TesedeDoutoradoFinal 2012 PDF

CARMEN ELENA PATINO RODRGUEZ
ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE

AVALIAO PROBABILSTICA DINMICA PARA A TOMADA DE DECISO
Tese de Doutorado apresentado Escola Politcnica da

Universidade de So Paulo para a obteno de ttulo de
Doutor em Engenharia.
So Paulo
2012
CARMEN ELENA PATINO RODRGUEZ
ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE

AVALIAO PROBABILSTICA DINMICA PARA A TOMADA DE DECISO
Tese de Doutorado apresentado Escola Politcnica da

Universidade de So Paulo para a obteno de ttulo de
Doutor em Engenharia.
rea de Concentrao:
Engenharia Mecnica de Projeto de Fabricao
Orientador:
Professor Dr. Gilberto Francisco Martha de Souza
So Paulo
2012
Este exemplar foi revisado e alterado em relao verso original, sob responsabilidade nica do
autor e com a anuncia de seu orientador.
So Paulo, 16 de Maro de 2012
Carmen Elena Patio Rodrguez

Autor
Gilberto Francisco Martha de Souza

Orientador
FICHA CATALOGRFICA
Patio Rodriguez, Carmen Elena

Anlise de risco em operaes de offloading um modelo
de avaliao probabilstica dinmica para a tomada de deciso /
C.E. Patio Rodriguez. ed.rev. -- So Paulo, 2012.
265 p.
Tese (Doutorado) - Escola Politcnica da Universidade de
So Paulo. Departamento de Engenharia Mecatrnica e de
Sistemas Mecnicos.
1. Anlise de risco 2. Tomada de deciso 3. Operao
offloading I. Universidade de So Paulo. Escola Politcnica.
Departamento de Engenharia Mecatrnica e de Sistemas
Mecnicos II. t.
DEDICATRIA
A minha famlia,
pela sua companhia, apoio, amor e pelo incentivo a conquistar meus sonhos e
me ensinar a fazer tudo com muita dedicao, compromisso e paixo, e
em especial ao Fernando pelo amor, compreenso e companheirismo,
por ter caminhado junto a mim em muitos momentos importantes,
deste perodo e da minha vida.
C.E. Patino Rodriguez ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE AVALIAO PROBABILSTICA
DINMICA PARA A TOMADA DE DECISO
AGRADECIMENTOS
Ao Prof. Dr. Gilberto Francisco Martha de Souza, pela confiana no trabalho mostrada desde o
primeiro momento e o durante tudo o tempo de realizao deste trabalho, pela orientao e por me
proporcionar um enorme aprendizado pessoal e profissional.
Ao Fernando Guevara Carazas pelo apoio incondicional, pelos conselhos acertados, e por me
ajudar a entender que pequenas descobertas podem se tornar em grandes decises.
Aos amigos e famlia pelas experincias compartilhadas, pela proximidade, e pelo apoio durante
muitos momentos importantes neste doutorado, especialmente a Lucila Patino pela sua disposio
para me escutar durante esta etapa e durante a vida toda, e pelas longas conversas acadmicas que
foram essenciais para entender muitos conceitos e esclarecer muitas ideias. Ao Diego Giraldo e
Claudia Ossa pela sua amizade incondicional e por ser meu brao em muitos assuntos na Colmbia.
Aos amigos Peruanos, Colombianos e Brasileiros quem foram uma grande companhia neste perodo.
Ao Erick, Dennis, Erico, Marjorie, Johana, Catalina, e Matheus que realizam ou realizaram
parte da sua atividade acadmica no Laboratrio de Confiabilidade e que participaram de forma
direta e indireta na concluso deste trabalho. Especialmente a Marjorie Belinelli pela amizade e
companhia que foi muito importante na fase final do doutorado. Aos amigos e colegas da USP
especialmente a Olga suga, Freddy Hernndez e Michel Rejani pela disposio e ajuda quando
precisei resolver dvidas referentes programao de softwares estatsticos e de simulao. A
Maria do Carmo Ferreira pela sua amizade, dedicao e ajuda na reviso deste texto.
Ao Prof. Dr. Eduardo A. Tannuri, pela disponibilizao de recursos e auxlio para realizar as
simulaes no TPN, e pelas suas contribuies que foram muito importantes para enriquecer este
trabalho. Ao Prof. Dr. Marcelo Ramos do Departamento de Engenharia Naval e Ocenicas pela
disponibilizao dos programas no LabRisco e por suas contribuies que muito ajudaram para
entender assuntos referentes ao risco na operao de navios petroleiros e na explorao de petrleo
em alto mar. Ao comandante Jalmir de Souza pela sua colaborao, esclarecendo minhas dvidas
tcnicas sobre a operao de navios aliviadores e plataformas ocenicas de explorao de petrleo.
Universidade de Antioquia pela licena e suporte concedidos para desenvolver o doutorado.
Ao Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico CNPq pelo suporte
financeiro concedido por meio da bolsa de doutorado.
RESUMO
Para explorar campos de petrleo offshore em guas profundas, o uso de plataformas offshore
(FPSO do ingls Floating Production Storage and Offloading)) e navios aliviadores, nas
ltimas dcadas, tornou-se uma alternativa economicamente e tecnicamente vivel. A FPSO um
tipo de navio petroleiro transformado para a explorao, e armazenamento petrleo. O
escoamento da produo usualmente realizado por um navio tanque aliviador, conectado em
tandem, ou por dutos. Porm o transporte martimo realizado pelos navios petroleiros est
sendo cada vez mais aceito, chegando a ser o principal meio para escoar a produo em guas
profundas. Entretanto, como contrapartida desta viabilidade tcnica, passou-se a executar
operaes de transbordo entre unidades flutuantes em ambientes mais agressivos, causando um
aumento do risco associado com estas operaes.
Este trabalho, visando garantir a segurana das operaes de transferncia em alto mar,
apresenta a aplicao de tcnicas de anlise de risco para a avaliao de operaes de
offloading entre unidades de produo tipo FPSO e navios aliviadores. aplicado um mtodo
indutivo para a identificao de riscos baseado no princpio de que os acidentes acontecem
como consequncia do desenvolvimento de um evento de perigo durante a operao, que pode
durar cerca de 24 horas. No contexto deste trabalho de pesquisa, a anlise de risco entendida
como quatro processos sequenciais: (i) identificao dos cenrios de perigos, (ii) estimao da
probabilidade de ocorrncia de falhas para cada cenrio, (iii) avaliao das consequncias, e, (iv)
tomada de deciso. Para melhorar a avaliao da probabilidade proposto o uso de tcnicas
bayesianas. Para fazer uma anlise mais abrangente das consequncias de falha proposto utilizar
o processo markoviano para modelar a probabilidade de mudanas do sistema FPSO-navio
aliviador durante a operao de offloading que podem causar mudanas no perfil de risco. A
tomada de deciso usada para avaliar a possibilidade de desconexo de emergncia durante a
operao.
O mtodo aplicado para avaliar o risco de uma operao de offloading na Bacia de Campos
(Brasil), entre uma plataforma tipo FPSO e um navio aliviador tipo Suezmax. Verifica-se que as
condies ambientais e a forma de realizao da amarrao exercem significativa influencia no
perfil de risco.
ABSTRACT
To explore offshore oil fields in deep water the use of a Floating Production Storage and
Offloading (FPSO) unit coupled to a shuttle tanker is economically and technically feasible. The
FPSO unit normally consists of a ship shaped hull, with an internal or external turret, and
production equipment on the deck. The unit is also equipped for crude oil storage. Oil
transportation systems required for supporting this infrastructure are pipelines or shuttle tankers.
Shuttle tankers are increasingly being accepted as a preferred transportation method for remote
and deepwater offshore developments. The offloading operation is considered one of the most
risky operations in offshore environments.
This dissertation presents a risk-based analysis method aiming at defining the risk profile
associated with an offloading operation. For offloading operations the risk profile is usually
evaluated considering that the environmental condition could suffer changes during offloading
that has an approximate duration of 24 hours.
The method follows four basic steps: identification of hazard (using PHA technique),
definition of failure scenarios and their probability of occurrence (using cause-consequence
diagram and FTA) and evaluation of failure consequences. To improve the evaluation of failure
consequences a more comprehensive analysis is proposed aiming at using the Markovian process
to model the probability of changes during offloading operation that could cause changes in the
risk profile developed in step two. The decision method is used to evaluate the possibility of
emergency disconnection during the operation. The method is applied to evaluate the risk profile
of an offloading operation in Campos Basin, Brazil, considering o FPSO. The analysis shows that
the environmental conditions and the way that the tanker is moored have great influence on the
risk profile.
LISTA DE FIGURAS
Figura 2.1 Relao entre perigo e acidente (ERICSON, 2005). ............................................ 20

Figura 2.2 Fluxograma da Avaliao Probabilstica do Risco. .......................................... 21
Figura 2.3 Estrutura tpica de rvore funcional. ................................................................ 23
Figura 2.4 Matriz de dependncia..................................................................................... 24
Figura 2.5 Planilha PHA. ................................................................................................. 25
Figura 2.6 Matriz de Risco (RODRIGUEZ, SOUZA e MARTINS, 2009). ....................... 27
Figura 2.7 Exemplo de Soluo de rvore de Falha (SOUZA, 2003). .............................. 31
Figura 2.9 Anlise de rvore de Eventos. ........................................................................ 32
Figura 2.10 Diagrama de sequncias de eventos (STAMATELATOS, 2002). .................. 33
Figura 2.11 Estrutura da rvore de deciso. ......................................................................... 35
Figura 3.1 Relao entre a distribuio A priori, verossimilhana e A posteriori.................... 43
Figura 3.2 Seleo da funo de verossimilhana. ............................................................... 49
Figura 3.3 Diagrama de Processo de Markov contnuo. ....................................................... 53
Figura 3.4 Diagrama de Markov para estados do sistema. .................................................... 56
Figura 3.5 Anlise de informao baseada em informao existente (SANCHEZ, 2005) ....... 60
Figura 4.1 Fluxograma resumido do mtodo proposto. ..................................................... 63
Figura 4.2 Conceito sequncia acidental (adaptado de ERICSON, 2005). ......................... 66
Figura 4.3 Fluxograma para a modelagem da sequncia acidental. ................................... 67
Figura 4.4 Framework do mtodo para estimar as probabilidades de ocorrncia. .............. 70
Figura 4.5 Fluxograma para obter a estimao das probabilidades. ................................... 70
Figura 4.6 Calculo da probabilidade de uma consequncia acontecer. .............................. 71
Figura 4.7 Funo de utilidade exponencial e logartmica para diferentes valores de
parmetros (SANCHEZ, 2005). ....................................................................................... 73
Figura 4.8 Modelo de tomada de deciso.......................................................................... 74
Figura 4.9 Fluxograma para analisar a mudana de estado em sistemas complexos. ......... 75
Figura 4.10 Algoritmo recorrente para o clculo das probabilidades. .................................... 77
LISTA DE FIGURAS
Figura 4.11 Fluxograma modelo matemtico.................................................................... 78

Figura 4.12 rvore de deciso sobre a mudana ou no na estratgia de operao. ........... 80
Figura 5.1 Tipo de Acidentes em Operaes de Carga e Descarga de Tanques (PLANAS,
VILCHEZ e CASAL 1999). .............................................................................................. 88
Figura 5.2 Fonte de Incidentes que Causaram Vazamento na Operao de FPSO
(GILBERT, WARD e WOLFORD, 2001).......................................................................... 89
Figura 5.3 Produo anual de petrleo no Brasil terra e mar. Fonte: ANP............................. 90
Figura 5.4 Esquema de conexo em Tandem (Adaptado de HALS, 1999). ....................... 92
Figura 5.5 Idade dos tipos de navio aliviador (MAN, 2009). ............................................ 93
Figura 5.6 Tipos de sistemas de posicionamento em navio aliviadores (CORREA et al.,
2006)................................................................................................................................ 94
Figura 5.7 Incidentes de Perda de Posio entre 1994-2004 (TJALLEMA et al., 2007)
e 2001-2004 (MORATELLI, 2010).................................................................................. 95
Figura 5.8 Causas de Perda de Posio entre 1994-2004 que causaram Incidentes e
Acidentes (TJALLEMA et al., 2007) ............................................................................... 95
Figura 5.9 rvore Funcional Geral do Processo de Offloading. ........................................ 97
Figura 5.10 rvore Funcional do Motor de Combusto Propulso .................................... 99
Figura 5.11 Setores e limites de operao (TANNURI, MORISHITA, et al. 2009)......... 102
Figura 5.12 Diagrama Sequncial de Eventos. .................................................................. 103
Figura 5.13 rvore de eventos para a operao de offloading. ............................................ 104
Figura 5.14 rvore de Falhas para o Sistema Posicionamento Dinmico ........................ 105
Figura 5.15 rvore de Falhas para o MCA ..................................................................... 106
Figura 5.16 rvore de Falhas para o MCP (Contnua) .................................................... 107
Figura 5.17 rvore de falha para Bomba Centrfuga do Sistema de Abastecimento de
Combustvel................................................................................................................... 110
Figura 5.18 Funes da distribuio A priori e A posteriori para eventos bsicos da
falha da Bomba Centrfuga............................................................................................. 110
Figura 5.19 Definio do Estados e Varivel Aleatria................................................... 114
Figura 5.20 Posio logo aps a conexo na condio ambiental I. ................................. 115
Figura 5.21 Posio logo aps a conexo na condio ambiental II. ............................... 115
iv
LISTA DE FIGURAS
Figura 5.22 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%),

Alvio de Proa, Sem Falhas ............................................................................................ 118
Alvio de Popa, Sem Falhas ........................................................................................... 119
Figura 5.24 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%),
Alvio de Proa, Sem Falhas ............................................................................................ 120
Alvio de Popa Sem Falhas ............................................................................................ 121
Alvio de Proa, Falha DP................................................................................................ 124
Alvio de Popa, Falha DP ............................................................................................... 125
Alvio de Proa, Falha DP................................................................................................ 126
Alvio de Popa, Falha DP ............................................................................................... 127
Alvio de Proa, Falha DP e MCP .................................................................................... 129
Alvio de Popa, Falha DP e MCP ................................................................................... 130
Figura 5.32 Probabilidade do navio aliviador permanecer na zona normal de operao .. 133
Figura 5.33 Probabilidade do navio aliviador retornar na zona normal de operao ........ 133
Figura 5.34 Probabilidade do navio aliviador se encontrar em um estado de operao
dada uma sequncia acidental......................................................................................... 135
Figura 5.35 rvores de deciso para continuar ou interromper a operao sabendo que
uma sequncia acidental ocorreu .................................................................................... 138
Figura 5.36 Probabilidade do navio aliviador sair da zona de operao normal (P12) ...... 140
Figura 5.37 a) Probabilidade da consequncia B acontecer dado que o navio aliviador
saiu da zona de operao normal, FPSO 100%; b) Probabilidade da consequncia C
acontecer dado que o navio aliviador saiu da zona de operao normal, FPSO 100% ..... 142
LISTA DE FIGURAS
Figura 5.38 a) Probabilidade da consequncia B acontecer dado que o navio aliviador

saiu da zona de operao normal, Aliviador 100%; b) Probabilidade da consequncia
C acontecer dado que o navio aliviador saiu da zona de operao normal, Aliviador
100% ............................................................................................................................. 143
Figura 5.39 rvore de deciso para a operao de offloading. ........................................ 144
Figura 6.1 Probabilidade de estar em S1 a) t=5, b) t=2, c) t=1, d) t=0.1.................. 153
Figura 6.2 Comportamento da deciso pela variao da pontuao de x na condio
IProaC1 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP ............................... 156
IProaC2 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP ............................... 157
IPopaC1 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP............................... 159
IPopaC2 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP............................... 160
IIProaC1 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP .............................. 162
IIProaC2 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP .............................. 163
IIPopaC1 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP ............................. 165
IIPopaC2 a) Sem falha, b) Com falha do DP, c) Falha do DP e MCP ............................. 166
Figura 6.10 Ramo 1 da rvore de Deciso continuar a operao de offloading no
momento em que o navio aliviador atinge o ngulo limite da zona de operao normal ....... 167
Figura 6.11 Ramo 2 da rvore de Deciso continuar a operao de offloading no
Figura 6.12 Anlise de sensibilidade do ramo 1 para continuar a operao de offloading
no momento em que o navio aliviador atinge o ngulo limite da zona de operao normal
para IProaC1................................................................................................................... 168
para IProaC2................................................................................................................... 169
vi
LISTA DE FIGURAS

para IPopaC1 .................................................................................................................. 169
para IPopaC2 .................................................................................................................. 170
para IIProaC1 ................................................................................................................. 170
para IIProaC2 ................................................................................................................. 171
para IIPopaC1 ................................................................................................................. 171
para IIPopaC2 ................................................................................................................. 172
Figura 6.20 Ramo 1 da rvore de Deciso para interromper a operao de offloading no
Figura 6.21 Ramo 2 da rvore de Deciso para interromper a operao de offloading no
Figura 6.22 Anlise de sensibilidade do ramo 1 para interromper a operao de
offloading no momento em que o navio aliviador atinge o ngulo limite da zona de
operao normal para IProaC1 ......................................................................................... 173
operao normal para IProaC2 ......................................................................................... 174
operao normal para IPopaC1 ........................................................................................ 174
vii
LISTA DE FIGURAS
viii

operao normal para IPopaC2 ........................................................................................ 175
operao normal para IIProaC1 ........................................................................................ 175
operao normal para IIProaC2 ........................................................................................ 176
operao normal para IIPopaC1 ....................................................................................... 176
operao normal para IIPopaC2 ....................................................................................... 177
LISTA DE TABELAS
Tabela 2.2 Classificao da frequncia de ocorrncia de eventos de perigo (CORREA

et al., 2006). ..................................................................................................................... 26
Tabela 2.3 Classificao de consequncias (CORREA, et al., 2006)................................. 26
Tabela 2.4 Smbolos dos Eventos da FTA (adaptado de GRANT e COOMBS, 1996). .......... 30
Tabela 2.5 Representao dos conectores (portes) lgicos em uma rvore de falha
(adaptado de GRANT e COOMBS, 1996). ......................................................................... 30
Tabela 2.6 Regras da lgebra de Boole (BAHR, 1997). ................................................... 31
Tabela 2.7 Smbolos usados na anlise causa consequncia (ANDREWS e RIDLEY,
2001). .............................................................................................................................. 34
Tabela 2.8 Tcnicas de anlise de risco usualmente usadas na PRA. ................................ 37
Tabela 3.1 Distribuies A priori geradas com o mtodo de mxima entropia (SIU e
KELLY, 1998).................................................................................................................. 47
Tabela 3.2. Probabilidades de transio. ............................................................................. 57
Tabela 4.1 Famlias conjugadas (LINDLEY, 1965). ............................................................ 68
Tabela 4.2 Funes de Utilidade (SANCHEZ, 2005)........................................................ 73
Tabela 4.3 Distribuies de probabilidade (MODARRES, 1993). ........................................ 76
Tabela 4.4 Exemplo de problema de deciso .................................................................... 81
Tabela 4.5 Avaliao do risco para o exemplo do problema de deciso ............................ 81
Tabela 4.6 Comparao entre diversas aplicaes de anlise de risco ............................... 83
Tabela 5.1 Causas gerais de acidentes em carga e descarga de tanques (PLANAS,
VILCHEZ e CASAL 1999). .............................................................................................. 89
Tabela 5.2 Tipos de navios aliviadores (MAN, 2009).......................................................... 93
Tabela 5.3 Resumo dos eventos de perigo classificados por fase. ..................................... 97
Tabela 5.4 Exemplo de Anlise Preliminar de Perigos para alguns componentes da
operao de offloading. .................................................................................................. 100
LISTA DE TABELAS
Tabela 5.5 Probabilidade A Posteriori dos Eventos Bsicos para a Falha na Bomba
Centrfuga ...................................................................................................................... 111
Tabela 5.6 Probabilidade de um Evento de Perigo. ......................................................... 111
Tabela 5.7 Probabilidade do Cenrio de Risco Acontecer Durante a Operao de
Offloading...................................................................................................................... 112
Tabela 5.8 Probabilidade de uma consequncia acontecer. ............................................. 112
Tabela 5.9 Condies Ambientais para a Simulao no TPN.......................................... 114
Tabela 5.10 Condies Operacionais para a Simulao no TPN. .................................... 116
Tabela 5.11 Parmetros da distribuio da posio angular do navio aliviador em cada
estado e sequncia acidental.............................................................................................. 131
Tabela 5.12 Probabilidade do navio aliviador se encontrar em S1 ou S2 dada uma
sequncia acidental.......................................................................................................... 134
Tabela 5.13 Alternativas para a seleo da estratgia de operao dado que no
aconteceu falha .............................................................................................................. 136
Tabela 5.14 Alternativas para a seleo da estratgia de operao dado que falha o DP .. 136
Tabela 5.15 Alternativas para a seleo da estratgia de operao dado que falha o DP
e MCP/MCA.................................................................................................................. 136
Tabela 5.16 Valor da avaliao do risco da mudana da estratgia de operao quando
ocorre uma sequncia acidental ...................................................................................... 139
Tabela 5.17 Probabilidade que uma consequncia ocorra dado que o navio mudou de zona
de operao S1 para S2 .................................................................................................... 142
Tabela 5.18 Avaliao do risco ...................................................................................... 145
Tabela 6.1 Condio Ambiental I com FPSO Cheio - Aliviador Vazio e Alvio de Proa . 148
Tabela 6.2 Condio Ambiental I com FPSO Vazio - Aliviador Cheio e Alvio de Proa . 148
Tabela 6.3 Condio Ambiental I com FPSO Cheio - Aliviador Vazio e Alvio de
Popa............................................................................................................................... 149
Tabela 6.4 Condio Ambiental I com FPSO Vazio - Aliviador Cheio e Alvio de
Popa............................................................................................................................... 149
Tabela 6.5 Condio Ambiental II com FPSO Cheio - Aliviador Vazio e Alvio de
Proa ............................................................................................................................... 150
10
LISTA DE TABELAS
Tabela 6.6 Condio Ambiental II com FPSO Vazio - Aliviador Cheio e Alvio de
Proa ............................................................................................................................... 150
Tabela 6.7 Condio Ambiental II com FPSO Cheio - Aliviador Vazio e Alvio de
Popa............................................................................................................................... 151
Tabela 6.8 Condio Ambiental II com FPSO Vazio - Aliviador Cheio e Alvio de
Popa............................................................................................................................... 152
Tabela 6.9 Parmetros equivalentes para a validao ...................................................... 153
11
LISTA DE ABREVIATURAS E SIGLAS
SMS
Differentiated Anchoring System
DP
Posicionamento Dinmico (Dynamic Positioning)
ET
Event Tree
ETA
Event Tree Analysis
FMEA
Failure Modes and Effect Analysis
FPSO
Floating Production Storage and Offloading
FSA
Formal Safety Assessment
FTA
Fault Tree Analysis
GNL
Gas Natural Liquefeito
HSE
Health and Safety Executive
IMO
Maritime Organization International
MCA
Motor de Combusto Auxiliar
MCP
Motor de Combusto Principal
MTTF
Tempo mdio at a falha
PHA
Preliminary Hazard Analysis
PRA
Probabilistic Risk Analysis
QRA
Quantitive Risk Analysis
TPN
Tanque de Provas Numrico
LISTA DE SMBOLOS
E[x]
Valor esperado de x
f()
Funo densidade de probabilidade
F()
Funo Acumulada da densidade de probabilidade
I()
Funo entropia
(t)
Funo Taxa de falha
ij(t)
Taxa de transio entre dois estados
L(E|)
Funo de verossimilhana
pij
Probabilidade de transio entre dois estados i e j
P0()
Funo de distribuio a priori
P(|E)
Funo de distribuio a posteriori
Pi(t)
Probabilidade do sistema estar no estado i no tempo t
P(Si| Ki)
Probabilidade de que o sistema esteja em um estado especfico, Si, de operao,

considerando a ocorrncia de uma consequncia Ki
P(Ki)
Probabilidade de que os cenrios de falha conduzam a uma consequncia Ki.
R()
Confiabilidade
[x]
Desvio padro de x
X(t)
Estados que um sistema pode assumir no tempo t
SUMARIO
CAPTULO 1
INTRODUO ................................................................................................................ 1
1.1. Consideraes Iniciais ........................................................................................................ 1

1.2. Objetivos................................................................................................................................. 4
1.2.1. Objetivo Geral ........................................................................................................................... 4
1.2.2. Objetivos Especficos.............................................................................................................. 5
1.3. Escopo do Trabalho ............................................................................................................ 6
CAPTULO 2
AVALIAO PROBABILSTICA DO RISCO ............................................................... 8
2.1. Consideraes Iniciais ........................................................................................................ 8

2.2. Fundamentos da Avaliao Probabilstica de Risco .................................................. 9
2.2.1. Estado da Arte da Avaliao Probabilstica de Risco .............................................. 9
2.2.2. Conceitos Bsicos ................................................................................................................. 16
2.2.3. Componentes da Anlise Probabilstica de Risco ................................................... 20
2.3. Tcnicas de Qualificao e Quantificao do Risco ................................................ 22
2.3.1. Tcnicas de Anlise de Risco ........................................................................................... 22
2.3.2. Tcnicas de Avaliao de Risco ...................................................................................... 28
2.4. Consideraes Finais ....................................................................................................... 36
CAPTULO 3
FUNDAMENTOS DE ESTIMAO E INFERNCIA PROBABILSTICA

SOB INCERTEZA......................................................................................................... 38
3.1. Consideraes Iniciais ..................................................................................................... 38

3.2. Princpios Bsicos de Inferncia bayesiana .............................................................. 38
3.2.1. Probabilidade ........................................................................................................................ 39
3.2.2. Generalizao do Teorema de Bayes ........................................................................... 40
3.2.3. Estimao de Parmetros bayesianos ........................................................................ 42
3.3. Anlise de Markov ............................................................................................................ 51
3.3.1. Conceitos Bsicos da Anlise de Markov.................................................................... 52
xv
SUMARIO
3.3.2. Processo Semi-Markov ....................................................................................................... 55

3.4. Modelo de Deciso Sob Incerteza ................................................................................ 58
3.4.1. Decises Baseadas em Valor Esperado ....................................................................... 59
3.4.2. Valor Esperado Baseado em Evidncia ...................................................................... 60
CAPTULO 4
PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA DE RISCO

PARA TOMADA DE DECISES DECISO EM SISTEMAS DE
SEGURANA CRTICA ............................................................................................... 62

4.2. Identificao e modelagem dos Cenrios de Risco ................................................. 64
4.2.1. Identificao e Caracterizao do Sistema............................................................... 64
4.2.2. Identificao de Eventos de Perigo .............................................................................. 65
4.2.3. Modelagem da Sequncia Acidental ............................................................................ 66
4.3. Estimao da Probabilidade .......................................................................................... 68
4.4. Avaliao das Consequncias........................................................................................ 71
4.4.1. Funo Utilidade .................................................................................................................. 71
4.5. A Tomada de Deciso ...................................................................................................... 73
4.5.1. Anlise de Mudana de Estado....................................................................................... 74
4.5.2. Anlise das consequncias em Funo das Mudanas de Estado ................... 77
4.5.3. Processo de Tomada de Deciso .................................................................................... 79
4.5.4. Validao do modelo de Tomada de Deciso........................................................... 80
CAPTULO 5
APLICAO DO MODELO DE AVALIAO PROBABILSTICA

DINMICA NA OPERAO DE OFFLOADING EM SISTEMAS OFFSHORE ..... 87

5.2. Identificao e modelagem dos Cenrios de Perigo na Operao de
Offloading ............................................................................................................................ 92
5.3. Avaliao de Probabilidade para os Cenrios de Risco na Operao de
Offloading .......................................................................................................................... 104
xvi
SUMARIO
5.4. Avaliao das Consequncias na Operao de Offloading .................................. 112

5.5. Anlise de Deciso .......................................................................................................... 112
5.5.1. Anlise de Mudana de Estado..................................................................................... 113
5.5.2. Probabilidade de uma Sequncia Acidental Acontecer dada uma
Mudana de Estado ................................................................................................................................. 139
5.6. Consideraes Finais ..................................................................................................... 145
CAPTULO 6
VALIDAO DO MODELO E DOS RESULTADOS............................................... 147
6.1. Consideraes Iniciais ................................................................................................... 147

6.2. Validao Estadstica da Seleo de Parmetros para as Distribuies de
Probabilidade................................................................................................................... 147
6.3. Validao do Algoritmo Recorrente .......................................................................... 152
6.4. Anlise de Sensibilidade da anlise de Deciso ..................................................... 154
6.5. Consideraes Finais ..................................................................................................... 177
CAPTULO 7
CONCLUSES E RECOMENDAES PARA TRABALHOS FUTUROS ............ 178
APNDICE A DESCRIO DE OPERAO DO MOTOR DE COMBUSTO PRINCIPAL

DO NAVIO ALIVIADOR .......................................................................................... 197
A.1. Anlise de Matrizes de Dependncia para o MCP ................................................. 204
APNDICE B ANLISE PRELIMINAR DE PERIGOS PARA A OPERAO DE
OFFLOADING ........................................................................................................... 207
APNDICE C CLCULO DE PROBABILIDADE DO EVENTO DE PERIGO: FALHA NO
MCP ............................................................................................................................. 193
APNDICE D RESULTADOS DA SIMULAO ............................................................................. 197
APNDICE E CDIGOS EM R E EM MATLAB.............................................................................. 211
E.1. Cdigo em R para Calcular a Distribuio de Probabilidade do aliviador
Estar em um Estado ....................................................................................................... 211
E.2. Cdigo e Matlab Para Calcular a Probabilidade do Aliviador Estar em
um Estado de Operao ................................................................................................ 212
E.3. Cdigo em Matlab de Validao do Algoritmo Recorrente ................................ 212
APNDICE F AVALIAO RVORE DE DECISO...................................................................... 215
xvii
SUMARIO
F.1. rvore de Deciso sobre Interromper ou Continuar com a Operao de

Offloading quando o Navio Aliviador Est Fora da rea de Operao e
Acontece uma Sequncia Acidental........................................................................... 215
F.2. rvore de Deciso sobre Interromper ou Continuar com a Operao de
Offloading quando uma Sequncia Acidental Ocorre dada uma Mudana
de Estado ........................................................................................................................... 218
ANEXO A
CARACTERSTICAS DO NAVIO ALIVIADOR SUEZMAX DP E DA

PLATAFORMA FPSO USADOS NA SIMULAO .....................................................215
CAPTULO 1 INTRODUO
1.1.
CONSIDERAES INICIAIS
A ocorrncia de acidentes em sistemas complexos como, por exemplo, plataformas de

explorao de petrleo e gs natural em ambientes martimos, usinas termoeltricas, centrais
nucleares, entre outros, causa grandes prejuzos financeiros, uma vez que so interrompidas suas
operaes e, alm disso, podem causar danos s pessoas, propriedade, ao meio ambiente ou
combinao destes. Portanto, existe um grande desafio na anlise de risco de sistemas e/ou
operaes complexas para identificar fatores e pontos vulnerveis que podem ser geradores de
cenrios inaceitveis de operao, visando minimizar a probabilidade de ocorrncia dos eventos
indesejveis que gerem estes cenrios e seu impacto, tanto para o meio ambiente e as operaes
como para as pessoas envolvidas no processo. Do mesmo modo, busca-se minimizar as
consequncias econmicas, seja em funo da perda de algum equipamento ou da parada na
operao do sistema.
Neste contexto, o risco pode ser definido como uma medida resultante da combinao entre as
frequncias de ocorrncia de eventos indesejados e a magnitude das perdas associadas a estes
eventos, que podem ser entendidas como danos ou consequncias. Deste modo, eventos
indesejados e falhas nos sistemas podem causar cenrios inaceitveis do ponto de vista de
operao ou de segurana. Por esta razo, torna-se fundamental o uso efetivo de modelos que
visem a identificao das fontes e dos efeitos de um determinado cenrio inaceitvel de operao
para obter os diferentes cenrios de acidentes e o desenvolvimento das falhas. Estes modelos,
ento, tero a capacidade de apoiar a tomada de decises com o objetivo de mitigar as causas e
conter as consequncias, ou seja, orientar a adoo de medidas de contingncia.
sabido que, historicamente, a necessidade de quantificar o risco antecede a tomada de
deciso e, portanto, a tomada de deciso pode ser entendida como o objetivo ltimo da anlise de
risco (SINGPURWALLA, 2006). Nas ltimas dcadas, devido crescente necessidade de se
tomar decises estruturadas que obedeam a critrios de repetibilidade e reprodutibilidade, tem-se
observado, no mbito tcnico, cientfico e industrial, um esforo para formalizar, ainda mais, os
conceitos sobre confiabilidade e especialmente os conceitos associados com a quantificao do
INTRODUO
risco mediante mtodos que consigam modelar com boa confiana a realidade operacional de um
sistema.
Desta forma, a necessidade de quantificar o risco e sua incerteza permitiu que os conceitos de
avaliao probabilstica do risco se desenvolvessem visando a proposio de mtodos que cada
vez se aproximem mais a realidade e que conseguissem incorporar diversas fontes de informao
na sua quantificao, como ser discutido no decorrer deste texto.
A avaliao probabilstica do risco, visando a segurana e o alto desempenho operacional dos
sistemas, permite aplicar os conceitos de confiabilidade e risco com o objetivo de estimar e
quantificar tanto a probabilidade quanto as consequncias de acidentes em um sistema, instalao
ou processo.
Tradicionalmente, a anlise de risco tem sido tratada atravs de uma abordagem clssica, onde
a probabilidade independe do analista. Este conceito de probabilidade do tipo frequentista e,
deste modo, a anlise de risco tradicional no utiliza fontes de informao como a experincia do
analista e a possibilidade de que a probabilidade de um evento mude pela obteno de nova
informao sobre do sistema. Em algumas ocasies, a quantificao do risco requer a
quantificao da probabilidade de eventos raros, com poucos dados existentes e, para consegui-la,
normalmente, preciso empregar o julgamento de especialistas como, por exemplo, no caso de
estudos envolvendo usinas nucleares, e manuteno de sistemas, entre outros. Portanto, chega a
ser evidente que, em muitos casos, a quantificao do risco no pode ser realizada usando
mtodos estatsticos tradicionais da estatstica clssica, principalmente pela escassez de dados
empricos relevantes (SIU e KELLY, 1998).
Alm disso, em sistemas complexos e de segurana crtica frequentemente podem ocorrer
eventos indesejveis de baixa probabilidade de falha e com poucos dados histricos disponveis e,
ao analis-los, preciso controlar uma quantidade considervel de variveis que aumentam a
incerteza e a complexidade da deciso. Uma deciso errada pode comprometer seriamente o
funcionamento do sistema, com danos sem possibilidade de reparo ou de reparo muito demorado
ou, at mesmo, pode causar morte ou leses graves em uma ou mais pessoas, dentro e nos
arredores da instalao. Assim, nos sistemas de segurana crtica, as falhas de equipamentos
tendem a ser eventos raros e os dados empricos para estimar os parmetros so geralmente
dispersos. Nestes casos, os mtodos da estatstica clssica no tm bom desempenho j que geram
intervalos de confiana muito amplos e no permitem incorporar informaes de diferentes fontes
como o conhecimento de consultores especialistas e probabilidades subjetivas. Deste modo, as
tcnicas de estimao bayesianas so mais adequadas para determinar a probabilidade de um
INTRODUO
sistema atingir determinado estado (CHRISTENSENet al., 2010). Assim, a combinao das
ferramentas de anlise de risco com mtodos bayesianos permite obter modelos que incorporem
no s dados histricos como tambm conhecimento de especialistas no projeto e da operao do
sistema.
Diante do exposto, para a anlise de risco de sistemas complexos de segurana crtica devem
ser considerados os diversos fatores relacionados ao risco da sua operao dos elementos que
compem o sistema, j que a operao envolve falhas e consequncias especficas. Portanto, estes
sistemas requerem, especialmente, modelos que analisem o sistema no decorrer da operao. Por
outro lado, no se pode esquecer que o modelo para a anlise probabilstica de risco
desenvolvido com a finalidade de auxiliar a tomada de deciso. Embora a literatura sobre deciso
seja ampla, pouco encontrado sob o ponto de vista de modelos de deciso quantitativos. Falcket
al. (2000) destacam a importncia da anlise probabilstica do risco como apoio tomada de
deciso, porm, eles abordam este aspecto do ponto de vista qualitativo.
Em resumo, pode-se afirmar que existe um grande desafio quanto modelagem das
causalidades que existem nos sistemas complexos e, consequentemente, necessrio desenvolver
modelos que identifiquem as falhas de maneira contextual e estimem as probabilidades
considerando as relaes causas - consequncias associadas com uma falha especfica. Obtmse, assim, uma representao realista da natureza das interaes dentro do sistema podendo ser
aplicada em ambientes que mudam no decorrer da operao.
O modelo apresentado neste trabalho uma alternativa que pode ser empregada para
representar um grande nmero de sistemas em diferentes reas e cuja segurana e operao seja
um fator crtico. Este tem como objetivo apoiar a tomada de deciso identificando os fatores e
pontos vulnerveis do sistema que possam causar consequncias graves, visando reduzir a
probabilidade de ocorrncia e seu impacto, tanto no mbito ambiental quanto para as pessoas
envolvidas nas operaes. Este trabalho apresenta um mtodo que apoia a tomada de deciso
baseada em uma anlise probabilstica do risco, usando uma abordagem dinmica que considera a
atualizao de probabilidades quando existem novas evidncias sobre a ocorrncia de falhas e que
considere a chance de que as condies operacionais mudem no decorrer do processo.
O sistema complexo de segurana crtica selecionado para aplicar o modelo desenvolvido a
operao de offloading entre uma FPSO (do ingls Floating Production Storage and Offloading)
e um navio aliviador tipo Suezmax.
A importncia de realizar a anlise neste sistema baseia-se na constatao que a perfurao de
poos para a explorao de petrleo no mar avana em grande escala, atingindo
INTRODUO
profundidades cada vez maiores. Esta situao gerou a necessidade de aperfeioamento dos
sistemas de transferncia e de transporte para um melhor aproveitamento operacional do sistema
de explorao. O uso de navios aliviadores vivel em tal ambiente, especialmente do ponto de
vista dos custos de transporte. O custo de fazer este transporte por dutos aumenta de forma
significativa quando a lamina d gua cresce, enquanto os custos de transporte por navios
aliviadores so insensveis, at certo ponto, magnitude da lamina dgua.
Deve-se entender que o transporte de petrleo e seus derivados vai ser determinante no
desempenho de outras operaes como o escoamento da produo dos campos petrolferos e a
distribuio dos produtos processados. Para viabilizar estas atividades, tem-se a integrao de
meios de transporte e instalaes e, portanto, analisar e quantificar o risco associado a estas
operaes torna-se tarefa fundamental, especialmente quando se considera que, no Brasil, mais
de 75% de todas as reservas de petrleo encontram-se em guas profundas e ultra profundas.
1.2.
1.2.1.
OBJETIVOS
Objetivo Geral
Este trabalho tem como objetivo geral desenvolver um mtodo de anlise de risco em
sistemas complexos quando existem eventos externos e internos que afetam o desempenho do
sistema e que fazem parte de uma sequncia de eventos de perigo, cujos efeitos podem resultar
em consequncias graves para o sistema, em funo da mudana inesperada das condies iniciais
da operao. Deste modo, prope-se um modelo hbrido para a anlise de risco, baseado na
integrao de rvore de eventos, rvore de falhas, anlise bayesiana e anlise de Markov,
aplicado operao de offloading entre uma plataforma tipo FPSO e um navio aliviador tipo
Suezmax, com capacidade de carga entre 125.000 e 165.000 dwt (do ingls Deadweight
tonnage). O modelo se inicia com a identificao dos cenrios de perigo que obtida por meio
da identificao e caracterizao do sistema e suas relaes funcionais para, posteriormente,
serem definidos os eventos iniciadores dos cenrios de perigo, bem como as sequncias de
propagao dos efeitos dos mesmos que podem conduzir a um acidente. Nesta etapa, so
usadas tcnicas como a anlise preliminar de perigos, PHA (do ingls Preliminary Hazard
Analysis) e anlise funcional. Posteriormente, para a avaliao das probabilidades de
ocorrncia de cada cenrio, o sistema modelado atravs da rvore de falhas, FTA (do ingls
Fault Tree Analysis) e, usando modelos de inferncia bayesiana, calculada a chance de que
um cenrio de perigo acontea. Para a avaliao das consequncias usada a rvore de
eventos, ET (do ingls Event Tree), onde um processo markoviano usado para modelar a
INTRODUO
probabilidade de mudanas do sistema. Estas probabilidades serviro de apoio tomada de

deciso.
Objetivos Especficos
1.2.2.
Aplicar os conceitos de anlise de risco, usando tcnicas de anlise bayesiana e de

Markov, com o objetivo de auxiliar a tomada de decises no que se refere s mudanas
na estratgia de operao quando existe uma mudana repentina nas condies em que a
operao executada.
Fornecer uma medida quantitativa como suporte do processo de tomada de deciso,

visando reduzir a possibilidade de que ocorram incidentes que venham a afetar o
desempenho ou causar acidentes que originem consequncias de magnitudes
consideradas perigosas ou de alto risco.
Aplicar o modelo proposto para analisar as operaes de transferncia de petrleo em

atividades offshore. Deste modo, ser executada uma anlise de risco qualitativa e
quantitativa de uma operao de offloading em cenrios distintos.
o
Apresentar a definio de eventos indesejados e suas respectivas combinaes,

cuja ocorrncia pode implicar em uma grave degradao do processo de
offloading, que poderia induzir at um incidente com possibilidade de coliso entre
o navio aliviador e o FPSO.
Definir a sequncia acidental destes eventos e o risco que ser calculado para cada
uma destas.
Obter a probabilidade para cenrios de falhas dada a probabilidade de que o

sistema esteja em uma condio inicial. O resultado final dever captar o
dinamismo do sistema e possibilitar a atualizao de novas evidncias. Tais
evidncias podem ser novas informaes ou novos acontecimentos.
Dentre as contribuies deste trabalho pode-se ressaltar que apresentada, de forma

estruturada e organizada, a aplicao de uma anlise probabilstica e dinmica de risco para
um sistema que se caracteriza pela combinao e inter-relao complexa de diferentes
elementos como pessoas, operaes e ambiente. Esta anlise avalia, de forma dinmica, as
consequncias e a possibilidade de incorporao de mudanas de estado dentro da avaliao
de risco, com o objetivo de apoiar a tomada de deciso referente mudana da estratgia de
operao.
INTRODUO
O mtodo apresentado diferente dos existentes na literatura pelo fato de ser um modelo
hbrido para a tomada de deciso, incorporando duas variveis que no tm sido consideradas
dentro do mesmo modelo matemtico: a mudana de estado no decorrer da operao e
avaliao probabilstica dependente do estado de conhecimento para eventos raros, bem como
a incorporao de fatores internos e externos que possam afetar o desempenho da operao e
possam causar danos ao meio ambiente ou pessoal de operao do sistema. Desta forma o
modelo proposto uma combinao das tcnicas de anlise de risco, anlise bayesiana e
anlise de Markov.as quais so inter-relacionadas de uma forma sequencial possibilitando o
desenvolvimento de um modelo matemtico para a anlise e tomada de deciso.
Outra contribuio importante desta tese mostrar a aplicao do mtodo em um caso de
estudo real de um sistema complexo que integra, de forma lgica e estruturada, os modelos
matemticos com simulao numrica e anlises de cenrios de falha. Possibilita, assim, a
identificao dos pontos crticos na operao de sistemas complexos com as tcnicas de
representao de cenrios para, posteriormente, apurar um valor numrico associado ao risco
da operao, mostrando como o risco pode deixar de ser uma valorao qualitativa e se tornar
uma parte integral no processo de tomada de deciso.
1.3.
ESCOPO DO TRABALHO
Esta tese composta por oito captulos e seis apndices. Aps a introduo e apresentao dos
objetivos deste trabalho, os Captulos 2 e 3 apresentam o referencial terico utilizado para
desenvolver a tese. No Captulo 2 so abordados os principais aspectos da avaliao probabilstica
do risco onde se detalha o estado da arte, explorando suas principais reas de aplicao e seus
principais elementos e caractersticas. No Captulo 3, definies e consideraes sobre os
conceitos de teoria de probabilidade e inferncia bayesiana so apresentadas, analisando as
diferentes abordagens destes conceitos e as diferenas entre as definies frequentista e bayesiana.
Neste captulo, tambm so apresentados os conceitos de anlise de Markov e suas abordagens
discreta e contnua, alm das consideraes referentes anlise de deciso sob incerteza.
No Captulo 4 define-se a proposta do mtodo de avaliao probabilstica de risco para a
tomada de deciso, considerando-se os fatores que influenciam esta definio. Adicionalmente,
so selecionadas as tcnicas de modelagem utilizadas para cada etapa do mtodo.
No Captulo 5 so exibidos os resultados da aplicao do mtodo para analisar operaes de
transferncia de combustveis em atividades offshore entre um FPSO e um navio aliviador do tipo
INTRODUO
Suezmax na Bacia de Campos, no Brasil. Na sequncia, os Captulos 6 e 7 apresentam as

concluses da tese e as referncias bibliogrficas.
Finalmente, so apresentados seis apndices. O Apndice A apresenta a descrio de operao
do motor de combusto principal do navio aliviador. O Apndice B apresenta a anlise preliminar
de perigos para a operao de offloading. O Apndice C mostra o clculo da probabilidade do
evento de perigo: falha no MCP. Os resultados da simulao realizada no simulador do TPN so
apresentados no Apndice D. Os cdigos utilizados no decorrer da tese para obter diversos
resultados, desenvolvidos nos programas R e Matlab, so apresentados no Apndice E. Por
ltimo, o Apndice F mostra a avaliao detalhada das rvores de deciso desenvolvidas no
Captulo 5.
CAPTULO 2 AVALIAO PROBABILSTICA DO RISCO
2.1.
Termos como credibilidade, perigo, integridade, confiabilidade, segurana, incerteza e risco

tornaram-se importantes no vocabulrio dirio das diversas reas da indstria, mas, muitas vezes,
so usados de forma imprecisa. Por exemplo, o termo confivel, em muitas ocasies, utilizado
para descrever o comportamento de um indivduo ou uma organizao. O termo segurana
frequentemente relacionado com um determinado nvel de convivncia harmoniosa dentro da
sociedade, garantida pelas foras da ordem ou relacionado com a operao de componentes sem
afetar a integridade fsica de quem usa o componente. Da mesma forma, a palavra risco usada
para advertir uma possvel exposio a uma consequncia adversa e muitas vezes este termo
substitui o termo perigo. O ponto que, no cotidiano e algumas vezes na rea tcnica, existe
uma tendncia de usar estes termos alternadamente ou de forma incorreta, desconhecendo suas
diferenas do ponto de vista matemtico, estatstico e metodolgico. No entanto, o aumento da
complexidade de operao dos sistemas, assim como a necessidade de tomar decises a partir dos
diferentes comportamentos do sistema em cenrios adversos de operao, obriga o analista a
definir com preciso cada um destes termos, bem como definir modelos para a quantificao do
risco e da confiabilidade (SINGPURWALLA, 2006).
O foco principal deste captulo e desta pesquisa o risco. Este conceito pode ser entendido
como uma evoluo dos conceitos de confiabilidade e segurana e possui a vantagem de
possibilitar o estabelecimento de modelos que permitem obter uma medida numrica do mesmo e
no s uma percepo qualitativa. Este valor subsidia a utilizao da segurana e incerteza como
mtricas para a tomada das decises (MIGON e LOPES 2002).
Neste captulo, sero apresentados os conceitos relacionados com a avaliao probabilstica de
risco, iniciando pela apresentao do estado da arte, com o intuito de reunir, analisar e discutir as
informaes publicadas at o momento sobre a anlise probabilstica de risco. Da mesma forma,
pretende-se estudar a evoluo da anlise probabilstica de risco, especialmente os desafios que
esta metodologia enfrenta nas indstrias naval e de explorao de petrleo em ambientes
martimos. Posteriormente, sero apresentados os elementos que compem a avaliao
AVALIAO PROBABILSTICA DO RISCO
probabilstica de risco e sero definidas as diferentes metodologias que permitem abordar cada um
destes elementos.
2.2.
2.2.1.
FUNDAMENTOS DA AVALIAO PROBABILSTICA DE RISCO

Estado da Arte da Avaliao Probabilstica de Risco
A preocupao com a segurana existe h sculos. Os primeiros registros conhecidos datam

da Idade Mdia e correspondem s primeiras leis que estabeleciam compensao em caso de
leses durante o trabalho. No sculo XIX, nos Estados Unidos e na Gr Bretanha, foram
institucionalizados os termos segurana e risco sob a viso do mercado de trabalho e foram
criadas leis para regulamentar a responsabilidade do empregador em caso de acidentes de
trabalho. No sculo XX, antes da Segunda Guerra Mundial, foi implantado nos Estados Unidos
um programa para a preveno de acidentes.
Em 1930, aps a depresso econmica sofrida pelos Estados Unidos e pelo mundo, os
problemas no comrcio suscitaram o interesse nos tpicos de tomada de deciso e anlise de risco.
Durante e aps a Segunda Guerra Mundial e com o incio da tecnologia nuclear, a anlise de risco
comea a ser muito importante na medida em que torna-se relevante quantificar os nveis de
segurana das operaes. Assim, neste perodo, como resposta necessidade de se obterem
estimativas sobre a segurana dos sistemas, surge a Avaliao Probabilstica do Risco PRA (do
ingls Probabilistic Risk Analysis).
Porm, foi durante as dcadas de 60 e 70 que a especificao do risco comeou a ser exigida
para regulaes de diversas instalaes industriais, como por exemplo, na segurana requerida na
indstria de gerao de energia eltrica com o emprego de usina termoeltrica baseada em
reatores nucleares (WASH-1400, 1975; KELLER e MODARRES, 2005). Na metade da dcada
dos anos 70, alguns conceitos de gesto do risco foram introduzidos em polticas pblicas
associadas com a gerao de energia nuclear e a maioria destes desenvolvidos como resultado dos
principais desastres observados na indstria qumica. No entanto, nestas dcadas o interesse se
centrava na quantificao da confiabilidade (probabilidade de sucesso) para satisfazer as
especificaes na rea aeroespacial, nuclear e de defesa.
Especificamente a PRA, tambm conhecida como Anlise Quantitativa do Risco QRA (do
ingls Quantitive Risk Analysis), iniciou-se nas dcadas de 60 e 70 na indstria nuclear. A partir
desse momento, tanto na rea nuclear quanto em outras indstrias, tem-se utilizado diversas
tcnicas para estimar a probabilidade de falha de um sistema, assim como para analisar a
10
probabilidade de sequncias de propagao destas falhas no sistema cenrio de falha que

conduziriam a um acidente ou uma consequncia indesejada.
Na dcada dos 80, depois do acidente da planta nuclear de Three Mile Island nos Estados
Unidos em 1979, foram definidos e estruturados alguns mtodos para obter a quantificao do
risco. Tambm, durante esta dcada, as crescentes exigncias do mercado, principalmente em
referncia a menores preos e maior qualidade dos produtos, geraram a necessidade de encontrar
alternativas para aumentar o desempenho dos processos e produtos. Este fato levou as empresas
de manufatura e de servios a usarem medidas de quantificao da confiabilidade para especificar
um determinado desempenho e estabelecer polticas de garantia ps-venda (SIMKINS e
BUKOWSKI, 1984; NIVOLIANITOU, AMENDOLA e REINA, 1986; LEE, 1988; ALE, 2002;
KELLER e MODARRES, 2005; SINGPURWALLA, 2006).
Em outras palavras, at este momento, a anlise de falha estava claramente delimitada e
estabelecidos seus mtodos de quantificao, porm, a anlise quantitativa das consequncias
apenas comeava. J nos anos 90, a anlise de risco foi usada para pesquisar sistematicamente a
segurana operacional de sistemas empregados na indstria em geral, sendo consolidada uma
ferramenta para a tomada de deciso em engenharia, negcios e finanas. Neste perodo, a
engenharia contnuou aplicando a anlise de risco em reas como: indstria nuclear, transporte
martimo, aeroespacial, na indstria de petrleo e gs, no projeto de estruturas resistentes a
tremores de terra, entre outras. Estas aplicaes introduziram o conceito de incerteza e a
necessidade de quantificar o risco de forma precisa e no s de forma qualitativa (RAVINDRA,
1990; COJAZZI, 1996; SHEIKH e AL-GARNI, 1996; GOOSSENS e COOKE, 1997;
SANCHEZ, 2005).
Neste sentido, tornou-se fundamental discutir as fontes de incerteza e assim encontrar as
alternativas para analis-las. Ao longo da histria, duas abordagens tericas surgiram para
entender as principais fontes geradoras de incerteza. A primeira defende que a origem da incerteza
est na ausncia de informaes e trata a incerteza como um fenmeno subjetivo. Esta
abordagem, entretanto, cedeu espao na dcada de 80 abordagem que enfatiza a falha de
componentes crticos como a principal fonte geradora de incerteza. Em geral, as incertezas
associadas deciso provm da dificuldade para determinar a ocorrncia de um evento, como
apresentado nos trabalhos de Cheok et al. (1998) e Borgonovo e Apostolakis (2001).
Nas ltimas dcadas, observa-se uma evoluo no sentido de se estabelecer uma medida de
risco em funo do sistema atingir um estado indesejvel. Kaplan (1990), Siu e Kelly (1998) e
Aven e Kvaloy (2002) apresentam os fundamentos para a estimao bayesiana e discutem alguns
11
desafios prticos do uso de mtodos bayesianos na avaliao probabilstica do risco em diferentes

reas da indstria. Jun et al. (1999) usam a abordagem bayesiana para estimar as taxas de falha
em trs nveis de consequncias: menor, significativo e severo. Meel e Seider (2006) utilizam
mtodos bayesianos para estimar probabilidades de falha de sistemas de segurana crtica, bem
como predizer as consequncias das falhas nestes sistemas aplicando seus mtodos em plantas de
processos qumicos. Kalantarnia et al. (2009) apresentam uma anlise de risco completa para um
tanque de armazenamento de produtos qumicos. A anlise compreende desde a identificao de
cenrios de risco at a estimao das probabilidades das consequncias. Estes autores usam
mtodos determinsticos e anlise bayesiana para fazer as suas estimaes. Yun et al. (2009)
desenvolvem um mtodo chamado Bayesian-LOPA (Layer of Protection Analysis) como uma
ferramenta de avaliao de risco usando mtodos bayesianos para estimar os riscos potenciais em
terminais de GNL (Gs Natural Liquefeito). Todos estes estudos desenvolvem modelos para
quantificar a incerteza e inclu-la nos modelos de anlise de risco, mas so estticos ao percorrer a
operao, pois embora apresentem mtodos para o clculo de uma probabilidade de falha que
pode ser atualizada segundo evidncias, no consideram outra caracterstica dos sistemas de
segurana crtica que a mudana de estado no decorrer da operao.
Nesse mesmo sentido, Distefano e Puliafito (2009) analisam mtodos tradicionais em anlise
de confiabilidade como diagrama de blocos e rvore de falhas para estudar sistemas complexos,
dinmicos e dependentes, e sua proposta baseada em anlise de Markov. Estes estudos mostram
que a anlise markoviana uma ferramenta til para conhecer a probabilidade do sistema
permanecer em um determinado estado e a probabilidade deste mudar para um novo estado de
operao em funo de uma determinada taxa de transferncia. Uma importante considerao a
ser feita que em sistemas complexos as probabilidades de estado e taxas de transferncia entre
estados, usualmente, so dinmicas e obedecem a distribuies de probabilidade que no
necessariamente so distribuies exponenciais. Portanto, incluir esta caracterstica dinmica
dentro dos modelos torna-se um desafio que faz a anlise mais complexa, porm em compensao
mais aproximado realidade.
2.2.1.1.
Indstria Naval
Neste setor as regulamentaes esto relacionadas a diferentes aspectos da operao dos

navios tais como: construo, navegao, trnsito em portos, trabalho da tripulao e segurana
do navio, do meio ambiente e da tripulao, bem como da operao dos sistemas do navio e/ou
auxiliares. As regulamentaes visam garantir melhorias na previso e controle de situaes
perigosas que poderiam resultar em incidentes. Estes regulamentos de segurana so basicamente
12
estabelecidos pela IMO (do ingls Maritime Organization International) e pelas sociedades
classificadoras como a DNV (Det Norsk Veritas) e ABS (American Bureau of Shipping), entre
outras.
Na abordagem determinstica, muitas das especificaes de projeto so baseadas na
experincia passada e, muitas delas, aps a ocorrncia de algum acidente importante, so
revisadas. Desta forma, em resposta ao acidente ocorrido na plataforma de produo de petrleo
do Mar do Norte, Piper Alpha, em 1988, que resultou em 167 mortes, a diviso de segurana
offshore da HSE (do ingls Health and Safety Executive) ordenou a reviso de toda a legislao de
segurana de sistemas offshore. Consequentemente, em 1995, a IMO decidiu adotar uma
metodologia estruturada para a anlise e avaliao de segurana dos navios e do transporte
martimo chamada de FSA (do ingls Formal Safety Assessment) (KONTOVAS E
PSARAFTINS, 2009).
Wang (2001) analisa as cinco etapas do FSA e discute sua aplicao no projeto e operao de
navios. As cinco etapas so: 1) identificao dos perigos e dos cenrios que poderiam conduzir
aos acidentes tais como contato, coliso, exploso, incndio, alagamento e afundamento; 2)
pesquisa das causas e consequncias dos cenrios e identificao das reas de maior risco. Nesta
identificao normalmente so usadas tcnicas como a matriz de risco; 3) definio de estratgias
de controle de risco eficazes e prticas de operao visando reduzir o nvel do risco nas reas
crticas; 4) avaliao do custo-benefcio identificando e comparando os benefcios e os custos
associados com a implantao das estratgias de controle do risco e 5) recomendaes para a
tomada de deciso.
Soares e Texeira (2001) discutem vrios acidentes com navios e sistemas ocenicos
estabelecendo uma avaliao global dos nveis de risco e sua diferenciao segundo o tipo de
navio e o tipo de perda. Os autores tambm citam a utilizao do FSA como ferramenta de apoio
tomada de decises para cumprir a legislao existente para o transporte martimo. Estes autores
ressaltam que os passos da metodologia se enquadram na anlise clssica de risco e o desafio est
em aplicar este modelo ao projeto e operao de navios, incluindo o conhecimento de
especialistas e probabilidades subjetivas no tratamento estatstico dos dados.
Por outro lado, Rosqvist e Tuominen (2004) advertem sobre a necessidade de quantificar cada
um dos estgios associados ao FSA e apresentam alguns critrios para estabelecer medidas em
cada uma das etapas do FSA. Assim, para a primeira etapa, propem a utilizao de mtodos que
usam regras de classificao para o risco. Na segunda etapa, mencionada a necessidade de
modelar as incertezas associadas ao risco, porm no estabelecido o mtodo para avali-las. Nas
13
duas etapas seguintes, proposta a utilizao de ferramentas de planejamento estratgico do tipo

stakeholder (partes interessadas) e o estabelecimento de protocolos para avaliar o julgamento de
especialistas. Embora a necessidade de quantificao seja levantada por estes autores, este
trabalho traz uma proposta de avaliaes qualitativas e o problema no tem uma abordagem
quantitativa.
Eleye-Datubo, et al (2006) apresentam um modelo para avaliar o risco usando redes
bayesianas como suporte para a tomada de deciso. Eles analisam dois casos da indstria naval,
usando informaes de navios canadenses. No primeiro caso, calculam a probabilidade de
evacuao de uma plataforma offshore quando existe a possibilidade de coliso, incndio, ou
naufrgio. No segundo caso analisam a probabilidade de coliso entre um FPSO e um navio
aliviador. Nos dois casos a deciso tomada a partir da probabilidade resultante da rede
bayesiana.
No mbito da avaliao quantitativa, o trabalho de Hu et al. (2007) apresenta um modelo que
usa a lgica fuzzy para determinar uma medida de risco relativo, concentrando-se especialmente
nos critrios de frequncia e severidade, na navegao de navios. Estes autores utilizam escalas
para transformar a informao qualitativa existente nas bases de dados sobre acidentes, bem como
a informao referente s frequncias e severidades. Com estas transformaes, conseguem
converter as informaes em fatores para o modelo que permite usar o conceito da matriz de risco.
Embora a abordagem seja semiquantitativa, so utilizadas cinco escalas tanto para as frequncias
quanto para as consequncias. No entanto, essas escalas so consideradas poucas e imprecisas
para um sistema complexo de segurana crtica. Portanto, ressalta-se a importncia da insero
dos mtodos probabilsticos como parte integral da metodologia da PRA.
Na literatura podem ser encontrados alguns estudos que apoiam a modelagem probabilstica
de eventos indesejados na indstria naval, embora os modelos propostos no estejam inseridos
como parte integral da metodologia da PRA. Neste contexto, Chen e Moan (2004) apresentam um
modelo probabilstico para avaliar a coliso entre o navio aliviador e o FPSO. Em primeiro lugar,
estes autores identificam as possveis fontes e situaes que causam a perda de posio do navio e
em outro estgio analisam as possveis atividades a serem executadas para recuperar a posio e
evitar a coliso. O modelo probabilstico um modelo simples que define a probabilidade de
coliso como uma funo dos dois estgios e depende totalmente de base de dados sobre
acidentes, desconsiderando a informao que pode resultar da anlise das mquinas e dos sistemas
envolvidos.
14
Barros (2006) prope um mtodo hbrido entre redes bayesianas e processos de Markov para
a anlise de disponibilidade de sistemas complexos, baseado em um modelo de inferncia para as
taxas de falha e de reparo de um processo de Markov. Trucco et al. (2008) e Roedet al. (2009)
discutem a aplicabilidade de mtodos tradicionais de anlise de risco combinados com redes
bayesianas como ferramenta para a anlise de risco na fase de projeto e planejamento da
operao, especificamente na indstria offshore.
Roed et al. (2009) apresentam um modelo focado na fase operacional de operaes offshore.
Este estudo ressalta a importncia de se analisar estes tipos de sistemas quando de sua operao
para apoiar decises na manuteno, porm deixam de lado a possibilidade de que o mtodo apoie
decises em termos de mudanas estratgicas durante a operao. O mtodo proposto por Roed et
al. (2009) usa rvores de eventos e rvores de falha e, nos casos em que sejam necessrios mais
detalhes, prope usar redes bayesianas visando a anlise quantitativa, uma das principais
dificuldades do FSA. Portanto, o mtodo constitui-se em um interessante ponto de partida na
abordagem da anlise probabilstica de sistemas complexos e de segurana crtica.
O trabalho de Kontovas e Psaraftins (2009) apresenta uma reviso crtica do FSA destacando
que, embora seja o principal mtodo cientifico para a anlise de segurana martima e para a
formao de regulamentaes, a quantificao de seus critrios em todas suas etapas ainda um
desafio nesta rea.
No presente trabalho, considera-se que um caminho para abordar os desafios na rea naval e
dar resposta aos desafios que o FSA ainda importa aos pesquisadores pode estar nos modelos de
avaliao probabilstica de risco, especialmente os modelos que tratam sistemas complexos e
dinmicos, questo que comeou a ser abordada recentemente. Assim, possvel criar novos
modelos que estejam direcionados a estabelecer medidas probabilsticas para o risco e tambm
possuam capacidade de estruturar sistematicamente o estudo de eventos indesejados, desde a
identificao de eventos de perigos at a tomada de deciso. Neste sentido, observa-se um
aumento significativo, na ltima dcada, das aplicaes da avaliao probabilstica de risco na
rea naval (HSE, 2002). Este fato corroborado pelos estudos realizados por Crawley e Grant
(1997) que propem uma ferramenta de verificao que permite avaliar o risco de uma forma
metdica, mas ainda com muitos aspectos qualitativos. Posteriormente, Falck, Skramstad e Berg
(2000) e Rettedak, Aven, e Gudmestad (2000) discutem o uso da PRA no projeto de sistemas de
produo e transporte de petrleo e gs. De Leon e Ortega (2004) e Yasseri e Prager (2004)
propem modelos para analisar a ocorrncia de exploses em instalaes offshore, usando bases
de dados de acidentes, deixando de lado o comportamento especfico das mquinas. Pula et al.
15
(2005) discutem modelos fsico-qumicos para analisar a propagao de acidente, no caso de

ocorrncia de incndio, radiao, sobrepresso, entre outros e, assim, analisar as consequncias
deste tipo de eventos indesejados em plataformas offshore.
Todos os trabalhos mencionados anteriormente so aproximaes direcionadas a resolver os
desafios que ainda tem este tpico na industrial naval, porm a caracterstica dinmica tem sido
muito pouco abordada nesta rea especfica. Neste sentido, existem alguns trabalhos
desenvolvidos em outras reas que podem ser de interesse. Recentemente, na rea qumica,
Ferdous et al. (2007) apresentam uma metodologia para avaliar rvores de falha dinmicas e
estticas como ferramenta para avaliar probabilisticamente o risco. Kalantarnia, Khan e Hawboldt
(2009) analisam a importncia de que a avaliao do risco seja dinmica e propem uma
metodologia para a PRA para tentar abordar as caractersticas dinmicas dos sistemas complexos.
A metodologia apresentada por estes autores aborda a avaliao dinmica da falha, mas
permanece aberta a questo dinmica das consequncias pelas possveis mudanas nas condies
iniciais e aes baseadas na tomada de deciso.
Outro aspecto na anlise da PRA refere-se s primeiras etapas, onde torna-se fundamental
aplicar mtodos de identificao de riscos indutivos baseados no princpio de que os acidentes
acontecem como consequncia da perda de controle de algumas das variveis de um processo, em
relao aos parmetros normais de operao. Assim, em cada subsistema devem ser identificados
os ns ou pontos claramente localizados no processo e definidas, de forma sistemtica, as
diferentes variaes existentes nas variveis de interesse. Neste contexto, os mtodos aplicados,
embora qualitativos, devem estabelecer, de maneira lgica, o encadeamento das falhas de um
sistema facilitando a elaborao da anlise probabilstica. Dentre as tcnicas comumente usadas
esto: Anlise Preliminar de Perigos PHA, Anlise de Modos e Efeito de Falhas FMEA,
Anlise Causa-Consequncia, HAZOP, entre outras (KHAN e ABBASI, 1997; ANDREWS e
RIDLEY, 2001; MEEL e SEIDER, 2006; RODRIGUEZ, SOUZA e MARTINS, 2009; DUJIM,
2009, CARAZAS e SOUZA, 2010 e ROSSING, et al., 2010).
Diante do exposto, possvel perceber que ainda um desafio o desenvolvimento de modelos
que avaliem probabilisticamente o risco e que tenham capacidade de incluir os efeitos das
mudanas repentinas nas condies de operao. Alm disso, tambm um desafio que estes
modelos sejam parte da estrutura de mtodos para a tomada de deciso. A seguir, so explorados
os conceitos bsicos e elementos necessrios para desenvolver a avaliao probabilstica do risco.
16
Conceitos Bsicos
2.2.2.
A PRA pode ser definida como um mtodo de anlise abrangente, estruturado e lgico para
identificar e avaliar o risco em sistemas complexos, como uma proposta de custo eficiente visando
melhorar o desempenho e a segurana (STAMATELATOS, 2002). Esta metodologia pesquisa
sistematicamente caractersticas operacionais e de segurana e envolve o desenvolvimento de
modelos que descrevam a resposta do sistema e de seus componentes quando existem eventos
iniciadores que podem desencadear um acidente. Wu e Apostolakis (1992) ressaltam que a PRA
deve considerar as consequncias dos acidentes que so potencialmente mais severas e eventos
raros e, portanto, a metodologia deve incluir as incertezas associadas ocorrncia. Por esta razo,
podem-se identificar dois objetivos principais quando desenvolvido a PRA:
1. Identificao de cenrios e sequncias de acidentes que geram potenciais
consequncias indesejadas; e
2. Quantificao da incerteza associada com a ocorrncia dos cenrios.
Desta forma, torna-se fundamental definir o risco, bem como outros conceitos que esto
associados a este, para, posteriormente, definir as etapas, elementos e metodologias envolvidas
em uma avaliao probabilstica do risco.
2.2.2.1.
Risco
Haimes (1998) define o risco como a medida que combina a probabilidade e a severidade
dos efeitos associadas ocorrncia de eventos indesejados sobre um sistema. Por outro lado,
Snchez (2005) define o risco como a magnitude de um evento de falha, usualmente expressa
em termos econmicos. De forma mais geral, o risco pode ser definido como uma medida
resultante da combinao entre as frequncias de ocorrncia de eventos indesejados pi e a
magnitude das perdas que podem ser entendidas como danos ou consequncias ci, como se
observa na eq. (2.1).
=

(2.1)
Para muitos sistemas, as consequncias, aps a ocorrncia de um evento indesejado, so

extremamente graves e podem ser expressas em nmero de fatalidades, tempo de perda de
produo, volume de perda de produo, quantidade de produto contaminante liberado ao meio
ambiente, multas e punies por no cumprimento de contratos e legislaes governamentais,
entre outros.
17
Neste contexto, supondo que exista uma varivel aleatria que represente as perdas
referentes s consequncias de um determinado evento indesejado, o valor esperado desta
varivel pode ser interpretado como o risco que existe se o evento indesejado acontecer e est
expresso na eq. (2.2) (TODINOV, 2006).
= =

(2.2)
onde p(Li) representa a probabilidade da ocorrncia da perda, ou seja a probabilidade do

evento indesejado acontecer, sendo Li o valor desta perda.
Introduzir a medida de risco baseada na distribuio das perdas potenciais permite
incorporar a incerteza associada s consequncias. Por outro lado, para estimar a distribuio
de perdas podem ser usados dados histricos sobre as perdas associadas com a ocorrncia de
eventos indesejados. Alm disso, podem existir diferentes nveis de perdas associadas s
diversas alternativas de deciso, onde estas alternativas representam a reduo da chamada
ocorrncia de Li. Portanto, define-se um conjunto A, de possveis alternativas, onde cada
alternativa mutuamente excludente, e a probabilidade de cada nvel de perdas pode ser
expressa como mostra a eq. (2.3) e, portanto, o risco pode ser expresso como mostra a eq.
(2.4) (SANCHEZ, 2005).

=

|

= =

|

2.2.2.2.
(2.3)
(2.4)
Sistema complexo
Um sistema pode ser definido como uma unidade global organizada de inter-relaes entre
elementos, aes e indivduos. Um sistema complexo definido pela combinao ou inter-relao
de hardware, software, pessoas, operaes e ambiente, cujo ciclo de vida envolve projeto,
desenvolvimento, testes, produo, operao e manuteno. Dependendo do sistema, a forma
como estes elementos interagem pode ser de difcil previso (LEITE, 2004). Portanto, o sistema
complexo possui dois ou mais elementos diferentes, os quais esto conectados e o comportamento
desta interao no facilmente previsvel. O comportamento imprevisvel torna-se ainda mais
aparente na dinmica do sistema quando ele interage com outros. Alm disso, no decorrer do
tempo, o sistema pode mudar de estado. A evoluo do sistema no pode ser dirigida e, portanto,
o gerenciamento do comportamento do sistema complexo difcil de ser obtido (GUILLERM E
DEMMOUN, 2010).
18
Desta forma, um sistema complexo caracterizado por um conjunto de elementos

estruturados e por meio de relaes que permitem a comunicao entre os elementos, sendo que
tais relaes esto caracterizadas por parmetros e funes. Alm disso, para definir um sistema
preciso definir os limites das condies reais ou imaginrias que definem o alcance do sistema.
Em geral, pode-se afirmar que um sistema complexo constitudo por uma grande variedade
de componentes ou elementos, com funes especficas e comportamentos variados, alm de que
os elementos que compem estes tipos de sistemas esto em constante evoluo e so
influenciados por eventos indesejados que no podem ser previstos com certeza. Outra
caracterstica dos sistemas complexos que a informao sobre o estado de todos os elementos do
sistema no pode ser conhecida completamente e que os diversos elementos esto unidos por uma
grande variedade de interaes que determinam o comportamento do sistema. Estas interaes so
dinmicas e normalmente so no lineares (DEKKER, CILLIERS e HOFMEVR, 2011).
Baseado nas caractersticas de seus componentes pode-se estabelecer que o sistema possua
atributos essenciais denominados como variveis de estado do sistema, as quais normalmente
dependem do tempo, ou seja, o estado das variveis pode mudar no tempo e estas mudanas
definem a trajetria de estado do sistema.
2.2.2.3.
Segurana
Segurana definida como a capacidade de um sistema de evitar a ocorrncia de falhas ou

eventos indesejados, dentro de condies pr-estabelecidas de eventos crticos para o seu
funcionamento ou catastrficos para seus operadores e meio ambiente. Este conceito, no contexto
do risco, est relacionado operao bem sucedida do sistema. Portanto, a segurana de operao
do sistema est relacionada com as capacidades de avaliao, previso, medida e controle de
falhas no sistema (BAHR, 1997). A segurana tambm pode medir a capacidade de operar sem
falhas catastrficas e, portanto, reflete a capacidade do sistema operar de forma normal e anormal,
sem oferecer ameaas s pessoas ou ao ambiente. A confiabilidade e segurana podem estar
relacionadas quando a segurana depende do funcionamento de um dispositivo de proteo
(FORTUNE, 1995).
Para Casal (2008), na caracterizao da segurana da operao, passam a ser muito relevantes
conceitos como o desempenho especfico e anlise de probabilidade de falha. No entanto, autores
como Rushby (1994), Leveson (2004) e Cambacedes e Bouissous (2010) afirmam que a
segurana de sistemas no requer que os componentes do sistema demonstrem alta confiabilidade,
mas apenas que um conjunto de comportamentos perigosos no ocorra, j que afirmam que
19
dispositivos de proteo deveriam ser os ltimos recursos a serem empregados na ordem de

precedncia da segurana, devendo-se dar preferncia eliminao dos perigos.
2.2.2.4.
Perigo
Para Kumamoto e Henley (1996), um perigo corresponde a uma ou mais condies fsicas ou
qumicas com potencial para causar danos s pessoas, propriedade, ao meio ambiente ou a uma
combinao desses. Esta definio corresponde a uma situao bem abrangente, pois esta pode
se referir s situaes de perigo de natureza aleatria, de origem natural, tecnolgica ou
econmica, assim como s de natureza determinstica, relacionadas com aes intencionais.
Para Wang e Roush (2000), este conceito est baseado somente nas consequncias
potenciais de um evento indesejado e desconsidera a frequncia da ocorrncia do evento.
Estas consequncias podem ser classificadas por uma escala hierrquica de gravidade ou
severidade e, portanto, um perigo ter uma maior magnitude em funo das severidades das
consequncias associadas a este.
2.2.2.5.
Acidente
Bahr (1997) define acidente como um processo no planejado de eventos que conduz a um
dano na propriedade, nos equipamentos ou no meio ambiente, bem como que pode causar leses
ou morte de pessoas. O acidente inesperado e no planejado e corresponde a um evento
indesejado que impede que sejam executadas tanto as operaes que esto sendo realizadas no
momento como aquelas que estavam planejadas para acontecer depois.
Em muitas ocasies, os acidentes so o resultado de uma longa sequncia de eventos e,
frequentemente, estes eventos da sequncia j ocorreram antes do acidente acontecer. Portanto, se
um ou vrios eventos desta sequncia forem prevenidos, o acidente pode ser evitado ou suas
consequncias minimizadas.
Existe uma relao direta entre perigo e acidente como mostra a Figura 2.1. Esta relao pode
ser explicada j que um acidente um evento concreto que ocorreu e, consequentemente, h
morte, danos ou perdas, enquanto que o perigo uma condio potencial que pode resultar em
morte, danos ou perdas. Portanto, o perigo um pr-requisito para que acontea um acidente
(ERICSON, 2005).
20
Figura 2.1 Relao entre perigo e acidente (ERICSON, 2005).
Em termos desta relao existem trs componentes bsicos no desenvolvimento de um

acidente: 1) o elemento perigoso o que corresponde ao recurso bsico que pode criar o
impulso para o acidente como, por exemplo, uma fonte de energia, como explosivos
utilizados no processo produtivo; 2) o mecanismo de incio o gatilho do evento iniciador,
cuja ao transforma o perigo potencial em acidente; 3) a populao ameaada representada
por pessoas ou elementos vulnerveis que possam sofrer uma leso ou dano e define a
severidade da ocorrncia do evento indesejado (ERICSON, 2005).
2.2.2.6.
Sistema de segurana crtica
Um sistema de segurana crtica (Safety Critical System) definido como aquele sistema
no qual um mau funcionamento pode ter consequncias muito srias ou at catastrficas como
a perda de vidas humanas, danos ao meio ambiente, danos materiais expressivos, ou ainda,
danos reputao da empresa (ERICSON, 2005).
Em sistemas de segurana crtica, a segurana faz parte dos objetivos do sistema, ou
ainda, parte das restries que o sistema precisa respeitar. No primeiro caso, uma das funes
do sistema garantir que acidentes no aconteam. No segundo caso, o sistema precisa atingir
seu objetivo sem que acidentes ocorram (HATTON, 1995). Um sistema que no controle ou
interaja com dispositivos fsicos e que no processe dados crticos no de segurana crtica.
Assim, por exemplo, um navio petroleiro um amplo sistema com operaes, subsistemas de
armazenamento de carga, subsistemas eltricos e mecnicos, estruturas que interagem com
sistemas de segurana e condies ambientais, criando relaes de dependncia entre os
subsistemas e, portanto, pode ser classificado como um sistema complexo de segurana crtica
(COWING, PATE-CORNELL e GLYNN, 2004).
2.2.3.
Componentes da Anlise Probabilstica de Risco
Uma anlise probabilstica de risco uma atividade voltada para o desenvolvimento de

estimativas quantitativas do risco, baseadas em tcnicas estruturadas que tm um componente
qualitativo, para promover o entendimento da combinao das frequncias e das
consequncias de um acidente. Esta combinao composta por diversas etapas, dependendo
21
da natureza da anlise, especialmente em sistemas complexos e, para atender necessidade de

quantificar um potencial modo de falha, a anlise deve responder basicamente s seguintes
perguntas (STAMATELATOS, 2002):
O que pode dar errado na operao do sistema?
Quais so as frequncias de ocorrncia das falhas que podem gerar um acidente?
Quais so as consequncias da ocorrncia da falha?
Stamatelatos (2002) estabelece que estas trs perguntas so as que do origem a trs dos
componentes fundamentais na avaliao do risco: Modelagem dos Cenrios de Risco,
Avaliao da Probabilidade de Ocorrncia dos Cenrios de Risco e Avaliao de Consequncias
dos Cenrios de Risco. Na inteno de dar resposta a estas perguntas estruturou-se o
fluxograma apresentado na Figura 2.2 que corresponde ao escopo geral da anlise
probabilstica do risco, onde so observados os estgios que permitiro dar respostas s
perguntas acima. A partir destas respostas, o analista poder tomar decises sobre o processo
ou sobre as atividades que minimizem o risco, seja pela mitigao das causas de uma falha ou
pelo contingenciamento das consequncias.
Na abordagem tradicional, o processo de deciso, embora esteja incluso indiretamente em
algumas reas como na nuclear, no aparece de forma explcita nos componentes da PRA e
normalmente no se utiliza a teoria estatstica para realizar o processo de tomada de deciso.
O autor do presente trabalho considera que este processo deve aparecer como parte da anlise
probabilstica de risco e que a metodologia de tomada de deciso, usando a teoria estatstica,
corresponde tambm a processos estruturados e sistemticos. Assim, aparece o quarto
componente da avaliao probabilstica do risco: Anlise de Deciso.
Figura 2.2 Fluxograma da Avaliao Probabilstica do Risco.

22
Em resumo, neste trabalho so definidas Modelagem dos Cenrios de Risco, Avaliao da

Probabilidade de Ocorrncia dos Cenrios de Risco, Avaliao de Consequncias dos Cenrios de
Risco e Anlise de deciso como as quatro componentes da anlise probabilstica de risco. Na
seo a seguir ser apresentada uma reviso das principais tcnicas que apoiam estes quatro
componentes. Em geral, so mtodos que consideram tanto a avaliao do risco, quanto a sua
quantificao.
2.3.
TCNICAS DE QUALIFICAO E QUANTIFICAO DO RISCO
A diferena principal entre a anlise qualitativa do risco e a avaliao probabilstica est

em que esta ltima utiliza princpios estatsticos e leis de probabilidade para quantificar a
chance de ocorrncia de cada um dos eventos que compem o cenrio de risco. Portanto, sua
anlise pode chegar at a estudar sistemas com eventos raros e/ou que incluam a opinio de
especialistas. Embora as ferramentas utilizadas no primeiro tipo de anlise sejam qualitativas,
estas so estruturadas e sistemticas e provm informaes diretas que se tornam entrada para
as tcnicas usadas nos outros trs componentes da anlise quantitativa. A seguir, so
apresentadas as tcnicas mais utilizadas para a identificao, caracterizao e definio da
PRA, expondo as caractersticas, vantagens de cada tcnica, bem como a metodologia e
procedimentos para sua execuo e avaliao de resultados.
2.3.1.
Tcnicas de Anlise de Risco
Existem mtodos que auxiliam a anlise estruturada e lgica da informao visando

caracterizar o sistema do ponto de vista do risco. Embora estes mtodos se caracterizem por no
fazer uso de clculos numricos, alguns apresentam metodologias de obteno de medidas de
risco. No entanto, o ponto forte est na identificao do sistema e dos objetivos do risco.
Portanto, a aplicao destes mtodos apoia a modelagem dos cenrios de risco e no a sua
quantificao. As tcnicas ou mtodos baseiam-se na utilizao da experincia adquirida em
operao de sistemas ou equipamentos similares, assim como na anlise das caractersticas
destes.
2.3.1.1.
Anlise Funcional
O objetivo desta tcnica traduzir a estrutura fsica do sistema em uma estrutura

hierrquica que permite relacionar de forma lgica a interligao funcional entre os
componentes que formam o sistema, representando a operao do sistema sob anlise
(CARAZAS e SOUZA, 2010).
23
Este mtodo permite identificar os perigos do sistema atravs da anlise das funes, uma
vez que as funes so o meio pelo qual o sistema realiza sua misso e seu objetivo
operacional. Este mtodo tambm a fase preliminar para outros estgios da metodologia da
PRA como, por exemplo, na identificao de eventos de perigo, atravs da avaliao dos
impactos na segurana das funes que no estejam sendo cumpridas corretamente. Autores
como Modarres e Cheon (1999), Stamatelatos (2002) e Papazoglou e Aneziris (2003)
nomeiam esta tcnica como Diagrama Lgico Mestre (Master Logic Diagram).
Esta tcnica pode ser aplicada para analisar todos os tipos de sistemas. O nvel de detalhe
da anlise pode variar dependendo do nvel de funes a serem analisadas. A anlise
funcional representada por um grfico, denominado rvore funcional, que tem uma estrutura
hierrquica, no uniforme, formada por ramos (Figura 2.3). Cada ramo representa uma
separao da funo principal em outras funes que so necessrias para garantir que a
funo principal seja realizada (ERICSON 2005).
Figura 2.3 Estrutura tpica de rvore funcional.
No topo da rvore est a funo principal do sistema e no nvel seguinte aparecem as funes
que apoiam diretamente a funo topo. Por sua vez, cada subfuno pode ter novas funes de
apoio e assim o processo segue at chegar aos componentes bsicos de cada sistema.
Para desenvolver o mtodo necessrio definir claramente as funes do sistema e, para isto,
necessrio estabelecer as atividades que o sistema desempenha do ponto de vista operacional.
Autores como Carazas (2006) e Casal (2008) tm utilizado esta tcnica como parte de anlise
de confiabilidade e disponibilidade, ressaltando a potencialidade da mesma para uma anlise
preliminar de sistemas sob enfoque da falha. Ainda em relao elaborao da rvore
funcional, autores como Krishnazamy et al. (2005; 2008) e Fujiyama et al. (2004) afirmam
em suas anlises que a elaborao de uma rvore funcional a primeira etapa para uma
anlise de riscos bem sucedida, afirmao esta que, supe-se, nasceu da experincia de tentar
modelar sistemas complexos.
24
2.3.1.2.
Matriz de Dependncias
Outro tcnica utilizado para determinar as relaes entre as funes dos componentes de
um sistema a matriz de dependncias. Este mtodo descreve como, do ponto de vista
operacional, os subsistemas suportam uns aos outros e, portanto, uma falha ocorrida nos
primeiros subsistemas tornar indisponvel os prximos ou subsequentes, embora
estruturalmente no estejam ligados diretamente. Esta tcnica apoia o desenvolvimento de
cenrios de falha, j que permite que o analista perceba subsistemas causadores de falhas em
outros subsistemas (STAMATELATOS, 2002).
Este conceito pode ser ilustrado considerando um exemplo simples de um reservatrio
composto por um tanque e um respirador (Figura 2.4). Assim, se o respirador falhar pode
causar uma sobrepresso no tanque que pode causar a exploso deste, portanto, o sistema
respirador suporte do sistema tanque.
Figura 2.4 Matriz de dependncia.
A matriz lida coluna por coluna, onde o sistema listado no topo da coluna suportado
pelo sistema da linha que aparece marcado com X. A elaborao da matriz de dependncia
permite que o analista entenda as dependncias funcionais entre os sistemas.
Autores como Chen, Ling e Chen, (2003), Danilovic e Browning (2007) e Tang, et al.
(2010) usam esta tcnica para a representao simples, compacta e visual de sistemas
complexos que auxilia na soluo de problemas de decomposio e integrao, bem como no
projeto de novos produtos.
2.3.1.3.
Anlise Preliminar de Perigos PHA
PHA (do ingls Preliminary Hazard Analysis) uma tcnica indutiva e estruturada que
permite avaliar qualitativamente os potenciais perigos, no sistema, sua causa e consequncia, bem
como, o nvel de risco e as aes de mitigao e de contingncia em caso de ocorrncia de alguma
falha. Esta metodologia pode ser empregada para sistemas na fase inicial do projeto, quando
25
apenas os elementos bsicos do sistema e os materiais esto definidos, ou como uma reviso geral
de segurana de sistemas j em operao (ERICSON, 2005).
A anlise consiste em listar e escolher eventos de perigo e definir as consequncias de sua
ocorrncia, assim como determinar suas causas. Para realizar este objetivo, utiliza como entrada a
informao sobre a identificao e caracterizao do sistema. Para a realizao da anlise, o
processo em estudo deve ser dividido em etapas segundo o desenvolvimento da operao ou os
objetivos definidos na etapa de identificao e caracterizao do sistema. A informao resultante
da anlise deve ser registrada de forma sistemtica e, portanto, proposta a planilha apresentada
na Figura 2.5.
AMBIENTAL
EQUIPAMENTO
AMBIENTAL
SEG. PESSOAL
DESCRIO
AO DE LOCAL OPERAO
AO DE
FREQUNCIA
DA CAUSA
MITIGAO (aliviador) OFFLOADING CONTINGNCIA
SEG. PESSOAL
CLASSIFICAO DO
RISCO
CONSEQUNCIA
EQUIPAMENTO
EVENTO
DESCRIO
DE
DE EVENTO
PERIGO
TIPO DE NAVIO
FASE
CAUSA
OPERAO
OFFLOADING
Figura 2.5 Planilha PHA.
Na Figura 2.5 a primeira coluna designa a fase especfica da operao que se est
analisando. Na sequncia, definida uma ou mais condies fsicas com potencial para causar
danos s pessoas, propriedade, ao meio ambiente ou combinao destes, seguida da
explicao de como se manifesta o evento de perigo e da definio de algumas caractersticas
especiais deste.
Na anlise das causas, pretende-se identificar o porqu da ocorrncia do evento de perigo,
sendo esta composta pela descrio, frequncia e ao de mitigao. A descrio da causa
corresponde a uma ou mais condies fsicas que originam o evento de perigo. A frequncia
apresenta de forma qualitativa qual a possibilidade de ocorrncia da falha, sendo definidas
cinco categorias: Extremamente Remota (A), Remota (B), Pouco Provvel (C), Provvel (D) e
Frequente (E), definidas conforme a Tabela 2.1. E, finalmente, define-se a ao de mitigao,
que descreve o conjunto de atividades que podem ser efetuadas para manter os sistemas
cumprindo as suas funes e reduzir a possibilidade da ocorrncia do evento de perigo.
26
Tabela 2.1 Classificao da frequncia de ocorrncia de eventos de perigo (CORREA et al., 2006).
Categoria
Frequncia
Extremamente
Remota
Remota
Mais de
1 em 100.000 anos
Mais de
1 em 1.000 anos
Caractersticas
Pouco provvel
Mais de 1 em 30 anos
Possvel de ocorrer durante a vida til
Provvel
Mais de 1 em 10 anos
Acontece mais de uma vez durante a vida til
Frequente
Mais de 1 por ano
Acontece muitas vezes durante a vida til
Sem referncia histrica

No esperado ocorrer durante a vida til da
instalao, apesar de haver referncias histricas
A anlise das consequncias define os efeitos que teria o evento de perigo sobre o sistema,
definindo-se como efeito uma condio de operao fora da especificao inicial da misso.
Neste item, a consequncia inicialmente avaliada em duas categorias, local e na operao. A
primeira explica como seria afetado o equipamento no caso de acontecer o evento de perigo e
a segunda se refere a como seria afetada a operao do sistema no caso de acontecer o evento
de perigo.
Em sistemas de segurana crtica recomendvel que as consequncias estejam definidas
para o maior nmero de ativos possveis. Assim, por exemplo, a Tabela 2.2 apresenta a
definio das consequncias definidas para trs ativos: segurana pessoal, instalao e meio
ambiente (CORREA et al., 2006).
Tabela 2.2 Classificao de consequncias (CORREA, et al., 2006).
II
Segurana Pessoal
(Perigo para a sade
humana)
Instalao
Ambiental (Danos
Fauna e Flora)
Muito
reduzidas
Nenhum dano visvel ou

mximo de primeiros
socorros
Sem danos ou danos

insignificantes a
equipamentos
Invisveis ou mnimos
Reduzidas
Ferimentos leves em
empregados e sem leses
extramuros
Danos leves
controlveis ou com
reparao de baixo
custo
III
Mdias
IV
Graves
Ferimentos graves ou
mltiplos em empregados
e Ferimentos leves em
pessoas extramuros
Leses graves ou
Fatalidade em
empregados e em pessoas
extramuros
Danos severos
Danos irreparveis,
com reparao lenta
ou impossvel
Poluio desprezvel,
danos considerados
tolerveis entre nvel
mnimo e mdio
Poluio localizada, curto
perodo, danos
considerados tolerveis
de nvel mdio.
Poluio de grande rea,
longo perodo. Nveis
acima dos mximos
tolerveis
27
Posteriormente, segue a definio da ao de contingncia onde preciso listar as

recomendaes de aes de emergncia visando evitar ou minimizar a propagao da
consequncia ou a reduo da gravidade das mesmas. E, por ltimo, definida uma escala
numrica que define a gravidade dos efeitos que teria o evento de perigo. Caso acontea, este
deve estar definido para os ativos considerados fundamentais no sistema. Esta escala
cruzada com a escala das probabilidades e estabelecida a categoria de risco em que o evento
de perigo est. Em algumas ocasies, esta categorizao do risco realizada usando a matriz
de risco como mostra a Figura 2.6.
CATEGORIAS DE FREQNCIA
IV
M DIO
M DIO
M DIO
NO
NO
NO
TOLER VEL TOLER VEL TOLER VEL
NO
NO
M DIO
TOLER VEL TOLER VEL
II
M DIO
III
TOLER VEL TOLER VEL
SEVERIDADE
M DIO
M DIO
TOLER VEL TOLER VEL TOLER VEL TOLER VEL
M DIO
M DIO
Figura 2.6 Matriz de Risco (RODRIGUEZ, SOUZA e MARTINS, 2009).
Deste modo, na aplicao da PHA so levantadas as causas que podem induzir a ocorrncia
de cada um dos eventos e as suas respectivas consequncias, sendo, ento, elaborada uma
avaliao qualitativa da frequncia de ocorrncia do cenrio de acidentes, da severidade das
consequncias e do risco associado. Portanto, os resultados obtidos so qualitativos, no
fornecendo estimativas numricas (AGUIAR, 2008), e portanto somente fornece estimativas
qualitativas do risco, como mostra Correa et al. (2006). Esta tcnica torna-se fundamental para
fazer anlises iniciais, visando a identificao dos eventos de perigo, em diversos campos de
atuao. Portanto, como ferramenta inicial da PRA, na etapa de identificao de perigos, o
uso da tcnica PHA de grande utilidade, como mostra Rodriguez, Souza e Martins, (2009).
2.3.1.4.
Anlise de Modos e Efeitos de Falha FMEA
A anlise do tipo FMEA (do ingls Failure Modes and Effect Analysis) uma tcnica
usada para identificar os pontos vulnerveis que um sistema pode ter, estudando o projeto do
sistema ou sua operao, e at mesmo o planejamento da manuteno.
Para aplicar esta metodologia preciso enumerar os possveis modos de falha de cada um
dos componentes que fazem parte do sistema em anlise, considerando as caractersticas de
operao dos mesmos, bem como definir as consequncias associadas ocorrncia de cada
um destes modos de falha. Uma vantagem da anlise tipo FMEA a gerao de uma
documentao bastante detalhada sobre o processo.
28
Esta anlise identifica processos crticos permitindo verificar componentes e subsistemas

que devem receber ateno especial. A anlise do tipo FMEA baseada nas cinco questes
apresentadas a seguir, que pretendem dar diretrizes gerais para a sua elaborao (LEWIS,
1987).
1. Quais so os modos de falha dos componentes e/ou operaes?
2. Quais so os efeitos destas falhas sobre o sistema?
3. Quo severos so estes efeitos?
4. Como detectar a falha?
5. Quais as medidas contra estas falhas, que evitam ou minimizam os seus efeitos?
A primeira questo auxilia a identificao de cenrios de falha. Na segunda questo, se
estabelece como falhas nas operaes e falhas dos equipamentos afetam a operao, visando
evitar que as falhas causem perda de funcionalidade do sistema. Para responder terceira
pergunta, pode-se usar a Tabela 2.2, ou outras escalas como, por exemplo, a utilizada pela
norma MIL-STD-1629A que define quatro categorias de severidade: i. Catastrfica; ii.
Crtica; iii. Marginal e iv. Menor (SOUZA, 2003). Na sequncia, a quarta questo avalia os
diferentes mtodos e mecanismos que existem para detectar a falha, assim, por exemplo, as
tcnicas de monitorao podem ser utilizadas para registrar os parmetros operacionais dos
processos, sendo que a variao nos mesmos pode ser indicativa do processo de
desenvolvimento de uma falha. A ltima pergunta tem como objetivo sugerir atividades que
evitem a ocorrncia de falha e minimizem os efeitos associados a esta ocorrncia (ERICSON,
2005).
Na literatura, encontra-se uma ampla gama de aplicao desta tcnica em diversas reas,
como por exemplo, indstria de alimentos, informtica, controle, anlise de sistemas mecnicos,
entre outras. Todas estas aplicaes tm o intuito de analisar a confiabilidade do processo,
selecionar componentes crticos e propor atividades para diminuir sua frequncia de falha
(SCIPIONI, et al,. 2002; CARDOSO, 2004; CARAZAS, 2006; KORAYEM e IRAVANI, 2008;
e OLDENHOF, et al., 2011).
2.3.2.
2.3.2.1.
Tcnicas de Avaliao de Risco

Anlise da rvore de Falha (FTA)
A FTA (do ingls Fault Tree Analysis) um mtodo grfico que avalia a probabilidade de
falha de sistemas, visando determinar as causas razes e a probabilidade de ocorrncia dos eventos
de perigo. Este evento de perigo chamado de evento de topo e pode ser associado com o
comportamento anormal do sistema, causado por uma falha. As causas razes so determinadas
29
atravs da anlise dos sintomas e das relaes que estes tm com os componentes, subsistemas ou
eventos que poderiam t-los causado. Esta tcnica pode ser usada tanto para a avaliao
qualitativa como para a quantitativa do risco, sendo que a segunda necessariamente inclui a
primeira.
A avaliao qualitativa permite uma compreenso das possveis maneiras de como o sistema
pode falhar e, portanto, determinar quais sero as medidas que podem ser tomadas para minimizar
os efeitos e as consequncias do evento indesejvel. A finalidade da anlise qualitativa
determinar a origem do problema ou evento topo (ALVES e DENCKER, 2002; WALKER e
PAPADOPOULOS, 2009).
Na avaliao quantitativa, as falhas do sistema so gradualmente divididas em nveis
hierrquicos at alcanar um nvel de detalhe que o sistema ou estudo requer, do mesmo modo em
que so estudadas as relaes lgicas dos diferentes subsistemas e componentes para determinar,
por meio de anlise probabilstica, a chance de um evento indesejado acontecer. Frequentemente,
a maior dificuldade para a elaborao da rvore de falhas a seleo do evento topo a ser
estudado. Assim, para a montagem da rvore de falhas, h uma lgica a ser levada em
considerao, pois um sintoma necessariamente tem um nmero finito de causas as quais
ocasionam a parada do sistema; estas causas devem ser pesquisadas e determinadas com
preciso e normalmente esto relacionadas a falhas em algum dos componentes do sistema. O
objetivo da construo de qualquer diagrama do tipo rvore elaborar uma estrutura lgica
para definir sua raiz ou origem do problema (SOUZA, 2003).
Na elaborao da rvore de falhas, h uma lgica a ser observada, pois um sintoma
necessariamente tem um nmero finito e conhecido de causas. Usando um processo dedutivo,
as causas dos eventos indesejados so descobertas e so estabelecidos os eventos funcionais
que podem causar uma falha indesejada, assim como as relaes lgicas de eventos bsicos
(KUMAMOTO e HENLEY, 1996).
O procedimento repetido at todos os eventos serem completamente desenvolvidos e os
eventos bsicos encontrados, visando, assim, ilustrar graficamente as diferentes combinaes
e sequncias dos eventos que conduzem ao evento topo. Cabe ressaltar que a estrutura
padronizada potencializa o componente visual deste mtodo. Os eventos so representados por
smbolos (Tabela 2.3) e portes lgicos (Tabela 2.4).
Para o processo de avaliao, em cada porto lgico usado, todas as entradas devem ser
suficientes e necessrias para produzir a sada do evento. A anlise quantitativa procura atribuir
aos eventos de nvel mais bsico probabilidades de falha a partir de: dados tcnicos da literatura,
30
anlise dos histricos de falha, manuais do fabricante, ou empresas que utilizam sistemas
similares.
Tabela 2.3 Smbolos dos Eventos da FTA (adaptado de GRANT e COOMBS, 1996).
Smbolo
Significado
Eventos que so sadas de portas lgicas
Eventos associados a falhas bsicas
Eventos no realizados (omitidos)
Parmetro associado a um evento que deve ser montado
Evento condicional, usado em janelas de inibio
Indica a conexo com outro smbolo ou evento
Tabela 2.4 Representao dos conectores (portes) lgicos em uma rvore de falha (adaptado de GRANT e
COOMBS, 1996).
Smbolo
Nome
Descrio
Evento de sada s ocorre se todos os eventos de entrada ocorrem
OU
Evento de sada ocorre se pelo menos um dos eventos de entrada

ocorrer
INIBIO
CONDICIONAL
Evento de entrada s conduz ao evento de sada se o condicional

ocorrer
E DE PRIORIDADE
OU EXCLUSIVO
Evento de sada ocorre se os eventos de entrada ocorrer em na ordem

de esquerda para direita
Evento de sada ocorre se s um evento de entrada ocorrer
M DE N
Evento de sada ocorre se M de N dos eventos de entrada ocorrerem
A partir da aplicao de teoremas de probabilidade, considerando as indicaes dos portes

lgicos, pode-se calcular a probabilidade de ocorrncia do evento falha principal. Na Figura 2.7
apresentado um exemplo ilustrativo de rvore de falha, com clculo de probabilidade de evento
topo, em que a avaliao desta probabilidade realizada atravs das leis de probabilidade
(SOUZA, 2003).
31
A complexidade da rvore de falhas cresce com a complexidade do equipamento ou processo

bem como com o nvel de detalhamento desejado. Muitas vezes, ao analisar um sistema, ser til
utilizar programas computacionais no desenvolvimento da FTA. importante considerar que
rvores de falha que abordam um mesmo evento topo podem ser diferentes entre si, ento pode
ser til combinar vrias rvores, consolidando o conhecimento sistematizado por diferentes
pessoas ou equipes (STAMATELATOS, 2002).
Figura 2.7 Exemplo de Soluo de rvore de Falha (SOUZA, 2003).
Quando as relaes entre os eventos de uma rvore so independentes, aplica-se lgebra de

Boole para avaliar a probabilidade do evento topo, conforme as regras mostradas na Tabela 2.5.
Alguns autores como Hauptmanns (2004), Ericson (2005), Casal (2008), Lindhe et al. (2009)
e Edoytchin e Szwillus (2009) tm aplicado esta anlise para conhecer as relaes lgicas e
diretas entre componentes e subsistemas e obter o valor da probabilidade para o evento indesejado
sob a hiptese de independncia das causas razes.
Tabela 2.5 Regras da lgebra de Boole (BAHR, 1997).
Regra Algbrica
Lei comutativa
Lei associativa
Lei Distributiva
Lei da Idempotncia
Lei da absoro
Complemento
Teorema de Morgan
Representao terica
lgebra de Boole
AB = BA
AUB = BUA
A(BC) = (AB)C
AU(BUC) = (AUB)UC
A(BUC) = (AB)U(AC)
AU(BC) = (AUB)(AUC)
AA = A
AUA = A
A(AUB) = A
AU(AB) = A
AA =
AUA =
(AB) = AU B
(AUB) = A B
A*B=B*A
A+B=B+A
A*(B*C)=(A*B)*C
A+(B+C)=(A+B)+C
A*(B+C)=(A*B)+(A*C)
A+(B*C)=(A+B)*(A+C)
A*A=A
A+A=A
A*(A+B)=A
A+(A*B)=A
A*A=0
A+A=1
(A*B)=A+B
(A+B)=A*B
32
No entanto, em muitos casos, inevitvel a impreciso da informao ou existncia de

relaes de dependncia entre os sistemas e, portanto, tem sido necessrio fazer outras
consideraes e combinar a FTA com mtodos que incluem teoria Fuzzy, Anlise bayesiana,
Sistemas Especialistas e Teoria de Deciso. Mon e Cheng (1994), Chen (1994), Long Sato e
Horigome, (2000), Ejlali e Miremadi (2004), Shalev e Tiran (2007), Trucco et al. (2008) e Roed
et al. (2009) apresetam algumas aplicaes na rea industrial sob o enfoque de dependncia.
2.3.2.2.
rvore de Eventos (ETA)
A ETA (do Ingls Event Tree Analysis) um mtodo indutivo que descreve a evoluo de um
evento iniciador e mostra todos os possveis resultados da ocorrncia do mesmo. Esta tcnica
identifica e avalia as sequncias acidentais com o objetivo de determinar se o evento iniciador se
transformar em um acidente grave ou se o evento suficientemente controlado pelos sistemas de
segurana e procedimentos aplicados no projeto do sistema (ERICSON, 2005).
O processo inicia-se com a identificao de eventos iniciadores que perturbam o sistema e que
podem causar mudanas nos estados de operao ou configurao operacional. Para cada evento
iniciador so associadas as sequncias de eventos de perigo que conduziro s consequncias ou
eventos finais. No diagrama, na parte superior, representa-se a ocorrncia do evento de perigo e,
na parte inferior, representa-se a no ocorrncia do mesmo (ERICSON, 2005). No passo seguinte,
determina-se uma probabilidade para a ocorrncia ou no de cada evento de perigo supondo
independncia entre os eventos, como mostra a Figura 2.8.
A rvore de eventos deve ser lida da esquerda para a direita. Na esquerda, comea-se com
o evento iniciador e segue-se com os demais eventos sequenciais. A linha superior SIM e
significa que o evento realmente ocorre, enquanto que a linha inferior NO e significa que o
evento no ocorre (STAMATELATOS, 2002).
Figura 2.8 Anlise de rvore de Eventos.

33
A ETA talvez a tcnica mais usada nos mtodos de quantificao de risco. Assim,
autores como Philipson e Wilde (2000), Ongaro et al. (2008), Ferdous, Khan e Sadiq (2009),
Catalyurek et al. (2010) e Vilchez, Espejo e Casal, (2011) apresentam esta tcnica como uma
ferramenta para estimar o risco no decorrer de uma sequncia acidental de processos
industriais e exploram tcnicas para analisar a incerteza como a teoria Fuzzy e mtodo de
Monte Carlo, entre outros.
2.3.2.3.
Anlise Causa-Consequncia
A anlise causa-consequncia essencialmente um diagrama de sequncia de eventos,

com caminhos que levam a diferentes estados finais, em que cada caminho representa um
determinado cenrio de perigo. Ao longo do diagrama, so citados os eventos encontrados na
fase de identificao de eventos de perigo, os quais podem ou no ocorrer (ANDREWS e
RIDLEY, 2001). A rvore de eventos e a anlise causa-consequncia so tcnicas similares. A
principal vantagem da anlise causa-consequncia est no fato de que a estrutura do mtodo
possui uma grande facilidade para ser usado como um bom recurso de comunicao, pois os
diagramas de causa-consequncia so fluxogramas simples que transmitem diretamente a
sequncia em que ocorrem os eventos at chegar a um estado final, como mostra a Figura 2.9
(STAMATELATOS, 2002).
Figura 2.9 Diagrama de sequncias de eventos (STAMATELATOS, 2002).
Esta anlise pode ser qualitativa ou quantitativa. A abordagem qualitativa comumente

denominada de Diagrama Sequencial de Eventos e seu objetivo mostrar o caminho que
conduz a um acidente e analisar a sequncia de um evento indesejado. No segundo caso,
visando sua quantificao, autores como Andrews e Ridley (2001), Casal (2008) e Carazas e
Souza (2010) entendem este mtodo de anlise de risco como uma combinao de rvores de
falhas e rvore de eventos. Portanto, possui a vantagem de ser bidirecional visando a anlise
das consequncias como mtodo da rvore de eventos e das causas como o mtodo da rvore
34
de falhas. Portanto, cada um dos eventos intermedirios pode ser considerado como evento
topo para a FTA e, portando, as rvores de falha so desenvolvidas visando o estudo da
funo dentro do sistema como um todo e no do componente individual.
Villlemeur (1992), Modarres (1993), Kumamoto e Henley (1996), Andrews e Ridley
(2001) e Ericson (2005) apresentam regras para a construo e quantificao do diagrama
causa-consequncia, bem como alguns exemplos de aplicaes em sistemas industriais. Este
mtodo de quantificao tem a capacidade de relacionar dependncias entre eventos de
perigo.
As dependncias entre os eventos podem fazer com que a ocorrncia de algum deles possa
eliminar a possibilidade de outros, reduzindo assim o nmero final de sequncias. A aplicao
do mtodo proporciona uma lista de sequncias dos possveis acidentes, o nmero de
elementos que os compem e a natureza dos mesmos. A construo do diagrama causaconsequncia feita atravs da utilizao de nomenclatura e simbologia prpria e
padronizada. Estes smbolos so apresentados na Tabela 2.6.
Tabela 2.6 Smbolos usados na anlise causa consequncia (ANDREWS e RIDLEY, 2001).
Smbolo
Nome
Descrio Funcional
CAIXA DE
DECISO
Representa a funo do componente/sistema. O NO

representa a falha com probabilidade qi, calculada
diretamente ou a travs do FTA i
SETA RVORE DE
FALHA
i-simo FTA que expande as causas da falha

representada no NO da caixa de deciso
TRINGULO
INICIADOR
Representa o evento iniciador para uma sequncia,

onde indica a taxa de ocorrncia do evento
TEMPO DE
ATRASO
Representa o intervalo de tempo transcorrido entre o

final do evento A e o incio do evento B
OU
Usado para simplificar o diagrama causa-consequncia

quando se tem mais de uma deciso entrando na caixa
de deciso ou na caixa da consequncia
CAIXA DE
DECISO
CONDICIONAL
CAIXA DE
CONSEQUNCIA
O componente/sistema existe num estado particular no

tempo t
Representa a saa dada uma sequncia particular de
eventos
35
2.3.2.4.
rvore de deciso
A rvore de deciso um recurso grfico usado para analisar decises quando h risco, alm
de ter a capacidade de representar, de forma simples, cenrios complexos, com vrias alternativas
e nveis de deciso (SCHUYLER, 2001). Portanto, as rvores de deciso destinam-se a modelos
em que h uma sequncia de decises e cada uma delas pode levar a um resultado dentre vrios
resultados incertos.
Uma rvore de deciso tem uma estrutura composta por ns de deciso e ns de probabilidade
(ver Figura 2.10). Os ns de deciso so representados com um quadrado e os ramos que saem
destes designam as decises ou as aes consideradas. Os ns de probabilidade so representados
por crculos e as alternativas que saem destes indicam os possveis estados do sistema com suas
respectivas probabilidades. Assim, a probabilidade de ocorrncia do estado em um momento
determinado calculada usando os mtodos expostos no Captulo 3. Na rvore, as consequncias
correspondem aos custos estimados decorrentes das falhas no sistema e dos efeitos de operao
nas condies do estado.
Figura 2.10 Estrutura da rvore de deciso.
Autores como Heidenberger, (1996) e Frohwein, Lambert e Haimes, (1999) mostram a

aplicao deste mtodo em sistemas onde a incerteza torna-se um fator fundamental na tomada de
deciso e, portanto, mostram alternativas para estudar este tipo de sistemas. Palacios, et al. (2009)
apresentam a aplicao deste mtodo em usinas termoeltricas, usando cadeias de Markov para
estimar as probabilidades associadas aos ns de probabilidade.
2.4.
36
CONSIDERAES FINAIS
Tanto a anlise qualitativa do risco quanto a anlise probabilstica fazem uso de tcnicas
de suporte s respectivas metodologias, a fim de modelar a realidade e estruturar o
conhecimento. Como foi mostrado no decorrer deste captulo, existem inmeras tcnicas de
modelagem do risco. Foi apresentada, ao longo do Captulo 2, uma breve reviso sobre a
PRA, bem como algumas tcnicas de modelagem utilizadas na mesma. Estas tcnicas podem
ser aplicadas independentemente. No entanto, foi desenvolvida uma estrutura de trabalho,
detalhada no Captulo 4, que associa vrias destas tcnicas, a fim de possibilitar a avaliao
dos quatro componentes identificados neste captulo.
A seguir, na Tabela 2.7 apresentado um resumo das tcnicas que foram consideradas
mais relevantes para a proposta desenvolvida e apresentada no Captulo 4. Na Tabela 2.7,
alm das principais caractersticas prticas destas tcnicas associadas com sua aplicao para
a anlise probabilstico de risco.
Na primeira coluna aparece o nome da tcnica, a seguir aparece a fase do processo
produtivo onde tradicionalmente aplicada. Na terceira coluna so resumidos os resultados
que podem se esperar com a aplicao da tcnica analisada. Posteriormente, a tcnica
classificada, segundo o carter dos resultados obtidos, assim estes podem ser qualitativos ou
quantitativos. Na quinta coluna mencionado o grau de treinamento requerido para aplicar a
tcnica, bem como as habilidades ou grau de conhecimento do sistema que o analista requer,
para conseguir aplicar a tcnica e obter os resultados esperados. Na coluna seis, cada tcnica
associada aos componentes da PRA que apoia. Finalmente aparecem e as referncias
bibliogrficas que mostram a aplicao da tcnica.
37
Tabela 2.7 Tcnicas de anlise de risco usualmente usadas na PRA.
Anlise
Funcional
Fase de
aplicao
Resultados
Processo
Manuteno
Avaliao de
sistemas/subs,
operaes e
procedimentos
Grau de
Treinamento/
Habilidades
Menor/
Moderado
Qualitat.
conhecimento
do sistema
Tipo de
tcnica
Componente
Referncias
PRA
Carazas (2006), Casal
Modelagem
(2008), Ericson
dos cenrios
(2005), Fujiyama et al.
de Risco (I)
(2004)
Stamatelatos (2002),
Menor/
Modelagem Chen, Ling e Chen
Matriz de
Projeto,
Moderado
Qualitat.
dos cenrios (2003), Danilovic e
dependncia Processo
conhecimento
de Risco (I) Browning (2007),
do sistema
Tang, et al. (2010)
Khan e Abbasi,
Identificao de
Moderado/
Projeto,
(1997), Bahr, (1997),
perigos, desvios de
Bom
Modelagem
Processo,
Ericson (2005), Casal
HAZOP
parmetros, e
Qualitat. conhecimento dos cenrios
Modificaes
(2008), Hu, Zhang e
sugesto de mec.
especfico da de Risco (I)
nas fases
Wang (2009) Dunjo,
de controle
operao
et al. (2010)
Identificao de
Correa et al. (2006),
perigos, controle e
Menor/ Bom Modelagem
Aguiar (2008),
PHA
Todas
consequncias,
Rodrguez et al.
Traabilidade de
do sistema
de Risco (I)
(2009)
perigos
Anlise de
Scipioni et al. (2002)
confiabilidade
Cardoso (2004),
Projeto,
Menor/ Bom Modelagem
preliminar,
Carazas (2006),
FMEA
Processo, e
Identificao de
Korayem e Iravani
Manuteno
do sistema
de Risco (I)
componentes
(2008), Oldenhof, et
crticos
al. (2011)
Identificao de
Todas as
Moderado/
Avaliao da Hauptmanns (2004),
causas das falhas,
fases aps das
Excelente
Probab. de
Ericson (2005), Casal
avaliao probab., Qualitat. e
FTA
necessidades
conhecimento Ocorrncia
(2008), Lindhe et al.
Lista cut set ,
Quantitat
do sistema e
dos Cenrios (2009), e Edoytchin
serem
representao
operao
de Risco (II) Szwillus (2009)
definidas
grfica do sistema
Avaliao da Philipson e Wilde
Identificao de
Significativo/
Probab. e
(2000), Ongaro et al.
cenrios de falha,
Excelente
Processo, e
Qualitat. e
conseq. de
(2008), Ferdous et al.
ETA
avaliao probab.
conhecimento
Manuteno
Quantitat
dos Cenrios (2009), Catalyurek, et
avaliao de seq.
do sistema e
de Risco
al. (2010), Vilchez et
acidental
operao
(II e III)
al. (2011)
Significativo/ Avaliao da
Identificao de
Excelente
Probab. e
Andrews e Ridley,
cenrios de falha,
Anlise Causa Processo, e
conhecimento conseq. de
(2001), Cardoso
avaliao probab. Quantitat
Cons.
Manuteno
do sistema, do dos Cenrios (2004), Carazas e
avaliao de seq.
processo e
de Risco
Souza (2010)
acidental
operao
(II e III)
Significativo/
Excelente
Heidenberger, (1996)
rvore de
Avaliao de
conhecimento Tomada de e Frohwein, Lambert
Todas
Quantitat
Deciso
alternativas
do sistema, do deciso (IV) e Haimes, (1999),
processo e
Palacios et al. (2009)
operao
Avaliao de
sistemas e
subsistemas
CAPTULO 3 FUNDAMENTOS DE ESTIMAO E INFERNCIA

PROBABILSTICA SOB INCERTEZA
3.1.
possvel afirmar que, no caso de sistemas complexos, a ocorrncia de um evento

indesejvel est relacionada com um evento iniciador, que acontece em um componente
especfico, onde esta ocorrncia conduz a uma sequncia acidental que relaciona eventos de
perigo. Desta forma, a informao que se tem sobre uma quantidade de interesse torna-se
fundamental na anlise e na tomada de deciso. Normalmente, o verdadeiro valor da varivel
de interesse desconhecido e, portanto, preciso estudar modelos matemticos e estatsticos
que minimizem este desconhecimento.
Alm disso, o valor da incerteza a respeito da varivel pode assumir diferentes graus. Do
ponto de vista bayesiano, estes diferentes graus de incerteza so representados atravs de
modelos probabilsticos. Neste contexto, natural que diferentes pesquisadores possam ter
diferentes graus de incerteza, especificando modelos distintos. Sendo assim, no existe
nenhuma distino entre quantidades observveis e os parmetros de um modelo estatstico,
ou seja, todos so considerados quantidades aleatrias (ALBERT, 2007; GHOSH,
DELAMPADY e SAMANTA, 2006).
Dessa forma, as ferramentas para estimar as probabilidades de ocorrncia de falha, assim
como as consequncias dos acidentes, expressas por modelagem matemtica, devem ter
capacidade de prever os efeitos das consequncias e a sensibilidade da modelagem,
permitindo fazer estimaes sobre a varivel de interesse.
A seguir, so apresentados os fundamentos tericos que permitem fazer esta modelagem
matemtica. Estes fundamentos esto divididos em trs grupos: Inferncia bayesiana, Anlise
de Markov e Modelos de Deciso Sob Incerteza.
3.2.
PRINCPIOS BSICOS DE INFERNCIA BAYESIANA
FUNDAMENTOS DE ESTIMAO E INFERNCIA PROBABILSTICA SOB INCERTEZA
3.2.1.
39
Probabilidade
A palavra probabilidade vem do latim probare que significa provar (CHRISTENSEN, et al.,
2010). No entanto, historicamente, pode se verificar que este conceito tem vrias interpretaes
que podem ser classificadas em duas abordagens: a primeira abordagem traz a ideia que a
probabilidade uma proporo do nmero de sucessos do total de certo nmero de ensaios; a
segunda discorre sobre o grau de crena que existe de que o evento possa acontecer ou no
(SINGPURWALLA, 2006).
Na primeira abordagem, a probabilidade interpretada como uma frequncia relativa e
associada frequncia com que um evento ocorre num certo experimento ou em certa populao.
Especificamente, se um experimento realizado n vezes sob condies idnticas e o evento de
interesse, A, ocorre em k dos n ensaios, ento, a frequncia relativa do evento A a proporo
k/n. Se n incrementado, esta proporo converge a um nmero p, portanto, este nmero
definido como a probabilidade do evento A (SINGPURWALLA, 2006).
Existem vrias crticas a esta abordagem, j que esta s aplicvel para situaes que
permitam experimentos repetveis. Outra objeo para esta abordagem a condio dos
experimentos, j que no fica claro o conceito de condies idnticas e, em muitas ocasies,
impossvel eliminar variveis externas ao processo, especialmente quando se trata de operaes
complexas. Uma terceira objeo est relacionada com n, devido ao desconhecimento sobre o
tamanho ideal de n, que permite concluir que o nmero obtido converge para p e pode ser
considerado como a probabilidade do evento A (ALBERT, 2007). Por outro lado, em muitos
casos na engenharia, na medicina e na economia tm-se eventos cuja frequncia baixa e os
dados empricos para estimar os parmetros no esto facilmente disponveis. Estas e outras
dificuldades levam a que a interpretao de probabilidade seja repensada e sejam exploradas
outras abordagens (AVEN e KVALOY, 2002).
O fortalecimento da segunda abordagem nas ltimas dcadas resulta da anlise do pargrafo
anterior. A segunda abordagem tambm conhecida como probabilidade subjetiva, por ser
baseada em percepes ou evidncias que provm da experincia dos operadores do sistema ou de
um conhecimento inicial que tem a finalidade de dar uma medida sobre quanto se espera que o
evento seja verdadeiro (acontea). Especificamente, se a informao ou evidncia sobre um
evento B precede ao conhecimento de um evento A e estes dois so independentes, ento o
conhecimento sobre a ocorrncia da evidncia B no mudar a crena sobre A e vice-versa.
Portanto, a probabilidade a ser atribuda ao evento A sempre ser a mesma, independente da
40
informao sobre o evento B. Entretanto, se A e B so dependentes, o conhecimento que se tenha

sobre B mudar a crena sobre A (ALBERT, 2007).
Esta abordagem envolve o uso de informao subjetiva proveniente de um conhecimento
prvio, chamada de probabilidade a priori ou incondicional, e uma probabilidade condicional
(probabilidade a posteriori) que depende do estado de conhecimento. O fato de a probabilidade
final depender deste estado de conhecimento e da preciso das estimativas uma das
potencialidades da anlise bayesiana, porm constitui a complexidade da abordagem.
Dentre as grandes vantagens desta abordagem, est a possibilidade de considerar tipos de
informao que na abordagem frequentista no possvel utilizar, sem excluir a informao
relativa frequncia, j que esta informao est inclusa no estado de conhecimento. A anlise
bayesiana est baseada na premissa de que todas as incertezas inerentes ao processo analisado
seguem uma distribuio de probabilidade e devem ser modeladas (GHOSH, DELAMPADY e
SAMANTA, 2006).
Independente da abordagem, em ambos os casos obedecem-se aos axiomas de probabilidade e
as leis de probabilidade continuam sendo vlidas. No caso especfico da interpretao bayesiana,
considera-se que o parmetro desconhecido e os dados antes da observao tm uma distribuio
de probabilidade que provm de um modelo de processo semelhante, bem como do julgamento
subjetivo. Deste modo, a distribuio do parmetro surge como uma quantificao do
conhecimento ou da crena.
3.2.2.
Generalizao do Teorema de Bayes
Como foi discutido na seo anterior, a probabilidade de um evento A pode ser interpretada
como uma medida da crena que o analista tem sobre sua ocorrncia. Assim, a probabilidade
condicional P(A|B), que corresponde ao grau de crena que se tem sobre que realmente A
acontea, quando conhecida uma nova informao ou evidncia B, est definida
matematicamente como mostra a eq. (3.1).
| =
!#
#
(3.1)
Note-se que, tanto a P(A) quanto a P(A|B) esto condicionadas ao estado do conhecimento do
analista. Como j foi mencionado anteriormente, estas probabilidades seguem as leis de
probabilidade e particularmente devem obedecer ao Teorema de Bayes que permite calcular
P(A|B) a partir de P(B|A) e a P(A) como indica a eq. (3.2).
41
% '(.

*.
= | +,,| =

#|! !
| =
#
(3.2)
Na eq. (3.2) pode ser observado que a probabilidade de que A acontea dada a nova evidncia
B deve ser proporcional ao produto de duas medidas: (1) a crena que o analista tem sobre A,
antes de ter informao sobre a nova evidncia e, (2) a probabilidade de que a evidncia B
observada quando A realmente ocorre. Alm disso, a probabilidade da evidncia deve obedecer a
uma constante de proporcionalidade ou normalizador (LINDLEY, 1965).
Neste mesmo sentido, seja A um conjunto de eventos mutuamente excludentes, {A1, A2, A3, ...
, An} tal que a probabilidade de cada um destes eventos diferente de zero. Seja B um evento do
qual se conhecem as probabilidades condicionais P(B|Ai), ento (Ai|B) pode ser expressa pela eq.
(3.3) (GHOSH, DELAMPADY e SAMANTA, 2006).

| = 0
#|!. !.
/12
#|!/ !/
(3.3)
No caso de se ter um parmetro , onde o valor do parmetro est entre e + d, ento o

teorema de Bayes toma a forma expressa na eq. (3.4).
34 6789 : 79<=>9 4 + :4 @
|4 A 4
4 | =
B |4 A 4 :4
4 | |4 A 4
(3.4)
Nesta equao, P0 anlogo P(A) na eq. (3.2) e corresponde funo densidade de

probabilidade a priori para o parmetro desconhecido , L(E|) equivalente P(B|A) na eq.
(3.2) e chamada de funo de verossimilhana. Esta corresponde probabilidade condicional de
observar a evidncia E dado . P(|E) corresponde funo densidade de probabilidade para o
parmetro aps obter a evidncia E, que chamada de funo a posteriori. A integral no
denominador corresponde ao valor esperado com respeito distribuio a priori. Esta relao
assegura que a funo a posteriori integrada sobre todos os valores de , ou seja, em outras
palavras, esta funo uma funo densidade de probabilidade adequada. Logo, a crena sobre o
parmetro, dado que exista a evidncia E, depende da funo verossimilhana e da
probabilidade a priori (BERNARDO e SMITH, 2001).
42
A evidncia pode estar em forma de dados histricos, opinio de especialistas ou modelos de

predio e, portanto, o teorema de Bayes possibilita uma estimao de probabilidades decorrentes
de um novo estado de informao. Assim, a inferncia bayesiana iniciada usando probabilidades
a priori para descrever o estado de conhecimento. Posteriormente, ela incorpora informao
atravs de coleta de dados, resultando, assim, em uma nova probabilidade, a posteriori, que
descreve o estado de conhecimento aps combinar a probabilidade a priori com os dados
levantados.
3.2.3.
Estimao de Parmetros bayesianos
A estimao bayesiana deve envolver tanto o grau de crena quanto a informao dos dados
coletados sobre o comportamento do sistema. A estimao dos parmetros compreende quatro
passos. Primeiramente, necessrio definir o modelo probabilstico que vai permitir que sejam
definidos os parmetros a serem estimados. Aps este primeiro passo, deve-se definir a funo a
priori que quantifica apropriadamente o estado do conhecimento do analista (segundo passo). O
terceiro passo envolve a definio da forma apropriada da funo de verossimilhana e a
construo da mesma a partir da coleta de dados. E, finalmente, obtm-se a funo a posteriori
usando o teorema de Bayes, obtendo-se, assim, a transformao da distribuio a priori dada a
nova informao (ALBERT, 2007). A Figura 3.1 mostra que a das distribuies a priori e a
funo de verossimilhana influenciam diretamente no comportamento da distribuio a
posteriori.
Um primeiro caso mostra que, quando a informao a priori forte, porm a nova informao
corresponde a uma informao no relevante, ento a distribuio a posteriori no ser
influenciada pela nova informao e ser praticamente idntica distribuio a priori. Neste caso,
a estimao dos parmetros ser idntica ao mtodo tradicional (Figura 3.1a). Um segundo caso
surge quando tanto a informao do analista como a nova informao so de ponderao
comparvel, ento a distribuio a posteriori pode apresentar forma e escala diferentes das duas
funes geradoras (Figura 3.1b). No terceiro caso, a distribuio a priori apresenta um
comportamento quase constante na regio onde a funo de verossimilhana mxima e, neste
caso, a distribuio a posteriori depender da nova informao, (Figura 3.1c) (MARITZ e LWIN,
1989).
43
Figura 3.1 Relao entre a distribuio A priori, verossimilhana e A posteriori.
3.2.3.1.
Modelo Probabilstico de Falha
A anlise de risco pode ser entendida como uma medida da incerteza associada com a
ocorrncia de eventos indesejados, tais como falhas nos componentes do sistema. Portanto, o
modelo probabilstico definido ser funo do tipo de anlise de falha a ser realizado. Deste
modo, importante definir os conceitos associados anlise probabilstica das falhas e ver sua
interpretao na inferncia bayesiana (SINGPURWALLA, 2006).
A confiabilidade pode ser definida como a probabilidade de que um componente,
equipamento, ou sistema execute as operaes para as quais foi projetado por um tempo
determinado, sem apresentar falha (LEWIS, 1987).
As abordagens mais tradicionais para a seleo de modelos para descrever a distribuio
temporal das falhas so baseadas no conhecimento do comportamento do item ou na anlise fsica
da falha. Assim, a confiabilidade para qualquer sistema, processo ou operao definida
usando o tempo at a falha (RAUSAND e HOYLAND, 2004). Em um primeiro estgio,
preciso definir a funo que os subsistemas e componentes tem no processo, indicando o
44
desempenho esperado e os diferentes modos de falha que poderiam apresentar, assim como
tambm importante definir as caractersticas da distribuio dos tempos at a falha. Aps a
obteno dos tempos de falha, a funo de confiabilidade ser gerada a partir da funo de
distribuio acumulada. Esta pode ser interpretada como a proporo de itens que falharam
at tempo ti e expressa a probabilidade de ocorrer falha at um tempo t (LEITCH, 1995).
Considere-se que T denota o tempo at ocorrer a falha de um item cuja misso tem uma
durao [0, t]. Portanto, T uma varivel aleatria e sua correspondente funo densidade de
probabilidade fT(t), para um intervalo de tempo especfico, est representada na eq. (3.5)
(LEWIS, 1987).
D > > = 3> F < > + >@
(3.5)
Assim, a funo distribuio acumulada sempre crescente, j que representa a rea sob a
curva representativa da funo de densidade de probabilidade para os tempos de falha. A eq.
(3.6) define a funo distribuio acumulada FT(t) para fT(t), que representa a probabilidade
de que o tempo T em que ocorra uma falha seja menor ou igual ao tempo de estudo t (LEWIS,
1987).
J
HD > = 3F >@ H> = BA D I:I
(3.6)
Segundo a definio de confiabilidade dada anteriormente, pode-se afirmar que a

confiabilidade a funo distribuio acumulada complementar (eq. (3.6)) e, portanto, pode
ser expressa pela eq. (3.7) e ser uma funo decrescente no tempo.
J
> = 3F > > @ > = 1 BA D I:I
(3.7)
A definio anterior concorda com o ponto de vista fsico de operao, pois espera-se que
quanto maior seja o tempo de operao, menor ser a probabilidade de que o sistema possa
executar suas funes com o desempenho esperado, dado o envelhecimento natural que este
vai sofrendo (SOUZA, 2003).
Unido ao conceito de confiabilidade est o conceito da taxa de falha instantnea, (t), que
definida como: A probabilidade de que o sistema falhar no prximo intervalo de tempo
dado que ainda no falhou at o presente instante de tempo de operao. A taxa de falha
expressa pela relao indicada na eq. (3.8) (MODARRES, 1993).
N> > = 3F > + >|F > > @
(3.8)
45
Da expresso constante da eq. (3.8) e usando o teorema de Bayes, pode-se encontrar a

relao entre a taxa de falha e a confiabilidade como mostrado na eq. (3.9) (MODARRES,
1993).
3F > F < > + >@
3F > >@
3> F < > + >@ 3F > F < > + > @
3> F < > + >@ > >
SJ
N > =
3F > + >|F > >@ =
TJ
(3.9)
Da eq. (3.9), conclui-se que a taxa de falha depende do intervalo que est sendo observado
ou do estado ou tempo de operao do item analisado.
Deste modo, a confiabilidade R(t) para algum parmetro pode ser definida
matematicamente como mostra a eq. (3.10).
> = F > = BU F >|4 H :4
(3.10)
Nela, F() a funo distribuio do parmetro , a melhor avaliao sobre a incerteza do

parmetro que corresponde distribuio a priori para .
Na maioria das anlises, o interesse est centrado em n itens, cada um com tempo de vida Ti,
ento, neste caso, a confiabilidade pode ser definida como mostra a eq. (3.11)
(SINGPURWALLA, 2006).
F > , , F > = BU
F
>
|4 H :4
3.2.3.2.
(3.11)
Distribuio A priori
A anlise bayesiana exige a atribuio de uma distribuio a priori. Esta distribuio deve
representar, probabilisticamente, o conhecimento que se tem sobre antes de se obter a nova
informao e refletir a incerteza sobre os possveis valores dos parmetros antes que os dados
sejam coletados. Portanto, a distribuio a priori para o parmetro ter uma densidade de
probabilidade P0(). Assim, a funo a priori escolhida de tal forma que expresse o
conhecimento do analista e a incerteza associada ao parmetro desconhecido (GHOSH,
DELAMPADY e SAMANTA, 2006).
O desenvolvimento da distribuio a priori o principal desafio, j que requer converter a
crena sobre o processo em uma medida quantitativa (SIU e KELLY, 1998).
46
A primeira dificuldade que se tem em relao aos dados disponveis do processo, j que da
preciso e da forma de como os dados foram coletados depender a influncia que ter a
distribuio a priori na estimao da distribuio a posteriori, porm esta informao nem sempre
est disponvel.
Em alguns casos, a informao sobre a crena do analista est bem definida e existem estudos
prvios que permitem definir claramente o comportamento do sistema. Porm, em outros, a
funo a priori deve ser desenvolvida, sendo ento necessrio definir previamente se a crena do
analista pode ser considerada precisa ou, pelo contrrio, trata-se de uma crena vaga. Caso a
crena do analista possa ser considerada precisa ou a distribuio a priori esteja claramente
definida, diz-se que a distribuio a priori informativa; no outro caso, trata-se de uma
distribuio a priori no-informativa (CHRISTENSEN, et al., 2010).
Distribuio A priori Informativa
Caso exista informao precisa do analista, porm a distribuio exata no seja conhecida,
destacam-se trs mtodos para desenvolver esta distribuio: 1) Bayes emprico, 2) Mxima
entropia e 3) Hierrquico (SIU e KELLY 1998).
O mtodo de Bayes emprico usado para criar a distribuio a priori quando h dados
disponveis e, assim, ajustar distribuies a um conjunto de dados disponveis. No entanto, este
mtodo no ser explicado neste texto por tratar-se de uma abordagem que envolve o uso de
tcnicas clssicas, como o mtodo dos momentos e o mtodo de mxima verossimilhana, que
no sero usadas nesta pesquisa. Para mais detalhes, o leitor pode consultar Maritz e Lwin (1989),
que apresentam uma discusso detalhada e especfica sobre este mtodo de Bayes emprico,
usando diversos tipos de dados, bem como textos clssicos de inferncia estatstica. J os mtodos
2 e 3 sero explicados com mais detalhe.
O mtodo da Mxima Entropia usado quando, embora no haja dados disponveis, existem
outras formas de informao. O mtodo foi desenvolvido por Shannon, na dcada de 40, como
uma medida da quantidade de informao em uma mensagem, chamada de entropia (SIU e
KELLY, 1998).
A entropia representa a medida de quantidade de informao que se espera obter ao conhecer
a varivel aleatria ou, equivalentemente, a reduo das fontes de incerteza esperada. A funo
entropia I(), est definida na eq. 3.12. A distribuio a priori ser aquela que maximiza a funo
da entropia (ROMERO, 2008):
47
Y4 = B[Z 4 8\ 4 :4
3.12
A Tabela 3.1 apresenta algumas solues que maximizam a entropia sob restries especificas
do parmetro .
Tabela 3.1 Distribuies A priori geradas com o mtodo de mxima entropia (SIU e KELLY, 1998).
Restries
74]
4 0; 4 = ` \=:
7 4 ]; 4 = ` \=:
4 ; 4 = `; 679 4 = h i \=:
Distribuio A priori
1
]7
1 [Ub
=
`
d= eU
=ef =e%
1
n
n
= m[U[b io p
2lh
A definio de entropia apresenta trs inconvenientes: 1) os valores de I() podem ser tanto
negativos quanto positivos, 2) I() pode ser infinito e 3) I() depende unicamente da densidade de
probabilidade, fazendo com que I() seja varivel quando existirem mudanas de escala.
Autores como Atwook (1996), Romero (2008) e Hideki (2008) utilizam este mtodo. No
entanto, Siu e Kelly (1998) destacam trs objees filosficas.
O mtodo Hierrquico consiste em dividir a estimao da distribuio a priori em estgios.
Este mtodo reduz a variabilidade das incertezas que so ignoradas quando os dados provm de
vrias fontes. O primeiro estgio criar uma distribuio a priori para um parmetro baseado
numa populao. No estgio seguinte, calculada a distribuio a posteriori aplicando o teorema
de Bayes. Esta distribuio corresponder distribuio a priori atualizada para a amostra
especfica e ser do tipo multivariado (EHLERS, 2003).
A seguir, apresentado um exemplo para ilustrar o mtodo. Suponha-se que tenha uma
distribuio discreta cuja distribuio a priori apresentada na eq. (3.13).
A 4 = r
4|qA q

(3.13)
Aplicando-se o teorema de Bayes, a distribuio a posteriori de dado i estaria representada

como mostra a eq. (3.14).
A 4| = r

s|U U|t.
q
|
B s|U U|t.
(3.14)
48
Teoricamente, no h limitao em relao ao nmero de estgios, entretanto, devido s

complexidades matemticas resultantes, as distribuies a priori hierrquicas so especificadas
em geral em dois ou trs estgios. Alm disso, devido dificuldade de interpretao dos
hiperparmetros em estgios mais altos, uma prtica comum especificar distribuies a priori
no-informativas para estes nveis (SIU e KELLY, 1998).
Distribuio A priori No-Informativa
No caso em que distribuio a priori apresente um comportamento quase constante na regio
onde a funo de verossimilhana mxima, a distribuio a posteriori depender unicamente da
nova informao e, desta forma, a distribuio a priori a ser usada ser uma distribuio do tipo
no-informativa. Estas distribuies surgem quando existe um grande nmero de dados e,
portanto, a informao contida na amostra grande quando comparada com a informao que
gera a distribuio a priori.
As distribuies no-informativas comearam a ser usadas no sculo XVII com trabalhos
desenvolvidos por Bayes e Laplace. Bayes usou uma distribuio uniforme para vinda de uma
distribuio binomial e Laplace usou uma uniforme imprpria para a mdia de uma distribuio
normal (SINGPURWALLA, 2006). A seguir, so apresentados alguns dos mtodos para
obteno de distribuies a priori no-informativas.
O primeiro mtodo recomenda representar a distribuio a priori por uma distribuio
uniforme. Este representao indica que o analista no tem motivo para acreditar que um valor
particular do parmetro seja mais provvel que outro. Em outras palavras, todos os valores dos
parmetros desconhecidos tm a mesma chance de acontecer. Um problema ao se trabalhar com
esta distribuio a priori que, no caso em que o intervalo de variao de seja ilimitado, a
distribuio a priori ser imprpria (BERNARDO e SMITH, 2001).
Outro mtodo bastante conhecido para estimar este tipo de distribuies foi proposto por
Jeffreys em 1946 (SINGPURWALLA, 2006). A distribuio a priori no-informativa de Jeffreys
considera uma regra geral para obter as distribuies a priori, considerando uma nica observao
X com funo densidade de probabilidade P(X|), como mostra a eq. 3.15:
A 4 = u v|U w
xn
xUn
8\ y|4 z{
|
i
3.15
A grande vantagem desta distribuio a priori ser invarivel s transformaes, no obstante

a existncia da distribuio a priori de Jeffreys requerer condies assintticas fortes, ou seja, que
49
a frequncia relativa do evento v se estabilizando e variando cada vez menos na medida em que
seja incrementado o nmero de ensaios.
3.2.3.3.
Funo de verossimilhana
A funo de verossimilhana corresponde probabilidade de se obter a amostra observada

como funo do verdadeiro estado de natureza do parmetro. Portanto, a construo de uma
funo de verossimilhana apropriada requer um conhecimento especfico para o processo que
est sendo modelado (GHOSH, DELAMPADY e SAMANTA, 2006).
Em um problema de estimao padro, o analista provido com um grupo de dados
observados que devem ser usados para estimar os parmetros correspondentes ao processo que os
gera. Embora no exista um conjunto de regras para modelar o processo gerador dos dados, Siu e
Kelly (1998) mencionam alguns passos importantes a serem levados em considerao. O primeiro
passo determinar se a varivel aleatria discreta ou contnua. Em uma anlise de falha
comum usar como varivel discreta o nmero de componentes que falham ou nmero de falhas de
um componente e, como varivel contnua, o tempo de falha dos componentes. A partir desta
deciso, o analista pode estabelecer algumas distribuies mais apropriadas para modelar seu
processo de gerao de dados, como demonstrado na Figura 3.2.
Aps ter selecionado a distribuio mais apropriada para o processo gerador dos dados, o
procedimento segue para encontrar os parmetros que consigam explicar o comportamento destes
dados gerados e, ento, ficar definida a funo de verossimilhana L(), que proporcional
probabilidade de observar a evidncia E (BERNARDO e SMITH, 2001). No caso de mltiplos
conjuntos condicionalmente independentes de evidncias, a funo de verossimilhana dada
pela eq. (3.16).
|4 =

|4
Discreta
Dados de
Amostragem
Tempo
Binomial
Nmero de
unidades
Poisson
Processo
gerador de
eventos
No
envelhecimento
Exponencial
Envelhecimento
Weibull
Lognormal
Independente
Correlao
entre eventos
Tipo de
Varivel
(3.16)
Contnua
Dependente
Opinio de
especialistas
Processo
Multiplicativo
Modelagem
especfica
Normal
Lognormal
Figura 3.2 Seleo da funo de verossimilhana.

50
A funo de verossimilhana para o i-simo conjunto de evidncias desenvolvida usando

uma apropriada funo de distribuio de probabilidade (BERNARDO e SMITH, 2001).
3.2.3.4.
Distribuio A posteriori
Dada a funo de verossimilhana L(E|) e a funo a priori P0(), a probabilidade a

posteriori pode ser calculada como mostra a eq. (3.4).
fato que, para obter-se a distribuio a posteriori, necessrio o desenvolvimento de
integrais no domnio de e que a avaliao destas representar uma dificuldade ao ser implantada
uma soluo bayesiana. Assim, nos casos em que a funo de verossimilhana envolve um
parmetro, a implantao requer a avaliao de integrais unidimensionais. No obstante, em
problemas onde a funo de verossimilhana multiparamtrica, a tarefa de implantao torna-se
mais complexa quando aumenta o nmero de componentes de (GHOSH, DELAMPADY e
SAMANTA, 2006). Por outro lado, uma vez que P0() est agindo como uma representao de
crenas, exigido que a classe de funes matemticas a partir da qual P0() escolhida seja
ampla e, portanto, possa representar com facilidade a adequao de outras crenas. No entanto,
estes dois fatos podem complicar ainda mais a avaliao da distribuio a posteriori (LINDLEY,
1965).
Em compensao, quando existem crenas especficas, existem opes que permitem usar
formas particulares da funo a priori que so compatveis com a funo de verossimilhana e,
consequentemente, a avaliao das integrais pode ser realizada diretamente, facilitando, assim, os
clculos. Este tipo de anlise chamado de anlise conjugada (BERNARDO e SMITH, 2001).
Na anlise conjugada, a distribuio a posteriori tem a mesma forma da distribuio a priori
e, comumente, os parmetros da distribuio a posteriori esto relacionados com os parmetros
da distribuio a priori, com uma modificao de escala por causa da funo de verossimilhana.
O procedimento para determinar a distribuio conjugada, mostrado por Bernardo e Smith (2001),
ilustrado no texto a seguir:
Considere-se que a evidncia E est formada por um conjunto de variveis aleatrias x1, x2,...,
xn, (discretas ou contnuas) que representam as observaes ou dados experimentais.
Suponha que E uma amostra distribuda exponencialmente segundo a forma que mostra a
eq. (3.17) (BERNARDO e SMITH, 2001):
|4 = } ~4 =

.12 . t.0
12
(3.17)
onde f, h, , c so fatores do espao amostral.
51
A famlia conjugada para est definida na eq. (3.18):
4| = [ ~4 =
onde = (o, i,..., n,) tal que = ~4 =
.12 . t.
.12 . t.
(3.18)
..
A partir deste resultado, verifica-se que a conjugada, no caso de anlise homognea, para uma
distribuio Bernoulli uma distribuio Beta.

Suponhamos que E seja uma amostra que provm de um ensaio do tipo Bernoulli e a funo a
priori foi definida como uma distribuio Beta. Assim, a funo de verossimilhana pode ser
escrita da forma apresentada na eq. (3.19), (BERNARDO e SMITH, 2001):
}
, , } |4 = 1 4 =
0
.12 .
2
(3.19)
Usando a eq. (3.18), a distribuio a priori pode ser definida como mostra a eq. (3.20):

4| 1 4 = [U 2

4| =
4 2 1 4[2

,2
(3.20)
Assumindo que K existe e est representada pela eq. (3.21):

A , = BA 4 2 1 4 [2 :4
(3.21)
Usando as equaes 3.19 a 3.21 pode-se dizer que a distribuio a priori Beta(,)
conjugada com a funo de verossimilhana da distribuio de Bernoulli, j que distribuio a
posteriori resultante uma Beta(=1 + 1,=0 - 1 +1).
3.3.
ANLISE DE MARKOV
A anlise de Markov uma forma de modelar processos onde as transies entre estados so
probabilsticas. Em geral, existe a chance de que, no decorrer da operao, os sistemas passem de
um estado de operao aceitvel para um estado de operao inaceitvel.
Certamente, os modelos determinsticos contribuem com a compreenso do comportamento
de sistemas, mas por no considerar as mudanas de estado so ineficientes nos processos de
tomada de deciso. Desta maneira, recorre-se ao emprego de processos estocsticos como uma
forma de tratar quantitativamente estes fenmenos, aproveitando certas caractersticas de
52
regularidade que estes apresentem por serem descritos por modelos probabilsticos (LEITCH,
1995).
Pode-se definir um processo estocstico como um conjunto de variveis aleatrias indexadas a
uma varivel (geralmente o tempo), sendo representado por {X(t), t T}, onde os valores que X(t)
podem assumir so chamados de estados e seu conjunto X chamado de espao de estados. Uma
grande vantagem destes mtodos no requerer a hiptese de independncia e poderem ser
usados para analisar falhas sequenciais com preciso (ANDREWS e RIDLEY, 2001).
A anlise de Markov um mtodo usado para modelar sistemas com transies entre estados
e calcular a probabilidade de atingir os estados do sistema. Esta tcnica uma ferramenta para
modelar sistemas complexos envolvendo durao, sequenciamento, reparo, redundncia e falha.
Nas aplicaes prticas, analisar o comportamento de um sistema por uma abordagem
markoviana resume-se em encontrar a descrio adequada para os possveis estados do sistema,
aos quais se associam processos aleatrios onde o conhecimento do estado atual permite prever o
comportamento futuro do processo, atravs de suas transies possveis.
3.3.1.
Conceitos Bsicos da Anlise de Markov
Um Processo de Markov uma classe de processo estocstico no qual pode ser definido um
modelo probabilstico que satisfaz a propriedade de Markov ou perda de memria, ou seja, seu
comportamento futuro somente condicionado pelo estado presente, independentemente de sua
histria ou dos estados em que esteve no passado (HILLIER e LIEBERMAN, 1995). De fato,
para um processo de Markov completamente irrelevante qualquer informao sobre os estados
passados, ou sobre o tempo de permanncia no estado presente. Portanto, em um processo de
Markov, as transies entre estados so causadas pela ocorrncia de acontecimentos ou eventos.
Assim, as probabilidades de transio entre estados apenas dependem do estado ocupado no
tempo t e, consequentemente, so constantes (MOURA e DROGUETT, 2008). No processo de
Markov, o sistema graficamente representado por uma cadeia constituda por arcos e ns, como
mostra a Figura 3.3, onde um estado representado por um crculo ou n com a respectiva
denominao e as transies entre estados so representadas por arcos, aos quais esto associados
as respectivas probabilidades de transio pkj, pij, pjk.
53
Figura 3.3 Diagrama de Processo de Markov contnuo.
Matematicamente, um processo de Markov pode ser representado como mostra a eq.
(3.22)
(LIMNIOS, 1997).
3y> = |y> 1 = , y> 2 = J[i , , y1 = , y0 = A @ =

3y > = |y > 1 = @
(3.22)
onde, > = 0,1,2, e , , J y
Um Processo de Markov em tempo discreto um processo estocstico em que uma varivel t

representa intervalos de tempo, {X(t), t = 0,1,2,3...}, onde cada varivel aleatria X(t) assume
valores dentro de um espao de estados S e a probabilidade de X(t) estar no estado j no prximo
intervalo depende apenas do estado presente e no dos estados visitados no passado. Este processo
chamado de Cadeia de Markov quando as variveis aleatrias X(t) esto definidas em um
espao de estados discretos S. Um caso particular de Cadeias de Markov a Cadeia de Markov
Homognea no tempo, onde as probabilidades de transio no mudam ao longo do tempo, ou
seja, so independentes do tempo de observao. As variveis aleatrias que regem as transies
entre estados neste tipo de cadeia so distribudas segundo uma distribuio exponencial e, como
consequncia, as probabilidades de transio no dependem do tempo j percorrido pelo sistema,
e sim do tempo atual para a transio. J em um processo No-Homogneo, as taxas de transio
so representadas como funes densidade de probabilidade (PERMAN, SENEGACNIK e
TUMA, 1997).
Em uma Cadeia de Markov Discreta, a evoluo do processo definida a partir de uma matriz
de transio de probabilidades P=[pij] definida na eq. (3.23). A probabilidade de ir de um estado i
ao estado j [pij] calculada a partir das equaes de Chapman-Kolmogoroff. Estas equaes so
definidas a partir das probabilidades de ir do estado i para algum estado rS em n passos e, em
seguida, de ir do estado r para o estado j em m passos. Cabe ressaltar que a probabilidade de sair
de um estado e chegar a outro estado em n + m passos no depende do caminho ou sequncia de
estados percorridos (LOPES-MACHADO, 2004).

> = 3y > = |y > I = @
AA A

=
A

> = 1 ;

=

(3.23)
54
onde, >, I , , 9
Uma Cadeia de Markov Discreta se caracteriza quando o processo observado em intervalos
equidistantes de tempo e fica completamente definida quando os estados {X(t)= 0,1,2,3...s} e as
probabilidades de transio entre os estados em um perodo so conhecidas (HILLIER e
LIEBERMAN, 1995).
Em uma Cadeia de Markov Contnua, a varivel aleatria representa instantes de tempo e no
intervalos, como no caso anterior. Tal como no caso discreto, uma Cadeia de Markov Contnua
pode ser representada atravs de um diagrama de transio de estados como mostra a Figura 3.3.
Assim, em uma Cadeia de Markov Contnua, a evoluo do processo tambm definida
atravs de uma matriz de transio de probabilidades P(t)=[pij]. A definio de P de forma
genrica est dada pela eq. (3.23), mas como esta definio no facilita a obteno de expresses
analticas, recorre-se definio de uma matriz Q que se relaciona com P, como mostra a eq.
(3.24). Os elementos da matriz Q podem ser interpretados como as taxas de transio entre
estados, assim, qij corresponde taxa de transio entre os estados i e j e qij a soma de todas as
taxas das transies que saem do estado i. (LOPES-MACHADO, 2004):
=
=

JA
3y> + > = |y> = @

>
./

JA
onde
0 , ,
,

JA
..
J
(3.24)
A equao para as probabilidades de estado apresentada na eq. (3.25), cuja deduo

realizada por meio da equao de ChapmanKolmogorov (BARROS, 2006):
> =
3y > = @ =

> 3y > = @
(3.25)
As probabilidades de transio entre os estados dependem do tempo de permanncia em esse

estado, porm, considerando a propriedade de Markov, este tempo deve ser definido por uma
distribuio exponencial. Em muitos casos, o tempo de permanncia em um estado segue uma
distribuio noexponencial e, nestes casos, preciso seguir uma abordagem de processo SemiMarkov (BECKER, CAMARINOPOULOS e ZIOUTAS, 2000).
55
3.3.2.
Processo Semi-Markov
Um processo Semi-Markov pode ser considerado uma generalizao de um processo de

Markov, sendo que para este a informao sobre o tempo de permanncia no estado atual deixa de
ser irrelevante. Portanto, pode-se definir como um processo de tempo contnuo, onde a evoluo
futura no depende apenas do estado atualmente ocupado, mas tambm do tempo de entrada no
estado atual. A durao em cada estado descrita por uma varivel aleatria que depende do
estado atual e do estado para o qual acontecer a prxima transio. A consequncia que os
tempos entre acontecimentos sucessivos deixam de estar limitados distribuio exponencial,
podendo ser modelados por qualquer distribuio de probabilidade (WINSTON, 1994). Desta
forma, o tempo das visitas nos estados que so governadas por uma cadeia de Markov possui uma
funo de densidade de probabilidade que depende dos estados entre os quais a transio
realizada.
Por outro lado, este processo pode ser visto como uma generalizao de uma cadeia de
Markov Contnua, em que permitido que o tempo de permanncia em um estado possua uma
funo densidade de probabilidade noexponencial e na qual existem transies para o prprio
estado.
3.3.2.1.
Taxas de Transio de Estado
Para um processo Semi-Markov, a propriedade de Markov s requerida para os pontos de

transio. Este processo pode ser descrito por probabilidades de transio, como mostra a eq.
(3.26), (PERMAN, SENEGACNIK e TUMA, 1997):
> = 3F = F F[ >| F[ = @ = r

r >
(3.26)
onde Z uma cadeia de Markov que pode tomar um valor em um conjunto possvel de estados.
(Tn - Tn-1) representa a varivel aleatria do tempo de transio entre dois estados, com uma
distribuio de probabilidade definida. Neste caso, a varivel t representa o nmero de transies
concorrentes.
Considerando o problema especfico de anlise de risco, s probabilidades de transio
correspondem funes de densidade de probabilidade da falha (f(t)) (RODRIGUEZ e SOUZA,
2011). Analogamente, as taxas de transio correspondem probabilidade de que o sistema ou
componente falhar, dado que ainda no falhou. Esta probabilidade condicional, que em anlise
de confiabilidade chamada de taxa de falha (eq. (3.9) e pode ser definida, em termos do tempo
de transio entre dois estados ij, como sugere a eq. (3.27) (OUHBI e LIMNIOS, 1997):
56
N
>:> = 3 F = F F[ > + :> | F = F F[ >
>@ (3.27)
A definio dada na eq. (3.27) significa que a probabilidade de uma transio para o estado j
ocorre imediatamente depois que o processo tenha estado durante t no estado i, dado que nenhuma
transio deixando o estado i tenha ocorrido anteriormente. A eq. (3.28) mostra as taxas de
transio da forma Semi-Markov Kernel combinando as definies de taxa de falha e de
probabilidades de transio (BECKER, CAMARINOPOULOS e ZIOUTAS, 2000):
> = N
> =

>

>
=
1 H
> 1
>
> =
H
>
(3.28)
onde Fi(t) representa a probabilidade de falha do sistema (funo acumulada) quando este est no
estado i.
3.3.2.2.
Modelagem e Equacionamento
No caso de um processo Semi-Markov de tempo contnuo, o sistema pode passar de um

estado a outro em qualquer instante do tempo e no necessariamente de um perodo especfico a
outro. Neste ponto, torna-se essencial considerar as taxas de falha, mais do que a probabilidade de
falha (LEITCH, 1995). Considere-se um sistema com dois estados: Operao Aceitvel e
Operao Inaceitvel (ver Figura 3.4). Nestes dois estados, a distribuio de probabilidade de
permanncia em cada estado no exponencial e, portanto, as taxas de transio so nomeadas
como 12(t), 21(t), que dependem da varivel aleatria t, que representa o tempo de operao
aceitvel e/ou inaceitvel.
Nestes modelos, as taxas so atributos da funo de densidade de probabilidade de falha do
sistema e permitem a transio entre estados. importante lembrar que 12dt a probabilidade de
que o sistema que no tempo t est no estado e operao aceitvel mude para o outro estado no
intervalo (t, t+dt), similarmente (RODRIGUEZ e SOUZA, 2011).
Figura 3.4 Diagrama de Markov para estados do sistema.
57
Na Tabela 3.2 apresentam-se as probabilidades de transio de estado para o sistema

representado na Figura 3.4. Neste sentido, Pi(t) a probabilidade do sistema estar no estado i no
tempo t e Pi(t+dt) corresponde probabilidade do sistema estar no estado i no tempo (t+dt), com
i=0,1,2 possveis estados do sistema (RODRIGUEZ e SOUZA, 2011).
Tabela 3.2. Probabilidades de transio.
Estado no tempo
t+dt
1
2
Estado no tempo t
2
1 Ni :>
Ni :>
Ni:>
1 Ni:>
Do ponto de vista do risco, se o sistema opera em condies normais, sempre estar na

condio de operao aceitvel e ser a ocorrncia de falhas ou condies anormais de operao
que podem causar que o sistema passe para uma condio de operao inaceitvel. Por exemplo,
pode-se afirmar que a probabilidade do sistema estar no estado 1 no tempo (t+dt) compe-se de
duas probabilidades: a primeira indica a probabilidade do sistema se encontrar no estado 1 no
tempo t, ponderada com a probabilidade de que no prximo intervalo continue no mesmo estado;
a segunda corresponde probabilidade do sistema se encontrar no estado 2 em um tempo t,
ponderada com a probabilidade de uma mudana de estado no prximo intervalo (PALACIOS, et
al. 2009). Nas eq.(3.29) e (3.30), demonstrado o equacionamento para o caso sob anlise:
> + :> = > 1 Ni + i > Ni

> + :> >
= > Ni + i Ni
:>
2 J
= > Ni + i Ni
i > + :> = > Ni + i > 1 Ni

i> + :> i >
= > Ni i Ni
:>
n J
= > Ni i Ni
(3.29)
(3.30)
Quando as taxas de transio so constantes, possvel transformar as equaes diferenciais

em equaes lineares usando a Transformada de Laplace, e uma vez definidas as condies
iniciais do sistema, obter-se a probabilidade do sistema estar em um estado ou outro, mas, ainda
58
assim, numericamente na prtica. No caso em que as taxas de falha mudem no decorrer da

operao, possvel empregar o equacionamento descrito acima, assumindo que as taxas de falha
so constantes em intervalos de tempo muito pequenos (PERMAN, SENEGACNIK e TUMA,
1997).
3.4.
MODELO DE DECISO SOB INCERTEZA
Pode-se afirmar que o objetivo de uma anlise de risco fornecer informao para a tomada
de deciso. As decises normalmente incluem aspetos tcnicos, econmicos, sociais e, em
algumas ocasies, at culturais, portanto, existe uma clara dificuldade para a tomada de deciso
(AVEN e KORTE, 2003). Embora esta dificuldade esteja sempre presente, a tomada de deciso
faz-se necessria e existem diversas estratgias de anlise para a realizao desta tarefa que so
apresentadas no decorrer desta seo.
Por outro lado, a expresso teoria da deciso utilizado de forma muito genrica e
interdisciplinar, devido, talvez, necessidade de se tomar decises em todas as reas do
conhecimento. Porm, em termos gerais, pode-se afirmar que a teoria de deciso uma disciplina
que usa ferramentas estatsticas envolvendo e explorando a estrutura do processo de tomada de
deciso (MIGON e LOPES, 2002).
O tipo de deciso classificado conforme o estado de conhecimento dos efeitos de tomar uma
deciso, sendo definidas quatro categorias: Deciso sob certeza, Deciso sob risco, Deciso sob
incerteza e, Deciso sob conflito.
A deciso sob certeza d-se quando o resultado da deciso tem probabilidade de ocorrncia
igual a um, ento cada ao resulta em um efeito totalmente conhecido; a deciso sob risco
acontece quando, embora no se tenha certeza do evento resultante da deciso, cada efeito
associado com uma ao tem uma probabilidade de ocorrncia conhecida; a deciso sob
incerteza ocorre quando no conhecida a probabilidade de ocorrncia dos efeitos associados
com uma ao; finalmente, a deciso sob conflito, tambm conhecida como teoria dos jogos,
existe quando a variao dos estados dos efeitos est determinada pela ao de outros oponentes
(MOORE e WEATHERFORD, 2005).
Um modelo um conjunto de regras ou equaes que descrevem o comportamento de um
sistema. Deste modo, todos os modelos devem refletir a estrutura lgica do sistema e representar
na maior medida possvel o comportamento real do mesmo, sem deixar de lado que as hipteses a
serem consideradas tm efeitos sobre o modelo e, portanto devem ser levadas em conta nas
concluses e decises finais (LEITCH, 1995).
59
Reconhecendo que a incerteza associada a um sistema pode ser uma medida de probabilidade,
o modelo de deciso estar focado em analisar vrias alternativas e determinar aquela que otimiza
a relao custo-probabilidade, lembrando que o custo mede as consequncias ou perda de um
determinado cenrio e a probabilidade est associada com a chance de este cenrio acontecer.
Um primeiro modelo baseado em compreender o problema bsico de deciso como um
problema de otimizao de uma funo objetiva expressa em termos de variveis de deciso. No
entanto, a aplicabilidade deste modelo limitada, pois para otimizar matematicamente a funo,
preciso que esta seja contnua e em muitos casos esta condio no possvel de cumprir. Alm
disso, a informao que envolve o processo de tomada de deciso envolve diferentes tipos de
evidncia que nem sempre podem ser expressos em termos de funes matemticas (SANCHEZ,
2005).
Um segundo modelo consiste em formular o problema de deciso como um processo para
selecionar uma ao x entre vrias opes possveis. Na prtica, este conjunto de alternativas
corresponder a um conjunto limitado pela experincia do analista, deixando unicamente aquelas
alternativas potencialmente timas.
Cada ao ter uma medida numrica associada ao par custo-probabilidade (MOORE e
WEATHERFORD, 2005).
Neste estudo, ser usado este segundo modelo, j que uma estratgia cuja flexibilidade e
versatilidade fornecero um estado de conhecimento mais completo e adequado para a anlise de
sistemas complexos.
3.4.1.
Decises Baseadas em Valor Esperado
A anlise de valor esperado adequada quando so usados os mesmos atributos para todas as
variveis de deciso. O valor esperado de qualquer varivel aleatria pode ser definido como a
mdia de uma funo densidade de probabilidades da varivel aleatria (KUMAMOTO e
HENLEY, 1996).
Considere-se uma situao em que necessrio tomar uma deciso para a qual existam n
alternativas (ai) e cada alternativa conduza a m cenrios diferentes. Ento, a melhor alternativa
aquela que maximiza ou minimiza o valor esperado apresentado na eq. (3.31) (SANCHEZ, 2005):
= =

(3.31)
onde representa o critrio de deciso que comumente corresponde a maximizar ou minimizar a

funo e Pij representa a probabilidade de ocorrncia de cada cenrio cuja consequncia cij. A
60
deciso obtida otimizando-se o valor esperado. Cabe ressaltar que a definio do valor esperado
corresponde definio de risco dada na eq. (2.1).
3.4.2.
Valor Esperado Baseado em Evidncia
Neste caso, a deciso final o resultado de avaliaes sucessivas, como mostra a Figura 3.5.
O clculo do valor realizado com uma abordagem bayesiana (MIGON e LOPES, 2002).
Varivel aleatria x
Alternativas de deciso
Varivel aleatria y
ai
xj
E[ai | xi, y]
Figura 3.5 Anlise de informao baseada em informao existente (SANCHEZ, 2005)
Como mostra a Figura 3.5, as sadas dos ns de probabilidade A e B so valores de uma

varivel aleatria X, Y respectivamente. Assim, o valor esperado da alternativa ai, dado que X=xj,
pode ser calculado usando uma abordagem bayesiana, como mostra a eq.(3.32):
7
= 7
|} }
Z
7
= BB[Z 7
|} , : v }
3.5.
(3.32)
CONSIDERAES FINAIS
A modelagem matemtica apresentada neste captulo possibilita abordar os quatro

componentes da PRA de forma tal que a anlise considere as caractersticas dos sistemas
como o julgamento de especialistas, eventos de baixa probabilidade e com poucos dados
disponveis e a mudana de estado no decorrer da operao.
Os fundamentos mostrados em relao modelagem bayesiana, de Markov e processo de
deciso so necessrios para o entendimento da proposta de avaliao probabilstica de risco
dinmica. Em geral, toda esta modelagem foi desenvolvida com o intuito de apoiar o processo
de tomada de deciso e no prximo capitulo ser mostrado como inclu-la nos modelos de anlise
de risco que no sejam estticos e que considerem a possibilidade de um sistema poder mudar de
um estado aceitvel de operao para um estado inaceitvel de operao.
61
A aplicao da modelagem matemtica tem uma abrangncia maior para entender e

modelar sistemas complexos. Alm disso, a anlise da integrao entre avaliao
probabilstica de risco, a inferncia bayesiana e anlise de Markov proporcionar uma potente
ferramenta para a anlise deste tipo de sistemas. Neste contexto, modelar os sistemas usando
os fundamentos aqui apresentados uma contribuio muito importante para que os modelos
de risco sejam muito mais prximos realidade e, assim, consigam minimizar os perigos e
suas consequncias, como ser apresentado no captulo seguinte.
CAPTULO 4 PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA

DE RISCO PARA A TOMADA DE DECISO EM SISTEMAS DE SEGURANA
CRTICA
4.1.
No contexto desta pesquisa, foi desenvolvido um mtodo de anlise probabilstica de risco

para sistemas complexos quando existem eventos externos e internos que afetam o desempenho
do sistema. Este mtodo considera que os eventos fazem parte de uma sequncia de eventos de
perigo, cujos efeitos podem ser alterados pela mudana inesperada das condies nas quais a
operao se iniciou e resultar em consequncias graves para o sistema.
Neste contexto, o mtodo desenvolvido inclui modelos que possibilitam identificar as falhas
que afetam a funcionalidade do sistema e estimar as probabilidades, considerando as relaes
causas-consequncias, bem como identificar os fatores e pontos vulnerveis, visando minimizar a
probabilidade de ocorrncia e seu impacto, tanto no mbito ambiental quanto para a operao e as
pessoas envolvidas na mesma. Isto tudo com o objetivo de obter uma representao mais realista
da natureza dinmica das interaes dentro do sistema, com uma alta capacidade de apoiar a
tomada de deciso quando ocorrerem mudanas no decorrer da operao.
Deste modo, prope-se um modelo hbrido para a anlise de risco baseado na integrao de
rvore de eventos, rvore de falhas, bem como anlise bayesiana, de Markov e de deciso. O
mtodo proposto incorpora os efeitos das mudanas de estado, possibilitando a obteno da
probabilidade de que um cenrio de falha acontea dado um evento iniciador. Ser estabelecido
um modelo matemtico que permita relacionar as probabilidades de ocorrncia e das
consequncias, e este ser avaliado utilizando metodologias e procedimentos existentes,
explicados no Captulo 3, bem como a experimentao e a simulao numrica destes sistemas.
Diante do exposto, neste captulo apresentam-se os processos que envolvem o uso de
vrias ferramentas e mtodos para criar uma metodologia onde claramente pode-se seguir
uma estrutura com uma lgica sequencial que atenda aos objetivos e fundamentos explicados
anteriormente. Assim, de forma resumida, a proposta apresentada na Figura 4.1, onde so
ressaltadas as contribuies e principais diferenciadores dos outros mtodos.
63
PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA DE RISCO PARA A TOMADA DE DECISO EM SISTEMAS DE

SEGURANA CRTICA
Figura 4.1 Fluxograma resumido do mtodo proposto.
A metodologia pode ser resumida em quatro estgios: o primeiro corresponde

Identificao e Modelagem dos Cenrios de Risco que inclui a identificao e
caracterizao do sistema, visando a seleo do evento iniciador, bem como a anlise dos
eventos de perigo; o segundo estgio denominado de Estimao da Probabilidade dos
Cenrios de Risco, no qual, utilizando-se tcnicas bayesianas, obtida a probabilidade de
que um determinado cenrio de risco acontea; posteriormente, o terceiro estgio corresponde
avaliao das consequncias. Com estes trs estgios realizada a avaliao do risco que
auxilia a tomada de deciso, considerando mudanas entre diferentes estados de operao e
modelando as transies entre estes estados. Esta avaliao uma abordagem das duas
dinmicas
que
esto
envolvidas
no
sistema.
primeira
refere-se
dinmica do sistema e anlise da chance de que as condies operacionais mudem no

decorrer do processo, e a segunda dinmica considera a atualizao de probabilidades quando
existem novas evidncias. Esta abordagem corresponde principal inovao do mtodo.
A eq. (4.1) mostra o modelo matemtico para encontrar a probabilidade de que ocorra uma
consequncia Ki dado que o sistema mudou do estado Si ao estado Sj.
64

SEGURANA CRTICA

=
./ / /
./
(4.1)
onde P(Sij| Ki) a probabilidade de que o sistema mude do estado Si ao estado Sj, considerando a
ocorrncia de uma consequncia Ki. P(Ki) representa a probabilidade de que os cenrios de falha
conduzam a uma consequncia Ki. O modelo matemtico em detalhe ser explicado
posteriormente.
A avaliao dos quatro estgios da anlise probabilstica de risco tem como objetivo
determinar os fatores do modelo matemtico. Portanto, obtm-se um modelo de tomada de
deciso para sistemas complexos que utiliza a avaliao dinmica do risco.
4.2.
IDENTIFICAO E MODELAGEM DOS CENRIOS DE RISCO
A anlise de risco envolve a preveno da ocorrncia de cenrios adversos e o fomento de

cenrios favorveis e, por conseguinte, entender e modelar estes cenrios torna-se
fundamental.
A modelagem dos cenrios de risco o resultado de trs processos sequenciais: 1)
identificao e caracterizao do sistema; 2) identificao de eventos de perigo e 3)
modelagem da sequncia acidental.
4.2.1.
Identificao e Caracterizao do Sistema
Antes de iniciar qualquer atividade em relao anlise de risco, preciso conhecer o sistema
e entender como o acidente acontece desde a ocorrncia do evento iniciador at a propagao dos
efeitos e as consequncias finais. Deste modo, necessrio definir e entender as caractersticas
fsicas e funcionais do sistema (BAHR, 1997).
Esta fase inicia-se com a definio dos objetivos de operao do sistema e dos objetivos da
anlise de risco. Estas atividades so muito importantes, j que nem todos os eventos
iniciadores tm as mesmas consequncias e sua seleo para uma anlise mais detalhada ser
decorrncia direta da ao de traar estes dois objetivos.
Para definir o objetivo da operao do sistema, necessrio coletar informaes a fim de
caracterizar a situao atual, bem como definir as necessidades e as restries operacionais do
sistema. Desta forma, preciso reunir e estudar as informaes relevantes sobre o funcionamento
do sistema para permitir a familiarizao com a sua operao. Este compndio de informaes
deve incluir desenhos do projeto e operao, assim como tambm, manuais e procedimentos de

SEGURANA CRTICA
65
emergncia. Em seguida, so analisados os subsistemas principais, suas funes e seu

desempenho esperado, assim como tambm as interaes que existem entre os subsistemas.
A segunda atividade est direcionada a definir os objetivos de aceitao de risco, tais
como os impactos tolerveis e suas respectivas metas relativas disponibilidade da operao,
segurana ambiental e segurana humana (ABS, 2000).
A anlise do sistema deve incluir a descrio dos procedimentos normais de operao e de
emergncia e a identificao de sistemas de alarme e de segurana. Algumas das tcnicas que
auxiliam este processo de forma estruturada e sistemtica so a anlise funcional e matrizes de
dependncia (STAMATELATOS, 2002).
O desenvolvimento destas duas atividades permite definir o evento iniciador ou
desencadeador de uma sequncia acidental.
4.2.2.
Identificao de Eventos de Perigo
A identificao de perigos um processo no qual so pesquisadas as ameaas que existem

sobre o sistema, examinando-se sistematicamente todos os elementos que j foram
identificados, visando executar os objetivos definidos na etapa anterior. Neste ponto,
necessrio entender o que compreende um perigo, como reconhec-lo e como defini-lo, alm
de compreender a natureza dos riscos, sua relao com os acidentes e seus efeitos sobre a
operabilidade, disponibilidade e/ou integridade do sistema.
Nesta etapa so identificados os eventos que poderiam conduzir a acidentes tais como:
exploso, incndio, coliso, alagamento, entre outros. Estes perigos constituiro os eventos da
anlise da sequncia acidental.
A identificao dos perigos visa listar os perigos e cenrios associados, priorizados pelo
nvel de risco especfico para o problema que se est estudando. Usualmente, a identificao
dos perigos compreende a combinao de tcnicas criativas e analticas com o objetivo de
identificar tanto as situaes que j ocorreram quanto as que podem acontecer. Nesta etapa,
tambm so analisadas as relaes causais e os possveis resultados de cada incidente
considerado. Uma vez identificados os perigos e os cenrios associados, estes podem ser
classificados, priorizados e, at mesmo, podem ser descartados os cenrios considerados
menos relevantes.
A anlise de risco visa detalhar a investigao das causas e consequncias dos cenrios
mais importantes de operao, identificados na etapa da caracterizao do sistema. Isto

SEGURANA CRTICA
66
permite que a ateno do analista esteja voltada para os eventos de alto risco e para a
identificao e anlise de fatores que possam influenciar no nvel do risco.
Algumas abordagens focam a anlise no mecanismo de incio de um acidente ou na
populao ameaada. Do mesmo modo, existem outras abordagens que focam na reviso de
critrios de segurana e anlise de causas dos acidentes.
No caso em que a identificao de perigos esteja focada no mecanismo iniciador, a
anlise de risco est destinada a revisar, com detalhe, os elementos, componentes ou
subsistemas que podem ser o gatilho dos acidentes na operao do sistema. Na outra
abordagem, relaciona-se a identificao de perigos com as consequncias, os efeitos finais
que poderiam ocasionar os eventos indesejados.
Independente da abordagem utilizada, as tcnicas mais habituais aplicadas nesta fase da
anlise so HAZOP, Anlise Preliminar de Perigos (PHA) e a Anlise de Modos e Efeitos de
Falhas (FMEA), cujas caractersticas foram explicadas no decorrer do Captulo 2.
4.2.3.
Modelagem da Sequncia Acidental
Esta etapa relaciona os eventos de perigo, identificados na etapa anterior, com a sequncia de
eventos que pode conduzir a um acidente. O objetivo usar ferramentas indutivas e lgicas que
permitam entender a forma como o acidente se propaga, comeando com o evento iniciador e
progredindo em um determinado cenrio, por meio de uma srie de acontecimentos ou falhas,
denominadas de eventos de perigo, como mostra a Figura 4.2.
Figura 4.2 Conceito sequncia acidental (adaptado de ERICSON, 2005).
A sequncia acidental baseada na relao causa e efeito e sua modelagem estabelece

conjuntos mnimos de eventos de perigo cuja sequncia so caminhos crticos que conduzem
a um estado final. Alm disso, este estgio permite analisar a operao de sistemas de
segurana ou barreiras que deveriam atuar em um ponto determinado da sequncia acidental
para evitar a propagao dos eventos de perigo.
As tcnicas mais apropriadas para desenvolver esta fase da PRA so os diagramas
sequenciais de eventos, que, em muitos casos, correspondem s fases preliminares das rvores
de eventos e da anlise causa-consequncia.

SEGURANA CRTICA
67
Em resumo, a etapa de Identificao e Modelagem dos Cenrios de Risco visa entender e

representar os cenrios de progresso de um acidente. Assim, esta fase baseada na
ocorrncia de eventos crticos e refere-se aos trs processos aqui explicados.
A Figura 4.3 mostra as ferramentas selecionadas para o desenvolvimento deste estgio. A
anlise funcional e/ou a matriz de dependncias possibilitaro a caracterizao do sistema. Em
seguida, so estabelecidos os efeitos possveis dos diferentes eventos que causam falhas na
operao do sistema e, portanto, necessrio identificar todas as possveis respostas do
sistema dado um evento iniciador. Dadas as vantagens e resultados que oferecem, tanto a
FMEA como a PHA foram consideradas como as tcnicas mais adequadas para abordar esta
questo. A FMEA dever ser usada quando a anlise de risco esteja voltada a analisar pontos
vulnerveis em sistemas de manuteno bem como define as possveis falhas e os sintomas de
falhas sero os eventos de perigo. A PHA ser mais utilizada quando o objetivo da anlise de
risco esteja voltado anlise processos e a segunda coluna da planilha identifica diretamente
os eventos de perigo. O analista tomar a deciso de qual destas duas tcnicas resulta ser mais
apropriada, em funo das informaes e recursos de anlise disponveis.
Figura 4.3 Fluxograma para a modelagem da sequncia acidental.
No desenvolvimento do diagrama sequencial de eventos, a ordem no qual os eventos de

perigo acontecem pode corresponder s aes temporais do sistema para continuar
funcionando, ou seja, a anlise funcional auxiliar nesta deciso, j que aps identificar o
evento do incio necessrio investigar as relaes funcionais dos componentes, que
determinar a sequncia acidental. Em seguida, e como resultado da PHA ou FMEA e da
definio do objetivo do risco, so definidos os estados finais ou consequncias de cada uma
das sequncias acidentais.

SEGURANA CRTICA
68
Neste ponto, necessrio analisar a sequncia acidental para determinar caminhos que
possam ser considerados equivalentes ou irrelevantes e, ento, estes devero ser removidos da
anlise, causando uma reduo no diagrama e uma simplificao nos procedimentos das fases
subsequentes. Esta reduo conseguida cruzando a informao da anlise funcional e do
PHA/FMEA, j que consequncias equivalentes geradas com sequncias acidentais iguais
podero ser reduzidas e agrupadas.
4.3.
ESTIMAO DA PROBABILIDADE
Aps identificar e modelar os possveis cenrios de falha, torna-se fundamental avaliar

probabilisticamente a frequncia com que ocorrem as falhas. A avaliao probabilstica
realizada analisando as falhas dos componentes do sistema que geram os eventos de perigo.
Portanto, prope-se desenvolver, para cada evento de perigo, uma anlise de rvore de falha.
Assim, a probabilidade destes eventos quantificada atravs de funes de densidade de
probabilidade dos eventos bsicos de cada rvore. As funes de probabilidade so calculadas
a partir de dados histricos de falha e opinio de especialistas.
Usualmente, os eventos indesejados em sistemas complexos de segurana crtica so
eventos raros e, portanto, torna-se necessrio estimar estas probabilidades usando mtodos
bayesianos (Captulo 3). Consequentemente, desenvolvida a funo a priori que descreve o
estado de conhecimento prvio sobre cada evento bsico, incorporada a nova informao
atravs da coleta da evidncia e construda a funo de verossimilhana. Finalmente,
calculada a nova probabilidade aplicando-se o teorema de Bayes. Esta nova probabilidade
corresponde probabilidade a posteriori, que descreve o conhecimento sobre o evento bsico
aps a obteno de novas informaes.
Nesta proposta, optou-se por usar a distribuio a posteriori conjugada j que torna a anlise
mais tratvel, permitindo explorar a natureza sequencial do mtodo bayesiano (MIGON e LOPES,
2002). As famlias conjugadas usadas na avaliao probabilstica do risco so apresentadas na
Tabela 4.1.
Tabela 4.1 Famlias conjugadas (LINDLEY, 1965).
A Priori P0(
)
Beta (, )
e
} [ 1 } e[
e
Gama (,)
} [ [e
=

Verossimilhana L(E|
)
A Posteriori P(
|E)
Binomial (r, n)
Beta (+r, +n+r)
!
e
x 1 x[
} [ 1 } e[
![!
Poisson (x)
} > [J
=
9!

Gama (= +r , = +t)
} [ [e
=

69

SEGURANA CRTICA
Para selecionar a funo a priori e de verossimilhana foram selecionadas as famlias

conjugadas cuja principal vantagem a possibilidade de obter clculos em forma fechada.
Alm disto, estas distribuies so flexveis o suficiente para acomodar as crenas do tomador
de deciso (MIGON e LOPES, 2002).
Na sequncia deste texto mostrado o procedimento para construir a funo a posteriori
como uma famlia conjugada.
Supondo que f(x| ) corresponde densidade condicional de x dado = , ()
corresponde funo a priori, q(x) a funo marginal de x, e (|x) corresponde
densidade condicional de dado que X=x que equivale densidade a posteriori de , e pode
ser escrita como mostra a eq. (4.2).
l4|} =
S |UU
(
(4.2)
l4|} } |4 l 4
No caso utilizado no Captulo 5,
N> [J
=
9!
} |N =
N[ [e
lN =
=

} =
[Z
onde, }|N lN =
lN |} =
J
!
= [J
}|N lN
} |N l N
}
2

= [e
Assim, aps estimar a probabilidade a posteriori para cada evento bsico representado na
rvore de falhas, a probabilidade de ocorrncia de cada evento de perigo obtida resolvendo a
rvore de falhas, da forma como foi explicado na seo 2.3.2.1, considerando que a ocorrncia
de falha de cada evento bsico independente e segue a funo densidade de probabilidade a
posteriori encontrada.
Aps obter a probabilidade de ocorrncia de cada evento de perigo, calculada a
probabilidade de ocorrncia de um determinado cenrio. Para avaliar esta probabilidade

SEGURANA CRTICA
70
utiliza-se a anlise causa-consequncia, que resulta da combinao dos mtodos de clculo do

FTA e da rvore de Eventos, como mostrado esquematicamente na Figura 4.4.
Figura 4.4 Framework do mtodo para estimar as probabilidades de ocorrncia.
Para o caso de independncia entre os eventos de perigo que pertencem ao caminho que
est sendo avaliado, a probabilidade de cada cenrio de falha determinada por multiplicao
simples da probabilidade destes eventos e, para o caso de dependncia entre os eventos, os
mtodos de probabilidade condicional devem ser usados. A Figura 4.5 resume as diferentes
atividades que envolvem a obteno do segundo componente do mtodo de anlise.
Figura 4.5 Fluxograma para obter a estimao das probabilidades.

SEGURANA CRTICA
71
Por fim, no final desta fase obtida a probabilidade de que um determinado cenrio de
falhas acontea. A anlise probabilstica do risco pode ser entendida como uma ferramenta
que avalia quantitativamente as consequncias da ocorrncia de um evento indesejado. Desta
forma, usando os resultados at aqui obtidos, a probabilidade de uma consequncia
determinada somando-se a probabilidade dos cenrios de risco que conduzem mesma
consequncia, sendo possvel determinar o risco como uma funo destas consequncias e da
probabilidade de que um acidente acontea em um perodo determinado de operao do
sistema, como mostra a Figura 4.6.
Figura 4.6 Calculo da probabilidade de uma consequncia acontecer.
4.4.
AVALIAO DAS CONSEQUNCIAS
As perdas principais esto associadas com a perda de tempo de produo. Uma falha
crtica em sistemas complexos de segurana crtica acarreta longos tempos de parada e custos
elevados pela perda de produo, custo de mobilizao de recursos e interveno, assim como
tambm os custos de reparo e reposio e at mesmo multas associadas ao no cumprimento
de contratos, ou a um possvel desastre ambiental e a possveis leses para o contingente
humano envolvido na operao.
Assim, deve-se estabelecer uma forma de medir quantitativamente a magnitude das
consequncias e, para isto, as ferramentas usadas para a avaliao probabilstica do risco,
como a funo utilidade que tem a capacidade de criar uma funo para medir a magnitude
das possveis consequncias resultantes da ocorrncia dos eventos de perigo.
4.4.1.
Funo Utilidade
Existem situaes de tomadas de deciso onde modelos baseados na otimizao de um

valor esperado associado com um processo de escolha no so adequados para definir a
preferncia por uma determinada ao em detrimento de outra. Nesta situao, usa-se outra
medida de preferncia dos efeitos das aes que expresse de forma mais adequada os desejos
do usurio, chamada de Funo Utilidade.
72

SEGURANA CRTICA
O conceito de utilidade foi introduzido por Daniel Bernoulli (1738) para explicar os
afastamentos da regra de deciso pelo valor esperado. A utilidade, em alguns casos, tambm
importante por permitir a incorporao, no processo decisrio, do perfil da pessoa que toma a
deciso, classificado em: Apetite ao risco, Neutralidade ao risco ou Averso ao risco
(SANCHEZ, 2005).
A Funo Utilidade surge como uma forma de medir globalmente os efeitos de uma
deciso e normalmente varia de zero a um, porm pode ter outra escala, bem como tambm
pode ser analtica ou tabular. No caso em que a funo seja utilizada para mltiplos objetivos
ou para diferentes variveis, aconselhvel que a escala da funo utilidade esteja
padronizada (BEKMAN e COSTA NETO, 2002).
A funo tem a propriedade de ordenabilidade, expressa da seguinte forma: suponha que
u() represente a funo utilidade de um evento e possua efeitos En:
Se E1 > E2 > ... > En, ento u(E1) > u(E2) > ... > u(En)
Se E1 = E2 = ... = En, ento u(E1) = u(E2) = ... = u(En)
Se E1 < E2 < ... < En, ento u(E1) < u(E2) < ... < u(En)
A funo de utilidade obtida observando-se os valores monetrios associados aos vrios
cenrios listados na rvore de deciso. Organizam-se os efeitos em ordem crescente de
preferncia do menos desejado ao efeito mais desejado, por exemplo, E1 > E2 > ... > En. Na
sequncia, o efeito menos desejado (E1) tem sua utilidade definida pelo valor zero, ou seja,
u(E1) =0 e o efeito mais desejado (En) tem a sua utilidade definida pelo valor um, ou seja,
u(En) =1. A utilidade de um efeito intermedirio utiliza um valor p que se torna indiferente
deciso pelos efeitos E e calculada como mostra a eq. (4.3) (MIGON e LOPES, 2002):
[r = I + 1 I
(4.3)
A definio da probabilidade p pode ser realizada por meio da informao existente,

julgamentos subjetivos ou aproximao bayesiana. No primeiro caso, a probabilidade pode ser
definida usando a frequncia relativa da ocorrncia dos eventos observados; no segundo caso,
uma definio direta do analista, baseada na experincia deste; no terceiro caso, trata-se de
uma atualizao da informao existente atravs de novas informaes (MIGON e LOPES,
2002).

SEGURANA CRTICA
73
A funo de utilidade tambm pode ser construda com o emprego de um modelo

matemtico que gera uma famlia de curvas. Os modelos mais utilizados so mostrados na
Tabela 4.2 onde r, e so medidas do grau de averso ao risco.
Tabela 4.2 Funes de Utilidade (SANCHEZ, 2005)
Funo Utilidade
Exponencial
Logartmica
Quadrtica
Funo Padronizada
1 = [

I } =
1 = [
8\} + d 8\d
I} =
8\1 + d d
2} } i
I} =
2
As funes de utilidade so descritas como funes contnuas. Usualmente, o aumento

marginal da utilidade decresce com o aumento do valor do atributo e, portanto, as funes de
utilidade normalmente so convexas. Note-se que quando r aumenta, a averso ao risco
aumenta. No caso da funo logartmica, o parmetro define o grau de averso e na medida
em que aumenta, a averso ao risco diminui (KUMAMOTO e HENLEY, 1996).
Figura 4.7 Funo de utilidade exponencial e logartmica para diferentes valores de parmetros (SANCHEZ,
2005).
4.5.
A TOMADA DE DECISO
As componentes do mtodo at aqui avaliadas tm a capacidade de incluir novas informaes

na modelagem probabilstica, mas ainda no consideram as caractersticas dinmicas das
operaes em sistemas complexos e de segurana crtica.

SEGURANA CRTICA
74
Nesta pesquisa, considerou-se que a principal caracterstica dinmica nestes sistemas o fato
de que as condies iniciais de operao podem mudar no decorrer da operao, fazendo com
que o sistema mude de um estado de operao para outro. Usando como entradas os resultados
obtidos nas etapas anteriores, proposto o modelo de deciso apresentado na Figura 4.8.
Figura 4.8 Modelo de tomada de deciso.
No modelo apresentado na Figura 4.8 podem ser identificadas quatro fases principais: 1)
anlise de mudana de estado; 2) a probabilidade de uma consequncia se apresentar dada
uma mudana de estado; 3) o processo de tomada de deciso; 4) validao do modelo de
deciso. Este ltimo componente permitir avaliar a potencialidade do processo de deciso.
A seguir, so detalhadas estas quatro fases, explicando suas caractersticas procedimentais,
bem como a seleo de ferramentas para desenvolver cada atividade.
4.5.1.
Anlise de Mudana de Estado
A anlise markoviana uma ferramenta til para analisar a mudana de estado. Os

fundamentos tericos, modelagem e equacionamento desta abordagem esto descritos no Captulo
3. No entanto, para utilizar esta abordagem, preciso fazer uma anlise especfica do sistema,
como mostra a Figura 4.9.
O primeiro passo consiste em determinar os diferentes estados em que o sistema pode estar
durante a operao e que so de interesse para a anlise. O estado de um sistema definido como

SEGURANA CRTICA
75
um conjunto mnimo de variveis, cujos valores em um instante atual so necessrios para

determinar a evoluo do sistema em um instante futuro. Essas variveis representam as
condies em que o sistema se encontra em um determinado instante.
Figura 4.9 Fluxograma para analisar a mudana de estado em sistemas complexos.
Desta forma, o estado de um sistema em um instante de tempo pode ser interpretado como
uma fotografia do sistema naquele instante e, em cada um destes instantes de tempo, os valores
das variveis representativas de seu estado assumem valores especficos. Enquanto esses valores
permanecerem constantes, o estado permanece o mesmo. No entanto, se uma das variveis
modifica seu valor, caracteriza-se outro estado. Na anlise, podem existir estados intermedirios
que no so relevantes para a anlise e no so considerados. Assim, entre os estados includos na
anlise, a mudana de um estado para outro denominada de transio de estado (BLANCHARD
e FABRYCKY, 2011).
Aps determinar os estados de interesse, preciso estabelecer a varivel que est

associada com a transio do sistema. No caso desta pesquisa, esta transio de estado est
associada a eventos indesejados e, portanto, deve-se determinar qual a varivel que mede a
transio.
Do ponto de vista da anlise de confiabilidade e risco, esta varivel tradicionalmente se
refere ao tempo de operao, mas tambm pode ser posio, ciclos de produo ou nmeros
de pea de produzidas, entre outras. Assim, por exemplo, a transio entre um estado de
operao normal e outro inoperante pode ser medida por tempos de falha e tempos de reparo
(PALACIOS et al., 2009).
76

SEGURANA CRTICA
Aps a coleta dos dados da varivel, pode-se encontrar uma distribuio de probabilidade que
se ajuste aos dados de permanncia em cada estado e, desta forma, determinam-se as funes
densidade de probabilidade que representaro o processo. Estas funes densidade de
probabilidade so determinadas a partir de mtodos tradicionais de estatstica como Mxima
Verossimilhana ou Mnimos Quadrados, podendo ser usados softwares estatsticos ou
modelagem matemtica tradicional para determinar os parmetros destas funes densidade de
probabilidade.
A determinao desta funo densidade de probabilidade torna-se fundamental dentro da
anlise, uma vez que a taxa de falha definida a partir desta funo vai reger a transio entre os
estados e, portanto, a probabilidade de um sistema estar em um estado especfico de operao,
dadas as entradas e sadas do sistema (DROGUETT, GROEN e MOSLEH, 2006; PALACIOS, et
al., 2009).
As funes densidade de probabilidade, comumente usadas para avaliar eventos indesejados e
falhas em sistemas complexos, so apresentadas na Tabela 4.3.
Tabela 4.3 Distribuies de probabilidade (MODARRES, 1993).
f(t)
Weibull
Normal
Lognormal
d > e[ [ J
=
e
1
2lh
2l >
J[bn
io n
J[b0 n
in
F(t)
1
J
[
=
>`
1
>
8\
`
(t)
d > e[

>
1 H>
>
1 H>
A partir deste ponto, pode ser modelado o processo Semi-Markov conforme o

equacionamento apresentado na seo 3.3.2.2. Neste caso, onde as taxas de falha mudam no
decorrer da operao, possvel usar o equacionamento descrito na seo 3.3.2.2, assumindo que
as taxas de falha so constantes em intervalos de tempo muito pequenos, como mostrado por
Perman, Senegacnik e Tuma (1997). Deste modo, proposto um algoritmo recorrente que usa a
discretizao da taxa de falha, o que permitir obter as probabilidades de estado para o intervalo
t, as quais so atualizadas a partir de casos anteriores. A estrutura deste algoritmo recorrente
mostrada na Figura 4.10.

SEGURANA CRTICA
77
O algoritmo recorrente avalia o estado operacional do sistema em um instante de tempo e

avalia, de forma especfica, a probabilidade do sistema se encontrar, nesse instante, em um
determinado estado de operao. Esta avaliao est condicionada ao comportamento passado que
o sistema teve, uma vez que considera que as taxas de transio variam no tempo. O algoritmo
realiza uma atualizao contnua, ciclo a ciclo, da matriz de transio de estados, o qual implica a
necessidade de mudana permanente das taxas de transferncia de estado no decorrer da operao.
Assim, realiza-se uma atualizao sucessiva das condies iniciais, ou seja, uma atualizao ciclo
a ciclo, dos valores que compem o vetor P(t), que representa a probabilidade no instante tempo t,
de forma tal que os valores do vetor de probabilidade no instante de tempo seguinte, P(t+t),
tornam-se os valores iniciais do vetor de probabilidade para o prximo ciclo. Com relao ao
nmero de iteraes, estas dependem da durao da operao e do tamanho do incremento (t).
Figura 4.10 Algoritmo recorrente para o clculo das probabilidades.
4.5.2.
Anlise das consequncias em Funo das Mudanas de Estado
O mtodo prope um modelo matemtico possibilitando a obteno da probabilidade de que

uma consequncia acontea, dado um evento iniciador.

SEGURANA CRTICA
78
Supondo que um sistema, durante sua operao, pode estar em i estados diferentes, Si, e
possui diferentes cenrios de falhas que conduzem a consequncias Kj, usando o Teorema de
Bayes, possvel calcular a probabilidade de uma consequncia acontecer considerando que o
sistema est em um estado especfico de operao, como foi mostrada na eq. (4.1):

=
./ / /
./
Como j foi mencionado antes, P(Sij| Ki) a probabilidade de que o sistema mude do estado Si ao
estado Sj, considerando a ocorrncia de uma consequncia Ki. P(Ki) representa a probabilidade de
que os cenrios de falha conduzam a uma consequncia Ki.
A Figura 4.11 sugere como, a partir das etapas anteriores, possvel obter cada um dos
parmetros do modelo matemtico. Assim, por exemplo, P(Ki) o resultado da avaliao das
consequncias, como foi mostrado na seo anterior.
Figura 4.11 Fluxograma modelo matemtico.
Depois de definido o evento iniciador e as consequncias que geram os diferentes cenrios de

operao, pode-se determinar mais facilmente a probabilidade de que um estado de operao se
apresente, considerando que um efeito sobre o sistema esteja predeterminado, usando dados
histricos sobre acidentes ou usando resultados de simulaes sobre o sistema analisado. Esta
facilidade obedece a duas razes: 1) quando ocorre um acidente ficam registradas suas
consequncias, ento, a partir destes dados, pode-se explorar a probabilidade de que o sistema
esteja em um determinado estado de operao; 2) em programas de simulao mais simples
introduzir um efeito final e observar o estado de operao a que este evento conduz. Portanto,
analisando-se estes dados, obtida a probabilidade de que o sistema esteja em um estado
especfico de operao, admitindo que ocorreu uma consequncia.

SEGURANA CRTICA
4.5.3.
79
Processo de Tomada de Deciso
O mtodo proposto de avaliao probabilstica do risco para a tomada de deciso incorpora os

efeitos das mudanas de estado. Em termos gerais, a tomada de deciso est relacionada com a
aceitao de um determinado cenrio de risco.
Na anlise de sistemas complexos, torna-se fundamental relacionar os modelos matemticos
com a tomada de deciso e este ltimo ponto que potencializa ainda mais o modelo hbrido
proposto neste captulo. Neste contexto, um aspecto importante da tomada de deciso em sistemas
complexos a necessidade de criar um modelo que possa lidar com diversas fontes de incertezas e
que auxilie o entendimento de sistemas com estruturas complexas para que, assim, seja uma
ferramenta que suporte a tomada de decises.
Em geral, quando se analisam sistemas complexos e especialmente aqueles considerados de
segurana crtica, existem fatores sobre os quais no se tem certeza. Portanto, nestes tipos de
sistemas enfrenta-se a necessidade de selecionar uma alternativa entre vrias possveis. Neste
caso, a deciso envolve o desenvolvimento de um cenrio para a obteno do efeito final e,
devido ao fato de que as probabilidades de ocorrncia de um evento so dependentes da
ocorrncia do evento anterior, o modelo de deciso sob risco no pode mais ser aplicado.
Portanto, a deciso sob incerteza torna-se o melhor mtodo para analisar estes sistemas
(MIGON e LOPES, 2002).
Para tomar decises sob incerteza existem dois conceitos fundamentais a serem levados em
considerao: Risco e Incerteza. O risco foi definido no comeo do captulo e a incerteza pode ser
associada a fontes como aleatoriedade nos resultados, falta de conhecimento que se tem sobre o
sistema que esta sendo analisado, ou estimaes estatsticas realizadas sobre o sistema e na
modelagem dos mesmos. A incerteza associada com a deciso provm da dificuldade em saber
com exatido se um evento j aconteceu realmente. Em termos gerais, a incerteza tem uma
relao direta com a dificuldade na definio do sistema e a disponibilidade de informao
(SANCHEZ, 2005), levando em considerao que as consequncias correspondem aos estados
finais da anlise de sequncia acidental.
Inicialmente estes estados so medidos em termos de perdas referentes perda econmica,
danos, leses, perda de produo ou desempenho e so habitualmente expressos em termos
monetrios. Normalmente, estes custos decorrentes da ocorrncia de um evento indesejado so
estimados, na maioria de vezes, em funo da experincia dos operadores e dos dados
histricos sobre as perdas monetrias em acidentes. Portanto, considera-se que a ferramenta
mais adequada para abordar a deciso deste ponto de vista a rvore de deciso.

SEGURANA CRTICA
80
Neste mesmo contexto, considera-se o mtodo de utilidade como o mtodo mais adequado
para mensurar as consequncias, j que este mtodo permite valorar a distribuio de
probabilidade dos possveis resultados de uma deciso e, assim, estabelecer a preferncia
entre as decises associadas a estas distribuies de probabilidade, como foi exposto na seo
3.4.3.
A partir desta informao, possvel fazer a anlise de deciso. As alternativas estaro
associadas mudana ou no da estratgia de operao. Assim, por exemplo, a Figura 4.12
mostra a rvore para duas consequncias e dois possveis estados do sistema.
Figura 4.12 rvore de deciso sobre a mudana ou no na estratgia de operao.
Do ponto de vista probabilstico, o modelo de deciso determina a probabilidade do sistema

estar em uma condio inicial e de acontecer uma consequncia.
4.5.4.
Validao do modelo de Tomada de Deciso
A anlise de sensibilidade bem como a anlise de incerteza tornam-se muito importantes na

estruturao e soluo de modelos de deciso, j que estes modelos dependem fundamentalmente
de julgamentos do tomador de deciso atravs de suas preferncias e crenas. As quantidades
envolvidas no processo de deciso so de difcil especificao, especialmente no caso de vrios
especialistas. Portanto, resulta de fundamental importncia avaliar a sensibilidade dos resultados
finais a variaes dos elementos da anlise (MIGON e LOPES, 2002).

SEGURANA CRTICA
81
Uma possibilidade analisar separadamente os efeitos da funo utilidade e da distribuio de

probabilidade, porm considerar isoladamente estes fatores torna-se uma grande limitao na
anlise de sensibilidade. Idealmente, deve-se analisar o efeito simultneo de imprecises na
distribuio de probabilidade e no valor das consequncias. Estas anlises rapidamente tornam-se
computacionalmente complexas, portanto boa prtica realizar anlise de sensibilidade avaliando
somente alguns pares de valores da probabilidade e das utilidades, como mostrado no exemplo a
seguir (MIGON e LOPES, 2002).
Assim, por exemplo, no caso de haver um problema de deciso com duas alternativas de
deciso e dois estados da natureza, como apresentado na Tabela 4.4.
Tabela 4.4 Exemplo de problema de deciso
Estado 1 (1)
Estado 2 (2)
Alternativa 1 (a1)
U(a1, 1)
U(a1, 2)
Alternativa 2 (a2)
U(a2, 1)
U(a2, 2)
Probabilidade ()
1-
Para este problema de deciso, define-se que a probabilidade de ocorrncia do estado de

natureza dado 0,4<<0,6, as funes utilidade pode ter valores nos seguintes intervalos:
0,5<U(a1, 1)<0, -0,75<U(a1, 2)<-0,25, -0,75<U(a2, 1)<-0,25, -1,0<U(a1, 1)<-0,5. A Tabela

4.5 mostra a avaliao do risco resultante, considerando as variaes extremas de e das
utilidades.
Tabela 4.5 Avaliao do risco para o exemplo do problema de deciso
U(a1, 1) U(a1, 2)
0,4
0
-0,25
0,4
-0,5
-0,75
0,6
0
-0,25
0,6
-0,5
-0,75
U(a2, 1) R(U, , a1) R(U, , a1)

-0,5
-0,15
-0,4
-1
-0,65
-0,9
-0,5
-0,1
-0,35
-1
-0,6
-0,85
Outra varivel a ser considerada na validao do modelo de deciso o comportamento

do decisor, j que este pode ter: Apetite ao risco, Neutralidade ao risco, ou Averso ao risco.
Lembrando que a averso ao risco implica que, para um dado nvel de riqueza, a utilidade
adicionada por uma unidade de dinheiro menor que a utilidade subtrada pela mesma
unidade de dinheiro e, portanto, a funo utilidade de um tomador de decises que tem
averso ao risco cncava.

SEGURANA CRTICA
4.6.
82
CONSIDERAES FINAIS
A seguir apresentada uma tabela comparativa (Tabela 4.6) entre os diversos autores que
apresentam aplicaes em diversas reas da anlise de risco como ferramenta para a tomada de
deciso. Na Tabela 4.6 so observadas as diferenas existentes entre o mtodo proposto neste tese
com as outras propostas, bem como as contribuies da proposta na anlise de risco
probabilstico.
Tabela 4.6 Comparao entre diversas aplicaes de anlise de risco
C.E. Patino Rodriguez ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE AVALIAO

PROBABILSTICA DINMICA PARA A TOMADA DE DECISO
AUTOR
REA
APLICAO
Diagr
Fluxo
ANEZIRI S, PAPAZOGIOU
(2000)
AVEN et a l. (2006)
Qumica
Dados
Histr
rvore M atriz
Funcio Depend
MODELAGEM
DA
IDENTIFICAO EVENTOS DE
SEQUNCIA
PERIGO
ACIDENTAL
PHA
HAZOP
A nlise
Diag.
M odo s B arrera
B lo que
Falha
Diag.
Sequ
Event
ESTIMAO DA PROBABILIDAD
Dados Indepen
X
X
Mtodo BORA
Depend
Redes
B ayes
Simulao
M o delo
fisico - Qualitat
quimico
ETA
CausaCustos
Co nseq
Criter
Toler
Risco
Qualitat M arkov
X
X
Petrleo
BARROS (2006)
Petrleo
Multi
proces sa dor
CHEN (2003)
Petrleo
CHEN et a l. (2010)
Petrleo
CHEN, MOAN (2004)
Petrleo
DISTEFANO, PULIAFITO
(2009)
Qumica
ELEYE-DATUBO et a l.
(2006)
Petrleo
FROHWEIN et a l.
(2010)
Tra ns porte
GOOSSENS, COOKE
(1997)
Petroqumica
HEIDERBER (1996)
Pla nta s
Indus tria is
JUN et a l. (1999)
Fa lha s
Crtica s
X
X
X
X
X
X
X
X
X
X
rvore
deciso
BARBOSA DOS SANTOS
BOBBIO et a l. (2006)
FTA
TOMADA DE
DECISO
X
X
PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA DE RISCO PARA A TOMADA DE DECISO EM SISTEMAS

DE SEGURANA CRTICA
IDENTIFICAO E MODELAGEM
IDENTIFICAO E
CARACTERIZAO DO
SISTEMA
83
Tabela 4.6. Comparao entre diversas aplicaes de anlise de risco (Continuao)

AUTOR
REA
APLICAO
Diagr
Fluxo
KALANTAMIA et a l.
(2009)
Qumica
e ro es pa ci a l
MAHADEVAN et a l.
(2001)
Ci vil e
Medicina
MEEL e SEIDER (2006)
Qumica
MORTINELLI (2010)
Petrleo
MOURA, DROGUETT
(2010)
Moni tora o
KAPLAN (1990)
Dados
Hist r
rvo re M atriz
Funcio Depend
P HA
HAZOP
A nlise
Diag.
M o do s B arrera
B loque
Falha
X
X
Diag.
Sequ
Event
ESTIMAO DA PROBABILIDAD
Dado s Indepen
FTA
Te rmo
electrica s
PATINO RODRIGUEZ
(2012)
Petrleo
PERES CALIL (2005)
Qumica
ROED et a l. (2009)
Petrleo
STAMATELATOS (2002)
Petrleo
X
X
WASH-1400 (1975)
Nuclea r
YUN e t a l. (2009)
Petroqumi ca
ETA
X
X
Criter
Toler
Risco
Qualitat M arko v
rvo re
deciso
X
X
X
X
X
X
X
X
X
X
X
X
CausaCusto s
Co nseq
M odelo
fisico - Qualitat
quimico
X
X
Simulao
Redes
B ayes
TOMADA DE
DECISO
N va l
Depend
PALACIOS et a l. (2009)
TRUCCO et a l . (2008)
MODELAGEM
DA
IDENTIFICAO EVENTOS DE
SEQUNCIA
PERIGO
ACIDENTAL
X
X
PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA DE RISCO PARA A TOMADA DE DECISO EM SISTEMAS

DE SEGURANA CRTICA
IDENTIFICAO E MODELAGEM
IDENTIFICAO E
CARACTERIZAO DO
SISTEMA
84

SEGURANA CRTICA
85
No modelo proposto so aplicados os conceitos de anlise de risco, usando tcnicas de analise

bayesiana e anlise de Markov, com o objetivo de auxiliar tomada de decises no que se refere
s mudanas na estratgia de operao, quando existe uma mudana repentina nas condies
iniciais de operao. Este modelo visa reduzir a possibilidade de que ocorram incidentes que
venham a afetar o desempenho ou causar acidentes que originem consequncias de grandes
magnitudes ou de alto risco, gerando um modelo matemtico e uma medida quantitativa como
suporte ao processo de tomada de deciso.
O modelo probabilstico proposto foi desenvolvido como um modelo hbrido para a tomada
de deciso que incorpora a mudana de estado no decorrer da operao e avaliao probabilstica
dependente do estado de conhecimento, que so duas variveis que no tm sido consideradas
dentro de um mesmo modelo matemtico que auxilie a tomada de deciso. O processo de tomada
de deciso utiliza mtodos estruturados e bem definidos, que permitem fazer este processo de
forma objetiva e usando ferramentas que integram a anlise bayesiana, bem como a possibilidade
de que as condies de operao mudem ao longo do tempo de operao.
O mtodo integra as vantagens qualitativas do FTA e Diagrama Sequncial de Eventos,
com as vantagens quantitativas do clculo das probabilidades atravs de um modelo matemtico,
incorporando resultados de simulao, conceitos de inferncia bayesiana e processos SemiMarkovianos.
O modelo integra a inferncia bayesiana, anlise de Markov e teoria de deciso na
quantificao probabilstica do risco e sua aplicao como ferramenta na avaliao dinmica do
risco para apoiar a tomada de deciso. Embora sejam trs mtodos j existentes e utilizados em
algumas aplicaes, a integrao e estruturao numrica aplicadas a sistemas complexos com
resultados numricos no foram encontrados na literatura, portanto este mtodo constitui-se em
uma soluo vivel para a tomada de deciso baseada em risco, quando existam mudanas nas
condies de operao.
A modelagem proposta permite representar a dinmica das interaes, atravs de cenrios de
falha, e as relaes de causa e efeito pertencentes ao contexto, possibilitando um melhor
entendimento sobre a relevncia dos fatores de desempenho nos operadores, permitindo assim a
providncia de medidas que atenuem suas consequncias.
Dentre as vantagens da aplicao deste modelo pode-se citar a possibilidade de atualizar o
sistema realizando inferncias subjetivas e empricas e representar probabilisticamente as
mudanas de estados operacionais, bem como obter uma estimao probabilstica do sistema em

SEGURANA CRTICA
86
relao s consequncias devido ao fato que o sistema se encontra em um estado pr-determinado.

Esta vantagem ser apresentada no captulo 5. O sistema complexo de segurana crtica
selecionado para aplicar o modelo desenvolvido a operao de offloading entre uma FPSO e um
navio aliviador do tipo Suezmax.
CAPTULO 5 APLICAO DO MODELO DE AVALIAO PROBABILSTICA

DINMICA NA OPERAO DE OFFLOADING EM SISTEMAS OFFSHORE
5.1.
Na atualidade, assim como no setor nuclear, a anlise e avaliao de risco e segurana no

setor martimo so realizadas essencialmente por meio de regulamentos, regras, normas, entre
outras, estabelecidos por diferentes organizaes e instituies. Das regulamentaes que
estabelecem requisitos e padres mnimos relativos segurana dos navios e preveno da
poluio marinha, as mais notrias so as convenes SOLAS e a MARPOL (PERES, 2009).
A importncia de se analisar o risco envolvido em uma operao de offloading est em que as
falhas podem causar acidentes com consequncias de magnitudes considerveis, que podem
incluir leses graves para as pessoas envolvidas e graves danos ao meio ambiente, alm de atrasos
na operao e descumprimento de contratos.
As estatsticas publicadas sobre os acidentes martimos indicam que as operaes martimas
na Europa oferecem um risco de 0,33 mortes/100 milhes pessoas-km, o que quatro vezes maior
do que as operaes areas (TRUCCO et al., 2008).
Autores como TSB (1995), Soares e Teixeira (2001), Ren et al. (2008), Gilbert, Ward e
Wolford (2001) tm analisado os incidentes em navios que tm como consequncia vazamentos,
quando transportam petrleo e/ou seus derivados, apontando que, no incio da dcada de 90, os
pequenos vazamentos provenientes do transporte martimo eram responsveis por 98% das perdas
totais de petrleo e derivados. Estudos realizados pela ITOPF (International Tanker Owners
Polution Federation), entre 1974 a 1990 mostram que as principais causas dos vazamentos de
leo no mundo estavam relacionadas com as operaes de carga e descarga (70,7%) e com as
operaes de abastecimento (12,5%). Os mesmos estudos, para o perodo de 1974 a 1998,
informaram uma porcentagem diferente: 37% dos incidentes ocorreram nas operaes de
offloading, 20% em outras operaes de rotina, 12% por problemas no casco do navio aliviador,
8% por encalhes, abastecimento ou colises e 25% dos vazamentos so atribudos a outras causas
no especificadas. Analisando comparativamente os dados entre os dois perodos, considerando a
capacidade do navio aliviador, pode-se perceber que a frequncia dos incidentes vem se reduzindo
APLICAO DO MODELO DE AVALIAO PROBABILSTICA DINMICA NA OPERAO DE OFFLOADING EM SISTEMAS

OFFSHORE
88
sensivelmente e que as operaes de carga e descarga, assim como de abastecimento, so as

principais causas dos vazamentos de pequeno e mdio porte, enquanto que os encalhes e colises
so os responsveis pelos incidentes de maior porte (CETESB, 2002).
Embora tenham sido feitos esforos para diminuir o nmero de falhas envolvendo as
operaes com navios aliviadores, a frequncia de ocorrncia destes acidentes e incidentes,
especialmente com navios petroleiros, tem aumentado. Obviamente, o nmero de operaes
martimas tambm tem aumentado, porm no deixa de ser importante analisar a natureza dos
incidentes nestas operaes, que podem estar associados com a complexidade das relaes
implcitas no projeto, procedimentos de operao, equipamentos, condies ambientais, entre
outros (REN, 2008; TSB, 2005).
Planas, Vilchez e Casal (1999) realizaram uma anlise das operaes de carga e descarga de
tanques estacionrios usados em diversas atividades industriais.
A partir da anlise da Figura 5.1, pode-se observar que vazamento o acidente mais comum,
representando 45% do total de incidentes analisados, seguido de incndio com 23% e exploso,
que aparece em terceiro lugar, sendo associada a 20% dos acidentes.
Figura 5.1 Tipo de Acidentes em Operaes de Carga e Descarga de Tanques (PLANAS, VILCHEZ e CASAL
1999).
A Figura 5.2 apresenta a fonte de incidentes que causaram vazamento na operao de FPSOs
no golfo de Mxico no perodo compreendido entre o ano 1985 e o ano 2000 (GILBERT, WARD

OFFSHORE
89
e WOLFORD, 2001). Nela, observa-se que os incidentes nas operaes com navios aliviadores
so as operaes que mais contriburam com o total de vazamento ocorrido neste perodo.
Figura 5.2 Fonte de Incidentes que Causaram Vazamento na Operao de FPSO (GILBERT, WARD e WOLFORD,
2001).
Quando analisadas as causas gerais deste tipo de acidente, conclui-se que as duas principais
falhas so as mecnicas e as humanas. A primeira participa com 22% e a segunda corresponde a
21%. Outras causas so apresentadas na Tabela 5.1. Embora a anlise feita por Planas, Vilchez e
Casal (1999) seja para operaes industriais com tanques estacionrios, pode-se verificar que as
causas dos incidentes e/ou acidentes em navios tm o mesmo comportamento (SOARES e
TEIXEIRA, 2001; FERNANDEZ, 2010).
Tabela 5.1 Causas gerais de acidentes em carga e descarga de tanques (PLANAS, VILCHEZ e CASAL 1999).
Causa
Falha mecnica
Falha humana
Evento Externo
Reao no tanque
Impacto
Variao condies de operao
Falha na instrumentao
Desconhecida
%
22,0
20,7
9,6
5,5
2,8
1,9
1,1
0,3
Segundo Fernandez (2010), acidentes dos mais variados tipos j se tornaram comuns em
plataformas de extrao de petrleo, incluindo os que provocam imensos danos ambientais e
financeiros, bem como leses em operadores e, portanto, controles mais rigorosos podem ajudar a

OFFSHORE
90
evitar estes desastres (entre os acidentes mais recentes podem ser citados, os ocorridos na BP no
golfo de Mxico, ou na Chevron em Brasil).
Por outro lado, a perfurao de poos para explorao de petrleo no mar uma operao que
continua a ocorrer com grande frequncia, atingindo profundidades cada vez maiores. Esta
situao tem mostrado a necessidade de aperfeioar os sistemas de transferncia e de transporte
para um melhor rendimento do sistema de explorao.
No Brasil, no final de 2009, 92,5% do volume de reservas de petrleo estavam em bacias
martimas. Neste mesmo ano, do total de petrleo extrado no Brasil 53% da produo total era
proveniente de ambiente martimo com lminas dgua de 400 a 1.000 m e 38% de poos
localizados em profundidades de mais de 1.000 m, ou seja, mais de 90% de todas as reservas se
encontram em guas profundas e ultraprofundas (ANP, 2010). Esta produo tem aumentado
notavelmente nos ltimos anos, como mostra a Figura 5.3.
Neste cenrio, transportar os produtos extrados em alto mar para instalaes terrestres um
fator importante para estes tipos de operaes. Deve-se entender que o transporte de petrleo e
derivados determinante no desempenho de outras operaes, como o escoamento da produo
dos campos petrolferos e a distribuio dos produtos processados. Para viabilizar estas atividades,
tem-se a integrao de meios de transporte e instalaes (GILBERT, WARD e WOLFORD,
2001). No caso do Brasil, esta integrao realizada pelos navios petroleiros que se constituram
no principal modal. Aproximadamente 82% da produo da Bacia de Campos escoada atravs
de navios aliviadores (REIS, 2004).
800
700
Milhoes bep
600
500
400
MAR
300
TERRA
200
100
0
Figura 5.3 Produo anual de petrleo no Brasil terra e mar. Fonte: ANP.

OFFSHORE
91
At a dcada de 1960, a explorao de petrleo em ambiente martimo se baseava em

sistemas flutuantes amarrados. Com o aumento da lmina dgua, os sistemas passaram a
necessitar de maiores e mais numerosas linhas de amarrao, porm para profundidades maiores
de 1000m, estes sistemas passaram a ser inviveis economicamente, portanto foi necessrio
explorar outros meios de transporte para o petrleo extrado em alto mar (TANNURI, 2002).
Posteriormente, foi empregada uma linha de fluxo e risers flexveis at uma monobia ancorada
por um sistema de linhas de amarrao em catenria (CALM do ingls Catenary Anchor Leg
Mooring). Nesta poca, o petrleo era enviado por monobia SBS (do ingls Single Buoy
Storage) para um navio aliviador amarrado a uma segunda monobia (COOPETROLEO, 2004).
Na dcada de 90, com a evoluo dos sistemas de explorao e das plataformas, iniciou-se a
utilizao de FPSO (do ingls Floating Production, Storage and Offloading Systems), que so
navios de grande porte, com capacidade para produzir, processar e armazenar petrleo e gs
natural. Nos conveses do FPSO foram instaladas plantas de processamento para separar e tratar os
fluidos produzidos pelos poos. Depois de separado da gua e do gs, o petrleo produzido
armazenado nos tanques do prprio navio e quando a capacidade de armazenagem atingida, o
petrleo bombeado para os terminais por dutos submarinos ou por navios aliviadores
(TANNURI, 2002). Apesar da existncia destes dois meios de transporte, o uso de dutos para o
bombeamento do petrleo dos poos at a costa invivel devido a questes econmicas ou
tecnolgicas quando a distncia entre o poo e a costa grande, nestas situaes, so usados
navios aliviadores.
Assim, os sistemas amarrados so compostos por grandes massas flutuantes suportadas por
linhas elsticas submetidas a foras ambientais, cenrio propcio para a ocorrncia de grandes
movimentos. Portanto, durante o bombeamento do petrleo para o navio aliviador, este deve ser
mantido em posio segura em relao plataforma para evitar uma coliso ou interrupo da
transferncia do petrleo por questes operacionais (MORATELLI, 2010).
Segundo Fernandez (2010), incidentes em guas profundas e ultraprofundas podem se
transformar facilmente em acidentes que ameaam a sade e a vida dos trabalhadores ou, no
mnimo, a operao. Este fato, bem como os acidentes ocorridos na rea de extrao de petrleo e
gs em alto mar, como o acidente ocorrido no Golfo do Mxico, em 2010, e o acidente com a
plataforma P-36, em 2001, justificam ainda mais o desenvolvimento de avaliaes de risco nesta
rea.

OFFSHORE
92
Diante do exposto, o sistema complexo de segurana crtica selecionado para aplicar o modelo
desenvolvido a operao de offloading entre um FPSO e um navio aliviador do tipo Suezmax.
Esta operao se desenvolve na Bacia de Campos, no Brasil.
5.2.
IDENTIFICAO E MODELAGEM DOS CENRIOS DE PERIGO NA OPERAO

DE OFFLOADING
O offloading o processo de transferncia de leo cru do FPSO at um navio aliviador, que

transportar o leo cru at o local de estocagem definitivo. Esta transferncia pode ser realizada
de diversas formas, sendo uma das mais frequentes a conexo em tandem, especialmente quando
a extrao de petrleo e gs realizada em guas profundas e ultraprofundas. A Figura 5.4 mostra
este tipo de conexo.
Figura 5.4 Esquema de conexo em Tandem (Adaptado de HALS, 1999).
Os navios aliviadores so embarcaes projetadas, dimensionadas e construdas, ou alteradas

e adaptadas, com o propsito de aliviar os tanques de armazenamento das plataformas de
produo de petrleo. Os navios aliviadores possuem sistemas que lhes permitem se conectar em
tandem com a plataforma e transferir o leo de forma direta, porm s pode ser conectado em
plataformas do tipo FSO ou FPSO. Quando a plataforma de outro tipo, preciso utilizar
sistemas FSO como intermedirios (HELGOY, 2003). H basicamente oito tipos de navios
aliviadores que se caracterizam pelo tamanho ou capacidade dos tanques de carga, conforme
mostrado na Tabela 5.2.
93

OFFSHORE
Tabela 5.2 Tipos de navios aliviadores (MAN, 2009).
Tipo de navio
Small
Handysize
Handymax
Panamax
Aframax
Suezmax
VLCC (Very-large crude carriers)
ULCC (Ultra-large crude carriers)
Carga
(DWT)
5000 8000
10000 25000
30000 50000
55.000 80.000
85.000 115.000
125.000 165.000
260.000 319.000
360.000 560.000
Compr.
Boca
(metros) (metros)
100-116
16-18
124-170
19-25
176-183
28-32
228,6
32,2
244-250
42-44
270-274
46-50
333
58-60
341-460
65-70
Calado
(metros)
6,4-7,5
8,0-9,6
9,9-12,4
12,1-14,1
12,1-15,0
14,6-17,0
19,1-22,7
23,1-24,7
Na Figura 5.5, pode-se observar a distribuio de construo de cada tipo de navio aliviador
considerando um perodo de 50 anos. Alm disso, a linha decrescente mostra a porcentagem de
navios aliviadores que ainda esto em operao, discriminados pela idade. Observa-se um
crescimento da produo de navios aliviadores nos ltimos cinco anos, destacando-se o aumento
da produo de embarcaes com maior capacidade de carga. Adicionalmente, pode-se observar
que 40% dos navios aliviadores de mais de 25 anos ainda esto em operao.
Figura 5.5 Idade dos tipos de navio aliviador (MAN, 2009).
Outro aspecto na caracterizao dos navios aliviadores o mecanismo que permite manter a
posio relativa entre o navio aliviador e o FPSO. A posio pode ser mantida de duas formas:
por meio de rebocadores ou por um sistema de posicionamento dinmico (DP) (do Ingls

OFFSHORE
94
Dynamic Positioning), que mantm a embarcao em uma posio especfica atravs do uso de
propulsores comandados por computadores e usando informaes de sensores de posio.
Os navios aliviadores que usam rebocadores para manter a posio so denominados navios
convencionais. Estes s operam com MCP (Motor de Combusto Principal) e realizam o alvio
com o auxlio de rebocadores que tracionam o navio aliviador visando manter a posio da
embarcao em relao ao FPSO. O navio aliviador com DP integra quatro subsistemas: potncia,
controle, propulso e sensoriamento (TANNURI, 2002).
importante levar em considerao que o sistema de posicionamento dinmico que traz
mais segurana e rapidez na manobra de aproximao e amarrao s plataformas (TJALLEMA,
et al., 2007). A Figura 5.6 apresenta quatro das configuraes mais comuns da propulso de
navios aliviadores, sendo que o primeiro corresponde ao navio convencional, e os outros trs
correspondem aos sistemas DP.
Figura 5.6 Tipos de sistemas de posicionamento em navio aliviadores (CORREA et al., 2006).
O sistema DP influencia diretamente na segurana e eficincia operacional do navio aliviador,

j que um FPSO , essencialmente, uma planta de produo com forte presena de combustvel e
gs e um choque entre o navio aliviador e a plataforma pode causar um acidente de graves
consequncias (HSE, 1999). A Figura 5.7 mostra a porcentagem das falhas que, entre 1994 e
2004, originaram a perda de posio em navios petroleiros. Pode-se observar que a maioria dos
incidentes so causados por problemas nos sensores encarregados de dar a referncia de posio e
nos thursters, seguido de erros humanos. Porm, quando so analisadas as causas que provocaram
algum tipo de incidente ou acidente compreendido no perodo de 2001 e 2004, observa-se que a
porcentagem de erros humanos diminuiu notavelmente no perodo compreendido entre os anos
1994 e 2001; a segunda causa de perda de posio falha nos propulsores, seguida de falha no
sistema de comando do DP.

OFFSHORE
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
95
1994-2004
Thrusters
Sensoriamento
Gerao /
Potncia
Erro humano
Meio Ambiente
Rede Eltrica
Sistema de
comando DP
2001-2004
Figura 5.7 Incidentes de Perda de Posio entre 1994-2004 (TJALLEMA et al., 2007) e 2001-2004
(MORATELLI, 2010)
A Figura 5.8 analisa a gravidade do incidente que causou a perda de posio. Verifica-se que
a principal causa de incidente de grande magnitude (acidente) a falha dos sensores e dos
thrusters, e que os erros humanos aparecem como principal causa em incidentes de menor
magnitude.
35.0%
30.0%
25.0%
20.0%
15.0%
10.0%
5.0%
0.0%
Acidentes
Incidentes
Thrusters
Sensoriamento
Gerao /
Potncia
Erro humano
Meio Ambiente
Rede Eltrica
Sistema de
comando DP
Figura 5.8 Causas de Perda de Posio entre 1994-2004 que causaram Incidentes e Acidentes (TJALLEMA et
al., 2007)
Independentemente do tipo de navio aliviador (DP ou convencional) que seja usado no

offloading, o processo de offloading, do ponto de vista do navio aliviador, composto por
cinco etapas: 1) Aproximao; 2) Conexo; 3) Transferncia; 4) Desconexo; e 5)
Afastamento. No contexto desta pesquisa, ser analisada a operao de offloading entre um
FPSO e um navio aliviador do tipo Suezmax DP. A seguir, so explicadas as principais
caractersticas de cada uma das etapas de uma operao de offloading (MCGA, 2005).
O processo comea com a etapa de aproximao, a qual se inicia quando o navio aliviador
est a uma distncia de 1500 metros do FPSO e a uma velocidade mxima de 1,5 ns. Neste

OFFSHORE
96
ponto, deve-se observar a deriva do navio aliviador e determinar se a condio para realizar o
offloading normal ou no.
Na sequncia do processo, o FPSO lana o sistema de amarrao, iniciando-se, assim, a
segunda etapa. Efetua-se o lanamento do sistema de amarrao com o auxlio de uma lancha,
quando o navio aliviador est a uma distncia aproximada de 1000 metros e com velocidade
mxima de 1,5 ns. Posteriormente, quando a distncia entre o FPSO e o navio aliviador de 150
metros, conectado o cabo mensageiro do FPSO ao do navio aliviador. Assim, o navio
aliviador inicia o recolhimento dos cabos mensageiros e do conjunto de amarrao. O navio
aliviador se posiciona a uma distncia na qual ser realizado o offloading e, em seguida, o sistema
de amarrao posicionado e travado no mordente da FPSO para ento ser iniciada a conexo do
mangote em um procedimento similar ao do sistema de amarrao.
Aps a conexo do mangote, o sistema est pronto para abrir as vlvulas e comear a etapa de
transferncia.
A linha de transferncia dever ser pressurizada antes do incio da operao de transferncia.
A vlvula de transferncia deve permanecer aberta e a vlvula coletora do navio aliviador fechada
para que a presso seja mantida sobre a linha de transferncia. Quando o processo est
comeando ou terminando, as vlvulas devem estar reguladas para se ter uma vazo baixa. No
final da etapa de transferncia, importante ter baixa vazo, para evitar o transbordamento do
tanque.
Aps o trmino da transferncia de leo cru do FPSO para o navio aliviador, inicia-se a etapa
de desconexo e desamarrao incluindo a desconexo e envio do mangote, do sistema de
amarrao e dos cabos mensageiros. Finalmente, o navio aliviador realiza a operao de
afastamento do FPSO.
Aps definir a sequncia do processo de offloading, estudar as informaes, rotinas e
procedimentos associados a este processo, realizada a anlise funcional do sistema.
A rvore funcional para a operao de offloading inicialmente est dividida nos cinco estgios
da operao, portanto cada estgio entendido como o primeiro nvel de sistemas necessrios
para que a operao de offloading seja realizada com sucesso. Em seguida, cada um destes
sistemas subdivido nos subsistemas que suportam a sua funcionalidade, como mostra a Figura
5.9.

OFFSHORE
97
Figura 5.9 rvore Funcional Geral do Processo de Offloading.
O diagrama funcional geral subdivido em grandes subsistemas at chegar aos componentes

bsicos do sistema. Assim, para cada um dos ramos da rvore geral, foi desenvolvida a anlise
funcional correspondente.
Desta forma, define-se a funo principal de cada subsistema e elabora-se a rvore funcional
correspondente, usando as descries operacionais e funcionais, como a apresentada no Apndice
A, para o MCP. No caso do MCP, cuja rvore funcional apresentada na Figura 5.10, a funo
principal transformar a energia qumica do combustvel em energia mecnica. Para cumprir esta
funo, o sistema precisa de oito subsistemas bsicos: resfriamento ou sistema de arrefecimento,
alimentao de combustvel, partida, admisso de ar, exausto, lubrificao, combusto e sistema
de controle (TAYLOR, 2007). A interao e o correto funcionamento destes oito subsistemas faz
com que o MCP possa desempenhar sua funo principal, ou seja, a falha em um destes
subsistemas pode paralisar o MCP, tendo como consequncia principal deixar o navio aliviador
sem propulso.
A anlise de cada uma das etapas da operao de offloading, com o auxlio de especialistas na
execuo desta operao, resultou em 56 eventos de perigo para navios DP, como mostra o
Apndice B. A distribuio dos eventos para navios DP em cada uma das cinco etapas
consideradas apresentada na Tabela 5.3.
Tabela 5.3 Resumo dos eventos de perigo classificados por fase.
Tolervel
Mdio
Aproximao
Conexo
Transferncia
Desconexo
Afastamento
4,17%
6,25%
0,00%
4,17%
0,00%
4,17%
8,33%
20,83%
2,08%
4,17%
No
Tolervel
8,33%
8,33%
8,33%
12,50%
8,33%
Total
14,58%
39,58%
45,83%
Etapa offloading
Total
16,67%
22,92%
29,17%
18,75%
12,50%
100,00%

OFFSHORE
98
Do total de eventos considerados na anlise, 46% dos mesmos foram classificados com risco
alto, 40% dos eventos aparecem com risco mdio e em menor proporo (15%) aparecem os
eventos com risco baixo.
A etapa de transferncia tem outras caractersticas, como ser a etapa com maior nmero de
eventos de perigo e todos os eventos tm risco mdio ou alto. No obstante, a nica onde os
eventos com risco mdio tm uma maior proporo que os eventos com risco alto. Dentre as
etapas analisadas, a etapa de conexo apresenta a maior proporo de eventos com risco alto.

OFFSHORE
99
Figura 5.10 rvore Funcional do Motor de Combusto Propulso

OFFSHORE
100
A informao da anlise funcional serve de entrada para realizar o passo seguinte da

metodologia que a elaborao da anlise preliminar de perigos. Na Tabela 5.4 apresentada,
como exemplo, a anlise preliminar dos perigos realizada para os eventos de perigo na fase de
conexo, sendo que a anlise completa apresentada no Apndice B.
Tabela 5.4 Exemplo de Anlise Preliminar de Perigos para alguns componentes da operao de offloading.
PERDA
DA
POSIO
Falha na
manuteno
Problemas
na gerao
Problema
Satlite
GPS
T
Falha
R
Bomba
A
injetora
N
FALHA
PARADA DO
S
MOTOR
M.C.P. DO
Falha no
F
ALIVIADOR COMBUSTO
Cilindro
E
R
N
C
I
A
LOCAL
OPER.
AO DE
(aliviador) OFFLOAD. CONTING.
Utilizar rotinas de
manuteno
rgidas, com a
utilizao de
roteiros (check list
de atividades)
Problema
thruster
FALHA
SISTEMA DE
POSICIONA.
DINMICO
AO DE
MITIGAO
CONSEQUNCIA
Utilizao de
rotinas de
manuteno dos
geradores
OPERAO
OFFLOADING
Abortar
operao
Incapacidad
e de
manuteno
de posio
Verificar avisos ao
navegantes sobre
informaes de
satlites
Perda de
propulso
Utilizar rotinas de
manuteno
rgidas, com a
utilizao de
C
de atividades)
CLASSIFICAO DO
RISCO
SEG. PESSOAL
EQUIPAMENTO
AMBIENTAL
SEG. PESSOAL
EQUIPAMENTO
AMBIENTAL
EVENTO DE DESCRIO
DE EVENTO DESCRI
PERIGO
O DA
CAUSA
FREQUNCIA
FASE
CAUSA
Incapacidad
e de
manuteno
da posio
do aliviador
para a
realizao
do
offloading
Utilizar rotinas de
PARADA
manuteno
FALHA
DO
Falha
Falha na
rgidas, com a
M.C.A. DO
SISTEMA
D
bombas
manuteno
utilizao de
ALIVIADOR DIESELhidrulicas
GERADOR
de atividades)
Possibilidade Executar
de coliso procedimento
com impacto de afastamento
N N N
NO
III III III
T T T TOLERVEL
mdio,
do aliviador em
seguido de relao
unidade de
incndio
produo
utilizando o
MCP
Abortar
Atraso na
operao
operao
mdio, com Solicitar
possibilidade embarcao de
de coliso se apoio
o problema
persistir
Executar
III III III M M M
MDIO
procedimento
Possibilidade de afastamento
de coliso do aliviador em
com impacto relao
mdio,
unidade de
seguido de produo
incndio
utilizando o
sistema DP
Abortar
operao de
Possibilidade aproximao e
de coliso solicitar o
com impacto rebocador para
N N N
NO
III III III
T T T TOLERVEL
mdio,
afastar o
seguido de aliviador das
incndio
proximidades
da unidade de
produo
Possibilidade
DEVIDO A
de coliso
PRESSO Falha da
Programar o navio
EXECUO
com impacto
CCIAL. P/ programa
com antecedncia Sobrecarga
DE
alto, seguida Solicitar auxlio
N N N
NO
IV IV IV
EVITAR
o em
E de 48 h antes do no MCP e
T T T TOLERVEL
MANOBRAS
de incndio de rebocador
PARADA
programar
incio da operao no DP
ARRISCADAS
em condio
DE
o navio.
de offloading
ambiental
PRODUO
desfavorvel

OFFSHORE
101
Os eventos de perigo considerados crticos nas cinco etapas do processo de offloading so: 1)
Falha do Motor de Combusto Auxiliar (MCA); 2) Mudana de Condies Ambientais; 3)
Execuo de Manobras Arriscadas, 4) Falha no Posicionamento Dinmico (DP); 5) Falha do
Motor de Combusto Principal (MCP).
A falha do Motor de Combusto Auxiliar (MCA) do navio aliviador considerada como
geradora de um alto risco. A perda do MCA acarreta no no fornecimento de energia eltrica para
vrios sistemas do navio aliviador, incluindo as bombas de leo lubrificante do Motor de
Combusto Principal (MCP), implicando no desligamento do mesmo, bem como dos sistemas de
navegao e manobra, entre outros.
A falha do MCA pode ser causada por falhas nas aes de manuteno do grupo motogerador, por falhas no sistema de lubrificao ou mesmo pela ocorrncia de falhas inesperadas,
associadas ao prprio desgaste natural dos componentes deste equipamento. Pode-se minimizar a
frequncia de ocorrncia deste evento atravs da execuo de um rgido controle das aes de
manuteno peridicas (aes preventivas). Dada a ocorrncia da falha do MCA, recomenda-se,
como ao de contingncia, abortar a operao de offloading, atravs de procedimentos de
emergncia, executando-se o afastamento do navio aliviador.
Outro evento crtico encontrado corresponde falha no DP. Esta pode ser causada por
problemas no sistema de gerao de energia do DP, por falha nos propulsores (thrusters), ou
mesmo por falha no sistema de navegao e controle. Como forma de reduzir a possibilidade de
ocorrncia deste evento recomenda-se a utilizao de procedimentos de manuteno preventiva,
bastante detalhados. Como medida de contingncia, em caso de ocorrncia de uma falha,
recomenda-se abortar o processo de offloading e executar o afastamento do navio aliviador com o
auxlio do motor de combusto principal.
Por outro lado, as mudanas das condies ambientais podem ocorrer ao longo do processo de
offloading e correspondem a um processo de alterao nas condies de vento e ondas. Este
evento pode ocorrer em funo de erros nas previses meteorolgicas ou devido a mudanas
inesperadas nas condies climticas. Uma forma de reduzir a frequncia de ocorrncia deste
evento est associada com uma verificao detalhada da previso do clima para o perodo de
offloading, antes do navio aliviador adentrar na rea de operao. Neste ponto, torna-se
fundamental possuir ferramentas que auxiliem a tomada deciso sobre a interrupo da operao.
Neste mesmo contexto, a execuo de manobras arriscadas corresponde a problemas
associados com a execuo das manobras do navio aliviador ao longo da operao de offloading.

OFFSHORE
102
Tal evento pode ser ocasionado por erros de programao no sistema automtico do navio
aliviador ou mesmo erros de julgamento sobre as condies de manobrabilidade do navio
aliviador. A ao de mitigao recomendada envolve a solicitao de auxlio a um rebocador para
corrigir o posicionamento do aliviador (UKOOA, 2001).
Outras falhas encontradas atravs da anlise preliminar de perigos, em etapas especficas da
operao de offloading, so: na fase de transferncia, o vazamento de leo dos tanques, devido s
manobras erradas com as vlvulas, que um evento de perigo. Uma vez ocorrido o vazamento,
alm dos danos ambientais, pode haver incndio, causando graves danos aos seres humanos e aos
navios; na fase de desconexo/desamarrao, podem ocorrer falhas humanas no processo de
liberao do cabo mensageiro do mangote e do sistema de amarrao. Estas falhas humanas
causam a queda destes elementos no mar, exigindo embarcao de apoio para recolh-los, alm
de poder causar um acidente com vtimas, j que o cabo mensageiro do sistema de amarrao
pode arremessar os operadores ou causar ferimentos quando so tensionados.
Diante do exposto, embora a conexo em tandem seja frequente nas operaes de alvio em
alto mar, considera-se a mesma uma operao complexa e difcil de ser executada. Alm dos
eventos de perigo anteriormente citados, existe outro fator de risco que a posio relativa entre o
FPSO e o navio aliviador, durante a operao de offloading. Aps a amarrao e como
consequncia da ao das condies ambientais, o navio aliviador pode se movimentar em todo o
raio da amarrao. Desta forma, podem ser identificados trs setores operacionais que o navio
aliviador pode atingir, verde, amarelo e vermelho (UKOOA, 2001; MORATELLI, 2010). Em
relao aos limites operacionais, operadores brasileiros determinam o posicionamento relativo
entre o FPSO e o navio aliviador como apresentado na Figura 5.11.
Figura 5.11 Setores e limites de operao (TANNURI, MORISHITA, et al. 2009).


OFFSHORE
103
O setor verde corresponde ao setor no qual o navio aliviador pode mover-se livremente e a
condio operacional de offloading considerada normal. Os limites para operao normal so
45/60 graus de aproamento relativo da linha do centro.
O setor amarelo corresponde quele no qual o navio aliviador pode permanecer um intervalo
de tempo suficiente para realizar as manobras necessrias para fazer o navio voltar para o setor de
operao normal. Caso isto no seja possvel e o ngulo continue aumentado, a operao de
offloading ser interrompida de imediato quando a posio atingir os 75/80 graus, chegando ao
setor vermelho, onde o navio aliviador deve ser desconectado e a operao de offloading abortada.
Aps a definio dos efeitos que os eventos de perigo teriam sobre o sistema em cada etapa da
operao de offloading, e a forma como seriam afetados o navio aliviador e a prpria operao de
offloading, pode-se concluir que as consequncias associadas a uma condio ambiental
inadequada so agravadas quando o navio aliviador perde a capacidade de manter sua posio.
Neste sentido, decidiu-se que o evento iniciador Condies ambientais desfavorveis e sero
analisados os possveis cenrios de falha que conduzem a uma perda de capacidade do navio
aliviador de manter sua posio. Neste ponto, a tripulao dever tomar decises em funo do
cenrio que esteja ocorrendo nesse momento.
A partir do evento iniciador (condies ambientais desfavorveis) e conforme com os
resultados da rvore funcional e da PHA, foram selecionados trs eventos de perigo que se
relacionam em uma sequncia acidental de interesse e determinou-se que os diferentes cenrios de
risco geram as categorias de consequncias apresentadas na Figura 5.12.
Figura 5.12 Diagrama Sequncial de Eventos.
No primeiro caso, o navio aliviador sai da zona normal de operao e, portanto, a operao
de offloading deve ser interrompida e as bombas desligadas at que as condies ambientais
permitam continuar a transferncia. Neste cenrio o navio aliviador no tem sua capacidade de
manter a posio comprometida por uma condio prpria e sim pelas condies ambientais.
Se acontecer uma falha no sistema DP, a operao de offloading dever ser abortada, o que

OFFSHORE
104
significa cancelar a operao de offloading, devido a uma condio que coloca o navio
aliviador em uma situao no qual este no pode mais manter a sua posio em relao ao
FPSO e, neste caso, o navio aliviador deve ser afastado do FPSO com a ajuda do MCP. No
caso em que o navio aliviador se encontre sem propulso pela falha do DP e do MCP ou
MCA, o navio aliviador fica deriva sem propulso, existindo a possibilidade de uma coliso
com o FPSO.
5.3.
AVALIAO DE PROBABILIDADE PARA OS CENRIOS DE RISCO NA

OPERAO DE OFFLOADING
A partir da sequncia acidental estabelecida na etapa anterior, estima-se a probabilidade de

que um determinado cenrio de risco ocorra, usando a anlise causa-consequncia. Na Figura 5.13
apresentada a rvore de eventos, para a operao de offloading, que corresponde etapa inicial
desta anlise.
Figura 5.13 rvore de eventos para a operao de offloading.
A probabilidade de cada um dos eventos de perigo que aparecem na sequncia acidental pode
ser calculada atravs da anlise por rvores de falha. Da Figura 5.14 Figura 5.16 so
apresentadas as rvores de falha para cada evento de perigo, onde cada evento topo corresponde
aos eventos de perigo da sequncia acidental.

OFFSHORE
105
Figura 5.14 rvore de Falhas para o Sistema Posicionamento Dinmico

OFFSHORE
106
Figura 5.15 rvore de Falhas para o MCA

OFFSHORE
107
Figura 5.16 rvore de Falhas para o MCP (Contnua)

OFFSHORE
108
Figura 5.16 rvore de Falhas para o MCP (Fim)

OFFSHORE
109
Para estimar a probabilidade dos eventos de perigo usada a informao, sobre a taxa
mdia de falha, disponvel em bases de dados (NPRD, 1995; LEE, 1996; SMITH, 2000;
OREDA, 2002) e publicaes com estatsticas de falha para os diversos sistemas de navios
aliviadores (GRAY e MACDONALD, 1982; GILBERT, WARD e WOLFORD, 2001; CHEN
e MOAN, 2004; TSB, 2011). Posteriormente, so selecionadas apropriadas funes a priori e
de verossimilhana (ver Tabela 4.1), como ilustrado a seguir. Cabe ressaltar que a anlise
aqui realizada uma anlise para dados homogneos embora os dados sejam intrinsecamente
no homogneos.
Nas bases de dados, encontra-se disponvel a taxa mdia de falha () e o desvio padro
desta taxa. Desta forma, com estes dois parmetros e usando a eq. (5.1) possvel encontrar
os parmetros da distribuio Gama, e .
N = hN =
e
(5.1)
A distribuio conjugada para a distribuio Gama a distribuio de Poisson. Assim,

resulta apropriado que a atualizao da distribuio de falhas seja expressa em termos do
nmero de falhas (r) esperadas num tempo t. Comumente em confiabilidade, medido o
tempo de operao at a primeira falha (t, r=1). Portanto, a probabilidade de falha a posteriori
apresentada na eq. (5.2) poder ser calculada usando a distribuio Gama com parmetros
atualizados.
N > [J
d N[ [e
9!

N | =
Z N >
d N[
BA 9! = [J = [e :N

eJ 2
N| =
= [eJ
(5.2)
A eq. (5.2) pode ser empregada tanto para os eventos bsicos quanto para os eventos topo.
A seguir, ilustrado o procedimento para os eventos bsicos, usando como exemplo a bomba
centrfuga do sistema de abastecimento de combustvel do MCP, cuja rvore de falha
apresentada na Figura 5.17.

OFFSHORE
110
Figura 5.17 rvore de falha para Bomba Centrfuga do Sistema de Abastecimento de Combustvel
As taxas de falha, E[P0()], e o desvio padro, [P0()], para os eventos bsicos foram
selecionados das bases de dados NPRD (1995), LEE (1996), SMITH (2000) e OREDA, (2002).
Com estes dados e usando a eq. (5.1), os parmetros da distribuio Gama podem ser calculados
como mostrado a seguir:
1.13 10[ =
2.81 10[ =
J
%% '
7.36 10[ =

dJ
d%% '
J
%% '
1.20 10[ =

dJ
d%% '
J = 1.62 10 ; dJ = 1.43 10 %% ' = 3.76 10 ; d%% ' = 5.11 10

A partir destes dados, calcula-se a distribuio a posteriori, P(|E), para os eventos bsicos,
como mostrado na Figura 5.18. Neste caso, assumiu-se a situao mais crtica para o navio
aliviador, que um tempo de cinco anos (t=43800 h), tempo mdio em que os navios
aliviadores so submetidos a manuteno de tipo overhaul (J. SOUZA, 2011).
Figura 5.18 Funes da distribuio A priori e A posteriori para eventos bsicos da falha da Bomba Centrfuga
Na Figura 5.18 pode-se observar a influncia que tem a evidncia sobre a distribuio a
priori dos eventos bsicos.
A probabilidade acumulada destas distribuies corresponde probabilidade de que o
sistema opere sem falhas em um tempo acumulado, ou seja, o tempo que o sistema leva
operando sem receber manuteno completa. Neste caso, para um tempo de 43800 horas, a
probabilidade a posteriori para cada evento bsico da rvore da Figura 5.17 mostrada na
Tabela 5.5.

OFFSHORE
111
Tabela 5.5 Probabilidade A Posteriori dos Eventos Bsicos para a Falha na Bomba Centrfuga
Evento
Probabilidade
Parada do Motor da Bomba Centrfuga

Falha Mecnica da Bomba Centrfuga
0,00002013186
0,0001268729
Finalmente, a probabilidade do evento topo acontecer calculada resolvendo a rvore,

assumindo independncia entre os bsicos. Assim, a probabilidade de ter uma falha na bomba
centrfuga em um tempo de 43800 horas : 2.554187e-09.
Aps calcular a probabilidade a posteriori de cada evento de perigo, pode-se a calcular a
probabilidade de que o sistema falhe durante a operao de offloading, tendo em vista que o
sistema operou sem falhas at esse momento. Assim, assumindo que o intervalo entre as
atividades de manuteno preventiva de grande porte de cinco anos e que a operao de
offloading demora 24 horas, esta probabilidade, h, pode ser expressa de acordo com a eq. (5.3):
=
*AAJ*i
(5.3)
J*AA
Pode-se verificar que o denominador da eq. (5.3) corresponde confiabilidade do sistema

analisado no tempo de 43800 horas, sendo que cada sistema est associado a um evento de perigo
da Figura 5.13.
A Tabela 5.6 mostra a probabilidade de que cada um dos sistemas falhe durante a operao de
offloading, dado que este operou sem falhas at 43800 horas. Pode-se observar que, neste caso, o
evento mais provvel de acontecer durante o offloading a Falha do MCA.
Tabela 5.6 Probabilidade de um Evento de Perigo.
1,795E-04
Confiabilidade
t=43800
5,01E-01
Probabilidade que o sistema falhe durante

Offloading dado que no falhou ate agora
3,58E-04
8,352E-07
1,77E-04
4,71E-03
Evento de Perigo
P(43800<t<43824)
Falha Sistema DP *
Falha no MCA *
Falha no MCP **
1,164E-05
9,79E-01
*Obtido das referncias (OREDA; 2002) e (GRAY e MACDONALD, 1982)
**Calculado no Apndice C
1,19E-05
Aps obter a probabilidade de ocorrncia, de cada evento de perigo, durante o offloading, e

assumindo que estes eventos so independentes, a probabilidade de cada um dos cenrios de
falhas apresentados na Figura 5.13 calculada e os resultados so apresentados na Tabela 5.7.

OFFSHORE
112
Tabela 5.7 Probabilidade do Cenrio de Risco Acontecer Durante a Operao de Offloading.

Cenrio
de Risco
5.4.
Probabilidade de
Cenrio acontecer
1,687E-06
4,261E-09
3,581E-04
9,996E-01
AVALIAO DAS CONSEQUNCIAS NA OPERAO DE OFFLOADING
A Tabela 5.8 mostra a probabilidade de que uma consequncia acontea durante a operao
de offloading, dado que este operou sem falhas at 43800 horas.
Tabela 5.8 Probabilidade de uma consequncia acontecer.
Consequncia
A: Interrupo do offloading
Probabilidade de
uma consequncia
acontecer
9,996E-01
B: Abortar offloading e afastar com o MCP

C: Navio aliviador sem propulso
3,581E-04
1,691E-06
Dos resultados apresentados, pode-se verificar que para as condies analisadas, a pior
consequncia tem pouca chance de acontecer (1,691E-06). Porm, at o presente momento,
estas consequncias tem sido analisadas de forma independente das condies ambientais e
como sabido existem condies ambientais mais desfavorveis, que podem ter uma chance
maior de levar a operao de offloading a condies operacionais indesejadas. Levando isto
em considerao, a etapa de deciso considera diversas condies ambientais e a chance que
tem o navio aliviador de se encontrar em uma condio operacional indesejada.
5.5.
ANLISE DE DECISO
At o momento foram definidas e avaliadas as consequncias que um evento iniciador

pode causar. Porm, neste caso, as condies iniciais no so fixas, j que podem mudar no
decorrer da operao. Portanto, devem ser definidos critrios que permitam avaliar o que
considerado como uma condio ambiental desfavorvel, para, assim, tomar a deciso de
mudar ou no a estratgia de operao. Neste caso, uma condio ambiental desfavorvel ser

OFFSHORE
113
definida em funo da chance que a condio ambiental tenha de mudar as condies de

operao.
Para estabelecer estes critrios, consideram-se trs estgios: inicialmente definem-se as
condies operacionais consideradas inaceitveis e analisa-se a chance que o sistema tem de
mudar de um estado de operao aceitvel para outro inaceitvel. Posteriormente, analisa-se a
probabilidade que existe de que uma determinada consequncia ocorra devido ao fato de que o
sistema mudou de estado e, finalmente, com esta informao e usando a rvore de deciso,
determina-se se para as condies especficas deve-se ou no manter a estratgia de operao.
Anlise de Mudana de Estado
5.5.1.
5.5.1.1.
Estados do Sistema
Os estados definidos para a operao de offloading so dois:
Estado 1 S1: O navio aliviador encontra-se na zona de operao normal (zona

verde),
Estado 2 S2: O navio aliviador encontra-se fora da zona de operao normal
Levando em considerao os estados e o exposto na seo anterior, considera-se um estado de

operao inaceitvel quando o navio aliviador sai da zona de operao normal, uma vez que se o
navio aliviador no tem capacidade de retornar rapidamente para a zona de operao normal, a
operao dever ser interrompida e poder ser, inclusive, abortada.
Neste caso, foi definida como varivel de interesse o ngulo entre o FPSO e o navio aliviador,
j que o ngulo a referncia para definir o limite entre as zonas de operao e assim, a mudana
de estado ocorre quando este ngulo maior que 45. Embora no caso especfico do Brasil os
ngulos sejam diferentes a cada lado da linha central do aliviador, em trabalhos especficos de
operao Offloading no Brasil, como em Moratelli (2010), so realizadas as anlises supondo
simetria nos dois lados da linha central, e neste caso tambm ser considerada esta hiptese,
porm dado que se est estabelecendo uma menor rea de operao normal, com esta hiptese,
est-se aumentando a segurana da operao.
A Figura 5.19 mostra o diagrama de estados para o problema especfico, onde se tem dois
estados e existem taxas de transferncia entre estados que dependem do tempo. Pode-se verificar
que este caracteriza um processo semi-markoviano.

OFFSHORE
114
Figura 5.19 Definio do Estados e Varivel Aleatria
5.5.1.2.
Obteno de dados
Aps a definio dos estados do sistema e da varivel aleatria, preciso coletar os dados.
Neste caso, os dados provm do TPN (Simulador do Tanque Provas Numrico) que um
simulador que reproduz os movimentos do navio aliviador e do FPSO para condies especficas
de operao e de meio ambiente (TANNURI, et al., 2009).
O simulador permite conhecer, durante todo o tempo de simulao, a posio do navio
aliviador e do FPSO em um sistema de coordenadas fixas localizadas no centro do FPSO e no
extremo de amarrao do navio aliviador. Portanto, fazendo uma translao de eixos e
passando estes dados para coordenadas polares, possvel conhecer o ngulo e o raio entre o
FPSO e o navio aliviador em cada instante da simulao.
As simulaes foram realizadas considerando um navio aliviador do tipo Suezmax DP e
um FPSO do tipo VLCC, com amarrao Spread Mooring System (SMS), com carregamento
total (100%) ou em condio lastrado, correspondendo ao incio e ao final da operao de
alvio, respectivamente. As caractersticas tanto do navio aliviador quanto da plataforma,
usados para as simulaes, esto apresentadas no Apndice D.
As condies ambientais utilizadas so apresentadas na Tabela 5.9. Estas condies so
consideradas provveis para a Bacia de Campos (TANNURI et al., 2010).
Tabela 5.9 Condies Ambientais para a Simulao no TPN
Condio Ambiental
Correnteza
I
Vento
Onda
Correnteza
II
Vento
Onda
Intensidade
0,71m/s
12m/s
Hs=2,82m ; Tp = 6,8s
0,71m/s
10,97m/s
Hs=1,97m ; Tp = 11,2s
Direo
S (indo para)
NE (vindo de)
NE (vindo de)
S (indo para)
E (vindo de)
SE (vindo de)
Como se observa na Figura 5.20, quando o alvio de popa, a resultante da condio

ambiental I empurra o navio aliviador contra a FPSO e, portanto, de se esperar que uma

OFFSHORE
115
falha nesta condio torne-se mais crtica. Assim, analisar esta condio importante j que
durante a operao de offloading possvel que as condies ambientais mudem
repentinamente e resultem em uma condio onde o aliviador seja empurrado contra o FPSO.
Consequentemente, conhecer a chance que tem o navio aliviador de sair da zona de operao
normal torna-se uma informao fundamental para a tomada de deciso em funo do risco.
Figura 5.20 Posio logo aps a conexo na condio ambiental I.
No caso da condio ambiental. II, como mostra Figura 5.21, nos dois casos de amarrao
existe a tendncia de que o navio aliviador seja empurrado para fora da zona de operao
normal e, portanto, no caso especifico de alvio de popa existir um efeito combinado. Esta
condio ser o segundo caso de estudo.
Figura 5.21 Posio logo aps a conexo na condio ambiental II.
Assim, as condies ambientais bem como de amarrao e calado selecionadas para

executar as simulaes, e que permitiro calcular a probabilidade que o sistema tem de mudar
de um estado de operao aceitvel para outro inaceitvel, so indicadas Tabela 5.10.

OFFSHORE
116
Tabela 5.10 Condies Operacionais para a Simulao no TPN.

Condio
Ambiental
I
II
Amarrao
Proa
Proa
Popa
Popa
Proa
Proa
Popa
Popa
Calado
Aliviador FPSO
Vazio
Cheio
Vazio
Cheio
Vazio
Cheio
Vazio
Cheio
Cheio
Vazio
Cheio
Vazio
Cheio
Vazio
Cheio
Vazio
Cdigo Simulao
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
A seguir, so analisados os resultados de algumas das condies simuladas. Os resultados

de todas as condies simuladas so apresentados no Apndice D. Cada uma das simulaes
foi realizada simulando 3 horas de operao.
As Figuras 5.22 e 5.23 mostram o comportamento do sistema FPSO - Aliviador tanto para
o alvio de proa quanto para o alvio de popa, quando ainda no foi induzida nenhuma falha e
o sistema est submetido condio ambiental I e a FPSO com carregamento total. Na
primeira linha dos grficos, observa-se o movimento do navio aliviador e do FPSO. Verificase que sem a presena de falhas, tanto no alvio de proa quanto de popa, o navio aliviador
mantm a posio na zona verde, nas condies avaliadas. Os histogramas de frequncia
mostram que o ngulo entre o FPSO e o navio aliviador, durante o tempo de simulao, bem
inferior ao ngulo de 45 graus. Este fato indica que a chance do navio aliviador encontrar-se
fora da zona de operao normal, nestas condies, bem pequena. Ao observar o
comportamento dos Thrusters (linha 2 dos grficos), no caso do alvio de popa, verifica-se
que, para manter a posio, as foras dos trs propulsores do DP (Thruster 1, 2 e 3), so
inferiores a 300 kN e para o MCP (Thruster 4) inferior a 100 kN. Porm, a amplitude das
foras um pouco maior no caso do alvio de popa. Este comportamento ocorre quando o
alvio est sendo realizado de popa e as condies ambientais empurram o navio aliviador
contra o FPSO.
O comportamento do sistema FPSO- Aliviador, na condio ambiental II e o FPSO com
carregamento total, mostrado nas Figuras 5.24 e 5.25. Da mesma forma que na condio
ambiental I, na primeira linha do grfico, observa-se que sem a presena de falhas, tanto na
amarrao de proa quanto de popa, o navio aliviador mantm a posio nas condies
avaliadas. Neste mesmo sentido, os histogramas de frequncia mostram que o ngulo entre o
FPSO e o navio aliviador, durante o tempo de simulao, bem inferior ao ngulo de 10

OFFSHORE
117
graus, fato este que indicaria que a probabilidade do navio aliviador se encontrar fora da zona
de operao normal, nestas condies, bem pequena. Ao observar o comportamento dos
Thrusters, no caso do alvio de popa, verifica-se que para manter a posio exigido um
esforo maior que no caso do alvio de proa. Nos dois tipos de amarrao, as foras dos trs
propulsores do DP (Thruster 1, 2 e 3) so inferiores a 400 kN. No entanto, as foras do MCP
na amarrao de proa so inferiores a 800 kN enquanto que na amarrao de popa, o MCP
chega a ter um esforo maior, de 2000 kN.
Portanto, pode-se concluir que, nestas condies de operao, quando no existe evidncia
sobre a ocorrncia de falhas que possam causar perda da posio do navio aliviador, possvel
realizar o alvio mantendo os critrios de segurana e no tendo trao significativa no
hawser. Um comportamento similar acontece quando o FPSO est em condio lastreado (ver
Apndice D).

OFFSHORE
118
Figura 5.22 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Proa, Sem Falhas

OFFSHORE
119
Figura 5.23 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Popa, Sem Falhas

OFFSHORE
120
Figura 5.24 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Proa, Sem Falhas

OFFSHORE
121
Figura 5.25 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Popa Sem Falhas

OFFSHORE
122
Aps a modelagem e simulao da operao do aliviador sem ocorrncia de falhas,

induziu-se no software TPN cada evento de perigo que aparece na sequncia acidental
descrita anteriormente.
Assim, a falha no DP induzida desativando-se um dos propulsores do sistema de
posicionamento dinmico. Quando um navio aliviador perde um propulsor, este no consegue
manter o posicionamento em parmetros adequados de operao e, portanto, a segurana da
operao diminuda, pois manter um posicionamento imperfeito considerado arriscado (J.
SOUZA, 2011). A falha no sistema de acionamento dos propulsores causada pela perda de
sinal, a qual pode ser causada por um problema mecnico ou por um problema eletrnico. Os
propulsores tm sua prpria mquina motriz, assim, quando esta falhar, no ser possvel a
utilizao do DP. Caso exista uma falha na transmisso eltrica ou uma falha no sistema de
gerao eltrica, no chegar energia na mquina motriz.
Segundo a descrio do sistema realizada no incio deste captulo, as falhas do MCP e do
MCA so equivalentes para a anlise da perda de posio do navio aliviador. Portanto, estas
falhas correspondem ao desligamento do propulsor responsvel pela propulso principal do
navio aliviador. Com isso, o funcionamento do motor principal da embarcao subitamente
interrompido, impossibilitando usar o MCP para afastar o navio aliviador da FPSO em caso do
DP falhar.
Desta forma, aps definir as condies de operao e as condies ambientais, realiza-se a
simulao das trs sequncias acidentais e, em cada caso, determina-se o ngulo entre o navio
aliviador e o FPSO em cada instante da simulao e sua funo densidade de probabilidade.
Cada evento de perigo simulado duas vezes onde, em cada caso, varia-se a localizao
inicial do navio aliviador. No primeiro caso, o navio aliviador posicionado na zona de
operao normal no incio da simulao. No segundo caso, no incio da simulao, o navio
aliviador localiza-se fora da zona de operao normal.
Anlise da simulao da sequncia acidental gerada pela falha do DP
Quando acontece a falha do DP, o navio aliviador perde a capacidade de manter a posio,
portanto ser necessrio abortar a operao de offloading e afastar o navio aliviador do FPSO
com o auxilio do motor de combusto principal (MCP). Para realizar as simulaes foi
desativado um dos propulsores azimutais.
Na Figura 5.26 observa-se que, quando o alvio realizado de proa, com o sistema
Aliviador-FPSO na condio ambiental I e FPSO cheio (condio 100%), em caso de

OFFSHORE
123
ocorrncia de falha no DP, o navio aliviador mantido na zona de operao normal.

Entretanto, como se observa no histograma, o ngulo entre o FPSO e o navio aliviador tem
uma amplitude maior que no caso sem falha. Portanto, no caso de ocorrer uma falha no DP,
existir uma chance maior do navio aliviador se encontrar fora da zona de operao normal. Na
Figura 5.26 tambm se pode observar que, para manter a posio, o azimutal de proa e o
Thruster 1 (Tunnel Thruster Bow) so usados no mximo de sua capacidade. O propulsor do
MCP aumenta sua porcentagem de utilizao quando comparado com o caso sem falhas,
porm esta chega apenas a 20% de utilizao.
Para estas mesmas condies, mas no caso de o alvio ser realizado de popa (Figura 5.27),
o navio aliviador no mantido na zona de operao normal e, como se observa na Figura
5.27 a chance de existir abalroao muito alta. Portanto, no caso de ocorrer uma falha no
DP, a chance do navio aliviador se encontrar na zona de operao normal diminui
sensivelmente.
Quando o alvio realizado na popa e o aliviador est submetido condio ambiental I,
os trs propulsores ativos so usados quase na sua capacidade mxima. Assim, a amarrao de
popa na condio ambiental I torna-se mais crtica, j que neste caso as condies ambientais
esto empurrando o navio aliviador contra o FPSO e, portanto, uma falha no DP no permitir
a continuidade da operao de alvio devido alta chance de abalroamento e
impossibilidade de atendimento aos critrios de segurana.
Quando estas mesmas condies operacionais so avaliadas na condio ambiental II,
pode-se verificar que tanto no alvio de proa quanto no de popa, existe uma maior
movimentao do navio aliviador.
No caso do alvio de proa, nestas condies, embora no haja perda total da posio,
existe uma tendncia do navio aliviador sair da rea de operao normal e, portanto, ngulos
maiores entre o FPSO e o aliviador aparecem com maior frequncia. Alm disso, existem
picos de trao do hawser que chegam at 300 tonf, como apresentado na Figura 5.28.

OFFSHORE
124
Figura 5.26 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Proa, Falha DP

OFFSHORE
125
Figura 5.27 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Popa, Falha DP

OFFSHORE
126
Figura 5.28 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Proa, Falha DP

OFFSHORE
127
Figura 5.29 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Popa, Falha DP

OFFSHORE
128
Para o caso do alvio de popa, o navio aliviador perde totalmente a posio, como
observado na Figura 5.29. Neste caso, existir uma chance muito alta de abalroamento e por
este motivo este problema de deciso passa a ser uma deciso sob certeza e, portanto no ser
considerado dentro da anlise de deciso.
Na Figura 5.29 tambm se pode observar que os propulsores do DP so usados no
mximo de sua capacidade. O propulsor do MCP aumenta sua porcentagem de utilizao
quando comparado com o caso de alvio de proa, estando acima dos 40%.
Anlise da simulao da sequncia acidental gerada pela falha do DP, MCP e/ou MCA
Esta sequncia acidental gera a consequncia: Navio aliviador sem propulso,
possibilidade de coliso. Considera-se a falha logo aps a conexo do hawser e mangote, no
momento em que o navio aliviador est muito prximo ao FPSO. A distncia entre os navios
pode chegar a 70 m, conforme indica a Figura 5.20 e Figura 5.21.
Para o caso da condio ambiental I e alvio de proa, o navio aliviador ser empurrado
para longe do FPSO. o empuxo do propulsor principal que mantm o navio aliviador em
sua posio e, portanto, uma falha no DP e no propulsor principal far com que este se
movimente mais. Neste caso, empurrado pela condio ambiental, espera-se que, com a falha
do propulsor principal, o navio aliviador recue, podendo causar a mudana na magnitude na
trao no hawser, como mostra a Figura 5.30.
Para o caso do alvio de popa, em ambas condies ambientais, o navio aliviador perde
totalmente a posio, como observado na Figura 5.31 e no Apndice D. Neste cenrio, a
condio ambiental empurra o aliviador na direo do FPSO e, portanto, este cenrio mais
crtico em relao falha em anlise. Como se observa no movimento dos navios e no
histograma, o ngulo entre o FPSO e, neste caso, existir uma chance muito alta do navio
aliviador abalroar o FPSO, o que torna este caso com uma deciso sob certeza e portanto no
ser analisada no problema de deciso. Neste caso, os propulsores do DP so usados no
mximo de sua capacidade.

OFFSHORE
129
Figura 5.30 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Proa, Falha DP e MCP

OFFSHORE
130
Figura 5.31 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%), Alvio de Popa, Falha DP e MCP
131

OFFSHORE
5.5.1.3.
Distribuio da Probabilidade da Posio do Navio Aliviador em cada

Sequncia Acidental
Com os resultados obtidos sobre a posio do FPSO e do navio aliviador, e usando a

transformao de coordenadas cartesianas para polares, calculado o ngulo entre o navio
aliviador e o FPSO. Desta forma, obtm-se o valor da varivel aleatria que dever ser
ajustada a uma distribuio de probabilidade. Usando o software Weibull (WEIBULL++7,
2005) e realizado o algoritmo no programa R (R Core, 2008), apresentado no Apndice D.1,
ajustou-se a distribuio da posio angular do navio aliviador em relao ao FPSO em cada
sequncia acidental, para os dois estados estabelecidos no item 5.5.1.1.
Em todos os casos, a distribuio de Weibull apresenta a melhor aderncia aos dados da
posio angular. Os parmetros obtidos, em cada caso simulado, so apresentados na Tabela 5.11.
Tabela 5.11 Parmetros da distribuio da posio angular do navio aliviador em cada estado e sequncia acidental
Simulao
IProaC1
IProaC2
Estado
Sem Falha
S1
=1,2841;
= 4,1814
=0,9944;
= 8,2751
=0,9664;
= 1,3434
=0,8036;
=4,5180
=1,4996;
=6,7894
=1,2503;
=8,7358
=1,0248;
=1,6545
=1,2780;
=70,4201
=1,0124;
=2,7873
=0,8876;
=3,8154
=1,5976;
=7,3113
=1,1734;
=14,1016
=1,1066;
=3,6429
=0,8250;
=4,2432
=1,8068;
=10,2320
=1,2227;
=72,9813
S2
S1
S2
IPopaC1
S1
S2
IPopaC2
S1
S2
IIProaC1
S1
S2
IIProaC2
S1
S2
IIPopaC1
S1
S2
IIPopaC2
S1
S2
Falha DP
=1,2341;
= 5,5910
=1,0732;
= 6,3884
=1,8559;
=10,7977
=1,8692;
=12,6737
=1,3149;
=83,1371
=1,9766;
=93,8731
=1,0182;
=61,4568
=1,6583;
=79,1134
=1,4835;
=8,1039
=1,4161;
=12,8943
=1,3657;
=5,0014
=1,0544;
=7,8379
=1,1078;
=63,9941
=1,3951;
=44,5605
=1,0167;
=40,4020
=1,0907;
=54,9707
Falha DP e
MCP/MCA
=1,3422;
= 5,1264
=1,31565;
= 7,1047
=1,3948;
=6,1043
=1,0827;
=6,9609
=2,1189;
=147,2622
=5,1116;
=152,6603
=1,9109;
=142,0411
=5,7795;
=145,8887
=1,5939;
=9,1327
=6,7913;
=39,1666
=1,6905;
=9,9268
=1,6995;
=14,2927
=3,1492;
=102,3083
=5,2387;
=103,3467
=0,9077;
=94,3591
=4,6445;
=150,0998
Equao da taxa de
transio (para k=45)
d1

OFFSHORE
132
Como j foi mencionado, em cada caso foram realizadas duas simulaes, na primeira
simulao, que serve para calcular os parmetros associados a S1, a posio inicial do navio
aliviador fixada dentro da zona de operao normal. Na segunda simulao, cujos resultados
foram usados para determinar os parmetros, a posio inicial do navio aliviador fixada fora
da zona de operao normal.
A partir da distribuio probabilstica da posio pode-se analisar o comportamento do navio
aliviador com respeito s condies de operao. Assim, usando os parmetros da distribuio de
probabilidade para cada condio simulada, pode-se calcular a probabilidade de que o navio
aliviador permanea ou retorne zona normal de operao. Para fazer este clculo, considerou-se
que a operao de offloading sai da zona de operao normal quando o ngulo entre o FPSO e o
navio aliviador maior do que 45 (MORATELLI, 2010).
A Figura 5.32 mostra os resultados da probabilidade onde, na presena de uma sequncia
acidental, o navio aliviador esteja na zona de operao normal dado que inicialmente est nesta
zona, ou seja, em outras palavras, este grfico mostra a chance de que, ainda ocorrendo falhas, o
navio aliviador permanea na zona de operao normal. Para realizar este clculo, consideramse os resultados da posio do navio aliviador, localizado no incio da simulao dentro da
zona de operao normal, e avalia-se a distribuio de probabilidade quando a posio
angular entre o navio aliviador e o FPSO menor que 45. Pode-se verificar ento que,
quando o alvio de popa, o navio aliviador tem menor chance de ficar na zona de operao
normal do que quando o alvio de proa. No mesmo sentido, pode-se verificar que as falhas
do DP e do MCP trazem como consequncia uma reduo da chance que o navio aliviador
tem de permanecer na zona de operao normal.

OFFSHORE
133
1.00
0.90
0.80
IIPopaC1
0.70
IIPopaC2
0.60
IIProaC1
0.50
IIProaC2
0.40
IPopaC1
0.30
IPopaC2
0.20
IProaC1
0.10
IProaC2
0.00
Falha DP
Falha DP + MCP
Figura 5.32 Probabilidade do navio aliviador permanecer na zona normal de operao
Na Figura 5.33 analisada a chance que o navio aliviador tem de retornar zona de
operao normal aps da ocorrncia de falhas, ou seja, a probabilidade que o navio aliviador
tem de estar na zona de operao normal, dado que inicialmente est fora desta zona. Este
clculo realizado avaliando-se a distribuio de probabilidade da posio angular do navio
aliviador quando esta menor que 45, dado que o navio aliviador se localiza, ao incio da
simulao, fora da zona de operao normal. Pode-se verificar que, quando o alvio de popa
e ocorrem as falhas no DP e MCP simultaneamente, se o navio aliviador sai da zona normal de
operao ter uma chance quase nula de retornar para a zona normal de operao.
1.00
0.90
0.80
IProaC1
0.70
IProaC2
0.60
IIProaC1
0.50
IIProaC2
0.40
IPopaC1
0.30
IPopaC2
0.20
IIPopaC1
0.10
IIPopaC2
0.00
Falha DP
Falha DP + MCP
Figura 5.33 Probabilidade do navio aliviador retornar na zona normal de operao

OFFSHORE
134
Portanto, ao analisar as probabilidades de permanecer e retornar zona de operao normal,

pode-se verificar que, para as duas condies ambientais estudadas, o alvio de popa uma
condio muito mais crtica que o alvio de proa. A ocorrncia de uma falha na condio de alvio
de popa causaria um aumento significativo na probabilidade do navio aliviador sair da zona de
operao normal, o que se tornaria uma condio inaceitvel para a operao. Estes resultados
tornam-se especialmente relevantes quando ocorre uma mudana repentina das condies
ambientais e as novas condies so tais que o navio aliviador empurrado contra o FPSO, como
se observa nas Figuras 5.32 e 5.33. Nesta condio (alvio de popa), a chance do aliviador estar na
zona de operao normal fica significativamente reduzida, sendo muito mais crtico o cenrio
quando, nesta condio de amarrao, o navio aliviador tem que retornar zona de operao
normal.
Neste contexto, tendo os parmetros das distribuies de probabilidades do navio aliviador
permanecer em uma das duas zonas de operao (Tabela 5.11) e considerando que o navio
aliviador durante a operao de offloading pode ter transies entre os dois estados, calcula-se a
probabilidade do navio aliviador estar em um dado estado de operao dada uma sequncia
acidental (P(Si|K)), como mostram a Tabela 5.12 e a Figura 5.34. Para encontrar estas
probabilidades, foi usado o equacionamento para o processo Semi-Markov, apresentado na Seo
3.3.2.2 e o algoritmo recorrente apresentado na Figura 4.10 foi realizado em Matlab, como mostra
o Apndice E.
Tabela 5.12 Probabilidade do navio aliviador se encontrar em S1 ou S2 dada uma sequncia acidental
Simulao
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
Estado
Si
S1
S2
S1
S2
S1
S2
S1
S2
S1
S2
S1
S2
S1
S2
S1
S2
Sem Falha
P(Si|KA)
0,999629
0,000371
0,999868
0,000132
0,999964
0,000036
0,790049
0,209951
0,999988
0,000012
0,997427
0,002573
0,999908
0,000092
0,704736
0,295263
Falha DP
P(Si|KB)
0,999953
0,000047
0,999928
0,000082
0,288579
0,711421*
0,434133
0,565867*
0,999467
0,000533
0,999881
0,000119
0,552207
0,447793
0,611871
0,388129
Falha DP + MCP
P(Si|KC)
0,999998
0,000002
0,999964
0,000036
0,023313
0,976686*
0,035076
0,964924*
0,900504
0,099496
0,999817
0,000182
0,035489
0,964511*
0,195398
0,804602*
* Navio Aliviador abalroa contra FPSO.
135

OFFSHORE
A anlise probabilstica verifica o resultado dado pelo simulador onde foi mostrado que
nas condies ambientais de alivio de popa para a falha do DP e a falha do DP e MCP existe
abalroamento entre o navio aliviador e a FPSO.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
S2
IProaC1
IProaC2
IIProaC1
IIProaC2
IPopaC1
IPopaC2
IIPopaC1
IIPopaC2
IProaC1
IProaC2
IIProaC1
IIProaC2
IPopaC1
IPopaC2
IIPopaC1
IIPopaC2
IProaC1
IProaC2
IIProaC1
IIProaC2
IPopaC1
IPopaC2
IIPopaC1
IIPopaC2
S1
Sem Falha
Falha DP
Falha DP + MCP
Figura 5.34 Probabilidade do navio aliviador se encontrar em um estado de operao dada uma sequncia
acidental
Destes resultados, pode-se verificar que quando no existe ocorrncia de falhas nos sistemas
de posicionamento do navio aliviador, existe uma chance muito maior do navio aliviador manterse dentro da zona de operao normal, durante a operao de offloading, tanto nas duas condies
ambientais quanto nas duas condies de carregamento simuladas. Porm, deve-se ter especial
ateno quando o navio aliviador estiver na fase final do carregamento (C2) e a resultante da ao
dos carregamentos ambientais empurrem o navio aliviador contra o FPSO, pois, como se observa
nos resultados, nestas condies, a probabilidade do navio aliviador estar fora da zona de
operao normal aumenta. Neste caso, por exemplo, na condio ambiental I esta probabilidade
de 21% e no caso da condio ambiental II, esta corresponde a 29%.
Os resultados mostram que quando acontecem sequncias acidentais que causam perda de
posicionamento, o tipo de alvio (popa ou proa) muito relevante para aumentar a chance de
navio aliviador estar fora da zona de operao normal, assim, por exemplo, se falha o DP, na
condio ambiental I e a operao de offloading est na fase final do carregamento (C2), existe
uma chance de 56% de que o navio aliviador esteja fora da zona de operao normal quando a
amarrao de popa, j para as mesmas condies, quando a amarrao de proa, esta chance
apenas de 0,01%.

OFFSHORE
136
Na presena de falhas, quando a amarrao de popa, a condio ambiental I mais

crtica que a condio ambiental II. Este comportamento pode ser explicado devido ao fato de
que, no alvio de popa, a resultante da condio ambiental I empurra diretamente o navio
aliviador contra o FPSO.
5.5.1.4.
Tomada de deciso dada uma sequncia acidental
Como se verificou na seo anterior, a condio de alvio na qual o navio aliviador

empurrado contra o FPSO torna-se crtica dentro desta anlise. Com a informao sobre as
probabilidades de localizao do navio aliviador, pode-se analisar a deciso de interromper ou
continuar a operao, quando o navio aliviador estiver no limite da zona de operao normal
(=45) e uma das sequncias acidentais mostradas na Figura 5.12 se apresente.
Da Tabela 5.13 Tabela 5.15 apresentam-se os possveis resultados da deciso dada a
ocorrncia de uma sequncia acidental. Neste caso, os estados da natureza esto dados pelas
duas zonas operacionais que o navio aliviador pode atingir, uma vez que a sequncia acidental
acontea.
Tabela 5.13 Alternativas para a seleo da estratgia de operao dado que no aconteceu falha
CONHECIMENTO
A PRIORI
No h Falha
Estados da Natureza
Estar na zona de
operao normal - S1
Estar fora da zona de
operao normal - S2
Deciso
Continuar
Interromper
Offloading com sucesso
Perde a possibilidade de ter
o offloading com sucesso
Interromper a operao at
Deciso Correta (Condies
as condies melhorem
desfavorveis)
Tabela 5.14 Alternativas para a seleo da estratgia de operao dado que falha o DP
CONHECIMENTO
A PRIORI
Estados da Natureza
Estar na zona de
operao normal - S1
Falha DP
operao normal - S2
Deciso
Continuar
Interromper
Offloading pode ser finalizado
Perde a possibilidade de
com precaues associadas
finalizar o offloading
monitorao do navio
Desconexo de emergncia.
Deciso Correta (Evitou-se
Abortar a operao
desconexo de emergncia)
Tabela 5.15 Alternativas para a seleo da estratgia de operao dado que falha o DP e MCP/MCA
CONHECIMENTO
A PRIORI
Estados da Natureza
Estar na zona de
operao normal - S1
Falha DP e MCP/MCA

operao normal - S2
Deciso
Continuar
Interromper
Possibilidade de coliso com
Deciso Correta (No
impacto mdio causando
haver perda)
consequncias severas
Possibilidade de coliso com Possibilidade de coliso com
impacto alto, causando
impacto baixo, causando
consequncias catastrficas.
consequncias reduzidas.

OFFSHORE
137
Para definir a funo utilidade das consequncias finais de cada uma das alternativas, deve-se
levar em considerao que os navios aliviadores so regidos por contratos de viagem isolada ou
por tempo determinado. Assim, se for decidido interromper a operao de offloading e for
verificado que a interrupo foi de responsabilidade do navio aliviador, por problema mecnico
ou alguma razo que o impea de operar, este ter multas e cartas de protesto que so estipuladas
nos contratos, alm de deixar de receber a diria do servio contratado. Caso a interrupo de
operao seja considerada como uma consequncia de ocorrncia de condies ambientais no
apropriadas para realizar o alvio, a responsabilidade dividida entre o FPSO e o navio aliviador.
Porm, dada a dificuldade de obter os custos para cada uma das categorias, usa-se uma escala
de pontuao, conforme metodologia recomendada por Migon e Lopes (2002) nestes casos.
Desta forma, usando a funo padronizada para a funo de utilidade tipo exponencial,
que apresentada na Tabela 4.2, estabelece-se uma escala de pontuao 0 a 1 para x,
associando, assim, um valor de x=1 para a maior perda (pior consequncia) e x=0 para a
menor perda (melhor cenrio). Para os outros nveis de consequncias, os valores de x
associados estaro no intervalo 0 e 1. Assim, aps ter a escala de pontuao para x, obtm-se
a funo utilidade para cada uma das consequncias. Neste estudo, os valores destas
pontuaes para x foram estabelecidos por operadores do sistema. Estes operadores
selecionaram os valores de uma tabela que eles mesmos elaboraram baseados na sua
experincia de mais de vinte anos na operao de navio desta natureza. As rvores de deciso
associados aos problemas em estudo so apresentadas na Figura 5.35.

OFFSHORE
138
Figura 5.35 rvores de deciso para continuar ou interromper a operao sabendo que uma sequncia acidental
ocorreu
Como a maior perda foi pontuada com o valor de 1, ento a deciso corresponder
alternativa que minimize o risco. A avaliao detalhada da rvore de deciso apresentada no
Apndice F. O resumo dos resultados da avaliao do risco, para cada uma das condies
simuladas, est mostrado na Tabela 5.16.

OFFSHORE
139
Tabela 5.16 Valor da avaliao do risco da mudana da estratgia de operao quando ocorre uma sequncia
acidental
No Falha
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
Falha DP
Falha DP e MCP/MCA
Deciso
Deciso
Deciso
Valor de risco
Valor de risco
Valor de risco
(menor
(menor
(menor
Continuar Interromper risco) Continuar Interromper risco) Continuar Interromper
risco)
CONT
CONT
INTER
0,00030
0,99963
0,27280
0,94143
0,94147
0,00000
CONT
CONT
INTER
0,00011
0,99987
0,27286
0,94135
0,94148
0,00002
CONT
INTER
INTER
0,00003
0,99996
Deciso sob certeza
Deciso sob certeza
CONT
INTER
INTER
0,17165
0,79005
CONT 0,27315
CONT 0,94730
INTER
0,00001
0,99999
0,94097
0,06214
0,99743
CONT
IIPopaC1 0,00008
0,99991
CONT
IIPopaC2 0,24140
0,70474
CONT
IIProaC2 0,00210
0,94136
CONT
0,51989
INTER
Deciso sob certeza
INTER
0,27285
0,59841
0,94148
0,00011
Deciso sob certeza
INTER
INTER
INTER
CONT: Continuar a operao de offloading

INTER: Abortar a operao de offloading
Dos resultados apresentados na Tabela 5.16 pode-se observar que, caso no ocorram falhas
no sistema em todas as condies ambientais, a deciso que minimiza a perda continuar com a
operao. Porm, quando o navio aliviador est 100% carregado e a amarrao de popa observase que, embora o risco no seja mximo, este aumenta nas duas condies ambientais simuladas.
No caso de ocorrer uma falha no sistema DP, a sugesto, para as condies simuladas, continuar
a operao sempre que a amarrao seja de proa. E, como era de se esperar, caso o navio aliviador
fique deriva, a deciso sempre ser interromper a operao, j que as consequncias desta
sequncia acidental so graves ou catastrficas.
Estes resultados junto com a anlise de custos (neste caso, atravs da funo de utilidade),
torna-se uma ferramenta para a tomada de deciso, j que finalmente o tomador de deciso saber
o risco de mudar ou no a estratgia de operao.
5.5.2.
Probabilidade de uma Sequncia Acidental Acontecer dada uma Mudana

de Estado
Como se observa nos resultados apresentados na seo 5.5.1, dada a natureza da operao,
existe uma chance de que o navio aliviador esteja fora da zona de operao normal. Alm disso,
quando acontece uma sequncia acidental, esta chance muda e geralmente aumenta.
Na seo anterior, foi analisada a chance que existe de que o navio aliviador esteja em uma
das duas zonas de operao devido ocorrncia de uma sequncia acidental. Neste item, com
estes resultados, analisa-se qual a chance de uma determinada sequncia acidental acontecer
quando o navio aliviador passa da zona de operao normal para fora desta. Esta chance
avaliada usando o modelo matemtico proposto do Captulo 4, em conformidade com a eq. (5.4).

OFFSHORE
i =
2n |/ /

2n
140
(5.4)
Neste caso, o termo P(S12) corresponde probabilidade de que o sistema esteja na zona
normal operao em um tempo t e passe para fora desta zona em um tempo t+t , ou seja, a
probabilidade de que o navio aliviador saia da zona de operao normal, dado que ainda est
dentro da mesma. Portanto, com a informao obtida das simulaes, a probabilidade do navio
aliviador passar da zona de operao normal para fora desta, dado uma sequncia acidental, pode
ser calculada, como mostra a eq. (5.5).
i | = m4JJ > 45|4J 45| p

SU| /
U|/
(5.5)
Como se observa na Figura 5.36, a probabilidade de que o sistema saia da zona de operao
normal quando no existem falhas nos sistemas associados ao posicionamento do navio aliviador
praticamente nula, em todas as condies analisadas.
0.10
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
IProaC1
IProaC2 IPopaC1 IPopaC2 IIProaC1 IIProaC2 IIPopaC1 IIPopaC2
Sem Falha
6.78E-05 2.04E-05 1.14E-05 5.00E-03 2.78E-06 4.27E-04 1.73E-05 9.69E-03
Falha DP
1.18E-05 2.98E-06 1.00E+00 1.00E+00 1.24E-04 2.72E-05 1.71E-02 1.00E+00
Falha DP+MCP 4.62E-07 9.92E-06 1.00E+00 1.00E+00 7.88E-03 5.73E-05 8.79E-02 2.95E-02
Figura 5.36 Probabilidade do navio aliviador sair da zona de operao normal (P12|K)
Neste caso, tm-se trs sequncias acidentais (ver Figura 5.12). Desta forma, tornam-se
possveis as seguintes consequncias, onde interromper se refere a suspender a operao at que
as condies melhorem, enquanto abortar se refere a que no possvel continuar com a
operao:
A: Interromper offloading e afastar com o DP

OFFSHORE
141
B: Abortar offloading e afastar com o MCP

C: Navio aliviador sem propulso, possibilidade de coliso.
A probabilidade de interromper o offloading, sendo necessrio afastar o navio aliviador com
DP, quando este mudou da zona de operao normal para fora desta, definida pela eq. (5.6):
! |i =
2n |
2n
(5.6)
A probabilidade de abortar o offloading, sendo necessrio afastar o navio aliviador com ajuda
do MCP, quando este mudou da zona de operao normal para fora desta, definida pela eq.
(5.7):
# |i =
2n |
2n
(5.7)
Portanto, a probabilidade do navio aliviador ficar sem propulso e, assim, existir a

possibilidade de uma coliso com alto impacto e consequncias catastrficas, quando este mudou
da zona de operao normal para a fora desta, definida pela eq. (5.8):
|i =
2n |
2n
(5.8)
A partir dos resultados obtidos nas fases anteriores e com a aplicao do modelo
matemtico mostrado nas eq.(5.6), eq. (5.7) e eq. (5.8), obtm-se os resultados apresentados na
Tabela 5.17, que correspondem chance de que, durante a operao de offloading, devido a
uma mudana das condies de operao do sistema (navio aliviador passou da zona de
operao normal para fora da zona de operao normal), exista uma determinada sequncia
acidental. Dos resultados obtidos, pode-se concluir que quando o navio aliviador muda da zona
de operao normal para fora desta, as consequncias menos graves so muito mais provveis
do que as consequncias mais severas. Este um resultado comum para todas as condies
simuladas. Este resultado pode ser explicado devido a que a chance que ocorra a falha do DP
e MCP/MCA, durante a mesma operao, remota.

OFFSHORE
142
Tabela 5.17 Probabilidade que uma consequncia ocorra dado que o navio mudou de zona de operao S1 para S2
Simulao
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
P(KA|S12)
9,99938E-01
9,99946E-01
3,04356E-02
9,32514E-01
9,79611E-01
9,99977E-01
7,33342E-01
9,64168E-01
P(KB|S12)
P(KC|S12)
6,23645E-05
5,26782E-05
9,65007E-01
6,71692E-02
1,56739E-02
2,29215E-05
2,60330E-01
3,58267E-02
1,15693E-08
8,26890E-07
4,55789E-03
3,17252E-04
4,71509E-03
2,28191E-07
6,32806E-03
4,99125E-06
Porm, merece especial ateno a situao onde o alvio de popa, nas duas condies
ambientais e no comeo do offloading. Nestas condies, quando o navio aliviador muda de
zona de operao, verifica-se que a chance de ter que abortar o offloading, sendo necessrio
afastar o navio aliviador com ajuda do MCP, ou a chance que o navio aliviador fique deriva,
aumenta significativamente. Embora a condio mais provvel seja de interromper o
offloading, sendo necessrio afastar o navio aliviador com DP, quando este mudou da zona de
operao normal para fora desta, pode se observar que, especialmente quando o alvio de
popa, a probabilidade de abortar o offloading, sendo necessrio afastar o navio aliviador com
ajuda do MCP, quando este mudou da zona de operao normal para fora desta, alta.
Portanto, analisando o comportamento das consequncias B e C nas condies simuladas,
apresentadas na Figura 5.37, a consequncia C tem uma chance mais remota de acontecer. No
entanto, verifica-se que o alvio de popa para estas condies mais crtico. Na condio
ambiental II, no alvio de proa, a probabilidade de que a consequncia C acontea, quando o
navio aliviador muda de posio, no desprezvel quando comparada com as outras
condies simuladas.
Consequncia B
a)
b)
Consequncia C
0.007
0.006
0.005
0.004
0.003
0.002
0.001
0
0.8
0.6
0.4
0.2
0
IPopaC1
IProaC1
IIPopaC1
IIProaC1
IPopaC1
IProaC1
IIPopaC1
IIProaC1
Figura 5.37 a) Probabilidade da consequncia B acontecer dado que o navio aliviador saiu da zona de operao
normal, FPSO 100%; b) Probabilidade da consequncia C acontecer dado que o navio aliviador saiu da zona de
operao normal, FPSO 100%

OFFSHORE
143
Embora as probabilidades de uma determinada consequncia acontecer no final da

operao de offloading sejam pequenas, quando comparadas entre si, pode-se verificar que
nesta condio o alvio de popa novamente mais crtico que o alvio de proa, sendo pior na
condio ambiental I que na condio ambiental II, como mostra a Figura 5.38.
a)
Consequncia B
Consequncia C
b)
0.00035
0.0003
0.00025
0.0002
0.00015
0.0001
0.00005
0
0.08
0.06
0.04
0.02
0
IPopaC2 IProaC2 IIPopaC2 IIProaC2
IPopaC2 IProaC2 IIPopaC2 IIProaC2
Figura 5.38 a) Probabilidade da consequncia B acontecer dado que o navio aliviador saiu da zona de operao
normal, Aliviador 100%; b) Probabilidade da consequncia C acontecer dado que o navio aliviador saiu da zona
de operao normal, Aliviador 100%
Verifica-se uma vez mais que a condio de alvio na qual o navio aliviador empurrado
contra o FPSO torna-se crtica dentro do processo, porm esta muito mais crtica no comeo
da operao de offloading que no final da mesma.
Estes resultados, junto com a anlise de custos (neste caso atravs da funo de utilidade),
tornam-se uma ferramenta para a tomada de deciso, uma vez que finalmente o tomador de
deciso saber o risco de mudar ou no a estratgia de operao.
A rvore de deciso apresentada na Figura 5.39 est elaborada para permitir a tomada de
deciso sobre a interrupo ou continuao da operao de offloading, no momento em que o
navio aliviador atinge o ngulo limite da zona de operao normal (=45).

OFFSHORE
144
Figura 5.39 rvore de deciso para a operao de offloading.
As consequncias que aparecem no nvel final da rvore de deciso da Figura 5.39

correspondem aos diferentes nveis de consequncias encontrados na anlise preliminar de
perigos que constam no Apndice B.
Para definir a funo utilidade das consequncias finais das alternativas, dada a dificuldade
de obter os custos para cada uma das categorias, usa-se o mesmo procedimento explicado na
seo anterior. Como a maior perda foi pontuada com o valor de 1, ento a deciso corresponder
quela alternativa que minimize o risco. A avaliao detalhada da rvore de deciso apresentada
no Apndice F e o resumo dos resultados da avaliao do risco, para cada uma das condies
simuladas, est mostrada na Tabela 5.18.

OFFSHORE
145
Tabela 5.18 Avaliao do risco
5.6.
IProaC1
Continuar
0,732009256
Interromper
0,898054592
Deciso
CONTINUAR
IProaC2
0,731980977
0,898269294
CONTINUAR
IPopaC1
0,731970136
0,688245911
INTERROMPER
IPopaC2
0,756815784
0,710030541
INTERROMPER
IIProaC1
0,731966793
0,898377302
CONTINUAR
IIProaC2
0,732269793
0,896076372
CONTINUAR
IIPopaC1
0,731977006
0,898325362
CONTINUAR
IIPopaC2
0,776804019
0,453759123
INTERROMPER
CONSIDERAES FINAIS
Este captulo apresenta a aplicao do mtodo que apoia a tomada de deciso baseada em uma
anlise probabilstica do risco, usando uma abordagem dinmica que considera a atualizao de
probabilidades quando existem novas evidncias e a chance que as condies operacionais
mudem no decorrer do processo. A aplicao do mtodo compreende quatro etapas sequenciais:
(i) identificao dos cenrios de perigos, (ii) estimao da probabilidade de ocorrncia de falhas
para cada cenrio, (iii) avaliao das consequncias, e, (iv) tomada de deciso. Estas etapas
permitem realizar uma comparao probabilstica de oito condies ambientais simuladas, para
finalmente tomar a deciso de continuar ou interromper a operao.
Os resultados probabilsticos, junto com a anlise de custos (neste caso atravs da funo de
utilidade), tornam-se uma ferramenta para a tomada de deciso j que finalmente o tomador de
deciso saber o risco de mudar ou no a estratgia de operao em funo da anlise
probabilstica.
Neste estudo, a deciso de interromper ou continuar a operao de offloading foi dividida em
duas situaes: 1) quando existe a chance de estar na zona de operao normal ou fora desta, se
previamente acontece falha o DP ou falham DP e MCP/MCA ou no acontece falha nos sistemas
de posicionamento do navio aliviador; 2) quando as falhas ocorrem depois da mudana de zona de
operao (da zona de operao normal, para fora desta zona). A partir dos resultados
probabilsticos e de anlise de deciso pode-se concluir que os casos quando o navio aliviador fica
em uma condio onde este empurrado contra o FPSO tornam-se crticas para a operao.
Considerando que a deciso sensvel aos valores selecionados para a pontuao dada a x e
como a seleo destes valores corresponde percepo de operadores do sistema, a anlise de

OFFSHORE
146
sensibilidade dar uma informao muito importante para avaliar a incerteza associada com a
deciso. Esta anlise apresentada no Captulo 6.
CAPTULO 6 VALIDAO DO MODELO E DOS RESULTADOS
6.1.
A anlise de deciso usa como entrada fundamental julgamentos do tomador de deciso

atravs de suas preferncias e crenas. Tanto a distribuio a priori quanto a funo de perda
ou utilidade impactam a soluo final do problema de deciso. Neste sentido, a validao de
resultados uma etapa importante na anlise de deciso, j que permite avaliar variaes
destes elementos de anlise nos resultados finais (MIGON e LOPES, 2002).
Por outro lado, a validao da deciso pode ser realizada considerando a sensibilidade do
valor da varivel dependente devido a mudanas dos valores das variveis independentes e
examinando o impacto que estas variaes tm na deciso final.
Neste sentido, a seguir, sero validadas as entradas do modelo matemtico apresentado na
eq. (5.4), as quais podem ser divididas em trs partes. A primeira inclui a validao estatstica
da seleo de parmetros para as distribuies de probabilidade do navio aliviador sair da zona
de operao normal devido a uma sequncia acidental acontecer. A segunda corresponde
validao do algoritmo recorrente e, posteriormente, ser realizada a anlise de sensibilidade
da funo utilidade para analisar o processo de tomada de deciso.
6.2.
VALIDAO ESTATSTICA DA SELEO DE PARMETROS PARA AS

DISTRIBUIES DE PROBABILIDADE
A validao desta parte do modelo matemtico ser realizada atravs de testes de

aderncia das funes distribuio da posio do navio aliviador. Ao se ajustar uma
distribuio de probabilidade a um conjunto de dados, trabalha-se com a hiptese de que a
distribuio pode representar adequadamente a posio do navio aliviador em cada estado e
sequncia acidental. Para verificar esta hiptese, avaliado se os dados amostrais se
aproximam razoavelmente de uma determinada distribuio. As duas hipteses so:
H0 : A amostra provm de uma populao que segue a distribuio de probabilidade
H1 : A amostra no provm de uma populao que segue a distribuio de probabilidade
Neste caso, foi utilizado o teste de aderncia por Kolmogorov-Smirnov.
148
VALIDAO DO MODELO E DOS RESULTADOS
Para realizar o teste, utiliza-se a funo distribuio acumulada observada, compara-se

com a terica, determina-se o ponto em que estas distribuies mais divergem e verifica-se se
essa divergncia aleatria ou no. Portanto, considera-se F(x) a proporo dos valores
esperados menores ou iguais a x e S(x) a proporo dos valores observados menores ou iguais
a x, calcula-se o desvio mximo destes dois valores e compara-se o mdulo do desvio
mximo observado (D) com o desvio mximo tabelado (Dtab). Se D for menor, existe
concordncia entre as frequncias observadas e esperadas, e a amostra provm de uma
populao que segue a distribuio de probabilidade sob teste. Ao valor tabelado, associa-se o
valor observado, o seu valor-p (p-Value), onde o valor-p corresponde probabilidade de que a
amostra possa ter sido tirada da populao, assumindo que a hiptese nula seja verdadeira.
Os parmetros da distribuio que sero testados foram sugeridos pelo software Weibull
(WEIBULL++7, 2005). O teste foi realizado no software R (R Core, 2008) que calcula
diretamente o valor D e o p-value. Para todas as condies simuladas, a distribuio de
Weibull mostra-se como uma distribuio adequada para modelar a posio do navio
aliviador. Os resultados deste testes so apresentados na Tabela 6.1 Tabela 6.8.
Tabela 6.1 Condio Ambiental I com FPSO Cheio - Aliviador Vazio e Alvio de Proa
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0804,
p-value = 0,04131
D = 0,0489,
p-value = 0,866
D = 0,077,
p-value = 0,336
D = 0,0516,
p-value = 0,8195
D = 0,0624,
p-value = 0,8955
D = 0,1326,
p-value = 0,1093
S1
S2
Tabela 6.2 Condio Ambiental I com FPSO Vazio - Aliviador Cheio e Alvio de Proa
149
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0517,
p-value = 0,9755
D = 0,087,
p-value = 0,5501
D = 0,0905,
p-value = 0,5007
D = 0,0959,
p-value = 0,4275
D = 0,1022,
p-value = 0,3502
D = 0,1057,
p-value = 0,3113
S1
S2
Tabela 6.3 Condio Ambiental I com FPSO Cheio - Aliviador Vazio e Alvio de Popa
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0614,
p-value = 0,9057
D = 0,0832,
p-value = 0,6065
D = 0,1007,
p-value = 0,3677
D = 0,1159,
p-value = 0,2158
D = 0,0992,
p-value = 0,3847
D = 0,0966,
p-value = 0,4185
S1
S2
Tabela 6.4 Condio Ambiental I com FPSO Vazio - Aliviador Cheio e Alvio de Popa
150
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0952,
p-value = 0,4358
D = 0,1281,
p-value = 0,1325
D = 0,1091,
p-value = 0,2767
D = 0,0861,
p-value = 0,5633
D = 0,0801,
p-value = 0,6545
D = 0,0731,
p-value = 0,7579
S1
S2
Tabela 6.5 Condio Ambiental II com FPSO Cheio - Aliviador Vazio e Alvio de Proa
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,1161,
p-value = 0,2138
D = 0,078,
p-value = 0,6853
D = 0,077,
p-value = 0,7014
D = 0,0897,
p-value = 0,5121
D = 0,0782,
p-value = 0,6824
D = 0,1049,
p-value = 0,319
S1
S2
Tabela 6.6 Condio Ambiental II com FPSO Vazio - Aliviador Cheio e Alvio de Proa
151
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0753,
p-value = 0,7267
D = 0,0679,
p-value = 0,8297
D = 0,0777,
p-value = 0,6895
D = 0,1116,
p-value = 0,2526
D = 0,0835,
p-value = 0,6029
D = 0,0798,
p-value = 0,6582
S1
S2
Tabela 6.7 Condio Ambiental II com FPSO Cheio - Aliviador Vazio e Alvio de Popa
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0615,
p-value = 0,9048
D = 0,1171,
p-value = 0,2059
D = 0,0781,
p-value = 0,6841
D = 0,0661,
p-value = 0,853
D = 0,1412,
p-value = 0,07437
D = 0,086,
p-value = 0,566
S1
S2
152
Tabela 6.8 Condio Ambiental II com FPSO Vazio - Aliviador Cheio e Alvio de Popa
Si
Sem Falha
Falha DP
Falha DP e MCP/MCA
D = 0,0571,
p-value = 0,9437
D = 0,0705,
p-value = 0,7947
D = 0,0955,
p-value = 0,4321
D = 0,0722,
p-value = 0,7717
D = 0,07,
p-value = 0,8014
D = 0,091,
p-value = 0,4933
S1
S2
Dos resultados das tabelas anteriores, pode-se verificar que o valor-p para todas as
condies simuladas no permite rejeitar a hiptese nula a uma significncia de 95%, o que
permite concluir que as taxas de transio utilizadas para calcular a P(K|S12) foram adequadas.
Estas taxas foram usadas como entradas no algoritmo recorrente que a seguir ser validado.
6.3.
VALIDAO DO ALGORITMO RECORRENTE
O algoritmo utilizado corresponde a uma discretizao das taxas de transio para calcular
a probabilidade do navio aliviador estar em um dos dois estados de operao possveis. Para
validar a eficincia do algoritmo utilizado o fato de que a distribuio de Weibull com
parmetro =1 equivalente a uma distribuio exponencial. Desta forma, para os dois
estados, as distribuies de Weibull com parmetro =1 sero comparadas com distribuies
exponenciais. A distribuio exponencial servir de controle j que a matriz de transio para
esta distribuio constante.
Para verificar a eficincia do algoritmo foi usado como exemplo sistema de abastecimento
de combustvel do MCP, e os parmetros da distribuio exponencial foram selecionados
usando a base de dados OREDA (2002). Para encontrar os parmetros equivalentes entre a
distribuio exponencial e a distribuio de Weibull foi utilizado o programa R (R Core,
153
2008) para gerar um conjunto de 1000 dados, com distribuio exponencial. Posteriormente,
para este conjunto de dados, foram encontrados os parmetros da distribuio de Weibull
equivalente. Os parmetros equivalentes so mostrados na Tabela 6.9.
Tabela 6.9 Parmetros equivalentes para a validao
Exponencial
S1
=28.5E-06
S2
=45.4E-06
Weibull
=37158.87;
=1.0;
=23449.61;
=1.0;
Usando o algoritmo mostrado no Apndice E.3 foi avaliada eficincia do algoritmo,

variando o tamanho do incremento, (t). Os resultados so apresentados na Figura 6.1, para
tamanhos do incremento de 5, 2, 1 e 0.1.
a)
b)
c)
d)
Figura 6.1 Probabilidade de estar em S1 a) t=5, b) t=2, c) t=1, d) t=0.1
Verifica-se que a eficincia do algoritmo aumenta de forma significativa quando o tamanho

do incremento diminui. Para os clculos apresentados no Captulo 5, foi utilizado um incremento
de 0.1 e como se observa na Figura 6.1, para este tamanho de incremento, o algoritmo se
aproxima de forma significativa ao valor real.
6.4.
154
ANLISE DE SENSIBILIDADE DA ANLISE DE DECISO
Na Anlise de Deciso, o estudo da anlise de sensibilidade de suma importncia para a

anlise de diferentes cenrios. Uma vez obtida a soluo tima, variam-se alguns parmetros
para analisar o comportamento do modelo.
A seguir, so apresentados os resultados da anlise preliminar da sensibilidade para a
tomada de deciso, dada uma sequncia acidental que corresponde ao primeiro modelo de
deciso, cuja rvore apresentada na Figura 5.35. Para realizar a anlise, foi definido um
intervalo para a escala de pontuao para x e construda uma funo para relacionar as
utilidades envolvidas em cada rvore de deciso. Posteriormente, avaliada a sensibilidade da
deciso para cada um dos trs cenrios de falha (sem falha, falha DP e falha DP e MCP) e
para cada uma das duas condies ambientais e as duas condies de calado. Cada uma das
rvores associadas aos trs cenrios tem quatro consequncias. Estas foram organizadas em
pares que fossem inversos aditivos, ou seja, um valor de pontuao alto em uma
simultaneamente implica um valor de pontuao baixo na outra.
Assim, quando no existia evidncia da ocorrncia de falhas, foi estabelecida uma relao
inversa aditiva entre as consequncias: Offloading com sucesso e Perde a possibilidade de
ter o Offloading com sucesso, j que a primeira corresponde ao melhor cenrio que pode
acontecer enquanto a outra o pior cenrio, para este caso. As consequncias: Interromper a
operao at as condies melhorarem e Deciso correta (condies desfavorveis)
tambm so consideradas como opostos aditivos.
Quando existe a evidncia de falha do DP o melhor cenrio corresponde consequncia:
Deciso correta, evitou-se a desconexo de emergncia e o pior cenrio tem como
consequncia: Desconexo de emergncia. As perdas intermedirias, porm inversas
aditivas esto associadas com as consequncias: Offloading com sucesso e Perde a
possibilidade de ter o Offloading com sucesso.
No caso de ocorrer a falha do DP e MCP, o pior cenrio tem como consequncia:
Possibilidade de coliso com impacto alto e o melhor cenrio, neste caso, interromper a
operao e o navio permanecer na zona de operao normal.
Os grficos apresentados a seguir permitem observar o quanto os valores da pontuao
afetam o comportamento da deciso, para cada um dos trs cenrios de falha (sem falha, falha
DP e falha DP e MCP) e para cada uma das duas condies ambientais e as duas condies de
calado.
155
As Figuras 6.2 e 6.3 apresentam o comportamento de deciso quando o sistema FPSOnavio aliviador est na condio ambiental I e o sistema de amarrao de proa.
Nas Figuras 6.2a e 6.3a pode-se verificar que quando no ocorrem falhas, as mudanas na
pontuao para valorar a perda associada com as consequncias: Interromper a operao at
as condies melhoram e Deciso correta (condies desfavorveis) no afetam o
comportamento da deciso. Do mesmo modo, verifica-se que quando se analisa o
comportamento da deciso para a perda associada com a consequncia Offloading com
sucesso entre 0 e 0.35, a deciso de continuar com a operao; quando a perda associada
maior, a deciso muda, porm no faria muito sentido associar uma perda alta quando no
existe evidncia da ocorrncia de falhas.
156
a)
b)
c)
Figura 6.2 Comportamento da deciso pela variao da pontuao de x na condio IProaC1 a) Sem falha, b)
Com falha do DP, c) Falha do DP e MCP
157
a)
b)
c)
Figura 6.3 Comportamento da deciso pela variao da pontuao de x na condio IProaC2 a) Sem falha, b)
158
Quando o sistema FPSO-navio aliviador est na condio ambiental I e o sistema de

amarrao de proa, tambm se observa que quando ocorre a falha do DP (Figura 6.2b e
6.3b), a deciso muito sensvel aos valores intermedirios das perdas, portanto deve-se
prestar especial ateno e este caso requer um aprofundado estudo para estimar os valores da
pontuao.
De outro lado, nas Figuras 6.2c e 6.3c se observa que quando existe evidncia de falhas do
DP e MCP simultaneamente, o comportamento da deciso estvel, j que a inclinao do
grfico pequena, ou seja, a deciso no afetada pelos valores da pontuao, em nenhuma
das quatro categorias de consequncias.
As Figuras 6.4 e 6.5 apresentam o comportamento da deciso quando o sistema FPSOnavio aliviador est submetido condio ambiental I e amarrao de popa. Neste caso, para
as duas condies de amarrao, pode-se verificar que quando existe evidncia de que no
ocorrem falhas bem como quando ocorrem falhas do DP e MCP simultaneamente, o
comportamento da deciso muito similar ao caso anterior.
diferena de quando a amarrao de proa, quando a amarrao de popa e existe a
evidncia de falha do DP o comportamento da deciso mais estvel, como mostram as
Figuras 6.4b e 6.5b. Quando a condio corresponde condio ambiental I, amarrao de
popa, e o navio aliviador est vazio, pode-se concluir que para os valores de probabilidade
resultantes das simulaes, a deciso ser interromper a operao sempre que exista evidncia
da falha do DP. Contudo, a soluo estvel para pontuaes das perdas referentes
desconexo de emergncia maiores que 0,55.
Entretanto, quando no existe evidncia de falhas, no caso quando o navio aliviador est
cheio, a deciso se torna um pouco mais menos estvel, e valores de pontuao associados s
perdas do evento Offloading com sucesso maiores que 0,15 mudariam a deciso. Este
comportamento devido ao que se observou no Captulo 5, o sistema amarrao de popa, nas
condies ambientais avaliadas, tem uma chance alta de sair da zona de operao normal,
mesmo sem a presena de falhas.
159
a)
b)
c)
Figura 6.4 Comportamento da deciso pela variao da pontuao de x na condio IPopaC1 a) Sem falha, b)
160
a)
b)
c)
Figura 6.5 Comportamento da deciso pela variao da pontuao de x na condio IPopaC2 a) Sem falha, b)
161
Nas Figuras 6.6a e 6.7a pode-se verificar que quando no ocorrem falhas, as mudanas na
pontuao para valorar a perda associada com as consequncias: Interromper a operao at
as condies melhoram e Deciso correta (condies desfavorveis) no afeta o
comportamento da deciso. Do mesmo modo, verifica-se que quando se analisa o
comportamento da deciso para a perda associada com a consequncia Offloading com
sucesso, entre 0 e 0,35, a deciso de continuar com a operao e quando a perda associada
maior, a deciso muda. Nestes mesmos casos, observa-se que quando ocorre a falha do DP
(Figura 6.6b e 6.7b), a deciso muito sensvel aos valores das perdas associadas com o
offloading com sucesso e perder a possibilidade de finalizar o offloading que correspondem s
perdas intermedirias, quando existe evidncia da falha do DP. Portanto, deve-se prestar
especial ateno e este caso requer um aprofundado estudo para estimar os valores da
pontuao.
Nas Figuras 6.6c e 6.7c, pode-se observar que quando existe evidncia de falha do DP e
MCP o comportamento da deciso estvel, ou seja, para os valores de probabilidade
resultantes das simulaes, a deciso no afetada pelos valores da pontuao.
162
a)
b)
c)
Figura 6.6 Comportamento da deciso pela variao da pontuao de x na condio IIProaC1 a) Sem falha, b)
163
a)
b)
c)
Figura 6.7 Comportamento da deciso pela variao da pontuao de x na condio IIProaC2 a) Sem falha, b)
164
As Figuras 6.8 e 6.9 apresentam o comportamento da deciso quando o sistema FPSOnavio aliviador est submetido condio ambiental II e tipo de amarrao de popa. Neste
caso, para as duas condies de calado, pode-se verificar que quando existe evidncia de que
no ocorrem falhas ou ocorrem as falhas do DP e MCP simultaneamente, o comportamento da
deciso muito similar ao mesmo caso de amarrao na condio ambiental I. Nestes casos, a
deciso torna-se menos estvel quando muda o estado de calado do navio aliviador, se a
pontuao associada com as perdas para a consequncia Offloading com sucesso no for
muito baixa.
165
a)
b)
c)
Figura 6.8 Comportamento da deciso pela variao da pontuao de x na condio IIPopaC1 a) Sem falha, b)
166
a)
b)
c)
Figura 6.9 Comportamento da deciso pela variao da pontuao de x na condio IIPopaC2 a) Sem falha, b)
167
A anlise de sensibilidade para a tomada de deciso sobre a interrupo ou continuao da

operao de offloading, no momento em que o navio aliviador atinge o ngulo limite da zona de
operao normal (=45), um pouco diferente, j que, neste caso, tm-se onze consequncias
diferentes e, portanto, no foi possvel estabelecer uma funo que relacionasse os onze nveis de
perda. Neste caso, foi seguido o procedimento proposto por Sendi e Clemen (1999), analisando
cada n de probabilidade de forma independente. Embora seja bem sabido que considerar
isoladamente estes efeitos uma limitao da anlise de sensibilidade, esta anlise permite
observar o efeito que tem a interao entre o grupo de perdas e que estas tem sobre o n de
probabilidade.
Desta forma, para analisar o n de probabilidade referente possibilidade de continuar com a
operao de offloading, foi definida a eq. (6.1) onde o valor do risco corresponde a z e cada um
dos termos para definir esta equao corresponde a uma das consequncias que aparece no ramo
que est sendo considerado em cada caso.
= ! + # i + *
(6.1)
i = ! |i + # |i + |i i
Desta forma z1 representa o clculo para o ramo apresentado na Figura 6.10. A variao na
pontuao da perda para a consequncia Possibilidade de finalizar o Offloading, U2, estar
representada no eixo x e a variao na pontuao da perda para a consequncia Possibilidade
de coliso com impacto mdio, U3, estar no eixo y dos grficos apresentados na primeira
linha das Figuras 6.12 a 6.19.
Figura 6.10 Ramo 1 da rvore de Deciso continuar a operao de offloading no momento em que o navio aliviador
atinge o ngulo limite da zona de operao normal
Desta forma z2, representa o clculo para o ramo apresentado na Figura 6.11. A variao na
pontuao da perda para a consequncia Desconexo de emergncia, abortar a operao, U5,
estar representada no eixo x e a variao na pontuao da perda para a consequncia
168
Possibilidade de coliso com impacto alto, U6, estar no eixo y dos grficos apresentados na
segunda linha das Figuras 6.12 a 6.19.
Figura 6.11 Ramo 2 da rvore de Deciso continuar a operao de offloading no momento em que o navio aliviador
atinge o ngulo limite da zona de operao normal
Ao comparar as Figuras 6.12a e 6.13a, pode-se verificar que, para valores baixos de
pontuao da perda associada com a consequncia Offloading com sucesso, o n de
probabilidade apresenta menor variao quando o navio aliviador est vazio. Em termos
gerais, pode-se dizer que nas duas condies de calado, o valor da probabilidade no
apresenta variaes quando se muda o valor de U3, devido ao fato de que a probabilidade
associada muito pequena. Alm disso, verifica-se que o valor de probabilidade cresce
quando aumenta a perda associada com o Offloading com sucesso.
Ao comparar as Figuras 6.12b e 6.13b, pode-se verificar que no caso em que o navio
aliviador esteja vazio, para valores de pontuao da perda associada com a consequncia
Interromper a operao at que as condies melhorem que estejam no comeo do
intervalo, a probabilidade no muda com a variao dos valores das utilidades U2 e U3. No
caso da operao de offloading estar na parte final, deve-se ser mais rigoroso na estimativa
dos valores da perda. Porm, deve-se levar em considerao que para z2, os valores de
probabilidade so muito pequenos.
a)
b)
Figura 6.12 Anlise de sensibilidade do ramo 1 para continuar a operao de offloading no momento em que o
navio aliviador atinge o ngulo limite da zona de operao normal para IProaC1
169
a)
b)
No caso da condio ambiental I e tipo de amarrao de popa mostradas nas Figuras 6.14
e 6.15, pode-se verificar que o valor de probabilidade tambm cresce quando aumenta a perda
associada com o Offloading com sucesso, porm, quando o navio aliviador est cheio, esta
probabilidade cresce em menor quantidade. Em termos gerais, pode-se dizer que, nas duas
condies de calado, o valor da probabilidade no apresenta variaes quando se muda o
valor de U3 e U6, devido a fato de que a probabilidade associada muito pequena e as
variaes so mais significativas quando se muda o valor de U2 e U4. Portanto, deve-se prestar
especial ateno s perdas associadas s consequncias Offloading pode ser finalizado com
precauo e Desconexo de emergncia, abortar a operao. Cabe notar que esta influncia
menos acentuada quando U1 0.2.
a)
b)
navio aliviador atinge o ngulo limite da zona de operao normal para IPopaC1
170
a)
b)
A anlise de sensibilidade para a condio ambiental II apresentada nas Figuras 6.16 a

6.19. Verifica-se que o comportamento similar ao da condio ambiental I.
a)
b)
navio aliviador atinge o ngulo limite da zona de operao normal para IIProaC1
171
a)
b)
a)
b)
navio aliviador atinge o ngulo limite da zona de operao normal para IIPopaC1
172
a)
b)
Desta forma, para analisar o n de probabilidade referente possibilidade de interromper a

operao de offloading, foi definida a eq. (6.2), onde o valor do risco corresponde a z e cada um
dos termos para definir esta equao corresponde a uma das consequncias que aparece no ramo
que est sendo considerado em cada caso.
= ! + # +
(6.2)
i = !|i A + # |i + |i * i

Assim, z1 representa o clculo para o ramo apresentado na Figura 6.20. A variao na
pontuao da perda para a consequncia Perde possibilidade de finalizar o Offloading, U8,
estar representada no eixo x e a variao na pontuao da perda para a consequncia
Possibilidade de coliso com impacto baixo, U9, estar no eixo y dos grficos apresentados
na primeira linha das Figuras 6.22 a 6.29.
Figura 6.20 Ramo 1 da rvore de Deciso para interromper a operao de offloading no momento em que o navio
aliviador atinge o ngulo limite da zona de operao normal
173
Desta forma, z2 representa o clculo para o ramo apresentado na Figura 6.21. A variao na
pontuao da perda para a consequncia Evitou-se desconexo de emergncia, U11 estar
representada no eixo x e a variao na pontuao da perda para a consequncia Possibilidade
de coliso com impacto mdio, U3, estar no eixo y dos grficos apresentados na segunda
linha das Figuras 6.22 a 6.29.
Figura 6.21 Ramo 2 da rvore de Deciso para interromper a operao de offloading no momento em que o navio
aliviador atinge o ngulo limite da zona de operao normal
Nas Figuras 6.22a e 6.23a, nas duas condies de calado, o valor da probabilidade no
apresenta variaes quando se muda o valor de U8, devido ao fato de que a probabilidade
associada ser muito pequena. Alm disso, verifica-se que o valor de probabilidade cresce
quando aumenta a perda associada com o Perde possibilidade de finalizar o Offloading. Ao
comparar as Figuras 6.12 e 6.22, pode-se verificar que a probabilidade associada perda
sempre maior para interromper a operao. Portanto, considerando que o objetivo minimizar
as perdas para as condies simuladas quando o sistema FPSO-navio aliviador est submetido
condio ambiental I e a amarrao de proa, a deciso estvel quando os valores da
pontuao das utilidades variam.
a)
b)
Figura 6.22 Anlise de sensibilidade do ramo 1 para interromper a operao de offloading no momento em que o
174
a)
b)
No caso da condio ambiental II e tipo de amarrao de popa mostradas nas Figuras 6.24
e 6.25, pode-se verificar o valor de probabilidade tambm cresce quando aumenta a perda
associada com o Perde possibilidade de finalizar o Offloading. Porm, quando o navio
aliviador est cheio, esta probabilidade cresce em menor quantidade. Nestas duas condies
de calado, o valor da probabilidade no apresenta variaes quando se muda o valor de U9. Ao
comparar as Figuras 6.14 e 6.24, pode-se verificar que a probabilidade associada perda
sempre maior para interromper a operao. Portanto, considerando que o objetivo minimizar
as perdas para as condies simuladas quando o sistema FPSO-navio aliviador est submetido
s condies ambientais I e a amarrao de proa, a deciso estvel quando os valores da
pontuao das utilidades variam.
a)
b)
175
Ao comparar as Figuras 6.15 e 6.25, pode-se verificar que a probabilidade associada

perda nem sempre maior para interromper a operao. Portanto, considerando que o objetivo
minimizar as perdas para as condies simuladas quando o sistema FPSO-navio aliviador
est submetido condio ambiental I e a amarrao de popa, a deciso depende do valor
associado s perdas.
a)
b)
A anlise de sensibilidade para a condio ambiental II apresentada nas Figuras 6.26 a

Figura 6.29. Verifica-se que o comportamento similar ao da condio ambiental I, para
interromper a operao de offloading no momento em que o navio aliviador atinge o ngulo limite
da zona de operao normal.
a)
b)
176
a)
b)
a)
b)
177
a)
b)
6.5.
CONSIDERAES FINAIS
As tcnicas grficas so teis para a anlise do impacto das incertezas e observar o

comportamento do perfil de risco. A anlise de validao, neste caso, pode melhorar o
processo de tomada de deciso ao focar a ateno nas variveis de alto impacto e
principalmente naquelas variveis que podem ser controladas no decorrer da operao.
Os mtodos matemticos sugeridos para a anlise de sensibilidade das probabilidades no
caso de eventos aleatrios com maior nmero de estados da natureza mantm a estrutura das
rvores de deciso.
CAPTULO 7 CONCLUSES E RECOMENDAES PARA TRABALHOS

FUTUROS
O mtodo desenvolvido nesta tese apresenta uma anlise proativa para prevenir acidentes
atravs da avaliao de risco, com o objetivo principal de identificar e descrever um sistema, a fim
de reduzir a probabilidade de ocorrncia de falhas e minimizar as consequncias dos eventos de
perigos, no caso da ocorrncia dos mesmos. Como resultados da anlise, foram gerados cenrios
que permitem apoiar a mitigao das causas dos eventos de risco, assim como cenrios de
contingncia para as consequncias de eventos perigosos. Adicionalmente, o mtodo proporciona
auxlio para a tomada de deciso sobre mudanas na estratgia de operao no decorrer da
operao.
O mtodo proposto para a avaliao de risco adequado para a mitigao do risco em
operaes de sistemas complexos (como os sistemas de escoamento de petrleo e transporte do
mesmo em guas profundas), pois permite no s a identificao das consequncias crticas, como
tambm uma ferramenta para a tomada de deciso, porque permite uma avaliao quantitativa
da evoluo de acidentes em sistemas cujas condies operacionais durante o tempo de operao
podem mudar repentinamente.
O mtodo utiliza a anlise PHA que uma ferramenta de anlise de risco que apoia, de forma
substancial, a identificao de eventos de perigo crticos. Esta permite visualizar o evento de
perigo em duas direes simultaneamente e, portanto, permite visualizar aes mitigadoras, no
caso dos eventos que originam o evento de perigo, e aes de contingncia, no caso dos eventos
originados a partir da ocorrncia do evento de perigo.
O desenvolvimento das rvores funcionais, de falhas e de eventos importante para a
compreenso da relao funcional entre os componentes do sistema e sua relao com a
progresso do acidente.
A estimativa bayesiana foi uma ferramenta til para desenvolver uma distribuio posterior de
um conjunto de parmetros incertos que permite estimar a probabilidade de vrias categorias de
consequncia, considerando as evidncias de bancos de dados e conhecimento da operao,
permitindo, assim, integrar esta anlise com a tomada de decises sob incerteza.
CONCLUSES E RECOMENDAES PARA TRABALHOS FUTUROS
179
O mtodo permite integrar, em um mesmo modelo, os resultados da anlise bayesiana, anlise

de Markov e tomada de deciso potencializando cada uma destas ferramentas e ajudando na
anlise probabilstica de risco em sistemas onde a mudana de estado torna-se um fator
determinante na segurana do sistema. E finalmente conhecer o perfil de risco associado
operao especfica.
A aplicao do mtodo mostrou a incluso da estrutura de anlise funcional como ponto
de partida para a anlise de risco de sistemas complexos e como complemento identificao
dos sistemas a serem analisados. A rvore funcional permite criar uma estrutura funcional do
sistema, que mapeia as relaes entre os diversos componentes dentro do sistema. Permite
tambm a identificao dos componentes crticos e assim a identificao dos potenciais riscos
operacionais. A prpria rvore funcional j fornece uma representao dos diversos cenrios
de operao.
A aplicao mostrou uma avaliao real do risco atravs do levantamento real das
probabilidades de falhas relacionadas aos cenrios de operao (baseado nos bancos de dados
de operao e manuteno). Assim como, permitir a identificao de barreiras com a
finalidade de garantir a segurana por meio da aplicao de uma inovadora combinao entre
a informao especfica da operao do sistema e a aplicao da anlise de risco.
Ao analisar cada uma das etapas de uma operao complexa, como o caso da operao de
offloading, comprovou-se a efetividade da anlise para encontrar os pontos vulnerveis e
estabelecer as causas dos eventos de perigo, do mesmo modo que contribuiu para determinar as
probabilidades das consequncias que cada um destes tem.
Foram identificados e caracterizados os eventos de perigo com alto risco, os quais so: a falha
do Motor de Combusto Auxiliar (MCA) do navio aliviador, a mudana de condies ambientais
e a execuo de manobras arriscadas, bem como a falha no sistema DP, o que permite aos
operadores dar prioridade a estes sistemas na hora de programar estratgias de operao e
manuteno.
Para o caso em anlise, foi considerada a posio entre o FPSO e o navio aliviador, durante a
operao de offloading, como a varivel aleatria que est definida em dois estados operacionais:
quando o navio aliviador est dentro da zona de operao normal e quando o navio aliviador sai
desta zona, indicando a variao da posio do navio aliviador em relao ao FPSO devido s
condies ambientais.
180
Com base na aplicao de inferncia bayesiana e anlise de processo Semi-Markov, o mtodo

permitiu estimar a probabilidade de que uma determinada sequncia de acidente ocorra, tendo em
vista que o navio aliviador est em uma determinada posio e, ento, apoiar a tomada de deciso
sobre mudar ou no a estratgia de operao.
Verificou-se que nas condies ambientais selecionadas, no caso de ocorrer qualquer
sequncia acidental, a probabilidade do navio aliviador ser empurrado para fora da rea de
operao normal maior na consequncia mais leve. Portanto, nestas condies, as aes de
manuteno encaminhadas a evitar os eventos de perigo tornam-se fundamentais. Desta forma,
evitando que a sequncia acidental ocorra, o navio aliviador tem uma chance de maior de
permanecer na zona de operao normal durante a operao de offloading.
A partir dos resultados, pode-se verificar que nas condies ambientais selecionadas, quando
no considerada a possibilidade de mudana de estado, a pior consequncia tem pouca
chance de acontecer e o cenrio que se apresenta como o menos grave teria maior chance de
acontecer. Assim que a mudana de estado entra como parte da anlise, percebeu-se que, se o
sistema passa a estar fora da zona normal de operao, existe uma probabilidade maior de que o
navio aliviador fique sem propulso com uma alta chance de coliso com alto impacto. Este
resultado, junto com a anlise de utilidade, torna-se uma ferramenta para a tomada de deciso j
que finalmente o tomador de deciso saber o risco de mudar ou no a estratgia de operao em
funo da anlise probabilstica.
Alm disso, quando o navio aliviador muda da zona de operao normal para fora desta, as
consequncias menos graves so muito mais provveis do que as consequncias mais severas.
Este um resultado comum para todas as condies simuladas. Este resultado pode ser
explicado devido a que a chance de que ocorra a falha do DP e MCP/MCA, durante a mesma
operao, remota. A partir dos resultados probabilsticos e de anlise de deciso pode-se
concluir que os casos quando o navio aliviador fica em uma condio onde este empurrado
contra o FPSO tornam-se crtico para a operao. A condio ambiental II resultou ser a condio
mais crtica entre as duas condies analisadas.
Desta forma mostrou-se como a anlise probabilstica da sequncia acidental, junto com a
anlise de custos, torna-se uma ferramenta para a tomada de deciso, j que finalmente o tomador
de deciso saber o risco de mudar ou no a estratgia de operao em funo da anlise
probabilstica.
181
A anlise de sensibilidade e a validao do modelo permitem verificar as variaes do perfil

do risco que podem surgir da condio ambiental e operacional estudada, o que se torna em um
ponto de partida para analisar estratgias de manuteno preventivas ou preditivas que permitam
obter um perfil de risco adequado s exigncias de segurana de operaes em sistemas
complexos.
Neste sentido propem-se, como futuros trabalhos a implantao de uma estratgia de
diagnstico e manuteno que permitam obter perfis de risco adequados para operaes de
segurana crtica. Alm disso, durante o desenvolvimento deste caso exemplo foi possvel
verificar que a aplicao deste mtodo necessita de um conjunto de informaes muito bem
organizadas relativas no apenas aos aspectos de operao do sistema em anlise, mas
tambm aos aspectos de custos de operao e manuteno. O levantamento destas
informaes bastante complexo e constitui-se em um desafio, e, portanto, sugerem-se para
estudos futuros a criao de sistemas de monitorao que permita obter dados histricos sobre
as frequncias dos eventos de perigo e os custos associados a estes provenientes da operao
real do sistema, para obter resultados que possam ser validados com os dados especficos da
operao.
Para o desenvolvimento da tese foram selecionadas oito condies operacionais,
consideradas como frequentes na Bacia de Campos, e verificou-se o efeito das condies
ambientais sobre o perfil do risco da operao de offloading, entretanto, dependendo da
condio ambiental e operacional deve-se realizar um novo perfil de risco. Neste sentido,
recomenda-se como trabalhos futuros a anlise de outros cenrios de operao e condies
ambientais para conhecer a chance de uma sequncia acidental acontecer dado um cenrio de
operao, bem como a aplicao do modelo, a outros sistemas complexos adaptando-o s
particularidades do estudo de caso.
REFERNCIAS BIBLIOGRFICAS
ABS. Risk Assessment Applications for the Marine and Offshore Oil and Gas Industries.
Manual Guia, New York: American Bureau of Shipping, 2000.
ADMYAN, A., e D. HE. Analysis of Sequenial Failures for Assessment of Reliability and
Safety of Manufacturing Systems. Reliability Engineering and System Safety 76
(2002): 227-236.
AGUIAR, L. A. Metodologia de Anlise de Riscos APP & HAZOP. Rio de Janeiro:
Universidade Federal do Rio de Janeiro, Instituto Alberto Luiz Coimbra de Ps
Graduao e Pesquisa de Engenharia, Programa de Engenharia Nuclear, 2008.
ALBERT, J. Bayesian Computation with R. London: Springer, 2007.
ALE, B. J. M. Risk Assessment practices in The Netherlands. Safety Science 40 (2002):
105-126.
ANDREWS, J. D., e L. M. RIDLEY. Reliability of Sequential Systems Using the Causeconsequence Diagram Method. Proceedings of the Institution of Mechanical
Engineers, Part E: Journal of Process Mechanical Engineering 215 (2001): 207-220.
ARUNRAJ, N. S., e J. MAITI. Risk-Based Maintenance: Tecniques and Applications.
Jornal of Hazardous Materils 142, 2007: 653-661.
ATWOOK, C. L. Constrained Non-Informative Priors in Risk Assessment. Reliability
Engineering and System Safety 53 (1996): 37-46.
AVEN, T., e J. KORTE. On the Use of Risk and Decision Analysis to Support DecisionMaking. Reliability Engineering & System Safety, 2003: 289-299.
AVEN, T., e J. T. KVALOY. Implementing the Bayesian Paradigm in Risk Analysis.
Reliability Engineering and System Safety 78 (2002): 195-201.
AVEN, T., S. SKLET, e J. E. VINNEM. Barrier and Operational Risk Analysis (BORA) of
Hydrocarbon Releases. Journal of Hazardous Materials 137 (2006): 681-691.
BAHR, NICHOLAS J. System Safety Engineering and Risk Assessment. New York: Taylor
and Francis, 1997.
183
BARBOSA, W. S. Anlise Probabilstica de Riscos Via Redes Bayesianas: Uma Aplicao

na Construo de Poos Multilaterais. Dissertao de Mestrado, Recife: Universidad
Ferderal de Pernambuco, 2005.
BARROS, P. F. Uma Metodologia para Anlise de Disponibilidad de Sistemas Complexos
via Hibridismo de Redes Bayesianas e Processo Markovianos. Dissetao de
Mestrado, Recife: UFPE, 2006.
BEARD, A. Some Ideas on a Systemic. Fire Safety Journal 14, n. 3 (1989): 193-197.
BECKER, G., L. CAMARINOPOULOS, e G. ZIOUTAS. A Sem-Markovian Model
Allowing for Inhomognities with Respect to Process Time. Reliability Engineering
and System Safety 70 (2000): 41-48.
BEKMAN, O. O., e P. L. COSTA NETO. Anlise Estatstica da Deciso. So Paulo: Edgrad
Blucher, 2002.
BERNARDO, J. M., e A. F. SMITH. Bayesian Theory. Chichester: John Wiley & Sons, 2001.
BLANCHARD, B. S., e W. J. FABRYCKY. Systems Engineering and Analysis. Boston:
Prentice Hall, 2011.
BOBBIO, A., L. PORTINALE, M. MINICHINO, e E. CIANCAMELA. Improving the
Analysis of Dependable Systems by Mapping Fault Trees into Bayesian Networks.
Reliability Engineering and System Safety 71, n. 3 (2001): 249-260.
BORGONOVO, E., e G. E. APOSTOLAKIS. A New Importance Measure for RiskInformed Decision Making. Reliability Engineering and System Safety 72 (2001):
193-212.
CAMBACEDES, L., e M. BOUISSOUS. Modeling Safety and Security Interdependencies
with BDMP. IEEE International Conference on Systems Man and Cybernetics
(SMC). Istanbul: IEEE, 2010. 2852-2861.
CARAZAS, F. G. Anlise de Disponibilidade de Turbinas a Gs Empregadas em Ciclo
Combinado. So Paulo: Escola Politcnica de USP, 2006.
CARAZAS, F. J. G., e G. F. M. SOUZA. Risk-Based Decision Making Method for
Maintenance Policy Selection of Thermal Power Plant Equipment. Energy 35 (2010):
964-975.
CARDOSO, I. A. Desenvolvimento de Mtodo para Seleo de Polticas de Manunteno
Baseado em Anlise de Ricso. Sao Paulo - Brasil: Tese de Doutorado, 2004.
184
CASAL, J. Evaluation of the Effects and Consequences of Major Accidents in Industrial

Plants. Amsterdam: Elsevier, 2008.
CATALYUREK, U., B. RUTT, K. METZROTH, e A. HAKARBYAN. Development of a
Code-diagnostic Computational Infrastructure for the Dynamic Generation of
Accident Progression Event Trees. Reliability Engineering and System Safety 95
(2010): 278-294.
CELIK, M. Managing the Operational Constraints in Ship Machinery Design and
Installation: Synthesis of Design-Based Failures for Improving the Structural Quality
of Shipboard Systems. Naval Engineers Journal 120, n. 3 (2008): 67-76.
CETESB. Gerenciamento do Risco: Panorama Geral: Breve Histrico sobre Vazamento do
leo no Mar no Mundo, Causas-consequencias. Companhia de Tecnologia de
Saneamento Ambiental. 2002. www.cetesb.sp.gov.br (acesso em 25 de Feb. de 2008).
CHEN, C.- H., S. F. LING, e W. CHEN. Project Scheduling for Collaborative Product
Development using DSM. International Journal of Project Management 21 (2003):
291-299.
CHEN, H. Probabilistic Evaluation of FPSO-Tanker Collision in Tandem Offloading
Operation. Tese de Doutorado, Trondheim: Norwegian University of Science and
Technology, 2003.
CHEN, H., e T. MOAN. Probabilistic Modeling and Evaluation of Collision between Shuttle
Tanker and FPSO in Tadem Offloading. Reliability Engineering and System Safety
84 (2004): 169-186.
CHEN, S. M. Fuzzy System Reliability Analysis Using Fuzzy Number Arithmetic
Operations. Fuzzy Sets and Systems 64 (1994): 31-38.
CHENG, S. R., L. BINSHAN, B. M. HSU, e M. H. SHU. Fault-Tree Analysis for Liquefied
Natural Gas Terminal Emergency Shutdown System. Expert Systems with
Applications 36, n. 9 (2009): 11918-11924.
CHEOK, M. C., G. W. PARRY, e R. R. SHERRY. Use of Importance Measures in RiskInformed Regulatory Applications. Reliability Engineering and System Safety 60
(1998): 213-226.
CHIN, K.-S., D.-W. TANG, J.-B. YANG, S. Y. WONG, e H. WANG. Assessing New
Product Development Project Risk by Bayesian Network with a Systematic
185
Probability Generation Methodology. Expert System with Applications 36 (2009):

9879-9890.
CHRISTENSEN, R., W. JOHNSON, A. BRANSCUM, e T. E. HANSON. Bayesian Ideas
and Data Analysis. Boca Raton, FL: Taylor & Francis Group, 2010.
CICILIA, B. F. Criteiro de Projeto Baseado em Confiabilidade para o Sistema de Tendes de
uma TLP. Rio de Janeiro: Universidade Ferderal de Rio de Janieiro, 2004.
COJAZZI, G. The DYLAM Approach for the Dynamic Reliability Analysis of System.
COOPETROLEO. Aguas Profundas. 12 de 08 de 2004. www.coopetroleo.com.br/art.htm
(acesso em 06 de 05 de 2008).
CORREA, S. H., et al. Anlise Preliminar de Perigos na Operao de Alvio Usando
Aliviadores Convencionais e com Posicionamento Dinmico. Rio Oil and Gas Expo
and Conference. Rio de Janeiro: Instituto Brasileiro de Petrleo e Gs, 2006. 1-8.
COWING, M. M., M. E. PATE-CORNELL, e P. W. GLYNN. Dynamic modeling of the
Tradeoff between Productivity and Safety in Critical Engineering Systems.
CRAWLEY, F. K., e M. M. GRANT. Concept Risk Assessment of Offshore Hydrocarbon
Production Installations. Process Safety and Environmental Protection 75B (1997):
157-163.
DANILOVIC, M., e T. R. BROWNING. Managing Complex Product Development Projects
with Design Structure Matrices and Domain Mapping Matrices. International
Journal of Project Management 25 (2007): 300-314.
DE LEON, D., e C. ORTEGA. Calculation of Indirect Losses for the Risk Analysis of an
Offshore Oil Complex in Mexico. Proceedings of the 23rd OMAE Conference.
Vancuver: OMAE, 2004. 307-312.
DEKKER, S., P. CILLIERS, e J.-H. HOFMEVR. The Complexity of Failure: Implications
of Complexity Theory for Safety Investigations. Safety Science, 2011: 939 - 945.
DISTEFANO, S., e A. PULIAFITO. Reliability and Avalilability Analysis of DependentDynamic Systems with DRBDs. Reliability Engineering and System Safety 94
(2009): 1381-1393.
186
DOYTCHIN, E., e G. SZWILLUS. Combining Task Analysis and Fault Tree Analysis for
Accident and Incident Analysis:A Case Study from Bulgaria. Accident analysis and
Prevention, 2009: 1172-1179.
DROGUETT, E. L., F. J. GROEN, e A. MOSLEH. Bayesian Assessment of the Variability
of Reliability Measures. Pesquisa Operacional 26 (2006): 109-127.
DUJIM, N. J. Safety-Barrier Diagrams as a Safety Management Tool. Reliability
DUNJO, J., V. FTHENAKIS, J. VILCHEZ, e J. ARNALDOS. Hazard and Operability
(HAZOP) Analysis. A Literature Review. Journal of Hazardous Materials 173
(2010): 19-32.
EHLERS, R. S. Introduo a Inferncia Bayesiana. UFPR, 2003.
EJLALI, A., e S. G. MIREMADI. FPGA-Based Monte Carlo Simulation for Fault Tree
Analysis. Microelectronics Reliability 44, n. 6 (2004): 1017-1028.
ELEYE-DATUBO, A. G., A. WALL, A. SAAJEDI, e J. WANG. Enabilng a Powerful
Marine and Offshore Decision-Support Solution through Bayesian Network
Technique. Risk Analysis 26, n. 3 (2006): 695-721.
ERICSON, CLIFTON A. Hazard Analysis Techniques for System Safety. New Jersey: John
Wiley & Sons, 2005.
FALCK, A., E. SKRAMSTAD, e M. BERG. Use of QRA for Decision Support in the design
of an Offshore Oil Production Installation. Journal of Hazardous Materials 71
(2000): 179-172.
FERDOUS, R., F. KHAN, P. AMYOTTE, e B. VEITCH. Methodology for Computer Aided
Fault Tree Analysis. Process Safety and Environmental Protection 85 (2007): 70-80.
FERDOUS, R., F. KHAN, R. SADIQ, P. AMYOTTE, e B. VEITCH. Handling Data
Uncertainties in Event Tree Analysis. Process Safety and Environmental Protection
87 (2009): 283-292.
FERNANDEZ, M. Acidentes Ambientais nas Plataformas. Gesto de Risco 56 (2010): 620.
FORTUNE, J. Learning from Failure: The Systems approach. New York: Wiley, 1995.
187
FROHWEIN, H. I., J. H. LAMBERT, e Y. Y. HAIMES. Alternative Measures of Risk of

Extreme Events in Decision Trees. Reliability Engineering and System Safety 66
(1999): 69-84.
GHOSH, J. K., M. DELAMPADY, e T. SAMANTA. An Introduction to Bayesian Analysis.
New York: Springer, 2006.
GILBERT, R. B., E. G. WARD, e A. J. WOLFORD. Compartive Risk Analysis for
Deepwater Production System. Final Project Report, Texas: Offshore Technology
Research Center, 2001.
GOOSSENS, L. H. J., e R. M. COOKE. Applications of some Risk Assessment Techniques:
Formal Expert Judgement and Accident Sequence Precursors. Safety Science 26
(1997): 35-47.
GRANT, I., e C. COOMBS. Handbook of Reliability Engineering and Management. New
York: McGraw Hill, 1996.
GRAY, J. N., e I. F. MACDONALD. Safety Study of Part of a Dynamic Positioning System
for a Diving-Support Ship. Reliability Engineering 3 (1982): 179-192.
GUILLERM, R., e H. DEMMOUN. Engineering Dependability Requirements for Complex
System. Systems Conference. San Diego: IEEE, 2010. 149-152.
HAIMMES, Y. Risk Modeling Assessment and Management. New York: John Wiley and
Sons, 1998.
HALS, T. New Methods for DP Assisted Tandem Loading. Dynamic Positioning
Conferece. Houston: Marine Technology Society, 1999. 1-8.
HATTON, L. Developing Software for in High-Integrity and Safety-Critical Systems. New
York: McGraw-Hill, 1995.
HAUPTMANNS, U. Semi-Quantitative Fault Tree Analysis for Process Plant Safety Using
Frequency and Probability Range. Journal of Loss Prevention in the Process
Industries 17, n. 5 (2004): 339-345.
HEIDENBERGER, K. Dynamic Project Selection and Funding under Risk: A Decision Tree
based MILP Approach. European Journal of Operational Research 95 (1996): 284298.
HELGOY, K. E. State of DP Development and Potential in Shuttle Tankers. Dynamic
Positioning Conference. Houston: Marine Technology Society, 2003. 1-18.
188
HIDEKI, F. O. Inferencia Bayesiana para o Tamanho de uma Populao Fechada com Erros
de Registro de Dados Amostrais. Dissertao de Mestrado, So Carlos: UFSC, 2008.
HILLIER, G., e J. LIEBERMAN. Introduction to Operations Research. New York: McGrawHill, 1995.
HSE. Marine Risk Assessment Tecnhology. Report 2001/063, HSE books, 2002, 1-14.
HSE. Shuttle Tanker and Offloading Operations at FPSO/FSU's. Offshore Tecnology Report,
Bootle: HSE, 1999.
HU, J., L. ZHANG, e Z. WANG. Quantitative HAZOP Analysis for Gas Turbine
Compressor based on Fuzzy Information Fusion. Systems Engineering - Theory &
Practice 29 (2009): 153-159.
HU, S., Q. FANG, H. XIA, e Y. XI. Formal Safety Assessment based on Relative Risk
Model in Ship Navigation. Reliability Engineering and System Safety 92 (2007): 369377.
IMCA. Offshore Survey Division Publications - International Marine Contractors
Association. International Marine Contractors Association. 1999. (acesso em 2009).
IMO. Guidelines for Vessels with Dynamic Positioning System. 1994.
. Maritime Security. International Maritime Organization. 2004. www.imo.org (acesso
em 28 de April de 2008).
JUN, C.-H., S. Y. CHANG, Y. HONG, e H. YANG. A Bayesian Approach to Prediction of
System Failure Rates by Criticalities under Event Trees. International Journal
Production Economics 60-61 (1999): 623-628.
KALANTARNIA, M., F. KHAN, e K. HAWBOLDT. Dynamic Risk Assessment Using
Failure Asssessment and Bayesian Theory. Journal of Loss Prevention in the Process
Industries 22 (2009): 600-606.
KAPLAN, S. On the Inlcusion of Precursor and Near Miss Events in Quantitative Risk
Assessments: A Bayesian Point of View and a Space Shuttle Example. Reliability
KELLER, W., e M. MODARRES. A Historical Overview of Probabilistic Risk Assessment
Development its Use in the Nuclear Power Industry: A Tribute to the Late Professor
Norman Carl Rasmussen. Reliability Engineering and System Safety 89 (2005): 271285.
189
KHAN, F., e S. ABBASI. Mathematical Model for HAZOP Study Time Estimation.
Journal of Loss Prevention in the Process Industries 10 (1997): 249-257.
KONTOVAS, C., e H. PSARAFTINS. Formal Safety Assessment: A Critical Review.
Marine Technology 46, n. 1 (2009): 45-59.
KORAYEM, M. H., e A. IRAVANI. Improvement of 3P and 6R Mechanical Robots
Reliability and Quality Applying FMEA and QFD Approaches. Robotics and
Computer-Integrated Manufacturing 24 (2008): 472-487.
KRISHNASAMY, L., F. I. KHAN, e M., M. HADDARA. Development of a Risk-Based
Maintenance (RBM) for a Power-Generating Plant. Jornal of Loss Prevention in the
process industries 18, 2005: 69-81.
KUMAMOTO, H., e E. HENLEY. Probabilistic Risk Assessment and Mangement for
Engineers and Scientists. New York: IEEE Press, 1996.
LEE, F. P. Loss prevention in the Process Industries. Vol. 3. Oxford: Butterworth
Heinemann, 1988.
. Loss Prevention in the Process Industries. Vol. 3. Oxford: Butterworth Heinemann, 1996.
LEE, J., I. YEO, e Y. YANG. A Trial Application of FSA Methodology to the Hatchway
Waterting Integrity of Bulk Carriers. Marine Structures 14 (2001): 651-667.
LEITCH, R. D. Reliability Analysis for Engineers, an Introduction. New York: Oxford
University Press, 1995.
LEITE, M. S. Proposta de uma Modelagem de Referncia para Representar Sistemas
Complexos. Tese de Doutorado, Florianopolis: UFSC, 2004.
LEVESON, N. A New Accident Model for Engineering Safety Systems. Safety Science 2,
n. 4 (2004): 237-270.
LEWIS, E. E. Introduction to Reliability Engineering. New York: Wiley & Sons, 1987.
LIMNIOS, N. Dependability Analysis of Semi-Markov Systems. Reliability Engineering
and Safety system 55 (1997): 203-207.
LINDHE, A., L. ROSN, T. NORBERG, e O. BERGSTEDT. Fault Tree Analysis for
Integrated and Probabilistic Risk Analysis of Drinking Water Systems. Water
Research, 2009: 1641-1653.
LINDLEY, D. V. Introduction to Probability and Statistics : from a Bayesian Viewpoint.
Cambridge: Cambridge University Press, 1965.
190
LONG, W., Y. SATO, e M. HORIGOME. Quantification of Sequential Failure Logic for

Fault Tree Analysis. Reliability Engineering and System Safety 67, n. 3 (2000): 269274.
LOPES-MACHADO, P. J. Avalio da Confiana no Funcionamento de Redes de Campo.
Dissertao de Mestrado, Porto: Universidade do Porto, 2004.
MAHADEVAN, S., R. ZHANG, e N. SMITH. Bayesian Networks for System Reliability
Reassessment. Structural Safety 23 (2001): 231-251.
MAJID, H., e W. WANG. Reliability Data Analysis and Modeling of Offshores Oil Platform
Plant. Journal of Quality in Maintenance Engineering 16, n. 4 (2000): 287-295.
MAN. Marine Engine. 2009. http://www.manbw.com/files/news/filesof1415/19993762.pdf
(acesso em 2009).
MARITZ, J. S., e T. LWIN. Emprical Bayes Methods. London: Chapman and Hall, 1989.
MCGA.
Ship
and
Cargoes.
Maritime
and
Coastguard
Agency.
2005.
http://www.mcga.gov.uk/c4mca/stscontingencyplan291105.pdf (acesso em 2008).

MEEL, A., e W. D. SEIDER. Plant-specific Dynamic Failure Assessment Using Bayesian
Theory. Chemical Engineering Science 61 (2006): 7036-7056.
MIGON, H. S., e H. F. LOPES. Analise Bayesiana de Decises: Aspecto Prticos. So Paulo:
ABE, 2002.
MILLAN, J., e S. O'YOUNG. Hybrid System Modeling of Tandem Dynamically-Positoned
Vessels. Proceedings of the 39 IEEE Conference on Decision and Control. Sydney,
Australia, 2000. 3157-3158.
MODARRES, M. What Every Engineer Should Know About: Reliability and Risk Analysis.
New York: Marcel Dekker, 1993.
MODARRES, M., e S. W. CHEON. Function-Centered Modeling of Engineering Systems
using the Goal TreeSuccess Tree Technique and Functional Primitives. Reliability
MON, D. L., e C. H. CHENG. Fuzzy System Reliability Analysis for Components with
Different Membership Functions. Fuzzy Sets and Systems 64 (1994): 145-157.
MONTANI, S., L. PORTINALE, D. BOBBIO, e D. CODETTA-RAITERI. RADYBAN: A
Tool for Reliability analysis of Dynamic Fault Tree through Conversion into Dynamic
Bayesian Networks. Reliability Engineering and System Safety 93 (2008): 922-932.
191
MOORE, J. H., e L. R. WEATHERFORD. Tomada de Deciso em Administrao. Porto

Alegre: Bookman, 2005.
MORATELLI, L. J. Principais Fatores do Projeto de Navios Aliviadores com Sistema de
Posicionamento Dinmico. Dissertacao de Mestrado, Sao Paulo: Escola Politecnica da
Univesidade de Sao Paulo, 2010.
MOURA, M. C., e E. L. DROGUETT. A Continuous-Times Semi-Markov Bayesian Belief
Network Model for Avaliability Measure Estimation of Fault Tolerant Systems.
Pesquisa Operational 28, n. 2 (2008): 355-375.
NIVOLIANITOU, Z., A. AMENDOLA, e G. REINA. Reliability Analysis of Chemical
Processes by DYLAM Approach. Reliability Engineering 14 (1986): 163-182.
NPRD. Nonelectronic Parts Reliability Data. Rome: Reliability Analysis Center, 1995.
OLDENHOF, M. T., et al. Consistency of FMEA Used in the Validation of Analytical
Procedures. Journal of Pharmaceutical and Biomedical Analysis 54 (2011): 592-595.
ONGARO, E., et al. Developing an Event Tree for Probabilistic Hazard and Risk
Assessment at Vesuvius. Journal of Volcanology and Geothermal Research 178
(2008): 397-415.
ONIP. Programa Nacional de Mobilizao da Indstria Nacional do Petrleo e Gs Natural.
01 de 11 de 2002. www.onip.org.br (acesso em 25 de 05 de 2008).
OREDA. Offshore Reliability Data Handbook. Norway: OREDA Participants, 2002.
OUHBI, B., e N. LIMNIOS. Reliability Estimation of Semi-Markov Systems: A Case
Study. Reliabilty Engineering and system safety 58 (1997): 201-204.
PALACIOS, J., C. E. P. RODRIGUEZ, G. F. M. SOUZA, e F. J. G. CARAZAS.
Application of Markovian Processess for the Risk-Based Decision Making.
Proceedings: International Conference on Computers and Industrial Engineering-CIE
39, 2009: 1279-1284.
PAPAZOGLOU, L. A., e O. N. ANEZIRIS. Master Logic Diagram: Method for Hazard and
Initiating Event Identification in Process Plants. Journal of Hazardous Materials 97
(2003): 11-30.
PARHIZI, S., J. SHAHRABI, e M. PARIAZAR. A New Accident Investigation Approach
based on Data Mining Techniques. Journal of Applied Sciences 9, n. 4 (2009): 731737.
192
PERES, L. F. Metodologia para Gerenciamento de Risco: Foco na Segurana e na

Continuidade. Florianpolis: Universidade Federal de Santa Catarina, 2009.
PERMAN, M., A. SENEGACNIK, e M. TUMA. Semi-Markov Models with an Application
to Power-Plant Reliability Analysis. IEEE Transactions on Reliability 46, n. 4
(1997): 526-532.
PHILIPSON, L. L., e P. D. WILDE. Sampling of Uncertain Probabilities at Event Tree
Nodes with Multiple Branches. Reliability Engineering and System Safety 70 (2000):
197-203.
PLANAS, P. C., J. A. VILCHEZ, e J. CASAL. Fire and Explosion Hazards During
Filling/Emptying of Tanks. Journal of Loss Prevention in the Process Industries 12
(1999): 479-483.
POURGOL-MOHAMAD, M., A. MOSLEH, e M. MODARRES. Methodology for the Use
of Experimental Data to Enhance Model Output Uncertainty Assessment in Termal
Hydraulics Codes. Reliability Engineering and System Safety 95 (2010): 77-86.
PULA, R., F. KHAN, P. AMYOTTE, e B. VEITCH. Revised Fire Consequence Model for
Offshore Quantitative Risk Assessment. Journal of Loss Prevention in Process
Industries 18 (2005): 443-454.
R Core, Development Team. R: A Language and Environment for Statistical Computing.
Vers. 2.7.0. 2008. http://www.R-project.org.
RAUSAND, M., e A. HOYLAND. System Reliability Theory; Models, Statistical Methods
and Application. Ney Jersey: Wiley, 2004.
RAVINDRA, M. K. System Reliabiltiy Considerations in Probabilistic Risk Assesment of
Nuclear Power Plants. Estuctural Safety 7 (1990): 269-280.
REIS, S. P. Transporte Martimo de Petrleo e Derivados na Costa Brasileira: Estrutura e
Implicaes Ambientais. Rio de Janeiro: Universidade Federal do Rio de Janeiro,
2004.
REN, J., I. JENKISON, J. WANG, D. XU, e J. YANG. A Methodology to Model Causal
Relationship on Offshore Safety Assessment Focusing on Human and Organizational
Factor. Journal of Safety Research 39, n. 1 (2008): 87-100.
RETTEDAL, W. K., T. AVENT, e O. T. GUDMESTAD. Integrating QRA and SRA
Methods within a Bayesian Framework when Calculating Risk in Marine Operations.
Journal of Offshore Mechanics and Arctic Engineering 122 (2000): 181-188.
193
RODRIGUEZ, C. E. P., e G. F. M. SOUZA. Decision Making Model for Offshore

Offloading Operations Based on Probabilistic Risk Assessment. ISUMA. Maryland:
American Society Civil Engineerier, 2011. 1-8.
RODRIGUEZ, C. E. P., G. F. M. SOUZA, e M. R. MARTINS. Risk-based analysis of
offloading operations with FPSO production units. Proceedings of COBEM.
Gramado: ABCM, 2009.
ROED, W, A MOSLEH, J E VINNEM, e T AVEN. On the use of the hybrid causal logic
method in offshore risk analysis. Reliability Enginering and System Safety 94 (2009):
445-455.
ROMERO, J. P. Maximum Entropy. Tese de Doutorado, Mexico D.F.: Unam, 2008.
ROSQVIST, T., e R. TUOMINEN. Qualification of Formal Safety Assessment: an
Exploratory Study. Safety Science 42 (2004): 99-120.
ROSSING, N. L., M. LIND, N. JENSEN, e S. B. JORGENSEN. A Functional HAZOP
Methodology. Computers and Chemical Engineering 34 (2010): 244-253.
RUSHBY, J. Critical System Properties: Survey and Taxonomy. Reliability Engineering
and System Safety, 1994: 189-219.
RUUD, S., e A. MIKKELSEN. Risk-based rules for crane safety system. Reliability
Engineering & System Safety, n. 93 (2008): 1369-1376.
SANCHEZ, M. Introduccion a la confiabilidad y evaluacin de riesgos. Bogot: Uniandes,
2005.
SAPHIRE, User Group. The basic Manual of System Analysis Program for Hand-On
Integrate Reliability Evaluation. 1997.
SAVSAR, M. Reliability analysis of a flexible manufacturing cell. Reliability Engineering
and System Safety 67 (2000): 147-152.
SCHUYLER, J. Risk and Decision Analysis in Projects. Pennsylvania: Project Management
Institute, Inc., 2002.
SCIPIONI, A., G. SACCAROLA, A. CENTAZZO, e F. ARENA. FMEA Methodology
Design, Implementation and Integration with HACCP System in a Food Company.
Food Control 13 (2002): 459-501.
SENDI, P. P., e R. T. CLEMEN. Sensitivity Analysis on a Chance Node with More Than
Two Branches. Medical Decision Making, 1999: 487-499.
194
SHALEV, D. M., e J. TIRAN. Condition-Based Fault Tree Analysis (CBFTA): A New

Method for Improved Fault Tree Analysis (FTA), Reliability and Safety Calculations.
SHEIKH, A., e A. AL-GARNI. Reliability Analysis of Aeroplane Tyres. International
Journal of Quality and Reliability Management 13, n. 8 (1996): 28-38.
SIMKINS, D. J., e J. V. BUKOWSKI. Bayesian Reliability Evaluation of Computer
Systems. Computer and Electrical Engineering 11 (1984): 79-86.
SINGPURWALLA, N D. Reliability and Risk: A Bayesian Perspective. London: John Wiley
& Son Ltda, 2006.
SIU, N O, e D L KELLY. Bayesian parameter estimation in probabilistic risk assessment.
Reliabiltiy Engineering and System Safety 62 (1998): 89-115.
SMITH, D. J. Reliability, Maintainability and Risk. Oxford: Butterworth Heinemann, 2000.
SOARES, C., e A. TEIXEIRA. Risk assessment in maritime transportation. Reliability
Engineering and System Safety 74, n. 3 (2001): 299-309.
SOUZA, Gilberto Francisco Martha. Anlise de Confiabilidade Aplicada oa Projeto de
Sistemas Mecnicos. So Paulo: Departamento de Engenharia Macatrnica e Sistemas
Mecnicos, 2003.
SOUZA, Gilberto Francisco Martha. PMR 5401 Anlise de Risco Aplicada a Avaliao da
Integridade de Sistemas Mecnicos. So Paulo - Brasil: Escola Politcnica da
Universidade de So Paulo, 2006.
SOUZA, J. Operao de navios aliviadores e FPSO. [mensagem pessoal]. Mensagem
recebida por: <cepatino@gmail.com> (22 de Maio de 2011).
STAMATELATOS, M. Probabilistic Risk Assessment Procedures Guide for NASA managers
and practitioners. Waschington, DC: OSMA, 2002.
TANG, D., R. ZHU, J. TANG, R. XU, e R. HE. Product Design Knowledge Management
based on Design Structure Matrix. Advanced Engineering Informatics 24 (2010):
159-166.
Tanker Operator. Shuttles forged in the crucible. Tanker Operator, Abril 2003.
TANNURI, E. A. Desenvolvimento de metodologia de projeto de sistema de posicionamento
dinmico aplicado a operaoes em alto mar. Teses de Doutorado, So Paulo: Escola
Politecnica, Universidade de So Paulo, 2002.
195
TANNURI, E. A., C. P. PESCE, P. C. AZEVEDO, C. H. FUCATU, e A. N. SIMOS.

Seasonal Downtime Analysis of DP and Non-DP Offloading Operation in Brazilian
Waters. Proceedings of the 29th International Conference on Ocean, Offshore and
Arctic Engineering - OMAE2010. Shanghai: ASME, 2010. 1-7.
TANNURI, E. A., H. M. MORISHITA, A. N. SIMOS, A. C. SAAD, S. H. CORREA, e S. H.
SPHAIER. DP Assisted Offloading Operations in Brazilian Water. Dynamic
Positioning Conference. Marine Tecnhology Society, 2009. 1-20.
TAYLOR, D. A. Introduction to Marine Engineering. Oxford: Elsevier Ltd., 2007.
TJALLEMA, A., H. GRIMMELIUS, C. VAN DER NAT, e D. STAPERSMA. The Road to
Elimiating Operator Related Dynamic Positioning Incidents. Dynamic Positioning
Conference. Houston, 2007. 1-17.
TODINOV, M. Risk-Based Reliability Analysis and Generic Principles for Risk Reduction.
Bedfordshire, U.K: ELSEVIER, 2006.
TRUCCO, P., E. CAGNO, F. RUGGERI, e O. GRANDE. A Bayesian Belief Network
modelling of organisational factors in risk analysis: A case study in maritime
transportation. Reliability engineering and System Safety 93, n. 6 (2008): 823-834.
TSB. Marine Report- Safety Studies. Transportation safety board of canada. Jan. de 2011.
www.tsb.gc.ca (acesso em Mar. de 2011).
. Transportation Safety Board of Canada. Jul. de 2005. www.tsb.gc.ca (acesso em Maio de
2010).
TUSIANI, M. The petroleum shipping industry. Oklahoma: PennWell, 1996.
UKOOA. FPSO / Tanker Risk Control During Offtake. Tandem Loading Guidelines,
UKOOA - Oil and Gas for Britain, 2001.
VENKATASUBRAMANIAN, V., J. ZHAO, e S. VISWANATHAN. Intelligent Systems for
HAZOP Analysis of Complex Process Plants. Computers and Chemical Engineering
24 (2000): 2291-2302.
VILCHEZ, J. A., V. ESPEJO, e J. CASAL. Generic Event Trees and Probabilities for the
Release of Different Types of Hazardous Materials. Journal of Loss Prevention in the
Process Industries 24 (2011): 281-287.
VILLEMEUR, A. Reliability, Availability, Maintainability and Safety Assessment.
Chichester, England: John Wiley, 1992.
196
VINNENM, J., A. TERJE, T. HUSEBO, J. SELJELID, e O. TVEIT. Major hazard risk

indicatiors for monitoring of tends in the Norwegian offshore petroleum sector.
WALKER, M, e Y PAPADOPOULOS. Qualitative temporal analysis: Towards a full
implementation of the Fault Tree Handbook. Control Engineering Practice 17, n. 10
(2009): 115-1125.
WANG, , J X, e M L ROUSH. What Every Engineer should know About Risk Engineering
and Management. New York: Marcel Dekker, Inc., 2000.
WANG, J. The current status and future aspects in formal ship safety assessment. Safety
Science 38 (2001): 19-30.
WASH-1400. Reactor Safety Study. National Technical Information Service, Springfield:
United States Nuclear Regulatory Commission, 1975.
WEIBULL++7, RELIASOFT. Users Guide. Tucson: ReliaSoft Corporation, 2005.
WINSTON, W. L. Operations Research: Applications and Algorithms. Belmont: Tomson
Brooks, 1994.
WU, J. S., e G. E. APOSTOLAKIS. Experience with Probabilistic Risk Assessment in the
Nuclear Power Industry. Journal of Hazardous Material 29 (1992): 313-345.
YASSERI, S. F., e J. PRAGER. Explosion Recurrence Modeling. Proceedings of the 23rd
OMAE Conference . Vancuver: OMAE, 2004. 63-69.
YUN, G. W., W. J. ROGERS, e M. S. MANNAN. Risk assessment of LNG importation
terminals using the Bayesian-LOPA methodoloy. Journal of Loss Prevention in the
Process Industries 22 (2009): 91-96.
APNDICE A DESCRIO DE OPERAO DO MOTOR DE COMBUSTO

PRINCIPAL DO NAVIO ALIVIADOR
O Motor de Combusto Principal do navio aliviador um motor Diesel que aspira ar e que,
aps ser comprimido no interior dos cilindros, recebe o combustvel sob presso superior quela
em que o ar se encontra. A combusto ocorre por autoignio quando o combustvel entra em
contato com o ar aquecido pela presso elevada. O combustvel que injetado ao final da
compresso do ar, na maioria dos MCP dos navios aliviadores, so leos minerais mais pesados
que precisem de um sistema de aquecimento adicional para poder ser injetado.
Figura B.1 Estrutura Motor de Combusto interna de dois tempos (MAN, 2009)
Sistema de Resfriamento
DESCRIO DE OPERAO DO MOTOR DE COMBUSTO PRINCIPAL DO NAVIO ALIVIADOR
198
Sem um adequado resfriamento, as partes do motor estariam expostas a altas temperaturas,

como resultado da queima do combustvel, e falhariam. O arrefecimento do MCP ocorre pela
circulao de lquido refrigerante em torno das passagens internas do motor. O lquido
refrigerante ento aquecido e, por sua vez, resfriado por gua do mar que circula dentro de um
trocador de calor. Normalmente, o lquido refrigerante usado gua tratada, j que a gua do mar
no pode ser usada diretamente por ser um fluido corrosivo. Algumas vezes usado leo
lubrificante j que ,no caso de vazamento, no causaria problemas em relao lubrificao mas,
devido ao seu baixo calor especfico, seriam necessrias duas vezes a quantidade de leo em
relao gua doce.
O sistema de resfriamento est composto de dois subsistemas: Motor e Pisto. O primeiro
subsistema que foi nomeado de Sistema de Resfriamento do Motor est destinado a esfriar o
cilindro, o cabeote e o turbo compressor. O segundo subsistema um sistema independente que
tem como funo nica resfriar o pisto.
A gua de arrefecimento do motor, aps deixar o cilindro, passa pelo trocador de calor e, em
seguida, para as bombas de circulao de gua para refrigerar as cabeas dos cilindros e o turbo
compressor. O sistema de resfriamento do pisto emprega componentes similares, com exceo
do sistema de armazenamento de gua que no caso do pisto usa um sistema de preaquecimento a
vapor.
Sistema de Alimentao de Combustvel
O MCP precisa, para a autoignio e queima perfeita, de combustveis de alto ponto de
ignio, como o caso dos leos pesados. A pr-combusto a tendncia do combustvel
autoignio quando da injeo, no motor, e caracterstica importante para o desempenho do
combustvel. Para fornecer o combustvel necessrio, na quantidade certa, no momento adequado
e nas condies apropriadas para a combusto o sistema requer um correto abastecimento e uma
adequada injeo.
Como observado na Figura B.2, o processo de alimentao de combustvel se inicia no
armazenamento do leo em tanques no casco duplo. O leo armazenado bombeado para o
tanque onde so extradas algumas impurezas para, ento, ser aquecido. Em seguida, o leo
recebe uma segunda fase de purificao atravs de uma centrfuga e o leo limpo e quente
bombeado para o tanque de servio dirio que possui um respiradouro para evitar as sobre
presses. Do tanque de servio dirio, o leo combustvel passa atravs de uma vlvula de trs
vias para um tanque de mistura e de retorno. A partir da, usando bombas auxiliares, o leo
199
combustvel conduzido para a bomba de injeo passando antes pelos aquecedores e o regulador
de viscosidade que controlam a temperatura com o objetivo de prover a viscosidade correta para
injeo e a combusto.
Figura B.2 Sistema de abastecimento de combustvel
A bomba de injeo descarregar o combustvel a alta presso para seus respectivos injetores.
Neste tipo de motor tem-se uma bomba injetora para cada cilindro e, usualmente, operada uma
vez a cada ciclo. Quando o pisto empurrado para cima, a presso do combustvel, dentro do
cilindro, sobe rapidamente. A alta presso abre o injetor e o combustvel pulverizado dentro do
cilindro em gotculas, este processo conhecido como atomizao.
A injeo toma lugar num curto perodo de tempo, este perodo deve ser preciso e controlado,
um atraso ou adiantamento da injeo resultar em uma perda da potncia do motor e pode
ocasionar ao dano do MCP. A regulao da injeo muito importante, cames suportados no eixo
de comando so usados para operar a bomba de injeo em cada cilindro. Bombas convencionais
no podem ser usadas no sistema de injeo de combustvel, devido ao fato de que estas sempre
empregam uma quantidade de combustvel constante e uma vez que o motor tenha partido isto
resultaria em um aumento indesejado da velocidade. Ento, por isso, deve ser utilizado um
mtodo que ir variar infinitamente a quantidade de combustvel injetada. Para este objetivo pode
ser usada uma bomba com injetor em hlice ou uma bomba com vlvulas controladoras.
200
No primeiro mtodo, o pisto da bomba tem uma hlice usinada com um sulco vertical e um
sulco anelar na base da hlice, como mostrado na Figura B.3. O pisto oscila dentro do cilindro da
bomba que tem portas de sada de combustvel (spill ports) localizadas de modo que estas estejam
acima da cabea do pisto quando o came esteja na parte superior do seu percorrido. O pinho
engrenado a uma cremalheira que muda a posio relativa do pisto em relao ao cilindro e que
est conectada ao governador do cilindro. Assim, a quantidade de combustvel variar
dependendo da posio relativa da hlice e das portas de sada de combustvel.
Figura B.3. Pisto com hlice
O desgaste devido s partculas abrasivas no combustvel significar que a bomba demorar

mais tempo em atingir a presso de injeo requerida, do mesmo modo que o desgaste devido
eroso que ocorre na borda superior do mbolo no gume das hlices e das portas de sada de
combustvel. Isto juntamente com o desgaste do pisto e o cilindro da bomba, tornaro o tempo de
injeo no sistema.
Neste tipo de sistema, o final da injeo varia mas o incio da injeo fixo. Para variar o
incio da injeo, colocada na parte inferior do cilindro da bomba uma bucha com rosca que
acionada por um pinho e uma cremalheira. Com este mecanismo, a posio relativa s portas de
sada do combustvel e o cilindro mudada, o que altera o incio da injeo.
No segundo mtodo, para controlar a quantidade de combustvel injetado, usada uma bomba
com vlvulas controladoras de suco e de retorno (spill valve) operadas por vielas.
Duas alavancas articuladas operam as vielas que abrem as vlvulas de suco e de retorno
(spill valve). Quando o came est na parte mais alta de sua trajetria a vlvula de suco aberta e
a vlvula de retorno fechada. Quando o mbolo sobe, a viela de suco fecha a vlvula de
suco. Neste ponto, a injeo comea e o combustvel direcionado para os injetores. Do mesmo
201
modo, quando o mbolo desce a viela de retorno, abrir a vlvula de retorno, a presso acima do
pisto diminuir e a injeo cessar.
Para o combustvel queimar nos tempos certos, o mesmo deve ser dividido em gotas
minsculas em um processo conhecido como atomizao. As gotculas penetram o suficiente no
espao da combusto para se misturar com o oxignio. A temperatura das gotculas cresce
rapidamente, absorvem a energia calorfica do calor do cilindro e, ento, acendem e queimam
antes de tocar a superfcie fria do pisto, dando lugar combusto. Os responsveis pela
atomizao so os injetores.
Os injetores esto divididos em duas partes: o bico injetor e o corpo, este ltimo composto
pela mola, da haste e da porca, que junta o bico e a haste. O bico injetor se levanta no comeo da
injeo devido ao impacto da presso na linha de combustvel, suprida pela bomba injetora.
Durante os intervalos de tempo entre as injees, ele se mantm fechado automaticamente pela
ao de uma mola. Uma pequena quantidade de combustvel, utilizada para lubrificar e remover
calor das partes mveis dos injetores, retornada ao sistema de alimentao de combustvel.
Os injetores dever ser mantidos em boas condies para manter a eficincia do sistema e
devem ser trocados em linha conforme as recomendaes do fabricante, overhaul e/ou testes. A
mola pode perder sua tenso pela operao repetitiva deixando a abertura do injetor em uma
presso mais baixa da projetada. O bico injetor se desgasta e causa uma incorreta atomizao.
Sistema de Partida
A funo do sistema de partida vencer a inrcia e iniciar o movimento do motor de
combusto at que o mesmo entre em funcionamento. A partida a ar comprimido feita por meio
da descarga de certa quantidade de ar sob alta presso em um cilindro predefinido, cujo mbolo
posicionado prximo ao ponto morto superior para receber o primeiro impulso. Ao deslocar-se
rapidamente em sentido descendente, faz com que em outros cilindros os mbolos atinjam o ponto
morto superior do tempo de compresso e recebam injeo de combustvel, iniciando o
funcionamento.
O ar armazenado em reservatrios chamados de ampolas. O ar admitido no cilindro
quando o pisto est prximo ao ponto morto superior e continuar at pouco antes da vlvula de
escape se abrir. A abertura da vlvula principal controlada por um conjunto de vlvulas piloto
que por sua vez esto sincronizadas ao eixo de comando de vlvulas.
Quando o motor requerido para partir, um sinal de baixa presso enviado para o sistema de
controle de vlvulas de partida. O ar empurra o pisto para abaixo e permite que o ar sob alta
202
presso possa fluir para a vlvula piloto. A vlvula piloto forada para baixo pela ao do eixo
de comando, o ar flui para o mbolo da vlvula principal, abrindo a vlvula e permitindo que o ar
de alta presso passe dentro do cilindro.
Figura B. 4 Diagrama do Sistema de Partida
Sistema de Admisso de Ar
Tem como objetivo principal introduzir o mximo possvel de mistura de combustvel dentro
do cilindro. Quando a vlvula de admisso est aberta, o ar sugado para dentro do motor, de
forma que o ar no duto de admisso se move mais rapidamente em direo ao cilindro. Quando a
vlvula de admisso se fecha repentinamente, esse ar para bruscamente e se comprime, formando
uma rea de alta presso. Essa onda de alta presso percorre seu caminho at o duto de admisso,
para longe do cilindro.
O sistema possui um turbo-compressor que comprime o ar que entra no motor e permite ao
motor receber mais ar dentro dos cilindros. Obtm-se, portanto, mais potncia das exploses em
cada cilindro. O turbo-compressor utiliza o fluxo dos gases de escapamento do motor para girar
uma turbina que, por sua vez, gira um compressor e como est ligada ao escapamento, as
temperaturas dentro dela tambm so bem elevadas.
Sistema de Exausto
203
Da combusto da mistura carburante dentro dos cilindros resultam produtos que devem ser
conduzidos at o exterior. Os gases de escape abandonam os cilindros pelas vlvulas de escape,
percorrendo posteriormente as condutas de escape at atingirem o exterior. Assim, o sistema de
exausto tem como funo eliminar os gases residuais do motor queimados na combusto,
minimizando o mximo possvel a poluio. Nesse processo, o coletor ir selecionar
respectivamente os cilindros de maneira a ficar em sincronismo com os momentos de abertura das
vlvulas de descarga dos cilindros evitando-se o refluxo de gases, um dos componentes que atuam
na elevao dos ndices de poluio e perda de rendimento do motor.
Sistema de Lubrificao
O leo lubrificante do bloco do motor armazenado no crter ou em um tanque localizado
embaixo do motor. O leo escoado atravs do sistema de purificao e com a ajuda das bombas
passa pelo sistema de resfriamento antes de entrar no motor. Na sequncia, distribudo pelas
tubulaes para o bloco. Uma vez lubrificado o motor, o leo drenado de volta para o crter.
O sistema de lubrificao do bloco do motor possui um sistema de resfriamento de leo que,
no trocador de calor, circula gua doce com menor presso que o leo lubrificante para que, no
caso de um vazamento no sistema, no exista chance de o leo lubrificante ser contaminado pela
gua. Por sua vez, a gua doce resfriada por outro trocador de calor que funciona com a gua do
mar em circuito aberto.
Sistema de Combusto
o local onde ocorre a combusto e composto de um mecanismo capaz de transformar os
movimentos alternativos dos pistes em movimento rotativo da rvore de manivelas. A
combusto da mistura combustvel acima do pisto produz um rpido aumento na presso e
temperatura, empurrando o pisto para baixo, produzindo potncia.
Os componentes bsicos do sistema de combusto so os seguintes: bloco do motor, conjunto
do pisto, cilindro (cabeote do cilindro) e mecanismo de vlvulas. O bloco do motor o maior e
o principal componente do motor.
Os pistes se ajustam nos cilindros e deslizam livremente para cima e para baixo. O bloco
permite a passagem de leo, para a lubrificao do motor, e de gua, para seu resfriamento. As
passagens de fluido de resfriamento so chamadas de camisas de gua e as passagens de leo so
chamadas de galeria de leo.
Por um furo feito na parte inferior do bloco passa a rvore de manivelas. A rvore de
manivelas, tambm conhecida como virabrequim, responsvel por converter o movimento,
204
vertical do pisto em movimento de rotao. Os pistes transferem a potncia gerada pela

combusto para a biela e para a rvore de manivelas.
O mecanismo de vlvulas tem a funo de comandar a abertura e o fechamento das vlvulas
de admisso e exausto nos momentos adequados. Este sistema inclui o eixo de comando das
vlvulas, o conjunto sincronizador e os mecanismos de comando como alas, hastes, balancim,
molas e vlvulas.
A.1.
ANLISE DE MATRIZES DE DEPENDNCIA PARA O MCP
A partir da descrio feita acima, estabelecem-se as matrizes de dependncia para o sistema

do MCP. Estas matrizes mostram a relao de dependncia que existem entre os diversos
sistemas, embora no exista uma relao funcional direta.
O sistema de alimentao de combustvel suportado pelo sistema de combusto j que os
cames suportados no eixo de comando so usados para operar a bomba de injeo.
O sistema de alimentao de combustvel suportado pelo sistema de controle j que o pinho
engrenado a uma cremalheira que poder mudar a posio relativa do pisto em relao ao
cilindro e que est conectada ao governador do cilindro.
Sistema
Suportado
por
Sistema de
resfriamento
Sistema de
Sistema de
Alimentao de
Partida
combustvel
Sistema de
Admisso de
ar
Sistema de
resfriamento
Sistema de
Exausto
Sistema de
lubrificao

Sistema de
Alimentao de
combustvel
Sistema de
Partida
Sistema de
Admisso de
ar
Sistema de
Exausto
Sistema de
lubrificao
Sistema de
combusto
Sistema de
controle

Sistema de
combusto
Sistema de
controle
Figura B.5. Matriz de dependncia para o Motor de Combusto Principal

205
Figura B.6. Matriz de dependncia para o Sistema de abastecimento de combustvel

206
Figura B.6. Matriz de dependncia para o Sistema de abastecimento de combustvel
APNDICE B ANLISE PRELIMINAR DE PERIGOS PARA A OPERAO DE

OFFLOADING
Cada uma das colunas da tabela que resume a anlise preliminar de perigos apresenta-se
descrita a seguir:
A OPER: Designa a etapa especfica do Offloading que se est realizando:

Aproximao, Conexo, Transferncia, Desconexo e Afastamento.
B IDENTIFICAO DO EVENTO: Numerao consecutiva que identifica o

evento.
C EVENTO DE PERIGO: Corresponde a uma ou mais condies fsicas com

potencial para causar danos s pessoas, propriedade, ao meio ambiente ou
combinao desses.
D DESCRIO DE EVENTO: Explica como se manifesta o evento de perigo

e define algumas caractersticas especficas.
CAUSA: Identifica por que ocorre o evento de perigo. Inclui a descrio, a

frequncia e a ao de mitigao
o E DESCRIO DA CAUSA: Corresponde a uma ou mais condies
fsicas que originam o evento de perigo.
o F FREQUNCIA: Apresenta de forma qualitativa qual a possibilidade
de ocorrncia da falha, sendo definidas 5 categorias: Extremamente Remota
(A), Remota (B), Pouco Provvel (C), Provvel (D), Frequente (E),
definidas conforme.
o G AO DE MITIGAO: Descreve o conjunto de atividades que
podem ser efetuadas para manter os sistemas cumprindo as suas funes e
reduzir a possibilidade de que o evento de perigo ocorra.
CONSEQUNCIA: Define os efeitos que teria o evento de perigo sobre o sistema,

definindo-se como efeito de uma condio de operao fora da especificao inicial
da misso.
ANLISE PRELIMINAR DE PERIGOS PARA A OPERAO DE OFFLOADING
208
o H LOCAL: Explica como seria afetado o navio aliviador no caso de

acontecer o evento de perigo.
o I OFFLOADING NAVIO: Explica como seria afetada a operao de
offloading no caso de acontecer o evento de perigo.
o J AO DE CONTINGNCIA: So listadas as recomendaes de aes
de emergncia visando evitar ou minimizar a propagao da consequncia
ou a reduo da gravidade das mesmas.
o SEVERIDADE: Escala numrica que define a gravidade dos efeitos que
teria o evento de perigo, caso acontea. Est definida para trs ativos e
apresentada na Tabela 2.2.
K SEGURANA PESSOAL: Relacionados com os danos ou

leses que podem ser causadas a empregados e terceiros.
L EQUIPAMENTO: Relacionados aos danos que podem ser

causados a equipamentos ou instalaes no navio aliviador ou
FPSO.
M AMBIENTAL: Relacionados aos danos causados ao meio

ambiente.
N CLASSIFICAO DO RISCO: Medida resultante da combinao entre as

frequncias de ocorrncia e a magnitude severidade das consequncias, conforme
apresentado na Figura 2.6.
FREQNCIA DA
CAUSA
Falha na manuteno
1
FALHA M.C.A. DO
ALIVIADOR
PARADA DO SISTEMA
DIESEL-GERADOR
Falta de lubrificao
INCAPACIDADE DE
OPERAR O SISTEMA DE Falha na manuteno
GOVERNO DO NAVIO
Utilizar rotinas de manuteno

POUCO PROVVEL
Navio aliviador sem
rgidas, com a utilizao de roteiros
(C)
governo
(check list de atividades)
Falha de VHF, porttil,

e bateria
A
P
R
O
X
I
M
A
SEM COMUNICAO
FALHA GUINCHO DA
POPA DO ALIVIADOR
INCAPACIDADE DE
Interferncia com
TRANSMITIR
INFORMAES ENTRE A outras instalaes
FPSO E NAVIO
Problemas de
ALIVIADOR
compreenso do
idioma
Falha na alimentao
vapor ou presso
hidrulica
SE TRAVA OU NO GIRA
REMOTA
PERDA
DA
POSIO
Reviso permanente da linha de

transmisso de fludo
POUCO PROVVEL
(C)
Abortar operao de aproximao e

solicitar o rebocador para afastar o
III
aliviador das proximidades da unidade de
produo
III
III NT NT NT
II
II
II
MDIO
TOLERVEL
TOLERVEL
III
III
III NT NT NT
CLASSIFICAO DO RISCO
NO
TOLERVEL
Abortar operao de aproximao at a

realizao de manuteno
Incapacidade de
comunicao com a
unidade de produo
Atraso na operao
leve
Utilizao de rotinas de
manuteno dos geradores de
presso hidrulica ou de vapor
Incapacidade de
Atraso na operao
recebimento do cabo do
leve
rebocador
Problemas na gerao
manuteno dos geradores
Problema Satlite GPS
Verificar avisos ao navegantes

sobre informaes de satlites
Executar procedimento de afastamento

do aliviador em relao unidade de
produo, se no restabelecer
comunicao com o terminal
Abortar operao de aproximao at a

realizao de manuteno
produo
Abortar operao de aproximao

PROVVEL
(D)
Atraso na operao
Abortar operao de aproximao e
moderado, com
solicitar um rebocador para afastar o
possibilidade de
coliso no caso de falha navio das proximidades do terminal
do sistema DP
Utilizar o CIS (cdigo internacional

POUCO PROVVEL
de sinais) ou vocabulrio martimo
(C)
padro
Falha na manuteno
AO DE CONTINGNCIA DA
CONSEQUENCIA
(B)
Mudar de freqncia
Problema thruster
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
CONSEQUENCIA
OFFLOADING NAVIO
Substituir equipamento e ou
bateria
Falha mecnica
CONSEQUENCIA LOCAL
(aliviador)
Possibilidade de
Falha bombas hidrulicas
coliso com impacto
mdio, seguido de
incndio
Falha de equipamento
PROVVEL
(D)
Falha equipamento
PERDA DO SISTEMA DE
GOVERNO
AO DE MITIGAO DA CAUSA
AMBIENTAL
DESCRIO DE EVENTO DESCRIO DA CAUSA
SEG. PESSOAL
EVENTO DE PERIGO
EQUIPAMENTO
Incapacidade de
manuteno de posio
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
Figura B1. Anlise Preliminar de Perigos (Continuao)

produo utilizando o MCP
NO
TOLERVEL
209
O
P
E
R
FALHA M.C.P. DO
ALIVIADOR

POUCO PROVVEL
rgidas, com a utilizao de roteiros Perda de propulso
(C)
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
A
P
R
O
X
I
M
A
EXECUO DE
MANOBRAS
ARRISCADAS
MUDANA DAS
CONDIES
AMBIENTAIS
DEVIDO A PRESSO
COMERCIAL PARA
AMARRAR O NAVIO A
FIM DE EVITAR PARADA
DE PRODUO
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
Falha da programao
em programar o navio.
FREQENTE
(E)
Erro de julgamento da
manobra
Erro de avaliao das

condies
meteorolgicas
Mudana inesperada
das condies
ambientais
Programar o navio com

antecedncia de 48 h antes do
inicio da operao de offloading
Sobrecarga no MCP e no
DP
DP
PROVVEL
(D)
Observar as condies
meteorolgicas antes adentrar
rea de manobra
O navio pode sair do

alinhamento com a
unidade de produo
Solicitar embarcao de apoio

Possibilidade de
coliso caso a operao
prossiga
produo utilizando o sistema DP
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Solicitar auxlio de rebocador
III
III
III
MDIO
IV
IV
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
II
II
II
MDIO
II
II
MDIO

produo
Abortar operao de amarrao
9
A
M
A
R
R
A
ROMPIMENTO
MENSAGEIRO DO
HAWSER
Trao acima da
permitida
PERDA DA AMARRAO
Envelhecimento do
cabo
Atraso na operao
moderado, com
POUCO PROVVEL
Incapacidade de
Inspeo visual antes da manobra.
possibilidade de
(C)
recebimento do Hawser
prossiga

transmisso de fludo
10
FALHA GUINCHO DE
PROA DO ALIVIADOR
Falha na alimentao
SE TRAVA OU NO GIRA vapor ou presso
hidrulica
POUCO PROVVEL
(C)

produo
Solicitar um barco de manuteno para

substituir o mensageiro do hawser e
aguardar a realizao de manuteno
Incapacidade de
recebimento do
mensageiro
Atraso na operao
moderado, com
possibilidade de leses
produo
leves
Realizar operao de manuteno
210

Falha Bomba injetora
11
Falha de manuteno
FALHA NO MORDENTE
REMOTA
PERDA DA AMARRAO
DO ALIVIADOR
Utilizar rotina de manuteno e

(B) chek list antes da operao
Incapacidade de
Atraso na operao
recebimento do Hawser leve
IV
IV
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
III
III
III NT NT NT
NO
TOLERVEL
III
III
III
III
III
III NT NT NT
TOLERVEL
Realizar operao de manuteno
A
M
A
R
R
A
12
EXECUO DE
MANOBRAS
ARRISCADAS
13
MUDANA DAS
CONDIES
AMBIENTAIS
DEVIDO A PRESSO Falha da programao

COMERCIAL PARA
AMARRAR O NAVIO A
DE PRODUO
manobra
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
Erro de avaliao das

condies
meteorolgicas
Mudana inesperada
das condies
ambientais
FREQENTE
(E)

PROVVEL
(D)
Observar as condies
rea de manobra
PROVVEL
(D)

DP
DP
alinhamento com a
unidade de produo
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Falha na manuteno
FALHA M.C.A. DO
ALIVIADOR
PARADA DO SISTEMA
DIESEL-GERADOR
Falha equipamento
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
15
FALHA M.C.P. DO
ALIVIADOR
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
16
PERDA
DA
POSIO

produo

produo
Abortar operao de offloading

POUCO PROVVEL
(C)
Problema thruster
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
Falta de lubrificao
14

Falha na manuteno
PROVVEL
(D)
Problemas na gerao

Atraso na operao
mdio, com
possibilidade de
coliso se o problema
persistir

MDIO

Incapacidade de
manuteno de posio
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
NO
TOLERVEL

211

produo
FALHA MENSAGEIRO
DO MANGOTE
RUPTURA OU
DESCONEXO
Trao acima da
permitida

produo
Falha no grumet
PROVVEL
(D)
Inspeo visual antes da manobra.
Atraso na operao
Incapacidade de
moderado, com
recebimento do Mangote possibilidade de leses
leves
18
C
O
N
E
X
Falha sistema
SE TRAVA OU NO GIRA
hidrulico ou vapor

transmisso de fludo
POUCO PROVVEL
(C)
Toro do mensageiro
19
TORO DO GRUMET
PROVVEL
(D)
PERDA DA CONEXO
Erros na manobra
Problema hidrulico
ou mecnico
20
FALHA NA GARRA
NO ABRE OU NO
FECHA
Falha na manuteno
21
22
FALHA NA VLVULA DE
ACOPLAMENTO
(COUPLE VALVE) DA
UNIDADE DE
PRODUAO ou
ALIVIADOR
FALHA NO TESTE DE
PRESSO
NO ABRE, PERDA DE
FLUIDO HIDRULICO
Problema no anel de
vedao
II
MDIO
TOLERVEL
TOLERVEL
TOLERVEL
II
MDIO
II
MDIO
Abortar operao de conexo

Incapacidade de
recebimento do
mensageiro
Reviso dos guinchos antes iniciar

manobra e/ou adestrar tripulao Incapacidade de
na manobra e ter ateno mxima realizao da conexo
ao virar mensageiro.
Atraso na operao
leve
Aguardar a realizao de manuteno
Atraso na operao
leve

transmisso de fludo
POUCO PROVVEL
(C)
FREQENTE
(E)
Solenide
DIFERENCIA DE PRESSO
Vazamento mangote
ENTRE A ENTRADA E A
ou na couple valve
SADA
II
Solicitar um barco de manuteno para

substituir o mensageiro do mangote e
aguardar a realizao de manuteno
Envelhecimento do
cabo
FALHA GUINCHO DE
PROA DO ALIVIADOR
II

Incapacidade de
realizao da conexo

Incapacidade de
realizao da conexo
Verificar anel vedao
PROVVEL
(D)
Abortar e reiniciar operao de conexo

verificando que o cabo est subindo
corretamente

Incapacidade de
realizao da operao
de offloading
Verificar vlvula e linha de
mangote
Atraso na operao
leve
Atraso na operao
leve, com
possibilidade de
vazamento caso a
operao prossiga

Refazer teste
Atraso na operao
leve, com
possibilidade de
vazamento caso a
operao prossiga
Abortar a operao de conexo

Chamar lancha de manuteno
Identificar e trocar seo do mangote
212
17
Mensageiro enrolado
no mangote
24
C
O
N
E
X
MUDANA DAS
CONDIES
AMBIENTAIS
Falha da programao
DEVIDO A PRESSO
COMERCIAL PARA
AMARRAR O NAVIO A
DE PRODUO
manobra
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
FREQENTE
(E)
Erro de avaliao das

condies
meteorolgicas
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
PERDA
DA
POSIO
DP
DP
PROVVEL
(D)
Mudana inesperada
das condies
ambientais
Problema thruster
25

Observar as condies
rea de manobra

alinhamento com a
unidade de produo

Incapacidade de
manuteno de posio
Falha na manuteno
PROVVEL
(D)
Problemas na gerao

Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
Falha na manuteno
FALHA M.C.A. DO
ALIVIADOR
PARADA DO SISTEMA
DIESEL-GERADOR
Falta de lubrificao
Falha equipamento
27
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
III
III
III NT NT NT
NO
TOLERVEL
III
III
III NT NT NT
NO
TOLERVEL
Executar procedimento de desamarrao III

e de afastamento do aliviador em relao
unidade de produo utilizando o
sistema DP
III
III

produo
Executar procedimento de desconexo ,

desamarrao e de afastamento do
aliviador em relao unidade de

PROVVEL
(D)
Falha bombas hidrulicas Atraso na operao

mdio, com
possibilidade de
persistir

produo

FALHA M.C.P. DO
ALIVIADOR
IV
Sobre tenso no Hawser
26
IV

POUCO PROVVEL
(C)
Atraso na operao
mdio, com
possibilidade de
persistir

M
MDIO
213
23
EXECUO DE
MANOBRAS
ARRISCADAS
28
29
T
R
A
N
S
F
E
R
N
C
I
A
30
31
Abertura da garra
QUEDA DE PRESSO
DURANTE A OPERAO
DE TRANSFERNCIA
ELEVAO DE PRESSO
NA LINHA EM FUNO
DE FALHA HUMANA
Interrupo no
bombeamento
realizado pela unidade
de produo
ERRO DE OPERAO,
HUMANA
Utilizar rotina de manuteno e

POUCO PROVVEL
chek list antes de iniciar a
(C)
operao de Offloading
Operao incorreta de
Verificar couple valve e vlvulas
vlvulas do sistema de POUCO PROVVEL
dos tanques de carga se esto
transferncia do
(C)
fechadas
aliviador
ELEVAO DE PRESSO
EM FUNO DE FALHA
Falha no Vent Post e
OBSTRUO NA LINHA
NO SISTEMA DE
no vacum breaker dos REMOTA
DE RECEBIMENTO
TRANSFERNCIA DO
tanques do aliviador
ALIVIADOR
VAZAMENTO NOS
TANQUES DO
ALIVIADOR
Falha na operao do
CARREGAMENTO ALM
sistema de
DE 98% DA CAPACIDADE
REMOTA
recebimento da carga
DO TANQUE
no aliviador
Atraso na operao
moderado
Ativar sistema de parada de emergncia

da transferncia e identificar causas
Possibilidade de
vazamento
Se houver vazamento chamar o barco de

manuteno e lavar a linha para
desconectar o mangote
Ruptura do mangote
Interromper operao de transferncia,

ativar sistema de parada de emergncia
Atraso na operao
severo, com
possibilidade de
vazamento caso a
operao prossiga
Se houver vazamento lavar a linha para

desconectar o mangote e chamar o barco
de manuteno
Interrupo ou reduo
na vazo de leo
recebida
Interrupo ou reduo
na vazo de leo
recebida
(B)
Utilizar rotinas de inspeo e

manuteno peridica
Possibilidade de Ruptura
dos tanques do aliviador
Possibilidade de
incndio caso ruptura
dos tanques
DESAMARRAO DO
NAVIO
Falha no sistema
hidrulico do comando
III
MDIO
II
III
III
MDIO
IV
IV
IV
MDIO
Efetuar check-list operacional

(B) antes incio offloading. Cumprir
fielmente o plano de carga.
Realizar procedimento para conteno do IV

vazamento
IV
IV
MDIO
POUCO PROVVEL Utilizar rotinas de inspeo e

(C)
manuteno peridica
III
III
MDIO
Realizar manuteno a bordo do

aliviador, se houver ruptura dos tanques
desamarrar e desconectar em
emergncia

Vazamento severo com da transferncia e identificar causas
possibilidade de
incndio
Vazamento
Falha mecnica
32
II

Vazamento severo caso
ruptura dos tanques
Possibilidade de
incndio caso ruptura
dos tanques
ABERTURA DO
MORDENTE DO
ALIVIADOR
II
Desconexo do Hawser
Realizar procedimento de verificao /

manuteno do sistema de recebimento
da carga
Interromper operao de transferncia

Atraso na operao
severo, com
possibilidade de
Desconectar mangote
prossiga
Executar procedimento de amarrao
III
214
Vazamento mangote
33
ABERTURA DAS
GARRAS
Utilizar rotinas rgidas de

POUCO PROVVEL
manuteno, com a utilizao de
(C)
roteiros (check list de atividades)
Incapacidade de
realizao da
transferncia
Atraso na operao
severo, com
possibilidade de
vazamento caso a
operao prossiga
Operao incorreta de
vlvulas do sistema de POUCO PROVVEL
transferncia do
(C)
aliviador
Incapacidade de
realizao da
transferncia
Atraso na operao
moderado
Incapacidade de
realizao da
transferncia
Atraso na operao
moderado
DESCONEXO DO
MANGOTE
Falha na manuteno
34
T
R
A
N
S
F
E
R
N
C
I
A
35
FECHAMENTO DA
COUPLE VALVE OU DA
INBOARD VALVE DO
ALIVIADOR EM
FUNO DE FALHA
HUMANA
FECHAMENTO DA
COUPLE VALVE OU DA
INBOARD VALVE DO
ALIVIADOR EM
FUNO DE FALHA NO
SISTEMA DE
TRANSFERNCIA DO
ERRO DE OPERAO,
HUMANA
Problema no sistema
de controle da vlvula
FALHA NO
EQUIPAMENTO
Falha no sistema
hidrulico do comando
Interromper operao de transferncia e

identificar causas
I
III
III
MDIO
II
II
MDIO
II
II
MDIO
III
III
III
MDIO
IV
IV
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
Aguardar a realizao de manuteno ou

realizar procedimento de desamarrao e
afastamento.

Realizar rotina de procedimento de
abertura novamente

POUCO PROVVEL
(C)
36
SOBRE TENSO NO
HAWSER
RUPTURA OU
DESCONEXO
Condies ambientais
desfavorveis
POUCO PROVVEL
No h
(C)
Ruptura do hawser
Possibilidade de
vazamento
Executar procedimento de desconexo,

produo (Ativar sistema de arada de
emergncia da transferncia)
Aguardar a substituio do Hawser
37
38
EXECUO DE
MANOBRAS
ARRISCADAS
MUDANA DAS
CONDIES
AMBIENTAIS
DEVIDO A PRESSO
COMERCIAL PARA
AMARRAR O NAVIO A
DE PRODUO
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
Falha da programao
FREQENTE
(E)
manobra
Erro de avaliao das
condies
meteorolgicas
Mudana inesperada
das condies
ambientais

DP
DP
PROVVEL
(D)
Observar as condies
rea de manobra

alinhamento com a
unidade de produo
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel

produo
215
Problema hidrulico
ou mecnico

39
FALHA M.C.A. DO
ALIVIADOR
PARADA DO SISTEMA
DIESEL-GERADOR
Falta de lubrificao

PROVVEL
(D)
Falha equipamento
T
R
A
N
S
F
E
R
N
C
I
A
Atraso na operao
mdio, com
possibilidade de
Executar procedimento de desconexo,
prossiga
produo (Ativar sistema de parada de
emergncia da transferncia)
III
NT NT NT
III
III
III
III
III
III
NT NT NT
NO
TOLERVEL
40
FALHA M.C.P. DO
ALIVIADOR

POUCO PROVVEL
(C)
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
PERDA
DA
POSIO
Problemas na gerao
Atraso na operao
mdio, com
possibilidade de
persistir
PROVVEL
(D)
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
Sobre tenso no Hawser
Falha na operao do
sistema de
REMOTA
recebimento da carga
no aliviador
FALHA NA OPERAO
ERRO DE OPERAO, NA
DO SISTEMA DE
OPERAO DE LAVAGEM
RECEBIMENTO DA
DO MANGOTE
CARGA
43
FALHA HUMANA NA
OPERAO DE
RECOLHIMENTO DO
MANGOTE
MENSAGEIRO DO
MANGOTE NO
CONECTADO NO
GUINCHO DE PROA DO
ALIVIADOR
Liberao
descontrolada do
mensageiro do
mangote
44
FALHA HUMANA NA
OPERAO DE
RECOLHIMENTO DO
HAWSER
MENSAGEIRO DO
HAWSER NO
CONECTADO NO
GUINCHO DE PROA DO
ALIVIADOR
Liberao
descontrolada do
mensageiro do hawser
MDIO


NO
TOLERVEL

42

Incapacidade de
manuteno de posio
Falha na manuteno
41
D
E
S
A
M
A
R
R
A
E O
III
Problema thruster
D
E
S
C
O
N
E
X
III
Rever procedimentos de
manuteno.
Contaminao da carga
com gua
No h
Interromper operao de lavagem do

mangote para realinhamento das vlvulas
TOLERVEL
PROVVEL
(D)
Rever procedimentos antes da

manobra
Possibilidade de
acidente envolvendo
tripulantes
Mangote abandonado
no mar
Solicitao de embarcao de apoio para

recolhimento do mangote
III
II
II
NT
NO
TOLERVEL
PROVVEL
(D)
Rever procedimentos antes da

manobra
Possibilidade de
acidente envolvendo
tripulantes
Hawser abandonado no Solicitao de embarcao de apoio para

mar
recolhimento do hawser
III
III
II
NT NT
NO
TOLERVEL
(B)
216
Falha na manuteno
SE TRAVA OU NO GIRA

transmisso de fludo
POUCO PROVVEL
(C)
Falha mecnica
No permite a liberao
do mensageiro
Atraso na operao
leve

Falta de lubrificao
46
FALHA M.C.A. DO
ALIVIADOR
PARADA DO SISTEMA
DIESEL-GERADOR
PROVVEL
(D)

Falha equipamento
FALHA M.C.P. DO
ALIVIADOR

POUCO PROVVEL
(C)
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
D
E
S
A
M
A
R
R
A
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
47

Problema thruster
48
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
PERDA
DA
POSIO
Falha na manuteno
Problemas na gerao
PROVVEL
(D)
49
50
DEVIDO A PRESSO
COMERCIAL PARA
AMARRAR O NAVIO A
DE PRODUO
MUDANA DAS
CONDIES
AMBIENTAIS
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
Falha da programao
FREQENTE
(E)

PROVVEL
(D)
Observar as condies
rea de manobra
manobra
Erro de avaliao das
condies
meteorolgicas
Mudana inesperada
das condies
ambientais
Atraso na operao
mdio, com
possibilidade de
persistir
Incapacidade de
manuteno de posio
Possibilidade de
coliso com impacto
mdio, seguido de
incndio
DP
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel

EXECUO DE
MANOBRAS
ARRISCADAS
DP
alinhamento com a
unidade de produo
TOLERVEL
III
III
III NT NT NT
III
III
III
III
III
III NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
Realizar operao de desconexo de

emergncia
Falha na manuteno
D
E
S
C
O
N
E
X
Interromper a operao de desconexo

ou desamarrao at a realizao da
manuteno
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel

produo, usando os thruster que tem
gerao independente
NO
TOLERVEL

emergncia
M
MDIO

emergncia


produo
217
45
FALHA GUINCHO DE
PROA DO ALIVIADOR
Falha na alimentao
vapor ou presso
hidrulica
PARADA DO SISTEMA
DIESEL-GERADOR
Falta de lubrificao
PROVVEL
(D)
Falha equipamento
Possibilidade de
Falha bombas hidrulicas coliso com impacto
mdio, seguido de
incndio

produo
NO
TOLERVEL
III
III
III NT NT NT
III
III
III
III
III
III NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
IV
IV
IV
NT NT NT
NO
TOLERVEL
III
III
III

52
FALHA M.C.P. DO
ALIVIADOR

POUCO PROVVEL
(C)
PARADA DO MOTOR
COMBUSTO
Falha no Cilindro
Problema thruster
A
F
A
S
T
A
M
E
N
T
O
53
54
55
56
FALHA SISTEMA DE
POCISIONAMENTO
DINMICO
EXECUO DE
MANOBRAS
ARRISCADAS
MUDANA DAS
CONDIES
AMBIENTAIS

Falha na manuteno
PROVVEL
(D)
PERDA DA POSIO
Problemas na gerao

DEVIDO A PRESSO Falha da programao

COMERCIAL PARA
AMARRAR O NAVIO A
DE PRODUO
manobra
MUDANA DE
FAVORVEL PARA
DESFAVORVEL
INCAPACIDADE DE
PERDA DO SISTEMA DE
OPERAR O SISTEMA DE
GOVERNO
GOVERNO DO NAVIO
FREQENTE
(E)
Erro de avaliao das

condies
meteorolgicas
Mudana inesperada
das condies
ambientais
Falha na manuteno

Possibilidade de
Capacidade limitada para
coliso com impacto
realizar a operao de
mdio, seguido de
afastamento
incndio
DP
DP
PROVVEL
(D)
Observar as condies
rea de manobra
Possibilidade de
coliso com impacto
mdio, seguido de
incndio

alinhamento com a
unidade de produo

POUCO PROVVEL
Navio aliviador sem
(C)
governo
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
alto, seguida de
incndio em condio
ambiental
desfavorvel
Possibilidade de
coliso com impacto
mdio, seguido de
incndio


produo utilizando o MCP e thrusters
MDIO

produo
Solicitar o rebocador para afastar o navio

das proximidades do terminal
MDIO
218

FALHA M.C.A. DO
ALIVIADOR
Falha na manuteno
51
APNDICE C CLCULO DE PROBABILIDADE DO EVENTO DE PERIGO:

FALHA NO MCP
Para calcular a probabilidade do evento de perigo Falha no MCP foram usadasas taxas de
falha, E[P0()], e o desvio padro, [P0()], para os eventos bsicos da rvore de falha, mostrados
na Figura 5.16, foram selecionadas das bases de dados NPRD, (1995); LEE, (1996); SMITH,
(2000); OREDA, (2002). A partir destes dados selecionou-se a distribuio Gama como uma
apropriada distribuio a priori e usando a eq. (5.2) bem como o procedimento explicado em
detalhe na seco 5.3 encontrou-se que a mdia da taxa de falha a posteriori, P(|E), para
todos os eventos bsicos e so apresentados nas Tabelas C.1 C.7.
Assim, usando as probabilidades a posteriori como entradas e considerando
independncia entre os eventos foi calculada a probabilidade de falha de cada subsistema do
MCP, estes clculos foram realizados para um tempo de 43800 horas, usando o programa
Saphire (SAPHIRE, 1997). Os resultados so apresentados na Tabela C.8.
Tabela C.1. Taxas de falha e Desvio Padro para Eventos Bsicos da Falha do Sistema de Resfriamento (NPRD,
1995; LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
E[P0 (
)] [P0 (
)]
[falha/h] [falha/h]
P(
|E)
Equipamento
)]
E[P0(
)] [P0(
[falha/h] [falha/h]
P[
|E]
Bomba abastecimento 7.36E-04 1.20E-04 3.95E-04 Tubulao (Ruptura)
3.70E-07 6.18E-07 3.54E-07
Motor Bomba
1.13E-04 2.81E-05 8.62E-05 Trocador de Calor
3.30E-05 3.30E-05 1.35E-05
Tubulao
(Vazamento)

(Obstruo)
2.34E-04 2.34E-04 2.08E-05
Tabela C.2. Taxas de falha e Desvio Padro para Eventos Bsicos da Falha no Sistema de gua Salgada (NPRD,
1995; LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
Filtro
E[P0 (
)] [P0 (
)]
[falha/h] [falha/h]
P(
|E)
Equipamento
2.00E-06 2.00E-06 1.84E-06 Caixa de gua
E[P0(
)] [P0(
)]
[falha/h] [falha/h]
P[
|E]
2.13E-04 2.13E-04 2.06E-05
Bomba abastecimento 7.36E-04 1.20E-04 3.95E-04 Motor Bomba
1.13E-04 2.81E-05 8.62E-05
Tubulao (Ruptura)
4.40E-07 9.57E-07 4.03E-07
3.70E-07 6.18E-07 3.54E-07 Tubulao

(Vazamento)
194
CLCULO DE PROBABILIDADE DO EVENTO DE PERIGO: FALHA NO MCP
Tabela C.3. Taxas de falha e Desvio Padro para Eventos Bsicos da Falha do Sistema de Partida (NPRD, 1995;
LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
Tubulao (Ruptura)
Tubulao
(Vazamento)
)]
E[P0 (
)] [P0 (
[falha/h] [falha/h]
P(
|E)
Equipamento
3.70E-07 6.18E-07 3.54E-07 Ampolas

(Vazamento)
4.40E-07 9.57E-07 4.03E-07 Compressores
E[P0(
)] [P0(
)]
[falha/h] [falha/h]
P[
|E]
4.08E-05 4.08E-05 1.46E-05

1.22E-04 1.22E-04 1.92E-05
Tabela C.4. Taxas de falha e Desvio Padro para Eventos Bsicos da Falha da Perda de Controle de Velocidade
(NPRD, 1995; LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
)]
E[P0 (
)] [P0 (
[falha/h] [falha/h]
P(
|E)
Equipamento
)]
E[P0(
)] [P0(
[falha/h] [falha/h]
P[
|E]
Aquecedores
4.54E-05 3.74E-05 1.93E-05 Sedimentao
4.37E-04 6.26E-04 1.08E-05
Bico Injetor
(Obstruo)
Bico injetor (quebra)
7.24E-06 1.02E-05 4.43E-06 Sistema VIT
2.06E-07 2.06E-07 2.04E-07
2.00E-07 2.00E-07 1.98E-07 Tanque de retorno
9.50E-06 9.11E-06 6.87E-06
Bomba abastecimento 7.36E-04 1.20E-04 3.95E-04 Tanque de

sedimentao
Bomba Centrfuga
7.36E-04 1.20E-04 3.95E-04 Tanque de servio
6.26E-05 1.12E-04 6.43E-06

9.50E-06 9.11E-06 6.87E-06
Bomba injetora
1.43E-03 1.13E-03 3.55E-05 Tanque principal
2.13E-04 2.13E-04 2.06E-05
Bombas Auxiliares
1.10E-03 1.10E-03 2.24E-05 Tubulao

(Obstruo)
1.69E-05 5.94E-06 1.55E-05 Tubulao
(Vazamento)
3.00E-05 3.00E-05 1.30E-05 Vlvula 3 vias
3.70E-07 6.18E-07 3.54E-07
2.28E-05 1.50E-05 1.59E-05
2.00E-06 2.00E-06 1.84E-06 Vlvula Bypass
2.28E-05 1.50E-05 1.59E-05
Medidor de fluxo
1.32E-05 3.26E-06 1.27E-05 Vlvula Check
3.60E-07 5.10E-07 3.49E-07
Motor Bomba
Centrfuga
Regulador de
viscosidade
1.13E-04 2.81E-05 8.62E-05 Vlvula reguladora de 8.81E-06 1.25E-05 4.98E-06

presso
6.39E-06 8.96E-06 4.12E-06 Sedimentao
4.37E-04 6.26E-04 1.08E-05
Centrfuga
Eixo de Comando
Bomba Injeo
Filtro
4.40E-07 9.57E-07 4.03E-07
Tabela C.5. Taxas de falha e Desvio Padro para Eventos Bsicos da Falha do Sistema de Lubrificao (NPRD,
1995; LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
E[P0(
)] [P0(
)]
[falha/h] [falha/h]
P(
|E)
Equipamento
E[P0(
)] [P0 (
)]
[falha/h] [falha/h]
P[
|E]
Bomba abastecimento
7.36E-04 1.20E-04 3.95E-04 Tubulao (Ruptura)
3.70E-07 6.18E-07 3.54E-07
Motor Bomba
3.30E-05 3.30E-05 1.35E-05
Tubulao
(Vazamento)

(Obstruo)
2.34E-04 2.34E-04 2.08E-05
195
Tabela C.6. Taxas de falha e Desvio Padro para Eventos Bsicos da Perda de Desempenho (NPRD, 1995; LEE,
1996; SMITH, 2000; OREDA, 2002).
Equipamento
E[P0 (
)] [P0 (
)]
[falha/h] [falha/h]
P(
|E)
Equipamento
E[P0(
)] [P0(
)]
[falha/h] [falha/h]
P[
|E]
Aquecedores
4.54E-05 3.74E-05 1.93E-05 Sedimentao
4.37E-04 6.26E-04 1.08E-05
Bico Injetor
(Obstruo)
7.24E-06 1.02E-05 4.43E-06 Sistema VIT
2.06E-07 2.06E-07 2.04E-07
9.50E-06 9.11E-06 6.87E-06

sedimentao
Bomba Centrfuga
6.26E-05 1.12E-04 6.43E-06

9.50E-06 9.11E-06 6.87E-06
Bomba injetora
2.13E-04 2.13E-04 2.06E-05
Bombas Auxiliares
1.10E-03 1.10E-03 2.24E-05 Tubulao

(Obstruo)
1.69E-05 5.94E-06 1.55E-05 Tubulao
(Vazamento)
3.00E-05 3.00E-05 1.30E-05 Vlvula 3 vias
3.70E-07 6.18E-07 3.54E-07
Centrfuga
Eixo de Comando
Bomba Injeo
Filtro
4.40E-07 9.57E-07 4.03E-07

2.28E-05 1.50E-05 1.59E-05
2.28E-05 1.50E-05 1.59E-05
Medidor de fluxo
1.32E-05 3.26E-06 1.27E-05 Vlvula Check
3.60E-07 5.10E-07 3.49E-07
Motor Bomba
Centrfuga
Regulador de
viscosidade

presso
6.39E-06 8.96E-06 4.12E-06 Sedimentao
4.37E-04 6.26E-04 1.08E-05
Tabela C.7 Taxas de falha e Desvio Padro para Eventos Bsicos da Falha do Sistema de Injeo de Combustvel
(NPRD, 1995; LEE, 1996; SMITH, 2000; OREDA, 2002).
Equipamento
E[P0 (
)] [P0 (
)]
[falha/h] [falha/h]
P(
|E)
Equipamento
)]
E[P0(
)] [P0(
[falha/h] [falha/h]
P[
|E]
Aquecedores
4.54E-05 3.74E-05 1.93E-05 Sedimentao
4.37E-04 6.26E-04 1.08E-05
Bico Injetor
(Obstruo)
7.24E-06 1.02E-05 4.43E-06 Sistema VIT
2.06E-07 2.06E-07 2.04E-07
9.50E-06 9.11E-06 6.87E-06

sedimentao
Bomba Centrfuga
6.26E-05 1.12E-04 6.43E-06

9.50E-06 9.11E-06 6.87E-06
Bomba injetora
2.13E-04 2.13E-04 2.06E-05
Bombas Auxiliares
3.70E-07 6.18E-07 3.54E-07
Eixo de Comando
Bomba Injeo
Centrfuga
1.10E-03 1.10E-03 2.24E-05 Tubulao

(Obstruo)
3.00E-05 3.00E-05 1.30E-05 Tubulao
(Vazamento)
1.69E-05 5.94E-06 1.55E-05 Vlvula 3 vias
2.28E-05 1.50E-05 1.59E-05
Filtro
2.28E-05 1.50E-05 1.59E-05
Medidor de fluxo
1.32E-05 3.26E-06 1.27E-05 Vlvula Check
3.60E-07 5.10E-07 3.49E-07
Motor Bomba
Centrfuga
Regulador de
viscosidade

presso
6.39E-06 8.96E-06 4.12E-06 Sedimentao
4.37E-04 6.26E-04 1.08E-05
4.40E-07 9.57E-07 4.03E-07
196
Tabela C.8. Clculo de Probabilidade de Falha dos subsistemas do MCP.

Evento de Falha
Probabilidade
Falha no Sistema de Resfriamento
4.54E-05
Falha no Sistema de gua Salgada
7.24E-06
Falha no Sistema de Partida
2.00E-07
Perda de Controle de Velocidade
7.36E-04
Falha do Sistema de Lubrificao
1.91E-02
Perda de desempenho
1.43E-03
Falha no Sistema de Injeo de Combustvel
1.69E-05
Com as probabilidades de falha, de cada um dos eventos de segundo nvel, calculadas e

usando o fato que a porta lgica que une a falha dos subsistemas falha do MCP uma OU
ento a probabilidade de que falhe o MCP em um tempo de 43800 horas : 0.021.
197
APNDICE D RESULTADOS DA SIMULAO
Este apndice apresenta os grficos dos resultados das simulaes de cada uma das
condies. Primeiro se apresenta a condio ambiental e de amarrao simulada,
posteriormente aparece aovimentao do navio aliviador durante a simulao, e um
histograma de frequncia referente posio angular da posio relativa entre o FPSO e o
navio aliviador. Na segunda linha dos grficos aparece o comportamento dos quatro thrusters,
e finalmente, na ltima linha aparece o comportamento da posio no tempo e da tenso no
hawser.
198
Figura 7.1 Comportamento Aliviador-FPSO condio ambiental I, Navio Alividador (100%), Alvio de Proa, Sem Falhas
199
Figura 7.2 Comportamento Aliviador-FPSO condio ambiental I, Navio Alividador (100%), Alvio de Popa, Sem Falhas
200
Figura 7.3 Comportamento Aliviador-FPSO condio ambiental II, Navio Alividador (100%), Alvio de Proa, Sem Falhas
201
Figura 7.4 Comportamento Aliviador-FPSO condio ambiental II, Navio Alividador (100%), Alvio de Popa Sem Falhas
RESULTADOS DA SIMULAO
202

Figura D.1 Comportamento Aliviador-FPSO condio ambiental I, Navio Aliviador (100%), Alvio de Proa, Falha DP
203

Figura D.2 Comportamento Aliviador-FPSO condio ambiental I, Navio Aliviador (100%), Alvio de Proa, Falha DP e MCP
204

Figura D.3 Comportamento Aliviador-FPSO condio ambiental II, Navio Aliviador (100%), Alvio de Proa, Falha DP
205

Figura D.4 Comportamento Aliviador-FPSO condio ambiental II, Navio Aliviador (100%), Alvio de Proa, Falha DP e MCP
206

Figura D.5 Comportamento Aliviador-FPSO condio ambiental I, Navio Aliviador (100%), Alvio de Popa, Falha DP
207

Figura D.5 Comportamento Aliviador-FPSO condio ambiental I, Navio Aliviador (100%), Alvio de Popa, Falha DP e MCP
208

Figura D.6 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Proa, Falha DP e MCP
209

Figura D.6 Comportamento Aliviador-FPSO condio ambiental II, FPSO (100%), Alvio de Popa, Falha DP e MCP
210

Figura D.6 Comportamento Aliviador-FPSO condio ambiental II, Navio Aliviador (100%), Alvio de Popa, Falha DP e MCP
APNDICE E CDIGOS EM R E EM MATLAB
E.1.
CDIGO EM R PARA CALCULAR A DISTRIBUIO DE PROBABILIDADE DO

ALIVIADOR ESTAR EM UM ESTADO
### Leitura dados ###

FPSO_ALIV=read.table('C:/Documents and Settings/IFPSOcheio_SemFalha.txt',
header = T)
attach(FPSO_ALIV)
### "Calcular o ngulo entre FPSO e Aliviador ###
X_C1_FPSO=X_C1_FPSO+(160*cos(59.74*pi/180))
Y_C1_FPSO=Y_C1_FPSO+(160*sin(59.74*pi/180))
a=as.matrix(X_C1_FPSO)
b=as.matrix(Y_C1_FPSO)
posFPSO=atan2(b, a)
RaioFPSO=(X_C1_FPSO^2+Y_C1_FPSO^2)^0.5
ProaFPSO=RaioFPSO+160
XProaFPSO=ProaFPSO*cos(posFPSO)
YProaFPSO=ProaFPSO*sin(posFPSO)
c=as.matrix(X_C1_ALIV)
d=as.matrix(Y_C1_ALIV)
posALIV=atan2(d, c)
RaioALIV=(X_C1_ALIV^2+Y_C1_ALIV^2)^0.5
ProaALIV=RaioALIV-131
XProaALIV=ProaALIV*cos(posALIV)
YProaALIV=ProaALIV*sin(posALIV)
##"Calcular o ngulo entre FPSO E ALIVIADOR > 45 SAI ZONA DE OPERAO"##
Posiao=(posFPSO - posALIV)
angFPSO_ALIV= Posiao*180/pi
angFPSO_ALIV=abs(angFPSO_ALIV[0:2500]-180)
plot(angFPSO_ALIV)
hist(angFPSO_ALIV, main = "Histograma Angulo entre Aliviador e FPSO durante
Alvio Aliviador vazio, FSPO cheio- Condio Ambiental 1, Alvio de Proa",
xlab="Posio (Graus)", ylab="Frequncia")
prueba=angFPSO_ALIV
library(MASS)
fitdistr(prueba,"weibull")
a=scale
b=shape
###Teste de bondade de ajuste shape e scale vem do ajuste###
x<-seq(0,10,0.1)
plot(x,pweibull(x,scale=a,shape=b),type="l",col="red")
plot(ecdf(prueba),add=TRUE)
ks.test(prueba,"pweibull", shape=a,scale=b)
CDIGOS EM R E EM MATLAB
E.2.
212
CDIGO E MATLAB PARA CALCULAR A PROBABILIDADE DO ALIVIADOR

ESTAR EM UM ESTADO DE OPERAO
clear all
%********************************
% Tempo para a Anlise
%********************************
ti=0;
tf=45;
dt=0.1;
%********************************
Aa=[1;0];
num_el=(tf-ti)/dt;
Lav=zeros(1,num_el);
Uav=zeros(1,num_el);
A0=zeros(1,num_el);
A1=zeros(1,num_el);
%Variveis
n=1;
tempo=ti:dt:tf;
for t=ti:dt:tf
tmed=(t+t+dt)/2;
La= 0.024474 * ((tmed)^(0.641165)) ;
Ua= 6.1e-16 * ((tmed)^(9.997756)) ;
M=[(1-La*dt) (Ua*dt);
(La*dt) (1-Ua*dt)];
A=M*Aa;
Aa=A;
%Vectores
Lav(n)=La;
Uav(n)=Ua;
A0(n)=A(1);
A1(n)=A(2);
n=n+1;
end
figure
title 'Probabilidade Estado S0'
xlabel 'tempo'
ylabel 'A0'
plot(tiempo,A0);
figure
title 'Probabilidade Estado S1'
xlabel 'tempo'
ylabel 'A1'
plot(tempo,A1);
display 'PROGRAMA FINALIZADO'
clear all
E.3.
CDIGO EM MATLAB DE VALIDAO DO ALGORITMO RECORRENTE
clear all
%********************************
% Tempo para a Anlise
%********************************
ti=0;
tf=45;
dt=; %para dt=0.1; dt=1 ; dt=2; dt=5
213
escalaL=37158.87;
formaL=1.0;
escalaU=23449.61;
formaU=1.0;
%********************************
Aa=[1;0];
num_el=(tf-ti)/dt;
Lav=zeros(1,num_el);
Uav=zeros(1,num_el);
A0=zeros(1,num_el);
A1=zeros(1,num_el);
P0=zeros(1,num_el);
P1=zeros(1,num_el);
PLav=zeros(1,num_el);
PUav=zeros(1,num_el);
%Variveis
n=1;
tempo=ti:dt:tf;
for t=ti:dt:tf
tmed=(t+t+dt)/2;
La= (formaL/escalaL) * ((tmed/escalaL)^(formaL-1)) ;
Ua= (formaU/escalaU) * ((tmed/escalaU)^(formaU-1)) ;
M=[(1-La*dt) (Ua*dt);
(La*dt) (1-Ua*dt)];
A=M*Aa;
Aa=A;
%Vectores
Lav(n)=La;
Uav(n)=Ua;
A0(n)=A(1);
A1(n)=A(2);
K=[(1-28.5e-6*dt) (45.4e-6*dt);
(28.5e-6*dt) (1-45.4e-6*dt)];
P=K*Aa;
Aa=P;
%Vectores
PLav(n)=28.5e-6;
PUav(n)=45.4e-6;
P0(n)=P(1);
P1(n)=P(2);
n=n+1;
end
%n=1:50:451 %para dt=0.1
%n=1:50:46 %para dt=1
%n=1:2:23 %para dt=2
%Vectores
H0=A0(n);
H1=A1(n);
W0=P0(n);
W1=P1(n);
x=1:50/12:50
214
plot(x,H0,'-ro',x,W0,'-.b')
set(gca,'XTickLabel',{'0','5','10','15','20','25','30','35','40','45',''})
xlabel ('\Theta')
ylabel ('Probabilidade de estar em S1')
ylim([0.997 1])
hleg1 = legend('Algoritmo Recorrente','Validao');
x=1:50/12:50
plot(x,H1,'-ro',x,W1,'-.b')
set(gca,'XTickLabel',{'0','5','10','15','20','25','30','35','40','45',''})
xlabel ('\Theta')
ylabel ('Probabilidade de estar em S2')
ylim([0 0.003])
hleg1 = legend('Algoritmo Recorrente','Validao');
APNDICE F AVALIAO RVORE DE DECISO
F.1.
RVORE DE DECISO SOBRE INTERROMPER OU CONTINUAR COM A

OPERAO DE OFFLOADING QUANDO O NAVIO ALIVIADOR EST FORA DA
REA DE OPERAO E ACONTECE UMA SEQUNCIA ACIDENTAL
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
0.00030332
0.00010792
2.94327E-05
0.171650579
9.81089E-06
0.002103619
7.52169E-05
0.241399493
ESTADO
S1
S2
Sem Falha
INTERROMPER
0.999629
0.999868
0.999964
0.790049
0.999988
0.997427
0.999908
0.704736
CONTINUAR
CONTINUAR
CONTINUAR
CONTINUAR
CONTINUAR
CONTINUAR
CONTINUAR
CONTINUAR
AVALIAO RVORE DE DECISO

CONTINUAR
IProaC1
S1
S2
DECISAO
CONTINUAR
0.272795969
0.27282415
0.790134324
0.684281894
0.273149407
0.272848331
0.598413969
0.555024029
S1
S2
Falha DP
INTERROMPER
0.941429757
0.94140622
0.271689627
0.408724935
0.940972201
0.941361971
0.519888537
0.576060642
S1
S2
DECISAO
CONTINUAR
CONTINUAR
0.941474123
CONTINUAR
0.941476113
INTERROMPER INTERROMPER CONTINUAR
0.998634584
0.997947142
0.947297108
CONTINUAR
0.941483716
INTERROMPER CONTINUAR
0.997922971
0.988564138
S1
S2
Falha DP + MCP
INTERROMPER
1.24905E-06
2.24828E-05
0.609963395
0.602617749
0.062137594
0.000113663
0.60235982
0.502492886
S1
S2
DECISAO
INTERROMPER INTERROMPER INTERROMPER INTERROMPER INTERROMPER INTERROMPER INTERROMPER INTERROMPER
216
S1
S2
S1
S2
S1
S2
S1
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
0.999629
0.999868
0.999964
0.790049
0.999988
0.997427
0.000371
0.999629
0.000371
0.999953
0.000047
0.999953
0.000132
0.999868
0.000132
0.999928
0.000082
0.999928
0.000036
0.999964
0.000036
0.288579
0.711421
0.288579
0.209951
0.790049
0.209951
0.434133
0.565867
0.434133
0.000012
0.999988
0.000012
0.999467
0.000533
0.999467
0.002573
0.997427
0.002573
0.999881
0.000119
0.999881
IIPopaC1 IIPopaC2
0.999908
0.000092
0.999908
0.000092
0.552207
0.447793
0.552207
0.704736
CONSEQUNCIA
FUNCAO
UTILIDADE
0.295263
Interromper a operao at as condies

melhorem
0.817574476
0.5
0.704736
Perde a possibilidade de ter o offloading

com sucesso
0.295263

desfavorveis)
0.611871
Offloading pode ser finalizado com

precaues
0.272761789
0.1
0.388129
Desconexo de emergncia. Abortar a

operao
0.611871
Perde a possibilidade de finalizar o

offloading
Deciso Correta (Evitou-se desconexo
de emergncia)
S2
0.000047
0.000082
0.711421
0.565867
0.000533
0.000119
0.447793
0.388129
S1
0.999998
0.999964
0.023313
0.035076
0.900504
0.999817
0.035489
0.195398 mdio

ESTADO
0.941474006 0.75
0
Possibilidade de coliso com impacto
S2
0.000002
0.000036
0.976686
0.964924
0.099496
0.000182
0.964511
0.804602
S1
0.999998
0.999964
0.023313
0.035076
0.900504
0.999817
0.035489
0.195398
S2
0.000002
0.000036
0.976686
0.964924
0.099496
0.000182
0.964511
0.804602

alto
Deciso Correta (No haver perda)
baixo
0.941474006 0.75
1
0.624523536
0.3
217
F.2.
RVORE DE DECISO SOBRE INTERROMPER OU CONTINUAR COM A

OPERAO DE OFFLOADING QUANDO UMA SEQUNCIA ACIDENTAL
OCORRE DADA UMA MUDANA DE ESTADO
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
CONTINUAR
CONTINUAR
CONTINUAR
INTERROMPER CONTINUAR
CONTINUAR
CONTINUAR
INTERROMPER
CONTINUAR 0.7320093 0.731981 0.7319701 0.7568158 0.7319668 0.7322698 0.731977
Estado
Natureza
IProaC1
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
P(S1)
0.999629
0.999868
0.999964
0.790049
0.999988
0.997427
0.999908
0.704736
1c
P(S2)
0.000371
0.000132
0.000036
0.209951
0.000012
0.002573
0.000092
0.295263
2c
P(S1)
0.999629
0.999868
0.999964
0.790049
0.999988
0.997427
0.999908
0.704736
1I
P(S2)
0.000371
0.000132
0.000036
0.209951
0.000012
0.002573
0.000092
0.295263
2I

DECISAO
0.766904
INTERROMPER 0.8980546 0.8982693 0.8983699 0.7100305 0.8983773 0.8960764 0.8983254 0.6332521
219
IProaC1
IProaC2
IPopaC1
IPopaC2 IIProaC1 IIProaC2 IIPopaC1 IIPopaC2
Estado Natureza
P(Sem Falha)
1c
0.73196536 0.73196536 0.73196536 0.73196536 0.73196536 0.73196536 0.73196536 0.73196536
P(Falha DP)

P(Falha DP+MCP)
P(Sem Falha|S12)
2c
0.85028496 0.85028481 0.86464232 0.85032833 0.85143039 0.85028388 0.85855959 0.85029848
P(Falha DP|S12)
P(Falha DP+MCP|S12)
P(Sem Falha)
1I
0.89838788 0.89838788 0.89838788 0.89838788 0.89838788 0.89838788 0.89838788 0.89838788
P(Falha DP)
P(Falha DP+MCP)
P(Sem Falha|S12)
2I
5.0999E-05 4.386E-05 0.39949039 0.00123885 0.01732659 1.8958E-05 0.21889441 0.00042621
P(Falha DP|S12)
220
P(Falha DP+MCP|S12)
IProaC2
IPopaC1
IPopaC2
IIProaC1
IIProaC2
IIPopaC1
IIPopaC2
FUNCAO
UTILIDADE
0.55527917
0.25
0.62452354
0.30
0.95692451
0.80
0.8502832
0.55
0.87843586
0.63
0.902667076
0.65
Perde a possibilidade de
finalizar o offloading
0.850283199
0.58
Possibilidade de coliso
com impacto baixo
0.878435858
0.60
0.817574476
0.52
0.956924513
0.80
CONSEQUNCIAS
P(Sem Falha)
0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204
P(Falha DP)
0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 finalizado com precaues
Offloading pode ser
P(Falha DP+MCP)
P(Sem Falha|S12)
1.691E-06
1.691E-06
1.691E-06
1.691E-06
0.9999376 0.9999465 0.5122513 0.9984883
1.691E-06
1.691E-06
1.691E-06
1.691E-06
0.979611 0.9999769 0.7333422 0.9994796
com impacto mdio
Interromper a operao at
as condies melhorem
Desconexo de emergncia.
Abortar a operao
P(Falha DP|S12)
6.236E-05
5.268E-05 0.4825852 0.0014905 0.0156739
2.292E-05 0.2603297 0.0005153
P(Falha DP+MCP|S12)
1.157E-08
8.269E-07 0.0051635
2.282E-07 0.0063281
P(Sem Falha)
0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 0.9949204 o offloading com sucesso

Estado Natureza
IProaC1
2.121E-05 0.0047151
5.174E-06 com impacto alto

Perde a possibilidade de ter
P(Falha DP)
P(Falha DP+MCP)
0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581 0.0003581

1.691E-06
1.691E-06
1.691E-06
1.691E-06
1.691E-06
1.691E-06
1.691E-06
1.691E-06
0.979611 0.9999769 0.7333422 0.9994796

desfavorveis)
0.9999376 0.9999465 0.5122513 0.9984883
P(Falha DP|S12)
6.236E-05
5.268E-05 0.4825852 0.0014905 0.0156739
2.292E-05 0.2603297 0.0005153 emergncia
P(Falha DP+MCP|S12)
1.157E-08
8.269E-07 0.0051635
2.282E-07 0.0063281
Evitou-se desconexo de
2.121E-05 0.0047151
5.174E-06 com impacto mdio
221
P(Sem Falha|S12)
ANEXO A
CARACTERSTICAS DO NAVIO ALIVIADOR SUEZMAX DP E
DA PLATAFORMA FPSO USADOS NA SIMULAO
Na simulao foi considerado um FPSO do tipo VLCC com amarrao Spread Mooring
(SMS), com carregamento total (100%) ou em condio lastrado, e um navio aliviador (Max
175.000 TPB), Stavanger, classe SuezMax com Sistema DP1 (Enhanced). As caractersticas
principais so dadas na Tabela A1
Tabela A.1 Caractersticas principais do FPSO e Navio Aliviador
Navio Aliviador
Condio
Condio
Lastro
Lastro
Comprimento Total LOA (m)
FPSO
Condio
Condio
carregada
carregada
337,3
Comprimento entre perpendiculares LBP (m)
320,0
258
Boca (m)
54,5
46
Pontal (m)
27,0
24,4
Propriedade
269
Calado (m)
27,0
17,5
17,5
9,0
Deslocamento (ton.)
310720
175170
175170
127510
O navio aliviador utilizado dotado de 4 propulsores e um leme, conforme a Tabela A.2.

Tabela A.2 - Dados dos Propulsores e Leme do Aliviador Suezmax
Propulsor
1- Tunnel Thruster Bow
2- Azimuth Stern Thruster
3- Azimuth Bow Thruster
4- Main Propeller
Posio em
relao Meia
Nau
x=123m y=0m
x=-119m y=0m
x=119m y=0m
x=-129m y=0m
Empuxo mximo
Potncia
+/-31tonf
+38tonf ; -24tonf
+38tonf ; -24tonf
+211tonf ; -135tonf
2200kW
2200kW
2200kW
18.881kW

TesedeDoutoradoFinal 2012 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TesedeDoutoradoFinal 2012 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

CARMEN ELENA PATINO RODRGUEZ

ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE

Tese de Doutorado apresentado Escola Politcnica da

CARMEN ELENA PATINO RODRGUEZ

ANLISE DE RISCO EM OPERAES DE OFFLOADING UM MODELO DE

Tese de Doutorado apresentado Escola Politcnica da

Carmen Elena Patio Rodrguez

Gilberto Francisco Martha de Souza

Patio Rodriguez, Carmen Elena

Figura 2.1 Relao entre perigo e acidente (ERICSON, 2005). ............................................ 20

Figura 4.11 Fluxograma modelo matemtico.................................................................... 78

Figura 5.22 Comportamento Aliviador-FPSO condio ambiental I, FPSO (100%),

Figura 5.38 a) Probabilidade da consequncia B acontecer dado que o navio aliviador

Figura 6.14 Anlise de sensibilidade do ramo 1 para continuar a operao de offloading

Figura 6.25 Anlise de sensibilidade do ramo 1 para interromper a operao de

Tabela 2.2 Classificao da frequncia de ocorrncia de eventos de perigo (CORREA

LISTA DE ABREVIATURAS E SIGLAS

Differentiated Anchoring System

Posicionamento Dinmico (Dynamic Positioning)

Event Tree Analysis

Failure Modes and Effect Analysis

Floating Production Storage and Offloading

Formal Safety Assessment

Fault Tree Analysis

Gas Natural Liquefeito

Health and Safety Executive

Maritime Organization International

Motor de Combusto Auxiliar

Motor de Combusto Principal

Tempo mdio at a falha

Preliminary Hazard Analysis

Probabilistic Risk Analysis

Quantitive Risk Analysis

Tanque de Provas Numrico

Funo densidade de probabilidade

Funo Acumulada da densidade de probabilidade

Funo Taxa de falha

Taxa de transio entre dois estados

Probabilidade de transio entre dois estados i e j

Funo de distribuio a priori

Funo de distribuio a posteriori

Probabilidade do sistema estar no estado i no tempo t

Probabilidade de que o sistema esteja em um estado especfico, Si, de operao,

Probabilidade de que os cenrios de falha conduzam a uma consequncia Ki.

Estados que um sistema pode assumir no tempo t

1.1. Consideraes Iniciais ........................................................................................................ 1

AVALIAO PROBABILSTICA DO RISCO ............................................................... 8

2.1. Consideraes Iniciais ........................................................................................................ 8

FUNDAMENTOS DE ESTIMAO E INFERNCIA PROBABILSTICA

3.1. Consideraes Iniciais ..................................................................................................... 38

3.3.2. Processo Semi-Markov ....................................................................................................... 55

PROPOSTA DE MODELO DE AVALIAO PROBABILSTICA DE RISCO

4.1. Consideraes Iniciais ..................................................................................................... 62

APLICAO DO MODELO DE AVALIAO PROBABILSTICA

5.1. Consideraes Iniciais ..................................................................................................... 87

5.4. Avaliao das Consequncias na Operao de Offloading .................................. 112

VALIDAO DO MODELO E DOS RESULTADOS............................................... 147

6.1. Consideraes Iniciais ................................................................................................... 147

CONCLUSES E RECOMENDAES PARA TRABALHOS FUTUROS ............ 178

APNDICE A DESCRIO DE OPERAO DO MOTOR DE COMBUSTO PRINCIPAL

F.1. rvore de Deciso sobre Interromper ou Continuar com a Operao de

CARACTERSTICAS DO NAVIO ALIVIADOR SUEZMAX DP E DA

A ocorrncia de acidentes em sistemas complexos como, por exemplo, plataformas de