Sanntiago D’Ávvilla

Índic e An al ít ico

Introdução ................................................................... 3
Lógica Fuzz y ................................................................ 4
Definições e Exemplos ............................................................................................. 5
Operações sobre conjuntos Fuzzy ............................................................................ 8
Operações Algébricas sobre Conjuntos Fuzzy.......................................................... 8
Análise d e Riscos : algu ns co nceito s ................................ 1 0
Tipos de Análise de Riscos ..................................................................................... 11
Gerenciamento de Riscos...................................................................................... 11
Avaliação do Risco Ecológico e Gerenciamento do Risco Ecológico................... 12
O artigo estudado: Water Quality Failure s in Di st ribution
Net works – Ri sk Analysi s Using Fuz zy Logic and Evidential
Reasoning, de Sadiq et al. ............................................ 15
Parte I – Introdução: falhas na qualidade da água e técnicas de Análise de
Riscos..................................................................................................................... 15
Parte II – A estrutura proposta ............................................................................ 18
Parte III – Falhas na qualidade da água em uma rede de distribuição .............. 24
Parte IV – Conclusões: vantagens e limitações .................................................... 25
Bibliografia ............................................................... 27

“ Há basicamente três classes de

inteligências: a que discerne por si
mesma; a que entende o que outra
mente discerniu, e a que nem
discerne por si, nem entende o que
outra discerniu. As da primeira
classe são excelentes; as da
segunda, muito boas; e as da
terceira, para nada servem.” .
(Nicolò Machiavelli, in “Il Principe”)

2
 Sanntiago D’Ávvilla

Introdução

A análise de riscos é uma ferramenta de altíssima importância nas mais diversas

atividades humanas. A sua inclusão em qualquer projeto parece ser, além de natural,
obrigatória, uma vez que prever futuros eventos indesejáveis, mas possíveis de ocorrer,
pode trazer grandes vantagens ou no mínimo atenuar grandes prejuízos.

O uso da Lógica Fuzzy na análise de riscos parece adequada, uma vez que as incertezas
que nos cercam, em geral, não são do tipo verdadeiro ou falso, como no caso dos
fenômenos regidos pela conhecida Lógica Booleana. Na lógica booleana o
conhecimento de um conjunto de dados permite conhecer o seu complemento, o que
nem sempre é verdade quando se lida com fenômenos naturais. Exemplo disso são as
condições de tempo, para as quais não se pode simplesmente dizer que se não chover
fará sol, ou se fizer sol não teremos chuva. Ainda nos confrontamos com o problema da
intensidade, pois, se chover, será uma chuva rala ou torrencial; se tiver vento, será forte
ou apenas leves brisas. E os impactos de cada evento que se manifestar serão benéficos
ou maléficos, simplesmente na lógica booleana, mas sabemos que tais impactos têm
uma graduação e, dependendo do caso, esta é bastante complexa.

A palavra inglesa fuzzy tem, como significado, confuso, ambíguo, obscuro. Apesar de
eventualmente serem encontrados na literatura os termos “lógica difusa” e “conjuntos
nebulosos” para indicar Lógica Fuzzy e Conjuntos Fuzzy, respectivamente, evitar-se-á o
emprego de tais termos. A discordância com o uso desses termos é que difuso significa
longo, prolixo, estendido e não parece ter relação direta com o termo original. O
dicionário online merrian-webster dá os seguintes significados para Fuzzy: 1. marcado
por dar uma sugestão particulada; 2. fraco em clareza ou definição (como em foto
embaçada); 3. sendo, relativo a, ou invocando emoções agradáveis e usualmente
sentimentais.

Este trabalho segue doravante apresentando uma revisão de alguns conceitos da Lógica
Fuzzy, seguida de uma breve exposição dos conceitos encontrados na Análise de Riscos
e por fim os comentários sobre o artigo Water Quality Failures in Distribution
Networks – Risk Analysis Using Fuzzy Logic and Evidential Reasoning de Sadiq et al.

3
Sanntiago D’Ávvilla

Ló gica Fuz zy

O pai da área de conhecimento chamada de Lógica, segundo a história, foi Aristóteles

(384 – 322 a.C.). Na lógica fundada por Aristóteles, parte-se de pressupostos e segue-se
uma linha de raciocínio até chegar-se a uma conclusão. Por exemplo: “o aluno será
aprovado na disciplina se fizer pelo menos sete pontos” (pressuposição um); “o aluno
fez dez pontos na disciplina” (pressuposição dois); “o aluno foi aprovado na disciplina”
(conclusão). No entanto: “a mulher morrerá se cair do décimo andar” (pressuposição
um); “a mulher morreu” (pressuposição dois); nada é possível concluir destes dois fatos,
pois, segundo a Lógica emprega, nenhuma relação determinante se estabelece entre
ambas. Nesta lógica não é possível uma verdade parcial ou nem tampouco uma
falsidade parcial. É como ser honesto: nenhum ser humano pode ser “mais ou menos”
honesto, isto é, o indivíduo se classifica como honesto ou desonesto, sem meio termo.
Então, expressões como “pouco honesto”, “muito desonesto”, “meio desonesto”, “quase
totalmente honesto”, são todas vazias de semântica, sendo entendidas somente do ponto
de vista estilístico da língua, seja ela qual for.

Já a Lógica Fuzzy admite que guardemos dados do tipo o quão gorda uma pessoa é, ou
o quão alta, o quão jovem, etc. Isto é, dados que, pela sua própria natureza, admitem
termos de transição e que podem ser ponderados. Imagine o primeiro exemplo citado da
seguinte forma: um indivíduo pesando menos que vinte quilos, seria considerado
subnutrido; uma pessoa pesando entre vinte e cinqüenta quilos pode ser considerada
magra; acima de cinqüenta até oitenta, consideraríamos “não magra e não gorda”
(simultaneamente); acima de oitenta até cento e dez quilos, diríamos que se trata de uma
pessoa gorda; acima de cento e dez quilos até cento e quarenta, seria o caso de
obesidade; acima de cento e quarenta quilos, consideraríamos como obesidade mórbida
(estado em que a pessoa já está impedida de seus movimentos normais). Depois disso
tudo, verificamos que houve um descuido. As alturas das pessoas não foram
consideradas e é claro que a altura influencia muito a classificação estabelecida acima,
pois, uma pessoa com sessenta quilos e menos de um metro e trinta é considerada obesa.
A Lógica Fuzzy também consegue lidar com essa nova situação, isto é, os novos dados
podem ser adicionados ao nosso esquema, sem grandes esforços. Na tabela 1 dispomos
os dados relacionando peso e altura das pessoas, sendo o valor zero atribuído para
subnutrição e um para obesidade.

Tabela 1 – Relacionando Alguns Pesos e Alturas das Pessoas

Altura (m) 1,40 1,60 1,80 2,00
Peso (kg)
50 0,6 0,2 0,1 0
70 0,9 0,7 0,5 0,1
90 1 0,9 0,7 0,5
110 1 1 0,8 0,7

Matematicamente, as imprecisões dos dados eram tratadas pela teoria das

probabilidades. Por exemplo, as chances de um evento indesejado ocorrer são de vinte
por cento, um evento ocorrerá com toda a certeza tem sua probabilidade de ocorrência
rotulada como cem per cento e zero per cento caso o evento não ocorra com toda a
certeza. Mas a Lógica Fuzzy tem se mostrado mais eficaz para lidar com estas
imprecisões, uma vez que ela captura dados vagos, oriundos de uma linguagem natural
e os transforma em dados numéricos, matematicamente analisáveis.

4
 Sanntiago D’Ávvilla

Definições e Exemplos

Conjunto Fuzzy – é um conjunto no qual graus de pertinência entre 1 e 0 são

permitidos, isto é, torna-se possível a pertinência parcial de um elemento a um conjunto.
Representa-se um conjunto Fuzzy A pela seguinte expressão:

A = { ( x, µA(x) ) | x є X }, sendo X o universo de discurso e µA(x), a qual é chamada

função característica, assume um valor na cadeia de 1 a 0.

Desta definição podemos concluir que os conjuntos Fuzzy refletem melhor a maneira
racional de uma pessoa pensar. Por exemplo, um professor não classifica um aluno
como bom ou ruim apenas, ele aufere cada um de acordo com um grau entre estes dois
extremos.

Exemplo:

Considere o conjunto de valores resultantes das temperaturas médias diárias, em graus

Celsius, em dada região com sendo T = { 5, 13, 17, 23, 31, 41 }. Então, um conjunto
Fuzzy para descrever este termo poderia ser o seguinte:

Quente = { (5; 0), (13; 0,1), (17; 0,2), (23; 0,5), (31; 0,8), (41; 1) }.

Assim poderíamos falar que 5ºC é “absolutamente não quente”, 23ºC “agradavelmente
quente”, e 40ºC é “muito quente”.

Podemos também associar uma função contínua para descrever o membro de um

conjunto Fuzzy, analítica ou graficamente. Por exemplo, a forma triangular representada
na figura 1, pode ser expressa como

 bx
a b  c ; bxc

 dx
 ( x)  a ; cxd
 d c
0; demais casos



Figura 1 – Membros de um conjunto Fuzzy

representados por uma função contínua

5
Sanntiago D’Ávvilla

Considere a expressão “por volta da meia noite”. Trata-se de uma expressão vaga e
pode ser expressa como um conjunto Fuzzy graficamente. Veja a figura 2 que ilustra a
expressão em julgamento.

22 0 2

Figura 2 – “por volta da meia noite” expresso

graficamente como um conjunto Fuzzy

Função Característica – é o processo pelo qual determinamos quais os elementos do

conjunto universo são elementos ou não de um conjunto Fuzzy. Ela pode ser
representada através de uma diagrama de Venn como na figura 3.

U
A

1
0

Figura 3 – Representação da função

característica pelo diagrama de Venn.

Conjunto Fuzzy Universo – Se, e somente se, o valor da função membro é um para
todos os membros em consideração, então dizemos que o conjunto é o universo.

Cardinalidade – Dado um conjunto Fuzzy A em um universo finito U, cardinalidade é

a soma dos graus de pertinência de todos os elementos de U em A, indicada por
A    A ( x) .
xU

Conjunto Fuzzy Vazio – se, e somente se, o valor da função membro for zero para
todos os membros em consideração, então dizemos que o conjunto Fuzzy é vazio, isto
é: A = Ø  µA(x) = 0  x  X (a seta de duas pontas diz “se, e somente se”, enquanto
o símbolo  diz “para todos os”).

6
 Sanntiago D’Ávvilla

Conjuntos Iguais – Sejam A e B conjuntos Fuzzy. Se e somente se, para todo x  X,

tivermos µA(x) = µB(x), dizemos que A = B

Conjunto Crisp – são os conjuntos cuja função característica assume apenas os valores
zero e um, não admitindo valores intermediários.

Conjunto Suporte – o suporte de um conjunto Fuzzy A é um conjunto crisp de todos

os x  X tais que µA(x) > 0. O ponto de cross-over é o elemento x  X para o qual
µA(x) = 0,5.

Conjunto Unitário – é um conjunto Fuzzy A cujo suporte é um único elemento em X

com µA(x) = 1.

Essência de um conjunto Fuzzy – dado o conjunto A, chamamos Essência de A ao

conjunto crisp de todos os x  X para os quais µA(x) = 1.

Altura – seja o conjunto A. O maior valor µA para o qual o -corte não é vazio,
chamamos de altura de A. Um conjunto Fuzzy com altura igual a um é dito normal, de
outro modo é dito sub-normal.

-corte – são subconjuntos de uma conjunto Fuzzy A, representados da seguinte

forma:

-corte forte  A = { x | µA(x) >  };   [0, 1]

-corte fraco  A = { x | µA(x)   };   [0, 1]

As figuras 4 e 5 ilustram situações que, em uma, A é um conjunto normal e, na outra,

sub-normal.

Figura 4 – A é um conjunto normal.

7
Sanntiago D’Ávvilla

Figura 5 – A é um conjunto sub-normal.

Fuzificação – é a operação que transforma um Conjunto Crisp em um Conjunto Fuzzy,

ou Conjunto Fuzzy em um mais Fuzzy ainda. Similar ao que se faz nos processo de
tomada de decisão, a operação traduz entradas Crisp, ou valores medidos, em conceitos
lingüísticos.

Operações sobre conjuntos Fuzzy

__
Complemento – de um Conjunto Fuzzy A, denotado por A é o conjunto definido pela
sua função membro  __ ( x)  1   A ( x), x  X .
A

União – de dois Conjuntos Fuzzy A e B é um Conjunto Fuzzy cuja função membro é

definida por  A B ( x)  max A,  B  .

Interseção – de dois Conjuntos Fuzzy A e B é um Conjunto Fuzzy cuja função

membro é definida por  A B ( x)  min  A,  B  .

Operações Algébricas sobre Conjuntos Fuzzy

Produto Cartesiano C = AB

C   C ( x) /(a, b) | a  A, b  B,  C (c)  min A (a),  B (b)

Multiplicação Algébrica
AB   A ( a )  B (b) / x | x  A, x  B .

Expoente
 
A   A (a) / x | x  A . 
Concentração
con( A)  A 2 .

Dilatação
dil ( A)  A0,5 .

8
 Sanntiago D’Ávvilla

Vale notar que as operações Concentração e Dilatação não têm correlatas na teoria
clássica dos conjuntos.

Soma Algébrica
 A ( x)   B ( x)   A ( x)  B ( x) , denotando o símbolo + a soma algébrica.

Soma Limitada (AB)

 A B ( x)  min[1,  A ( x)   B ( x)] .

Diferença Limitada (AΘB)

 AB ( x)  min[1, |  A ( x)   B ( x) |] . Note a presença do módulo da diferença.

Relações Fuzzy
Dados os Conjunto Fuzzy A1, A2,... , An nos respectivos universos U1, U2,..., Un,
chamamos relação Fuzzy n-ária ao Conjunto Fuzzy em U1U2...Un, expresso como

R  { R ( x1 , x 2 ,..., x n ) /( x1 , x 2 ,..., x n ) | ( x1 , x 2 ,..., x n )  U 1  U 2    U n }

Sejam R e P relações Fuzzy em UV e VW, nesta ordem. A composição de R e P é

uma relação Fuzzy, denotada por R o P, definida como

R  P  [( x, y), sup y (  R ( x, y) P ( x, y ))] x U , y V , z W .

9
Sanntiago D’Ávvilla

Análi se de Risco s: a lguns conce ito s

A Análise de Riscos é uma ferramenta que permite, de forma racional, organizar e

processar dados a respeito de eventos indesejáveis relacionados a uma atividade,
possibilitando uma antecipação ao fato ou, pelo menos, a adoção de medidas que
atenuem os efeitos negativos da ocorrência do fato.

Como o próprio nome diz, a Análise de Riscos não é a simples previsão de riscos. A
primeira é dotada de uma metodologia científica e busca não somente apresentar os
problemas, mas indicar ou sugerir soluções o mais adequadas possível. A outra está
ligada ao fatalismo, e pode simplesmente apontar os possíveis problemas sem, contudo,
sugerir medidas para impedir o fato ou minimizar seus efeitos negativos.

Destacamos que, por ser um corpo de conhecimento dinâmico, a Análise de Riscos goza
de muitos conceitos e poucos consensos. Para se estabelecer um conceito é bastante
seguir uma linha de raciocínio válida, baseada em experiências e/ou idéias. Para se ter
um consenso é necessário a concordância de todos, ou pelo menos da grande maioria.
Isto mostra que todo consenso é um conceito, mas nem todo conceito é um consenso.

Apesar de ser dinâmico, o corpo de conhecimento da Análise de Riscos não pode ser
considerado novo. Na verdade, por volta do ano de 3200 a.C. relata-se atividades
ligadas a Análise de Riscos no vale do rio Tigre-Eufrates. Gregos e romanos
observavam as relações entre causa e efeito, lembrando que a Lógica fundada por
Aristóteles, comentado no início deste trabalho, constitui um exemplo dessa
preocupação. No século IV a.C. Hipócrates correlacionou a ocorrência de doenças
(evento indesejável e possível) com exposições a fenômenos ambientais. Já no século
XVI Agricola notou a correlação entre a atividade de mineração e prejuízos à saúde.

Doravante apresentaremos os conceitos de acordo com nossa bibliografia.

Risco
O Risco é um fator abstrato, representado matematicamente por uma probabilidade de
ocorrência de um fato indesejável. A ocorrência do fato representa, nesta relação, o fator
concreto. O Risco está presente em todas as decisões que tomamos em nosso cotidiano.

Perigo
É um agente (físico, químico ou biológico) ou um conjunto de condições capazes de
oferecer risco.

Avaliação de Riscos
Processo de estimativa de probabilidade da ocorrência de fato e a provável magnitude
dos efeitos negativos no decorrer do tempo.

É comum ver na literatura especializada a referência ao emprego dos termos Análise de

Riscos e Avaliação de Riscos como sinônimos. Analisar é decompor em partes para
examinar cada uma delas, com ela buscamos dos efeitos às causas, partimos do
particular ao geral, do simples para o composto. Avaliar, no entanto, é dar valor, é
proceder a uma estimativa. Dessa forma, quando avaliamos um risco, estamos apenas
dando um grau de significância; quando analisamos um risco, estamos investigando

10
 Sanntiago D’Ávvilla

suas causas, suas especificidades e generalizações, suas partes e o significado da

composição destas partes.

Incertezas
As Incertezas estão indiretamente relacionadas a eventos indesejáveis, mas não gozam
de mensurabilidade como os Riscos.

Devido à aleatoriedade do fenômeno chuva, não é possível prever se uma chuva com
período de retorno de cem anos ocorrerá no ano seguinte à construção de uma barragem
feita para suportar uma chuva com período de retorno de noventa anos. O risco de
rompimento da barragem pode estar relacionado com a incerteza de que haja uma chuva
com período de retorno superior à sua capacidade.

Tipos de Análise de Riscos

Riscos Ecológicos – analisa os possíveis impactos sobre habitats e ecossistemas, que

podem ocorrer em locais indeterminadamente distantes da fonte geradora. Os riscos
analisados neste tipo de análise são rodeados por diversas incertezas a respeito das
relações causa-efeito. Vamos seguir uma linha hipotética de causa-efeito para ilustrar
este caso: uma represa é construída e, conseqüentemente, alaga uma grande área de
floresta; uma espécie predadora de outra não consegue se adaptar e se extingue naquela
região, enquanto a espécie presa tem um aumento drástico na sua população; este
desequilíbrio pode acarretar prejuízos à economia local, se a espécie cuja população
aumentou for, por exemplo, um inseto que ataque as plantações, ou à saúde humana no
caso de ser um vetor de algum vírus, por exemplo.

Riscos à Saúde Humana – analisa os riscos que podem trazer alterações no

funcionamento fisiológico, neurológico ou psíquico do ser humano. Este tipo de risco é
de difícil estabelecimento das relações causa-efeito uma vez que, para dado efeito,
podem estar associadas inúmeras causas. A poluição sonora, por exemplo, já é admitida
como causa de stress, alterações no sono, arritmia cardíaca, disfunções renais,
desempenho sexual, diminuição da capacidade auditiva entre outros. No entanto, a
ocorrência de qualquer destes eventos pode estar associada a diversos outros fatores e é
exatamente por essa dificuldade de estabelecer uma relação direta entre danos à saúde
humana e a poluição sonora, que a jurisprudência brasileira vem considerando o caso
como contravenção penal e não como crime.

Riscos na Segurança – tem foco nos riscos ligados a processos e instalações, os quais
têm baixa probabilidade de ocorrência, mas de alta conseqüência. Ao contrário dos
riscos à saúde humana, têm elementar relação causa-efeito, seus efeitos são imediatos.
Durante a instalação de uma rede de distribuição de água, o risco de falhas nas
máquinas ilustra este caso.

Gerenciamento de Riscos
O campo do gerenciamento de riscos desenvolveu-se a partir do senso comum sobre
Análise de Riscos. Estruturado basicamente nas atividades de identificação dos perigos
e causas, no cálculo dos riscos que estes perigos podem oferecer, na elaboração e
aplicação de medidas mitigadoras destes riscos e posterior verificação da eficiência das
medidas adotadas.

11
Sanntiago D’Ávvilla

O quadro 1 esquematiza o gerenciamento de riscos.

Planejamento de Riscos Inicial

Planos Técnicos

Termos do Risco Fontes de Informação Quantificação do Risco

Orçamento
Identificação do Risco Planos de Custo
Agendas do Projeto

o Hierarquia o Lista de o Resumo

do Risco Riscos dos riscos
o Lista de o Hipóteses Análise do Risco
Atividades
o Descrição
do Risco

Detalhamento do Risco

o Hierarquia do Risco o Lista de Riscos o Resumo dos riscos

o Lista de Atividades
o Detalhamento do Custo

Mitigação do Risco

o O que listar o Gerenciamento da o Riscos Econômicos

Mitigação dos Riscos
Chave

Revisão do Risco

Relatório de Gerenciamento de Risco

Quadro 1 – Esquema geral para gerenciamentos de riscos. Leitura de cima para baixo e
da esquerda para a direita.

Avaliação do Risco Ecológico e Gerenciamento do Risco Ecológico

A avaliação do Risco Ecológico é o processo que avalia o resultado da exposição do
meio a uma atividade potencialmente danosa à ecologia. O gerenciamento do Risco
Ecológico é o processo de tomada de decisões ou seleção de opções para gerir o risco.
Assim, a avaliação do Risco Ecológico é apenas uma das muitas entradas no processo
de gerenciamento do risco.

É importante frisar que o risco ecológico é um dos mais complexos por abranger uma
infinidade de variáveis e por ter de se considerar, além de modificações locais, as

12
 Sanntiago D’Ávvilla

modificações distantes do sítio sob a tensão, suas implicações políticas, econômicas e

sociais. Exemplo disso são as chuvas ácidas que se originam em uma região de alta
concentração industrial e caem sobre florestas nativas ou plantações em áreas a
quilômetros de distância da fonte poluidora.

O quadro 2 mostra um exemplo de um mapa de identificação de alguns dos riscos em

uma rede de distribuição de água, uma das etapas da Análise de Riscos. A severidade
dos riscos é graduada em muito baixa, baixa, média, alta e muito alta; a freqüência
recebe os graus de rara, pouco freqüente, regular, freqüente e muito freqüente. Note que
nem todos os graus de severidade ou freqüência aparecem no quadro 2.

Risco Causa Efeito Severidade Freqüência

Rachaduras em
Infiltração de canos, tanques, Poluição Média Pouco
Poluente falha na Freqüente
manutenção
Rachaduras em
Infiltração de canos, tanques, Contaminação Muito Alta Rara
Contaminante falha na
manutenção
Insuficiência de
Descontinuidade estoque, defeitos Prejuízos à Baixa Regular
no Fornecimento na rede, falhas na população
operação
Vazamento em
Perdas de Produto tanques, canos; Prejuízo à Média Freqüente
furto ao longo da Fornecedora
rede
Diminuição da Falhas no Perda da
Qualidade do tratamento, credibilidade Alta Pouco
produto armazenamento Freqüente
Quadro 2 – exemplo de identificação de alguns dos riscos em uma rede de
distribuição de água.

Outro instrumento bastante utilizado e conhecido como matriz de avaliação de riscos é

disposta no quadro 3. Nela distinguimos cinco entradas relativas à probabilidade de
ocorrência do fato e quatro relativas à conseqüência do mesmo.

Quanto à probabilidade, o quadro mostra as entradas: “Quase Certo”, “Provável”,

“Moderado”, “Improvável” e “Raro”. Note que não é usada uma entrada do tipo
“Certo”, indicando certeza absoluta da ocorrência do fato, nem tampouco uma entrada
do tipo “Impossível”, garantindo plenamente a não ocorrência do fato. Isto se deve a
própria essência da Análise de Riscos e da definição de risco como uma probabilidade,
isto é, se estamos lidando com incertezas e a partir delas devemos identificar os riscos.

As entradas relativas à conseqüência são as seguintes: “Baixa Significância”, “Média

Significância”, “Alta Significância” e “Catastrófico”. Note que o uso da linguagem é
fruto da experiência do especialista que irá construir a matriz, podendo ser modificada
de acordo com o entendimento do tomador de decisão.

Relembrando nossa breve discussão sobre a Lógica Fuzzy, poderíamos atribuir valores
a cada uma das especificações feitas na matriz de avaliação de riscos de modo a
trabalhar com um Conjunto Fuzzy para proceder à avaliação.

13
Sanntiago D’Ávvilla

Conseqüência

Baixa Média Alta Catastrófico

Quase
Certo
Probabilidade

Provável

Moderado

Improvável

Raro

Quadro 3 – Matriz de avaliação de riscos.

Apresentamos ainda, no quadro 4, uma tabela de resposta aos riscos.

Risco Definição Resposta

Rotule o risco Defina o risco de modo Apresente uma forma de reduzir a

claro, objetivo e conciso probabilidade de ocorrência do
evento indesejável

Quadro 4 – Tabela de resposta aos riscos.

Observamos finalmente que podemos nos deparar com a probabilidade de ocorrerem

eventos “desejáveis” que, ao contrário dos riscos, trariam benefícios ou lucros. Estes
eventos são conhecidos como “Oportunidades”. As oportunidades podem, então, ser
definidas como eventos benéficos os quais podemos identificar, associar a uma função
de probabilidade para medir as chances de sua ocorrência, avaliar suas conseqüências
e indicar medidas para melhor podermos aproveitá-los.

14
 Sanntiago D’Ávvilla

O artigo estudado: Water Quality Failures in Distribution Networks – Risk Analysis

Using Fuzzy Logic and Evidential Reasoning, de Sadiq et al.

O artigo estudado aborda a Análise de Riscos com foco nas falhas na qualidade da água
de uma rede de distribuição, a qual, segundo o artigo, apresenta muitas incertezas e nos
dados disponíveis, sendo outros bastante vagos, além de pouco entendimento sobre
muito dos seus mecanismos. Como conseqüência disso, seria necessária uma
abordagem sistemática para lidar com os dados de forma tanto quantitativa quanto de
forma qualitativa, além de um meio para atualizar as informações existentes quando
novas descobertas e dados tornarem-se disponíveis. O artigo identifica cinco
mecanismos gerais através dos quais pode ocorrer falha na qualidade da água ao longo
da rede de distribuição. Dentre eles estão a intrusão de contaminante, corrosão e
lixiviação (operação que consiste em fazer passar um solvente através de um material
pulverizado para separar um ou mais constituintes solúveis) e corrosão, formação de
biofilme e rebrota microbiana, permeação, e o avanço de substâncias usadas no
tratamento da água. Sua metodologia é demonstrada através de exemplos simplificados
para falhas na qualidade da água em redes de distribuição. O artigo tem ainda a
peculiaridade de ser baseado na evolução anterior de uma abordagem chamada análise
de risco agregativo. Nele, cada item de risco em uma estrutura hierárquica é expresso
por um número fuzzy triangular, que deriva da composição da probabilidade de um
evento de falha e a conseqüência da falha associada. Um processo hierárquico analítico
é usado para estimar os pesos requeridos para as fontes de risco imensuráveis
agrupadas. O raciocínio inferencial ou indicativo é proposto para incorporar os dados
recém chegados para a atualização da estimativa do risco existente. O artigo apresenta
ainda operadores exponenciais de média ponderada ordenados, que são usados no
processo de defuzificação para incorporar a dimensão atitudinal para o gerenciamento
de riscos.

O artigo em estudo encontra-se dividido em quatro partes, a saber: introdução, que

expõe a relevância do assunto e é composto por duas subseções chamadas “falhas da
qualidade da água” e “técnicas de análise de risco”; a estrutura proposta é descrita na
segunda parte a qual é composta pelas subseções “fuzificação do risco”, “agregação do
risco”, “atualização do risco usando raciocínio inferencial” e “gerenciamento do risco
(usando defuzificação)”; a terceira parte trata das falhas na qualidade da água em uma
rede de distribuição e mostra como os dados são representados na Lógica Fuzzy; e a
última parte sumariza o artigo, apresentando as vantagens da estrutura proposta e suas
limitações.

Parte I – Introdução: falhas na qualidade da água e técnicas de Análise de Riscos

Conforme preanunciado, a introdução do artigo destaca a importância do assunto tratado

por ele, destacando que a segurança da água potável é prioridade tanto para
fornecedores quanto para usuários. A fonte da água, seja ela superficial ou subterrânea,
constitui-se na razão de ser de uma rede de distribuição. Definida a fonte, é hora de
pensar nos meios de transmitir esta água desde a fonte até uma estação de tratamento.
Tratada a água é necessário distribuir-lhe, sendo então a vez da rede de distribuição a
qual inclui tanques de distribuição e canos. A razão de as falhas durante a fase de
distribuição serem mais críticas é sua proximidade com o ponto de entrega e, salvo o
uso de filtros por parte do próprio consumidor, não há qualquer meio seguro de conter
possíveis poluentes ou contaminantes antes do consumo.

15
Sanntiago D’Ávvilla

As falhas na qualidade da água, listadas no artigo, seguem abaixo:

o Intrusão de contaminante na rede de distribuição através de componentes do
sistema;
o Formação de biofilme e rebrota de microorganismos em uma rede de
distribuição;
o Avanço de bactérias e/ou produtos químicos, formação de subprodutos de
desinfecção oriundos do tratamento da água;
o Lixiviação de produtos químicos, liberação de subprodutos da corrosão, e
o Permeação de compostos orgânicos do solo através de componentes do sistema.

Seguem-se agora as definições sobre as falhas na qualidade da água em uma rede de

distribuição feitas no artigo.

Uma intrusão de contaminantes em uma rede de distribuição de água pode ocorrer

através dos tanques de armazenamento e canos. A intrusão direta na água pode ocorrer
durante ou depois de eventos de reparo ou manutenção, devido a canos, juntas e
conexões, quebrados ou corroídos e por conexões transversais. Pressões muito baixas ou
negativas geram os risco de contaminação devido ao refluxo ou a má vedação de canos.

Um biofilme é um depósito consistindo de microorganismos, produtos microbianos, e

detritos na superfície de canos ou tanques. A rebrota biológica pode ocorrer quando
bactérias danificadas entram da estação de tratamento para a rede de distribuição. Sob
condições favoráveis, tais como suprimento de nutrientes na água e longo tempo de
residência, estas bactérias podem fixar-se nas superfícies, rejuvenescer, e crescer nos
tanques de armazenamento e sobre as asperezas internas das superfícies da encanação.
A rebrota de microorganismos em uma rede de distribuição resulta em uma demanda
crescente por cloro, que tem dois efeitos adversos: (1) uma redução no nível de cloro
livre disponível prejudicar a capacidade da rede de lidar com ocorrências locais de
contaminação, e (2) uma nível crescente de desinfecção para satisfazer a demanda por
cloro do biofilme pode resultar em concentrações mais altas de subprodutos de
desinfecção.

A corrosão interna de canos metálicos e aparelhos de canalização pode aumentar a

concentração de compostos de metais na água. Diferentes metais surgem de diferentes
processos de corrosão, mas geralmente o baixo pH da água, alta dissolução de oxigênio,
alta temperatura, e altos níveis de sólidos dissolvidos aumentam as taxas de corrosão.
Metais como o chumbo e o cádmio podem sofrer lixiviação dentro dos canos, causando
significativos efeitos sobre a saúde. Metais secundários como o cobre, o ferro, o zinco,
podem sofrer lixiviação causando alterando o gosto, o cheiro e a cor da água em adição
a alguns riscos menores relacionados à saúde. A lixiviação de produtos químicos no
suprimento de água pode freqüentemente vir do forro interno e revestimento dos canos,
causando falhas físico-químicas na qualidade da água com conseqüências adversas para
a saúde e a estética.

A permeação é um fenômeno no qual os contaminantes de um sítio poluído migram

través das paredes dos canos de plástico. Os estágios observados durante a permeação
são os seguintes: (1) produtos químicos presentes na partição do solo entre o solo e a
parede plástica, (2) os produtos químicos reagem com a parede do cano, e (3) a partição
de produtos químicos entre a parede do cano e a água dentro do cano. No entanto,

16
 Sanntiago D’Ávvilla

geralmente os riscos ligados à permeação são pequenos quando comparados a outros

mecanismos.

Sobre a Análise de Riscos é feita uma explanação superficial dos principais conceitos,
além de uma breve explanação sobre algumas técnicas qualitativas usadas em Análise
de Riscos. Aqui apresentaremos somente a lista de técnicas presentes no artigo.

o Análise Preliminar de Perigos (Preliminary hazard analysis - PHA) é uma

técnica qualitativa para conduzir a avaliação do perigo em processos químicos
industriais. O PHA pode identificar sistemas/processos que requerem exames
mais rigorosos para um maior controle sobre o perigo;
o Estudo de Operacionalidade e Perigo (Hazard and operability study - HAZOP) é
uma técnica também comumente empregada em processos químicos industriais
para estimar riscos de segurança e melhorias de operacionalidade;
o Modo Falha e Análise de Efeitos (Failure mode and effects analysis - FMEA) é
comumente usado na engenharia de confiabilidade para analisar modos de falhas
potenciais em um sistemas e ordená-las de acordo com sua severidade;
o Modo de Falha e Análise Crítica (Failure mode and criticality analysis -
FMECA) é a FMEA estendido para a análise crítica;
o Análise de Árvore de Falhas (Fault tree analysis - FTA) é uma técnica baseada
em árvore na qual as falhas são dispostas em um diagrama de falhas;
o Análise de Árvore de Eventos (Event tree analysis – ETA) é uma técnica para
ilustrar a seqüência das saídas que se pode chegar depois da ocorrência de um
evento inicial selecionado;
o Análise de Causa-Efeito (Cause-consequence analysis-CCA) combina a análise
das causas (descrita pela árvore de falhas) com a análise das conseqüências
(descrita pela árvore de eventos);
o Grafo Dígrafo/Falha (Digraph/fault graph - DFG) usa matemática e a
linguagem da teoria dos grafos, constrói o modelo de risco substituindo
elementos do sistema com portões do tipo E e OU;
o Redes Baisianas (Baysian networks - BN) constitui-se de grafos acíclicos, nos
quais os nós representam as variáveis e os arcos direcionados descrevem as
relações de dependência condicional embutidas no modelo;
o Mapa Cognitivo Fuzzy (Fuzzy cognitive map - FCM) é uma representação
ilustrativa do sistema complexo que usa relações causa-efeito para executar a
Análise de Riscos;

As dificuldades em quantificar os riscos relacionados a falha na qualidade da água em

uma rede de distribuição são várias e portanto, há dificuldades no emprego de técnicas
quantitativas neste caso. O Processo de Hierarquia Analítica (Analytic hierarchy
process - AHP) foi combinado com técnicas fuzzy para aplicar a este problema. Há
referência a quatro aspectos da Análise de Risco Agregativo: (1) fuzificação do risco –
aplicando números fuzzy triangulares dos itens de risco básico ao conjunto de risco
fuzzy 5-upla, (2) agregação do risco – agregação do risco fuzzy para a estrutura
hierárquica, (3) atualização do risco – usando o raciocínio inferencial para unir dados
recém chegados com o conhecimento preexistente, e atualizar a estimativa do risco em
qualquer nível na estrutura hierárquica, e (4) usando operadores de média ponderada
ordenada exponencial (exponential ordered weighted average – E-OWA) para o
processo de defuzificação para considerar a atitude do tomador de decisão diante do

17
Sanntiago D’Ávvilla

risco (nível de otimismo) quando derivando as expressões finais para os risco

agregativo.

Parte II – A estrutura proposta

A segunda parte do artigo se dedica a descrever e explicar a estrutura proposta para

efetuar a Análise de Riscos usando a Lógica Fuzzy e o Raciocínio Inferencial. O uso da
Lógica Fuzzy se justifica devido serem as probabilidades de vários itens de risco,
conhecidas apenas vagamente, ou vagamente avaliadas, em muitos dos problemas de
engenharia. Com a Lógica Fuzzy se dispõe de uma linguagem com sintaxe e semântica
para traduzir o conhecimento qualitativo em raciocínio numérico. Levando a Análise de
Riscos para sistemas complexos, os tomadores de decisão, os engenheiros, os gerentes,
reguladores e outros interessados, freqüentemente articulam o risco em termos de
variáveis lingüísticas tais como muito alto, alto, médio, baixo, muito baixo.As técnicas
baseadas em Lógica Fuzzy são hábeis para lidar efetivamente com tais imprecisões e
vaguezas de probabilidade para um raciocínio aproximado, que subseqüentemente ajuda
no processo de tomada de decisão.

Os números triangulares fuzzy (Triangular fuzzy numbers - TFNs) são usados

freqüentemente para representar variáveis lingüísticas.

O processo de fuzificação consiste em transformar os dados, através de algumas

operações, para serem usados de maneira apropriada na Lógica Fuzzy.

O quadro 5 mostra os números triangulares fuzzy usados como variáveis lingüísticas.

Granular Escala Qualitativa para Escala Qualitativa para o Número Fuzzy

(q) a Probabilidade do Perigo do Risco Triangular
Risco (TFNr ou TFNl)
1 Absolutamente Baixo Abs. Sem Importância [0, 0, 0.1]

2 Extremamente Baixo Ext. Sem Importância [0, 0.1, 0.2]

3 Bastante Baixo Bas. Sem Importância [0.1, 0.2, 0.3]
4 Baixo Sem Importância [0.2, 0.3, 0.4]
5 Mediamente Baixo Med. Sem Importância [0.3, 0.4, 0.5]
6 Médio Neutro [0.4, 0.5, 0.6]
7 Mediamente Alto Mediamente Importante [0.5, 0.6, 0.7]
8 Alto Importante [0.6, 0.7, 0.8]
9 Bastante Alto Bastante Importante [0.7, 0.8, 0.9]
10 Extremamente Alto Extremamente Importante [0.8, 0.9, 1]
11 Absolutamente Alto Absolutamente Importante [0.9, 1, 1]
Quadro 5 – Definições Lingüísticas de Graus Usando TFNS para a Probabilidade e o
Perigo

18
 Sanntiago D’Ávvilla

Há uma nota na tabela original do artigo informando que os valores zero e um poderiam
ser usados para as escalas qualitativas “certo” e “nulo”, respectivamente. No entanto,
achamos improcedente tal indicação, pelos motivos já expostos anteriormente, quando
falamos sobre a definição dos riscos e incertezas.

As definições lingüísticas de graus usando os números triangulares fuzzy são

apresentados no quadro 6.

Granulares Escala Qualitativa para o Nível do Número Fuzzy Centróide

(p) Risco (L) Triangular (TFNL) (LP)
1 Muito Baixo (MB) [0, 0, 0.25] 0.08

2 Baixo (B) [0, 0.25, 0.5] 0.25

3 Médio (M) [0.25, 0.5, 0.75] 0.5

4 Alto (A) [0.5, 0.75, 1] 0.75

5 Muito Alto (MA) [0.75, 1, 1] 0.92

Quadro 6 – Definições Lingüísticas de Graus Usando TFNs para Risco.

Abaixo, o quadro 7 representa um exemplo o qual tem Conjunto Fuzzy X = [ 0,26 , 0,6 ,
0,26 0,6 0,14 0 0
0,14 , 0 , 0 ], e que também pode ser representado por X = [ , , , , ].
MB B M A MA
Observe que o traço na última representação do Conjunto Fuzzy dada não representa a
divisão, mas indica que o número está associado àquela variável lingüística, a saber,
0,26 ao MUITO BAIXO, 0,6 ao BAIXO, 0,14 ao MÉDIO, 0 ao ALTO, e o último 0, ao
MUITO ALTO.

x = TFNrl [0.12, 0.21, 0.32]

p MB B M A MA
TFNL [0.0, 0.0, 0.25] [0.0, 0.25, 0.5] [0.25, 0.5, 0.75] [0.5, 0.75, 1] [0.75, 1, 1]
Inferência 0.38 max(0.75, 0.88) 0.2 0 0

XL = [0.38, 0.88, 0.2, 0, 0] (Cardinalidade, C = 1.46)

Conjunto fuzzy 5-upla representa os membros µp para os níveis de risco
qualitativo de MB até MA
X = [0.26, 0.60, 0.14, 0, 0]
Quadro 7 – Avaliação do conjunto fuzzy 5-upla do risco.

A figura 6 mostra a representação gráfica do exemplo dado no quadro 7. O elemento

XL, representado em azul no gráfico, é obtido marcando-se na base a primeira
coordenada de TFNrl, no topo sua segunda coordenada e, novamente na base, sua
terceira coordenada; calcula-se as intersecções com os elementos TFNL, usando o
operador máximo para o segundo elemento TFNL, devido a dupla interseção. A
informação poderia ser interpretada como o risco situa-se entre médio e muito baixo,
tendo uma inclinação mais forte para o nível baixo.

19
Sanntiago D’Ávvilla

MB B M A MA
1.0
0.88
0.8
3

0.6 2 0.75
M 0.4
e
m 0.2
b 0.38
r 0.0
o 1
0.2

00 0.2 0.4 0.6 0.8 1.0

Risco
Figura 6 – Avaliação do conjunto fuzzy 5-upla do risco

O último passo para converter um número fuzzy TFNrl em um risco fuzzy X – um

Conjunto Fuzzy 5-upla normalizado – consiste em normalizar XL para obter o Conjunto
Fuzzy X, onde o membro µp de XL é transformado em  pN de X, que é o resultado da
divisão de cada µp pela sua cardinalidade C (a soma de todos os membros em um
Conjunto Fuzzy), isto é,

p p
 pN  n
 . (1)
C

p 1
p

A agregação do risco tem seu modelo estrutural hierárquico proposto ilustrado pela
figura 7. Cada item de risco é particionado em seus fatores de contribuição, os quais são
também itens de risco, e cada um destes pode ainda ser particionado em fatores
contribuintes de níveis mais baixos. Uma unidade que consiste de um fator de risco
(pai) e seus fatores contribuintes (filhos) é chamada uma família. Uma unidade de risco
sem filhos é chamada “item de risco básico”, enquanto que o termo item de risco é
usado para todos os elementos com descendentes. A notação usada para um item de
risco é X ik, j , sendo i o número ordinal do item de risco X na geração atual; j é o número
ordinal do pai (na geração anterior); e k é a ordem da geração de X. Os índices i, j e k
são usados para atributos do item de risco como, por exemplo, no quadro 8 relacionado
com a figura 7, os fatores ri k, j e lik, j denotam probabilidade e perigo, respectivamente,
para o item de risco X ik, j .

20
 Sanntiago D’Ávvilla

Geração 3 Geração 2 Geração 1

Famílias

Geração

Filho Pai

Figura 7 – Estrutura Hierárquica para a Avaliação do Risco Agregado.

* o risco TFNL;** o conjunto fuzzy 5-upla normalizado para o risco;† para pai da geração 1, e j = 0
Quadro 8 – Estrutura Hierárquica para a Avaliação do Risco Agregado.

21
Sanntiago D’Ávvilla

O raciocínio indicativo ou inferencial é usado na atualização de dados durante o

processo de Análise de Riscos. Esta abordagem permite que os dados sejam
reconhecidos na medida em que vão chegando e fundidos às informações já presentes
no sistema. Inferência Bayesiana Clássica implica que, conhecer o conjunto A nos
permite conhecer o seu complementar (P(A) + P(¬A) = 1), isto é, o conhecimento sobre
A pode ser usado para derivar uma crença sobre o seu complemento. Na Teoria
Dempster-Shafer a falta de conhecimento de ¬A não justifica a formulação de hipóteses
sobre as probabilidades de B e C. As probabilidades são associadas a subconjuntos
quando opostos a unitários mutuamente exclusivos.

Ainda dentro da descrição da estrutura proposta, somos conduzidos a uma subseção que
explica o processo de defuzificação para proceder ao gerenciamento do risco. A figura 8
ilustra algumas curvas características do grau de otimismo (or-ness) versus β para níveis
selecionados de granularidade, calculado usado as equações 2 e 3

(2)

(3)

Níveis definidos de otimismo

G
r
a
u

d
e

o
t
i Otimismo mais baixo –
m risco mais alto
i
s
m
o Otimismo mais alto –
risco mais baixo

Figura 8 – Curvas característica para representação das relações entre grau de otimismo
e parâmetro β para determinar o E-OWA e o risco incisivo estimado.

22
 Sanntiago D’Ávvilla

A figura 9 mostra o organograma para executar a Análise de Risco Agregativo usando a

estrutura proposta no artigo.
Desenvolver uma estrutura hierárquica para os itens de risco

Aquisição de Conhecimento
(1) Análise Preliminar (2) Análises de Texto (3) Levantamento/Entrevista (4)
Expertes

Definir um sistema de Definir o processo de Determinar o rixo

escala para a composição do risco TFNs por composição
probabilidade e para fuzzy da de probabilidade
o perigo usando os probabilidade e do perigo para itens do
números fuzzy perigo risco básico
triangulares

Estimar o peso para os Mapear os TFNS para os itens do risco básico

itens do risco em todos sobre a escala de riscos de grau 5,
os níveis hierárquicos convertendo-o no conjunto 5-upla fuzzy ,
usando AHP depois executar a normalização para manter a
cardinalidade de 1

Agregar os itens de risco básico em itens de risco mais generalizados usando

multiplicação de matrizes. O processo continua até que o risco final seja obtido

Defuzificação (O conjunto fuzzy 5-upla pode ser defuzificado usando qualquer

técnica de defuzificação disponível na literatura). Operadores E-OWA para a
incorporação da atitude de risco na tomada de decisão

No caso de tornarem-se disponíveis novos conhecimentos e dados para os itens

de risco, os itens de risco devem ser atualizados

Usar a teoria D-S de prova para combinar as várias fontes de informação.

Designar fatores de credibilidade para as várias fontes de informação, se for
necessário

Tomada de decisão e implementação

Análise de sensitividade
das ações corretivas baseadas no risco

Avaliação de Riscos Baseada em Fuzzy

Raciocínio Indicativo

Gerenciamento de Riscos
Figura 9 – Estrutura proposta para a Análise de Risco Agregativo.

23
Sanntiago D’Ávvilla

Parte III – Falhas na qualidade da água em uma rede de distribuição

A terceira parte do artigo diz respeito às falhas na qualidade da água em uma rede de
distribuição.

Um conjunto de dados completo para itens de risco básico para avaliação do risco
agregado final pode ser vista no quadro 9, onde podemos observar uma relação muito
próxima com o quadro 4, da parte deste trabalho que discorre sobre Análise de Riscos, o
qual se constitui em uma tabela para rotular o risco (primeira coluna no quadro 9) e
descrever o risco de forma concisa e clara (segunda coluna).

Itens de
Definição
Risco
Básico
Fonte externa de contaminação no reservatório
Fonte interna de contaminação no reservatório
Contaminação devido a quebra de canos e juntas
Contaminação durante eventos de manutenção
Contaminação através de juntas cruzadas
Contaminação através de juntas cruzadas
Rebrota do biofilme em canos e encrustrações
Desinfecção por subprodutos trazidos por água
tratada
Concentração residual por desinfetanstes
Resíduos de outros tratamentos químicos
Traço químico da fonte de água
Organismos que escaparam ao tratamento da água
Elastômeros
Poluição orgânica
Lixiviação do material das tubagens
Lançamento da corrosão por subprodutos
Lixiviação de revestimentos e selantes em cisterna

Quadro 9 – Conjunto completo de dados para itens de risco básico para avaliação do
risco agregado final.

O processo de avaliação do risco básico e subseqüente agregação do risco através de

todas as gerações foram executados e descritos na seção sobre a estrutura proposta
(seção 2 no artigo). O risco agregado final (primeira geração) foi obtido como sendo o
 0,38 0,43 0,19 0,01 0 
seguinte: X 11,0   , , , ,  e está representado graficamente pela
 MB B M A MA 
figura 10.

24
 Sanntiago D’Ávvilla

Perda do Membro
Em Níveis de Baixo Risco

Antigo

M Atualização
e
m
b
Perda do Membro
r
Em Níveis de Alto Risco
o

MB B M A MA
Escala do Risco

Figura 10 – Função Massa de Possibilidade para o Risco de Agregação Final das

Falhas na Qualidade da Água.

Parte IV – Conclusões: vantagens e limitações

Finalmente passamos às conclusões feitas no artigo. Elas consistem basicamente de uma

lista de vantagens e outra lista com algumas limitações da estrutura proposta.
Comecemos pelas vantagens:

o Permite a síntese de ambas as informações quantitativa e qualitativa em uma

única estrutura

o Pode considerar explicitamente e propagar incertezas, para as quais as

distribuições de probabilidade não são conhecidas

o É modular e escalonável e novos conhecimento e informação podem ser

acomodados em qualquer estágio e em qualquer forma

o Tem a habilidade para atualizar informação baseada na evidência recém-

chegada

o Mais resultados de dados e menos incertezas, os quais, quando se propagam pela

estrutura hierárquica, pode resultar em risco agregado reduzido

o Pode ser utilizada para análise de custo-benefício para facilitar uma alocação
orçamental eficiente e priorizar a atenção para aquelas áreas que têm maior
impacto adverso sobre o risco total na rede de distribuição de água; e

o Pode ser facilmente programado em aplicações de computadores e pode tornar-

se uma ferramenta de análise de risco para uma rede de distribuição

25
Sanntiago D’Ávvilla

As limitações detectadas na estrutura proposta são as que se seguem abaixo:

o Pode ser sensível às seleções de operadores de agregação. Diferentes

operadores matemáticos podem ser usados para diferentes segmentos do
modelo e a abordagem tentativa e erro pode ser usada para evitar exagero
e/ou eclipsamento. O exagero ocorre quando todos os itens de risco básico
são relativamente de baixo risco, ainda, o risco agregado final torna-se
inaceitavelmente alto. Eclipsamento ocorre quando um ou mais itens do
risco básico são relativamente de alto risco, ainda, o risco agregado estimado
torna-se inaceitavelmente baixo

o Suporta ambos os dados qualitativo e quantitativo. Alguns dados podem se

apoiar em observações rigorosas, enquanto outros podem se basear em
crenças que são fracamente apoiadas por informação anedótica. Estes dois
tipos de dados terão diferentes pesos no processo de agregação. A estrutura
hierárquica na forma corrente não endereça a necessidade de distinguir entre
os dados obtidos da fonte com os níveis de confiança diferentes.

26
 Sanntiago D’Ávvilla

Bibliografia

o Sadiq, R., Kleiner, Y. & Rajani, B. Water Quality Failures in Distribution

Networks—Risk Analysis Using Fuzzy Logic and Evidential Reasoning. Risk
Analysis, Vol. 27, No. 5, 2007

o Tanaka, K., Wang, H. O. Fuzzy Control Systems Design and Analysis: A Linear
Matrix Inequality Approach. A Wiley-Interscience Publication - JOHN WILEY
& SONS, INC. 2001.

o Ibrahim, Ahmad M. FUZZY LOGIC for Embedded Systems Applications.

Elsevier Science (USA), 2003.

o Vieira, V. P. P. B. Análise de Risco em Recursos Hídricos. Associação

Brasileira de Recursos Hídricos – ABRH, 2005.

o Molak, V. Fundamentals of risk analysis and risk management. Lewis

Publishers, CRC Press, Inc. 1997.

o Chavas, Jean-Paul. Risk analysis in theory and practice. Academic press

advanced finance series. Elsevier Inc. 2004.

27
Sanntiago D’Ávvilla

Índice Remissivo

Alpha-Corte, 7 Expoente, 8
Altura, 7 Função Característica, 6
Análise de Árvore de Eventos, 17 Fuzificação, 8
Análise de Árvore de Falhas, 17 Gerenciamento de Riscos, 11
Análise de Causa-Efeito, 17 Grafo Dígrafo/Falha, 17
Análise de Riscos, 3, 10 Incertezas, 11
Análise Preliminar de Perigos, 17 Interseção, 8
apa Cognitivo Fuzzy, 17 Intrusão, 16
Aristóteles, 4 Modo de Falha e Análise Crítica, 17
Avaliação de Riscos, 10 Modo Falha e Análise de Efeitos, 17
Biofilme, 16 Multiplicação Algébrica, 8
Cardinalidade, 6 Oportunidades, 14
Complemento, 8 Perigo, 10
Concentração, 8 Permeação, 16
Conjunto Crisp, 7 Processo de Hierarquia Analítica, 17
Conjunto Fuzzy, 5 Produto Cartesiano, 8
Conjunto Fuzzy Universo, 6 Redes Baisianas, 17
Conjunto Fuzzy Vazio, 6 Relações Fuzzy, 9
Conjunto Suporte, 7 Risco, 10
Conjunto Unitário, 7 Riscos à Saúde Humana, 11
Conjuntos Iguais, 7 Riscos Ecológicos, 11, Consulte Riscos
Corrosão, 16 Riscos na Segurança, 11
Diferença Limitada, 9 Soma Algébrica, 9
Dilatação, 8 Soma Limitada, 9
Essência de um Conjunto Fuzzy, 7 União, 8
Estudo de Operacionalidade e Perigo, Variável Lingüística, 19
17

28
 Sanntiago D’Ávvilla

Sanntiago Davvilla (pseudônimo) – BRASIL – 2008

“P lágio é um crime
contra o seu próprio intelecto”

Esta é uma pr od uçã o inde pende nte em

mei o digital. Co ntri buiçõe s v ol u ntárias
pode m ser de positadas na c onta nº
00 11 85 58 -2 o pe ração 13 da Caixa
Ec onômica Federal.

29