Você está na página 1de 358

FRANCISCO DE ASSIS BASILIO DE MORAES

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga


do navio-tanque em um terminal porturio especializado

So Paulo
2015
FRANCISCO DE ASSIS BASILIO DE MORAES

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga


do navio-tanque em um terminal porturio especializado

Dissertao apresentada Escola


Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Cincias

Orientador: Prof. Dr. Marcelo Ramos Martins

So Paulo
2015
FRANCISCO DE ASSIS BASILIO DE MORAES

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga


do navio-tanque em um terminal porturio especializado

Dissertao apresentada Escola


Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Cincias

rea de Concentrao: Engenharia Naval e


Ocenica

Orientador: Prof. Dr. Marcelo Ramos Martins

So Paulo
2015
Este exemplar foi revisado e alterado em relao verso original, sob responsabilidade nica do
autor e com a anuncia de seu orientador.

So Paulo, 06 de Abril de 2015.

Assinatura do autor

Assinatura do orientador

FICHA CATALOGRFICA

Moraes, Francisco de Assis Basilio de


Aplicao de redes Bayesianas na anlise de risco do pro-
cesso de descarga do navio-tanque em um terminal porturio
especializado / F.A.B. de Moraes. -- ed. rev. -- So Paulo, 2015.
358 p.

Dissertao (Mestrado) Escola Politcnica da Universidade


de So Paulo. Departamento de Engenharia Naval e Ocenica.

1.Anlise de risco 2.Redes Bayesianas 3.Navio tanque 4.Ter-


minal porturio especializado I.Universidade de So Paulo. Es-
cola Politcnica. Departamento de Engenharia Naval e Ocenica
II.t.
MORAES, F. A. B. DE. Ttulo: Aplicao de Redes Bayesianas na Anlise de Risco
do processo de descarga do navio-tanque em um terminal porturio especializado.
So Paulo. 2015. Ed. Rev. 358 pgs. (Mestrado) Escola Politcnica, Universidade de
So Paulo, So Paulo, 2015.
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Dedico este trabalho a minha esposa, Ana, e aos meus filhos, Gabriel e Rafael.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado VI
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

AGRADECIMENTOS

Agradeo aos meus pais por terem me ensinado o respeito ao prximo e ao


patrimnio alheio.

Agradeo a minha esposa, Ana Maria, pelos momentos que no pude estar ao seu
lado, na elaborao deste trabalho, bem como, pelo mesmo motivo, aos meus filhos
Gabriel e Rafael, minhas obras de maior envergadura, certo que viverei eternamente
neles, nos filhos deles, e assim por diante.

Agradeo ao meu orientador, Prof. Dr. Marcelo Ramos Martins, insigne professor e
engenheiro de escol, pela amizade, pela transmisso do conhecimento, inserindo-
me em complexa rea da engenharia, bem como pela pacincia em sanar as minhas
dvidas. Minha eterna gratido.

Agradeo aos meus professores, porque em cada palavra e em cada frase que
escrevo ou pronuncio h fragmentos do conhecimento transmitido por eles a minha
pessoa. E, neste ponto, agradeo especialmente para este trabalho, aos Profs. Drs.
Gilberto Francisco Martha de Souza e Fbio Gagliardi Cozman.

Agradeo aos amigos do Curso de Ps-Graduao strictu sensu do Departamento


de Engenharia Naval e Ocenica, Marcos Shoiti, Marcos Maturana, Mrcio Salazar,
Vitor, Maurcio Penteado, pelas sugestes e crticas.

Agradeo aos funcionrios do Departamento de Engenharia Naval e Ocenica, tanto


da Secretaria da Ps, na pessoa da Lnia, quanto do LabRisco na pessoa dos
tcnicos Rodolfo e Clber.

Por fim, agradeo a todos os profissionais e especialistas das Cias. tratadas nesta
dissertao, relacionadas ao objeto de estudo, em especial aos Comandantes
Aufingger e Roberto, bem como ao Eng. Francisco Barreto.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado VII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Of all things, good sense is the most fairly


distributed: everyone thinks he is so well
supplied with it that even those who are the
hardest to satisfy in every other respect
never desire more of it than they already
have. (Le Discours de la Mthode, Ren
Descartes, 1637)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado VIII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

RESUMO

Sistemas de transporte martimo so essenciais para o Comrcio Global, em


especial, navios-tanques e seus centros de carga e descarga de produtos lquidos
ou gasosos inflamveis; portanto, crucial entender como estes sistemas podem
falhar, para que seus operadores sejam capazes de manter a sua capacidade de
operao. preciso que cada e toda anlise quantitativa de risco compreenda
algumas das atividades bsicas que devem ser desenvolvidas, para permitir a
quantificao dos riscos envolvidos e associados, na operao do sistema ou do
processo. Basicamente, devem ser calculadas as probabilidades de ocorrncia dos
eventos indesejados identificados, bem como a magnitude de suas consequncias.
O objetivo deste trabalho aferir se a tcnica denominada Rede Bayesiana RB
a mais adequada, comparando-a com as tcnicas de rvores de falhas e de eventos,
para realizar uma Anlise de Risco da operao ou processo de descarga de
lquidos inflamveis, como etanol anidro e/ou produtos petrolferos, de um navio-
tanque para um terminal porturio especfico Terminal de Granis Lquidos TGL
com foco na interface entre dois sistemas: o navio e o porto, observado o elemento
humano, ou seja, o erro humano (Anlise da Confiabilidade Humana). Alm disso,
ser realizado um estudo das consequncias do vazamento de um lquido inflamvel
transportado pelo navio, olhando para o pior cenrio, a partir da ruptura da tubulao
ou do compartimento do navio-tanque. A anlise tem por base as recomendaes da
Organizao Internacional Martima OIM (em ingls, IMO). A OIM tem adotado a
Avaliao Formal da Segurana AFS (em ingls, Formal Safety Assessment
FSA), como seu modo oficial de receber as sugestes de seus membros para criar
ou modificar qualquer regulamentao correlacionada. Este processo composto de
cinco passos que a OIM descreve na guia AFS (IMO, 2002). Este trabalho ir
mostrar todas as etapas, mas ir focar, com especial ateno, a segunda etapa
Risk Assessment, porque ser aplicada ao caso sob anlise, envolvendo o
comportamento humano. Existem muitas tcnicas e muito trabalho envolvido na
estimao das probabilidades dos eventos. O mesmo ocorre para a avaliao de
suas consequncias. Uma vez definida a quantidade total de vazamento, um
software poder ser usado para calcular as consequncias. O mesmo ser feito para

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado IX
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

na Anlise de Risco, utilizando RB, e, neste ponto, o trabalho apresenta uma nova
contribuio.

Palavras-Chave: Anlise de Risco. Avaliao Formal da Segurana. Navio-tanque.


Terminal de Granis Lquidos. Redes Bayesianas.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado X
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ABSTRACT

Maritime transportation systems are essential for World Trade, in special, Tankers
ships and yours loading and unloading facilities; therefore, it is crucial to understand
how these systems may fail, to be able to maintain their capacity. It need that each
and every quantitative risk assessment comprises some basic activities that have to
be developed to allow the quantification of the risks involved in the operation of a
system or process. Basically, it must be estimated the likelihood of the identified
undesired events as well as the magnitude of their consequences. The objective of
this study is to assess if the technique called Bayesian Networks BN is the best
suited, with respect to the Fault Tree Analysis FTA and the Event Tree Analysis
ETA, to perform an Risk Analysis of the operation or process of unloading of
flammable bulk liquids, such as anhydrous ethanol and/or oil products, from a Tanker
to a port terminal specified the Bulk Liquid Terminal BLT, focusing on the
interface between the two systems: ship and port with the inclusion of the human
factor, i.e., human error: Human Reliability Analysis HRA. Furthermore, a
consequence analysis of a specific liquid bulk leakage will be performed, looking at
the worst scenario case, from the rupture of a pipeline or tank from a Tanker. The
analysis came from based on the recommendations of the International Maritime
Organization IMO. The IMO has adopted the FSA (Formal Safety Assessment) as
its official way of receiving suggestions of its members to create or modify any
regulation correlated. It is a process composed by five steps that IMO has described
in its Guidelines for FSA (IMO, 2002). This thesis will to show all steps, but will look
carefully to step two (Risk Assessment) because it will be applied in the example
situation, involving human behavior (HRA). There are many techniques and much
work involved in the estimation of the likelihood of the events. The same occurs for
the evaluation of their consequences. Once defined the total leaked quantity,
software will be used to calculate the consequences. The same will be done to Risk
Analysis, using BN, and at this point, the work is a new contribution.

Keywords: Risk Analysis. Formal Safety Assessment. Tanker. Bulk Liquid Terminal.
Bayesian Networks.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XI
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

LISTA DE ILUSTRAES

Percentual acumulado de derramamento de petrleo e


derivados de forma acidental no Mundo, ( 700 ton.) por
Figura 1 3
idade de navio, para diferentes dcadas extrado de
Burgherr et al. (2012).
Georreferncias de derramamento de petrleo e seus
derivados de forma acidental no Mundo ( 700 ton.) para
o perodo de 1970-2010, onde so representadas, por
tamanho, trs classes de derramamento. Para as
3
Figura 2 ecorregies martimas do Mundo (MEOW), mostrado
um ndice de risco, com base em diferentes medidas de
derramamento NA = no observado derramamento
extrado de Burgherr et al. (2012).
Acidentes ambientais na Baixada Santista So Paulo.
Figura 3 Destaque para o Terminal Martimo extrado de POFFO 7
et al. (2013) com adaptaes.
Correlao grfica entre o evento e, o espao amostral
, o conjunto dos reais, com as probabilidades associadas 21
Figura 4
a cada estado do evento e.
Tipos de consequncias dadas pelas ocorrncias
Figura 5 31
(CCPS-AIChE, 2008)
Processo de Anlise e Avaliao de Risco (extrado de
Figura 6 37
MARTINS, 2013).
Forma genrica da funo de distribuio acumulada

de falha F (t ) e da funo de confiabilidade R(t ) para


Figura 7 41
uma dada funo de distribuio (ou de densidade) de
probabilidade f (t ) (extrado de MARTINS, 2013).
Funo de densidade de probabilidade f (t ) e a relao
Figura 8 42
numrica com F (t ) e R(t )
Grfico da funo densidade de probabilidade (f.d.p.)
Figura 9 42
de uma distribuio triangular.
Grfico da funo densidade de probabilidade
Figura 10 43
acumulada f.d.p.a..
Nmero de tcnicas existentes para a HRA (extrado de
Figura 11 44
MARTINS, 2013)
Acoplamento entre sharp-end e blunt-end modelos
Figura 12 de acidentes epidemiolgicos (extrado de HOLLGANEL, 45
2002)
Descrio Geral da ATHEANA extrado da
Figura 13 50
apresentao de MELO, 2007.
Modelo Individual do Operador Humano no IDAC
Figura 14 51
estendido (extrado de AZARKHIL e MOSLEH, 2013)
Figura 15 Fases da THERP (extrado de MARTINS, 2013) 52

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Integrao das Redes Bayesianas na HRA (extrado de


Figura 16 53
DROGUETT e MENSES, 2007)
Passos Propostos pela FSA (extrado de MARTINS,
Figura 17 58
2013)
Figura 18 Fluxograma da Avaliao Probabilstica de Risco 60
Planilha de PHA (a ser aplicada ao caso, conforme o
Figura 19 63
APNDICE B)
Regras da lgebra de Boole (adaptado de
Figura 20 69
MODARRES, 2010)
Smbolos dos eventos da FTA (adaptado de SILVA,
Figura 21 70
2013)
Representao dos conectores (portes) lgicos em
Figura 22 70
uma rvore de falha (adaptado de RODRIGUEZ, 2012)
rvore de falhas da perda do sistema de propulso de
Figura 23 72
um navio (ABS, 2000 e 2003)
rvore de falhas equivalente com os respectivos cortes
Figura 24 73
mnimos (extrado de SILVA, 2013)
Aspecto tpico de uma rvore de eventos com 04
Figura 25 (quatro) eventos (de perigo, se for o caso) adaptado de 77
MARTINS, 2013.
Aspecto caracterstico de uma rede bayesiana
correlacionando, por intermdio de arcos direcionados,
Figura 26 as variveis, representadas pelos crculos denominados 79
ns, dentre os quais os ns pais e os ns filhos
(adaptada de ISO, 2008).
Figura 27 Exemplos de grafos direcionados 84
Figura 28 Representao grfica de A C C B . 85
Figura 29 Representao grfica da generalizao do exemplo 86
Figura 30 Estrutura da rede exemplo. 89
Figura 31 Ns X e Y d-separados. 91
Figura 32 Inferncia extrado de MARTINS (2013). 94
Converso de rvores de Falhas em Rede Bayesiana
Figura 33 98
extrado de MARTINS (2013).
Rede Bayesiana obtida da rvore de falhas com a porta
Figura 34 99
E (extrada de MARTINS, 2013).
Redes Bayesianas obtidas das rvores de falhas com
Figura 35 100
as portas OU e OU EXCLUSIVO.
Integrao e Converso da rvore de Falhas em Redes
Figura 36 101
Bayesianas adaptado de MATURANA (2010).
Exemplo de rede bayesiana dinmica (RBD) com a
Figura 37 102
utilizao do exemplo do item (7) do Apndice A.
Rede Bayesiana Dinmica Genrica (extrada de
Figura 38 102
GHAHRAMANI, 1998, com adaptaes)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XIII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Diagrama relativo aos fatores que influenciam a


probabilidade de vazamentos de produtos transportados
Figura 39 108
por um navio tanqueiro extrado de HAUGEN et al.,
2012.
Mtodo para realizao da HRA por meio das Redes
Figura 40 113
Bayesianas extrado de MATURANA (2010).
Figura 41 Fluxograma da HRA extrado de ISO, 2008. 116
Modelagem dos fatores que influenciam o desempenho
Figura 42 117
humano extrado de MATURANA (2010).
Rede Genrica para Fatores de Desempenho
Figura 43 120
extrado de MATURANA (2010).
Mudana de nfase nos tipos de causas de acidentes
Figura 44 130
extrado de HOLLNAGEL, 2007.
(a) Navio-Tanque (OGX); Figura 45 (b) Terminal de
Figura 45 131
Granis Lquidos (e Gasosos direita CODEBA)
Vista area do Terminal de Granis Lquidos objeto do
Figura 46 estudo TGL (adaptado do GOOGLE Earth). 135

Vista area do TGL, da tubulao e dos tanques de


Figura 47 135
combustveis (Adaptado do Google Earth).
Vista area do TGL em relao Cidade de Vitria/ES
Figura 48 136
(Adaptado do Google Earth).
Diagrama de amarrao do navio-tanque no TGL
Figura 49 (extrado de Informaes Porturias TRANSPETRO, 140
2012)
Tubulaes usadas entre o manifold e os tanques de
Figura 50 armazenamento informaes da Cia. Concessionria, 141
2013.
Tabela com os dados relativos aos combustveis
descarregados e as bombas. Eventualmente, h
Figura 51 142
descarga de lcool etlico anidro combustvel (AEAC)
informaes da Cia. Concessionria, 2013.
Figura 52 Terminal de Granis Lquidos Cais 143
Figura 53 Terminal de Granis Lquidos Porto 143
Movimento relativo entre o mangote do navio e a
Figura 54 plataforma de movimentao de leo (extrado de 146
ALFREDINI et al., 2009).
Conexo dos sistemas porto e navio-tanque no TGL na
Figura 55 146
etapa de descarga (extrado de TRANSPETRO, 2012).
Conexo dos sistemas porto e navio-tanque no TGL,
Figura 56 147
etapa de descarga extrado de TRANSPETRO, 2012.
Terminal de Granis Lquidos Porto de Santos
Figura 57 Sistema Equivalente ao do objeto de estudo extrado 148
de TRANSPETRO, 2012.
Figura 58 rvore de falhas evento-topo no descarga. 163

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XIV
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

rvore de falhas falha na programao navio-


Figura 59 163
tanque.
rvore de Falhas falha na aproximao navio-
Figura 60 164
tanque.
Figura 61 rvore de falhas falha na atracao navio-tanque. 164
Figura 62 rvore de falhas falha na descarga navio-tanque. 164
rvore de falhas falha na desatracao navio-
Figura 63 165
tanque.
Figura 64 rvore de falhas falha na programao TGL. 165
Figura 65 rvore de falhas falha na aproximao TGL. 166
Figura 66 rvore de falhas falha na preparao TGL. 166
Figura 67 rvore de falhas falha na atracao TGL. 167
Figura 68 rvore de falhas falha na descarga TGL. 167
Figura 69 rvore de falhas falha na desatracao TGL. 167
rvore de Eventos Descarga Lquida NT para o
Figura 70 170
TGL.
Figura 71 Rede bayesiana para a etapa de programao. 172
Figura 72 Rede bayesiana para a etapa de preparao. 172
Figura 73 Rede bayesiana para a etapa de aproximao. 173
Figura 74 Rede bayesiana para a etapa de atracao. 173
Figura 75 Rede bayesiana para a etapa de descarga. 174
Figura 76 Rede bayesiana para a etapa de desatracao. 175
Rede bayesiana completa com a converso da rvore
Figura 77 176
de falhas do tpico 4.3.
Figura 78 Rede Bayesiana do evento 2. 183
Figura 79 Rede Bayesiana do evento 3. 183
Figura 80 Rede bayesiana do evento 6. 184
Figura 81 Rede bayesiana do evento 7. 184
Figura 82 Rede bayesiana do evento 10. 185
Figura 83 Rede Bayesiana do evento 11. 186
Figura 84 Rede Bayesiana do evento 13. 187
Figura 85 Rede bayesiana do evento 19. 187
Figura 86 Rede bayesiana do evento 20. 188
Mangotes industriais offshore extrado do site:
Figura 87 http://br.hansa- 189
flex.com/solutions/mangueiras_offshore.html.
Figura 88 Rede bayesiana do evento 21. 189

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XV
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 89 Rede Bayesiana do evento 25. 190


Figura 90 Rede bayesiana do evento 26. 190
Figura 91 Rede bayesiana do evento 29. 191
Figura 92 Rede Bayesiana do evento 33. 192
Figura 93 Rede Bayesiana do evento 38. 192
Figura 94 Rede Bayesiana do evento 39. 193
Rede bayesiana dos fatores que influenciam na
Figura 95 atividade 2-1 atividade gerente da Cia. transportadora 199
informa.
Probabilidade de ocorrncia e no ocorrncia da falha
Figura 96 207
na descarga, tendo em vista a RB completa.
Rede Bayesiana Completa do Processo sob estudo
Figura 97 208
(NT-TGL) com a HRA.
Riscos resultantes do vazamento de substncia lquida
Figura 98 209
inflamvel na rea do TGL e do NT.
Distncias de interesse para o evento de flashfire
Figura 99 215
ajustado do PHAST RISK 6.5.4, DNV.
Efeitos de incndio de poa (late pool fire) extrado do
Figura 100 216
PHAST RISK 6.5.4, DNV.
Regies de interesse para concentrao de 50% do
Figura 101 217
LFL ajustado do PHAST RISK 6.5.4., DNV.
Comparao com as regies de interesse da figura
Figura 102 anterior, incluindo as reas crticas (Adaptado em escala 217
do Google Earth e do PHAST RISK).
rvore de eventos extrado da norma ISO 31010, p.
Figura 103 240
59, com adaptaes.
Rede Bayesiana do the dog problem demonstrando a
Figura 104 topologia e as TPC extrado de CHARNIAK (1991) 241
apud COZMAN (2013).
Exemplo de diagnstico mdico extrado de
Figura 105 246
NORSYS, 2010.
Exemplo de inferncia em Rede Bayesiana extrado
Figura 106 247
de MURPHY (1998).
Clustering de ns em RB extrado de MURPHY
Figura 107 248
(1998).
Figura 108 Verificao do clculo para o valor de . 252
Rede Bayesiana do Evento Bsico (2) de falha na
Figura 109 286
identificao do Navio-Tanque.
Figura 110 TPC para o n GerenteInforma. 287
Figura 111 TPC para o n SupervisorEntende. 287
Figura 112 TPC para o n ON_Manobra_NT. 287
Figura 113 TPC para o n ComandanteRatifica. 287
Figura 114 TPC para o n TomadaDecisao. 287

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XVI
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 115 TPC para o n DeteccaoErro. 287


Rede Bayesiana do Evento Bsico (3) de falha sobre o
Figura 116 288
deslocamento () do Navio-Tanque.
Rede Bayesiana do Evento Bsico (6) de falha de
Figura 117 290
comunicao entre o Navio-Tanque e o TGL.
Figura 118 TPC para o n ON_Manobra_NT. 291
Figura 119 TPC para o n ComandanteRatifica. 291
Figura 120 TPC para o n ComandanteComunicacao. 291
Figura 121 TPC para o n SupTGLComunicacao. 291
Figura 122 TPC para o n TomadaDecisao. 291
Figura 123 TPC para o n DeteccaoErro. 291
Rede Bayesiana do Evento Bsico (7) de falha na
Figura 124 292
manobra de aproximao do Navio-Tanque para o TGL.
Figura 125 TPC para o n PraticoSugere. 293
Figura 126 TPC para o n ComandanteRatifica. 293
Figura 127 TPC para o n TimoneiroErra. 293
Figura 128 TPC para o n TomadaDecisao. 293
Figura 129 TPC para o n DeteccaoErro. 293
Rede Bayesiana do Evento Bsico (10) de falha na
Figura 130 descarga devido ao conflito entre os integrantes da 294
equipe do TGL.
Figura 131 TPC para o n InspetorCMInforma 295
Figura 132 TPC para o n SupervisorNaoAtuaConflito. 295
Figura 133 TPC para o n LiderOperacaoNaoFazNada. 295
Figura 134 TPC para o n InspetorA1naoCritica. 295
Figura 135 TPC para o n InspetorA2naoCritica 295
Figura 136 TPC para o n DeteccaoErro. 295
Figura 137 TPC para o n TomadaDecisao. 296
Rede Bayesiana do Evento Bsico (11) de falha na
Figura 138 descarga devido inexperincia de alguns integrantes da 297
equipe do TGL.
Figura 139 TPC para o n TomadaDecisao. 298
Rede Bayesiana do Evento Bsico (13) de falha na
execuo da manobra de atracao, e
Figura 140 consequentemente da descarga, tanto da equipe do NT, 299
quando da equipe do TGL, devido a presses
comerciais.
Figura 141 TPC para o n PraticoSugere. 300

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XVII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

TPC para o n InpetorAtracA2naoCritica (que o mesmo


Figura 142 300
de InspetorAtracA1naoCritica).
Figura 143 TPC para o n GerenteInforma. 300
Figura 144 TPC para o n SupTGLNaoFazNada. 300
Figura 145 TPC para o n SupCiaTranspConcorda. 300
Figura 146 TPC para o n LiderOpSeOmite. 300
Figura 147 TPC para o n ON_Manobra_NT. 301
Figura 148 TPC para o n InspetorCMInforma. 302
Figura 149 TPC para o n ComandanteRatifica. 302
Figura 150 TPC para o n TimoneiroErra. 302
Figura 151 TPC para o n TomadaDecisao. 302
Figura 152 TPC para o n DeteccaoErro. 302
Rede Bayesiana do Evento Bsico (19) de falha na
execuo da equipe do NT na manobra de atracao, e
Figura 153 303
consequentemente da descarga, devido a outras
questes.
Figura 154 TPC para o n ON_Manobra_NT. 304
Figura 155 TPC para o n MarinheirosCumpremOrdem. 304
Figura 156 TPC para o n TimoneiroCumpreOrdem. 304
Figura 157 TPC para o n TomadaDecisao. 304
Rede Bayesiana do Evento Bsico (20) de falha na
execuo da equipe do TGL na manobra de atracao, e
Figura 158 305
consequentemente da descarga, devido a outras
questes.
Figura 159 TPC para o n AmarradoresExecutamOrdem. 306
Figura 160 TPC para o n LiderOpdaOrdem. 306
TPC para o n InspetorAtracA1naoCritica (que o
Figura 161 307
mesmo para InspetorAtracA2naoCritica).
Figura 162 TPC para o n TomadaDecisao. 307
Figura 163 TPC para o n DeteccaoErro. 308
Rede Bayesiana do Evento Bsico (21) de falha do
Figura 164 309
operador do mangote, marinheiro do NT.
Figura 165 TPC para o n OperadorMangoteCumpreOrdem. 310
Figura 166 TPC para o n TomadaDecisao. 310
Figura 167 TPC para o n DeteccaoErro. 310
Rede Bayesiana do Evento Bsico (25) de falha na
Figura 168 manobra de descarga, tanto da equipe do NT, quanto da 311
equipe do TGL, devido a presses comerciais.
Figura 169 TPC para o n MarinheiroMangoteCumpreOrdem. 312

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XVIII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 170 TPC para o n ON_Manobra_NT. 312


Figura 171 TPC para o n GerenteInforma. 312
Figura 172 TPC para o n SupCiaTranspConcorda. 313
Figura 173 TPC para o n LiderOpSeOmite. 313
Figura 174 TPC para o n InspetorCMInforma. 313
Figura 175 TPC para o n TomadaDecisao. 313
Figura 176 TPC para o n DeteccaoErro. 313
Rede Bayesiana do Evento Bsico (26) de falha na
Figura 177 operao de conexo do manifold com o navio-tanque, 314
tanto da equipe do NT, quanto da equipe do TGL.
Figura 178 TPC para o n LiderNaoMandaParar. 315
Figura 179 TPC para o n MarinheiroMangoteCumpreOrdem. 315
Figura 180 TPC para o n OficialNauticaSeOmite. 315
Figura 181 TPC para o n TomadaDecisao. 315
Figura 182 TPC para o n DeteccaoErro. 315
Rede Bayesiana do Evento Bsico (29) de falha na
manobra de recolhimento do mangote, tanto da equipe
Figura 183 316
do NT, quanto da equipe do TGL, devido a presses
comerciais.
Figura 184 TPC para o n MarinheiroMangoteCumpreOrdem. 317
Figura 185 TPC para o n InspetoDesatracNaoCritica. 317
Figura 186 TPC para o n OficialNauticaSeOmite. 317
Figura 187 TPC para o n LiderNaoMandaParar. 317
Figura 188 TPC para o n TomadaDecisao. 318
Figura 189 TPC para o n DeteccaoErro. 318
Rede Bayesiana do Evento Bsico (33) de falha na
manobra de desatracao, tanto da equipe do NT,
Figura 190 319
quanto da equipe do TGL, devido a presses
comerciais.
Figura 191 TPC para o n PraticoSugere 320
Figura 192 TPC para o n InspetorCMInforma. 320
Figura 193 TPC para o n InspetorDesatracNaoCritica. 320
Figura 194 TPC para o n LiderOpNaoFazNada. 320
Figura 195 TPC para o n SupTGLDaOrdem. 320
Figura 196 TPC para o n GerenteCiaTranspConcorda. 320
Figura 197 TPC para o n SupCiaTranspConcorda. 321
Figura 198 TPC para o n MarinheiroConvesCumpreOrdem. 321
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado XIX
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 199 TPC para o n TimoneiroCumpreOrdem. 321


Figura 200 TPC para o n TomadaDecisao. 321
Figura 201 TPC para o n ONmanobraNT 1 parte. 322
Figura 202 TPC para o n ONmanobraNT 2 parte. 323
Rede Bayesiana do Evento Bsico (38) de falha na
Figura 203 manobra de desatracao, da equipe do TGL, devido a 324
outras questes.
Figura 204 TPC para o n InspetorCMInforma. 325
Figura 205 TPC para o n SupTGLDaOrdem. 325
Figura 206 TPC para o n LiderOpSeOmite. 325
Figura 207 TPC para o n InspetorDesatracNaoCritica. 325
Figura 208 TPC para o n GerenteCiaTranspConcorda. 325
Figura 209 TPC para o n SupCiaTranspConcorda. 326
Figura 210 TPC para o n TomadaDecisao. 326
Figura 211 TPC para o n DeteccaoErro. 326
Rede Bayesiana do Evento Bsico (39) de falha na
Figura 212 manobra de desatracao, da equipe do NT, devido a 327
outras questes.
Figura 213 TPC para o n PraticoSugere. 328
Figura 214 TPC para o n ONmanobraNT. 328
Figura 215 TPC para o n ComandanteRatifica. 328
Figura 216 TPC para o n MarinheiroConvesCumpremOrdem. 328
Figura 217 TPC para o n TimoneiroCumpreOrdem. 328
Figura 218 TPC para o n TomadaDecisao. 329
Figura 219 TPC para o n DeteccaoErro. 329

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XX
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

LISTA DE TABELAS

Classificao das substncias perigosas extrado do


Tabela 1 2
IMDG Code.
Evoluo da tonelagem de carga embarcada e
Tabela 2 desembarcada granis lquidos Fonte Anurio 4
Estatstico Aquavirio/ANTAQ
Evoluo da tonelagem de carga transportada em sistema
Tabela 3 de cabotagem Fonte Anurio Estatstico 5
Aquavirio/ANTAQ
Eventos indesejveis ocorridos no litoral do Esprito Santo
Tabela 4 com produtos lquidos inflamveis fonte: Capitania dos 6
Portos do ES e Tribunal Martimo, 2013.
Eventos indesejveis ocorridos no litoral de So Paulo,
Tabela 5 6
extrado de POFFO et al. (2013).
Tabela 6 Valores de Frequncia de Ocorrncia (IMO, 2002) 30
Tabela 7 Valores de Consequncia de Ocorrncia (IMO, 2002) 31
Tabela 8 Matriz de Risco de acordo com a IMO (IMO, 2002) 33
Categorias de Risco (extrado de SMITH, 2001, com
Tabela 9 33
adaptaes)
Correlao entre os passos da FSA e da HRA (IMO,
Tabela 10 46
2002)
Mtodos ou Tcnicas utilizadas na avaliao quantitativa
Tabela 11 ou qualitativa do risco (elaborada a partir de ISO, 2008 e de 56
ABS, 2000, 2003)
Classificao da frequncia de ocorrncia de eventos de
Tabela 12 perigo (adaptado de CORREA et al., 2006 apud 64
RODRIGUEZ, 2012 ver APNDICE B)
Classificao de consequncias (extrado de CORREA et
Tabela 13 65
al., 2006 apud RODRIGUEZ, 2012 ver APNDICE B)
Fatores Organizacionais e de Gesto ou Gerenciais
Tabela 14 122
extrado de MATURANA (2010).
Fatores Internos correlacionados aos MOF adaptado de
Tabela 15 124
MATURANA (2010)
Fatores Ambientais presentes na interao NT TGL
Tabela 16 126
adaptado de MATURANA (2010).
Habilidades relacionadas aos operadores que realizam o
Tabela 17 127
processo de descarga adaptado de MATURANA (2010).
Carga e Descarga dos Produtos Inflamveis no TGL sob
Tabela 18 144
estudo dados fsicos extrado de TRANSPETRO, 2012.
Tabela 19 Nveis de Severidade. 150
Tabela 20 Nveis de Ocorrncia. 150
Tabela 21 Nveis de indetectabilidade. 151
Ranqueamento das falhas na descarga dos produtos
Tabela 22 152
lquidos inflamveis do NT para o TGL.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado XXI
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 23 Composio Probabilstica de S, O e D 159


Tabela 24 Expresses dos eventos intermedirios na FT 169
Tabela 25 Eventos bsicos e atividades correlacionadas 179
Tabela 26 Habilidades correlacionadas s atividades 194
Fatores de Desempenho para a atividade gerente da Cia.
Tabela 27 198
transportadora informa
Tabela 28 TPC para N filho que possui somente um n pai. 202
Tabela 29 TPC para N filho que possui dois ns pais. 203
Tabela 30 TPC para N filho que possui trs ns pais. 204
Tabela 31 TPC para N filho que possui quatro ns pais. 205
Tabela 32 TPC para N filho que possui cinco ns pais. 206
Ponto de fulgor e de ebulio dos produtos descarregados
Tabela 33 no TGL extrado de IBAMA, 2013 e BR Distribuidora 211
(2014).
Classificao de substncias inflamveis CETESB,
Tabela 34 211
2003.
Dados toxicolgicos e propriedades fsico-qumicas do
Tabela 35 212
lcool anidro, IBAMA (2013).
Caractersticas do navio tanqueiro referncia extrado de
Tabela 36 213
PETROBRAS (2013), UFRJ (2013).
Caractersticas climticas e meteorolgicas de Vitria
Tabela 37 213
ES Brasil, IBAMA (2013), INPE (2013).
Condies dos ventos em Vitria ES Brasil, IBAMA
Tabela 38 214
(2013).
Resultados da anlise de consequncias para flashfire e
Tabela 39 216
late pool fire ajustado do PHAST, DNV.
Probabilidades de no descarga, de acordo com as
Tabela 40 220
tcnicas de PRA.
Tabela 41 Valores de P( X Y ) 0 243
Tabela 42 Conjuno de probabilidades das variveis X e Y 244
Tabela 43 Valores de P(Y X ) 0 244
Tabela 44 Tabela de Probabilidades Condicionais do exemplo 245
Tabela 45 Clculo de 251
Tabela 46 Clculo de P(h,l) 253
Tabela de Classificao de consequncias (extrada de
Tabela 47 257
CORREA, et al., 2006).
Matriz de Risco (adaptada de RODRIGUEZ apud SOUZA
Tabela 48 257
e MARTINS, 2012).
Anlise Preliminar de Perigos (APP) etapas relativas ao
Tabela 49 processo de descarga do sistema navio-tanque para o 258
sistema porto (TGL).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 50 2-2 Entendimento (errado) do Supervisor do TGL. 277


Tabela 51 2-3 O Oficial de Nutica (ON) manobra o navio. 277
Tabela 52 2-4 Comandante do NT ratifica o erro. 277
Tabela 53 2-5 Tomada de Deciso. 278
Tabela 54 2-6 Deteco do Erro. 278
Tabela 55 6-1 O ON entendeu (errado). 278
6-3 O Comandante do NT no fez contato por qualquer
Tabela 56 279
meio.
Tabela 57 7-1 O Prtico sugere manobra (errada). 279
Tabela 58 7-3 Erro do Timoneiro (na manobra do leme). 280
Tabela 59 10-1 O Supervisor do TGL no atua no conflito. 280
Tabela 60 10-2 O Lder da Operao no faz nada. 281
Tabela 61 10-3 O Inspetor A1 no critica. 281
Tabela 62 10-5 O Inspetor CM informa (errado). 281
Tabela 63 11-1 O Supervisor do TGL mantm a equipe. 282
Tabela 64 11-2 O Lder da Operao concorda. 282
Tabela 65 13-2 O Supervisor da Cia. Transportadora concorda. 283
19-4 Erro dos Marinheiros de Convs (so dois na faina
Tabela 66 283
em conjunto).
20-5 Erro dos Amarradores (so sete na faina em
Tabela 67 284
conjunto).
Tabela 68 33-2 O Gerente da Cia. Transportadora concorda. 284

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXIII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

LISTA DE ABREVIATURA E SIGLAS

ABS American Bureau of Shipping


ANTAQ Agncia Nacional de Transportes Aquavirios
ANP Agncia Nacional do Petrleo, Gs Natural e Biocombustveis
APP Anlise Preliminar de Perigos (Probabilistic Harzard Analysis
PHA)
ATHEANA Uma Tcnica para Anlise do Erro Humano (A Technique for
Human Error Analysis)
CETESB Companhia de Tecnologia de Saneamento Ambiental
CCPS-AICHE Center for Chemical Process Safety of the American Institute of
Chemical Engineers
CREAM Mtodo de Anlise do Erro e Confiabilidade Cognitivos (Cognitive
Reliability and Error Analysis Method)
DBN Rede Bayesiana Dinmica (Dynamic Bayesian Networks)
DNV Det Norske Veritas
DPS Sistema de Posicionamento Dinmico (Dynamic Positioning
System)
ETA Anlise de rvore de Eventos (Event Tree Analysis)
FMEA Anlise de Modos e Efeitos de Falhas (Failure Modes and Effect
Analysis)
FSA Avaliao Formal de Segurana (Formal Safety Assessment)
FTA Anlise de rvore de Falhas (Fault Tree Analysis)
HEART Human Error Assessment and Reduction Technique
HEP Probabilidade de Erro Humano (Human Error Probability)
HFE Evento de Falha Humana (Human Failure Events)
HRA Anlise da Confiabilidade Humana (Human Reliability Analysis)
HTA Anlise da Hierarquia de Tarefas (Hierarchical Task Analysis)
IBAMA Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais
Renovveis
ICS International Chamber of Shipping
IEC International Electrotechnical Commission
IMDG IMDG Code International Maritime Dangerous Goods Code
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado XXIV
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

IMO International Maritime Organization


INPE Instituto Nacional de Pesquisas Espaciais
ISO International Organization for Standardization
ISGOTT International Safety Guide for Oil Tankers and Terminals
LabRisco Laboratrio de Anlise de Anlise, Avaliao e Gerenciamento de
Risco da Escola Politcnica da USP
MCA Motor de Combusto Auxiliar
MCP Motor de Combusto Principal
MOF Fator Organizacional e de Gesto (Management and
Organizational Factor)
NR Norma Regulamentadora (Ministrio do Trabalho)
NT Navio-Tanque (Tanker)
NUREG Nuclear Regulatory Guide
PETROBRAS Petrleo Brasileiro S/A
PHAST Process Hazard Analysis Software Tools
PRA Anlise Probabilstica de Risco (Probabilistic Risk Analysis)
PSA Avaliao Probabilstica da Segurana (Probabilistic Safety
Assessment)
PSF Fator de Modelagem do Desempenho (Performance Shaping
Factor)
RB Rede Bayesiana (Bayesian Network BN)
THERP Tcnica para Previso da Taxa de Erro Humano (Technique for
Human Error Rate Prediction)
TGL Terminal de Granis Lquidos (Bulk Liquid Terminal BLT)
TPC Tabela de Probabilidades Condicionais
TRANSPETRO Petrobras Transportes S.A.
UA Aes Inseguras (Unsafe Actions)
UFRJ Universidade Federal do Rio de Janeiro
USP Universidade de So Paulo

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXV
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

SUMRIO

LISTA DE ILUSTRAES ...................................................................................... XII


LISTA DE TABELAS .............................................................................................. XXI
LISTA DE ABREVIATURA E SIGLAS .................................................................XXIV
1. INTRODUO ..................................................................................................... 1
1.1. Objetivos ..................................................................................................... 9
1.1.1. Objetivo Geral ................................................................................ 9
1.1.2. Objetivos Especficos .................................................................. 11
1.2. Estrutura da Dissertao ......................................................................... 13
2. FUNDAMENTOS TERICOS ............................................................................ 16
2.1. Teoria das Probabilidades aspectos histricos, conceitos e
definies .......................................................................................................... 16
2.2. Definies e Conceitos aplicados anlise do risco............................ 24
2.2.1. Conceito de perigo, acidente, segurana e confiabilidade ...... 24
2.2.2. Conceito de risco ......................................................................... 27
2.2.3. Conceito de frequncia de ocorrncia ....................................... 29
2.2.4. Conceito de consequncia de ocorrncia ................................. 30
2.2.5. Categorias de Risco .................................................................... 32
2.3. Estudo de Confiabilidade......................................................................... 37
2.3.1. Confiabilidade Humana ............................................................... 44
2.4. Anlise de Risco ....................................................................................... 54
2.4.1. Consideraes iniciais ................................................................ 54
2.4.2. Anlise Probabilstica do Risco PRA (Probabilistic Risk
Analysis).................................................................................................... 59
2.4.3. Anlise Preliminar de Perigos PHA (Preliminary Hazard
Analysis).................................................................................................... 62
2.4.4. Anlise da rvore de Falhas FTA (Fault Tree Analysis) ........ 66
2.4.5. Anlise da rvore de Eventos ETA (Events Tree Analysis) .. 75
2.5. Explanao sobre Redes Bayesianas .................................................... 78
2.5.1. Conceitos Bsicos ....................................................................... 82
2.5.2. Propriedades grficas e relaes de dependncia nas RBs... 88
2.5.3. Tabela de Probabilidades Condicionais TPC nas RBs ......... 91
2.5.4. Inferncia Bayesiana ................................................................... 92
2.5.4.1. Inferncia Exata............................................................. 95

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXVI
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.5.4.2. Eliminao de Variveis ............................................... 95


2.5.4.3. Agrupamento de Variveis ........................................... 96
2.5.4.4. Inferncia Aproximada ................................................. 97
2.5.5. Converso de rvores de Falhas e rvores de Eventos em
Redes Bayesianas .................................................................................... 97
2.6. Modelagem por meio de Redes Bayesianas ........................................ 101
2.7. Anlise de Consequncias conceitos e definies .......................... 106
3. MTODO PARA A ANLISE PROBABILSTICA DE RISCO VIA REDES
BAYESIANAS ......................................................................................................... 111
3.1. Mtodo Desenvolvido Descrio ....................................................... 112
3.2. Fatores Humanos na operao de descarga do Navio-Tanque ......... 117
3.2.1. Fatores Organizacionais e de Gesto MOF .......................... 121
3.2.2. Fatores Internos ......................................................................... 123
3.2.3. Fatores Ambientais .................................................................... 125
3.2.4. Lista de Habilidades .................................................................. 126
3.3. Fatores No Humanos no processo de descarga do Navio-Tanque . 128
4. APLICAO AO ESTUDO DO PROCESSO DE DESCARGA....................... 131
4.1. As etapas do processo de descarga do Navio-Tanque no TGL
Descrio do Processo e dos Sistemas ....................................................... 133
4.2. Eventos Perigosos associados ao processo de descarga ................. 148
4.3. rvores de Falhas e rvores de Eventos associadas ao processo... 162
4.4. Redes Bayesianas associadas ao processo ........................................ 171
4.4.1. Converso das rvores de Falhas em Redes Bayesianas ..... 171
4.4.2. Redes Bayesianas Dinmicas das Tarefas .............................. 178
4.4.2.1. Evento 2 Falha na Identificao do Tipo de Navio
(NT/TGL) ..................................................................................... 182
4.4.2.2. Evento 3 Falha na Informao sobre o deslocamento
do Navio (NT/TGL) ..................................................................... 183
4.4.2.3. Evento 6 Falha de Comunicao (NT/TGL) ............ 183
4.4.2.4. Evento 7 Falha na aproximao do NT para o TGL
(NT) ...................................................................................... 184
4.4.2.5. Evento 10 Equipe do TGL est em conflito e erra
(TGL) ...................................................................................... 185
4.4.2.6. Evento 11 Equipe do TGL inexperiente e erra (TGL)
...................................................................................... 185
4.4.2.7. Evento 13 Falha na execuo da manobra de
atracao devido a presses comerciais (NT/TGL) ................ 186

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXVII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.2.8. Evento 19 Falha na execuo da manobra de


atracao devido a outras questes (NT) ................................ 187
4.4.2.9. Evento 20 Falha na execuo da manobra de
atracao devido a outras questes (TGL).............................. 188
4.4.2.10. Evento 21 Falha do operador do mangote (NT) ..... 188
4.4.2.11. Evento 25 Falha na execuo da manobra de
descarga devido a presses comerciais (NT/TGL) ................. 189
4.4.2.12. Evento 26 Falha na operao de conexo do
manifold com o navio-tanque (TGL/NT) ................................... 190
4.4.2.13. Evento 29 Falha na manobra de recolhimento do
mangote devido a presses comerciais (TGL/NT) .................. 191
4.4.2.14. Evento 33 Falha na manobra de desatracao
devido a presses comerciais (TGL/NT) .................................. 191
4.4.2.15. Evento 38 Falha na manobra de desatracao do
navio-tanque devido a outras questes (TGL) ........................ 192
4.4.2.16. Evento 39 Falha na manobra de desatracao do
navio-tanque devido a outras questes (NT) .......................... 193
4.4.3. Redes Bayesianas dos Fatores de Desempenho das Tarefas .....
..................................................................................................... 193
4.4.3.1. Lista de Habilidades Relacionadas s Atividades ... 194
4.4.3.2. Rede Bayesiana dos fatores associados ao evento
Falha na Identificao do Tipo de Navio (NT/TGL) .............. 197
4.4.4. Preenchimento das Tabelas de Probabilidades Condicionais
para o processo ...................................................................................... 200
4.4.5. Restries da anlise para o caso estudado........................... 201
4.4.6. Avaliao do mtodo proposto anlise preliminar .............. 207
4.4.7. Anlise de consequncias do vazamento de granel lquido
inflamvel ................................................................................................ 208
4.4.7.1. Possveis cenrios ...................................................... 209
4.4.7.2. Hiptese do acidente adotada consideraes ...... 210
4.4.7.2.1. Tipo e quantidade da substncia envolvida
................................................................... 211
4.4.7.2.2. Caractersticas do cenrio adotado ....... 213
4.4.7.2.3. Caractersticas climticas e
meteorolgicas do caso sob estudo ......................... 213
4.4.7.2.4. Resultados obtidos nas ferramentas
PHAST e PHAST RISK ................................................ 214
5. ANLISE DO MTODO LUZ DO MODELO E DOS RESULTADOS .......... 218
5.1. Anlise final do modelo ......................................................................... 219

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXVIII
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

5.2. Resultados .............................................................................................. 220


6. CONCLUSES E RECOMENDAES .......................................................... 222
6.1. Concluses extradas a partir do Mtodo utilizado e Anlise de Risco ..
................................................................................................................. 224
6.2. Recomendaes para trabalhos futuros .............................................. 227
7. REFERNCIAS ............................................................................................... 228
APNDICE A. Exemplos do Referencial Terico ............................................. 238
APNDICE B. Anlise Preliminar de Perigos (APP) do processo de descarga
dos granis lquidos inflamveis, transportados pelo Navio-Tanque, no
Terminal Porturio Especializado TGL (Extrado de MORAES e MARTINS,
2013) ....................................................................................................................... 255
APNDICE C. Tabelas Complementares Para os Fatores de Desempenho
(PSF) ....................................................................................................................... 276
APNDICE D. Redes Bayesianas para os Eventos Bsicos com os PSF e
Rede Bayesiana Global e suas TPCs ................................................................. 285

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado XXIX
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1. INTRODUO

A IMO (International Maritime Organization) tem demonstrado, atravs de


regulamentos, certificaes, convenes e inspees, a sua preocupao com a
segurana no transporte de produtos a bordo dos navios mercantes, bem como a
carga e a descarga, em especial de produtos que sejam perigosos, nos portos de
todo o mundo. Dentro desta concepo, a IMO busca prevenir eventos indesejveis,
mostrando aos Estados participantes quais as precaues que precisam ser
tomadas a fim de eliminar ou minimizar os riscos correlacionados a tais eventos,
protegendo a vida humana e o meio ambiente, alm de garantir a integridade do
navio e da carga, regulando o transporte de qualquer tipo de mercadoria.

Neste nterim, as mercadorias consideradas perigosas devem receber especial


ateno, pois oferecem maiores riscos1 no seu manuseio e precisam de um maior
rigor na regulamentao do seu transporte, objetivando a segurana e a eficcia,
sem avarias na carga, no navio, impactos no meio ambiente, na sade da tripulao
e demais pessoas e sem prejudicar o planejamento das rotas martimas.

Atravs do Manual Martimo Internacional sobre Cargas Perigosas, o IMDG


Code (International Maritime Dangerous Goods Code, 2002d), com observncia do
ISGOTT (International Safety Guide for Oil Tankers and Terminals, 2002c), feita
uma classificao de tais produtos, no intuito de padronizar e salvaguardar as
instalaes, as pessoas e o meio ambiente. As cargas so dispostas por classes,
conforme a Tabela 1.

1 O conceito de risco ser apresentado no item 2.2.2. Neste ponto, a princpio, considere risco como

uma medida monetria de perda econmica.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 1
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 1 Classificao das substncias perigosas extrado do IMDG Code.


Classe Carga
1 Explosivos
Gases (comprimidos, liquefeitos, ou dissolvidos sob presso)
2
inflamveis, no inflamveis e venenosos
Lquidos inflamveis: ponto de fulgor inferior a -18C; ponto de fulgor
3
entre -18C e +23C e ponto de fulgor entre +23C e +61C
Slidos ou substncias inflamveis: inflamveis, combusto espontnea;
4
depreende gs inflamvel em contato com a gua ou umidade
5 Agentes oxidantes: substncias que liberam O2 e perxidos orgnicos
6 Substncias venenosas e infecciosas
7 Material radioativo
8 Substncias corrosivas
9 Outras substncias perigosas que no tenham sido enquadradas acima

O IMDG Code, alm de classificar a carga perigosa, descreve, na introduo


de cada classe, as propriedades fsico-qumicas, as caractersticas especficas e as
definies das mercadorias. Fornece tambm informaes detalhadas sobre a
manipulao e o transporte, assim como a estiva e a segregao, isto , a forma
segundo a qual devero ser separadas as mercadorias das demais cargas perigosas
ou de outras cargas no perigosas. Tambm so oferecidas informaes sobre
como proceder nos momentos de carga e de descarga. Cada uma das classes ou
tipos aparece identificada com uma marca, etiqueta ou rtulo, que dever ser
afixado na embalagem da carga perigosa, a fim de identificar o grau de
periculosidade. Ainda so apresentados no cdigo os produtos classificados e
considerados perigosos.

As cargas perigosas tm um plano especial para sua estiva a bordo, o


Planejamento de Carga Perigosa. No planejamento da estivagem de carga perigosa,
devem-se observar as particularidades da classe e as caractersticas da substncia
ou produto em particular. Para maiores detalhes, sugere-se consulta ao IMDG Code.

Nada obstante as recomendaes da IMO em seus manuais, eventos


considerados catastrficos, com perda de vidas, instalaes e prejuzo ao meio

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 2
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ambiente, relacionados aos navios tanqueiros (interagindo ou no com outros


sistemas), continuam a ocorrer em todo o mundo, como informa BURGHERR et al.
(2012), com a observncia da Figura 1 e da Figura 2.

Figura 1 Percentual acumulado de derramamento


de petrleo e derivados de forma acidental no Mundo,
( 700 ton.) por idade de navio, para diferentes
dcadas extrado de Burgherr et al. (2012).

Figura 2 Georreferncias de derramamento de petrleo e seus


derivados de forma acidental no Mundo ( 700 ton.) para o perodo de
1970-2010, onde so representadas, por tamanho, trs classes de
derramamento. Para as ecorregies martimas do Mundo (MEOW),
mostrado um ndice de risco, com base em diferentes medidas de
derramamento NA = no observado derramamento extrado de
Burgherr et al. (2012).

O que se v na Figura 2 uma preocupante rea dentro do territrio brasileiro.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 3
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Neste ponto, e observada a movimentao de carga transportada por navios


tanqueiros, segundo o relatrio anual da entidade reguladora dos portos brasileiros
(ANTAQ, 2012) a evoluo de transporte de granis lquidos em territrio brasileiro
dada pela Tabela 2.

Tabela 2 Evoluo da tonelagem de carga embarcada e desembarcada granis


lquidos Fonte Anurio Estatstico Aquavirio/ANTAQ.
Evoluo tonelagem da carga embarcada em longo curso granis lquidos (em
milhes de toneladas)
2010 2011 2012 (com dados at
31.08.2012)
29,5 28,7 29,1
Evoluo tonelagem da carga desembarcada em longo curso granis lquidos
(em milhes de toneladas)
37,8 40,7 42,4

Informa o relatrio em questo que, no que tange navegao de cabotagem,


foram transportadas 138,6 milhes de toneladas de mercadorias, no ano de 2012,
at 31.08.2012, ou seja, 4% a mais que no ano de 2011. Os granis representaram
aproximadamente 91% de toda tonelagem desembarcada, sendo 79% de granel
lquido e 12% de granel slido (ANTAQ, 2012). A utilizao do elemento humano
preponderante nessas atividades. Alm disso, dentre as mercadorias transportadas,
o relatrio expe a Tabela 3 a seguir (ANTAQ, 2012).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 4
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 3 Evoluo da tonelagem de carga transportada em sistema de cabotagem


Fonte Anurio Estatstico Aquavirio/ANTAQ.
Quantidade transportada (toneladas) Variao %
Grupo de Mercadorias 2012 (at de
2010 2011
31.08) 2011/2012
COMBUSTVEIS E
LEOS MINERAIS E 100.908.028 102.270.968 107.048.724 4,67
PRODUTOS
BAUXITA 13.661.533 14.813.321 13.986.532 -5,58
CONTINERES 5.198.792 5.698.380 7.121.353 24,97
MADEIRA 1.915.784 1.947.286 1.944.853 -0,12
REATORES,
636.723 1.207.027 1.443.531 19,59
CALDEIRAS, MQUINAS
MINRIO DE FERRO 637.233 723.952 1.440.224 98,94
PRODUTOS QUMICOS
1.011.818 1.218.026 1.424.333 16,94
ORGNICOS
CELULOSE 780.752 1.004.540 1.083.542 7,86
SODA CUSTICA 1.385.464 1.087.540 1.036.587 -4,69
SAL 949.603 895.161 844.378 -5,67
PRODUTOS
685.364 426.688 216.042 -49,37
SIDERRGICOS
FERTILIZANTES
310.159 370.919 180.241 -51,41
ADUBOS
MANGANS 194.247 18.220 145.036 696,03
COQUE DE PETRLEO 304.085 193.020 127.313 -34,04
OUTROS 2.129.013 1.400.354 602.494 -56,98
TOTAL 130.708.598 133.275.402 138.645.183 4,03

Como se observa, mais de 100 milhes de toneladas em granis lquidos


inflamveis so transportados entre os portos brasileiros, cuja quantidade cresce a
cada ano. Advm desta situao que, sendo tais produtos, de elevada
inflamabilidade, aliado a idade mdia da frota martima de cabotagem (em mdia 20
anos, casco simples, segundo o mencionado relatrio), aumenta a percepo de que
a periculosidade elevada, na operao de embarque e desembarque dos referidos
produtos.

No que tange aos eventos indesejveis ocorridos em territrio brasileiro, a


Tabela 4, Tabela 5 e a Figura 3 do a dimenso do que ocorre no litoral do Esprito
Santo e de So Paulo, reas demarcadas na Figura 2.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 5
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 4 Eventos indesejveis ocorridos no litoral do Esprito Santo com produtos lquidos
inflamveis fonte: Capitania dos Portos do ES e Tribunal Martimo, 2013.
Data de
Descrio do evento (todos com
ocorrncia Embarcao Produto a bordo Local
liberao para o mar e/ou terra)
do evento
leo Diesel MF Esvaziamento por gravidade de um
21.07.2003 Navio Tanque Porto de Tubaro
380 mangote (para a caixa de conteno)
leo Diesel MF
29.07.2006 Chata Porto de Tubaro Transferncia do leo diesel
380
leo Diesel
21.05.2007 Chata Porto de Tubaro Carregamento do leo diesel martimo
Martimo
leo Diesel
30.06.2008 Barcaa Porto de Tubaro Carregamento do leo diesel martimo
Martimo
Monobia Terminal Bombeamento de Petrleo da
05.10.2009 Navio Tanque Petrleo
Norte Capixaba Monobia para o Navio Tanque
Monobia Terminal Bombeamento de Petrleo da
23.11.2009 Navio Tanque Petrleo
Norte Capixaba Monobia para o Navio Tanque
20.10.2010 Navio Tanque lcool Anidro Porto de Tubaro Esvaziamento de mangote
leo Diesel
11.04.2011 Barcaa Porto de Tubaro Rompimento do mangote (descarga)
Martimo
leo Diesel MF
10.10.2011 Navio Tanque Porto de Tubaro Vazamento da bomba no per
380
22.05.2012 Navio Tanque lcool Anidro Porto de Tubaro Rompimento do mangote (descarga)
leo Diesel MF
11.08.2013 Navio Tanque Porto de Tubaro Esvaziamento do mangote
380

Tabela 5 Eventos indesejveis ocorridos no litoral de So


Paulo, extrado de POFFO et al. (2013).
Perodo Transporte Martimo Terminal Duto
1980 a 1989 56 5 3
1990 a 1999 25 5 4
2000 a 2004 36 6 1
Total 117 16 8

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 6
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 3 Acidentes ambientais na Baixada


Santista So Paulo. Destaque para o
Terminal Martimo extrado de POFFO et al.
(2013) com adaptaes.

Portanto, considerando o sistema homem-mquina, a anlise do risco das


descargas (e cargas) de produtos lquidos inflamveis (classe 3 IMDG Code, IMO
2002d), tomando como referncia o estudo de um caso, onde a atuao humana
predominante, tema atual e relevante, como se ver neste trabalho.

Neste contexto, plantas industriais que operam a carga e a descarga de


granis lquidos inflamveis a partir de um navio-tanque devem operar com base em
um planejamento minucioso, a fim de evitar eventos indesejveis produzidos por
fatores humanos e no-humanos. O processo de descarga ou de carga dos produtos
transportados pelo navio-tanque precedido de vrias etapas preparatrias, sendo a
descarga apenas uma delas, e sua viabilidade se correlaciona no s a aspectos
econmicos, mas de natureza tcnica, seja em funo da perda de algum
equipamento ou da parada na operao do sistema. Surge, ento, o conceito de
risco, como ser visto no item 2.2.2.

No que concerne quantificao do risco, as dificuldades so muitas e


maiores, mais especificamente quando o elemento humano tambm interage com os
sistemas ou os processos. H duas principais e mais conhecidas abordagens no

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 7
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

risco2, uma determinstica e outra probabilstica, nesta ltima a Anlise Probabilstica


do Risco ou Probabilistic Safety Assessment PSA. No setor martimo, a IMO
(2002) tem correlacionado o fator humano ocorrncia dos acidentes, suas causas
implcitas e consequncias, incorporando o componente humano PSA por meio da
Anlise da Confiabilidade Humana (em ingls, Human Reliability Analysis) HRA.
SNCHEZ et al. (2013) mostram que possvel a aplicao do PSA s plantas no
nucleares, como ser visto neste trabalho.

No setor ora sob estudo, a anlise, a avaliao e o gerenciamento de risco so


imprescindveis, tendo em vista a elevada gravidade dos acidentes no que diz
respeito, s pessoas fsicas, ao meio-ambiente, aos equipamentos, edificaes, s
operaes e imagem da sociedade empresria operadora de um Terminal de
Granis Lquidos TGL. Um navio-tanque est sujeito a eventos com
consequncias desta natureza. E, segundo a IMO (2002), a maior parte dos
acidentes no setor petrolfero motivado por fatores humanos, tornando relevante
encontrar uma metodologia e tcnicas eficazes de anlise de risco que possam ser
aplicadas com sucesso neste setor, em especial no processo de carga e de
descarga de um navio-tanque em um TGL.

Desde a dcada de 80 do sculo passado, vrias tcnicas foram desenvolvidas


para o estudo de quantificao do risco, levando em considerao confiabilidade
humana. Segundo MATURANA (2010), tais tcnicas, at o final do sculo XX, no
quantificavam de forma eficiente a HRA. Alguns autores, conforme o mencionado
autor (DROGUETT e MENEZES, 2007; ELEYE-DATUBO, WALL e WANG, 2008),
vm propondo a modelagem por meio de Redes Bayesianas, para melhor
dimensionar e aferir o risco, levando em considerao o elemento humano, uma vez
que, ao se aplicar esta tcnica, suprimida boa parte das deficincias na
modelagem da ao humana com o uso de rvores binrias.

Ser feita uma breve explanao sobre as tcnicas aplicadas HRA,


observado que a anlise de risco tratada neste trabalho, correlaciona no s fatores

2 H outras abordagens que fogem ao contexto deste trabalho, como o caso da Teoria Fuzzy que
trabalha com mltiplos estados.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 8
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

humanos, mas tambm fatores no humanos. Em seguida justificado o emprego


das Redes Bayesianas RB , e, na sequncia, apresentada uma descrio
sucinta dos principais conceitos e definies que permeiam a tcnica em questo
(RB).

A seguir, so apresentados resumidamente os objetivos e a estrutura desta


dissertao.

1.1. Objetivos

1.1.1. Objetivo Geral

Este trabalho tem como objetivo geral verificar se a tcnica denominada


Redes Bayesianas a mais adequada para o estudo em questo, qual seja, a
quantificao do risco associado ao processo de descarga de granis lquidos
inflamveis, em um terminal porturio especializado, denominado terminal de
granis lquidos TGL, transportados por um navio-tanque, especfico para tal
finalidade. A anlise de risco de sistemas conjugados e complexos, conforme
mencionado, de grande relevncia no s para os meios acadmicos, como para
as sociedades empresrias que lidam com tais operaes, pois existem eventos
externos e internos (conforme Apndice B) que afetam o desempenho do processo
em questo e fazem parte de uma sequncia de eventos de perigo, cujos efeitos
podem resultar em consequncias graves para o processo estudado, em funo da
mudana inesperada das condies iniciais da operao de descarga dos produtos
inflamveis.

Deste modo, prope-se um mtodo mais ajustado anlise do risco,


influenciado pelo comportamento humano, baseada em redes bayesianas,
observada as etapas estabelecidas pela IMO em seu guia para a FSA, como dito
alhures. A metodologia se inicia com a caracterizao do empreendimento ou da
planta industrial, no que tange aos seus aspectos fisiogrficos, as caractersticas
meteorolgicas, da instalao, das atividades e os aspectos operacionais. Na
sequncia, realizada a identificao dos cenrios de perigos, que obtida por
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 9
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

meio da identificao e caracterizao do processo e suas etapas e relaes


funcionais para, posteriormente, serem definidos os eventos inicializadores dos
cenrios de perigo, bem como as sequncias de propagao dos efeitos dos
mesmos que podem conduzir a um acidente. Nesta etapa, ser usada a tcnica de
anlise preliminar de perigos, PHA, j mostrada em trabalho anterior (MARTINS e
MORAES 2013a e 2013b).

Posteriormente, para a avaliao das probabilidades de ocorrncia de cada


cenrio, correlacionados aos eventos bsicos inicializadores, aplicada a tcnica de
composio probabilstica, discutida por MARTINS e MORAES (2013a e 2013b), de
sorte que, em seguida, o processo modelado atravs da anlise de rvore de
falhas, FTA (do ingls, Fault Tree Analysis) e da anlise de rvore de eventos, ETA
(do ingls, Event Tree Analysis), com devida associao probabilstica inicial, sem
considerar o elemento humano, HRA.

Em momento posterior, aplicado um mtodo combinado a partir dos mtodos


apresentados por MATURANA (2010) e MARTINS (2013), que de forma eficiente
realizam a anlise de confiabilidade humana aplicveis a indstria naval, de forma
que, usando modelos de inferncia bayesiana, calculada a chance de que o
cenrio de perigo acontea, observados os fatores humanos e no humanos, do
processo de descarga do navio-tanque em um TGL. Antes de apresentar a aplicao
das RBs, no entanto, o trabalho procura justificar o emprego da tcnica em Redes
Bayesianas, bem como apresenta os conceitos e definies associados.

Para uma concretizao plena da anlise de risco do processo em questo,


conforme o FSA (IMO, 2002), foi efetivada uma avaliao de suas consequncias,
dentre estas, o vazamento do granel lquido inflamvel, seja do compartimento do
navio-tanque, seja das tubulaes associadas ao TGL. Uma vez definida a
quantidade total de vazamento, houve o dimensionamento das consequncias.

Para auxiliar no entendimento do mtodo aplicado, foi proposto um estudo de


caso, com caractersticas gerais, associadas interao entre o sistema navio (NT)
e o sistema porto (TGL), onde a participao do elemento humano mais

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 10
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

preponderante que a mquina. Foram utilizadas ferramentas computacionais do


Laboratrio Anlise, Avaliao e Gerenciamento de Risco da Escola Politcnica da
USP, que auxiliaram de forma decisiva para o desenvolvimento desta dissertao.

1.1.2. Objetivos Especficos

a. Identificar os cenrios de perigo associados ao processo de descarga de


granis lquidos inflamveis do navio-tanque para um terminal porturio
especializado, com base em estudo de caso, quando existe mudana
repentina das condies em que a operao executada, atravs da
caracterizao do empreendimento ou da planta industrial;
b. Identificar e qualificar os eventos inicializadores dos cenrios de perigo, do
mencionado processo do item (a), atravs da tcnica de anlise preliminar de
perigos (PHA), observados os perigos relacionados aos fatores no humanos
e humanos, realizando, no caso deste ltimo, uma anlise de tarefas
realizada por cada elemento humano no processo em questo;
c. Estimar os riscos associados aos eventos bsicos e indesejados de maior
relevncia do item (b), quantificando-os, atravs da tcnica de composio
probabilstica, conforme MARTINS e MORAES (2013a e 2013b), observado a
opinio dos especialistas;
d. Analisar, detalhadamente, as tarefas crticas, a fim de quantificar o erro
humano associado ao processo do item (b), preenchendo as Tabelas de
Probabilidades Condicionais com base na crena e opinio dos especialistas
atuantes na planta sob estudo, que serve de base para as inferncias
propostas;
e. Analisar as consequncias dos eventos indesejveis do processo em
questo, atravs da construo dos diagramas associados, observado o
vazamento do granel lquido mais transportado, com a utilizao dos
softwares PHAST e/ou PHAST RISK, verso 6.5.4, ambos da Det Norke
Veritas DNV, uma das ferramentas mais empregadas para anlise de
consequncias (MARTINS et al., 2011a);
f. Analisar os eventos indesejveis do processo em questo, por intermdio da
construo da rvore de falhas e da rvore de eventos, observado o evento-

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 11
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

topo, no descarga do granel lquido inflamvel do NT para o TGL, calculando


a probabilidade de ocorrncia;
g. Aplicar os conceitos de anlise de risco, associado ao processo de descarga
de granis lquidos inflamveis do navio-tanque para um terminal porturio
especializado, com base em estudo de caso, usando a tcnica de anlise por
redes bayesianas, com a observncia da HRA (MATURANA, 2010), utilizando
o software NETICA disponibilizado pelo Laboratrio de Anlise, Avaliao e
Gerenciamento de Risco do Departamento de Engenharia Naval e Ocenica
da Escola Politcnica da Universidade de So Paulo, com o objetivo de
quantificar o risco, conjugando o elemento humano com o no humano,
quando existe mudana repentina das condies em que a operao
executada.

Dentre as contribuies deste trabalho, pode-se ressaltar que apresentada,


de forma estruturada e organizada, a aplicao de uma anlise probabilstica para o
clculo do risco de um processo que se caracteriza pela combinao e inter-relao
complexa de distintos elementos como pessoas, equipamentos, operaes e
ambiente. Esta anlise afere as consequncias e a possibilidade de incorporao de
mudanas de estado (na estrutura da RB) dentro da avaliao de risco, com o intuito
de apoiar (no o escopo desta dissertao) uma tomada de deciso (passo 5 da
FSA) referente mudana da estratgia de operao.

O mtodo, decorrente da combinao de mtodos j testados, para o estudo


do caso no setor de transporte martimo, no clculo do risco, por meio de Redes
Bayesianas, de um processo oriundo da interao de um sistema naval com um
sistema porturio, na descarga de produtos lquidos inflamveis, levando em
considerao o fator humano, indito no Brasil, no que tange ao objeto. A
aplicao do mtodo em um caso de estudo real de dois sistemas complexos (navio
e porto), de forma lgica e estruturada, com modelos matemticos de simulao
numrica da teoria dos grafos, possibilita a identificao dos pontos crticos da
operao na interao dos sistemas complexos, como o caso aqui estudado, com
as tcnicas de representao de cenrios, de forma a apresentar, posteriormente,
um valor numrico associado ao risco da operao, mostrando com o risco pode

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 12
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

deixar de ser uma valorao qualitativa e se tornar uma parte integral para o seu
controle e no processo de tomada de deciso.

1.2. Estrutura da Dissertao

Esta dissertao est organizada em 7 (sete) captulos, incluindo este inicial de


introduo, objetivos geral e especficos e explicao sucinta sobre a estrutura da
dissertao.

No Captulo 2 so apresentados o referencial terico para desenvolver o


trabalho, iniciando com definies e conceitos correlacionados anlise, avaliao
e ao gerenciamento do risco, distinguindo as etapas da metodologia baseada no
risco, com especial ateno para a anlise do risco (segundo o guia FSA), que
feito em tpico apartado. Tambm realizada uma breve explanao sobre o estudo
da confiabilidade, mostrando a sua aplicao no mbito de processos e de sistemas,
observada as falhas de natureza no humana e humana, com foco na confiabilidade
humana. Na sequncia feita a apresentao dos conceitos bsicos e essenciais
para o entendimento das Redes Bayesianas e seu emprego na realizao de
inferncias. Neste contexto, apresentar-se- a anlise por intermdio da rvore de
falhas e de eventos, do processo em estudo, com especial ateno para a
transformao da rvore de falhas em Redes Bayesianas.

No Captulo 3 apresentado o mtodo derivado de outros j testados e


tcnicas conhecidas, usando a anlise probabilstica do risco, centralizando no
processo de descarga de granis lquidos inflamveis, a partir de um navio-tanque,
para um terminal porturio especializado, suas tubulaes e seus tanques de
armazenamento, estruturada de forma a aambarcar os fatores no humanos e
humanos correlacionados ao processo, tendo em vista os eventos indesejveis mais
relevantes. Para encerrar, apresentada a forma empregada ao estudo do caso
para integrar a rvore de falhas s redes que modelam as tarefas crticas realizadas
pelo elemento humano, com o objetivo de estudar o evento de no descarga do
navio-tanque. Trata-se, pois, de construir as Redes Bayesianas associadas aos
eventos inicializadores da rvore de falhas que possuem o componente humano.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 13
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No Captulo 4 apresentado o caso a ser estudado, observada uma planta


genrica, com o intuito de verificar a aplicao das Redes Bayesianas na
modelagem do processo em questo. Para tanto, so apresentadas as
caractersticas da planta industrial, no que tange aos aspectos fisiogrficos,
caractersticas meteorolgicas, caractersticas da instalao, as atividades
praticadas e os aspectos operacionais. Neste nterim importante salientar que a
planta industrial a interao entre o sistema navio-tanque e o sistema TGL. Na
sequncia so apresentadas e modeladas as relaes entre os eventos perigosos
(aqueles que podem levar a no descarga do navio-tanque no TGL), as tarefas que
esto correlacionadas aos eventos bsicos e inicializadores destes
desencadeamentos (eventos iniciais na rvore de falhas) e os fatores da modelagem
de desempenho PSF (do ingls, Performance Shaping Factors), ou simplesmente
fatores de desempenho (FD), relacionados execuo das mencionadas tarefas.
mostrado como foram preenchidas as Tabelas de Probabilidades Condicionais
TPC, a partir da consulta feita aos especialistas e os dados existentes. feita a
apresentao da Rede Bayesiana, comentando-se as restries para o caso
estudado, com uma avaliao preliminar da proposta do trabalho. Por fim
apresentada a anlise de consequncias dos eventos indesejveis em caso de
sinistro da planta industrial considerada, observado os possveis cenrios.

O Captulo 5 dedicado anlise do modelo descrito no captulo anterior.


feito uma anlise dos resultados encontrados, comparando os resultados da
quantificao dos riscos, por intermdio das tcnicas de rvore de falhas e rvores
de eventos, tendo por evento topo a no descarga do granel lquido inflamvel, com
a tcnica de Redes Bayesianas, sendo que nesta ltima foram incorporadas as
tarefas realizadas pelo elemento humano, que contribuiu para o surgimento de
eventos perigosos, segundo MATURANA (2010).

No Captulo 6 feita a concluso final, sendo apresentados os resultados do


trabalho e as dificuldades encontradas, alm das ltimas consideraes a respeito
desta dissertao e recomendaes para trabalhos futuros.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 14
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Por fim, no Captulo 7 so apresentadas as referncias bibliogrficas utilizadas


e que serviram de base para a elaborao deste trabalho, e que podem ser
utilizadas em pesquisas futuras para o aprofundamento do conhecimento aqui
discutido, que no est encerrado, nem finalizado, servindo de base para o
desenvolvimento de novas pesquisas no campo da anlise, avaliao e
gerenciamento do risco de sistemas e de processos.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 15
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2. FUNDAMENTOS TERICOS

O captulo a ser exposto, apresenta os referenciais ou os fundamentos tericos


que permeiam o estudo da confiabilidade, com foco na confiabilidade humana, dos
mtodos (e tcnicas) usados na rea tecnolgica baseada no risco, e do uso da
Estatstica Bayesiana, com foco no emprego das Redes Bayesianas como
instrumento na anlise quantitativa da confiabilidade e do risco, enfatizando os
aspectos tericos que auxiliaro no entendimento do estudo do caso, de que trata o
Captulo 4. Tambm sero apresentadas as tcnicas de anlise por rvore de falhas
e rvore de eventos, com intuito de comparar os resultados com a tcnica das redes
bayesianas, na anlise probabilstica do risco, como se ver no Captulo 3. Por fim,
sero apresentados os conceitos que embasam a modelagem atravs das redes
bayesianas e um caminho para o desenvolvimento da anlise da confiabilidade, com
nfase no elemento humano.

2.1. Teoria das Probabilidades aspectos histricos, conceitos e definies

Muitas das tcnicas aplicadas na anlise probabilstica do risco, sob a tica


quantitativa, se valem da Matemtica e da Estatstica, e, neste ponto, mais
precisamente da teoria das probabilidades. Segundo COZMAN, 2009; RUSSEL &
NORVIG, 2000; FELLER, 1970; NEAPOLITAN, 2003; MEMRIA, 2004, as primeiras
teorias da Estatstica Clssica foram desenvolvidas no sculo XVII, de sorte que,
para os clssicos (Leibnitz, Fermat, Pascal, De Moivre, Bayes, Laplace), a
probabilidade a razo entre o nmero de casos favorveis dentre todos os casos
possveis. A partir desta assertiva, enunciou-se o princpio da razo no suficiente,
onde dois casos possveis so igualmente provveis se no existe razo para
preferir um ao outro. No final do sculo XIX surgiram crticas ao princpio, trazidas
pelos frequencistas (Venn, Boole, De Morgan, Fischer, Neyman, Pearson), pois para
eles, os clssicos no observaram a reparametrizao das variveis (isto , se

X = { 2; 0; + 2} , com probabilidade de
1
, a probabilidade de X2, que resulta em 4 ou
3

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 16
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2 1
0, ou ?), nem a quantidade de casos, observado o tempo, era suficiente como
3 2
prova, a fim de corroborar com o mencionado princpio.

Os frequencistas, ento, propuseram a ideia bsica de que a definio de


probabilidade deveria contemplar o conhecimento, ao invs da ignorncia. Portanto,
a probabilidade foi definida como o limite da frequncia relativa das observaes,
isto , seja A determinado evento observado; n o nmero total de observaes e
n A o nmero de vezes que o evento A ocorreu, dentro do total de observaes.
Ento:

nA
P ( A) = lim (2.1)
n n

Os frequencistas construram, a partir da relao (2.1), diversas teorias.


Todavia, na dcada de 30 do sculo passado, as crticas a concepo frequencistas
ganhou fora pelos chamados bayesianos (Ramsey, De Finetti, Savage). As
crticas se basearam nas seguintes colocaes: (i) impossvel falar sobre
probabilidades de eventos que iro ocorrer apenas uma vez; (ii) o uso da teoria de
limites na definio equivocado, pois que muitas sequncias determinsticas
possuem limites. Alm disso, pode-se dizer que todas as sequncias aleatrias
possuem limites?

Para os bayesianos, a definio de probabilidade dos frequencistas


limitada na concepo, sendo difcil definir matematicamente. L. J. Savage, ento,
prope que existe um componente de subjetivismo em probabilidade e Ramsey/De
Finetti prope que a probabilidade seja definida a partir de uma estratgia da aposta
justa. A ideia de Savage, por seu turno, se baseia nas preferncias dos indivduos.
Para ele, a partir das preferncias se obtm as utilidades e as probabilidades de
determinadas escolhas. Segundo a Teoria da Utilidade Esperada, desenvolvida por
Savage (WAGNER, 2009; COZMAN, 2009; CASTRO e FARO, 2005), supondo
somente um estado da natureza, se o indivduo prefere g a h (denota-se: g f h , isto
, g prefervel a h), ento, existe uma medida de probabilidade P, associada a

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 17
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

escolha, para uma determinada quantidade x (de h ou g), e uma funo de utilidade
U tal que:

[ ]
E [U (h )] < E [U ( g )] E [U ( xh , Ph )] < E U (xg , Pg ) (2.2)

Onde, na expresso (2.2), E [U ()] a utilidade esperada.

A partir da, Savage desenvolve a denominada Teoria das Probabilidades


Subjetivas (COZMAN, 2009; MEMRIA, 2004), que dar ensejo a Estatstica
Bayesiana. Para os bayesianos todas as formas de incerteza so reduzidas a uma
medida de probabilidade e os julgamentos de incerteza so reduzidos a
preferncias. Da, todas as formas de atualizao do conhecimento resultam na
aplicao da denominada Regra de Bayes.

Por seu turno, a Regra de Bayes uma importante relao utilizada na anlise
probabilstica de risco, em especial no emprego das Redes Bayesianas, como se
ver no item 2.6, e foi proposta por Thomas Bayes no sculo XVIII, extrada
diretamente da concepo de probabilidade condicionada, conforme ser visto
adiante. COZMAN (2013) e NEAPOLITAN (2003) nos informam que, em 1.933, A. N.
Kolmogorov estabeleceu diversos axiomas que servem de base para a teoria das
probabilidades, a qual usada amplamente na construo de algoritmos
estimadores, em especial das redes bayesianas.

Neste ponto, importante ressaltar que a teoria das probabilidades est


relacionada s experincias que tm um conjunto distintos de resultados. Exemplos
de tais experincias incluem a elaborao da retirada da carta de cima de um
baralho de 52 cartas, com 52 possveis resultados; o lanamento de uma moeda
com possibilidade de dois resultados: cara (C) ou coroa (K). Uma vez que um
experimento bem definido, a coleo de todos os resultados chamada de
espao de possibilidades. Matematicamente, um espao possibilidades um
conjunto e os resultados so os elementos do conjunto.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 18
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Portanto, o primeiro elemento de uma investigao ou de um experimento o


conjunto de possveis estados do mundo que cerca o analista. Cada estado uma
completa descrio de todos os aspectos do mundo que so de interesse em uma
dada anlise. Estados so sempre mutualmente exclusivos: isto , de dois estados
nunca so obtidos uma nica situao ou resultado. O conjunto de estados,
denotados por = {1 , 2 ,L, n } , n um nmero natural, o espao de
possibilidades, e isto interpretado como o conjunto de todas as descries
completas do mundo que cerca o analista e que so consideradas possveis, os
resultados. O espao de possibilidades exaustivo: acontea o que acontecer o
mundo estar em um dos estados de (SMITH e KELLY, 2011).

O espao de possibilidades, pode ser binrio, finito, infinito contvel ou


incontvel.

Frequentemente, tambm chamado de espao amostral, e os estados i


0 i n , n um nmero natural, so chamados de elementos, resultados ou
realizaes, observado que, uma amostra pode conter mais de um elemento.

No espao amostral ou de possibilidades finito, cada subconjunto


chamado de evento. A interpretao que um evento e perfeitamente identificado
ou obtido quando o estado, ou sequncia de estados3, i 0 i n identificado.

Um subconjunto do espao amostral contendo exatamente um elemento


chamado de evento elementar ou simples, e o subconjunto sem elementos
chamado de conjunto vazio. Uma vez que um espao amostral ou de possibilidades
identificado, uma funo de probabilidade definida como se segue, conforme
prope Kolmogorov (NEAPOLITAN, 2003).

Definio 1.1. Suponha a existncia de um espao amostral contendo n


distintos elementos. Isto :

3O evento pode ser caracterizado pela ocorrncia de um estado (no caso de uma tentativa) ou por
uma sequncia de estados (resultado de mais de uma tentativa).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 19
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

= {e1 , e2 ,L , en } (2.3)

A funo que atribuiu um nmero real P(e ) para cada evento e

chamada funo de probabilidade sobre o conjunto dos subconjuntos de se


satisfazer as seguintes condies ou axiomas:
1. 0 P ({ei }) 1, para 1 i n ; (2.4)

2. P({e1}) + P ({e2 }) + L P ({en }) = 1; (2.5)

{ }
3. Para cada evento e = ei1 , ei2 , L , eik , que no seja um evento
(2.6)
elementar, tem-se que P(e ) = P ({ei1}) + P ({ei 2 }) + L P ({ei k }) .

O par (, P ) chamado de espao de probabilidades. Seja X4 o conjunto das

variveis aleatrias x associadas a P(e ) , tal que, X : , sendo o conjunto

dos nmeros reais, tem-se que a medida de probabilidade em induz uma medida
em X, pertencente aos n reais. Isto , o conjunto de todos os possveis valores da

varivel X denotado por X que o espao de possibilidades de X (algumas

vezes chamado de espao amostral de X), sendo f ( X ) = P (e) outra varivel

aleatria. Por causa das restries impostas, X um subconjunto dos nmeros


reais (COZMAN, 2013).

Variveis aleatrias so denotadas por letras maisculas W, X, Y, Z. Um valor


particular de uma varivel representado por letras minsculas, como visto
anteriormente, no caso de x. x denota um valor de X, e {X = x} denota o evento

{ | X ( ) = x}.

Como se verifica em (2.6), cada evento e pode ser composto de vrios estados.
Por exemplo, se o experimento o lanamento de uma moeda, onde h a
possibilidade de dois resultados: ou cara (C) ou coroa (K), duas vezes, tem-se da

4 Neste trabalho, os eventos, exceto quando tratados nos itens 2.4.4 e 2.4.5, sero representados por
letras minsculas e as variveis por maisculas.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 20
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

expresso (2.3), que = {CC , CK , KC , KK }, uma possibilidade de e = {CC , KK },


sendo C um estado e K outro estado. Decorre da a Figura 4, que mostra o
relacionamento entre os conceitos estabelecidos alhures:

Figura 4 Correlao grfica entre o evento e, o espao


amostral , o conjunto dos reais, com as probabilidades
associadas a cada estado do evento e.

Onde P (e ) =
1
. Da definio 1.1, observado o par (, P ) , decorre as seguintes
2
propriedades, demonstradas em COZMAN (2013) e NEAPOLITAN (2003):

4. P( ) = 1 ; (2.7)

5. 0 P(e ) 1 para todo e ; (2.8)

6. Para e e w , tal que e w = , sendo o conjunto vazio, tem-se (2.9)

P(e w) = P(e ) + P(w) ;

7. e e e C , sendo e C complemento de e , ento e eC = e (2.10)

e eC =
( )
8. P (e ) + P eC = P ( ) = 1 (2.11)

9. Para e e w , tal que e w , sendo o conjunto vazio, tem-se (2.12)

P(e w) = P(e ) + P(w) P(e w)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 21
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Decorre do conceito de probabilidade estabelecido por Kolmogorov a


possibilidade de se calcular a probabilidade de um evento, dado que ocorreu outro
evento, denominada probabilidade condicionada. Por exemplo, sejam e1 e e2 dois
eventos, como, e1 = chover hoje aps s 13 horas e e2 = haver inundao na
regio de vrzea aps s 15 horas. Se e1 e e2 so dependentes, a probabilidade de
ambos e1 e e2 ocorrerem ou existirem simultaneamente obtido da seguinte
expresso (2.13):

P(e1 e2 ) = P (e1 ) P (e2 e1 ) (2.13)

onde P(e1 e2 ) a existncia simultnea dos dois eventos; P(e1 ) a

probabilidade de ocorrncia do evento e1 e P (e2 e1 ) a probabilidade de ocorrer e2

dado que ocorreu e1.

Se e1 e e2 no forem dependentes, i.e., forem independentes, a expresso se

degenera para a expresso (2.14), dado que P (e2 e1 ) = P (e2 ) :

P(e1 e2 ) = P(e1 ) P (e2 ) (2.14)

De outro modo, pode-se ter:

P(e1 e2 ) = P(e2 ) P(e1 e2 ) (2.15)

Isto , P(e2 ) a probabilidade de ocorrncia do evento e2 e P (e1 e2 ) a

probabilidade de ocorrer e1 dado que ocorreu e2.

Da decorre das expresses (2.13) e (2.15) que:

P(e1 ) P(e2 e1 )
P(e1 e2 ) =
P(e2 ) (2.16)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 22
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Sendo esta relao denominada Regra ou Teorema de Bayes (MODARRES,


2010).

A relao (2.16) acima pode ser generalizada. Se o evento e depende de n


eventos prvios que podem ocorrer de distintas maneiras a1 , a2 , a3 ,..., an , isto , so

independentes, tem-se:

P (a j ) P (e a j )
P (a j e ) =
P(a ) P(e a )
n
(2.17)
i i
i =1

P (e a j )
( )
Onde P a j denominada probabilidade a priori e funo
P(a ) P(e a )
n

i i
i =1

de verossimilhana ou o fator atravs do qual a probabilidade a priori revisada

( )
baseado nas evidncias observadas. P a j e chamado de probabilidade posterior

ou a posteriori. Ou seja, dado o evento e, a probabilidade do evento ai pode ser


atualizada ou revista. Quanto maior o nmero de evidncias observadas, mais
( )
prxima da realidade ficar P a j e . O Teorema de Bayes providencia um meio para

alterar o conhecimento sobre um determinado evento luz de novas evidncias


relatadas sobre o evento (MODARRES, 2010). O Teorema de Bayes pode ser
utilizado, portanto, em qualquer situao na qual seja preciso calcular as
probabilidades condicionais aps a coleta de dados ou observada a percepo dos
especialistas (anlise subjetiva ver 4.4.4). O Apndice A item (1) traz um
exemplo de COZMAN (2009) sobre aplicao do teorema, que elucida a questo.
Sugere-se, se for o caso, consult-lo.

No que tange aos mtodos Bayesianos de estimao, estes utilizam a


informao sintetizada sob a forma de funes de densidade de probabilidade
(f.d.p.) e combinam esta informao atravs da regra de Bayes, mostrada
anteriormente (SHEVCHENKO, 2011). Sob esta tica, a funo de distribuio a
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 23
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

posteriori (em relao s variveis no observveis, doravante denominada Xi) de


cada parmetro obtida com base na funo de distribuio a priori (em relao s
variveis observveis) e na funo de distribuio subjacente informao amostral,
utilizando a regra de Bayes, conforme nos informa MODARRES (2010). No prximo
item, para uma melhor compreenso deste trabalho, sero apresentados relevantes
conceitos e definies aplicados anlise de risco.

2.2. Definies e Conceitos aplicados anlise do risco

2.2.1. Conceito de perigo, acidente, segurana e confiabilidade

Termos como perigo, acidente, integridade, credibilidade, confiabilidade,


probabilidade, segurana, incerteza e risco tornaram-se importantes nas reunies
dirias em diversos setores tecnolgicos, industriais, financeiros e econmicos.
Todavia, na maioria das vezes, so usados de forma imprecisa, nada obstante se
observar o contexto em que usado. Por exemplo, na rea tecnolgica e industrial,
o termo confivel, em muitas ocasies, usado para descrever o comportamento
de uma pessoa fsica ou jurdica. O termo segurana, neste raciocnio,
frequentemente relacionado com um determinado nvel de convivncia harmoniosa
dentro da sociedade, garantida pelo Estado, atravs de suas polcias ou foras
armadas, ou relacionado com a operao de componentes sem afetar a
integridade fsica de quem usa o dispositivo, eltrico ou mecnico. Da mesma forma,
a palavra risco usada para advertir uma possvel exposio a uma consequncia
adversa ou danosa, e muitas vezes este termo substituiu o termo perigo. A questo
que, no cotidiano, e de forma sistemtica na rea de engenharia, existe uma
tendncia de usar estas palavras alternativamente ou de forma incorreta em
determinado contexto, desconhecendo as suas distines no campo da Matemtica,
da Estatstica, da Engenharia e da Metodologia de Sistemas. No entanto, o aumento
da complexidade de operao dos sistemas e dos processos, assim como a
necessidade de se tomar decises a partir de diferentes comportamentos do sistema
ou do processo em cenrios adversos de operao, obriga o engenheiro da rea de
anlise e consultoria a definir com preciso cada um destes termos, bem como

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 24
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

definir modelos, mtodos ou tcnicas para a quantificao do risco e da


confiabilidade (SINGPURWALLA, 2006).

Neste ponto, importante distinguir os termos perigo e acidente. Alis, tal


confuso no passou despercebida por WINTHER e MARSH (2013), que ressaltam
a questo no mbito da rea de segurana e confiabilidade de sistemas. Perigo
uma ou mais condies fsicas ou qumicas com potencial para causar danos s
pessoas, propriedade, ao meio ambiente ou combinao desses (KUMAMOTO e
HENLEY, 1996). Em um sistema complexo, como por exemplo, a interao entre o
sistema porturio e o sistema naval ou ocenico, com maior atuao do elemento
humano, os perigos so perceptveis e podem causar grandes prejuzos financeiros.

As consequncias, portanto, so negativas. J o termo acidente se refere a


um evento imprevisto e indesejvel que provoca uma consequncia negativa s
pessoas, ao patrimnio e/ou ao meio ambiente (MARTINS, 2013). Aps a ocorrncia
do evento, o perigo se concretiza em um acidente, um pr-requisito para que
acontea o acidente (ERICSON, 2005), e a consequncia a manifestao dos
efeitos fsicos resultantes do acidente, que pode ser um resultado direto ou indireto,
de um evento inicializador, que um evento indesejado resultado da atuao
indevida de um componente do sistema ou do processo, composto pelo elemento
humano. Um acidente pode ser um evento catastrfico, instantneo ou contnuo.

Segundo HOLLGANEL (2005), vrios modelos so utilizados para estudar os


diversos tipos de acidentes, em sistemas ou em processos envolvendo o homem e a
mquina, mas o autor destaca trs modelos: o sequencial, que versa sobre uma
sequncia de eventos, em efeito domin; o epidemiolgico, que ocorre tal qual uma
doena, contagiando o sistema ou o processo; e o sistmico, onde h uma srie de
eventos ocorrendo em srie ou em paralelo, estudado como se fosse um modelo
catico. Neste trabalho, considerar-se- que os eventos indesejveis podem ocorrer
em srie e/ou paralelo.

Por seu turno, o termo segurana se refere, no contexto ora estudado,


capacidade de um sistema de evitar a ocorrncia de falhas ou eventos indesejados,

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 25
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

dentro das condies pr-estabelecidas de eventos crticos para o seu


funcionamento ou para os seus operadores e o meio ambiente. Este conceito, no
contexto do risco, est relacionado operao bem sucedida do sistema ou do
processo. Portanto, a segurana da operao do sistema ou do processo est
relacionada com as capacidades de avaliao, previso, medida e controle de falhas
do sistema (BAHR apud RODRIGUEZ, 2012). A segurana pode ser determinante
para a quantificao do risco de operao do sistema ou do processo, se se
considerar a sua atuao sem falhas catastrficas, refletindo a possibilidade do
sistema ser operado ou do processo ser realizado de forma normal e anormal, sem
oferecer ameaas s pessoas ou ao meio ambiente. No caso de sistemas navais e
porturios h uma quantidade expressiva de normas que visam garantir melhorias
na previso e controle de situaes perigosas que poderiam resultar em incidentes.
Essas normas de segurana so basicamente estabelecidas pela IMO e pelas
sociedades classificadoras como a DNV (Det Norsk Veritas) e ABS (American
Bureau of Shipping).

Da surge a questo: como se relacionam os termos segurana e


confiabilidade? So sinnimos? O sistema confivel e seguro?

Segundo MARTINS (2013), a confiabilidade de um sistema ou de um


componente a probabilidade deste executar a funo para o qual foi projetado
durante um perodo de tempo pr-definido, sob determinadas condies ambientais
e operacionais, dado que estava funcionando ou em condies de operar no instante
inicial. V-se, pois, que confiabilidade e segurana podem estar relacionadas
quando a segurana depende do funcionamento de um dispositivo de proteo, mas
no so sinnimos. RODRIGUEZ (2012) nos informa que, dispositivos de proteo
deveriam ser os ltimos recursos a serem empregados na ordem de precedncia da
segurana, devendo-se dar preferncia eliminao dos perigos, no se requerendo
que os componentes do sistema ou que realizam o processo demonstrem alta
confiabilidade, mas que to-somente afastem comportamentos perigosos.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 26
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.2.2. Conceito de risco

HAIMMES (1998) apud RODRIGUEZ (2012, p. 16), define 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) apud
RODRIGUES (2012, p. 16), tambm define risco como a magnitude de um evento
de falha, usualmente expressa em termos econmicos.

No que tange a este trabalho, risco um conceito atribudo incerteza utilizado


para avaliar o potencial efeito de um evento imprevisto e indesejvel que provoca
uma consequncia negativa s pessoas, ao patrimnio e/ou ao meio ambiente em
termos de sua probabilidade de ocorrncia e da magnitude das suas consequncias
(MARTINS, 2013).

Ou seja, risco (R) medida de perda econmica e/ou de danos vida humana,
resultante da combinao entre as frequncias de ocorrncia (f) e a magnitude das
perdas ou danos (consequncias C), observado o cenrio (c) (SMITH, 2001; no
mesmo sentido, a norma tcnica da PETROBRAS NBR-2784, PETROBRAS, 2005)5,
isto :

R = F ( f , c, C ) (2.18)

Para muitos processos, 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 no meio ambiente, multas e punies por no
cumprimento de contratos e legislaes governamentais, entre outros.

5H uma definio mais abrangente do conceito de risco, inserindo na expresso 2.18, uma funo
de distribuio de probabilidades associada as incertezas, considerando que os valores esperados
so expectativas. A ISO 31000 e a recente edio sobre risco da autoridade norueguesa (Petroleum
Safety Authority Norway) trazem esta concepo do risco ligada a afetao negativa na realizao
dos objetivos. Nada obstante, adotar-se-, para este trabalho, por simplificao, o conceito
apresentado.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 27
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No setor martimo, a IMO define o risco como a combinao da frequncia e da


severidade da consequncia (IMO, 2002).

SMITH (2001), corroborando com o que foi exposto, afirma que para fazer uma
anlise ou avaliao de risco necessrio caracterizar as duas variveis, a
frequncia (f) e a consequncia (C). Tendo os valores qualitativos ou quantitativos
destas duas variveis possvel definir quais so os eventos que tem maior risco
classificando-os em categorias de risco. Adiante, na subseo 2.2.5, ser feito um
detalhamento desta relao entre risco, a frequncia e a consequncia.

Nesta linha de raciocnio, 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 acontece e est expresso na equao (2.19)
(RODRIGUEZ, 2012; em sentido anlogo, MARTINS, 2013).

n
R = E [L ] = p(Li ) Li (2.19)
i =1

Onde p (Li ) representa a probabilidade da ocorrncia da perda, para o evento i


(variando de 1 at n), 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 dos 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 = {a1 , a2 , L , ai , L , a j , L , am }, de possveis alternativas, onde

cada alternativa mutuamente excludente, e a probabilidade de cada nvel de


perdas pode ser expressa como mostra a equao (2. 20) e, portanto, o risco pode

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 28
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ser expresso como mostra a equao (2. 21) (SANCHEZ apud RODRIGUEZ, 2012,
p. 17):

p(Li ) = p (Li a j ) p(ai )


m

(2. 20)
j =1

n m
R = E[L] = p(Li a j ) p(ai ) Li (2. 21)
i =1 j =1

Sendo p(Li a j ) a probabilidade de perda i dado que ocorreu a alternativa a j .

O risco ainda pode ser subdividido em duas categorias: o risco individual, que
se refere probabilidade de um indivduo isoladamente sofrer algum tipo especfico
de leso ou fatalidade como consequncia de um evento indesejvel que provoca
prejuzos, e o risco social, que se refere ao risco ao que um determinado nmero de
indivduos, que se encontram em uma determinada comunidade ou rea, sofram
fatalidades em decorrncia do evento indesejvel em anlise (MARTINS, 2013).

Na sequncia, sero apresentados os conceitos de frequncia e de


consequncia, variveis que influenciam no risco.

2.2.3. Conceito de frequncia de ocorrncia

No setor martimo, segundo a IMO, a frequncia definida como o nmero de


ocorrncias por unidade de tempo, como por exemplo, em anos. Cada rea da
indstria avalia a frequncia (f) de acordo com o que ela considera apropriada. Por
exemplo, os dados da frequncia de ocorrncia de eventos na rea martima, so
classificados como indicado na Tabela 6 (IMO, 2002).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 29
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 6 Valores de Frequncia de Ocorrncia (IMO, 2002)


Categoria Frequncia f (por navio por ano) Descrio

Possvel de ocorrer uma vez por ms em


7 Frequente 12
um navio.

Possvel de ocorrer uma vez por ano em


Razoavelmente uma frota de 10 navios, ou seja, possvel
5 10-1
provvel de ocorrer algumas vezes durante a vida
operacional do navio.
Possvel de ocorrer uma vez por ano em
uma frota de 1000 navios, ou seja, possvel
3 Remota 10-3
de ocorrer durante a vida til de vrios
navios similares.
Possvel de ocorrer uma vez durante a vida
Extremadamente
1 10-5 operacional (20 anos) de uma frota de
remota
5000 navios.

J na norma tcnica NBR-2784, a frequncia de falhas definida como o


nmero de eventos de falha ocorridos, dividido pelo tempo do calendrio ou tempo
de operao no qual ocorrem tais eventos, ou pelo nmero total de demandas
(PETROBRAS, 2005).

SMITH (2001) coloca um exemplo para definir a frequncia de ocorrncia:


levando em considerao a operao de uma planta industrial que manuseia
materiais txicos e inflamveis, e dado que aconteceria um evento de perigo em um
perodo de dez mil anos, o resultado da frequncia de ocorrncia seria de 10-4 na
mencionada planta industrial. Porm, mesmo que um evento de perigo apresente
uma frequncia de ocorrncia muito baixa, suas consequncias podem ter elevada
magnitude, contribuindo significativamente para a composio do risco associado
operao de uma determinada instalao.

2.2.4. Conceito de consequncia de ocorrncia

Segundo a norma tcnica PETROBRAS NBR-2784, a consequncia (C) a


manifestao de como os efeitos fsicos impactam sobre os recursos humanos,
ambientais e/ou materiais, ocasionados por incndio, exploses ou vazamentos de
produtos txicos ou perigosos, expressa sob forma de danos sade, perda
econmica e impactos ao meio ambiente (PETROBRAS, 2005).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 30
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

A IMO (2002), define a consequncia como o resultado de um acidente,


envolvendo fatalidades, leses, perda ou dano do navio; perda ou dano de
propriedades ou danos ambientais classificando-a conforme a sua severidade. Na
Tabela 7 pode-se ver as categorias de severidade de acordo com a IMO.

Tabela 7 Valores de Consequncia de Ocorrncia (IMO, 2002)


Efeitos na segurana
Categoria Severidade Efeitos no navio
das pessoas
Danos aos
1 Menor Leses menores
equipamentos locais
Ferimentos mltiplos ou Danos no severos
2 Significativo
severos sobre o navio
Uma fatalidade ou
3 Severo Danos severos
mltiplas leses graves

4 Catastrfico Mltiplas fatalidades Perda total do navio

O CCPS-AIChE define as consequncias indesejveis em trs grandes


categorias como mostrados na Figura 5. Cada uma das trs categorias pode ser
subdividida pelo tipo de impacto que os eventos de perigo podem trazer. So elas:
impacto vida humana, impactos ambientais e impactos econmicos tanto na
prpria instalao quanto nas reas circunvizinhas (CCPS-AIChE, 2008).

Figura 5 Tipos de consequncias dadas pelas ocorrncias (CCPS-


AIChE, 2008).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 31
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.2.5. Categorias de Risco

Segundo a IMO (2002), o risco pode ser analisado qualitativamente ou


quantitativamente (como se ver no item 2.4). Neste sentido, as tabelas
apresentadas a seguir so utilizadas em uma anlise qualitativa de riscos e as
classificaes apresentadas so meras sugestes dos respectivos autores devendo-
se analisar a convenincia ou adequao destas classificaes (de frequncia e
consequncias) com relao ao problema sob anlise.

Para ordenar e classificar o risco de acordo com a sua significncia, utiliza-se a


denominada matriz de risco. Segundo KONTOVAS e PSARAFTINS (2009) e
ALENCAR (2005) apud SILVA (2013), a matriz de risco est dividida em categorias
de acordo com os valores da frequncia e da consequncia, onde cada evento de
perigo colocado na matriz de risco. Da matriz de risco se obtm uma classificao
do risco em categorias.

Dependendo da literatura utilizada para a elaborao da matriz de risco, ela


pode ser apresentada de diferentes maneiras, j que podem ser utilizados valores
de frequncia e de consequncia, em alguns casos, diferentes em comparao com
outras reas industriais.

Na indstria martima, no contexto aqui tratado, a frequncia e a consequncia


so introduzidas de maneira ordenada dentro da matriz de risco, que apresentada
na Tabela 8 (IMO, 2002).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 32
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 8 Matriz de Risco de acordo com a IMO (IMO, 2002)


Severidade
1 2 3 4
Categoria Frequncia Menor Significativo Severo Catastrfico
8 9 10 11
7 Frequente
7 8 9 10
Razoavelmente 6 7 8 9
5
provvel 5 6 7 8
4 5 6 7
3 Remota
3 4 5 6
Extremadamente
1 2 3 4 5
remota

A IMO define a sua matriz de risco por meio de valores numricos, os quais
comeam com o valor menos crtico (2) e vo at o valor que representa o valor
mais crtico (11). Para os eventos de perigo que geram um maior ndice de risco
necessrio e obrigatrio a implementao de todas as medidas de controle possveis
com o intuito de diminuir esse elevado ndice de risco. Alerta-se que a matriz de
risco no uma ferramenta escoimada de vcios. H limites para a matriz de risco,
no que tange simplificao que feita, em relao ao cenrio estudado, conforme
destaca FLAGE e RED (2012). Para maiores detalhes, sugere-se a leitura da
referncia em questo.

preciso estabelecer quais so as categorias de risco e definir o que significa


cada uma delas. De acordo com SMITH (2001) e IEC (2009) apud SILVA (2013) as
categorias de risco so definidas como tolervel, aceitvel e inaceitvel. Na
Tabela 9 apresentam-se as categorias de risco com as suas respectivas definies.

Tabela 9 Categorias de Risco (extrado de SMITH, 2001, com adaptaes)


Categoria de Risco Descrio
Pode-se aceitar o risco como razovel no sendo necessrio implementar
Tolervel
medidas adicionais para o seu controle.

Embora o sistema esteja preparado para operar com um risco particular,


Aceitvel deve-se continuar analisando suas causas e as defesas que se aplicaro,
tendo em vista uma reduo adicional do risco.

Este nvel de risco no tolervel e devero ser tomadas medidas


Inaceitvel corretivas no projeto e operao para reduzir a probabilidade de
ocorrncia e as consequncias dos perigos.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 33
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

O termo tolervel significa que aceita-se o nvel de risco de um evento


indesejvel como razovel, no sendo necessrio investir mais esforos, e recursos
para reduzir este nvel de risco. O termo aceitvel denota que embora o sistema ou
a planta industrial do processo esteja preparado para operar com um risco particular,
deve-se continuar trabalhando a fim de reduzir este nvel de risco. Isto pode ser
obtido mediante a anlise das causas do evento de perigo ou por meio da instalao
de defesas ou barreiras para reduzir seu impacto em caso da ocorrncia do evento.
Por fim, o termo inaceitvel significa que tal categoria de risco no tolervel e
devero ser tomadas medidas de alterao do projeto ou da operao da planta
industrial para evitar a exposio dos eventos de perigo.

Cada rea da indstria tm as suas prprias medidas, assim o que para


algumas considerado como tolervel para outras reas este mesmo evento de
perigo pode ser considerado como inaceitvel.

A matriz de risco serve para fazer a avaliao dos riscos associados aos
eventos de perigo identificados em qualquer planta industrial. Talvez esta seja a
maneira mais simples de avaliao de riscos para ser empregada na anlise de
risco, pois a interpretao mais rpida e fcil, para depois recomendar e
implementar as medidas de proteo, mesmo na etapa de projeto ou durante a vida
operacional da instalao industrial.

Infirme-se que o desenvolvimento de valores estimados qualitativa e/ou


quantitativa dos riscos, baseado em tcnicas e/ou mtodos estruturados, para
promover a combinao das frequncias e das consequncias de um acidente ou
incidente denominado na literatura especializada de estudo do risco.

E, o estudo do risco dividido em trs etapas: avaliao do risco, incluindo a


anlise do risco (clculo do risco), gerenciamento do risco e a comunicao do risco.
Existem muitas interaes e sobreposies entre estas principais etapas ou
elementos da anlise de risco (MODARRES, 2009).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 34
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

H, associado a essas trs etapas do estudo do risco, um grande desafio


inicial, que 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 cenrios e seu impacto, tanto para o meio
ambiente e as operaes, como para as pessoas envolvidas no processo industrial a
ser analisado. Na mesma toada, busca-se minimizar as consequncias econmicas,
seja em funo da perda de algum equipamento ou da parada na operao do
sistema.

H duas abordagens: uma prescritiva (determinstica), pela qual as


especificaes tcnicas de um projeto bsico de uma planta industrial so baseadas
na experincia passada e, muitas delas, aps a ocorrncia de algum acidente
importante, so revisadas (RODRIGUEZ, 2012). Essa abordagem carece de um
enfoque preventivo, e por esta razo, a IMO decidiu adotar um mtodo, no caso do
setor naval, na anlise de segurana dos navios e do transporte martimo, bem
como sua interao com a rea porturia, chamada Avaliao Formal de Segurana
FSA (do ingls Formal Safety Assessment) (KONTOVAS e PSARAFTINS, 2009
apud RODRIGUEZ, 2012).

Segundo WANG e ROUSH (2000) apud RODRGUEZ (2012), o projeto e a


operao de navios, e dos sistemas que interagem com eles, como por exemplo, os
portos, so divididos em cinco etapas: 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 (normalmente usadas as
denominadas matriz de risco); 3) definio de estratgias de controle de risco
eficazes e prticas de operao, visando reduzir o nvel do risco das 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.

O FSA (IMO, 2002) aceita tanto uma caracterizao quantitativa quanto


qualitativa dos perigos e riscos envolvidos no problema a ser analisado e,

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 35
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

consistentemente com os dados disponveis, sua representao pode ser tanto


matemtica quanto descritiva. Nos casos em que os dados necessrios para cada
passo no estiverem disponveis o mtodo prev a participao de especialistas,
desenvolvimento de modelos fsicos, simulaes e uso de modelos analticos para a
sua produo. Trata-se de uma abordagem probabilstica do risco (Probabilistic
Safety Assessment PSA).

Mas, tanto a abordagem determinstica quanto a abordagem do PSA podem se


deparar com dificuldades, tais como, falta de dados, dados escassos, modelagem
complexa. E, na linha do entendimento da IMO (2002), na anlise quantitativa
obtm-se um nmero de risco, enquanto que com a anlise qualitativa encontra-se
um nvel de risco que ser baixo, mdio, ou alto, como definido na matriz de risco da
IMO.

Portanto, decorre da nomenclatura utilizada que a anlise de risco atividade


voltada para o desenvolvimento de estimativas qualitativa e/ou quantitativa do risco
baseadas em tcnicas estruturadas, para promover a combinao das frequncias e
das consequncias de um acidente (clculo do risco). J a avaliao do risco o
processo que utiliza os resultados da anlise de risco para a tomada de deciso
quanto ao gerenciamento do risco, pela comparao com critrios de tolerabilidade
de risco previamente estabelecidos (MODARRES, 2009).

Nesta ordem de ideias, o gerenciamento de risco a formulao e a


implantao de medidas e procedimentos tcnicos e administrativos, que tm por
finalidade prevenir, controlar ou reduzir o risco existente em uma instalao
industrial, tendo tambm por objetivo manter essa instalao operando dentro de
requisitos de segurana considerados tolerveis (MODARRES, 2009).

Portanto, as respostas s perguntas que foram feitas anteriormente, e que


compe a anlise de risco do sistema complexo para a tomada de deciso, definindo
a instalao ou permanncia de uma planta industrial so aferidas pelo fluxograma
da Figura 6, que corresponde ao objetivo da abordagem probabilstica de risco:

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 36
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 6 Processo de Anlise e Avaliao de Risco (extrado


de MARTINS, 2013).

Na sequncia, ser exposto o que se tem sobre o estudo da confiabilidade de


sistemas, processos e componentes.

2.3. Estudo de Confiabilidade

A ocorrncia de evento indesejado e aleatrio no funcionamento de um sistema


ou na operao de um processo, levando a cessao da habilidade do sistema ou
da continuidade do processo associado planta industrial, em desempenhar a
funo a ela especificada, d-se o nome de falha.

Cnscios em projetar plantas industriais com elevado grau de infalibilidade, os


engenheiros frequentemente dimensionam estruturas conservadoras, por meio da

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 37
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

aplicao de coeficientes de segurana ou componentes redundantes ou fatores de


sobrecarga. Usualmente essas prticas so baseadas em padres ou normas
oficiais definidos pela experincia de outros engenheiros ao longo do tempo. Mesmo
assim, falhas ocorrem. E mais: estruturas superdimensionadas representam um
custo adicional desnecessrio.

Os requisitos de um projeto de engenharia, alm do custo, esto atrelados


segurana, funcionalidade, durabilidade e aos impactos ao meio ambiente. Certo
que, nesse contexto, e como consequncia das premissas do projeto da planta
industrial, a incerteza ou aleatoriedade dos dados de entrada e parmetros de
projeto devem ser considerados. necessrio estabelecer quais so os parmetros
mais relevantes e o quanto esses parmetros podem variar, para ser inferido o plano
de manuteno ou de reparo da planta industrial, em relao aos seus sistemas, ou
alterao dos processos associados, se for o caso, evitando falhas.

Muitos fenmenos observados na natureza ou nas atividades humanas contm


uma incerteza inerente, isto , no podem ser previstos com preciso absoluta. Em
geral, observaes repetidas de fenmenos fsicos geram mltiplos resultados,
alguns mais frequentes do que outros. A ocorrncia de mltiplos resultados sem um
padro caracterstico descrita atravs de termos como incerteza, aleatoriedade e
estocasticidade, que vem do grego stochos, que significa incerto (KRGER, 2008).
A frequncia de falhas, que o nmero de falhas observadas por unidade de tempo
da operao ou pelo nmero de demandas realizadas na planta industrial, a
depender do modo de operao do sistema ou da realizao do processo, uma
quantidade aleatria formalmente conhecida como varivel aleatria.

Em geral, todos os parmetros de interesse em projetos de engenharia so


representados por estatsticas (ver 2.1) que possuem algum grau de incerteza,
podendo, portanto, ser considerados como variveis aleatrias (KRGER, 2008).

A presena de incerteza em projetos de engenharia sempre foi um fato


reconhecido, contudo, as abordagens tradicionais simplificam o problema ao
considerar os parmetros de maneira determinstica e no considerar os parmetros

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 38
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

estatsticos existentes para represent-los. A forma usada para se levar em conta a


variabilidade dos parmetros considerados atravs do uso de coeficientes de
segurana empricos. Os coeficientes de segurana so geralmente baseados em
experincias anteriores, porm no garantem segurana ou desempenho satisfatrio
de forma absoluta. Tambm no proporcionam informaes sobre a influncia que
os diferentes parmetros do sistema possuem sobre a segurana do mesmo.
Portanto, difcil projetar um sistema com uma distribuio uniforme de nveis de
segurana entre os diferentes componentes ao utilizar coeficientes de segurana
empricos (KRGER, 2008).

A reduo da frequncia de falhas de um sistema ou de um processo torna a


planta industrial associada mais confivel. Essa ideia foi percebida na dcada de
30, sculo XX, na indstria de seguros, como nos informa MARTINS (2013),
migrando para a rea tecnolgica aps a 2 grande guerra mundial, no
desenvolvimento de programas de manuteno de sistemas pela indstria
aeronutica. Passa-se a exigir testes de confiabilidade dos componentes e dos
sistemas. Na dcada de 60, surgem os primeiros livros, e na dcada de 70, novas
tcnicas na indstria nuclear, com o pioneirismo da anlise da rvore de falhas
(MARTINS, 2013). a partir da indstria nuclear que o estudo da confiabilidade
ganha fora, em especial em relao ao elemento humano atuante na planta
industrial (a ser visto no item 2.3.1), infelizmente devido aos acidentes da rea,
como a catstrofe de Three Mile Island (USA, 1979).

Na dcada de 80, introduzido o conceito de mantenabilidade


(manutenabilidade6), embasando um programa da U.S. Air Force na manuteno
dos sistemas, a fim de permitir a reduo de custos. E, tal como ocorreu na indstria
nuclear (com o acidente da usina nuclear de Three Mile Island), na indstria
aeroespacial, o acidente com o nibus espacial Challenger em 1986, mudou a
sistemtica adotada pela NASA, agncia espacial norte-americana na anlise
quantitativa da confiabilidade (MARTINS, 2013).

6Probabilidade de que um sistema em estado de falha seja reparado sua condio original dentro
de um intervalo de tempo especificado, sendo a manuteno realizada seguindo-se procedimentos
pr-estabelecidos e sob condies especificadas (MARTINS, 2013).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 39
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Como anteriormente informado, confiabilidade a probabilidade de um


componente ou sistema executar a funo para a qual foi projetado, durante um
perodo de tempo pr-definido, sob determinadas condies ambientais e
operacionais dado que estava funcionando, ou em condies de operar, no instante
inicial. Em termos matemticos (MARTINS, 2013):

R (t ) = P (T t c1 , c2 , L) (2.22)

Onde, R(t ) a confiabilidade em funo de t, que o tempo decorrido sem


falhas desde o incio da operao do sistema ou do processo ou do componente,
isto , o tempo de misso. T a varivel aleatria que representa o instante de falha
do sistema ou do processo ou do componente. c1 , c2 , L so as condies
operacionais. Nestas condies, sendo R(t ) uma medida de probabilidade, ela
uma funo decrescente, R(t ) 0 , com lim R (t ) = 1 e lim R (t ) = 0 . Assim, 0 R(t ) 1 .
t 0 t

Nesta linha de raciocnio, a distribuio acumulada de falhas F (t ) representa a


probabilidade da falha do sistema ou do processo ou do componente at um
determinado instante t, a partir do incio de sua operao, e definida
matematicamente por:

F (t ) = P(T < t c1 , c2 , L) = 1 R(t ) (2.23)

E, por definio, F (0 ) = 0 e lim F (t ) = 1 .


t

Por seu turno, a funo de distribuio (ou de densidade) de probabilidades de


falhas f (t ) descreve a forma da distribuio de probabilidades ao longo do tempo e
a derivada de primeira ordem de F (t ) . Ento:

dF (t ) d (1 R (t ) )
f (t ) =
dR (t )
= = (2.24)
dt dt dt

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 40
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

E, como toda funo de densidade de probabilidades:

f (t ) 0 (2.25)

f (t )dt = 1
0
(2.26)

Desta forma, a partir do Primeiro Teorema Fundamental do Clculo, possvel


afirmar que a funo de distribuio acumulada de falhas F (t ) e a confiabilidade R(t )
representam reas sob a curva da funo de densidade de probabilidade de falhas
f (t ) , e podem ser obtidas diretamente por:

t
F (t ) = f ( )d (2.27)
0


R(t ) = f ( )d = 1 F (t ) (2.28)
t

A Figura 7 ilustra a forma genrica da distribuio acumulada de falha e da


funo de confiabilidade para uma dada funo de densidade de probabilidade, e a
Figura 8 ilustra representao geomtrica das reas sob as curvas, i.e., a rea em
verde a no-confiabilidade, e em vermelho a confiabilidade, sendo a soma igual a
unidade:

Figura 7 Forma genrica da funo de distribuio acumulada


de falha F (t ) e da funo de confiabilidade R (t ) para uma
dada funo de distribuio (ou de densidade) de probabilidade
f (t ) (extrado de MARTINS, 2013).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 41
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 8 Funo de densidade de probabilidade f (t ) e a


relao numrica com F (t ) e R (t ) rea sob a curva.

Para exemplificao e auxlio a este trabalho (ver item 4.3), suponha que a
funo densidade de probabilidade (f.d.p.) seja uma distribuio triangular, com
variveis contnuas, a qual possui um valor mnimo a, um valor mximo b e uma
moda c, de modo que a funo densidade de probabilidade zero para os extremos
(a e b), e funo afim entre cada extremo e a moda, de forma que o grfico da
mencionada f.d.p. um tringulo, conforme se v na Figura 9.

Figura 9 Grfico da funo


densidade de probabilidade
(f.d.p.) de uma distribuio
triangular.

A funo densidade de probabilidade acumulada associada Figura 9, com


F ( x ) = 0, para x a e F ( x ) = 1 para x b a Figura 10:

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 42
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 10 Grfico da funo


densidade de probabilidade
acumulada f.d.p.a..

No caso considerado, a f.d.p. da distribuio triangular dada pela expresso


(2.29).

2( x a )
para a x c


(b a )(c a )
2(b x )
f ( x a , b, c ) =

para c x b
(b a )(b c ) (2.29)
0 (zero) para qualquer outro valor de x.

E a f.d.p.a. dada pela expresso (2.30).

(x a )2 para a x c

(b a )(c a )

1 (b x )
2 (2.30)
para c x b
(b a )(b c )

Onde se verificar mais adiante (ver Tabela 23), para este estudo (ver item
4.3), que a = 0 (mnimo valor esperado); b = 8 (mximo valor esperado) e c = 4 ( a
moda).

No prximo tpico, dentro do contexto da confiabilidade, observado o elemento


humano na interao com sistemas e processos, ser apresentado um breve
histrico sobre a confiabilidade humana e as tcnicas correlacionadas.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 43
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.3.1. Confiabilidade Humana

A preocupao e o aumento do nmero de tcnicas disponveis para a


considerao da confiabilidade humana, tambm conhecida como anlise da
confiabilidade humana HRA (do ingls Human Reliability Analysis), segundo
HOLLNAGEL apud MARTINS (2013), est fortemente correlacionado com a
catstrofe de Three Mile Island, ocorrida em 1979 no EUA, conforme mostra a Figura
11, que demonstra o crescimento das tcnicas relacionadas HRA.

Figura 11 Nmero de tcnicas existentes para a HRA (extrado de


MARTINS, 2013).

Como se sabe, na operao de sistemas, de processos e de equipamentos, em


algum momento, se torna imprescindvel a atuao do elemento humano. Para a
considerao do fator humano, o ideal aplicar a HRA desde a concepo do
sistema.

HOLLNAGEL (2002) expe que, embora os seres humanos no sejam vistos


como a principal causa de todos os acidentes, no h como afastar a ideia de que
eles desempenham um papel na forma como os sistemas falham, bem como na
recuperao ou manuteno destes sistemas, a fim de eliminar o fracasso, pois que,
simplesmente, o elemento humano uma parte indispensvel de todos os sistemas
complexos. HOLLGANEL (2005) apud MARTINS (2013), informa ainda que, devido
grande participao do ser humano em plantas industriais, recomendvel o
emprego da HRA, desde a fase de concepo, em termos qualitativos e
quantitativos, mas se a planta j estiver em funcionamento, a realizao da HRA
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 44
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

pode auxiliar para a identificao dos potenciais erros e cenrios acidentais, bem
como na apresentao de medidas mitigadoras, barreiras de contingncia e/ou
propor alteraes no sistema, no processo ou no equipamento a fim de reduzir o
risco potencial, afastando eventos indesejveis provocados pela ao humana.

Ressalta HOLLGANEL (2002) que, os tipos mais simples de modelos de


acidentes, descreve o acidente como o resultado de uma sequncia de eventos que
ocorrem em uma ordem especfica. Isto tem sido expresso como o Primeiro Axioma
da Segurana Industrial, que o acidente, resultado de uma sequncia de fatores,
invariavelmente causado ou permitido, por omisso, pelo ato inseguro de uma
pessoa e/ou um perigo mecnico ou fsico. A Figura 12 mostra os fatores que
influenciam a ao humana na prtica de atos inseguros, em modelos de acidentes
epidemiolgicos (HOLLGANEL, 2002).

Figura 12 Acoplamento entre sharp-end7 e blunt-end8 modelos de


acidentes epidemiolgicos (extrado de HOLLGANEL, 2002).

A HRA um procedimento, focado nas atividades humanas associadas


operao do sistema ou do processo, que envolve atividades de anlise com
aplicao de tcnicas especficas para cada fase ou estgio e, dependendo do nvel
da avaliao probabilstica de segurana PSA (do ingls Probabilistic Safety

7 Sharp-end est relacionado ao operador do equipamento ou processo, ou seja, os eventos


(indesejveis) decorrentes da atuao da pessoa que realiza a tarefa (traduo livre do autor).
8 Blunt-end est relacionado s instituies que atuam indiretamente no ambiente onde opera o

equipamento ou se realiza o processo ou no sharp-end, ou seja, os eventos (indesejveis)


decorrentes da constrio ou atuao dos reguladores, da administrao, dos projetistas, etc.
(traduo livre do autor).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 45
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Assessment) que est sendo concretizado, podendo ser quantitativa ou qualitativa.


Se for requerida a anlise quantitativa completa, ento as probabilidades de
ocorrncia do erro humano (Human Error Probabilities), devem ser determinadas
para alimentar modelos tais como rvores de falhas e de eventos (IMO, 2002).

Para realizar uma HRA em sistemas complexos, como o aqui estudado, foram
desenvolvidos diferentes mtodos, que sero vistos mais adiante. A questo-chave
dos mtodos HRA a modelagem correta da situao (cenrio), conforme ressaltam
ARENIUS et al. (2013).

MATURANA (2010) informa que a HRA usualmente consiste dos seguintes


estgios: (1) Identificao de Tarefas-chave; (2) Anlise das Tarefas-chave; (3)
Identificao dos Erros Humanos; (4) Anlise dos Erros Humanos; (5) Quantificao
da Confiabilidade Humana. A Tabela 10 apresenta as relaes entre os passos da
FSA e as etapas previstas pra a HRA (IMO, 2002).

Tabela 10 Correlao entre os passos da FSA e da HRA (IMO, 2002).

Passo 1 Passo 2 Passo 3 Passo 4 Passo 5


Passos da Identificao dos Anlise de Opes de Anlise Recomendaes
FSA Perigos Risco Controle de de e Tomada de
Risco Custo- Deciso
Benefcio
Anlise
Perigos
Detalhada das
Relacionados a
Tarefas Tarefas Opes de
Fatores Humanos;
Requeridas Crticas; Controle de
Anlise de Tarefas
para a Anlise do Risco para
de Alto Nvel;
incorporao Erro Humano; Elemento
Descrio
da HRA Quantificao Humano.
Preliminar dos
do Erro
Resultados.
Humano.

A descrio sucinta dos principais estgios ou passos da HRA relacionados


com os passos da FSA que segue encontrada em MATURANA (2010) e MARTINS
(2013).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 46
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Passo 1 Identificao de Perigos: Nesse passo devem-se identificar as


aes humanas que, se no executadas apropriadamente, podem levar o sistema a
falhar. Por meio de ampla investigao, devem-se identificar as reas de interesse
(tarefas e sub-tarefas) e como os erros humanos podem contribuir para acidentes
durante situaes normais e de emergncia. No desenvolvimento da anlise das
tarefas pode-se utilizar uma gama de tcnicas tais como entrevistas, observao,
relatos de incidentes crticos muitas das quais podem ser utilizadas diretamente na
identificao de tarefas-chave. Adicionalmente, existe uma srie de informaes que
podem ser consultadas, incluindo informaes de projeto, experincias passadas e
procedimentos de operao normais e em emergncia. O resultado desta etapa
uma gama de tarefas, sub-tarefas e atividades associadas a perigos crticos;

Passo 2 Anlise de Risco: O propsito desse passo identificar as reas


em que o fator humano se coloca como de alto risco para a segurana do sistema e
avaliar os fatores que influenciam no nvel de risco. Pode ser composto das
seguintes etapas:

Anlise Detalhada de Tarefas: Nesta etapa as tarefas crticas so


detalhadas em suas atividades principais, levando em considerao os
objetivos de cada atividade e seus executores. Nesta fase tambm devem ser
levantados os fatores que influenciam na execuo da tarefa tais como
ambiente de trabalho, grau de dificuldade, interface homem-mquina, se feita
em condies normais ou de emergncia;

Anlise do Erro Humano: O propsito desta anlise produzir uma


lista de potenciais erros humanos que podem levar a consequncias
indesejadas. Estes erros precisam ser analisados quanto sua causa provvel,
o potencial para correo do erro pelo prprio executor ou por outra pessoa, e
as consequncias do erro;

Quantificao do Erro Humano: A quantificao do erro humano pode


ser feita de diferentes maneiras julgamento de especialistas, registros

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 47
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

histricos e probabilidades genricas de erro. Para estes dois ltimos casos,


existem tcnicas associadas a banco de dados de erro humano, sendo que a
Tcnica para Previso da Taxa de Erro Humano THERP (do ingls,
Technique for Human Error Rate Prediction), a mais amplamente empregada.
Ao se aplicar esta tcnica para a quantificao do erro, geralmente utiliza-se
uma aproximao da HEP, haja vista que no se pode dizer que os dados
disponveis (levantados em laboratrio, em condies controladas) sempre se
ajustam ao ambiente real de trabalho (conforme GERTMAN e BLACKMAN,
1993 apud MARTINS, 2013 e FIGUEIRA et al., 2013);

Passo 3 Opes de Controle de Risco: Para a realizao deste passo


necessrio definir aes para a reduo da frequncia do erro por meio da mitigao
de seus efeitos e/ou alvio das circunstncias em que ocorre. O resultado esperado
para este passo uma srie de opes de controle de risco a serem aplicadas no
sistema Por exemplo: treinamento da tripulao; mudana de layout ou
ergonmicas; especificao de informaes colocadas disposio dos operadores
e desenvolvimento de procedimentos de emergncia.

O nmero de tcnicas aplicadas HRA, como visto, aumentou fortemente a


partir da dcada de 80, do sculo XX, e podem ser divididas, basicamente, em dois
grupos de modelos, em fases histricas, apresentando vantagens e desvantagens.

Segundo MARTINS (2013), as tcnicas de 1 gerao, em geral, no permitem


a considerao da dependncia entre as atividades humanas desenvolvidas durante
a operao do sistema (ou do processo) ou entre os fatores de desempenho PSF,
e, em sua maioria, foram desenvolvidas para a indstria nuclear. Dentre essas
tcnicas destacam-se a Tcnica de Reduo e Avaliao do Erro Humano HEART
(do ingls Human Error Assessment and Reduction Technique) e a Tcnica para a
Previso da Taxa de Erro Humano THERP (j mencionada).

A THERP foi desenvolvida por SWAIN e GUTTMANN (1983) do Sandia


National Laboratories para a U. S. Nuclear Regulatory Commission e se tornou uma
tcnica bastante utilizada para a avaliao quantitativa da HRA (GERTMAN e

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 48
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

BLACKMAN, 1993 apud MATURANA, 2010). Esta tcnica combina um mtodo de


modelagem com uma coleo de dados empricos para taxas bsicas de falha
humana (HEP) que so modificadas por uma srie de fatores de forma (PSF). Alm
disso, emprega rvores de falhas e de eventos para, atravs do uso de portas
lgicas (a serem vistas no item 2.5.5), representarem as relaes de causa e
consequncia no sistema ou no processo que est sendo analisado. Desta forma,
so determinadas as probabilidades de ocorrncia dos cenrios de acidentes
(MATURANA, 2010; MARTINS, 2013).

A utilizao das rvores de probabilidades se d de maneira semelhante ao


que se faz para a confiabilidade de sistemas, mas considerando, ao invs dos
estados do sistema, do processo e dos equipamentos, as atividades humanas e as
suas correspondentes probabilidades de erros. Isto permite ao engenheiro avaliar a
degradao do sistema homem-mquina considerando os erros dos indivduos
quando os equipamentos esto funcionando, os processos e operaes a serem
realizados, alm de outras caractersticas humanas que podem influenciar o
funcionamento do sistema ou do processo (MATURANA, 2010).

As tcnicas de 2 Gerao se diferenciam das de 1 Gerao pelo fato de


centrarem mais em fatores cognitivos, na tentativa de superar as deficincias das
tcnicas de 1 Gerao. Destacam-se a Tcnica para Anlise do Erro Humano
ATHEANA (do ingls A Technique for Human Error Analysis traduo livre do autor
da dissertao), o Mtodo de Anlise do Erro e Confiabilidade Cognitiva CREAM
(do ingls Cognitive Reliability and Error Analysis Method) e a tcnica de
Informao, Deciso e Ao no Contexto da Equipe IDAC (do ingls Information,
Decision and Action in Crew Context).

A ATHEANA uma tcnica desenvolvida em 1996 para a U. S. Nuclear


Regulatory Commission (NUREG/CR-6350, 1996), tendo em vista anlise posterior
de acidentes na rea nuclear. Basicamente, um mtodo para reportar acidentes de
forma estruturada e padronizada, de forma que seja facilmente entendida e
transmitida. Seu objetivo principal auxiliar no entendimento mais fcil do
comportamento humano em plantas nucleares (MATURANA, 2010). Para tanto,

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 49
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

busca uma estrutura psicopedaggica robusta para aferir e identificar os Fatores de


Desempenho PSF, incluindo os fatores organizacionais e os de meio ambiente,
que levam aos incidentes na planta nuclear. O resultado obtido pela aplicao desta
tcnica a identificao de vrias aes ou atividades humanas e sua associao a
situaes contextuais que podem levar ao sucesso ou ao fracasso (erro) na
execuo da tarefa. Assim, o modelo resultante pode sinalizar solues a fim de
incrementar a confiabilidade (NUREG/CR-6350, 1996). No existem, entretanto,
aspectos numricos envolvidos na metodologia utilizada para construir o modelo
(neste ponto, radicalmente diferente dos modelos de 1 gerao).

Desta forma, esta tcnica no propcia para certos campos tais como
projetos comparativos e anlises de sensibilidade. No entanto, no sendo preditiva,
tambm pode ser til como instrumento para se fazer diagnsticos.

Na ATHEANA, os diversos fatores envolvidos em um acidente, e suas


possveis consequncias, so agrupados levando em considerao: influncia da
organizao, os fatores de desempenho (PSF), as falhas mecnicas e fsicas, aes
inseguras, evento de erro humano e resultados inconcebveis.

A Figura 13 mostra a estrutura multidisciplinar do HRA, sob uma descrio


geral da ATHEANA.

Figura 13 Descrio Geral da ATHEANA extrado da


apresentao de MELO, 2007.

A IDAC prope a decomposio das atividades humanas em trs tipos


genricos, no que foi convencionado denominar-se de processo I-D-A as
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 50
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

atividades podem ser de recebimento e processamento de informao (I), de


soluo de problemas e tomada de deciso (D), ou ainda de execuo de ao no
processo (A). Sendo proposto que estas atividades podem ser decompostas em
atividades ainda mais simples, sendo cada uma classificada de acordo com o
procedimento I-D-A (CHANG e MOSLEH, 2007 apud MATURANA, 2010).

No IDAC o foco no operador humano, de forma individual, como mostra a


Figura 14. A dinmica da resposta humana derivada de certas regras cognitivas e
fsicas e fatores psicolgicos que envolvem o comportamento.

Figura 14 Modelo Individual do Operador Humano no


IDAC estendido (extrado de AZARKHIL e MOSLEH, 2013).

Para maiores informaes sobre as mencionadas tcnicas e os seus


procedimentos, sugere-se consultar MATURANA (2010) e MARTINS (2013). Um fato
importante na aplicao das tcnicas de HRA a semelhana entre o procedimento
de quatro fases apresentado por SWAIN e GUTTMAN (1983) apud MARTINS (2013)
para a realizao da HRA pela THERP e o mtodo apresentado por DROGUETT e
MENESES (2007) no intuito de integrar Redes Bayesianas na HRA.

SWAIN e GUTTMAN (1983) apud MARTINS (2013) informam que a primeira


fase da THERP se d com a familiarizao do sistema (ou do processo) que ser
analisado e o agrupamento do mximo de informaes a seu respeito a visita
planta industrial e o estudo do que j foi publicado sobre o assunto so atividades
recomendadas para esta fase. A segunda se refere a anlise qualitativa do elemento
humano, incluindo a anlise das tarefas, determinao do desempenho requerido
em cada tarefa e o desenvolvimento de rvore de eventos. Nesta etapa, tambm
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 51
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

pode ser desenvolvida a rvore de falhas para representar o desencadeamento das


consequncias das falhas. Na terceira fase fazem-se as associaes das HEPs s
atividades. Alm disso, devem ser considerados os efeitos dos eventuais fatores de
reviso (quando o erro pode ser corrigido por outra pessoa ou pelo prprio
executor). Como ltima etapa pode-se considerar a incorporao do fator humano
no estudo da confiabilidade do sistema (ou do processo) como um todo, incluindo os
equipamentos. Uma anlise de sensibilidade para verificar o impacto das alteraes
nas atividades, segundo os autores, recomendvel. A Figura 15 mostra as fases
da THERP.

Figura 15 Fases da THERP (extrado de MARTINS, 2013).

Em similar linha de raciocnio, DROGUETT e MENESES (2007) prope a


Figura 16 (onde, na figura, HTA Anlise da Hierarquia das Tarefas do ingls
Hierarchical Task Analysis; FD Fator de Desempenho PSF; PEH Probabilidade
do Erro Humano), com os seguintes passos para a integrao de RBs em HRA:

Passo 1 Familiarizao: com o procedimento a ser modelado;

Passo 2 Anlise de Tarefas: para a determinao da sequncia de atividades


da tarefa;

Passo 3 Construo da Rede Bayesiana Dinmica: que representa a


sequncia de atividades da tarefa;

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 52
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Passo 4 Erros Humanos: identificao dos provveis erros humanos nas


atividades levantadas no passo 2;

Passo 5 Fatores de Desempenho: identificao dos fatores de desempenho


(PSF) relevantes com base no passo anterior;

Passo 6 Construo das Redes Bayesianas dos fatores de desempenho:


para cada atividade (ou operador responsvel pela atividade);

Passo 7 Integrao das Redes Desenvolvidas: nos passos anteriores


(Dinmica e dos Fatores de Desempenho);

Passo 8 Anlise dos Resultados: partindo de evidncias empricas ou


subjetivas.

EMBREY (2013) e FIGUEIRA et al. (2013) tambm mostram que a HTA pode
ser utilizada para a operao de descarga de navios e para sistemas de gerao de
energia eltrica, respectivamente, mapeando a estrutura da rvore de falhas, na
linha do que exposto nesta dissertao, e BATALDEN (2012), refora que a
avaliao e o gerenciamento do risco melhor compreendido com o uso da HTA.

Figura 16 Integrao das Redes Bayesianas na HRA (extrado de DROGUETT e MENSES, 2007).

No item 3.2 se ver com mais detalhes a questo do desenvolvimento das


Redes Bayesianas para modelagem do processo de descarga, levando em
considerao as atividades humanas, que o mtodo utilizado neste trabalho.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 53
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.4. Anlise de Risco

No presente tpico, sero apresentadas, de forma resumida, as tcnicas que


avaliam qualitativa ou quantitativamente a probabilidade de ocorrncia (ou
frequncia), sendo que, algumas destas tcnicas, avaliam tambm a probabilidade
de ocorrncia de eventos indesejveis e suas consequncias, tendo como
parmetro para fins comparativos, um critrio de aceitabilidade definido previamente.
Sero abordadas, portanto, como se ver adiante, as etapas das tcnicas Anlise
Preliminar de Perigos, Anlise Probabilstica de Risco, rvore de Falhas e rvore de
Eventos, enfatizando, para cada tcnica, a sua forma de implementao e os
objetivos a serem alcanados com a sua aplicao.

2.4.1. Consideraes iniciais

Como estabelecido anteriormente, a anlise de risco atividade voltada para


o desenvolvimento de estimativas qualitativa e/ou quantitativa do risco baseadas em
tcnicas estruturadas, para promover a combinao da frequncia e das
consequncias de um acidente.

A anlise de risco com enfoque qualitativo tem por escopo aferir


qualitativamente todos os possveis riscos existentes na instalao considerando a
probabilidade de tais eventos acontecerem e as consequncias provenientes destes
eventos. Em geral, realizada previamente a uma anlise de risco quantitativa
(MARTINS, 2013).

A anlise de risco com enfoque quantitativo tem por escopo aferir


quantitativamente os riscos identificados durante a anlise qualitativa contendo alta
probabilidade de acontecer e/ou que provoquem grandes danos s instalaes, s
pessoas ou ao meio ambiente. Portanto, quantifica numericamente a probabilidade
de ocorrncia do evento e sua consequncia (MARTINS, 2013).

A Tabela 11 mostra as tcnicas existentes para a anlise de risco e o escopo


de cada uma delas.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 54
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

A ideia de se analisar e avaliar o risco decorre da necessidade, em plantas


industriais, de se garantir um nvel aceitvel de risco resultante da operao do
sistema ou do processo. Tambm fundamental a proposio de medidas
mitigadoras e de contingncia, considerando: (i) a probabilidade de ocorrncia dos
eventos indesejveis (estudos de confiabilidade); (ii) as possveis consequncias
dos eventos indesejveis (anlise de consequncias); (iii) uma adequada relao
custo-benefcio para as barreiras ou aes de controle.

As aes de controle podem ser divididas em aes de mitigao e aes de


contingncia. As aes de mitigao objetivam a reduo da probabilidade de
ocorrncia do evento de perigo, enquanto que, as aes de contingncia objetivam a
reduo do impacto consequente ocorrncia do evento de perigo. Em ambos os
casos, as mencionadas aes fundamentam o processo decisrio para a reduo de
risco e perdas em uma determinada planta industrial.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 55
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 11 Mtodos ou Tcnicas utilizadas na avaliao quantitativa ou qualitativa do risco


(elaborada a partir de ISO, 2008 e de ABS, 2000, 2003).
Mtodo ou Tcnica Escopo ou objeto

Safety/Review Identifica as condies dos equipamentos ou os procedimentos operacionais


Audit que podem resultar em uma causalidade ou resultar em danos materiais ou
danos ao meio ambiente.
Checklist Assegurar se as organizaes esto cumprindo prticas padronizadas.
What-If Identificar perigos, situaes perigosas ou eventos acidentais especficos que
podem resultar em consequncias indesejveis.
Hazard and Identificar desvios do sistema e suas causas que podem conduzir a
Operability Study consequncias indesejveis e determinar aes a serem recomendadas para
(HAZOP) reduzir a frequncia e/ou consequncias dos desvios.
Preliminary Hazard Identifica e prioriza perigos associados operao de um sistema que
Analysis (PHA) conduzem a consequncias indesejveis. Determina aes a serem
recomendadas para reduzir a frequncia e/ou as consequncias dos perigos
prioritrios. Esta uma tcnica com abordagem indutiva.
Probabilistic Risk Procedimento sistemtico para quantificar o risco. Foi desenvolvido pela rea
Analysis (PRA) nuclear para a anlise e a avaliao do risco de sistemas complexos e de
como estes so operados considerando o elemento humano, de software e de
hardware individualmente e como estes interagem entre si. Este processo
pode ser usando uma combinao de mtodos de avaliao do risco.
Failure Modes and Identifica os modos de falha dos componentes do equipamento e os impactos
Effects Analysis da falha sobre os componentes relacionados com o sistema. Esta uma
(FMEA) tcnica de abordagem indutiva.
Fault Tree Analysis Identifica as combinaes de falhas dos equipamentos e erros humanos que
(FTA) podem resultar em um acidente. Esta uma tcnica com abordagem dedutiva.
Event Tree Identifica vrias sequncias de eventos, ambos de falhas e de sucessos que
Analysis (ETA) podem conduzir a um acidente. Esta uma tcnica com abordagem indutiva.

A IMO (2002) estabeleceu para a indstria martima um guia com etapas, em


um processo interativo, para a anlise de riscos, a Anlise Formal de Segurana
FSA (do ingls Formal Safety Assessment), como dito anteriormente. Trata-se,
portanto, de um guia (no uma metodologia) sistemtico e estruturado para a
anlise de risco e avaliao de custo-benefcio que tem por objetivo melhorar a
segurana nas atividades martimas, incluindo os aspectos relativos proteo
vida, sade, ao meio ambiente e ao patrimnio (MARTINS, 2013).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 56
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Os pases participantes da IMO podem propor algum projeto Organizao,


mas precisa de um estudo. O FSA sistematiza esse estudo. uma forma de
encaminhamento estruturado. Atualmente entendido como um guia para a
realizao da anlise de risco do setor naval e offshore. As probabilidades de
ocorrncia so baseadas no levantamento histrico exaustivo de acidentes
envolvendo os eventos de risco em anlise. Na anlise de consequncias aplicveis
aos eventos de perigo utilizam-se modelos disponveis na literatura. Por exemplo, a
proposta de casco duplo para os navios petroleiros foi efetivada a partir do FSA.

Para a utilizao do FSA, preciso a definio formal do problema, do caso a


ser avaliado, com a definio da fronteira do problema (o que est dentro e o que
est fora da anlise), bem como a definio das condies de contorno e das
restries a serem consideradas na anlise. O FSA pode ser usado para a anlise
quantitativa ou/e qualitativa do risco. A anlise e avaliao do risco realizada de
forma sistemtica, conforme os passos a seguir (ver Tabela 10, p. 46):

- Passo 1: Identificao dos perigos, priorizando os mais relevantes;


- Passo 2: Anlise de Risco;
- Passo 3: Opes para o Controle do Risco, atravs de aes;
- Passo 4: Avaliao da relao Custo Benefcio: as aes de mitigao e de
contingncia ajudaro a reduzir o risco? A que preo?
- Passo 5: Recomendaes para a Tomada de Deciso.

A Figura 17 ilustra o processo proposto para a FSA (IMO, 2002 apud


MARTINS, 2013), com base nos mencionados passos:

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 57
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 17 Passos Propostos pela FSA (extrado de MARTINS, 2013).

Dentre as recomendaes da IMO para o uso da FSA esto: (i) o detalhamento


do sistema ou do processo em estudo deve ser adequado ao que se deseja como
anlise; (ii) a profundidade ou extenso da aplicao da FSA deve ser determinado
de acordo com a natureza e a importncia do problema; (iii) toda a anlise deve
sempre se iniciar com uma aplicao simplificada ou grosseira do processo definido
para que se possa identificar e considerar todos os aspectos do problema em
questo; (iv) sugere-se uma abordagem hierrquica, iniciando o estudo com o uso
de ferramenta mais simples, em uma abordagem qualitativa, at a quantificao do
risco, se for o caso, com ferramentas mais complexas (conforme foi feito neste
trabalho); (v) quando no houver disponibilidade de dados ou informaes
necessrias (maioria dos casos), sugere-se o emprego de julgamento de
especialistas, modelos fsicos, simulaes ou modelos analticos para obteno da
informao desejada; (vi) a caracterizao dos perigos e riscos pode ser tanto
qualitativa como quantitativa, tanto descritiva quanto matemtica, desde que se
forma consistente com os dados disponveis; (vii) as incertezas e limitaes dos
dados e informaes levantados devem ser avaliadas para se determinar a
relevncia das mesmas nas anlises e nos resultados; (viii) O elemento ou fator
humano deve ser considerado na anlise, associando-os diretamente com a
ocorrncia de acidentes ou com as causas ou influncias subjacentes.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 58
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Neste trabalho, foram utilizadas diversas tcnicas para a anlise de risco do


processo de descarga de granis lquidos inflamveis do navio-tanque para o
terminal porturio especializado, antes de se empregar as redes bayesianas, no
intuito de comparar as tcnicas para o caso em estudo e concluir qual a mais
adequada para o caso. Na sequncia, sero vistas as tcnicas utilizadas com o
intuito de embasar o que apresentado nesta dissertao, luz dos conceitos e
definies j expostos. Antes, porm, de forma sucinta, ser apresentada os
conceitos que envolvem o procedimento da PRA.

2.4.2. Anlise Probabilstica do Risco PRA (Probabilistic Risk Analysis)

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. um caminho
para se levar ao objetivo pretendido de forma racional e sistemtica. Esta
combinao composta por diversas etapas, dependendo da natureza da anlise,
especialmente em sistemas complexos, como o caso sob estudo e, para atender
necessidade de quantificar um potencial modo de falha, a anlise deve responder
basicamente s seguintes perguntas (SMITH e KELLY, 2011; MARTINS, 2013):

Quais os possveis eventos acidentais que podem resultar na exposio aos


perigos?
Qual a probabilidade de ocorrncia destes eventos acidentais?
Quais as provveis consequncias caso estes eventos ocorram?

STAMATELATOS (2002) apud RODRIGUEZ (2012) estabelece que estas trs


perguntas so as que do origem a trs componentes fundamentais na avaliao do
risco: Modelagem dos Cenrios do Risco, Avaliao da Probabilidade de Ocorrncia
dos Cenrios de Risco e Avaliao das Consequncias dos Cenrios de Risco. Na
inteno de dar resposta a estas perguntas, apresentada a Figura 18, que
corresponde ao escopo geral da anlise probabilstica do risco, onde so

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 59
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

observadas etapas que permitiro dar respostas s perguntas acima. A partir destas
respostas, o engenheiro-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.

Segundo RODRIGUEZ (2012), 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 Estatstica para realizar o processo de tomada de deciso. Mas a autora, na
linha do exposto, prope a aplicao da Teoria de Probabilidades como a quarta
componente da PRA, denominando-a de Anlise de Deciso. No do escopo
deste trabalho percorrer todo o fluxograma mostrado na Figura 18, mas to-somente
aferir as probabilidades associadas aos eventos de perigo com o uso de
especialistas.

Figura 18 Fluxograma da Avaliao Probabilstica de Risco.

MARTINS (2013) informa que na PRA deve-se utilizar tcnicas especficas


para (i) identificao dos perigos e das possveis sequncias acidentais; (ii)
avaliao das suas probabilidades de ocorrncia; (iii) avaliao das respectivas
consequncias em termos individuais, sociais, de meio ambiente e aspectos
econmicos e/ou patrimoniais.

Os resultados, segundo MARTINS (2013), esto associados obteno do


risco total correlacionado operao da planta industrial, seus sistemas ou
processos, sob anlise, bem como com a identificao dos elementos do sistema
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 60
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

que contribuem mais significativamente na composio deste risco e das incertezas


associadas avaliao realizada, permitindo: (i) identificar os pontos falhos ou
fracos do projeto do sistema e do procedimento operacional definido; (ii) a
proposio de alteraes no projeto ou no procedimento operacional; (iii) a
proposio de aes mitigatrias ou de contingncia.

E, dentre as dificuldades constantemente apontadas na aplicao da PRA,


esto:

Estimativa da probabilidade de ocorrncia de eventos raros;


Dificuldade de avaliao exata do efeito de possveis causas comuns de
falha, principalmente quando associadas aos eventos extremos;
Modelagem do comportamento humano e o desempenho da interao
homem-mquina.

Os pontos fortes, dentre outros, apontados por MARTINS (2013), so: (i) o
conhecimento aprofundado e detalhado da composio, configurao e operao do
sistema analisado, inclusive da interao homem-mquina; (ii) a possibilidade de
explicitar e estruturar as incertezas; (iii) a possibilidade de incorporao da
experincia da operao do sistema analisado para a atualizao do risco estimado;
(iv) e a viabilizao de uma comparao direta do risco total associado a dois ou
mais projetos alternativos ou concorrentes.

Segundo SMITH e KELLY (2011) e RODRIGUEZ (2012), a diferena principal


entre a anlise qualitativa de risco e a avaliao probabilstica de risco est em que
esta ltima utiliza princpios estatsticos e teorias da probabilidade para quantificar a
chance de ocorrncia de cada um dos eventos de perigo que compe o cenrio de
risco. Portanto, sua anlise pode chegar at a estudar sistemas com eventos raros
e/ou que incluam a opinio de especialistas. A autora entende que, embora as
ferramentas utilizadas no primeiro tipo de anlise sejam qualitativas, estas so
estruturadas e sistemticas e provm de informaes diretas que sero informaes
de entrada para as tcnicas usadas no clculo, gerenciamento e comunicao do

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 61
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

risco. No Captulo 3 ser explicitada a aplicao da PRA ao caso sob estudo, via
Redes Bayesianas.

Na sequncia, sero apresentadas as tcnicas utilizadas neste trabalho para a


identificao, caracterizao e definio da PRA, expondo suas caractersticas, bem
como os mtodos e os procedimentos para a execuo das tcnicas e a avaliao
de resultados.

2.4.3. Anlise Preliminar de Perigos PHA (Preliminary Hazard Analysis)

A Anlise Preliminar de Perigos PHA uma tcnica indutiva e estruturada


que permite avaliar qualitativamente os potenciais perigos de uma planta industrial
ou um determinado sistema ou processo, suas causas e consequncias, bem como
o nvel de risco e as aes de mitigao e de contingncia em caso de ocorrncia de
alguma falha. A tcnica tem sua origem no programa de segurana militar do
Departamento de Defesa dos EUA e que foi formalmente instituda pela norma MIL-
STD-882 (ERICSON, 2005).

Para SMITH (2001), esta uma tcnica basicamente qualitativa que pode ser
aplicada tanto na fase do projeto quanto na fase da operao de um sistema. Esta
tcnica no requer a utilizao de muitos documentos detalhados, fato que justifica a
sua frequente aplicao em estudos de anlise de risco.

A tcnica consiste em listar e escolher eventos de perigo e definir as


consequncias de sua ocorrncia, assim como determinar suas causas. Para
realizar tal objetivo, a tcnica utiliza como entrada a informao sobre a identificao
e caracterizao do sistema ou do processo. Para a realizao da anlise, o
processo em estudo deve ser dividido em etapas, segundo o desenvolvimento da
operao ou dos objetivos definidos na etapa para identificar e caracterizar a planta
industrial ou o sistema ou o processo (RODRIGUEZ, 2012 e NATACCI et al., 2010).
A informao decorrente da anlise deve ser registrada de forma sistemtica e,
portanto, proposta a planilha apresentada na Figura 19.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 62
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 19 Planilha de PHA (a ser aplicada ao caso, conforme o APNDICE B).

Na Figura 19 a primeira coluna designa a fase especfica da operao que se


est analisando (a fase do processo de descarga). Na sequncia, tal como procede
SALDANHA et al. (2013), definida uma ou mais condies fsicas com potencial
para causar danos s pessoas, ao patrimnio, ao meio ambiente ou uma
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 no contexto desta dissertao, identifica-se as razes


da ocorrncia do evento de perigo, sendo esta coluna subdividida em trs partes,
pela descrio, frequncia e ao de mitigao para o evento indesejvel. 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
(ER), Remota (RE), Pouco Provvel (PP), Provvel (PR) e Frequente (FR), definidas
conforme a Tabela 12 (correlacionada Tabela 8, IMO, 2002). Ento, define-se a
ao de mitigao, que descreve o conjunto de atividades que podem ser efetuadas
para manter a instalao industrial (e, por decorrncia lgica, os sistemas
associados) cumprindo as suas funes e reduzir a possibilidade da ocorrncia do
evento de perigo.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 63
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 12 Classificao da frequncia de ocorrncia de eventos de perigo (adaptado de CORREA


et al., 2006 apud RODRIGUEZ, 2012 ver APNDICE B).
Categoria Abreviatura Frequncia Caractersticas
Extremamente Mais de 1 em
ER Sem referncia histrica
Remota 100.000 anos
Mais de 1 em No esperado ocorrer durante a vida til da
Remota RE 1000 anos instalao, apesar de haver referncias
histricas
Pouco Mais de 1 em 30
PP Possvel de ocorrer durante a vida til
Provvel anos
Mais de 1 em 10
Provvel PR Acontece mais de uma vez durante a vida til
anos
Frequente FR Mais de 1 por ano Acontece muitas vezes durante a vida til

A anlise das consequncias relacionada Tabela 13, define os efeitos que


teria o evento de perigo sobre a instalao industrial (ou os seus sistemas), sendo
definido como efeito, uma condio de operao fora da especificao inicial da
misso. Sob este contexto, 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 refere-se ao
grau de afetao da operao do processo de descarga sob estudo, no caso de
acontecer o evento de perigo.

Em sistemas de segurana crticos recomendvel que as consequncias


estejam definidas para o maior nmero possvel de bens ou ativos. Assim, a tabela
apresenta a definio das consequncias definidas para trs bens ou ativos:
segurana pessoal, instalao e meio ambiente (CORREA et al., 2006 apud
RODRIGUEZ, 2012 correlacionada Tabela 7).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 64
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 13 Classificao de consequncias (extrado de CORREA et al., 2006 apud RODRIGUEZ,


2012 ver APNDICE B).
Segurana Pessoal (Perigo Ambiental (Danos
Instalao
para a sade humana) Fauna e Flora)

Sem danos ou danos


Muito Nenhum dano visvel ou
I insignificantes a Invisveis ou mnimos
reduzidas mximo de primeiros socorros
equipamentos
Danos leves Poluio desprezvel,
Ferimentos leves em
controlveis ou com danos considerados
II Reduzidas empregados e sem leses
reparao de baixo tolerveis entre nvel
extramuros
custo mnimo e mdio
Ferimentos graves ou Poluio localizada, curto
mltiplos em empregados e perodo, danos
III Mdias Danos severos
ferimentos leves em pessoas considerados tolerveis
extramuros de nvel mdio
Poluio de grande rea
Leses graves ou fatalidade Danos irreparveis,
por longo perodo. Nveis
IV Graves em empregados e em com reparao lenta
acima dos mximos
pessoas extramuros ou impossvel
tolerveis

Observe que, em uma ao de contingncia preciso listar as recomendaes


de aes de emergncia visando evitar ou reduzir a propagao da consequncia ou
a minimizao da gravidade das mesmas. Ento, definida uma escala numrica,
corroborando com a FSA (IMO, 2002), que define a gravidade dos efeitos que teria o
evento de perigo. O evento indesejvel ou de perigo deve estar previamente
definido, considerando os bens ou ativos considerados fundamentais para a planta
industrial. Desta forma a mencionada escala cruzada com a escala das
probabilidades e estabelecida a categoria de risco em que o evento de perigo se
encontra. No contexto do trabalho, esta forma de categorizar o risco foi realizada,
em um primeiro momento da anlise, usando a matriz de risco como mostra a
Tabela 48, Apndice B, p. 257.

Deste modo, na aplicao da PHA so levantadas as causas que podem


induzir a ocorrncia de cada um dos eventos indesejveis e as suas respectivas
consequncias, sendo, ento, elaborada uma avaliao qualitativa da frequncia de

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 65
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ocorrncia do cenrio de acidentes, da severidade das consequncias e do risco


associado. Portanto, os resultados obtidos so qualitativos, no fornecendo
estimativas numricas para o risco (AGUIAR, 2008 apud RODRIGUEZ, 2012). Esta
tcnica, segundo RODRIGUEZ (2012) fundamental para realizao de anlises
iniciais, com foco na identificao de eventos de perigo, em diversos setores da
indstria. MARTINS e GOYANO (2007) apresenta os resultados da aplicao da
PHA para a avaliao do sistema de combate a incndios de navios tanqueiros,
demonstrando sua aplicabilidade no setor naval e offshore.

V-se, pois, que os resultados da PHA servem para a priorizao e a seleo


de eventos para uma anlise quantitativa posterior.

O trabalho ora exposto, se vale da PHA, combinando a tcnica com a


denominada composio probabilstica a fim de aferir os riscos associados ao
processo de descarga dos produtos lquidos inflamveis do navio-tanque para o TGL
(MARTINS e MORAES, 2013a e 2013b), no s qualificando-os, como ser visto no
item 4.2, p.148.

2.4.4. Anlise da rvore de Falhas FTA (Fault Tree Analysis)

A FTA amplamente usada no campo aeroespacial, eletrnico, e nuclear. Esta


tcnica foi originalmente desenvolvida em 1961 por H. A. Watson nos laboratrios da
empresa de telefonia Norte Americana Bell Telephone para avaliar o sistema de
controle de lanamento dos msseis Minuteman, a fim de evitar um lanamento no
autorizado (acidental) (NIST, 2008 apud SILVA, 2013 e NUREG-0492, 1981). Para
RODRIGUEZ (2012), MATUZAS e CONTINI (2013) trata-se de um mtodo grfico
indutivo que avalia a probabilidade de falhas de sistemas, visando determinar as
causas razes e a probabilidade de ocorrncia dos eventos de perigo.

De acordo com KECECIOGLU (1991) apud SILVA (2013) e SUN (2012), a


anlise de rvore de falhas uma tcnica de anlise de confiabilidade e segurana
aplicada a sistemas, e visa determinar as causas de um evento indesejado chamado
de evento topo. O evento topo pode ser associado com o comportamento anormal

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 66
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

da planta industrial (e os seus sistemas), causado por uma falha. A rvore de falhas
utiliza uma estrutura lgica em forma de ramificaes com smbolos de lgebra
booleana que precisam ser desenvolvidos para obter os cut-sets mnimos (cortes
mnimos) que permitam avaliar a probabilidade de falha do evento topo. Esta
ferramenta est baseada em uma anlise dedutiva, onde o sucesso da aplicao
depender muito do conhecimento do sistema por parte do engenheiro-analista.
Cada nvel inferior na rvore lista os eventos bsicos que so necessrios e
suficientes para causar um problema no nvel superior.

Segundo HIDALGO (2010) apud SILVA (2013) e O CONNOR (1985) apud


SILVA (2013), um corte de uma rvore de falhas um evento ou conjunto de
eventos bsicos que causam a ocorrncia do evento topo. Desta forma se pode
definir que um corte a combinao de eventos bsicos que ao ocorrerem levam
necessariamente falha do sistema. Um corte definido como corte mnimo quando
constitudo pelo menor nmero possvel de eventos bsicos, cuja ocorrncia
necessria e suficiente para causar a ocorrncia do evento topo, no podendo ser
reduzido sem perder a sua condio de corte. Para identificar os cortes mnimos
pode-se aplicar as principais leis de lgebra booleana. Neste sentido, WANG et al.
(2005) informa que o diagrama da FTA considerado uma estrutura hierarquizada
usada para abordagens onde as evidncias esto definidas e os pesos de todos os
eventos so distribudos de acordo com uma regra booleana especificada.

A anlise da rvore de falhas , sobretudo, um meio para analisar as causas de


perigo e no para identificar os perigos. O evento topo, ou evento indesejvel, deve
ser identificado por outras tcnicas, j que a elaborao da rvore de falha
depender da escolha do mesmo (LEVESON, 1995 apud SILVA, 2013). O referido
autor afirma que a anlise da rvore de falha composta dos passos listados a
seguir:

a. Escopo da anlise:
Esta a etapa mais difcil na elaborao da rvore de falha, requer a
determinao do evento topo, as condies iniciais, eventos existentes e eventos
inadmissveis, assim como a determinao de todos os elementos que vo estar

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 67
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

compreendidos dentro da anlise. A seleo do evento topo crucial, pois a


avaliao dos eventos de perigo no sistema no ser compreendida a menos que
dentro da rvore de falhas estejam considerados todos os eventos significativos sob
o ponto de vista da degradao do sistema ou da segurana da operao do
mesmo.

b. Construo da rvore de falha:


Uma vez que o sistema e o evento topo foram definidos, o prximo passo a
construo da rvore de falha. O engenheiro-analista agora escreve o evento topo e
detalha os eventos que causam esse evento no desejado, para depois determinar
qual a relao lgica entre eles, usando os smbolos lgicos para descrever essa
relao.

Nesta linha de raciocnio, informa RODRIGUEZ (2012) que, na avaliao


quantitativa da FTA, as falhas do sistema (ou do processo) so gradualmente
divididas em nveis hierrquicos at alcanar um nvel de detalhe que o sistema ou o
processo em 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, diz a autora (SOUZA, 2003 apud RODRIGUES, 2012), 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 uma consequncia necessariamente tem um nmero finito de
causas as quais ocasionam a parada do sistema ou operao do processo; estas
causas devem ser pesquisadas e determinadas com preciso e normalmente
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 apud RODRIGUEZ, 2012).

Corroborando com o que foi dito, KUMAMOTO e HENLEY (1996), informam


que 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

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 68
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

estabelecidos os eventos funcionais que podem causar uma falha indesejada, assim
como as relaes lgicas de eventos bsicos.

O procedimento repetido at que todos os eventos sejam completamente


desenvolvidos e os eventos bsicos encontrados, visando, assim, ilustrar
graficamente as diferentes combinaes e sequncias dos eventos que conduzem
ao evento topo.

Quando as relaes entre os eventos de uma rvore so independentes,


aplica-se a lgebra de Boole para avaliar a probabilidade do evento topo, conforme
as regras mostradas na Figura 20. Quando no so independentes, deve-se levar
em considerao as interdependncias, situao que se traduz na limitao da FTA,
pois isso no pode ser mostrado na rvore.

Figura 20 Regras da lgebra de Boole (adaptado de MODARRES, 2010).

Ressalta-se que a estrutura padronizada potencializa o componente visual


desta tcnica (FTA). Os eventos so representados por smbolos e portes lgicos,
conforme a Figura 21 e a Figura 22, respectivamente.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 69
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 21 Smbolos dos eventos da FTA (adaptado de SILVA, 2013).

Figura 22 Representao dos conectores (portes) lgicos em uma rvore de


falha (adaptado de RODRIGUEZ, 2012).

MARTINS (2013) trata a tcnica sob dois enfoques: a construo ou da rvore


de falhas (fault tree) ou da rvore de sucessos (sucess tree), denominando o
procedimento dedutivo (top-down = do efeito para a causa) como rvores lgicas, as
quais determinam as possveis causas de um evento de interesse, no caso o evento
topo.

Na construo da rvore de falhas, aparecem os chamados cut-sets (Ci, onde i


= 1, 2, ..., n), j definido anteriormente sendo RS (t ) a confiabilidade do sistema sob
anlise e t o tempo da misso.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 70
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Decorre desta conceituao que:

P(T ) = P (C1 C2 L C n ) (2.31)


RS (t ) 1 [P(C1 ) + P(C2 ) + L + P (Cn )] (2.32)

Sero cut-sets de primeira ordem se s houver um evento envolvido. Sero


cut-sets de segunda ordem se houver dois eventos envolvidos simultaneamente, e
assim por diante.

J na construo da rvore de sucessos, aparecem os chamados path-sets (Pi,


onde i = 1, 2, ..., n), que so conjuntos de eventos que, caso ocorram
simultaneamente, provocaro a ocorrncia do evento topo da rvore de sucessos,
sendo RS (t ) a confiabilidade do sistema sob anlise e t o tempo da misso. Sob este
enfoque, um path-set mnimo um conjunto formado pela menor quantidade
possvel de eventos de sucesso que, caso ocorram simultaneamente, provocaro a
ocorrncia do evento topo da rvore de sucessos.

Decorre desta conceituao que:

()
P T = P( P1 P2 L P n )
(2.33)

RS (t ) 1 [1 P( P1 )] [1 P( P2 )] L [1 P ( Pn )] (2.34)

Sero path-sets de primeira ordem se s houver um evento envolvido. Sero


path-sets de segunda ordem se houver dois eventos envolvidos simultaneamente, e
assim por diante.

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

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 71
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

falha a partir de: (i) dados tcnicos da literatura; (ii) anlise dos histricos de falha;
(iii) manuais do fabricante, ou (iv) empresas que utilizam sistemas similares.

A partir da aplicao das teorias de probabilidade, considerando as indicaes


dos portes lgicos, pode-se calcular a probabilidade de ocorrncia do evento topo
(principal). Na Figura 23 visualiza-se um exemplo da elaborao da rvore de falhas
onde o evento topo a perda do sistema de propulso de um navio.

Figura 23 rvore de falhas da perda do


sistema de propulso de um navio (ABS,
2000 e 2003).

Ento, a partir da definio dos eventos, constri-se a rvore, e a anlise


qualitativa pode ser iniciada. O propsito reduzir a rvore de falhas para lev-la a
sua forma equivalente, mostrando as combinaes especificas (interseces) dos
eventos bsicos que so suficientes para causar a ocorrncia do evento topo. Em
essncia, os eventos entre o evento topo e os eventos bsicos so removidos e s
as relaes entre o evento topo e os eventos bsicos so descritas. O objetivo da
anlise encontrar todos os cut-sets, para depois classific-los em cortes mnimos
de primeira, segunda, n-sima ordem. A partir dos cut-sets mnimo possvel
identificar os pontos fracos do sistema sob o ponto de vista do risco associado sua
operao, (LEVESON, 1995 apud SILVA, 2013). Os cut-sets de primeira ordem
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 72
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

causam a ocorrncia do evento topo, no dependendo de nenhum outro evento


bsico.

A rvore de falhas pode ser convertida a partir daquela que se pode ver na
Figura 23, para a rvore na forma reduzida, conforme a Figura 24, visando identificar
os cortes mnimos.

Figura 24 rvore de falhas equivalente com os


respectivos cortes mnimos (extrado de SILVA, 2013).

Na Figura 24 observa-se dois cortes mnimos de um evento bsico X1 e X2,


tambm chamados de cortes mnimos de primeira ordem, como mencionado
anteriormente, que fazem com que apenas a ocorrncia destes eventos bsicos
cause a ocorrncia do evento topo. Os cortes mnimos de dois eventos bsicos so
conhecidos como cortes mnimos de segunda ordem (X3X4), como j mencionado.
Para que estes eventos de segunda ordem causem a ocorrncia do evento topo,
eles precisam ocorrer simultaneamente.

Portanto, luz do que foi exposto, a probabilidade de cada corte determinada


combinando a probabilidade de todos os eventos bsicos que formam o corte
(LEVESON, 1995 apud SILVA, 2013; ERICSON, 2005)

A complexidade da rvore de falhas cresce com a complexidade do sistema ou


do processo ou do equipamento a ser analisado, bem como com o nvel de
detalhamento desejado. Diversas vezes, ao se analisar o processo ou o sistema,

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 73
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ser relevante a utilizao de programas de computador no desenvolvimento da


FTA. importante considerar que rvores de falhas que abordam o mesmo evento
topo podem ser diferentes entre si. Sob esta tica, pode ser til combinar diversas
rvores, consolidando o conhecimento sistematizado por diferentes pessoas ou
equipes (STAMATELATOS, 2002 apud RODRIGUEZ, 2012).

Segundo RODRIGUEZ (2012), alguns autores tm aplicado a FTA para


conhecer as relaes lgicas e diretas entre componentes e subsistemas a fim de
obter o valor da probabilidade do evento indesejado sob a hiptese de
independncia das causas razes. No entanto, conforme informa a autora, em muitos
casos, inevitvel a impreciso da informao ou existncia de relaes de
dependncia entre os sistemas, e, portanto, tem sido necessrio realizar outras
consideraes e combinar a FTA com mtodos que incluem, por exemplo, Anlise
Bayesiana.

MARTINS (2013) e WANG et al. (2005) corroboram com esta observao


quando informa que:

Em uma FTA todos os eventos bsicos so considerados independentes,


sendo isso uma limitao, pois que isso no necessariamente ocorre no mundo
real;
A FTA no necessariamente inclui todos os possveis modos de falha,
incluindo apenas os eventos considerados importantes;
Os eventos possuem natureza determinstica, e no probabilstica;
Nas rvores de falhas e de sucesso, as variveis so binrias e discretas. Ou
se considera o evento um sucesso ou considera o evento um fracasso. No h
possibilidade de representar outro estado;
As rvores de falhas e de sucessos no levam em considerao a cronologia
dos eventos, tratando de representao grfica em modo esttico;
Por conta da natureza das variveis envolvidas, a anlise da confiabilidade
humana, fica prejudicada tendo em vista as caractersticas do erro humano,
visto no item 2.3.1.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 74
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No item que se segue, verificar-se- a tcnica ETA.

2.4.5. Anlise da rvore de Eventos ETA (Events Tree Analysis)

A ETA uma tcnica indutiva que descreve a evoluo de um evento


inicializador e mostra todos os possveis resultados da ocorrncia do evento.
apropriada quando a ordem cronolgica dos eventos consecutivos importante para
a operao do sistema ou do processo (MARTINS, 2013). Esta tcnica identifica e
afere as sequncias acidentais com o objetivo de determinar se o evento
inicializador ou bsico 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 inicializadores que


perturbam o sistema ou o processo e que podem causar mudanas nos estados de
operao ou da configurao operacional. Para cada evento inicializador so
associadas sequncias de eventos de perigo que conduziro s consequncias ou
eventos finais.

Em geral, em sistemas complexos, o resultado da operao de um


determinado sistema ou a realizao de um determinado processo, em uma planta
industrial, h dependncia da ordem cronolgica da atuao dos componentes do
sistema ou da operacionalizao dos procedimentos. Neste nterim, o uso da ETA
recomendvel, apesar de manter a restrio da modelagem discreta dos
componentes ou eventos (MARTINS, 2013). Porm a tcnica no limitada aos
casos onde a ordem cronolgica dos eventos subsequentes ao evento inicial
especificada.

A Figura 25 mostra o aspecto tpico de uma rvore de eventos. O evento inicial


representado pela coluna mais esquerda e as colunas seguintes representam os
eventos subsequentes que podem ser a atuao de componentes, subsistemas,
sistemas ou a execuo de processos, procedimentos ou aes em uma planta
industrial. As ramificaes em cada evento (coluna) representam seus diferentes

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 75
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

possveis estados, o que limita a modelagem de cada evento por uma varivel
discreta, e em geral, Booleana (falha/no falha ou sucesso; ocorre/no ocorre;
sim/no). Quando os eventos so modelados por uma varivel booleana, a
ramificao superior de cada evento representa o estado de sucesso e a ramificao
inferior representa o estado de falha. Adicionalmente, a ordem das colunas deve
atender ao sequenciamento cronolgico dos eventos, caso exista (MARTINS, 2013).

A coluna Cenrio ou Categoria de Consequncias identifica os possveis


cenrios aps a ocorrncia do evento inicial, e a coluna seguinte, a probabilidade de
ocorrncia de cada um dos cenrios identificados. Como mostrado no item 2.4.4,
caso os eventos modelados sejam independentes (o que, em regra, no ocorre), as
probabilidades dos cenrios apresentados podem ser obtidas, respectivamente, por:

( ) ( ) ( )
P(cenrio1 ) = P( A) P B A P C B P D C ; ( ) ( )
P(cenrio2 ) = P( A) P B A P C B P(D C ) ;

P(cenrio ) = P( A) P (B A) P(C B ) P(D C );


3 P(cenrio ) = P( A) P (B A) P(C B ) P(D C ) ;
4

P(cenrio ) = P( A) P(B A) P (C B ) P (D C );
5 P(cenrio ) = P( A) P(B A) P (C B ) P(D C ) ;
6

P(cenrio ) = P( A) P(B A) P(C B ) P (D C ) ;


7 P(cenrio8 ) = P( A) P(B A) P(C B ) P(D C ) ,

onde P ( X ) = 1 P( X ) , representa a probabilidade do evento falhar e P ( X )


representa a probabilidade do evento no falhar, dado que X um evento Booleano,
como visto, discreto e binrio, sendo a mesma limitao da FTA. Observe que, a
situao de dependncia ou independncia dos eventos no est diretamente
correlacionado a especificao da ordem cronolgica dos mesmos (MARTINS,
2013).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 76
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 25 Aspecto tpico de uma rvore de eventos com 04 (quatro) eventos (de perigo,
se for o caso) adaptado de MARTINS, 2013.

A rvore de eventos deve ser lida da esquerda para a direita. Na esquerda,


comea-se com o evento inicializador e segue-se com os demais eventos
sequenciais. A linha superior SUCESSO e significa que o evento realmente ocorre,
enquanto que a linha inferior FALHA e significa que o evento no ocorre
(STAMATELATOS, 2002 apud RODRIGUEZ, 2012).

A ETA, na concepo de RODRIGUEZ (2012), a tcnica mais usada na


quantificao do risco, citando diversos autores, os quais afirmam que a tcnica
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, Mtodo de Monte Carlo, Redes Bayesianas, dentre outros.

Conforme informa MARTINS (2013), esta tcnica foi desenvolvida na dcada


de 70, do sculo XX, com o intuito de apoiar a implementao da anlise de risco
em centrais nucleares, sendo, na atualidade, utilizada em uma srie de setores
tecnolgicos-cientficos. No Apndice A item 2 apresentado um exemplo
prtico da aplicao do ETA.

Por tudo exposto, conclui-se que as limitaes da ETA so:

Para se utilizar a ETA em uma avaliao abrangente, todos os eventos


inicializadores devem ser identificados. H a possibilidade de no se agregar
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 77
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

todos os eventos. A ETA, tal qual a FTA, no necessariamente inclui todos os


possveis modos de falha, incluindo apenas os eventos considerados
importantes (ISO, 2008);
Em uma ETA, em regra, os eventos so considerados independentes, sendo
isso uma limitao, pois que isso no necessariamente ocorre no mundo real.
Alm disso, se toda a dependncia desconsiderada, isto resulta em uma
estimativa equivocada do risco (ISO, 2008);
Os eventos possuem natureza determinstica, e no probabilstica, dado que
para se determinar a probabilidade de cada tramo utiliza-se uma rvore de
falhas (FTA);
Nas rvores de eventos, as variveis so, em regra, binrias e discretas. Ou
se considera o evento um sucesso ou considera o evento um fracasso. No h
possibilidade de incluir um sucesso em atraso ou um evento recuperado;
Processos complexos geram rvores de eventos gigantescas;
Os dados estatsticos para cada evento so necessrios;
Comea com uma falha que inicia uma sequncia de eventos. Caso o
interesse seja estudar uma consequncia especfica, ser complexo usar a
rvore de eventos;
Por conta da natureza das variveis envolvidas, a anlise da confiabilidade
humana, fica prejudicada.

A forma como foram desenvolvidas as rvores de falhas e de eventos para o


processo de descarga de granis lquidos inflamveis do navio-tanque para o TGL,
objeto deste estudo, sero tratadas detalhadamente no item 2.5.5. A seguir ser
apresentada a teoria bayesiana, no que tange as razes do emprego da tcnica na
anlise quantitativa do risco, os conceitos que permeiam o seu uso, a inferncia
bayesiana em detalhes e a modelagem a ser realizada com as redes bayesianas.

2.5. Explanao sobre Redes Bayesianas

Segundo a ISO (2008), a Estatstica Bayesiana difere da Estatstica Clssica


no sentido de que, na Estatstica Bayesiana, no se assume que os parmetros ou
variveis so fixadas; as variveis na Estatstica Bayesiana so aleatrias. Uma
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 78
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

probabilidade bayesiana um grau de confiana ou uma medida numrica de


crena, que uma pessoa tem sobre a ocorrncia de determinado evento, em
oposio probabilidade clssica, que baseada na evidncia fsica, isto , a
probabilidade clssica a relao entre o nmero de observaes de ocorrncia do
evento e o nmero total de observaes (expresso (2.1)).

Como a abordagem bayesiana baseada na interpretao subjetiva da


probabilidade, ela fornece fundamentos para a tomada de deciso, baseada em
opinies de especialistas ou banco de dados, e o desenvolvimento de redes,
correlacionando os eventos, denominadas bayesianas. Essas redes usam um
modelo grfico que representa a estrutura probabilstica bayesiana. A rede
composta de ns que representam variveis aleatrias e os arcos que unem, de
modo direcionado, os ns pais aos ns filhos (ISO, 2008), conforme a Figura 26,
observados os conceitos que sero apresentados no item 2.5.1.

Figura 26 Aspecto caracterstico de uma rede


bayesiana correlacionando, por intermdio de arcos
direcionados, as variveis, representadas pelos
crculos denominados ns, dentre os quais os ns
pais e os ns filhos (adaptada de ISO, 2008).

Na Figura 26, decorre que: A9 pai de B e C ou B e C so filhos de A. B e C


so pais de E ou E filho de B e C. C e D so pais de F ou F filho de C e D.
F pai de G ou G filho de F. A, B e D no so descendentes de C. B, C, E, F e
G so descendentes de A. D no descendente de A. Cada n representa uma
varivel aleatria.

9Neste trabalho, como j mencionado, os eventos sero representados por letras minsculas, exceto
no que tange lgebra Booleana dos itens 2.4.4 e 2.4.5, e as variveis e ns por letras maisculas.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 79
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

O emprego de redes bayesianas para a quantificao do risco associado a um


componente, um sistema ou um processo decorre do fato de que nem sempre as
variveis correlacionadas so determinsticas ou possuem somente dois estados
(SMITH e KELLY, 2011), o que claramente evidenciado no estudo da
confiabilidade humana, na HRA.

Conforme informa MATURANA (2010), a quantificao dos riscos associados


aos potenciais perigos, que tenham origem no comportamento humano, se faz por
intermdio de tcnicas que foram desenvolvidas, desde a dcada de 80 do sculo
passado, por necessidade das indstrias, em especial a nuclear e a aeroespacial,
aumentarem a confiabilidade de seus processos, sistemas e plantas industriais.
Dentre as tcnicas desenvolvidas tm-se as Redes Bayesianas (RB), cuja teoria se
fulcra na Estatstica Bayesiana, desenvolvida pelo Reverendo Thomas Bayes, em
1763, a partir do Teorema de Bayes. A premissa que qualquer informao
conhecida (a priori) pode ser combinada com subsequente anlise informacional (a
posteriori) para estabelecer uma probabilidade (ISO, 2008; ver expresses (2.16) e
(2.17)).

MATURANA (2010), HE e NES (2012) apontam que cada tcnica traz


vantagens e desvantagens, mas com o intuito de minimizar as limitaes das
tcnicas existentes, no que tange HRA, o uso das Redes Bayesianas vem sendo
proposto como uma possibilidade de agregar vantagens das principais tcnicas,
como a THERP ou a ATHEANA, como visto anteriormente. Em outras palavras, o
uso das Redes Bayesianas vem sendo proposto como uma boa maneira para
modelar os fatores de influncia na ao humana.

O estudo de MATURANA (2010), focado na Anlise da Confiabilidade Humana,


a ser melhor esclarecido no item 3.2 para o caso em estudo, aponta algumas
vantagens e desvantagens das RB:

Vantagens:

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 80
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

(a) Podem ser utilizadas para se fazer diagnsticos e prognsticos;


(b) Excelentes para a representao de dependncias (tm apelo visual);
(c) Pode ser padronizado um mecanismo para a elaborao dos grficos;
(d) Trazem resultados quantitativos. Permitem inferncias diretamente da rede
(dependendo do programa utilizado);
(e) Podem ser alimentadas por dados j existentes;
(f) Podem ser agregadas as rvores de falhas j elaboradas (as rvores podem
ser transformadas em Redes Bayesianas da a conectividade com o item
2.5.5);
(g) Podem representar rvores de eventos j elaboradas (a mesma conectividade
do item f);
(h) Podem ser utilizadas para representar o desencadeamento de eventos e a
ordem em que as atividades de determinada tarefa executada (bons
modelos causais);
(i) So recomendadas para anlise comparativa de risco, incluindo decises a
respeito de qualidades requeridas de operadores.

Desvantagens:

(a) Manipulao de sistemas complexos, tendo em vista que, por permitirem


grande detalhamento e a modelagem de qualquer dependncia entre as
variveis do sistema, as RBs exigem bom conhecimento sobre o sistema a
ser modelado, ou seja, necessrio conhecer bem o sistema para determinar
quais dependncias so significativas;
(b) O preenchimento das Tabelas de Probabilidade Condicionada (TPC) pode ser
uma tarefa difcil, muitas vezes so necessrias probabilidades condicionais
difceis de serem obtidas (ver item 4.4.5);
(c) Para permitir a modelagem, pode ocorrer de serem empregadas variveis
discretas para modelar fenmenos contnuos na natureza, trazendo
imprecises ao modelo, nada obstante de ocorrer tal situao em outros
modelos.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 81
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Portanto, em uma concluso prvia, pode-se dizer que o emprego das RBs
mais recomendvel que as demais tcnicas, no s na anlise do risco levando em
considerao o fator humano, que como visto nos itens 2.4.4 e 2.4.5,
respectivamente, so limitaes das tcnicas FTA e ETA, mas tambm na anlise
do risco combinando o elemento humano com fatores no humanos (equipamentos).
Na sequncia, so apresentados os conceitos bsicos associados tcnica em
questo.

2.5.1. Conceitos Bsicos

MATURANA (2010) e MARTINS (2013) informam que as Redes Bayesianas


(RB) so tambm conhecidas como redes de opinio, redes causais, grficos de
dependncia probabilstica, isto , modelos grficos para raciocnio baseado na
incerteza, onde os ns de cada segmento de arco representam variveis discretas
ou contnuas, e os arcos representam a conexo direta entre os ns. O conceito
bsico, portanto, de redes bayesianas conhecido como um modelo grfico (Figura
26) que representa uma distribuio de probabilidade conjunta. Utiliza-se de
fundamentos matemticos da Probabilidade e Estatstica em conjunto com a teoria
dos grafos presente na Computao.

Ou seja, de modo ldico e simples, as RBs, de forma estruturada e direta,


representam composies e conjunes de probabilidades, de sorte que permitem a
considerao de dependncias entre as variveis de um domnio, dado pela funo
(ou funes) de distribuio de probabilidades que esto associadas s variveis em
questo, e esto sendo utilizada em diversas reas do conhecimento humano
(medicina, engenharia, economia, finanas, etc.). Segundo MATURANA (2010), as
RB so particularmente teis para a representao de domnios em que existem
informaes a respeito de dependncia condicional entre suas variveis. Partindo
deste tipo de informao possvel, ento, a representao compacta do domnio
(ver Figura 4).

Decorre das variveis associadas s RB, dependncias causais, de tal sorte


que as variveis em conjunto com estas relaes de causa e efeito, formam um

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 82
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

modelo matemtico que pode representar um domnio real especfico. A partir da


mencionada modelagem, o enfoque bayesiano, uma espcie de inferncia
estatstica, se caracteriza pelo emprego de fatos ou observaes (evidncias) para
atualizar ou inferir sobre a probabilidade de que uma premissa ou hiptese,
aprioristicamente estabelecida, pode estar correta, a um nvel de significncia.

No caso tratado neste trabalho, foram utilizadas as crenas dos especialistas


dos potenciais perigos do processo de descarga de granis lquidos inflamveis do
navio-tanque para o TGL. a partir destas informaes que se proceder a
aplicao das redes bayesianas para inferir sobre os riscos associados ao processo.

Desta forma, dado um evento, para a Estatstica Bayesiana, o conceito de sua


probabilidade a medida numrica da crena de uma pessoa que determinado
evento ir ocorrer em um experimento. Assim, na interpretao Bayesiana, a
probabilidade sempre depender do conhecimento de quem a prov ou do que esta
pessoa assume como verdade.

Sendo uma RB um grafo direcionado em que cada n representa uma varivel


aleatria (que pode ser discreta ou contnua), como dito alhures, h uma
conectividade e dependncia das variveis, pois que, estes ns so conectados por
arcos direcionados representado as dependncias entre as variveis do domnio que
est sendo modelado (ver definio 1.1, p. 20). Portanto, as redes bayesianas no
apresentam ciclos direcionados, isto , no possvel passar duas vezes por
determinado n seguindo um caminho que respeite as orientaes dos arcos. A
Figura 27 apresenta um grafo cclico e um acclico. A rede da Figura 26, como se
verifica, acclica. Decorre desta situao que as RBs so classificadas como um
grafo direcionado acclico DAG (do ingls Directed Acyclic Graph) na teoria dos
grafos.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 83
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 27 Exemplos de grafos direcionados.

No Apndice A itens (3) e (4) so mostrados exemplos de Rede Bayesiana


extrado de CHARNIAK (1991) apud COZMAN (2013) que elucida o que foi exposto.
Sugere-se a leitura.

Conforme exposto em 2.1, e de acordo com os exemplos mostrados no


Apndice A sobre RB, tem-se que, sendo Xi (i = 1,2,L, n N = n naturais) uma

varivel aleatria em X, associada ao n, tal que, X : , sendo o conjunto


dos nmeros reais, tem-se que a medida de probabilidade P no espao amostral
induz uma medida em X, pertencente aos n reais, onde o par (, P ) chamado de
espao de probabilidades (ver expresses de (2.7) a (2.12)).

Da, quantitativamente, cada n X i recebe uma distribuio de probabilidades

( )
condicionais P X i pais( X i ) exprimindo a influncia dos ns pais (nesta expresso

pais( X i ) representa o conjunto dos ns pais do n X i ). Decorre da situao de

dependncia, que cada varivel X i independente dos seus no ascendentes,

dados os seus parentes ou pais10. O exemplo a seguir elucida o que foi exposto.

Suponha que A, B e C so variveis binrias, com valores 0 ou 1,


determinando a existncia de oito possibilidades para uma distribuio de
probabilidade conjunta ou uma conjuno de probabilidades. Sabendo-se que A

independente de C dado B, isto , A C C B, a relao entre as variveis

representada graficamente pela Figura 28. Exemplo: (1) Se algum quebra a perna,
10 o caso da Figura 26, onde A o pai de B e C ou B e C so filhos de A.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 84
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

ela vai para o hospital (A); (2) Se uma pessoa jogadora de futebol, ela pode

quebrar a perna (B); (3) Carlos joga futebol algumas vezes (C). Se Carlos quebrou a
perna, no preciso saber se ele jogou bola, porque ele vai para o hospital.

Figura 28 Representao grfica de A C C B .

A funo de probabilidade ou funo de massa de probabilidade (COZMAN,


2013) pode ser escrita da seguinte forma, a partir do Teorema de Bayes (2.16):

p ( A, B, C ) = p (C A, B ). p( A, B ) = p (C A, B ). p( B A). p ( A) (2.35)

Sendo A independente de C dado B a expresso (2.35) simplificada em:

p ( A, B, C ) = p (C B ). p ( B A). p ( A) (2.36)

O nmero de valores que so necessrios para especificar uma funo de


massa de probabilidade dado por 2n1, onde n o nmero de variveis
associadas. Todavia, dada a relao de dependncia (ou independncia), o nmero
de valores para especificao ser reduzido. Ento, no exemplo apresentado, sendo
n = 3 (A, B e C) apenas cinco nmeros so necessrios para a especificao e no
sete. V-se que so necessrios dois nmeros e no quatro para especificar

p(C A, B ) .

Generalizando para n variveis, conforme a Figura 29, chega-se na expresso


(2.37).

p( X 1 , X 2 , L, X n ) = p( X n X n1 , X n2 ,L, X 1 ). p( X n1 X n2 , X n3 ,L, X 1 ).L. p( X 2 X 1 ). p( X 1 ) (2.37)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 85
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 29 Representao grfica da generalizao do exemplo.

Para variveis binrias ter-se- 2n-1 medidas de probabilidades, sem


considerar a dependncia. O que se observa que:

X n s depende de X n 1 , implicando em somente dois nmeros para a


representao;
X n 1 s depende de X n 2 , implicando em somente dois nmeros para a
representao;
E assim por diante.

Desta forma, tem-se que p( X n X n1 , X n2 , L , X 1 ) = p(X n X n1 ) ,

p( X n 1 X n 2 , X n 3 ,L, X 1 ) = p( X n 1 X n 2 ) , p( X n 2 X n 3 , X n 4 ,L, X 1 ) = p(X n 2 X n 3 ) , e

assim sucessivamente, at que p( X 3 X 2 , X 1 ) = p( X 3 X 2 ) , dependendo os ns filhos

apenas dos ns pais.

As expresses acima compem a chamada Condio de Markov para pais e


filhos (das causas para os efeitos) em uma RB, a qual estabelece a implicao de
que qualquer Rede Bayesiana representa uma nica funo de densidade de
probabilidade conjunta, sendo decomposta em fatores, levando a expresso (2.37)
(COZMAN, 2009; LIU e WANG, 2013):

p ( X ) = P (X i pais( X i ))
n

(2.38)
i =1

Desta forma, as probabilidades associadas aos ns A, B, C, D, E, F e G da

Figura 26, so determinadas a partir de: P( A) , P(D ) , P B A , P C A , P E B, C , ( ) ( ) ( )


P (F C , D ) , P (G F ) .

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 86
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

A ideia das RBs providenciar um modelo compacto em uma eficiente


representao de funo de distribuio de probabilidade conjunta. Conforme visto,
a expresso (2.16) se traduz na Regra ou Teorema de Bayes e auxilia na obteno
da probabilidade a partir do surgimento de uma evidncia. Os exemplos
apresentados mostram a praticidade de se trabalhar com RBs quando se tem um
domnio complexo e a conjuno de probabilidades das variveis associadas.

Nos pargrafos anteriores j foram colocados os conceitos probabilsticos


bsicos que permitem a representao dos domnios, de maneira compacta, por
meio das Redes Bayesianas, tais como o conceito da probabilidade condicional,
conjuno de probabilidades e o domnio por meio das RBs.

Portanto, com base na expresso (2.37) e na conjuno de probabilidades,


pode-se calcular (utilizando o exemplo apresentado na Figura 104), conforme o
exemplo do item (3) do Apndice A, a probabilidade de Joe ouvir o latido pensando
ser do Spike, mas sem o Spike estar no quintal, com a famlia de Joe em casa, o
cachorro no ter problemas intestinais, e a lmpada externa estar acesa. O
desenvolvimento do clculo est nas expresses (2.39) e (2.40).

P (h, d c , f c , b c , l ) = P ( h d c ).P (d c f c , b c ).P ( f c ).P (b c ) (2.39)

P (h, d c , f c , b c , l ) = (0,01).(1 0,30).(1 0,15).(1 0,01) = 0,0058905 (2.40)

E, no prximo item, sero apresentadas as propriedades grficas e as relaes


de dependncia nas Redes Bayesianas a partir da topologia, observada a
complexidade da rede.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 87
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.5.2. Propriedades grficas e relaes de dependncia nas RBs

A construo de uma Rede Bayesiana exige que certos cuidados sejam


tomados de forma a permitir que a tabela conjuno de probabilidades resultante
seja uma boa representao do problema (SMITH e KELLY, 2011). Das expresses
(2.37) e (2.38) chega-se a seguinte expresso:

P( X i X i 1 ,L, X 2 , X 1 ) = P( X i pais( X i )), para pais( X i ) {xi 1 ,L, x1}; 1 i n (2.41)

Observa-se, pois, que a especificao de uma tabela de conjuno de


probabilidades equivalente com a expresso (2.41), sob a forma de declarao
geral. Ressalta-se: esta equao expressa que uma rede Bayesiana a
representao correta de um domnio se e somente se, cada n condicionalmente
independente de seus predecessores, dado seus pais. Portanto, para se construir
uma rede cuja estrutura represente devidamente o domnio do problema,
necessrio que para todo n da rede esta propriedade seja atendida. Intuitivamente,
os pais de um n Xi devem conter todos os ns X1, ..., Xi-1 que influenciem
diretamente Xi.

Ento, um procedimento geral para construo de redes Bayesianas seria


(COZMAN, 2013):

1. Escolher um conjunto de variveis Xi que descrevam o domnio;


2. Escolher uma ordem para as variveis;
3. Enquanto existirem variveis:
a. Escolher uma varivel Xi e adicionar um n na rede.
b. Determinar os ns Pais(Xi) dentre os ns que j estejam na rede e que
satisfaam a equao (2.41).
c. Definir a tabela de probabilidades condicionais para Xi.

O fato de que cada n conectado aos ns mais antigos na rede garante que o
grafo ser sempre acclico.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 88
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

As Redes Bayesianas, em geral, representam tabelas conjuno de


probabilidades de um domnio de forma compacta. Esta caracterstica decorre do
fato de que as redes Bayesianas possuem uma propriedade geral chamada,
localidade estrutural. Nos sistemas com localidade estrutural, cada subcomponente
interage diretamente apenas com uma parte do restante do sistema (demais
subcomponentes). No caso das redes Bayesianas, razovel de se supor que, na
maioria dos casos, cada varivel aleatria diretamente influenciada por no mximo
r outras variveis.

Como visto, ao se supor, por questes de simplicidade, que as variveis


aleatrias possam assumir apenas valores booleanos, a quantidade de informao
necessria para se especificar uma determinada tabela de probabilidades
condicionais ser no mximo 2r nmeros, em contraste com uma tabela de
conjuno de probabilidades, 2n. Apenas como um exemplo do poder de
compactao, suponha uma rede com 21 ns (n = 21), com dois estados cada, na
qual 16 ns possuam 5 ns pais (r = 5) e os demais apenas ns filhos (sem
dependncia condicionais), conforme a Figura 30. Para este caso uma rede

Bayesiana necessitaria de 16 2 + 5 = 517 nmeros para preencher as TPC,


5

enquanto uma tabela de conjuno precisaria de 221=2.097.152 (mais de dois


milhes).

Figura 30 Estrutura da rede exemplo.

Entretanto, existem domnios que requerem que cada n seja influenciado por
todos os outros grafo fortemente conexo. Nestes casos, a especificao de uma
tabela de conjuno de probabilidades requer a mesma quantidade de informao
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 89
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

que uma rede Bayesiana. Porm, na prtica, a maioria dos problemas podem ser
simplificados de forma a se garantir que a rede no seja conexa, sem perda de
informao til. Como informa MATURANA (2010), a complexidade da rede
depende do grau de detalhamento requerido. importante notar que o detalhamento
pode trazer dificuldades para encontrar probabilidades para popular a rede
(preencher as TPC).

Mesmo em domnios localmente estruturados, construir uma rede localmente


estruturada no um trabalho trivial. Pois, cada varivel deve ser diretamente
influenciada por apenas r (r n) outras e, a topologia deve realmente representar o
domnio. Alguns mtodos podem ser utilizados, porm, no garantem a construo
correta da rvore, uma abordagem possvel seria incluir inicialmente as razes, em
seguida os ns influenciados por ns do nvel anterior, e assim sucessivamente at
a insero das folhas (no possuem influncia sobre nenhum n). Assim, a ordem
de insero dos ns pode influenciar no desempenho da rede. No exemplo do item
(3) do Apndice A, Figura 104, poder-se-ia inserir um arco entre o n H e o n L e
deveriam ser encontradas as probabilidades entre Joe ouvir o co Spike latir dado
que a lmpada externa foi acesa ou um arco entre o n H e o n F e deveriam ser
encontradas as probabilidades entre Joe ouvir o co Spike latir dado que a famlia
de Joe no est em casa. O que se deve ponderar a relao entre os ganhos com
este detalhamento e os custos para se obter as informaes necessrias a este
incremento.

Conforme demonstrado anteriormente, um n em uma rede Bayesiana possui


independncia condicional em relao a seus predecessores na rede dado os
estados dos seus pais. Entretanto, para que possa utilizar algum mtodo de
inferncia em uma rede necessrio saber mais a respeito das relaes entre os
ns de uma rede. Por exemplo, necessrio saber se um conjunto de ns X
independente de outro conjunto Y, dado um conjunto de evidncias E11, ou, em
outras palavras, preciso saber se X d-separado de Y. Se todo caminho no

11 Evidncia em uma varivel uma declarao de uma certeza de seus estados. Se uma varivel
instanciada, ela chamada hard evident.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 90
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

dirigido (sem orientao) entre um n em X e um n em Y d-separado por E, ento


X e Y so condicionalmente independentes dada a evidncia E.

Um conjunto de ns E d-separado de dois conjuntos de ns X e Y, se todo o


caminho no dirigido de um n em X para um n em Y bloqueado dado E. Um
caminho bloqueado por um conjunto de ns E se existe um n Z que garante
algumas das trs condies (COZMAN, 2013):

1. Z est em E e Z possui um arco de entrada e um arco de sada no caminho.


2. Z est em E e Z possui dois arcos de sada no caminho no dirigido.
3. Z e nenhum de seus descendentes esto em E e ambos os arcos no
caminho no dirigido so de chegada em Z. A Figura 31 demonstra os trs casos.

Figura 31 Ns X e Y d-separados (casos gerais).

A apresentao destas definies e das assertivas associadas encontrada


em GEIGER et al. (1990). O prximo item discute algumas questes a respeito das
Tabelas de Probabilidades Condicionais em Redes Bayesianas.

2.5.3. Tabela de Probabilidades Condicionais TPC nas RBs

As Tabelas de Probabilidades Condicionais TPC tendem a ter um grande


nmero de entradas, mesmo para ns com um nmero pequeno de pais. Preencher
estes valores pode requerer muita experincia, caso a relao entre ns pais e ns
filhos seja completamente arbitrria. Entretanto, na maioria dos casos, esta relao
pode ser bem adaptada a algum padro, o que pode facilitar o trabalho. Estes casos
so chamados distribuies cannicas (CHARNIAK, 1991 apud COZMAN, 2013).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 91
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

O caso mais simples o representado por ns determinsticos. Um n


determinstico tem o seu valor explicitamente determinado a partir dos pais, sem
incerteza. Por exemplo, relao entre ns pais gato angor, gato siams e gato
persa, e o n filho gato determinado especificamente pela disjuno dos pais.

Segundo RUSSELL e NORVIG (2003), as relaes com incerteza podem


geralmente ser caracterizadas como relaes com rudos (noisy logical
relationships). A relao com rudo padro chamada rudo-OU (noisy-OR), uma
generalizao da relao lgica OU (ver Figura 22). O item (5) do Apndice A traz
um exemplo que elucida estas relaes. O autor sugere que, sendo necessrio, o
exemplo seja consultado.

Neste trabalho, o preenchimento das TPCs foi efetivado a partir de entrevistas


feitas com os operadores e especialistas no processo sob estudo. O prximo item
discute algumas questes a respeito da inferncia em Redes Bayesianas.

2.5.4. Inferncia Bayesiana

As Redes Bayesianas no s representam o domnio de forma compacta e


intuitiva, mas a tarefa bsica de uma inferncia probabilstica por meio de Redes
Bayesianas computar a distribuio de probabilidades a posteriori para um
conjunto de variveis de consulta (query variables), dada uma evidncia inconteste
(hard evidence), ou seja, o sistema computa P(Query|Evidence) (COZMAN, 2013).

Segundo NORSYS (2010), uma rede de Bayes captura as relaes de crena


(que podem ser incertas ou imprecisas) entre um conjunto de variveis que so
relevantes em alguns problemas. As variveis devero ser relevantes porque o
analista deve ser capaz de observ-las, precisar saber os seus valores para tomar
alguma ao ou relatar algum resultado ou porque so variveis intermedirias ou
internas, ajudando a expressar relaes entre as demais variveis.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 92
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Algumas Redes Bayesianas so projetadas para serem usadas em uma


situao singular, somente uma vez. Mas, em regra, as RBs so projetadas para
situaes que ocorrem repetidamente. Elas podem ser construdas utilizando os
conhecimentos de especialistas ou de um banco de dados ou uma combinao dos
dois, como j foi mencionado (SMITH e KELLY, 2011). s vezes, as RBs so
construdas com a unio de outras RBs e seus bancos de dados, em um mtodo
denominado on-the-fly, que compor um novo banco de dados. O software
NETICA que ser usado neste trabalho, segundo a NORSYS, 2010 (o fabricante),
projetado para funcionar em qualquer tipo de aplicao. Ele permite que as
probabilidades sejam inseridas diretamente, originalmente vindo de um especialista
ou de um banco de dados de probabilidades, que servir para o aprendizado da RB.
Tambm pode processar a construo on-the-fly mencionada acima.

Um clssico exemplo do uso de Redes Bayesianas mostrado no Manual do


software NETICA. Remete-se o leitor para o item (6) do Apndice A. Outro
exemplo de RB aplicado na medicina (radioterapia), em caso de interesse,
mostrado por REITZ et al. (2013).

Quando a RB construda, um n utilizado para cada varivel aleatria


escalar, a qual pode ser discreta, contnua, ou proposicional (verdadeira/falsa). Os
ns so conectados por arcos direcionados, observada a independncia condicional
como j mencionado. MARTINS (2013) informa que as variveis ligadas aos eventos
conhecidos a priori so as variveis de evidncia. Como este recurso, podem ser
feitas inferncias, tambm chamadas atualizaes das crenas, com trs objetivos:

Causas: dadas as causas objetiva-se obter as probabilidades dos efeitos;


Diagnsticos: como no exemplo mdico, dados os efeitos, objetiva-se obter
as probabilidades das causas;
Intercausais: dada a evidncia de uma causa, objetiva-se obter a
probabilidade de outra causa.

Estas possibilidades so ilustradas na Figura 32, extrada de MARTINS (2013):

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 93
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 32 Inferncia extrado de MARTINS (2013).

Alm de consultas a partir de evidncias, as RBs podem ser utilizadas para


(MATURANA, 2010; SMITH e KELLY, 2011): (i) tomar decises baseadas em
probabilidades; (ii) decidir quais evidncias adicionais devem ser observadas a fim
de se obter informaes teis do sistema; (iii) analisar o sistema a fim de buscar os
aspectos do modelo que possuem maior impacto sobre as variveis de consulta; (iv)
explicar os resultados de uma inferncia probabilstica a terceiros.

Certo que, como no caso sob estudo, existem muitas situaes em que se
deseja estimar as probabilidades dos eventos para um sistema complexo, onde os
eventos so raros, e assim, por estimativa, inferir sobre as probabilidades de tais
eventos pode ser um desafio, como informa QUIGLEY et al. (2012), devendo ser
aplicada, neste caso, como concluem os autores, a Estatstica Bayesiana.

Os algoritmos desenvolvidos para a aplicao e uso das RBs podem ser


divididos entre os que trazem soluo exata e os que trazem soluo aproximada
para os problemas analisados. Nesta dissertao ser feita uma breve apresentao
dos mtodos, porque no esse o objetivo do trabalho. Inicialmente ser dada uma
viso geral sobre algumas tcnicas para inferncia exata, e ao fim, uma rpida viso
sobre a inferncia aproximada.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 94
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.5.4.1. Inferncia Exata

Considerando que Y = {Y1 , Y2 ,L, Yn } , n nmero natural, represente o conjunto

das variveis de evidncia de determinado domnio, sendo y uma dada evidncia;

seja X uma varivel qualquer no pertencente a Y , e Z = {Z1 , Z 2 ,L, Z m } , m


nmero natural, o conjunto das variveis que no pertencem s classificaes
anteriores. Uma questo tpica, segundo MATURANA (2010), seria determinar a

distribuio posterior de probabilidade de X , ou seja, determinar P X Y . ( )

No item (10) do Apndice A, tem-se uma anlise que exemplifica a inferncia


exata, a partir do caso da rede do item (3) do citado Apndice (The Problem Dog).
Para um melhor entendimento sobre o tpico aqui tratado, remete-se o leitor para a
devida leitura.

O procedimento descrito no item (10) do referido Apndice exato e pode ser


utilizado para qualquer RB. Entretanto extremamente dispendioso em termos de
tempo para redes com muitos ns e relaes de dependncia. Para simplificar estes
clculos foram desenvolvidos, segundo MARTINS (2013), diversos meios,
apresentados em linhas gerais nos itens a seguir, em trs possibilidades: (1)
eliminao de variveis; (2) agrupamento de variveis, e; (3) mtodos aproximados.

2.5.4.2. Eliminao de Variveis

MARTINS (2013) e MATURANA (2010) informam que RUSSELL e NORVIG


(2003) apresentam a tcnica de eliminao de variveis, como sendo a mais simples
deste tipo, pois que, como visto na Figura 108 do Apndice A, os clculos so
repetitivos, e em uma rede mais complexa, se torna ainda mais onerosa, em termos
de custo de processamento e de tempo. Os clculos repetitivos so executados uma
nica vez, na tcnica mencionada.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 95
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.5.4.3. Agrupamento de Variveis

O agrupamento de variveis uma tcnica amplamente utilizada em softwares


que emulam Redes Bayesianas, segundo MATURANA (2010). Esta tcnica consiste
em agrupar certas variveis da rede de forma que a mesma se torne uma rede
simplesmente conexa, que aquela em que existe no mximo um caminho no
direcionado (em que no importa a orientao dos arcos) entre um par de ns. Uma
rede com mltiplas conexes, em contrapartida, possui pares de ns se conectando
por mais de uma combinao de arcos (MARTINS, 2013). Para melhor elucidar a
questo, apresenta-se um exemplo no item (7) do Apndice A.

Para Redes Bayesianas multiconectadas, onde a inferncia probabilstica se


faz em cada n, existem vrios mtodos para tentar solucionar o problema de
grandiosidade e complexidade da RB (dos clculos computacionais), denominado
por RUSSELL e NORVIG (2003) de NP-Hard. Um deles o mtodo Clustering.
Este mtodo transforma probabilisticamente (no topologicamente) a rede em uma
rede simplesmente conexa. H ainda os mtodos: Conditioning e Stochastic
simulation. O primeiro faz uma transformao na rede instanciando variveis em
valores definidos, e ento, produz uma rede simplesmente conexa para cada
varivel instanciada. J o segundo usa a rede para gerar um grande nmero de
modelos concretos de um domnio. A partir destes modelos o algoritmo calcula uma
aproximao de uma inferncia (MURPHY, 1998; LIU e WANG, 2013).

Considere o exemplo do item (7) do Apndice A. No item (8) do mesmo


Apndice utilizado o mtodo Clustering a fim de exemplificar o que foi dito, no se
adentrando nos outros dois mtodos, por fugir ao escopo deste trabalho. Sugere-se
a leitura.

Apesar da tcnica permitir a aplicao de um algoritmo de inferncia de tempo


linear, a caracterstica NP-hard no deixa de existir (FRANCIS et al., 2012). No pior
caso, o tamanho da rede pode crescer exponencialmente, tendo em vista que o
mtodo envolve o produto de tabelas de probabilidade condicional. O problema
passa ento a depender da escolha de um bom mtodo para juno de ns.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 96
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

2.5.4.4. Inferncia Aproximada

Segundo SMITH e KELLY (2011); RUSSELL e NORVIG (2003) apud


MATURANA (2010), dada a impossibilidade de tratamento adequado por meio de
inferncia exata em redes bayesianas extensas e com mltiplas conexes,
essencial a considerao de mtodos de inferncia aproximados. Os mtodos
aproximados utilizam simulao estocstica. Isto significa que para uma
determinada rede so gerados resultados randmicos que so trabalhados
estatisticamente e fornecem uma aproximao para a condio desejada. Para uma
melhor compreenso do que foi exposto, toma-se os exemplos dos itens (7) e (8) do
Apndice A e apresenta-se o exemplo do item (9) com os devidos procedimentos.
Caso seja necessrio, o leitor dever consult-lo.

Para o escopo do trabalho, o detalhamento da inferncia bayesiana at aqui


tratado o suficiente. O software NETICA na sua verso 4.16, disponvel no
LabRisco da USP o que ser usado para o modelamento que ser apresentado
adiante. Antes, tratar-se- da questo relacionada converso da rvore de falhas e
da rvore de eventos obtidas para o processo sob estudo, do caso considerado
nesta dissertao, conforme se ver a seguir.

2.5.5. Converso de rvores de Falhas e rvores de Eventos em Redes


Bayesianas

Conforme verificado nos itens 2.4.4 (p. 66) e 2.4.5 (p. 75), as rvores de falhas
e de eventos so diagramas lgicos-sequenciais. A rvore de falhas tem por objetivo
determinar a probabilidade de um evento final (evento topo) enquanto que a rvore
de eventos foca a probabilidade das ocorrncias dos vrios cenrios ligados a um
evento inicializador. Ambas as tcnicas trabalham com lgica booleana, o que uma
limitao, que no se encontra nas Redes Bayesianas. Alis, diversas limitaes,
em especial para a aplicao na HRA, afastam o emprego da FTA e da ETA.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 97
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Nada obstante, as tcnicas foram efetivadas nesta dissertao, at para fins de


comparao.

Segundo LAMPIS e ANDREWS (2008) apud MATURANA (2010) e BOBBIO et


alli (2001), TORRES-TOLEDANO e SUCAR (1998) apud MARTINS (2013),
MAUBOOB et al. (2012), as rvores de falhas podem ser convertidas em Redes
Bayesianas. Caso seja feita esta converso, os ns das redes obtidas sero
representantes de variveis booleanas. Para demonstrar esta converso, a partir de
MATURANA (2010) e MARTINS (2013), sero apresentados trs casos, cada um
apresentando a converso de uma rvore de falhas simples utilizando uma das
portas lgicas descritas em 2.4.4, especificamente pela Figura 22. Primeiramente,
tome-se a rvore de falhas apresentada na Figura 33 (a).

Figura 33 Converso de rvores de Falhas em Rede Bayesiana


extrado de MARTINS (2013).

Nesta rvore esto representados dois eventos bsicos A e B12 independentes,


alm do evento topo C. Observa-se que a porta lgica que est sendo utilizada a
E (AND). Desta forma, para este exemplo, a probabilidade de ocorrncia do evento
C igual ao produto das probabilidades de ocorrncia dos eventos A e B, ou seja:

12 Ressalta-se que evento letra minscula; mas, dado que ser usada a lgebra Booleana, neste

tpico, usar-se- letras maisculas, como j foi ressalvado anteriormente.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 98
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

P(c) = P ( a).P (b) (2.42)

Apesar das rvores de falhas no relacionarem cronologicamente os eventos,


as seguintes probabilidades condicionais podem ser obtidas, segundo MATURANA
(2010):

P (c a , b ) = 1 (2.43)

P (c a c , b ) = 0 (2.44)

P (c a , b c ) = 0 (2.45)

P (c a c , b c ) = 0 (2.46)

O desenvolvimento de uma Rede Bayesiana, que considere a independncia


entre os eventos A e B, leva estrutura grfica apresentada na Figura 34, onde
estes eventos so representados pelos ns de mesma denominao. Na Figura 34
tambm esto representadas as probabilidades condicionais para o n C, obtidas
diretamente das relaes (2.43) a (2.46). As tabelas da Figura 34 usam a
nomenclatura de MARTINS (2013) para os eventos de causa comum (de falhas),
quando a probabilidade de ocorrncia dado por Lcc.

Figura 34 Rede Bayesiana obtida da


rvore de falhas com a porta E (extrada
de MARTINS, 2013).

Com idntica abordagem, MATURANA (2010) chega a Figura 35, que ilustra as
Redes Bayesianas para as portas lgicas OU (OR) e OU EXCLUSIVO (NOR), o
que tambm apresentada por MARTINS (2013).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 99
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 35 Redes Bayesianas obtidas das rvores de falhas com as portas OU e


OU EXCLUSIVO.

Para maiores detalhes sobre as demonstraes das relaes associadas,


consultar MATURANA (2010).

No caso sob estudo, foram construdas as rvores de falhas e de eventos, sem


levar em considerao a contribuio do erro humano. A ideia, como se ver na
seo 3.2, p. 117, realizar a HRA, integrando Redes Bayesianas com a rvore de
falhas, previamente construda, convertida em RB, observando a anlise quantitativa
realizada por intermdio da composio probabilstica.

A RB ser utilizada para modelar o fator humano. O desencadeamento dos


eventos que trazem perigo operao de descarga do NT sero apresentados na
seo 4.2, quando ser realizada a PHA para o processo em estudo. MATURANA
(2010) apresenta o resultado de uma modelagem em uma grande RB, concatenando
a rvore de falhas com as redes, em relao aos eventos bsicos correlacionados
atividade humana, permitindo fazer inferncias bayesianas. A ideia, portanto, deste
trabalho, agregar o fator humano a modelagem j feita com a FTA, transformada
em RB, conforme a Figura 36.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 100
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 36 Integrao e Converso da rvore de Falhas em Redes


Bayesianas adaptado de MATURANA (2010).

Nesta toada, no prximo item abordar-se- a modelagem de sistemas por meio


das Redes Bayesianas.

2.6. Modelagem por meio de Redes Bayesianas

De tudo que foi exposto, v-se que o emprego das Redes Bayesianas supera a
modelagem com as tcnicas convencionais, como a FTA e a ETA, que trabalham
diretamente com a conjuno de probabilidade do domnio. Segundo MARTINS
(2013), a modelagem tanto de sistemas quanto de uma rede de eventos, utilizando-
se mtodos convencionais (FTA e ETA, por exemplo) limitada pela dificuldade de

representao de domnios com muitas variveis ( X , X , X , X ,L) ou variveis com


1 2 3 4

mltiplos estados variveis ( X , X , X , X ,L) , tal que


1
i
2
i
3
i
4
i 0 i n , n um nmero
natural e o nmero possvel de estados, pela dificuldade de representao de
relaes de dependncia ou pela necessidade de um grande nmero de
informaes (conjuno de probabilidades) para a representao do domnio,
informaes estas por vezes indisponveis ou pouco intuitivas.

As Redes Bayesianas alm de no apresentarem as mencionadas limitaes,


possibilitam o trabalho com redes dinmicas (dynamic networks). A rede dinmica, e
no caso a Rede Bayesiana Dinmica DBN (do ingls Dynamic Bayesian
Networks), por definio, uma rede que possui ns influenciados por estados
anteriores das variveis de domnio (no instante t alguns ns so influenciados pelos
estados de ns nos instantes (t-1), (t-2), (t-3), e assim por diante. Redes
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 101
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Bayesianas Dinmicas foram testadas e consideradas relevantes para realizar a


anlise de confiabilidade e representar comportamentos de sistemas complexos,
como propem FOULLIARON et al. (2013). Como exemplo de DBN, tem-se a rede
da Figura 37 que apresenta ns influenciados por outros da mesma rede, adaptada
do exemplo do item (7) do Apndice A, mas em momentos distintos.

Figura 37 Exemplo de rede bayesiana dinmica (RBD) com a utilizao do exemplo do


item (7) do Apndice A.

Uma DBN ou RBD, portanto, uma RB que pode ser utilizada para representar
um modelo probabilstico temporal, utilizando os mesmos algoritmos para inferncia
probabilstica (GHAHRAMANI, 1998; HANEA et al., 2012), conforme se verifica na
Figura 38.

Figura 38 Rede Bayesiana Dinmica Genrica (extrada de GHAHRAMANI, 1998,


com adaptaes)

Neste caso, Xt e Et correspondem s variveis no observveis (de estado,


podendo serem discretas ou contnuas) e observveis (de evidncia, podendo ser
discretas ou contnuas) do modelo, respectivamente, sendo X0 a varivel inicial e E0
a evidncia inicial. As RBDs assumem que a varivel temporal Xs influenciada pela
varivel temporal Xt, sendo s>t (isto , a denominada proposio ou processo de

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 102
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Markov), de que o estado atual depende de seu estado anterior (normalmente um


processo de 1 ordem SANTANA et al., 2007), pois, de outra forma, novas tabelas
de probabilidade teriam que ser montadas a cada fatia de tempo. Essa caracterstica
da RDB uma vantagem sobre as rvores de falhas que no espelham a cronologia
dos eventos, nem operam com vrios estados possveis de uma varivel, como por
exemplo, se determinada varivel puder assumir configuraes que no sejam
somente sucesso ou fracasso.

Trs tipos importantes de inferncia em uma RBD so a filtragem (filtering), a


predio (prediction) e a suavizao (smoothing). Na filtragem computa-se a
probabilidade de ocorrer a varivel de estado Xt dado que foram observadas (e

( )
ocorreram) as variveis de E0 at Et (isto , P X t E0Lt ). Na predio, para um

valor de s>t ou t+k, para k>0, computa-se a probabilidade de ocorrer a varivel de


estado Xs dado que foram observadas (e ocorreram) as variveis de E0 at Et (isto

( )
, P X t + k E0Lt ) e na suavizao, computa-se a probabilidade de ocorrer a varivel

de estado Xk , onde 0<k<t em um instante de 0 at t, dado que foram observadas (e

( )
ocorreram) as variveis de E0 at Et (isto , P X k E0Lt ). Normalmente, assume-se

que o modelo invariante no tempo (estacionrio), ou seja, P ( X t X t 1 ) e P ( Et X t )

so os mesmos para todo t.

Como RBDs so RBs, mas em momento temporal diferenciado, os mesmos


algoritmos para inferncia probabilstica em RBs podem ser empregados. Por
questes de eficincia, geralmente emprega-se o algoritmo aproximado para
inferncia conhecido como particle filtering (RUSSELL e NORVIG, 2000), que uma
modificao da funo de verossimilhana (likelihood weighting).

Normalmente as distribuies P ( X t X t 1 ) e P ( Et X t ) de uma RBD devem ser

aprendidas a partir dos dados disponveis, o que nem sempre possvel. Da a


necessidade de se conhecer bem a planta industrial ou o processo a ser analisado.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 103
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Da mesma forma que em uma Rede Bayesiana, conhecendo-se a estrutura da


rede e sendo todas as varivies observveis, o aprendizado feito pela estimao
por maximizao da verossimilhana. Se a estrutura conhecida, mas existem
variveis no observveis, utilizam-se mtodos de gradiente ascendente para o
aprendizado, que um mtodo iterativo geral para obteno de estimadores de
mxima verossimilhana em situaes onde so conhecidos dados incompletos.
Quando a estrutura desconhecida empregam-se extenses do algoritmo de busca
no espao de modelos (todas as variveis so observveis) ou do mtodo
estrututurado do gradiente (existem variveis no observveis), segundo
FRIEDMAN et al., 1998.

De acordo com RUSSELL e NORVIG (2003), o procedimento genrico para a


construo de uma RB deve observar as etapas apresentadas a seguir:

Escolha um conjunto de variveis ( X , X , X , X ,L, X ), tal que


1
i
2
i
3
i
4
i
j
i 0 i n,
n um nmero natural e o nmero de variveis; 0 j m , sendo m um nmero
natural e o nmero de possveis instncias ou estados de uma varivel, que
descreve o domnio;
Escolha a ordenao das variveis;
Enquanto existirem variveis:
Selecionar uma varivel ( X ) , tal que
j
i 0 i n e 0 j m , onde o

par (m, n ) so nmeros naturais, e adicionar um n na rede para ela;


j
Definir os pais X i ( ) como o conjunto mnimo de ns j existentes na

rede para os quais a propriedade de dependncia condicional se


verifique, ou seja, o conjunto dos ns cujos estados influenciam nos
estados do n ( X );
j
i

Definir a TPC para ( X ).


j
i

Uma vez que cada n apenas se liga a ns definidos anteriormente, esta


tcnica garante que a rede seja acclica (MATURANA, 2010).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 104
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

E so as relaes de dependncia condicional entre as variveis ( X ) que


j
i

devem nortear a construo da topologia da RB. Deve-se garantir que todos os ns


que influenciam diretamente (X)
j
i estejam dentro do subconjunto

( X ,X
1
1
1
2 )
L,1X i 1 ,2X 1 ,2X 2 , 2X 3 , L,2X i 1 ,L j X i 1 L, j X i 1 . Especificamente na modelagem
para a anlise da confiabilidade, sugere-se que o processo de construo de uma
RB que represente a contento um determinado domnio, siga o procedimento
apresentado por BELDFORD e COOKE, 2001 apud MATURANA, 2010:

Deve-se fazer a listagem de todas as variveis, comeando com os


objetivos da anlise;
Devem ser levantados todos os fatores secundrios que impactam as
variveis listadas no primeiro passo (neste ponto, j possvel fazer uma
anlise qualitativa do impacto dos fatores levantados, observando os fatores e
determinando caminhos pelos quais suas influncias possam ser quebradas ou
ao menos reduzidas);
Os diferentes fatores devem ser descritos em termos precisos, porque os
estados das variveis devem ser determinados, isto , se h somente um
estado exclusivos, ou se ocorrem mais de um estado para a varivel
exaustivos;
Construo do modelo qualitativo, estrutura DAG, pois que os fatores de
influncia devem ser ordenados. Frequentemente esta ordenao se d de
forma natural, como resultado do tempo ou do fluxo de informao. De forma
geral, realizam-se os seguintes questionamentos: (i) O valor de 1 X 1 influencia
1
X 2 ? O valor de 1 X 1 e 1 X 2 influenciam 1 X 3 ? Se sim, o conhecimento do valor
1
de 1 X 1 torna irrelevante o 1 X 2 para X 3 ? Ou, o conhecimento de 1 X 2 torna o
1
valor de 1 X 1 irrelevante para X 3 ? A resposta positiva a estes questionamentos

determinam os arcos que devem existir entre os ns, alm de influenciar no


preenchimento da TPC que alimentar determinado n. A aplicao deste
procedimento no caso analisado pode ser considerada como exemplo;
Devem ser preenchidas as TPCs. Isto geralmente feito mediante
consultando a opinio dos especialistas, quantificando as probabilidades.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 105
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Deve-se considerar a hiptese de anlise da confiabilidade da opinio destes


especialistas, ou ao menos um estudo sobre o conservadorismo de suas
respostas.

O procedimento acima, trazido por MATURANA (2010), incorpora a ideia geral


da construo das RBs.

Encerrando a fundamentao terica, o prximo tpico traz os conceitos e


definies relacionados anlise de consequncias do vazamento de granis
lquidos inflamveis (classe 3, IDMG Code).

2.7. Anlise de Consequncias conceitos e definies

Em situaes que envolvam a manipulao de materiais perigosos, como o


caso sob estudo, e de acordo com MARTINS (2013), a realizao de uma anlise de
risco pressupe a anlise quantitativa de consequncias dos eventos perigosos
identificados nas etapas iniciais da anlise, como se ver no tpico 4.2, exigindo a
utilizao de modelos para a avaliao dos possveis impactos da ocorrncia de tais
eventos, o que pode depender da distncia em relao ao ponto de ocorrncia dos
mencionados eventos indesejveis e perigosos.

H diversos modelos disponveis na literatura especializada para avaliao do


processo de formao, disperso e evaporao de poa (do produto inflamvel): da
disperso de nuvem, de incndio e exploses (modelos: carga equivalente de TNT;
Multi Energy e Baker Strehlow), da emisso de radiao trmica (modelos:
Chamberlain e Fonte Pontual) e da ocorrncia de um BLEVE (Boiling Liquid
Expanding Vapour Explosion modelos: proposto pela DNV; proposto pela The
Netherlands Organization of Applied Scientific Research TNO; e por Baker). Em
relao aos outros modelos, sugere-se a leitura de MARTINS (2013).

Portanto, no que tange Anlise de Consequncias, parte integrante da


Anlise de Risco, a ideia levantar os eventos indesejveis, com base nos piores
cenrios, associados ao processo de descarga de granis lquidos inflamveis,
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 106
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

escolhendo um dos produtos(o mais instvel) de natureza lquida, transportado pelo


navio tanqueiro (para o caso em estudo), focando nas letalidades, danos causados
s instalaes e ao meio ambiente devidas aos efeitos da radiao trmica e/ou
queima de nuvem formada a partir da liberao de material inflamvel, a fim de
prevenir a ocorrncia de tais eventos, e, portanto, as suas consequncias,
apresentando medidas preventivas e mitigadoras.

Desta forma, caso o produto lquido inflamvel transportado pelo NT entre em


contato com uma fonte de ignio, poder ocorrer um incndio (como no caso do NT
Vicua Processo 21.267/200513 do Tribunal Martimo brasileiro). Nesta situao,
mesmo que no haja contato com a chama ou o fogo, poder haver consequncias
indesejveis para as instalaes, as pessoas ou o meio ambiente, se no estiverem
a uma distncia segura, advindas da radiao trmica, dependendo, da substncia
liberada, das condies de liberao, da forma e da superfcie total da chama, do
calor gerado pela combusto, da produo de fumaa, da presena de dixido de
carbono (CO2) e de vapor dgua que podem absorver parte do calor produzido com
a combusto (MARTINS, 2013).

Os modelos disponveis so para incndios em jatos (jet fire), em poa, que


pode ser incndio em poa atrasado ou ignio tardia (late pool fire LPF) ou
incndio em poa adiantado (early pool fire EPF) e bolas de fogo (fire ball); para o
caso aqui analisado, no que pertine liberao de lquidos em navios tanqueiros,
no se espera a ocorrncia de uma bola de fogo. Na literatura, tais modelos so
apresentados por MARTINS (2013) para o qual se remete, no que tange aos
aspectos tericos (clculo da geometria da chama, taxa de queima, poder emissivo,
fluxo de calor, etc.).

No que se refere s ferramentas para a anlise das consequncias, SARSHAR


et al. (2012) informam que uma abordagem que visualiza o risco de vazamento de
hidrocarbonetos em instalaes petrolferas offshore por intermdio da tcnica ETA
factvel, e tanto os autores, quanto HAUGEN et al. (2012) concluem que

13Para maiores detalhes, acesse https://www.mar.mil.br/tm/download/anuario/21267.PDF . Acesso


em 10.12.2013.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 107
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

visualizao dos riscos de segurana, como o vazamento de hidrocarbonetos, pode


contribuir para aumentar a conscincia de perigo potencial em uma determinada
situao.

Ou seja, na viso dos autores, a inferncia sobre as consequncias visa


contribuir para visualizao dos eventos indesejveis para a segurana, durante a
execuo de um processo, levando os operadores a agirem corretamente, podendo,
indiretamente, levar a uma reduo do nmero de vazamentos em instalaes nas
quais, as falhas, devido interveno humana, so altamente provveis, e que, as
ferramentas computacionais so indispensveis para tal anlise. A ttulo de
ilustrao, a Figura 39, traz um diagrama apresentado por HAUGEN et al. (2012),
onde os fatores que influenciam a probabilidade de ocorrncia de vazamentos dos
produtos transportados por um navio tanqueiro (caso aqui estudado), so
discriminados sob a tica da HRA.

Figura 39 Diagrama relativo aos fatores que influenciam a probabilidade de


vazamentos de produtos transportados por um navio tanqueiro extrado de
HAUGEN et al., 2012.

No contexto de HAUGEN et al. (2012), conforme informam NATACCI et al.


(2007), em se tratando de ocorrncias, quanto maior a complexidade de um sistema,
maior ser o nmero possvel de falhas que este pode apresentar, em funo da
ocorrncia de falhas dos componentes; no caso deste estudo, h dois sistemas
complexos interagindo: o sistema navio-tanque e o sistema terminal porturio
especializado e seus tanques de armazenamento (no caso em estudo, inshore
costeira e at shore na costa, conforme terminologia utilizada por PONTES
JUNIOR, 2014).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 108
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Para NATACCI et al. (2007), as falhas dos sistemas so consequncias das


falhas dos componentes e, as consequncias podem ser classificadas em: (a)
consequncias da segurana, envolvendo possveis danos ao sistema (ou
sistemas), podendo causar efeitos adversos ou nocivos segurana operacional do
mesmo, colocando em risco pessoas e/ou o meio ambiente; (b) consequncias
operacionais, que envolvem uma perda econmica, em funo da reduo do
desempenho operacional do sistema abaixo do mnimo esperado, incluindo nesta
perda o prprio custo do reparo; (c) consequncias no operacionais, que no
afetam o desempenho do sistema em algum momento futuro, sendo associado ao
mesmo um custo de reparo; e, (d) consequncias de falhas ocultas, que no tm
impacto imediato sobre o desempenho operacional do sistema, mas podem ser o
evento inicializador (gatilho) para o desenvolvimento de outras falhas funcionais.

Em estudo sobre anlise quantitativa de risco e comparao de terminais de


descarga de Gs Natural Liquefeito, onshore e offshore, MARTINS et al. (2011b),
informam que a modelagem do processo em relao anlise de consequncias foi
realizada com a verso 6.54 do software PHAST, da DNV, onde tais modelos
matemticos foram usados para estimar os efeitos de hipotticos acidentes nos
terminais. As distncias de interesse foram estabelecidas de acordo com critrios
para a indstria qumica da CETESB Companhia de Meio Ambiente de So Paulo,
levando em considerao os efeitos da radiao trmica (jet fire, early pool fire e late
pool fire, fire ball), em caso da inflamao da nuvem de gs natural formada a partir
de um acidente no costado do navio LNG.

Os resultados so apresentados em termos de fatalidade (vidas humanas


perdidas), de dia ou de noite, nos terminais onshore e offshore, observadas as
espcies de consequncias listadas anteriormente. NATACCI et al. (2010b) e IKEDA
et al. (2012) corroboram com a possibilidade de se realizar uma anlise de
consequncias em sistemas navais que transportam gs natural liquefeito, por
ocasio do rompimento da linha de conexo entre o navio tanqueiro e o terminal.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 109
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

perfeitamente factvel adequar os procedimentos seguidos nos mencionados


trabalhos que versam sobre as consequncias da ocorrncia de eventos
catastrficos e indesejveis em terminais LNG para a situao aqui estudada, como
se verificar no Captulo 4, aps a aplicao dos softwares PHAST (do ingls,
Process Hazard Analysis Software Tools) e PHAST RISK, da DNV.

O prximo captulo trata do mtodo desenvolvido pelo autor, a partir da


combinao de mtodos conhecidos, para a Anlise Probabilstica de Risco, via
Redes Bayesianas, levando em considerao a interao entre fatores humanos e
no humanos do processo de descarga dos granis lquidos inflamveis do navio-
tanque para o terminal porturio especializado.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 110
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

3. MTODO PARA A ANLISE PROBABILSTICA DE RISCO VIA


REDES BAYESIANAS

Como visto no Captulo 2 (item 2.4.2, p. 59), uma anlise probabilstica de risco
(PRA) 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. O caso sob estudo, como se ver no Captulo 4, um processo
resultante da interao de dois sistemas complexos (navio e porto), com uma
participao e atuao maior do elemento humano que elementos no humanos
(maquinrio em geral). Por tudo que foi exposto ao longo do Captulo 2, e tendo em
vista o escopo deste trabalho, o emprego de Redes Bayesianas, a princpio, a
tcnica que mais se adequa para a anlise de risco quando h elementos humanos
e no humanos, compondo a planta industrial, tendo em vista a natureza das
variveis envolvidas, como ser mostrado nas sees deste Captulo.

As trs perguntas feitas anteriormente para a aplicao da PRA, quais sejam,


(i) Quais os possveis eventos acidentais que podem resultar na exposio aos
perigos? (ii) Qual a probabilidade de ocorrncia destes eventos acidentais? (iii)
Quais as provveis consequncias, no modelo, caso estes eventos ocorram14? So
fundamentais, como informaes de entrada, tanto para realizar a HRA, quanto para
determinar a confiabilidade dos demais elementos que compe o processo sob
estudo.

Este captulo est dividido em trs sees. Na primeira ser feita uma
descrio em termos gerais dos mtodos aplicados por outros autores para
responder as trs perguntas que do origem a trs componentes fundamentais na
avaliao do risco, como informado anteriormente: Modelagem dos Cenrios do
Risco, Avaliao da Probabilidade de Ocorrncia dos Cenrios de Risco e Avaliao
das Consequncias dos Cenrios de Risco. A segunda seo trata da HRA em
sistemas complexos, como o caso desta dissertao, a ser abordado no prximo
Captulo, evidenciando os fatores que podem influenciar a atividade humana, bem
14 Conforme exposto no item 2.7, de acordo com SARSHAR et al., 2012 e HAUGEN et al., 2012.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 111
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

como a interao entre eles, conforme DROGUETT e MENESES (2007), EMBREY


(2013) e FIGUERA et al. (2013). Ao final, na terceira seo, so apresentadas
consideraes sobre o desencadeamento dos eventos de perigo pelos elementos
no humanos atuantes em uma planta industrial, objeto deste estudo.

3.1. Mtodo Desenvolvido Descrio

O mtodo aplicado neste trabalho prope a utilizao conjugada de mtodos j


existentes para a anlise de confiabilidade, na linha do exposto por MARTINS
(2013). Propostas de diferentes autores e diferentes tcnicas que podem ser
combinadas estabelecendo um mtodo diferenciado em quatro etapas:
familiarizao dos sistemas que compe a planta industrial, anlise qualitativa (tal
anlise, neste estudo, foi realizada com o uso da PHA combinada com a
composio probabilstica), anlise quantitativa (utilizando a ETA, FTA, a partir da
composio probabilstica, e uso da RB) e anlises complementares. Ou seja, ser
efetivada uma combinao dos mtodos propostos por MATURANA (2010) e
MARTINS (2013) na anlise da confiabilidade humana em sistemas complexos, via
RB.

Na primeira etapa, deve ocorrer a familiarizao dos sistemas. No caso sob


estudo, a interao entre o navio-tanque e o TGL, as tubulaes e os tanques de
armazenamento associados, isto , dados sobre o processo (de descarga do granel
lquido inflamvel), seus procedimentos e o cenrio em que est inserido, foram
coletados nesta fase. Na segunda etapa, a anlise qualitativa deve fornecer uma
viso clara do processo e das relaes entre os elementos do processo, procurando
estabelecer uma representao fsica e funcional dos sistemas ou processo. Ento,
constri-se a Rede Bayesiana (RB). Em seguida, durante a anlise quantitativa,
incluem-se as probabilidades a priori dos ns razes da RB, preenchem-se as TPCs
(no caso da RB), nas quais so especificadas as relaes entre os ns discretos ou,
para o caso de variveis contnuas, definem-se as funes densidade de
probabilidade. Posteriormente, obtm-se a probabilidade conjunta da rede para a
varivel de interesse, no caso deste estudo, a descarga do produto lquido
inflamvel. E, por fim, so realizadas anlises complementares: anlise de
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 112
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

criticidade, anlise de diferentes cenrios e anlise da confiabilidade condicionada


(MARTINS, 2013).

No que tange Avaliao da Confiabilidade Humana HRA, o mtodo


especfico utilizado se vale do que j foi exposto anteriormente no Captulo 2 (ver
Figura 16, p. 53), em um procedimento proposto por DROGUETT e MENESES
(2007), EMBREY (2013) e FIGUERA et al. (2013), que MATURANA (2010) ilustrou
com a Figura 40, muito prxima do apresentado por MARTINS (2013), de acordo
com a Figura 15.

Figura 40 Mtodo para realizao da HRA por meio das Redes


Bayesianas extrado de MATURANA (2010).

A avaliao da confiabilidade humana (HRA), como j exposto em 2.3.1, lida


com o impacto dos seres humanos sobre o desempenho dos sistemas e pode ser
usado para avaliar a influncia de erros humanos nos sistemas, quantificando-os.
Concorda-se com DOLEAL (2013), o qual informa a existncia de uma grande
variedade de mtodos de HRA, dependentes da incerteza (cita a srie de Taylor em
mtodos analticos, simulao de Monte Carlo e o parecer dos peritos), e os
descreve para concluir que a quantificao altamente dependente da exatido
matemtica, isto , uma aproximao grosseira leva a uma quantificao grosseira.

Certo que muitos processos contm potencial de erro humano,


especialmente quando o tempo disponvel para o operador tomar decises

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 113
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

impactantes pequeno. Em alguns casos, a probabilidade relacionada ao


desenvolvimento de problemas graves ou eventos catastrficos pequena; e, em
um sistema sem barreiras de proteo, indicando a inadequao do sistema, a ao
humana ser a nica defesa para evitar a progresso do problema, no sentido de
causar um acidente, a partir de uma falha inicial.

Com foco neste trabalho, que analisa o processo de descarga de granis


lquidos inflamveis de um navio-tanque em um terminal porturio especializado e
seus tanques e tubulaes associados, tendo em vista sua complexidade, utilizar-se-
, com j explicitado, um mtodo derivado das tcnicas desenvolvidas por
MATURANA (2010) e MARTINS (2013), considerando a influncia entre os fatores
que determinam o desempenho de um operador, denominados Performance
Shaping Factors PSF, que sero visto no tpico a seguir. Certo que, a anlise de
risco deve ser efetuada desde a concepo dos sistemas que geraro o processo na
planta industrial, definindo as funes de cada pessoa e dos equipamentos. Todavia,
no caso sob estudo, a despeito de que a instalao industrial j esteja em operao,
isso no inviabiliza a anlise do risco, qualificando-o e quantificando-o. Ressalte-se
que o fator humano sempre estar presente, operando os equipamentos e os
sistemas (navio-tanque e o TGL), tomando as decises necessrias para o bom
andamento das operaes, ou realizando reparos e manutenes. As tarefas fsicas
sero realizadas, observadas as hierarquias de tarefas, onde existem aqueles que
realizam atividades de anlise e tomada de deciso.

Na HRA desenvolvida neste trabalho so feitos os seguintes questionamentos,


passo a passo, observado, neste caso o fluxograma da Figura 41 (ISO, 2008):

Definio do problema que tipos de envolvimentos humanos devem ser


investigado/avaliado?
Anlise de tarefas como que a tarefa ser executada, e que tipo de
intervenes sero necessrias para melhorar o desempenho?
Anlise de erro humano como pode o desempenho falhar, quais os erros
que podem ocorrer, e como eles podem ser recuperados?

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 114
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Representao como podem estes erros ou falhas de desempenho nas


tarefas serem integrados com outro hardware, software e os eventos
ambientais, para permitir a aferio da falha geral do sistema, calculando-se as
probabilidades associadas?
Triagem existe algum erro ou tarefa que no possvel ou no requer uma
quantificao detalhada?
Quantificao qual a probabilidade de erros individuais e falhas nas
tarefas?
Avaliao de impacto que erros ou tarefas so mais importantes, ou seja,
quais os que tm a maior contribuio para a confiabilidade ou risco?
Reduo de erros como uma maior confiabilidade humana pode ser
alcanada?
Documentao quais os detalhes do HRA que precisam ser
documentados?

Na prtica, o processo de HRA aqui desenvolvido procede-se passo a passo,


embora, por vezes, as partes do processo sejam realizadas em paralelo (por
exemplo, tarefas de anlise e identificao de erro).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 115
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 41 Fluxograma da HRA extrado


de ISO, 2008.

Duas importantes questes a serem levantadas na aplicao dos mtodos de


HRA, no que tange as probabilidades de HFE, conforme informam DANG e
STEMPFEL (2012), com as quais se concorda, so as correlaes entre os PSFs e
as interaes entre os seus efeitos (interdependncia). Uma abordagem de
modelagem que pode resolver estas questes, segundo os autores, a tcnica de
RB, corroborando com o trabalho aqui desenvolvido. E mais: possvel a utilizao
de um conjunto de dados artificiais, dados com propriedades conhecidas, como as
informaes extradas das opinies dos especialistas. Ponderando-se as vantagens
e as desvantagens do mtodo utilizado por MARTINS (2013) para a anlise de risco
na coliso de um navio, luz da fundamentao terica do Captulo 2, justifica-se a
escolha das RBs para o caso aqui estudado.

Ou seja, a Rede Bayesiana elaborada ao final considerar a interao entre os


sistemas, subsistemas e as pessoas envolvidas no processo de descarga dos
lquidos inflamveis do navio tanqueiro, com o detalhamento da contribuio do fator
humana no caso especfico. MATURANA (2010) ilustra o relacionamento dos
equipamentos e do componente humano, com a Figura 42.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 116
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 42 Modelagem dos fatores que influenciam o


desempenho humano extrado de MATURANA (2010).

Por fim, o uso de Redes Bayesianas, tanto para anlise de risco (MATURANA,
2010 e MARTINS, 2013), quanto para anlise de confiabilidade (SCHLEDER, 2012),
tem se mostrado uma ferramenta eficaz. Qualquer anlise feita com o uso das
tcnicas tradicionais (ETA, FTA, etc.) pode ser feita com o emprego de Redes
Bayesianas, e, alm disso, em RB pode-se agregar ao modelo de anlise, as
relaes de dependncia, incertezas, mltiplas variveis com mltiplos estados
(como visto no Captulo 2) e o conhecimento dos especialistas para a criao de
estimativas quando no existirem dados estatsticos suficientes e/ou adequados,
com possibilidade de correo de tal inferncia, se dados futuros forem obtidos.

3.2. Fatores Humanos na operao de descarga do Navio-Tanque

A importncia de se usar a HRA tem sido ilustrada por vrios acidentes em que
os erros humanos de forma crtica contriburam para uma sequncia de eventos
catastrficos15. Tais acidentes so advertncias contra as avaliaes de risco que se
concentram exclusivamente no hardware e/ou no software de um sistema. Eles
ilustram os perigos de se ignorar a possibilidade de contribuio de erro humano.

15 Sugere-se assistir os filmes Perfect Storm e K-19 The Widowmaker para se ter uma ideia clara

da sequncia de tais eventos.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 117
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Alm disso, a HRA til para realar os erros que podem impedir a produtividade e
em revelar maneiras pelas quais esses erros e outras falhas (em hardware e
software), podem ser recuperadas pelos operadores e pelo pessoal da
manuteno.

No procedimento da HRA aqui aplicado, as fases se assemelham ao informado


por MARTINS (2013), havendo diferenas a partir da segunda fase, que se refere
anlise qualitativa do elemento humano, incluindo a anlise de tarefas (informaes
sobre as tarefas executadas por seres humanos no processo ou sistemas),
determinao do desempenho requerido em cada atividade e o desenvolvimento de
topologias das Redes Bayesianas que modelam o sistema. Na terceira etapa,
fazem-se as associaes de probabilidades s TPCs, conforme descritos no item
2.5.3, observado no caso sob estudo, a informao trazida pelos especialistas
(experincia dos tipos de erros que ocorrem na prtica e os potenciais erros).
Destarte, devem ser considerados os efeitos dos eventuais fatores de reviso
(quando o erro pode ser corrigido por outra pessoa, ou pelo prprio executor). A
ltima etapa pode ser considerada a incorporao do elemento humano no estudo
de confiabilidade do processo como um todo (incluindo os equipamentos). A anlise
de sensibilidade pode ser realizada com base no impacto das alteraes dos fatores
humanos ou um estudo sobre o preenchimento das TPCs (MATURANA, 2010).

Conforme foi aferido nas visitas feitas pelo autor desta dissertao planta
industrial, na realizao de suas funes e tarefas, os operadores dos sistemas NT-
TGL precisam utilizar os recursos materiais e humanos colocados sua disposio
pela sociedade empresria operadora dos sistemas, coletando, analisando e
interpretando as informaes disponveis, com observncia de suas experincias e
os treinamentos que realizaram, para, ento, decidirem o que dever ser feito, a fim
de que o processo de descarga seja realizado com preciso. O comportamento dos
operadores de tais sistemas pautado por regras estabelecidas em manuais (de
procedimentos, equipamentos e softwares) e na legislao correlacionada (por
exemplo, atos normativos da ANTAQ, do Ministrio do Trabalho, da Diretoria de
Portos e Costas da Marinha), e preciso que o indivduo faa a devida associao

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 118
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

de tais regras com a sua atividade para evitar problemas ou eventos de perigo
sequenciados.

A maneira de interao com os equipamentos varia com as caractersticas da


pessoa, as qualidades fsicas do ambiente de trabalho, treinamento a respeito dos
sistemas a serem operados, fatores organizacionais, tais como horas de trabalho,
local e ambiente de trabalho, e outras atitudes determinadas pela cultura
organizacional (LIN et al. 2012). Os operadores e a equipe de apoio da manuteno
e reparo podem, ainda, compartilhar as mesmas caractersticas do perfil
psicogrfico, como idade, condio econmica-social, treinamento realizado,
experincia profissional, capacidade tcnica, carisma, liderana, e outros, de forma
que as aes sejam previsveis com dado perfil.

Na operao de descarga de um navio-tanque contendo granis lquidos


inflamveis em um terminal porturio especializado, com o produto atravessando
tubulaes at os tanques de armazenamento, h diferentes formas de realizar a
mencionada operao, dependendo das caractersticas do navio e das
caractersticas do terminal, e, neste ponto, se o terminal onshore ou offshore
(PONTE JUNIOR, 2014). Tambm os equipamentos e instalaes devem ser
levados em considerao, interferindo nos recursos humanos que operam os
sistemas e que iro tomar as decises. Alm disso, as equipes de terra (TGL) e de
mar (NT) devero ter uma necessria sincronizao de tarefas e atividades, a fim de
evitar eventos perigosos, que devido a carga transportada pelo navio, em caso de
acidente, poder se transformar em evento catastrfico.

Desta forma, o levantamento das caractersticas do processo e dos sistemas


associados, o perfil dos operadores, os fatores de modelagem (ou forma) de
desempenho, as atividades cognitivas realizadas, os possveis erros e
consequncias, so imprescindveis para a HRA e foi utilizado nesta dissertao.
Com tais informaes, segundo MATURANA (2010) e MARTINS (2013), possvel
levantar os fatores (PSF) que influenciam ou que mais influenciam cada operador. O
desenvolvimento de um modelo genrico de influncia que incorpore os PSF mais

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 119
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

significativos na operao do processo sob estudo muito til no caso de sistemas


complexos, tal qual um sistema ferrovirio, como informam MILIUS et al. (2013).

O diagrama da Figura 43 traz o modelo genrico a ser aplicado no estudo do


caso (MATURANA, 2010). Este modelo representa a influncia entre os fatores que
determinam o desempenho de um operador (PSF). Foram considerados para a sua
construo quatro grupos de fatores: (1) Fatores Organizacionais e de Gesto
MOF (do ingls Management and Organizational Factor); (2) Fatores Internos (ao
operador, como fadiga, inteligncia, motivao, etc.); (3) Fatores Ambientais
(temperatura, luminosidade, rudo, etc.); (4) Habilidades Requeridas (para a
execuo das tarefas). O detalhamento dos fatores feito nas subsees mais
adiante.

Figura 43 Rede Genrica para Fatores de


Desempenho extrado de MATURANA (2010).

Neste diagrama, conforme informa MATURANA (2010), considerou-se que a


execuo da tarefa depende da situao das habilidades requeridas do operador. E
que os estados destas habilidades dependero dos fatores ambientais e dos fatores
internos do operador. Isto , considerou-se que os fatores ambientais atrapalham a
execuo da tarefa (relacionado aos sentidos do operador, por exemplo), e que os
fatores internos influenciam no desempenho do operador (motivao, por exemplo),
de sorte que, tais fatores, tornam indisponveis as habilidades necessrias para que
o operador realize a tarefa.

Como observado na Figura 43, os fatores externos ao operador foram divididos


entre os MOF e os fatores ambientais. Considerou-se que os fatores relativos ao
treinamento, organizao e gesto (ou gerenciais), agrupados nos MOF,
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 120
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

influenciam diretamente os fatores fsicos e mentais (incluindo os relativos


memria), ou seja, assumiu-se, por simplicidade, que quando o operador inicia a
realizao de determinada tarefa, os MOF j esto previamente definidos, e que o
nico grupo de fatores que o operador traz, por ocasio da realizao da tarefa,
passveis de mudana de estado, so os fatores internos. Assim, as influncias dos
MOF ocorrem durante a atuao do operador no processo ou/e sistemas, e no em
uma tarefa especfica. Porm, os fatores ambientais esto presentes durante a
realizao das tarefas (MATURANA, 2010).

Na sequncia sero abordados os fatores entabulados no diagrama da Figura


43, baseando-se em MATURANA (2010) e MARTINS (2013).

3.2.1. Fatores Organizacionais e de Gesto MOF

No caso das sociedades empresrias prestadoras de servio de transporte


martimo de produtos inflamveis e das concessionrias de servios porturios e de
logstica, que realizam as operaes do processo sob estudo, as equipes de mar e
de terra so fortemente influenciadas pelas polticas governamentais e empresariais,
pelos procedimentos e rotinas das empresas, pela deciso dos gestores
empresariais e pblicos, dentre outros fatores. Para cumprir no s as
regulamentaes da IMO, da ANTAQ, do Ministrio do Trabalho, da Diretoria de
Portos e Costas, das entidades ambientais locais, regionais e federal (IBAMA), da
ANP, os operadores do NT e do TGL devem levar em conta os fatores
organizacionais e de gesto ou de gerenciamento, elaborando um Sistema de
Gerenciamento de Segurana SMS (do ingls Safety Management System),
combinando os fatores associados. Fatores que envolvam grandes riscos precisam
ser identificados e aes de mitigao e de contingncia devem ser adotadas para
estes fatores. De acordo com a IMO (2002b), mencionado por MATURANA (2010) e
MARTINS (2013), os principais MOF envolvidos na operao de um navio so
apresentados na Tabela 14.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 121
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 14 Fatores Organizacionais e de Gesto ou Gerenciais


extrado de MATURANA (2010).
A Carga de Trabalho
B Formalizao ou Padronizao das rotinas de trabalho
C Coordenao do Trabalho
D Cultura Organizacional
E Prmios, reconhecimentos e benefcios salariais
F Recursos Fsicos
G Qualidade de Vida
H Avaliao do Rendimento Laboral (eficcia)
I Programas de Atividades da Empresa
J Seleo de Recursos Humanos
K Rotatividade de Pessoal
L Programas de Treinamento e Desenvolvimento da Empresa
M Atitudes dos Chefes, Sindicatos, Entidades Governamentais, etc.
N Tempo
O Aprendizado Organizacional
P Comunicao Oral e/ou Escrita

Considerou-se que esses MOF tambm sero aplicados ao TGL, haja vista
que, para a IMO (2002b), a segurana do navio e a proteo ao meio ambiente, de
responsabilidade da equipe de terra da Companhia. Neste caso, "Companhia",
para a IMO (2002b) o proprietrio do navio ou qualquer outra organizao ou
pessoa, como o gerente, ou o afretador a casco nu, que tenha assumido a
responsabilidade pela operao do navio do armador e que, ao assumir tal
responsabilidade, se comprometeu a assumir todos os direitos e obrigaes
impostos pelo ISM Code16. E o TGL, como se ver adiante, se enquadra no contexto
do termo Companhia.

As relaes entre os MOF apresentados e os fatores internos so relacionadas


na subseo que se segue.

16 Informaes da Parte A, item 1.1.2 do Cdigo Internacional da Gesto da Segurana, de 2002,


lanado pela IMO a fim de garantir a operao segura de navios e para a preveno da poluio no
mar (parte em negrito do ingls, International Safety Management Code).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 122
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

3.2.2. Fatores Internos

Os PSF apresentados na Tabela 15, esto de acordo com o mtodo de


MATURANA (2010). Dentro do que j foi exposto para os MOF, aplicar-se- os
fatores internos para o TGL. No modelo proposto da Figura 43, os fatores internos
esto relacionados aos MOF listados na Tabela 14. A correlao se baseou na
anlise feita pelo autor deste trabalho, com base nas respostas aos
questionamentos apresentados aos operadores de um sistema NT TGL, objeto
deste estudo, considerando os MOF mais influentes para cada fator interno. Por
exemplo, dada as condies insalubres e perigosas da planta visitada, o MOF de
Qualidade de Vida para este trabalho foi definido em 50% (cinquenta por cento)17 em
relao um ambiente sadio e saudvel. Se o ambiente no insalubre e no
perigoso, adotou-se como 100% sadio e saudvel, para fins de clculo nas TPCs.

Difere da situao de coliso de um navio, como abordado por MATURANA


(2010), como por exemplo, a atracao; a descarga para os tanques de
armazenamento; a equipe de terra; a possibilidade de mudana climtica afetar em
diversas etapas, desde a programao do navio tanqueiro at a sua desatracao.
No h qualquer similaridade do caso concreto desta dissertao com o
apresentado por MATURANA (2010) e MARTINS (2013).

17 Os operadores do NT e do TGL atuam em ambiente insalubre (ver NR 15 do Ministrio do

Trabalho) e em ambiente perigoso (ver NR 16 do Ministrio do Trabalho); pela insalubridade, os


trabalhadores do Pas, podem receber um adicional de 10% (grau mnimo) ou 20% (grau mdio) ou
de 40% (grau mximo); pela periculosidade podem receber 30%. Os adicionais, no contexto legal
atual, no so cumulativos, mas isso no elide a situao existente no caso concreto estudado. Desta
forma, o autor adotou, sob o contexto trabalhista do Pas, a combinao do grau mdio de
insalubridade com o grau de periculosidade, que sobre a mesma base remuneratria, d 50%
(cinquenta por cento).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 123
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 15 Fatores Internos correlacionados aos MOF adaptado de MATURANA (2010).


MOF MOF
Fsicos Mentais
Relacionado Relacionado
1 Fadiga A,B,G,H,M 15 Estado Emocional A,C,E,F,G,H,I,M
Velocidade de Realizao
2 Dor e Desconforto A,B,F,M 16 B,C,F,H,M
da Tarefa
3 Falta de Exerccios Fsicos A,D,I,G,M 17 Criticidade da Tarefa J,L,O
4 Qualidade do Sono A,C,G,M Atitudes baseadas na
18 influncia de grupos ou de B,C,D,H,I,J,M,P
5 Condio Fsica (Orgnica) A,B,F,G,J
outras pessoas

Relativos ao Estresse 19 Identificao com a Equipe C,D,I,J,K,L,M


6 Durao do Estresse A,B,C,D,F,G,L,M,P 20 Personalidade e Inteligncia D,J
7 Velocidade da tarefa A,B,C,F,H,M
Riscos na Execuo da 21 Motivao e Atitude A,C,D,E,F,G,H,I
8 A,C,D,H,O
Tarefa
Tratamento Dispensado
9 falha (perda do emprego, D,H Memria
p.ex.)
10 Trabalho montono B,C,I,J,M 22 Conhecimento das Normas B,J,L
11 Longos perodos sem ao A,B,C,K,M 23 Experincia e Treinamento B,D,J,K,L
12 Distraes C,G,J,L,M,N 24 Habilidade H,J,L
13 Falta de Avisos C,D,O 25 Controle Motor J,K,L
Conflitos a respeito dos
Estado atual da Prtica
14 motivos para obteno do C,E,G,H,I,L,M,N 26 C,K,L,M
(Memria)
melhor resultado

Ressalta-se que a correlao entre os MOF e os Fatores Internos foi


considerada como vlida, tanto para o NT quanto para o TGL, durante o processo de
descarga sob estudo, a fim de simplificar a anlise, sem perda da ideia do estudo
proposto. Alm disso, nem todos os MOF foram correlacionados aos Fatores
Internos, levando em considerao um operador genrico em cada tarefa a ser
realizada. Por bvio, considera-se as caractersticas do operador antes de definir
quais MOF devem ser adicionados s Redes Bayesianas a serem desenvolvidas
neste trabalho.

As inter-relaes entre os fatores internos sero abordadas no Captulo 4.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 124
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

3.2.3. Fatores Ambientais

Os fatores ambientais que podem influenciar no processo de descarga do


estudo do caso, esto listados na Tabela 16. Da mesma forma do que foi
considerado para os MOF, aplicar-se- os fatores ambientais tanto para o TGL,
quanto para o NT, como por exemplo, rudos, temperatura, ondas (neste estudo, de
elevada importncia). Tais fatores foram levantados e constatados durante vrias
visitas realizadas pelo autor instalao industrial paradigma, a ser detalhada no
Captulo 4. Foram especificados tanto os fatores relativos ao clima em rea costeira
e porturia, desde o ponto de fundeio para aproximao do NT, at a sua
desatracao, em movimento para nova derrota. O ambiente interno do navio foi
levado em considerao, tendo em vista as observaes de MATURANA (2010).

Os fatores ambientais esto listados por ordem de significncia ou de


ocorrncia. Considera-se tambm que em cada tarefa realizada pelo elemento
humano pode haver a presena de um ou mais fatores ambientais. Para o modelo
tratado neste trabalho, os fatores ambientais foram correlacionados s habilidades,
dispostos na Tabela 17, exigidas em operaes de navios e de portos, considerando
o quanto podem influenciar os estados de tais variveis. Um ponto a ser ressaltado
no tratamento da correlao destas variveis: a RB permite a considerao de
dependncias "no modelveis" em uma rvore de falhas (FTA) ou em uma rvore
de eventos (ETA).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 125
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 16 Fatores Ambientais


presentes na interao NT TGL
adaptado de MATURANA
(2010).
1 Temperatura

2 Umidade

3 Composio do Ar

4 Luminosidade

5 Rudo

6 Vibrao

7 Limpeza

8 Visibilidade

9 Correnteza (velocidade)

10 Tempestades

11 Ventos

12 Ondas

13 Amplitude da Mar

3.2.4. Lista de Habilidades

As principais habilidades tratadas no caso sob estudo, com observncia do que


foi apresentado por MATURANA (2010), esto dispostas na Tabela 17. Na linha de
entendimento do que j foi exposto para os MOF, aplicar-se- a lista de habilidades
tambm para a equipe do TGL. Foram consideradas as tarefas realizadas pelas
equipes de terra (TGL) e de mar (NT) relacionadas ao evento de no descarga dos
produtos lquidos inflamveis.

Por exemplo, na atividade da equipe de terra (TGL) em colocar as espias de


amarrao no cabeo, em equivalncia atividade da equipe do navio (NT) em
liberar as espias de amarrao atravs do cabrestante (ou al-las no cabeo do

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 126
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

convs), se extraem as habilidades concentrao, resistncia fsica, liderana e


motricidade.

Tabela 17 Habilidades relacionadas aos operadores que realizam o processo de descarga


adaptado de MATURANA (2010).
PSF Relacionados
Descrio
Internos Ambientais
I Interpretaes 1,2,3,4,5,6,7,11,12,16,20,21 Todos
II Clculos 1,2,3,4,5,6,7,16,20,21,24,26 Todos
III Concentrao 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,20,21 Todos
Conhecimento dos
IV 20,22,26 Todos18
procedimentos
Memria de longo e de
V 13,15,23,26 Todos
curto prazo
VI Resistncia Fsica 1,2,3,4,5,6,7,11,15,16,21 Todos
VII Motricidade 1,2,3,4,5,6,11,15,20,23,24,25,26 Todos
VIII Equipe e Comunicao 8,9,14,15,16,18,19,20,21,24 Todos
Frequncia e
IX 6,7,10,11,16,24 Todos
Repetitividade
X Percepo 1,2,3,4,5,6,15,20,21 Todos
XI Planejamento 6,7,9,15,16,20,24 Todos
XII Liderana 9,15,17,19,20,21,24 Todos
XIII Criatividade 8,9,10,15,16,20,21 Todos
XIV Flexibilidade 9,15,16,19,20,21 Todos
XV Empatia 14,15,19,20,21 Todos

De acordo com o exposto na Figura 43, a Tabela 17 correlaciona os fatores


internos (representados por nmeros ver Tabela 15) e os fatores ambientais que,
no mbito da interao entre o sistema navio (NT) e o sistema porto (TGL), podem
afetar as habilidades listadas. Esta associao foi realizada de acordo com o
julgamento do autor desta dissertao, levando em considerao a anlise das
tarefas, de acordo com os questionamentos feitos aos operadores da instalao
industrial visitada.

18Em um primeiro momento, possvel indagar que no h influncia de todos os fatores ambientais
nas habilidades. Mas isso no crvel. Alm de se tratar de questo de natureza subjetiva, pode-se
considerar questes relacionadas experincia. A ttulo de exemplo, como se sabe, se o operador
no tiver conhecimento dos procedimentos e a necessria experincia, ele no saber discernir sobre
a prtica a ser adotada na navegao martima, em situao de neblina espessa.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 127
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Na Tabela 17 considerou-se que todos os fatores ambientais, listados na


Tabela 16, interferem, de alguma forma, nas habilidades listadas. Na construo da
Rede Bayesiana, esses fatores sero reavaliados quanto sua significncia e
presena, j que a listagem se refere tanto ao NT, quanto ao TGL.

As habilidades podem ser afetadas direta ou indiretamente pelos fatores


internos. Todavia, na linha do proposto por MATURANA (2010), optou-se, por
simplicidade e sem perda de generalidade, de considerar to-somente os fatores
internos que afetam diretamente as habilidades.

Alm disso, um acidente pode estar relacionado s atividades ou tarefas


realizadas no porto ou no navio. A combinao ou uma sequncia de falhas deve
levar ao evento de no descarga ou at a algum evento catastrfico, como incndio
ou coliso. Para se montar a RB devem ser definidos os possveis estados para
cada habilidade, PSF e MOFs. O item 4.4.4 e o Apndice D elucidam essa situao.
A seguir sero apresentados os fatores no humanos que afetam o processo de
descarga do NT no TGL.

3.3. Fatores No Humanos no processo de descarga do Navio-Tanque

J foi dito que um acidente um evento catastrfico, instantneo ou contnuo,


cuja ocorrncia impacta de forma profunda no funcionamento de uma instalao
industrial, como o caso tratado neste trabalho. H fatores humanos, como visto
anteriormente, e h tambm acidentes provocados por uma srie de fatores no
humanos ou antrpicos, dentre os quais, a ttulo exemplificativo, raios (e o Brasil o
Pas que mais foi atingido por raios nos ltimos anos19), tsunamis (e em regies
costeiras de extrema relevncia), terremotos, epidemias, inundaes, furaces,
erupes vulcnicas, exploses e incndios no provocados por seres humanos (por
exemplo, por incidncia de raios solares), meteoros e meteoritos, ataque de animais
e contaminaes (PONTE JUNIOR, 2014). H ainda os eventos de perigo

19 De acordo com reportagem da revista Superinteressante em


http://super.abril.com.br/cotidiano/brasil-pais-100-milhoes-raios-441018.shtml. Acesso em 17.01.2014.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 128
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

provocados pelo mau funcionamento dos equipamentos e dos programas de


computador associados ao processo ou aos sistemas.

Um exemplo de situao de falha no humana associada ao navio tanqueiro


est relatada no acordo do Processo 21.267/200520 do Tribunal Martimo brasileiro,
onde as percias concluram que a falha se originou no interior do navio, provvel
tanque C37 do NT VICUA, sem contato humano, cujo acidente catastrfico ocorreu
no TGL de Paranagu PR, Brasil, em 15.11.2004, s 19hs42min, com a perda total
do navio, quatro vtimas fatais e derramamento de leo no mar.

Na anlise probabilstica de risco de sistemas complexos, como informa


MARTINS (2013), citando outros autores, imprescindvel aferir o risco observando
a interao homem-mquina, e, portanto, considera-se o elemento humano, o
software e o hardware na mensurao do risco.

HOLLNAGEL (2007) afirma que, muito embora os modelos de sistemas se


baseiem em uma separao dos seres humanos e das mquinas, h, no entanto,
boas razes para questionar a qualidade desta abordagem. Segundo o autor, h um
nmero crescente de sistemas binicos onde menos clara esta distino. Em
segundo lugar, existem algumas limitaes fundamentais com a viso decomposta
de homem-mquina, que se transformaram em grandes obstculos para a pesquisa
e desenvolvimento. Por fim, a estrutura do sistema considerada, na maioria dos
casos, menos importante que a funo, que no de fcil decomposio. A Figura
44 retrata a viso do autor.

20Para maiores detalhes, acesse https://www.mar.mil.br/tm/download/anuario/21267.PDF . Acesso


em 10.12.2013.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 129
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 44 Mudana de nfase nos tipos de causas de


acidentes extrado de HOLLNAGEL, 2007.

Os fatores humanos e no humanos, no caso estudado, sero correlacionados


entre si, com base no que foi observado pelo autor, em visitas tcnicas a instalao
industrial, das informaes obtidas junto aos operadores e nos manuais das Cias.
envolvidas. Ressalta-se que, conforme ser visto no Captulo 4, h uma forte
atuao do elemento humano na interao entre os dois sistemas sob anlise: o
terminal porturio especializado e o navio-tanque, o que se traduz em uma especial
ateno anlise da confiabilidade humana, com a observncia dos fatores internos
e externos no desempenho dos operadores.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 130
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4. APLICAO AO ESTUDO DO PROCESSO DE DESCARGA

O estudo desenvolvido neste trabalho tem por objetivo verificar a aplicabilidade


do mtodo definido na seo anterior, evidenciando as vantagens do emprego das
Redes Bayesianas, tcnica de anlise indutiva, e a aplicabilidade da mesma para a
modelagem e quantificao do risco dos fatores humano e no humano (fenmenos
da natureza, hardware e software) em processos e sistemas complexos, cujo objeto
de anlise o processo de descarga de granis lquidos inflamveis realizado em
uma instalao industrial, onde h uma interao direta entre dois sistemas
complexos: o navio que transporta o mencionado produto (Navio-Tanque NT,
conforme a Figura 45(a)) e o Terminal Porturio Especializado, suas tubulaes e
tanques de armazenamento (Terminal de Granis Lquidos TGL, conforme a
Figura 45(b)).

Figura 45 (a) Navio-Tanque (OGX); Figura 45 (b) Terminal de Granis Lquidos (e Gasosos
direita CODEBA).

De forma geral, procurou-se seguir o mtodo proposto no Captulo 3 para a


efetivao da PRA, de acordo com a Figura 17, que mostra as etapas do FSA, com
o intuito de concluir a 2 etapa, que a anlise quantitativa do risco associado ao
processo sob estudo.

E, com o propsito de apresentar o caso estudado, este Captulo contempla


quatro subsees. Na primeira, ser descrito o processo em estudo, com a
identificao da planta industrial que contempla o processo, suas caractersticas,
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 131
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

buscando a familiarizao dos sistemas (navio-porto). Ento, no segundo tpico,


realizar-se- a Anlise Preliminar de Perigos (PHA) para o processo considerado,
com o estabelecimento do ranqueamento da opinio dos especialistas em uma
distribuio de probabilidades21. Na sequncia, sero apresentadas as rvores de
Falhas e de Eventos para o processo sob estudo, com o clculo da probabilidade de
ocorrncia do evento-topo, conforme se ver na terceira subseo. Por fim, no
quarto tpico, converteu-se a rvores de Falhas, com o apoio da rvore de Eventos,
em Redes Bayesianas e tambm foi feita a gerao de outra RB (unida anterior)
para as tarefas associadas aos eventos bsicos da rvore de Falhas, de sorte que,
a RB contemple os fatores de desempenho para cada atividade das tarefas com o
elemento humano. Com o conhecimento da topologia destas redes, foi feita uma
nova consulta aos especialistas, a fim de balizar o preenchimento das TPC das
Redes Bayesianas para as atividades desempenhadas no processo, observada a
interao entre os sistemas navio e porto, conforme o mtodo exposto no Captulo 3.

Por fim, ainda na quarta subseo deste Captulo, ser feita a anlise de
consequncias, parte integrante da anlise de riscos, onde o que se pretende,
aferir os efeitos da radiao trmica e/ou da queima de nuvem formada a partir da
liberao de material inflamvel, ocasionados pela ocorrncia dos perigos
associados ao processo de descarga de granis lquidos inflamveis do navio-
tanque para o terminal porturio especializado, sobre as pessoas, as instalaes e o
meio-ambiente, com a observncia da vulnerabilidade do processo em estudo.

Em relao anlise do modelo, foi desenvolvido o prximo Captulo, com as


consideraes pertinentes, comparando-se as tcnicas quantitativas de anlise de
risco.

Conforme dito anteriormente, para o trabalho com as Redes Bayesianas, foi


utilizado o programa NETICA da NORSYS SOFTWARE CORP., colocado
disposio pelo LabRisco-USP. Desta forma, todas as figuras representando as
redes e as tabelas associadas s redes foram obtidas por meio deste programa.

21 Um detalhe: o Apndice B traz a PHA em um primeiro momento, qual seja, sem a aplicao da

tcnica de composio probabilstica.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 132
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Com o uso dos softwares PHAST e/ou PHAST RISK, ambos desenvolvidos pela
DNV (com explicaes detalhadas mais adiante), ser realizada a anlise de
consequncias do processo em questo.

4.1. As etapas do processo de descarga do Navio-Tanque no TGL Descrio


do Processo e dos Sistemas

O estudo tem por base um caso concreto, sem perda de generalizao. Trata-
se de analisar e quantificar os riscos, de forma preliminar, associados ao processo
de descarga de granis lquidos inflamveis entre um sistema naval (navio-tanque) e
um sistema porturio, representado no caso, por um terminal de descarregamento
de granis lquidos em uma rea industrial de uma Cia. que tem a concesso do
terminal, por intermdio da ANTAQ e da UNIO, nos arredores da Cidade de
Vitria/ES Brasil, que est situado, perpendicularmente, entre dois superterminais
porturios de carregamento de minrio de ferro, ou seja, paralelo linha dgua22.

O Terminal em questo constitudo de dois beros (com calado de


aproximadamente 11,35 metros), sendo um per tipo T-JET TGL (Per 5 com 124,5
metros de comprimento) localizado entre o Per-1 Norte e o Per-2, e um cais, Per
das Barcaas extenso do cais dos rebocadores, ambos sob administrao da
Cia. Concessionria, situados na parte norte da baa de Vitria, Estado do Esprito
Santo, sendo que o terminal operado por uma segunda empresa, que prestadora
de servios de transporte martimos de produtos lquidos derivados de petrleo e
etanol, fiscalizada pela ANTAQ e pela Marinha do Brasil, sendo que, a
armazenagem dos produtos feita em tanques de uma terceira empresa,
distribuidora dos granis lquidos inflamveis para os postos de combustveis,
fiscalizadas pela ANP. Todas as empresas so fiscalizadas pelas entidades
ambientais (em especial pelo IBAMA) e pelo Ministrio do Trabalho.

O Terminal opera com navios-tanque (que descarregam, mas podem carregar.


A regra descarregar, derivados de petrleo: leo diesel, leo diesel martimo, leo

22 Todas as informaes e dados foram fornecidos pela Cia. concessionria do TGL e a Cia.
Transportadora e so de domnio pblico. O autor reserva-se no direito de no apresentar seus
nomes empresariais e o nome das pessoas fsicas.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 133
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

MF38023 e gasolina, e lcool anidro combustvel), barcaas (que carregam MGO


leo de gs marinho para suprir a demanda porturia local ou da bacia do Esprito
Santo) e embarcaes de apoio martimo que eventualmente se abastecem de leo
combustvel no terminal.

A movimentao de derivados de petrleo visa, por meio de cabotagem,


atender demanda local de gasolina e diesel automotivo (BR, Shell, Texaco, etc.),
de leos combustveis OCs para abastecer a indstria local, de MGO e MFO
leo combustvel naval ou martimo entregues a navios por meio de barcaas (ou
via pipe line24 quando atracados no TGL).

A Cia. Concessionria do Terminal atua na programao dos navios tanqueiros


para atracao e operao com os derivados de petrleo e etanol em operaes de
cabotagem e/ou de longo curso, havendo um engenheiro-supervisor de toda a planta
industrial, e a Cia. Transportadora martima na conexo e desconexo de mangotes,
bem como na transferncia, por tubulao, dos produtos entre o per TGL e as
instalaes da prpria Cia. Transportadora ou da Cia. Distribuidora dos combustveis
para os postos do ES. Em mdia, o NT leva de 24 a 36 horas para descarregar.

O Terminal de Granis Lquidos TGL, mostrado conforme a Figura 46.

23 Espcie de leo combustvel martimo. Lquido viscoso de cor escura com odor caracterstico de
hidrocarbonetos e sem material em suspenso. H incompatibilidades qumicas com outros produtos
qumicos. Ponto de fulgor < 60C.
24 Tubulaes fixas

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 134
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 46 Vista area do Terminal de Granis Lquidos objeto do estudo TGL


(adaptado do GOOGLE Earth).

Suas coordenadas mdias so 20 17 35 S e 40 14 51 W. A Figura 47,


traduz melhor, de forma grfica, a posio do TGL, da tubulao e dos tanques de
combustveis.

Figura 47 Vista area do TGL, da tubulao e dos tanques de combustveis


(Adaptado do Google Earth).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 135
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

E a Figura 48, nos traduz graficamente o posicionamento do TGL em relao


Cidade de Vitria/ES.

Figura 48 Vista area do TGL em relao Cidade de Vitria/ES (Adaptado do


Google Earth).

O Terminal em questo, segundo informaes do livro referncia


(TRANSPETRO, 2012) possui um conjunto de medidas de proteo de segurana
empresarial aplicveis aos navios e s instalaes porturias, nos termos das
exigncias da IMO, mediante adoo do cdigo ISPS (International Ship and Port
Facility Security Code). O TGL opera em nvel 1 de segurana. Para maiores
informaes sobre a aplicao do ISPS em caso concreto e a sua importncia,
sugere-se KONGSVIK e STRKERSEN (2013); BATALDEN e SYDNES (2013).

A movimentao e descarga dos combustveis no TGL envolve diversos


procedimentos, que, para fins do estudo, podem ser divididos em cinco etapas,
quais sejam: (i) programao e chegada do navio-tanque; (ii) preparao do pessoal
do porto (TGL) para a atracao do navio-tanque; (iii) atracao do navio-tanque; (iv)
movimentao dos equipamentos e descarga no terminal; (v) desatracao do
navio-tanque.

Na programao e chegada do navio, a Cia. Transportadora informa a Cia.


Concessionria do terminal a programao dos navios que transportam os
combustveis, qual o combustvel a ser descarregado, cabendo Cia.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 136
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Concessionria a validao de tal programao por meio da anlise da


disponibilidade do TGL para a operao. Aqui importante ressaltar que a
identificao do tipo de NT crucial e aferido tanto pela Cia. Transportadora
quanto pela Cia. Concessionria, tendo em vista as dimenses do NT em relao ao
TGL e o tipo de combustvel a ser descarregado.

Uma vez confirmada a disponibilidade do bero, so analisadas as condies


oceanogrficas, tcnicas e meteorolgicas (condies do mar, calado do navio, tipo
de navio, produto a ser descarregado, condies do tempo, ventos, etc.) a fim de
determinar a possibilidade de realizao da manobra de atracao com segurana.
Obtidas as validaes inerentes s anlises em questo, a Cia. Concessionria,
ento, autoriza a Cia. Transportadora a programar Prtico (Normam-12, item 0404)
para a realizao da manobra, iniciando-se, destarte, a fase de preparao do
pessoal do porto (TGL) para a atracao do navio-tanque. As condies
meteorolgicas e de mar podem mudar em qualquer etapa, se tornando um evento
indesejvel.

O pessoal da Cia. Transportadora e da Cia. Concessionria do terminal ficam


em standby para receber o navio-tanque, testando e conferindo os equipamentos
necessrios para a atracao, observadas as normas da IMO sobre o assunto, da
ANTAQ, da Capitania dos Portos, das entidades ambientais e do Ministrio do
Trabalho.

Na fase de atracao, a Cia. Transportadora e seus agentes martimos


nomeados providenciam a contratao de Prtico e rebocadores, inexistindo
qualquer interveno da Cia. Concessionria neste proceder, a no ser de
fiscalizao tal prtica aplicvel ao TGL e a todos os demais terminais no
entorno da rea onde est localizado o TGL. O oficial de Nutica do NT o
responsvel pela conduo do mesmo, tomando a deciso de manobra, com as
sugestes do Prtico, observada a possvel interferncia do Comandante do NT, em
caso de deteco de erro. A deciso do Oficial de Nutica tambm influenciada
pela atuao de outros membros da tripulao e at do TGL.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 137
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

A Cia. Concessionria do terminal, nesta etapa, atua na amarrao do navio-


tanque, isto , no recebimento dos cabos do navio e sua colocao nos cabeos em
terra (porto), permitindo, assim, que o navio-tanque permanea atracado em
segurana e que as operaes possam ser realizadas com eficincia e segurana,
pelo menos em teoria. Nesta etapa, atua uma equipe de amarradores composta por,
pelo menos, oito trabalhadores.

A aproximao do navio-tanque do TGL realizada atravs de canal balizado,


com quatro pares de boias e uma bacia de evoluo, totalizando uma extenso de
4.400 metros. O comprimento do canal de 3.800 metros, com uma largura de 285
metros, com profundidade dragada de 22,5 metros (ano 2000) e 25 metros (ano de
2013), podendo os pers-1 e 2 receberem os navios VALEMAX de 400.000
toneladas. Quando ocorre esta situao, no possvel a atracao de navios
tanqueiros no cais do TGL. A bacia de evoluo para atracao de 300 metros de
raio e 17,1 metros de profundidade, centrada na posio latitude 20 17 30S e
longitude 40 15 03W. No existem equipamentos no cais para auxiliar nas
manobras de aproximao. O navio-tanque pode (e deve) utilizar seu Sistema de
Posicionamento Dinmico, apesar dos rebocadores.

As restries do canal so, 23 metros para calado mximo (ano 2013) + altura
da mar no momento, com calado mximo para giro do navio de 15,5 metros mais
altura da mar no momento. A atracao feita com a aproximao do navio-tanque
pela proa, que atinge o cais em um ngulo de 45, aproximadamente, sofrendo uma
rotao pela popa com auxlio de rebocadores (03 na atracao e 03 na
desatracao bollard pull de 28 tons mximo, que atuam em redundncia,
observado do Sistema de Posicionamento Dinmico do NT)25. No h impedimento
do navio-tanque usar seus sistemas de governo e de mquinas, nesta fase. H
restries para o fundeadouro interno (entre os peres e no canal), bem como para
embarcaes de apoio, rebocadores, lanchas, chatas e outras similares. O calado
mximo permitido ao longo do TGL de 11,35 metros, o qual no dever ser
ultrapassado em hiptese alguma.

25Com o nmero de rebocadores e o SPD considerar-se- a possibilidade de evento indesejvel para


a no descarga remotssima (extremamente remota).
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 138
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Dentre as restries gerais, evidenciam-se as atracaes noturnas para navios-


tanques com mais de 30.000 TPB (Tonelagem de Porte Bruto), quando os dois
beros adjacente (Per-1 e Per-2) estiverem simultaneamente ocupados, em virtude
de limitao de espao para o giro com segurana, por ocasio do posicionamento
do navio ao per. Navios com porte inferior ao citado acima realizam manobras
noturnas sem qualquer restrio. Manobras diurnas so realizadas sem restries.
Em qualquer situao deve-se atentar para os limites fsicos do Terminal. No
possvel navios-tanque com porte bruto superior a 40.000 t mtricas, com
comprimento superior a 181 metros, boca superior a 30 metros, calado superior a
11,35 metros e altura superior a 10 metros em relao ao manifold (considerando os
limites de extenso dos mangotes da flange do navio conexo com o manifold
e condies ambientais operacionais). A tripulao, em mdia, de 25 pessoas,
sem contar o Comandante do NT, conforme a portaria n 0050/90 da Diretoria dos
Portos e Costas da Marinha do Brasil, com a indicao da tripulao dada pela
Capitania dos Portos (UFRJ, 2013). O comando da manobra do NT do Oficial de
Nutica.

Alm dos amarradores, participam da manobra dois inspetores de embarque e


de desembarque que so os responsveis por orientar tecnicamente os amarradores
durante a faina de amarrao, visando, portanto, o correto posicionamento do navio-
tanque no cais por intermdio de comunicao via rdio com o Prtico da
embarcao (navio-tanque), bem como pelo fornecimento de suporte ao
comandante do navio petroleiro com a transmisso de informaes sobre a condio
do tempo monitoramento de swell (ondas amplitude) para garantir a segurana
da embarcao, enquanto esta permanecer atracada. A amplitude da onda durante
a descarga no pode ser superior a 70 (setenta) centmetros (equivalente a condio
de mar 3 a 4), sob pena de comprometer a segurana, causando acidentes. Deve-se
observar extrema cautela nas seguintes condies oceanogrficas e meteorolgicas
(em qualquer etapa): ondas de superfcie com altura superior a 1 metro; swell de
fundo com amplitude mdia superior a 60 centmetros e vento sul com velocidade
mdia acima de 25 ns.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 139
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

O vento predominante na rea do TGL o NE com a mdia anual de 8 ns de


velocidade. Nos meses de inverno, comum a chegada de frentes frias, que, por
vezes, impedem ou interrompem as operaes no TGL. Nestas ocasies o vento
ronda de NE para N/NW, quando da aproximao da frente, e S/SW quando da
passagem dela, inspirando cuidados adicionais quando ultrapassam os 35 ns de
velocidade mdia.

Nos meses de inverno, por ocasio das frentes frias, h formao de vagalho
de S-SW que pode tornar invivel a operao de embarcaes no TGL. A
caracterstica predominante de chuvas esparsas e curtas, sendo raras as chuvas
longas e severas. Tempestades com raios tambm no so comuns, mas podem
ocorrer com a passagem de frentes frias. rara a visibilidade por fog ou smog.
Devido a posio do TGL, a corrente no fator relevante quando o navio est
atracado. A variao dos nveis de mar, em relao amplitude mdia normal
aproximada no Terminal de 0,90 metro. Por ocasio da mar de sizgia h
variaes maiores com at 1,80 metro (preamar) e -0,10 metro (baixamar). O calado
mximo e a borda livre mnima para atracao no TGL foram calculados em funo
da pior condio de mar. Ressalta-se que a velocidade do vento e a variao da
altura de onda no TGL so monitoradas pela Cia. Concessionria. O navio-tanque
atracado no per n 5 mostrado no diagrama da Figura 49.

Figura 49 Diagrama de amarrao do navio-tanque no TGL (extrado de


Informaes Porturias TRANSPETRO, 2012).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 140
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Concluda a atracao inicia-se a etapa de movimentao. Nesta fase a


responsabilidade e gerncia das atividades so da Cia. Transportadora, autorizada a
transportar petrleo, derivados e biocombustveis pela Agncia Nacional de Petrleo
ANP.

Cabe Cia. Concessionria do terminal, durante a movimentao, monitorar as


condies de mar, por intermdio de seus inspetores de embarque e desembarque,
e, juntamente com o comandante do navio-tanque, avaliar se este permanece
atracado com segurana. Para tanto, conta com uma central de monitoramento
instalado em um prdio h cerca de 1 km do bero do TGL.

Sobre as tubulaes para fins de descarga, unindo o manifold aos tanques de


armazenamento, existem 7 tubulaes no Per, sendo duas de 6, uma de 12, duas
de 14, uma de 16 e uma de 20, conforme a Figura 50.

As tubulaes de 14, 16 e 20 so utilizadas para transporte dos produtos


(Gasolina, leo Diesel S50, leo Diesel S500 e leo Diesel Martimo).

Figura 50 Tubulaes usadas entre o manifold e os tanques


de armazenamento informaes da Cia. Concessionria,
2013.

As informaes sobre as bombas, temperaturas de processo, capacidades de


vazo dos sistemas de descarga constam da Figura 51, que informa os produtos
inflamveis que so descarregados.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 141
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 51 Tabela com os dados relativos aos combustveis


descarregados e as bombas. Eventualmente, h descarga de
lcool etlico anidro combustvel (AEAC) informaes da Cia.
Concessionria, 2013.

A operao do sistema da Cia. Transportadora e as bombas de carga que


do a presso necessria para a descarga dos tanques do navio para o porto a do
NT e podem ter diferenas, mas devem atender as presses e vazes mximas e
mnimas estabelecidas pela Cia. Transportadora em conjunto com a Cia.
Concessionria do TGL.

Atracado, o navio-tanque tem o seu produto inspecionado, e feita a conexo


do porto (TGL) e o navio-tanque, por intermdio de um mangote a cargo de um dos
marinheiros do navio. O sistema porto se conecta ao sistema navio (por meio das
equipes), para fins de descarregamento, atravs de um conjunto de manifolds (do
navio e do porto, conjuntamente) e a tubulao na rea porturia, que leva os
combustveis at os tanques de armazenamento da Cia. Distribuidora de
combustveis (aproximadamente a trs quilmetros), e um conjunto de mangotes do
navio que descarregar os mencionados combustveis. O bombeamento para os
tanques de armazenamento feito em conjunto com as bombas de carga do NT
(eltrica ou hidrulica ou a vapor) e os equipamentos localizados no cais (TGL),
conforme demonstram a Figura 52 e a Figura 53, obtidas por ocasio de visita
planta.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 142
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 52 Terminal de Granis Lquidos Cais (a seta indica o posicionamento do


NT em relao ao TGL).

Sistema de
manifold +
mangotes

Figura 53 Terminal de Granis Lquidos Porto.

As caractersticas do bero para a carga e descarga do navio-tanque so as


seguintes, de acordo com a planilha da Tabela 18.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 143
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 18 Carga e Descarga dos Produtos Inflamveis no TGL sob estudo dados fsicos
extrado de TRANSPETRO, 2012.
N do Produtos Mangotes/ Recebimento Temperatura Vazo Presso
bero Flanges do ou envio Mnima Mxima (mxima) (mxima)
brao
TGL Claros 1 x 08 API Ambos 15 C 40 C 1200 m3/h 8 bar
TGL Escuros 1 x 08 API Ambos 30 C 70 C 1400 m3/h 9 bar

Encerrada a movimentao, a Cia. Transportadora, por intermdio de seus


agentes martimos, providencia a contratao de prtico e rebocadores para a
realizao da manobra de desatracao26, que atuam de forma inversa que na
atracao, momento em que a equipe de amarradores volta a atuar, orientada por
um inspetor de embarque e desembarque, auxiliando na manobra por meio do
desfazimento das amarraes e monitoramento das condies climticas.

No que tange a mo-de-obra no porto e no navio-tanque, tem-se:

No porto, todos em turno normal de trabalho, pela Cia. Concessionria:

(A) Inspetor de Embarque e Desembarque: 02 (dois) na atracao; 01 (um)


na desatracao; 01 (um) no monitoramento das condies
meteorolgicas e oceanogrficas;

(B) Lder de Operao: 01 (um);

(C) Amarrador: 07 (sete).

Essa equipe no atua exclusivamente no mbito do TGL, mas em outras


atividades que so desenvolvidas com base em uma programao (sob demanda),
inclusive em outros terminais da Cia. Concessionria no Complexo Industrial.

No porto, todos em turno normal de trabalho, pela Cia. Transportadora:

26 J destalingado o mangote, isto , o mangote desacoplado antes desta etapa.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 144
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

(A) Gerente: 01 (um);

(B) Supervisor de descarregamento: 01 (um).

No navio-tanque, todos em turno especial de trabalho, pela Cia.


Transportadora:

(A) Marinheiro de Convs: 02 (dois) que atuam tambm no mangote e no


manifold;

(B) Oficial de Nutica: 01 (um) toma as decises, observada a sugesto do


Prtico. O Comandante do NT ratifica, por ao ou omisso;

(C) Marinheiro de controle dos tanques, das bombas e das mangueiras: 01


(um).

As demais atividades relacionadas s operaes do TGL, sob gesto da Cia.


Concessionria do Terminal, so desempenhadas pelas equipes regulares do porto
(Programao, Port Captains27, Segurana Empresarial, Segurana do Trabalho e
Meio Ambiente) como parte de suas rotinas administrativas, podendo ser acionadas
excepcionalmente em caso de emergncias ou sob demanda.

O diagrama da Figura 54 a seguir, d uma ideia da interface sistema porto


sistema navio-tanque por ocasio da atracao.

27 Equipe contratada para intermediar com a Capitania dos Portos local, a fim de atender as
inspees consoante o MoU Paris, que um acordo firmado entre vrios pases participantes da
IMO, inclusive o Brasil, no que tange salvaguarda da vida humana no mar, preveno de poluio
por navios e condio de trabalho e vida a bordo dos navios.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 145
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 54 Movimento relativo entre o mangote do navio e a


plataforma de movimentao de leo (extrado de ALFREDINI et al.,
2009).

A configurao do sistema porto sistema navio-tanque, na fase entre a


atracao e a descarga, mostrado pela Figura 55 e pela Figura 56.

Figura 55 Conexo dos sistemas porto e navio-tanque no


TGL na etapa de descarga (extrado de TRANSPETRO, 2012).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 146
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Conexo mangote Conexo mangote


(navio) flange (porto) manifold
(navio) (porto)

Figura 56 Conexo dos sistemas porto e navio-tanque no TGL, etapa de descarga extrado
de TRANSPETRO, 2012.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 147
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

O sistema de conexo do TGL deste estudo muito semelhante ao sistema de


conexo no TGL do Porto de Santos/SP. Na Figura 57, o TGL de Santos/SP.

Mangote
s Manifolds

Figura 57 Terminal de Granis Lquidos Porto de Santos Sistema Equivalente ao do


objeto de estudo extrado de TRANSPETRO, 2012.

Considerando as informaes mencionadas anteriormente, na prxima seo


ser aplicada a PHA, a fim de qualificar os eventos de perigo do processo em
questo, para a instalao industrial sob estudo.

4.2. Eventos Perigosos associados ao processo de descarga

Em MARTINS e MORAES (2013b), em um primeiro momento, sem a aplicao


da tcnica de composio probabilstica, isto , o ranqueamento da opinio dos
especialistas, foi realizada a Anlise Preliminar dos Perigos (APP) associados ao
processo sob anlise. A tabela resultante da anlise do processo de descarga de
granis lquidos inflamveis est no Apndice B. A anlise qualitativa foi feita de
acordo com o exposto em 2.4.3. Desnecessrio, portanto, tecer maiores
consideraes.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 148
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

A anlise feita em MARTINS e MORAES (2013b) foi aprimorada, no intuito de,


em um segundo momento, realizar uma conformao dos dados obtidos sobre o
processo, a partir da opinio dos especialistas e operadores do NT e do TGL, a fim
de formatar as informaes, de carter subjetivo, em uma distribuio de
probabilidades. Em MARTINS e MORAES (2013a) realizou-se a denominada
composio probabilstica dos indicadores da probabilidade de ocorrncia, da
detectabilidade e de severidade associados aos eventos de perigo identificados, a
qual ser explicada mais adiante.

A APP aplicada ao processo de descarga dos granis lquidos do navio-tanque


para o TGL e seus tanques de armazenamento, como dito anteriormente, avaliou os
seguintes fatores, em MARTINS e MORAES (2013a): (a) impacto ou severidade
associada ocorrncia do evento (S); (b) probabilidade de ocorrncia (O) e (c)
probabilidade de no deteco da falha (indetectabilidade D). Os fatores foram
agrupados e classificados em sete nveis (anteriormente tinha sido realizado em
quatro nveis), com identificao correlacionada. O uso de sete nveis propicia uma
melhor anlise, haja vista a maior fragmentao das possibilidades de classificao
dos fatores. A partir dos trabalhos de ROSA e GARRAFA (2009); NOGUEIRA e
PERES (2010), das normas PETROBRAS NBR 2782-B e PETROBRAS NBR 2784-
A, e dos padres entabulados para a PHA nas normas MIL-STD-882 (ERICSON,
2005) e MIL-P-1629a de 1980 da U.S. Military que estabeleceu onze nveis, foram
tabulados (Tabela 19, Tabela 20 e Tabela 21) os fatores associados a cada evento
de perigo identificado, observados o que foi exposto nos itens 2.2.3, 2.2.4 e 2.2.5.
Os dados tabulados foram agregados para facilitar o clculo e a anlise, de sorte
que, o critrio para a segurana aos indivduos, s instalaes e ao meio ambiente
foi tomado em uma coluna.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 149
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 19 Nveis de Severidade.


ndice Severidade Critrio
1 Muito Remota A falha imperceptvel e no h danos, ou so mnimos, em relao s
pessoas intramuros28, s instalaes intramuros e ao meio ambiente.
Pode haver interrupo da descarga.
2 Remota A falha perceptvel e os danos so mnimos, em relao s pessoas
intramuros, s instalaes intramuros e ao meio ambiente. Pode haver
interrupo da descarga.
3 Pequena A falha ocorre, e a descarga tem interrupo de horas; Podem ser
observadas: leses leves em relao s pessoas intramuros;
equipamentos so trocados; prejuzos ao meio ambiente, no local do
cais, por dias.
4 Moderada A falha leva a uma interrupo da descarga; podem ser observadas:
leses de grau leve a moderada em relao s pessoas intramuros;
danos moderados s instalaes e equipamentos intramuros; prejuzo
ao meio ambiente, por semanas, em um raio de 1km
5 Alta A falha leva a interrupo da descarga, com a (no) atracao ou
desatracao do navio-tanque; h pessoas mortas (intramuros) e feridas
com leses graves (intra e extramuros29); as instalaes e os
equipamentos intramuros ficam comprometidas por dias com danos
severos; danos moderados s instalaes e aos equipamentos
extramuros; prejuzo ao meio ambiente, por meses, em um raio de 5km
6 Muito Alta A falha leva a interrupo da descarga, com danos severos ao navio-
tanque e ao TGL; h mortos e feridos graves, intra e extramuros; as
instalaes e os equipamentos intramuros ficam comprometidos por
meses; danos severos s instalaes e aos equipamentos extramuros;
prejuzo ao meio ambiente, por anos, em um raio de 10km
7 Extremamente A falha leva a interrupo da descarga, bem como o colapso de todos os
Alta sistemas com exploses do TGL, tanques de armazenamento e do
navio-tanque; elevado nmero de mortos e feridos intra e extramuros; as
instalaes intra e extramuros devero ser reconstrudas; perda total de
equipamentos intra e extramuros; prejuzo ao meio ambiente, por anos,
em um raio de 50km

Tabela 20 Nveis de Ocorrncia.


ndice Ocorrncia Proporo aproximada (p ocorrncia/anos)
1 Muito Remota p < 1: 1.000.000
2 Remota 1: 1.000.000 < p < 1: 100.000
3 Pequena 1: 100.000 < p < 1: 10.000
4 Moderada 1: 10.000 < p < 1: 1.000
5 Alta 1: 1.000 < p < 1: 100
6 Muito Alta 1: 100 < p < 1: 1
7 Extremamente Alta p > 1: 1

28 Pessoas (trabalham), instalaes ou equipamentos que esto dentro da rea porturia do TGL e do
navio-tanque.
29 Pessoas, instalaes ou equipamentos que esto fora da rea porturia do TGL e do navio-tanque,

mas esto nos arredores.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 150
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 21 Nveis de indetectabilidade.


ndice Nvel Critrio
1 Muito Remota Certamente ser detectado
2 Remota Ser detectado com facilidade
3 Pequena Grande probabilidade de ser detectado
4 Moderada Baixa probabilidade de ser detectado
5 Alta Provavelmente no ser detectado
6 Muito Alta No ser detectado com facilidade
7 Extremamente Alta Certamente no ser detectado

A seguir apresentada a Tabela 22, em analogia ao trabalho de SANTANNA e


PINTO JR. (2010), montada com os parmetros da tcnica de APP para a situao
do processo de descarga dos produtos do navio-tanque no Terminal de Granis
Lquidos, no caso em estudo. Os valores dos fatores da APP so os resultados da
classificao e do ranqueamento dos fatores (S), (O) e (D) nos nveis da Tabela 19,
Tabela 20 e Tabela 21, de acordo com o exposto no Captulo 2.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 151
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 22 Ranqueamento das falhas na descarga dos produtos lquidos inflamveis do NT para o TGL.
Modo Potencial de Controle e Controle de
Operao Efeito S Causas O Tipo D Ao Recomendada
Falha Preveno Deteco
Mudana de favorvel Uso de
Mudanas das para desfavorvel da Anlise prvia das equipamentos Realizar a programao para
4 Ao da natureza 6 Natural 1
condies ambientais atracao. Pode ocorrer condies climticas climticos outro dia
coliso apropriados
Programao

Checar a
Falha de
O navio no pode atracar comunicao 24 Emitir relatrio
Falha na identificao comunicao entre o Abortar a operao e solicitar
no per do TGL. A 4 3 Humana horas antes da assinado pelos 1
do tipo de navio TGL e a empresa de rebocador para retirar o navio
insistncia leva a coliso atracao e confirmar responsveis
navegao
a informao
Checar a
Falha de
Falha na informao O navio no pode atracar comunicao 24 Emitir relatrio
comunicao entre o Abortar a operao e solicitar
sobre o deslocamento no per do TGL. A 4 2 Humana horas antes da assinado pelos 2
TGL e a empresa de rebocador para retirar o navio
do navio insistncia leva a coliso atracao e confirmar responsveis
navegao
a informao
Falha da Utilizar rotinas de
Humana Uso de sensores
manuteno manuteno rgidas
Falha do M.C.A. do Parada do sistema e relatrios de Abortar a operao e solicitar
3 Falha de lubrificao 3 Humana com o uso de roteiros 2
navio-tanque Diesel-Gerador avarias e rebocador para retirar o navio
Falha do Mecnica (check list de
manutenes
equipamento Eltrica atividades)
Utilizar rotinas de
Uso de sensores
Incapacidade de operar o manuteno rgidas
Falha do sistema de Falha da e relatrios de Abortar a operao e solicitar
sistema de governo do 4 2 Humana com o uso de roteiros 1
governo manuteno avarias e rebocador para retirar o navio
navio. Possvel coliso (check list de
manutenes
atividades)
Uso de sensores
Substituir
Falha do VHF, e relatrios de Abortar operao at a
Eltrica equipamento ou
porttil, bateria avarias e realizao da manuteno
Aproximao

bateria
manutenes
Interferncia com Equipamento
Natural Mudar a frequncia
outras instalaes reserva
Incapacidade de
transmitir informaes
Falha na Comunicao entre o navio-tanque e o 4 2 1
Executar o procedimento de
TGL. A insistncia leva a
Utilizar o CIS (Cdigo afastamento do navio-tanque em
coliso
Problemas de Internacional de Deixar em stand- relao ao TGL, se no se
compreenso do Humana Sinais) ou by as outras restabelecer a comunicao
idioma vocabulrio martimo opes
padro

Checar a
Falha de
Falha humana na comunicao 24 Emitir relatrio
O navio-tanque encalha. comunicao entre o Abortar a operao e solicitar
manobra do navio- 4 1 Humana horas antes da assinado pelos 2
Possvel coliso TGL e a empresa de rebocador para retirar o navio
tanque atracao e confirmar responsveis
navegao
a informao

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 152
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Problema do Mecnica
Thruster Eltrica Utilizar rotinas rgidas
Falha da de manuteno com
Humana a utilizao de Uso de sensores
Falha do sistema de Perda de posio do Manuteno
Problemas de roteiros e relatrios de Abortar a operao e solicitar
posicionamento navio-tanque. Possvel 4 3 Eltrica 4
gerao avarias e rebocador para retirar o navio
dinmico coliso
Verificar aviso aos manutenes
Problema Satlite Natural navegantes sobre
GPS Eltrica informaes de
satlites
Mudana de favorvel Uso de
Mudana das condies para desfavorvel da Anlise prvia das equipamentos Realizar a programao para
4 Ao da natureza 6 Natural 1
ambientais atracao. A insistncia condies climticas climticos outro dia
leva a coliso apropriados
Os integrantes da equipe Falha de Entrevistar o
Realizar reunies e
A equipe do TGL est no se entendem e comunicao entre o coordenador da
2 4 Humana treinamento com a 3 Trocar a equipe
em conflito brigam e o navio no TGL e a empresa de equipe e analisar
equipe
atraca navegao seu relatrio
Os integrantes da equipe Falha de Entrevistar o
Realizar reunies e
A equipe do TGL realizam poucas comunicao entre o coordenador da
2 2 Humana treinamento com a 2 Trocar a equipe
Preparao

inexperiente operaes deste porte e TGL e a empresa de equipe e analisar


equipe
tipo e o navio no atraca navegao seu relatrio

Mudana de favorvel Uso de


Mudana das condies para desfavorvel da Anlise prvia das equipamentos Realizar a programao para
4 Ao da natureza 6 Natural 1
ambientais atracao. A insistncia condies climticas climticos outro dia
leva a coliso apropriados

Programar o navio
Presses comerciais Uso de relatrios
Falha na execuo da com antecedncia de
O navio-tanque no para a rpida e manuais com as Abortar a operao e solicitar
manobra devido a 6 2 Humana 48 horas antes da 3
atraca. Possvel coliso descarga do navio- rotinas pr- rebocador para retirar o navio
presses comerciais operao de
tanque estabelecidas
descarga
Mudana de favorvel Uso de
Mudana das condies para desfavorvel da Anlise prvia das equipamentos Realizar a programao para
6 Ao da natureza 6 Natural 1
ambientais atracao. Possvel condies climticas climticos outro dia
coliso apropriados
Falha na
Atracao

Humana Utilizar rotinas de


manuteno Uso de sensores
manuteno rgidas
Falha do M.C.A. do Parada do sistema e relatrios de Abortar a operao e solicitar
3 Falha de lubrificao 3 Humana com o uso de roteiros 2
navio-tanque Diesel-Gerador avarias e rebocador para retirar o navio
Falha de Mecnica (check list de
manutenes
equipamento Eltrica atividades
Utilizar rotinas de
Uso de sensores
Incapacidade de operar o manuteno rgidas
Falha do sistema de Falha da e relatrios de Abortar a operao e solicitar
sistema de governo do 4 2 Humana com o uso de roteiros 1
governo manuteno avarias e rebocador para retirar o navio
navio. Possvel coliso (check list de
manutenes
atividades
Problema do Mecnica Utilizar rotinas rgidas Uso de sensores
Falha do sistema de Perda de posio do
Thruster Eltrica de manuteno com e relatrios de Abortar a operao e solicitar
posicionamento navio-tanque. Possvel 4 3 4
Falha da a utilizao de avarias e rebocador para retirar o navio
dinmico coliso Humana
Manuteno roteiros manutenes

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 153
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Problemas de
Eltrica
gerao
Verificar aviso aos
Problema Satlite Natural navegantes sobre
GPS Eltrica informaes de
satlites
Falha da bomba Utilizar rotinas de
Uso de sensores
injetora manuteno rgidas
Falha do M.C.P. do Parada do motor de Mecnica e relatrios de Abortar a operao e solicitar
3 3 com o uso de roteiros 2
navio-tanque combusto Eltrica avarias e rebocador para retirar o navio
Falha do cilindro (check list de
manutenes
atividades
Entrevistar o
Falha da equipe de O navio-tanque no Falha de Realizar reunies e
coordenador da
atracao do navio- atraca. A insistncia leva 5 comunicao e 3 Humana treinamento com a 5 Trocar a equipe
equipe e analisar
tanque a coliso treinamento equipe
seu relatrio

Entrevistar o
O navio-tanque no Falha de Realizar reunies e
Falha da equipe de coordenador da
atraca. A insistncia leva 5 comunicao e 3 Humana treinamento com a 5 Trocar a equipe
atracao do TGL equipe e analisar
a coliso treinamento equipe
seu relatrio

Operador enrolado
no mangote Inspeo visual antes Abortar a operao e solicitar
Falha do operador do Ruptura e desconexo. Trao acima da da manobra de Orientar os rebocador para retirar o navio
6 2 Humana 3
mangote Possvel incndio permitida conexo para supervisores
Envelhecimento do descarga
Trocar o mangote
mangote
Falha do anel de
Inspeo visual antes
Falha da vlvula de vedao
A vlvula no permite da manobra de Abortar a operao e solicitar
acoplamento (flange) 4 2 Mecnica Ensaio Mecnico 3
vazo no abre conexo para manuteno
com o mangote Falha na conexo
descarga
navio mangote
Descarga

Falha do anel de
vedao Inspeo visual antes
Falha na vlvula de
A vlvula no permite da manobra de Abortar a operao e solicitar
acoplamento do 4 2 Mecnica Ensaio Mecnico 3
vazo no abre conexo para manuteno
mangote com o manifold Falha de conexo descarga
manifold mangote

Vazamento do
Diferena entre a Inspeo visual antes
mangote ou na
Falha do teste de presso do navio-tanque da manobra de Abortar a operao e solicitar
4 vlvula de 2 Mecnica Ensaio Mecnico 3
presso e o manifold (TGL) no conexo para manuteno
acoplamento
h vazo descarga
(flange)
Programar o navio
Presses comerciais Uso de relatrios
Falha na execuo da O navio-tanque no com antecedncia de
para a rpida e manuais com as Abortar a operao e solicitar
manobra devido a descarrega. Possvel 6 2 Humana 48 horas antes da 3
descarga do navio- rotinas pr- rebocador para retirar o navio
presses comerciais incndio operao de
tanque estabelecidas
descarga

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 154
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Falha humana na Entrevistar o


O navio-tanque no Realizar reunies e
operao de conexo Falha Humana na coordenador da
descarrega. Possvel 6 2 Humana treinamento com a 3 Trocar a equipe
do manifold (TGL) com operao equipe e analisar
incndio equipe
o navio-tanque seu relatrio

Falha de Uso de relatrios


Humana
manuteno Utilizar rotinas de e manuais com as
Falha na bomba do manuteno rgidas rotinas pr-
O navio-tanque no Abortar a operao e solicitar
sistema de descarga (ou 4 Falha na operao 2 Humana com o uso de roteiros estabelecidas 4
descarrega rebocador para retirar o navio
TGL ou navio-tanque) (check list de
Falha do Mecnica atividades Ensaio Mecnico
Equipamento Eltrica e Eltrico

Falha de Abortar a operao e solicitar


Humana Uso de relatrios
manuteno rebocador para retirar o navio
Utilizar rotinas de e manuais com as
manuteno rgidas rotinas pr-
O navio-tanque no estabelecidas
Falha do manifold 4 Falha na operao 2 Humana com o uso de roteiros 5 Trocar a equipe
descarrega
(check list de
atividades
Falha do Mecnica Ensaio Mecnico
Trocar o manifold
Equipamento Eltrica e Eltrico

Falha na execuo da Programar o navio


Presses comerciais Uso de relatrios
manobra de O navio-tanque no com antecedncia de
para a rpida e manuais com as
recolhimento de descarrega. Possvel 6 2 Humana 48 horas antes da 3 Trocar a equipe
descarga do navio- rotinas pr-
mangote devido a incndio operao de
tanque estabelecidas
presses comerciais descarga
Uso de
O navio-tanque no
Mudana das condies Anlise prvia das equipamentos Abortar a operao e solicitar
descarrega. Possvel 4 Ao da natureza 6 Natural 1
ambientais condies climticas climticos rebocador para retirar o navio
incndio
apropriados
Falha na tubulao de Utilizar rotinas de
conexo entre os O navio-tanque no manuteno rgidas
Falha do Abortar a operao e solicitar
tanques de descarrega. Possvel 7 2 Mecnico com o uso de roteiros Ensaio Mecnico 6
equipamento rebocador para retirar o navio
armazenamento e o incndio (check list de
TGL atividades

Utilizar rotinas de
O navio-tanque no manuteno rgidas
Falha nos tanques de Falha do Abortar a operao e solicitar
descarrega. Possvel 7 1 Mecnico com o uso de roteiros Ensaio Mecnico 7
armazenamento equipamento rebocador para retirar o navio
incndio (check list de
atividades

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 155
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Programar o navio
Presses comerciais Uso de relatrios
Falha na execuo da O navio-tanque no com antecedncia de
para a rpida e manuais com as
manobra devido a desatraca, impedindo 6 2 Humana 48 horas antes da 3 Trocar a equipe
descarga do navio- rotinas pr-
presses comerciais novas atracaes operao de
tanque estabelecidas
descarga
Uso de
O navio-tanque no
Mudana das condies Anlise prvia das equipamentos Abortar a operao e solicitar
desatraca, impedindo 4 Ao da natureza 6 Natural 1
ambientais condies climticas climticos rebocador para retirar o navio
novas atracaes
apropriados
Falha da
Humana
manuteno Utilizar rotinas de
Parada do sistema Uso de sensores
manuteno rgidas
Falha do M.C.A. do Diesel-Gerador, e relatrios de Abortar a operao e solicitar
3 Falha da lubrificao 3 Humana com o uso de roteiros 2
navio-tanque impedindo novas avarias e rebocador para retirar o navio
(check list de
atracaes manutenes
Falha do Mecnico atividades
equipamento Eltrica
Problema do Mecnica Utilizar rotinas rgidas
Thruster Eltrica de manuteno com
O navio-tanque demora Falha da a utilizao de Uso de sensores
Desatracao

Falha do sistema de Humana roteiros


na desatracao, Manuteno e relatrios de Solicitar rebocador para retirar o
posicionamento 4 3 4
impedindo novas Problemas de Verificar aviso aos avarias e navio e manuteno
dinmico Eltrica
atracaes gerao navegantes sobre manutenes
Problema Satlite Natural informaes de
GPS Eltrica satlites

Falha da bomba
injetora Utilizar rotinas de
Uso de sensores
Parada do motor de manuteno rgidas
Falha do M.C.P. do Mecnica e relatrios de Abortar a operao e solicitar
combusto, impedindo 3 3 com o uso de roteiros 2
navio-tanque Eltrica avarias e rebocador para retirar o navio
novas atracaes (check list de
manutenes
atividades
Falha do cilindro

Programar o navio
O navio-tanque encalha, Uso de relatrios
Falha da equipe do com antecedncia de
impedindo novas e manuais com as
Navio na manobra de 5 Falha da Equipe 3 Humana 48 horas antes da 5 Trocar a equipe
atracaes. Possvel rotinas pr-
desatracao operao de
coliso estabelecidas
descarga
Programar o navio
O navio-tanque encalha, Uso de relatrios
Falha da equipe do TGL com antecedncia de
impedindo novas e manuais com as
na manobra de 5 Falha da Equipe 3 Humana 48 horas antes da 5 Trocar a equipe
atracaes. Possvel rotinas pr-
desatracao operao de
coliso estabelecidas
descarga

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 156
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Com base no exposto pela Tabela 22, tem-se a Tabela 23, onde R o produto
dos fatores (S), (O) e (D) e P o produto das probabilidades dos fatores (S), (O) e
(D), onde os valores obtidos resultam da classificao dos fatores (S), (O) e (D) em
relao aos nveis adotados. A escala utilizada na identificao dos nveis
relacionados aos fatores possui sete posies com os valores numricos de 1 a 7.
Em MARTINS e GOYANO (2007) informa-se que a IMO sugere a matriz de risco
com sete nveis.

Por exemplo, na linha 15 da Tabela 23, tem-se Falha do M.C.A. do navio


tanque, com S=3; O=3 e D=2, valores decorrentes da Tabela 22. Aplica-se tais
valores, entre parnteses, na expresso (2.30), a fim de obter a transformao em
probabilidades.

A funo densidade de probabilidade (f.d.p.) a considerada uma distribuio


triangular, contnua, que possui um valor mnimo a=0, um valor mximo b=8 e uma
moda c=4, de modo que a funo densidade de probabilidade zero para os
extremos (a e b), e afim entre cada extremo e a moda, de forma que o grfico da
mencionada f.d.p. um tringulo, conforme se v na Figura 9. Portanto, nesta
distribuio triangular com extremos 0 e 8, a moda igual a 4 (EVANS et al., 2000)
ver tpico 2.3. Com base nas expresses (2.29) e (2.30), chega-se aos valores
tabulados para as probabilidades na Tabela 23, <0,28125; 0,28125; 0,12500>. A
multiplicao de tais valores, aplicando-se a tcnica de composio probabilstica,
chega-se ao valor de P 0,009887695 (erro de aproximao < 10-9).

Para os mesmos valores dos ndices de severidade (S), ocorrncia (O) e


detectabilidade (D) foi feito o clculo dos vetores de probabilidade de preferncia
para distribuies triangulares e, em seguida o clculo da probabilidade global.
Esses valores so apresentados na coluna P da Tabela 23. A composio
probabilstica a multiplicao dos valores, sob a premissa de independncia dos
fatores. No formulrio da APP simplificado e adaptado, uma coluna encabeada pela
letra R apresenta o valor do ndice de prioridade de risco obtido para cada linha da
Tabela 23. Ele obtido multiplicando a classificao, em valores numricos,
atribuda a cada um dos trs fatores, entre parnteses na tabela, classificados

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 157
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

consoante os nveis, quais sejam, a severidade, ocorrncia e detectabilidade. Para


facilidade de comparao, este valor apresentado na Tabela 23, em analogia ao
trabalho de SANTANNA e PINTO JR. (2010), junto com os resultados da
composio probabilstica, observada a funo de distribuio de probabilidades
triangular acumulada.

possvel identificar na Tabela 23 os eventos mais relevantes e de alto risco,


conforme as probabilidades associadas, quais sejam: (i) falha da equipe do TGL por
ocasio da atracao, seja por conflito, seja por inexperincia (14,5%); (ii) falha no
Sistema de Posicionamento Dinmico (SPD) na atracao (10,1%) e (iii) falha do
Sistema de Governo do NT na atracao (10,1%).

Na Tabela 23 tem-se ainda a coluna X que ser utilizada na anlise


desenvolvida no item 4.3 em relao tcnica de rvore de falhas. Mais a adiante
ser explicado a necessidade de tal coluna.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 158
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 23 Composio Probabilstica de S, O e D.


Operao

X
Evento de Perigo/ Sistema Relacionado Consequncia R S O D P (erro <10-9)
(evento)

1 Mudana das condies ambientais / (NT e Mudana de favorvel para X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
Programao

TGL) desfavorvel da atracao. Pode


ocorrer coliso
2 Falha na identificao do tipo de navio / O navio no pode atracar no per do X2 12 0,50000 (4) 0,28125 (3) 0,03125 (1) 0,004394531
(NT e TGL) TGL. Insistncia leva a coliso
3 Falha na informao sobre o deslocamento O navio no pode atracar no per do X3 16 0,50000 (4) 0,12500 (2) 0,12500 (2) 0,007812500
do navio / (NT e TGL) TGL. Insistncia leva a coliso
4 Falha do M.C.A. do navio-tanque / (NT) Parada do sistema Diesel-gerador X4 18 0,28125 (3) 0,28125 (3) 0,12500 (2) 0,009887695
5 Falha do sistema de governo / (NT) Incapacidade de operar o sistema de X5 8 0,50000 (4) 0,12500 (2) 0,03125 (1) 0,001953125
governo do navio. Possvel coliso
6 Falha de Comunicao / (NT e TGL) Incapacidade de transmitir X6 8 0,50000 (4) 0,12500 (2) 0,03125 (1) 0,001953125
Aproximao

informaes entre o navio-tanque e o


TGL. A insistncia leva a coliso
7 Falha humana na manobra de aproximao O navio-tanque encalha. Possvel X7 8 0,50000 (4) 0,03125 (1) 0,12500 (2) 0,001953125
do navio-tanque / (NT) coliso
8 Falha do sistema de posicionamento Perda de posio do navio-tanque. X8 48 0,50000 (4) 0,28125 (3) 0,50000 (4) 0,070312500
dinmico (SDP) / (NT) Possvel coliso
9 Mudana das condies ambientais / (NT e Mudana de favorvel para X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
TGL) desfavorvel da atracao. A
insistncia leva a coliso
10 A equipe do TGL est em conflito / (TGL) Os integrantes da equipe no se X9 24 0,12500 (2) 0,50000 (4) 0,28125 (3) 0,017578125
entendem e brigam e o navio no
atraca
Preparao

11 A equipe do TGL inexperiente / (TGL) Os integrantes da equipe realizam X10 8 0,12500 (2) 0,12500 (2) 0,12500 (2) 0,001953125
poucas operaes deste porte e tipo e o
navio no atraca

12 Mudana das condies ambientais / (NT e Mudana de favorvel para X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
TGL) desfavorvel da atracao. A
insistncia leva a coliso

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 159
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

13 Falha na execuo da manobra de O navio-tanque no atraca. Possvel X11 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
atracao devido a presses comerciais / coliso
(NT e TGL)
14 Mudana das condies ambientais / (NT e Mudana de favorvel para X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
TGL) desfavorvel da atracao. Possvel
coliso
Atracao

15 Falha do M.C.A. do navio-tanque / (NT) Parada do sistema Diesel-gerador X4 18 0,28125 (3) 0,28125 (3) 0,12500 (2) 0,009887695
16 Falha do sistema de governo / (NT) Incapacidade de operar o sistema de X5 8 0,50000 (4) 0,12500 (2) 0,03125 (1) 0,001953125
governo do navio. Possvel coliso
17 Falha do sistema de posicionamento Perda de posio do navio-tanque. X8 48 0,50000 (4) 0,28125 (3) 0,50000 (4) 0,070312500
dinmico / (NT) Possvel coliso
18 Falha do M.C.P. do navio-tanque / (NT) Parada do motor de combusto X12 18 0,28125 (3) 0,28125 (3) 0,12500 (2) 0,009887695
19 Falha da equipe de atracao do navio- O navio-tanque no atraca. A X13 75 0,71875 (5) 0,28125 (3) 0,71875 (5) 0,145294189
tanque / (NT) insistncia leva a coliso
20 Falha da equipe de atracao do TGL / O navio-tanque no atraca. A X14 75 0,71875 (5) 0,28125 (3) 0,71875 (5) 0,145294189
(TGL) insistncia leva a coliso
21 Falha do operador do mangote / (NT) Ruptura e desconexo. Possvel X15 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
incndio
22 Falha da vlvula de acoplamento (flange) A vlvula no permite vazo no X16 24 0,50000 (4) 0,12500 (2) 0,28125 (3) 0,017578125
com o mangote / (NT) abre
23 Falha na vlvula de acoplamento do A vlvula no permite vazo no X17 24 0,50000 (4) 0,12500 (2) 0,28125 (3) 0,017578125
mangote com o manifold / (NT) abre
24 Falha do teste de presso / (NT) No h vazo diferena entre s X18 24 0,50000 (4) 0,12500 (2) 0,28125 (3) 0,017578125
presso do navio-tanque e o manifold
(TGL)
Descarga

25 Falha na execuo da manobra de descarga O navio-tanque no descarrega. X11 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
devido a presses comerciais / (NT e TGL) Possvel incndio
26 Falha humana na operao de conexo do O navio-tanque no descarrega. X19 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
manifold (TGL) com o navio-tanque / (NT e Possvel incndio
TGL)
27 Falha na bomba do sistema de descarga (ou O navio-tanque no descarrega X20 32 0,50000 (4) 0,12500 (2) 0,50000 (4) 0,031250000
TGL ou navio-tanque) / (NT e TGL)
28 Falha do manifold / (TGL) O navio-tanque no descarrega X21 40 0,50000 (4) 0,12500 (2) 0,71875 (5) 0,044921875
29 Falha na execuo da manobra de O navio-tanque no descarrega. X11 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
recolhimento do mangote devido a presses Possvel incndio
comerciais / (TGL)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 160
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

30 Mudana das condies ambientais / (NT e O navio-tanque no descarrega. X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
TGL) Possvel incndio

31 Falha da tubulao de conexo entre os O navio-tanque no descarrega. X22 84 0,96875 (7) 0,12500 (2) 0,87500 (6) 0,105957031
tanques de armazenamento e o TGL / Possvel incndio
(TGL)
32 Falha nos tanques de armazenamento / O navio-tanque no descarrega. X23 49 0,96875 (7) 0,03125 (1) 0,96875 (7) 0,029327393
(TGL) Possvel incndio

33 Falha na execuo da manobra devido a O navio-tanque no desatraca, X11 36 0,87500 (6) 0,12500 (2) 0,28125 (3) 0,030761719
presses comerciais / (NT e TGL) impedindo novas atracaes
34 Mudana das condies ambientais / (NT e O navio-tanque no desatraca, X1 24 0,50000 (4) 0,87500 (6) 0,03125 (1) 0,013671875
TGL) impedindo novas atracaes
35 Falha do M.C.A. do navio-tanque / (NT) Parada do sistema Diesel-gerador, X4 18 0,28125 (3) 0,28125 (3) 0,12500 (2) 0,009887695
impedindo novas atracaes
Desatracao

36 Falha do sistema de posicionamento O navio-tanque demora na X8 48 0,50000 (4) 0,28125 (3) 0,50000 (4) 0,070312500
dinmico / (NT) desatracao, impedindo novas
atracaes
37 Falha do M.C.P. do navio-tanque / (NT) Parada do motor de combusto, X12 18 0,28125 (3) 0,28125 (3) 0,12500 (2) 0,009887695
impedindo novas atracaes
38 Falha (humana) da equipe do TGL na O navio-tanque encalha, impedindo X14 75 0,71875 (5) 0,28125 (3) 0,71875 (5) 0,145294189
manobra de desatracao / (TGL) novas atracaes. Possvel coliso
39 Falha (humana) da equipe do navio-tanque O navio-tanque encalha, impedindo X13 75 0,71875 (5) 0,28125 (3) 0,71875 (5) 0,145294189
na manobra de desatracao / (NT) novas atracaes. Possvel coliso

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal porturio especializado 161
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Em MARTINS e MORAES (2013a), corroborando com o exposto por


SANTANNA e PINTO JR. (2010), concluiu-se que a composio probabilstica
(conforme a medida de prioridade) aplicada na APP oferece uma anlise mais
apurada e adequada da percepo dos experts, em relao ao potencial perigo,
desde que a anlise seja feita conjuntamente com a prioridade de risco (se
traduzindo em um auxlio). Ressalta-se que o Apndice B foi uma APP preliminar
para a Tabela 23, na linha do exposto na FSA (ver Figura 17).

4.3. rvores de Falhas e rvores de Eventos associadas ao processo

Conforme explicitado na subseo 2.4.4, a anlise de rvore de falhas uma


tcnica de anlise de confiabilidade e segurana aplicada a sistemas, e visa
determinar as causas de um evento indesejado chamado de evento-topo. A rvore
de falhas utiliza uma estrutura lgica em forma de ramificaes com smbolos de
lgebra booleana (ver Figura 20, p. 69 e Figura 21, p. 70). A rvore de falhas
desenvolvida para o processo em questo, observada a Tabela 23 e a coluna X
(eventos), dada pelo diagrama da Figura 58, tomando como evento-topo a no
descarga do navio-tanque no TGL, que pode ou no resultar em liberao de
material inflamvel. Qualquer falha nas etapas apresentadas em 4.1, leva a uma no
liberao do produto transportado pelo NT, no s em relao ao navio que est
descarregando, mas tambm em relao a outros navios tanqueiros que esto em
uma escala de programao, prejudicando o abastecimento do Estado do Esprito
Santo. Na Tabela 23, alguns eventos de perigo so relativos ao NT; outros ao TGL;
e ainda existem eventos comuns (ao TGL e ao NT). importante ressaltar que no
se est calculando o risco associado operao de descarga30.

30 Certo que no trabalho poder-se-ia apresentar a aplicao das tcnicas s possveis colises e
incndios, como relacionado na PHA do Apndice B. Alm de aumentar consideravelmente a
dissertao, o foco do trabalho ficaria comprometido. Por essa razo, o autor optou pela anlise da
no descarga.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 162
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No descarga

Falha do Sistema Falha do Sistema


Navio TGL

Falha na Falha na Falha na Falha na Falha na Falha na Falha na Falha na Falha na Falha na Falha na Falha na
Programao Aproximao Preparao Atracao Descarga Desatracao Programao Aproximao Preparao Atracao Descarga Desatracao

Mudana das
condies
1 2 ambientais 3 4 5 6 7 8 9 10 11
(1,367E-2)
(X1)

Figura 58 rvore de falhas evento-topo no descarga.

Onde a falha da programao do navio-tanque (porto de transferncia 1)


possui a rvore dada pela Figura 59, com as probabilidades associadas.

Falha na
Programao
(F1)

Falha na
Mudana das Falha na
informao sobre o
condies identificao do
deslocamento do
ambientais tipo de navio
navio
1,367E-2 (X1) 4,394E-3 (X3)
7,812E-3 (X2)

Figura 59 rvore de falhas falha na programao navio-tanque.

Na sequncia, as rvores de falhas do navio-tanque para a aproximao


(porto de transferncia 2), atracao (porto de transferncia 3), descarga (porto
de transferncia 4) e desatracao (porto de transferncia 5) (Figura 60, Figura 61,
Figura 62 e Figura 63), com as probabilidades associadas (a partir da Tabela 23).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 163
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Falha na
Aproximao
(F2)

Falha humana na Mudana das


Falha do MCA do Falha do sistema Falha de Falha do Sistema
manobra de condies
navio de governo comunicao DP
aproximao ambientais
9,9887E-3(X4) 1,953E-3(X5) 1,953E-3(X6) 7,031E-2(X8)
1,953E-3(X7) 1,367E-2(X1)

Figura 60 rvore de Falhas falha na aproximao navio-tanque.

Falha na
Atracao
(F3)

Falha na execuo da Mudana das


Falha do MCA do Falha do sistema Falha do Sistema Falha da equipe de
manobra (presses condies Falha do MCP
comer ciais) navio de governo DP atracao do navio
ambientais 9,887E-3 (X12)
X11) 9,887E-3 (X4) 1,953E-3 (X5) 7,031E-2 (X8) 1,452E-1 (X13)
3,076E-2 ( 1,367E-2 (X1)

Figura 61 rvore de falhas falha na atracao navio-tanque.

Falha na
Descarga (F4)

Falha da vlvula de Falha na execuo


Falha da vlvula de Falha na bomba do Mudana das
Falha do operador acoplamento do Falha do t este de da manobra
acoplamento com o sistema de condies
do mangote mangote com o presso (presses
mangote descarga do navio ambientais
3,076E-2 (X15) manifold 1,757E-2 (X18) comerciais)
1,757E-2 (X16) 3,125E-2 (X20) 1,367E-2 (X1)
1,757E-2 (X17) 3,076E-2 (X11)

Figura 62 rvore de falhas falha na descarga navio-tanque.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 164
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Falha na
Desatracao
(F5)

Falha na execuo
Mudana das Falha humana na
da manobra Falha do MCA do Falha do Sistema
condies manobra de Falha do MCP
(presses navio DP
ambientais desat racao 9,887E-3 (X12)
comerciais) 9,887E-3 (X4) 7,031E-2 (X8)
1,367E-2 (X1) 1,453E-2 (X13 )
3,076E-2 (X11)

Figura 63 rvore de falhas falha na desatracao navio-tanque.

Em relao ao TGL, as rvores de falhas so mostradas a seguir, para a


programao (porto de transferncia 6), para a aproximao (porto de
transferncia 7), preparao (porto de transferncia 8), atracao (porto de
transferncia 9), descarga (porto de transferncia 10) e desatracao (porto de
transferncia 11) (Figura 64, Figura 65, Figura 66, Figura 67, Figura 68 e Figura 69),
com as probabilidades associadas (a partir da Tabela 23).

Falha na
Programao
(F6)

Falha na
Mudana das Falha na
informao sobre o
condies identificao do
deslocamento do
ambientais tipo de navio
navio
1,367E-2 (X1) 4,394E-3 (X2)
7,812E-3 (X3)

Figura 64 rvore de falhas falha na programao TGL.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 165
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Falha na
Aproximao
(F7)

Mudana das
Falha de
condies
comunicao
ambientais
1,953E-3 (X6)
1,367E-2 (X1)

Figura 65 rvore de falhas falha na aproximao TGL.

Falha na
Preparao
(F8)

Mudana das
A Equipe do TGL A Equipe do TGL
condies
est em conflito inexperiente
ambientais
1,758E-2 (X9) 1,953E-3 (X10)
1,367E-2 (X1)

Figura 66 rvore de falhas falha na preparao TGL.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 166
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Falha na
Atracao (F9)

Falha na execuo da Mudana das


Falha da equipe de
manobr a (presses condies
comer ciais) atracao do TG L
ambientais
3,076E-2 (X11) 1,453E-1 (X14 )
1,367E-2 (X1)

Figura 67 rvore de falhas falha na atracao TGL.

Falha na
Descarga
(F10)

10

Falha humana na
Falha na execuo Falha da tubulao
operao de Falha na bomba do Mudana das
do recolhimento do de conexo entre Falha nos tanques
Falha do manifold conexo do sistema de condies
mangot e (presses os tanques de de armazenamento
4,492E-2 (X21) manifold com o descarga do TGL ambientais
comerciais) armaz. e o TGL 2,932E-2 (X23)
navio 3,125E-2 (X20) 1,367E-2 (X1)
3,076E-2 (X11) 1,059E-1 (X22)
3,076E-2 (X19)

Figura 68 rvore de falhas falha na descarga TGL.

Falha na
Desatracao
(F11 )

11

Falha na execuo
Mudana das Falha humana na
da manobra
condies manobra de
(presses
ambientais desat racao
comerciais)
1,367E-2 (X1) 1,453E-2 (X14)
3,076E-2 (X11)

Figura 69 rvore de falhas falha na desatracao TGL.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 167
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No que tange rvore de eventos ou ETA, como j informado na subseo


2.4.5, p. 75, trata-se de uma tcnica indutiva que descreve a evoluo de um evento
inicializador e mostra todos os possveis resultados da ocorrncia do evento de
perigo. A ETA usada para modelar um sistema ou um processo qualitativa ou
quantitativamente pela identificao, em regra, de possveis cenrios a partir de um
evento inicializador (ISO, 2008). Na linha do foi elaborado, corroborando com a
aplicao da tcnica ETA, MITOMO et al. (2013); CHU e CHANG (2013),
demonstram que a avaliao do risco em instalaes offshore pode ser realizada
com a rvore de eventos. Mais informaes sobre o ETA, sugere-se a leitura da
mencionada subseo.

Verifica-se falhas na programao, na aproximao, na preparao, na


atracao, na descarga e na desatracao, tanto para o sistema navio, quanto para
o sistema TGL. Os cut-sets mnimos so todos de primeira ordem e cada evento
bsico compe um cut-set mnimo (de ordem 1 ver 2.4.4), com portas OR,
realizando a juno dos eventos bsicos de falha. Fi (i=1,2,...,11) so os eventos

resultantes (ou intermedirios) das mencionadas falhas, tanto no NT, quanto no


TGL; os eventos bsicos esto mostrados na Tabela 23. Por exemplo, X1 o evento
bsico relativo mudana das condies ambientais.

Ento, considere a falha no evento programao, para o navio-tanque,


representado por F1, que dada pela unio dos eventos bsicos, mudana das
condies ambientais (X1), falha na informao sobre o deslocamento () do navio

(X2) e falha na identificao do tipo de navio (X3), ou seja, usando a lgebra


Booleana da Figura 20, F1 = X 1 + X 2 + X 3 . Com o mesmo raciocnio, chega-se a

Tabela 24:

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 168
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 24 Expresses dos eventos intermedirios na FT.


Evento Intermedirio Expresso
F1 X1 + X 2 + X 3
F2 X1 + X 4 + X 5 + X 6 + X 7 + X 8
F3 X 1 + X 4 + X 5 + X 8 + X 11 + X 12 + X 13
F4 X 1 + X 11 + X 15 + X 16 + X 17 + X 18 + X 20
F5 X 1 + X 4 + X 8 + X 11 + X 12 + X 13
F6 X1 + X 2 + X 3
F7 X1 + X 6
F8 X 1 + X 9 + X 10
F9 X 1 + X 11 + X 14
F10 X 1 + X 11 + X 19 + X 20 + X 21 + X 22 + X 23
F11 X 1 + X 11 + X 14
X1 X1

Observadas as expresses (2.31) e (2.32), chega-se a seguinte expresso


para o evento-topo (T), isto a no descarga:

P(T ) = P( F1 F2 L F 11 X 1 ) (4.1)
RProcesso (t ) 1 [P( X 1 ) + P( X 2 ) + L + P( X 23 )] (4.2)

De forma que, a expresso (4.2), considerando os eventos independentes31,


idntica a:

P(T ) = 1 [1 P( X 1 )] [1 P( X 2 )] L [1 P( X 23 )] (4.3)

Os valores de X j , para j = 1,L,23 , esto na Tabela 23, que so os valores de P

na mencionada tabela. Desta forma, observada a expresso (4.3), aplicando os


valores de X j , tem-se: P(T ) 0,561660133087247. Desta forma, obtm-se uma

probabilidade considervel para a no ocorrncia da descarga. Ressalta-se que,


dentre as limitaes da FTA, tem-se a no considerao das dependncias entre as
variveis e a concepo de variveis binrias. Tambm no h como considerar os

31 Com a observncia da simplificao para eventos raros, desconsiderando as intersees cruzadas.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 169
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

fatores de desempenho na atuao do elemento humano, em total dissonncia com


o caso aqui estudado.

A rvore de eventos do processo de descarga em estudo mostrada na Figura


70.

Figura 70 rvore de Eventos Descarga Lquida NT para o TGL.

O ramo inferior da rvore ou a ltima linha (em vermelho) significa a ocorrncia


simultnea da falha no sistema NT e no sistema TGL. Observe que, para o clculo
da descarga do lquido inflamvel, deve-se considerar as probabilidades de sucesso
do sistema NT e do sistema TGL, respectivamente, 0,23051 e 0,26945 (seta em
vermelho). Com isso, A probabilidade de sucesso em todas as etapas, isto ,
()
P T 0,23051 + 0,26945 0,23051 * 0,26945 , de 0,43785, ou seja, P(T ) 0,56215. A
diferena (insignificante) com o resultado encontrado na FTA (0,08705% da FTA
para a ETA), deve-se as sucessivas aproximaes dos valores em planilha. Em
relao ETA faz-se a mesma ressalva que foi feita para a FTA, no caso estudado:
no considerao de dependncias, variveis binrias e no tratamento dos fatores
de desempenho (FD). As informaes fornecidas pelos especialistas, por ocasio do
ranqueamento e da composio probabilstica (ver Tabela 22 e Tabela 23), tambm
influenciam no resultado.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 170
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

No prximo tpico ser apresentada a Rede Bayesiana associada ao processo


a partir da rvore de Falhas, com o auxlio da rvore de Eventos.

4.4. Redes Bayesianas associadas ao processo

Em relao s Redes Bayesianas associadas ao processo de descarga de


granis lquidos inflamveis de um navio-tanque para um terminal especializado,
ressalta-se que a BN foi construda em duas etapas:

(1) A RB originada da converso das rvores de Falhas da seo anterior, com


o auxlio da rvore de Eventos32, que orienta os cenrios;
(2) A RB construda para os eventos bsicos da rvore de Falhas onde h
participao relevante do elemento humano.

Com a construo das redes, tem-se, ento, a integrao das mesmas


formando uma nica RB.

Nas prximas subsees, sero apresentadas as mencionadas RBs.

4.4.1. Converso das rvores de Falhas em Redes Bayesianas

Conforme foi visto no tpico 4.1, o processo de descarga sob anlise, dividido
em etapas a saber: (i) programao e chegada do navio-tanque; (ii) preparao do
pessoal do porto (TGL) e do NT para a atracao do navio-tanque; (iii) aproximao
do navio-tanque; (iv) atracao do navio-tanque; (v) movimentao dos
equipamentos e descarga no terminal; (vi) desatracao do navio-tanque. Na
construo da RB dos sistemas sob anlise, foi feita uma conjugao do sistema NT
e do sistema TGL. O intuito simplificar a rede, j que na descarga do produto
lquido inflamvel ocorre a participao dos sistemas em conjunto (em relao aos
seus elementos).

32A construo da rvore de eventos ratifica a FTA e leva a uma melhor percepo das limitaes
das tcnicas.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 171
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Na Figura 71, mostrado a RB da etapa de programao do navio-tanque e do


TGL para o processo de descarga (correlacionada Figura 59 e Figura 64), com
as probabilidades extradas da rvore de falhas, cuja obteno j foi explicada, de
acordo com Tabela 23.

MudCondAmb_Prog
Ocorrencia 1.37
NaoOcorrencia 98.6

FalhaInfoDeslNavio
FalhaProgramacao
Ocorrencia 2.57 Ocorrencia 0.78
NaoOcorrencia 97.4 NaoOcorrencia 99.2

FalhaIdentNavio
Ocorrencia 0.44
NaoOcorrencia 99.6

Figura 71 Rede bayesiana para a etapa de programao.

Para a avaliao quantitativa da RB dever ser definida a Tabela de


Probabilidades Condicionadas para cada n das etapas, cujo preenchimento ser
explicado no tpico 4.4.4.

Na Figura 72, mostrado a RB da etapa de preparao do navio-tanque e do


TGL para o processo de descarga (correlacionada com a Figura 66), com as
probabilidades extradas da rvore de falhas.

MudCondAmb_Prep
Ocorrencia 1.37
NaoOcorrencia 98.6

EquipeTGLConflito FalhaPreparacao
Ocorrencia 1.76 Ocorrencia 3.29
NaoOcorrencia 98.2 NaoOcorrencia 96.7

EquipeTGLInexperiente
Ocorrencia 0.20
NaoOcorrencia 99.8

Figura 72 Rede bayesiana para a etapa de preparao.

Na Figura 73, mostrado a RB da etapa de aproximao do navio-tanque para


o TGL a fim de realizar a atracao (correlacionada Figura 60 e Figura 65), com
as probabilidades extradas da rvore de falhas33.

33A juno das informaes relativas ao NT e ao TGL no prejudicam a anlise, haja vista que a
anlise relativa ao processo, e no dos sistemas em separado.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 172
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

MudCondAmb_Aprox
Ocorrencia 1.37
NaoOcorrencia 98.6

FalhaMCA_Aprox
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaAproximacao
FalhaSistGovNavio_Aprox
Ocorrencia 9.74
NaoOcorrencia 90.3 Ocorrencia 0.20
NaoOcorrencia 99.8

FalhaComunicacao
Ocorrencia 0.20
NaoOcorrencia 99.8

FalhaHumManobraAprox
Ocorrencia 0.20
NaoOcorrencia 99.8

FalhadoSPD_Aprox
Ocorrencia 7.03
NaoOcorrencia 93.0

Figura 73 Rede bayesiana para a etapa de aproximao.

Na Figura 74, mostrado a RB da etapa de atracao do navio-tanque no


TGL a fim de efetivar a descarga do produto lquido inflamvel (correlacionada
Figura 61 e a Figura 67), com as probabilidades extradas da rvore de falhas.

FalhaExecManobraAtrac
Ocorrencia 3.08
NaoOcorrencia 96.9

MudCondAmb_Atrac
Ocorrencia 1.37
NaoOcorrencia 98.6

FalhaMCA_Atrac
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaSistGovNavio_Atrac
Ocorrencia 0.20
NaoOcorrencia 99.8
FalhaAtracacao
Ocorrencia 24.9
NaoOcorrencia 75.1
FalhadoSPD_Atrac
Ocorrencia 7.03
NaoOcorrencia 93.0

FalhaMCP_Atrac
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaEquipeTGL_Atrac
Ocorrencia 14.5
NaoOcorrencia 85.5

FalhaEquipeNT_Atrac
Ocorrencia 14.5
NaoOcorrencia 85.5

Figura 74 Rede bayesiana para a etapa de atracao.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 173
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Na Figura 75, mostrado a RB da etapa de descarga do navio-tanque no TGL


do produto lquido inflamvel que ser direcionado para os tanques de
armazenamento (correlacionada a Figura 62 e a Figura 68), com as probabilidades
extradas da rvore de falhas.

FalhaOpMangote_Desc
Ocorrencia 3.08
NaoOcorrencia 96.9

FalhaValAcopla_Desc
Ocorrencia 1.76
NaoOcorrencia 98.2

FalhaValAcoplaMang_Desc
Ocorrencia 1.76
NaoOcorrencia 98.2

FalhaTestePressao_Desc
Ocorrencia 1.76
NaoOcorrencia 98.2

FalhaExecManobra_Desc
Ocorrencia 3.08
NaoOcorrencia 96.9

FalhaHumConexao_Desc
Ocorrencia 3.08
NaoOcorrencia 96.9
FalhaDescarga
Ocorrencia 8.75
NaoOcorrencia 91.2
FalhaBombaSist_Desc
Ocorrencia 3.13
NaoOcorrencia 96.9

FalhaManifold_Desc
Ocorrencia 4.49
NaoOcorrencia 95.5

FalhaExecRecMang_Desc
Ocorrencia 3.08
NaoOcorrencia 96.9

MudCondAmb_Desc
Ocorrencia 1.37
NaoOcorrencia 98.6

FalhaTubTAeTGL_Desc
Ocorrencia 10.6
NaoOcorrencia 89.4

FalhaTA_Desc
Ocorrencia 2.93
NaoOcorrencia 97.1

Figura 75 Rede bayesiana para a etapa de descarga.

Na Figura 76, mostrado a RB da etapa de desatracao do navio-tanque do


TGL aps ter realizado a descarga do granel lquido inflamvel (correlacionada a
Figura 63 e a Figura 69), com as probabilidades extradas da rvore de falhas.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 174
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

FalhaExecManobraDestrac
Ocorrencia 3.08
NaoOcorrencia 96.9

MudCondAmb_Desatrac
Ocorrencia 1.37
NaoOcorrencia 98.6

FalhaMCA_Desatrac
Ocorrencia 0.99 FalhaDesatracacao
NaoOcorrencia 99.0 Ocorrencia 24.9
NaoOcorrencia 75.1

FalhadoSPD_Desatrac
Ocorrencia 7.03
NaoOcorrencia 93.0

FalhaMCP_Desatrac
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaEquipeTGL_Desatrac
Ocorrencia 14.5
NaoOcorrencia 85.5

FalhaEquipeNT_Desatrac
Ocorrencia 14.5
NaoOcorrencia 85.5

Figura 76 Rede bayesiana para a etapa de desatracao.

Na Figura 77, mostrado a RB completa do processo de descarga do navio-


tanque em um TGL, com a observncia da descarga ou no do granel lquido
inflamvel, com as probabilidades extradas da rvore de falhas.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 175
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

MudCondAmb_Prep MudCondAmb_Prog
Ocorrencia 1.37 Ocorrencia 1.37
NaoOcorrencia 98.6 NaoOcorrencia 98.6

FalhaInfoDeslNavio
EquipeTGLConflito FalhaPreparacao FalhaProgramacao
Ocorrencia 0.78
Ocorrencia 1.76 Ocorrencia 3.29 Ocorrencia 2.57
NaoOcorrencia 99.2
NaoOcorrencia 98.2 NaoOcorrencia 96.7 NaoOcorrencia 97.4

EquipeTGLInexperiente FalhaIdentNavio
Ocorrencia 0.20 Ocorrencia 0.44
NaoOcorrencia 99.8 NaoOcorrencia 99.6

FalhaOpMangote_Desc
MudCondAmb_Aprox
Ocorrencia 3.08
Ocorrencia 1.37
NaoOcorrencia 96.9
NaoOcorrencia 98.6

FalhaValAcopla_Desc
FalhaMCA_Aprox
Ocorrencia 1.76
NaoOcorrencia 98.2 Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaValAcoplaMang_Desc FalhaAproximacao
FalhaSistGovNavio_Aprox
Ocorrencia 1.76 Ocorrencia 9.74
NaoOcorrencia 98.2 NaoOcorrencia 90.3 Ocorrencia 0.20
NaoOcorrencia 99.8

FalhaTestePressao_Desc
FalhaComunicacao
Ocorrencia 1.76
Ocorrencia 0.20
NaoOcorrencia 98.2
NaoOcorrencia 99.8

FalhaExecManobra_Desc FalhaHumManobraAprox
Ocorrencia 3.08 Ocorrencia 0.20
NaoOcorrencia 96.9 NaoOcorrencia 99.8

FalhaHumConexao_Desc FalhadoSPD_Aprox
Ocorrencia 3.08 Ocorrencia 7.03
NaoOcorrencia 96.9 NaoOcorrencia 93.0
FalhaDescarga Falha_na_Descarga
Ocorrencia 8.75 Ocorrencia 56.2
NaoOcorrencia 91.2 NaoOcorrencia 43.8
FalhaBombaSist_Desc
Ocorrencia 3.13
NaoOcorrencia 96.9
FalhaExecManobraAtrac
Ocorrencia 3.08
NaoOcorrencia 96.9
FalhaManifold_Desc
Ocorrencia 4.49
NaoOcorrencia 95.5
MudCondAmb_Atrac
Ocorrencia 1.37
NaoOcorrencia 98.6
FalhaExecRecMang_Desc
Ocorrencia 3.08
NaoOcorrencia 96.9
FalhaMCA_Atrac
Ocorrencia 0.99
NaoOcorrencia 99.0
MudCondAmb_Desc
Ocorrencia 1.37
NaoOcorrencia 98.6
FalhaSistGovNavio_Atrac
Ocorrencia 0.20
NaoOcorrencia 99.8
FalhaTubTAeTGL_Desc FalhaAtracacao
Ocorrencia 10.6 Ocorrencia 24.9
NaoOcorrencia 89.4 NaoOcorrencia 75.1
FalhadoSPD_Atrac
Ocorrencia 7.03
NaoOcorrencia 93.0
FalhaTA_Desc
Ocorrencia 2.93
NaoOcorrencia 97.1
FalhaMCP_Atrac
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaExecManobraDestrac
Ocorrencia 3.08 FalhaEquipeTGL_Atrac
NaoOcorrencia 96.9 Ocorrencia 14.5
NaoOcorrencia 85.5

MudCondAmb_Desatrac
Ocorrencia 1.37 FalhaEquipeNT_Atrac
NaoOcorrencia 98.6
Ocorrencia 14.5
NaoOcorrencia 85.5

FalhaMCA_Desatrac
Ocorrencia 0.99 FalhaDesatracacao
NaoOcorrencia 99.0
Ocorrencia 24.9
NaoOcorrencia 75.1

FalhadoSPD_Desatrac
Ocorrencia 7.03
NaoOcorrencia 93.0

FalhaMCP_Desatrac
Ocorrencia 0.99
NaoOcorrencia 99.0

FalhaEquipeTGL_Desatrac
Ocorrencia 14.5
NaoOcorrencia 85.5

FalhaEquipeNT_Desatrac
Ocorrencia 14.5
NaoOcorrencia 85.5

Figura 77 Rede bayesiana completa com a converso da rvore de falhas do tpico 4.3.

Na avaliao dos resultados, v-se que a ocorrncia de falha do processo de


descarga do navio-tanque no TGL de 56,20%, considerando a converso da
rvore de falhas em RB, usando variveis determinsticas (evidenciado o n). Como
era de se esperar, o resultado confere com o obtido na FTA e na ETA.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 176
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Segundo as informaes dos especialistas e operadores dos sistemas e de


acordo com as informaes da Capitania dos Portos do E.S. e do Tribunal Martimo,
em mdia, por ano, ocorre uma falha na descarga, por variadas razes
(principalmente pelo mau tempo ver Tabela 4). Cada navio-tanque descarrega, em
mdia, uma vez a cada dez dias, considerando o intervalo de tempo da
programao at a desatracao, com posicionamento seguro do NT na baa de
Vitria/ES, havendo a possibilidade de desabastecimento de diversos produtos
combustveis na Grande Vitria/ES, quando no h continuidade na descarga,
necessitando de outras fontes para suprir a falta de produto (transporte rodovirio e
barcaas). No total so em mdia 37 descargas. Logo, sob a tica da estatstica
1
freqencista (ver 2.1), por ano, a probabilidade de no descarga 0,027 = 2,7%!
37

DROGUETT et al. (2010) nos informa que a modelagem da HRA com as


tcnicas de 1 (ex. THERP) e 2 (ex. ATHEANA) geraes apresentam deficincias
como informado no Captulo 2. O uso das RBs (considerada pelos autores como
tcnica de 3 gerao) descreve melhor o desempenho humano, levando em
considerao fatores internos e externos relacionados e, tambm, as consequncias
de suas aes.

As tcnicas de 1 e 2 geraes, segundo os mencionados autores, no levam


em considerao as relaes de dependncia dos fatores de desempenho (FD),
devido ao uso de ferramentas como rvores de falhas e de eventos, que apresentam
grandes dificuldades para modelar relaes de dependncia intrnsecas s aes
humanas. No basta modelar erro de omisso e comisso (1 gerao) ou/e erros
de intenes e erros cognitivos (2 gerao). E finalizam dizendo que, nos sistemas
complexos (como o caso aqui considerado) no devem ser usadas a ETA e a FTA;
para estes, onde h uma elevada quantidade de variveis com interdependncias
entre elas, a tcnica com as Redes Bayesianas a mais adequada.

O valor apresentado na aplicao da ETA e da FTA, bem como na RB


construda a partir da rvore de falhas, conforme a Figura 77, elevado. Todavia,

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 177
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

como possvel observar na RB completa e pela Tabela 23, h interferncia do


elemento humano, em vrios ns pais que se correlacionam aos ns filhos
FalhaProgramacao, FalhaPreparacao, FalhaAtracacao, FalhaDescarga e
FalhaDesatracacao, que por seu turno, so ns pais do n Falha_na_Descarga,
que o n final, equivalente ao evento-topo na rvore de falhas. H necessidade,
portanto, de se modelar o elemento humano, e o tpico a seguir, mostra o emprego
da tcnica RB, superando as limitaes das tcnicas ETA e FTA.

4.4.2. Redes Bayesianas Dinmicas das Tarefas

As Redes Bayesianas, segundo DROGUETT et al. (2010), contextualizam o


erro humano, tanto de maneira qualitativa, quanto quantitativa, sendo que pequenos
desvios de comportamento humano so tratados, havendo representao real e
dinmica das interaes homem-mquina.

A utilizao de Redes Bayesianas para aferir o nvel de segurana de um porto


mostrada por RIAHI et al. (2013), tendo em vista a movimentao dos navios
conteineiros em um mundo mais globalizado a cada dia. Os autores afirmam que o
uso das RBs nestes casos mais apropriado. A situao informada pelos autores
adequada ao caso em estudo, como se ver neste trabalho. As atividades
relacionadas aos eventos bsicos da rvore de Falhas com o evento-topo no
descarga que tenham a participao do elemento humano so mostradas na Tabela
25. As atividades esto numeradas na ordem em que ocorrem.

Partindo destes eventos e considerando a Tabela 25, bem como a rvores de


falhas e de eventos apresentadas anteriormente, e seguindo os procedimentos de
MARTINS e MATURANA (2009), foram desenvolvidas as Redes Bayesianas
Dinmicas das tarefas34, partindo da premissa que cada evento bsico com
participao dos operadores leva, originalmente, a falha de execuo de alguma
tarefa. A RB montada correlacionando as tarefas s atividades. Por exemplo, se a

34 Nada obstante o termo Redes Bayesianas Dinmicas RDD ser utilizado, comumente, como RDs
usadas em sries temporais, a expresso foi utilizada neste trabalho em referncia s tarefas
relativas ao processo de descarga do NT no TGL.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 178
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

tarefa possui apenas uma atividade, a RB possuir somente um n. Estas redes


foram agregadas a RB construda a partir da rvore de Falhas da seo anterior.

Tabela 25 Eventos bsicos e atividades correlacionadas.


Item da
Etapa
Evento Atividade35
Tabela 23.
1-O Gerente da Cia. Transportadora informa
2-Entendimento (errado) do Supervisor do TGL
Falha na identificao do tipo de navio 3- O Oficial de Nutica (ON) manobra o navio
2
(TGL/NT) 4-Comandante do NT ratifica o erro do ON
5-Tomada de Deciso (manobrar do navio)
Programao

6-Deteco do Erro (pelo ON ou pelo Comandante)


1-Gerente da Cia. Transportadora informa
2-Entendimento (errado) do Supervisor do TGL
Falha na informao sobre o deslocamento 3- O ON manobra o navio
3
() do navio (TGL/NT) 4-Comandante do NT ratifica o erro do ON
5-Tomada de Deciso (manobrar o navio)
6-Deteco do Erro (pelo ON ou pelo Comandante)
1-O ON entendeu (errado) aproximar do TGL
2-O Comandante do NT ratifica o erro do ON
3-O Comandante do NT no faz contato por
qualquer meio
6 Falha de Comunicao (TGL/NT)
4-O Supervisor do TGL no faz contato por
Aproximao

qualquer meio
5-Tomada de deciso (aproximar o navio)
6-Deteco do Erro (pelo ON ou pelo Comandante)
1- O Prtico sugere manobra (errada)
2-Comandante ratifica o erro do ON
Falha na manobra do NT em aproximao
7 3-Erro do Timoneiro
para o TGL (NT)
4-Tomada de deciso (aproximar o NT)
5-Deteco do Erro (pelo ON ou pelo Comandante)
1-O Supervisor do TGL no atua no conflito
2-O Lder da Op. no faz nada
Preparao

3-Inspetor A136 no critica


10 Equipe do TGL est em conflito e erra (TGL) 4-Inspetor A2 no critica
5-O Inspetor CM informa (errado) ao Lder
6-Tomada de Deciso (preparar o TGL)
7-Deteco do Erro (pelo Lder)

35 A apresentao das atividades utilizando a tcnica ETA, como SARSHAR et al., 2012 e HAUGEN
et al., 2012, levaria a um refinamento, identificando os possveis cenrios; todavia, por restrio de
tempo e tamanho da dissertao, optou-se pela apresentao tabelada.
36 Conforme informado anteriormente, a Cia. Concessionria participa com dois Inspetores de

atracao (A1 e A2), um Inspetor de desatracao (D), um Inspetor de monitoramento das condies
meteorolgicas e oceanogrficas (CM), um Lder de Operao (Op.) e sete marinheiros para
amarrao (ou desamarrao), havendo, ainda, um engenheiro-supervisor do TGL.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 179
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1-O Supervisor do TGL mantm a equipe


2-Lder da Op. concorda
3-Inspetor A1 no critica
11 Equipe do TGL inexperiente e erra (TGL) 4-Inspetor A2 no critica
5-O Inspetor CM informa (errado) ao Lder
6-Tomada de Deciso (preparar o TGL)
7-Deteco do Erro (pelo Lder)
1-O Gerente da Cia. Transportadora37 informa
2-O Supervisor da Cia. Transportadora concorda
3-O Supervisor do TGL no faz nada
4-Lder da Op. se omite
5-O Inspetor A1 no critica a manobra
6-O Inspetor A2 no critica a manobra
Falha na execuo da manobra de
7-O Inspetor CM informa (errado) ao Lder
13 atracao devido a presses comerciais
8-O Prtico sugere manobra (errada)
(TGL/NT)
9- O ON manobra o navio (para atracao)
10-O Comandante do NT ratifica o erro
11-Erro do Timoneiro
12-Tomada de deciso (atracar o NT)
13-Deteco do Erro (pelo ON ou pelo Comte.)
Atracao

1-O Prtico sugere manobra (errada)


2- O ON manobra o navio
3-O Comandante do NT ratifica o erro
Falha na execuo da manobra de 4-Erro do Timoneiro
19
atracao por outras questes (NT) 5-Erro dos Marinheiros de Convs (so 2)
6-Tomada de deciso (atracar o NT)
7-Deteco do Erro (pelo ON ou pelo Comandante)

1-O Lder da Op. d ordem (errada)


2-Inspetor A1 no critica a manobra
3-Inspetor A2 no critica a manobra
Falha na execuo da manobra de 4-O Inspetor CM informa (errado) ao Lder
20
atracao por outras questes (TGL) 5-Erro dos Amarradores (so 7)
6-Tomada de deciso (atracar o NT)
7-Deteco do Erro (pelo Lder)

1-Erro do Marinheiro do Mangote (Convs)


Descarga

2-Tomada de deciso (descarregar o NT)


21 Falha do operador do mangote (NT)
3-Deteco do Erro (pelo ON)

37 Como informado anteriormente, h um Gerente e um Supervisor da Cia. Transportadora.


Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 180
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1-Gerente da Cia. Transportadora informa a todos


2-O Supervisor da Cia. Transportadora concorda
3-O ON manobra o navio (no diz nada e cumpre)
4-Erro do Marinheiro do Mangote (Convs)
Falha na execuo da manobra de descarga
25 5-O Lder da Op. no diz nada
devido a presses comerciais (TGL/NT)
6-O Inspetor CM informa (errado) ao Lder
7-Tomada de deciso (descarregar o NT)
8-Deteco do Erro (pelo Lder ou ON)

1-O Lder da Op. no manda parar a manobra


2-O ON se omite
Falha na operao de conexo do manifold
26 3-Erro do Marinheiro do Mangote (Convs)
com o navio-tanque (TGL/NT)
4-Tomada de deciso (descarregar o NT)
5-Deteco do Erro (pelo Lder ou ON)
1-O Lder da Op. no manda parar a manobra
2-O Inspetor D no critica a manobra
Falha na execuo da manobra de
3- O ON se omite
29 recolhimento do mangote devido a presses
4-Erro do Marinheiro do Mangote (Convs)
comerciais (TGL/NT)
5-Tomada de deciso (recolher mangote)
6-Deteco do Erro (pelo Lder ou ON)
1-Supervisor do TGL d a ordem
2-O Gerente da Cia. Transportadora concorda
3-O Supervisor da Cia. Transportadora concorda
4-O Prtico sugere manobra (errada)
5-O ON manobra o navio
Falha na execuo da manobra de 6-O Comandante do NT ratifica o erro
33 desatracao devido a presses comerciais 7-Erro do timoneiro
(TGL/NT) 8-Erro do Marinheiro de Convs (so 2)
9-O Lder da Op. no faz nada
10-O Inspetor D no critica a manobra
11-O Inspetor CM informa (errado)
12-Tomada de deciso (desatracar o NT)
13-Deteco do Erro (pelo ON ou Comte.)
Desatracao

1-O Supervisor do TGL d a ordem


2-O Gerente da Cia. Transportadora concorda
3-O Supervisor da Cia. Transportadora concorda
Falha na manobra de desatracao do 4-O Lder da Op. se omite
38
navio-tanque por outras questes (TGL) 5-O Inspetor D no crtica a manobra
6-O Inspetor CM informa (errado) ao Lder
7-Tomada de deciso (desatracar o NT)
8-Deteco do Erro (pelo Lder ou ON)
1-O Prtico sugere manobra (errada)
2-O ON manobra o navio
3-O Comandante ratifica o erro
Falha na manobra de desatracao do
39 4-Erro do Timoneiro
navio-tanque por outras questes (NT)
5-Erro do Marinheiro de Convs (so 2)
6-Tomada de deciso (desatracar o NT)
7-Deteco do Erro (pelo Lder ou ON)

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 181
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Como informado, deve ser dado um tratamento adequado das dependncias,


no campo da HRA, que um problema bem enfrentado pela RB, conforme mostra
MOSLEH e EKANEM (2013) e DROGUETT et al. (2005). Segundo os autores, a
tcnica de RB supera as tcnicas ETA e FTA, na HRA, porque esses mtodos,
trabalham as variveis como se fossem independentes, tornando-se, como j
mencionado anteriormente, uma caracterstica limitadora, para o trabalho aqui
apresentado.

As RB facilitam a modelagem das aes humanas, pois possvel admitir as


relaes de dependncia entre os fatores de desempenho (FD), ou seja, a dinmica
das relaes do homem com o contexto, outras pessoas e as mquinas utilizadas
(DROGUETT et al., 2010).

A seguir, so apresentadas as redes para estas tarefas, levando em


considerao os eventos bsicos com elemento humano, sendo apresentados dois
estados para cada n. A numerao dos eventos respeita o disposto na Tabela 23.

4.4.2.1. Evento 2 Falha na Identificao do Tipo de Navio (NT/TGL)

Na instalao industrial sob estudo, como foi dito anteriormente, na


programao e chegada do navio, a Cia. Transportadora informa a Cia.
Concessionria do terminal a programao dos navios que transportam os
combustveis, qual o combustvel a ser descarregado, cabendo Cia.
Concessionria a validao de tal programao por meio da anlise da
disponibilidade do TGL para a operao. O Supervisor do TGL que faz a validao
e recebe a informao sobre o tipo de navio, observadas as restries gerais e
especficas para os navios-tanques, j informadas. Se a Cia. Transportadora, por
intermdio do seu Gerente informa errado o tipo de navio-tanque para o Supervisor
do TGL, a falha ocorre. Se o Supervisor entende errado e autoriza a atracao, a
falha ocorre. Se o Oficial de Nutica recebe a informao de que para atracar, no
observando as restries, e comunica ao Comandante do NT, que ratifica a ordem, a
falha ocorre. O erro s percebido com a aproximao do NT para atracao. A
falha conjunta, tanto da equipe do TGL, quanto da equipe do NT. Considerando

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 182
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

que o Oficial de Nutica ou/e o Supervisor do TGL podem tomar decises


equivocadas, a rede desenvolvida mostrada na Figura 78.

GerenteInforma SupervisorEntende ON_Manobra_NT ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 97.1 Certo 96.1 Certo 95.2 Certo 94.3
Errado 1.00 Errado 1.98 Errado 2.94 Errado 3.88 Errado 4.80 Errado 5.71

FalhaIdentNavio
NaoOcorrencia 93.4
Ocorrencia 6.59

Figura 78 Rede Bayesiana do evento 2.

4.4.2.2. Evento 3 Falha na Informao sobre o deslocamento do Navio


(NT/TGL)

A falha tambm conjunta: TGL e NT. O deslocamento mximo do navio para


atracao foi informado anteriormente, se constituindo em uma restrio geral. Em
geral, de acordo com a visita planta, s atracam NT de, no mximo, 40.000 ton. de
deslocamento. O supervisor do TGL recebe essa informao, e possvel que
entenda errado. Comunica a permisso para atracao no TGL ao NT. Por seu
turno, o Oficial de Nutica no sabe das limitaes, e pode ter uma informao
equivocada para tomar a deciso de aproximar o NT. O procedimento daqui para
diante o mesmo da seo anterior e a rede desenvolvida a mesma (Figura 79).

GerenteInforma SupervisorEntende ON_Manobra_NT ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 97.1 Certo 96.1 Certo 95.2 Certo 94.3
Errado 1.00 Errado 1.98 Errado 2.94 Errado 3.88 Errado 4.80 Errado 5.71

FalhaDeslNavio
NaoOcorrencia 93.4
Ocorrencia 6.59

Figura 79 Rede Bayesiana do evento 3.

4.4.2.3. Evento 6 Falha de Comunicao (NT/TGL)

A comunicao feita principalmente por via rdio, e secundariamente por


meio de sinais (bandeiras) ou cdigo Morse. Pode ocorrer de a comunicao ser
realizada em ingls. O NT s vai se aproximar se receber autorizao do Supervisor
do TGL. O Oficial de Nutica pode entender errado, sendo ratificado pelo
Comandante do NT. O Comandante pode entender que no necessrio entrar em
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 183
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

contato com o TGL, e por sua vez, o Supervisor do TGL no entra em contato com o
navio. tomada a deciso de manobrar o navio pelo Comandante, e a falha ocorre,
sendo que, a deteco do erro, efetivada ou pelo pessoal do NT (O Oficial de
Nutica) ou pelo pessoal do TGL (Lder). A rede desenvolvida mostrada na Figura
80.

ON_Manobra_NT ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 97.0 Certo 96.1
Errado 1.0 Errado 1.98 Errado 2.95 Errado 3.89

ComandanteComunicacao
Comunica 99.0 FalhaComunicacao
NaoCom unica 1.0
NaoOcorrencia 95.2
Ocorrencia 4.81

SupTGLComunicacao
Comunica 99.0
NaoCom unica 1.0

Figura 80 Rede bayesiana do evento 6.

4.4.2.4. Evento 7 Falha na aproximao do NT para o TGL (NT)

A atuao do prtico, na configurao estudada, obrigatria, por fora das


normas da Diretoria de Portos e Costas da Marinha e da IMO. Ele pode sugerir
decises equivocadas, no observando as restries gerais e especficas para os
navios-tanques, na rea sob estudo, conforme j informado. Por sua vez, o
Comandante do NT, que deve estar presente nesta situao de manobra, nada diz,
ratificando o erro do prtico. Tambm pode ocorrer do Prtico sugerir determinada
rota ao Oficial de Nutica ON, ratificada pelo Comandante, e o timoneiro errar. A
deciso de manobrar o NT em qualquer circunstncia tomada, o erro ocorre na
sequncia. O erro do pessoal do NT. A rede construda para este evento
mostrada na Figura 81.

PraticoSugere ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 96.1 Certo 95.2
Errado 1.0 Errado 1.98 Errado 3.90 Errado 4.82

TimoneiroErra
Certo 97.1
Errado 2.94
FalhaHumManobraAprox
NaoOcorrencia 94.3
Ocorrencia 5.73

Figura 81 Rede bayesiana do evento 7.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 184
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.2.5. Evento 10 Equipe do TGL est em conflito e erra (TGL)

A equipe do TGL composta de 11 pessoas (Cia. Concessionria). muito


provvel que haja algum conflito, tendo em vista a rotina pesada, repetitiva e
contnua a que so submetidos. O autor presenciou tal conflito, sob a forma de
bate-boca, por ocasio da visita planta industrial, mas que foi sanado a contento
com interveno do Lder da Operao. Neste caso, erra o supervisor do TGL ou na
contratao das pessoas ou na falta de implementar uma dinmica de grupo ou por
outras questes. Se o Lder da Operao no controla a situao, segue que os
Inspetores no iro agir, porque entendem que obrigao do Lder e no criticam a
situao. A situao pode ser agravada pela informao equivocada do Inspetor
Meteorolgico. Tomada a deciso pelo Supervisor de no interferncia, e levar
adiante a operao, a falha ocorre, por responsabilidade to-somente do pessoal do
TGL. A rede mostrada na Figura 82.

SupervisorNaoAtuaConflito TomadaDecisao DeteccaoErro


Certo 98.0 Certo 97.1 Certo 96.1
Errado 1.98 Errado 2.94 Errado 3.88

LiderOperacaoNaoFazNada
InspetorCMinforma Certo 98.0
EquipeTGLConflito
Certo 99.0 Errado 1.98
NaoOcorrencia 95.2
Errado 1.00
Ocorrencia 4.80

InspetorA1naoCritica
Certo 98.0
Errado 1.98

InspetorA2naoCritica
Certo 98.0
Errado 1.98

Figura 82 Rede bayesiana do evento 10.

4.4.2.6. Evento 11 Equipe do TGL inexperiente e erra (TGL)

um evento pouco provvel, mas que possvel, por erro do Supervisor do


TGL na escolha da equipe, ratificado pelo Lder da Operao, devido a um temor
reverencial em relao ao Supervisor. Por seu turno, os Inspetores de Amarrao
nada questionaro, executando as ordens do Lder. Pode haver agravamento pela
inexperincia do Inspetor Meteorolgico. Trata-se de evento decorrente to-somente
das atividades do pessoal do TGL. Tomada a deciso pelo Supervisor, de levar
adiante a operao, a falha ocorre. A rede mostrada na Figura 83.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 185
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

SupervisorMantemEquipe TomadaDecisao DeteccaoErro


Certo 98.0 Certo 97.1 Certo 96.1
Errado 1.98 Errado 2.94 Errado 3.88

LiderOperacaoConcorda
InspetorCMinforma Certo 98.0 EquipeTGLInexperiente
Certo 99.0 Errado 1.98
NaoOcorrencia 95.2
Errado 1.00 Ocorrencia 4.80

InspetorA1naoCritica
Certo 98.0
Errado 1.98

InspetorA2naoCritica
Certo 98.0
Errado 1.98

Figura 83 Rede Bayesiana do evento 11.

4.4.2.7. Evento 13 Falha na execuo da manobra de atracao devido a


presses comerciais (NT/TGL)

Certo que em um mundo globalizado e competitivo, o lucro das empresas


fator determinante para a execuo de tarefas em intervalos de tempo cada vez
menores. O NT na planta industrial em questo precisa descarregar o produto em 24
horas. As presses para a desocupao do TGL, a fim de se atender a outras
demandas, em especial do embarque de minrio de ferro nos Peres 1 e 2, ou para
que o navio-tanque esteja livre, e seja usado em outras rotas, muito grande.
Devido a essas presses, o erro provvel, tanto por parte do pessoal do TGL,
quanto do NT, envolvidos na faina. Desta forma, se o Gerente da Cia.
Transportadora erra, ratificado pelo Supervisor, a falha na atracao ocorre. Da
mesma forma, se h um erro dos Inspetores de Amarrao do TGL (que no criticam
a manobra), ratificado pelo Lder da Equipe, pelo Supervisor do TGL, a falha na
atracao ocorre. O mesmo se d em relao ao NT. Com o erro do Prtico
(sugesto do posicionamento equivocado do NT no canal, sugesto de n de
rebocadores insuficientes, etc.) e a ratificao do erro pelo ON ou pelo Comandante,
a falha na atracao ocorre. Tambm pode ocorrer do timoneiro se equivocar na
manobra do NT. A tomada a deciso determina a consumao do erro, sendo que, a
deteco do erro efetivada, ou pelo pessoal do NT ou pelo pessoal do TGL. A rede
desenvolvida mostrada na Figura 84.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 186
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

GerenteInforma ON_Manobra_NT ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 97.0 Certo 96.1 Certo 94.7 Certo 93.8
Errado 1.0 Errado 2.95 Errado 3.89 Errado 5.27 Errado 6.16

SupCiaTranspConcorda
SupTGLNaoFazNada Certo 97.0 PraticoSugere TimoneiroErra
Errado 2.95 FalhaExecManobraAtrac
Certo 98.0 Certo 99.0 Certo 95.2
NaoOcorrencia 93.0
Errado 1.98 Errado 1.0 Errado 4.81
Ocorrencia 7.04

LiderOpSeOmite
Certo 96.1
Errado 3.90

InspetorCMinforma InspetorAtracA1naoCritica InspetorAtracA2naoCritica


Certo 99.0 Certo 95.2 Certo 95.2
Errado 1.0 Errado 4.83 Errado 4.83

Figura 84 Rede Bayesiana do evento 13.

4.4.2.8. Evento 19 Falha na execuo da manobra de atracao devido a


outras questes (NT)

Outras questes podem perturbar a execuo da manobra de atracao do NT


no Per do TGL. No caso do pessoal do NT, pode o Prtico sugerir, de forma
equivocada, algum procedimento, que ser confirmado pelo ON ou/e pelo
Comandante. Ou ainda, o Timoneiro do NT pode agir de forma errada, levando a
eventos catastrficos. Os marinheiros de convs (no caso so dois, considerados
em conjunto) tambm podem agir de forma imprudente, imperita ou negligente, na
operao de atracao, em relao s ordens emanadas dos seus superiores. Por
exemplo, no terem preparado as espias para a atracao. Tomada a deciso de
continuar a operao pelos responsveis, o erro acontece, gerando a falha. Uma vez
detectada a falha, se verificar a possibilidade de reparo do erro ou no. A rede
desenvolvida para esse evento mostrada na Figura 85.

PraticoSugere ON_Manobra_NT ComandanteRatifica TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 97.1 Certo 95.2 Certo 94.3
Errado 1.0 Errado 1.98 Errado 2.94 Errado 4.82 Errado 5.72

TimoneiroCumpreOrdem MarinheirosCumpremOrdem FalhaEquipeNT_Atrac


Certo 96.1 Adequada 96.1 NaoOcorrencia 93.4
Errado 3.88 Inadequada 3.88 Ocorrencia 6.61

Figura 85 Rede bayesiana do evento 19.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 187
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.2.9. Evento 20 Falha na execuo da manobra de atracao devido a


outras questes (TGL)

Da mesma forma que no item seguinte, a equipe do TGL pode se equivocar na


manobra de atracao, devido a outras questes (por exemplo, vspera de natal,
noite, est chovendo muito, e eles esto descarregando combustvel, que poderia
ser feito no dia seguinte pela manh). H uma sequncia de erros que so
confirmados pelos superiores ou no so questionados pelos subordinados,
principalmente pelos amarradores (em um total de sete). Tomada a deciso de
continuar a operao pelos responsveis, o erro acontece, gerando a falha. Uma vez
detectada a falha, se verificar a possibilidade de reparo do erro ou no. A rede
desenvolvida para esse evento mostrada na Figura 86.

InpetorAtracA2naoCritica
Certo 97.0
Errado 2.95
TomadaDecisao DeteccaoErro
Certo 96.1 Certo 95.2
Errado 3.92 Errado 4.84

InspetorCMinforma LiderOpDaOrdem AmarradoresExecutamOrdem FalhaEquipeTGL_Atrac


Certo 99.0 Certo 98.0 Certo 97.0 NaoOcorrencia 94.3
Errado 1.0 Errado 1.98 Errado 2.96 Ocorrencia 5.74

InpetorAtracA1naoCritica
Certo 97.0
Errado 2.95

Figura 86 Rede bayesiana do evento 20.

4.4.2.10. Evento 21 Falha do operador do mangote (NT)

O operador do mangote um marinheiro do NT que ir talingar o conjunto de


mangueiras (feitas de borracha flexvel, especial para a indstria offshore Figura
87), ao navio e ao porto, a fim de que seja bombeado o produto lquido inflamvel
dos tanques do navio para os tanques de armazenamento, via tubulaes, passando
por um conjunto de vlvulas (manifold ver Figura 56 e Figura 57).

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 188
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Figura 87 Mangotes industriais offshore


extrado do site: http://br.hansa-
flex.com/solutions/mangueiras_offshore.html
.

Se o operador do mangote toma uma deciso equivocada, a falha acontece, e


o erro detectado pelas equipes. A rede desenvolvida para esse evento mostrada
na Figura 88.

OperadorMangoteCumpreOrdem TomadaDecisao DeteccaoErro


Certo 99.0 Certo 98.0 Certo 97.1
Errado 1.0 Errado 1.98 Errado 2.94

FalhaOpMangote_Desc
NaoOcorrencia 96.1
Ocorrencia 3.88

Figura 88 Rede bayesiana do evento 21.

4.4.2.11. Evento 25 Falha na execuo da manobra de descarga devido a


presses comerciais (NT/TGL)

Uma vez conectado os sistemas navio e porto, por intermdio do mangote,


ocorre a descarga do produto. Pode ocorrer do Supervisor da Cia. Transportadora,
nas vinte e quatro horas de descarregamento, tomar alguma deciso errada, por
presses comerciais, que no vai ser contestada, nem pelo Gerente, nem pelo ON,
que ficar a bordo para resolver qualquer questo relativa descarga do
combustvel, segundo o regulamento da Cia. Transportadora. Alm disso, pode
haver algum equvoco do marinheiro do mangote, no detectado por ocasio da
conexo do mesmo, erro que, por omisso confirmado pelo ON. Nesta fase j no
h mais a figura do Prtico e os Inspetores de Amarrao no esto mais presentes,
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 189
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

restando o Lder da Operao e o Inspetor Meteorolgico, que podem confirmar a


descarga, mesmo havendo erros, tambm por presses comerciais. Tomada a
deciso de continuar a operao pelos responsveis, a falha acontece, sendo
percebida ou pela equipe do NT, ou pela equipe do TGL, ambas responsveis pelo
evento. A rede desenvolvida est mostrada na Figura 89.

GerenteInforma ON_Manobra_NT TomadaDecisao DeteccaoErro


Certo 99.0 Certo 97.5 Certo 95.5 Certo 94.6
Errado 1.0 Errado 2.46 Errado 4.48 Errado 5.39

SupCiaTranspConcorda
FalhaExecManobra_Desc
Certo 98.0
NaoOcorrencia 93.7
Errado 1.98
Ocorrencia 6.28

InspetorCMinforma LiderOpSeOmite MarinheiroMangoteCumpreOrdem


Certo 99.0 Certo 98.0 Certo 96.8
Errado 1.0 Errado 1.98 Errado 3.18

Figura 89 Rede Bayesiana do evento 25.

4.4.2.12. Evento 26 Falha na operao de conexo do manifold com o navio-


tanque (TGL/NT)

O manifold um conjunto de vlvulas que fica no Per, conforme mostra a


figura. O marinheiro do mangote deve verificar o subsistema, quando da operao
do mesmo. Se age de forma errada, e nem o Lder da Operao (TGL), nem o ON
(NT), nada dizem, corroboram com o seu erro, e tambm erram. Tomada a deciso
de continuar a operao pelos responsveis, a falha ocorre, sendo percebida ou
pela equipe do NT, ou pela equipe do TGL, ambas responsveis pelo evento. A rede
desenvolvida est mostrada na Figura 90.

LiderNaoMandaParar TomadaDecisao DeteccaoErro


Certo 99.0 Certo 96.1 Certo 95.2
Errado 1.0 Errado 3.90 Errado 4.82
MarinheiroMangoteCumpreOrdem
Certo 97.0
Errado 2.95

OficialNauticaSeOmite FalhaHumConexao_Desc
Certo 99.0
NaoOcorrencia 94.3
Errado 1.0
Ocorrencia 5.73

Figura 90 Rede bayesiana do evento 26.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 190
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.2.13. Evento 29 Falha na manobra de recolhimento do mangote devido a


presses comerciais (TGL/NT)

Da mesma forma que o tpico anterior, o recolhimento de forma equivocada do


mangote pelo marinheiro do mangote (moo de convs), leva ao erro humano, que
pode ser corroborado pelo ON, pelo Inspetor da Desatracao (somente um), que
no critica a manobra, e pelo Lder da Operao. Tomada a deciso de continuar a
operao pelos responsveis, a falha ocorre, sendo percebida ou pela equipe do NT,
ou pela equipe do TGL, ambas responsveis pelo evento. A rede desenvolvida est
mostrada na Figura 91.

InspetorDesatracNaoCritica
Certo 98.0
Errado 1.98

LiderNaoMandaParar TomadaDecisao DeteccaoErro


Certo 99.0 Certo 95.2 Certo 94.3
Errado 1.0 Errado 4.83 Errado 5.74
MarinheiroMangoteCumpreOrdem
Certo 96.1
Errado 3.90

FalhaExecRecMang_Desc
NaoOcorrencia 93.4
Ocorrencia 6.62
OficialNauticaSeOmite
Certo 99.0
Errado 1.0

Figura 91 Rede bayesiana do evento 29.

4.4.2.14. Evento 33 Falha na manobra de desatracao devido a presses


comerciais (TGL/NT)

As presses comerciais so inevitveis, mas os operadores de uma planta


industrial da complexidade aqui tratada neste estudo, precisam ter inteligncia
emocional, antes de tudo. Da mesma forma que o item 4.4.2.7, h um erro coletivo,
desencadeando o evento em questo. Tomada a deciso de continuar a operao
pelos responsveis, a falha ocorre, sendo percebida ou pela equipe do NT, ou pela
equipe do TGL, ambas responsveis pelo evento. A rede desenvolvida est
mostrada na Figura 92.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 191
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

SupTGLDaOrdem ONmanobraNT ComandanteRatifica TomadaDecisao DeteccaoErro


Certa 98.0 Certo 96.3 Certo 95.4 Certo 94.0 Certo 93.1
Errada 1.98 PraticoSugere Errado 3.68 Errado 4.61 Errado 5.98 Errado 6.86
Certa 99.0
Errada 1.0

MarinheiroConvesCumpreOrdem TimoneiroCumpreOrdem FalhaExecManobraDesatrac


Certa 95.4 Certo 94.5 NaoOcorrencia 92.3
Errada 4.61 Errado 5.52 Ocorrencia 7.73

GerenteCiaTranspConcorda
Certa 97.1
Errada 2.94 InspetorDesatracNaoCritica
LiderOpNaoFazNada
Certa 97.5
Certa 97.5
Errada 2.46
Errada 2.46

SupCiaTranspConcorda
Certa 96.1
Errada 3.88

InspetorCMInforma
Certa 99.0
Errada 1.0

Figura 92 Rede Bayesiana do evento 33.

4.4.2.15. Evento 38 Falha na manobra de desatracao do navio-tanque


devido a outras questes (TGL)

Da mesma forma que os itens 4.4.2.8 e 4.4.2.9, a falha na manobra de


desatracao do navio-tanque devido a outras questes (greve, por exemplo), foi
separada em dois itens, um levando em considerao a atuao da equipe do TGL,
e outro levando em considerao a equipe do NT. Tomada a deciso de continuar a
operao pelos responsveis, a falha ocorre, sendo percebida ou pela equipe do NT,
ou pela equipe do TGL, ambas responsveis pelo evento. A rede desenvolvida est
mostrada na Figura 93.

SupTGLDaOrdem InspetorCMInforma TomadaDecisao DeteccaoErro FalhaEquipeTGL_Desatrac


Certa 98.0 Certa 99.0 Certo 97.1 Certo 96.1 NaoOcorrencia 95.2
Errada 1.98 Errada 1.0 Errado 2.94 Errado 3.88 Ocorrencia 4.80

InspetorDesatracNaoCritica
GerenteCiaTranspConcorda Certa 98.0
Certa 97.1 Errada 1.98
Errada 2.94

SupCiaTranspConcorda LiderOpSeOmite
Certa 96.1 Certa 97.0
Errada 3.88 Errada 2.95

Figura 93 Rede Bayesiana do evento 38.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 192
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.2.16. Evento 39 Falha na manobra de desatracao do navio-tanque


devido a outras questes (NT)

Da mesma forma que os itens 4.4.2.8 e 4.4.2.9, a falha na manobra de


desatracao do navio-tanque devido a outras questes (greve, por exemplo), foi
separada em dois itens, um levando em considerao a atuao da equipe do TGL,
e outro levando em considerao a equipe do NT. Tomada a deciso de continuar a
operao pelos responsveis, a falha ocorre, sendo percebida ou pela equipe do NT,
ou pela equipe do TGL, ambas responsveis pelo evento. A rede desenvolvida est
mostrada na Figura 94.

MarinheiroConvesCumpreOrdem
Certa 96.1
Errada 3.88

ONmanobraNT ComandanteRatifica TomadaDecisao DeteccaoErro FalhaEquipeNT_Desatrac


Certo 98.0 Certo 97.1 Certo 95.2 Certo 94.3 NaoOcorrencia 93.4
Errado 1.98 Errado 2.94 Errado 4.82 Errado 5.72 Ocorrencia 6.61

PraticoSugere TimoneiroCumpreOrdem
Certo 99.0 Certo 96.1
Errado 1.0 Errado 3.88

Figura 94 Rede Bayesiana do evento 39.

4.4.3. Redes Bayesianas dos Fatores de Desempenho das Tarefas

Conforme mtodo apresentado por MATURANA (2010), neste tpico foram


levantados os fatores de desempenho (relacionados s tarefas do tpico anterior) e
as redes para estes fatores. Primeiramente, as habilidades consideradas essenciais
para a realizao de cada atividade so relacionadas e, em seguida, a rede genrica
para os fatores de desempenho, conforme apresentado na subseo 3.2 (ver Figura
42 e a Figura 43), aplicada para a obteno das Redes Bayesianas a fim de
representar os fatores que mais influenciam a execuo das atividades relacionadas
ao evento no descarga dos granis lquidos inflamveis.

Como se ver adiante, alguns fatores discriminados para determinada tarefa


so ligados a diversas atividades desta tarefa. A razo de tal correlao porque

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 193
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

um conjunto de atividades pode ser executado somente por uma pessoa ou porque
tal fator est disponvel para mais de uma pessoa (por exemplo, os fatores
ambientais no porto ou no navio). Modelar as causalidades existentes nas aes
humanas o objetivo e as RBs proporcionam uma maior flexibilidade s variaes
componentes do processo considerado na interao dos dois sistemas (porto e
navio).

4.4.3.1. Lista de Habilidades Relacionadas s Atividades

Na Tabela 25 possvel verificar as atividades correlacionadas aos eventos


bsicos da rvore de Falhas, cuja atuao do elemento humano pode levar a erros.
Com base nas habilidades listadas na Tabela 17 (identificadas por nmeros
romanos), foi possvel construir a Tabela 26. Esta tabela apresenta as habilidades
consideradas essncias para a boa execuo das atividades ligadas ao evento no
descarga e foi elaborada a partir da experincia do autor e das informaes obtidas
junto aos operadores do TGL e do NT.

Tabela 26 Habilidades correlacionadas s atividades.


Evento Descrio Habilidades Requeridas
1-O Gerente da Cia. Transportadora informa (ao TGL sobre o NT) IV, VIII
2-Entendimento (errado) do Supervisor do TGL I, X
3- O Oficial de Nutica (ON) manobra o navio II, IV, XII
2
4-Comandante do NT ratifica o erro I, X
5-Tomada de Deciso (aproximar o NT para cumprir a programao) I, XI
6-Deteco do Erro (pelo ON ou Comte.) III, X

1-O Gerente da Cia. Transportadora informa (ao TGL e ao NT) IV, VIII
2-Entendimento (errado) do Supervisor do TGL I, X
3- O ON manobra o navio II, IV, XII
3
4-Comandante do NT ratifica o erro I, X
5-Tomada de Deciso (aproximar o NT para cumprir a programao) I, XI
6-Deteco do Erro (pelo ON ou Comte.) III, X

1-O ON entendeu (errado) (no era para manobrar) I, VIII


2-O Comandante do NT ratifica o erro I, X
3-O Comandante do NT no faz contato por qualquer meio I,VII
6
4-O Supervisor do TGL no fez contato por qualquer meio I, VII
5-Tomada de deciso (manobrar o NT em aproximao ao TGL) I, XI
6-Deteco do Erro (pelo ON ou Comte.) III, X

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 194
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1- O Prtico sugere manobra (errada) I, V


2-Comandante ratifica o erro I, X
7 3-Erro do Timoneiro I, IX
4-Tomada de deciso (manobrar o NT em aproximao ao TGL) I, XI
5-Deteco do Erro (pelo ON ou Comte.) III, X

1-O Supervisor do TGL no atua no conflito XII, XIII


2-O Lder da Op. no faz nada XII, XIV
3-O Inspetor A1 no critica X, XII
10 4-O Inspetor A2 no critica X, XII
5-O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X
6-Tomada de Deciso (preparar o TGL para receber o NT) I, XI
7-Deteco do Erro (pelo Lder) III, X

1-O Supervisor do TGL mantm a equipe X, XIV


2-O Lder da Op. concorda (com a manobra) X, XV
3-O Inspetor A1 no critica X, XII
11 4-O Inspetor A2 no critica X, XII
5-O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X
6-Tomada de Deciso (preparar o TGL para receber o NT) I, XI
7-Deteco do Erro (pelo Lder) III, X

1-O Gerente da Cia. Transportadora informa (ao Supervisor do TGL) IV, VIII
2-O Supervisor da Cia. Transportadora concorda X, XIII
3-O Supervisor do TGL no faz nada I, X
4-O Lder da Op. se omite X, XII
5-O Inspetor A1 no critica a manobra X, XII
6-O Inspetor A2 no critica a manobra X, XII

13 7-O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X


8- O Prtico sugere manobra (errada) I, V
9-O ON manobra o navio II, IV, XII
10-O Comandante do NT ratifica o erro I, X
11-Erro do Timoneiro I, IX
12-Tomada de deciso (atracar o NT no TGL) I, XI
13-Deteco do Erro (pelo ON ou Comte.) III, X

1- O Prtico sugere manobra (errada) I, V


2- O ON manobra o navio II, IV, XII
3-O Comandante do NT ratifica o erro I, X
19 4-Erro do Timoneiro I, IX
5-Erro dos Marinheiros de Convs (so 2) III, VI, VII
6-Tomada de deciso (atracar o NT no TGL) I, XI
7-Deteco do Erro (pelo ON ou Comte.) III, X

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 195
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1-O Lder da Op. d ordem (errada) I, X


2-O Inspetor A1 no critica a manobra X, XII
3-O Inspetor A2 no critica a manobra X, XII
20 4- O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X
5-Erro dos Amarradores (so 7) III, VII, VIII
6-Tomada de deciso (atracar o NT no TGL) I, XI
7-Deteco do Erro (pelo Lder ou ON) III, X

1-Erro do Marinheiro do Mangote (Convs) III, VI, VII


21 2-Tomada de deciso (descarregar o produto inflamvel) I, XI
3-Deteco do Erro (pelo Lder ou ON) III, X

1-O Gerente da Cia. Transportadora informa ao Supervisor do TGL IV, VIII


2-O Supervisor da Cia. Transportadora concorda X, XIII
3-O ON manobra o navio (no diz nada e cumpre) I, X
4-Erro do Marinheiro do Mangote (Convs) III, VI, VII
25
5-O Lder da Op. no diz nada X, XII
6- O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X
7-Tomada de deciso (descarregar o produto inflamvel) I, XI
8-Deteco do Erro (pelo Lder ou ON) III, X

1-O Lder da Op. no manda parar a manobra X, XIV


2-O ON se omite X, XII
26 3-Erro do Marinheiro do Mangote (Convs) III, VI, VII
4-Tomada de deciso (descarregar o produto inflamvel) I, XI
5-Deteco do Erro (pelo Lder ou ON) III, X

1-O Lder da Op. no manda parar a manobra X, XIV


2-O Inspetor D no critica a manobra X, XII
3- O ON se omite X, XII
29
4-Erro do Marinheiro do Mangote (Convs) III, VI, VII
5-Tomada de deciso (descarregar o lquido inflamvel) I, XI
6-Deteco do Erro (pelo Lder ou ON) III, X

1-O Supervisor do TGL d a ordem (para desatracar) X, XII


2-O Gerente da Cia. Transportadora concorda VIII, XIII
3-O Supervisor da Cia. Transportadora concorda X, XIII
4- O Prtico sugere manobra (errada) I, V
5-O ON manobra o navio II, IV, XII
6- O Comandante do NT ratifica o erro I, X
33 7-Erro do Timoneiro I, IX
8-Erro do Marinheiro de Convs (so 2) III, VI, VII
9-O Lder da Op. no faz nada X, XII
10-O Inspetor D no critica a manobra X, XII
11-O Inspetor CM informa (errado, as condies do tempo) ao Lder I, X
12-Tomada de deciso (desatracar o NT do TGL) I, XI
13-Deteco do Erro (pelo Lder ou ON) III, X

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 196
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

1-O Supervisor do TGL d a ordem (para desatracar o NT) X, XII


2-O Gerente da Cia. Transportadora concorda VIII, XIII
3-O Supervisor da Cia. Transportadora concorda X, XIII
4-O Lder da Op. se omite X, XII
38
5-O Inspetor D no critica a manobra X, XII
6-O Inspetor CM informa (errado) I, X
7-Tomada de deciso (desatracar o NT do TGL) I, XI
8-Deteco do Erro (pelo Lder ou ON) III, X

1-O Prtico sugere manobra (errada) I, V


2-O ON manobra o navio II, IV, XII
3-O Comandante ratifica o erro I, X
39 4-Erro do Timoneiro I, IX
5-Erro do Marinheiro de Convs (so 2) III, VI, VII
6-Tomada de deciso (desatracar o NT do TGL) I, XI
7-Deteco do Erro (pelo Lder ou ON) III, X

Todos os eventos bsicos com a possibilidade de erro humano foram


associados s habilidades. A tabela foi utilizada na construo da topologia de redes
para os fatores de desempenho. A ttulo de exemplo, ser apresentado o
desenvolvimento da RB para o evento bsico 2-Falha na Identificao do Tipo de
Navio (NT/TGL).

4.4.3.2. Rede Bayesiana dos fatores associados ao evento Falha na


Identificao do Tipo de Navio (NT/TGL)

A ttulo de exemplo, ser apresentada uma anlise individual de uma atividade


relacionada tarefa humana que leva Falha na identificao do tipo de navio.
Para a atividade 2-1: Gerente da Cia. Transportadora informa; a Tabela 27
apresenta as habilidades requeridas e os fatores de desempenho internos
relacionados (escolhidos entre os apresentados na Tabela 15, conforme o
julgamento deste autor, observada a opinio dos especialistas, sobre a influncia
dos mesmos), alm dos MOF (escolhidos com o apoio da Tabela 14) e dos fatores
ambientais (Tabela 16) relacionados a estes fatores de desempenho.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 197
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 27 Fatores de Desempenho para a atividade gerente da Cia. transportadora informa.


Habilidades Requeridas PSF MOF
C-coordenao do trabalho
12-distraes
M-atitudes da sup. e outros
IV conhecimento dos 16-velocidade na realizao
Internos C-coordenao do trabalho
procedimentos da tarefa
20-personalidade e
D-cultura organizacional
inteligncia
16-velocidade na realizao
C-coordenao do trabalho
da tarefa
19-identificao com a C-coordenao do trabalho
VIII equipe e comunicao Internos
equipe M-atitudes da sup. e outros
20-personalidade e
D-cultura organizacional
inteligncia
Obs.: Considerou-se que os fatores ambientais, nesta tarefa, no afetam em nada.

preciso informar que, nem todos os PSF, MOF e fatores ambientais listados
na Tabela 14, na Tabela 15 e na Tabela 16, estaro nas tabelas das atividades que
formam a tarefa, e levam ao evento bsico com ao humana, na linha de
entendimento de MARTINS (2013). Por exemplo, a informao prestada pelo
Gerente da Cia. Transportadora segue procedimentos explicitados em manual; da
associar para IV-conhecimento dos procedimentos o fator interno 12-distraes,
tendo para MOF associado C-coordenao do trabalho (no caso da planta em
anlise, o gerente no da mesma empresa do Supervisor do TGL) e M-atitudes
dos supervisores, sindicatos e agncias reguladoras (da o termo os outros). H
ainda a dependncia do fator interno 20-personalidade e inteligncia com o MOF
D-Cultura Organizacional, pelo que se optou construir dois ns a fim de evidenciar
que o PSF(20) est correlacionado a distintas habilidades requeridas, com estados
distintos (<Apropriada, Inapropriada>; <Adequada, Inadequada>).

Outro ponto a ser ressaltado a complexidade da RB final se as mnimas


influncias forem consideradas. Assim, cabe ao analista um estudo cuidadoso para
eliminar na modelagem os fatores que so secundrios, conforme informado por
MATURANA (2010), bem como evitar ns redundantes. A visita planta, por
diversas vezes, foi fundamental para a determinao dos fatores a serem
considerados. O mesmo pode ser concludo em relao aos fatores ambientais. V-
se, por exemplo, que na Tabela 27 no h qualquer influncia de fatores ambientais.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 198
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Nesta linha de entendimento, para as atividades 2-2-Entendimento (errado) do


Supervisor do TGL; 2-3- O Oficial de Nutica (ON) manobra o navio; 2-4-
Comandante do NT ratifica o erro; 2-5-Tomada de Deciso e 2-6-Deteco do
Erro, seguem a mesma sistemtica do exposto para a atividade 2-1: Gerente da
Cia. Transportadora informa. Essas informaes esto no Apndice C.

Com apoio na Tabela 27 e do descrito anteriormente, foi possvel desenvolver


uma Rede Bayesiana para os fatores que influenciam no desempenho das
atividades e do evento Falha na Identificao do Tipo de Navio (NT/TGL). A rede
integrada obtida est apresentada na Figura 95.

Figura 95 Rede bayesiana dos fatores que influenciam na atividade 2-1 atividade gerente da
Cia. transportadora informa.

Como pode ser visto na figura, os MOF atuam sobre vrios fatores internos
(PSF) que, por sua vez, condicionam as probabilidades das habilidades requeridas,
as quais influem na atividade do Gerente da Cia. Transportadora, quando o operador
informa (certo ou errado dois estados para o n) o tipo de navio tanqueiro que
atracar no TGL, para descarga (ou no) dos produtos lquidos inflamveis.

Observe que possvel concluir quais os MOF que devem ter a devida ateno
das empresas que operam o NT e o TGL, isto , que no podem ser ignorados,
tendo em vista a possibilidade de aumento do risco. Dentre os MOF da RB completa
(ver na impresso A0), os considerados mais crticos e presentes foram: (i) Carga de
Trabalho, (ii) Seleo de Pessoal e (iii) Programas de Treinamento.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 199
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

4.4.4. Preenchimento das Tabelas de Probabilidades Condicionais para o


processo

Para concretizar o trabalho, luz do caso sob estudo, a obteno das TPC
resultantes da construo das RBs dos eventos bsicos sob ao humana, foi
efetivada por intermdio das informaes obtidas com os especialistas e operadores
do NT e do TGL, com o critrio de preenchimento que considera os estados dos ns
pais, pois que, no h um banco de dados vivel para o preenchimento das TPC ou
aprendizado da rede global (RB obtida da rvore de falhas e RB com aplicao dos
PSF). Todavia, considerou-se as informaes de DROGUETT e MENSES (2007),
de que a utilizao da opinio de especialistas ou de um banco de dados exige a
verificao do quo adequadas e empregveis so as probabilidades obtidas.
Tambm se observou as informaes trazidas por MATURANA (2010) e MARTINS
(2013) que sugerem a utilizao de probabilidades estimadas com a aplicao da
THERP, aproveitando, indiretamente, os dados obtidos de banco de dados do setor
nuclear (americano), no caso da HEP, tendo em vista a escassez de dados para o
caso da indstria naval e levando em considerao que a coleta de informaes de
especialistas no um procedimento trivial, demandando tempo e recursos
financeiros. WANG et al. (2005) e RAMOS et al. (2012) tambm relatam que nem
sempre os dados histricos esto disponveis e, levantar um conjunto de dados,
demorado e caro, e a empreitada depende de muitas incertezas.

Entretanto, o autor deste trabalho, como j informado, visitou por diversas


vezes a planta industrial em referncia, tendo contato com os especialistas e
operadores do processo em anlise, o que ajudou de forma substancial no
preenchimento das TPC, como dito alhures. Todavia, ressalta-se que foram
modelados eventos ligados operao conjunta do navio tanqueiro e do TGL e,
assim, as probabilidades dos eventos modelados seriam melhor avaliadas se fosse
levado em considerao a manuteno dos equipamentos, reparos em caso de falha
dos equipamentos, atuao de pessoas externas planta, para conjugar essas
informaes com a informao dos especialistas. Infelizmente, este autor no
conseguiu acesso s informaes relativas aos mencionados fatores, de sorte que,
no h tempo e recursos financeiros para o detalhamento das RBs, sob esta tica. A

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 200
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

escassez de dados em HRA persiste na indstria naval e o uso de banco de dados


de outras indstrias vivel conforme informa PRVAKOVA e DANG (2013).

importante informar que, uma adequada formulao de perguntas aos


especialistas e tcnicos, de forma a superar a desconfiana e as dificuldades de
extrao das informaes sobre o comportamento humano em sistemas desta
complexidade, bem como o entendimento das respostas dadas, foram duas
barreiras extras para a confeco final das TPCs.

A rede bayesiana correlacionada a Tabela 27 mostrada na Figura 95. No


APNDICE D so mostradas todas as TPCs correlacionadas.

4.4.5. Restries da anlise para o caso estudado

Tendo em vista as informaes obtidas pelo autor, por ocasio das visitas feita
a planta industrial em estudo, tomada como exemplo genrico, observando ainda as
informaes colhidas com as entidades pblicas (Ministrio do Trabalho, Capitania
dos Portos, Tribunal Martimo, IBAMA, etc.), considerou-se, para este trabalho, a
descarga contnua de produtos lquidos inflamveis no TGL sob estudo, em um
prazo de um a dois dias (desde a aproximao do navio tanque at a sua
desatracao e sada da rea de manobra).

Considerou-se ainda, com base nas informaes obtidas junto aos operadores
e especialistas, e tendo em vista o prazo acima, uma descarga a cada dez dias. Em
um ano, portanto, sero, aproximadamente, 37 descargas programadas.

Como j anteriormente informado, considerando que h um evento indesejvel


(no descarga devido a algum vazamento, por exemplo), em mdia, por qualquer
motivo, ao ano, em conformidade com a Tabela 4 e com a opinio dos especialistas,
tem-se, aproximadamente, 0,027 = 2,7% (1 dividido por 37) de frequncia anual de
eventos indesejveis, mas que no, necessariamente, se traduz em empecilho para
a descarga do produto lquido inflamvel do NT para o TGL. Ou seja, a probabilidade
de uma no descarga do NT menor que o percentual acima apresentado. Tal

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 201
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

anlise vai ao encontro do afirmado por DROGUETT et al. (2005), pois sob a tica
freqencista, erro humano o nmero de erros por oportunidade para errar, em
determinado intervalo de tempo. Os autores lembram que o ambiente externo no
tem como ser mantido constante, da o erro pode variar.

Com base nisso, e observada as informaes dos especialistas, para os ns


pais das RBs criadas para a HRA, as TPCs foram preenchidas com a
probabilidade de 99% de sucesso e 1% de fracasso, exceto o MOF de Qualidade de
Vida (50%, devido as condies insalubres e perigosas da planta) e o Fator
Ambiental Rudo (5, 50%, devido as condies presenciadas pelo autor),
considerando que eventos indesejveis que levem a no descarga do NT so bem
menores que 2,7%.

O ndice 1 foi considerado como estado positivo e o ndice 2 sempre como


estado negativo. Para os ns filhos das RBs criadas para a HRA, com somente um
n pai, as TPCs sero preenchidas conforme a Tabela 28, onde 1
complementar a 2. Os valores so as probabilidades em percentuais. O n pai
tambm possui estados complementares (1 = estado positivo; 2 = estado
negativo), uma vez que foram considerados somente dois estados. O estado positivo
leva a um evento desejvel e o estado negativo leva a um estado indesejvel.
Considere que, em havendo um estado que leve a um evento indesejvel38 (neste
caso, negativo), a probabilidade de 1% de ocorrncia.

Tabela 28 TPC para N filho que possui


somente um n pai.
Estado do n filho ()
2
Estado do n pai 1 (estado
(estado
positivo)
negativo)
1 (estado
99 1
positivo)
2 (estado
1 99
negativo)

38Trata-se, portanto, da ocorrncia do evento bsico da rvore de falhas que est correlacionado ao
componente humano, conforme foi informado anteriormente.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 202
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Para os ns filhos das RBs criadas para a HRA, com dois ns pais, as
TPCs sero preenchidas conforme a Tabela 29, onde 1 complementar a 2. Os
estados nos ns pais tambm so complementares. Os valores so as
probabilidades em percentuais. Quando os estados dos ns pais possuem ndice
1, 1 igual a 99%; caso contrrio, 1 igual a 1%. Foi ponderado em 50% os
estados dos ns pais, quando antagnicos em suas complementariedades
(ndices). Por exemplo, para a tripla (1; 2; 1), sendo 1; 2 ns pais (na linha do
mencionado no item 2.5), probabilidade de ocorrncia de um estado positivo 1 de
50%.

Tabela 29 TPC para N filho que possui dois ns


pais.
Estado Estado Estado do n filho ()
do n do n
1 2
pai1 pai2
1 1 99 1
1 2 50 50
2 1 50 50
2 2 1 99

Para os ns filhos das RBs criadas para a HRA, com trs ns pais, as
TPCs sero preenchidas conforme a Tabela 30, onde 1 complementar a 2. Os
estados nos ns pais tambm so complementares. Os valores so as
probabilidades em percentuais. Considerou-se que, nenhum estado dos ns pais
que tenha ndice 2, leva ao estado 2 (negativo) com 1% de probabilidade de
ocorrncia. Para, pelo menos, um dos estados dos ns pais que tenha ndice 1,
leva ao estado 2 com 50% de probabilidade de ocorrncia. Para dois ou mais
estados dos ns pais que tenham ndice 2, leva ao estado 2 com 99% de
probabilidade de ocorrncia.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 203
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 30 TPC para N filho que possui trs ns pais.


Estado Estado Estado Estado do n filho ()
do pai1 do pai2 do pai3 1 2
1 1 1 99 1
1 1 2 50 50
1 2 1 50 50
1 2 2 1 99
2 1 1 50 50
2 1 2 1 99
2 2 1 1 99
2 2 2 1 99

Para os ns filhos das RBs criadas para a HRA, com quatro ns pais, as
TPCs sero preenchidas conforme a Tabela 31, onde 1 complementar a 2. Os
estados nos ns pais tambm so complementares. Os valores so as
probabilidades em percentuais. Considerou-se que, nenhum estado dos ns pais
que tenha ndice 2, leva ao estado 2 com 1% de probabilidade de ocorrncia. Para
um estado dos ns pais que tenha ndice 2, leva ao estado 2 com 25% de
probabilidade. Para dois estados dos ns pais com ndice 2, leva ao estado 2
com 50% de probabilidade. Para trs estados dos ns pais com ndice 2, leva ao
estado 2 com 75% de probabilidade de ocorrncia. Acima de trs estados dos ns
pais que tenha ndice 2, leva ao estado 2 com 99% de probabilidade de
ocorrncia.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 204
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 31 TPC para N filho que possui quatro ns pais.


Estado Estado Estado Estado Estado do n filho ()
do pai1 do pai2 do pai3 do pai4 1 2
1 1 1 1 99 1
1 1 1 2 75 25
1 1 2 1 75 25
1 1 2 2 50 50
1 2 1 1 75 25
1 2 1 2 50 50
1 2 2 1 50 50
1 2 2 2 25 75
2 1 1 1 75 25
2 1 1 2 50 50
2 1 2 1 50 50
2 1 2 2 25 75
2 2 1 1 50 50
2 2 1 2 1 99
2 2 2 1 1 99
2 2 2 2 1 99

Para os ns filhos das RBs criadas para a HRA, com cinco ns pais, as
TPCs sero preenchidas conforme a Tabela 32, onde 1 complementar a 2. Os
estados nos ns pais tambm so complementares. Os valores so as
probabilidades em percentuais. Considerou-se que, nenhum estado dos ns pais
que tenha ndice 2, leva ao estado 2 com 1% de probabilidade de ocorrncia. Para
um estado dos ns pais que tenha ndice 2, leva ao estado 2 com 25% de
probabilidade de ocorrncia. Para dois ou trs estados dos ns pais que tenham
ndice 2, leva ao estado 2 com 50% de probabilidade. Para quatro estados dos ns
pais que tenha ndice 2, leva ao estado 2 com 75% de probabilidade de
ocorrncia. Acima de quatro estados dos ns pais que tenham ndice 2, leva ao
estado 2 com 99% de probabilidade de ocorrncia.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 205
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Tabela 32 TPC para N filho que possui cinco ns pais.


Estado do Estado do Estado do Estado do Estado do Estado do n filho ()
pai1 pai2 pai3 pai4 pai5 1 2
1 1 1 1 1 99 1
1 1 1 1 2 75 25
1 1 1 2 1 75 25
1 1 1 2 2 50 50
1 1 2 1 1 75 25
1 1 2 1 2 50 50
1 1 2 2 1 50 50
1 1 2 2 2 50 50
1 2 1 1 1 75 25
1 2 1 1 2 50 50
1 2 1 2 1 50 50
1 2 1 2 2 50 50
1 2 2 1 1 50 50
1 2 2 1 2 50 50
1 2 2 2 1 50 50
1 2 2 2 2 25 75
2 1 1 1 1 75 25
2 1 1 1 2 50 50
2 1 1 2 1 50 50
2 1 1 2 2 50 50
2 1 2 1 1 50 50
2 1 2 1 2 50 50
2 1 2 2 1 50 50
2 1 2 2 2 25 75
2 2 1 1 1 50 50
2 2 1 1 2 50 50
2 2 1 2 1 50 50
2 2 1 2 2 25 75
2 2 2 1 1 50 50
2 2 2 1 2 25 75
2 2 2 2 1 25 75
2 2 2 2 2 1 99

E assim por diante, com seis, sete e at oito ns pais, que em verdade,
somente aparecem uma vez na Rede Bayesiana para a HRA de todas as atividades
com o elemento humano (conforme foi informado anteriormente, por ocasio da
modelagem dos eventos bsicos ver item 4.4.2). A representao tabelar aqui fica
invivel, dado que, o nmero de linhas para representar os estados do n filho em
conjugao com os ns pais cresce em uma Progresso Geomtrica de razo 2 (j
que h dois estados para cada n), isto , 2q, onde q o nmero de ns pais.
Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal
porturio especializado 206
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

As informaes obtidas com os operadores e especialistas facilitaram o


preenchimento das TPCs, inclusive da Rede Bayesiana convertida a partir da rvore
de falhas, mostrada no tpico 4.4.1, com a incluso das incertezas conforme
avaliao dos especialistas.

As Redes Bayesianas e suas TPCs para os eventos bsicos compostos pelos


elementos humanos, a fim de aferir a HRA, esto mostradas nos APNDICES C e
D, para onde se remete o leitor. Na sequncia, apresentada a RB completa para o
caso em estudo.

4.4.6. Avaliao do mtodo proposto anlise preliminar

At aqui foi aplicado o mtodo exposto no Captulo 3. Em uma anlise


preliminar, luz das limitaes j mencionadas, e expostas por WANG et al. (2005)
e RAMOS et al. (2012), em relao ao uso das informaes obtidas com os
especialistas, a Rede Bayesiana completa mostrada na Figura 97.

A Rede possui uma dimenso considervel, de sorte que, a imagem da


mencionada figura em A4 fica ilegvel, apesar dos esforos do autor para obter uma
imagem mais acurada. Por esta razo a impresso foi feita em folha A0.

Pela configurao, a situao do n filho do evento de descarga do NT no


TGL, que consagra o evento topo da FTA, se apresenta na RB conforme a Figura
96.

Falha_na_Descarga
Ocorrencia 1.80
NaoOcorrencia 98.2

Figura 96 Probabilidade de
ocorrncia e no ocorrncia da
falha na descarga, tendo em
vista a RB completa.

Aplicao de Redes Bayesianas na Anlise de Risco do processo de descarga do navio-tanque em um terminal


porturio especializado 207
Departamento de Engenharia Naval e Ocenica
Escola Politcnica da Universidade de So Paulo

Su per viso rMa nte mE quipe Ins peto rCMin for m a_1 Int er pr etac oes _I5 Fadig a_6 Ca rg aTr aba lho_ A_ 5
Cer to 93.4 Ce rto 9 5.6 Bo a 97.0 Nao 9 8.0 B aixa 99 .0 Su per visor NaoAtu aConflit o In spe tor CMinfo rm a Inte rp re taco es_ I4 Fad iga_ 5 Car gaT rab alho _A_4
E rra do 6.56 E rr ado 4 .39 Ruim 3.03 Sim 1 .98 A lta 1 .0 Ger en teInf or ma _1 In ter pr eta coe s_I1 Fad iga_ 2 Car gaT ra balh o_A_1 Ge ren teIn for m a In ter pr et acoe s_I Fa diga _1 Ca rga Tr aba lho_ A
Cer to 93 .5 Ce rto 95.6 B oa 9 7.0 Nao 98.0 Ba ixa 9 9.0
E rra do 6.5 3 E rr ado 4.39 Ru im 3 .03 S im 1.98 Alta 1.0 Ce rto 9 5.2 B oa 73.8 Nao 9 8.0 B aixa 99.0 Ce rto 9 5.2 B oa 73 .8 Nao 98.0 B aixa 99.0
Fadig a_1_ 17 Co or dTr aba lho_ C_ 5 E rr ado 4 .81 Ruim 26.2 S im 1 .98 Alta 1.0 E rr ado 4 .81 Ruim 26 .2 S im 1.98 Alta 1.0
Inte rp re taco es_ I_12
Nao 9 8.0 B oa 99 .0 Fad iga_1 _16 Coor dT rab alho _C_4
Bo a 96.1 Sim 1 .98 Ru im 1 .0 In ter pr et acoe s_I_ 11 Fadig a_1 _5 Coo rdT ra balh o_C_1 Int er pr eta coes _I_1 Fad iga_ 1_1 Co ord Tr aba lho_ C
Nao 98.0 Bo a 9 9.0
Ruim 3.89 B oa 9 6.1 S im 1.98 Ruim 1.0 Int er pr etac oes _I_3 Nao 9 8.0 B oa 99.0 B oa 97 .1 Nao 98.0 B oa 99.0
Cu ltur aOr gan izacio nal_D_5 Ru im 3 .89 S im 1 .98 Ruim 1.0 Ruim 2.9 4 S im 1.98 Ruim 1.0
Du ra cao Estr es se_ 10 B oa 97.1
Lide rOp er acao Co nco rd a Co ncen tr aca o_III5 Apr opr iada 99.0 Dur ac aoEs tr ess e_9 Cultu ra Or ga nizac ional_ D_ 4 Ruim 2.94
Ba ixa 98.0 Su per visor En ten de
Inap rop riada 1.0 Fadig a_1 _6 Cultu ra Org anizac iona l_D_1 Int er pr eta coes _I_2 Fad iga_ 1_2 Cult ur aOr gan iza cion al_D
Cer to 93.5 Ade qua da 9 6.1 Alta 1.98 Con cent ra cao _III4 B aixa 98.0 Ap rop riada 99 .0
Ce rto 8 2.6
E rra do 6.53 Inad equ ada 3 .89 A deq uad a 96 .1 Alta 1.98 Ina pro priad a 1 .0 Nao 9 8.0 A pro priad a 9 9.0 B oa 96 .1 Nao 98.0 A pro priad a 9 9.0
Avaliac aoRend ime nto_ H_ 3 Int er pr etac oes _I_4 S im 1 .98 In apro pria da 1.0 E rr ado 1 7.4
Du ra cao Estr es se_ 6_9 In ade qua da 3.8 9 Ruim 3.8 9 S im 1.98 In apro pria da 1.0
A deq uad o 99 .0 Dur aca oEst re sse _6_ 8 Avalia caoRen dim ento _H_2 B oa 96.1
Pe rc epca o_X 5 B aixa 98 .0 S up er vis or Ent end e_1
In ade qua do 1 .0 Ruim 3.89 Fadig a_1 _7 Qu alida deV ida_ G_ 1 Ca lculo s_II Fad iga_ 1_3 Qualid ade Vid a_G
Alta 1.9 8 B aixa 98.0 Ade qua do 9 9.0
Alta 96.1 P er ce pcao _X 4 Ce rto 8 2.6
A lta 1.98 Inad equ ado 1.0 Nao 9 8.0 Alta 50.0 Exato 9 7.1 Nao 98.0 Alta 50.0
Ba ixa 3.89 T om ada Dec isao _4 E rr ado 1 7.4
S ele caoP es soa l_J_ 5 Lide rOpe ra cao Na oFazNada A lta 9 6.1 S im 1 .98 B aixa 50.0 Inexato 2 .94 S im 1.98 B aixa 50.0
Insp eto rA1na oCrit ica_1 Dur ac aoEs tr ess e_6 _10
Certo 91.3 B aixa 3 .89
B oa 99 .0 Cer to 93.5 V elocT ar efa _11 Se leca oPe sso al_J _4 Calc ulos_ II1
Cer to 93.4 Ba ixa 9 8.0 Er rad o 8.69
Pe rc epca o_X _9 Ru im 1 .0 E rra do 6.53 Fadig a_1 _8 S eleca oP ess oal_J _1 Conc ent rac ao_ III Fad iga_ 1_4 S elec aoP es soal_ J
E rra do 6.56 Alta 1 .98 Alta 98.0 Bo a 9 9.0 E xato 97 .1
P er ce pcao _X _7 ON_ Mano br a_NT
Alta 96.1 B aixa 1.98 Ruim 1.0 In exato 2.9 4 Nao 9 8.0 B oa 99.0 A dequ ada 96.1 Nao 98.0 B oa 99.0
T om adaDec isao _5 Ba ixa 3.89 P ro gr ama sTr ein am ento _L_ 5 A lta 9 6.1 S im 1 .98 Ruim 1.0 Ce rto 9 2.3 In adeq uad a 3.89 S im 1.98 Ruim 1.0
Ve locTa re fa_ 12
Certo 91.3 A deq uad o 99 .0 B aixa 3 .89 V elocT ar efa _7_ 8 P r ogr am asT re inam en to_L _4 E rr ado 7 .73
Alta 98.0 Conc entr ac ao_ III1
Er rad o 8.72 In ade qua do 1 .0 Dur aca oEs tr ess e_7 Pr ogr am as Tr einam en to_ L_1 Conh ecP r oced _IV P rog ra ma sTr eina me nto _L
P er ce pcao _X _10 Ba ixa 1.98 Alta 98.0 Ade qua do 9 9.0 Dur ac aoE str ess e_6
P er ce pcao _X _8 Ad equ ada 96.1
B aixa 1.98 Inad equ ado 1.0 B aixa 98.0 Ad equa do 99.0 S im 96.1 Ad equa do 99.0
Alta 96.1 Ina deq uada 3.89 B aixa 98 .0
A lta 9 6.6 Alta 1.98 Ina dequ ado 1.0 Nao 3.89 Ina dequ ado 1.0
Ba ixa 3.89 Ve locTa re fa_ 7_9 A lta 1.9 8
B aixa 3 .42 ON_M anob ra _NT_1
Ris cos Exec uca oTa re fa_8
Alta 98.0 Ce rto 9 2.3 Co nhe cPr oc ed_ IV1 Dur acao Est re sse _6_3 At itud esd aS up_M _1
Alto 98.0 Atitu des daS up_ M
Insp eto rA2na oCrit ica_1 Ba ixa 1.98 De tec caoE rr o_ 4 Co nhe cP ro ced_ IV_ 1 Dur aca oEs tr esse _6_ 1
P er ce pcao _X _11 P lan ejam ent o_X I4 E rr ado 7 .73 S im 96.1 B aixa 9 8.0 Ad equa da 99.0
B aixo 1.98 Ad equa da 99.0
Cer to 93.4 Certo 91.5 S im 97.1 Baixa 98.0
Alta 96.1 A deq uad o 96 .6 Nao 3.89 A lta 1 .98 Inad equ ada 1.0 Ina dequ ada 1.0
E rra do 6.56 Insp etor A1na oCrit ica Com and ant eRatif ica Nao 2.94 Alta 1.98
Ba ixa 3.89 Tr at am ento Dis pen sado Falha _11 Er rad o 8.50 T ra tam ent oDispe nsa doFalh a_1 0
In ade qua do 3.4 2
Ce rto 9 3.4 Dur acao Est re sse _6_4 Ce rto 9 2.2
Ad equ ada 98.0 A deq uad a 98 0
. Co nhe cPr oc ed_ IV_ 2
P er ce pcao _X _12 E rr ado 7 .80 Dur aca oEs tr esse _6_ 2
Ina deq uada 1.98 E rr ado 6 .56 L ider anc a_X II2 B aixa 9 8.0 Equip eCom unica _V III
In ade qua da 1.98 S im 97.1
Alta 96.6 Baixa 98.0
A deq uad a 96 .6 A lta 1 .98 S im 9 6.1
Tr at am ento Dis pen sado Falha _9_ 2 Nao 2.94 Alta 1.98
Ba ixa 3.42 T ra tam ent oDispe nsa doFalh a_9 _1 Nao 3 .89
In ade qua da 3.4 3
Ad equ ada 98.0 V eloc Tar ef a_8
A deq uad a 9 8.0 V elo cTa re fa_7
Ina deq uada 1.98 Eq uipe Co mun ica_ VIII1
Pla nejam en to_ XI5 Lide ra nca _X II_1 In ade qua da 1 .98 Alta 98.0 P er ce pca o_X
T om adaDec isao A lta 98 .0
S im 96 .1 B aixa 1.98
Ade qua do 9 6.6 A deq uad a 96 .6 A lta 96 .3 B aixa 1.9 8
Dis tr acoe s_1 7 Na o 3.8 9 Ce rto 9 2.0
Inad equ ado 3 .42 Insp etor A2na oCrit ica In ade qua da 3.4 3 B aixa 3.6 6
Distr aco es_ 16 E rr ado 7 .95
Nao 9 8.0 V elocT ar efa _7_ 3
Ce rto 9 3.4 Com anda nte Ra tific a_1 V eloc Tar ef a_7_ 1
Sim 1 .98 Nao 98.0
Lider an ca_ XII3 E rr ado 6 .56 Lide ra nca _X II_2 Alta 98.0 P er cep cao _X_ 1
S im 1.98 Ce rto 9 2.2 P er cepc ao_ X1 A lta 98 .0
B aixa 1.98
Ade qua da 9 6.6 A deq uad a 96 .6 E rr ado 7 .80 Alta 96.3 A lta 96 .6 B aixa 1.9 8
Inad equ ada 3 .43 Co nflit osP ar aObt er Res ulta do_ 14 In ade qua da 3.4 3 V elo cRe alizaT ar efa _19 B aixa 3.4 2
B aixa 3.66 V elocT ar efa _7_ 4
De tecc aoE rr o_ 5 Ba ixo 9 8.0 V eloc Tar ef a_7_ 2
Alta 98 .0
Alto 1 .98 Cr iativida de_ XIII Alta 98.0 De tecc aoE rr o
Certo 91.5 Flexibilid ade _X IV1 Ba ixa 1.9 8 P er cep cao _X_ 2 A lta 98 .0
P er cepc ao_ X_ 3 B aixa 1.98
Er rad o 8.51 A lta 9 6.1 Ce rto 9 1.9
Ade qua da 9 6.1 A lta 96 .6 B aixa 1.9 8
Es tad oEm ocio nal_ 19 B aixa 3 .89 Alta 96.6 E rr ado 8 .14
Inad equ ada 3 .89 Cr iticida deT ar efa _19 B aixa 3.4 2
B aixa 3.42 Distr aco es_ 13
Bo m 9 8.0 Distr ac oes_ 12
Ad equ ada 98.0
Ruim 1 .98 Fle xibilida de_ XIV Nao 9 8.0
E mpa tia_ XV Ina deq uada 1.98 P lane jam ento _X I Nao 98.0
A deq uad a 96 .1 P er cepc ao_ X_ 4 S im 1 .98
S im 1.98
Ade qua da 9 6.1 V eloc Rea lizaTa re fa_ 20 A dequ ado 96.6
In ade qua da 3.8 9 P ers ona Inte lig_24 To mad aDecis ao_ 1 Alta 96.6
Dis tra coe s_1 2_4 In adeq uad o 3.42
Inad equ ada 3 .89 A lta 98.0 B aixa 3.42 Dis tr aco es_1 2_1
A pro pria da 9 8.0 Ce rto 9 2.0
B aixa 1.98 Nao 5 0.0 Nao 50.0
In apr opr iada 1 .98 E rr ado 7 .95
S im 5 0.0 Lid er anca _X II S im 50.0
P laneja me nto _X I1
Critic idad eTa re fa_2 0 A dequ ada 97.1
P er son aInt elig_ 20_1 2
Ad equ ado 96.6 Dis tra coe s_1 2_5 In adeq uad a 2.94 Dis tr aco es_1 2_2
Ade qua da 9 8.0
A pro pria da 9 8.0 Ina deq uado 3.42 Nao 9 8.0
Inad equ ada 1 .98 Nao 98.0
In apr opr iada 1 .98
S im 1 .98 S im 1.98
Pe rso naIn telig _25 Lide ra nca _X II1
Hab ilidad e_2 6
Dis tra coe s_1 2_6 Dis tr aco es_1 2_3
Ap rop riada 98 .0 Ad equ ada 97.1
Ad equ ada 98.0
Ina pro priad a 1.9 8 Ina deq uada 2.94 Nao 9 8.0 Nao 98.0
Ina deq uada 1.98 Det ecca oEr r o_1
S im 1 .98 S im 1.98
Ce rto 9 1.9
P er sona Inte lig_2 0_13
V isibilid ade_ Lam bd a12 E rr ado 8 .14 E sta doEm oc iona l_16 E sta doE mo ciona l_15
Ap rop riada 98 .0
A lta 99 .0
Ina pro priad a 1.9 8 B om 98.0 B om 98 .0
B aixa 1 .0
Ruim 1.98 Ruim 1.9 8
Habilid ade _27
Tem pe stad es_ Lam bda 11
V elo cRe alizaT ar efa_ 17 V elo cRealizaT ar efa _16
Ade qua da 9 8.0
Nao 9 9.0
Inad equ ada 1 .98 Alta 98 .0 Alta 9 8.0
S im 1.0
Ba ixa 1.9 8 Ba ixa 1 .98
Vis ibilidad e_L am bda 13
Crit icida deT ar efa_ 18 Cr iticid adeT ar efa _17 ON_Ma nob ra _NT_2 In ter pr et acoe s_I2 Fad iga_3 Ca rg aTr aba lho_ A2
Alta 99.0
B aixa 1.0 Ad equa da 98.0 Ad equ ada 98.0 Ce rto 7 8.4 B oa 61 3
. Nao 7 4.0 B aixa 99 .0
Ina dequ ada 1.98 Ina deq uad a 1.98 E rr ado 2 1.6 Ruim 38 7
. Sim 2 6.0 A lta 1 .0
T em pest ade s_L am bda1 2
Id entif Equ ipe_ 20 Id ent ifEq uipe_ 19
Nao 99 .0 Fadig a_1_ 9 For m alizac ao_ B
S im 9 8.0 Int er pr eta coes _I_5
Sim 1 .0 S im 98.0
Nao 9 8.0 A deq uad o 99 .0
Nao 1 .98 Nao 1.98 B oa 97 .1
Sim 1 .98 In ade qua do 1 .0
Ruim 2.9 4
Pe rs ona Inte lig_21 P er son aInte lig_2 0
Fadig a_1_ 10
A pro priad a 9 8.0 Co or dTr aba lho_ C2
Apro pria da 9 8.0
In apr opria da 1 .98 Int er pr eta coes _I_6 Nao 9 8.0
Inapr opr iada 1 .98 B oa 99 .0
Sim 1 .98
B oa 96 .1 Ru im 1 .0