lgica Fuzzy como mecanismo para tratamento das incertezas do
processo decisrio foi referendada de forma unnime pelos especialistas. Segundo os participantes
do processo de validao, a falta de dados estatsticos e o alto grau de incerteza na ponderao dos
quesitos inviabilizariam a utilizao de mtodos probabilsticos clssicos ou frequentistas. Nesta
mesma linha de raciocnio, foi amparado o NPR-Fuzzy, uma das ferramentas complementares
incorporadas ao DALF-MCC e, neste caso, foi apoiada a sugesto do autor para incorpor-lo
como complemento (plugin) do OpenFMECA em trabalhos futuros.
Nos ciclos iniciais de validao do DALF-MCC, com os especialistas, foi vislumbrado os
benefcios que um SBC-Fuzzy poderia trazer para a definio da significncia da funo, no
correspondente diagrama de deciso da MCC. Esta sugesto resultou no desenvolvimento do
DALF-Diagramas, uma das ferramentas complementares do DALF-MCC que, alm de auxiliar a
seleo e a caracterizao das funes significantes, tambm pode ser utilizado para auxiliar a
seleo das tarefas de manuteno aplicveis e efetivas. Esta ferramenta se mostrou muito til
para a execuo das etapas 4 e 5 do procedimento de referncia, estruturando o processo de
deciso e tratando as incertezas inerentes, caractersticas ratificadas pelos especialistas.
CONSIDERAES FINAIS
9.1 INTRODUO
Desta forma, acredita-se que, os conceitos abordados neste trabalho podem contribuir com
solues cientficas relevantes para o estudo da engenharia do conhecimento, aplicada a tomada
de deciso durante a implantao e auditoria da MCC, bem como s atividades inerentes a este
processo. Desta forma cumpre-se a finalidade da pesquisa cientfica aplicada, almejada no
Captulo 1.
203
REFERNCIAS
ALIBERAS, J., PINT, R., GMEZ, R., Tres Enfoques de la Investigacin sobre Concepciones
Alternativas. Editora Enseanza de las Ciencias, 1996.
BENJAMINS, V. R., FENSEL, D., Problem Solving Methods. International Journal of Human-
Computer Studies, 1998.
BEYON, Davis P., Expert Database Systems - A Gentle Introduction. London, Editora McGraw-
Hill, 1991.
BLANCO, Santiago Sotuyo. Los 10 Mandamientos del RCM: Claves para el xito de un
Proyecto de Implementacin RCM. 22 Congresso Brasileiro de Manuteno, ABRAMAN, 2007.
204
BLOOM, Neil B., Reliability Centered Maintenance: Implementation Made Simple. Editora
McGraw-Hill Inc., 2006.
BOEHM, B., BROWN, J. R., KASPAR, H., LIPOW, M., MACLEOD, G. J., MERRIT, M. J.,
Characteristics of Software Quality. Editora North-Holland Publishing Company, New York, 1978.
BOOSE, J. H., BRADSHAW, J. M., Expertise Transfer and Complex Problems: Using
AQUINAS as a Knowledge Acquisition Workbench for Knowledge-Based Systems. em
Knowledge Acquisition Tool for Expert Systems, San Diego, California, Editora Academic Press
Limited, 1988.
BOWLES, John B., An Assessment of RPN Prioritization in a Failure Modes Effects and
Criticality Analysis. University of South Carolina, Columbia, 2003.
CAMPOS, Pio Filho, Mtodo para Apoio Deciso na Verificao da Sustentabilidade de uma
Unidade de Conservao, Usando Lgica Fuzzy. Tese apresentada ao Programa de Ps-
Graduao em Engenharia de Produo da Universidade Federal de Santa Catarina, como requisito
parcial para obteno do ttulo de Doutor em Engenharia de Produo, Florianpolis, 2004.
CARMO, Annibal Jos Roris Rodriguez Scavarda, Metodologia Evocativa para Mapeamento
Causal e sua Perspectiva na Gerncia de Operaes com Aplicaes via Internet em Gesto da
Cadeia de Suprimento e Administrao de Servios. Tese apresentada ao Programa de Ps-
Graduao em Engenharia Industrial da Pontifcia Universidade Catlica do Rio de Janeiro, como
requisito parcial para obteno do ttulo de Doutor em Engenharia Industrial, Rio de Janeiro, 2004.
CHANDRASEKARAN, B., JOSEPHSON, J. R., BENJAMINS, V. R., What are Ontologies, and
Why do We Need Them? Intelligent Systems, IEEE, Vol. 14, 1999.
CLEAL, D. M.; HEATON, N.O., Knowledge - Based System. England, Editora Ellis Horwood, 1988.
205
COX, E., The Fuzzy Systems Handbook: A Practitioner's Guide to Building, Using, and
Maintaining Fuzzy Systems. A. P Professional, 1994.
DALKEY, Norman C., Delphi. Second Symposium on Long-Rang Forecasting and Planing.
Almagordo, New Mexico, 1967.
DALKEY, Norman C., The Delphi Method: An Experimental Study of Group Opinion. Santa
Monica: The Rand Corporation, 1968.
DALKEY, N.; BROWN, B.; COCHRAN, S., The Delphi Method III: Use of Self Ratings to
Improve Group Estimates. Santa Monica: The Rand Corporation, 1969.
DAMSKI, J. C. B., LIMA, J. G. M., GIORNO, F. G., VALENTE, A. S. M., Sistemas Especialistas
no Brasil: Um Enfoque Pragmtico. Braslia, SUCESU, 1993.
DNV Det Norske Veritas, Metodologia para Anlise Preliminar de Perigo. Rio de Janeiro,
2003.
DAVENPORT, T.; PRUSAK, L., Working Knowledge: How Organizations Manage What
They Know. Boston, Editora HBS Press, 1998.
DURKIN, John, Expert Systems: Design and Development. New Jersey, Editora Prentice Hall, 1994.
ESHELMAN, L.; BOOSE, J.; GAINES, B., MOLE: A Tenacious Knowledge Acquisition Tool.
Knowledge Acquisition Tool for Expert Systems, San Diego, California, Editora Academic Press
Limited, 1988.
FEIGENBAUM, E. A., Themes and Case Studies of Knowledge Engineering. Expert Systems in
the Micro Eletronic Age. Edinburg, Editora Edinburg University Press, 1979.
FERNANDES, Anita Maria da Rocha, BASTOS, Rogerio Cid, Anlise da Shell FuzzyCLIPS
como Ferramenta para Desenvolvimento de Sistemas Especialistas Difusos. Revista Alcance,
Itaja, V.1, p.16 - 24, 2001.
FERNANDES, Anita Maria da Rocha, Inteligncia Artificial - Noes Gerais. Editora Visual
Books, Florianpolis, 2003.
FERNANDES, Anita Maria da Rocha, Inteligncia Artificial Aplicada Sade. Editora Visual
Books, Florianpolis, 2004.
GARCIA, Pauli Adriano de Almada, Uma Abordagem Fuzzy com Envelopamento dos Dados da
Anlise dos Modos e Efeitos de Falha. Tese de Doutorado apresentada a UFRJ - Universidade
Federal do Rio de Janeiro, 2006.
GASCHNIG, J., HAYES-ROTH F., WATERMAN, D. A., LENAT, D. B., Evaluation of Expert
Systems: Issues and Case Studies. Building Expert Systems, Editora Addison Wesley,
Massachusetts, 1983.
GIL, A. C., Como Elaborar Projetos de Pesquisa. Editora Atlas, 3ed., So Paulo, 1996.
GOBER, Cristiano Jos; SILVA, Lus Carlos Santos da; SANTOS, Rogrio Jos dos. Aplicao de
Ferramentas Computacionais para Definio de uma Metodologia de Gesto da Manuteno.
2008, 132f. Trabalho de Concluso de Curso Curso Superior de Tecnologia em Gesto Comercial
Eltrica, Universidade Tecnolgica Federal do Paran, Curitiba, 2008.
GONZALEZ, Avelino J.; DANKEL, Douglas D., The Engineering of Knowledge Based Systems
- Theory and Practice. New Jersey, Editora Prentice Hall, 1993.
GUPTA, Uma G.; CLARKE, Robert E., Theory and Applications of the Delphi Technique:
A Bibliography. (1975-1994). Technological Forecasting and Social Change. 53, 1996. Pg.
185-211.
HARMON, P.; MAUS, R.; MORRISSEY, W., Expert Systems Tools & Applications. New York,
Editora John Wiley & Sons, 1988.
HART, Anna, Knowledge Acquisition for Expert Systems. 2 Edio, Editora McGraw-Hill, 1992.
HAUGE, B. S.; JOHNSTON, D. C., Reliability Centered Maintenance and Risc Assessment.
Annual Reliability and Mainteinability Symposium, IEEE Proceedings, 2001.
HEIJST, G., SHREIBER, A. T., WIELINGA, B. J., Using Explicit Ontologies in KBS
Development. International Journal of Human-Computer Studies, 1997.
HOLLNAGEL, Erik, The Reliability of Expert System. Editora Ellis Horwood Ltd, 1989.
KARDEC, Allan; XAVIER, Jlio de Aquino Nascif, Manuteno: Funo Estratgica. Rio de
Janeiro, Editora Qualitymark, 2003.
KELLY, G. A., Psychology of Personal Constructs. New York, Editora W. W. Norton, 1955.
LAUDON, Kewneth C.; LAUDON, Jane P., Gerenciamento de Sistemas de Informao. Editora
LTC - Livros Tcnicos e Cientficos, 3 Edio, 2002.
207
LEE, B., Using Bayes Belief Networks in Industrial FMEA Modeling and Analysis. Proceedings
of International Symposium on Product Quality and Integrity, Philadelphia, PA, 2001.
LIEBOWITZ, J., Useful Approach for Evaluating Expert Systems. em Expert Systems, 1986.
LIEBOWITZ, J., WILCOX, L. C., Knowledge Management and its Integrative Elements. Boca
Raton, Editora CRC Press, 1997.
LINSTONE, Harold A., TUROFF, Murray, The Delphi Method: Techniques and Applications.
2002. Disponvel em: http://www.is.njit.edu/pubs/delphibook. Acesso em: 05/12/2007.
McCARTHY, J., MINSKY, M. L., ROCHESTER, N., SHANNON, C. E., A Proposal for the
Dartmouth Summer Research Project on Artificial Intelligence. Ano de publicao 1955,
Disponvel em: http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html acessado em
01/02/2005.
MELO, Carlos Haddad de, JUNIOR, Joo Marcus Sampaio Gueiros, MORGADO, Cludia do
Rosrio Vaz, Avaliao de Riscos para Priorizao do Plano de Segurana. Congresso Nacional
de Excelncia em Gesto da Universidade Federal Fluminense, Niteri, Rio de Janeiro, 2002.
MIL-STD-1629 A, Military Standard Procedures for Performing a Failure Mode, Effects and
Criticality Analysis. Department of Defense, USA. 1980.
MOUBRAY, J., Reliability Centered Maintenance. New York, Editora Industrial Press, Reviso
da 2 Edio, 2001.
MUSEN, M. A.; FAGAN, L. M.; COMBS, D. M.; SHORTLIFFE E. H. Use of a Domain Model to
Drive an Interactive Knowledge-Editing Tool. International Journal of Man-Machine Studies, 1987.
NAVAIR 00-25-403. Guidelines for the Naval Aviation Reliability Centered Maintenance
Process. US Navys Naval Air Systems Command (NAVAIR), 2005.
NBR 5462. Confiabilidade e Mantenabilidade. Rio de Janeiro, Editado pela Associao Brasileira
de Normas Tcnicas (ABNT), 1994.
NONAKA, I., TAKEUCHI, H., The Knowledge Creating Company. Editora Elsevier, 1997.
ORTIZ, Joo Carlos Ross, Gesto do Conhecimento na Gesto da Manuteno: Uma Avaliao
Prtica. Monografia apresentada a Universidade Tecnolgica Federal do Paran como requisito
parcial para obteno do grau de Especialista no Programa de Ps-Graduao em Gerencia da
Manuteno, Curitiba, 2004.
PALADY, Paul, FMEA - Anlise dos Modos de Falha e Efeitos (Prevendo e Prevenindo
Problemas Antes que Ocorram). Instituto IMAN, 3 Edio, 2004.
PLUCKNETTE, Douglas J., When and How to Template an RCM Analysis. Disponvel em:
http://www.reliabilityweb.com/ acessado em 25/01/2008.
POLYA, George, How to Solve It. 2 Edio, Editora Princeton University Press, 1957.
PUERTA, R., EDGAR, J. W. TU, S. W., MUSEN, M. A., A Multiple Method Knowledge
Acquisition Shell for the Automatic Generation of Knowledge Acquisition Tools. 1996.
RIBEIRO, S., CUNHA, H., Introduo aos Sistemas Especialistas. LTC - Livros Tcnicos e
Cientficos, Rio de Janeiro e So Paulo, 1987.
RICH, Elaine, KNIGHT, Kevin. Inteligncia Artificial. Editora McGraw - Hill, 2 Edio, 1993.
RUSSELL, Stuart J., NORVIG, Peter, Artificial Intelligence: A Modern Approach. Editora
Prentice Hall, 2 Edio, 2004.
SAE - JA1011. Evaluation Criteria for Reliability Centered Maintenance (RCM) Processes.
Society of Automotive Engineers, 1999.
SAE - JA1012. A Guide to the Reliability Centered Maintenance (RCM) Standard. Society of
Automotive Engineers, 2002.
SAE - J1739. Potential Failure Mode and Effects Analysis in Design (Design FMEA), Potential
Failure Mode and Effects Analysis in Manufacturing and Assembly Processes (Process
FMEA), and Potential Failure Mode and Effects Analysis for Machinery (Machinery FMEA).
Society of Automotive Engineers, 2002.
SANTIAGO Jr., Jos Renato Stiro, Gesto do Conhecimento: A Chave para o Sucesso
Empresarial. Editora Novatec, 2004.
SCHREIBER, G.; AKKERMANS, H.; ANJEWIERDEN, A.; HOOG, R.; SHADBOLT, N.; DE
VELDE, W. V.; WIELINGA, B., Knowledge Engnineering and Management: The
CommonKADS Methodology. Editora MIT Press, Cambridge, Massachussets, 2002.
SHAW, I. S., SIMES, M. G., Controle e Modelagem Fuzzy. FAPESP. So Paulo, 2002.
SILVA, Jonny Carlos da, Expert System Prototype for Hydraulic System Design Focusing on
Concurrent Engineering Aspects. Tese de Doutorado apresentada ao Programa de Ps-Graduao
em Engenharia Mecnica da UFSC, Florianpolis, 1998.
SIQUEIRA, Iony Patriota de., Measuring the Impacts of an RCM Program on Power System
Performance. IEEE/Power Engineering General Meeting, San Francisco, 2005a.
SMITH, A. M., Reliability Centered Maintenance. Boston Editora McGraw Hill, 1993.
SMITH, A. M., HINCHCLIFFE, G. R., RCM Gateway to World Class Maintenance. Editora
Elsevier Butterworth-Heinemann, 2004.
SMITH, S., KANDEL, A., Verification and Validation of Rule Based Expert Systems. Editora
CRC Press, 1993.
SOMMERVILLE, Ian, Software Engineering. New York, 7 Edio, Editora Addison Wesley, 2004.
STAMATIS, D. H., Failure Mode and Effect Analysis FMEA from Theory to Execution.
Editora ASQC Quality Press, 1995.
STUDER, R.; BENJAMINS, V. R.; FENSEL, D., Knowledge Engineering: Principles and
Methods. Data & Knowledge Engineering Journal, Amsterdam, 1998.
SWARTOUT, W.; GIL Y.; VALENTE, A., Representing Capacities of Problem Solving Methods.
Em Proceedings of 1999 IJCAI Workshop on Ontologies and problem solving methods, 1999.
VERMESAN, A. I.; BENCH C. T., Techniques for the Verification and Validation of
Knowledge-Based Systems: A Survey Based on the Symbol/Knowledge Level Distinction.
Editora John Wiley & Sons, 1995.
VIZZONI, E.; ROSRIO, G. J.; OLIVEIRA, J. J. C.; FRANCESCHETT, J. G.; JANEIRO, M. P.;
CASTRO, R. T., Projeto Piloto de Manuteno Centrada em Confiabilidade (MCC)
Subestao de Adrianpolis - Setor de 500 kV. Trabalho apresentado no 14 Congresso Brasileiro
de Manuteno, promovido pela ABRAMAN, 1999.
WATERMAN, Donald A., A Guide to Expert Systems. Editora Addison Wesley, 1986.
211
WIELINGA, B. J.; VELDE, Van De W.; SCHREIBER, G.; AKKERMANS, H., The
CommonKADS Framework for Knowledge Modelling. Publicado em: Proceedings of the 7
Banff Knowledge Acquisition for Knowledge-Based Systems Workshop, Banff, Canada 1992.
WORLEDGE, D., A Breakthrough in Reducing RCM Costs. Nuclear News, 1993, Vol. 36 N 9,
Pginas 41-45.
YEN, J., LANGARI, R. Fuzzy Logic: Intelligence, Control and Information. Editora Prentice
Hall, New Jersey, 1998.
Referncias de Internet:
SourceForge.net (http://sourceforge.net/).
APNDICE A
MANUTENO CENTRADA NA CONFIABILIDADE
Resultados das
Aes
Ocorrncia (O)
Efeito Causas Responsvel
Severidade (S)
Deteco (D)
NPR (S.O.D)
Modo do do e
Ocorrncia (O)
Severidade (S)
Deteco (D)
NPR (S.O.D)
Falha Controles Aes
Item
A FMECA uma tcnica analtica que tem como propsito identificar, priorizar e eliminar
falhas potenciais de um sistema, projeto e/ou processo antes que estas atinjam o usurio final
(Omdahl, 1988). Ela teve sua origem no departamento de defesa dos Estados Unidos (DOD
Department of Defense), em 1949, com a norma militar MIL-P-1629 (Military Procedure MIL-P-
1629: Procedures for Performing a Failure Mode, Effects and Criticality Analysis). A FMECA se
distingue da FMEA (Failure Modes Effects and Analysis) pelo fato de agregar um ndice de
criticidade que orienta a prioridade nas aes a serem executadas pela organizao.
Os prximos pargrafos apresentam os conceitos que devem ser ponderados para o
preenchimento de cada uma das colunas que compem uma planilha de FMECA (Figura A.1).
A.1.1 Funo
SAE JA1011/1999 (Pg. 04 item 3.13) e SAE JA1012/2002 (Pg. 06 item 3.13) Aquilo que o
proprietrio ou usurio do ativo fsico ou sistema deseja que o mesmo faa.
216
SAE J1739/2002 (Pg. 31 item 5.2.9) A descrio da funo deve levar em conta normas
aplicveis de desempenho, de material, de processo, ambientais e de segurana.
Moubray, 2001 (Pg. 22 item 2.1) A descrio da funo deve consistir de um verbo, um
objeto e um padro desejado de desempenho.
Exemplo:
Cmara de Extino (Disjuntor SF6) Conter o SF6, em uma faixa de presso de 5,5 a 7 bar.
Anel de Vedao O-Ring (Disjuntor SF6) Manter o SF6 dentro dos nveis de pureza
especificados pela IEC 60376.
Desempenho
Margem de
Deteriorao Normal
P (Falha Potencial)
Degradao
da Funo Defeito Funo
F (Falha Funcional)
Falha
Ciclo de Vida
Intervalo de Inspeo
Intervalo PF
Conceitos Correlatos:
Falha Potencial Condio identificvel e mensurvel que indica uma Falha Funcional
pendente ou em processo de ocorrncia.
SAE JA1011/1999 (Pg. 04 item 3.14) e SAE JA1012/2002 (Pg. 06 item 3.14) Um estado no
qual um ativo fsico ou sistema incapaz de desempenhar uma funo especfica com o
desejvel nvel de desempenho.
Moubray, 2001 (Pg. 47 item 3.2) Incapacidade de um ativo cumprir com a sua funo com
um padro de desempenho aceitvel pelo usurio.
ONS Resoluo 140/02 de 25/03/2002 (Pg. 24, termo 7.257) Falha: Efeito ou conseqncia
de uma ocorrncia acidental em uma instalao ou equipamento que acarreta sua
indisponibilidade operativa em condies no programadas, impedindo-o de funcionar, e,
portanto, de desempenhar suas funes em carter permanente ou em carter temporrio.
Falha MAIOR de um Disjuntor: falha completa de um disjuntor que acarreta a perda de uma ou
de vrias funes fundamentais e exige normalmente uma interveno num prazo de 30
minutos.
Exemplo:
Cmara de Extino (Disjuntor SF6) No conter o SF6, em uma faixa de presso de 5,5 a 7 bar.
Anel de Vedao O-Ring (Disjuntor SF6) No manter o SF6 dentro dos nveis de pureza
especificados pela IEC 60376.
Evento ou fenmeno fsico que provoca a transio do estado normal para o estado
anormal (Figura A.2, ponto F). Durante o preenchimento da planilha de FMECA a pergunta que
se responde para o modo de falha O qu causou a Falha Funcional? (SAE JA1012, Pg. 14 item
8). Ver Figura A.3.
218
Consideraes Normatizadas e Bibliogrficas:
IEC 60300-3-11/1999 (Pg. 17 item 3.1.12) Um dos possveis estados de falha de um item,
para uma dada funo requerida.
SAE JA1011/1999 (Pg. 04 item 3.12) e SAE JA1012/2002 (Pg. 06 item 3.12 e Pg. 14 item 8)
Um evento ou condio fsica, que causa uma falha funcional.
SAE J1739/2002 (Pg. 31 item 5.2.10) Maneira como uma mquina/equipamento falha ao
executar sua funo.
Moubray, 2001 (Pg. 53 item 4.1) Qualquer evento que cause uma falha funcional.
ONS Resoluo 029/V2.0 de abril de 2003 (Pg. 12) Modos de Falha So as situaes
definidas como sendo os "defeitos" do sistema, tais como, sub-tenses, sobre-tenses,
ilhamentos, sobrecargas, dficits de gerao, etc.
Exemplo:
P (Falha Potencial)
Uma descrio tpica de Efeito do modo de falha deve conter informaes suficientes para
avaliar os seguintes aspectos:
IEC 60300-3-11/1999 (Pg. 17 item 3.1.11) Efeito imediato de cada modo de falha nos itens
funcionalmente significantes (Figura A.4) e nas funes requeridas destes itens.
SAE JA1011/1999 (Pg. 04 item 3.9) e SAE JA1012/2002 (Pg. 06 item 3.9 e Pg. 19 item 9)
Aquilo que acontece quando um modo de falha ocorre.
SAE J1739/2002 (Pg. 31 item 5.2.11) Trata-se do impacto do modo de falha no sistema,
subsistema ou componente.
Moubray, 2001 (Pg. 73 item 4.5) Os efeitos descrevem o que acontece quando um modo de
falha ocorrer.
220
Exemplo:
Anel de Vedao O- Ring (Disjuntor SF6) Aumento da umidade interna da cmara de extino.
Contaminao do SF6 com subprodutos de reaes internas.
Perda das caractersticas dieltricas e de extino do SF6.
Descargas parciais.
Consideraes Normatizadas:
SAE J1739/2002 (Pg. 32 item 5.2.12) ndice associado ao mais alto grau de
seriedade/gravidade do efeito do modo de falha.
A Tabela A.1 apresenta sugestes de critrios com seus respectivos ndices para avaliar a
Severidade dos Efeitos do modo de falha (SAE J1739, 2002).
Tabela A.1 Sugestes de Critrios para Avaliar a Severidade dos Efeitos do Modo de Falha.
Fonte: SAE J1739, 2002 Tabela 8, Pg. 34. (FMECA de Mquinas).
Severidade (S) do Impacto na Funo devido
Classificao
Efeito do Modo de Falha Severidade dos Efeitos do Modo de Falha
Perigoso Sem Aviso Impacto na segurana, sade ou meio ambiente. A falha ocorrer sem aviso. 10
Perigoso Com Aviso Impacto na segurana, sade ou meio ambiente. A falha ocorrer com aviso. 9
Impacto muito alto. A Funo perdida e necessrio um longo perodo de
Muito Alto 8
tempo para restaurao da normalidade.
Impacto alto. Parte da Funo perdida e necessrio um longo perodo de
Alto 7
tempo at a restaurao da normalidade.
Impacto moderado. Parte da Funo perdida e necessrio um perodo de
Moderado 6
tempo moderado at a restaurao da normalidade.
Baixo Impacto baixo. A Funo prejudicada necessitando ser verificada. 5
Impacto moderado. Parte da funo prejudicada necessitando ser
Muito Baixo 4
verificada.
Impacto reduzido. A falha demora algum tempo para ser reparada, mas no
Pequeno 3
afeta a funo.
Muito Pequeno Impacto insignificante. A falha pode ser reparada rapidamente. 2
Nenhum No se verificam efeitos na segurana, sade ou meio ambiente. 1
221
A.1.6 Causas
Consideraes Normatizadas:
Refere-se freqncia com que as causas do modo de falha ocorrem ou o quo provvel
a ocorrncia dos cenrios (causas do modo de falha cadeia causal que resulta nos efeitos).
SAE J1739/2002 (Pg. 33 item 5.2.15) Probabilidade de que a causa da falha ocorra em um
determinado perodo de tempo.
As Tabelas A.2 e A.3 apresentam sugestes de critrios com seus respectivos ndices para
avaliar a Ocorrncia das causas da falha (SAE J1739, 2002).
Consideraes Normatizadas:
A Tabela A.4 apresenta sugestes de critrios com seus respectivos ndices para avaliar a
probabilidade de Deteco das causas da falha (SAE J1739, 2002 Tabela 9, Pg. 35).
O NPR (Nmero de Prioridade de Risco) pode ser utilizado para comparar a criticidade de
diferentes modos de falha e assim priorizar as aes corretivas para os casos mais crticos. o
produto dos ndices de Severidade (S), Ocorrncia (O) e Deteco (D):
Este item aborda os aspectos tcnicos e prticos que culminaram com a adoo da
Manuteno Centrada na Confiabilidade (MCC) como forma de gesto da manuteno do
Gasoduto Bolvia Brasil (GASBOL).
224
A Transportadora Brasileira Gasoduto Brasil Bolvia S.A. (TBG) iniciou em 2000 um
programa de estudos baseado na metodologia de MCC com o objetivo de analisar suas principais
e mais crticas instalaes e sistemas segundo esta metodologia, visando garantir uma alta
confiabilidade por meio da manuteno. Estes estudos permitiram aos participantes conhecer em
profundidade os sistemas e dispositivos das instalaes; mapear atravs da FMEA os principais
modos de falha das funes dos diversos sistemas e dispositivos; avaliar as conseqncias das
falhas e seu impacto sob o ponto de vista de segurana, meio ambiente e operao; determinar as
atividades de manuteno (preventiva, preditiva e detectiva) necessrias manuteno da
confiabilidade; identificar oportunidades de melhorias de projeto da instalao visando o
incremento de sua confiabilidade; identificar necessidades de implementao de procedimentos de
operao e manuteno ou modificao nos existentes (RIBEIRO e ALVES, 2005).
A TBG estabeleceu inicialmente suas rotinas de manuteno preventiva e preditiva
baseada nas prticas comuns adotadas por empresas similares, nas recomendaes dos fabricantes
de seus equipamentos e instalaes, nas determinaes das normas ASME (American Society of
Mechanical Engineers), ABNT (Associao Brasileira de Normas Tcnicas), PETROBRAS,
requisitos legais e experincia de seu corpo tcnico (RIBEIRO e ALVES, 2005).
Em setembro de 1999, durante o 14 Congresso Brasileiro de Manuteno, promovido
pela ABRAMAN (Associao Brasileira de Manuteno), Vizzoni et al (1999) apresentou um
trabalho relatando a experincia do grupo de manuteno de Furnas Centrais Eltricas S.A. que
realizou um estudo de MCC na Subestao de Adrianpolis no Paran. Constata-se pela Tabela
A.5 que as experincias em MCC no Brasil naquela poca ainda eram poucas e muito recentes.
A partir deste trabalho, a TBG iniciou um projeto piloto para implantao da MCC na
Estao de Entrega (EE) da REPLAN. Aps os estudos iniciais para entendimento dos aspectos
tericos e prticos da implantao da MCC, procedeu-se conforme descrito a seguir (RIBEIRO e
ALVES, 2005):
Conhecimento das Instalaes: nesta primeira etapa, todos os participantes, das diversas
especialidades, apresentam a teoria de operao e funcionamento dos diversos sistemas e
componentes abrangendo aspectos de automao, mecnica, segurana e operao. Nesta
etapa todos os participantes equalizam o conhecimento sobre as instalaes e de seu
funcionamento;
Definio dos Sistemas: aps seu estudo, a instalao foi dividida em sistemas com
identificao de suas entradas e sadas;
225
Elaborao da Planilha de Informao: nesta etapa, a mais demorada, foram identificadas as
diversas funes dos sistemas e seus componentes, as possveis falhas, os modos de falha
envolvidos e as conseqncias resultantes de cada falha;
Aplicao do Diagrama de Deciso: a partir das conseqncias dos modos de falhas, aplicou-
se o Diagrama de Deciso e identificou-se a relevncia destas falhas sob o aspecto de
segurana, impacto ao meio ambiente e da operao da instalao. Estes dados so os
elementos iniciais de preenchimento da Planilha de Deciso;
Elaborao da Planilha de Deciso: a metodologia determina que, conforme a relevncia das
conseqncias identificadas, estabeleam-se as tarefas de manuteno necessrias para
eliminar ou mitigar estas conseqncias. Onde as conseqncias no so relevantes pode-se
optar por no executar nenhuma atividade preventiva, reparando ou substituindo o item
quando este falhar. Por outro lado, onde a execuo de atividades da manuteno no for
suficiente, pode ser necessrio, dependendo da relevncia da conseqncia e dos custos
envolvidos, modificar o projeto da funo atravs da substituio ou melhoria dos
componentes envolvidos. Esta planilha foi elaborada pelo grupo com o auxlio do Diagrama
de Deciso;
Montagem do Relatrio Final: Ao trmino do estudo foi elaborado um relatrio onde foram
apresentados os descritivos de funcionamento da EE, o plano mestre de manuteno, a relao
de melhorias (ou reprojetos) e demais recomendaes e concluses do estudo;
Segundo Ribeiro e Alves (2005), nas seis reas estudadas foram identificados 309 modos
de falha. Deste total, 107 (35%) eram falhas ocultas, ou seja, os componentes poderiam falhar e
somente a percepo desta falha ocorreria se um outro evento (algumas vezes, de grandes
conseqncias) ocorresse. Foram levantados 90 modos de falha que necessitariam serem
verificados periodicamente (busca de falhas) a fim de se garantir a confiabilidade da EE. Foram
determinados 68 modos de falha possveis de serem evitados ou minimizados atravs de aes
preventivas (restaurao, troca, inspeo ou monitoramento).
Apesar da EE da REPLAN ser desabitada, o estudo de MCC proporcionou uma evidncia
da importncia da inspeo visual peridica, objetivando identificar situaes anormais de
operao que no so detectadas pela Central de Superviso e Controle no Rio de Janeiro. O
relatrio deste estudo foi apresentado ao corpo gerencial que, a partir dos resultados alcanados e
do depoimento dos participantes, decidiu estabelecer um programa de estudos das principais
instalaes do GASBOL (RIBEIRO e ALVES, 2005).
Ribeiro e Alves (2005) citam os principais benefcios alcanados a partir da implantao
da MCC na TBG, relacionados a seguir:
Compreenso por parte da equipe, do funcionamento e dos modos de falha dos sistemas
envolvidos na anlise, melhorando sua capacidade de anlise e diagnstico para deteco e
226
determinao das falhas resultando em tempos de parada de componentes e sistemas (ou da
EE) menores;
O fato de o prprio colaborador envolvido na manuteno participar na elaborao e
determinao das atividades de manuteno da instalao gera um maior comprometimento
do mesmo com o cumprimento e eficcia destas aes;
As planilhas de informaes geradas pelos grupos de trabalho constituem-se em uma fonte de
informao importante, auxiliando na resoluo de problemas de manuteno e servindo como
documento de referncia para treinamentos;
O plano mestre de manuteno gerado a partir do estudo dos modos de falha, procura agregar
valor ao processo de manuteno, evitando atividades que no possam ser garantidas quanto
sua efetividade;
Como estratgia de manuteno, fica clara a preservao das funes da instalao e no do
equipamento, pela realizao de intervenes preventivas somente onde se justifica,
racionalizando recursos e diminuindo intervenes;
A metodologia permite mapear as funes que possuem falhas ocultas que possam acarretar
conseqncias relevantes que de outra forma no seriam consideradas pelas metodologias de
manuteno tradicionalmente executadas;
Com o melhor conhecimento da instalao e de suas falhas, tambm possvel uma definio
mais precisa dos sobressalentes crticos necessrios manuteno da disponibilidade do sistema;
A aplicao da metodologia prev que, onde no for possvel minimizar ou mitigar as
conseqncias relevantes atravs da aplicao isolada ou combinada de atividades de
manuteno, modificaes ou melhorias de projeto devem ser implementadas, para aumentar a
confiabilidade do sistema;
Sempre com a viso de preservar as funes da instalao, os estudos de MCC identificam onde
existem necessidades de implementao de novos procedimentos operacionais e de manuteno
ou modificao dos existentes, inclusive para incorporar atividades de busca de falhas.
APNDICE B
SISTEMAS BASEADOS EM CONHECIMENTO
a) Seqencial Linear
O modelo seqencial linear, cascata ou waterfall, tambm conhecido como ciclo de vida
clssico, o modelo mais antigo e o mais amplamente utilizado. Ele sugere uma abordagem
seqencial de atividades para o desenvolvimento do software com ciclos de realimentao, isto ,
pode-se retomar a qualquer atividade anteriormente executada e reiniciar o processo a partir dela. O
processo modelado segundo um ciclo convencional de engenharia e segue o seguinte fluxo de
atividades: (1) anlise e definio de requisitos, (2) projeto, (3) gerao e teste de cdigo, (4)
implantao e teste do sistema, e (5) operao e manuteno. Apesar de sua grande utilizao, ele
apresenta alguns problemas, como sua inflexibilidade na partio do projeto em estgios distintos e
estados de bloqueios nos quais alguns membros da equipe necessitam esperar que outros
membros completem suas tarefas para que eles possam iniciar as suas. Isso pode levar a atrasos no
projeto que comprometam a produtividade, o que costuma ser impraticvel nos dias atuais, pois, a
grande concorrncia fora a produo de software em um curto intervalo de tempo
(SOMMERVILLE, 2004 e PRESSMAN, 2004).
Segundo Gonzalez e Dankel (1993), as etapas do ciclo de vida, no desenvolvimento de
programas computacionais, utilizando o modelo seqencial linear, cascata ou waterfall, podem ser
seguidas conforme a Figura B.1.
Segundo Rezende (2003), as caractersticas dos SBCs fazem com que alguns modelos de
processo de desenvolvimento tenham difcil aplicao. O modelo seqencial um exemplo, uma
vez que a natureza iterativa da obteno de conhecimento, a complexidade da validao e dos testes
e a complexidade de obteno completa do comportamento desses sistemas no incio do projeto so
fatores determinantes da dificuldade de sua utilizao. Para Gonzalez e Dankel (1993) muitas vezes
a abrangncia sobre o domnio do conhecimento muito grande, o que torna muito complexo e
rgido este modelo, no permitindo realimentaes e mudanas de paradigma ao longo do ciclo de
desenvolvimento do SBC.
230
b) Espiral
Anlise de Risco
Planejamento
Comunicao
com o Usurio
Eixo de Pontos de
Entrada do Projeto Engenharia
Manuteno e Evoluo
Melhoria
Avaliao pelo Construo e Desenvolvimento de Novos Produtos
Usurio Entrega Desenvolvimento Conceitual
c) Baseado em Componentes
4) Validao e
Refinamento do SBC
Refinar o
SBC
Validao e
1) Planejamento do SBC Verificao
do SBC
Selecionar a Selecionar a
Identificar Equipe de Ferramenta para Identificao
o Domnio Documentar
Desenvolvimento Desenvolvimento
o SBC
Conceituao
Implementar
Formalizao a Interface do
2) Aquisio do SBC
Representar o
Conhecimento Conhecimento na
Ferramenta
3) Implementao do SBC
Segundo Rezende (2003) importante ressaltar que, idealmente, a Etapa 1 ocorre apenas
uma vez ao longo do ciclo de vida do SBC, porm as Etapas 2, 3, e 4 compem uma etapa contnua
de melhoramento do sistema.
b) Brainstorming
c) Tomada de Deciso
d) Baseadas em Modelos
Segundo Rezende (2003), por muito tempo, as tcnicas apresentadas anteriormente foram as
dominantes dentro da rea de Engenharia do Conhecimento. Embora at hoje elas sejam
extremamente teis, o seu uso exclusivo confere um carter muito maior de arte, ao processo de AC,
do que propriamente de engenharia.
A tcnica de aquisio baseada em modelos fortemente baseada no reuso de componentes
de conhecimento, isto , descries estruturadas do conhecimento genrico envolvido na resoluo
do problema objetivando a formulao de um modelo geral do conhecimento de uma determinada
aplicao (REZENDE, 2003).
Uma questo-chave a respeito da modelagem do conhecimento diz respeito ao tipo de
conhecimento enfocado inicialmente na construo do modelo. Segundo a bibliografia pesquisada,
algumas das alternativas so: Modelo de Domnio, Modelo de Tarefa e Modelo de Mtodos de
Resoluo de Problemas.
1
Taxonomias a maneira como se organiza classes e sub-classes dentro da ontologia.
2
Partonomia uma ligao semntica de como os conceitos podem ser organizados.
235
d2) Modelo de Tarefa
Impor estrutura
Bottom-up Adquirir ao conhecimento
conhecimento j elicitado
Selecionar ou
Instanciar o
Top-down Construir o
modelo inicial
modelo inicial
Validao Refinamento do
Modelo Instanciado
Figura B.6 AC no Paradigma Top-down.
Fonte: HEIJST et al, 1997.
e) Tcnica Delphi
Apesar do primeiro experimento utilizando Delphi ter sido realizado em 1948, ela se tornou
popular somente aps a publicao do primeiro artigo descrevendo a tcnica, em 1963 (GUPTA e
CLARKE, 1996). Para Gupta e Clarke (1996), Delphi uma das tcnicas mais populares para
prognstico no campo tecnolgico e no industrial, onde se estima que 90% dos estudos fazem uso da
238
tcnica. Ayyub (2001) vai alm e qualifica Delphi como a tcnica mais conhecidas para elicitao de
conhecimento de especialista.
As abordagens tradicionais de discusso em grupo so muito utilizadas a fim de possibilitar uma
interao entre os participantes para que se alcance um consenso sobre o assunto. No entanto, o
trabalho em grupo tem alguns inconvenientes, tais como: a presena de um participante dominante; a
capacidade de persuaso de cada um; a tendncia do participante querer ter a aprovao da equipe; a
resistncia de mudar de opinio depois de exp-la ao grupo (DALKEY, 1968); a presso para se
alcanar um consenso; e o rudo causado por material redundante ou irrelevante que ofusca materiais
relevantes (DALKEY, 1967).
Dalkey (1967) constatou que, em questes que no se pode verificar a veracidade dos
resultados, tipicamente as opinies convergem durante as iteraes e que, nos casos que se pode
confirmar os resultados, as respostas tendem a se mover na direo da "resposta verdadeira". Aps a
execuo de experimentos comparando os resultados obtidos em reunies estruturadas e por meio da
tcnica Delphi, Dalkey (1967) observou que as respostas obtidas por meio de questionrios foram
mais acuradas que as obtidas nas discusses em grupo. Outra constatao importante neste
experimento que as respostas obtidas na segunda iterao dos questionrios eram mais acuradas que
na quarta, e ltima, iterao. Acredita-se que este efeito tenha sido causado pela fadiga dos
participantes ou pelo fato de toda informao relevante ter vindo tona na segunda iterao e as
iteraes posteriores se tornaram devaneios. No entanto, no ficou clara a causa deste efeito.
A tcnica Delphi possui as seguintes caractersticas: reduz os efeitos dos aspectos indesejveis
das reunies, decorrente da interao do grupo, destacando-se como caractersticas o anonimato,
elicitando separadamente e de forma privada as respostas das questes preparadas; possibilita
repetidas iteraes do conhecimento elicitado; resoluo das diferenas; controle da realimentao,
reduzindo o rudo de informaes menos relevantes; e obteno de uma estatstica das respostas que
apresente a opinio do grupo de forma representativa (GUPTA e CLARKE, 1996; DALKEY, 1967).
Linstone e Turoff (2002) dividem os mtodos de aplicao da tcnica Delphi em dois grupos:
Delphi convencional (lpis-e-papel) e conferncia Delphi. No primeiro, um pequeno grupo de
mediadores elabora questionrios para um grupo maior de respondentes. As respostas so, ento,
resumidas e, baseado nos resultados, elabora-se um novo questionrio. Usualmente, os respondentes
tm a oportunidade de avaliar as respostas do grupo pelo menos uma vez. Na conferncia Delphi
computadores so programados para fazer a compilao dos resultados, reduzindo a influncia do
grupo de moderadores. Isso traz algumas vantagens (Por Exemplo: a eliminao dos atrasos causados
no processamento das informaes em cada rodada do Delphi) contudo requer que as caractersticas
da comunicao estejam bem definidas antes que a tcnica seja aplicada, enquanto que no mtodo
convencional o grupo de monitores pode fazer ajustes em funo das respostas obtidas.
interessante salientar que Brown (1968), j destacava na dcada de sessenta que
computadores poderiam ser utilizados para coletar as respostas dos especialistas; processar estas
informaes; computar medidas sobre as respostas do grupo; agregar informaes relevantes e
plausveis de um banco de dados existentes; e realimentar o grupo para uma nova iterao.
239
Contudo, a tcnica Delphi tem suas limitaes e desvantagens. Ironicamente, algumas dessas
desvantagens so tambm vantagens, por exemplo: apesar do anonimato procura reduzir a influncia
do grupo sobre o respondente, ele pode resultar num comprometimento individualizado e no refletir o
consenso do grupo (GUPTA e CLARKE, 1996). A seguir, seguem alguns outros inconvenientes de se
optar pela tcnica Delphi (LINSTONE; TUROFF, 2002 e GUPTA; CLARKE, 1996): o mediador
pode impor sua viso ou estruturar o Delphi de forma a permitir outras perspectivas do problema; o
mediador pode ignorar e no explorar discordncias, desencorajando a discusso o que pode acarretar
em um consenso artificial; o resumo e a apresentao das respostas de forma inadequada pode
dificultar, ou at inviabilizar, a aplicao da tcnica; participantes podem inadvertidamente ou
deliberadamente promover um resultado; ausncia de critrios para distinguir um especialista de um
leigo e ausncia de evidncias suficientes para julgar se a resposta de um especialista mais confivel
que de outro; e assumir que a tcnica Delphi pode resolver todo tipo de problema e ignorar outras
formas de comunicao.
Um dos problemas com o uso de shells que elas deixam sob encargo do EC ou do
especialista toda a responsabilidade por fornecer o conhecimento da aplicao a ser desenvolvida. Para
sanar esta limitao algumas ferramentas usam o conhecimento do domnio no qual so aplicadas para
interrogar o EC ou especialista a respeito do novo conhecimento que est sendo incorporado no SBC.
O fato de esta abordagem ser especfica do domnio traz vantagens e desvantagens. Enquanto ela
permite o sistema utilizar a terminologia usada pelo especialista e fazer questionamentos detalhados
sobre o conhecimento do domnio, ela restringe a sua reutilizao, uma vez que um novo domnio
pode apresentar caractersticas bem distintas do domnio presente na base de conhecimento
(REZENDE, 2003).
Um exemplo desta tcnica de AC o OPAL (Object, Process and Actor Modelling Language)
que uma ferramenta de AC desenvolvida para o uso em um domnio particular: o planejamento da
terapia do cncer, que feito por meio de complexos planos de tratamento denominados protocolos.
Ele dispe de conhecimento sobre as principais drogas para o tratamento de cncer, sobre a qumica
do sangue e de como interagem entre si. O conhecimento do OPAL permite reduzir a elicitao de
conhecimento ao preenchimento de formulrios. A ferramenta dispe de editor grfico para redes de
transio usadas para capturar os desvios e as iteraes dos planos de tratamento.
Rezende (2003) afirma que: uma forma comum, de criar componentes reusveis, por meio
da confeco e disponibilizao de ontologias de carter genrico. Ontologias genricas descrevem
conceitos e relaes que podem ser usados em diferentes Bases de Conhecimento. Elas podem
descrever conceitos bem gerais como espao, tempo, matria, objeto, evento e ao, os quais so
independentes de um problema, domnio ou mtodo em particular. Podem tambm descrever os
conceitos relacionados a um domnio genrico como medicina, engenharia, finanas ou automveis,
ou relacionados a uma tarefa genrica como diagnstico ou planejamento, ou mesmo relacionados a
um mtodo genrico como gerar-e-testar ou propor-e-revisar.
Para Rezende (2003), os conceitos e as relaes de uma ontologia podem ser definidos em
diferentes nveis de formalidade, variando desde definies altamente informais, em linguagem
241
natural, at definies rigorosas em linguagens formais, como a lgica de primeira ordem. Para
Motta (1998), pode-se ainda usar linguagens especificamente projetadas para a descrio de
ontologias, a mais conhecida dentre estas a Ontolingua (GRUBER, 1993).
Em geral, quanto mais formal a ontologia, maior o potencial de reuso computacional.
Ontologias formais podem ser incorporadas a bases de conhecimento diretamente, quando expressas
na prpria linguagem de representao do SBC, ou por meio do uso de tradutores automatizados.
Contudo, apesar de alguns experimentos bem sucedidos e do grande potencial de reduzir o ciclo de
desenvolvimento de SBCs, existem algumas dificuldades para tornar o reuso eficiente. As
ontologias disponveis no so gerais o bastante, para serem usadas com pouco esforo de
adaptao, o que pode acarretar uma preferncia por construir uma nova ontologia a reusar uma
existente. Outro problema que a integrao de ontologias, pois elas podem possuir vocabulrios e
vises conflitantes do mundo. Ontologias tambm no podem ser estacionrias, pois necessitam
evoluir com o tempo (REZENDE, 2003).
A experincia do especialista muitas vezes baseada em sua percepo e intuio. Por isso,
ele pode ter dificuldade em verbalizar a sua linha de raciocnio. Para sobrepor esse tipo de limitao da
AC e conseguir extrair o modelo mental do especialista sobre o domnio do problema, algumas
tcnicas de elicitao foram desenvolvidas. Essas tcnicas tm sua origem na psicologia e utilizam
uma abordagem denominada entrevista de classificao. Os princpios e as teorias da psicologia tm
242
sido aplicados na AC manual. Contudo, algumas destas tcnicas so bem estruturadas e podem ser
auxiliadas por computador. O mtodo mais conhecido, e que utiliza tcnicas provindas da psicologia,
o de Anlise de Grades de Repertrio (AGR) ou em ingls, Repertory Grid (REZENDE, 2003).
A AGR baseada em um modelo de raciocnio humano (KELLY, 1955) denominado
Teoria de Construo Pessoal. Nessa teoria, cada pessoa vista como um cientista, capaz de
predizer e controlar eventos, formando teorias, testando hipteses e analisando resultados de
experimentos. O conhecimento e a percepo sobre o mundo (um domnio ou problema) so
classificados e categorizados pelo indivduo, formando um modelo de percepo pessoal. Baseado
nesse modelo, cada pessoa capaz de antecipar situaes e atuar sobre essas antecipaes. O
modelo pessoal descreve o desenvolvimento e o uso do conhecimento do especialista em trabalho e
passvel de ser implementado em um SBC (CARVALHO, 1995).
O sistema AQUINAS um exemplo de ferramenta que entrevista especialistas utilizando o
mtodo de AGR. Primeiro, a ferramenta solicita ao especialista identificar solues para o seu
problema. Em seguida, a ferramenta pede que considere os atributos importantes para a sua tomada
de deciso. Depois, para cada atributo solicitado estabelecer uma escala bipolar, ou seja, uma
escala com dois valores de atributos opostos. Finalmente, a ferramenta solicita ao especialista
atribuir valores de 1 a 5 para cada atributo das solues dentro de sua respectiva escala bipolar. O
resultado fica registrado em uma grade de pontuaes. Essa grade pode ser usada para recomendar,
em situaes nas quais conhecida a importncia de cada atributo, qual a melhor soluo. O sistema
AQUINAS um sistema automatizado hbrido de aquisio e representao do conhecimento.
Possui vrios mtodos para gerenciar a incerteza com diferentes ferramentas que modelam as tarefas
bsicas de AC e comparam o conhecimento de diferentes especialistas. A representao do
conhecimento atravs de regras de produo. Este sistema utilizado pela Boeing desde 1983
(BOOSE e BRADSHAW, 1988).
a) Representao Lgica
b) Redes Semnticas
tem parte
Gesto da MCC
Manuteno tem parte
um um Etapas
Uma das propriedades mais importantes dessas relaes a transitividade, pois permite uma
declarao concisa de propriedades nos objetos mais gerais. Mecanismos de inferncia podem,
ento, ser utilizados para derivar essas propriedades para os objetos mais especficos. Esse
procedimento denominado Herana de Propriedades (REZENDE, 2003).
Um dos atrativos das redes semnticas como forma de RC a possibilidade de visualizao
grfica das estruturas de conhecimento e suas relaes. Porm, muitas vezes, as representaes
grficas impem limitaes expressivas que podem restringir o uso deste tipo de linguagem
(REZENDE, 2003).
c) Frames
d) Objeto-Atributo-Valor
Conforme Durkin (1994), alm das relaes entre objetos, como redes semnticas, h
situaes que requerem uma descrio das caractersticas do objeto por meio de fatos. Estes fatos
so declaraes de um valor para um atributo particular do objeto. Este tipo de fato conhecido
como trade Objeto-Atributo-Valor (OAV). A representao trade OAV divide uma dada
247
declarao em trs partes distintas: objeto, atributo e valor. O objeto representado em uma trade
OAV pode ser um item fsico, tal como uma bomba ou vlvula, ou um item abstrato tal como falha
ou defeito. Atributo uma caracterstica do objeto que importante no domnio do problema. O
valor especifica a designao do atributo. O valor pode ser booleano, numrico ou no numrico.
Normalmente os objetos a serem representados em um SBC apresentam mais de uma caracterstica
relevante. Nestas situaes mais de um atributo com seus valores correspondentes caracterizam um
objeto. Um exemplo considerar a falha como objeto com seus atributos e valores, conforme
mostrado na Tabela B.2. A representao OAV til para modelar as condicionais a serem
combinadas com os fatos premissas, de uma regra.
e) Ontologias
Essas vises podem ser tratadas isoladamente, permitindo que os participantes do processo
de desenvolvimento do software tratem aspectos especficos do sistema (PRESSMAN, 2004).
Segundo Hollnagel (1989), a anlise da confiabilidade de SBC deve levar em conta tanto a
confiabilidade interna quanto a confiabilidade externa. A confiabilidade interna se ocupa das
caractersticas intrnsecas do SBC: mquina de inferncia, a representao do conhecimento, o
tratamento de incertezas, etc. A confiabilidade externa se ocupa da interao com o usurio: a
interface, a qualidade das respostas, etc. A confiabilidade externa depende claramente da
confiabilidade interna, entretanto, mesmo que uma alta confiabilidade interna seja condio
necessria para se obter alta confiabilidade externa, ela no suficiente para garanti-la. Uma alta
confiabilidade das partes individuais do SBC no produz necessariamente um bom resultado, o
problema neste caso pode estar na desconfiana ou intolerncia ao sistema, por parte do usurio.
Os SBCs so um poderoso instrumento para o manuseio de grandes quantidades de
informao e conhecimento, caractersticas de sistemas complexos. Em funo disso, os SBCs tm
sido vistos como uma possvel soluo para o problema de reduo do risco e aumento da
confiabilidade durante o projeto, desenvolvimento e operao de sistemas, em razo do aumento da
funcionalidade e performance proporcionadas. Estes aspectos so ratificados pelas seguintes
caractersticas relacionadas aos SBCs (HOLLNAGEL, 1989):
Dificuldade de mapear conhecimento de senso comum, tambm chamado por alguns autores
de conhecimento genrico;
As respostas podem no estar sempre corretas. Existe tambm a possibilidade de que uma
considerao mal feita se propague por todo o processo, gerando concluses erradas;
As tcnicas de aprendizado de mquina ainda so limitadas, o que exige em muitos casos a
presena do EC para aquisio e representao de novas pores de conhecimento alm da
manuteno do SBC;
Os SBCs no possuem a criatividade inerente aos EHs na resoluo de situaes anormais
e no modeladas na base de conhecimento.
Alm dos aspectos citados acima, a confiabilidade dos SBCs sensivelmente afetada pelo
processo de aquisio e representao do conhecimento.
A avaliao das regras no FuzzyCLIPS depende de vrios fatores. Entre estes fatores
destaca-se: as variveis Fuzzy so encontradas ou no no antecedente ou consequente da regra; se
uma regra contm mltiplos antecedentes ou consequentes; se um fato Fuzzy sendo declarado, tem a
mesma varivel Fuzzy que um fato Fuzzy j existente. Assim, o FuzzyCLIPS trabalha com dois
tipos de regras: simples e compostas. A forma de avaliao das regras realizada conforme descrito
na Tabela B.3 (FERNANDES, 2001):
No FuzzyCLIPS possvel estabelecer um valor limiar para o fator de certeza tal que uma
regra ser disparada somente se o seu valor de fator de certeza calculado maior ou igual ao valor
do limiar. Esta caracterstica pode ser til na preveno de um encadeamento de regras com certeza
muito baixa e pouca contribuio lgica a partir do disparo, aumentando a velocidade do tempo de
execuo. O padro no ter limiar do fator de certeza, e as regras serem disparadas como usuais. O
clculo do Fator de Certeza (FC) : FCregra x min(FC1,...,FCn); onde FCregra o FC para a regra e
CFi so os FCs para os fatos que unificam os n padres no lado esquerdo de uma regra.
No FuzzyCLIPS, o usurio tem a opo de escolher entre COG (Centro de Gravidade) e
MOM (Mdia dos Mximos) para desfuzzyficar um conjunto Fuzzy. Para isto, basta usar uma das
duas funes descritas seguir.
Definio das Variveis Globais: As variveis que sero utilizadas por vrias funes e mdulos no
sistema, bem como as variveis manipuladas pelas funes de interface, devem ser definidas e
inicializadas no incio do programa atravs da construo defglobal.
Definio das Funes Criadas pelo Usurio: Todas as funes criadas pelo usurio ou EC para
interface com usurio, clculos, etc..., so definidas atravs da construo deffunction logo aps a
definio das variveis globais.
Definio dos Conjuntos Fuzzy Utilizados pelo Sistema: Todas as variveis lingusticas utilizadas
no sistema tem seus conjuntos Fuzzy determinados atravs da construo deftemplate. Aqui tambm
define-se o universo de discurso das variveis lingusticas.
Regra de Startup: Este passo consiste em determinar a regra que iniciar a execuo do programa.
Esta regra diferenciada das outras pela ausncia de antecedente. Dentro do consequente desta regra
deve constar os mdulos onde se encontram as regras e as chamadas das funes a serem usadas
durante a execuo do sistema.
(defrule startup = >
(load teste1.clp)
.)
Definio das Regras: As regras a serem utilizadas pelo sistema devem ser definidas atravs da
construo defrule. Estas regras podem ser definidas no corpo do programa principal (se forem em
pequeno nmero), mas geralmente so definidas em mdulos separados, os quais so carregados
pela regra de startup.
APNDICE C
QUESTIONRIOS
Rigoni: Existe uma Etapa de Pr-Implantao onde verificada e ratificada a Adequao da MCC
para aquela determinada empresa/sistema?
Rigoni: Para evitar problemas ao longo de todo o ciclo de vida da MCC, quais as
caractersticas/atributos que a empresa/sistema deveria ter antes de iniciar os procedimentos de
implantao?
Iony: Duas caractersticas so necessrias para o sucesso da implantao da MCC: (a) know-how
interno ou contratado para suportar a metodologia; e (b) clara definio prvia dos objetivos e nveis
de aplicao da metodologia.
Rigoni: Quais os procedimentos de preparao para a implantao da MCC que deveriam ser
observados para no causar transtornos para a equipe de implantao? Quais as solues para
estes problemas? Se for possvel e/ou aplicvel, como um SBC-Fuzzy poderia auxiliar este
processo?
Rigoni: Quais os problemas que comumente aparecem durante a Etapa de Seleo do Sistema e
Coleta de Informaes? Quais as solues para estes problemas? Se for possvel e/ou aplicvel,
como um SBC-Fuzzy poderia auxiliar este processo?
Iony: O erro grave na seleo do sistema e coleta de informaes seria selecionar uma instalao ou
sistema para o qual a equipe no tem conhecimento ou disponibilidade de recurso para conduzir a
anlise. A anlise criteriosa e o dimensionamento prvio dos recursos garantiro o sucesso desta
etapa. Um sistema Fuzzy que contivesse regras de identificao e dimensionamento de recursos
montadas por especialistas em MCC poderia ajudar a evitar estes problemas.
Rigoni: Quais os problemas que comumente aparecem durante a Etapa de Anlise dos Modos de
Falha seus Efeitos e sua Criticidade (FMECA)? Quais as solues para estes problemas? Se for
possvel e/ou aplicvel, como um SBC-Fuzzy poderia auxiliar este processo?
Iony: Um erro comum na etapa de FMEA o aprofundamento da anlise de modos e causas de falha
alm do necessrio para a definio de uma poltica de manuteno. comum o especialista no
processo desejar identificar a causa profunda do modo de falha, na tentativa de mudar o projeto para
259
UFSC - UNIVERSIDADE FEDERAL DE SANTA CATARINA
NCLEO DE DESENVOLVIMENTO INTEGRADO DE PRODUTOS
DEPARTAMENTO DE ENGENHARIA MECNICA
elimin-la definitivamente. Isto muda o foco do FMEA da manuteno para o projeto, desvirtuando
os objetivos da anlise. Um sistema Fuzzy que contivesse regras para delimitar o nvel de
detalhamento da FMEA, montadas por especialistas em MCC, poderia ajudar a evitar estes
problemas.
Iony: O erro mais comum na etapa de Etapa de Seleo e Caracterizao das Funes Significantes
o esquecimento da funo do usurio na escolha da funo. A este cabe a deciso sobre a
significncia da funo, e no ao mantenedor. comum o especialista no processo julgar que pode
identificar a funo significante de um sistema sem ouvir a opinio do usurio ou proprietrio. Um
sistema Fuzzy que contivesse questes especficas para o usurio sobre a significncia das funes
poderia ajudar a evitar estes problemas.
Rigoni: Quais os problemas que comumente aparecem durante a Etapa de Seleo das Tarefas de
Manuteno Aplicveis e Efetivas? Quais as solues para estes problemas? Se for possvel e/ou
aplicvel, como um SBC-Fuzzy poderia auxiliar este processo?
Iony: Um erro comum na etapa de Etapa de Seleo das Tarefas de Manuteno Aplicveis e
Efetivas escolha de uma atividade motivada pela disponibilidade de competncia e recursos na
empresa para sua execuo, sem considerar a necessidade ou justificativa para prevenir ou remediar
um modo de falha. A associao correta do mecanismo de falha com as potencialidades e
custo/benefcio da atividade recomendada deve guiar o processo de escolha. Um sistema Fuzzy que
contivesse questes especficas para o usurio sobre a aplicabilidade e efetividade de cada atividade
sugerida poderia ajudar a evitar estes problemas.
Rigoni: Quais os problemas que comumente aparecem durante a Etapa de Definio dos
Intervalos Iniciais e Agrupamento das Tarefas de Manuteno? Quais as solues para estes
problemas? Se for possvel e/ou aplicvel, como um SBC-Fuzzy poderia auxiliar este processo?
Iony: Na Etapa de Definio dos Intervalos Iniciais e Agrupamento das Tarefas de Manuteno
possvel que a empresa no possua dados ou know-how interno para escolher uma periodicidade
tima de forma matemtica. Tambm comum a ausncia de um objetivo quantificvel e claro
do que ser otimizado na manuteno. Na ausncia de dados, pode-se implantar um processo de
260
UFSC - UNIVERSIDADE FEDERAL DE SANTA CATARINA
NCLEO DE DESENVOLVIMENTO INTEGRADO DE PRODUTOS
DEPARTAMENTO DE ENGENHARIA MECNICA
explorao de idade, associado a um plano de coleta de informaes sobre cada manuteno e modo
de falha, e a definio precisa do objetivo da manuteno. Um sistema Fuzzy que contivesse mtodos
de otimizao lingstica, com parmetros difusos definidos por especialistas, poderia sugerir
intervalos timos (no sentido difuso) de manuteno e evitar estes problemas.
Rigoni: Quais os problemas que comumente aparecem durante a Etapa de Redao do Manual e
Implementao da MCC? Quais as solues para estes problemas? Se for possvel e/ou aplicvel,
como um SBC-Fuzzy poderia auxiliar este processo?
Anlise da Interface:
4. A Tela de Anlise dos Pr-Requisitos e Auditoria do DALF-MCC possui interface amigvel e intuitiva?
Sim No Parcialmente
Comentrios:
6. A Tela Apoio a Implementao do DALF-MCC clara e no levanta dvidas, sobre como acessar,
ou a utilidade das ferramentas apresentadas, para auxilio implementao da MCC?
Sim No Parcialmente
Comentrios:
2. Os Critrios e seus Quesitos avaliados em cada etapa, para anlise dos pr-requisitos, refletem as
reais necessidades de um processo de implementao da MCC?
Sim No Parcialmente
Comentrios:
3. Os Critrios e seus Quesitos avaliados em cada etapa, para sua auditoria, avaliam de forma correta a
execuo da etapa e refletem as reais exigncias de um processo de auditoria da MCC?
Sim No Parcialmente
Comentrios:
263
4. O relatrio final da anlise apresenta de forma clara, objetiva, organizada e correta os resultados e
concluses do processo de inferncia, apontando os fatores crticos para o sucesso do programa de
MCC, tanto para o caso da avaliao dos pr-requisitos quanto para o caso da auditoria?
Sim No Parcialmente
Comentrios:
5. As informaes presentes no relatrio final da anlise so suficientes para nortear o processo de melhoria
interna da empresa/sistema, com o objetivo de aumentar sua aderncia s necessidades da MCC?
Sim No Parcialmente
Comentrios:
7. O texto do arquivo de ajuda (help) claro, de fcil entendimento e contribui satisfatoriamente para
a resoluo das dvidas?
Sim No Parcialmente
Comentrios:
Aspectos Gerais:
Sim No Parcialmente
Comentrios:
264
4. Que procedimentos voc sugere para facilitar a aplicao do DALF-MCC, ao longo do processo
de implantao da MCC.
Comentrios:
5. Em sua opinio, o DALF-MCC contribui com algo novo e que pode de fato auxiliar o processo de
implantao da MCC?
Sim No Parcialmente
Comentrios:
APNDICE D
INSTALAO E EXECUO DO DALF-MCC
3) Descompacte o programa DALF-MCC, salvo conforme item (2), no Diretrio (Pasta) criado
conforme item (1). Click com o Boto Direito do Mouse sobre o Arquivo DALF_MCC.rar e
escolha a opo Extract Here.
5) Transfira o contedo do Diretrio (Pasta) DALF_MCC para C:\DALF criado em (1). Aps
concluir esta operao delete o Diretrio (Pasta) DALF_MCC. Nesta etapa do processo o
Diretrio (Pasta) C:\DALF assume a configurao abaixo:
268
6) Descompacte o contedo de C:\DALF\DALF_Arquivos.rar dentro do mesmo Diretrio
(Pasta) em que se encontra ou seja C:\DALF. Click com o Boto Direito do Mouse sobre o
Arquivo DALF_MCC.rar e escolha a opo Extract Here.
Click aqui!
Escolha aqui o
Diretrio/Pasta DALF
criado em (1) e Click
em OK!
12) Na Tela seguinte click no Boto de Instalao, conforme abaixo e siga as instrues do
instalador (tipicamente no necessria nenhuma interveno, pois o processo automtico):
Click aqui!
Senhas:
APNDICE E
PUBLICAES
PUBLICAES
RIGONI, Emerson; SILVA, Jonny Carlos da. Sistema Especialista de Apoio a Manuteno de
Sistemas Automatizados. 2 Congresso Mundial de Manuteno e 19 Congresso Brasileiro de
Manuteno organizao ABRAMAN, 2004.
RIGONI, Emerson; SILVA, Jonny Carlos da. Hybrid Knowledege Based System: A Decision
Support Proposal for Natural Gas Compressor Station Maintenance and Operation. 18th
International Congress of Mechanical Engineering, COBEM, 2005.
RIGONI, Emerson; DIAS, Acires; SILVA, Jonny Carlos da. Knowledge Based System for
Management of Critical Factors Related to Reliability Centered Maintenance. 19th
International Congress of Mechanical Engineering. COBEM, 2007.
RIGONI, Emerson; DIAS, Acires; SILVA, Jonny Carlos da. Sistema Baseado em
Conhecimento para Gerenciamento dos Fatores Crticos da Manuteno Centrada na
Confiabilidade. XX Congresso Pan-Americano de Engenharia Naval, Transporte Martimo e
Engenharia Porturia, COPINAVAL, 2007.
RIGONI, Emerson; DIAS, Acires; CALIL, Luis Fernando P.; ANDRADE, Bernardo L.R.;
SAKURADA, Eduardo Yuji; KAGUEIAMA, Heitor Azuma. Proposta de uma Abordagem
para Elaborao de FMECA Virtual. XX Congresso Pan-Americano de Engenharia Naval,
Transporte Martimo e Engenharia Porturia, COPINAVAL, 2007.
RIGONI, Emerson; Dias, Acires; Silva, Jonny Carlos da. Sistema Baseado em Conhecimento
para Implantao da Manuteno Centrada na Confiabilidade. 19 Congresso Brasileiro de
Manuteno Organizao ABRAMAN, 2008.
RIGONI, Emerson; DIAS, Acires; SILVA, Jonny Carlos da. Implantao da Manuteno
Centrada na Confiabilidade com Auxlio de um Sistema Especialista Fuzzy. V Congresso
Nacional de Engenharia Mecnica CONEM, 2008.
GOBER, Cristiano Jos; SILVA, Lus Carlos Santos da; SANTOS, Rogrio Jos dos. Aplicao de
Ferramentas Computacionais para Definio de uma Metodologia de Gesto da Manuteno.
2008, 132f. Trabalho de Concluso de Curso Curso Superior de Tecnologia em Gesto Comercial
Eltrica, Universidade Tecnolgica Federal do Paran, Curitiba, 2008.
276
277
APNDICE F
QUESITOS E CRITRIOS DO SBC-FUZZY DESENVOLVIDO
Os prximos itens detalham os Quesitos (Qn), a serem ponderados pelo usurio, para
avaliao de cada Critrio (Cn). A desfuzzyficao dos conjuntos Fuzzy formados pela agregao
dos critrios avaliados resulta na avaliao da Etapa n. Tais Critrios e seus respectivos
Quesitos se referem a Anlise dos Pr-Requisitos.
F.1.1 Pr-Requisitos_Etapa 0
treinamento adequado para utiliz-lo e sua utilizao faz parte da rotina de trabalho da
equipe de manuteno.
O sistema computacional de gesto da manuteno permite integrao com softwares
especficos de implantao e gesto da MCC. Caso contrrio, conta com no mnimo as
Q5
seguintes funcionalidades: incluso de novas tarefas com perodos customizados; controle
estatstico da manuteno; e agrupamento de tarefas de manuteno de forma otimizada.
O setor e/ou equipe de manuteno atual registra suas aes de forma suficientemente
Q1
detalhada para suportar uma anlise estatstica de tais aes.
A manuteno tem funo estratgica dentro da empresa e ocupa um lugar de destaque na
Q2
estrutura organizacional.
A equipe e/ou setor de manuteno, em suas diferentes categorias profissionais, so
Q3
motivados, cooperativos e conscientes de seu papel estratgico dentro de empresa.
Outras metodologias de gesto da manuteno foram previamente adotadas e/ou estudadas e
Q4
culminaram com a adoo da MCC, por ser de custo/benefcio mais vantajosa.
O atual programa de manuteno continuamente atualizado e auditado por pessoal interno
Q5
ou externo empresa ou setor de manuteno.
F.1.2 Pr-Requisitos_Etapa 1
F.1.3 Pr-Requisitos_Etapa 2
F.1.4 Pr-Requisitos_Etapa 3
Todas as Entradas, Controles e Mecanismos da Etapa 3 (Anlise dos Modos de Falha, seus
Q1 Efeitos e sua Criticidade FMECA), do procedimento de referncia para implantao da
MCC, esto disponveis.
283
A etapa anterior foi Auditada com relao ao nvel de conformidade com os requisitos do
procedimento de referncia.
Q2
Obs.: Neste quesito responda com a Nota obtida na Auditoria da Etapa 2 (Seleo do
Sistema e Coleta de Informaes)
Existe uma estrutura computacional ou ferramenta equivalente para agilizar, organizar e
Q3 garantir a participao de toda a equipe de implantao na concepo da FMECA e ao
mesmo tempo possibilite a criao de ambientes virtuais para flexibilizar as reunies.
Existe uma documentao de engenharia consistente do sistema que ser analisado,
Q4
incluindo protees, instrumentao, monitoramento e controle.
Existe uma documentao/histrico consistente das falhas funcionais e dos controles atuais
Q5
para detectar e/ou prevenir as causas dos modos de falha.
Existe uma anlise prvia das causas razes do modo de falha (FTA Fault Tree Analysis
Anlise da rvore de Falhas) e dos seus efeitos (ETA Event Tree Analysis Anlise da
Q6
rvore de Eventos), a qual ser utilizada para embasar a FMECA. Seno, sero utilizadas
anlises de sistemas similares devidamente adaptadas ao contexto operacional em questo.
A equipe que executar o FMECA (Anlise dos Modos de Falha, seus Efeitos e sua
Q1 Criticidade) conta com representantes da operao, manuteno, fornecedores, fabricante do
sistema analisado e consumidores/clientes da empresa.
A equipe que executar o FMECA (Anlise dos Modos de Falha, seus Efeitos e sua
Q2 Criticidade) recebeu treinamento especfico e conhece os termos utilizados, seus
significados e a forma correta de preenchimento das planilhas de FMECA.
O tamanho da equipe, suas competncias e habilidades e seu envolvimento e interesse com o
Q3 sistema a ser analisado esto adequados para o nmero de modos de falha e conseqente
tempo de dedicao esperados para o FMECA.
Os ndices e critrios para avaliao da criticidade (Severidade, Ocorrncia e Deteco)
foram customizados e aprovados pela empresa e seus interessados stakeholders e esto
Q4
documentados de forma auditvel. Caso este pr-requisito ainda no tenha sido satisfeito, a
equipe de implantao o far antes do incio da conduo da FMECA.
A equipe de implantao est preparada para avaliar tanto as causas e efeitos do modo de
Q5 falha internos empresa quanto os externos os quais, de alguma forma, afetam o sistema a
ser analisado ou a empresa.
F.1.5 Pr-Requisitos_Etapa 4
F.1.6 Pr-Requisitos_Etapa 5
A maneira como a falha evolui (mecanismo da falha) conhecida para todos os modos de
Q1
falha relacionados s funes significantes.
A rotina operacional do item/sistema, no qual a MCC ser implantada, conhecida pela
Q2
equipe de implantao.
A equipe de implantao conhece o impacto na segurana e no meio ambiente relacionado
Q3 perda das funes significantes do item/sistema, no qual a MCC ser implantada. As normas
de segurana e ambientais do referido item/sistema tambm esto disponveis.
F.1.7 Pr-Requisitos_Etapa 6
F.1.8 Pr-Requisitos_Etapa 7
Os prximos itens detalham os Quesitos (Qn), a serem ponderados pelo usurio, para
avaliao de cada Critrio (Cn). A desfuzzyficao dos conjuntos Fuzzy formados pela agregao
dos critrios avaliados resulta na avaliao da Etapa n. Tais Critrios e seus respectivos
Quesitos se referem a Auditoria.
F.2.1 Auditoria_Etapa 0
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 0
(Adequao da MCC).
287
F.2.2 Auditoria_Etapa 1
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 1
(Preparao).
Todas as decises tomadas durante a Etapa 1 (Preparao) foram documentadas, atendem as
Q2 exigncias de Sada do procedimento de referncia e tem consistncia para uma auditoria
futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 1
(Preparao) foram ou esto sendo respondidos por membros da equipe de manuteno,
Q3 operao, gerncia e demais interessados ou afetados pelo programa de MCC ou pelos
sistemas candidatos a sua implantao. A tomada de deciso se deu pela mdia ponderada
das respostas individuais.
Todos os envolvidos no processo de implantao da MCC equipe de manuteno,
operao, gerncia e demais interessados ou afetados pelo programa de MCC entenderam,
Q4
aceitaram e acreditam ser exeqvel o plano de implantao, o qual est documentado de
forma auditvel.
O contexto operacional, cultural, histrico e poltico da empresa/sistema foram considerados
Q5 para balizar os objetivos e resultados esperados e delinear a estratgia que compe o plano
de implantao.
Os clientes, internos e externos, foram contemplados e/ou envolvidos, com algum grau de
Q6
comprometimento, no processo de implementao da MCC.
O papel dos atores da equipe de implantao da MCC est claro, acordado entre os
Q1 participantes e documentado de forma auditvel. As seguintes funes prioritrias esto
claramente definidas: Comit Gestor, Equipe de Anlise e Facilitador.
Existe uma estrutura para gesto da informao e divulgao dos resultados e da cronologia
Q2 da implantao da MCC, tanto para a equipe de implementao, como para os interessados
ou afetados pelo programa de MCC.
Q3 O patrocinador interno entendeu e aceitou suas atribuies (mobilizao de recursos
288
F.2.3 Auditoria_Etapa 2
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 2
(Seleo do Sistema e Coleta de Informaes).
Todas as decises tomadas durante a Etapa 2 (Seleo do Sistema e Coleta de Informaes)
Q2 foram documentadas, atendem as exigncias de Sada do procedimento de referncia e tem
consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 2 (Seleo
Q3
do Sistema e Coleta de Informaes) foram ou esto sendo respondidos por membros da
289
O sistema escolhido para ser submetido anlise da MCC, suas fronteiras e o nvel de
Q1 detalhamento que ser adotado nas anlises da equipe de implementao est definido,
descrito e documentado de forma auditvel.
A equipe de implementao do programa de MCC possui representantes com competncia
Q2 em todas as reas de conhecimento relacionadas aos sistemas candidatos e o sistema
escolhido obteve o consenso do grupo.
A empresa possui em seu quadro funcional especialistas com conhecimento tcnico
Q3
profundo sobre o sistema escolhido para ser submetido anlise da MCC.
O escopo e seu nvel de detalhamento esto adequados para o tamanho da equipe de
Q4 implantao, considerando o nmero de modos de falha por item/componente e o tempo
previsto para trmino da anlise.
F.2.4 Auditoria_Etapa 3
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
incio da etapa.
Q1
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 3
(Anlise dos Modos de Falha, seus Efeitos e sua Criticidade - FMECA).
Todas as decises, tomadas durante a Etapa 3 (Anlise dos Modos de Falha, seus Efeitos e
Q2 sua Criticidade - FMECA) foram documentadas, atendem as exigncias de Sada do
procedimento de referncia e tem consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 3 (Anlise
dos Modos de Falha, seus Efeitos e sua Criticidade - FMECA) foram ou esto sendo
Q3 respondidos por membros da equipe de manuteno, operao, gerncia e demais
interessados ou afetados pelo programa de MCC ou pelo sistema escolhido para sua
implantao. A tomada de deciso se deu pela mdia ponderada das respostas individuais.
Existe um procedimento documentado e devidamente divulgado para os envolvidos com o
sistema no qual a MCC ser implantada, para atualizao e correo da FMECA. Este
Q4
procedimento aponta todas as razes e circunstncias que motivam as atualizaes e/ou
correes.
A FMECA possui uma conexo com um plano e/ou procedimento onde constem as aes a
Q5
serem tomadas na ocorrncia dos modos de falha.
Todos os modos de falha, razoavelmente provveis de causar cada falha funcional, foram
identificados e documentados de forma auditvel. O mtodo usado para decidir o que
Q1
constitui um modo de falha razoavelmente provvel foi aceito pelo proprietrio ou usurio
do item/sistema e documentado de forma auditvel.
Os modos de falha foram identificados a um nvel de causalidade que torna possvel
Q2
identificar uma poltica apropriada para gerenciamento da falha.
Foram includos na lista de modos de falha aqueles que: tenham ocorrido anteriormente;
esto atualmente sendo prevenidos por programas existentes de manuteno; ainda no
Q3
ocorreram, mas que so julgados como razoavelmente provveis de ocorrer (factveis) no
contexto operacional. Todos os casos foram documentados de forma auditvel.
Foram includos, na lista de modos de falha, qualquer evento ou processo que possa causar
Q4 uma falha funcional, incluindo deteriorao, defeitos de projeto, e erros humanos se
causados por operadores ou mantenedores.
Foram levados em considerao os modos de falha externos aos domnios e/ou controle da
Q5
empresa, por exemplo: modos de falha devido a fornecedores e problemas logsticos.
A descrio dos efeitos inclui o que aconteceria se nenhuma tarefa especfica fosse realizada
Q1 para antecipar, prevenir, ou detectar a falha. Estas informaes esto documentadas de
forma auditvel.
A descrio dos efeitos inclui todas as informaes necessrias para avaliar se a
conseqncia da falha: evidente ou, no caso de falhas ocultas, o que acontece se uma falha
Q2 mltipla ocorrer; pode provocar a morte ou ferir algum; pode provocar um efeito adverso
ao meio ambiente; pode afetar adversamente a operao ou a produo. Estas informaes
esto documentadas de forma auditvel.
A descrio dos efeitos inclui todas as informaes necessrias para avaliar se, como
conseqncia da falha, existe a possibilidade de causar danos fsicos e o que deve ser feito
Q3
para restaurar a funo do sistema aps a falha. Estas informaes esto documentadas de
forma auditvel.
A descrio das causas da falha revela porque o modo de falha do item/sistema ocorreu.
Q4
Estas informaes esto documentadas de forma auditvel.
291
F.2.5 Auditoria_Etapa 4
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 4
(Seleo das Funes Significantes e Classificao de seus Modos de Falha).
Todas as decises tomadas durante a Etapa 4 (Seleo das Funes Significantes e
Q2 Classificao de seus Modos de Falha) foram documentadas, atendem as exigncias de
Sada do procedimento de referncia e tem consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 4 (Seleo
das Funes Significantes e Classificao de seus Modos de Falha) foram ou esto sendo
Q3 respondidos por membros da equipe de manuteno, operao, gerncia e demais
interessados ou afetados pelo programa de MCC ou pelo sistema escolhido para sua
implantao. A tomada de deciso se deu pela mdia ponderada das respostas individuais.
A imagem da empresa e/ou os danos para os usurios, clientes ou terceiros foram
Q4
contemplados no processo de tomada de deciso.
F.2.6 Auditoria_Etapa 5
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 5
(Seleo das Tarefas de Manuteno Aplicveis e Efetivas).
Todas as decises tomadas durante a Etapa 5 (Seleo das Tarefas de Manuteno
Q2 Aplicveis e Efetivas) foram documentadas, atendem as exigncias de Sada do
procedimento de referncia e tem consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 5 (Seleo
Q3 das Tarefas de Manuteno Aplicveis e Efetivas) foram ou esto sendo respondidos por
membros da equipe de manuteno, operao, gerncia e demais interessados ou afetados
292
pelo programa de MCC ou pelo sistema escolhido para sua implantao. A tomada de
deciso se deu pela mdia ponderada das respostas individuais.
A escolha das atividades de manuteno mais adequadas foi guiada pela associao do
mecanismo da falha com as potencialidades e custo benefcio das aes de manuteno
Q4
adotadas e no unicamente pela disponibilidade de competncias e recursos internos da
empresa.
A seleo das polticas de gesto de falhas conduzida como se nenhuma tarefa especfica
Q1 estivesse sendo executada atualmente, para antecipar, prevenir ou detectar a falha. Alm
disto, todo o processo de seleo est documentado de modo auditvel.
O processo de seleo da gesto da falha considera o fato de que: a probabilidade
Q2 condicional de alguns modos de falha aumenta com a idade; a de outros no muda com a
idade; e a de alguns diminui com a idade.
Todas as tarefas programadas so tecnicamente viveis e atrativas (aplicveis e efetivas) e se
Q3 duas ou mais atividades enquadram-se nesta situao, a atividade selecionada aquela mais
efetiva em termos de custos.
No caso de um modo de falha evidente, que tenha conseqncias de segurana ou ambiental,
Q4 a tarefa programada (se existente) reduz a probabilidade do modo de falha a um nvel que
tolervel ao proprietrio ou usurio da instalao.
No caso de um modo de falha oculto, onde a falha mltipla associada tenha conseqncias
de segurana ou ambiental, a tarefa programada (se existente) reduz a probabilidade do
Q5
modo de falha oculto a um valor cuja probabilidade da falha mltipla associada tolervel
ao proprietrio ou usurio da instalao.
No caso de um modo de falha evidente, que no tenha conseqncias de segurana ou
ambiental, os custos diretos e indiretos de execuo da tarefa programada (se existente) so
Q6
menores que os custos diretos e indiretos do modo de falha, quando medidos em perodos
comparveis de tempo.
No caso de um modo de falha oculto, onde a falha mltipla associada, no tenha conseqncias
de segurana ou ambiental, os custos diretos e indiretos de execuo da tarefa programada (se
Q7
existente) so menores que os custos diretos e indiretos da falha mltipla mais o custo de reparo
do modo de falha oculto, quando medidos em perodos comparveis de tempo.
tomada para evitar, eliminar ou minimizar as conseqncias do modo de falha, para cada
Inspeo Preditiva programada.
programadas apropriadas.
Quando as tarefas programadas no foram aplicveis e efetivas, com falha oculta, e com
falha mltipla associada com conseqncia de segurana e ambiental, foi proposto uma
Q2
Mudana de Projeto que reduziu a probabilidade da falha mltipla a um nvel tolervel para
o proprietrio ou usurio da instalao.
Quando as tarefas programadas no foram aplicveis e efetivas, com modo de falha evidente e
Q3 conseqncia de segurana ou ambiental, foi proposto uma Mudana de Projeto que reduziu a
probabilidade do modo de falha a um nvel tolervel para o proprietrio ou usurio da instalao.
Quando as tarefas programadas no foram aplicveis e efetivas, com modo de falha oculto e
e falha mltipla associada sem conseqncia de segurana e ambiental, as Mudanas de
Q4
Projeto propostas so atrativas em termos de custo na opinio do proprietrio ou usurio da
instalao.
Quando as tarefas programadas no foram aplicveis e efetivas, com modo de falha
Q5 evidente, e sem conseqncia de segurana e ambiental, as Mudanas de Projeto propostas
so atrativas em termos de custo na opinio do proprietrio ou usurio da instalao.
Reparos Funcionais so utilizados nos seguintes casos: falha oculta sem uma atividade
programada apropriada, e com falha mltipla associada sem conseqncia de segurana ou
Q6
ambiental; ou falha evidente sem uma atividade programada apropriada e com modo de
falha associado sem conseqncia de segurana ou ambiental.
F.2.7 Auditoria_Etapa 6
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 6
(Definio dos Intervalos Iniciais e Agrupamento das Tarefas de Manuteno).
Todas as decises tomadas durante a Etapa 6 (Definio dos Intervalos Iniciais e
Q2 Agrupamento das Tarefas de Manuteno) foram documentadas, atendem as exigncias de
Sada do procedimento de referncia e tem consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 6
(Definio dos Intervalos Iniciais e Agrupamento das Tarefas de Manuteno) foram ou
Q3 esto sendo respondidos por membros da equipe de manuteno, operao, gerncia e
demais interessados ou afetados pelo programa de MCC ou pelo sistema escolhido para sua
implantao. A tomada de deciso se deu pela mdia ponderada das respostas individuais.
Os intervalos de manuteno foram otimizados com base nos dados estatsticos de
confiabilidade e mantenabilidade do item/sistema. O equacionamento matemtico, utilizado
Q4
no processo decisrio, logicamente robusto e foi disponibilizado e/ou aprovado pelo
proprietrio ou usurio da instalao.
As decises tomadas contemplaram critrios heursticos, dos operadores e mantenedores,
preliminares a anlise e em nenhum caso estes critrios heursticos foram negligenciados,
Q5
sem uma justificativa de consenso entre o grupo de implantao e os demais envolvidos ou
afetados pelo programa de MCC.
Todas as aes corretivas foram revisadas e os critrios que levaram a sua deciso
Q6 ratificaram sua escolha como a ao de manuteno mais adequada para o modo de falha em
questo.
295
F.2.8 Auditoria_Etapa 7
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 7
(Redao do Manual e Implementao).
Todas as decises tomadas durante a Etapa 7 (Redao do Manual e Implementao) foram
Q2 documentadas, atendem as exigncias de Sada do procedimento de referncia e tem
consistncia para uma auditoria futura.
Q3 Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 7 (Redao
296
Os pr-requisitos desta etapa foram atendidos em um nvel satisfatrio ou, caso contrrio,
uma poltica de melhoramento dos fatores negativos foi planejada e implementada antes do
Q1 incio da etapa.
Obs.: Neste quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 8
(Acompanhamento e Realimentao).
Todas as decises tomadas durante a Etapa 8 (Acompanhamento e Realimentao) foram
Q2 documentadas, atendem as exigncias de Sada do procedimento de referncia e tem
consistncia para uma auditoria futura.
Os questionamentos referentes anlise dos Pr-Requisitos e Auditoria da Etapa 8
(Acompanhamento e Realimentao) foram ou esto sendo respondidos por membros da
Q3 equipe de manuteno, operao, gerncia e demais interessados ou afetados pelo programa
de MCC, ou pelo sistema escolhido para sua implantao. A tomada de deciso se deu pela
mdia ponderada das respostas individuais.
Existe entendimento, apoio e comprometimento com o programa de MCC, envolvendo:
Q4 equipe de manuteno, operao e alta gerncia, e neste ltimo caso, incluindo suporte
financeiro.
Q5 A gesto da informao e do conhecimento est contemplada e adequadamente tratada e se
297
APNDICE G
IMPLEMENTAO COMPUTACIONAL
IMPLEMENTAO COMPUTACIONAL
G.1 DALF-MCC
Os objetivos deste item so: explicitar como o DALF-MCC determina quais os termos
primrios do conjunto Fuzzy, referentes a uma determinada varivel lingstica, sero afetados
pela atribuio de uma nota a um determinado quesito, ou seja, uma fuzzyficao; e como ocorre
a converso de um conjunto Fuzzy, resultante de um processo de agregao, em uma nota (valor
crisp), ou seja, uma desfuzzyficao.
No DALF-MCC, o usurio pode parametrizar os termos primrios (Ruim, Baixa, Boa, Alta
ou tima) que compem uma varivel lingstica, a qual ser utilizada no processo de inferncia de
qualquer uma das maneiras mostradas na Figura G.1.
A B A B AB AB A B A B AB
1
C D C D C D C D C D C D C D
Q1 - Estratgia de Manuteno
Ruim Baixa Boa Alta tima
1
= 0,8
= 0,2
1 2 3 4 5 6 7 8 9 10
Nota = 1,8
Figura G.2 Exemplo de Ponderao para Et_0_C_2_Q_1.
302
Os termos primrios, afetados pela atribuio da nota (1,8), dependem da funo de
pertinncia dos mesmos, neste caso, a equao da reta suporte dos pontos que compe cada um
dos termos primrios de Q1 (laterais, ncleo e suporte dos paralelogramos que representam cada
termo primrio). Nesta equao de reta, respeitando-se seu intervalo de existncia, substitui-se a
nota atribuda (1,8) e encontra-se o valor correspondente ao grau de pertinncia da nota ao termo
primrio que, neste caso, corresponde ao ponto de corte (-cut) proporcionado pela referida nota.
A equao de uma reta que passa por 2 pontos [(x1 , y1) e (x2 , y2)] dada por:
(x2 , y2)
(y 2 - y1 ) (y 2 - y1 ) G.1
y - y1 = .(x - x1 ) ou y= .(x - x1 ) + y1
(x1 , y1) (x 2 - x1 ) (x 2 - x1 )
Com base na Figura G.2, os seguintes pontos compem os termos primrios utilizados
neste exemplo: (Ruim (0 0) (0 1) (1 1) (2 0)) / (Baixa (1 0) (2 1) (3 1) (4 0)) / (Boa (3 0) (4 1) (6 1)
(7 0)) / (Alta (6 0) (7 1) (8 1) (9 0)) e (tima (8 0) (9 1) (10 1) (10 0). Tomando como referncia a
Equao G.1 e substituindo os pontos 2 a 2, com o cuidado de verificar o intervalo de existncia
de cada funo de pertinncia (reta suporte), tm-se as seguintes equaes relativas funo de
pertinncia de cada termo primrio:
Substituindo a nota 1,8 nos intervalos de existncia afetados por ela, tem-se:
Portanto, a nota 1,8 afeta ou pertence ao termo primrio Ruim com um Grau de
Pertinncia () = 0,2, e ao termo primrio Baixa com um Grau de Pertinncia () = 0,8. Este
procedimento caracteriza a fuzzyficao, cujo resultado impacta o processo de implicao que ir
determinar os conseqentes das regras durante a inferncia Fuzzy.
O processo inverso do anterior, ou seja, a determinao de um valor numrico (crisp) a
partir de um conjunto Fuzzy, resultante de uma agregao, caracteriza a desfuzzyficao, para a
qual o DALF-MCC se utiliza da Equao G.2.
xCi .( ACi )
C i U C
S= G.2
( ACi )
C i U C
Onde:
Para o clculo da rea de cada subconjunto Fuzzy presente na Equao G.2, o DALF-
MCC utiliza a Equao G.3, includa na Figura G.3, para todos os casos permitidos de
parametrizao dos termos primrios.
Ncleo
=1 Base Menor (b)
( B + b).h
Altura (h) ACi = Equao G.3
Base Maior (B) U 2
=0
Limite Limite
Suporte
A Equao G.3 se aplica a todas as parametrizaes possveis feitas pelo usurio, tais
como: retngulos, quadrados, trapzios regulares ou irregulares e tringulos (b = 0). Incluindo
termos primrios cortados (0 < -cut 1) resultantes de um processo de fuzzyficao.
Obs.:
Preencha os campos solicitados e se desejar inclua as observaes que julgar necessrias no campo
Observaes Gerais. Estas informaes iro compor o relatrio de Anlise dos Pr-Requisitos e de Auditoria
Informaes e instrues para
de cada etapa analisada, conforme o Procedimento de Referncia proposto para implantao da MCC. o usurio.
Para incorporar a incerteza por impreciso (lxica), ambos, critrios e quesitos, sero
tratados como variveis lingsticas Fuzzy, cujos termos primrios compem a avaliao de cada
etapa (pr-requisitos e auditoria). Estas variveis lingsticas so configuradas na tela de
Parametrizao Fuzzy do DALF-MCC (Figura G.6).
305
O DALF-MCC avalia os pr-requisitos e faz a auditoria de cada etapa da MCC segundo determinados critrios, os quais possuem
quesitos a serem ponderados. O responsvel pela anlise dever ponderar cada quesito com uma nota (0 a 10) ou um conceito
(Ruim, Baixa, Boa, Alta ou tima), referente aderncia de sua empresa ou sistema quele quesito sob anlise.
Informaes e
A nota ou conceito, atribudo a cada quesito, sero avaliados por um SBC Fuzzy. As variveis lingsticas, referentes partio
do conjunto Fuzzy, as quais sero utilizadas no processo de anlise podem ser parametrizadas abaixo.
instrues para o
O grfico abaixo mostra valores pr-parametrizados default, que representam valores mdios de consenso entre especialistas em
MCC. Caso estes valores estejam adequados, para a empresa ou sistema a ser analisado, siga para a prxima etapa da metodologia
usurio com
(Anlise dos Pr-Requisitos, Auditoria ou Apoio a Implementao).
Caso a parametrizao, mostrada no grfico abaixo, no esteja adequada para a empresa ou sistema especfico a ser analisado,
hiperlinks para
altere sua parametrizao utilizando os campos ao lado do grfico, procedendo da seguinte maneira:
arquivo de ajuda
1) Escolha a varivel lingstica a ser modificada (Ruim, Baixa, Boa, Alta ou tima);
2) Altere seus valores (X0, X1, X2, X3), conforme desejado;
em HTML.
3) Estabelecida a parametrizao desejada, para cada varivel lingstica, clique no boto Atualizar.
Parametrizao
dos Termos
Primrios
Em ambas as situao a parametrizao deve ser conhecida pelos usurios para que a
ponderao dos quesitos retrate, da maneira mais ntegra possvel, a realidade da empresa/sistema.
Na tela de ponderao dos pr-requisitos (Figura G.7) e auditoria (Figura G.8) o usurio
atribui uma nota ou um conceito para cada quesito submetido a anlise, sendo que: a nota deve estar
dentro do universo de discurso configurado na tela de parametrizao Fuzzy (no DALF-MCC o
universo de discurso poder assumir qualquer intervalo entre 0 e 10); e o conceito poder ser
qualquer um dos termos primrios Fuzzy disponveis (Ruim, Baixa, Boa, Alta ou tima). A
conjuno de nota e conceito possibilita ao usurio utilizar-se do mecanismo que lhe seja mais
306
intuitivo para a ponderao dos quesitos. Como resultado desse processo se espera obter uma
ponderao que espelhe a realidade da empresa/sistema, da maneira mais confivel possvel.
Critrios para
Disponibilidade da Condio e Desempenho Sistema Computacional Cultura da Gerenciamento Estratgico
Informao/Recursos Atual da Manuteno de Suporte Manuteno/Empresa da Manuteno
avaliao da etapa
Q1 Todas as Entradas, Controles e Mecanismos da Etapa 0 (Adequao da MCC), do
procedimento de referncia para implantao da MCC, esto disponveis.
Somente aps ponderar todos os quesitos que compem um critrio, o usurio poder
solicitar uma avaliao do respectivo critrio (boto inferior direito das telas de anlise de pr-
requisitos e auditoria). Os critrios avaliados e as respectivas notas obtidas aparecem na parte
inferior das telas de anlise de pr-requisitos e auditoria. Cada quesito tem associado a ele um
boto de ajuda (lado direito dos campos de ponderao) que d acesso a explicaes
pormenorizadas de cada quesito para que o usurio possa balizar sua ponderao. Avaliados todos
os critrios da etapa, o usurio poder solicitar a avaliao da respectiva etapa (boto inferior
esquerdo das telas de anlise de pr-requisitos e auditoria).
Critrios para
avaliao da etapa
Confiabilidade
da Anlise
Q1 Os pr-requisitos desta etapa foram atendidos, em um nvel satisfatrio, ou caso contrrio, uma poltica de
melhoramento dos fatores negativos foi planejada e implementada antes do incio da etapa. Obs.: Neste
quesito responda com a Nota obtida na anlise dos Pr-Requisitos da Etapa 0 (Adequao da MCC).
Q2 Todas as decises, tomadas durante a Etapa 0 (Adequao da MCC), foram documentadas, atendem as
exigncias de Sada do procedimento de referncia, e tem consistncia para uma auditoria futura.
Q3 Os questionamentos, referentes anlise dos Pr-Requisitos e Auditoria da Etapa 0 (Adequao da MCC), foram
ou esto sendo, respondidos por membros da equipe de manuteno, operao, gerncia e demais interessados
ou afetados pelo programa de MCC, ou pelos sistemas candidatos a sua implantao. A tomada de deciso se deu
Ponderao com nota
pela mdia ponderada das respostas individuais.
ou conceito e acesso
Q4 Normas, bibliografias e especialistas foram consultados para avaliar os benefcios e os desafios de um
programa de MCC. ao arquivo de ajuda
Q5 Programas similares de MCC foram consultados/estudados e podero servir de benchmark para o processo
de implantao.
Dados Gerais
Nome da Empresa: Nome da Empresa/Sistema onde a MCC ser Implantada
Dados inseridos pelo
Endereo: Endereo da Empresa/Sistema onde a MCC ser Implantada
usurio na tela de
Data do Estudo Atual: Data Atual de Avaliao da Etapa
Identificao e
Responsvel pelo Estudo Atual: Nome do Responsvel pela Avaliao Atual da Etapa Caracterizao da
Data do Estudo Anterior: Data Anterior de Avaliao da Etapa Empresa (Menu Empresa)
Responsvel pelo Estudo Anterior: Nome do Responsvel pela Avaliao Anterior da Etapa
Observaes Gerais: Quaisquer Observaes que o Usurio Julgar Necessrias
Conjuntos Fuzzy
resultantes da
avaliao dos
critrios e da etapa
sob anlise
Com uma Nota Final de avaliao da Etapa 0 - Adequao da MCC nos patamares atuais (5 < Nota < ou = 7) a MCC VIVEL para esta empresa/sistema,
porm uma poltica de treinamento na metodologia de MCC deve ser considerada para maximizar os resultados do programa de MCC. Resultados da
Os pontos crticos apresentados na seo de resultados, tanto na ponderao dos Quesitos quanto na avaliao dos critrios, devem ser trabalhados internamente
na empresa para propiciar um ambiente adequado para uma implementao futura da MCC. As seguintes referncias podem auxiliar a conduo deste processo:
inferncia Fuzzy:
Concluses e
BACKLUND, Fredrik, Managing the Introduction of Reability Centred Maintenance.
BLOOM, Neil B., Reliability Centered Maintenance: Implementation Made Simple.
sugestes para o
FUENTES, Fernando Flix Espinosa, Metodologia para Inovao da Gesto da Manuteno Industrial. usurio devidas a
MOUBRAY, J., Reliability Centered Maintenance. avaliao da etapa
SIQUEIRA, Iony Patriota de. Manuteno Centrada na Confiabilidade: Manual de Implementao. sob anlise
SMITH, Anthony M. e HINCHCLIFFE, Glenn R., RCM: Gateway to World Class Maintenance.
Os dados constantes nesta parte do relatrio (avaliao dos critrios e seus quesitos)
explicitam o processo de inferncia que resultou na avaliao da etapa e as conseqentes concluses
e sugestes para o usurio. Os seguintes dados so submetidos ao usurio para auxiliar sua tomada
de deciso: os quesitos, os quais foram ponderados pelo usurio para avaliao do critrio; os
conjuntos Fuzzy relativos ponderao dos quesitos, com suas respectivas notas ou conceitos
atribudos pelo usurio; o conjunto Fuzzy relativo avaliao do critrio sob anlise, formado aps
a agregao dos conjuntos Fuzzy referentes ponderao dos quesitos, com sua respectiva nota
resultante desfuzzyficada; as concluses e sugestes do SBC-Fuzzy, com seus respectivos graus de
pertinncia, relativas ponderao dos quesitos feita pelo usurio; e as concluses e sugestes do
SBC-Fuzzy, relativas ao resultado final de avaliao do critrio sob anlise.
Resultados semelhantes aos exemplificados nos pargrafos precedentes, em formato e
funcionalidade, so obtidos nos relatrios relativos avaliao dos pr-requisitos e auditoria de
todas as etapas que compem o procedimento de referncia, incorporado ao DALF-MCC.
Portanto, alm dos resultados da desfuzzyficao, o DALF-MCC inclui: subsdios que auxiliam a
tomada de deciso e a gesto do conhecimento inerente aos atributos atuais da empresa e sua
relao com as necessidades e fatores crticos de sucesso da MCC; explicao sobre o processo
de inferncia que culminou com as concluses e sugestes apresentadas; comentrios, concluses e
sugestes referentes aderncia ou no da empresa s necessidades da MCC; e recomendaes para
aes futuras com base na situao atual da empresa/sistema.
309
Quesitos Ponderados
Q1 Para auxiliar a implantao do programa de MCC, um sistema computacional de automao de escritrio estar disponvel com as seguintes funcionalidades: desenho tcnico, Quesitos que
processamento de texto, banco de dados e planilhas eletrnicas.
Q2 Existe um sistema de gesto da informao integrado, implantado na empresa, que atende de forma satisfatria as necessidades do setor/equipe de manuteno.
foram
Q3 A gesto da manuteno conta com um sistema computacional adequadamente dimensionado, para o tamanho da empresa e do sistema que se quer implantar a MCC.
ponderados pelo
Q4 O sistema computacional de gesto da manuteno de uso amigvel, toda a equipe possui treinamento adequado para utiliz-lo, e sua utilizao faz parte da rotina de trabalho usurio
da equipe de manuteno.
Q5 O sistema computacional de gesto da manuteno permite integrao com softwares especficos de implantao e gesto da MCC ou, caso contrrio, conta com no mnimo as
seguintes funcionalidades: incluso de novas tarefas com perodos customizados; controle estatstico da manuteno; e agrupamento de tarefas de manuteno de forma otimizada.
Conjuntos Fuzzy
resultantes da
ponderao dos
quesitos feita
pelo usurio
G.2 OPEN-FMECA
O passo seguinte a incluso dos possveis efeitos e causas de cada modo de falha, para cada
subsistema. As opes apresentadas na barra lateral so adaptadas ao contexto. Quando selecionado
um modo de falha, por exemplo, exibem-se opes como Avaliar e Reavaliar ndices, enquanto
que, no caso de se selecionar um subsistema, apresentam-se opes como Relatrio Standard e
Relatrio Descritivo, situaes ilustradas nas Figuras G.15 (a) e (b), respectivamente.
O passo seguinte a determinao dos ndices que iro compor a criticidade. Para tanto,
seleciona-se a opo ndices Avaliar na barra lateral (Figura G.15 a) e uma nova aba abrir com
campos para serem preenchidos com as estimativas dos ndices, conforme ilustrado na Figura G.16.
Pode-se rever a estimativa dos valores dos ndices, aps a implementao do plano de aes,
na opo ndices Reavaliar (Figura G.15), o que resultar na tela mostrada na Figura G.18.
Quanto aos relatrios, gerados pelo OpenFMECA, a verso atual disponibiliza: a Tabela
STD, que a usual da FMECA, baseada na estrutura apresentada na SAE J1739; e o Relatrio
Descritivo de cada elemento que compem a FMECA. Situaes ilustradas nas Figuras G.19 (a) e
(b), respectivamente.
Alm de servir aos propsitos deste trabalho e do NEDIP, o OpenFMECA estar disponvel
em uma pgina criada no stio SourceForge.net (http://sourceforge.net/), o que viabilizar um canal
de relato de problemas (bugs) e sugestes de melhorias na interface e no cdigo.
313
G.3 FMECA-DELPHI
Ao final do prazo para a execuo da primeira iterao, o moderador, que tem um ambiente
distinto, poder verificar as estatsticas dos ndices (S, O, D e GC), no relatrio Tabela Geral 1
315
e, posteriormente, definir o prximo passo do processo, selecionando o boto de opes
Informaes e pressionando o boto de ao Definir (Figura G.23).
Por fim, o especialista solicitado a reavaliar os valores atribudos a cada ndice podendo,
inclusive, reavaliar todas as estimativas (Figura G.26). No entanto, solicita-se que o especialista se
atenha, no mnimo, aos ndices destacados em vermelho, os quais foram estimados fora da faixa de
um desvio padro abaixo e acima da mdia.
Os ndices destacados em amarelo indicam que h alguma informao relevante
disponvel e, apesar da avaliao inicial se encontrar dentro da faixa central, recomenda-se
ateno s informaes coletadas e, caso o especialista considere apropriado, pode reavaliar a
estimativa da primeira iterao. Ao selecionar a caixa de texto referente a um determinado ndice
que se deseja reavaliar, informaes adicionais editadas pelo moderador so apresentadas e as
estatsticas referentes ao ndice, dispostas na parte inferior da tela. possvel, tambm, alterar o
valor do Grau de Confiana de cada avaliao dos ndices.
317
O especialista tem, ainda, a possibilidade de verificar os valores que atribuiu a cada ndice
nas duas iteraes, no relatrio Tabela Individual, ilustrado na Figura G.27.
Uma vez finalizada a segunda e ltima iterao, o moderador tem condio de retirar do
relatrio Tabela Geral 2 os valores das estimativas dos ndices e dos respectivos graus de confiana.
De posse destes valores, pode-se calcular a estimativa de cada ndice, utilizando a Equao 7.1.
318
G.4 NPR-FUZZY
Este software (NPR-Fuzzy) se originou de uma necessidade da MCC detectada durante a fase
de elicitao do conhecimento do DALF-MCC. Seu objetivo determinar o NPR (Nmero de
Prioridade de Risco), utilizado na concepo da FMECA (Etapa 3 do processo de implantao
da MCC) para comparar itens e assim priorizar aes corretivas para os casos mais crticos.
O NPR-Fuzzy determina o NPR a partir da agregao Fuzzy dos ndices de Severidade (S) Ocorrncia (O) e Deteco (D) e posterior
desfuzzyficao do conjunto Fuzzy resultante. Este mtodo procura minimizar os inconvenientes decorrentes da multiplicao dos 3
ndices (S.O.D), comumente utilizado nas abordagens tradicionais.
Os termos primrios utilizados na abordagem proposta pelo NPR-Fuzzy para ponderao dos ndices de compem o NPR so mostrados
abaixo. Estes termos primrios podem ser acessados e parametrizados a partir do menu Parametrizao e Ponderao. Caso se deseje,
esta parametrizao pode ser concebida em harmonia com as tabelas normatizadas, propostas pela SAE J1739.
Severidade do Efeito (S) Probabilidade de Ocorrncia da Falha (O) Chances de Deteco (D)
Pequena Remota Certa
Baixa Baixa Alta
Moderada Moderada Moderada
Alta Alta Remota
Muito Alta Muito Alta Muito Remota
O relatrio final gerado pelo NPR-Fuzzy composto, para cada causa do modo de falha, de:
nmero da causa avaliada; conjuntos Fuzzy (Severidade, Ocorrncia e Deteco) formados pela
ponderao dos efeitos e causas; conjunto Fuzzy resultante, para a Criticidade (NPR), formado pela
agregao dos conjuntos anteriores; e valores crisp, desfuzzificados para cada um dos conjuntos
anteriores. Na tela do relatrio final os Botes servem para navegao entre as causas.
Este aplicativo foi incorporado ao DALF-MCC para apoiar a tomada de deciso da equipe de implantao da MCC durante a implementao das seguintes Etapas:
ESA , EEO , OSA ou OEO - Para Determinar as Aes de Manuteno Aplicveis e Efetivas.
O DALF_Diagramas utiliza em seu processo de inferncia os diagramas de deciso propostos pela IEC 60300-3-11. Tais diagramas de deciso podem ser percorridos
em qualquer sentido, individualmente ou seqencialmente.
O processo de inferncia do DALF_Diagramas utiliza afirmaes, sobre os tpicos a serem avaliados, que devem ser ponderadas pelo usurio com uma Nota ou um
Conceito (Fuzzy). Os termos primrios das variveis lingsticas utilizadas (Conceitos) podem ser parametrizados individualmente a cada seo de inferncia.
Todas as informaes inseridas pelo usurio e os resultados do processo de inferncia Fuzzy podem ser salvos e/ou recuperados a partir do Menu Arquivo.
O DALF_Diagramas emite relatrios em formato HTML, que contm textualmente e graficamente todas as informaes e resultados pertinentes ao processo de inferncia.
Adicionalmente os termos lingsticos e os diagramas de deciso utilizados podem ser visualizados em tempo de execuo (Menu - Ver).
A tela de abertura da Parte 1 pode ser vista na Figura G.32. O DALF-Diagramas permite ao
usurio "percorrer", atravs dos botes de navegao e em qualquer sentido, cada uma das telas que
compem o processo de inferncia Fuzzy, inerentes ao respectivo diagrama de deciso. possvel
avanar ou retroceder (para rever uma ponderao Figura G.32 G.35a), neste caso, estando em
qualquer tela ou avanar por afirmao ou negao, nas telas finais do processo de inferncia o que,
neste caso, significa concordar ou no com os resultados do DALF-Diagramas (Figura G.36a). Cada
tela possui, ainda, um boto que d acesso a uma janela de ajuda sensvel ao contexto da tela em pauta.
O objetivo da Etapa 4 - Seleo das Funes Significantes e Classificao de seus Modos de Falha analisar
cada funo identificada na Etapa 3 - Anlise dos Modos de Falha seus Efeitos e sua Criticidade (FMECA),
e determinar se a falha funcional tem efeito significante, e caso afirmativo, classific-la levando em conta
o impacto nos aspectos pilares da MCC: segurana, meio ambiente, operao e economia do processo.
Informaes
para o usurio
O DALF_Diagramas divide a implementao da Etapa 4 em 2 partes a saber:
Botes de
Ajuda
Navegao
Para incorporar a incerteza por impreciso (lxica), os quesitos a serem ponderados pelo
usurio sero tratados como variveis lingsticas Fuzzy. Os termos primrios destas variveis so
configurados na tela de Parametrizao Fuzzy (Figura G.34). Os parmetros inseridos nesta tela
sero utilizados para a ponderao de todos os quesitos, os quais alimentaro o processo de
inferncia Fuzzy para identificao das funes significantes e classificao dos seus modos de
falha, seguindo a lgica dos diagramas de deciso da MCC. Para proceder modificao dos termos
primrios, o usurio deve: escolher a varivel lingstica a ser modificada (Ruim, Baixa, Boa, Alta
ou tima); alterar os valores de seus vrtices, conforme desejado; e, estabelecida a parametrizao
desejada, para cada varivel lingstica, clicar no boto avanar ().
c) Parametrizao
Fuzzy atual
Parte 2 Classificao das Conseqncias dos Modos de Falha das Funes Significantes
b) Diagrama de
Deciso
A tela de abertura do DALF-Diagramas, para a Etapa 5, pode ser vista na Figura G.38. As
telas de Identificao e Descrio da Funo e de Parametrizao dos Termos Primrios Fuzzy
possuem as mesmas funcionalidades e aparncia das telas de mesmo nome, mostradas na Etapa 4.
Para inferir sobre qual a atividade de manuteno mais adequada para cada um dos
Modos de Falha das Funes Significantes, o DALF-Diagramas submete ponderao do usurio
alguns quesitos. Assim como na Etapa 4, estes quesitos so apresentados para o usurio como
afirmaes cuja aderncia da empresa/sistema, a tais afirmaes, deve ser ponderada pelo
usurio com uma nota (valor crisp) ou um conceito (termo primrio Fuzzy). Os quesitos a serem
ponderados, atrelados s respectivas atividades de manuteno que se quer inferir, com base no
Diagrama de Deciso adotado pelo procedimento de referncia, so os seguintes:
327
Servio Operacional:
A tarefa de manuteno reduz a taxa de deteriorao funcional. Exemplo de tarefas deste
Q1 grupo: lubrificao manual, suprimento de consumveis e pequenas atividades passveis de
serem executadas pelo operador.
A tarefa de manuteno tem baixa complexidade no exigindo treinamento especializado
Q2
do operador.
Em caso de ESA ou OSA a tarefa de manuteno reduz o risco de falha. Em caso de EEO ou
Q3
OEO a tarefa de manuteno reduz o risco de falha a nvel aceitvel e tem custo reduzido.
A tarefa de manuteno atende a um requisito de projeto conforme recomendao do
Q4
fabricante.
A tarefa de manuteno possui uma freqncia de execuo aceitvel, ou seja, que no tem
Q5
impacto significante na rotina operacional.
Inspeo Preditiva:
possvel identificar ou prever uma deteriorao funcional por teste ou inspeo, sem
Q1
desmontagem do equipamento/ativo/sistema.
Q2 O intervalo PF (Falha Potencial / Falha Funcional) consistente.
O intervalo PF (Falha Potencial / Falha Funcional) suficiente para uma ao de
Q3
preveno.
prtico monitorar o equipamento/ativo/sistema a intervalos inferiores ao intervalo PF
Q4
(Falha Potencial / Falha Funcional).
Em caso de ESA ou OSA a tarefa reduz o risco ou a probabilidade de falha garantindo a
Q5 operao segura. Em caso de EEO ou OEO a tarefa reduz o risco de falha a nvel aceitvel
e tem custo reduzido, menor que o custo da falha evitada.
Restaurao Preventiva:
Q1 A degradao funo do tempo em operao ou da ltima manuteno realizada.
Q2 possvel uma ao preventiva antes do perodo de desgaste.
Q3 O ativo/sistema mostra degradao em uma idade identificvel.
Uma proporo alta de ativos/sistemas sobrevive idade onde a degradao
Q4
identificvel.
Q5 possvel restaurar o ativo/sistema a um padro especificado que seja adequado.
Em caso de ESA ou OSA a tarefa reduz o risco ou a probabilidade de falha garantindo a
Q6 operao segura. Em caso de EEO ou OEO a tarefa reduz o risco de falha a nvel aceitvel
e tem custo reduzido, menor que o custo da falha evitada.
Substituio Preventiva:
Q1 A degradao funo do tempo em operao ou da ltima manuteno realizada.
Q2 A substituio garante a condio original do item.
Q3 O ativo/sistema mostra degradao em uma idade identificvel.
Uma proporo alta de ativos/sistemas sobrevive idade onde a degradao
Q4
identificvel.
Q5 A restaurao do ativo/sistema impossvel ou antieconmica.
Em caso de ESA ou OSA a tarefa reduz o risco ou a probabilidade de falha garantindo a
Q6 operao segura. Em caso de EEO ou OEO a tarefa reduz o risco operacional a nvel
aceitvel e tem custo reduzido, menor que o custo da falha evitada.
328
Inspeo Funcional:
Q1
A tarefa de manuteno capaz de revelar falha ou defeito oculto.
Q2
A falha no se revela na operao normal do ativo/sistema.
Q3
A falha s aparece na ocorrncia de outra falha ou evento.
Q4
possvel exercitar o funcionamento do item sem danific-lo.
Em caso de OSA a tarefa deve detectar a falha ou defeito, ocultos, reduzindo o risco de
Q5 falhas mltiplas. Em caso de OEO a tarefa deve detectar a falha ou defeito, ocultos,
evitando transtornos operacionais e econmicos com custo reduzido.
Manuteno Combinada:
Nenhuma ao de manuteno anterior pode, isoladamente, identificar/corrigir a falha. Isso
Q1
s possvel com uma combinao de tarefas de manuteno.
A freqncia com que as tarefas de manuteno combinadas sero executadas vivel
Q2
tcnica e economicamente.
Em caso de ESA ou OSA a combinao de tarefas reduz o risco ou a probabilidade de
Q3 falha. Em caso de EEO ou OEO a tarefa reduz o risco operacional a nvel aceitvel e tem
custo reduzido, menor que o custo da falha evitada.
Mudana de Projeto:
No h viabilidade tcnica e/ou econmica para uma ao de manuteno preventiva
Q1 (Inspeo Preditiva, Inspeo Funcional, Restaurao Preventiva ou Substituio
Preventiva).
Q2 O ativo/sistema tem alta prioridade e/ou a anlise de custo benefcio favorvel.
Nenhuma ao de manuteno anterior pode isoladamente ou em conjunto
Q3
identificar/corrigir a falha.
Em caso de ESA ou OSA a combinao de tarefas no reduz o risco ou a probabilidade de
Q4 falha. Em caso de EEO ou OEO a tarefa no reduz o risco operacional a nvel aceitvel e
tem custo superior ao custo da falha.
Reparo Funcional:
No h viabilidade tcnica e/ou econmica para uma ao de manuteno preventiva
Q1 (Inspeo Preditiva, Inspeo Funcional, Restaurao Preventiva ou Substituio
Preventiva).
Q2 As conseqncias da falha so insignificantes.
Q3 O ativo/sistema tem baixa prioridade.
O reparo funcional mais atrativo do que uma mudana de projeto e aceitvel do ponto
Q4
de vista da segurana e preservao ambiental.
A Figura G.39a mostra a Tela de Ponderao dos quesitos. Assim como na Etapa 4, o
usurio pode acessar (atravs do Menu Ver) o Diagrama de Deciso com seu respectivo item
atualmente em avaliao, destacado em amarelo, (Figura G.39b) e a parametrizao dos Termos
Primrios Fuzzy atualmente em uso (idem Figura G.35c).
Concluda a ponderao de todos os quesitos, inicia-se o processo de inferncia Fuzzy de
avaliao da atividade de manuteno aplicvel e efetiva para o Modo de Falha sob anlise. Como
resultado do processo de inferncia Fuzzy, o DALF-Diagramas apresenta para o usurio um
329
Conjunto Fuzzy e uma nota resultante da desfuzzyficao de tal conjunto (Figura G.40a).
Adicionalmente, apresentada, com base nos resultados anteriores, a opinio do DALF-Diagramas
sobre qual a atividade de manuteno aplicvel e efetiva para o Modo de Falha sob anlise.
Identificao
Nome: Teste
Descrio: Teste do DALF_Diagramas
Parametrizao Fuzzy:
Termos Coordenadas
Ruim (0,0 0,0) (0,0 1,0) (1,0 1,0) (2,0 0,0)
Baixa (1,0 0,0) (2,0 1,0) (3,0 1,0) (4,0 0,0)
Boa (3,0 0,0) (4,0 1,0) (6,0 1,0) (7,0 0,0)
Alta (6,0 0,0) (7,0 1,0) (8,0 1,0) (9,0 0,0)
tima (8,0 0,0) (9,0 1,0) (10,0 1,0) (10,0 0,0)
Os prximos itens detalham cada etapa e seus respectivos resultados parciais que culminaram com o resultado final.
A Figura G.43 exemplifica uma ponderao de quesitos, feita pelo usurio, e os resultados
do processo de inferncia Fuzzy. O exemplo se refere seleo de funes significantes devido ao
efeito na segurana e/ou meio ambiente. Esta parte do relatrio inicia com a resposta do usurio que,
neste caso, concorda com a opinio do DALF-Diagramas cujo resultado mostrado no final do
relatrio onde explicitado o conjunto Fuzzy resultante do processo de inferncia.
=== ETAPA 4 - PARTE 1: SELEO DAS FUNES SIGNIFICANTES / Efeito na Segurana e/ou Ambiente ===
Quanto a Falha Funcional sob anlise, pondere com um Conceito ou uma Nota a Aderncia de sua Empresa e/ou Sistema seguinte Afirmao: Alta
A falha funcional representa uma ameaa vida pessoal do operador.
Quanto a Falha Funcional sob anlise, pondere com um Conceito ou uma Nota a Aderncia de sua Empresa e/ou Sistema seguinte Afirmao: Boa
A falha funcional representa uma ameaa vida coletiva.
Quanto a Falha Funcional sob anlise, pondere com um Conceito ou uma Nota a Aderncia de sua Empresa e/ou Sistema seguinte Afirmao: Baixa
A falha funcional resulta em infrao de uma lei ou padro ambiental.
Quanto a Falha Funcional sob anlise, pondere com um Conceito ou uma Nota a Aderncia de sua Empresa e/ou Sistema seguinte Afirmao: 9,0
A Severidade das conseqncias da falha funcional ou do modo de falha : Moderada, Crtica ou Muito Crtica.
Quanto a Falha Funcional sob anlise, pondere com um Conceito ou uma Nota a Aderncia de sua Empresa e/ou Sistema seguinte Afirmao: 8,0
O Grau de Risco relativo falha funcional ou ao modo de falha : Crtico (1) Srio (2) ou Moderado (3).
Processamento Fuzzy:
Sim 6,1 (1,0 0,0) (2,0 1,0) (3,0 1,0) (3,5 0,5) (4,0 1,0) (6,0 1,0) (6,5 0,5) (7,0 1,0) (8,0 1,0) (8,5 0,5) (9,0 1,0) (10,0 1,0) (10,0 0,0)
APNDICE H
NDICES